Académique Documents
Professionnel Documents
Culture Documents
These El+ougli PDF
These El+ougli PDF
Fs
THESE
Prsente
La FACULTE des SCIENCES DHAR EL MEHRAZ
U.F.R : Automatique et Analyse des Systmes
Pour obtenir le grade de :
DOCTORAT NATIONAL
Spcialit : Automatique, Signaux et Systmes
Par
Abdelghani El Ougli
Soutenue le : 23/05/2009
Directeur de Thse :
BOUMHIDI Ismail
Rapporteurs :
EL BACHTIRI Rachid
KABBAJ Mohamed
Examinateurs :
BOUZOUBA Khalid
QJIDAA Hassan
SBAI El Hassan
Remerciements
Les travaux prsents dans ce mmoire ont t effectus au sein du laboratoire
dElectronique, Signaux-Systmes et dInformatique de la Facult des Sciences
Dhar El Mahraz Fs.
Je tiens exprimer ma profonde gratitude et mes remerciements les plus
sincres mon Directeur de thse Monsieur I. BOUMHIDI, Professeur la
Facult des Sciences Dhar El Mahraz de Fs, pour mavoir encadr, pour son
soutien scientifique, humain et moral et pour ses prcieux et fructueux conseils.
Je remercie Monsieur le Professeur M. MRABTI, Directeur de lENSA Fs, pour
avoir accept de me faire lhonneur de prsider le jury de ma soutenance.
Mes sincres remerciements Monsieur R. EL BACHTIRI, Professeur lEcole
Suprieure de Technologie Fs, et Monsieur M. KABBAJ, Professeur la
Facult des Sciences Dhar El Mahraz Fs, davoir pris le temps de juger ce
travail et de mavoir fait lhonneur dtre rapporteurs de ma thse.
Je tiens galement remercier Messieurs K. BOUZOUBA, Professeur la
Facult des Sciences Dhar El Mahraz Fs, H. QJIDAA Professeur la Facult
des Sciences Dhar El Mahraz Fs et H. SBAI, Professeur lEcole Suprieure
de Technologie Mknes, pour avoir accept dexaminer ce travail et de faire
partie de ce jury.
Mes remerciements vont tous ceux qui mont soutenu ou qui, dune manire ou
dune autre, ont contribu llaboration de ce travail.
Enfin, aucun mot ne serra jamais assez fort pour exprimer tout ce que je dois
ma femme qui ma accompagn tout au long de ce travail par son soutien
inconditionnel de tous cts et mes deux petits poussins Oussama et
Abderrahman.
ii
Introduction Gnrale
INTRODUCTION GNRALE
La diversit des problmes rencontrs en automatique, notamment sur la thorie de la
commande des systmes non linaires, a connu une volution considrable ces dernires
annes. En effet, depuis la fin du sicle dernier, la commande des systmes non linaires
complexes reposant sur la notion de la logique floue connat un succs tant sur le plan
thorique que pratique. La logique floue apporte gnralement une nette amlioration des
performances par rapport aux approches classiques tout en prsentant lavantage de pouvoir
tre dfinie au moyen dune description linguistique.
La thorie de lapproximation universelle des systmes flous est la base des diffrents
travaux de recherche sur ce type de commande. Cette thorie garantit un systme flou la
capacit dapproximer, avec un degr de prcision arbitraire fix, nimporte quelle dynamique
non linaire sur un ensemble compact [Wan-92 ; Buc-92 ; Buc-93 ; Wan-94; Zen-94 ; Spo02 ; Cas-95]. Ainsi, le comportement dun systme non linaire peut tre reprsent par un
modle flou o les relations entre les entres, les sorties et les tats sont exprimes par des
rgles floues [Tak-85].
La structure dun modle flou est dcrite par un ensemble de rgles o chacune est constitue
par une prmisse et une conclusion. Deux grandes classes de modles flous sont rpertories
selon la nature des conclusions de leurs rgles : Les modles flous de Mamdani qui utilisent
une conclusion symbolique et les modles flous de Takagi-Sugeno o les conclusions sont
numriques.
Cependant, cette modlisation floue nest quune reprsentation approximative du systme
rel que lon souhaite commander du fait que le nombre de rgles choisit pour dcrire le
comportement du systme est fini. En plus, dans la majorit des cas, le systme rel a des
paramtres variables et peut tre affect par des perturbations externes. Par consquent, la
reprsentation du systme non linaire est forme dun modle flou nominal auquel on
associe des incertitudes. Pour tenir compte de cette faiblesse de reprsentation dun systme
non linaire par un modle flou, la commande dveloppe doit tre robuste dans le sens o
elle devra tenir compte des erreurs de modlisation et des perturbations externes.
Le travail prsent dans cette thse comprend deux parties. Dans la premire partie, nous nous
sommes intresss au dveloppement des structures de commande floues pour une classe de
Introduction Gnrale
systmes non linaires inconnus une seule grandeur dentre et une seule grandeur de sortie
SISO (Single Input Single Output). Dans la deuxime partie, nous avons propos de faire
dabord la rgulation PID dun systme plusieurs grandeurs dentre et plusieurs grandeurs
de sortie MIMO (Multiple Input Multiple Output) avec entres non linaires, ensuite et dans
le but de se passer de lexigence li lordre dans la rgulation par PID classique et de tester
les performances obtenues avec lutilisation des techniques floues, nous avons dvelopp pour
le mme systme MIMO un rgulateur PI flou. Lensemble des techniques utilises pour la
synthses des contrleurs ont permis de garantir une bonne poursuite tout en assurant la
stabilit et la robustesse.
La thse est organise en quatre chapitres :
Le chapitre 1 prsente un aspect bibliographique allant de la dfinition des ensembles flous
type-1 et type-2 la synthse de la commande par lapproche de modlisation floue en
passant par les principales caractristiques des modles flous et la structure des contrleurs
correspondants et terminant par les diffrentes techniques de commande robuste savoir
lapproche de mode glissant, loptimisation H et la technique LMI.
Dans le chapitre 2, la modlisation floue type-1 est adopte afin de rsoudre le problme de
poursuite de trajectoire. La synthse du contrleur flou est faite par les deux approches :
directe et indirecte. La structure de commande propose repose sur lutilisation dun modle
flou pour la synthse dune commande nominale dont le rle est dassurer la poursuite. Cette
commande est augmente par un terme de robustesse. Ce dernier est chaque fois synthtis
en se basant sur la synthse de Lyapunov combine soit la technique de mode glissant, soit
loptimisation H , soit la technique LMI.
Le chapitre 3 traite la synthse de contrleurs base de la logique floue type-2 en prsence
des incertitudes paramtriques et des perturbations externes. La dynamique non linaire est
suppose partiellement connue et lapproximation par le modle de Takagi-Sugeno concerne
uniquement la partie inconnue ce qui permet de rduire nettement la charge des calculs. Les
performances de poursuite et de stabilit sont obtenues en se basant sur lapproche de
Lyapunov.
Le chapitre 4 prsente deux structures de commande des systmes MIMO non linaires :
La premire est la rgulation PID avec compensation o la synthse des paramtres du
PID est faite par lapproche placement de ples ce qui nous vitera le problme de
rglage.
La deuxime est le rgulateur PI bas sur la technique floue avec compensation.
Introduction Gnrale
Le terme de compensation est obtenu par une projection des non linarits, du couplage
crois, des perturbations et des dynamiques ngliges sur la base orthogonale de Chebyshev.
Chapitre 1
Chapitre 1
Chapitre 1
automatique de commande. Cet algorithme de commande se base sur une collection de rgles
floues appele base de rgles. Lensemble des rgles de la commande sont relies par les
concepts dimplication, de composition floue et des rgles dinfrence floue.
Chapitre 1
linaire par un ensemble de systmes linaires pour lesquels sont adoptes des commandes
classiques : placement de ples, H , etc.
A ( x) 0 x A .
A ( x) 1 x A .
A ( A ( x) / x : x X , A ( x) 0,1
(1.1)
Lquation (1.1) dfinit un ensemble flou comme compltement dfinit par sa fonction
dappartenance A (x) :
A ( x) : X 0,1
(1.2)
Si la fonction dappartenance ne donne que les valeurs de lensemble 0,1 , alors lensemble
quelle gnre nest pas flou.
Chapitre 1
Dans le cas dun ensemble discret U , un ensemble flou A peut tre dfini par une liste de
paires ordonnes: degr dappartenance / lment de lensemble :
A A ( xi ) / xi
(1.3)
Degr
dappartenance
1
(1.4)
Degr
dappartenance
: X 0,1
: X 0,1
A (x)
A ( x) 1
B ( x) 0
A ( x) 0,7
B ( x) 0,3
B (x)
X
univers de discours
X
univers de discours
Selon le type de la fonction dappartenance, diffrents types d'ensembles flous seront obtenus
[Zad-65 ; Rog-91 ; Zim-93]. Les fonctions dappartenance pourraient tre classes en deux
groupes : celles qui sont faites de lignes droites et celles dont la forme est gaussienne. Les
fonctions couramment utilises sont :
Fonction dappartenance triangulaire : Elle est dfinie par une valeur infrieure a ,
une valeur suprieure b et une valeur modale m de sorte que a < m < b :
A(x)
1
Chapitre 1
0 si x a
( x a ) /(m a ) si x a, m
A ( x)
(b x) /(b m) si x m, b
0 si x b
(1.5)
0 si x m
A ( x)
(1.6)
1 si x m
A(x)
1
X
m
A ( x) exp
2
(1.7)
A(x)
Chapitre 1
Plusieurs oprations peuvent tre appliques aux ensembles flous. Soient A et B deux
ensembles flous de fonctions dappartenance respectives A (x) et B (x) et X leur univers
de discours.
t-norme appel aussi intersection floue : Cest une opration binaire t : 0,1 0,1
2
t-conorme ou s-norme appel aussi union floue : Cest une opration binaire
o Commutativit : x s y y s x
o Associativit : x s ( y s z) ( x s y) s z
o Monotonicit : si x y et w z alors x s w y s z
o Conditions aux limites: x s 0 x et x s 1 1
Chapitre 1
Si u
A Alors vest
B
est
Prmisse
(1.8)
Conclusion
avec A et B sont des termes linguistiques correspondants des ensembles flous dfinis sur
leurs univers de discours respectifs U et V . u et v sont deux variables linguistiques prenant
leurs valeurs linguistiques sur U et V .
En fonction de la syntaxe des rgles, deux classes de modles flous peuvent tre distingues :
Ces deux modles sont bass sur une collection de rgles Si prmisse Alors conclusion et
leurs prmisses sont exprimes symboliquement.
Les modles flous de Takagi-Sugeno sont dcrits par une collection de rgles de la forme :
R l : Si x est Al Alors y f l ( x)
l 1, 2, ..., K
(1.9)
10
Chapitre 1
Les prmisses de cette collection de rgles sont des propositions floues et les conclusions sont
des fonctions ordinaires des entres du modle. x R n est la variable dentre du systme
flou, y R est sa variable de sortie, Al ( A1l , A2l ,..., Anl ) est lensemble flou antcdent
affrent la l ime rgle, f l (x) est une fonction paramtrique gnralement de la forme affine
wl (x) Al ( xi )
i 1
(1.10)
Un cas particulier des modles de Takagi-Sugeno est le modle flou conclusion constante. Il
est reprsent par des rgles de la forme : R l : Si x est Al Alors y c l
l 1, 2, ..., K avec
A titre dexemple, un systme dynamique non linaire simple est dcrit par des rgles de la
forme : R l : Si u(k) est U l et y(k)est Y l Alors y(k 1 ) a l y(k) bl u(k) c l
o u (k ) est la commande, y (k ) est la sortie du systme ; U l et Y l sont les ensembles flous
dcrivant la commande et la sortie sur leurs univers de discours respectifs ; a l , b l et c l sont
les paramtres de la consquence.
Lidentification de la structure du modle flou de Takagi-Sugeno est gnralement ralise
par la mthode heuristique [Tak-85] ou la technique de classification de donnes (clustering)
[Bab-94]. Les algorithmes utiliss pour la classification des donnes numriques (algorithme
FCM : Fuzzy C-Means, algorithme GK : Gustafson Kessel, ) permettent dinduire les sous
ensembles flous antcdents pour chaque rgle. Ces algorithmes se basent sur lanalyse des
distances entre les donnes et le centre dune classe. La classification C-moyenne floue FCM
est une mthode de classification itrative qui permet de classifier les donnes selon C classes
de forme hyper sphre [Chu-00 ; Gui-01], elle calcule chaque fois les centres des classes et
gnre la matrice dappartenance U des donnes ces classes. Lalgorithme GK est une
mthode qui utilise une norme adaptive de la distance en obtenant des classes hyper
ellipsodales [Gus-79].
Lidentification des paramtres des consquences est gnralement dtermine par
lapplication de la mthode des moindres carres. Il est noter que la reprsentation des
modles Takagi-Sugeno est trs efficace pour approximer des systmes non linaires
complexes car la base de rgles est compose dun ensemble de modles locaux qui sont
11
Chapitre 1
l 1, 2, ..., K
(1.11)
Les prmisses et les conclusions de cette collection de rgles sont des propositions floues.
x R n et y R sont respectivement lentre et la sortie du systme flou, A l et B l sont
Une rgle du modle Mamdani est caractrise par le degr dactivation wl (x) Al ( xi )
i 1
12
Chapitre 1
Si x1 est A1 et x2 est A2 Alors yest B. Elle caractrise la stratgie de commande mise par
lexpert sous forme de rgles linguistiques. Le systme dinfrence est capable de raisonner
partir des informations contenues dans la base de connaissance et de faire des dductions.
Si B est une valeur linguistique, le contrleur est dit de type Mamdani. Si B est une valeur
numrique ou une quation mathmatique, alors le contrleur est dit de type Takagi-Sugeno.
Contrleur flou
Base de connaissance
Consignes
Fuzzification
Systme dinfrence
Dfuzzification
13
Chapitre 1
(1.12)
14
Chapitre 1
B ( y) max B ( y )
i 1,..,n
(1.13)
Dfuzzification : Le traitement des rgles dinfrence fournit une valeur floue. Ltape de
dfuzzification consiste transformer lensemble flou rsultant de lagrgation des rgles
en une grandeur de commande prcise appliquer au processus. Dans la littrature, il
existe plusieurs stratgies pour raliser cette opration telle que la moyenne des maxima,
le centre des aires, le centre des maxima. La mthode de dfuzzification par le centre de
gravit est la mthode la plus utilise en commande floue du fait quelle fournit
intuitivement la valeur la plus reprsentative de lensemble flou issu de lagrgation des
rgles. Elle consiste calculer le centre de gravit de la surface forme par la fonction
dappartenance rsultante.
Dans le cas particulier de rgles de Takagi-Sugeno o les conclusions sont polynomiales :
R l : Si x1 est A1l et x 2 est A2l et ... et x n est Anl Alors y f l ( x1 , x 2 ,..., x n )
l 1,2,...,K
(1.14)
La commande u est obtenue par une simple moyenne pondre selon les niveaux
dactivation wl de chacune des rgles.
K
w
l 1
f l ( x1 , x 2 ,..., x n )
(1.15)
l 1
avec w l T ( A1l ( x1 ), A2l ( x 2 ),..., Anl ( x n )) o T est une t-norme choisit trs souvent gale
loprateur produit.
15
Chapitre 1
ces incertitudes dans les fonctions dappartenance, lide consiste faire une extension des
ensembles flous type-1 [Cas-08]. On considre un ensemble flou type-1 caractris par une
fonction dappartenance gaussienne de moyenne M
1 xM
m( x) exp
2 x
(1.16)
Dans le concept des ensembles flous type-1, le degr dappartenance dun lment est un
nombre ordinaire qui appartient lintervalle 0,1 . On suppose que cette appartenance nest
pas un nombre mais un ensemble flou type-1. On note les lments du domaine de cet
ensemble 1 et on lappelle appartenance primaire de x . On note lappartenance de ces
appartenances primaires 2 ( x, 1 ) et on lappelle appartenance secondaire de x .
Si les appartenances secondaires sont des gaussiennes de moyenne m(x) et de dviation m
alors :
1 m( x) 2
2 ( x, 1 ) exp 1
2 m
1 xM
Avec 1 0,1 et m( x) exp
2 x
(1.17)
do :
exp 1 x M
1
2 x
1
2 ( x, 1 ) exp
2
m
(1.18)
On peut conclure que le degr dappartenance de chaque lment pour le cas dun ensemble
flou type-2 reprsente toutes les appartenances primaires ainsi que les appartenances
secondaires correspondantes et peut tre crit sous la forme : ( x) 0 ,1 2 ( x, 1 ) / 1 ,
1
x X .
La fonction dappartenance secondaire (1.18) type-2 peut tre interprte comme une fonction
deux variables x et 1 : pour chaque x et chaque 1 , on aura une appartenance secondaire
16
Chapitre 1
ensemble flou type-1 gaussien dont le domaine de dfinition est inclus dans
lintervalle 0,1 .
ensemble flou type-1 triangulaire dont le domaine de dfinition est inclus dans
lintervalle 0,1 .
ensemble ordinaire dont le domaine de dfinition est inclus dans lintervalle 0,1 . Dans ce
cas, les appartenances secondaires sont gales 1.
La figure 1.7 schmatise une fonction dappartenance floue type-2 avec une zone
dincertitude.
A linstar des ensembles flous type-1, on dfinit les oprations les plus importantes sur les
~
~
ensembles flous type-2. Soit A X et B X deux ensembles flous type-2 et A~ ( x) et B~ ( x)
leurs appartenances floues respectives (ensembles flous type-1 dans J 0,1).
A~ ( x) f x (ui ) / ui ; ui J
(1.19)
A~ ( x) g x (wi ) / wi ; wi J
(1.20)
17
Chapitre 1
C A~ ... D1 (1 ) * D2 ( 2 ) * ...* DN ( N ) /
1
x
i
i 1
N
i 1
(1.21)
i
o Di A~ ( xi ) est un ensemble flou type-1 avec i Di , les x i sont des nombres ordinaires
et * dnote une t-norme.
On peut noter quun ensemble flou type-2 peut tre vu comme une collection densembles
flous type-1 [Kar-98a].
Pour dfinir les oprations fondamentales : union, intersection et complment des ensembles
~
~
flous A et B , on utilise le principe dextension de Zadeh [Kli-96].
Le principe dextension des ensembles flous est essentiellement une identit de base qui
permet un domaine de dfinition dune relation tre tendu de quelques points de U des
sous ensembles flous de U . Particulirement, supposons que f est une relation de U vers V
et A est un ensemble flou dfini par A U A (u) / u cas continu ou A A (u i ) /u i cas
i
discret, alors le principe dextension asserte que limage de A sous la relation f est un
ensemble flou f ( A) de W dfini par f ( A) f
f ( A) f A (u i ) /u i A (u i ) / f (u i ) cas discret.
i
i
Par consquent, limage de A sous f peut tre dduite en connaissant les images de u ou
u i sous f .
~
~
Par application du principe dextension aux ensembles flous A et B , on aura :
~
~
Union de A et B :
A~ B~ ( x) A~ ( x) B~ ( x) ( f x (u i ) / u i ) ( g x ( w j ) / w j )
i
( f x (u i ) g x ( w j )) / u i w j
(1.22)
i, j
18
Chapitre 1
~
~
Intersection de A et B :
A~ B~ ( x) A~ ( x) B~ ( x) ( f x (u i ) / u i ) ( g x ( w j ) / w j )
i
( f x (u i ) g x ( w j )) / u i w j
(1.23)
i, j
~
Complment de A :
A~ ( x) f x (u i ) /(1 u i )
(1.24)
~
~
~
~
R l : Si x1 est F1l et x2 est F2l et et xn est Fnl Alors y est G l
(1.25)
~
~
o les Fi l sont les ensembles flous antcdents type-2 et les G l sont les ensembles flous
consquents type-2 avec i 1,2,, n ; l 1,2,, K . K est le nombre de rgles floues.
Dans le cas du systme flou type-2, les ensembles flous la sortie du mcanisme dinfrence
sont de type-2. Leur dfuzzification en vu dobtenir un nombre ordinaire la sortie du
systme flou comme dans le cas type-1 ncessite dans un premier temps une opration qui les
transforme en des ensembles flous type-1. Cette opration est appele la rduction de type
[Kar-98a ; Kar-98b ; Kar-99 ; Lia-00 ; Kar-01]. Lensemble flou type-1 obtenu par cette
opration est dit ensemble de type rduit et sera dfuzzifi pour obtenir la sortie du systme
flou type-2 un nombre ordinaire reprsentant la combinaison des ensembles de sortie.
Plusieurs techniques de rduction de type sont dtailles dans la littrature et les plus
populaires sont : la mthode du barycentre [Glo-99, Men-95] qui combine tous les ensembles
flous type-2 de sortie en utilisant lunion et calcule le barycentre de lensemble rsultant par la
relation (1.21) et la mthode des centres densemble adopte dans le cadre de cette thse.
Cette dernire mthode consiste remplacer chaque ensemble flou type-2 par son barycentre
puis calculer la moyenne pondre de ces barycentres. Le poids associ au l ime barycentre
est le degr dactivation de la l ime rgle :
i 1
~
Fii
( xi ) .
19
Chapitre 1
Un contrleur flou classique est compos d'une interface de fuzzification, une base de rgles,
un systme d'infrence et une interface de dfuzzification. La structure du contrleur flou
type-2 est similaire celui classique avec la particularit de lutilisation dun rducteur de
type pour convertir les ensembles flous type-2 la sortie du systme dinfrence en ensembles
flous type-1 avant la phase de dfuzzification. Ses diffrentes oprations sont illustres sur la
figure suivante :
Contrleur flou
Consignes
Fuzzification
Dfuzzification
Ensembles flous
type-1 rduit
Rduction de
type
Base de rgles
Ensembles
flous type-2
dentre
Infrence
Ensembles
flous type-2 de
sortie
Processus
Dans le cadre de ce rapport et pour des raisons de simplifications de calcul, seuls les
ensembles flous type-2 intervalle sont employs [Ber-08 ; Cas-07].
Le systme d'infrence dans un systme flou type-2 utilise la base de rgles floues (1.25) pour
effectuer une relation entre un vecteur d'entre x ( x1 , x2 ,, xn )T et la sortie scalaire y .
La premire tape dans lopration dinfrence floue est le calcul de lintervalle dactivation
associ au l ime ensemble flou de sortie :
n
F l ( x ) F~ l ( x i )
(1.26)
i 1
~
Ensuite, si on note par B l lensemble flou de sortie correspondant la composition de la l ime
~
'
rgle R l et lensemble flou dentre X ' , lensemble F l ( x ) est combin avec lensemble
~
flou consquent G l de la l ime rgle l'aide de loprateur t-norme choisie pour obtenir
lensemble flou de sortie correspondant la l ime rgle:
B~ ( y) G~ ( y) F~ ( x ' )
l
(1.27)
20
Chapitre 1
B~ ( y) G~ ( y) F~ ( xi )
l
(1.28)
i 1
Comme seulement les ensembles flous type-2 intervalle sont utiliss et l'opration t-norme
produit est mise en uvre, alors lintervalle dactivation associ au l ime ensemble flou de
sortie est lensemble flou type-1 intervalle dfini par :
F l ( x ) [ f ( x ),
l
f ( x )]
(1.29)
l
o f ( x) F~ l ( x1 ) * F~ l ( x2 ) F~ l ( xn ) et f ( x) F~1l ( x1 ) F~2l ( x 2 ) F~nl ( x n ) .
1
Etant donn que la sortie du systme d'infrence est un ensemble flou type-2, son type doit
tre rduit avant ltape de dfuzzification pour quon puisse lutiliser afin de gnrer une
sortie relle. C'est la principale diffrence structurelle entre les systmes flous type-1 et ceux
de type-2.
L'expression de lensemble flou type rduit par la mthode des centres densembles est
donne par [Men-01] :
K
yl
l 1
K
(1.30)
l
l 1
pour l 1,2,, K .
Puisque les ensembles flous utiliss sont type-2 intervalle, alors chaque Y l et F l est un
ensemble type-1 intervalle, ce qui se traduit par Y l ( yl ) F l ( f l ) 1.
Lquation (1.30) peut tre rcrite :
21
Chapitre 1
Ycos (Y 1 ,, Y K , F 1 ,, F K ) y1 y K f 1 f K 1
f
l 1
K
yl
fl
(1.31)
l 1
Aussi, tant donn que chaque ensemble dans lquation (1.31) est un ensemble type-1
intervalle, alors Ycos (Y 1 ,, Y K , F 1 ,, F K ) est aussi un ensemble type-1 intervalle et donc son
domaine est un intervalle situ sur laxe des rels :
(1.32)
Chapitre 1
x1 x 2
x 2 x3
x n f ( x, t ) g ( x, t )u (t ) d (t )
y x1
(1.33)
(1.34)
On suppose que le signal de rfrence y r (t ) ainsi que ses drivs lordre (n 1) sont
bornes. Le vecteur de rfrence est donn par : y r ( y r , y r , ..., y r
( n 1) T
et le vecteur de
23
Chapitre 1
1
( f ( x, t ) y (n ) )
g ( x, t )
(1.35)
Pour rsoudre le problme dinstabilit, la loi de commande par placement de ples est
choisie comme suit [Wan-02 ; Slo-91] :
1
( n)
( f ( x, t ) y r k T e)
g ( x, t )
(1.36)
n 1
1
( f ( x, t ) y r( n ) k i e (i ) )
g ( x, t )
i 0
(1.37)
ou bien :
u
avec k T (k 0 , k 2 , ..., k n1 ) , e (e, e, ... , e ( n1) ) et les coefficients k i sont tels que le polynme
f ( x, t ) et g ( x, t ) , est connu avec prcision. Or, le systme est inconnu et aucune robustesse
nest garantie face aux incertitudes paramtriques du modle et aux perturbations externes qui
peuvent affecter le systme [Ngu-01 ; Gol-03]. Dans ces circonstances, la synthse de la loi
de commande (1.37) devient trs difficile mettre en uvre. Donc, on propose dutiliser en
alternatif un systme flou pour approximer la dynamique non linaire inconnue du systme.
L'analyse de la stabilit des modles flous est gnralement base sur les fonctions de
Lyapunov candidates [Bor-93 ; Kha-96]. La synthse de Lyapunov [Las-86 ; Vid-93 ; Krs-95]
consiste choisir une fonction V puis chercher des lois de commande ou dadaptation
assurant sa dcroissance ( V pour des systmes continus). Si ces conditions sont vrifies, la
fonction V assurant la stabilit est dite fonction de Lyapunov.
Lautre classe de systmes traite dans la thse est la classe de systmes MIMO entre non
linaires rgit par lquation suivante :
A(q 1 ) y(k ) Bd (q 1 )Z (k ) (k )
o
A(q 1 )
et
Bd (q 1 )
(1.38)
Z (k ) R n , y (k ) R n
et
24
Chapitre 1
Le travail prsent dans cette thse traite la problmatique de suivi de trajectoire pour les deux
classes de systmes non linaires en sappuyant sur le concept des systmes flous. Pour la
classe de systmes SISO, les dynamiques inconnues du systme non linaire f ( x, t ) et
g ( x, t ) sont approches, soit par des modles locaux linaires l'aide dun modle flou
adaptatif type-1 de type Takagi-Sugeno, soit par des modles flous type-2 ou bien la loi de
commande sera approxime directement par un modle flou. Aussi, nous allons nous servir de
lapproche du mode glissant, des optimisations LMI (linear matrix inequalities) et H
combines avec la synthse de Lyapunov pour rsoudre le problme de la stabilit, de la
robustesse et du suivi de trajectoire. Quant la classe de systmes MIMO non linaires, nous
allons utiliser un rgulateur PID classique et un PI flou. Les deux rgulateurs sont utiliss
avec un compensateur en cascade. La compensation est ralise par la projection de la
fonction contenant les non linarits, le couplage crois, les perturbations et les dynamiques
ngliges sur la base orthogonale de Chebychev.
25
Chapitre 1
Cependant, cette solution induit une augmentation de la complexit dans le choix des gains.
Une autre solution est celle de la couche limite qui consiste remplacer la fonction signe par
une approximation continue au voisinage de la surface de glissement : fonction saturation ou
fonction sigmode [Edw-98 ; Slo-84].
La conception de la commande peut tre effectue en trois tapes principales trs dpendantes
lune de lautre.
Choix de la surface.
La surface de glissement est une fonction scalaire telle que la variable rgler glisse sur cette
surface et tend vers lorigine du plan de phase. Cette surface est dtermine indpendamment
de la commande. Sa forme non linaire est une fonction de lerreur sur la variable rgler x ,
elle est donne par, [Slo-84]:
( x, t )
t
( r1)
e( x)
(1.39)
avec:
r : est un degr relatif, il prsente le nombre de fois quil faut driver la surface pour faire
apparaitre la commande [Mah-99].
Les conditions dexistence et de convergence sont les critres qui permettent aux diffrentes
dynamiques du systme de converger vers la surface de glissement et dy rester
indpendamment de la perturbation.
( x, t ) ( x, t ) ( x, t ) avec 0
(1.40)
La structure dun contrleur par mode glissant est constitue de deux parties, une concernant
la linarisation exacte ue et lautre stabilisante uc .
uc K sign( ( x, t ))
(1.41)
26
Chapitre 1
uc K sat( ( x, t ))
(1.42)
1.5.2. Optimisation H
La synthse H a t initie par Zames au dbut des annes 80 [Zam-81] et
dveloppe, en particulier par Doyle, Glover, Khargonekar et Francis [Fra-87 ; Doy-89]. Cette
mthode a connu des applications multiples dans des domaines trs varis. Elle est devenue
ces dernires annes une des mthodes phares de la commande robuste. Sa prsentation
thorique est donne dans de nombreux ouvrages pdagogiques [Boy-94 ; Toi-98 ; Cla-01].
Le problme de poursuite de trajectoire dans une structure de commande peut est abord avec
la stratgie de commande qui consiste minimiser lerreur de poursuite par rapport aux
incertitudes de modlisation en utilisant la norme H . Cette dernire fournit une commande
robuste vis vis de ces incertitudes. La formulation H est base essentiellement sur la
rsolution de lquation de Riccati et consiste synthtiser une loi de commande ur G e de
faon vrifier une contrainte dattnuation de leffet des incertitudes sur la performance de
poursuite.
La reprsentation entre-sortie de la classe du systme SISO non linaire tudi est donne
par :
y (n) f ( x, t ) g ( x, t )u
(1.43)
(1.44)
Chapitre 1
e Ae B
(1.45)
1 0
0
0
0
0
0
0 1
et B
A
1
1
k 0 k1 k n 1
La fonction de transfert entre les incertitudes reprsentes par et lerreur de suivi de
trajectoire e peut tre dtermine partir de lquation dynamique (1.45). Si lon dfinit
H e ( p) C( pI A) 1 B
(1.46)
H e ( p) o 0
(1.47)
Avec :
H e ( p ) Sup L2
2
2
ur G e
(1.48)
(1.49)
Chapitre 1
(Linear Matrix Inequalities). Cette approche est utilise dans lobjectif dassurer la robustesse
de la loi de commande synthtise. Latout majeur des LMI est lexistence de mthodes de
rsolution numrique efficientes qui prsentent lavantage davoir un cot de calcul
raisonnable [Boy-94].
Une ingalit matricielle linaire en x est sous la forme :
n
F ( x ) P0 Pi xi 0
(1.50)
i 1
(1.51)
Le systme est asymptotiquement stable sil existe une matrice P symtrique et dfinie
positive telle que la LMI suivante est vrifie [Boy-94 ; Tan-98] : AT P PA 0 .
Cette ingalit matricielle peut tre rsolue en utilisant des outils numriques LMI par rapport
la variable inconnue P .
29
Chapitre 1
1.5.4. Prdiction dune fonction par projection sur une base orthogonale
La prdiction dune fonction inconnue par lapproche de projection orthogonale
consiste la modliser par une combinaison linaire dun ensemble de fonctions orthogonales
connues. Le contexte de notre tude consiste approcher une fonction du temps H (x ) qui
contient les termes non linaires, le couplage crois et les perturbations par une base de
fonctions orthogonales dite de Chebyshev.
Le polynme de Chebyshev de degr i est donn par :
Ti ( x) cos(i arccos(x))
(1.52)
Avec 1 x 1
La srie de Chebyshev correspondant la fonction H (x ) modliser est donne par :
H ( x)
h0
h
h1T1 ( x) h2T2 ( x)... 0 hiTi ( x)
2
2 i 1
(1.53)
H ( x)
h0 m
hiTi ( x)
2 i 1
(1.54)
k
) avec k 0,1,..., N
N
si i j 0
0 si i j
O w( x)
1
1 x2
(1.55)
2
N
H ( x )T ( x )
k 0
(1.56)
30
Chapitre 1
1.6. Conclusion
Dans ce chapitre, nous avons prsent un aperu bibliographique sur les outils de base
de la logique floue type-1 et type-2 ainsi que les dmarches ncessaires pour lapproximation
des systmes non linaires inconnus par des modles flous. La question de la synthse dun
contrleur flou a t aborde accompagne par les tapes ncessaires. Laccent a t mis sur
les mthodes de commande des systmes non linaires et les principaux rsultats de la
littrature concernant les problmes de la stabilit et la poursuite de trajectoire des systmes
reprsents par des modles flous. Ces outils et mthodes prsents serviront galement pour
les travaux qui seront abords dans les chapitres suivants.
31
Chapitre 2
Chapitre 2
Le premier terme appel nominal est destin assurer une certaine performance en
Le second terme, appel terme additif a pour rle de compenser leffet des erreurs de
modlisation et des perturbations externes. Ce terme est chaque fois synthtis par
lapproche de Lyapunov combine soit la technique de mode glissant, soit
32
Chapitre 2
x ( n ) f ( x, t ) bu(t ) d (t )
y x
(2.1)
o b est une constante positive connue et d (t ) reprsente leffet des perturbations externes.
La commande par mode glissant ddie au contrle des systmes non linaires est rpute
pour ses qualits de robustesse en prsence des erreurs de modlisation et des perturbations
mais aussi par les contraintes imposes aux actionneurs [Slo-91]. Linconvnient de cette
commande est lapparition du phnomne de rticence lorsque la surface de glissement est
atteinte. Ceci est d la discontinuit de la commande uc sign( ( x, t )) aux passages par
la surface de glissement. En pratique, ce phnomne de rticence peut tre rduit en
remplaant la fonction sign par une approximation continue : fonction de saturation ou
lissage.
La surface de glissement dans lespace dtat est dfinie par :
(2.2)
Le
terme
nominal
dduit
de
lapproximation
floue
de
Takagi-Sugeno.
Lapproximation par le modle de Takagi Sugeno adopte est avantageuse du fait que les
paramtres de la conclusion sont facilement dduits et adapts par lapproche de
Lyapunov.
Lorsque la dynamique f ( x, t ) est connue et le systme nest pas soumis des perturbations, la
loi de commande propose [Slo-91] donne par :
33
Chapitre 2
n 1
1
( f ( x, t ) y r( n ) k i e ( i ) )
b
i 1
(2.3)
Avec un choix judicieux des coefficients k i du polynme S de Hurwitz, cette loi permet
dassurer la convergence de lerreur e(t ) . Or, dans la pratique f ( x, t ) peut tre inconnue, ce
qui rend difficile la synthse de la loi (2.3).
Ainsi, le premier terme composant la loi de commande est dcrit par un ensemble de rgles de
la forme suivante :
l 1,2,, K
(2.4)
floues.
En utilisant une infrence produit et la mthode de dfuzzification du centre de gravit [Kch07], les valeurs de la sortie du contrleur flou sont obtenues en utilisant la relation suivante:
K
l 1
K
i 1
n
l F ( xi )
l
u ( x, )
l 1 i 1
(2.5)
Fil
( xi )
Ou encore :
T
u( x, ) ( x)
(2.6)
l ( x)
i 1
Fil
( xi )
(2.7)
l 1 i 1
Fil
( xi )
Lapplication de la loi de commande (2.5) seule nassure pas la convergence de e(t ) vers zro
du fait de l'existence des perturbations externes et des erreurs de modlisation. Pour avoir un
bon suivi de la trajectoire dsire, la commande (2.5) est augmente par un terme additif u r
assurant la robustesse.
1
u u ( x, ) u r
b
(2.8)
34
Chapitre 2
1
x ( n ) f ( x, t ) b(u ( x, ) ur ) d (t )
b
O R K , M
(2.9)
(2.10)
M est une constante
H.2 La borne suprieure des perturbations externes inconnues est d max et satisfait la condition
ur k d sat( ( x, t ))
(2.11)
l 1
K
i 1
n
l F ( xi )
l
l 1 i 1
Fil
k d sat( ( x, t ))
(2.12)
( xi )
sgn( ( x, t )) ( x, t )
sat( ( x, t ))
( x, t )
( x, t )
(2.13)
(2.14)
T ( x)
(2.15)
35
Chapitre 2
Thorme
Soient le systme dcrit par lquation (2.1) et la commande propose (2.12) sous les
hypothses H.1 et H.2. Le systme en boucle ferme (2.9) est stable dans le sens que :
(i) Les signaux dentre et de sortie sont borns.
(ii) La poursuite est ralise.
Le dtail de la dmonstration du thorme est donn en annexe A.
n1
1
1
*
u sat(eT PB) f u f ( x, ) d max ( f ( x, ) yr( n) ki e (i ) )
b
b
i 0
(2.16)
La dynamique du systme f ( x, t ) est estime par le modle flou adaptatif de type TakagiSugeno dcrit par la collection de rgles de la forme suivante :
(2.17)
36
Chapitre 2
f ( x, )
l 1
K
i 1
n
l 1 i 1
Fil
Fil
( xi )
( x)
T
(2.18)
( xi )
l ( x)
i 1
l 1
i 1
Fil
( xi )
(2.19)
Fi j
( x i ))
arg min
sup xR f ( x, t ) f ( x, )
f
(2.20)
w f ( x, t ) f ( x, )
(2.21)
Des conditions suffisantes pour la stabilit des systmes de Takagi-Sugeno ont t proposes
[Tan-92]. Ces conditions suffisantes ncessitent l'existence d'une matrice dfinie positive P
qui satisfait lingalit de Lyapunov. Ce problme est transform en un problme
doptimisation LMI dont la rsolution peut tre facilement dduite des algorithmes
d'optimalisation convexe [Gah-95].
Lexistence dune matrice P 0 rpondant la contrainte LMI suivante:
AT P PA 0
(2.22)
1 0
0
0
0
0 1
1
k0 k1 k n 1
(2.23)
37
Chapitre 2
est traite par les techniques de programmation convexe LMI, ce qui permet de rsoudre le
problme danalyse de stabilit. Dans ce paragraphe, nous supposons que les hypothses
suivantes sont satisfaites pour le systme (2.1) :
Hypothses
H.3 Il existe une fonction positive f u telle que : f ( x, t ) f u .
H.4 Les perturbations externes inconnues d (t ) sont bornes et vrifient la condition
n1
1
( f ( x, ) yr( n) ki e (i ) )
b
i 0
(2.24)
1
*
u r sat (e T PB ) f u f ( x, ) d max
b
(2.25)
T
sat(e PB) eT PB
e PB
T
e PB
(2.26)
eT PB ( x) si ( M ou M et eT PB T ( x) 0)
T
sinon
Pr oj ( e PB ( x))
(2.27)
( x)
2
(2.28)
38
Chapitre 2
Thorme
Considrons le systme non linaire (2.1) combin la loi de commande (2.16) avec
ladaptation des paramtres (2.27) sous les hypothses H.3 et H.4. Sil existe une matrice
P 0 satisfaisant lingalit matricielle LMI : AT P PA 0 , alors le systme en boucle
x ( n ) f ( x, t ) g ( x, t ) u d (t )
y x
(2.29)
Les fonctions f ( x, t ) et g ( x, t ) sont non linaires et inconnues et seront approximes par des
modles flous.
A travers les fonctions estimes f ( x, f ) et g ( x, g ) la commande nominale sera synthtise.
Le terme de robustesse est cette fois-ci dtermin par lapproche H en se ramenant la
rsolution de lquation de Riccati. Cette approche permet de surmonter le problme des
incertitudes paramtriques, des erreurs de modlisation et des perturbations externes et
conduira une commande capable de raliser des performances en terme de poursuite.
La mme stratgie de contrle est maintenue, elle est compose de deux termes un terme
nominal et lautre de robustesse. Ainsi, la structure de commande propose [Lag-08b] a la
forme suivante :
n 1
1
( f ( x, f ) y r( n) k i e (i ) u r )
g ( x, g )
i 0
(2.30)
39
Chapitre 2
Les fonctions inconnues f ( x, t ) et g ( x, t ) seront estimes par des modles flous de Takagi
Sugeno. La description linguistique de la l ime rgle pour le modle flou correspondant
respectivement f ( x, t ) et g ( x, t ) est donne par :
f l fl , l 1,2, , K1
(2.31)
(2.32)
f ( x, f )
lf F ( xi )
l
l 1
i 1
K1 n
l 1 i 1
K2
g ( x, g )
f f ( x)
T
(2.33)
Fil
l
g
l 1
K2
i 1
n
Gil
l 1 i 1
( xi )
g g ( x)
T
(2.34)
Gil
f et g respectivement.
f ( x) ( f 1 ( x), f 2 ( x) ,, fK ( x))T
1
et
g ( x) ( g1 ( x), g 2 ( x) ,, gK ( x))T
2
sont
les
fl ( x)
i 1
K1
Fil
( xi )
(2.35)
l 1 i 1
Fil
( xi )
gl ( x)
i 1
K2
Gil
( xi )
(2.36)
l 1 i 1
Gil
( xi )
flous f et g respectivement.
La commande nominale rsultante de cette approximation floue est donne par :
40
Chapitre 2
uc
n1
1
( f ( x, f ) yr( n ) ki e (i ) )
g ( x, g )
i 0
(2.37)
(2.38)
(2.39)
f f R K1 ,
Mf
(2.40)
f 1 e T PB f ( x)
(2.41)
g 2 e T PB g ( x) u
Ou encore :
e PB f ( x)
si ( f M f ou f M f et e PB f ( x) 0)
f 1
T
sinon
Proj 1 e PB f ( x)
T
(2.42)
Afin de maintenir les paramtres dans f , lalgorithme de projection utilis est donn par
[Wan-94]:
Pr oj 1 e PB f ( x) 1 e PB f ( x) 1 e PB f ( x)
T
Tf f f ( x)
f
(2.43)
Nous supposons quil existe une constante 0 , pour tout 0 T , tel que :
T
dt 2
(2.44)
41
Chapitre 2
f ( x, f ) f ( x, t ) ( g ( x, g ) g ( x, t )) u d (t )
(2.45)
Thorme
Considrons le systme non linaire (2.29) et la loi de commande (2.30) avec les quations
dadaptation (2.41). Si la relation (2.44) est satisfaite, alors il existe une matrice P P T 0
solution de lquation de Riccati suivante :
2 1
AT P PA Q PB( 2 ) B T P 0
r
x 2 f ( x, t ) u (t ) d (t )
y x
1
42
Chapitre 2
ou encore :
x ( 2) f ( x, t ) u (t ) d (t )
y x
avec f ( x, t ) lx2 f ( x1 ) , m 1 kg et l 1 .
Exemple 2 : Le systme oscillatoire
Le systme oscillatoire est dcrit par la reprsentation dtat suivante :
x1 x2
3
x 2 0.1x2 x1 12 cos(t ) bu d (t )
y x
1
ou encore :
y x
F ( x1 ) exp(0.5( x1 / 3))
1
1
F ( x1 ) exp(0.5( x1 ))
2
1
F ( x1 ) exp(0.5( x1 / 3))
3
1
F ( x 2 ) exp(0.5( x 2 / 3))
1
2
F ( x 2 ) exp(0.5( x 2 ))
2
2
F ( x 2 ) exp(0.5( x 2 / 3))
3
2
43
Chapitre 2
Lallure de la sortie y(t ) et la rfrence y r (t ) est donne sur la figure 2.3. Nous constatons
qu'une bonne poursuite est obtenue en prsence des perturbations externes. Le signal de
commande correspondant est donn sur la figure 2.4.
44
Chapitre 2
k2 0.1 .
45
Chapitre 2
Les fonctions dappartenance pour chacune des composantes x1 et x 2 sont reprsentes par
les figures 2.7 et 2.8. Nous aurons donc 14 rgles pour construire la loi de commande u ( x, )
avec 14 paramtres de contrleur estimer. La convergence de ces 14 paramtres est donne
sur la figure 2.11 o nous remarquons une bonne convergence.
La poursuite de y (t ) yr (t ) est reprsente sur la figure 2.9. Le signal de commande floue
correspondant est donn sur la figure 2.10.
46
Chapitre 2
47
Chapitre 2
Soit M 1.5 et les fonctions dappartenance floues sont reprsentes sur la figure 2.14. Le
nombre de rgles pour estimer f ( x, t ) est alors 9 rgles.
1.7052 0.0614
P
0.0614 0.1815
La fonction f u est dfinie par:
f u x2
A partir des figures 2.15, 2.16 et 2.17, nous pouvons conclure que la performance de la
poursuite est obtenue. La loi de commande correspondante est illustre sur la figure 2.18.
48
Chapitre 2
0.5 , 0.1 et M 1 .
La solution de la forme LMI (2.22) par loutil Matlab Toolbox donne :
1.2580 0.1769
P
0.1769 0.1068
La borne suprieure f u est reprsente par :
f u x13 x 2 .
Les fonctions dappartenance pour les variables x1 et x 2 sont celles donnes par les figures
2.7 et 2.8. Par consquent, il y aura 14 rgles floues pour calculer f ( x, ) .
Les figures 2.19, 2.20 et 2.21 illustrent la performance de la poursuite pour y(t ) et y (t ) en
prsence des perturbations externes avec une erreur qui converge vers zro. Le signal de
commande correspondant est donn sur la figure 2.22.
49
Chapitre 2
0.0510 0.0050
La solution de lquation de Riccati pour la matrice Q choisie est: P
.
0.0050 0.0010
50
Chapitre 2
La figure 2.23 montre bien quil y a une bonne poursuite. Le signal de commande u(t )
correspondant est donn par la figure 2.24.
2.6. Conclusion
Dans ce chapitre, nous avons abord le problme du suivi de trajectoire dune classe de
systmes non linaires inconnus reprsente par des modles flous de Takagi-Sugeno et ceci
en tenant compte aussi bien des performances de poursuite en prsence de perturbations
externes que de la mthode de rsolution H , mode glissant et LMI. La stratgie de
commande adopte consiste combiner la logique floue lune des techniques de synthse
dj cites ce qui permet de rsoudre les problmes des perturbations externes, des
incertitudes paramtriques sans aucune hypothse svre sur la nature des non linarits.
Ladaptation des paramtres est faite via lapproche de Lyapunov ce qui assure leur
convergence. Dexcellents rsultats en terme de poursuite ont t obtenus dans les deux cas de
commande directe et indirecte, ce qui est dailleurs justifi par les rsultats des simulations
prsents et effectus sur diffrents systmes. Ces approches peuvent tre mises en uvre
facilement et aussi appliques une large classe de systmes non linaires.
Notons toutefois que la prsence des perturbations externes importantes peut provoquer une
dgradation en poursuite. Pour surmonter ce problme, nous ferrons appel la modlisation
floue type-2 qui tient compte des incertitudes gnralement rencontrs dans les fonctions
dappartenance. Cette tude fera lobjet du chapitre suivant.
51
Chapitre 3
Chapitre 3
Chapitre 3
x1 x2
x 2 x3
x n f ( x, t ) g ( x, t )u d (t )
y x1
(3.1)
x ( n ) f ( x, t ) g ( x, t )u d (t )
y x
(3.2)
Ou encore :
n 1
1
( f ( x, t ) y r( n ) k i e (i ) )
g ( x, t )
i 0
(3.3)
n 1
1
( f ( x, f ) y r( n) k i e (i ) )
g ( x, g )
i 0
(3.4)
53
Chapitre 3
Dans cette section, nous allons considrer le troisime cas gnralement rencontr en
pratique. Pour mieux dcrire le phnomne, nous supposons que les fonctions f ( x, t ) et
(3.5)
g ( x, t ) g ( x, t ) g ( x, t )
(3.6)
f ( x, t )
et
g ( x, t )
sont bornes :
f ( x, t ) F ( x, t )
g( x, t ) G( x, t )
et
x U x R n .
H.3 Les perturbations externes sont bornes par une constante d max : d (t ) d max .
H.4 Le gain de commande g ( x, t ) est strictement positif et suprieur une constante connue
strictement positive g 0 : g ( x, t ) g 0 0 pour tout x U x .
Nous utilisons les systme flous type-2 pour approcher les fonctions non linaires inconnues
~
~
~
Rl: Si x1 est F1l et x2 est F2l et et xn est Fnl Alors f l est lf
(3.7)
~
~
~
R l : Si x1 est F1l et x 2 est F2l et et x n est Fnl Alors g l est gl
(3.8)
~
o les Fi l sont les ensembles flous antcdents type-2 ayant les fonctions dappartenance
F~ et lf et gl sont des paramtres ajustables pour lesquels les fonctions dappartenance
i
j
G ( gl ) 1) avec
l
54
Chapitre 3
En utilisant la rduction de type par la mthode des centres densembles, nous pouvons
reprsenter les systmes flous type-2 par les expressions suivantes :
f ( x f ) f f ( x)
(3.9)
g ( x g ) g g ( x)
(3.10)
sont les
( 1f , f2 ,, fK ) T et g ( g1 , g2 ,, gK ) T sont
les vecteurs de paramtres des systmes flous type-2 f ( x f ) et g ( x g ) . Ces derniers sont
ajusts en temps rel par un processus adaptatif.
Nous dfinissons le vecteur paramtres optimaux
*
f
f argmin
sup xU f ( x, t ) f f ( x)
(3.11)
f f RK ,
Mf
(3.12)
Puisque f ( x f ) est un systme flou type-2 intervalle, alors lensemble flou type rduit est
donn par :
K
f
l
~
Fcos ( 1f ,, fK , f 1 ,, f K ) 1
1f
1
K
f f
l 1
K
l
f
[ fl , fr ]
(3.13)
l 1
~
Fcos sont obtenues, elles peuvent tre utilises pour le calcul de la sortie relle du systme
flou type-2. Puisque lensemble de type rduit est un ensemble type-1 intervalle, la sortie
dfuzzifie est alors :
f ( x f )
fl fr
2
(3.14)
55
Chapitre 3
f
i
fl
i 1
K
i
l
i 1
fr
i 1
K
(3.15)
i
r
f
i 1
i
f
i
f
i
r
(3.16)
T
fr f fr ( x )
2
fr
K
fr
(3.17)
avec :
i
fl
f li
K
f
i 1
ifr
i
l
(3.18)
f ri
f
i 1
i
r
f fl ( x ) f fr ( x )
f ( x , f )
2
T
T fl ( x ) fr ( x )
f
(3.19)
f f ( x)
T
*g , g ,
Mg,
~
Gcos ( g1 ,, gK , g 1 ,, g K ) , g l , g r et g ( x g ) sont dfinis et calculs de la
~
*
mme faon que : f , f , M f , Fcos ( 1f ,, fK , f 1 ,, f K ) , fl , fr et f ( x , f ) .
56
Chapitre 3
(3.20)
uc
1
g ( x, t ) g ( x / g )
n 1
( f ( x, t ) f ( x f ) y r( n ) k i e (i ) )
(3.21)
i 0
ur
g0
~
0
Si V1 V
(3.22)
uc
1
g ( x, t ) g ( x / g )
n 1
( f ( x, t ) f ( x f ) y r( n ) k i e ( i ) )
i 0
sign(e PB)
~
[ F ( x, t ) f ( x f ) G( x, t ) u c g ( x g ) u c d max ] si V1 V
g0
0
Si V1 V
(3.23)
f 1 e T PB f ( x) si ( f M f ou f M f et e T PB Tf f ( x) 0)
g 2 e T PB g ( x)u c si ( g M g ou g M g et e T PB Tg g ( x)u c 0)
(3.24)
Thorme
Soit le systme non linaire (3.1) substitu la commande (3.23) sous les hypothses (H.1H.4) avec les lois d'adaptation dfinies par (3.24). Le systme en boucle ferme est stable
dans le sens :
(i) Tous les signaux entre sortie sont borns.
(ii) Lerreur de poursuite convergence vers zro.
Le dtail de la dmonstration est en annexe E.
57
Chapitre 3
d 0.045rand(1,200) .
Le
terme
non
linaire
est
reprsent
par
f ( x1 ) 0.4 sin(x1 ) .
Nous prenons Q 10I . La matrice P est dtermine par lapproche de Lyapunov :
2.6042
P
- 5.0000
- 5.0000
12.5000
1 0.5 et V 1.0267.
Les conditions initiales sont telles que x1 (0) 2 et x2 (0) 0 .
Les fonctions dappartenance pour la composante du vecteur dtat x1 sont reprsentes sur la
figure 3.1. Nous aurons 3 rgles pour approcher la fonction non linaire f ( x1 ) .
Les rsultats de la simulation sont prsents sur les figures 3.2 et 3.3 lesquelles montrent que
la convergence de l'erreur de poursuite est garantie avec la fonction non linaire et en
prsence des perturbations externes.
58
Chapitre 3
3.5. Conclusion
Dans ce chapitre, nous avons prsent la conception dun contrleur flou adaptatif pour
une classe de systmes non linaire. Nous avons suppos la connaissance partielle de la
dynamique du systme non linaire afin dlargir lapplicabilit de la structure propose. La
modlisation floue type-2 a t adopte pour approcher le terme non linaire inconnu et
contourner leffet des perturbations externes et des incertitudes paramtriques. Larchitecture
de la structure de commande est dduite de la combinaison de la modlisation floue type-2
lapproche de Lyapunov. Les rsultats des simulations montrent l'efficacit du contrleur
59
Chapitre 3
adaptatif flou propos ainsi que les performances dsires en terme de stabilit et de
poursuite.
60
Chapitre 4
Chapitre 4
4.1. Introduction
La majorit des procds industriels sont non linaires et composs de plusieurs units
interconnectes qui font intervenir plusieurs variables dentre et de sortie. La synthse de la
commande adaptative pour ces procds a fait lobjet de plusieurs travaux de recherche
pendant les dernires dcennies. A cause des interconnexions et des non linarits, la
commande de ces systmes peut tre difficile synthtiser. Pour faciliter la mise en uvre et
viter la charge lourde des calculs, le systme MIMO peut tre dcompos en plusieurs sous
systmes MISO (multi-entre mono-sortie). Par cette dcomposition, l'identification, le
dcouplage et le contrle deviennent plus performants et plus faciles puisque ils peuvent tre
ramens au cas monovariable [Ben-06].
La mthodologie de commande propose consiste synthtiser un rgulateur PID ou un PI
flou tout en compensant leffet des facteurs perturbateurs, savoir les dynamiques ngliges,
les non linarits, le couplage crois et les perturbations externes. Lide principale pour le
cas du PID est dextraire lordre souhait ce qui permet lapplication facile du rgulateur, tout
le reste sera prdit en utilisant la base orthogonale de Chebyshev. Le rsultat de cette
prdiction va nous servir dterminer larchitecture du compensateur qui sera incorpor dans
la loi de commande.
Nous proposons dans un premier temps de commander le systme multivariable non linaire
par un rgulateur PID adaptatif robuste qui permet de rajuster en permanence ses paramtres
en fonction de lvolution du processus par la mthode de placement de ples.
Dans un deuxime volet, vu que lhypothse de second ordre exige par la structure de
rgulateur PID limite son applicabilit aux procds industriels, nous proposons un rgulateur
PI flou combin avec un compensateur synthtis par la mme technique de projection sur
une srie de fonctions orthogonales.
61
Chapitre 4
A(q 1 ) y(k ) Bd (q 1 )Z (k ) (k )
(4.1)
(4.2)
Bd (q ) [q
d ij
na ( i )
a
r 0
ir
q r ; ai 0 1
nb ( i , j )
b
r 0
ijr
q r ; bij0 0
(4.3)
(4.4)
Ai (q 1 ) yi (k ) q dii Bii (q 1 ) Z i (k ) q
j 1
j i
d ij
Bij (q 1 )Z j (k ) i (k )
(4.5)
62
Chapitre 4
n
~
~
~
d
Ai (q 1 ) yi (t ) q dii Bii (q 1 )[ f i 0 f i1ui (t ) ... f ip uipi 1 (t )] q ij Bij (q 1 )Z j (t ) i (t )
(4.6)
j 1
j i
o :
~
Ai (q 1 ) 1 ai1 q 1 ai 2 q 2
~
Bi (q 1 ) bii0 bii1 q 1
~
(4.7)
na ( i )
nb ( i ,i )
r 3
r 2
i (t ) i (k ) air q r yi (k ) biir q r Z i (k )
Lquation (4.6) peut galement tre crite :
~
Ai (q 1 ) yi (k ) q dii Bii* (q 1 )ui (k ) H i (.)
(4.8)
o :
~
Bii* (q 1 ) f i1 Bii (q 1 )
pi 1
n
~
~
~
d
H i (.) q d ii f i 0 Bii (q 1 ) q dii Bii (q 1 ) f ik u ik (k ) q ij Bij (q 1 )Z j (k ) i (k )
k 2
(4.9)
(4.10)
j 1
j i
Lquation (4.8) montre que les ordres levs sont inclus dans la fonction H i (.) . Cette fonction
inconnue H i (.) contient tous les termes non linaires, le couplage crois, les dynamiques
ngliges et les perturbations. Sa modlisation est ralise par la projection sur une base de
fonctions orthogonales. Par la fonction obtenue, est construit un compensateur qui sera
incorpor dans la loi de commande.
La projection de H i (.) sur la base de Chebyshev donne :
Hi (.) hiT T (k ) i (k )
(4.11)
~
Ai (q1 ) yi (k ) qdii Bii* (q1 )ui (k ) hiT T (k ) i (k )
(4.12)
Hypothses
H.1 Le retard d ii est connu.
~
H.2 Ai (q 1 ) et Bii* (q 1 ) sont premiers entre eux.
H.3 Il existe un scalaire positif i tel que
i (k )
i avec i est un signal de normalisation.
i (k )
63
Chapitre 4
yi (k ) iT i (k 1) i (k )
(4.13)
i (k ) i (k 1)
Pi (k 1)i (k 1)ei (k )
i (k ) i T (k 1) Pi (k 1)i (k )
ei (k ) yi (k ) i T (k 1) i (k 1)
Pi (k ) Pi (k 1)
Pi (k 1)i (k )i T (k ) Pi (k 1)
i (k ) i T (k ) Pi (k 1)i (k 1)
(4.14)
(4.15)
(4.16)
y i (k )
i (k 1)
(k 1)
i (k 1) i
i (k 1)
(4.17)
(4.18)
O vi (k ) est la sortie du i ime PID, Aim (q 1 ) est un polynme stable contenant les ples
dsirs et Ri (q 1 ) et Gi (q 1 ) sont des polynmes solution de lquation suivante :
~
Ri (q 1 ) Ai (q 1 ) q dii Gi (q 1 )Bii* (q 1 ) Aim (q 1 )
(4.19)
Chapitre 4
vi (k ) u i (k ) u ic (k )
u i (k ) CiT T (k )
(4.20)
o u i (k ) est lentre du i ime sous systme rguler et uic (k ) est le terme de compensation.
Le compensateur CiT est donn par :
C q
T
i
d ii
(4.21)
Il a t dmontr dans [Pra-83] que la bournitude des signaux dentre et de sortie ncessite la
condition suffisante
i (k )
i et nous notons que cette hypothse est moins restrictive que
i (k )
H i (k )
est suffisamment petite en moyen [Pra-83 ;Gir i (k )
91]. En consquence, la modlisation par une base de fonctions rduit leffet des dynamiques
ngliges et par suite amliore les performances du systme adaptatif.
Thorme
Considrons le systme MIMO dcrit par la reprsentation entre-sortie (4.1). Si on choisit
une loi de commande (4.20) avec les hypothses H.1, H.2, et H.3, alors ce systme en boucle
ferme est stable dans le sens que :
(i) Toutes les entres et les sorties sont bornes.
(ii) Lerreur de poursuite est telle que limyi (k ) yim (k ) 0 si i (k ) 0 .
k
65
Chapitre 4
de Chebyshev de la fonction H (.) contenant les termes non linaires, le couplage crois et les
perturbations externes. Dans ce cas, aucune hypothse nest faite sur lordre des polynmes,
en plus lintgration des techniques floues permet dobtenir de meilleures performances.
Reprenons la mme classe de systmes dcrite par lquation (4.5) :
n
Ai (q 1 ) yi (k ) q dii Bii (q 1 ) Z i (k ) q
d ij
j 1
j i
Bij (q 1 )Z j (k ) i (k )
(4.22)
La loi de commande propose [Oug-09] est compose de deux termes. Le premier est un
rgulateur PI flou et le second terme est un compensateur dduit du rsultat de projection sur
la base orthogonale de Chebyshev.
Lquation (4.22) devient:
q
j 1
j i
d ij
(4.23)
Bij (q 1 )Z j (k ) i (k )
(4.24)
Bii* (q 1 ) f i1 Bii (q 1 )
H i (.) q
d ii
f i 0 Bii (q ) q
d ii
(4.25)
pi 1
k 2
j 1
j i
Bii (q ) f ik uik (k ) q
1
d ij
Bij (q 1 )Z j (k ) i (k )
(4.26)
H i (.) est une fonction non linaire de u i (k ) et u j (k ) , elle contient les termes de couplage, les
non linarits et les perturbations.
Lapproximation de H i (.) base des polynmes orthogonaux de Chebyshev permet dcrire :
(4.27)
66
Chapitre 4
*
i [ai1, ai 2 ,...,ain , bii*0 , bii*1,...,biin
, hi 0 , hi1,...,hi m-1 ] est le vecteur paramtres. m est lordre
a
vi (k ) ui (k ) uic (k )
(4.29)
o u i (k ) est synthtis par un rgulateur PI flou de type Mamdani et uic (k ) est le terme de
compensation.
La loi de commande floue u i (k ) a la forme suivante :
ui (k ) f (ei (k ), ei (k ))
(4.30)
(ui )
NTG
-STG
NG
-SG
NM NP
-SM
-SP
PP
PM
PG
PTG
SP
SM
SG
STG
67
Chapitre 4
o xi ei e i et l xi lei l ei
u il (k )
est
la
sortie
correspondante
(4.31)
la
l ime
rgle
et
NTG
NG
PM
NP
ZE
PG
NM
PP
PTG
ei ( k )
La commande u il (k ) est dduite en tenant compte des neuf rgles de la matrice dinfrence.
La dfuzzification par la technique de la moyenne pondre donne :
K
ui (k ) Pl l
(4.32)
l 1
poursuite.
La loi de commande vi (k ) est donne par :
vi (k ) u i (k ) u ic (k )
u i (k ) C T (k )
(4.33)
T
i
CiT q dii
(4.34)
68
Chapitre 4
Thorme
Considrons le systme dcrit par lquation (4.1). Si la loi de commande (4.33) est utilise
sous les hypothses H.1 et H.3, alors le systme en boucle ferme est stable dans le sens :
(i) Tous les signaux dentre et de sortie sont borns.
(ii) Lerreur de poursuite est telle que limyi (k ) yim (k ) 0 si i (k ) 0 .
k
R 1 1K ,
R 2 1.5K ,
R 1' 1.5K ,
R '2 2.2K ,
C1 C1' 220F
et
69
Chapitre 4
-2
-2
-4
0
100
200
300
400
500
600
-4
100
200
300
400
500
600
y 2 m (k )
10
10
-5
-5
-10
100
200
300
400
500
600
-10
0
100
200
300
400
500
600
70
Chapitre 4
-5
-5
100
200
300
400
500
100
600
200
300
400
500
600
y 2 m (k )
10
10
-5
-5
-10
100
200
300
400
500
600
-10
100
200
300
400
500
600
Test 3 : Les deux sous systmes sont coupls avec une variation de la dynamique
Nous modifions la rsistance R12 du premier sous systme k 250 , puis k 450 nous
modifions la rsistance R21 du deuxime sous systme. Enfin, k 650 , nous changeons
simultanment les rsistances R12 et R21 des deux sous systmes.
Nous remarquons que le changement de dynamique de lun des deux sous systmes affecte le
systme global. Pour chaque changement, une bonne poursuite est immdiatement atteinte.
Ceci prouve la robustesse de la commande propose (Figures 4.12 et 4.13). Les signaux de
commande correspondants sont donns sur les Figures 4.14 et 4.15.
-5
100
200
300
400
500
600
700
800
900
-5
0
100
200
300
400
500
600
700
800
900
y1m (k )
y 2 m (k )
71
Chapitre 4
10
10
-5
-5
-10
0
100
200
300
400
500
600
700
800
900
-10
0
100
200
300
400
500
600
700
800
900
A(q 1 ) y(k ) Bd (q 1 )Z (k ) (k )
La dcomposition du systme en deux sous systmes donne :
A(q 1 ) A1
B
Bd (q 1 ) 11
B21
1 0.35q 1 0.15q 2
T
A2
1
2
1 0.72q 0.05q
B12 1 0.85q 1
2 1.25q 1
1 (k ) 0.1 rand(1.600)
2 (k ) 0.12 rand(1.600)
d11 d 22 1 et d12 d 21 2
La reprsentation des deux sous systmes peut tre ramene :
H1 (k ) et H 2 (k ) sont les fonctions non linaires qui contiennent les termes de couplage, les
non linarits et les perturbations.
72
Chapitre 4
Pour la synthse du rgulateur flou, la largeur des fonctions dappartenance des prmisses est
choisie : L [le1 , le1 ,le2 , le2 ] [1, 1, 6.4, 6] . Pour obtenir une meilleure poursuite, nous
choisissons le facteur de rglage fine 0.1 .
Les singletons des fonctions dappartenance consquentes sont choisis :
14.35 - 3.42 - 3.20 10.5 0 - 5.3 10.47 - 1.35 - 14.35
P
Nous pouvons constater sur les figures 4.16 et 4.17 que le couplage crois est limin par
lutilisation du contrleur flou PI et la projection sur la base orthogonale de Chebyshev.
y 2 m (k )
Les lois de commande correspondantes sont donnes sur les figures 4.18 et 4.19:
4.6. Conclusion
La stratgie de commande propose est principalement destine aux systmes non
linaires et multivariables. Elle consiste dcomposer le systme MIMO en un ensemble de
sous systmes MISO, ce qui permettra de rguler chaque sous systme indpendamment des
autres. Cette dcomposition a lavantage dassurer lidentification des paramtres sans aucune
hypothse sur la richesse de lexcitation, de raliser facilement le dcouplage, dviter la
73
Chapitre 4
charge des calculs et de garantir une bonne poursuite. Deux structures de commandes sont
proposes :
o Un rgulateur PID dont la synthse des paramtres est base sur la stratgie de
placement de ples.
o Un rgulateur PI bas sur la technique de la logique floue.
Ces deux techniques sont combines un compensateur dont la structure est dduite du
rsultat de la projection de tous les facteurs perturbateurs sur la base orthogonale de
Chebyshev.
Ces deux approches ont t testes sur deux exemples de simulation. Les rsultats obtenus
montrent clairement une robustesse vis--vis des perturbations et des interactions entre les
boucles, ce qui est prouv par une bonne poursuite. Notons aussi que ces deux structures
peuvent facilement tre mises en uvre et appliques une large classe de systmes
multivariables.
74
Conclusion Gnrale
CONCLUSION GNRALE
Le travail prsent dans cette thse se place dans le cadre de la commande des systmes
non linaires. La commande de ce type de systmes soulve un certain nombre de contraintes,
parmi lesquelles on peut citer : leffet des perturbations externes, la nature des non linarits,
les erreurs de modlisation, la question de lordre dans le cas de la rgulation PID, en plus du
couplage crois dans le cas des systmes multivariables. Toutes ces contraintes ont t traites
par les diffrentes approches proposes dans ce mmoire.
La stratgie de commande propose pour le cas des systmes SISO non linaires inconnus est
base sur la synthse dune commande compose de deux termes :
Un terme dit nominal dtermin par intgration des techniques floues. Ceci a permit
de ramener ltude des systmes non linaires celle des systmes linaires. Ce
terme a pour but dassurer une certaine performance en poursuite.
75
Conclusion Gnrale
Dans lobjectif de concevoir des structures de commande pour les systmes MIMO non
linaires, nous avons dvelopp deux techniques, chacune est base sur un rgulateur combin
un compensateur : le rgulateur PID adaptatif et le rgulateur PI flou type Mamdani.
La compensation des non linarits, du couplage crois, des dynamiques ngliges et des
perturbations externes est acheve par projection sur la base orthogonale de Chebyshev.
Ainsi, la contrainte de lordre impose par le rgulateur PID a t rsolue par adoption du
rgulateur PI flou.
Les rsultats des simulations obtenus, la simplicit et la facilit de mise en uvre des
approches proposes laissent prvoir une large extension ainsi quune applicabilit des cas
rels.
76
Rfrences
Rfrences
[Bab-94] R. Babuska and H.B. Verbruggen, Applied Fuzzy Modeling, IFAC Symposium
on Artificial Intelligence in Real Time Control Valencia (Spain), 1994.
[Bar-00] G. Bartolini, A. Ferrara, E. Usai and V.I. Utkin, On multi-Input chattering free
second order sliding mode control, IEEE Trans. Auto. Control. vol. 45, no. 9, pp. 1711-1717,
2000.
[Bar-04] G. Bartolini, A. Pisano and E. Usai, An improved second order sliding mode
control scheme robust against the measurement noise, IEEE Transactions on Automatic
Control, vol. 49, no. 10, pp. 1731-1736, 2004.
[Ben-06] M. Benyakhlef, Commande Floue Dcentralise des Systmes Interconnects,
Thse de Doctorat National, Laboratoire Electronique Signaux-Systmes et Informatique,
Facult des Sciences Dhar Mehrez, Universit Sidi Mohamed Ben Abdellah Fs, Avril, 2006.
[Ber-08] H. Bernal, K. Duran and M. Melgarejo, A Comparative Study Between Two
Algorithms for Computing the Generalized Centroid of an Interval Type-2 Fuzzy Set, Proc.
IEEE FUZZ Conference, Paper # FS0234, Hong Kong, China, June 2008.
[Bor-93] P. Borne, J.P. Richard et N.E. Radhy, Stabilit, stabilisation, rgulation: approche
par les normes vectorielles, volume 2 de Systmes non linaires : Stabilit-stabilisation.
Masson Editeur, 1993.
[Bou-99] I. Boumhidi, Commande Adaptative des Systmes Multivariables par Approche
Locale, Thse de Doctorat dEtat, Laboratoire Electronique Signaux-Systmes et
Informatique, Facult des Sciences Dhar Mehrez, Universit Sidi Mohamed Ben Abdellah
Fs, Septembre, 1999.
[Boy-94] S. Boyd, L. El Ghaoui, E. Feron and V. Balakrishnan, Linear Matrix Inequalities in
System and Control Theory, Philadelphia, PA: SIAM, 1994.
[Buc-92] J. Buckley, Universal Fuzzy Controllers, Automatica, vol. 28, no. 6, pp. 12451248, 1992.
[Buc-93] J. Buckley, Sugeno type Controllers are Universal Controllers, Fuzzy sets and
Systems 53, North-Holland Publishing Company, pp. 299-303, 1993.
[Cas-95] J. L Castro, Fuzzy logic controllers are universal approximators, IEEE Trans. On
Systems, Man and Cybernetics, vol. 25, no. 4, pp. 629-635, 1995.
77
Rfrences
[Cas-07] J. Castro, O. Castillo and P. Mellin, An interval type-2 fuzzy logic toolbox for
control applications, Proc. IEEE FUZZ Conference, pp. 61-66, London, UK, July 2007.
[Cas-08] O. Castillo and P. Melin, Type-2 Fuzzy Logic Theory and Applications, SpringerVerlag, Berlin, 2008.
[Cho-08] S. Chopra, R. Mitra and V. Kumar, Auto Tuning of Fuzzy PI Type Controller
Using Fuzzy Logic, International Journal of Computational Cognition, vol. 6, no. 1, march
2008.
[Chu-00] S. Chuai-Aree, C. Lursinsap, P. Sophatsathit and S. Siripant, Fuzzy C-Mean: A
statistical feature classification of text and image segmentation method, Proc. of Intern.
Conf. on Intelligent Technology 2000, December 13-15, Assumption University Bangkok,
Thailand, pp. 279-284, 2000.
[Cla-01] S.T. Clausen, P. Andersen and J. Stoustrup, Robust control. Course in robust and
optimal control, Aalborg University, Denmark, April 2001.
[Doy-89] J.C. Doyle, K. Glover, P.P. Khargonekar and B.A. Francis, State-space solutions to
standard H 2 and H control problems, IEEE Transactions on Automatic Control, vol. 34,
issue no. 8, pp. 831-847, 1989.
[Edw-98] C. Edwards and S.K. Spurgeon, Sliding Mode Control-Theory and Application,
London, U.K. Taylor & Francis, 1998.
[Eme-93] S.V. Emelyanove, S.V. Korovin and A. Levant, Higher Order Sliding Modes in
Control System", Deferential Equations, vol. 29, n11, pp. 1627-1647, 1993.
[Fra-87] B.A. Francis, A course in H control theory, Lecture notes in control and
information sciences, vol. 88, 1987.
[Fri-02] L. Friedman and A. Levant, Higher-order sliding modes, dans Sliding mode
control in engineering, Control Engineering Series, Marcel Dekker Inc, 2002.
[Gah-95] P. Gahinet, A. Nemirovski, A. Laub and M. Chilali, LMI control toolbox, Natick,
MA, The Math Works, 1995.
[Gir-91] F. Giri, M. MSaad, J.M. Dion and L. Dugard, On the robustness of discrete-time
indirect adaptive (linear) controllers, Automatica, vol. 27(1), pp. 153-160, 1991.
[Glo-99] P. Y. Glorennec. Algorithmes dapprentissage pour systmes dinfrence floue.
Hermes, 1999.
[Gol-03] N. Golea, A. Golea and K. Benmahammed, Stable indirect fuzzy adaptive control,
Fuzzy Sets and Systems, vol. 137, no 3, pp. 353-366, 1 August 2003.
78
Rfrences
79
Rfrences
80
Rfrences
Rfrences
82
Rfrences
[Utk-77] V.I. Utkin, Variable structure systems with sliding modes, IEEE Transactions on
Automatic Control, vol. 22, pp. 212-222, 1977.
[Utk-92] V. I. Utkin, Sliding mode in control and optimization, Springer, Berlin, 1992.
[Utk-06] V. Utkin and Hoon Lee, Chattering problem in Sliding Modes Control Systems,
VSS'06, pp. 346-350, Alghero Italy, 2006.
[Vid-93] M. Vidyasagar, Nonlinear Systems Analysis, Second Edition, Prentice-Hall Inc.,
1993.
[Wan-90] F. Wang and S. Lang, Globally convergent direct adaptive control algorithm for
multivariable systems with general time delay structure, INT. J. Control, vol. 51(2), pp. 301314, 1990.
[Wan-92] L.X. Wang and J.M. Mendel, Fuzzy Basis Functions, Universal Approximation
and Orthogonal Least-Squares Learning, IEEE Trans. on Neural Networks, vol. 3, no. 5, pp.
807-814, 1992.
[Wan-94] L. X. Wang, Adaptive Fuzzy Systems and Control: Design and Stability
Analysis, Prentice-Hall, Englewood Cliffs, New Jersey, 1994.
[Wan-02] J. S. Wang and C. S. G. Lee, Self-Adaptive neuro-fuzzy Inference systems for
classification applications, IEEE Trans. Fuzzy Syst., vol. 10, no. 6, pp. 790-802, 2002.
[Wen-90] F. Weng and S. Lang, Globally convergent direct adaptive control algorithm for
multivariable systems with general time delay structure, International Journal of Control,
vol. 51(2), pp. 301-314, 1990.
83