Polysae PDF

LMENTS DE LA T HORIE DE LA
C OMMANDE ROBUSTE
P IERRE A PKARIAN
3
Table des matires
1 Elements introductifs la commande robuste 7

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Rappels dAutomatique . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 Systmes linaires . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 Interconnections de systmes . . . . . . . . . . . . . . . . . 13
1.2.3 Normes de matrices, signaux et systmes . . . . . . . . . . 15
1.2.4 Calcul des normes H2 et H . . . . . . . . . . . . . . . . . 16
1.3 Notions lmentaires sur les Asservissements . . . . . . . . . . . . 17
1.3.1 Rle dun asservissement . . . . . . . . . . . . . . . . . . . 18
1.3.2 Quelques configurations de boucle . . . . . . . . . . . . . . 20
1.3.3 quations et Fonctions Caractristiques . . . . . . . . . . . 22
1.4 Proprits des Asservissements . . . . . . . . . . . . . . . . . . . . 23
1.4.1 Stabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4.2 Performances . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.4.3 Bande passante . . . . . . . . . . . . . . . . . . . . . . . . 29
1.4.4 Rponse temporelle . . . . . . . . . . . . . . . . . . . . . . 30
1.4.5 Outils danalyse des asservissements . . . . . . . . . . . . . 31
1.5 Ingrdients pour un Asservissement Robuste . . . . . . . . . . . . . 35
1.5.1 Robustesse lincertitude . . . . . . . . . . . . . . . . . . 36
1.5.2 Reprsentation de lincertitude de modlisation . . . . . . . 37
1.5.3 Stabilit robuste . . . . . . . . . . . . . . . . . . . . . . . 39
1.5.4 Passivit . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2 La synthse H 49
2.1 Mthodes H pour la Synthse dAsservissements . . . . . . . . . . 50
2.1.1 Le problme H standard . . . . . . . . . . . . . . . . . . . 50
2.1.2 Formulation H du loop shaping . . . . . . . . . . . . . . . 51
TABLE DES MATIRES 4
2.2 Rsolution du Problme H . . . . . . . . . . . . . . . . . . . . . . 53

2.2.1 Rsolution du problme normalis . . . . . . . . . . . . . . 53
2.2.2 Solution gnrale des problmes H rguliers . . . . . . . . 58
2.3 Loop Shaping par les Mthodes H . . . . . . . . . . . . . . . . . 60
2.3.1 Solution H du problme de loop shaping . . . . . . . . . . 60
2.3.2 Choix des fonctions de pondration . . . . . . . . . . . . . 62
2.3.3 Exemple de mise en uvre . . . . . . . . . . . . . . . . . . 64
2.3.4 Faiblesses du compensateur central . . . . . . . . . . . . . 69
2.3.5 Comment prvenir les simplifications exactes? . . . . . . . 72
2.4 Techniques LMI pour la synthse H . . . . . . . . . . . . . . . . . 75
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3 Techniques de -analyse et de synthse 83

3.1 Cas particulier de la robustesse paramtrique . . . . . . . . . . . . . 84
3.1.1 Obtention du schma dinterconnection standard . . . . . . 84
3.1.2 Introduction la analyse relle . . . . . . . . . . . . . . . 86
3.1.3 Choix des pondrations sur les incertitudes . . . . . . . . . 88
3.2 Cas gnral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.2.1 Cas dune seule dynamique nglige . . . . . . . . . . . . . 89
3.2.2 Cas de plusieurs dynamiques ngliges . . . . . . . . . . . 90
3.2.3 Cas gnral . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.3 Dfinition de la VSS . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.3.1 Notations et dfinitions . . . . . . . . . . . . . . . . . . . . 93
3.3.2 Cas de perturbations de structure particulire . . . . . . . . 93
3.3.3 Problmes thoriques . . . . . . . . . . . . . . . . . . . . . 95
3.4 Performance robuste . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.4.1 Robustesse dun placement de ples . . . . . . . . . . . . . 97
3.4.2 Thorme de la boucle principale . . . . . . . . . . . . . . 99
3.4.3 Vrification dun gabarit frquentiel . . . . . . . . . . . . . 100
3.5 Forme LFT pour les incertitudes paramtriques . . . . . . . . . . . 101
3.6 Mthodes de calcul de la VSS mixte . . . . . . . . . . . . . . . . . 104
3.6.1 Calcul dune borne suprieure de la VSS . . . . . . . . . . 105
3.6.2 Calcul dune borne infrieure de la VSS . . . . . . . . . . . 107
3.7 La -synthse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.7.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.7.2 Problme gnral . . . . . . . . . . . . . . . . . . . . . . . 111
3.7.3 La D K itration . . . . . . . . . . . . . . . . . . . . . . 112
5 TABLE DES MATIRES
3.7.4 La D G,K itration . . . . . . . . . . . . . . . . . . . . . 113

3.7.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . 116
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
A Rappels dAlgbre Linaire 119

A.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
A.2 quations linaires et matricielles . . . . . . . . . . . . . . . . . . 121
A.3 Rduction quilibre . . . . . . . . . . . . . . . . . . . . . . . . . 123
A.3.1 Algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . 125
A.3.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
A.4 Transformation Linaire Fractionnaire (LFT) . . . . . . . . . . . . 126
A.4.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . 126
A.4.2 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
A.4.3 Exemple de ralisation LFT . . . . . . . . . . . . . . . . . 129
7
Chapitre 1
Elements introductifs la commande

robuste
1.1 Introduction
La thorie de la Commande Robuste des Systmes Linaires a connu un
essor remarquable durant ces dix dernires annes. Sa popularit gagne aujourdhui
le milieu industriel o elle se rvle un outil prcieux pour lanalyse et la conception
des systmes asservis. Cette perce rapide tient deux atouts majeurs:
son caractre appliqu et son adquation aux problmes pratiques de ling-
nieur automaticien,
sa contribution la systmatisation du processus de synthse dun asservisse-
ment.
Pour apprcier loriginalit et lintrt des outils de Commande Robuste, rap-
pelons quun asservissement a deux fonctions essentielles:
faonner la rponse du systme asservi pour lui imprimer le comportement
dsir,
maintenir ce comportement face aux alas et fluctuations qui affectent le sys-
tme pendant son fonctionnement (rafales de vent pour un avion, usure pour
un systme mcanique, changement de configuration pour un robot, etc.).
Cette seconde exigence est qualifie de robustesse lincertitude. Elle revt une
importance critique pour la fiabilit du systme asservi. En effet, lasservissement
est typiquement conu partir dun modle idalis et simplifi du systme rel.
Pour fonctionner correctement, il doit donc tre robuste aux imperfections du mo-
dle, cest--dire aux carts entre le modle et le systme rel, aux drives des pa-
ramtres physiques, et aux perturbations externes.
Lavantage essentiel des techniques de Commande Robuste est de gnrer des
lois de commande qui satisfont la double exigence mentionne ci-dessus. Plus
1. ELEMENTS INTRODUCTIFS LA COMMANDE ROBUSTE 8
prcisement, tant donn une spcification frquentielle du comportement dsir et

une estimation de lordre de grandeur de lincertitude, la thorie value la faisabi-
lit, produit une loi de commande adapte, et fournit une garantie sur le domaine
de validit de cette loi de commande (robustesse). Cette dmarche de synthse est
systmatique et trs gnrale. En particulier, elle est directement applicable aux
systmes plusieurs entres/sorties.
Dans une certaine mesure, la thorie de la Commande Robuste rconcilie lAutomati-
-que Classique dominante frquentielle (Bode, Nyquist, P.I.D.) et lAutomatique
Moderne dominante variables dtat (Commande Linaire Quadratique, Kalman).
Elle combine en effet le meilleur des deux. De lAutomatique Classique, elle em-
prunte la richesse de lanalyse frquentielle des systmes. Ce cadre est particulire-
ment favorable la spcification des objectifs de performance (qualit du suivi ou
de la rgulation), de bande passante (domaine daction de lasservissement) et de
robustesse. De lAutomatique Moderne, elle hrite la simplicit et la puissance des
mthodes de synthse par variables dtat des asservissements. Grce ces outils
systmatiques de synthse, lingnieur peut dsormais imposer des spcifications
frquentielles complexes et obtenir directement un diagnostic de faisabilit et une
loi de commande approprie. Il peut ainsi se concentrer sur la recherche du meilleur
compromis et analyser les limites de son systme.
Ce cours est une introduction aux techniques de Commande Robuste. Comme
ce domaine est encore en pleine volution, on sefforcera essentiellement de bros-
ser un tat de lart en insistant sur les mthodes dj prouves et sur la philosophie
sous-jacente. Par souci de simplicit, on se restreindra aux systmes linaires sta-
tionnaires (linear time-invariant, LTI) en temps continu. Enfin, pour rester fidle
lesprit pratique de cette thorie, on mettra laccent sur la mise en uvre plutt que
sur les aspects mathmatiques et historiques de la thorie.
9 1.2 RAPPELS DAUTOMATIQUE
1.2 Rappels dAutomatique

Dans cette section, on rappelle quelques notions lmentaires dautomatique
qui seront utilises tout au long de ce cours. Les notions mathmatiques sous-
jacentes sont rappeles en appendice.
1.2.1 Systmes linaires

La transforme de Laplace dun signal temporel x(t) sur (0, + ) est la fonc-
tion X = L [x] de la variable complexe s dfinie par:
Z +
X(s) = x(t)est dt. (1.1)
0
On rappelle ses principales proprits:

L [x(t + )] = es X(s).
L [ dx
dt ] = sX(s) x(0).
X(s)
L [ 0t x(u)du] = s .
R
Transforme dune convolution temporelle: L [x y] = X(s)Y (s).

Thorme de la valeur initiale:
lim x(t) = lim sX(s).

t0 s
Thorme de la valeur finale:
lim x(t) = lim sX(s).

t+ s0
Reprsentation externe (fonction de transfert).

Soit g(t) la rponse impulsionnelle dun systme linaire stationnaire S , cest-
-dire sa rponse lentre u(t) = (t). Par le principe de superposition, on
montre que pour une entre u(t) quelconque, la sortie y(t) est donne par
y = g u.
En prenant la transforme de Laplace de cette quation, on obtient
Y (s) = G(s)U(s).
La transforme de Laplace G(s) de la rponse impulsionnelle g(t) est appele

fonction de transfert de lentre U la sortie Y , ou encore rponse frquen-
tielle du systme.
Pour les systmes de dimension finie, G(s) est une matrice de fractions ration-
nelles. G(s) est propre si kG()k < +, et strictement propre si G() = 0.
U(s) Y (s) = G(s)U(s)

G(s)
F IG . 1.1 Fonction de transfert.
Le systme est dit mono-entre/mono-sortie si u et y sont des scalaires, et

multi-entres/multi-sorties ou multivariable si lun des deux est un vec-
teur. On utilisera les abrviations anglaises SISO (single-input/single-output)
et MIMO (multi-input/multi-output).
Reprsentation interne.
Lorsquon a accs aux quations dvolution physique du systme, on peut
dcrire explicitement son comportement par la dynamique de ses variables
internes (entits physiques caractrisant ltat du systme). On obtient alors
des quations dtat de la forme

x(t)
= A x(t) + B u(t)
(1.2)
y(t) = C x(t) + D u(t)
o
x(t) est le vecteur dtat (variables internes)
u(t) est le vecteur des entres (ou de commande)
y(t) est le vecteur des sorties (ou dobservation)
En prenant la transforme de Laplace de (1.2), on vrifie aisment que la
fonction de transfert de U(s) Y (s) est alors donne par
G(s) = D +C(sI A)1 B (1.3)
qui est bienune matrice

de fractions rationnelles. On utilisera aussi la no-
A B
tation G = . Rciproquement, toute fonction de transfert propre
C D
on peut associer une reprsentation interne quivalente de la forme (1.2). Le
quadruplet (A,B,C,D) sappelle une ralisation de G(s). Cette ralisation est
minimale si (A,B) est commandable et (C,A) observable.
Ples et zros dun systme.
Pour un systme SISO donn par sa fonction de transfert irrductible G(s) =
N(s)
, les ples (ou modes) sont les racines du dnominateur D(s) et les z-
D(s)
ros sont les racines du numrateur N(s). La notion de ple stend au cas o
G(s) est une matrice carre: les ples de G sont les ples de la fraction ra-
tionnelle det(G(s)). Lextension au cas rectangulaire est plus dlicate et il
est prfrable de lnoncer en terme de la reprsentation dtat associe. En
effet, pour un systme de reprsentation (1.2), les notions de ple et de zro
ont les dfinitions simples suivantes:
les ples sont les valeurs propres de A,
sI A B
les zros sont les valeurs complexes s pour lesquelles le rang de
C D
chute.
Cette dernire dfinition englobe les modes non observables ou non com-
mandables en plus des zros de blocage proprement dits (valeurs de s pour
lesquelles G(s) perd du rang).
Commandabilit, Observabilit.
Ces notions sont lies la reprsentation interne (1.2). Si A Rnn , lespace
commandable par la paire (A,B) est
C = Im (B,AB, . . . ,An1 B) Rn
Il reprsente lensemble des tats initiaux x0 qui peuvent tre amens zro
en un temps fini par une commande u approprie.
La paire (A,B) est dite commandable si et seulement si C = Rn . On montre
alors que les modes (valeurs propres) de A peuvent tre assigns arbitraire-
ment par retour dtat u = Fx. Autrement dit, les modes de A + BF peuvent
tre placs arbitrairement par choix de F.
Plus gnralement, toute paire (A,B) peut se dcomposer (par transformation
orthogonale) comme suit:

T A11 A12 T B1
U AU = ; U B= (1.4)
0 A22 0
avec (A11 ,B1 ) commandable. Les modes de A22 sont les modes non comman-
dables, cest--dire invariants par retour dtat: ils restent prsents dans le
spectre de A + BF pour tout F.
Lobservabilit est une notion duale. Les tats non observables du systme
sont ceux qui naffectent pas la sortie ni directement, ni par lintermdiaire
dautres tats. Lespace non observable est:

C
CA
O = Ker ... .

CAn1
La paire (C,A) est observable si et seulement si O = {~0} ou, de faon quiva-
lente, si (AT ,CT ) est commandable. La contrepartie de la dcomposition (1.4)
est:
T A11 0
U AU = ; CU = (C1 , 0) (1.5)
A21 A22
avec (C1 ,A11 ) observable.
Enfin (A,B) est dite stabilisable sil existe F telle que A + BF soit stable;
autrement dit, si tous les modes non commandables sont stables. La notion
duale pour (C,A) est dtectable (H,A + HC stable).
Ralisation minimale: le quadruplet de matrices (A,B,C,D) est une ralisa-
tion minimale de la fonction de transfert propre G(s) si (A,B) est comman-
dable, (C,A) est observable, et G(s) = D +C(sI A)1 B.
Stabilit.
Considrons le systme

x(t)
= A x(t) + B u(t)
y(t) = C x(t) + D u(t)
et la fonction de transfert entre/sortie associe G(s) = D +C(sI A)1 B. On
distingue deux notions de stabilit:
stabilit BIBO (bounded input/bounded output): le systme est dit BIBO-
stable si la sortie reste dnergie finie tant que lentre est dnergie finie.
Une condition ncessaire et suffisante est que tous les ples de la forme
irrductible de G(s) soient dans le demi-plan Re(s) < 0.
stabilit interne: le systme est stable de faon interne si A est stable, i.e., si
toutes ses valeurs propres sont partie relle ngative. Ceci assure que
pour u 0, ltat x(t) dcroit vers 0 indpendemment de la condition
initiale.
La stabilit interne garantit la stabilit BIBO, mais la rciproque est fausse.
Par exemple, le systme dquations dtat

1 1 1
x = x+ u

0 1 0
y = (1 , 1) x

nest pas stable de faon interne cause du mode +1 de A. Pourtant, la fonc-

1
tion de transfert associe est G(s) = s+1 qui est BIBO-stable.
On notera que le mode +1 est non commandable, donc invisible dans la rela-
tion entre/sortie. Physiquement, cela signifie quune entre borne donnera
bien une sortie borne, mais que la dynamique interne tendra diverger pour
la plupart des conditions initiales (ce qui peut avoir des consquences trs
dplorables lintrieur du systme!).
Enfin, les deux notions concident ds que la ralisation (A,B,C) de G(s) est
minimale, et diffrent seulement lorsque cette ralisation comporte des modes
non minimaux et instables (comme +1 dans lexemple ci-dessus).
1.2.2 Interconnections de systmes

Les formules donnes ci-dessous indiquent comment combiner les ralisations
dtat dans une somme, un produit, une inversion, une drivation et une transforme
linaire fractionnaire de systme(s).
Somme: si G1 (s) et G2 (s) admettent comme ralisation minimale:

A1 B1 A2 B2
G1 = ; G2 = , (1.6)
C1 D1 C2 D2
une ralisation minimale de la somme G1 (s) + G2 (s) est:

A1 0 B1
0 A2 B2
G +G =
1 2 . (1.7)
(C1 C2 ) D1 + D2
Produit: pour G1 (s) et G2 (s) de ralisation minimale (1.6), une ralisation

minimale du produit G1 (s)G2 (s) est:

A1 B1C2 B1 D2 A2 0 B2
G .G = 0 A2 B2 B1C2 A1 B1 D2
= .

1 2
(C1 D1C2 ) D1 D2 ( D1C2 C1 ) D1 D2
(1.8)
A B
Inverse: la fonction de transfert G = est inversible si et seulement
C D
si D est inversible. Alors une ralisation minimale de G1 (s) est:
A BD1C BD1

1
G = . (1.9)
D1C D1

A B
Drivation: si G = , une ralisation minimale de sG(s) est
C D

A B A AB
sG = = . (1.10)
CA CB + sD C CB + sD
Transformation linaire fractionnaire.

Cette transformation intervient dans la connection de deux systmes par feed-
back suivant le schma de la Figure 1.2. Le systme P(s) dcrit la relation
entre les signaux dentre w et u et les signaux de sortie y et z:

Z(s) W (s) P11 (s) P12 (s) W (s)
= P(s) = .
Y (s) U(s) P21 (s) P22 (s) U(s)
Lorsque ce systme est boucl sur le retour de sortie:

u = K(s)y,
la fonction de transfert en boucle ferme de W (s) Z(s) est:
F (P,K) = P11 + P12 K(I P22 K)1 P21 .
Cette expression sappelle la transforme linaire fractionnaire (LFT) de P et
K.
w z
P(s)
u y
K(s)
F IG . 1.2 Transformation linaire fractionnaire.
Si des ralisations minimales de P(s) et K(s) sont:

P11 (s) P12 (s) D11 D12 C1
(sI A)1

P(s) = = + B1 B2 ;
P21 (s) P22 (s) D21 D22 C2
(1.11)
1
K(s) = DK +CK (sI AK ) BK , (1.12)
une ralisation (pas ncessairement minimale) de F (P,K) est donne par:
F (P,K) = DBF +CBF (sI ABF )1 BBF
avec
A + B2 (I DK D22 )1 DK C2 B2 (I DK D22 )1CK

ABF = 1 ;
BK (I D22 DK ) C2 AK + BK (I D22 DK )1 D22CK
B1 + B2 (I DK D22 )1 DK D21

BBF = ;
BK (I D22 DK )1 D21
C1 + D12 (I DK D22 )1 DK C2 , D12 (I DK D22 )1CK

CBF = ;
1
DBF = D11 + D12 (I DK D22 ) DK D21 . (1.13)
La stabilit interne de la boucle ferme est quivalente la stabilit de ABF ,
cest--dire (i (ABF )) < 0.
1.2.3 Normes de matrices, signaux et systmes

x1

.
Vecteurs: la norme euclidienne de x = .. Rn est
xn

kxk = xT x = ( xi2 )1/2 .
Matrices: on utilisera le plus souvent la norme induite par la norme eucli-

dienne, dfinie par
kAuk
kAk2 = sup
u6=0 kuk
On montre que kAk2 = max (A) = max (AAT )1/2 (plus grande valeur singu-
lire) do le nom de norme de la valeur singulire. A noter que, pour A
inversible,
kA1 k2 = 1/min (A)
et que
kAuk
min (A) = inf = inf {kXk2 : A + X singulire}.
u6=0 kuk
Une autre norme importante est la norme de Frobenius:
q
kAkF = Trace (AT A)
Dautres proprits des valeurs singulires sont donnes en annexe A
Signaux.
Sur lespace `2 des signaux de carr sommable sur (0,), on dfinit le produit
scalaire Z +
hx,yi = x(t)y(t)dt
0
qui induit la norme de lnergie:
Z +
1/2
2
kxk2 = kx(t)k dt .
0
La transforme de Fourier envoie `2 sur lespace H2 des fonctions X(s) ana-

lytiques dans Re(s) 0 et de carr sommable. Par lidentit de Parseval, on
a Z + 1/2
1 2
kxk2 = kX( j)k d .
2
Pour les signaux admettant une transforme de Laplace X(s) analytique dans
Re(s) 0, on considrera aussi la norme:
kXk = sup kX(s)k = sup kX( j)k.
Re(s)0
On appelle H lespace des fonctions X(s) analytiques dans (s) 0 et telles

que kXk < . Contrairement H2 , cet espace nest pas un espace de Hilbert.
Cest dire que lon ne dispose pas du concept de produit scalaire. Ce point
introduit, comme nous le verrons plus loin, des diffrences notables dans les
thories H2 et H .
Systmes: soit S un systme linaire stationnaire de fonction de transfert
G(s). On sintressera aux deux normes suivantes sur la relation entre/sortie.
Norme H2 :
Z + 1/2
1
kG(s)k2 = Tr(G ( j)G( j))d
2
kY (s)k2
= sup
U(s)H kU(s)k
Interprtation: cest lnergie en sortie du systme lorquon injecte un Dirac

en entre (cas SISO), o plus gnralement un bruit blanc vrifiant U( j)U ( j) =
I (densit spectrale uniforme). La norme kG(s)k2 est finie si et seulement si
G(s) est strictement propre.
Norme H :
kG(s)k = sup max (G( j))

kY (s)k2
= sup .
U(s)H2 kU(s)k2
Interprtation: cest la norme induite par la norme des fonctions de H2 . Elle

mesure le gain maximal de la rponse frquentielle G( j) (cf. diagramme de
Bode).
1.2.4 Calcul des normes H2 et H

On donne ici des algorithmes pratiques pour le calcul des normes H2 et H
dune fonction de transfert G(s) = D + C(sI A)1 B. Pour la norme H2 , on sup-
posera que A est stable. En remarquant que G( j) est la transforme de Fourier de
CeAt B, lidentit de Parseval donne:
Z + Z +
T tAT 1
B e T tA
C Ce B dt = G ( j)G( j)d. (1.14)
0 2
Soit Z +
T
Q := etA CT CetA dt. (1.15)
0
On montre que Q est la solution de lquation de Lyapunov:
AT Q + QA +CT C = 0. (1.16)
17 1.3 NOTIONS LMENTAIRES SUR LES ASSERVISSEMENTS
En prenant la trace de chaque membre de (1.14), on obtient

kGk22 = Tr(BT QB), (1.17)
ce qui fournit un algorithme simple pour valuer cette norme. A noter que lon a
aussi
kGk22 = Tr(CPCT ) (1.18)
o P est la solution de
AP + PAT + BBT = 0. (1.19)
Le calcul de la norme H est plus dlicat. On peut tracer la fonction

max (G( j)) et dterminer la valeur maximale. Cette mthode prsente cependant
le risque de manquer un pic troit. Un algorithme plus sr est bas sur la caractri-
sation suivante.
Thorme 1.2.1 Soit (A,B,C,D) une ralisation de G(s). On a toujours kGk >
max (D) et pour tout > max (D), il y a quivalence entre
(i) kGk < ,
(ii) la matrice
1
I D

A 0 0 B C 0
H() = (1.20)
0 AT CT 0 DT I 0 BT
na pas de valeur propre sur laxe imaginaire.
De plus, si j est une valeur propre de H() pour > max (D), alors
max (G( j)) = , i.e., le gain est obtenu la frquence .
La matrice H est dune structureparticulire dite Hamiltonienne. Lorsque D = 0,
BB
1 T

A
elle scrit simplement H() = 1 .
C C AT
T
Cette caractrisation suggre un simple algorithme de dichotomie pour cal-

culer kGk . On part dun encadrement grossier [min ,max ] de cette norme et on
lamliore itrativement de la faon suivante:
on calcule le spectre de H() pour = 12 (min + max ),
sil ny a pas de valeur propre sur laxe imaginaire, est trop grand et lon
obtient comme nouvel encadrement [min ,];
sinon, est trop petit et on obtient le nouvel encadrement [,max ].
1.3 Notions lmentaires sur les Asservissements

Cette section contient quelques notions de base sur les asservissements (feed-
back loops). Une discussion plus prcise de leurs proprits et des principes fonda-
mentaux rgissant leur conception fera lobject des deux sections suivantes.
Les proprits des boucles dasservissement ont t tudies en dtail par la

thorie classique, notamment avec les travaux de Bode et Nyquist. Bien que concep-
tuellement simples, les principes dgags nen sont pas moins fondamentaux et
incontournables dans la conception pratique des systmes asservis. Par exemple,
lanalyse qualitative dune boucle dasservissement suffit rvler un des compro-
mis essentiels auxquels lautomaticien est confront: le compromis entre perfor-
mance et robustesse.
Pour avoir omis certains de ces principes, en particulier limportance de la
robustesse, les mthodes de Commande Linaire Quadratique Optimale nont pas
connu le succs escompt auprs des praticiens. La thorie de la Commande Ro-
buste sefforce dviter ce pige et sinspire largement de la perspective classique.
Les notions dveloppes dans cette section et dans la section 1.4sont donc essen-
tielles une bonne comprhension des fondements de la Commande Robuste.
1.3.1 Rle dun asservissement

LAutomatique sefforce dexploiter les moyens daction sur un systme pour
en matriser ou faonner le comportement. En labsence de feedback, le systme a
un comportement propre caractris par la relation entre ses entres et ses sorties
ainsi que sa dynamique interne. Les entres sont les moyens daction sur le sys-
tme (commandes). Les sorties rsultent de la raction du systme ces actions.
Typiquement, on cherche modeler les sorties par un choix appropri des entres.
Pour fixer les ides, prenons comme systme une automobile et intressons
nous au problme de rguler la vitesse par laction sur les pdales. On utilise ici
acclrateur et frein. Ici lentre U est la combinaison des efforts exercs sur les
pdales (effort positif pour une acclration, ngatif pour un freinage). La sortie
est la vitesse V du vhicule. Le comportement propre du systme est dcrit par
lvolution de la vitesse en fonction de leffort dacclration/freinage (V = f (U)).
Supposons quon veuille maintenir une vitesse constante V0 . Une possibilit
est de calculer la quantit dacclration ncessaire pour compenser les frottements
et appliquer la pression correspondante sur lacclrateur. En supposant que le coef-
ficient de frottement est constant et que la vitesse initiale est V0 , le modle physique
nous dit quune pression constante P0 sur lacclrateur maintiendra la vitesse la
valeur V0 . La commande correspondante est U = +P0 (constante). On notera quune
telle loi de commande est aveugle puisquelle ne reoit aucune information sur la
vitesse courante relle du vhicule. Elle agit chaque instant comme si la vitesse
tait V0 . On appelle ce type de commande une commande boucle ouverte (Fig.
1.3).
Une telle commande est-elle viable en pratique? Intuitivement non et pour plu-
sieurs raisons. Dune part, le modle physique est une idalisation de la ralit: le
U = P0 V = f (U)
vhicule
F IG . 1.3 Commande boucle ouverte.
coefficient de frottement dpend en fait de la nature locale de la route et sa valeur

est de plus difficile estimer avec prcision. Dautre part, il sagit dun modle
simplifi qui ne prend pas en compte des facteurs secondaires comme le vent, les
asprits de la route, les variations du rendement moteur, etc. Incapable de dtec-
ter et donc de contrer les fluctuations lies ces facteurs, la commande aveugle
propose ci-dessus na aucune chance dassurer sa mission de rgulation.
Au vu de cet exemple, il est clair que pour fonctionner correctement, un au-
tomatisme doit pouvoir ragir aux alas externes et palier aux carences du modle.
Assurer cette facult dadaptation est prcisment le rle de la boucle dasservisse-
ment. Son principe fonctionnel consiste simplement :
observer le rsultat de la commande sur la sortie laide de capteurs,
comparer ce rsultat la valeur dsire pour cette sortie,
agir pour contrer lcart constat.
Ce principe conduit au schma bloc classique de la Figure 1.4. On notera la boucle
de gain 1 qui retourne la vitesse relle V pour la comparer la vitesse dsire
V0 . Lcart enregistr e = V0 V est utilis comme commande et laction rsultante
tend bien diminuer cet cart. En effet, on acclre (e > 0) quand V < V0 , et on
freine dans le cas contraire. Bien que la commande U = e volue avec V et puisse
donc tre trs complexe, la boucle se charge entirement de la gnrer. On qualifie
U de commande boucle ferme. On notera que la seule information fournir
cet asservissement est la valeur cible V0 , plus communment appele consigne ou
signal de rfrence.
En rsum, la fonction essentielle dun asservissement est dassurer un certain
comportement en sortie et ce en dpit des alas externes et des imperfections du mo-
dle. Lexemple donn ci-dessus est extrmement rudimentaire puisquil consiste en
un simple retour unit. En pratique, les caractristiques du systme et les proprits
requises en boucle ferme (stabilit, performance, etc...) exigent dajuster le gain
de boucle, voire dutiliser un retour dynamique. Ceci conduit aux configurations
standard exposes ci-aprs.
V0 + U =e V
vhicule

F IG . 1.4 Commande boucle ferme.
1.3.2 Quelques configurations de boucle

Une boucle dasservissement est habituellement dcrite par un schma bloc
qui dresse le bilan des signaux circulant dans cette boucle. Le schma standard
dune boucle de suivi apparat en Figure 1.5. Le but est ici de faire suivre la sortie
y du systme la trajectoire de rfrence r. La boucle comprend trois ingrdients
principaux:
le bloc systme G (plant), qui reprsente le systme commander;
le bloc commande ou compensateur K (controller). Son rle est de gnrer
les commandes appliquer au systme partir des sorties observes et de
signaux de rfrence;
un comparateur qui calcule lcart entre la sortie relle et lobjectif de rf-
rence.
A cela sajoutent diverses perturbations externes qui interviennent en des points
bien dfinis de la boucle. La nomenclature suivante est commune pour qualifier les
diffrents signaux:
r(t) : consigne ou signal de rfrence (reference)
y(t) : signal de sortie ou rponse (plant output)
e(t) : erreur de suivi (controller input/tracking error)
u(t) : commande (controller output)
wi (t) : perturbation de la commande (plant input disturbance)
wo (t) : perturbation de la sortie (plant output disturbance)
n(t) : bruit de mesure (measurement noise)
Il existe de nombreuses variantes du schma de la Figure 1.5. Dautres confi-
gurations quivalentes peuvent tre juges plus commodes ou explicites selon la
wi wo
r + e u + + y
K G
+ +

+ + n
F IG . 1.5 Boucle de suivi (tracking).

wi wo
r=0 + e + y
G +

u
+ +
K n
F IG . 1.6 Boucle de rgulation.
nature et la fonction de lasservissement. Ainsi, les boucles de rgulation sont sou-

vent reprsentes par le schma de la Figure 1.6. Rappelons que la rgulation est un
cas particulier du suivi o le signal de rfrence r est nul, cest--dire on lon dsire
maintenir y zro.
Le positionnement du bloc commande peut galement varier pour mieux d-
crire la manire dont la commande est gnre. Les diffrentes ventualits sont
numres en Figure 1.7. On distingue la pr-compensation (forward compensator)
de la compensation en retour (return or feedback compensator).
r + y r + u y
G K G

u
K
(a) compensation en retour (b) pr-compensation
r + u y
K1 G

K2
(c) combinaison des deux
F IG . 1.7 Diffrentes configurations de boucle.
Enfin, on peut modifier lasservissement de la Figure 1.5 en ajoutant un bloc

de pr-traitement du signal de rfrence r. La structure rsultante est schmatise
en Figure 1.8 et est gnralement qualifie de boucle deux degrs de libert, par
opposition la structure de la Figure 1.5 dite un degr de libert. Le suppl-
ment dinformation fourni par le traitement indpendent de r permet gnralement
damliorer les performances de suivi de lasservissement.
r + u y
Q K G

F IG . 1.8 Asservissement deux degrs de libert.
1.3.3 quations et Fonctions Caractristiques

Considrons lasservissement de la Figure 1.5 et supposons que le systme et
le compensateur sont linaires. Si G(s) et K(s) dnotent leur fonction de transfert
respective, le bilan des signaux dans la boucle donne les quations caractristiques
23 1.4 PROPRITS DES ASSERVISSEMENTS
suivantes:
Y = GK(I + GK)1 (R N) + (I + GK)1Wo + G(I + KG)1 Wi (1.21)
1 1
E = (I + GK) (R Wo N) G(I + KG) Wi (1.22)
1 1
U = K(I + GK) (R Wo N) KG(I + KG) Wi . (1.23)
o R(s),Y (s),... sont les transformes de Laplace des signaux r(t),y(t),....
Ces quations mettent en valeur un certain nombre de fonctions de transfert ca-
ractristiques de la boucle (loop transfer functions) qui vont jouer un rle important
dans ltude et la synthse des asservissements robustes. Ces fonctions sont:
les fonctions de transfert en boucle ouverte GK(s) et KG(s) (open-loop
transfer functions). Attention, elles ne concident pas en gnral dans le cas
MIMO!
la fonction de sensibilit en sortie (output sensitivity function):
S(s) = (I + G(s)K(s))1
qui indique la sensibilit de la sortie y aux perturbations wo sur cette sor-
tie, cest--dire la faon dont wo affecte y. Par dfaut, le terme fonction de
sensibilit fera implicitement rfrence la fonction de sensibilit en sortie.
la fonction de sensibilit en entre (input sensitivity function):
(s) = (I + K(s)G(s))1
qui indique la sensibilit de lentre u + wi du systme aux perturbations wi
affectant cette entre.
la fonction de sensibilit complmentaire (en sortie):
T (s) = G(s)K(s)(I + G(s)K(s))1 = I S(s).
Elle dtermine la relation entre la sortie y et la consigne r (en termes de trans-
formes de Laplace) ainsi que leffet du bruit de mesure n sur la sortie y.
la fonction G(s)(I + K(s)G(s))1 = G(s) qui exprime la sensibilit de la
sortie y aux perturbations wi de la commande u.
la fonction K(s)(I + G(s)K(s))1 = KS(s) qui dtermine comment les per-
turbations du systme wo et le bruit de mesure n affectent la commande u.
Dautres interprtations de ces fonctions seront discutes plus loin au chapitre 2.
1.4 Proprits des Asservissements

1.4.1 Stabilit
La stabilit est une exigence critique dans la conception dun asservissement.
Une perte de stabilit entrane au mieux un comportement oscillatoire et donc une
incapacit rguler ou poursuivre; au pire la gnration de signaux de grande ner-

gie qui vont endommager ou dtruire le systme.
Il convient de distinguer la stabilit BIBO (bounded input/bounded output) de
la stabilit interne. La premire notion sintresse seulement au comportement ex-
terne du systme asservi et exige que lnergie des signaux en sortie (y) soit borne
ds que lnergie fournie en entre (r) est borne. La stabilit interne va plus loin
et exige que tous les signaux circulant dans la boucle soient dnergie finie. Cette
seconde notion est donc plus restrictive et plus importante en pratique puisque les
composants lintrieur de la boucle sont galement sensibles aux nergies infinies.
En terme des fonctions de transfert caractristiques, la stabilit BIBO corres-
pond la stabilit de T = GK(I + GK)1 , cest--dire au fait que T (s) a tous ses
ples dans le demi-plan ouvert gauche (s) < 0. A noter que les ples de T (s) sont
les racines de lquation
det(I + G(s)K(s)) = 0. (1.24)
Par contre, la stabilit interne requiert la stabilit des quatre fonctions de transfert
S, T , KS et G(I + KG)1 .
Pour caractriser la stabilit interne, il est plus commode de travailler sur les
reprsentations dtat de G et K. Considrons en effet la boucle standard de la Figure
1.5 et introduisons les ralisations minimales suivantes de G(s) et K(s):
G(s) = DG +CG (sI AG )1 BG ; K(s) = DK +CK (sI AK )1 BK . (1.25)
Soient xG et xK les vecteurs dtat associs ces ralisations. Les fonctions de trans-
fert mentionnes ci-dessus peuvent scrire en terme de LFT comme suit:

1 I G
(I + GK) = F ( ,K) (1.26)
I G

1 0 G
GK(I + GK) = F ( ,K) (1.27)
I G

1 0 I
K(I + GK) = F ( ,K) (1.28)
I G

1 G G
G(I + KG) = F ( ,K). (1.29)
G G
Une ralisation du premier argument de ces LFTs est facilement dduite de celle de
G(s). Par exemple,

I G I DG CG
= + (sI AG )1 (0, BG ).
I G I DG CG
En utilisant les formules donnant la ralisation dune LFT en fonction des ralisa-
tions des arguments (voir 2.2), il est facile de montrer que la stabilit (au sens des
fractions rationnelles) des quatre transferts ci-dessus est quivalente la stabilit

(au sens des matrices) de
AG BG (I + DK DG )1 DK CG BG (I + DK DG )1CK

ABF = . (1.30)
BK (I + DG DK )1CG AK BK (I + DG DK )1 DGCK
Autrement dit, la stabilit interne est compltement caractrise par la stabilit de

ABF .
On
notera
que ABF est la matrice dtat du systme boucl, le vecteur dtat
xG
tant . Si la ralisation ainsi obtenue pour T (s) est minimale, la stabilit
xK
BIBO est quivalente la stabilit interne. En cas de non-minimalit par contre, on
peut avoir des modes instables cachs, cest--dire absents du transfert entre/sortie
T (s). Ceci se produit lorsquun ple instable du systme G(s) est simplifi par un
zro du compensateur K(s). On a alors la stabilit BIBO sans la stabilit interne. Ce
phnomne est illustr par lexemple simple suivant.
1
Exemple 1.4.1 Considrons le systme G(s) = s(s+1) et le compensateur K(s) =
s
s+1 . Le transfert consigne/sortie en boucle ferme est
Y (s) 1
= T (s) =
R(s) 1 + (s + 1)2
qui est stable puisque ses ples sont 1 i. Cette boucle est donc BIBO stable. Par
contre, elle nest pas stable de faon interne. En effet,
G(s) s+1
=
1 + G(s)K(s) s(1 + (s + 1)2 )
qui est visiblement instable cause du ple s = 0. On constate quil y a eu simplifi-

cation de ce ple de G par un zro de K:
1 s 1
G(s)K(s) = = .
s(s + 1) s + 1 (s + 1)2
Il est donc dangereux danalyser la stabilit au seul vu des ples de S(s) ou

T (s), cest--dire les racines de det(I + G(s)K(s)) = 0. Pour un diagnostic fiable,
il faut plutt calculer le spectre de ABF partir de ralisations minimales de G et K.
Observons enfin que dans le cadre linaire, linstabilit stricte (ple dans Re(s) > 0)
conduit des divergences exponentielles et donc des signaux dnergie infinie.
Une telle volution est bien sr impossible physiquement. En pratique, on quitte
rapidement la zone de linarit pour se heurter aux saturations physiques, voire la
dsagrgation du systme! Le modle linaire est cependant suffisant pour rvler
lessentiel, savoir que lasservissement en question est inadquat.
1.4.2 Performances
Un asservissement est performant sil ragit rapidement et suit la consigne
avec prcision. Intuitivement, les performances sont dautant meilleures que le gain
de boucle est lev: le moindre cart la consigne entrane alors une raction vh-
mente pour le compenser. Mathmatiquement, cette tendance est exprime dans la
relation
E(s) = (I + GK)1 R(s)
entre lerreur de suivi E et la consigne R. Dans le cas dune consigne sinusodale
r(t) = sin(t) par exemple, la moyenne quadratique de lerreur sur une priode
T = 2/ est donn par

Z T Z T
2 1
e (t)dt = |(1 + GK( j)) | r2 (t)dt = .
0 0 |1 + GK( j)|
On voit que cette erreur sera dautant plus petite que le gain de boucle la frquence
(|GK( j)|) est lev. Augmenter le gain de boucle confre en outre certaines
proprits intressantes lasservissement. Il faut cependant se mfier du mirage
des grands gains: ils sont rarement utilisables en pratique cause des saturations et
surtout pour des questions de robustesse (voir section 1.5.
r(t) + e(t) y(t)

g(.)

k(.)
F IG . 1.9 Asservissement type.
Pour mieux analyser leffet des grands gains, considrons la boucle dasser-
vissement de la Figure 1.9. Ici les fonctions de comportement g et k du systme et
du compensateur ne sont pas ncessairement linaires. On suppose seulement que
lquation de la boucle
e + k(g(e)) = r (1.31)
est toujours solvable pour lerreur e ( chaque instant t). On appelle gain de boucle
ou gain en boucle ouverte le module de la fonction
= k g. (1.32)
Leffet principal des grands gains est de forcer la sortie y se comporter comme la
fonction k1 (r). En effet, si lon a
k(e)k kek avec 1, (1.33)
on obtient partir de (1.31)
kek kr ek krk + kek
do
krk
kek . (1.34)
1
En observant que y = g(e), (1.31) donne galement:
krk
kr k(y)k = kek . (1.35)
1
Il est clair que si le gain de boucle est lev ( 1), lerreur sera petite daprs
(1.34) et lon aura r k(y) daprs (1.35), cest--dire
y k1 (r). (1.36)
Les implications de ce phnomne sont multiples. Dune part, on voit que la

relation entre/sortie y = f (r) ne dpend pratiquement plus du comportement g
du systme. De fait, on peut se contenter dune connaissance trs sommaire de ce
systme. De plus, la boucle se comporte essentiellement comme k1 sur lequel on
a tout contrle. En particulier, on peut choisir k linaire et ainsi forcer un systme
quelconque se comporter approximativement de faon linaire. On peut aussi fixer
arbitrairement la bande passante du systme. Ces proprits des grands gains sont
illustres par un exemple.
Exemple 1.4.2 Considrons le systme non linaire g(x) = x + x2 asservi par la
boucle de suivi de la Figure 1.10. En boucle ouverte (k = 1 et non reboucl), la
relation consigne/sortie est
y = r + r2 . (1.37)
Le suivi nest donc bon que pour r petit et la caractristique est non linaire. Si lon
ferme prsent la boucle avec un grand gain (k 1), on obtient
r
e
1+k
et
r r2 k
y k( + ) r. (1.38)
1 + k (1 + k)2 1+k
Les comportements boucle ouverte (1.37) et boucle ferme (1.38) sont compars
sur le graphe de la Figure 1.11 pour k = 100. Le gain en linarit est vident.
r + e y
k g(.)

F IG . 1.10 Boucle de suivi.
2 B.O
1
y
2 B.F.
3
3 2 1 0 1 2 3
r
F IG . 1.11 Caractristiques B.O. et B.F.

Dans le cas linaire, les performances peuvent sanalyser partir des fonctions
de transfert caractristiques de la boucle. Considrons nouveau la boucle standard
de la Figure 1.5. Dans le domaine frquentiel, le transfert entre la consigne R(s) et
la sortie Y (s) est donn par la fonction de sensibilit complmentaire
T = GK(I + GK)1 . (1.39)
Lasservissement sera performant dans la bande de frquence [1 ,2 ] si T ( j) I
dans cette bande. Ceci requiert typiquement un gain de boucle lev dans cette
bande, cest--dire
min (G( j)K( j)) 1, [1 ,2 ]. (1.40)
En effet, on a alors
1
max (I T ( j)) = max (I + GK( j))1 =

min (I + GK( j))
1
1.
min (GK( j))
On notera la dpendence frquentielle de la notion de performance; si (1.40) nest
vrifie que dans la bande [1 ,2 ], le suivi sera bon uniquement pour les consignes
r dont la puissance spectrale est concentre dans cette bande. Dans le cas MIMO,
laspect directionnel peut galement intervenir; ainsi, on pourra exiger des perfor-
mances pour certains canaux entre/sortie et une attnuation pour dautres.
1.4.3 Bande passante

La bande passante dune fonction de transfert scalaire G(s) est lensemble des
frquences pour lesquelles
|G( j)| > 1.
La (ou les) frquence de coupure c est caractrise par:
|G( jc )| = 1.
Pour un asservissement, la bande passante est lie la rponse en boucle ou-

verte G(s)K(s). Dans le cas SISO, elle correspond aux frquences pour lesquelles le
gain |G( j)K( j)| est plus grand que 1. Dans le cas MIMO, elle dpend de quelle
pair entre/sortie est considre. Sil sagit de la bande passante minimale, elle
est caractrise par
min (G( j)K( j)) > 1.
La bande passante dtermine quel registre de signaux lasservissement est ca-
pable de suivre ou de contrer. Plus elle est tendue, plus lasservissement est capable
de ragir des variations rapides (excitations haute frquence). Autrement dit, la
bande passante mesure la zone de fonctionnement de lasservissement.
1.4.4 Rponse temporelle

Un autre aspect important des systmes asservis est la rponse temporelle,
cest--dire les caractristiques du rgime transitoire avant tablissement autour de
la consigne. Les consignes ou excitations test sont typiquement (voir Figure 1.12):
limpulsion r(t) = (t),
les chelons
0 si t < 0
r(t) = ,
1 si t 0
les crneaux.
r r
1 1
t t
(a): impulsion (b): chelon
t
T
(c): crneau
F IG . 1.12 Excitations types pour valuer la rponse temporelle.
Les transformes de Laplace de ces signaux sont respectivement

T
1 1 1 es 2 1 1
R(s) = 1; R(s) = ; R(s) = sT
= . (1.41)
s s 1e s 1 + es T2
Le comportement transitoire est souvent analys sur la rponse un chelon
(step response). On sintresse aux caractristiques suivantes (voir Figure 1.13):
temps de monte (rise time): le temps ncessaire pour atteindre 90% de la
valeur finale;
temps de rponse (settling time): le temps ncessaire pour se stabiliser dans
une bande 5% autour de la valeur finale;
dpassement maximal (maximum overshoot): plus grand dpassement de la
rponse au dessus de la valeur finale.
Ces grandeurs refltent la qualit du transitoire. On recherche minimiser le temps
de monte et de rponse (rapidit) tout en maintenant un faible dpassement.
y(t)
max. overshoot
1.05
1
0.95
0.90
0 t
rise time
settling time
F IG . 1.13 Caractristiques de la rponse un chelon.
1.4.5 Outils danalyse des asservissements

LAutomatique Classique a dvelopp des outils graphiques pour analyser les
proprits dun asservissement. Bien quessentiellement limits aux systmes SISO,
ces outils sappliquent parfois au cas MIMO.
Diagramme de Bode
Le diagramme de Bode dune fonction de transfert scalaire G(s) donne le gain

|G( j)| et la phase Arg(G( j)) en fonction de la frquence . Laxe des gains est
gradu en dB avec la dfinition:
X en dB = 20 log10 (X).
Laxe des est en chelle logarithmique base 10. Une dcade correspond une
unit de cette chelle.
Exemple 1.4.3 Le diagramme de Bode de la fonction de transfert

(s + 1)(s + 3)
G(s) = (1.42)
(s + 2)(s + 4)(s + 6)
est reprsent en Figure 1.14.
0
10
Log Magnitude
1
10
2
10 1 0 1 2
10 10 10 10
Frequency (radians/sec)
50
Phase (degrees)
50
100 1 0 1 2
10 10 10 10
F IG . 1.14 Diagramme de Bode.
Diagramme des valeurs singulires
Le diagramme des valeurs singulires est une gnralisation du diagramme

dr gain de Bode pour les systmes MIMO. Etant donne une fonction de transfert
G(s) Cmn , ce diagramme trace les courbes
i (G( j)), i = 1, . . . , min(m,n)
o i dnote la i-ime valeur singulire. Rappelons que la plus grande valeur sin-
gulire est une norme et correspond au gain maximal. A noter aussi quil ny a pas
dquivalent naturel de la phasepour les sytmes multivariables. Les valeurs sin-
gulires permettent de visualiser les bandes passantes et les bandes attnues du
systme. Elles jouent donc un rle trs important pour dfinir les performances, la
stabilit et la robsutesse dun systme.
Exemple 1.4.4 Le diagramme des valeurs singulires du systme de ralisation

1 100 1 0
A= ; B= ; C = I2
100 1 1 0.8
est trac en Figure 1.15. La plus grande valeur singulire max (G( j)) comporte
une rsonnance alors que la plus petite nen a pas.
0
10
1
10
2
10
3
10
4
10
5
10 1 0 1 2 3 4
10 10 10 10 10 10
frequences rad/s
F IG . 1.15 Diagramme des valeurs singulires.
Diagramme de Nyquist
Le diagramme de Nyquist reprsente la fonction G( j) dans le plan com-

plexe. A chaque frquence on associe le point de coordonnes (G( j)) et
Im (G( j)). Le contour de Nyquist est la courbe forme par ces points. Il est orient
dans le sens des croissants de +.
Exemple 1.4.5 Le contour de Nyquist de la fonction de transfert dfinie en (1.42)
est reprsent en Figure 1.16.
Le trac de Nyquist joue un rle important dans lanalyse de la stabilit en
boucle ferme dun asservissement. Il sagit ici de la stabilit BIBO puiquon sin-
tresse la stabilit de la fonction de transfert
1
S(s) = = I T (s).
1 + G(s)K(s)
Le critre de Nyquist fournit un moyen graphique simple pour tudier la stabilit
de S(s) partir du seul trac de Nyquist du transfert en boucle ouverte F(s) =
G(s)K(s). Ce critre sapplique ds que F(s) na pas de ple sur laxe imaginaire et
peut snoncer comme suit.
Critre de Nyquist: le systme boucl est BIBO stable si et seulement
si le contour de Nyquist de F(s) = G(s)K(s) parcouru de =
= + entoure le point critique (1,0) un nombre de fois gal au
nombre de ples instables de F(s).
0.08
0.06
0.04
0.02
Imag Axis
0.02
0.04
0.06
0.08
0 0.02 0.04 0.06 0.08 0.1 0.12
Real Axis
F IG . 1.16 Contour de Nyquist.
1
Exemple 1.4.6 Considrons le systme G(s) = s1 boucl par le compensateur
2
proportionnel K(s) = +2. Le contour de Nyquist de F(s) = G(s)K(s) = s1 apparat
en trait plein sur la Figure 1.17. Parcouru suivant les croissants, ce contour en-
toure une seule fois le point critique. Puisque F(s) a un ple instable, on en conclut
que la boucle ferme est BIBO stable.
0.6
0.4
0.2
0
Imag Axis
0.2
0.4
0.6
0.8
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
Real Axis
F IG . 1.17 Critre de Nyquist.
Diagramme de Black
Dernier diagramme souvent utilis en Automatique: le lieu de Black (ou dia-

gramme de Nichols). Ici la phase Arg(G( j)) est porte en abscisses (en degrs) et
35 1.5 INGRDIENTS POUR UN ASSERVISSEMENT ROBUSTE
le gain |G( j)| est port en ordonnes (en dB). La courbe des points G( j) ainsi
obtenue reprsente la rponse frquentielle. Le diagramme de Black sutilise pour
dterminer le gain et la phase du transfert consigne/sortie
G(s)K(s)
T (s) =
1 + G(s)K(s)
partir du trac du transfert en boucle ouverte F(s) = G(s)K(s). Les abaques de
Black permettent de lire directement cette information en chaque point du trac de
F(s) sur le lieu de Black.
Exemple 1.4.7 Le lieu de Black pour lexemple prcdent est trac en Figure 1.18.
Ce lieu tangente le cercle de gain constant 6 dB (|G( j)| = 2) la frquence = 0.
40
0 db
30 0.25 db
0.5 db
20 1 db 1 db
OpenLoop Gain (db)
10 3 db
3 db
6 db
0 6 db
10 12 db
20 20 db
30
40 40 db
270 180 90 0
OpenLoop Phase (deg)
F IG . 1.18 Lieu de Black.
1.5 Ingrdients pour un Asservissement Robuste

La conception dun asservissement consiste ajuster la fonction de transfert
K(s) du compensateur de manire obtenir les proprits et le comportement dsi-
rs en boucle ferme. Outre la contrainte de stabilit, on recherche typiquement les
meilleures performances possibles. Cette tche est complique par deux difficults
principales. Dune part, la conception sexcute sur un modle idalis du systme.
Il faut donc assurer la robustesse aux imperfections de ce modle, cest--dire
garantir les proprits dsires pour toute une famille de systmes autour du mo-
dle de rfrence. Dautre part, on se heurte des limitations intrinsques comme
le compromis entre performances et robustesse.
Cette section montre comment ces objectifs et contraintes peuvent tre for-
mules et quantifies dans un cadre homogne favorable leur prise en compte
systmatique.
1.5.1 Robustesse lincertitude

La conception dun asservissement seffectue partir dun modle du systme
rel souvent appel modle nominal ou modle de rfrence. Ce modle peut pro-
venir des quations de la physique ou dun processus didentification o la rponse
frquentielle est mesure par un transfromtre. En tout cas, ce modle nest quune
approximation de la ralit. Ses carences peuvent tre multiples: dynamiques et
nonlinarits ngliges, incertitude sur certains paramtres physiques, hypothses
simplificatrices, erreurs de mesure lidentification, etc. De plus, certains para-
mtres du systme peuvent varier sensiblement avec le temps ou les conditions de
fonctionnement. Enfin, des facteurs externes imprvisibles peuvent venir perturber
le fonctionnement du systme asservi.
Il est donc insuffisant doptimiser lasservissement par rapport au modle no-
minal: il faut aussi se prmunir contre lincertitude de modlisation et les alas ex-
ternes. Bien que ces facteurs soient par essence mal connus, on dispose en gnral
dinformations sur leur amplitude maximale ou leur nature statistique. Par exemple,
la frquence de la houle, lintensit maximale du vent, ou des bornes min et max
sur la valeur dun paramtre. Cest partir de cette connaissance sommaire quon
va tenter de robustifier lasservissement.
On distingue deux classes de facteurs incertains. Une premire classe com-
prend les alas et perturbations externes. Ce sont des signaux ou actions caractre
alatoire qui viennent perturber le systme asservi. On les identifie en fonction de
leur point dentre dans la boucle. En se rfrant nouveau la Figure 1.5, il y a
essentiellement:
les perturbations de la commande wi qui peuvent provenir derreurs de dis-
crtisation ou de quantification de la commande ou dactions parasites sur les
actionneurs.
Les perturbations en sortie wo qui correspondent des actions extrieures
secondaires ou imprvisibles sur le systme; par exemple, le vent pour un
avion, un changement de pression atmosphrique pour un racteur chimique,
etc.
Les bruits de mesure n au niveau des capteurs qui corrompent lestimation de
la valeur courante de la sortie y.
A noter que ces actions externes ne modifient pas le comportement dynamique in-
terne du systme, mais seulement la trajectoire de ses sorties.
Une deuxime classe de facteurs incertains runit les imperfections et varia-
tions du modle dynamique du systme. Rappelons que les techniques de com-
mande robuste sappliquent des modles linaires de dimension finie alors que les
systmes rels sont gnralement non-linaires et de dimension infinie. Typique-
ment, le modle utilis nglige donc les non-linarits et nest valable que dans une
bande de frquence limite. Il dpend de plus de paramtres physiques dont la va-
leur peut fluctuer et nest souvent connue quapproximativement. Pour des raisons
pratiques, on distinguera:
lincertitude non structure ou incertitude dynamique qui rassemble les
dynamiques ngliges dans le modle. On ne dispose en gnral que dune
borne suprieure sur lamplitude de ces dynamiques. On doit donc assumer et
se prmunir contre le pire des cas dans la limite de cette borne.
Lincertitude paramtrique ou structure qui est lie aux variations ou er-
reurs destimation sur certains paramtres physiques du systme, ou des
incertitudes de nature dynamique, mais entrant dans la boucle en diffrents
points. Lincertitude paramtrique intervient principalement lorsque le mo-
dle est obtenu partir des quations de la physique. La manire dont les
paramtres influent sur le comportement du systme dtermine la structu-
re de lincertitude. Diffrents outils pour apprhender ce type dincertitudes
seront dvelopps au chapitre 3.
1.5.2 Reprsentation de lincertitude de modlisation

Lincertitude dynamique (non structure) peut englober des phnomnes phy-
siquement trs divers (linaires ou non-linaires, stationnaires ou temps-variants,
frottements, hystrsis, etc.) Les techniques tudies dans ces notes sont particuli-
rement pertinentes lorsquon ne dispose daucune information spcifique sinon une
estimation de lamplitude maximale de lincertitude dynamique, En dautres termes,
lorsque lincertitude est raisonnablement modlise par une boule dans lespace des
oprateurs borns de `2 dans `2 .
Un tel modle est bien sr trs grossier et tend inclure des configurations
dpourvues de sens physique. Si le systme rel ne comporte pas de nonlinari-
ts importantes, il est souvent prfrable de se restreindre un modle purement
linaire stationnaire de lincertitude dynamique. On peut alors pondrer le degr
dincertitude en fonction de la frquence et traduire le fait que le systme est mieux
connu en basse quen haute frquence. Lincertitude est alors reprsente comme un
systme LTI perturbateur G(s) qui sajoute au modle nominal G(s) du systme
rel:
Grel (s) = G(s) + G(s). (1.43)
Ce systme doit tre BIBO-stable (born de `2 dans `2 ), et on dispose en gn-
ral dune estimation de lamplitude maximale de G( j) dans chaque bande de
frquence. Typiquement, cette amplitude est faible aux basses frquences et crot
rapidement dans les hautes frquences o les dynamiques ngliges deviennent pr-
pondrantes. Ce profil est illustr en Figure 1.19. Il dfinit une famille de systmes
dont lenveloppe sur le diagramme de Nyquist est reprsente en Figure 1.20 (cas
SISO). Le rayon du disque dincertitude la frquence est |G( j)|.
|G( j)|
F IG . 1.19 Profil type pour |G( j)|.
Im (G( j))
= +
=0 (G( j))
F IG . 1.20 Famille de systmes.

Linformation sur lamplitude |G( j)| de lincertitude peut tre quantifie de

plusieurs manires:
incertitude additive : le systme rel est de la forme:
Grel (s) = G(s) + (s) (1.44)
o (s) est une fonction de transfert stable qui vrifie:
kWl ()( j)Wr ()k < 1 (1.45)
pour certains gabarits Wl (s) et Wr (s). Ces gabarits, aussi appels matrices
de pondration, permettent dincorporer linformation sur la dpendence fr-
quentielle et directionnelle de lamplitude maximale de (s) (voir valeurs
singulires).
incertitude multiplicative lentre: le systme rel est de la forme:
Grel (s) = G(s) (I + (s)) (1.46)
o (s) est comme ci-dessus. Cette reprsentation modlise des erreurs ou

fluctuations sur le comportement en entre.
incertitude multiplicative en sortie: le systme rel est de la forme:
Grel (s) = (I + (s)) G(s) (1.47)
Cette reprsentation est adapte la modlisation des erreurs ou fluctuations

sur le comportement en sortie.
En fonction des donnes sur les imperfections du modle, on choisira plutt lune ou
lautre de ces reprsentations. Notons que lincertitude multiplicative a un caractre
relatif.
Lincertitude paramtrique est plus difficile reprsenter et prendre en compte.

Elle sera aborde en dtail au chapitre 3.
1.5.3 Stabilit robuste

La stabilit en boucle ferme est sensible aux erreurs de modlisation du sys-
tme (G(s)) et aux drives de la commande (K(s)). Assurer la stabilit du mo-
dle nominal boucl nest donc pas suffisant. Il faut galement garantir la stabilit
de tous les systmes atteignables par les perturbations G et K admissibles, parmi
lesquels se trouve le systme rel lui-mme. La stabilit est dite robuste lorsque
cette garantie supplmentaire est fournie.
Dans cette section, on se restreint des incertitudes non structures G et K.

Un rsultat instrumental pour la stabilit robuste est le Thorme des Petits Gains
(Small Gain Theorem) dont nous prsentons deux versions.
Thorme 1.5.1 (Thorme des Petits Gains, 1re version)

Considrons la boucle dasservissement de la Figure 1.21 o L est un systme BIBO
stable quelconque (oprateur de `2 dans `2 ).
v + w
L

F IG . 1.21 Thorme des Petits Gains
Une condition suffisante pour la stabilit interne de cette boucle est que L soit
une contraction, cest--dire que
u,v `2 , kL(u) L(v)k2 ku vk2
avec 0 < 1 (ici k.k2 dnote la norme naturelle des signaux de `2 ).

Si L est linaire, cette condition se rduit kLk < 1.
Justification: Ce rsultat repose sur le Thorme du point fixe dans les espaces
de Banach, lespace tant ici `2 . Pour montrer que la sortie w est dans `2 ds que
lentre v `2 , on considre lquation fonctionnelle de la boucle (dinconnue w):
w = L(v w)
ou de manire quivalente aprs le changement de variable z = v w:
z = v L(z). (1.48)
Comme L, loprateur z 7 v L(z) est une contraction de `2 et admet donc un point

fixe, i.e., une solution z `2 de (1.48). On en dduit immdiatement que w = v z
`2 .
Le mme raisonnement sapplique pour des signaux entrant aux autres points
de la boucle (i.e., avant et aprs L), do stabilit interne. Une preuve plus dtaille
se trouve dans [8].
Le Thorme des Petits Gains montre quun gain de boucle infrieur 1 ga-
rantit la stabilit interne en boucle ferme indpendamment de la nature de L. Bien
videmment il ne sagit que dune condition suffisante. Les implications pour le

problme de stabilit robuste face de lincertitude dynamique sont dveloppes
dans le corollaire suivant. Notons quune gnralisation de ce thorme sera pr-
sente au chapitre 3 sur la analyse.
Thorme 1.5.2 (Thorme des Petits Gains, 2me version)

Considrons la boucle dasservissement de la Figure 1.22 o le systme nominal
P(s) est un systme linaire stationnaire stable et lincertitude non structure (.)
est un oprateur de `2 vrifiant:
u,v `2 , k(u) (v)k2 ku vk2 (1.49)
avec 0 1.
v +
P

(.)
F IG . 1.22 Thorme des Petits Gains: stabilit robuste
Cette boucle est stable de faon interne pour tout satisfaisant (1.49) si et
seulement si
kPk < 1,
et ce rsultat reste valable lorsque lincertitude est restreinte lespace des sys-
tmes linaires stationnaires stables (s) de norme k(s)k 1.
Justification: La condition kPk < 1 est clairement suffisante puisqualors L =

P est une contraction et la premire version du thorme sapplique.
Rciproquement, il suffit de montrer la ncessit lorsque est LTI, stable, et
de norme H infrieure 1 (cas particulier des contractions de `2 ). Supposons que
= kPk 1 et introduisons la frquence pour laquelle ce gain est atteint, i.e.,
P( j)u = v
pour u,v vecteurs unitaires. Puisque 1/ 1, on peut toujours construire (s) stable
vrifiant k(s)k 1 et
( j)v = (1/) u.
On a alors (I + .P( j))u = 0 et la matrice I + .P( j) est singulire. Par cons-

quent, la boucle ferme nest pas stable puisque:
kSk = k(I + (s)P(s)))1 k = +.
Ce rsultat sapplique directement au problme de stabilit robuste de la boucle

de suivi de la Figure 1.5. Prenons le cas dune incertitude additive sur le modle
G(s) (voir (1.43)) et supposons que cette incertitude est borne en fonction de la
frquence par:
max (( j)) wa () ( R). (1.50)
Un profil typique de la fonction majorante wa () est reprsent en Figure 1.19.
Supposons de plus que le systme nominal est stable en boucle ferme, i.e., que
S(s) = (I + GK(s))1 est stable et quil ny a pas de simplification instable. Pour
appliquer le Thorme 1.5.2, il suffit de rcrire la boucle ferme de la Figure 1.23
sous la forme de la Figure 1.22. Le bilan des signaux est
y = q + Gu; u = Ky; q = u
soit aprs limination de y:
u = (I + KG)1 K q; q = u.
Ces quations correspondent la boucle de la Figure 1.22 avec P(s) = (I +KG(s))1 K(s) =
K(s)(I + GK(s))1 . Pour appliquer le thorme, on doit enfin normaliser (s) en
remplaant P et par wa P et /wa (qui devient alors arbitraire dans la boule
kXk < 1). On peut prsent conclure que la stabilit en boucle ferme sera pr-
serve pour toute erreur additive de modlisation (s) stable et vrifiant (1.50) si
et seulement si
kwa K(I + GK)1 k < 1. (1.51)
y
K G
u
F IG . 1.23 Boucle de suivi avec incertitude dynamique

Un calcul similaire fournit des conditions analogues pour la stabilit robuste

face de lincertitude dynamique multiplicative. Ces conditions sont rcapitules
dans la Table 1.1. Leur interprtation est simple: l o lincertitude est grande
(w() 1), les modules de KS( j) et T ( j) et donc le gain en boucle ouverte
max (GK( j)) doivent tre faibles. Ceci conduit au principe fondamental suivant:
la stabilit robuste exige de petits gains l o lincertitude non struc-
ture est importante.
Notons que la condition (1.51) reste suffisante mais plus ncessaire si lincertitude
est structure ou paramtrique. Elle devient alors conservative et peut conduire
une attnuation du gain incompatible avec les objectifs de performance. On a donc
souvent besoin de conditions plus fines bases sur les valeurs singulires structu-
res (voir section 9). En pratique, lincertitude non structure est surtout utile pour
modliser les dynamiques haute-frquence ngliges ou mal connues, ou les faibles
non-linarits.
type dincertitude borne sur lincertitude stabilit robuste ssi
G+ k( j)k wa () kwa K(I + GK)1 k < 1
G(I + ) k( j)k wmi () kwmi KG(I + KG)1 k < 1
(I + )G k( j)k wmo () kwmo GK(I + GK)1 k < 1
K + k( j)k wk () kwk G(I + KG)1 k < 1
TAB . 1.1 Conditions pour la stabilit robuste.
Pour conclure, on notera que dans le cas SISO, la norme infinie de la fonction
de sensibilit S(s) est lie aux notions classiques de marge de gain et de marge de
phase. Ces notions sont habituellement dfinies sur le diagramme de Nyquist et in-
diquent lloignement du trac de G( j)K( j) par rapport au point critique (1,0).
Rappelons quil y a perte de stabilit lorsque ce trac traverse le point critique. La
marge de gain est:
marge de gain = 20 log10 |G( j p )K( j p )| (1.52)
o p est la frquence laquelle le trac de Nyquist traverse le demi-axe de phase

180 (phase crossover). Elle mesure de combien le gain peut varier cet endroit
avant de toucher le point critique. La marge de phase est:
marge de phase = Arg(G( jc )K( jc )) 180 (1.53)
o c est la frquence laquelle le trac de Nyquist traverse le cercle unit centr

lorigine (frquence de coupure). Elle mesure de combien la phase peut varier
(rotation du trac autour de lorigine) avant de rencontrer le point critique.
En comparaison, kSk1 mesure directement le distance minimale du trac
de Nyquist au point critique. Il sagit donc dune mesure plus fiable du degre de
stabilit. Ces diffrentes notions sont illustres sur la Figure 1.24.
Im (G( j)K( j))
marge de gain
(1,0)
(G( j)K( j))

kSk1

marge de
phase
G( j)K( j)
F IG . 1.24 Marges de gain et de phase.

1.5.4 Passivit
Avant de terminer ce chapitre, nous donnons quelques indications sur la notion
de passivit qui tout en tant trs proche du Thorme du Faible Gain, fournit une
autre manire de garantir la stabilit dun systme boucl. La passivit est, en parti-
culier, une notion trs utile pour ltude des systmes flexibles (i.e., comprenant des
modes rsonants). Elle se dfinit de la faon suivante.
Definition 1.5.3 (Passivit)

Soit G(s) un systme linaire stationnaire MIMO et stable. Ce systme est dit passif
si et seulement si lune des conditions quivalentes suivantes est vrifie:
(i) pour tout u `2 , le signal de sortie y = g u `2 vrifie:
Z T
T > 0, yT (t)u(t) dt 0,
0
(ii) G(s) vrifie
G(s) + G (s) 0 pour tout s tel que Re(s) 0. (1.54)
(iii) G(s) vrifie

k(I + G)1 (I G)k 1. (1.55)
A noter que dans le cas SISO, la condition (ii) scrit aussi Re(G(s)) 0. Autrement
dit, le diagramme de Nyquist de G(s) doit tre entirement contenu dans le demi-
plan droit.
Lintrt de la passivit dcoule du rsultat suivant sur le rebouclage des sys-
tmes passifs.
Thorme 1.5.4 Considrons le systme boucl de la Figure 1.25.

Si G(s) est un systme linaire stable passif, alors la boucle ferme est stable
pour tout oprateur passif de `2 , cest--dire pour tout oprateur (.) satisfaisant:
Z T
T > 0, zT (t) (z(t)) dt 0.
0
Proof: Voir la rfrence [1].

Une consquence immdiate de ce Thorme est que la boucle de suivi de la
Figure 1.5 est stable ds que la boucle ouverte GK(s) est passive (prendre = 1).
On peut donc rechercher la passivit comme moyen dimposer la stabilit. Cette
dmarche est particulirement pertinente en prsence de modes souples damortis-
sement incertain. En effet, une variation damortissement fait varier le gain mais pas
u + y
G

(.)
F IG . 1.25 Thorme de passivit.
la phase. La boucle ouverte restera donc passive et la stabilit sera maintenue quelles
que soient les variations damortissement. On notera quil sagit ici dincertitude pa-
ramtrique pour laquelle le Thorme des Petits Gains est typiquement trs conser-
vatif ( cause des importantes variations de gain sous-jacentes). Avec lapproche
par passivit, on vite ce conservatisme et on obtient souvent une bonne robustesse
sans dgradation importante des performances. Ceci tant, cette approche ne permet
pas une prise en compte quantitative de lincertitude comme avec le Thorme des
Petits Gains. Il faut se tourner vers la -synthse pour un traitement quantitatif plus
rigoureux.
Daprs (iii) de la Dfinition 1.5.3, la passivit de GK(s) peut sexprimer
comme une contrainte sur la norme H de
S T = (I + GK)1 (I GK).
En pratique, on nexige souvent la passivit que dans des bandes limites de fr-
quence (par exemple, au voisinage des modes souples), et on utilisera donc une
fonction de pondration pour slectionner les zones de frquences dsires.
47
Bibliographie
[1] Boyd, S., and Q. Yang. Structured and Simultaneous Lyapunov Functions for
System Stability Problems Int. Journal of Control, 49 (1989), pp. 2215-2240.
[2] J. Doyle. Analysis of feedback systems with structured uncertainties. IEE
Proceedings, Part D, 129(6):242250, 1982.
[3] J. C. Doyle, B. A. Francis, and A. R. Tannenbaum, Feedback Control Theory,
Macmillan Publishing Co, New York, 1992.
[4] J. S. Freudenberg and D. P. Looze. Frequency Domain Properties of Scalar
and Multivariable Feedback Systems. Berlin: Springer-Verlag.
[5] I. Horowitz Synthesis of Feedback Systems. New York: Academic Press.
[6] M. G. Safonov and J. C. Doyle Minimizing Conservativness of Robustness
Singular Values S. G. Tzafestas ed., Multivariable Control, pp. 197207, 1984.
[7] G. Zames and B. A. Francis Feedback, Minimax Sensitivity, and Optimal
Robustness IEEE Transactions on Automatic Control, AC-26, pp. 301-320
[8] Zames, G., On the Input-Output Stability of Time-Varying Nonlinear Feed-
back Systems, Part I and II, IEEE Trans. Aut. Contr., AC-11 (1966), pp. 228-
238 and 465-476.
49
Chapitre 2
La synthse H
Dans ce chapitre, nous examinons la technique de synthse H . Cette tech-

nique prsente des similarits fortes avec la mthode LQG, mais elle sen diffren-
cie pour diffrentes raisons que nous mettons en vidence. Ce chapitre dcrit ga-
lement diffrentes structures typiques de synthse trs utilises en pratique telles
que la structure de sensibilit mixte et sa version duale. Ces structures permettent
de prendre en compte les diffrentes spcifications et les conflicts qui apparaissent
dans de nombreux problmes pratiques. On porte aussi une attention particulire
sur le problme du loop shaping et le choix des fonctions de pondration. Ces fonc-
tions jouent un rle trs important dans les applications car elles dterminent la
bande passante du systme command mais aussi sa robustesse et ses proprits en
termes de rejection de bruits. On dcrit egalement les principaux algorithmes pour
la construction des solutions du problme H . On examine plus particulirement
lalgorithme DGKF qui est actuellement lalgorithme le plus fiable et le plus ra-
pide pour rsoudre les problmes H . Enfin, on discute brivement lutilisation des
techniques LMI dans le cadre de la synthse H .
2. LA SYNTHSE H 50
2.1 Mthodes H pour la Synthse dAsservissements

2.1.1 Le problme H standard
Sous sa forme la plus simple, le problme H est un problme de rjection de
perturbation. Il consiste minimiser leffet dune perturbation w sur le comporte-
ment du systme. Le signal w est suppos dnergie finie et sa taille est mesure en
norme `2 . Son effet sur le systme est mesur par la norme `2 dun vecteur cot z.
Enfin, on peut agir sur le systme par une commande u et on dispose dune obser-
vation y. Il sagit donc de synthtiser une loi de commande u = K(s)y qui minimise
kzk2
limpact de w sur z. On mesurera cet impact par le rapport . La stabilit interne
kwk2
du systme boucl devra bien sr tre assure.
Ce problme standard est reprsent schmatiquement par la Figure 2.1.
w -
z
-
P(s)
-
u y
K(s)
F IG . 2.1 Problme H standard.
La fonction de transfert P(s) dcrit les interconnections entre w,u,z,y:

Z(s) W (s) P11 (s) P12 (s) W (s)
= P(s) = . (2.1)
Y (s) U(s) P21 (s) P22 (s) U(s)
On appelle P le systme (plant) et on le supposera propre. Lorsque ce systme est

reboucl sur la commande u = K(s)y, le transfert boucle ferme de w z est donn
par la Transformation Linaire Fractionnelle (LFT):
F (P,K) = P11 + P12 K(I P22 K)1 P21 . (2.2)
kzk2
En observant que le ratio est dans le pire des cas:
kwk2
kzk2
sup = kF (P,K)k , (2.3)
w6=0 kwk2
51 2.1 MTHODES H POUR LA SYNTHSE DASSERVISSEMENTS
le problme dcrit ci-dessus peut se formuler mathmatiquement comme suit:

Problme H Optimal: minimiser kF (P,K)k sur lensemble des
compensateurs K(s) qui stabilisent le systme de manire interne.
Le minimum est not opt et appel gain (ou attnuation) H -optimal. Le pro-
blme sous-optimal associ joue galement un rle important:
Problme H Sous-Optimal: tant donn > 0, trouver un com-
pensateur K(s) qui stabilise le systme de manire interne et assure
kF (P,K)k < .
2.1.2 Formulation H du loop shaping

Nous avons vu aux chapitres 1 que la plupart des spcifications frquentielles
peuvent sexprimer par des contraintes sur le profil de la plus petite et plus grande
valeur singulire du transfert en boucle ouverte GK(s). De faon quivalente puisque
min (GK( j)) 1 max (S( j)) 1

max (GK( j)) 1 max (T ( j)) 1,
on peut raisonner en termes de contraintes sur lallure des fonctions max (S( j))
et max (T ( j)). Ces contraintes sont de la forme:
max (S( j)) `S (); max (T ( j)) `T () (2.4)
o `S et `T sont des fonctions scalaires spcifiant lallure dsire.

Si lon dfinit w1 := `1 1
S et w3 := `T , (2.4) scrit aussi:
kw1 Sk < 1; kw3 T k < 1. (2.5)
Les fonctions w1 et w3 sont appeles fonctions de pondration (weighting func-

tions). Les indices 1 et 3 sont utiliss par convention en lien avec la Figure 2.2.
Dans le cas MIMO, w1 et w3 peuvent tre des matrices de faon privilgier cer-
taines directions et donc modeler plus prcisment les valeurs singulires de S et
T.
Dterminer directement un compensateur K(s) qui assure (2.5) est un pro-
blme ouvert. Cependant, on peut substituer (2.5) une condition proche qui conduit
un problme H sous-optimal. En effet, (2.5) est implique par

w1 S
w3 T < 1 (2.6)

et lon a

w1 S
max(kw1 Sk ,kw3 T k )
2 max(kw1 Sk ,kw3 T k ).
w3 T
2. LA SYNTHSE H 52
Pour obtenir les profils dsirs pour max (S( j)) et max (T ( j)), il est donc rai-
sonnable de chercher raliser (2.6) en rsolvant:
Problme de Sensibilit Mixte: trouver un compensateur K(s) qui
w1 S
w3 T < 1.
assure la stabilit interne de la boucle et satisfasse

En pratique, le problme de sensibilit mixte est souvent insuffisant pour trai-
ter toutes les spcifications du loop shaping. En particulier, on a vu en 5.3 et 5.4
que les considrations de stabilit et performances robustes peuvent introduire des
contraintes sur dautres fonctions de transfert comme KS et aussi , G et KG
o
= (I + KG)1 .
Pour les prendre en compte, on doit sintresser la gnralisation suivante.
Problme de Sensibilit Mixte Gnralis: trouver un compensateur
K(s) qui assure la stabilit interne de la boucle et satisfasse:

w 1 S w 4
w5 G < 1.

w2 KS < 1 et (2.7)
w6 KG

w3 T

Pour conclure cette section, notons que les problmes introduits ci-dessus sont
des cas particuliers du problme H sous-optimal. En effet, les critres utiliss sont
du type
kF (P,K)k < 1
o P(s) est construit partir de G et des matrices de pondration wi comme suit:
w1 w1 G

w1 S 0 w2
F (P,K) = w2 KS P =

0
(2.8)
w3 G
w3 T
I G
w4

w4
w4

w5 G w5 G
vF (P,K) = w5 G P = 0
(2.9)
w6
w6 KG
G G
Le terme systme augment est utilis pour P(s). La construction
du problme

w1 S

H quivalent est illustre en Figure 2.2 pour le critre w2 KS < 1. La

w3 T

fonction de transfert de w au signal de sortie z est:

Z1 w1 S
Z(s) = Z2 = w2 KS W (s).
Z3 w3 T
53 2.2 RSOLUTION DU PROBLME H
On reconnat bien un problme de rejection de perturbation o leffet de w sur les

sorties filtres (z1 ,z2 ,z3 ) doit tre attnu en de du ratio 1.
........
S.w .
- w1 - z1
KS.w - w2 - z2 z
T.w - w3 - z3
.....
.
....
+
w -

- K - G -
6 e u y
F IG . 2.2 Problme de sensibilit mixte.
2.2 Rsolution du Problme H

Cette section prsente les techniques de rsolution par variable dtat des pro-
blmes H sous-optimaux et optimaux. Lapproche variable dtat (state-space)
date de 1989 [2] et est aujourdhui la plus riche et la mieux adapte au calcul
numrique. Elle marque un pas dcisif vers une synthse systmatique des asser-
vissements robustes.
2.2.1 Rsolution du problme normalis

Introduisons une ralisation minimale du systme P(s):

P11 (s) P12 (s) D11 D12 C1
(sI A)1

P(s) = = + B1 B2 .
P21 (s) P22 (s) D21 D22 C2
(2.10)
Cette ralisation est associe la description interne suivante (x tant le vecteur
dtat):
x = Ax + B1 w + B2 u
z = C1 x + D11 w + D12 u . (2.11)
y = C2 x + D21 w + D22 u

2. LA SYNTHSE H 54
On supposera que
D12 R p1 m2 ; D21 R p2 m1
avec m1 p2 and p1 m2 . Enfin n dsignera la taille de A, i.e., lordre du systme

P(s).
La solution par variable dtat nest applicable que sous les hypothses sui-
vantes.
(A1) (A,B2 ,C2 ) est stabilisable et dtectable. Cette condition est ncessaire et suffi-
sante pour lexistence dun compensateur qui stabilise le systme de manire
interne.
(A2) Les matrices D12 et D21 sont de plein rang.
(A3)

jI A B2
rang = n + m2
C1 D12
et
jI A B1
rang = n + p2
C2 D21
pour tout R. Autrement dit, P12 (s) et P21 (s) nont pas de zro sur laxe
imaginaire.
Ces deux dernires hypothses sont appeles hypothses de rgularit. Dans un
premier temps, nous ferons en plus les hypothses simplificatrices suivantes dites
de normalisation:
(A4) normalisation: DT12 (D12 ,C1 ) = (I,0) et D21 (DT21 ,BT1 ) = (I,0).
(A5) D22 = 0 et D11 = 0.
On peut toujours satisfaire (A4)-(A5) par des changements de variables appropris.
On a la caractrisation suivante des valeurs sous-optimales de kF (P,K)k pour
le problme normalis [2].
Thorme 2.2.1 Sous les hypothses (A1)-(A5) ci-dessus, il existe un compensa-
teur K(s) qui stabilise le systme de manire interne et assure kF (P,K)k < si et
seulement si:
(i) les quations de Riccati
AT X + XA + X(2 B1 BT1 B2 BT2 )X +C1T C1 = 0; (2.12)

AY +YA T
+Y (2C1T C1 C2T C2 )Y + B1 BT1 =0 (2.13)
ont des solutions stabilisantes X et Y , respectivement.

(ii) Ces solutions vrifient de plus
X 0; Y 0; (XY ) < 2 . (2.14)
Pour la rsolution des quations de Riccati (2.12)-(2.13), on se rfrera lap-

pendice. Lexistence de solutions stabilisantes traduit la contrainte kF (P,K)k <
alors que les conditions de positivit (2.14) assurent la stabilit interne. On rappelle
que si
K(s) = DK +CK (sI AK )1 BK
est une ralisation (minimale) du compensateur, la matrice dtat du systme boucl
est (voir 2.2)
A + B2 DK C2 B2CK
ABF = (2.15)
BK C2 AK
et la stabilit interne est quivalente la stabilit de ABF au sens des matrices.
Le Thorme 2.2.1 suggre un algorithme de dichotomie pour calculer le gain
H -optimal opt . Cet algorithme est connu sous le nom de -itration. On initialise
le processus de dichotomie avec un intervalle [min ,max ] contenant opt et chaque
itration, on limine une moiti de cet intervalle en testant les conditions (i)-(ii) au
point mdian
1
= (min + max ).
2
Si elles sont satisfaites, on a > opt et on rejette la moiti droite de lintervalle. Si-
non, on limine la moiti gauche. Ce schma itratif sarrte lorsque la longueur de
lintervalle tombe en-dessous de la prcision dsire pour opt . A chaque itration,
tester la valeur exige deffectuer les oprations suivantes:
Etape 1: calculer le spectre des matrices Hamiltoniennes
2 B1 BT1 B2 BT2 AT 2C1T C1 C2T C2

A
H = ; J =
C1T C1 AT B1 BT1 A
(2.16)
associes aux quations de Riccati (2.12)-(2.13). Si ces spectres contiennent
des valeurs propres imaginaires pures, conclure que < opt et passer lit-
ration suivante.
PX PY
Etape 2: calculer les sous-espaces invariants stables et de
QX QY
H et J , respectivement. On notera quils sont toujours de dimension n ce
stade. Si PX ou PY est singulire, conclure que < opt et passer litration
suivante. Sinon, calculer les solutions stabilisantes des quations de Riccati
comme:
X = QX PX1 ; Y = QY PY1 .
Etape 3: tester (ii) pour conclure sur la position de par rapport opt .
2. LA SYNTHSE H 56
Signalons que, dans la majeure partie des cas, loptimum est caractris par lgalit
(XY ) = 2opt .
En plus dune caractrisation du gain H -optimal, lapproche variable dtat

fournit galement des formules explicites pour une solution particulire du pro-
blme sous-optimal de paramtre .
Thorme 2.2.2 Supposons (A1)-(A5) et soit > opt . Alors le compensateur
Kc (s) = Cc (sI Ac )1 Bc
avec
Ac = A + (2 B1 BT1 B2 BT2 )X (I 2Y X )1YC2T C2 ;

Bc = (I 2Y X )1YC2T ; Cc = BT2 X (2.17)
stabilise le systme de manire interne et satisfait
kF (P,Kc )k < .
Cette solution particulire du problme H sous-optimal est appele compensateur

central (central controller).
On notera que le compensateur central est strictement propre et dordre gal ce-
lui du systme P(s). Si loptimum est caractris par (XY ) = 2opt , ces formules
deviennent singulires au voisinage de opt (I 2Y X nest plus inversible
loptimum). Cependant, on montre que Kc tend alors vers un compensateur dordre
rduit, la chute dordre tant gale la chute de rang de I 2opt Y X . Cette rduc-
tion dordre provient de la simplification de ple(s) linfini.
On conclut cette section par un exemple illustratif simple.
Exemple 2.2.3 Considrons le systme
!
0 0 1
P(s) = 1 3
s1 1 s2 1
Une ralisation minimale (2.10) de ce systme est obtenue pour

1 1 1 0 1
A= ; B1 = ; B2 = ; C1 = (0,0);
0 1 0 0 1
C2 = (1, 1); D11 = (0,0); D12 = 1; D21 = (0,1); D22 = 0.
On vrifie aisement que ces paramtres satisfont (A1)-(A5). Lalgorithme de -

itration donne alors opt 1.609. Loptimum est caractris par (XY ) = 2opt .
Pour = 1.7, le calcul des paramtres du compensateur central donne:

4.28 3.02 2.41
Ac = ; Bc = ; Cc = (12.86, 6.43)
12.86 7.43 0
soit
s+1
Kc (s) = 31.05 .
s2 + 21.7s + 67.29
La norme de F (G,Kc ) est 1.698 qui est bien infrieure 1.7. Enfin les ples du
systme boucl sont 1, 1, 1.41, 18.29 ce qui confirme la stabilit interne.
Lorsquon approche de opt , le compensateur central volue comme suit:
s+1
= 1.65 Kc (s) =
0.015 s2 + 0.66 s + 2.14
s+1
= 1.61 Kc (s) =
2 104 s2 + 0.62 s + 2.12
s+1
= 1.60949 Kc (s) = .
5 106 s2 + 0.62 s + 2.12
On voit que ce compensateur tend vers le compensateur optimal
s+1 2.42
Kopt (s) = = 1.61 (1 ).
0.62s + 2.12 s + 3.42
On notera la rduction dordre loptimum.
Pour conclure cette section, notons que lorsque +, le compensateur cen-
tral tend vers le compensateur de paramtres:
Ac = A B2 BT2 X YC2T C2 ; Bc = YC2T ; Cc = BT2 X (2.18)
o X et Y sont les solutions stabilisantes des quations de Riccati:
AT X + XA XB2 BT2 X +C1T C1 = 0; (2.19)
AY +YAT YC2T C2Y + B1 BT1 = 0. (2.20)
On reconnat ici le compensateur optimal pour le problme linaire quadratique
Gaussien (LQG) suivant.
Problme LQG: trouver la commande u(t) = F(y(t)) (retour dob-
servation) qui minimise la fonction cot
Z +
T T T
J(u) = E (x C1 C1 x + u u) dt (2.21)
0
pour le systme dcrit par les quations dtat

x(t)
= Ax(t) + B2 u(t) + B1 w(t)
(2.22)
y(t) = C2 x(t) + v(t)
o v et w sont des bruits blancs Gaussiens non corrls de variance
unitaire.
2. LA SYNTHSE H 58
On montre que ce problme est quivalent la minimisation de la norme H2 du

systme boucl, soit
min kF (P,K)k2 .
u=K(s)y
Pour cette raison le compensateur (2.18) est aussi appel compensateur H2 -optimal.
Contrairement au problme H , le compensateur optimal est ici unique. Enfin, rap-
pelons quune forme quivalente de (2.18) est
u(t) = BT2 X x(t)

(2.23)
o x(t)
est lestime de Kalman de ltat x(t) construite en fonction de lobservation
y(t) selon
x(t) + B2 u(t) +YC2T [y(t) C2 x(t)]

= Ax(t) ; = 0.
x(0) (2.24)
La matrice L = YC2T est appele gain de lobservateur de Kalman (2.24).
2.2.2 Solution gnrale des problmes H rguliers

On donne ici la caractrisation de opt et les formules du compensateur central
Kc pour le problme rgulier sous-optimal le plus gnral o seules (A1)-(A3) sont
supposes. Les rsultats sont qualitativement les mmes mais les formules sont plus
complexes. On maintiendra encore lhypothse D22 = 0 puisquelle correspond un
simple changement de variable pour le compensateur. En effet, si K(s) rsout le pro-
blme sous-optimal avec D22 mis zro, alors K(I + D22 K)1 rsout le problme
original.
La contrepartie des quations de Riccati (2.12)-(2.13) est obtenue en rempla-
ant les expressions (2.16) des Hamiltoniens par:

A 0
H = +
C1T C1 AT
1 T
I DT11 D11 DT11 D12
2
D11C1 BT1

B1 B2
;(2.25)
C1T D11 C1T D12 DT12 D11 DT12 D12 DT12C1 BT2
AT

0
J = T +
B1 B1 A
1
C1T C2T 2 I D11 DT11 D11 DT21 D11 BT1 C1

.(2.26)
B1 DT11 B1 DT21 D21 DT11 D21 DT21 D21 BT1 C2
La charactrisation du gain optimal opt est donne par la contrepartie suivante

du Thorme 2.2.1.
Thorme 2.2.4 Sous les hypothses (A1)-(A3) et avec D22 = 0, il existe un com-
pensateur stabilisant de faon interne et tel que kF (G,K)k < si et seulement
si:
(i) > d := max max (I D12 D+ 12 )D11 , max D11 (I D21 D21 ) .
+

(ii) Les quations de Riccati associes aux Hamiltoniens H et J ont des solutions
stabilisantes X = Ric(H ) et Y = Ric(J ).
(iii) Ces solutions vrifient de plus:
X 0; Y 0; (XY ) < 2 .
Pour > opt , lanalogue du compensateur central Kc pour le problme norma-

lis est construit comme suit:
1) calculer une matrice Dc telle que
max (D11 + D12 Dc D21 ) < . (2.27)
Si
12 V1T

T
D12 = (U1 ,U2 ) W ; D21 = Z (21 ,0)
0 V2T
sont des SVD de D12 et D21 , la contrainte (2.27) est quivalente
U1 D11V1 + 12W T Dc Z21 U1T D11V2
T
max <
U2T D11V1 U2T D11V2
qui est en particulier satisfaite pour
Dc = W 1
12 21 Z
1 T
(2.28)
o
n 1 T T o
= U1T D11 I +V2 2d I V2T DT11U2U2T D11V2 V2 D11U2U2T D11 V1

et d est dfini en (i) du Thorme 2.2.4.

2) Calculer les paramtres rduits suivants:
A = A + B2 DcC2 ; B = B1 + B2 Dc D21 ;
C = C1 + D12 DcC2 ; D = D11 + D12 Dc D21 . (2.29)
3) Calculer
h
T
Bc = (I 2Y X )1 YC2T D+ 21 + B +
YC1T + B1 D T11 (2 I D 11 D T11 )1 D D+

21 (2.30)
o
C1 := C1 D11 D+
21C2 ; D 11 := D11 (I D+
21 D21 ).
2. LA SYNTHSE H 60
4) Calculer
h i
T
Cc = D+
12 D+ T
12 B2 X + C + D (2 I D T11 D 11 )1 B T1 X + D T11C1
(2.31)
o
B 1 := B1 B2 D+
12 D11 ; D 11 := (I D12 D+
12 )D11 .
5) Dterminer Ac en rsolvant
(I 2Y X ) Ac = A +2Y A T X +B2Cc +(I 2Y X )BcC2 +

1
I

D C + D12Cc
( Y C ,B + (I Y X )Bc D21 )
1 T 2
.
DT I 1 B T X
(2.32)
2.3 Loop Shaping par les Mthodes H

2.3.1 Solution H du problme de loop shaping
La solution du problme H sous-optimal dcrite plus haut est directement
applicable au problme de sensibilit mixte et donc au loop shaping. Il suffit de cal-
culer une ralisation minimale du systme augment P(s). Pour ce faire, on utilise
les formules de multiplication des ralisations minimales donnes en 2.2. Prenons
lexemple de
w1 (s) w1 (s)G(s)

0 w2 (s)
P(s) =
0 w3 (s)G(s)
I G(s)
et introduisons les ralisations minimales:

AG BG Aw1 Bw1 A Bw2 A
Bw3
G= ; w1 = ; w2 = w 2 ; w3 = w3 .
CG DG Cw1 Dw1 Cw2 Dw2 Cw3
Dw 3
(2.33)
Ici la difficult principale est dassurer la minimalit de la ralisation obtenue pour
P(s). Ainsi, lapproche directe qui consisterait former la matrice de fractions ra-
tionnelles P(s) et en calculer une ralisation nest pas viable en pratique; cause
de lapparition rpte de G(s) notamment, lalgorithme de ralisation a tendance
dupliquer les modes de G et donc fournir une ralisation non minimale.
Pour viter de telles duplications, on peut chercher dcomposer P(s) en un
produit de fonctions de transfert o G,w1 ,w2 ,w3 napparaissent quune seule fois.
61 2.3 LOOP SHAPING PAR LES MTHODES H
Par exemple,

w1 w1 G I G
0 w2 = diag(w1 ,w2 ,w3 ,I) 0 I

P= 0 w3 G 0 G
I G 0 G

I 0 I
0 I 0 I 0
= diag(w1 ,w2 ,w3 ,I)
0 0 I
0 I .
(2.34)
0 G
I 0 I
A partir des ralisations minimales de G,w1 ,w2 et w3 on obtient:

diag(Aw1 ,Aw2 ,Aw3 ) diag(Bw1 ,Bw2 ,Bw3 ) 0
diag(w1 ,w2 ,w3 ,I) = diag(Cw1 ,Cw2 ,Cw3 ) diag(Dw1 ,Dw2 ,Dw3 ) 0 ;
0 0 I

AG 0 BG
I 0 0 I 0
0 I =
0 0 I .

0 G
CG 0 DG
En utilisant la formule de multiplication des ralisations (voir 2.2), on en dduit

AG 0 BG
CG I DG

P = diag(w1 ,w2 ,w3 ,I) 0 0 I

CG 0 DG
CG I DG

AG 0 0 0 0 BG

Bw1 CG Aw1 0 0 Bw1 Bw1 DG

0 0 Aw 2 0 0 Bw2

Bw3 CG 0 0 Aw3 0 Bw3 DG
= . (2.35)

Dw1 CG Cw1 0 0 Dw1 Dw1 DG
0 0 Cw2 0 0 Dw2

Dw3 CG 0 0 Cw3 0 Dw3 DG
CG 0 0 0 I DG
Cette ralisation est bien minimale. On notera que lordre du systme augment
P(s) est la somme des ordres de G et des diffrentes fonctions de pondration:
ordre(P) = ordre(G) + ordre(w1 ) + ordre(w2 ) + ordre(w3 ). (2.36)
Sous rserve que les hypothses (A1)-(A3) soient vrifies, on peut directe-
ment appliquer lalgorithme de -itration pour dterminer si lattnuation = 1 est
2. LA SYNTHSE H 62
faisable. Si oui, le problme de sensibilit mixte de critre

w1 S

kF (P,K)k = w2 KS

<1
w3 T

est solvable et les formules du compensateur central fournissent une solution parti-
culire dordre gal lordre du systme augment. La partie synthse du compen-
sateur est donc immdiate et lessentiel du travail consiste choisir les fonctions de
pondration appropries.
Pour conclure, on donne la contrepartie de (2.35) pour le critre

w 4

w5 G < 1

w6 KG

o = (I + KG)1 . Pour ce critre une ralisation minimale du systme augment

est:
AG 0 0 0 BG BG

0 Aw4 0 0 Bw4 Bw4
B C
w5 G 0 A w5 0 B D
w5 G B D
w5 G

0 0 0 Aw6 0 Bw6
P= . (2.37)

0 Cw4 0 0 Dw4 Dw4
Dw5 CG 0 Cw5 0 Dw5 DG Dw5 DG

0 0 0 Cw6 0 Dw6
CG 0 0 0 DG DG
2.3.2 Choix des fonctions de pondration

Le choix des fonctions de pondration wi est dict par une double proccupa-
tion:
produire le profil dsir pour les valeurs singulires des fonctions de transfert
caractristiques (S,KS,T,G ,...),
assurer que le problme H rsultant est rgulier, cest--dire que (A1)-(A3)
sont vrifies.
Dans le cas SISO, les spcifications de profil sont relativement aises traduire en
terme de pondrations. Si la contrainte sur S est du type
max (S( j)) < |`( j)|,

1
il suffit de choisir w1 (s) = . La tche se rduit donc trouver une fraction ra-
`(s)
tionnelle `(s) dont le profil |`( j)| reflte les contraintes imposes sur max (S( j)).
Le cas MIMO est plus complexe cause des aspects directionnels. Les sp-
cifications peuvent en effet diffrer dune pair entre/sortie lautre; par exemple,
on pourra exiger de bonnes performances de suivi de la consigne r1 par la sortie
y1 , et au contraire une rjection de lentre r2 au niveau de y1 . Ce scnario est clas-
sique lorsquon cherche dcoupler leffet des commandes sur les sorties. De telles
spcifications introduisent des contraintes directionnelles sur S et T ; une mme
frquence , T ( j) devra se comporter comme I dans la direction r1 et comme 0
dans la direction r2 . On est donc amen modeler sparment chaque valeur singu-
lire de S et T . Ceci requiert lutilisation de fonctions de pondration matricielles et
de la reprsentation gnralise (1.45) de lincertitude dynamique.
Une fois dtermins une allure et une expression rationnelle adquates pour
chaque fonction de pondration, il faut sassurer que le problme H rsultant est
solvable par les algorithmes dcrits en section 7. Autrement dit, que les paramtres
de P(s) donns par (2.35) satisfont (A1)-(A3). Cette exigence est purement tech-
nique et lie aux limites de validit de la solution prsente en section 7. Si ces
hypothses tombent, le problme est toujours soluble mais le calcul dune solution
requiert des outils beaucoup plus lourds.
En inspectant la ralisation minimale (2.35) de P, on remarque les faits suivants
(avec les notations standard (2.10)):
P21 (s) = I,

Dw1 DG
Dw2
D12 = Dw DG ,

3
DG
les modes de Aw1 ,Aw2 ,Aw3 sont des modes inobservables de (C2 ,A).
Il en rsulte les contraintes suivantes sur G et les fonctions de pondration:
(a) w1 ,w2 ,w3 doivent tre stables. Tout ple instable invaliderait en effet lhypo-
thse (C2 ,A) dtectable.
(b) Ni G, ni w1 ,w2 ,w3 ne peuvent avoir de ples sur laxe imaginaires. En effet,
tout ple de
AG 0 0 0
Bw1 CG Aw1 0 0
A=
0 0 Aw2 0
Bw3 CG 0 0 Aw3
est un zro de P21 (s) = I.
(c) Si G est strictement propre, pour assurer que D12 est de rang plein il faut obliga-
toirement soit inclure une pondration w2 avec Dw2 de rang plein, soit utiliser
une fonction w3 impropre choisie de sorte que w3 G soit propre et w3 G()
soit de rang plein.
2. LA SYNTHSE H 64
Ces contraintes sont assez restrictives en pratique. On ne peut pas traiter de

systmes G comportant un intgrateur. On ne peut pas non plus mettre dintgrateur
dans w1 , une astuce pourtant utile pour forcer un comportement intgrateur de K.
On montre en effet que si G et w1 comportent respectivement nG et n1 intgrateurs,
K devra inclure au moins n1 nG intgrateurs pour que kw1 Sk reste borne. Enfin,
le degr relatif de w2 ou w3 est fix par celui de G daprs (c). Or, un choix logique
pour w3 serait une fonction de transfert impropre (i.e., comportant une partie poly-
nomiale) puisquon recherche en gnral un gain boucle ouverte nul en trs haute
frquence. Un remde simple consiste ajouter des ples haute-frquence w3 (s)
pour la rendre propre tout en maintenant un gain lev sur la zone utile.
On notera enfin que la contrainte (a) ninterdit vraiment que les ples sur
laxe imaginaire. Les ples partie relle positive peuvent en effet tre rflechis
par rapport laxe imaginaire sans modifier le module de wi ( j). Par exemple,
1 1
w1 (s) = (s1)(s+2) peut tre remplac par w1 (s) = (s+1)(s+2) puisque
1/2
w1 ( j) j + 1 2 + 1
= = = 1.
w1 ( j) j 1 2 + 1
Pour chapper aux restrictions imposes par (A1)-(A3), une pratique coutu-
mire consiste ne se proccuper dans un premier temps que des spcifications du
loop shaping, puis perturber les pondrations obtenues pour les rendre compa-
tibles avec les algorithmes. La modification effectue doit tre suffisamment faible
pour ne pas trop compromettre les spcifications. Elle ne doit cependant pas tre
trop petite car on se heurte alors des difficults numriques lies la proximit de
problmes singuliers.
2.3.3 Exemple de mise en uvre

Lutilisation des techniques H pour le loop shaping et les dtails pratiques de
mise en uvre sont illustrs sur lexemple suivant.
Exemple 2.3.1 Considrons le systme physique simple de la Figure 2.3 constitu
dun ensemble masse-ressort soumis aux frottements de Coulomb Fc = f x.
On veut asservir ce systme en position, cest--dire faire suivre au centre de
gravit x(t) de la masse une consigne r(t) arbitraire. Pour ce faire on dispose dune
mesure de la position x(t) et on peut exercer une commande en force u(t). La com-
mande u est calcule partir de lerreur e(t) = r(t) x(t) et son application est
sujette un retard de T = 0.05 s.
Les spcifications du problme sont les suivantes:
Performance: gain en boucle ouverte suprieur 40 dB de 0 1 rd/s et fr-
quence de coupure c 5 rd/s.
Robustesse: robustesse au retard T et roll-off de 40 dB/dec au del de 50

rd/s ( cause des dynamiques ngliges et des bruits de mesure en haute fr-
quence).
k
..
.. u=F
TTTTTTTTTTS m
-
x
F IG . 2.3 Systme masse-ressort.
+ f x(t)
A partir de lquation dtat mx(t) + kx(t) = u(t), on obtient comme
transfert entre/sortie:
X(s) 1 1 1
G0 (s) = = 2 = (2.38)
U(s) ms + f s + k k s s2
1 + 2 + 2
0 0
o q
0 = m k est la pulsation propre,
0 f f
= 2k = 12 est le facteur damortissement.
km
Ces notations sont standard pour les systmes du second ordre. On utilisera les
valeurs numriques m = 0.01 kg , k = 1 N/m et f = 0.002 N.s/m do
0 = 10 rd/s; = 0.01.
Si K(s) est le compensateur utilis, la commande uc (t) calcule linstant t
vrifie Uc (s) = K(s)X(s). A cause du retard cependant, la commande effectivement
applique linstant t est
u(t) = uc (t T ),
soit en terme de transforme de Laplace:
U(s) = esT Uc (s) = esT K(s)X(s).
Pour synthtiser K(s), il est commode dinclure le retard dans le systme dont la
rponse devient alors:
1 esT
Gexact (s) =
k s s2
1 + 2 + 2
0 0
2. LA SYNTHSE H 66
La structure de la boucle de suivi correspondante est reprsente en Figure 2.4.
Gexact
r + e uc u x
-

- K -
esT - G0 -
F IG . 2.4 Boucle de suivi.
La fonction de transfert Gexact nest pas rationnelle cause du retard esT .

Comme T 1, on fera lapproximation esT 1T s et on prendra comme modle
nominal du systme:
1 1Ts 1 0.05s
G(s) = 2
= (2.39)
k s s 1 + 0.002s + 0.01s2
1 + 2 + 2
0 0
Le diagramme de Bode de ce transfert apparat en Figure 2.5. On notera la rsonance

au voisinage de la pulsation propre 0 .
2
10
Log Magnitude
0
10
2
10
4
10 0 1 2 3
10 10 10 10
0
Phase (degrees)
100
200
300 0 1 2 3
10 10 10 10
F IG . 2.5 Diagramme de Bode du modle.

w1 S
Pour prendre en compte les spcifications on utilisera le critre w3 T .

On commence par dterminer w3 . Le degr relatif de G tant 1, w3 doit tre de la
forme w3 (s) = s w 3 (s) avec w 3 (s) propre et non nulle linfini. Comme kw3 T k <
1 assure la robustesse de la stabilit face aux erreurs dynamiques multiplicatives

bornes par |w3 ( j)| (voir Table 1.1), on choisira |w3 ( j)| comme un majorant de
lerreur multiplicative
Gexact ( j) G( j)
( j) =
G( j)
commise en approximant le retard. Enfin, w3 doit se comporter comme s2 de 50

100 rd/s environ pour assurer un roll-off en 1/s2 . Au del on aura automatiquement
une pente en s2 puisque G(s) et K(s) sont strictement propres. Aprs quelque
ttonnements, on trouve quun choix raisonnable est
s2
w3 (s) = 0.002 .
1 + 0.001s
On a bien le comportement en s2 jusqu 100 rd/s et la comparaison avec le module

de lerreur multiplicative est favorable (voir Figure 2.6).
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 2 4 6 8 10 12 14 16 18 20
: |w3 ( j)| : |( j)|
F IG . 2.6 Comparaison des modules de et w3 .
Le choix de w1 (s) est dict par les spcifications de performance. tant donne
la bonne connaissance du modle en basse frquence on ngligera laspect robus-
tesse des performances. On veut |GK( j)| 40 dB = 100 pour 1, soit approxi-
1
mativement |S( j)| 100 . On peut donc chercher w1 de la forme
1
2
w1 (s) = 100
s + 1
2. LA SYNTHSE H 68
o 1 sera utilis pour rgler la frquence de coupure. Notons que |w1 ( j)| = 1
pour 10 1 et que la frquence de coupure de GK correspondra approximative-
ment celle de w1 . Par consquent on cherchera 1 aux environs de 0.5 rd/s.
Lalgorithme de -itration fournit les valeurs suivantes de opt pour trois va-
leurs test de 1 :
1 = 0.7 opt 1.18 (> 1)
1 = 0.6 opt 0.98 (> 1)
1 = 0.5 opt 0.79 (< 1)
Retenons le compensateur obtenu pour 1 = 0.5 et = 1:
(s + 1000) (s + 4.04) (1 + 0.002s + 0.01s2 )

K(s) = 2.08 . (2.40)
(s + 43) (s + 0.5)2 (7.5 + 0.21s + 0.01s2 )
Le diagramme de Bode du gain de boucle GK est trac en Figure 2.7. La frquence

de coupure est c = 8 rd/s. Enfin, lallure des modules de S et T (en valeur natu-
relles) est visible en Figure 2.8.
2
10
Log Magnitude
0
10
2
10 1 0 1 2
10 10 10 10
0
Phase (degrees)
200
400 1 0 1 2
10 10 10 10
F IG . 2.7 Rponse en boucle ouverte (GK).

1
10
0
10
1
10
2
10
0 10 20 30 40 50 60 70 80 90 100
: |S( j)| : |T ( j)|
F IG . 2.8 Allure de |S| et |T |.
2.3.4 Faiblesses du compensateur central

Lexemple 2.3.1 met en vidence certaines proprits indsirables du compen-
sateur central. La Figure 2.9 compare les amplitudes des rponses de G et de K. On
constate que K se comporte comme un rjecteur cal sur la pulsation propre 0 du
systme. Autrement dit, K place des zros l o G a un mode rsonnant de faon
en annuler leffet et aplanir GK. On dit que K inverse le systme G. Ce compor-
tement est confirm par les expressions (2.39) de G et (2.40) de K o lon constate
une simplification exacte du terme
s s2
1 + 2 + 2 = 1 + 0.002s + 0.01s2
0 0
entre le numrateur de K et le dnominateur de G. Dune manire gnrale, on

montre que K simplifie exactement tous les ples stables de G, w2 et w3 .
Un tel comportement est indsirable en prsence de modes souples , cest--
dire de modes faiblement amortis associs des rsonances mcaniques, lectriques
ou autres. En effet, le compensateur obtenu est cal trop prcisement sur la pulsation
propre 0 pour tre robuste un dplacement de cette pulsation. De tels dplace-
ments sont pourtant courants en pratique, quils soient dus une mesure imparfaite
de la raideur k et du coefficient de frottement f ou une variation de ces para-
mtres. Qualitativement, un tel dplacement est quivalent une variation K qui
G
dsajusterait le compensateur. Cette variation est amplifie par le module de 1+KG
daprs la Table 1.1. Le trac de ce module en Figure 2.10 rvle un pic marqu au
2. LA SYNTHSE H 70
voisinage de 0 . La stabilit et les performances en boucle ferme seront donc trs

peu robustes aux perturbations de la commande ayant une composante frquentielle
autour de 0 , et donc un dplacement de 0 .
Ce manque de robustesse de la stabilit est galement flagrant lorsquon re-
garde les modes de la reprsentation interne du systme boucl. Le calcul du spectre
de la matrice dtat ABF en (1.30) donne en effet
{5.0 10.4, 22.5, 16.3 4.1i, 0.10 9.99i} .
On reconnat en dernire position la paire de modes simplifis dans le produit GK

2
(ce sont les racines de 1 + 2 s0 + s 2 ). Ces modes faiblement amorties nappa-
0
raissent pas dans la relation entre/sortie car ils sont inobservables en boucle ferme.
Ils nen font pas moins partie de la dynamique du systme et peuvent tre excits
par certaines perturbations, notamment les perturbations wi de la commande. Leur
caractre nfaste est vident lorsquon regarde leffet dune impulsion perturbatrice
unitaire wi sur la sortie y (voir Figure 2.11). On constate une amplification impor-
tante de cette perturbation et une rjection trs lente et fortement oscillatoire.
2
10
1
10
0
10
1
10
2
10 0 1 2
10 10 10
: |G( j)| : |K( j)|
F IG . 2.9 Allure de |G| et |K|.
Enfin, lextrme sensibilit un dplacement de 0 est confirme par le fait

quun dplacement de 5% vers la gauche suffit dstabiliser le systme boucl:
pour 0 = 9.5 rd/s la boucle ferme exhibe les deux modes instables 0.75 9.22i.
Par contre, un dplacement vers la droite amliore la stabilit et rduit la sensibilit
G
aux perturbations de u (lamplitude maximale de 1+KG ). La rponse boucle ouverte
est trace pour 0 = 9.5 rd/s et 0 = 10.5 rd/s en Figure 2.12 et 2.13. Au voisinage
de 10 rd/s, on remarque sur le trac damplitude un pic suivi ou prcd dun trou.
Cette allure est caractristique dune pair ple/zro rsonante qui se quasi-simplifie.
2
10
1
10
0
10
1
10
2
10 0 1 2
10 10 10
frequency rad/s.
G
F IG . 2.10 Amplitude de 1+KG ( j).
40
30
20
10
y response
10
20
30
40
0 10 20 30 40 50 60
time sec.
F IG . 2.11 Rjection dune impulsion perturbatrice sur la commande.

2. LA SYNTHSE H 72
La quasi-simplification introduit un dphasage important qui peut dstabiliser le

systme. Cest le cas pour 0 = 9.5 rd/s o lon traverse 180 au voisinage de 0
dB.
2
10
Log Magnitude
0
10
2
10
4
10 1 0 1 2
10 10 10 10
0
Phase (degrees)
200
400 1 0 1 2
10 10 10 10
F IG . 2.12 Rponse boucle ouverte GK( j) pour 0 = 9.5 rd/s.
2
10
Log Magnitude
0
10
2
10 1 0 1 2
10 10 10 10
0
Phase (degrees)
200
400 1 0 1 2
10 10 10 10
F IG . 2.13 Rponse boucle ouverte GK( j) pour 0 = 10.5 rd/s.
2.3.5 Comment prvenir les simplifications exactes?

w 1 S

Le critre de sensibilit mixte w2 KS < 1 produit donc un compensa-

w3 T

teur central qui tend simplifier exactement les modes stables du systme G. Pour
viter ce comportement indsirable en prsence

de modes souples, on peut changer

w 4
< 1 o = (I + KG)1 . La pond-

de critre et utiliser plutt
w5 G

w6 KG

ration w5 permet alors de contrler lamplitude maximale de G = G(I + KG)1
et donc dinterdire la simplification exacte de modes souples. Toute simplification
exacte saccompagne en effet dun pic de G autour du mode rsonant simplifi
(voir Figure 2.10).
Lexemple 2.3.1 est repris ci-dessous et trait laide de ce nouveau critre.
Si lon cherche limiter la norme de G(I + KG)1 aux alentours de 0 dB, il appa-
rat rapidement que les performances basses frquences et la frquence de coupure
spcifies sont irralisables. On doit donc les relaxer et lon aboutit aprs quelques
ttonnements au compromis suivant:
1
4
w4 (s) = 0.7 + 100 avec 1 = 0.3
s + 1
w5 (s) = 0.5
8s
w6 (s) = 1.0 + .
s + 1000
Pour ces donnes loptimum H est opt 1.34 et en prenant = 1.4 on obtient le
compensateur central suivant:
(s + 0.66)(s + 1000)(s2 + s + 0.6)(s2 2.6s + 31.5)
K(s) = 1.46 .
(s2 + 2.4e2 s + 2.2e4)(s + 0.8)4
Son profil de gain est compar celui du systme G en Figure 2.14. On remarquera
que le zro de K est maintenant dcal par rapport la pulsation propre 0 = 10 de
G.
2
10
1
10
0
10
1
10
2
10 0 1 2
10 10 10
: |G( j)| : |K( j)|
F IG . 2.14 Allure de modules de G et K.

2. LA SYNTHSE H 74
La rponse en boucle ouverte GK apparat en Figure 2.15 et les modules des

fonctions de transfert en boucle ferme S,GS et T sont tracs en Figure 2.16.
2
10
Log Magnitude
1
10
0
10
1
10 0 1 2
10 10 10
0
Phase (degrees)
200
400
600 0 1 2
10 10 10
F IG . 2.15 Rponse en boucle ouverte GK.
1
10
0
10
1
10
2
10 0 1 2
10 10 10
: |S( j)| : |T ( j)| : |GS( j)|
F IG . 2.16 Rponses en boucle ferme.
Ce compensateur savre beaucoup plus robuste aux variations de la pulsation

propre 0 puisque le systme asservi peut tolrer des dplacements de 25 % de 0
sans perte de stabilit. Les rponses pour une impulsion excitatrice sont prsentes
sur la Figure 2.17 pour les valeurs de 0 de 10 et 7.5. On apprciera lamliora-
tion de ces rponses une excitation perturbatrice en comparaison avec le premier
design (voir Section 8.3 et Figure 2.11).
Enfin, on notera quun autre remde plus systmatique consiste renoncer au

compensateur central et chercher une meilleure alternative parmi les autres com-
75 2.4 TECHNIQUES LMI POUR LA SYNTHSE H
pensateurs H sous-optimaux. A performances gales on cherchera le compensa-

teur qui amortit le mieux les modes rsonants. Ce problme peut tre rsolu par des
techniques doptimisation convexe.
10
6
0 0.5 1 1.5 2 2.5 3 3.5 4
time sec.
F IG . 2.17 Rponses impulsionnelles.
2.4 Techniques LMI pour la synthse H

En dehors de lapproche fonde sur les quations algbriques de Riccati et
des techniques utilisant des reprsentations en transfert, il existe une approche plus
rcente pour la rsolution du problme H . Il sagit des techniques LMI (Linear
Matrix Inequalities). Ces dernires utilisent une formulation du problme en termes
dingalits matricielles linaires en les variables X et Y introduites prcdemment.
Du fait de la linarit, lensemble ainsi dcrit est convexe et il rsulte de cette pro-
prit que lon peut aisment et avec une grande efficacit calculatoire extraire
une solution particulire. Sans dcrire nouveau la technique, nous donnons ici
quelques lments de la thorie dveloppe par P. Gahinet et P. Apkarian dans [19].
Dans le cadre H , les techniques LMI utilisent le lemme fondamental suivant.
Lemme 2.4.1 Soit un systme T (s) ayant une ralisation en espace dtat donne
par
T (s) := C(sI A)1 B + D .
Les assertions suivantes sont alors quivalentes.
(i) kT (s)k < et A est stable,
2. LA SYNTHSE H 76
(ii) il existe une matrice symmetrique X dfinie positive X > 0 solution de linga-
lit matricielle linaire
T
A X + XA XB CT

BT X I DT < 0 . (2.41)
C D I
Ce rsultat est connu sous la forme du Lemme de Kalman-Popov-Yacubovich et

est dmontr dans [31]. Il est facile de voir que lensemble des solutions de (2.41)
constitue un ensemble convexe dont on peut extraire une solution par des techi-
niques doptimisation trs performantes. Le principe de la dmonstration pour le
problme de synthse H consiste appliquer le lemme prcdent au systme
boucl puis manipuler la condition obtenue jusqu obtenir des conditions plus
simples. On peut raisonnablement esprer obtenir des LMI puisqu elles constituent
une autre caractrisation de la norme H . Ces manipulations dtailles dans [19]
conduisent au rsultat suivant.
Thorme 2.4.2 Il existe un compensateur K(s) solution du problme H subopti-

mal de performance , si et seulement si il existe des matrices symtriques X et Y
solution du problme LMI
XA + AT X XB1 C1T

T
NX 0 NX 0
BT1 X I T
D11 < 0 (2.42)
0 I 0 I
C1 D11 I
YAT + AY YC1T

T B1
NY 0 NY 0
C1Y I D11 < 0 (2.43)
0 I T 0 I
B1 DT11 I

X I
> 0. (2.44)
I Y
o NX et NY sont des bases des noyaux des matrices [C2 D21 ] et [ BT2 DT12 ].
Le systme de LMI ci-dessus peut tre aisment rsolu par des algorithmes de
programmation (convexe) semi-dfinie. Les avantages immdiats de la formulation
LMI sont les suivants:
Les hypothses (A2) et (A2) qui taient ncessaires la technique DGKF
deviennent inutiles ici. On peut donc utiliser la formulation LMI avec une
plus grande libert que lapproche classique.
Les contraintes prcdentes dfinissent un ensemble de solutions et non plus
un point isol, on peut donc utiliser cet arbitraire pour obtenir des compensa-
teurs de nature diffrente du compensateur central de la mthode DGKF. En
77 2.4 TECHNIQUES LMI POUR LA SYNTHSE H
particulier, on a la possibilit de limiter la dynamique du compensateur et de

mieux ngocier les cancellations ples-zros entre le systme et le compensa-
teur. Ces simplifications ples-zros sont souvent sources de problmes dans
les applications. Ces diffrents points sont discuts en dtail dans [19].
Lorsquon dispose dune solution des contraintes LMI (2.42)-(2.44), le compensa-
teur associ est directement obtenu par des relations algbriques [19].
78
Bibliographie
[1] Doyle, J.C., Analysis of Feedback Systems with Structured Uncertainties,

IEE. Proc., vol. 129, pt D (1982), pp. 242-250.
[2] Doyle, J.C., Glover, K., Khargonekar, P., and Francis, B., State-Space So-
lutions to Standard H2 and H Control Problems, IEEE Trans. Aut. Contr.,
AC-34 (1989), pp. 831-847.
[3] Basar, T., and P. Bernhard, H -Optimal Control and Related Minimax Design
Problems - A Dynamic Game Approach, Birkhauser, Boston, 1991.
[4] Boyd, S.P., and C.H. Barratt, Linear Controller Design: Limits of Perfor-
mance, Prentice-Hall, 1991.
[5] Doyle, J.C., B.A. Francis, and A.R. Tannenbaum, Feedback Control Theory,
Macmillan Publishing Company, New York, 1992.
[6] Francis, B., A course in H Control Theory, Lecture Notes in Control and
Information Sciences No. 88, Springer Verlag, Berlin-New York, 1987.
[7] McFarlane, D.C., and K. Glover, Robust Controller Design Using Normalized
Coprime Factor Plant Descriptions, Lecture Notes on Control and Informa-
tion Sciences, vol. 128, Springer-Verlag, 1990.
[8] Stoorvogel, A., The H Control Problem: a State-Space Approach, Prentice
Hall International, Hemel Hempstead, U.K., 1992.
[9] Doyle, J.C. and G. Stein, Multivariable Feedback Design: Concepts for a
Classical/Modern Synthesis, IEEE Trans. Aut. Contr., AC-26 (1981), pp. 4-
16.
[10] Doyle, J.C., Lecture Notes on Advances in Multivariable Control, Technical
Report, Honeywell, Minneapolis, 1984.
[11] Freudenberg, J.C. and D.P. Looze, Relation between Properties of Multiva-
riable Feedback Systems at Different Loop-Breaking Points: Part I, Proc.
CDC, 1985, pp. 250-256.
[12] Freudenberg, J.C. and D.P. Looze, Relation between Properties of Multiva-
riable Feedback Systems at Different Loop-Breaking Points: Part II, Proc.
Amer. Contr. Conf., 1986, pp. 771-777.
79 BIBLIOGRAPHIE
[13] Freudenberg, J.C. and D.P. Looze, Right-Half Plane Poles and Zeros and De-
sign Tradeoffs in Feedback Systems, IEEE Trans. Aut. Contr., AC-30 (1985),
pp. 555-565.
[14] Freudenberg, J.C. and D.P. Looze, The Relation between Open-Loop and
Closed-Loop Properties of Multivariable Feedback Systems, IEEE Trans.
Aut. Contr., AC-31 (1986), pp. 333-340.
[15] Stein, G. and J.C. Doyle,Beyond Singular Values and Loop Shapes, J. Gui-
dance, 14 (1991), pp. 5-16.
[16] Bernstein, D.S., and W.M. Haddad, LQG Control with an H Performance
Bound : a Riccati Equation Approach, IEEE Trans. Aut. Contr., AC-34
(1989), pp. 293-305.
[17] Chiang, R.Y. and M.G. Safonov, Modern CACSD Using the Robust Control
Toolbox, Proc. Conf. Aerospace and Computational Contr., Oxnard, CA,
1989.
[18] Doyle, J.C., Glover, K., Khargonekar, P., and Francis, B., State-Space So-
lutions to Standard H2 and H Control Problems, IEEE Trans. Aut. Contr.,
AC-34 (1989), pp. 831-847.
[19] Gahinet, P. and P. Apkarian, A Linear Matrix Inequality Approach to H
Control, Int. J. Robust and Nonlinear Contr., vol. 4, (1994) pp. 421-448.
[20] Glover, K. and J.C. Doyle, State-space Formulae for all Stabilizing Control-
lers that Satisfy an H -norm Bound and Relations to Risk Sensitivity, Syst.
Contr. Letters, 11 (1988), pp. 167-172.
[21] Glover, K. and D. Mustafa, Derivation of the Maximum Entropy H -
Controller and a State-Space Formula for its Entropy, Int. J. Contr., 50 (1989),
pp. 899-916.
[22] Glover, K., D.J.N. Limebeer, J.C. Doyle, E.M. Kasenally, and M.G. Safonov,
A Characterization of all Solutions to the Four-Block General Distance Pro-
blem, SIAM J. Contr. Opt., 29 (1991), pp. 283-324.
[23] Khargonekar, P.P., and M.A. Rotea,Mixed H2 /H Control: a Convex Optimi-
zation Approach, IEEE Trans. Aut. Contr., 39 (1991), pp. 824-837.
[24] Kwakernaak, H., A Polynomial Approach to Minimax Frequency Domain
Optimization of Multivariable Feedback Systems, Int. J. Contr., 44 (1986),
pp. 117-156.
[25] Kwakernaak, H., The Polynomial Approach to H -Optimal Regulation,
Lecture Notes of the 1990 CIME Course on Recent Developments in H
Control Theory, Como, Italy, 1990.
[26] Limebeer, D.J.N., B.D.O. Anderson, P.P. Khargonekar, and M. Green, A
Game-Theoretic Approach to H Control for Time-Varying Systems, SIAM
J. Contr. Opt., 30 (1992), pp. 262-283.
BIBLIOGRAPHIE 80
[27] Mustafa, D. and K. Glover, Controller which Satisfy a Closed-Loop H -

Norm Bound and Maximize an Entropy Integral, Proc. CDC, 1988, pp. 959-
964.
[28] Peterson, I.R., B.D.O. Anderson, and E.A. Jonckheere, A First Principles So-
lution to the Non-Singular H Control Problem, Int. J. of Robust and Nonli-
near Control, 1 (1991), pp. 171-185.
[29] Sampei, M., T. Mita, and M. Nakamichi, An Algebraic Approach to H Out-
put Feedback Control Problems, Syst. Contr. Letters, 14 (1990), pp. 13-24.
[30] Safonov, M.G., D.J. Limebeer and R.Y. Chiang, Simplifying the H Theory
via Loop-Shifting, Matrix-Pencil and Descriptor Concepts, Int. J. Contr., 50
(1989), pp. 2467-2488.
[31] Scherer, C., The Riccati Inequality and State-Space H -Optimal Control, Ph.D
Thesis, University of Wurzburg, Germany, 1990.
[32] Scherer, C., H Optimization without Assumptions on Finite or Infinite Ze-
ros, SIAM J. Contr. Opt., 30 (1992), pp. 143-166.
[33] Sefton, J. and K. Glover, Pole/Zero Cancellations in the General H Problem
with Reference to a Two Block Design, Syst. Contr. Letters, 14 (1990), pp.
295-306.
[34] Stoorvogel, A.A., The Singular H Control Problem with Dynamic Measu-
rement Feedback, SIAM J. Contr. Opt., 29 (1991), pp. 160-184.
[35] Tsai, M.C., E.J.M. Geddes, and I. Postlethwaite, Pole-Zero Cancellations and
Closed-Loop Properties of an H Mixed-Sensitivity Design Problem, Proc.
CDC, 1990, pp. 1028-1029.
[36] Whittle, P., Risk-Sensitive Linear/Quadratic/Gaussian Control, Adv. Appl.
Prob., 13 (1981), pp. 764-777.
[37] Apkarian, P., and J.C. Morris, Robust Modal Controllers: New H / Synthe-
sis Structures, 1992.
[38] Apkarian, P., and P. Gahinet,A Convex Characterization of Parameter De-
pendent H Controllers, submitted to IEEE Trans. Aut. Contr., December
1992.
[39] Doyle, J.C., J.E. Wall, and G. Stein, Performance and Robustness Analysis
for Structured Uncertainty, Proc. CDC, 1982, pp. 629-636.
[40] Haddad, W.M. and D.S. Berstein,Explicit Construction of Quadratic Lyapu-
nov Functions for the Small Gain, Positivity, Circle, and Popov Theorems and
their Application to Robust Stability, Proc. CDC, 1991, pp. 2618-2623.
[41] Stein, G. and J.C. Doyle,Beyond Singular Values and Loop Shapes, J. Gui-
dance, 14 (1991), pp. 5-16. 49 (1989), pp. 2215-2240.
[42] Khargonekar, P.P., I.R. Petersen, and K. Zhou, Robust Stabilization of Uncer-
tain Linear Systems: Quadratic Stability and H Control Theory, IEEE Trans.
Aut. Contr., AC-35 (1990), pp. 356-361.
81 BIBLIOGRAPHIE
[43] Balas, G. J., and J. C. Doyle,Robust Control of Flexible Modes in the Control-
ler Crossover Region, Proc. Amer. Contr. Conf., 1989.
[44] Chang, B.C., X.P. Li, S.S. Banda, and H.H. Yeh, Design of an H Optimal
Controller by Using DGKFs State-Space Formulas, Proc. CDC, 1990, pp.
2632-2633.
[45] Kuraoko, H., N. Ohka, M. Ohba, S. Hosoe, and F. Zhang, Application of H-
Infinity Design to Automotive Fuel Control, IEEE Contr. Syst. Mag., 1990,
pp. 102-106.
[46] Safonov, M.G. and R.Y. Chiang, CACSD Using the State-Space L Theory:
A Design Example, Proc. Conf. on CACSD, 1986, pp. 95-101.
[47] Safonov, M.G. and R.Y. Chiang, CACSD Using the State-Space L Theory:
A Design Example, IEEE Trans. Aut. Contr., AC-33 (1988), pp. 477-479.
[48] Safonov, R.Y. Chiang and H. Flashner, H Robust Control Synthesis for
a Large Space Structure, Proc. Amer. Contr. Conf., Atlanta, GA, 1988, pp.
2038-2045.
[49] Bruisma, N.A., and M. Steinbuch, A Fast Algorithm to Compute the H -
Norm of a Transfer Function Matrix, Syst. Contr. Letters, 14 (1990), pp. 287-
293.
[50] Chiang, R.Y. and M.G. Safonov, Robust Control Toolbox, So. Natick, MA,
MathWorks, 1988.
[51] Gahinet, P. and P. Pandey, A Fast and Numerically Robust Algorithm for
Computing the H Optimum, Proc. CDC, 1991, pp. 200-205.
[52] Robel, G., On Computing the Infinity Norm, IEEE Trans. Aut. Contr., AC-34
(1989), pp. 882-884.
[53] Scherer, C., H -Control by State-Feedback and Fast Algorithms for the Com-
putation of Optimal H -Norms, IEEE Trans. Aut. Contr., AC-35 (1990), pp.
1090-1099.
[54] Shen, T., and T. Tamura, Properties of Algebraic Riccati Inequalities and H
Robust Suboptimal Controller Design, Proc. CDC, pp. 212-213, 1991.
83
Chapitre 3
Techniques de -analyse et de
synthse
On synthtise a priori une loi de commande sur un modle nominal du pro-

cessus. On veut vrifier a posteriori que la boucle ferme demeure stable (voire
performante) en prsence des invitables erreurs de modlisation.
On fait lhypothse que le processus (modle + incertitudes de modle asso-
cies) est linaire invariant dans le temps. Les erreurs de modlisation peuvent tre
de deux types, savoir des incertitudes paramtriques (incertitudes sur la valeur des
paramtres physiques du processus) et des dynamiques mal connues ou ngliges
(mconnaissance de la dynamique haute frquence en entre et en sortie du pro-
cessus). La analyse fournit un cadre gnral pour ltude de la robustesse dune
boucle ferme soumise ces deux types dincertitudes de modle.
Nous introduisons graduellement le problme danalyse de la stabilit robuste
dans les deux premiers paragraphes (robustesse paramtrique, robustesse aux dyna-
miques ngliges, cas gnral). La valeur singulire structure (VSS) est dfinie
formellement nous nous intressons ensuite au problme de la performance robuste.
On traite galement du problme de mise sous forme de LFT de processus param-
triquement incertains, puis nous introduisons des algorithmes pour le calcul effectif
de la VSS. Enfin, dans une dernire partie de ce chapitre, nous exploitons cet outil
danalyse pour dfinir une technique de synthse systmatique de compensateurs
robustes: cest la synthse.
3. TECHNIQUES DE -ANALYSE ET DE SYNTHSE 84
3.1 Cas particulier de la robustesse paramtrique

Avant denvisager le cas dincertitudes gnrales, nous examinons tout dabord
le cas dincertitudes paramtriques.
3.1.1 Obtention du schma dinterconnection standard
- M(s)
F IG . 3.1 Schma dinterconnection standard pour la analyse.
Considrons une boucle ferme soumise diffrentes perturbations de modle

(incertitudes paramtriques + dynamiques ngliges). Si lon dsire appliquer les
techniques de analyse, la premire tape consiste transformer cette boucle fer-
me de faon se ramener au schma dinterconnection standard M(s) de la
figure 3.1
La matrice contient les incertitudes de modle. La matrice de transfert M(s)
contient la boucle ferme nominale ainsi que les effets des incertitudes sur la boucle
ferme. Par construction, le schma dinterconnection M(s) est asymptotique-
ment stable si et seulement si la boucle ferme originale soumise aux diffrentes
incertitudes de modle est elle mme asymptotiquement stable.
Dans le cadre de ce paragraphe, nous nous intressons brivement une m-
thode dobtention du schma dinterconnection standard dans le cas particulier din-
certitudes purement paramtriques de modle (nous reviendrons plus compltement
sur cette mthode en 3.5).
Supposons que les incertitudes paramtriques i entrent de faon affine dans

les quations dtat du processus commander :
x = (A0 + Ai i )x + (B0 + Bi i )u
i i
y = (C0 + Ci i )x + (D0 + Di i )u (3.1)
i i
85 3.1 CAS PARTICULIER DE LA ROBUSTESSE PARAMTRIQUE
i [1,1] reprsente la variation normalise du ime paramtre incertain. La m-

thode de Morton [8] (que nous dtaillerons plus loin) permet de mettre le processus
commander sous la forme dune LFT y = FL (H(s),)u, o u et y sont les entres
et sorties du processus (voir figure 3.2).
est alors une matrice diagonale de la forme :
= diag(i Iqi ) (3.2)
le scalaire i est donc rpt qi fois, o qi est le rang de la matrice augmente Pi :

Ai Bi
Pi = (3.3)
Ci Di
u - - y
H(s)
-
F IG . 3.2 mise sous forme de LFT du processus incertain.
+ h u y
- - K(s) -
- 6
H(s)
-

w z
F IG . 3.3 Obtention du schma dinterconnection standard.
Lide est donc de rajouter des entres / sorties fictives, de faon faire appa-
ratre les incertitudes sous forme dun retour interne au processus. De fait, il suffit
maintenant de connecter les entres / sorties u et y du processus incertain (voir fi-

gure 3.2) avec les entres / sorties du correcteur (voir figure 1.3) pour obtenir le
schma dinterconnection standard de la figure 3.1 : M(s) correspond sur la figure
3.3 la matrice de transfert vue par la perturbation de modle, cest dire au
transfert entre les entres w et les sorties z.
Par construction, les ples de la boucle ferme originale soumise aux diff-
rentes incertitudes i de modle concident avec les ples de la boucle ferme cor-
respondant au schma dinterconnection M(s) , avec = diag(i Iqi ).
Voici un exemple simple dans lequel un systme en rgime autonome est re-
prsent par une forme M(s) . Considrons lquation dun systme mcanique
m0 x + f0 (1 + 2 )x + k0 (1 + 1 )x = 0
o 1 , 2 dsignent des incertitudes relatives sur le frottement et la raideur, respec-

tivement. Une reprsentation dtat quivalente de ce systme est donne par

x1 0 1 x1
= (3.4)
x2 (1 + 1 )k0 /m0 (1 + 2 ) f0 /m0 x2
On vrifie alors directement que ce systme est compltement quivalent la

forme M(s)- dcrite comme suit. La reprsentation dtat de M(s) est donne par:

x1 0 1 x1 0 0 w1
= +

x2 k0 /m0 f0 /m0 x2 k0 /m0 f0 /m0 w2

z1 1 0 x1
=

z2 0 1 x2

(3.5)
Lincertitude intervient travers la relation de feedback:
1 0

w1 z1
=
w2 0 2 z2
3.1.2 Introduction la analyse relle

On introduit maintenant lhypercube unit H dans lespace des paramtres i :
D = { = [1 . . . n ] | i R et |i | 1} (3.6)
On peut alors formuler le problme soit comme un test de robustesse ("la boucle
ferme de la figure 3.1 est elle stable quels que soient les paramtres incertains
lintrieur de H ?"), soit comme un calcul de la marge de robustesse ("Quelle est la
plus grande valeur kmax de k telle que la boucle ferme soit stable lintrieur de
lhypercube kD?").
On peut rsoudre le deuxime problme en cherchant la plus petite valeur de k
87 3.1 CAS PARTICULIER DE LA ROBUSTESSE PARAMTRIQUE
pour laquelle la boucle ferme devient marginalement stable ( un ou plusieurs ples

sur laxe imaginaire) pour une incertitude paramtrique lintrieur de kH.
On rappelle tout dabord le lien entre les polynmes caractristiques de la

boucle ouverte (PBO (s,)) et de la boucle ferme (PBF (s,)) dans le cas de la fi-
gure 3.1 :
PBF (s,) det(I kM(s))
= (3.7)
PBO (s,) det(I kM())
On suppose que H et on se souvient que = diag(i Iqi ). On fait ensuite
crotre la valeur de k partir de 0 : dans la mesure o la boucle ferme nominale
est suppose asymptotiquement stable (ce qui conduit une matrice de transfert
M(s) asymptotiquement stable), on peut affirmer que la boucle ferme devient mar-
ginalement stable avant de devenir instable (du fait de la continuit des racines du
polynme PBF (s,) en fonction du vecteur de paramtres incertains).
Au vu de lquation (3.7), on peut dautre part constater le lien entre la sin-

gularit de la matrice I kM( j0 ) et la prsence dun ple de la boucle ferme
sur laxe imaginaire en j0 .
Tout ceci nous conduit dfinir la valeur singulire structure (M( j)) la
pulsation comme :
1
(M( j)) = min(k / kD avec = diag(i Iqi ) et det(I M( j)) = 0)

On notera dautre part que (M( j)) est choisi gal 0 sil nexiste pas de pertur-
bation structure de modle = diag(i Iqi ) vrifiant det(I M( j)) = 0.
De fait, 1/(M( j)) peut tre interprt comme la taille de la plus petite incer-
titude paramtrique qui amne un ple de la boucle ferme sur laxe imaginaire
en j. La marge de robustesse kmax peut ensuite tre obtenue comme :
kmax = min 1/(M( j)) (3.8)

[0,]
kmax correspond la taille de la plus petite incertitude paramtrique qui amne un

ple de la boucle ferme sur laxe imaginaire.
Remarque : il existe plusieurs raisons pour lesquelles on prfre manipuler la VSS

(M( j)) plutt que la marge de stabilit multivariable 1/(M( j)). On peut dj
remarquer que la VSS (M( j)) ne peut prendre de valeur infinie (du fait de lhypo-
thse dune boucle ferme nominale asymptotiquement stable), alors que la marge
de stabilit multivariable peut devenir infinie (sil nexiste pas de perturbation struc-
ture de modle capable de dstabiliser la boucle ferme). Nous verrons par ailleurs
que la VSS peut tre galement considre comme une extension de notions alg-
briques classiques, savoir le rayon spectral et la valeur singulire maximale dune
matrice (voir paragraphes 3.3.2 et 3.6).
3.1.3 Choix des pondrations sur les incertitudes

Le schma dinterconnection de la figure 3.1 contient implicitement des pon-
drations sur les diffrentes incertitudes paramtriques, de faon considrer des
incertitudes normalises i entre -1 et +1. Ces pondrations jouent un rle critique
en pratique, comme nous lillustrons maintenant.
Reprenons le cas dincertitudes paramtriques i entrant de faon affine dans

les quations dtat du processus commander :
x = (A0 + Ai i )x + (B0 + Bi i )u
i i
y = (C0 + Ci i )x + (D0 + Di i )u (3.9)
i i
stable 2
0 1
instable
F IG . 3.4 Domaines de stabilit garantis dans lespace des paramtres incertains

(le point 0 correspond la valeur nominale des paramtres).
On fait lhypothse que chacun des i appartient un intervalle fix a priori

[i , i ], et on pose i = ai + bi i , en choisissant les ai et bi de faon se ramener
i [1,1].
Dans un souci de simplicit, on considre le cas de 2 paramtres 1 et 2 . De
fait, on peut diviser lespace des i en deux sous espaces, selon que la boucle ferme
89 3.2 CAS GNRAL
est stable ou instable en un point donn de ce sous espace. La frontire entre ces 2
sous-espaces correspond au cas o la boucle ferme est marginalement stable (voir
figure 3.4).
Rappelons que la analyse nous permet de garantir la stabilit lintrieur
dun hypercube kH dans lespace des paramtres incertains normaliss i 1 . De fait,
cet hypercube correspond un rectangle dans lespace des i 2 . Si lon joue sur les
longueurs spcifies a priori des intervalles (i.e. sur la valeur de i i ), on constate
que diffrents choix de ces longueurs conduisent diffrents rectangles de stabilit
dans lespace des i (voir figure3.4).
3.2 Cas gnral

Le cas gnral que nous examinons ci-dessous correspond au cas dincerti-
tudes de diffrentes natures qui peuvent apparaitre simultanment dans le schma
de commande.
3.2.1 Cas dune seule dynamique nglige
z w
- (s)
+ h- +
- K(s) h
- ? - G(s) -
- 6 +
F IG . 3.5 Cas dune dynamique nglige.
On considre dans un premier temps le cas dune seule dynamique nglige,

correspondant une matrice de transfert inconnue (s), prsente en entre du pro-
cessus commander (voir figure 3.5). Cette dynamique nglige peut en particulier
reprsenter une incertitude sur la dynamique haute frquence des actionneurs 3 . Il
est trs facile de se ramener au schma dinterconnection standard M(s) (s), en
considrant que M(s) correspond au transfert entre les entres w et les sorties z.
1. i.e. i [k,k]
2. i.e. i [ki , ki ]
3. De faon plus raliste, il faudrait rajouter une pondration frquentielle pour pouvoir moduler
la mconnaissance de la dynamique des actionneurs en fonction du domaine de frquences - voir
chapitre???.
Si lon travaille la frquence , on peut dj remarquer que la matrice de

transfert (s) devient une matrice complexe ( j) sans structure particulire (par
opposition, la matrice dfinie par lquation (3.2) possdait une structure trs par-
ticulire puisque tait diagonale). On appelle une telle matrice complexe sans
structure particulire un "bloc complexe plein".
Dautre part, comme on la vu dans le chapitre ???, le thorme du petit gain
appliqu au schma M(s) (s) fournit une condition ncessaire et suffisante de
stabilit de la boucle ferme chaque frquence :
1
(( j)) (3.10)
(M( j))
3.2.2 Cas de plusieurs dynamiques ngliges
z1 w1 z2 w2
- 1(s) - 2(s)
+ h- + ? + ?
- K(s) - h- G(s) - h -
- 6 + +
F IG . 3.6 Cas de 2 dynamiques ngliges.
On considre maintenant lexemple de deux dynamiques ngliges 1 (s) et

2 (s) prsentes en entre et en sortie du processus commander (voir figure 3.6).
Ces dynamiques ngliges peuvent permettre de prendre simultanment en compte
des incertitudes sur la dynamique haute frquence des actionneurs et des capteurs.
Pour se ramener au schma dinterconnection standard M(s) (s), il suffit de
remarquer que M(s) correspond au transfert entre les entres (w1 ,w2 ) et les sorties
(z1 ,z2 ). La matrice (s) correspondante scrit par ailleurs :
1 (s)

0
(s) = (3.11)
0 2 (s)
On travaille la frquence , de sorte que les matrices de transfert i (s) deviennent

des blocs complexes pleins i ( j). Au vu de lquation (3.11), la matrice ( j)
apparat maintenant structure, puisquelle est diagonale par blocs. De ce fait, lap-
plication du thorme du petit gain au schma M(s) (s) fournira un rsultat
conservatif, puisque lon ne va pas prendre en compte la structure particulire de
91 3.2 CAS GNRAL
(s) (i.e. on va faire lhypothse que ( j) est un bloc complexe plein).
Plus gnralement, si lon dispose de m blocs de dynamiques ngliges dissmi-

ns dans la boucle ferme, on peut comme prcdemment se ramener au schma
dinterconnection standard M(s) (s), avec :
(s) = diag(1 (s), . . . ,m (s)) (3.12)
Comme dans le cas dincertitudes paramtriques, on travaille une frquence

donne et on montre que la prsence dun ple sur laxe imaginaire en j se tra-
duit par la singularit de la matrice I ( j)M( j).
On dfinit plus prcisement la boule unit de matrices de transfert B(s) :
B(s) = {(s) = diag(1 (s), . . . ,m (s)) | k(s)k 1} (3.13)
A la frquence , cette boule unit devient :
B( j) = {( j) = diag(1 ( j), . . . ,m ( j)) | (( j)) 1} (3.14)
En raison de la structure diagonale par blocs de , les relations k(s)k 1 et

(( j)) 1 se traduisent par k j (s)k 1 et ( j ( j)) 1 pour chacune des
dynamiques ngliges.
On introduit la VSS (M( j)) la pulsation comme :
(M( j)) = {min(k | ( j) kB( j) avec det(I ( j)M( j)) = 0)}1

= 0 s0 il n0 existe pas une telle paire (k,( j))
Comme prcdemment, la marge de robustesse kmax est obtenue comme linverse de

la VSS maximale sur le domaine de frquences (voir quation (3.8)). Cette marge
de robustesse kmax est maintenant dfinie comme la plus grande valeur de k, telle
que la boucle ferme demeure stable en prsence de dynamiques ngliges j (s)
vrifiant k j (s)k k.
3.2.3 Cas gnral
z1 w1 z2 w2
- (s) - (s)
1 2
+ h- + +
- K(s) h
- ? - h
- ? -
- + +
6
H(s)
-
3
w3 z3
F IG . 3.7 Cas gnral.
On traite dans un premier temps le problme des incertitudes paramtriques,

en mettant le processus commander sous forme de LFT. On boucle ensuite avec le
correcteur et on rajoute les dynamiques ngliges en diffrents points de la boucle
ferme. On peut alors se ramener au schma dinterconnection standard M(s)(s)
en considrant que M(s) correspond au transfert vu par la perturbation structure de
modle (s).
Dans le cas de la figure 3.7, on pose :
3 = diag(1 Iq1 , . . . ,r Iqr ) (3.15)
(s) secrit alors:
(s) = diag(1 (s),2 (s),1 Iq1 , . . . ,r Iqr ) (3.16)
Dautre part, la matrice de transfert M(s) correspond au transfert entre les entres
(w1 ,w2 ,w3 ) et les sorties (z1 ,z2 ,z3 ). Dun point de vue qualitatif, dans lquation
(3.16), on peut penser aux paramtres rels incertains i comme des gains sta-
tiques, tandis que les dynamiques ngliges j (s) correspondent des matrices de
transfert.
93 3.3 DFINITION DE LA VSS
3.3 Dfinition de la VSS

Nous introduisons maintenant de faon formelle la VSS (M) associe une
matrice complexe M et une perturbation structure de modle . En pratique, la
matrice complexe M peut typiquement correspondre la valeur dune matrice de
transfert M(s) en s = j.
3.3.1 Notations et dfinitions

Soit la perturbation structure de modle :
= diag(1 Ik1 , . . . ,mr Ikmr ,C1 , . . . ,CmC ) (3.17)
Cette perturbation contient donc mr scalaires rels i (ventuellement rpts si

ki > 1) et mC blocs complexes pleins Cj (de dimension kCj ). La structure de la pertur-
bation est donc entirement dfinie par les entiers mr , mC , (ki )i[1,mr ] et (kCj ) j[1,mC ] .
Au vu des paragraphes prcdents, les scalaires i reprsentent des incerti-
tudes paramtriques, tandis que les blocs complexes pleins Cj reprsentent des dy-
namiques ngliges une pulsation donne.
Si ne contient que des blocs complexes pleins (resp. des scalaires rels ven-
tuellement rpts), on parle de perturbation complexe (resp. relle) de modle. Si
contient simultanment des blocs complexes pleins et des scalaires rels, on parle
alors de perturbation mixte 4 .
On introduit maintenant la boule unit B dans lespace de la perturbation

structure :
B = { / () 1} (3.18)
Notons que la relation () 1 se traduit par i [1,1] pour les scalaires rels et
par (Cj ) 1 pour les blocs complexes pleins. On dfinit enfin la VSS comme :
(M) = {min(k / kB avec det(I M) = 0)}1 (3.19)

0 0
= 0 s iln existepasdetel(k,)
3.3.2 Cas de perturbations de structure particulire

Si lon considre une structure quelconque pour la perturbation de modle,
on ne dispose pas dune expression analytique de la VSS (M). Cependant, dans
4. Dans un souci de simplicit, on ne traite pas le cas plus gnral dune perturbation contenant
des scalaires rels (ventuellement rpts), des scalaires complexes rpts et des blocs complexes
pleins (voire des blocs rels pleins).
le cas o correspond un seul bloc complexe plein (resp. seul scalaire rel
rpt), il savre que la VSS (M) concide avec la valeur singulire maximale
(M) (resp. le rayon spectral rel R (M)).
Si correspond un seul bloc complexe plein, il suffit de se reporter au cha-

pitre ??? et au paragraphe 3.2.1 pour pouvoir affirmer que (M) = (M). On rap-
pelle en effet que le thorme du petit gain fournit une condition ncessaire et suf-
fisante de stabilit face une perturbation non structure de modle.
On peut utiliser plus prcisment le rsultat suivant : si A est une matrice com-
plexe, la taille de la plus petite perturbation complexe , qui rende singulire la
matrice A + , vaut (A). Si lon revient maintenant notre problme initial, et si
lon fait lhypothse (forte) dune matrice M inversible, la singularit de la matrice
I M est alors quivalente la singularit de la matrice M 1 . Ds lors, la
taille de la plus petite perturbation non structure , qui rende singulire la matrice
I M, est :
1 1
(M 1 ) = = (3.20)
(M) (M)
Si correspond un seul scalaire rel rpt Ir , nous allons montrer sim-

plement que (M) = R (M). On rappelle tout dabord que le rayon spectral rel
R (M) reprsente la valeur absolue de la plus grande valeur propre relle de M :
R (M) = max{|i (M)| / i (M) R} (3.21)
R (M) est pris gal 0 si M ne possde pas de valeur propre relle.

On peut dj noter que la singularit de la matrice I M se traduit par lexis-
tence dun vecteur x de norme unit vrifiant :
(I M)x = 0 (3.22)
soit encore :
1
Mx = x (3.23)

1/ et x correspondent donc une valeur propre et un vecteur propre de M. On a
fait dautre part lhypothse que tait un scalaire rel, dont on cherche minimiser
la taille. Au vu de la relation (3.23), (M) correspond donc la valeur absolue de
la plus grande valeur propre relle de M.
95 3.3 DFINITION DE LA VSS
3.3.3 Problmes thoriques

Utilisation dun maillage frquentiel
En pratique, on calcule classiquement la VSS (M( j)) sur un nombre fini

de frquences (i )i[1,N] et on en dduit la marge de robustesse kmax :
1
= max (M( ji )) (3.24)
kmax i[1,N]
On fait donc (de faon quelque peu abusive) une hypothse de rgularit de la VSS
en fonction de la frquence. Si lon maille de faon suffisamment fine le domaine
des frquences, on obtient de fait de bons rsultats dans beaucoup de cas pratiques
(voir les exemples dapplication - pilotage dun avion ou dun missile, . . . ).
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0 1 0 1 2
10 10 10 10
F IG . 3.8 Exemple de courbe de variation de la VSS en fonction de la frquence

dans le cas de systmes flexibles.
Notons cependant que lon peut rencontrer des problmes dans un certain
nombre de cas spcifiques (structures flexibles en particulier) : le problme est plus
prcisment li la prsence de pics hauts et fins sur la courbe de variation de
(M( j)) en fonction de la frquence (voir figure 3.8). Du fait que la VSS
(M( j)) varie trop rapidement en fonction de , la technique classique consis-
tant utiliser un maillage frquentiel ne peut plus tre considre comme fiable et
on peut envisager alors de calculer directement la valeur maximale de la VSS sur
un intervalle de frquences. Les mthodes de rsolution dun tel problme sont ce-
pendant beaucoup plus dlicates manipuler. Il existe mme des cas pathologiques,
pour lesquels la VSS est une fonction discontinue de la frquence. On rencontre
en particulier ce genre de problmes dans le cas de systmes conservatifs (i.e. des
systmes du second ordre non amortis).
Calcul dun intervalle de la VSS
On calcule rarement en pratique la valeur exacte de la VSS : on calcule plus g-

nralement un intervalle (i.e des bornes infrieure et suprieure). La raison premire
rside dans le caractre NP complet du problme [1]. On montre en effet quil ne
peut pas exister dalgorithme calculant dans tous les cas la valeur exacte de la VSS
en temps polynomial (i.e. avec un volume de calcul crossant de faon polynomiale
avec la taille du problme).
De fait, il existe un certain nombre dalgorithmes de calcul dune borne inf-
rieure ou suprieure de la VSS dans le cas de perturbations de modle complexe,
relle ou mixte. Ces algorithmes sont temps polynomial ou exponentiel selon le
cas. Nous prsenterons en particulier dans le paragraphe 1.6 deux mthodes clas-
siques permettant de calculer une borne infrieure [15] et une borne suprieure [5]
de la VSS mixte en temps polynomial.
Remarques : rfrence(i) Lorsquon calcule un intervalle de la VSS, on ne peut

trs gnralement pas garantir a priori lcart entre les bornes infrieure et sup-
rieure de la VSS.
(ii) Lorsquon manipule une borne suprieure de la VSS, on obtient in fine une
borne infrieure kL de la marge de robustesse kmax . Dans le cas dune perturbation
relle de modle, on peut donc garantir la stabilit de la boucle ferme lintrieur
de lhypercube kL H (voir paragraphe 1.1).
(iii) On utilise assez typiquement une borne infrieure de la VSS pour mesurer le
conservatisme de la borne suprieure : lcart entre les deux bornes peut savrer
assez faible sur des exemples ralistes (voir les exemples dapplication ainsi que la
[7]), de sorte que le rsultat fourni par une borne suprieure de la VSS nest pas
ncessairement rellement conservatif.
97 3.4 PERFORMANCE ROBUSTE
3.4 Performance robuste

On peut dfinir la performance robuste de deux faons diffrentes. Dans le cas
dune perturbation structure relle de modle, on peut sintresser la robustesse
du placement des ples de la boucle ferme malgr des incertitudes sur les para-
mtres du processus (paragraphe 3.4.1).
Dans le cas plus gnral dune perturbation structure mixte de modle, une
autre solution consiste vrifier que certaines matrices de transfert de la boucle fer-
me vrifient un gabarit en prsence dincertitudes paramtriques et de dynamiques
ngliges (paragraphe 3.4.3).
Pour pouvoir tudier ce deuxime problme, on introduit dabord dans le pa-
ragraphe 3.4.2 un rsultat fondamental de la analyse, savoir le thorme de la
boucle principale. On utilise ensuite ce rsultat pour transformer le problme dana-
lyse de la performance robuste en un problme augment danalyse de la stabilit
robuste, dans lequel on a rajout un bloc complexe plein (ou plus gnralement une
perturbation complexe de modle).
3.4.1 Robustesse dun placement de ples

Comme dans le paragraphe 3.1, nous faisons lhypothse que la perturbation
structure de modle ne contient que des scalaires rels ventuellement rpts.
Nous avions montr en particulier dans le paragraphe 3.1.2 que la analyse avait
pour but de dtecter le passage sur laxe imaginaire dun des ples de la boucle fer-
me.
Il sagissait ds lors de calculer la VSS (M( j)) le long de laxe imaginaire,
pour en dduire ensuite la marge de robustesse kmax . Au vu de lquation (3.7), on
peut cependant remarquer que la singularit de la matrice I M(s0 ) traduit plus
gnralement la prsence dun ple de la boucle ferme au point s0 du plan com-
plexe.
Au lieu de considrer simplement le demi-plan gauche, lide est de consid-
rer plus gnralement dautres types de rgions du plan complexe. Si lon fait
lhypothse que les ples de la boucle ferme nominale appartiennent la rgion
, on calcule ensuite la VSS sur la frontire de et on dduit la taille de la plus
petite perturbation relle de modle, qui amne un ple de la boucle ferme sur cette
frontire.
De nombreuses rgions sont a priori envisageables. Il peut sagir par exemple
du disque unit dans le cas dune boucle ferme discrte. Dans le cas de systmes
continus, on peut choisir en particulier un secteur tronqu dans le plan complexe
(voir figure 3.9). Dans ce dernier cas, la performance est alors dfinie en terme de
valeurs minimales min et min pour lamortissement des ples et le degr de stabi-
lit 5 .
Cette spcification peut traduire dans une certaine mesure des objectifs tempo-
rels, tels que le temps de rponse et le dpassement de la rponse indicielle ou la
rapidit dattnuation dune perturbation agissant sur la boucle ferme.
5. Si A reprsente la matrice dtat de la boucle ferme, le degr de stabilit est dfini par :
= maxi Re(i (A)) o i (A) reprsente une valeur propre de A.
99 3.4 PERFORMANCE ROBUSTE
min
min
F IG . 3.9 Etude de la robustesse dun placement de ples.
3.4.2 Thorme de la boucle principale
1
w - z
M
-
2
F IG . 3.10 Problme augment pour ltude de la performance robuste.
On considre le schma dinterconnection standard M(s) (voir figure 1.1)

et on scinde en deux perturbations mixtes de modle 1 et 2 :
1 0

= (3.25)
0 2
On travaille une frquence donne, de sorte que M reprsente maintenant une

matrice complexe. On partitionne M en accord avec lquation (3.25) :

M11 M12
M= (3.26)
M21 M22
Le fait davoir scind en deux perturbations 1 et 2 nous permet de recrire le
schma M(s) de la figure 1.1 sous la forme quivalente de la figure 3.10.
Posons 1 = 0 et notons Fl (M,2 ) le transfert entre lentre w et la sortie z (voir

figure 3.11). Nous pouvons maintenant noncer le thorme de la boucle princi-
pale:

2 (M22 ) < 1
(M) < 1 (3.27)
max2 B2 1 (Fl (M,2 )) < 1

Nous utilisons dans la suite le thorme de la boucle principale dans le cadre de

ltude de la performance robuste. Notons cependant que ce thorme a dautres
applications.
w - z-
M
-
2
F IG . 3.11 performance robuste.
3.4.3 Vrification dun gabarit frquentiel

Comme nous lavons vu dans le chapitre ???, on peut dfinir un objectif de
performance en terme de minimisation de la norme H dune matrice de transfert.
Si lon dfinit par exemple un gabarit W1 sur la fonction de sensibilit S de la boucle
ferme nominale, la performance nominale est assure si :
kW1 Sk 1 (3.28)
On peut galement dfinir un objectif de performance en terme de minimisation

dun signal derreur z(t) en rponse une perturbation extrieure w(t). L encore,
101 3.5 FORME LFT POUR LES INCERTITUDES PARAMTRIQUES
si lon note M11 le transfert entre w et z, la performance nominale est assure si :

kM11 k 1 (3.29)
Si lon introduit une perturbation structure de modle 2 (voir figure 1.11), le
transfert entre w et z correspond maintenant la LFT Fl (M,2 ):
Fl (M,2 ) = M11 + M12 2 (I M22 2 )1 M21 (3.30)
o M est partitionn comme dans lquation (3.26).
On travaille une frquence donne. On peut garantir la performance malgr

une incertitude de modle 2 lintrieur de la boule unit B2 si et seulement si :
(i) la stabilit robuste de la boucle ferme est vrifie :
2 (M22 ( j)) < 1 (3.31)
(ii) le transfert entre w et z reste infrieur 1 malgr lincertitude de modle
2 :
max (Fl (M( j),2 )) < 1 (3.32)
2 B2
On introduit fictivement le bloc complexe plein 1 (voir figure 1.10). Si lon se

rfre au paragraphe 3.3.2, on peut remarquer que :
(Fl (M( j),2 )) = 1 (Fl (M( j),2 )) (3.33)
Considrons ds lors la perturbation augmente de modle (voir quation (3.25)).
Le thorme de la boucle principale nous permet daffirmer que les deux conditions
prcdentes sont vrifies si et seulement si :
(M( j)) < 1 (3.34)
On peut donc ramener un problme danalyse de la performance robuste un pro-
blme augment danalyse de la stabilit robuste, dans lequel on a rajout un bloc
fictif de performance 1 . Ce bloc peut tre ventuellement structur : si les signaux
w et z scrivent w = [w1 , . . . ,wm ]T et z = [z1 , . . . ,zm ]T , et si lon ne sintresse quaux
transferts entre les signaux scalaires wi et zi , le bloc de performance 1 sera main-
tenant choisi diagonal.
3.5 Forme LFT pour les incertitudes paramtriques

On considre le cas dincertitudes paramtriques i entrant de faon affine dans
les quations dtat de la boucle ferme :
N N
x = (A0 + Ai i )x + (B0 + Bi i )u
i=1 i=1
N N
y = (C0 + Ci i )x + (D0 + Di i )u (3.35)
i=1 i=1
avec dim x = n, dim u = nu et dim y = ny .

On peut recrire les quations ci-dessus sous la forme :
N
x x
= (P0 + Pi i ) (3.36)
y i=1
u
avec ( j [0,N]) :

Aj Bj
Pj = (3.37)
Cj Dj
Comme on la dit prcdemment, lide consiste rajouter des entres / sorties
fictives w et z supplmentaires, de faon faire apparatre les incertitudes i sous
forme dun retour interne au processus (w = z, avec = diag(i Iqi )).
On introduit donc le systme augment :
A0 B0 B0

x x x
y = Q u = C0 D0 D12 u (3.38)
z w C0 D21 D22 w
ainsi que le retour interne au processus w = z.
Les matrices (A0 ,B0 ,C0 ,D0 ) correspondent au modle nominal du processus
( = 0). On cherche des matrices (B0 ,C0 ,D12 ,D21 ,D22 ) ainsi quune perturbation
structure de modle vrifiant ( RN ) :
N
x x x
= (P0 + Pi i ) = Fl (Q ,) (3.39)
y i=1
u u
La LFT Fl (Q ,) scrit :
Fl (Q ,) = Q11 + Q12 (I Q22 )1 Q21 (3.40)
avec :

Q11 Q12
Q= (3.41)
Q21 Q22

A0 B0
Q11 = (3.42)
C0 D0
B0

Q21 = C0 D21 Q22 = D22

Q12 = (3.43)
D12
103 3.5 FORME LFT POUR LES INCERTITUDES PARAMTRIQUES
Eu gard la linarit des expressions en fonction des paramtres i , on peut dores

et dj poser Q22 = 0. On cherche donc maintenant des matrices Q21 et Q12 vri-
fiant:
N
Pii = Q12Q21 (3.44)
i=1
Soit qi le rang de la matrice Pi . On peut factoriser Pi sous la forme :

Li T T
Pi = R i Zi (3.45)
Wi
avec Li Rn,qi , Wi Rny ,qi , Ri Rn,qi et Zi Rnu ,qi . On peut ds lors crire :

Li
i Pi = i Iqi RTi ZiT

(3.46)
Wi
On en dduit que :
1 Iq1 RT1 Z1T

N
L1 . . . LN
Pii = W1 . . . WN
... ... ... (3.47)
i=1 N IqN RTN ZNT
Se rfrant lquation ci-dessus, ainsi quaux quations (3.43) et (3.44), on obtient

par identification :
B0 = [L1 . . . LN ]
D12 = [W1 . . . WN ]
C0 = [R1 . . . RN ]T
D21 = [Z1 . . . ZN ]T
D22 = 0
= diag(i Iqi ) (3.48)
Dans une dernire tape, on se replace dans un formalisme entre - sortie. Lqua-
tion (3.35) correspond une matrice de transfert y = G(s,)u, tandis que lquation
(3.38) correspond la matrice de transfert augmente :

y u
= H(s) (3.49)
z w
Si lon utilise le retour w = z, on obtient bien :
y = G(s,)u = Fl (H(s),)u (3.50)

3.6 Mthodes de calcul de la VSS mixte

De nombreux travaux ont port sur le calcul de la VSS. Diffrents critres
permettent de classer les algorithmes existants :
Nature de la perturbation structure de modle : on peut distinguer deux
grandes classes, selon que lon considre une perturbation relle de modle
ou une perturbation mixte 6 .
Nature du rsultat : on peut calculer soit la valeur exacte, soit une borne inf-
rieure, soit une borne suprieure de la VSS
Volume de calcul : on peut distinguer deux grandes classes de mthodes, se-
lon que le volume de calcul est une fonction polynomiale ou exponentielle
de la taille du problme (on parle alors dalgorithme temps polynomial ou
exponentiel). On peut cependant noter que le volume de calcul requis peut
varier considrablement dune mthode lautre lintrieur dune mme
classe dalgorithmes. Rappelons dautre part que tout algorithme qui calcule
la valeur exacte de la VSS est ncessairement temps exponentiel (voir para-
graphe 3.3.3).
En consquence, il y a un compromis raliser entre [7] :
le degr de prcision souhait pour le calcul de la VSS (si on calcule des
bornes infrieure et suprieure, ce degr de prcision correspond lcart
entre les deux bornes 7 )
Le temps de calcul requis
La dimension du problme
Dans le cas de problmes de petite dimension, il est tout fait envisageable duti-
liser des algorithmes temps exponentiel. Par contre, on ne peut gure utiliser que
quelques mthodes temps polynomial pour les problmes de grande dimension.
Nous nous concentrons ici sur les mthodes de calcul de la VSS complexe ou
mixte, et plus prcisement sur les mthodes classiques proposes par [2, 10, 15, 5].
Ces mthodes prsentent lintrt dtre immdiatement disponibles dans la " Ana-
lysis and Synthesis Toolbox" de Matlab (voir galement [13, 14] pour le calcul
dune borne suprieure de la VSS complexe ou mixte - ces mthodes sont dispo-
nibles dans la "Robust Control Toolbox").
6. pour des raisons historiques, on peut inclure le cas dune perturbation complexe de modle
dans le cas plus gnral dune perturbation mixte.
7. Si les algorithmes de calcul des bornes infrieure et suprieure sont temps polynomial, on
peut noter que lon ne pourra pas garantir a priori lcart entre les bornes (i.e. ce dernier problme
est galement NP complet).
105 3.6 MTHODES DE CALCUL DE LA VSS MIXTE
3.6.1 Calcul dune borne suprieure de la VSS

On considre le schma dinterconnection standard M(s) (s) de la figure
1.12(a). Le thorme du petit gain fournit immdiatement une borne suprieure de
la VSS la frquence (M = M( j)) :
(M) (M) (3.51)
Le thorme du petit gain ne prend cependant pas en compte la structure de la

perturbation (s). On introduit donc un multiplieur D(s) pour diminuer le conser-
vatisme de la borne suprieure [13].
Ce multiplieur D(s) doit avoir la proprit de commuter avec la perturbation
(s) de modle, i.e. :
D1 (s)(s)D(s) = (s) (3.52)
On peut ds lors introduire ce multiplieur dans la boucle ferme M(s) (s) sans
modifier les proprits de stabilit (voir figure 3.12(b)).
- M(s)
- M(s)
?
D1 (s) D(s)
(s)
6
(s)
(a) (b)
F IG . 3.12 schma dinterconnection standard et petit gain.
On se place la frquence et on note D = D( j) et M = M( j). La structure

de la perturbation de modle est dcrite par lquation (voir page 93) :
= diag(1 Ik1 , . . . ,mr Ikmr ,C1 , . . . ,CmC ) (3.53)
Cette perturbation contient donc mr scalaires rels i (ventuellement rpts si

ki > 1) et mC blocs complexes pleins Cj (de dimension kCj ).
Pour vrifier lquation (3.52), le multiplieur D peut appartenir lensemble
suivant :
D = {D = diag(D1 , . . . ,Dmr ,d1 IkC1 , . . . ,dmC IkCm )

C
ki ,ki
avec D i = DH
i > 0,Di C et d j > 0} (3.54)
La nouvelle borne suprieure de scrit :
(M) inf (DMD1 ) (3.55)

DD
Il sagit donc de minimiser le conservatisme de cette borne suprieure par un choix

optimal du multiplieur D. Le problme doptimisation associ est convexe et non
diffrentiable, et il existe de fait de nombreuses mthodes pour le rsoudre de faon
optimale ou sous-optimale (voir [2, 13, 9] et les rfrences incluses).
Remarque : cette borne suprieure peut encore scrire 8 :

q
inf (DMD1 ) = inf (M DM,D) (3.56)
DD DD
de sorte que le problme se ramne un problme de type LMI (Linear Matrix In-
equality), avec minimisation dune valeur propre gnralise.
Cette borne suprieue savre trs gnralement peu conservative dans le cas dune
perturbation complexe de modle ne contenant que des blocs complexes pleins.
Dans le cas dune perturbation mixte de modle, le problme rside dans le fait que
lon na pas pris en compte le caractre rel des incertitudes paramtriques i . On a
fait en effet implicitement lhypothse dincertitudes paramtriques i complexes,
de sorte que la borne suprieure de correspondant lquation (3.55) peut savrer
trs restrictive dans le cas dune perturbation mixte de modle.
Lide consiste rajouter une multiplieur G qui prend en compte le caractre

rel des scalaires i . Ce multiplieur G appartient lensemble G suivant :
G = {G = diag(G1 , . . . ,Gmr ,0kC1 , . . . ,0kCm ) avec Gi = GHi Cki ,ki } (3.57)

C
La nouvelle borne suprieure de secrit alors :

v
(M) umax(0, inf (M DM + j(GM M G),D))
u
(3.58)
DD
u
t
GG
On notera que lon retrouve la borne suprieure du complexe (voir quation 3.55))
en posant G = 0. Dautre part, le problme doptimisation associ cette nouvelle
borne suprieure est quasi-convexe et non diffrentiable. Il peut tre rsolu, soit
laide dun algorithme gnral de rsolution de LMI (problme de minimisation
dune valeur propre gnralise), soit en utilisant les proprits spcifiques du pro-
blme [19].
q
8. plus prcisment, on a (DMD1 ) = (M D2 M,D2 ), sachant que D D D2 D .
107 3.6 MTHODES DE CALCUL DE LA VSS MIXTE
Exemple: Revenons lexemple du systme (3.4), dans lequel nous prendrons

les valeurs numriques
k0 f0
= 1, = 1.
m0 m0
Notre objectif est dvaluer les marges paramtriques de ce systme par rapport aux
paramtres 1 et 2 . De part sa simplicit, il est facile de voir que ce systme est
stable dans le carr
(1 ,2 ) [1, 1] [1, 1].
Nous allons donc essayer de confirmer ce rsultat par le calcul de la borne sup-
rieure de qui va donner une estimation le plus gnralement pessimiste de la taille
du carr recherch. Pour ce faire, on calcul la fonction de transfert de la partie no-
minale (3.5) en un certain nombre de frquences et on calcule le pic de la courbe
ainsi obtenue. Ce pic est alors prcisment linverse de la marge paramtrique du
systme incertain. Dans cet exemple, on obtient la courbe de la figure 3.13.
mu borne sup.
1
10
mu borne sup.
0
10
1
10
2
10
2 1 0 1 2
10 10 10 10 10
freq. rad/s
F IG . 3.13 Courbe de la VSS
Comme le pic lu sur le graphique nest autre que 1, on en dduit que la marge
paramtrque du systme est gale 1/1 = 1. Autrement dit, dans ce cas on obtient
une valeur exacte pour les marges paramtriques du systme.
3.6.2 Calcul dune borne infrieure de la VSS

Nous avons vu dans le paragraphe prcdent que le calcul dune borne sup-
rieure de la VSS conduit un problme doptimisation convexe ou quasi-convexe
de type LMI. On peut par ailleurs noter que lon na gnralement pas galit entre
la valeur exacte de et sa borne suprieure (quil sagisse dune perturbation com-

plexe ou mixte de modle).
A contrario, nous allons voir que le calcul dune borne infrieure conduit
un problme doptimisation non convexe, et que le maximum global concide avec
la valeur exacte de la VSS. Ceci dit, on ne pourra obtenir de faon gnrale quun
maximum local, i.e. une borne infrieure de la VSS.
Nous introduisons dans la proposition suivante le problme doptimisation non
convexe associ au calcul dune borne infrieure de la VSS. M reprsente une ma-
trice complexe.
Proposition 3.6.1
(M) = max R (M) (3.59)

B
Dmonstration : on cherche une perturbation structure de modle , pour laquelle

il existe un vecteur x vrifiant :
(I M)x = 0 (3.60)
peut encore scrire :

1
= 0 avec 0 B (3.61)

Lquation (3.60) scrit de faon quivalente :
0 Mx = x (3.62)
de sorte que est une valeur propre de la matrice 0 M. Comme on cherche la

perturbation dstabilisante de taille minimale, on cherche donc la valeur maximale
de , i.e. la valeur maximale du rayon spectral rel de la matrice 0 M pour 0 B.
5
On introduit maintenant lensemble Q :
Q = { / ri [1,1] et C
j j = I}
C
(3.63)
Proposition 3.6.2
(M) = max R (QM) (3.64)

QQ
Si lon compare les propositions 1 et 2, on constate quil suffit de chercher la pertur-

bation dstabilisante sur la frontire de la boule unit dans le cas de perturbations
complexes de modle (i.e. C j j = I). On ne peut par contre faire aucune hypo-
C
thse sur les perturbations relles de modle (i.e. ri [1,1]).

109 3.7 LA -SYNTHSE
La question est maintenant de savoir comment rsoudre le problme dopti-

misation, sachant que lon ne pourra obtenir dans le cas gnral quun minimum
local et que le temps de calcul mis en jeu doit tre minimal. Une solution classique
[10, 15] consiste recrire les conditions ncessaires doptimalit associes au pro-
blme doptimisation sous la forme f (x) = x, o f est une fonction vectorielle du
vecteur x. On utilise ensuite une mthode heuristique de rsolution de type point
fixe, i.e. on cherche une limite x de la suite xk+1 = f (xk ).
Si la suite converge, x vrifie les conditions ncessaires doptimalit et lon
a donc obtenu un minimum local, i.e. une borne infrieure de la VSS. Il faut ce-
pendant noter que le rsultat x dpend a priori de la valeur initiale x0 de la suite
(du fait que le problme doptimisation nest pas convexe). Dautre part, la suite ne
converge pas ncessairement vers une limite (on peut assez typiquement obtenir un
cycle limite doscillation).
En pratique, lalgorithme prsente gnralement de bonnes proprits de conver-
gence et peut permettre dobtenir avec un cot de calcul rduit une borne infrieure
de la VSS de bonne qualit. Notons cependant que les proprits de convergence
de lalgorithme se dgradent considrablement dans le cas dune perturbation pure-
ment relle de modle.
3.7 La -synthse
La -synthse consiste en la construction explicite dun compensateur K(s)
miminisant la VSS du systme. Il sagit donc dune technique de commande ro-
buste qui sappuie sur loutil danalyse que nous venons dintroduire. Comme nous
lavons indiqu, il est en gnral trs difficile de calculer la valeur de . Nous allons
utiliser la borne suprieure dveloppe dans la section prcdente.
3.7.1 Exemple
Pour introduire la technique, nous considerons lexemple suivant:
d
W2 2 1
+ +
e
K G0 +
W1
- +
G0 dsigne le systme nominal et K(s) le compensateur recherch. 2 est une

erreur de modle en entre et suppose normalise (k2 k < 1). W2 (s) dsigne un
filtre de pondration dfinissant les caractristiques frquentielles de lincertitude.

De mme, W1 (s) est un filtre de pondration sur le critre de performance dfini
par le transfert de d vers e. On peut associer ce critre une incertitude fictive 1
normalise, cest dire k1 k < 1.
Notre objectif est de trouver un correcteur K(s) stabilisant tel que la norme H
du transfert entre d et e soit infrieur 1 pour tout 2 de norme k2 k < 1. Il sagit
donc de raliser une certaine robustesse en performance.
Comme nous lavons vu, le systme prcdemment peut tre recrit sous une
configuration quivalente de type M(s)- comme sur la figure suivante.
M(K)
F IG . 3.14 Mise sous forme standard pour lanalyse
Les differents transferts tant donns par:

1

W 2 T W2 T G 0

M =

W 1 SG 0 W 1S
1

T = KG0 (I + KG0 )

S = (I + G0 K)1
2 0

=

0 1
Ayant formul le problme en ces termes, la technique de -synthse consiste

construire un compensateur assurant la stabilit robuste de la boucle ferme en pr-
sence de lincertitude qui admet dans cet exemple la structure
1 0

=
0 2
Lapplication directe de la technique H en revanche serait trs conservative car elle

ne prendrait pas en compte la structure particulire de notre problme.
111 3.7 LA -SYNTHSE
3.7.2 Problme gnral

La -synthse allie le concept de valeur singulire structure et la technique
H pour concevoir des compensateurs pour des systmes incertitudes structures.
Dans la suite, nous dsignerons par K est le compensateur recherch, P la matrice
de transfert dinterconnection qui dcrit lachitecture de commande, et les relations
entre les spcifications z et signaux e qui peuvent aussi tre vus comme des signaux
exognes (rfrences, perturbations, bruits) non boucl, et les mesures y et ls com-
mandes u. dsigne un bloc gnral dincertitude dont certains sous-blocs peuvent
tre interprts comme des performances.
La schma gnrale du problme de -synthse est reprsent sur la figure
suivante:
z e
P
y u
K
F IG . 3.15 Interconnection pour la synthse
Cette forme standard est quivalente celle reprsente en 3.14 o :
M(K) = Fl (P,K) = P11 + P12 K(I P22 K)1 P21

avec la notation
P11 P12
P=
P21 P22
On peut appliquer 2 types dopration sur linterconnection prcdente.
Pour un compensateur donn, on peut effectuer une analyse pour valuer
les performances et la stabilit du compensateur. Cette opration doit donc
prendre en compte la structure de qui caractrise notre problme.
On peut galement effectuer une synthse H de manire rduire limpact
des incertitudes sur le systme. Dans ce cas, on minimisera le transfert entre
e et z laide dun compensateur K(s).
Lorsque les incertitudes ne sont pas structures et consiste en un seul bloc plein
, lutilisation directe de la technique H pour construire le compensateur nest pas
restrictive et donne le meilleur rsultat possible. Ceci car la valeur de se confond
dans ce cas avec la norme H . En revanche, lorsque les incertitudes sont structures
il faut modifier la technique de manire exploiter la structure spcifique de
et ainsi obtenir des compensateurs de meilleure qualit. Nous dcrivons dans ce
qui suit une voie possible pour affiner et amliorer des compensateurs issus de la
synthse H .
Comme la vraie valeur de nest en gnral pas calculable, nous allons exploi-
ter la borne suivante:
(Fl (P,K)) (DF

1
l (P,K)D ) avec D D
En dautres termes, on cherche minimiser sur lensemble des compensateurs

stabilisants, la borne suprieure de indique dans lexpression prcdente. Ceci se
traduit formellement par
minimiser max min [D

Fl (P,K)( j)D1
] (3.65)
D D
D est choisi parmi les lments de D , indpendamment de D0 , donc (3.65)

est quivalent :
minimiser min max [D

Fl (P,K)( j)D1
] (3.66)
D D
| {z }
k.k

Si nous dipsosons dune matrice de transfert D(s) stable et minimum de

phase, telle que D(s) concide avec chacun des D calculs aux pulsations aux pul-
sation j, alors le problme de minimisation ci-dessus sapparente la minimisa-
tion de la norme H de

D(s)F 1
l (P(s),K(s))D(s)
Ce dernier problme est prcisment le problme de mu synthse dans lequel on

cherche minimiser par rapport K(s) et D(s) la norme suivante:
l (P,K)D 1 k
kDF (3.67)
3.7.3 La D K itration
Une mthode de rsolution pour minimiser kDF l (P,K)D 1 k par rapport K et
D est deffectuer une minimisation alternative. D tant fix, on optimise K et puis K
tant fix, on minimise vis--vis de D et ainsi de suite jusqua convergence. Notons
en particulier les points suivants.
113 3.7 LA -SYNTHSE

D(s) fix, le problme se rduit un simple problme H , comme sur la
figure suivante.
D P D-1 PD
K K
o PD est dfini par 1

D 0 D

0
P
0 I 0 I
Ce problme sexprime donc sous la forme
l (P,K)D 1 k ouminimiser kFl (PD ,K)k ,
minimiser kDF (3.68)
et est donc rsolu par les techniques dcrites au chapitre 2.
Pour K fix, lexpression est minimise chaque frquence par rapport D.
Ce problme se traduit par un problme convexe que lon peut aisment rsoudre
par des techniques de programmation semi-dfinie. Lorsqu une famille de matrices
D a t dtermine sur un ensemble fini de frquence, on procde alors une in-
terpolation de ces donnes par une matrice de transfert stable inversible et inverse
stable.
Les 2 tapes dcrites prcdemment constituent ce que lon appelle les D K
itrations, faisant rfrence au fait que lon minimise sparment en K puis en D.
Cette approche de la -synthse a t applique de nombreux problmes
pratiques et a souvent donn satisfaction. Il faut noter cependant, que la procdure
prcdente ne garantit en rien loptimalit de K et D. En effet, chaque tape de la
D K itration est parfaitement rsolue car elle se caractrise par des proprits de
convexit. Malheureusement, il ny a pas convexit jointe en les variables (D,K) et
la solution obtenue ne peut tre que locale.
Il est noter, par ailleurs, cette procdure peut conduire la synthse dun
correcteur d ordre lev en termes de nombre dtat. En effet, la synthse H donne
un correcteur dont lordre est gal celui du systme PD . Or, ce systme est le
systme form par la mise en cascade des scalings D(s) et D(s)1 avec la matrice
de transfert P(s). On voit donc que lordre du correcteur dpend troitement de
lordre des scalings que lon utilise dans linterpolation.
3.7.4 La D G,K itration

Lapproche prcdente qui constitue la synthse classique sappui sur une
procdure danalyse correspondant des incertitudes complexes. Cest dire que les
scalings D ne prennent pas vritablement en compte le caractre rel de lincertitude

ce qui peut tre trs restrictif dans le cas dincertitudes paramtriques. Il existe
dautres procdures de synthse visant prendre en compte plus prcisment le cas
dincertitudes relles ou paramtriques. Cest le cas de la technique des D G,K
itrations introduite par Young dans [11]. Cette procdure plus complexe exploite
la VSS mixte et fait donc appel une matrice de scaling additionnelle G. Comme
pour la synthse classique, on remplace le calcul de par une borne suprieure
qui est ici la VSS mixte. Cette borne suprieure peut galement scrire [12] :
DMD1

1/2
(M) inf inf / jG I + G 2
1
DD ,GG R,>0
Le calcul de cette borne suprieure pour une matrice M donne se fait aisment
par lutilisation de la programmation semi-dfinie car ce problme est caractris
par des proprits de convexit. Le problme de la -synthse dans le cas dincerti-
tudes mixtes dynamiques et paramtriques se formule de manire analogue au cas
classique sous la forme:
minimiser sup inf inf {()/ 1}

R D()D ,G()G R,>0
o
D()Fl (P,K)( j)D1 ()

1/2
= 2
jG() I + G ()
()
Les diffrentes tapes de la procdure globale stablit comme suit. Pour
K(s) fix, la dtermination de D(), G() et () est un simple calcul danalyse
par la VSS mixte. Les matrices de scaling D(), G() et () sont calcules pour
un certain nombre de frquences, les fonctions de transfert D(s), G(s) et (s) sont
alors calcules par interpolation des donnes frquentielles et doivent vrifies des
conditions de stabilit.
Pour D(s), G(s), (s) fixs, le calcul de K(s) peut tre rsolu par utilisation
de la synthse H .
On en dduit la procdure de D G,K itration dcrite ci-dessous.
Etape 1 : Trouver des estimations initiales des scalings D() et G() ainsi
que le scalaire rel positif . Une possibilit est de prendre pour les scalings
D() la matrice identit chaque frquence. Si G() est choisie comme tant
la matrice nulle chaque frquence, doit satisfaire :
D()Fl (P,K)( j)D1 ()

1/2
jG() I + G () 2
1

pour tout , pour un compensateur stabilisant, K.

115 3.7 LA -SYNTHSE
Etape 2 : Faire une interpolation des matrices D() et jG() (obtenues

certaines frquences), de faon obtenir les matrices de transfert D(s) et G(s).
(D( j) approximera D() et G( j) approximera jG()). Par des mthodes
de factorisation spectrale, obtenir Gh telle que (I + G G)1 = Gh Gh (Gh tant
stable). Puis former le systme PDG = (DPD1 G)Gh .
Etape 3 : Faire une synthse H pour trouver un compensateur K(s) qui mi-
nimise kFl (PDG ,K)k . Le schma de cette K-itration est donn par la figure
suivante :
z e
D D -1 Gh
P
y u PDG
K
Etape 4 : Calculer dfini par :
= sup inf inf {()/ 1}

R
D()
D ,G()G ()R,()>0
o
1 ()

D()Fl (P,K)( j)D 1/2
=
jG() 2
I + G ()
()

Etape 5 : Trouver ensuite D()
et G() en rsolvant le problme de minimi-
sation frquence par frquence :
1 ()

D()F l (P,K)( j)D 1/2
inf
jG() 2
I + G ()

D()D
K ,G()G K ()
Etape 6 : Comparer les nouvelles matrices de scalings D()

et G() avec
les prcdentes estimes D() et G(). Arrter le processus si elles sont
proches ; sinon remplacer les matrices D() et G() par D()
et G() res-
pectivement et boucler sur ltape 2 jusqu convergence.
Cette procdure propose par Young est comme on le voit beaucoup plus com-
plexe que la synthse classique et nest pas sans poser des intressants difficults
de nature algorithmique. Par ailleurs, comme la synthse classique, elle ne ga-
rantit aucune proprit de globalit quant la solution obtenue. La dfinition dal-
gorithmes directs et robustes pour minimiser la VSS mixte est encore un sujet de
recherche dactualit.
3.7.5 Conclusion
Dans ce chapitre, nous avons introduit 2 techniques, une technique danalyse
et une technique de synthse. La technique de analyse que nous avons discute
donne des rsultats trs satisfaisants en pratique car elle peut tre utilise pour vali-
der un compensateur arbitraire obtenu de manire indpendante. Elle permet donc
de certifier les proprits du systme command en termes de stabilit et de perfor-
mances.
La technique de synthse est, comme on la vu dune utilisation plus dlicate
mais a dj t utilise dans de nombreuses applications pour lesquelles des rsul-
tats trs satisfaisants ont t obtenus. Dune manire gnrale, on peut dire quelle
savre trs performante pour des systmes de taille raisonnable (< 20 tats) pour
lesquels les procdures de D K itration ont encore une grande stabilit num-
rique. Des difficults ont cependant t observes pour les systmes de grande taille
et pour les systmes flexibles.
117
Bibliographie
[1] R.P. Braatz, P.M. Young, J.C. Doyle, and M. Morari. Computational
complexity of calculation. IEEE Transactions on Automatic Control,
39(5):10001002, 1994.
[2] J. Doyle. Analysis of feedback systems with structured uncertainties. IEE
Proceedings, Part D, 129(6):242250, 1982.
[3] J.C. Doyle. Structured uncertainty in control system design. In Proceedings
of the 24th IEEE Conference on Decision and Control, pages 260265, Ft.
Lauderdale,FL,USA, December 1985.
[4] Doyle, J.C., K. Lenz, and A. Packard, Design Example Using -Synthesis:
Space Shuttle Lateral Axis FCS during Reentry, Proc. CDC, 1986, pp. 2218-
2223.
[5] M.K.H. Fan, A.L. Tits, and J.C. Doyle. Robustness in the presence of mixed
parametric uncertainty and unmodeled dynamics. IEEE Transactions on Au-
tomatic Control, 36(1):25 38, 1991.
[6] G. Balas, J.C. Doyle, K. Glover, A. Packard, and R. Smith. -analysis and
synthesis. MUSYN, inc, and The Mathworks, Inc., 1991.
[7] G. Ferreres, V. Fromion, G. Duc, and M. MSaad. Application of real / mixed
computational techniques to a H missile autopilot. International Journal
of Robust and Nonlinear Control, 6(8):743769, 1996.
[8] B.G. Morton. New applications of to real parameter variation problems.
Proceedings of the IEEE CDC, pages 233238, 1985.
[9] A. Packard and J. Doyle. The complex structured singular value. Automatica,
29(1):71109, 1993.
[10] A. Packard, M.K.H. Fan, and J.C. Doyle. A power method for the structured
singular value. Proceedings of the IEEE CDC, pages 21322137, 1988.
[11] Young P.M. Controller design with mixed uncertainties. In Proceedings of the
1994 American Control Conference, volume 2, pages 23332337, juin 1994.
[12] Young P.M., Newlin M.P., and Doyle J.C. Computing bounds for the mixed
problem. International Journal of Robust and Nonlinear Control, 5(6):573
590, octobre 1995.
BIBLIOGRAPHIE 118
[13] M.G. Safonov. Stability margins of diagonally perturbed multivariable feed-

back systems. IEE Proceedings, Part D, 129(6):251256, 1982.
[14] M.G. Safonov and P.H. Lee. A multiplier method for computing real multi-
variable stability margins. Proceedings of the IFAC World Congress, pages
275278, 1993.
[15] P.M. Young and J.C. Doyle. Computation of with real and complex uncer-
tainties. Proceedings of the IEEE CDC, pages 12301235, 1990.
[16] J.C. Doyle, A. Packard, and K. Zhou. Review of LFTs, LMIs and . In Pro-
ceedings of the 30th Conference on Decision and Control, pages 12271232,
Brighton, England, December 1991.
[17] M.G. Safonov and R.Y. Chiang. Real/complex Km -synthesis without curve
fitting. Control and Dynamic Systems, ed. C. Leondes, 56(2):122, 1993.
[18] J.H. Ly, M.G. Safonov, and R.Y. Chiang. Real/complex multivariable stability
margin computation via generalized Popov multiplier - LMI approach. In
Proceedings of the American Control Conference, pages 425429, Baltimore,
Maryland, June 1994.
[19] P.M. Young, M.P. Newlin, and J.C. Doyle. Computing bounds for the mixed
problem. International Journal of Robust and Nonlinear Control, 5(6):573
590, 1995.
[20] E. Feron. Robustness of linear systems against parametric uncertainties : To-
wards consistent stability indicators. In Proceedings of the 34th Conference on
Decision and Control, pages 14251430, New Orleans, LA, December 1995.
[21] P. Gahinet, A. Nemirovskii, M. Chilali, and A.J. Laub. The LMI Control
Toolbox : A Package for Manipulating and Solving LMIs, Mathworks Inc.,
Natick. .
[22] P.M. Young. Controller design with real parametric uncertainty. International
Journal of Control, 65(3):469509, 1996.
[23] C.-H. Huang, L. Turan, and M.G. Safonov. Conic sector synthesis : LMI ap-
proach. In Proceedings AIAA Guidance, Navigation and Control Conference,
pages 16, San Diego, CA, July 1996.
119
Annexe A
Rappels dAlgbre Linaire
A.1 Gnralits
In : matrice identit de taille n.
AT (AH ) : transpose (conjugue hermitienne) dune matrice A.
Matrice symtrique: matrice P Rnn satisfaisant P = PT .
Matrice orthogonale (unitaire): matrice U Rn n satisfaisant U T U = UU T =
In (resp. U H U = UU H = In ).
Valeurs propres de A Cnn : racines de lquation caractristique det(I
A) = 0. On notera (A) la ime valeur propre.
i
Forme de Schur: toute matrice A Cnn peut se dcomposer sous la forme
A = U H TU
o U est unitaire et T est triangulaire suprieure. Les lments diagonaux de

T sont les valeurs propres de A.
Valeurs singulires de A Rmn : racines carres des valeurs propres de AT A
si m > n, AAT sinon. On les note i (A) avec la convention 1 (A) 2 (A)
0. La plus grande et la plus petite valeur singulire sont notes max (A)
et min (A), respectivement.
Alors que les valeurs propres sont lies aux directions invariantes par la trans-
formation linaire associe A, les valeurs singulires contiennent linforma-
tion mtrique sur cette transformation. Plus prcisment, la boule unit de
Rn est transforme en un ellipsode et les valeurs singulires correspondent
aux demi-longueurs des axes principaux de cette ellipsode (grand axe et petit
axe pour n = 2). En particulier,
kAuk kAuk
max (A) = max ; min (A) = min .
u6=0 kuk u6=0 kuk
A. RAPPELS DALGBRE LINAIRE 120
Dcomposition en valeurs singulires (SVD): toute matrice A Rmn (m

n) peut scrire
A = UV T (A.1)
o U,V sont des matrices orthogonales de dimensions m m and n n res-
pectivement, et Rmn est de la forme:

diag(1 , . . . ,n )
= .
0
Les colonnes de U et V sappellent les vecteurs singuliers gauches et droits,

respectivement. Si ui (vi ) dnotent la ime colonne de U (V ) et r dnote la
plus petite valeur singulire non nulle, la dcomposition (A.1) scrit aussi
r
A = i ui vTi . (A.2)
i=1
On vrifie aisment que r = rang(A), cest--dire la dimension de Im A. De

plus, une base orthonorme de ker A est {vr+1 , . . . ,vn } et une base orthonor-
me de Im A est {u1 , . . . ,ur }.
Pseudo-inverse de A Rmn : gnralisation de la notion dinverse pour les
matrices singulires ou non carres. Si A = UV T est une SVD de A avec

diag(1 , . . . ,r ) 0
= ; r > 0,
0 0
la pseudo-inverse A+ de A est obtenue comme
A+ = V +U T (A.3)
o
diag(1/1 , . . . ,1/r ) 0
=+
. (A.4)
0 0
Cette matrice inverse la partie non singulire de A entre (ker A) et Im A.
La notion de pseudo-inverse est lie la rsolution moindres carrs des
quations linaires (voir sous-section suivante).
quelques proprits des valeurs singulires
i (A) = i (AA )1/2 = i (A A)1/2
max (A) = 1 (A) = sup kAxk

kxk=1
1
min (A1 ) =
max (A)
121 A.2 QUATIONS LINAIRES ET MATRICIELLES
1
max (A1 ) =
min (A)
min (A) |i (A)| max (A)
max (.) est une norme matricielle, on a donc toutes les proprites de la
norme avec galement max (AB) max (A)max (B).
rang(A) = nombre de valeurs singulires non-nulles de A.

max (VAU) = max (A), U,V unitaires
Si A est symtrique, i (A) = |i (A)|
proprit de dilatation/contraction

A
max {max (A),max (B)} k k 2 max {max (A),max (B)}
B

max {max (A),max (B)} k ( A B ) k 2 max {max (A),max (B)}
max ( A B ) max (A) + max (B)
Le Thorme de Fan sexprime sous la form
i (A) max (B) i (A + B) i (A) + max (B)
A partir de Thorme de Fan, on obtient aisment

1
min (A) 1 min (A) + 1
max (I + A)1
Proprit de singularit
max (E) < min (A) min (A + E) > 0
Ce qui signifie que leffort fournir pour rendre la matrice A singu-

lire est au moins de min (A).
A.2 quations linaires et matricielles

quation linaire Ax = b o A Rnn et x,b Rn .
Cette quation est soluble si seulement si b Im A. Si A est de plus inversible,
elle admet une solution unique x = A1 b.
Rsolution moindres carrs des quations linaires: si lquation Ax = b na

pas de solution, on cherche gnralement rsoudre au sens des moindres
carrs, cest--dire rsoudre
min kAx bk
xRn

o kxk = xT x = ( xi2 )1/2 . On montre que la solution de plus petite norme
est donne par
x = A+ b. (A.5)
quations de Lyapunov: quations matricielles linaires de la forme:
AT X + XA + Q = 0
o A,X,Q Rnn et Q = QT (symtrique). Cette quation est soluble ds que
i (A) +
j (A) 6= 0 pour tout (i, j) {1, . . . ,n}.
Si A est stable, cest--dire Re i (A) < 0, la solution est
Z
eA Q eA d
T
X=
0
qui est symtrique. De plus X 0 ds que Q 0.
quations de Riccati.
Pierre angulaire des problmes de contrle avec cot quadratique, lquation
de Riccati standard est de la forme
AT X + XA + XFX + G = 0 (A.6)
o F,G Rnn sont symtriques, A Rnn , et linconnue est une matrice
X Rnn que lon souhaite symtrique. Sous rserve dexistence, il ny a pas
en gnral unicit de la solution X. Pour les applications lautomatique, on
sintresse lunique solution stabilisante, cest--dire telle que les valeurs
propres de A + FX soient toutes dans le demi-plan ouvert gauche.
La rsolution de lquation (A.6) fait intervenir le sous-espace propre stable
de la matrice Hamiltonienne associe:

A F
H= R2n2n . (A.7)
G AT
Le spectre de cette matrice a la proprit dtre symtrique par rapport laxe
imaginaire. Le sous-espace propre stable de H est le sous-espace des vecteurs
propres associs aux valeurs
propres
stables. On le calcule par une dcompo-
P
sition de Schur de H. Si est une base orthonorme de ce sous-espace,
Q
lquation (A.6) a une solution stabilisante si et seulement si
(i) le Hamiltonien H na pas de valeur propre sur laxe imaginaire (alors
P,Q Rnn ),
123 A.3 RDUCTION QUILIBRE
(ii) la matrice P est inversible.

Cette solution est alors symtrique et obtenue comme
X = QP1 .
On peut sen convaincre directement partir de lquation

P P
H = T, T stable (A.8)
Q Q

P
qui traduit que est le sous-espace invariant stable de H. A noter que
Q
(A.8) donne A + FX = PT P1 et cette matrice est donc bien stable. On notera
aussi lidentit:
1
I 0 I 0 A + FX F
H = .
X I X I 0 (A + FX)
Dans le contexte Linaire Quadratique (LQG), on a F 0 et G 0, autrement

dit une quation de la forme
AT X + XA XBBT X +CT C = 0. (A.9)
On montre alors que la stabilisabilit de (A,B) et la dtectabilit de (C,A) sont

suffisantes pour garantir (i)-(ii) et donc lexistence dune (unique) solution
stabilisante. Cette solution est de plus semi-dfinie positive (X 0). A noter
que ces rsultats ne stendent pas au contexte H o F est indfinie.
A.3 Rduction quilibre

Dans de nombreuses applications, on peut avoir besoin de dterminer un sys-
tme rduit qui approxime au mieux le systme ou le compensateur. Il existe diff-
rentes techniques pour effectuer cette approximation. Les techniques les plus cou-
rantes sont la troncation modale, la rduction quilibre et lapproximation de Han-
kel. Ici, nous dcrivons la rduction quilibre qui donne satisfaction dans de nom-
breux cas pratiques.
La rduction quilibre sappuie sur le concept de ralisation quilibre. Une
ralisation quilibre est une ralisation stable et minimale dun systme pour la-
quelle les grammiens de commandabilit et dobservabilit sont diagonaux. En
dautres termes, tant donn une ralisation de G(s) sous la forme
G(s) = C(sI A)1 B + D ,

on dit que (A,B,C,D) est quilibre si les solutions des quations de Lyapunov
AP + PAT + BBT = 0, AT Q + QA +CT C = 0, (A.10)
sont de la forme
i
0 ...

P = Q = = 0 ... 0 .
0 . . . n
Les matrices P et Q sont appeles les grammiens de commandabilit et dobserva-
bilit et peuvent encore tre dfinies par
Z Z
At T AT t T
P= e BB e dt, q = eA t CT CeAt dt
0 0
Les grandeurs i sont ordonnes sous la forme
1 2 . . . n > 0 ,
et sont appeles les valeurs singulires de Hankel de G(s). De manire immdiate,
elles vrifient
i = i (PQ), i = 1, . . . ,n.
La plus grande 1 dfinit une norme sur lensemble des matrices de transfert stables
et est appele la norme de Hankel. On note souvent
1 = kG(s)kH .
Toute ralisation minimale dun systme peut tre quilibre par une simple change-
ment de base et de nombreux algorithmes sont actuellement disponibles. Lintrt
de la reprsentation quilibre est que lon peut valuer la plus ou moins grande
commandabilit ou observabilit des tats de la nouvelle base par simple lecture de
la valeur singulire de Hankel associe. Par exemple, 1 2 signifie que x1 est plus
commandable/observable que x2 et donc joue un rle plus important dans la ralisa-
tion de G(s). On pourra donc ventuellement ngliger x1 devant x2 et effectuer une
troncature de certains tats. Limportance de chaque tat en rduction quilibre est
apprciee par rapport sa contribution au comportement entre/sortie, alors quil
nen est pas de mme dans dautres techniques de rduction qui exploitent des in-
formations internes comme les techniques modales. Retenons enfin que lorsquon
dispose dune reprsentation quilibre, chaque tat est tout autant commandable
quobservable et la mesure de cette commandabilit/observabilit jointe est la va-
leur singulire de Hankel correspondante (i ). Enfin, on reteindra galement que
la rduction quilibre comme la plupart des techniques de rduction ne sapplique
pas directement aux systmes instables. Pour ces derniers, on effectuera donc tout
dabord une sparation par dcomposition modale par exemple des dynamiques
stables et instables et lon appliquera la rduction quilibre la dynamique stable
seulement. Nous prsentons ci-dessous une illustration de la technique.
Exemple A.3.1
125 A.3 RDUCTION QUILIBRE
Le thorme suivant donne une estimation de lerreur que lon commet lorsque
lon effectue une rduction quilibre dun systme.
Thorme A.3.2 Soit G(s) une matrice de transfert stable ayant les valeurs singu-
lires de Hankel
1 > 2 > . . . > n
o les les i sont de multiplicit ri . Soit Gk (s) une matrice de transfert obtenue par
troncature de la ralisation quilibre de G(s) aux r1 + r2 + . . . + rk premiers tats.
Alors, on a la borne suivante:
kG(s) Gk (s)k 2(k+1 + k+2 + . . . + n )
A.3.1 Algorithme
On obtient aisment une reprsentation quilibre du systme G(s) en utilisant
un algorithme qui se dcompose en 4 tapes:
1. Rsoudre les quations de Lyapunov (A.10).
2. Effectuer une factorisation de Cholesky Q = RT R.
3. Calculer la dcomposition en valeurs singulires
RPRT = U2U T
4. Former la ralisation quilibre
(Ae ,Be ,Ce ,De ) = (TAT 1 ,T B,CT 1 ,D)
o
T = 1/2U T R .
A.3.2 Exemple
On considre le systme G(s) dcrit par la fonction de transfert
8(s + 3)8
G(s) = .
(s + 3)8 + 38
On vrifiera tout dabord que ce systme est bien stable. Le calcul de ses valeurs
singulires de Hankel donne:
i (PQ)1/2 = 2.3475 2.0772 0.4893 0.1045 0.0125 0.0011 0.0001 0.0000
Il apparait que les 4 dernires valeurs singulires sont sensiblement plus petites
que les 4 premires. On va donc effectuer une rduction lordre 4. Ensuite, nous
allons essayer des rductions aux ordres 3 et 1. Les rsultats sont prsents sur la
figure A.1.
F IG . A.1 Courbes de gain du systme et sytmes rduits

-: nominal, ..: ordre 4, : ordre 3, -.: ordre 1
Il apparait quune rduction lordre 4 ne modifie pratiquement le compor-

tement entre/sortie du systme. Une rduction lordre 3 est encore acceptable
mais une rduction lordre 1 introduit une grande distorsion dynamique. Suivant
lapplication considre, on choisira donc une rduction lordre 4 ou 3.
A.4 Transformation Linaire Fractionnaire (LFT)

Les LFT (en anglais Linear Fractional Transformations) sont des objets gn-
riques qui apparaissent dans de nombreux problmes de modlisation et de com-
mande pour les systmes dynamiques. En particulier,
la formulation du problme H mais aussi du problme H2 se fait travers la
forme standard qui nest autre quune expression de type LFT entre le systme
augment et le compensateur.
les incertitudes dynamiques ou paramtriques apparaissent dans le schma de
commande travers une expression LFT.
luniversalit des LFT se justifie par le fait que toute expression rationnelle
peut se recrire en termes de LFT. De plus, la combinaison de ces objets
donne son tour naissance des objets LFT.
Nous examinons dans cette section les proprits principales des LFT qui sont sus-
ceptibles dtre utiles dans la pratique de la commande robuste et en modlisation.
A.4.1 Definitions
La notation LFTse dfinit comme
suit. Pour des matrices de dimensions ap-
M11 M12
propries K et M = et en supposant que les inverses existent, les
M21 M22
LFT infrieures Fl (.,.) et suprieures Fu (.,.) sont dfinies par:
Fu (M,K) = M22 + M21 K(I M11 K)1 M12 . (A.11)

et
Fl (M,K) = M11 + M12 K(I M22 K)1 M21 . (A.12)
127 A.4 TRANSFORMATION LINAIRE FRACTIONNAIRE (LFT)
K M11 M12
M21 M22
M11 M12
M21 M22 K
Fu (M,K) = K ? M Fl (M,K) = M ? K
N11 N12
N21 N22
M11 M12
M21 M22
N ?M
F IG . A.2 LFT suprieures et infrieures

et produit de Redheffer
Notons que ces expressions sont obtenues par calcul direct du transfert rsiduel
aprs rebouclage du bloc K comme indiqu sur la figure A.2.
On peut effectuer sur les expressions LFT des oprations algbriques dont les
plus intressantes sont rappeles ci-dessous.
A.4.2 Proprits
Le produit de Redheffer ou produit ?.
Pour des matrices de dimensions appropries,

N11 N12 M11 M12
N= et M = ,
N21 N22 M21 M22
et en supposant lexistence des inverses, on dfinit le produit de Redheffer N ? M

par
N12 (I M11 N22 )1 M12

Fl (N,M11 )
N ? M := , (A.13)
M21 (I N22 M11 )1 N21 Fu (M,N22 )
Ce produit (voir figure A.2) peut tre naturellement tendu aux cas de matrices
N ou M nayant quun seul bloc en adoptant les conventions
N ? M11 := Fl (N,M11 ); N22 ? M := Fu (M,N22 ) .
On vrifie alors aisment que le produit de Redheffer est associatif, cest dire
(L ? M) ? N = L ? (M ? N) = L ? M ? N
Composition de LFT
Une proprit importante est que toute interconnection de LFT est encore une LFT.
Par exemple, pour
R = Fl (Q,K 0 ) o K 0 = Fl (M,K)
on peut crire R comme une LFT faisant intervenir K sous la forme
R = Fl (P,K)
avec
Q11 + Q12 M11 (I Q22 M11 )1 Q21 Q12 (I M11 Q22 )1 M12

P= .
M21 (I Q22 M11 )1 Q21 M22 + M21 Q22 (I M11 Q22 )1 M12
Des expressions similaires peuvent naturellement tre obtenues avec des LFT sup-
rieures Fu (.,.).
LFT infrieure et suprieure

Supposons que R = Fl (M,K), alors on peut recrire R comme une LFT suprieure
en M et K sous la forme:

0 I 0 I
R = Fu M ,K
I 0 I 0
Inverse de LFT
En supposant que les inverses ci-dessous sont tous bien dfinis, on peut crire
(Fl (M,K))1 = Fl (M,K),

e
o M
e est donn par:
1 1
e= M11 M11 M12
M 1 1 .
M21 M11 M22 M21 M11 M12
Inverse du paramtre K
Etant donn une LFT en K, on peut lexprimer en une LFT en K 1 conditions que
les inverses impliques existent.
e 1 ) ,
Fl (M,K) = Fl (M,K
129 A.4 TRANSFORMATION LINAIRE FRACTIONNAIRE (LFT)
o M
e est donn par
1 1
e= M11 M12 M22 M21 M12 M22
M 1 1
M22 M21 M22
Ceci dcoule du fait que
(I + L)1 = I L(I + L)1 , L carre.
A.4.3 Exemple de ralisation LFT

Dans cet exemple, on considre les systmes du second-ordre gnraliss d-
crits par lquation diffrentielle:
M q + Dq + Kq = Gu . (A.14)
On sait que ce type de reprsentation caractrise le comportement dynamique dun

systme mcanique linaire. Notre but est dobtenir une forme LFT de ce systme
lorsque la matrice dinertie M est soumise des incertitudes . On veut donc isoler
sous la forme Fl (X,), o X est une matrice dterminer.
Un reprsentation quivalent de (A.14) scrit sous la forme

I 0 q 0 I q 0
= + u,
0 M q K D q G
soit encore
E x = Ax + Bu,
en dfinissant le vecteur dtat
q
x= .
q
En prsence dincertitude sur la matrice dinertie, lquation prcdente devient
(E + E )x = Ax + Bu,
avec
0
E = W, = , W = (0 I)
I
On peut donc crire
x = (E + W )1 Ax + (E + W )1 Bu (A.15)
Sous cet forme, le systme nest pas encore une expression LFT, mais en utilisant
le Lemme dinversion matricielle
(V + LR)1 = V 1 V 1 L(I + RV 1 L)1 RV 1 ,

on obtient
(E + W )1 = E 1 E 1 (I +W E 1 )1W E 1
Ainsi, on peut crire lquation (A.15) sous la forme quivalente
x = E 1 Ax + E 1 Bu E 1 (I +W E 1 )1W E 1 (Ax + Bu)
qui est encore quivalente la forme LFT
x = E 1 Ax + E 1 Bu E 1 w
z = W E 1 Ax +W E 1 Bu W E 1 w (A.16)
w = z .
Le rebouclage par le bloc , maintenant isol, est caractristique de la LFT recher-

che.
Une autre manire de procder consiste exprimer le terme E + W sous la
forme LFT
E

E + W = Fl ( ,) ,
W 0
puis inverser ce terme en utilisant les proprits des LFT dcrites prcdemment.
On aboutit alors directement au rsulat (A.16).

Polysae PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Polysae PDF

Transféré par

Droits d'auteur :

Formats disponibles

LMENTS DE LA T HORIE DE LA

Table des matires

1 Elements introductifs la commande robuste 7

2.2 Rsolution du Problme H . . . . . . . . . . . . . . . . . . . . . . 53

3 Techniques de -analyse et de synthse 83

3.7.4 La D G,K itration . . . . . . . . . . . . . . . . . . . . . 113

A Rappels dAlgbre Linaire 119

Elements introductifs la commande

prcisement, tant donn une spcification frquentielle du comportement dsir et

1.2 Rappels dAutomatique

1.2.1 Systmes linaires

On rappelle ses principales proprits:

Transforme dune convolution temporelle: L [x y] = X(s)Y (s).

lim x(t) = lim sX(s).

Thorme de la valeur finale:

lim x(t) = lim sX(s).

Reprsentation externe (fonction de transfert).

En prenant la transforme de Laplace de cette quation, on obtient

La transforme de Laplace G(s) de la rponse impulsionnelle g(t) est appele

U(s) Y (s) = G(s)U(s)

F IG . 1.1 Fonction de transfert.

Le systme est dit mono-entre/mono-sortie si u et y sont des scalaires, et

G(s) = D +C(sI A)1 B (1.3)

qui est bienune matrice

nest pas stable de faon interne cause du mode +1 de A. Pourtant, la fonc-

1.2.2 Interconnections de systmes

une ralisation minimale de la somme G1 (s) + G2 (s) est:

Produit: pour G1 (s) et G2 (s) de ralisation minimale (1.6), une ralisation

Transformation linaire fractionnaire.

Lorsque ce systme est boucl sur le retour de sortie:

F IG . 1.2 Transformation linaire fractionnaire.

Si des ralisations minimales de P(s) et K(s) sont:

1.2.3 Normes de matrices, signaux et systmes

Matrices: on utilisera le plus souvent la norme induite par la norme eucli-

La transforme de Fourier envoie `2 sur lespace H2 des fonctions X(s) ana-

On appelle H lespace des fonctions X(s) analytiques dans (s) 0 et telles

Interprtation: cest lnergie en sortie du systme lorquon injecte un Dirac

Interprtation: cest la norme induite par la norme des fonctions de H2 . Elle

1.2.4 Calcul des normes H2 et H

En prenant la trace de chaque membre de (1.14), on obtient

Le calcul de la norme H est plus dlicat. On peut tracer la fonction

Cette caractrisation suggre un simple algorithme de dichotomie pour cal-

1.3 Notions lmentaires sur les Asservissements

Les proprits des boucles dasservissement ont t tudies en dtail par la

1.3.1 Rle dun asservissement

F IG . 1.3 Commande boucle ouverte.

coefficient de frottement dpend en fait de la nature locale de la route et sa valeur

F IG . 1.4 Commande boucle ferme.

1.3.2 Quelques configurations de boucle

F IG . 1.5 Boucle de suivi (tracking).

F IG . 1.6 Boucle de rgulation.

nature et la fonction de lasservissement. Ainsi, les boucles de rgulation sont sou-

(a) compensation en retour (b) pr-compensation

(c) combinaison des deux

F IG . 1.7 Diffrentes configurations de boucle.

Enfin, on peut modifier lasservissement de la Figure 1.5 en ajoutant un bloc

F IG . 1.8 Asservissement deux degrs de libert.

1.3.3 quations et Fonctions Caractristiques

1.4 Proprits des Asservissements

incapacit rguler ou poursuivre; au pire la gnration de signaux de grande ner-

G(s) = DG +CG (sI AG )1 BG ; K(s) = DK +CK (sI AK )1 BK . (1.25)

fractions rationnelles) des quatre transferts ci-dessus est quivalente la stabilit

Autrement dit, la stabilit interne est compltement caractrise par la stabilit de

qui est bienune matrice

k(e)k kek avec 1, (1.33)