Sur La Commande Robuste Par Mode Glissant A Temps Discret Des Systèmes Incertains Saturés

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/323116858
Sur la commande robuste par mode glissant a temps discret des systèmes
incertains saturées
Thesis · July 2017
CITATIONS READS
0 220
1 author:
Zaafouri Chaker
ENSIT
7 PUBLICATIONS 11 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
sliding mode View project
Discrete SMC View project
All content following this page was uploaded by Zaafouri Chaker on 11 February 2018.
The user has requested enhancement of the downloaded file.

Université de Tunis
École Nationale Supérieure d’Ingénieurs de Tunis
THÈSE
Présentée en vue de l’obtention du
DIPLÔME DE DOCTORAT
en Génie Électrique
par
Chaker ZAAFOURI
Sur la commande robuste par mode

glissant à temps discret des
systèmes incertains saturés
Soutenue le 30 Juin 2017 devant le jury d'examen composé de :
Mr. N. BENHADJ BRAIEK Professeur à l'ENSIT-Tunis Président
Mr. M. CHAABANE Professeur à l'ENIS-Sfax Rapporteur
Mr. S. SALHI Maître de Conférence à l'ISI-Tunis Rapporteur
Mr. G. GARCIA Professeur à l'INSA-Toulouse Examinateur/Co-Directeur
Mr. A. SELLAMI Professeur à l'ENSIT-Tunis Directeur de thèse
Laboratoire d’Ingénierie des Systèmes Industriels & des Energies Renouvelables - LISIER
École Nationale Supérieure d’Ingénieurs de Tunis-ENSIT
5 Avenue Taha Hussein, BP, 56, Bâb Manara, Tunis 1008, Tunisia
Laboratoire d’Analyse & d’Architecture des Systèmes - LAAS-CNRS

INSA, Université de Toulouse, 7 Avenue Colonel Roche, F-31400 Toulouse, France
Je dédie cette thèse
à mes chers parents.
à toute ma famille,
à toutes et à tous mes ami(e)s.
Avant-propos
Les travaux présentés dans ce mémoire ont été effectués au Laboratoire de Recherche d’In-
génierie des Systèmes Industriels & des Energies Renouvelables (LISIER) à l’École nationale
supérieure d’ingénieurs de Tunis (ENSIT) en collaboration avec le Laboratoire d’Analyse et
d’Architecture des Systèmes LAAS-CNRS à l’université de Toulouse-France.
Je suis tout d’abord particulièrement reconnaissant envers Monsieur Anis SELLAMI, Profes-
seur à l’ENSIT pour l’accueil qu’il m’a réservé au sein de son équipe de recherche, et l’intérêt
qu’il a porté à mon travail. Les conseils éclairés qu’il m’a prodigués m’ont été d’un grand ap-
port pour l’élaboration de cette thèse. Je le remercie et lui exprimer ma profonde gratitude qui
m’a accordé autant de confiance et de liberté.
Je remercie également mon co-encadreur, Monsieur Germain GARCIA , Professeur à CNRS

de Toulouse et Directeur de laboratoire d’Analyse et d’Architecture des Systèmes (LAAS),
pour l’intérêt constant qu’il a porté à mes recherches et pour les conseils qu’il n’a cessé de
me présenter. Qu’il trouve ici mes sincères remerciements et le témoignage de ma profonde
reconnaissance.
Je tiens également à adresser mes plus vifs remerciements à Monsieur Naceur BENHADJ
BRAIEK, Professeur à l’ENSIT pour l’honneur qu’il me fait en acceptant la charge de présider
ce Jury.
Mes remerciements les plus distingués sont également adressés à Monsieur Mohamed CHAA-
BANE, Professeur à l’ENIS qui m’a honoré en acceptant d’évaluer mon travail de thèse et d’en
être le rapporteur. Qu’il trouve ici l’expression de mes remerciements les plus vifs.
Je suis très honorée par la présence de Monsieur Saleh SALHI, Maître de Conférence à l’ISI
qui m’a honoré en acceptant d’évaluer mon travail de thèse et d’en être le rapporteur. Que je
remercie infinément.
ii
Je remercie également , Monsieur Abderahmen ZAAFOURI, Maître de Conférence à l’EN-

SIT, Borhen TORCHANI, Maître assistant à l’École des Ingénieurs de l’Équipement Rural
de Medjez El Bab (ESIER) pour l’intérêt constant qu’il a porté à mes recherches et pour les
conseils qu’il n’a cessé de me présenter. Qu’ils trouvent ici mes sincères remerciements et le
témoignage de ma profonde reconnaissance.
Enfin, j’exprime mes remerciements et mon amitié à l’ensemble des membres de Laboratoire de
Recherche d’Ingénierie des Systèmes Industriels & des Energies Renouvelables (LISIER) ainsi
que toute l’equipe de travail à l’Ecole Nationale d’Ingénieurs de Bizerte. Je tiens aussi exprimer
à tous ceux qui ont contribué de près ou de loin à l’élaboration de ce travail mes remerciements
les plus vifs.
Table des matières
Avant-propos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
Table des matières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi
Liste des publications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
Introduction générale 1
1 Etat de l’art Sur les Systèmes de Commande à Structure Variable 7

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Généralités sur la Commande à Structure Variable . . . . . . . . . . . . . . . . 9
1.2.1 Bref Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 Notion des systèmes à structure variable . . . . . . . . . . . . . . . . . 12
1.2.3 Propriétés du régime glissant . . . . . . . . . . . . . . . . . . . . . . . 15
1.3 Synthèse de la surface de glissement . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.2 Formulation du problème de synthèse . . . . . . . . . . . . . . . . . . 20
1.3.3 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3.4 Méthode de la commande équivalente . . . . . . . . . . . . . . . . . . 21
1.4 Loi de commande du vecteur unitaire "Unit Vector Control" . . . . . . 24
1.5 L’incertitude polytopique (Gil, 2011) . . . . . . . . . . . . . . . . . . . . . . . 26
1.6 Analyse de stabilité robuste des systèmes LTI avec incertitudes de type polyto-
piques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.7 Modélisations des systèmes avec contraintes sur les entrées . . . . . . . . . . . 33
1.7.1 La fonction saturation . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.7.2 La fonction Zone-morte . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.7.3 Système en boucle fermée avec retour d’état statique . . . . . . . . . . 35
1.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
iv TABLE DES MATIÈRES
2 Commande robuste par mode glissant des systèmes saturés incertains 39

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.2 Application de la commande à structure variable (CSV) . . . . . . . . . . . . . 41
2.3 Principe de la commande par mode glissant . . . . . . . . . . . . . . . . . . . 42
2.4 Préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5 Formulation du problème de la CSV des systèmes saturés incertains . . . . . . 43
2.5.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5.2 Présentation du système incertain . . . . . . . . . . . . . . . . . . . . 45
2.5.3 Formulation du problème des systèmes saturés incertains . . . . . . . . 46
2.5.4 Objectifs de contrôle . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.7 Synthèse de la commande saturée incertaine . . . . . . . . . . . . . . . . . . . 51
2.8 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3 Commande par mode glissant des systèmes discrets saturés 71

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.2 Formulation du problème de la CSV des systèmes discrets . . . . . . . . . . . 73
3.3 Description du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.3.1 Condition d’attractivité . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.3.2 Le phénomène de réticence . . . . . . . . . . . . . . . . . . . . . . . . 76
3.4.1 Vecteur de la commande équivalente . . . . . . . . . . . . . . . . . . . 76
3.4.2 Transformation linéaire de l’équation d’état . . . . . . . . . . . . . . . 77
3.4.3 Décomposition de la matrice du système . . . . . . . . . . . . . . . . 78
3.4.4 Calcul de la matrice stabilisante . . . . . . . . . . . . . . . . . . . . . 79
3.4.5 Calcul de l’hypersurface de glissement . . . . . . . . . . . . . . . . . . 80
3.4.6 Bande du quasi mode glissant . . . . . . . . . . . . . . . . . . . . . . 81
3.5 Synthèse de la loi commande . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.6 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.6.1 Influence de la variation de la période d’échantillonnage . . . . . . . . 83
3.6.2 Influence de la saturation de la loi de commande . . . . . . . . . . . . 86
3.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
TABLE DES MATIÈRES v
4 Méthodes de Synthèse d’une commande robuste pour une classe des systèmes
saturés discrets incertains 91
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.2 Formulation du problème de la CSV des systèmes discrets saturés incertains . . 93
4.2.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.2.2 Présentation du système discret saturé incertain . . . . . . . . . . . . . 95
4.3.1 Vecteur de la commande équivalente . . . . . . . . . . . . . . . . . . . 96
4.3.3 Décomposition de la matrice du système . . . . . . . . . . . . . . . . . 99
4.3.5 Calcul de l’hypersurface de glissement . . . . . . . . . . . . . . . . . . 102
4.4 Synthèse de la commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
4.4.1 Composante linéaire de la loi de commande . . . . . . . . . . . . . . . 104
4.4.2 Composante non linéaire de la loi de commande . . . . . . . . . . . . . 106
4.5 Exemple illustratif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Conclusion générale 125
Bibliographie 128
Table des figures
1.1 Schéma bloc du système (1.6). . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.2 Régions définies par la logique de commutation. . . . . . . . . . . . . . . . . . 13
1.3 Plans de phase. (a) Système 1.9. (b) Système 1.10. . . . . . . . . . . . . . . . . 14
1.4 Régime glissant dans le plan de phase du système global (1.6). . . . . . . . . . 14
1.5 Réponse du système (1.6). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6 Equivalence du régime glissant à une commande à grand gain. . . . . . . . . . 17
1.7 Réponse du système (1.6) avec η = 0.04. . . . . . . . . . . . . . . . . . . . . . 18
1.8 Interprétation géométrique des diverses surfaces de commutation. . . . . . . . . 21
1.9 Représentation d’une incertitude appartenant à un ensemble polytopique décrit
par N = 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.10 Système deux masses-ressort . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.11 Structure de la fonction saturation symétrique. . . . . . . . . . . . . . . . . . . 34
1.12 Structure de la fonction zone morte. . . . . . . . . . . . . . . . . . . . . . . . 35
2.1 Structure de la contrainte de saturation . . . . . . . . . . . . . . . . . . . . . . 46

2.2 Modèle d’un quart de véhicule avec système de suspension actif. . . . . . . . . 62
2.3 Perturbation routière w(t) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.4 Evolution de la surface de glissement s(x, t). . . . . . . . . . . . . . . . . . . . 65
2.5 Evolution de la loi de contrôle u(t). . . . . . . . . . . . . . . . . . . . . . . . 65
2.6 Evolution des états du système x(t). . . . . . . . . . . . . . . . . . . . . . . . 66
2.7 Les réponses du système avec des paramètres incertains . . . . . . . . . . . . . 67
2.8 Les réponses du système saturé avec des paramètres incertains . . . . . . . . . 67
3.1 Evolution de la surface du glissement. . . . . . . . . . . . . . . . . . . . . . . 75

3.2 Exemple d’une région LMI. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.3 Commutation à grande vitesse sur la surface de glissement. . . . . . . . . . . . 81
3.4 Évolution des variables d’état pour h=0.3. . . . . . . . . . . . . . . . . . . . . 83
3.5 Évolution de la loi de commande et la surface de glissement pour h=0.3 . . . . 84
3.6 Évolution des variables d’état pour h=0.15. . . . . . . . . . . . . . . . . . . . . 84
3.7 Évolution de la loi de commande et la surface de glissement pour h=0.15. . . . 85
viii TABLE DES FIGURES
3.8 Les pôles du système discret réduit en boucle fermée. . . . . . . . . . . . . . . 87

3.9 Évolution des variables d’état. . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.10 Évolution de la loi de commande. . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.11 Évolution de la surface de glissement. . . . . . . . . . . . . . . . . . . . . . . 89
4.1 Schéma bloc du SMC proposée . . . . . . . . . . . . . . . . . . . . . . . . . . 104

4.2 Schéma du dispositif d’entrainement à deux masses. . . . . . . . . . . . . . . . 113
4.3 Les pôles du système discret réduit en boucle fermée. . . . . . . . . . . . . . . 116
4.4 Evolution de la norme de surface. . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.5 L’évolution du couple électromagnétique de la génératrice. . . . . . . . . . . . 117
4.6 L’évolution du couple du générateur et des vitesses de rotor. . . . . . . . . . . . 118
4.7 Configuration du système. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.8 L’évolution du couple électromagnétique de la génératrice (système nominal). . 120
4.9 L’évolution du couple du générateur et des vitesses de rotor (système nominal). 121
4.10 L’évolution du couple électromagnétique de la génératrice. . . . . . . . . . . . 122
4.11 L’évolution du couple du générateur et des vitesses de rotor. . . . . . . . . . . . 122
Liste des tableaux
2.1 Comparaison entre notre méthode et la méthode de Guo (2014). . . . . . . . . 68
3.1 Variation de la bande de glissement en fonction de la période d’échantillonnage 85
4.1 Signification des paramètres du modèle à deux masses . . . . . . . . . . . . . 114

Notations
Les notations suivantes sont définies au fur et à mesure de leurs utilisation dans le présent
rapport et sont conservées tout au long de celui-ci.
Acronyomes
MIMO Multi-Input Multi-Output
CSV Commande à Structure Variable
LMI Linear Matrix Inequality
Dim Dimension
SSV Systeme a Structure Variable
LTI Linear Time Invariant
sat Saturation
co L’enveloppe convexe définie par les N sommets du polytope.
Symboles
<n Espace réel de dimension n.
In Matrice identité de dimension n × n
MT Matrice transposée de M .
M −1 Inverse de la matrice M .
ker (M ) Noyau de la matrice M
σ̄ (M ) Valeur singulière la plus large de la matrice M
M >0 La matrice M est définie positive
M ≥0 La matrice M est semi-définie positive
rang (M ) Rang de la matrice M .
k.k Norme
k.k2 Norme H2
⊗ Produit matriciel de Kronecker
xii NOTATIONS
ui La ieme composante du vecteur u

Re (H) Partie réelle de H
Im (H) Partie imaginaire de H
NOTATIONS xiii
Revues internationales avec comité de lecture
• Zaafouri Chaker, Torchani Borhen, Sellami Anis, et Germain Garcia,

Uncertain saturated discrete-time sliding mode Control for a wind turbine using a two-mass
model, Asian journal of control, 2017. Impact Factor ISI : 1.421 (2017).
• Zaafouri Chaker, Sellami Anis et Germain Garcia,
Discrete-Time Sliding Mode Control of a Class of Saturated Systems, World Applied Sciences
Journal, Vol. 28, No. 10, pp. 1355-1360, 2013. (scopus).
• Torchani Borhen, Zaafouri Chaker, Sellami Anis, et Germain Garcia,
Discrete-Time sliding mode control of a class of linear uncertain saturated systems, Interna-
tional Journal of Automation and Control (Accepté). (scopus)
• Zaafouri Chaker, Sellami Anis, Torchani Borhen et Germain Garcia,
Comparative study of the Robust saturated Sliding Mode and LQR Controllers applied to an
quarter-vehicle MR Suspension System, International Journal of Scientific Research Enginee-
ring Technology (IJSET), Vol. 1, pp. 19-24, 2014.
Conférences internationales avec comité de lecture

Discrete-Time Robust Saturated Sliding Mode Control Applied to a Quarter-Vehicle MR Sus-
pension System, CEIT’14, March 22 - 25, 2013, Tunisia.
• Zaafouri Chaker, Sellami Anis et Germain Garcia,
Comparative study of the saturated sliding mode and anti-windup controllers, ICEESA 2013,
March 21-23, 2013, Tunisia.
Comparative study of the Saturated Sliding Mode and LQR Controllers, CEIT’13, June 04 -
07, 2013, Tunisia.
Introduction générale
a théorie de la commande moderne se développe dans le but d’expliquer et de résoudre des

L problèmes issus de l’environnement industriels. Des raisons économiques et de sécurité,
conduisent à la recherche de loi de commande de plus en plus performantes afin de garantir
l’efficacité et le rendement de production d’une part et d’assurer la sureté et la fiabilité des équi-
pements industriels et de consommation d’autre part. Pour cela il est important de comprendre
et de prendre en compte toutes les particularités d’un système de commande.
En général la synthèse des lois de commande nécessite une modélisation mathématique du sys-
tème. Cependant, quelques méthodes de synthèse exigent des informations supplémentaires et
des connaissances plus ou moins importantes du modèle et ceci à cause des dégradations des
performances à cause des conditions de fonctionnement et au vieillissement. D’une part, le pro-
blème rencontré c’est qu’en pratique, le comportement des systèmes réels est dans la plupart
des cas diffèrent du modèle mathématique. Ceci à cause de ces variations paramétriques et ces
perturbations extérieures, sans oublier les phénomènes physiques qui peuvent atteindre le sys-
tème et modifient son comportement par rapport à celui d’origine. D’autre part, la complexité
de quelques modèles, même s’ils sont jugés de très bon et proches du système réel, requiert un
minimum de simplification de ces modèles, afin de réaliser la synthèse de la commande. De ce
fait, il est intéressent d’utiliser une famille particulière qui permet d’intégrer ces variations dans
le modèle du système, appelé modèle incertain. En réalité, ce dernier constitue l’ensemble du
modèle nominal du système en présence des variations paramétriques. En particulier dans ce
travail, on envisage de considérer une classe d’incertitudes structurées de type polytopique.
Dans la pratique, il existe des contraintes physiques et technologiques matérialisées par des li-
mitations sur les états, les sorties et en particulier sur les entrées. Ce qui nécessite une prise en
compte de ces limites dans l’étude des systèmes pour améliorer le contrôle de la contrainte sur
l’action des commandes à synthétiser. Par conséquent, il est strictement important de prendre en
compte les saturations de ces variables (Kapila et Grigoriadis, 2002). En effet, il existe plusieurs
2 Introduction générale
techniques traitant ces problèmes de nonlinéarités comme la correcteur anti-windup (Galeani

et al., 2009) , et la commande linéaire quadratique avec saturation. Cependant, il faut garantir
une bonne robustesse et performances de ces commandes !.
Toutefois, l’automaticien est toujours à la recherche des plus meilleures commandes dans le
domaine, c’est-à-dire non seulement concevoir cette dernière en tenant compte des saturations
sur les entrées mais aussi garder un oeil sur la robustesse et les performances au même temps
(Gomes et al., 2008; Andreas et al., 2015) . Il est intéressant à dire qu’une loi de commande
conçue sans tenir compte de la saturation sur les entrées, peut garantir juste une stabilité locale
ou même mener le système à une instabilité, ceci même si la commande est globalement stabi-
lisante. Donc un autre objectif, est de chercher des outils de synthèse de lois de commande pour
les rendre insensibles vis-à-vis de telles nonlinéarités. De plus, si la commande est capable de
réponde aux exigences du cahier des charges, elle est jugée robuste. Du point de vue simplicité
du calcul, mise en oeuvre et robustesse, l’approche de commande par mode glissant est considé-
rée comme l’une des meilleures méthodes même pour des systèmes non linéaires. De ce fait, la
problématique traitée dans le cadre de ce travail se résume en deux axes principaux. Le premier
est celui des systèmes incertains, en particulier les incertitudes structurées de type polytopique
et surtout l’importance que peut apporter la considération de cette classe d’incertitudes dans la
conception d’une loi de commande robuste. Le deuxième axe est celui de la considération de
la contrainte de saturation sur les entrées et son intégration dans la commande pour garantir la
stabilité du système.
Dans ce contexte, nous nous sommes basé sur ces critères pour faire la synthèse de la loi de
commande voulue. Au début, la théorie de la commande par mode glissant est apparue dans les
années soixante dans l’ancienne Russie. En effet, ce type de commande est concrétisé à travers
des travaux sur la Commande à Structure Variable (CSV), et a était proposé par des chercheurs
russes (Emel’yanov, 1962, 1970; Utkin, 1978). Cette théorie a vue le jour publiquement avec la
publication en langue anglaise des travaux de Itkis et Utkin (Itkis, 1976; Utkin, 1977) , ce qui
a permis à la commande par mode glissant de se développer comme une méthode générale de
synthèse de commande applicable à une vaste gamme de système (les systèmes non-linéaires,
des systèmes multivariable MIMO, des modèles à temps discrets, des systèmes à grande dimen-
sion et de dimensions infinis).
Les avantages de la commande par mode glissant n’excluent pas un grand problème concré-
tisé par le phénomène de réticence (chattering phenomenon). Ce dernier, est engendré par la
discontinuité de la commande elle-même, et qui peut causer des néfastes dégâts tels que la
perte de précision, usure prématurée des actionneurs et peut gérer des bruits sur les systèmes
mécaniques. Le remède à ce problème est de changer la loi de commande afin de réduire son
3
amplitude et supprimer ces discontinuités qui sont à l’origine de ce problème qui représentent
le défaut de la commande par mode glissant. Pour cela il a fallut ajouter des termes de lissages
à la composante non-linéaire de la commande pour remédier à ce problème.
Le travail de recherche concrétisé par ce mémoire, se matérialise par l’étude de la commande
robuste par mode glissant des systèmes linéaires saturés à temps invariant affectés par des per-
turbations qui touchent profondément les dynamiques, telles que les incertitudes plytopique, et
les contraintes de saturation sur les entrées. Dans la pratique, les systèmes dynamiques sont très
souvent soumis à de telles perturbations paramétriques affectant les paramètres du système ou
affectant les actionneurs dans le cas de la contrainte de saturation. Ces perturbations agissent
directement sur les dynamiques donc sur les performances en terme de robustesse de la com-
mande du système. Ainsi, le but de ce travail est de prendre en compte ces perturbations afin
d’obtenir une loi de commande à la fois stable, robuste et garantissant une dynamique rapide,
c’est-à-dire lui assurer un certain niveau de performance. Ainsi, la notion de la robustesse ou
la performance en boucle fermée du système dynamique nous a amené à choisir la théorie du
mode glissant comme voie de synthèse pour concrétiser l’objectif de commande. Le travail de
ce mémoire se compose de quatre chapitres. Les contributions du mémoire sont exposées selon
une chronologie reflétant l’avancement dans ce travail.
Contributions
Les principales contributions de la thèse actuelle en ce qui concerne la littérature connexe peut
être résumée comme suit :
• Compte tenu de deux types d’incertitudes : incertitude paramétrique et perturbation externe.
• Utilisation des objectifs H∞ -norm et placement des pôles pour garantir une stabilité robuste
avec une atténuation des perturbations en mode glissant pour une classe des systèmes li-
néaires avec des incertitudes polytopiques et contrainte de saturation.
• Conception d’une loi CMG efficace pour atteindre certaines propriétés de performance et une
bonne robustesse.
• Développer des nouveaux résultats en termes d’LMI pour atteindre à la fois une stabilité
asymptotique robuste et bonne performance en mode glissement discrete.
• Proposer un contrôleur par mode glissant discrete saturé robuste qui assure l’apparition du
mode glissant en temps fini malgré des incertitudes polytopiques.
• Nous avons effectué une approximation de l’écart du comportement de la trajectoire du sys-
tème incertain par rapport au comportement idéal.
4 Introduction générale
Organisation
Le présent mémoire, composé de quatre chapitres, est structuré comme suit :
Chapitre 1
Ce chapitre est une enquête de littérature, où nous rappelons, brièvement, l’historique et la ver-
sion minimale utile des différents concepts de base sur la commande en mode glissant. Les dif-
férentes notions de systèmes à structures variables, le principe du régime glissant, la définition
du phénomène de broutement, "chattering", ainsi que les propriétés du régime glissant, seront
présentées. Ensuite, les concepts de synthèse de la Commande à Structure Variable (CSV) sont
repris d’une manière plus générale. Le système considéré est linéaire multivariable représenté
par une équation d’état. Par la suite, nous exposons les différentes modélisations des systèmes
avec contraintes, qui représentent une classe spécifique des systèmes dynamiques. En particulier
on s’intéressera à la contrainte de saturation sur les entrées.
Chapitre 2
Nous proposons une méthodologie de synthèse d’une commande robuste en mode glissant pour
des systèmes linéaires saturés multivariables incertains, en présence des incertitudes de type
affines parallélotopiques. En employant, la norme H∞ et la méthode de placement de pôle,
certaines exigences de performance et une bonne robustesse, en mode glissement, sont atteints.
En utilisant la représentation polytopique, des conditions suffisantes pour la conception de la
surface de glissement. Ensuite, nous proposons des commandes non-linéaires assurant à une
trajectoire initiale d’atteindre et de rester ensuite dans la surface de glissement. Nous donnons
une borne supérieure du temps nécessaire pour atteindre la surface de glissement. De même,
nous effectuons une approximation de l’écart du comportement de la trajectoire du système
incertain par rapport au comportement idéal.
Chapitre 3
Dans le troisième chapitre, nous avons effectué un développement et une application de la com-
mande par mode glissant du système discret saturé. Nous avons utilisé le concept des inégalités
matricielles linéaires afin d’obtenir une surface de glissement optimale. Ensuite, la résolution du
5
problème d’attractivité a été également traitée et ce par l’élaboration de la loi de commande non
linéaire. Cette commande assure à une trajectoire initiale d’atteindre et de rester dans la bande
de glissement. Nous avons justifié en même temps le choix de la période d’échantillonnage et
son influence sur le phénomène de réticence.
Chapitre 4
Dans ce chapitre, nous nous intéressons plus particulièrement aux systèmes discrets saturés
incertains avec des incertitudes de type affines parallélotopiques. Nous présentons une mé-
thodologie de synthèse d’une commande robuste en mode glissant pour des systèmes discrets
saturés linéaires multivariables incertains. Nous faisons usage du concept de la stabilité qua-
dratique pour le choix de l’hypersurface de glissement. Toutes les conditions suffisantes de
placement de pôles seront exprimées sous la forme LMI. Ensuite, nous proposons des com-
mandes discrete non-linéaires assurant à une trajectoire initiale d’atteindre et de rester ensuite
dans la surface de glissement.
Enfin, nous terminons ce rapport par une conclusion générale et d’éventuelles perspectives
Etat de l’art Sur les Systèmes de Commande
1
à Structure Variable
Plan du chapitre
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Généralités sur la Commande à Structure Variable . . . . . . . . . . . . . . 9
1.2.1 Bref Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 Notion des systèmes à structure variable . . . . . . . . . . . . . . . 12
1.2.3 Propriétés du régime glissant . . . . . . . . . . . . . . . . . . . . . 15
1.3 Synthèse de la surface de glissement . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.2 Formulation du problème de synthèse . . . . . . . . . . . . . . . . 20
1.3.3 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3.4 Méthode de la commande équivalente . . . . . . . . . . . . . . . . 21
1.4 Loi de commande du vecteur unitaire "Unit Vector Control" . . . . 24
1.5 L’incertitude polytopique (Gil, 2011) . . . . . . . . . . . . . . . . . . . . . 26
8 Chapitre 1. Etat de l’art Sur les Systèmes de Commande à Structure Variable
1.6 Analyse de stabilité robuste des systèmes LTI avec incertitudes de type poly-
topiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.7 Modélisations des systèmes avec contraintes sur les entrées . . . . . . . . . 33
1.7.1 La fonction saturation . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.7.2 La fonction Zone-morte . . . . . . . . . . . . . . . . . . . . . . . . 34
1.7.3 Système en boucle fermée avec retour d’état statique . . . . . . . . 35
1.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Section 1.1. Introduction 9
1.1 Introduction
’objet de la première section de ce chapitre est de rappeler les notions de base sur la Com-
L mande à Structure Variable (CSV), ainsi que les définitions préliminaires auxquelles nous
aurons recours tout au long des chapitres qui suivent. Tout d’abord, nous commençons par la
présentation d’un bref historique sur le développement de la CSV. Par la suite, la notion de sys-
tèmes à structure variable. Nous rappelons particulièrement les notions de mode glissant, ainsi
que le phénomène de broutement, "chattering". On envisage, ensuite, une généralisation des
concepts de synthèse de la CSV au cas des systèmes multivariables. Le système certain consi-
déré est linéaire représenté par une équation d’état. Pour l’élaboration d’une CSV on procède,
généralement, en deux étapes : La première consiste à la synthèse d’une surface de glissement,
représentant la dynamique désirée du système en mode glissant. Cette étape correspond à l’étude
du problème d’existence. La seconde étape s’intéresse à la construction de lois de commande
non-linéaires conduisant la trajectoire d’état sur la surface de glissement en un temps fini, c’est
le problème d’attégnabilité (reaching problem). Dans ce chapitre, on étudie dans un premier
temps le concept de synthèse de la surface de glissement. Dans un deuxième temps, on présente
des méthodes de résolution du problème d’attégnabilité en tenant compte du compromis entre
la robustesse et l’élimination des oscillations indésirables issues du phénomène de broutement,
"chattering".
La dernière partie de ce chapitre sera consacrée aux différents types de modélisations des sys-
tèmes avec contraintes, qui représentent une classe spécifique des systèmes dynamiques. En
effet, ces contraintes représentent les différentes non-linéarités qui peuvent atteindre un sys-
tème. En particulier, on s’intéressera aux contraintes de saturation sur les entrées. Enfin, une
conclusion clôturera ce chapitre.
1.2 Généralités sur la Commande à Structure Variable

1.2.1 Bref Historique
La CSV avec mode glissant est une technique de commande spéciale, capable d’assurer la
robustesse d’un système vis à vis d’une certaine classe de variations paramétriques et de per-
turbations externes. De plus, cette technique est, relativement, simple de mise en oeuvre. Les
premiers travaux sur les systèmes à structures variables et le mode glissant ont été proposés et
élaborés au début des années 1950 en Ex-Union Soviétique par (Emel’yanov, 1967; Itkis, 1976;
Utkin, 1978). Cette technique n’a attiré l’attention du monde occidental que récemment. Ceci
est dû essentiellement à un certain nombre de problèmes, incluant le manque de procédures
de synthèse, l’existence du phénomène de broutement et la disponibilité de la documentation

uniquement accessible en langue russe. Après les années 70, les chercheurs ont découvert des
propriétés supplémentaires attractives de la CSV et ils ont développé des méthodes de synthèse
de la loi de commande. La faisabilité de cette technique de commande n’a pas évolué seulement
sur le plan théorique, mais elle a été démontrée par plusieurs simulations et mis en oeuvres pra-
tiques. Par conséquent, la CSV est devenue "mature" et prête à être appliquée.
L’historique de la CSV est marqué par trois phases :
• La phase ancienne de la CSV (1957-1970)
Les systèmes étudiés au cours de cette période présentent trois caractéristiques :
Première caractéristique : Le système est modélisé par une équation différentielle linéaire
d’ordre élevé avec une seule entrée.
x(n) (t) + an x(n−1) (t) + ... + a2 x(1) (t) + a1 = bu (t) (1.1)
Deuxième caractéristique : la surface de commutation est définie sous une forme quadratique
spéciale :
s(x) = x1 (c1 x1 + c2 x2 + ... + cn xn ) (1.2)
Troisième caractéristique : la structure de la commande est définie par :

(
ψ = α si s(x) > 0
u = ψx1 ou (1.3)
ψ = β si s(x) < 0
Les équations (1.1), (1.2) et (1.3) décrivent un système monovariable avec des gains de retour
altérés "switché". Les travaux publiés dans ce domaine, (Emel’yanov, 1967; Itkis, 1976; Utkin,
1977, 1978; Drazenovic, 1969), traitent des systèmes monovariables et sont axés essentielle-
ment sur :
∗ L’existence du mode glissant,
∗ La stabilité du mode glissant,
∗ Les systèmes à coefficients variants dans le temps,
∗ L’effet des variations paramétriques et des perturbations extérieures sur les systèmes,
∗ Les systèmes à variables d’états non mesurables.
• La phase ancienne de la CSV (1970-1980)

Section 1.2. Généralités sur la Commande à Structure Variable 11
Durant cette période, la théorie générale de la CSV des systèmes linéaires a été formellement
établie.
Le système est de la forme générale :
ẋ = Ax + Bu (1.4)
On note dim(x) = n, dim(u) = m, la surface de commutation s(x) est un vecteur de dimension

m et la structure de la commande pour chacune des m entrées est donnée par :
(
ψi+ (x) si si (x) > 0
ui (x) = i = 1...m (1.5)
ψi− (x) si si (x) < 0
La forme linéaire des fonctions de commutations scalaire si (x) a remplacé la forme quadratique.
Toutefois, la théorie de la CSV ainsi établie n’a pas attiré l’attention de la communauté scien-
tifique et ses applications pratiques sont restées confidentielles. Ceci est dû à deux facteurs :
D’une part, la théorie de la CSV a été éclipsée par les techniques populaires de la commande
par retour linéaire d’état (ou de sortie) et à cet époque, les propriétés importantes de robustesse
de la CSV ne sont pas encore bien reconnues et appréciées. D’autre part, sa mise en oeuvre
souffre alors d’un manque de systèmes de commutation suffisamment performants.
• La Phase actuelle du développement avancée de la CSV (1980-2017)
Après les années 1980, il y a eu trois évènements importants qui ont permis le développement
de la CSV. Le premier est l’existence de méthodes générales de synthèse de la CSV pour les
systèmes complexes. Le second est la reconnaissance totale des propriétés de robustesse de la
CSV vis à vis des incertitudes. Le troisième est le développement de dispositifs de commande
performants du point de vue technologique et notamment en commutation. Par conséquent, la
recherche et le développement (R&D) dans ce domaine ont énormément évolué sur le plan
théorique et pratique. Les travaux de R&D peuvent être classés en quatre catégories :
∗ Développement de méthodes de synthèse de la CSV pour différents types de systèmes : li-

néaire incertains, non-linéaires, discrets, à retards, stochastiques et de dimensions infinies,
∗ Extension des objectifs de commande au-delà du problème de stabilisation pour inclure : le

problème de poursuite, de poursuite de modèle de référence, de la commande adaptative, de
la commande optimale et de l’observation d’état,
∗ Exploration de propriétés supplémentaires de la CSV. Ces propriétés concernent l’invariance
de mode glissant vis à vis des perturbations, la robustesse du mode non glissant et l’élimina-
tion et/ou la réduction du phénomène de broutement,
∗ Mise en oeuvre pratique dans des problèmes très variés.
1.2.2 Notion des systèmes à structure variable

La commande automatique des Systèmes à Structure Variable (SSV) constitue une classe spé-
ciale de la commande non linéaire des systèmes. Comme leur nom l’indique, les SSV diffèrent
des autres systèmes de commande par le fait que leur structure n’est pas constante mais qu’elle
varie avec l’évolution de la commande. Il est évident que la structure d’un système avec un re-
tour positif est différente de celle d’un système avec un retour négatif ou de celle d’un système
en boucle ouverte. D’une manière générale, la structure de commande d’un système peut chan-
ger soit accidentellement (par exemple une rupture dans la boucle de contre réaction,...), ou bien
conformément à un objectif bien défini. Les SSV considérés font partie de la deuxième catégo-
rie. En effet, les lois de commande développées dans la théorie des SSV prévoient souvent des
changements dans la structure du système quand le point représentatif croise certaines surfaces
(hypersurfaces) dans le plan de phase du système. La forme de ces surfaces dépend essentiel-
lement du modèle de représentation du système. L’idée fondamentale des SSV fut illustrée à
l’origine sur l’ensemble d’un système de second ordre (Itkis, 1976; Hung et Gao, 1993), que
nous rappelons maintenant. Le modèle du second ordre est défini par les équations d’état :
(
ẋ1 (t) = x2 (t)
(1.6)
ẋ2 (t) = −x1 (t) + 2x2 (t) + u (t)
La commande est donnée par :

(
4 si s (x1 , x2 ) > 0
u = −ψx1 ou ψ = (1.7)
−4 si s (x1 , x2 ) < 0
s (x1 , x2 ) est définie par la forme quadratique :
s (x1 , x2 ) = x1 (λx1 + x2 ) = x1 σ (1.8)
Ou ou σ = λx1 + x2 et λ > 0
Le schéma bloc du système est illustré par la figure suivante :
F IGURE 1.1 – Schéma bloc du système (1.6).
Dans le plan de phase (figure 1.2), la fonction s (x1 , x2 ) correspond à deux droites divisant
le plan en des régions où le signe de cette fonction change et donc la commande induite. La
fonction est appelée fonction de commutation alors que l’ensemble des points dans le plan de
phase tels que s (x1 , x2 ) = 0 est appelé surface de commutation. La loi de commande, (ici un
gain de retour d’état), commute pour chaque "traversée" de la surface de commutation.
Le système commandé est ainsi défini analytiquement par deux modèles différents dans deux
régions du plan de phase.
(
ẋ1 (t) = x2 (t)
région I (1.9)
ẋ2 (t) = −5x1 (t) + 2x2 (t)
(
ẋ1 (t) = x2 (t)
région II (1.10)
ẋ2 (t) = 3x1 (t) + 2x2 (t)
La région I est définie par s (x1 , x2 ) > 0 alors que la région II est définie par s (x1 , x2 ) < 0.
F IGURE 1.2 – Régions définies par la logique de commutation.

Si l’on fait l’étude qualitative séparée de ces deux systèmes autonomes, on peut montrer que
le premier a un foyer instable comme point d’équilibre à l’origine (figure 1.3.a) alors que le
second a un point selle instable à l’origine (figure 1.3.b). Les allures des trajectoires de phase
dans les régions I et II sont donc très différentes
F IGURE 1.3 – Plans de phase. (a) Système 1.9. (b) Système 1.10.
Si l’on désire étudier maintenant les trajectoires de phase du système global, il est nécessaire
d’adjoindre à l’étude dans chacune des régions I et II, l’étude de la trajectoire du système sur
la surface de commutation (figure 1.4). La droite x1 = 0 correspond à une frontière où les
trajectoires d’allures différentes se joignent alors que la droite σ = λx1 + x2 = λx1 + ẋ1 = 0
décrit une trajectoire de phase particulière, représentant la dynamique d’ordre inférieur donnée
par λx1 + ẋ1 = 0 où encore
x1 (t) = x1 (t0 ) e−λt (1.11)
Où t0 est le temps pour lequel la trajectoire atteint la droite de commutation. Quand la dyna-
mique du système est décrite de cette manière, on dit qu’il est en mode (ou régime) glissant.
F IGURE 1.4 – Régime glissant dans le plan de phase du système global (1.6).
Cet exemple de commande de systèmes à structure variable montre que ce type de systèmes
exhibe en général deux modes de fonctionnement :
• Le mode non glissant "reaching mode",
• Le mode glissant "sliding mode".
Ainsi, la trajectoire de phase, partant d’une condition initiale quelconque, atteint la surface de
commutation en un temps fini, ("reaching mode"), puis tend asymptotiquement vers le point
d’équilibre avec une dynamique définie par le mode glissant. Toutefois, il est à noter que tous
les systèmes de commande à structure variable ne possèdent pas un régime glissant mais que
les propriétés de celui-ci constituent une grande partie des mérites de ce type de systèmes de
commande.
1.2.3 Propriétés du régime glissant

En reprenant l’exemple de la CSV du système du second ordre (1.6)- (1.8), on remarque que
le comportement du système durant le régime glissant est celui d’un système de premier ordre
stable et indépendant des paramètres du système original (1.6). En effet, l’équation (1.11) re-
présentant la dynamique du système en mode glissant ne dépend que du paramètre λ défini par
la surface de commutation (1.8). La stabilité asymptotique du système en mode glissant est ga-
rantie par le choix de λ > 0. Cette étape de synthèse est appelée dans la littérature le problème
d’existence.
Dans la seconde étape, appelée problème d’attégnabilité ou encore "reaching problem", la com-
mande u est choisie afin de conduire l’état du système vers la surface de commutation en un
temps fini, pour être ensuite contraint de rester sur cette surface. Ceci est obtenu, si l’on satisfait
les conditions suivantes :
s = 0 et ṡ = 0 (1.12)
Où d’une manière équivalente par passage à la limite
lim ṡ > 0 et lim+ ṡ < 0 (1.13)

s→0− s→0
L’équation (1.13) peut s’écrire d’une manière plus compacte
lim sṡ < 0 (1.14)

s→0
Les conditions (1.12)- (1.14) sont appelés conditions de glissement (ou d’attégnabilité). Des
simulations sur Matlab ont été effectuées sur le système (1.6) avec :
u = 4sign (s) (1.15)
s = λx1 + x2 (1.16)
La figure 1.5 illustre l’évolution des variables d’état x1 et x2 en fonction du temps, la loi de
commande u, la fonction de commutation s (x1 , x2 ) et le plan de phase du système pour une
condition initiale (x1 (0) x2 (0)) = (1 0) et λ = 1 .
variables d état x1 et x2 loi de commande
1 4
0.5 2
0 0
x
−0.5 −2
−1 −4
0 1 2 3 4 0 1 2 3 4
t(s) t(s)
fonction de commutation plan de phase
1 0
−0.2
0.5
−0.4
x2
s
−0.6
0
−0.8
−0.5 −1
0 1 2 3 4 0 0.2 0.4 0.6 0.8 1
t(s) x1
F IGURE 1.5 – Réponse du système (1.6).
Une interprétation physique de la robustesse des systèmes vis à vis des variations paramétriques
et des perturbations extérieures durant le régime glissant est donnée par (Itkis, 1976; Utkin,
1993). Elle consiste en fait que l’entrée de l’organe de commutation s (x1 , x2 ) est nulle, alors
que sa sortie prend une valeur finie.
Par conséquent, l’organe de commutation est équivalent à un amplificateur à gain infini.
umoy
keq = → lim keq = ∞ (1.17)
s s→0
Remarquons que le fait d’imposer une commande discontinue peut être équivalent à l’utilisation
d’une commande à grand gain, tel que illustrée par la figure suivante :
F IGURE 1.6 – Equivalence du régime glissant à une commande à grand gain.
Dans le cas idéal, le signal de commande doit osciller à une fréquence infinie avec une amplitude
finie. Ceci dépend du système physique considéré. Par exemple, si la grandeur de commande
est une force ou un couple, il n’est pas réaliste d’utiliser un retour discontinu produisant des
oscillations mécaniques de haute fréquence et qui pourra avoir un effet destructif des structures
mécaniques. Toutefois, les entrées sont généralement des signaux électriques qui produisent
des actions (force, couple) à travers les dynamiques électromécaniques des actionneurs. Dans
ce cas, un autre phénomène se présente. Les signaux électriques doivent osciller à des très hautes
fréquences, mais à cause des dynamiques non modélisées des actionneurs, les commutations ne
peuvent pas s’effectuer à haute fréquence. Par conséquent, ce sont des oscillations à fréquence
finie dans la bande passante du système qui peuvent être générées. Ce phénomène est appelé
phénomène de broutement. Il est désigné dans la littérature anglo-saxonne par "chattering phe-
nomenon". Ce problème présente un inconvénient majeur de la CSV. Il est très bien connu et
largement traité dans la littérature. En effet, plusieurs solutions pratiques ont été proposées pour
palier les effets indésirables du phénomène de broutement. Les schémas de commande propo-
sés essayent, d’une façon ou d’une autre, de linéariser le terme discontinu de la commande au
voisinage de la surface de glissement ou d’attraction.
Parmi les premières importantes approches permettant de réduire le phénomène de broutement,
on peut citer celle proposée par Slotine et Sastry (1983) et qui consiste à remplacer le relais de
commutation par une fonction de saturation définie par :
(
s sgn (s) si ksk ≥ η
sat = s
(1.18)
η η
si ksk ≤ η
Ou bien l’interpolation fractionnelle proposée par Dorling et Zinober (1986)
s
sgn (s) → (1.19)
ksk + η
Ning-Su et Chun-Bo (1989) propose une transformation intégrale de la forme :

 
Zt
sgn (s) → sat  ki sgn (s) dτ  (1.20)
t0
L’approche proposée par Hajri (1997) est basée sur la mise en oeuvre d’une surface de glisse-
ment de même ordre que le système.
La fonction de glissement s(t) est choisie de telle manière qu’elle soit solution de l’équation
différentielle suivante :
ds
= −M sgn (s) (1.21)
dt
Avec M une constante strictement positive. La surface ainsi définie fait intervenir une loi de
commande particulière, appelée commande dynamique par mode glissant. La condition de
glissement (Utkin, 1992) impose une discontinuité sur la dérivée de la commande permettant
ainsi de résoudre les problèmes liés au phénomène de broutement. En effet, l’intégration lisse
la commande discontinue avant son application sur la dynamique du système et donc évite de
faire apparaître ces vibrations résiduelles indésirables (Fliess et Messager, 1991) . La figure
suivante présente des résultats de simulations sur Matlab effectuées sur le système (1.6) en
utilisant la structure (1.19).
variables d état x1 et x2 loi de commande
1 4
0.5 2
0 0
x
−0.5 −2
−1 −4
0 1 2 3 4 0 1 2 3 4
t(s) t(s)
fonction de commutation plan de phase
1 0
−0.2
0.5
−0.4
x2
s
−0.6
0
−0.8
−0.5 −1
0 1 2 3 4 0 0.2 0.4 0.6 0.8 1
t(s) x1
F IGURE 1.7 – Réponse du système (1.6) avec η = 0.04.
Notons que le faite de rendre la commande discontinue plus lisse "smooth control" dégrade les
propriétés idéales d’invariance du mode glissant. Toutefois, on peut dire que cet aménagement
rapproche la CSV d’une loi commande robuste du type commande à grands gains. L’intérêt
majeur de cette approche se situe d’une part dans la faible complexité de la loi de commande,
Section 1.3. Synthèse de la surface de glissement 19
d’autre part dans la synthèse des coefficients de la surface de glissement. On peut facilement
prendre en compte aussi bien en termes de stabilité que de performances, les saturations et les
non linéarités du modèle présentées dans le système asservi. C’est un avantage non négligeable
qui permet de connaître les limites de fonctionnement à ne pas dépasser.
Cette section, a été consacrée à l’introduction de quelques notions et définitions classiques,

qui seront utilisées par la suite. Dans ce que suit, nous traitons le problème général de synthèse
de la CSV des systèmes linéaires multivariables.
1.3 Synthèse de la surface de glissement

1.3.1 Généralités
Les systèmes de commande à structure variable constituent une réponse partielle au problème
de la commande de systèmes à modélisation incertaine. Il est en effet bien connu que ce type de
commande peut être rendu insensible à une certaine classe d’incertitudes paramétriques ainsi
qu’à une certaine classe de perturbations pouvant affecter le modèle considéré (Utkin, 1978).
Brièvement, la théorie de la commande à structure variable repose principalement sur l’utilisa-
tion d’une commande à commutation à haute fréquence permettant, après une phase transitoire,
de forcer la trajectoire d’état du système à rester dans un sous espace donné, appelé hypersurface
de glissement. En mode de glissement, le système possède alors des propriétés d’invariance vis
à vis des perturbations externes ou de variations paramétriques vérifiant l’hypothèse des "mat-
ching conditions" (Drazenovic, 1969). Les performances de la commande calculée sont donc
directement dépendantes du choix de l’hypersurface du glissement.
Le problème de la synthèse de l’hypersurface du glissement peut être ramené à celui de la stabi-
lisation d’un système d’ordre réduit (Utkin, 1978). Diverses méthodes ont été développées pour
résoudre ce problème (Zinober, 1994), telles que la minimisation d’un critère quadratique, le
placement de structure propre ou le placement de pôles dans une région prédéfinie du plan com-
plexe. Pour cette dernière méthode, différentes régions du demi-plan complexe gauche pour les
systèmes complexes continues ont été prises en compte. Furuta, (Furuta et Kim, 1987), s’inté-
resse au placement de pôles dans un disque en utilisant une équation de Riccati de type discret.
A cette même période, d’autres auteurs ont proposé des résultats sur le placement de pôles dans
un secteur du demi-plan complexe gauche (Gutman et Jury, 1981; Arzelier et al., 1993) . L’ex-
tension de ces techniques au problème de synthèse de l’hypersurface du glissement dans les
systèmes de commande à structure variable a été proposée dans Woodham et Zinober (1993);
Arzelier et al. (1997).
1.3.2 Formulation du problème de synthèse

Le système considéré est linéaire invariant. Les incertitudes sur le système sont supposées
nulles. L’équation d’état du système est donnée par :
ẋ (t) = Ax (t) + Bu (t) (1.22)
Avec x ∈ <n , u ∈ <m , A ∈ <n×n , B ∈ <n×m

Les hypothèses générales adoptées dans la suite sont les suivantes :
∗ La matrice B est de rang plein ;
∗ La paire (A, B) est commandable.
1.3.3 Définitions
Définition 1.1 :
La fonction de commutation est une fonction vectorielle linéaire de l’état de la forme :
s (x) = [s1 (x) s2 (x) ... sm (x)]T = Cx (1.23)
Ou C = [c1 c2 ... cm ]T ∈ <m×n et cTj est un vecteur ligne. Chaque fonction scalaire de
commutation sj (x) décrit une surface linéaire sj (x) = 0
Définition 1.2 :
La surface de glissement est définie par :
Sj = {x ∈ <n : sj (x) = 0} , j = 1, ..., m (1.24)
Elle est appelée aussi hypersurface ou hyperplan de glissement.
Remarques 1.1 :
1. Un système d’ordre n avec m commandes possédera 2m − 1 surfaces de commutations.
2. Il existe m hypersurfaces de commutation Sj de dimension n − 1.
3. L’intersection de deux surfaces de commutation Si et Sj est une hypersurface de commu-
tation de dimension n − 2, Sij = Si I Sj .
4. Il existe une hypersurface de commutation unique, intersection de toutes les m hypersur-
faces de commutation, qui est de dimension n − m.
m
S = I Sj = {x ∈ <n : Cx = 0} (1.25)
j=1
En termes géométriques, le sous-espace S est le noyau de C, noté N (C).
F IGURE 1.8 – Interprétation géométrique des diverses surfaces de commutation.
Définition 1.3 :Régime glissant :

Si pour tout vecteur d’état initial x (t0 ) ∈ S, la trajectoire d’état reste dans l’hypersurface S,
x (t) ∈ S ∀t > t0 , alors x(t) est un mode glissant pour le système (1.22).
1.3.4 Méthode de la commande équivalente

Pour développer cette technique, on considère le système certain (1.22). Si le système est en
mode glissant alors s (t) = Cx(t) = 0 pour tout t ≥ tg Où tg est le temps pour lequel le mode
glissant est atteint. En différentiant par rapport au temps et en utilisant (1.22), on obtient :
ṡ (t) = CAx(t) + CBu(t) = 0 ∀ t ≥ tg (1.26)
Si (CB)−1 existe, ce qui est déjà assuré par les hypothèses, alors la commande équivalente peut
être donnée par :
ueq = − (CB)−1 CAx = −Kx (1.27)
Où
K = (CB)−1 CA (1.28)
ẋ = (I − B (CB)−1 C)Ax = Aeq x (1.29)
L’équation ẋ = (I − B (CB)−1 C)Ax = Aeq x décrit la dynamique du système sur la surface

de glissement qui est indépendante de la valeur actuelle de la commande et dépend uniquement
du choix de la matrice C.
Afin de simplifier la synthèse, il est intéressant d’introduire une forme canonique particulière
par l’introduction d’un nouveau vecteur d’état.
Ainsi, on forme une première Transformation du système (1.22). Par hypothèse, la matrice B
n×n
est de rang plein m, donc # une matrice de transformation orthogonale T ∈ <
" il existe TT =
0
T −1 Telle que : T B = où B2 est de dimension (m × m) et non singulière.
B2
La variable d’état transformée est définie par y = T x, pour laquelle l’équation d’état de-
vient ẏ(t) = T AT T y(t) + T Bu(t). La condition définissant le mode de glissement est alors
CT T y(t) = 0.
h i
Si la variable d’état est partagée sous la forme : y = y1 y2 Avec y1 ∈ <n−m et y2 ∈ <m
T T T
Alors l’équation d’état se réécrit de la manière suivante :

(
ẏ1 (t) = A11 y1 (t) + A12 y2 (t)
(1.30)
ẏ2 (t) = A21 y1 (t) + A22 y2 (t) + B2 u(t)
" # " #
T A11 A12 0 T
h i
TAT = , TB = et CT = C1 C2 (1.31)
A21 A22 B2
Si on utilise le vecteur d’état transformé, la condition définissant le mode de glissement devient :
" #
h i y1
CT T y(t) = 0 ⇒ C1 C2 =0 (1.32)
y2
Ou de manière équivalente
C1 y1 (t) + C2 y2 (t) = 0 (1.33)
L’hypothèse que CB est non-singulier implique que C2 doit être aussi non-singulière et la
condition définissant le mode glissant devient :
y2 (t) = −C2−1 C1 y1 (t) = −F y1 (t) (1.34)
Où
F = C2−1 C1 (1.35)
Le mode glissant idéal est donc gouverné par les deux équations suivantes :
(
ẏ1 (t) = A11 y1 (t) + A12 y2 (t)
(1.36)
y2 (t) = −F y1 (t)
L’ordre du système est réduit à (n − m) où y2 joue le rôle d’une commande par retour d’état.
Le système (1.36) détermine de manière unique les dynamiques dans le mode de glissement.
Fermons la boucle, nous obtenons alors :
ẏ1 (t) = (A11 − A12 F )y1 (t) (1.37)
Cette expression indique que la synthèse d’un mode glissant stable, (x → 0 si t → ∞), se
ramène à la sélection de la matrice F qui place les (n − m) valeurs propres de (A11 − A12 F )
dans le demi-plan complexe gauche.
Le problème global a été ramené à un problème de stabilisation d’un système linéaire réduit en
boucle fermée par une commande linéaire y2 (t) = −F y1 (t) .
Ceci peut être réalisé par différentes méthodes telles que (Dorling et Zinober, 1986; Zinober,
1991) :
• La minimisation d’un critère quadratique.
• Le placement de pôles dans une région du plan complexe (secteur, cercle,..).
• Le placement de structure propre.
Une fois la matrice stabilisante F est déterminée, la matrice C peut être calculée par :
C = C2 [F Im ] T (1.38)
Il est à noter que l’on dispose alors d’un certain nombre de degrés de liberté du fait du choix de
la matrice inversible C2 . En supposant C2 = Im ,
C = [F Im ] T (1.39)
où T est la matrice de transformation.

En résumé, la synthèse de l’hypersurface de glissement S se fait en passant par les étapes
suivantes :
• Décomposition du système sous la forme canonique (1.30).
• Calcul d’un retour d’état stabilisant F pour le système réduit (1.36).
• Calcul de l’hypersurface de glissement par (1.39).
1.4 Loi de commande du vecteur unitaire "Unit Vector Control"

La loi de commande proposée par Ryan et corless (1984); Dorling et Zinober (1986) est formée
par une composante linéaire et une composante non linéaire de la forme :
Nx
u(x) = Lx + ρ (1.40)
kM xk
Où ρ est un scalaire positif et ker (N ) = ker (M ) = ker (C). Les matrices L, M et N sont
déterminées systématiquement par la méthode suivante :
La commande (1.40) peut être représentée sous la forme : u (x) = uL (x)+uN (x) avec uL (x) =
Lx est la composante linéaire, tandis que uN (x) représente la composante non linéaire de la
commande. On forme une deuxième transformation linéaire :
Z = T2 y = T2 T x (1.41)
Z T = z1T z2T ; z1 ∈ <n−m ; z2 ∈ <m

Telle que : " # " #

In−m 0 In−m 0
T2 = ⇒ T2−1 = (1.42)
F Im −F Im
Le nouveau vecteur d’état transformé devient :
(
z1 (t) = y1 (t)
(1.43)
z2 (t) = F y1 (t) + y2 (t)
En utilisant ce qui précède on obtient :

(
ż1 (t) = Σ1 z1 (t) + Σ2 z2 (t)
(1.44)
ż2 (t) = Σ3 z1 (t) + Σ4 z2 (t) + B2 U (t)
Avec : 


 Σ1 = A11 − A12 F

 Σ =A
2 12
(1.45)


 Σ3 = F Σ1 − A22 F + A21

 Σ =A +A F
4 22 12
La condition définissant le mode de glissement devient :
z2 = 0 (1.46)
Section 1.4. Loi de commande du vecteur unitaire "Unit Vector Control" 25
Pour conduire l’état en mode glissant vers zéro asymptotiquement, la composante linéaire du

commande uL impose la condition :
ż2 = z2 = 0 (1.47)
Ce qui nous donne :

Σ3 z1 (t) + Σ4 z2 (t) + B2 uL (t) = 0 (1.48)
uL (z) = −B2 −1 (Σ3 z1 + Σ4 z2 ) (1.49)
On pose Σ∗4 ∈ <m∗m une matrice et telle que ses valeurs propres sont dans le demi-plan com-
plexe gauche.
On obtient alors :
uL (x) = −B2 −1 [Σ3 (Σ4 − Σ∗4 )] T2 T x = Lx (1.50)
On déduit :
L = −B2 −1 [Σ3 (Σ4 − Σ∗4 )] T2 T (1.51)
Pour la composante non linéaire, soit V2 une fonction de Lyapunov définie par :
1
V2 (z2 ) = z2T P2 z2 (1.52)
2
Où P2 est une matrice symétrique définie positive solution de :
P2 Σ∗4 + Σ∗T
4 P2 + Im = 0 (1.53)
Ce qui donne : P2 z2 = 0 SSI z2 = 0

On prend alors :
B2−1 P2 z2
(
un (z) = −ρ kP2 z2 k
si z2 6= 0
(1.54)
kun (z)k ≤ ρ si z2 = 0
Où ρ > 0 est un paramètre de synthèse.

En utilisant les matrices de transformation T et T2 nous trouvons :
h i
N = B −1 0 P T T
2 2 2

h i (1.55)
M = 0 P2 T2 T
1.5 L’incertitude polytopique (Gil, 2011)

Ce type de représentation d’incertitudes est adapté au cas où les éléments de la matrice A
sont fonctions multilinéaires des paramètres d’incertitude. La matrice d’état du système est une
combinaison linéaire convexe et elle appartient au domaine de type polytopique suivant :
N
X N
X
n×n
A ∈ DA ; DA = {A ∈ < :A= λi Ai , λi ≥ 0 , λi = 1} (1.56)
i=1 i=1
DA = co{A1 , A2 , ......, AN } (1.57)
Les fonctions scalaires λi sont des fonctions de pondération vérifiant les conditions précédentes
et co est la notation correspondant à l’enveloppe convexe définie par les N sommets du po-
lytope DA (exemple N = 6 F igure 1.9). Toute réalisation A de la matrice dynamique peut
s’exprimer comme une combinaison linéaire convexe des N matrices sommets. En effet chaque
sommet de polytope correspond à un domaine de fonctionnement particulier, ce qui permet de
considérer les différentes phases de travail d’un processus donné. Ces sommets ont souvent une
définition physique (incertitudes paramétriques par exemple). Ils peuvent également constituer
des modes de fonctionnement extrêmes identifiées expérimentalement. Pour les formes polyto-
piques, le modèle nominal A0 peut avoir une réalité physique lié à la modélisation. Cependant,
tout point intérieur du polytope peut définir un modèle nominal. Dans le cas général, si aucun
modèle nominal n’est donné, nous choisissons le barycentre du polytope telle que :
N
1 X
A0 = Ai (1.58)
N i=1
F IGURE 1.9 – Représentation d’une incertitude appartenant à un ensemble polytopique décrit

par N = 6
Section 1.5. L’incertitude polytopique (Gil, 2011) 27
La structure polytopique d’une incertitude se prête bien au développement d’outils d’analyse et

commande robustes. Cependant, elle n’est pas immédiate lorsqu’il s’agit de modéliser un sys-
tème. L’incertitude polytopique (où les paramètres desquels provient l’incertitude sont exhibés
implicitement) est souvent obtenue par reformulation de l’incertitude dite affine (où les para-
mètres incertains apparaissent explicitement), présentée ci-avant, et plus précisément à partir de
l’incertitude affine parallélotopique définie dans Peaucelle (2000) comme suit :
Soit un point initial M d’un espace vectoriel de matrices réelles. La translation de ce point le
long d’un axe M |1| d’un point initial M + M |1| à un point final M − M |1| , aboutit au segment :
M + δ1 M |1| , |δ1 | ≤ 1 (1.59)
Quand ce segment est translaté de la même façon selon un autre axe M |2| , on obtient un paral-
lélogramme :
M + δ1 M |1| + δ2 M |2| ; |δ1 | ≤ 1 (1.60)
L’etape suivante conduit à un parallélépipède.

Définition 1.4 :
Un parallélotope de dimension n0 est défini par :
n0
X
M (∆) = M + δi M |i| ; : |δi | ≤ 1;∀i = 1, ......, n0 (1.61)
i=1
La représentation incertaine de la matrice d’état sous la forme parallélotopique se définit à la

donnée d’un modèle LTI central A0 et d’un nombre fini n0 d’axes A|i| qui sont tous des modèles
LTI de mêmes dimensions de la matrice d’état. En référence à la définition 2.1, la matrice
incertaine est telle que :
n0
X
A = A0 + δi A|i| ; |δi | ≤ 1;∀i = 1, ......, n0 (1.62)
i=1
En particulier les matrices A|i| sont par exemple des homothétiques de la base usuelle de l’es-
pace des matrices (les matrices A|i| sont de rang 1), A|i| a tous ses coefficients nuls sauf un. Il
faut noter que la modélisation parallélotopique est naturelle quand les paramètres de la matrice
d’état sont donnés dans des intervalles. On trouve dans la littérature la définition de la classe
des matrices intervalles (Peaucelle, 2000, 2006) où le modèle incertain se définit à la donnée de
deux systèmes LTI extrémaux Ā et A ayant les mêmes dimensions de A . La matrice incertaine
du modèle A est telle que tous ses éléments sont indépendants les uns des autres et bornés par
les valeurs des éléments correspondants dans Ā et A :
aij ≤ aij ≤ āij (1.63)
Remarques 1.2 :
La modélisation parallélotopique est trivialement un sous cas des modèles polytopiques mais
constitue la classe la plus souvent rencontrée en pratique. Par la suite, elle est considérée dans
sa généralité en tant que modèle polytopique avec N = 2n0 sommets. Le passage d’une forme
à l’autre se fait en identifiant les sommets du polytope avec δi = 1 ou δi = −1.
Exemple 1.1 :
Soit le système physique constitué de deux masses (M1 , M2 ) reliées par un ressort de raideur
K (Wie et Bernstein, 1992). Le système est représenté par la figure 1.10.
F IGURE 1.10 – Système deux masses-ressort
La représentation d’état de ce système est donnée par l’équation suivante :

   
0 0 1 0 0
   
 0 0 0 1   0 
ẋ(t) =   x(t) +   u(t) (1.64)

 − Mk1 k
M1
0 0 


 1 

k
M2
− Mk2 0 0 0
Les masses M1 , M2 sont certaines et la raideur est incertain.
M1 = M2 = 1 ; 0.9 ≤ k ≤ 1.1 (1.65)

Section 1.5. L’incertitude polytopique (Gil, 2011) 29
Donc la matrice A peut se mettre sous la forme affine de la manière suivante :

   
0 0 1 0 0 0 0 0
   
 0 0 0 1   0 0 0 0 
A(∆) =  +k 

 0 0 0 0 


 − M11 1
M1
0 0 

1
0 0 0 0 M2
− M12 0 0
   
0 0 1 0 0 0 0 0
   
 0 0 0 1 +k 0 0 0 0
  
=
 0 0  −1 1
 (1.66)
 0 0 
  0 0 

0 0 0 0 1 −1 0 0
Or k peut s’écrire sous la forme suivante :
k̄ + k k̄ − k
k = k0 + wk δk ; k0 = = 1 ; wk = = 0.1 ; |δk | ≤ 1 (1.67)
2 2
Nous obtenons alors une forme parallélotopique de A :

   
0 0 1 0 0 0 0 0
   
 0 0 0 1   0 0 0 0 
A(∆) =   + δk  

 −k0 k0 0 0 


 −wk wk 0 0 

k0 −k0 0 0 wk −wk 0 0
   
0 0 1 0 0 0 0 0
   
 0 0 0 1   0 0 0 0 
=  + δk   (1.68)

 −1 1 0 0 


 −0.1 0.1 0 0 

1 −1 0 0 0.1 −0.1 0 0
Enfin, nous pouvons mettre la matrice A sous forme polytopique :
2
X 2
X
4×4
A(∆) ∈ DA ; DA = {A(∆) ∈ < : A(∆) = λi Ai , λi ≥ 0 , λi = 1} (1.69)
i=1 i=1
Les matrices Ai sont obtenues en identifiant dans l’équation (1.67) δk soit par (−1) pour trouver
A1 ou par (1) pour obtenir A2 .
   
0 0 1 0 0 0 1 0
   
 0 0 0 1   0 0 0 1 
A1 =   ; A2 =   (1.70)

 −0.9 0.9 0 0 


 −1.1 1.1 0 0 

0.9 −0.9 0 0 1.1 −1.1 0 0
Les coefficients de pondération λi sont telles que :
δ−δ δ̄ − δ
λ1 = ; λ2 = 1 − λ1 = (1.71)
δ̄ − δ δ̄ − δ
Pour δ = 0, (λ1 = λ2 = 0.5) nous trouvons la matrice nominale A0 :

 
0 0 1 0
 
 0 0 0 1 
A(∆) = A0 =   (1.72)

 −1 1 0 0 

1 −1 0 0
Nous pouvons énumérer d’autres modélisations d’incertitudes comme par exemple :
L’incertitude non paramétrique :

Ce type de modélisation est souvent utilisé pour la synthèse de commandes robustes à structure
variable (Perruquetti et Barbot, 2002).
L’incertitude non paramétrique :
Ce cas correspond à une représentation mixte des incertitudes. Elle combine les incertitudes pa-
ramétriques et non paramétriques. Ce type de représentation des incertitudes est utilisé dans
(Choi, 1997, 2007) pour la synthèse de commandes à structure variable asymptotiquement
stables.
Nous nous limitons à ces différentes structures de modélisation des incertitudes, présentées à
titre bibliographique. Dans le paragraphe suivant, nous présentons les notions d’analyse robuste
d’un système incertain LTI polytopique. Notons que, les méthodes de calculs, par la suite, se
reposent sur les inégalités matricielles linéaires LMI.
Section 1.6. Analyse de stabilité robuste des systèmes LTI avec incertitudes de type polytopiques31
1.6 Analyse de stabilité robuste des systèmes LTI avec incerti-

tudes de type polytopiques
Le modèle incertain et sa structure étant fixés, une étape importante est l’analyse des proprié-
tés en stabilité robuste du modèle proposé afin d’élaborer une stratégie de commande. Celle ci
une fois obtenue, une nouvelle étape d’analyse du système bouclé intervient afin de tester les
propriétés réelles du système corrigé. Pour l’analyse robuste en stabilité, étant donné un modèle
LTI avec incertitude polytopique, il s’agit de tester la stabilité au sens de Lyapunov du système
pour l’ensemble des incertitudes admissibles (incertitude polytopique). Dans ce paragraphe,
nous commencerons par donner un aperçu sur la notion de stabilité au sens classique en expli-
citant la notion de stabilité au sens de Lyapunov pour un système LTI (Lien, 2004). L’approche
de stabilité robuste est présentée juste après. Partant de l’étude des systèmes mécaniques, Lya-
punov a développé une théorie mathématique générale pour toute équation différentielle, c’est
à dire pour tout système modélisé dans l’espace d’état. Son résultat principal se fonde sur la
décroissance de l’énergie totale d’un système comme indicateur de stabilité. Si l’énergie totale
d’un système se dissipe continument avec le temps alors ce système tend à rejoindre sa position
d’équilibre. Dans ce mémoire, nous étudions la stabilité robuste sur la base de la théorie de
Lyapunov.
Elle se base sur le signe :
• D’une fonction de Lyapunov V (x) avec (V (0) = 0, V (x) → ∞ lorsque k x k→ ∞)
• Et celui de sa dérivée V̇ (x) = dVdt(x) .
Une classe intéressante de fonctions de Lyapunov est celle la fonction de Lyapunov quadratique
qui s’écrit de la manière suivante :
V (x) = xT P x ; P = P T > 0 (1.73)
Cette fonction est définie positive si P est une matrice définie positive. Dans le cas d’un système
linéaire autonome,
ẋ(t) = Ax(t) ; x(t0 ) = x0 (1.74)
Il est possible d’écrire

V̇ (x) = xT (AT P + P A)x (1.75)
Si la dérivée est définie négative alors l’origine est globalement asymptotiquement stable. Pour
les systèmes LTI, la stabilité est nécessairement globale et les points d’équilibre sont dans le
sous-espace défini par le noyau de A. Le plus souvent est non singulier et l’équilibre est donc
le point unique x = 0.
Nous avons le théorème de Lyapunov suivant qui est fondamental dans l’étude des systèmes
linéaires.
Théorème 1.1 :
Le système linéaire (1.74) est asymptotiquement stable si et seulement si pour toute matrice P
définie positive, l’unique solution de de l’équation matricielle
AT P + P A + Q = 0 (1.76)
est définie positive.
Pour les systèmes incertains, l’extension de ces résultats a donné lieu à ce qu’on appelle l’ap-
proche quadratique qui consiste pour un système linéaire incertain à rechercher une matrice de
Lyapunov unique satisfaisant (1.76) pour toute évolution dans son domaine d’incertitude. La
justification de cette approche peut se faire à partir de l’importance de la théorie de Lyapunov,
outil d’analyse et de synthèse des systèmes linéaires. En particulier, elle fournit des conditions
suffisantes de stabilité qui recherchent une fonction de Lyapunov unique pour une famille de
modèles incertains.
Concernant la stabilité quadratique d’un système LTI incertain, nous utilisons le résultat énoncé
par la définition suivante :
Définition 1.5 :(Peaucelle, 2000)
Un système incertain ẋ(t) = A(∆)x(t) est quadratiquement stable si et seulement s’il existe
une matrice unique ẋ(t) = A(∆)x(t) telle que pour toutes les incertitudes , l’inégalité (1.77)
est vérifiée :
A(∆)T P + P A(∆) < 0 (1.77)
La stabilité quadratique est une condition suffisante de stabilité robuste. On dit d’un système
qu’il est robuste, s’il conserve sa stabilité malgré la présence d’incertitudes. L’analyse robuste
va révéler les capacités du système soumis à un polytope d’incertitude. Dans ce cadre, si on a
un modèle LTI incertain polytopique sous la forme suivante :
ẋ(t) = A(∆)x(t) (1.78)

Section 1.7. Modélisations des systèmes avec contraintes sur les entrées 33
Avec
N
X N
X
A(∆) ∈ DA ; DA = {A(∆) ∈ <n×n : A(∆) = λi Ai , λi ≥ 0 , λi = 1} (1.79)
i=1 i=1
DA = co{A1 , A2 , ..., AN }
Il est ainsi possible de définir des conditions nécessaires et suffisantes de stabilité quadratique
aisément testables. En se basant sur la définition précédente, le système est quadratiquement
stable si et seulement si la matrice P prouve simultanément la stabilité de tous les sommets du
polytope (Barmish, 1985) :
ATi P + P Ai < 0 ; ∀i = 1, ..., N (1.80)
Ce test consiste à résoudre N LMI définies aux sommets du polytope.

Par la suite, nous intéressons à calculer une loi de commande qui confère au système la propriété
d’être le plus insensible possible aux incertitudes et perturbations pouvant l’affecter, tout en
permettant d’atteindre les propriétés de stabilité et de performance robustes souhaitées.
1.7 Modélisations des systèmes avec contraintes sur les en-

trées
Dans ce qui suit on présentera les outils pour décrire un système non-linéaire ayant des
contraintes sur les entrées, où on considère des modèles de la fonction de saturation, ainsi que la
fonction zone morte, puisqu’elle présente un grand intérêt pratique (Gomes, 1997; Tarbouriech
et al., 2006; Alamo et al., 2005) .
1.7.1 La fonction saturation

On définit la fonction de saturation par :
(
<m → <m
ξ(ū,u) : (1.81)
u → ξ(ū,u) (u) = sat(ū,u) (u)
avec u ∈ <m est le vecteur commande du système dynamique. Les composantes u(i) < 0 et
ū(i) > 0 , ∀i = 1, ..., m, sont respectivement les limites inferieures et supérieures de la satura-
tion. Généralement, on considère seulement la fonction de saturation de Lipschitz décentralisée
pour chaque i = 1, ..., m.

 ū si u(i) (t) > ū(i)
 (i)
sat(ū,u) u(i) (t) = u(i) (t) si u(i) ≤ u(i) (t) ≤ ū(i) (1.82)

u(i) si u(i) (t) > u(i)

Pour simplifier le développement mathématique, la saturation est considérée symétrique, c’est-

à-dire on considère que ū = −u . Quand les limites supérieures et inférieures sont égales en
valeur absolue, la notation est simplifiée sous la forme u0 = |ū| = |−u| , alors la formule de la
saturation est donnée par :
ξ(ū,u) (u) = u − sat(ū,u) (u)


 u − ū(i) si u(i) > ū(i)

ξ(ū,u) u(i) = 0 si u(i) < u(i) < ū(i) (1.83)

u − u(i) si u(i) < u(i)

La fonction de saturation symétrique peut être représentée est notée sat(u0 ) (u (t)) peut être
représentée par la figure 1.11.
F IGURE 1.11 – Structure de la fonction saturation symétrique.
1.7.2 La fonction Zone-morte

En effet la fonction de saturation est une formulation intuitive pour décrire la limitation physique
qui peut atteindre l’actionneur. Cependant, la fonction zone morte nous semble plus intéressante
surtout théoriquement parlant. La fonction zone morte est linéaire, c’est une alternative pour
représenter la contrainte de commande, elle peut être formulée par :
ξ(u0) (u) = u − sat(u0) (u)

Section 1.7. Modélisations des systèmes avec contraintes sur les entrées 35

 u − u0(i) si u(i) > u0(i)

ξ(u0) u(i) = 0 si − u0(i) ≤ u(i) ≤ u0(i) (1.84)

u + u0(i) si u(i) < −u0(i)

En effet on peut considérer la fonction zone morte comme perturbation (nulle dans le domaine
linéaire). D’autre part, si l’actionneur est saturé, la zone morte est active et elle modifie les
dynamiques linéaires du système. La figure 1.12 présente la structure de la fonction zone morte.
F IGURE 1.12 – Structure de la fonction zone morte.
1.7.3 Système en boucle fermée avec retour d’état statique

Soit le système linéaire défini par :
ẋ (t) = Ax (t) + Bu (t) (1.85)
avec A ∈ <n×n et B ∈ <n×m

Le système est considéré en boucle fermée avec retour d’état statique. Le vecteur d’entrée u (t)
est supposé saturé. La saturation est considérée de la forme (1.82). Alors, le retour d’état saturé
est décrit par :
u (t) = sat(u0) (Kx (t)) , K ∈ <m×n (1.86)
En insérant l’expression de u (t) dans (1.85), on obtient :
ẋ (t) = Ax (t) + B sat(u0) (Kx (t)) (1.87)

La définition de la fonction de saturation donnée par (1.82), permet de dire que :
Sl (u0 ) x ∈ <n : −u0(i) ≤ K(i) x ≤ u0(i) , ∀i = 1, ..., m

(1.88)
est une région de linéarité du système (1.87).

En effet, dans ce domaine le système non linéaire, se comporte comme un système linéaire tel
qu’on peut écrire son nouvelle équation sous la forme :
ẋ (t) = (A + BK) x (t) (1.89)
Pour tout x ∈ Sl (u0 ) , le système saturé (1.87) suit le système (1.89). Cependant, avec une
condition initiale x0 ∈ Sl (u0 ) , nous ne pouvons pas être certains que si la trajectoire de x (t)
reste dans l’ensemble Sl (u0 ) , ∀t > 0 même si le système en boucle fermée (1.87) est asymp-
totiquement stable Re(λi (A + BK)) < 0. C’est pour cela qu’il faut prendre en considération la
non-linéarité causée par la saturation dans l’analyse du comportement du système (1.87).
Pour assurer le comportement linéaire pour toutes les trajectoires nous devons trouver le plus
large ensemble invariant, inclus dans Sl (u0 ) .
Alors, n’importe quelle trajectoire x (t, x0 ) commençant dans cet ensemble invariant peut être
décrite par la dynamique de système (1.89) (Khalil, 1992) .
Si on utilise la fonction zone morte donnée par (1.84), le système (1.87) peut être réécrit de
nouveau, sous la forme :
ẋ (t) = (A + BK) x (t) − Bξ(u0) (Kx (t)) (1.90)
ẋ (t) = Ãx (t) − B̃ξ(u0) (Kx (t)) (1.91)
avec les définitions évidentes de Ã et B̃.

Soit la fonction de Lyapunov V (x) = xT P x , P = P T > 0 . Pour montrer que la dérivée par
rapport au temps de V (x) est négative, on considère le système (1.88). La dérivée est décrite
par :
V̇ (x) = ẋP x + xT P ẋ (1.92)

V̇ (x) = xT ÃT P + P Ã x + xT P B̃ξ(u0) (Kx) + ξ(u0) (Kx)T B̃ T P x < 0 (1.93)
si xT P B̃ξ(u0) (Kx) = ξ(u0) (Kx)T B̃ T P x est réel, alors on peut écrire :

T
V̇ (x) = x Ã P + P Ã x + 2xT P B̃ξ(u0) (Kx)
T
(1.94)
Section 1.8. Conclusion 37
Les variables P et K sont inconnues. L’inégalité (1.94) est non-linéaire, il est difficile de cal-
culer directement le domaine de stabilité de l’espace d’état où il est vérifié. La stratégie de
calculer ce domaine consiste dans la proposition d’une caractérisation de la saturation de la
fonction zone morte qui fournit une condition convexe suffisante pour la relation V̇ (x) < 0
1.8 Conclusion
Ce chapitre a été consacré à l’introduction de quelques notions et définitions classiques, qui
seront utilisées dans les chapitres prochains. Nous avons brièvement rappelé l’historique du dé-
veloppement de la CSV. Ensuite, nous avons introduit la notion de systèmes à structure variable
à travers un exemple du second ordre. En particulier nous avons rappelé la notion du mode
glissant et ses propriétés. Par la suite, nous avons repris les concepts de synthèse de la CSV,
définis dans la première section de ce chapitre, mais d’une manière plus générale. Nous avons
considéré des systèmes linéaires multivariables représentées par des équations d’état avec des
incertitudes vérifiant l’hypothèse des "matching conditions". On a étudié dans un premier temps
le problème de la synthèse de l’hypersurface du glissement, pour lequel diverses méthodes ont
été présentées, telles que le placement de pôles dans une région LMI. Dans un deuxième temps,
on s’est intéressé aux méthodes de résolution du problème d’attractivié où les lois de commande
résultantes assurent, à la fois, la robustesse vis à vis des incertitudes considérées et l’élimina-
tion du phénomène de réticence. Dans la section suivante nous avons illustré les différentes
modélisations des systèmes dynamiques avec contraintes sur les entrées. Nous avons abordé la
saturation dans sa forme générale, la zone morte et la saturation d’un système en boucle fer-
mée avec retour d’état statique, qui ont formé une synthèse pour l’analyse des systèmes avec
contraintes sur l’entrée.
Commande robuste par mode glissant des
2
systèmes saturés incertains
Plan du chapitre
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.2 Application de la commande à structure variable (CSV) . . . . . . . . . . . 41
2.3 Principe de la commande par mode glissant . . . . . . . . . . . . . . . . . . 42
2.4 Préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5 Formulation du problème de la CSV des systèmes saturés incertains . . . . . 43
2.5.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5.2 Présentation du système incertain . . . . . . . . . . . . . . . . . . . 45
2.5.3 Formulation du problème des systèmes saturés incertains . . . . . . 46
2.5.4 Objectifs de contrôle . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.6 Synthèse de la surface de glissement . . . . . . . . . . . . . . . . . . . . . . 49
2.7 Synthèse de la commande saturée incertaine . . . . . . . . . . . . . . . . . 51
2.8 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
40 Chapitre 2. Commande robuste par mode glissant des systèmes saturés incertains
2.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.1 Introduction
a commande des systèmes à modèle incertain est un des défis majeurs de l’automatique
L moderne. La première étape dans la synthèse d’une commande robuste est la définition
d’un modèle du système, utilisé pour la synthèse de la commande.
Nous avons étudié des systèmes linéaires modélisés par variables d’état, dont les paramètres
incertains ne vérifient pas l’hypothèse des conditions de recouvrement. Ces conditions sont des
hypothèses liées à des propriétés structurelles du système. Ces incertitudes sont aisément ac-
cessibles et maîtrisables du fait qu’elles interviennent via la matrice de commande. En fait,
ces incertitudes n’influencent pas les dynamiques que le vecteur de commande, ainsi le mode
glissant est sensible aux incertitudes affectant directement les dynamiques appelées dans la lit-
térature anglo-saxonne (unmatched uncertainties) (Sellami et al., 2007; Xi et Hesketh, 2010;
Yang et al., 2010).
Dans ce chapitre, nous nous intéressons plus particulièrement aux systèmes saturés incertains
avec des incertitudes de type affines parallélotopiques, une perturbation externe est considé-
rée. Nous présentons une méthodologie de synthèse d’une commande robuste en mode glissant
pour des systèmes linéaires multivariables saturés incertains (Tarbouriech et al., 2007; Hu et al.,
2002). En employant, la norme H∞ et la méthode de placement de pôle, certaines exigences de
performance et une bonne robustesse, en mode glissement, sont atteints. En utilisant la repré-
sentation polytopique, des conditions suffisantes pour la conception de la surface de glissement.
Ensuite, nous proposons une commande non-linéaire assurant à une trajectoire initiale d’at-
teindre et de rester ensuite dans la surface de glissement. Une forme de loi de commande conti-
nue non linéaire est proposée. Nous donnons une borne supérieure du temps nécessaire pour
atteindre la surface de glissement. De même, nous effectuons une approximation de la dévia-
tion du comportement de la trajectoire du système incertain par rapport au comportement idéal.
Enfin, la validité de la stratégie de conception proposée est démontrée grâce à la simulation du
système de suspension de quart de voiture.
2.2 Application de la commande à structure variable (CSV)

Les applications de la commande par régime glissant depuis sa création ont été nombreuses.
Elles comprennent une grande gamme de domaines, par exemple : l’électronique de puissance,
la commande d’un bras de robot, la commande des moteurs électriques, ou systèmes méca-
niques, etc.
Le champ des applications de SMC augmente, les chercheurs travaillent pour prouver l’effica-
cité du SMC dans les systèmes électriques et mécaniques. Récemment, beaucoup de chercheurs
ont fait la recherche pour mettre en application du SMC aux systèmes électriques et mécaniques.
Les principaux domaines là où le SMC a été appliqué et largement étudié : robot application
Istefanopulos (2002), commande de mateur Barambones et al. (2003), Redresseurs AC/DC Ma-
rino (1995) et Réacteur nucléaire Shtessel (1998).
2.3 Principe de la commande par mode glissant

Etant un cas particulier de la commande à structure variable (CSV), la commande par mode
glissant (CMG) a été largement utilisée dans la littérature. Ce succès est dû à sa simplicité de
mise en oeuvre et à sa robustesse vis-à-vis des variations paramétriques et des perturbations
externes.
L’idée de base de la commande par régime glissant est premièrement d’attirer les états du sys-
tème dans une région convenablement sélectionnée, puis de concevoir une loi de commande
qui maintiendra toujours le système dans cette région. En résumé, une commande par régime
glissant est divisée en deux parties (Slotine et Li, 1991; Utkin, 1992; Decarlo et al., 1988) :
1. Détermination d’une région d’espace d’état telle qu’une fois que le système se trouve
dans cette région, il assure un comportement désiré définit dans la surface de glissement.
2. Synthétiser une loi de commande qui doit agir sur le système en deux phases.
• Dans la première, on force le système à rejoindre cette surface.
• Dans la seconde phase, on doit assurer le maintien et le glissement le long de cette
surface pour atteindre l’origine du plan de phase.
2.4 Préliminaires
Considérons un système linéaire incertain décrit par l’équation suivante
(
ė = Ae + Bue + D1 w
(2.1)
z = C1 e + C2 ue
Où e ∈ <n , ue ∈ <m and z ∈ <z représentent l’état, l’entrée de contrôle et la sortie contrôlée
du système, respectivement, w ∈ <w est une perturbation externe borné.
La synthèse H∞ avec placement de pôle dans les régions LMI consiste à trouver une commande
de retour d’état ue = Ke de sorte que la matrice de transfert en boucle fermée Gzw de la
perturbation w à la sortie z satisfait aux exigences suivantes :
Section 2.5. Formulation du problème de la CSV des systèmes saturés incertains 43
• Les pôles en boucle fermée localisées dans une région LMI de stabilité Ω contenue dans le
demi-plan complexe gauche.
• Les performances de norme H∞ est garantie kGzw k∞ < γ, γ est un scalaire positif.
Ensuite, le système en boucle fermée peut être décrit comme suit :
(
ė = (A + BK)e + D1 w
(2.2)
z = (C1 + C2 K)e
Definition 2.1 (Chilali et Gahinet, 1996). Un sous-ensemble Ω du plan complexe s’appelle une
région LMI, s’il existe une matrice symétrique α = [αkl ] ∈ <p×p et une matrice β = [βkl ] ∈
<p×p tel que
n o
Ω = z ∈ C : α + zβ + z̄β T = [αkl + βkl z + βkl z̄]1≤k,l≤p < 0 (2.3)
Selon Chilali et Gahinet (1996), Le système (2.2) est asymptotiquement stable avec l’atténua-
tion de perturbation γ et les pôles se trouvent à l’intérieur d’une région LMI Ω, s’il existe une
matrice Q et une matrice symétrique positive P ∈ <n×n satisfaisant le problème d’optimisation
LMI suivant :
Minimiser γ h i
T
αP + βUj (P, Q) + βUj (P, Q) < 0 (2.4)
Uj (P, Q) + Uj (P, Q)T D1 V (P, Q)T

 
D1 T −I 0 <0 (2.5)
 

V (P, Q) 0 −γ 2 I
Où U (P, Q) = AP + BQ, V (P, Q) = C1 P + C2 Q est le gain optimal de retour d’état donné
par :
K = −Q(P )−1 (2.6)
2.5 Formulation du problème de la CSV des systèmes saturés

incertains
2.5.1 Motivation
Pour l’élaboration d’une CSV on procède, généralement, en deux étapes. La première consiste
en la synthèse d’une surface de glissement, représentant la dynamique désirée du système en
mode glissant. Cette étape correspond à l’étude du problème d’existence. La seconde étape s’in-
téresse à la construction de lois de commande non-linéaires conduisant la trajectoire d’état sur
la surface de glissement en un temps fini, c’est le problème d’attégnabilité « reaching problem

».
Dans la littérature, beaucoup d’efforts ont été faits et de nombreux critères de performance
et de robustesse ont été utilisés pour conception le contrôleur par mode glissant ; Comme par
exemple, la stabilité quadratique (Mondal et Mahanta, 2013; Silva et al., 2009), l’inégalité de
Riccati associée à la stabilisation quadratique (Kim et al., 2000), Attribution de l’eigenstructure,
y compris le placement des pôles (Choi, 1998; Garcia et Bernussou, 1995), gain compensateur
pour atténuer les perturbations (Loza et al., 2013), Gain L2 (Feng et Lin, 2011), Norme H∞
(Castaños et Fridman, 2011), etc. Il est important de noter que la plupart des méthodes de
conception proposées jusqu’à présent n’ont considéré qu’un seul objectif de conception. En
fait, il y a eu peu de documents qui étudient des méthodes multi-objectifs pour la conception
de la surface de glissement, par exemple, mixte H2 /H∞ performance (Juma et Werner, 2012;
Khaniki et Khosrowjerdi, 2010; Valiloo et al., 2014) et la performance de la norme H2 avec
PDLF (Feng et Lin, 2013). À notre connaissance, SMC pour les systèmes linéaires saturés avec
des incertitudes affines parallélotopiques qui combine la performance H∞ et le placement de
pôle dans la region LMI pour la conception de la surface de glissement n’a pas été, précédem-
ment, discuté. Il est bien connu que la théorie H∞ pour les systèmes incertains a été largement
appliquée, dans la littérature, pour résoudre les problèmes de stabilisation robuste et de rejet de
perturbation. Cette théorie a également montré la capacité de traiter le problème d’imprécision
du modèle tel que les incertitudes des paramètres. Cependant, il ne donne pas un contrôle direct
sur la forme de la réponse transitoire ; les spécifications sur l’amortissement, temps de montée,
temps de stabilisation et dépassement sont mieux exprimées en termes de placement des pôles
dans les régions LMIs. L’une des façons d’assurer simultanément des performances robustes
et des comportements transitoires adéquats consiste donc à combiner H∞ et les objectifs de
placement de pôles.
D’un autre côté, Il est bien reconnu que le schéma SMC offre une bonne robustesse à la classe
d’incertitude appariée « matched uncertainty» agissant dans les entrées de contrôle (Polyakov,
2012; Suryawanshi et al., 2014). Cependant, les incertitudes inégalées «unmatched uncer-
tainty» affectent directement la dynamique idéale prescrite par les surfaces de commutation
choisies. Pour cette raison, la classe d’incertitudes inégalées a été largement abordée dans la
théorie de la recherche SMC et de nombreux résultats liés à ce domaine ont été développés
Chang (2013). L’un de ces résultats est le travail remarquable de Ryan et corless (1984). Les
auteurs ont proposé une méthodologie de conception dans laquelle ils ont montré que la CSV
peut être utilisé pour fournir un mouvement borné sur le mode glissant nominal en présence
d’incertitudes inégalées bornées. Cette méthodologie a été largement utilisée par les chercheurs
et a été appliquée avec succès à divers problèmes [par exemple Spurgeon (1993)]. De plus, Sel-
lami et al. (2007) ont amélioré les résultats de Ryan et corless (1984) en l’élargissant à la classe
d’incertitude bornée en norme. Il convient toutefois de noter que l’étude de cette méthodolo-
gie SMC pour d’autres classes de d’incertitude, comme nous le savons, est toujours ouverte.
L’étude de cette tâche est donc très importante et les résultats seront utiles aux chercheurs du
domaine SMC.
Motivé par la discussion ci-dessus, nous proposons, dans ce chapitre, une méthode SMC ro-
buste pour une catégorie spécifique de systèmes incompatibles « mismatched systems ». En se
basant sur (Ryan et corless, 1984), nous étendons les résultats de Sellami et al. (2007) à la classe
d’incertitude paramétrique affine inégalée et de perturbation externe. En outre, nous exploitons
l’idée H∞ avec placement de pôle (Chilali et Gahinet, 1996; Denai et Mohamed, 2005) pour la
conception du surface de glissement.
2.5.2 Présentation du système incertain

Le système considéré est linéaire invariant. Les incertitudes sur le système sont structurées de
type affine parallélotopique. L’équation d’état du système est donnée par :
(
ẋ = (A0 + ∆A)x + Bu + Dw
(2.7)
z = Cx
Où A0 ∈ <n×n est la matrice dynamique du système, B ∈ <n×m représente la matrice de

commande, x(t) ∈ <n est le vecteur de variables d’état, u(t) ∈ <m vecteur de commande.
∆A ∈ <n×n correspond à des incertitudes dans les paramètres physiques qui sont constantes
mais inconnues et pour lesquelles seules des valeurs extrêmes sont connues jusqu’à une cer-
taine exactitude. w représente la perturbation externe. Toutes les matrices sont réelles avec des
dimensions appropriées.
Les hypothèses suivantes sont faites pour le système :
A1 . La paire (A0 , B) est contrôlable.
A2 . La matrice d’entrée B est de rang plein m, m < n.
A3 . L’état x est observable.
A4 . La norme deux de la perturbation inégalée w est bornée par le scalaire connu w0 , C’est,
kw(t)k ≤ w0 (2.8)
A5 . L’incertitude paramétrique inégalée ∆A est définie sous la forme affine (Xia et al., 2009)
comme suit q
X
∆A = δi Ai ; |δi | ≤ 1 ; ∀i = 1, ......, q (2.9)
i=1
Où Ai sont des matrices constantes connues, δi sont des paramètres de mise à l’échelle inconnus
dont les valeurs varient dans leurs gammes, q est le nombre des paramètres incertains.

Remarque 2.1. Tout paramètre incertain borné θi ∈ θ̄i , θi , si sa structure de distribution
est inconnue, elle peut être traitée comme une variable d’intervalle et exprimée sous la forme
normalisée suivante :
θi = θi0 + δi θiv (2.10)
Où θi0 et θiv sont les valeurs nominales et de variation, respectivement, du paramètre incertain
θi , et elles peuvent être facilement déterminées en utilisant les limites supérieure et inférieure
θi et θi . θi ∈ [−1, 1] est l’intervalle standard.
2.5.3 Formulation du problème des systèmes saturés incertains

Le vecteur de commande est soumis à la contrainte de limitations dans l’amplitude. Cette
contrainte est définie par :
u = u ∈ <m / − uim ≤ ui ≤ uiM ; uim , uiM > 0

(2.11)
On peut considérer que la structure de la contrainte de saturation est décrite par la figure 2.1
F IGURE 2.1 – Structure de la contrainte de saturation

Le terme de saturation sat(u) est donné par :


i
 uM
 si ui > uiM
sat ui =

ui si − uim ≤ ui ≤ uiM , ∀i = 1...m. (2.12)

−uim si ui < −uim

Nous pouvons écrire :

sat (u) = Ψ (ς (x)) u (2.13)
Où ς i (x) les éléments de la matrice diagonale Ψ (ς (x)) sont définis par :
uiM


 ui
si ui > uiM
ς i (x) = 1 si − uim ≤ ui ≤ uiM , ∀i = 1...m. (2.14)
uim

− si ui < −uim

ui
Avec
0 < ς i (x) ≤ 1 (2.15)
Le système saturé incertain peut être décrit par l’équation suivante :

(
ẋ = (A0 + ∆A)x + BΨ (ς (x)) u + Dw
(2.16)
z = Cx
La fonction de commutation est de la forme :
s (x) = [s1 (x) s2 (x) . . . sm ( x)]T = Kx (2.17)
Où h iT
K= k1 k2 . . . km ∈ <m×n (2.18)
Il existe une hypersurface de commutation unique, de dimension n − m et de la forme :

m
\
S= Sj = {x ∈ <n : Kx = 0} (2.19)
j=1
Le sous-espace S est alors le noyau de K , noté N (K).

La variable glissante est définie comme suit :
s(x, t) = Kx ; K ∈ <m×n (2.20)

Afin de simplifier la synthèse, il est intéressant d’introduire une forme canonique particulière
par l’introduction d’un nouveau vecteur d’état.
Maintenant, permettez-nous de transformer le système en une forme régulière appropriée. Ainsi,
on forme une première transformation du système (2.16) (Bühler, 1986; Sellami et al., 2007;
Zinober, 1994). Par hypothèse, la matrice B est de rang plein m. Par conséquent, il existe une
matrice de transformation orthogonale T ∈ <n×n et un vecteur d’état associé ν comme
" #
v1
v= = T x ; v1 ∈ <n−m , v2 ∈ <m (2.21)
v2
De sorte que le système (2.16) peut être transformé en forme régulière exprimée par
(
v̇ = (A0 + ∆A)ν + BΨ (ς (x)) u + Dw
(2.22)
z = Cx
Avec " # " #

A01 A02 0
A0 = TA0 TT = ; B̄ = TB =
A03 A04 B2
" #
D1 h i
D= TD = ,C= CTT = C1 C2
D2
" # " #
∆A1 ∆A2 q q Ai1 Ai2
∆A= T∆ATT =
P P
= δi Ai = δi
∆A3 ∆A4 i=1 i=1 Ai3 Ai4
Où B2 ∈ <m×m est non singulière.
Le système (2.22) est équivalent au système à ordre réduit :
 " # " # " #! " #
 v̇1 A 01 A02 ∆A 1 ∆A 2 v 1

 = +
v̇2 A03 A04 ∆A3 ∆A4 v2





 " # " #

 0 D1
+Ψ ς T T v u+ w (2.23)


 B2 D 2

 " #

 h i v
 1
 z = C1 C2


v2
La fonction de glissement correspondante (2.20) devient également
s(t) = KT T T x = F ν1 + ν2 = 0 ; F ∈ <m×(n−m) (2.24)

Pendant le mode de glissement, la fonction de commutation équivaut de manière identique à

zéro.
Par conséquent, le mouvement de glissement peut être décrit par la représentation dynamique
suivante : 
 v̇1 = (A01 + ∆A1 )v1 + (A02 + ∆A2 )v2

z = C1 v1 + C2 v2 (2.25)

v2 = −F v1

Comme (A0 , B) est une paire contrôlable, il suit directement que la paire de matrices
(A01 , A02 ) est également contrôlable. Il s’ensuit que la dynamique du système sur la
surface de glissement sera déterminée par le choix de la matrice de gain F . Il devrait
être sélectionné pour : compenser la perturbation w, s’assurer que la matrice dynamique
((A01 + ∆A1 ) − (A02 + ∆A2 )F ) a (n − m) valeurs propres à demi-plan complexe gauche
malgré la présence d’incertitudes et pour atteindre certains performance souhaitées pour la
réponse transitoire. À cette fin, nous choisissons d’étudier la norme H∞ avec l’approche de
placement de pôle robuste dans la détermination de la surface de glissement.
2.5.4 Objectifs de contrôle

Le problème de contrôle vise à :
• Synthétiser le contrôleur par mode glissant qui dirige les trajectoires d’état du système (2.16)
sur la surface de glissement désirée en temps fini et les maintient, indépendamment des in-
certitudes et de la saturation.
• Conception de la surface de glissement s = 0 de sorte que la dynamique du mode glis-
sant (2.25) soit solidement stable et respecter également certaines performances souhaitées.
• Approximation du comportement de la dynamique de glissement en présence d’incertitudes
et de la contrainte de saturation.

Le problème de synthèse de la surface du glissement peut être ramené à celui de la stabilisation
d’un système d’ordre réduit (Utkin, 1978).
Pour des raisons de simplicité de synthèse ainsi que pour profiter de la propriété de convexité,
la représentation polytopique peut être considérée comme l’un des moyens les plus généraux
de décrire les incertitudes des paramètres physiques sans aucun conservatisme. En raison de ce
fait, la méthode de procédure présentée dans cette section commence par une forme polytopique
des incertitudes inégalées associées à la matrice du système.
Parce que ∆A1 et ∆A2 sont affine dans δi , l’équation dynamique (2.25) peut être facilement
formulée comme suit : 
 ė = Φe + Λue + D1 w

z = C1 e + C2 ue (2.26)

ue = −F e

Où e = ν1 est l’état du système polytopique en mode coulissant, et ue = ν2 est considéré comme

une entrée de contrôle confidentielle pour le système à ordre réduit équivalent ci-dessus.
Les matrices Φ = A01 + ∆A1 et Λ = A02 + ∆A2 appartiennent à un ensemble de type polytope
Q
avec des sommets connus.
Cet ensemble est donné par :
( r r
)
Y X X
= < Φ, Λ >= λj < Φj , Λj > , λj = 1 , λj ≥ 0 ; r = 2q (2.27)
j=1 j=1
De sorte que, pour chaque sommet Θj =< Φj , Λj >, le coefficient polytopique λj est exprimé
comme suit (Chumalee et Whidborne, 2015) :
1−δi

λi = 2
i = 1, ..., q 




 q
  Y
 λ̃i
 si δi = −1 est une coordonnee deΘj ⇒ λj = λ̃i (2.28)

i=1
λ̃i =




 
1 − λ̃i si δ̄i = 1 est une coordonnee deΘj
 
j = 1, ..., r
Comme les paires (Φj , Λj ) , ∀j ∈ I(1, r) sont stabilisables pour toutes les incertitudes admis-
sibles dans la zone de paramètres, le problème d’existence du mode glissant est formulé alors
comme un problème de rétroaction d’état pour le système à ordre réduit en utilisant un modèle
polytopique.
Proposition 2.1 : Soit Ω toute région LMI. Si, il existe une matrice Q ∈ <m×(n−m) et une
matrice symétrique positive P ∈ <(n−m)×(n−m) satisfaisant le problème d’optimisation LMI
suivant :
Minimiser γ h i
αP + βUj (P, Q) + βUj (P, Q)T <0 (2.29)
1≤j≤r
Section 2.7. Synthèse de la commande saturée incertaine 51
Uj (P, Q) + Uj (P, Q)T D1 V (P, Q)T

 
D1 T −I 0 <0 (2.30)
 
 
V (P, Q) 0 −γ 2 I 1≤j≤r
Où Uj (P, Q) = Φj P + Λj Q, V (P, Q) = C1 P + C2 Q, alors, le mode de glissement (2.26) est

solidement stable et répond à la norme H∞ avec des performances de placement de pôles sur
Le gain de rétroaction de l’état.
F = −Q∗ (P ∗ )−1 (2.31)
Démonstration : Il suit largement les références (Chilali et Gahinet, 1996; Denai et Mohamed,
2005).
En exploitant la propriété de convexité, les contraintes LMI (2.29) - (2.30) plus de (2.27) sont
obtenus en écrivant (2.4) - (2.5) à chaque sommet Θj du polytope.
En déterminant F , nous obtenons :
K = [F Im ] T
Dans ce qui suit, nous effectuons une approximation du comportement idéal dynamique du
système en mode glissant en présence des incertitudes de type affine parallélotopique.
D’abord, on introduit la fonction de Lyapunov de la forme :
1
V1 (y1 ) = y1T P1 y1 (2.32)
2
Où P1 est une matrice symétrique définie positive solution de
P1 Σ1 + ΣT1 P1 = −In−m (2.33)
Par la suite, on donne le théorème 2.1. Page 56.
2.7 Synthèse de la commande saturée incertaine

Une fois le problème d’existence résolu en fixant la dynamique désirée du système en mode
glissant et ce par le choix d’une surface de glissement «matrice K» stable, il faut résoudre la
seconde étape de synthèse de la CSV, appelée problème d’attégnabilité. Elle se résume en la
construction de lois de commande non linéaires u = f (x) conduisant la trajectoire d’état sur la
surface de glissement en un temps fini et la contraignant à rester sur cette surface.
Le critère de choix de la loi de commande non linéaire u = f (x) est basé sur la satisfaction
de l’une des conditions d’attégnabilité. En général, la loi de commande à structure variable est
composée d’une composante linéaire par retour d’état uL (x) et d’une composante non linéaire
uN (x).
Nous proposons, dans ce que suit, une stratégie de commande non linéaire assurant la condition
d’attégnabilité. La forme générale provient de celle de (Gutman, 1979; Ryan et corless, 1984;
Dorling et Zinober, 1986; Sellami et al., 2007). Toutefois, on introduit, dans ce cas, des termes
supplémentaires dépendant de l’incertitude de type affine parallélotopique et la containte de
saturation.
Ainsi, la loi de commande proposée est de la forme :
Nx
u (x) = uL (x) + uN (x) = Lx + ρ (t, x) (2.34)
kM xk + η
Où L, M et N sont des matrices de dimensions appropriées avec Ker(N) = Ker(M) = Ker(C).

η est un scalaire positif, il est introduit pour remplacer l’élément discontinu par une fonction non
linéaire en vue d’éliminer le phénomène de broutement. Enfin, la fonction ρ (t, x) sera exprimée
à partir de la structure de l’incertitude de type affine parallélotopique.
Aux prochains paragraphes, on donnera une méthodologie systématique pour la détermination

des différents éléments de la loi de commande (2.34).
Tout d’abord, nous réécrivons l’équation d’état dynamique (2.22) comme :

 " # " # " #! " #
 v̇1 A 01 A02 ∆A 1 ∆A 2 v 1

 = +
v̇2 A03 A04 ∆A3 ∆A4 v2





 " # " #

 0 D1
+Ψ ς T T v u+ w (2.35)


 B2 D 2

 " #

 h i v
 1
 z = C1 C2


v2
On obtient (
v̇1 = A01 v1 + A02 v2 + h(t, v1 , v2 )
(2.36)
v̇2 = A03 v1 + A04 v2 + ΨB2 ς T T v u + g(t, v1 , v2 )
Avec
  T  

 δ1 A11 A12 " #

  .   . ..  v1

h(t, v1 , v2 ) = ∆A1 v1 + ∆A2 v2 + D1 w =  .   .. + D1 w
 . .

 



   v2
 δq Aq1 Aq1
 T  

 δ1 A13 A14 " #
v1
  .   . ..
 
.   ..


 g(t, v1 , v2 ) = ∆A3 v1 + ∆A4 v2 + D2 w = 
 . .  + D2 w
v2

   

δq Aq3 Aq4

(2.37)
n n
Après cela, nous introduisons une deuxième transformation linéaire T2 : < → < telle que
y = T2 v = T2 T x ; y T = y1T y2T ; y1 ∈ <n−m ; y2 ∈ <m

(2.38)
La matrice de transformation T2 est non singulière, sa matrice inverse est donnée par :
" # " #
In−m 0 In−m 0
T2 = → T2−1 = (2.39)
F Im −F Im
D’où l’on tire les variables d’état transformées :

(
y 1 = v1
(2.40)
y2 = F v1 + v2
Pour le système transformé, l’équation d’état devient :

(
ẏ1 = Σ1 y1 + Σ2 y2 + H (t, y1 , y2 )
(2.41)
ẏ2 = Σ3 y1 + Σ4 y2 + ΨB2 ς T T T2−1 y u + G (t, y1 , y2 )

Où

Σ1 = A01 − A02 F

Σ2 = A02

Σ3 = F Σ1 − A04 F + A03

Σ4 = A04 + A02 F
Les fonctions de l’incertitude sont données par les fonctions suivantes :

 H(t, y1 , y2 ) = h(t, v1 , v2 ) = h(t, y1 , y2 − F y1 )

G(t, y1 , y2 ) = F h(t, v1 , v2 ) + g(t, v1 , v2 ) (2.42)

= F h(t, y1 , y2 − F y1 ) + g(t, y1 , y2 − F y1 )

Par conséquent, on obtient :
Hypothèse 2.1 :
√
q
kH(t, y1 , y2 )k ≤ qKh ky1 k2 + ky2 − F y1 k2 + kD1 w0 (2.43)
Hypothèse 2.2 :
q
kG(t, y1 , y2 )k ≤ Ḡ(t, y1 , y2 ) = Ḡ1 ky1 k2 + ky2 − F y1 k2 + Ḡ2 (2.44)
Tel que  √


 Ḡ1 = q (kF kh + kg ) , Ḡ2 = (kF kD1 + kD2 ) w0

    





A11 A 12

A13 A14

. .  . .. 
   

Kh =  . ..  , Kg =  ..
 . . 



  

Aq1 Aq2 Aq3 Aq4






kF = kF k , kD1 = kD1 k , kD2 = kD2 k (2.45)

δ T


    T 

 1 δ 1

  .   .   √
. .
 .  = σ̄  .   ≤ q

      







 δq δq



 (|δ | ≤ 1,∀i = 1, ..., q)
i
k•k et σ̄ (•) désignent, respectivement, la norme-deux et la plus grande valeur singulière.
En utilisant la deuxième transformation linéaire, la variable d’état transformée y2 représente la

fonction de commutation. Ainsi, la condition définissant le mode de glissement s’écrit d’une
manière équivalente :
y2 = 0 (2.46)
On voit facilement que pour conduire la trajectoire d’état en mode glissant vers zéro asympto-
tiquement, la composante linéaire de la commande doit imposer la condition
y2 = ẏ2 = 0 (2.47)
Par conséquent, la condition (2.47) peut être satisfaite en introduisant une composante linéaire
de la commande de la forme :
uL (y) = −Ψ (ς (y)) (B2 )−1 (Σ3 y1 + (Σ4 − Σ∗4 ) y2 ) (2.48)

Où la matrice Σ∗4 ∈ <m×m est choisie telle que ses valeurs propres appartiennent au demi-plan
complexe gauche.
A noter, qu’en particulier, on peut choisir Σ∗4 = diag{µi ; i : 1..m} / Re (µi ) < 0.
La composante linéaire de la commande est alors exprimée en fonction de la variable d’état
originale x par :
uL (x) = −Ψ (ς (x)) (B2 )−1 [Σ3 (Σ4 − Σ∗4 )] T2 T x = Lx (2.49)
D’où l’on tire la matrice
L = −Ψ (ς (x)) (B2 )−1 [Σ3 (Σ4 − Σ∗4 )] T2 T (2.50)
La forme générale de la composante non linéaire de la loi de commande (2.34) est
Nx
uN (x) = ρ (t, x) (2.51)
kM xk + η
Il s’agit de déterminer d’une manière systématique les matrices M et N et la fonction ρ (t, x).
On définit d’abord une fonction de Lyapunov
1
V2 (y2 ) = y2T P2 y2 (2.52)
2
Où P2 est une matrice symétrique définie positive solution de
P2 Σ∗4 + Σ∗4 P2 + Im = 0 (2.53)
Ainsi, on voit que P2 y2 = 0 si et seulement si y2 = 0.

On prend alors
N Ψ (ς (y)) B2−1 P2 y2
u (y) = −ρ(t, y1 , y2 ) (2.54)
kP2 y2 k + η
Où 
 ρ(t, y) = α1 Ḡ(t, y) + α2

α1 > 1 (2.55)

α2 < 0

Enfin, en utilisant les matrices de transformation T et T2 , on trouve :

 −1
 N = −Ψ (ς (x)) B2 [0 P2 ] T T2

M = [0 P2 ] T T2 (2.56)

ρ(t, x) = α1 (Ḡ1 kT xk + Ḡ2 ) + α2

Où, la fonction de modulation ρ (t, x) est conçue pour compenser les incertitudes et pour intro-
duire ensuite un mode de glissement sur la surface s(x, t) = 0.
Il est important de noter que la principale différence entre la loi de contrôle proposée et l’origi-
nal est dans la structure de ρ (t, x) et N qu’ils ont été construit ici pour faire face aux incertitudes
et la contrainte de saturation.
Théorème 2.1 :
La commande continue u = uL + uC
N , définie par les équations (2.34), (2.48) et (2.54) assure
que :
I Le sous espace de glissement S est borné par le sous espace ϕ1 telle que

1
S ⊂ ϕ1 = (y1 ∈ <n−m y2 ∈ < )/V2 (y2 ) = y2T P2 y2 6 ε1
m
(2.57)
2
Où 2
η 1
ε1 = (2.58)
γ1 − 1 2λmin (P2 )
I Si un état initial arbitraire (y1 (t0 ), y2 (t0 )) = (y10 , y20 ) ∈
/ ϕ1 alors le temps nécessaire pour
atteindre ϕ1 , noté tg , satisfait la condition
p √
1 y20T P2 y20 − 2ε1
tg 6 p (2.59)
γ2 λmin (P2 )
Démonstration :
I Lorsqu’on remplace u, dans (2.41), par u = uL + uC N selon (2.34), (2.48) et (2.54)
on obtient l’équation d’état du système transformé, à savoir
(
ẏ1 = Σ1 y1 + Σ2 y2 + H (t, y1 , y2 )
(2.60)
ẏ2 = Σ∗4 y2 + Ψ ς T T T2−1 y B2 uN + G (t, y1 , y2 )

Considérons la fonction de Lyapunov
1
V2 (y2 ) = y2T P2 y2 (2.61)
2
La dérivée de la fonction de Lyapunov est de la forme :
1 1
V̇2 (y2 ) = ẏ2T P2 y2 + y2T P2 ẏ2 (2.62)
2 2
En substituant (2.60) dans (2.62), on trouve, après un calcul intermédiaire
1
V̇2 (y2 ) = − ky2 k2 + y2T P2 Ψ ς T T T2−1 y B2 uN + y2T P2 G

(2.63)
2
Selon (2.34) et (2.54) , on peut effectuer les transformations
kP2 y2 k2
y2T P2 Ψ T
T2−1 y N

ς T B2 u = −ρ(y) (2.64)
kP2 y2 k + η
Compte tenue de la condition (2.55), la fonction incertaine G peut être exprimée de la manière
suivante
1
y2T P2 G ≤ Ḡ kP2 y2 k = ρ(t, y) kP2 y2 k − α2 kP2 y2 k (2.65)
α1
Par la suite, on substitue (2.64) et (2.65) dans (2.63), on trouve alors

1 kP2 y2 k 1
V̇2 (z2 ) 6 − ky2 k2 − α2 kP2 y2 k − ρ(y) kP2 y2 k − (2.66)
2 kP2 y2 k + η α1
D’où l’on tire que si

η
kP2 y2 k > (2.67)
α1 − 1
Alors
V̇2 (y2 ) < 0 (2.68)
Et la condition (2.68) sera satisfaite si

2
η 1
V2 (y2 ) > = ε1 (2.69)
α1 − 1 2λmin (P2 )
Ainsi, il est possible de conclure que le sous espace de glissement S est inclus dans le sous
espace ϕ1 , définit dans (2.57).
I Si (y1 (t0 ), y2 (t0 )) = (y10 , y20 ) ∈
/ ϕ1 , alors la relation (2.66) peut s’exprimer aussi par :
V̇2 (y2 ) 6 −kP2 k−1 V2 (y2 ) − α2

p
2λmin (P2 )V2 (y2 ) (2.70)
√
Où λmin (•) dénote la valeur propre minimale de (•) A noter que si Ẏ 6 −aY − b Y alors le
temps t01 nécessaire pour que Y change de Y0 to Y1 , satisfait la condition de la forme :
√
2 a Y0 + b 2 p p
t01 6 ln √ 6 Y0 − Y1 (2.71)
a a Y1 + b b
Sachant que dans le sous espace ϕ1 , la variable y2 ∈ <m satisfait la condition
1
V2 (y2 ) = y2T P2 y2 ≤ ε1 (2.72)
2
Où ε1 est donné par (2.58).
D’où l’on tire, à partir de (2.71) et (2.70), le temps nécessaire pour atteindre le sous espace ϕ1
par :
p p p √
1 2V2 (y2 (t0 )) − 2V2 (y2 (t0 + tg )) 1 y20T P2 y20 − 2ε1
tg ≤ p ≤ p (2.73)
α2 λmin (P2 ) α2 λmin (P2 )
D’après ce théorème, on peut conclure que la loi de commande continue ne permet pas d’at-
teindre exactement le mode glissant. En effet, la fonction de commutation ne s’annule pas,
2
η
(y2 6= 0), mais elle est plutôt bornée, (V2 (y2 ) ≤ ε1 = α1 −1 2λmin1 (P2 ) ). En termes géomé-
triques, le sous espace de glissement S est inclus dans le sous espace ϕ1 , appelé ellipsoïde et
paramétrisé par ε1 .
Théorème 2.2 :
Si q −1
2
kh 6 2 q 1 + kF k kP1 k (2.74)
Alors, pour chaque solution (y1 , y2 ) avec (y1 (t0 ), y2 (t0 )) = (y10 , y20 ) ∈
/ ϕ1 on a :
I Toute trajectoire y1 doit définitivement entrer et rester dans l’ellipsoïde .
ϕ2 = y1 ∈ <n−m /V1 (y1 ) 6 ε2

(2.75)
Où −2
1 1
q
2
ε2 = ε + − kh kP1 k q 1 + kF k kP1 k3 β 2 (2.76)
2 2
√ − 21
√
β = 2ε P1 (kΣ2 k + kh q) + kD1 w0 (2.77)
ε > 0 est un scalaire arbitrairement faible.

I Le système saturé incertain (2.16) doit faire une approximation du comportement dyna-
mique prescrit y1id (t) = eΣ1 (t−t0 ) y10 dans le sens où chaque écart ∆y1 (t) = y1 (t) − y1id (t) de la
déviation y1 (t) de la dynamique idéale y1id (t) sera borné par rapport à l’ellipsoïde
ϕ3 = ∆y1 ∈ <n−m /V1 (∆y1 ) 6 ε3

(2.78)
Où  q 1 1
3 2 − 2 − 2 0
 2kP1 k kh q 1 + kF k P1 P1 y1 + β

 y10 ∈
/ ϕ2
ε3 = (2.79)
2 − 2 √
q 1
3
y10

 2kP1 k kh q 1 + kF k P1 2ε2 + β
 ∈ ϕ2
Démonstration :
Toutefois, dans ce cas, la variable d’état y2 6= 0 . Par conséquent, la dynamique du système dans
le sous espace ϕ1 , en présence des incertitudes de type polytopique.
I La dérivée de la fonction de Lyapunov V1 (y1 ) = 21 y1T P1 y1 est de la forme
1 1
V̇1 (y1 ) = ẏ1T P1 y1 + y1T P1 ẏ1 (2.80)
2 2
En substituant (4.80) dans (2.41), on trouve après quelques calculs intermédiaires
1
V̇1 (y1 ) = − ky1 k2 + y1T P1 Σ2 y2 + y1T P1 H (2.81)
2
En tenant compte les conditions suivantes :
√
q
kHk 6 kh q ky1 k2 + ky2 − F y1 k2 + kD1 w0
(2.82)
√
q
2
6 kh q ky1 k kF k + ky2 k + kD1 w0
1 1 1 1 1 p 1 √
− − − −
ky2 k = P2 2 P22 y2 = P2 2 P22 y2 = P2 2 2V2 (y2 ) 6 P2 2 2ε1 (2.83)
Nous obtenons
q 1 √
2 2 −
y1T P1 H 6 kh kP1 k ky1 k q(1 + kF k ) + kh kP1 k ky1 k P1 2 2ε1 q
(2.84)
+ kP1 k ky1 k kD1 w0
Et
− 12 √

y1T P1 Σ2 y2 6 kP1 k ky1 k Σ2 P2 2ε1 (2.85)

L’équation (2.81) donne alors

1
q
2
V̇1 (y1 ) 6 − ky1 k − kP1 k kh ky1 k q 1 + kF k + β ky1 k (2.86)
2
Il s’ensuit que si
−2
1 1
q
2
V̇1 (y1 ) > ε2 − ε = − kh ky1 k q 1 + kF k kP1 k3 β 2 (2.87)
2 2
Alors
V̇1 (y1 ) < 0 (2.88)
Et la condition (2.87) sera satisfaite si le paramètre kh vérifie la condition (2.74). Ainsi, il est
possible de conclure que chaque trajectoire y1 doit définitivement entrer et rester dans l’ellip-
soïde ou le sous espace ϕ2 , défini dans (4.75).
I Considérons la fonction de Lyapunov V1 (∆y1 ), où ∆y1 (t) = y1 (t) − y1id (t) la déviation du
comportement du système y1 (t) par rapport au mouvement dynamique idéal en mode glissant
y1id (t) = eΣ1 (t−t0 ) y10 . Il s’ensuit que
1 1 1
V̇1 (∆y1 ) = ∆ẏ1T P1 ∆y1 + ∆y1T P1 ∆ẏ1 = − k∆y1 k2 + ∆y1T P1 Σ2 y2 + ∆y1T P1 H (2.89)
2 2 2
Et en utilisant les conditions (2.82) et (2.83), on obtient

1 2
q
− 12 12 2
V̇1 (∆y1 ) 6 − k∆y1 k + kP1 k kh P1 P1 y1 q 1 + kF k + β k∆y1 k (2.90)
2
Si le paramètre kh vérifie la condition (2.74) et par conséquent, chaque trajectoire y1 doit défini-
tivement entrer et rester dans l’ellipsoïde ou le sous espace ϕ2 . Ainsi, on obtient après quelques
calculs intermédiaires
(
V1 y10 si y10 ∈

/ ϕ2
V1 (y1 ) = (2.91)
ε2 si y10 ∈ ϕ2
C’est équivalent à  1
1  P12 y10 si y10 ∈
/ ϕ2

P1 y1 = √
2
(2.92)
 2ε
2 si y10 ∈ ϕ2
Les équations (2.91) et (2.92) conduisent alors au résultat requis des équations (4.78) et (4.79).
Le contrôleur mode glissant (2.34) délivre l’accessibilité d’une région délimitée du sous-espace
glissant en présence d’incertitudes et de perturbations. En outre, l’écart par rapport à la dyna-
mique du mode de glissement idéal est ainsi prouvée.
Section 2.8. Résultats de simulation 61
2.8 Résultats de simulation

Pour illustrer son efficacité et sa faisabilité, La méthode présentée est appliquée au contrôle
actif du système de suspension du véhicule. Le système de suspension de voiture est le mé-
canisme qui relie le corps de la voiture à ses roues. Le but d’un tel système est d’améliorer
la manutention routière, le confort des passagers et la stabilité des véhicules en minimisant
les vibrations causées par la conduite sur des surfaces de route cahoteuse. Dans la littérature,
de nombreux chercheurs s’intéressaient à la conception de systèmes de suspension de voiture.
L’objectif principal de la plupart de ces travaux est de synthétiser une loi de contrôle qui ga-
rantit un niveau de performance acceptable, telles que la capacité de maintien et le confort
de l’utilisateur. Sam et al. (2004) présente une nouvelle stratégie robuste pour le contrôle du
système de suspension actif utilisont le contrôle par mode glissant intégral proportionnel. Tou-
tefois, le document de travail (Ji et al., 2007) (commentaires sur (Sam et al., 2004)) prouve
que l’influence des incertitudes incompatibles «mismatched uncertainties» ne peut pas être
réduite mais amplifiée lors de l’utilisation de la méthode proposée de Sam et al. (2004). Dans
(Sam et Osman, 2005) une stratégie de contrôle de mode glissante intégrale proportionnelle est
développée pour le modèle demi-voiture. Du et al. (2005) présente une approche de conception
un contrôleur H∞ non fragile pour la suspension active de la voiture. Sun et Kaynak (2011)
discute le problème du contrôle H∞ pour les systèmes de suspension de véhicules actifs dans
le domaine des fréquences finies. L’approche du retour de sortie H∞ contrôle pour le système
de suspension est considéré en (Li et al., 2014). Un contrôleur quadratique linéaire (LQ) est
proposé dans (Brezas et Smith, 2014). Cependant, tous les travaux antérieurs sont axés sur la
réponse du véhicule à des perturbations routières inégalées «unmatched» uniquement. Il est
important de noter que le système de suspension comporte des paramètres intrinsèquement
incertains comme amortisseurs et ressorts qui risquent de perdre lentement l’efficacité pendant
leur vie. C’est pourquoi, certains travaux sont effectués sous le contrôle d’un système de quart
de voiture actif avec des incertitudes paramétriques inégalées «unmatched» et des perturbations
routières. Par exemple, le récent travail de Guo (2014), où une méthode de fiabilité robuste pour
la conception de contrôle H∞ de ce système est présentée. Pour démontrer l’efficacité de la
méthode de conception SMC actuelle, une étude comparative avec les travaux susmentionnés
sera donnée.
Un modèle de quart de voiture (Guo, 2014) composé d’un quart de la masse corporelle, d’un
composant de suspension et d’une roue, comme le montre la figure 2.2, est considéré.
F IGURE 2.2 – Modèle d’un quart de véhicule avec système de suspension actif.
Les équations régissant le mouvement pour les masses de ce modèle sont données par :
mu ẍu + kc (ẋu − ẋw ) + k2 (xu − xw ) = u
mw ẍw + kc (ẋw − ẋu ) + k2 (xw − xu ) + k1 (xw − x0 ) = −u
Dans lequel, mu est un quart de la masse corporelle (masse suspendue) et mw est la masse d’une
roue (masse non suspendue) ; k2 et k2 sont les coefficients des raideurs ; kc est le coefficient
d’amortissement ; xu (t) et xw (t) sont des déplacements des masses mu et mw , respectivement,
mesuré à partir de leurs positions d’équilibre statique ; x0 (t) est l’entrée de déplacement routier ;
u(t) représente l’entrée active du système de suspension, généré par actionneur hydraulique
placé entre les deux masses.
Les variables d’état sont choisies comme
h iT
x= x1 = xu − xw x2 = xw − x0 x3 = ẋu x4 = ẋw
Ou x1 (t) désigne la suspension déflexion, x2 (t) est le pneu déflexion, x3 (t) désigne la vitesse
de masse suspendue et x4 (t) est la vitesse de masse non suspendue.
Avec mu = 504.5kg et mw = 62kg. En supposant que les coefficients de raideur et d’amortisse-
ment sont incertains mais bornés, satisfaisant k1 ∈ [236, 268] kN/m, k2 ∈ [12.3, 13.9] kN/m
et kc ∈ [368, 432] N s/m, les paramètres incertains peuvent être exprimés sous la forme nor-
malisée de l’équation (2.10) de la manière suivante :
k1 = k10 + δ1 k1v , k2 = k20 + δ2 k2v , kc = kc0 + δ3 kcv
Tel que
k10 = 252 kN/m , k20 = 13.1 kN/m , kc0 = 400 N s/m
k1v = 16 kN/m , k2v = 0.8 kN/m, kcv = 32 N s/m
En considérant que z (t) = x (t) et w (t) = ẋ0 (t) soient, respectivement, la variable de sortie
contrôlée et la perturbation causée par la rugosité de la route, la description de l’espace d’état
du système peut être définie, sous la forme d’équation (2.16). Les matrices du système sont
représentées comme suit :
   
0 0 1 −1 0
   
 0 0 0 1   −1 
A0 =  , B =  

 −k20 /mu 0 −kc0 /mu kc0 /mu 


 0 

k20 /mw −k10 /mw kc0 /mw −kc0 /mw 0
   
0 1 0 0 0
   
 0   0 1 0 0 
D= , C= 

 1/mu 


 0 0 1 0 

1/mw 0 0 0 1
∆A = δ1 A1 + δ2 A2 + δ3 A3
Avec ∆A est la matrice d’incertitude donnée sous la forme de l’équation (2.9) telle que
A1 = [zeros (3, 4) ; 0 − k1v /mw 0 0],

A2 = [zeros (2, 4) ; −k2v /mu 0 0 0 ; k2v /mw 0 0 0],
A3 = [zeros (2, 4) ; 0 0 − kcv /mu kcv /mu ; 0 0 kcv /mw kcv /mw ].
Notre but est de placer les pôles du système en boucle fermée dans une region du plan complexe
ce qui nous permettait de contrôler l’amortissement des pôles et avoir une certaine marge de sta-
bilité absolue. Si nous souhaitons, de plus, avoir une stabilité relative et limiter les dynamiques
rapides, il est nécessaire de placer les pôles dans une région fermée comme par exemple un
disque ou une bande verticale. En effet, le disque est un bon compromis puisqu’il est possible
de contrôler en même temps l’amortissement et la rapidité des modes du système en boucle
fermée.
Afin garantir un amortissement minimal ainsi qu’un degré de stabilité absolu minimum au sys-
tème un quart de voiture, nous considérons que les pôles en boucle fermée sont placés dans
la région disque Ω (µ, τ ) de centre µ = −9 et de rayon τ = 6 dans le plan complexe. Par
conséquent, nous obtenons les valeurs suivantes :
h i
F = 0.5412 −38.6344 6.5831
h i
K = −6.4679 38.6344 −1.4521 0.8291
h i
L = 105 0.1509 −2.1925 0.0045 0.0212
h i
N = 39.8017 −237.7447 8.9358 −5.1018
h i
M = 0.6468 −3.8634 0.1452 −0.0829
La figure 2.3 illustre le profil routier w (t) représentant une seule bump qui agit comme une
perturbation. Il est décrit par l’équation suivante :
(
w0
2
(1 − cos (5πt)) , 0 ≤ t ≤ 0.4
w (t)
0 , 0.4 ≤ t
Où w0 = 10 cm est la hauteur de la bump.
0.12
0.1
0.08
0.06
w(t)
0.04
0.02
-0.02
0 0.5 1 1.5 2 2.5 3
temps (s)
F IGURE 2.3 – Perturbation routière w(t)
Les paramètres de conception sont choisis comme étant ; Σ∗4 = diag{−1}, η = 0.05, α1 =
1.2 et α2 = 0.2. Les figures 2.4, 2.5 et 2.6 montrent la fonction de glissement s(x, t), la loi
de contrôle u(t) et les réponses d’évolution des états du système x(t). Ils indiquent que la
trajectoire du système atteint la surface de glissement nominale S en un temps fini tg et reste
dans un certain mouvement borné (le sous-espace ϕ1 ) qui l’entoure. Il est clair que la stratégie
de conception SMC proposée offre une bonne robustesse et des qualités de performance pour le
système un quart de voiture en présence d’incertitudes inégalées et la contrainte de saturation.
0.014
SMC SMC Saturé
0.012
0.01
0.008
s(t)
0.006
0.004
0.002
0
0 0.5 1 1.5 2 2.5 3
temps(s)
F IGURE 2.4 – Evolution de la surface de glissement s(x, t).
300
SMC SMC Saturé
200
100
u(t)
-100
-200
-300
-400
0 0.5 1 1.5 2 2.5 3
temps(s)
F IGURE 2.5 – Evolution de la loi de contrôle u(t).

10-3 10-3
2 2
SMC SMC Saturé SMC SMC Saturé
0
1
-2
x1(m)
x2(m)
0
-4
-1
-6
-8 -2
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3
temps(s) temps(s)
0.1 0.15
SMC SMC Saturé SMC SMC Saturé
0.1
0.05
x4(m/s)
x3(m/s)
0.05
0
0
-0.05 -0.05
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3
temps(s) temps(s)
F IGURE 2.6 – Evolution des états du système x(t).
La performance d’un système de suspension est essentiellement évaluée en termes de qualité de

conduite et de tenue de route. Le confort de conduite, associé à l’accélération du corps et à la
déflexion de la suspension, et la capacité de maintien, associés à la déflexion du pneu, sont des
objectifs importants qui doivent être pris en compte dans la conception du système de suspen-
sion de voiture. En d’autres termes, un bon système de suspension devrait fournir des petites
valeurs d’amplitude pour l’accélération du corps de voiture, la déflexion de la suspension et la
déflexion du pneu. Dans ce contexte, les caractéristiques de performance et la robustesse du
modèle un quart de voiture selon la méthode proposée sont évaluées et comparées à la méthode
développée par Guo (2014).
Maintenant, comme dans (Guo, 2014), les paramètres incertains sont générés de manière aléa-
toire dans leurs plages admissibles. Vingt fois les résultats des simulations des réponses de
bosse et les entrées de forces de contrôle correspondantes du système incertain et système
saturé incertain sont affichés dans les figures 2.7 et 2.8
F IGURE 2.7 – Les réponses du système avec des paramètres incertains
F IGURE 2.8 – Les réponses du système saturé avec des paramètres incertains
Tableau 2.1 – Comparaison entre notre méthode et la méthode de Guo (2014).

temps de
control depassement
stabilisation
SMC 0.56 0.6
m 2
ẍu (m\s ) Sat SMC 0.60 0.8
Guo (2014) 1.70 1.5
SMC 0.78 0.74
m
x1 (cm) Sat SMC 0.78 1.00
Guo (2014) 4.00 1.4
SMC 0.13 0.62
m
x2 (cm) Sat SMC 0.13 0.83
Guo (2014) 0.50 1.20
SMC 0.32 0.61
m
u (kN ) Sat SMC 0.20 0.97
Guo (2014) 1.10 1.70
En tenant compte des résultats de simulation présentés dans les figures 2.7, 2.8 et Guo (2014)
figure 2, la comparaison peut être résumée dans le Tableau 2.1.
Le tableau comparatif montre que notre méthode dans les deux cas (système incertain et système
saturé incertain) donne des valeurs d’amplitude inférieures (ẍm m m
u , x1 and x2 ) pour l’accéléra-
tion du corps de voiture ẍm m m
u (t), déflexion de la suspension x1 (t) et la déflexion du pneu x2 (t).
Il indique également que le système un quart de voiture active avec un contrôleur de mode cou-
lissant nécessite moins d’énergie que le système avec la méthode de Guo (2014). En outre, il
est facile de voir (figures 2.7, 2.8 et Guo (2014), figure 2) que la méthode SMC présentée dans
cet article peut réduire les oscillations et fournir des réponses rapides par rapport au schéma de
contrôle de Guo (2014).
Dans la réponse de déflexion de la suspension, nous constatons que le pourcentage de dépasse-

ment et temps de stabilisation sont satisfaits. La réponse a un temps de stabilisation inférieur à
1.2 secondes et un dépassement inferieur 0.78%. En outre, l’erreur d’état stationnaire approche
également de zéro. Par conséquent, nous déterminons que la réponse est satisfaisante. On peut
voir à partir de cette réponse que de meilleures performances du point de vue robustesse et de
stabilité sont obtenues avec SMC. Le SMC saturé peut encore stabiliser le système en boucle
fermée sans dégradation évidente des performances.
En utilisant l’approche de contrôle proposée, les fluctuations de la déflexion de la suspension
sont inférieures à celles du contrôleur proposées dans Guo (2014). Nous pouvons également
voir que la déflexion de la suspension du contrôleur proposé dans Guo (2014) présente plus
de fluctuations. Cet impact produit un choc important sur le châssis de la voiture et introduit
des accélérations indésirables dans le système et dégrade les caractéristiques de conduite du
véhicule. Mais cette situation ne se produit pas dans le SMC.
On peut également le constater, la déflexion du pneu dans notre méthode (dans les deux cas,
SMC et Sat SMC) est inférieure à celle du contrôleur proposé par Guo (2014). Cela signifie que
SMC peut produire une meilleure tenue de route, et on peut voir que le contrôleur proposé par
Guo (2014) améliore considérablement les performances de conduite et de manipulation.
On peut voir dans la figure 2.8 que le système un quart de voiture actif avec contrôleur de mode
coulissant nécessite moins de puissance (contrôle d’entrée u(t)) que le système avec la méthode
de Guo (2014) et que la contrainte de force de contrôle active est respectée par le contrôleur, en
raison de prise en compte des contraintes difficiles dans le processus de conception du contrô-
leur. En particulier, l’entrée de contrôle est saturée et reste inférieure à la valeur maximale
acceptable, avec des variations douces. Par conséquent, la qualité du système de suspension du
véhicule du véhicule peut être considérablement améliorée par rapport au contrôleur proposé
par Guo (2014).
Ces simulations montrent que le contrôle corrige efficacement l’écart entre le système incertain
et incertain saturé. Il est facile de voir (figures 2.7, 2.8 et Tableau 2.1) que la réponse des
trajectoires d’état et du contrôle sont presque confondues et l’écart est très faible. En outre, ces
simulations montrent une convergence typique du système dans les deux cas (SMC et SMC
saturé).
Nous pouvons conclure que notre méthode a une meilleure performance de contrôle. En outre, il
permet un bon rejet de la perturbation non apparié (« non-matched »), manifeste une robustesse
appropriée par rapport à l’incertitude paramétrique inégalée (« unmatched ») et garantit certains
besoins de performance. Par conséquent, la stratégie de contrôle du mode glissant proposée
dans cette étude semble être un bon choix pour la conception de contrôle du système de quart
de voiture avec des incertitudes inégalées et une contrainte de saturation.
2.9 Conclusion
Dans ce chapitre nous avons traité une classe d’incertitude paramétrique de type affines paral-
lélotopiques, de perturbation et une contrainte de saturation. Une méthode de synthèse d’une
commande robuste par mode glissant pour des systèmes saturés incertains est élaborée. Cette
méthode se base sur la considération des incertitudes et la contrainte de saturation, à la fois, dans
la synthèse de l’hypersurface de glissement et dans la résolution du problème d’attractivité. En
utilisant la technique LMI et la description polytopique, le problème de conception de la surface
glissante est formulé comme un problème d’optimisation multiobjectif convexe. Dans lequel,
H∞ et le placement des pôles dans une région LMI sont utilisés pour garantir la robustesse du
système et certaines performances prévues en dépit des incertitudes de paramètres. Ensuite, la
résolution du problème d’attractivité a été également traitée et ce par l’élaboration de loi de
commande non linéaire assurant à une trajectoire initiale d’atteindre la surface de glissement
dans un temps fini. La dernière partie de ce chapitre a été consacrée aux résultats obtenus avec
un exemple illustratif, celui d’un quart de véhicule. L’examen des résultats obtenus permet de
valider les concepts théoriques de ce travail et montre l’intérêt de tenir compte des incertitudes
et la contrainte de saturation dans l’élaboration de la surface de glissement et de la loi de com-
mande.
Commande par mode glissant des systèmes
3
discrets saturés
Plan du chapitre
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.2 Formulation du problème de la CSV des systèmes discrets . . . . . . . . . . 73
3.3 Description du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.3.1 Condition d’attractivité . . . . . . . . . . . . . . . . . . . . . . . . 75
3.3.2 Le phénomène de réticence . . . . . . . . . . . . . . . . . . . . . . 76
3.4 Synthèse de la surface de glissement . . . . . . . . . . . . . . . . . . . . . 76
3.4.1 Vecteur de la commande équivalente . . . . . . . . . . . . . . . . . 76
3.4.2 Transformation linéaire de l’équation d’état . . . . . . . . . . . . . 77
3.4.3 Décomposition de la matrice du système . . . . . . . . . . . . . . 78
3.4.4 Calcul de la matrice stabilisante . . . . . . . . . . . . . . . . . . . 79
3.4.5 Calcul de l’hypersurface de glissement . . . . . . . . . . . . . . . . 80
3.4.6 Bande du quasi mode glissant . . . . . . . . . . . . . . . . . . . . . 81
3.5 Synthèse de la loi commande . . . . . . . . . . . . . . . . . . . . . . . . . 82
72 Chapitre 3. Commande par mode glissant des systèmes discrets saturés
3.6 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

3.6.1 Influence de la variation de la période d’échantillonnage . . . . . . 83
3.6.2 Influence de la saturation de la loi de commande . . . . . . . . . . 86
3.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.1 Introduction
n aspect important concernant l’implémentation réelle de la CSV est celui de l’utilisation
U des plateformes numériques. Tous les supports modernes d’implémentation des régula-
teurs en automatique font appel aujourd’hui à des systèmes électroniques à microprocesseurs
ou calculateurs numériques. La loi de commande est mise en application en gelant la force de
commande pendant la période d’échantillonnage. Si ces lois de commandes sont développées
dans le domaine continu, ils ne peuvent pas fonctionner correctement ou même devenir instables
quand on tente une implémentation numérique directe. Ce constat a motivé beaucoup de cher-
cheurs afin de développer des lois de commande tenant compte de l’échantillonnage (Gomes et
Tarbouriech, 1999; Khalid et al., 2007; Yan et al., 2007).
Dans l’implémentation digitale de la CSV, le choix de la période d’échantillonnage affecte les
performances du système. Ceci peut être constaté par :
• Un phénomène de réticence très sévère dans une bande au voisinage de la surface de glisse-
ment dépendant de la fréquence d’échantillonnage.
• Une possibilité d’instabilité si les gains sont élevés.
D’où la nécessité d’une étude complète en formulation discrète. C’est dans ce contexte qu’on
propose une extension des résultats de synthèse de la commande en mode glissant des systèmes
continus aux systèmes linéaire discret.
Le travail présenté dans ce chapitre est composé en deux parties :
La première partie consiste à faire un choix optimal de la surface de glissement, sur laquelle
demeurent et glissent tous les états du système. Ce choix est réalisé en utilisant la technique
de LMIs (Boyd, 1996) appliquée aux systèmes discrets. La deuxième partie est consacrée à la
synthèse d’une loi de commande par modes glissant qui permet de garantir l’attractivité de la
surface de glissement. Pour la validation de cette technique, nous avons choisi comme système,
un quart de véhicule.
3.2 Formulation du problème de la CSV des systèmes discrets
Dans cette section, l’objectif principal consiste à utiliser l’approche des modes glissants pour
chercher une loi de commande robuste vis-à-vis des variations paramétriques, permettant de
forcer les variables d’état à suivre les trajectoires désirées. Toutefois, dans ce cas la synthèse de
la commande est basée sur le choix de la surface de glissement dont le polynôme caractéristique
possède ses racines dans le cercle unité du plan complexe.
La procédure de synthèse d’une CSV pour les systèmes discret peut être composée en deux
étapes :
– Synthèse de la surface de glissement.
– Synthèse de la loi de commande.
3.3 Description du système

On considère un système linéaire, à temps discret, décrit par l’équation d’état suivante :
x(k + 1) = Φx(k) + Γu(k) (3.1)
Où x ∈ <n est l’état de système, u ∈ <m est la commande, et les matrices Φ ∈ <n×n et
Γ ∈ <n×m avec
Zh
Ah
Φ = e , Γ = eA(h−τ ) Bdτ
0
A et B représentant respectivement la matrice d’état et de commande du système continu.

Alors que h désigne la période d’échantillonnage.
Supposons maintenant que la commande u (k) soit soumise à des contraintes de saturation
d’amplitude, c’est-à-dire, à chaque instant k le vecteur de commande u (k) doit appartenir à
un ensemble défini, dans l’espace de commande, par :
uk ∈ <m = uk ∈ <m / − uimin ≤ uik ≤ uimax ; uimin , uimax > 0, ∀i = 1...m

(3.2)
Ainsi, si le vecteur de commande u (k) est supérieur à uimax , la commande restera bloquée
sur uimax . De la même façon, si u (k) est inférieur à −uimin , la commande restera bloquée sur
−uimin .
Dans ce cas, on dit qu’il y a saturation de la commande. La loi de commande effectivement
appliquée au système est donc :
si (kxk )i > uimax


i
 umax

sat (kxk ) = (kxk )i si − uimin ≤ (kxk )i ≤ uimax , ∀i = 1...m. (3.3)
si (kxk )i < −uimin

−uimin

Celle-ci peut être représentée selon le modèle suivant Milani et Carvalho (1994) :
sat (kxk ) = Ψ (ς (xk )) kxk (3.4)

Section 3.3. Description du système 75
Où les éléments ς i (xk ) de la matrice diagonale Ψ (ς (xk )) sont exprimés comme suit :
 i
 umax
i si (kxk )i > uimax
 (kxk )


ς i (xk ) = 1 si − uimin ≤ (kxk )i ≤ uimax , ∀i = 1...m. (3.5)
ui
 i
 − min i si (kxk ) < −uimin


(kxk )
Avec 0 < ς i (xk ) ≤ 1

Le système (3.1) devient :
x(k + 1) = Φx(k) + ΓΨ (ς (xk )) u(k) (3.6)
Nous supposons que le système est commandable et que la matrice Γ est de rang plein.
3.3.1 Condition d’attractivité

La condition d’attractivité représente la condition d’existence du mode glissant. La loi de com-
mande devrait être choisie de telle manière que n’importe quel état initial, la trajectoire de
système est attirée vers la surface de glissement dans un temps fini, assurant ainsi l’attractivité
de la surface de glissement ( 3.1). Nous donnons d’abord un lemme proposé par Sarpturk et al.
(1987) .
Lemme :
Une condition nécessaire et suffisante de l’existence d’un mode glissant à temps discret, assu-
rant l’attractivité de la surface de glissement s(k) est donné par :
ks (k + 1)k< ks (k)k
Ou k.k désigne la norme.
F IGURE 3.1 – Evolution de la surface du glissement.

3.3.2 Le phénomène de réticence

Malgré les différents avantages de la commande par mode glissant, son utilisation a été en-
travée par un inconvénient majeur lié au phénomène de réticence (broutement) ou encore
(chattering). Ce phénomène est une conséquence naturelle du comportement dynamique réel
de l’ensemble actionneur et système à commander.
Dans le cas des systèmes discrets, lorsque la période d’échantillonnage est faible, le phénomène
de réticence n’existe pas et ceci est dû au fait que pour les SSV discrets, on suppose toujours
l’existence d’une bande de glissement au voisinage de la surface de glissement.

3.4.1 Vecteur de la commande équivalente
Dans le cas des systèmes à temps discret, la commande équivalente assure l’attraction de la
surface de glissement et garde la trajectoire sur la surface de glissement à chaque instant de
prélèvement.
La synthèse de surface de glissement est basée sur la méthode de la commande équivalente. Le
système est en mode de glissement si s (k) = 0 ∀ k ≥ kg , kg l’échantillon pour lequel le mode
glissant et atteint.
La surface de commutation est donnée par :
s(k) = Gx (k) (3.7)
Hypothèse 3.1 :
• La matrice Γ est de rang plein,
• La paire (Φ, Γ) est commandable.
La condition de glissement peut être représentée par l’équation suivante :
s (k) = s (k + 1) = s(k + 2) = ... = s(k + i) ∀ k ≥ kg (3.8)
Avec i = 1, 2, ... On obtient aussi :
Gx (k + 1) = Gx (k) (3.9)
Où encore
G (Φx(k) + ΓΨ (ς (xk )) ueq (k)) = Gx(k) (3.10)
Si (GΨ(ς (xk ))Γ) inversible, ce qui est déjà assuré par les hypothèses, alors la commande équi-
valente, notée ueq (k) , peut être donnée par :
ueq (k) = −(GΓΨ (ς (xk )))−1 (Φ − I) Gx(k) = −Keq x(k) (3.11)
On introduit ueq (k) dans l’équation d’état du système (3.1), nous obtenons :
x(k + 1) = Φ − ΓΨ (ς (xk )) (GΓΨ (ς (xk )))−1 G (Φ − I) x (k)

(3.12)
L’équation précédente peut se mettre sous la forme :
x(k + 1) = Φeq x (k) (3.13)
Où
Φeq = Φ − ΓΨ (ς (xk )) (GΓΨ (ς (xk )))−1 G (Φ − I) (3.14)
Cette équation décrit la dynamique du système sur la surface du glissement qui est indépendante
de la valeur actuelle de la commande et dépend uniquement du choix de la matrice G.
Pour déterminer la matrice G de la surface de glissement, on fait l’appel au principe de place-
ment de pôle dans une région LMI dans le plan complexe.
3.4.2 Transformation linéaire de l’équation d’état

La synthèse de la surface de glissement S se fait en passant par les étapes suivantes :
• Introduction d’une transformation linéaire de l’équation d’état en mode de glissement.
• Décomposition de la matrice du système pour l’apparition du système équivalent d’ordre
réduit (ordre n − m).
• Détermination de la matrice de retour d’état stabilisante F .
On forme une première Transformation du système :

Par hypothèse, la matrice Γ est de rang plein m, donc il existe une matrice de transformation
n×n T −1
orthogonale T ∈ < " , #T = T
0
Telle que : T Γ = où Γ2 est de dimension (m × m) et non singulière.
Γ2
La variable d’état transformée est définie par yk = T xk .
L’équation d’état devient :
y (k + 1) = T x (k + 1) (3.15)
Qu’on peut réécrire sous la forme :
y (k + 1) = T Φx (k) + T ΓΨ (ς (xk )) u(k) (3.16)
En remplaçant xk = T T yk dans l’équation précédente, on obtient :
y (k + 1) = T ΦT T y (k) + T ΓΨ (ς (xk )) u(k) (3.17)
D’où la condition de glissement Gx(k) = 0 devient :
GT T y(k) = 0 (3.18)
3.4.3 Décomposition de la matrice du système

Si la variable d’état est partagée sous la forme :
h i
T T T
yk = y1k y2k (3.19)
D’où y1k ∈ <n−m et y2k ∈ <m . Alors l’équation d’état se réécrit :

(
y1 (k + 1) = Φ11 y1 (k) + Φ12 y2 (k)
(3.20)
y2 (k + 1) = Φ21 y1 (k) + Φ22 y2 (k) + Γ2 Ψ (ς (xk )) u(k)
Avec " # " #

Φ11 Φ12 0 h i
TΦTT = , TΓ= etGTT = G1 G2 (3.21)
Φ21 Φ22 Γ2
Si on utilise le vecteur d’état transformé, la condition définissant le mode de glissement devient
alors : " #
h i y (k)
1
GT T y(k) = 0⇒ G1 G2 =0 (3.22)
y2 (k)
G1 y1 (k) + G2 y2 (k) = 0 (3.23)
La surface de glissement peut être donnée par :
s (k) = G1 y1 (k) + G2 y2 (k) (3.24)

Où s (k) ∈ <m ,G1 ∈ <m×(n−m) et G2 ∈ <m×m . On suppose qu’il existe une loi de commande
qui impose un mouvement de glissement idéal ceci implique :
y2 (k) = −G−1
2 G1 y1 (k) = −F y1 (k) (3.25)
Avec
F = G−1
2 G1 (3.26)
On obtient le système d’ordre réduit (n − m) suivant :

(
y1 (k + 1) = Φ11 y1 (k) + Φ12 y2 (k)
(3.27)
y2 (k) = −F y1 (k)
Par la substitution y2 (k) de l’équation ci-dessus dans y1 (k + 1) on obtient :
y1 (k + 1) = (Φ11 − Φ12 F ) y1 (k) (3.28)
Pour assurer la stabilité de la surface de glissement le sous-ensemble ci-dessus doit être stable.
Bien évident, si la paire (Φ, Γ) est commandable alors la paire (Φ11 , Φ12 ) est aussi comman-
dable. Sous cette condition, il existe un vecteur F telle que la stabilité du système (Φ11 − Φ12 F )
sera garantie. Il y a plusieurs techniques qui peuvent être employées pour atteindre ce classique
objectif de stabilité (le placement de pôles, approche de Lyapunov, etc...).
Dans ce travail, nous avons choisi l’utilisation de la technique de placement de pôles dans une
région LMI.
3.4.4 Calcul de la matrice stabilisante

L’objectif principal est de construire une surface de glissement optimale en employant la tech-
nique LMI.
Le but est de choisir les coefficients de la surface de glissement d’une manière optimale. Ce qui
revient à stabiliser le système (3.24) vers l’origine en un temps fini.
Pour calculer la matrice de gain F en utilisant la technique de placement de pôle qui a des liens
étroits avec sa stabilité, réponse transitoire, et les propriétés de robustesse.
Pour obtenir les performances désirées lors de la synthèse d’un système LTI en boucle fermé,
il est habituel pour les concepteurs de mettre les pôles en boucle fermée à une certaine région
précise.
I Les pôles doivent être placés dans un cercle ou son centre sur l’axe réel positif dans le cercle
unité afin d’obtenir une réponse atténuée raisonnable (coefficient d’amortissement < 1) (Acker-
mann, 1993).
Le système (3.28) est asymptotiquement stable si ∃ P > 0 telle que :
(Φ11 − Φ12 F )T P + P (Φ11 − Φ12 F ) < 0 (3.29)
L’inégalité (3.29) est équivalente en LMIs à :
QΦ11 T + Φ11 Q − LT Φ12 T − Φ12 L < 0 (3.30)
Telle que :
QΦ11 T + Φ11 Q − LT Φ12 T − Φ12 L < 0 (3.31)
Q = QT = P −1 etL = F Q (3.32)
Les valeurs propres du système (Φ11 − Φ12 F ) sont toutes dans la région Ω , cercle de centre
(α, 0) et de rayon r du plan complexe si et seulement si :
!
−rQ αQ + QΦ11 T + LT Φ12 T
∃Q > 0:fΩ = <0 (3.33)
αQ + Φ11 Q + Φ12 L −rQ
Avec L : gain optimal apporté par la solution de réalisation du LMIs.
Im(Z)
1
-1  1 Re(z)
R2<1
-1-
F IGURE 3.2 – Exemple d’une région LMI.
3.4.5 Calcul de l’hypersurface de glissement

Une fois la matrice stabilisante F est déterminée, la matrice G peut être calculée par :
h i
G= F Im T (3.34)
Où T est la matrice de transformation.

En résumé, la synthèse de l’hypersurface de glissement S se fait en passant par les étapes
suivantes :
• Décomposition du système sous la forme canonique.
• Calcul d’un retour d’état stabilisant F pour le système réduit.
• Calcul de l’hypersurface de glissement.
3.4.6 Bande du quasi mode glissant

Comme nous avons mentionné précédemment dans le cas de la commande par mode glissant
de système discret, le système va osciller dans les voisinages de la surface de glissement dans
une bande bien déterminée qui vérifie la condition :
− ∆ < S (x) < ∆ (3.35)
F IGURE 3.3 – Commutation à grande vitesse sur la surface de glissement.
Où 2∆ est la largeur de cette bande.

∆ = 0 implique, le quasi mode glissant est idéal.
La détermination de la largeur de la bande 2∆, revient à déterminer une bande telle que si la
trajectoire du système entre dans cette bande elle ne sort plus.
s(k + 1) = (1 − qh) s(k) − εh ∗ sig(s(k)), 1 − qh > 0 (3.36)
La bande du quasi mode glissant (QSM) est la région dans l’espace de phase où le signe de s
commence à alterner. Ainsi le signe de s(k + 1) doit être opposé au signe de s(k).
Si s(k) > 0 alors s(k + 1) < 0
A partir de l’équation (3.36) on obtient :
(1 − qh) s (k) − εh < 0 (3.37)
εh
⇒ s (k) < (3.38)
1 − qh
La largeur de la bande est :
εh
2∆ = 2 (3.39)
1 − qh
3.5 Synthèse de la loi commande

Pour déterminer la loi de commande par mode glissant par retour d’état, on procède de la ma-
nière suivante Gao et al. (1995) :
s(k + 1) = (1 − qh) s(k) − εh ∗ sig(s(k)) (3.40)
Avec ε > 0, q > 0 et 1 − qh > 0
s(k) = GT x(k) et s(k + 1) = GT x(k + 1) (3.41)
Détermination de K et γ :
GT Φx(k) + GT ΓΨ (ς (xk )) u(k) − GT x(k) = −qh ∗ s(k) − εh ∗ sig(s(k)) (3.42)
La résolution en u(k) donne la loi de commande exprimée par :

−1 T
u(k) = − GT ΓΨ G Φ − GT + qhGT x(k) + εh ∗ sig(s(k))

(3.43)
u(k) = Kx(k) + γsig(s(k)) (3.44)
Par identification on obtient :

−1 T
K = − GT ΓΨ G Φ − GT + qhGT

(3.45)
−1
γ = − GT ΓΨ εh (3.46)
La loi de commande fait intervenir un terme non linéaire de paramètre εh et qui varie en fonction
du période d’échantillonnage h.
3.6 Résultats de simulation

Pour concevoir une commande par mode glissant discret, on discrétise le modèle avec une
période d’échantillonnage h. Le modèle discret est donné comme suit :
x(k + 1) = Φx(k) + Γu(k) (3.47)
Rh
Avec Φ = eAh ,Γ = eA(h−τ ) Bdτ
0
3.6.1 Influence de la variation de la période d’échantillonnage

Les figures 3.4, 3.5, 3.6 et 3.8 montrent l’évolution des variables d’état et de la loi de commande
ainsi que la surface de glissement en fonction de la période d’échantillonnage h.
Pour h=0.3
0.4
0.6
0.2
0.4
0
x1
x2
−0.2 0.2
−0.4 0
−0.6
−0.2
0 5 10 15 20 0 5 10 15 20
k k
1
1
0 0.5
x3
x4
−1 0
−2
−0.5
0 5 10 15 20 0 5 10 15 20
k k
F IGURE 3.4 – Évolution des variables d’état pour h=0.3.
La bande de glissement est de largeur :
εh
2∆ = 2 = 1.3043
1 − qh
loi de commande surface de glissement

8 8
6
6
4
2 4
0
−2 2
−4
0
−6
−8 −2
0 5 10 15 20 0 5 10 15 20
k k
F IGURE 3.5 – Évolution de la loi de commande et la surface de glissement pour h=0.3
Pour h=0.15
1 0.3
0 0.2
x1
x2
−1 0.1
−2 0
−3 −0.1
0 5 10 15 20 0 5 10 15 20
k k
10 1
0 0.5
x4
x3
−10 0
−20 −0.5
0 5 10 15 20 0 5 10 15 20
k k
F IGURE 3.6 – Évolution des variables d’état pour h=0.15.
La bande de glissement est de largeur :
εh
2∆ = 2 = 0.4110
1 − qh
loi de commande surface de glissement

200 30
150 25
100 20
50 15
0 10
−50 5
−100 0
−150 −5
0 5 10 15 20 0 5 10 15 20
k k
F IGURE 3.7 – Évolution de la loi de commande et la surface de glissement pour h=0.15.
Interprétations
On remarque que tous les états du système évoluent en un temps finie vers la surface de glisse-
ment et restent sur cette surface s(x), avec la présence du phénomène de réticence, la surface
de glissement ne sort plus de la bande de glissement. On remarque qu’au fur et à mesure que la
période d’échantillonnage diminue la largeur de la bande de glissement diminue.
Le tableau 3.1 présente une comparaison de la largeur de la bande de glissement pour diffé-
rentes valeurs de la période d’échantillonnage.
Tableau 3.1 – Variation de la bande de glissement en fonction de la période d’échantillonnage

Période d’échantillonnage h Largeur de la bonde de glissement
h=0.30 1.3043
h=0.15 0.4110
h=0.10 0.2439
Ce tableau montre bien que le choix de la période d’échantillonnage est primordial pour la com-
mande en mode glissant en temps discret du fait que plus que h diminue plus la largeur de la
bande de glissement diminue.
Si on compare les figures 3.4 et 3.6, nous remarquons que si on diminue la période d’échan-
tillonnage, on diminue la largeur de la bande de glissement donc on réduit le phénomène de
réticence.
Le choix de la période d’échantillonnage h influe beaucoup sur les performances du système en
termes de convergence des états vers leurs valeurs de références. En effet, la réponse du système
s’améliore avec la diminution de la période d’échantillonnage h.
Les figures 3.4, 3.5, 3.6 et 3.8 montrent que pour une période d’échantillonnage h = 0.3 la
réponse du système est optimale et pour h = 0.15 la réponse du système est plus rapide, mais
on remarque un grand pic de commande et un dépassement important pour les états. Par consé-
quent, pour la commande par mode glissant en temps discret, le choix de la période d’échan-
tillonnage est très important.
3.6.2 Influence de la saturation de la loi de commande

En réalité, les actionneurs présentent des saturations de la force et il est facile de constater qu’on
ne peut pas dépasser une certaine amplitude du signal de commande. Pour illustrer ce fait, nous
effectuons des simulations en ajoutant une contrainte de saturation de ±1 sur la loi de com-
mande.
Dans cette section nous présentons les résultats des simulations avec une période d’échantillon-
nage h = 0.3.
On obtient :    
0.91190.04390.29020.0049 0.0442
   
 0.04390.95580.00490.2951   0.0004 
Φ=   , Γ=  
 −0.57560.28540.90610.0467   0.2902 
 
0.2854 − 0.29020.04670.9529 0.0049
La matrice de transformation est la suivante :
 
−0.00131.0000 − 0.0011 − 0.0000
 
 −0.9884 − 0.00110.1509 − 0.0142 
T =  −0.0166 − 0.0000 − 0.01420.9998


 
−0.1507 − 0.0013 − 0.9884 − 0.0166
Après 3 itérations, l’algorithme donne le gain stabilisant F du système discret d’ordre réduit :
h i
F = −3.5497 3.1844 −7.2307
La figure 3.8 représente les pôles du système discret d’ordre réduit en boucle fermée dans
une région définie par une région Ω (α, r) dans le plan complexe. En effet, cette région offre
principalement l’intérêt de garantir un amortissement minimal des pôles et un degré de stabilité
absolu minimum :
0.5
−0.5
−1
−1 −0.5 0 0.5 1
F IGURE 3.8 – Les pôles du système discret réduit en boucle fermée.
Les pôles du système discret réduit (0.5959 + 0.1565i, 05959 − 0.1565i, 0.0381).
La matrice G qui définit la surface de glissement est donnée par :
h i
G= 3.1738 3.5543 0.4010 7.2908
La structure de la commande est la suivante :
u(k) = Kx(k) + γsign(s(k))

h iT
Celle est implémentée avec x0 = 0 0 0 1 , on obtient alors :
h i
K= −2.2339 1.4510 −1.3056 −1.9059
γ = −1.0217
Les résultats de simulation de cette loi de commande sont donnés sur les figures 3.9, 3.10 et
3.11. Ils montrent l’évolution des variables d’état, la loi de commande et la surface de glisse-
ment.
Ces figures montrent que tous les états du système évoluent en un temps fini vers la surface de
glissement et restent sur cette surface.
1
SMC sans saturation
0.8
SMC avec saturation
0.5 0.6
0.4
0
x1
x2
0.2
−0.5 0
−0.2
−1 −0.4
0 5 10 15 20 0 5 10 15 20
k k
1
1
0.5
0
x3
x4
−1 0
−2
−0.5
0 5 10 15 20 0 5 10 15 20
k k
F IGURE 3.9 – Évolution des variables d’état.
loi de commande
8
SMC sans saturation
6 SMC avec saturation
−2
−4
−6
−8
0 2 4 6 8 10 12 14 16 18 20
k
F IGURE 3.10 – Évolution de la loi de commande.

surface de glissement
8
SMC sans saturation
7 SMC avec saturation
6
−1
0 2 4 6 8 10 12 14 16 18 20
k
F IGURE 3.11 – Évolution de la surface de glissement.
Les résultats de simulation montrent que même en présence d’une contrainte de saturation de
la loi de commande, tous les états du système évoluent en un temps finie vers la surface de
glissement et restent sur cette surface, avec une légère dégradation des performances.
3.7 Conclusion
Dans ce chapitre, nous avons effectué un développement et une application de la commande
par mode glissant du système discret saturé, pour le cas d’un quart de véhicule. Nous avons
utilisé le concept des inégalités matricielles linéaires afin d’obtenir une surface de glissement
optimale.
Ensuite, la résolution du problème d’attractivité a été également traitée et ce par l’élaboration
de la loi de commande non linéaire. Cette commande assure à une trajectoire initiale d’atteindre
et de rester dans la bande de glissement.
Nous avons justifié en même temps le choix de la période d’échantillonnage et son influence
sur le phénomène de réticence.
Nous avons montré, à travers des simulations numériques, les performances de la commande
élaborée en termes de robustesse.
Méthodes de Synthèse d’une commande
4
robuste pour une classe des systèmes saturés
discrets incertains
Plan du chapitre
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.2 Formulation du problème de la CSV des systèmes discrets saturés incertains 93
4.2.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.2.2 Présentation du système discret saturé incertain . . . . . . . . . . . 95
4.3 Synthèse de la surface de glissement . . . . . . . . . . . . . . . . . . . . . 96
4.3.1 Vecteur de la commande équivalente . . . . . . . . . . . . . . . . . 96
4.3.3 Décomposition de la matrice du système . . . . . . . . . . . . . . . 99
4.3.5 Calcul de l’hypersurface de glissement . . . . . . . . . . . . . . . . 102
4.4 Synthèse de la commande . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Chapitre 4. Méthodes de Synthèse d’une commande robuste pour une classe des systèmes saturés
92 discrets incertains
4.4.1 Composante linéaire de la loi de commande . . . . . . . . . . . . . 104

4.4.2 Composante non linéaire de la loi de commande . . . . . . . . . . . 106
4.5 Exemple illustratif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.1 Introduction
a réalité pratique montre que l’élaboration de lois de commande à partir de modèles li-
L néaires supposés parfaitement connus, n’est pas fiable dans la plupart des cas. Il s’avère
donc nécessaire de prendre en compte, lors de la synthèse de la loi de commande, les incer-
titudes ou les perturbations agissant sur le système considéré. Ces incertitudes peuvent être
les résultats des erreurs de linéarisation des équations non-linéaires décrivant le système, ou
des variations paramétriques de ce dernier. Jusqu’ici, nous avons étudié des systèmes linéaires
modélisés par variables d’état, dont les paramètres incertains peuvent vérifier l’hypothèse des
"matching conditions". Cette classe d’incertitudes est utilisée dans de nombreux travaux d’ana-
lyse de robustesse et de synthèse des systèmes à structures variables Utkin (1992); Hung et
Gao (1993); Zinober (1993); Zhou et Fisher (1992); Bartolini et Pydynowski (1996); Lee et Xu
(1994); Bühler (1986).
Dans ce chapitre, nous nous intéressons plus particulièrement aux systèmes incertains avec des
incertitudes polytopique. Nous présentons une méthodologie de synthèse d’une commande ro-
buste en mode glissant pour des systèmes saturés discret linéaires multivariables incertains.
Nous faisons usage du concept de la stabilité quadratique pour le choix de l’hypersurface de
glissement. Toutes les conditions suffisantes de placement de pôles, d’un système linéaire in-
certain dans une région LMI, seront exprimées sous la forme LMI. Ensuite, nous proposons
des commandes non-linéaires assurant à une trajectoire initiale d’atteindre et de rester ensuite
dans la surface de glissement. Nous donnons une borne supérieure du temps nécessaire pour
atteindre la surface de glissement. De même, nous effectuons une approximation de la dévia-
tion du comportement de la trajectoire du système incertain par rapport au comportement idéal
(incertitudes nulles).
4.2 Formulation du problème de la CSV des systèmes discrets

saturés incertains
4.2.1 Motivation
La modélisation du système est généralement l’une des missions les plus importantes en ingé-
nierie, et principalement dans l’ingénierie de contrôle. Malheureusement, dans la réalité, aucun
modèle ne peut se comporter comme le système réel. Ainsi, un modèle mathématique de tout
système réel est toujours juste une approximation de la vraie réalité physique de la dynamique
du système. Les incertitudes dans les modèles mathématiques peuvent résulter de perturbations
extérieures, soit variation de paramètres, approximations dans le processus de modélisation et
dynamique inconnue. Afin d’assurer que les systèmes présentent de bonnes performances en
présence d’incertitudes, un contrôle robuste a reçu une attention considérable. D’autre part, le
contrôle du mode glissant (CMG) est bien connu comme une méthode de contrôle robuste effi-
cace et il est largement utilisé en raison de divers avantages qui incluent une grande robustesse
lorsque le fonctionnement dynamique fonctionne dans des conditions d’incertitude (Ryan et
corless, 1984; Sellami et al., 2007).
Le contrôle par mode glissant est principalement utilisé pour différentes applications en cas de
temps continu (Islam et Liu, 2011). Cependant, au cours des dernières années avec le déve-
loppement rapide de technologies informatiques, de DSP chips et de la technologie du micro-
processeur numérique, il est impératif de réaliser les systèmes de contrôle numérique (voir, par
exemple, (Viet et al., 2012; Massaoudi et al., 2016)) l’algorithme du CMG est implémenté en
utilisant un processeur de signal numérique (DSP).
Ces dernières années, certaines études apparaissent dans ce domaine de recherche. Govindas-
wamy et al. (2014) décrit une méthode pour la synthèse des contrôleurs par mode glissant à
temps discret de suivi de sortie statique pour les systèmes incertains. L’application d’un contrôl-
leur uncertain par mode glissant pour un robot manipulateur est présentée par Islam et Liu
(2011). Lin et al. (2011) proposont une commande par mode glissant robuste pour une classe
de systèmes a retard incertains, les incertitudes comprennent à la fois des incertitudes para-
métriques dans le modèle d’état et la perturbation externe correspondante. Un contrôlleur par
mode glissant discret de second ordre via le modèle d’entrée-sortie est proposé par Romdhane
et al. (2015) pour résoudre problème du phénomène de « chattering ». Un système de contrôle
d’apprentissage basé sur le mode glissant robuste est nouvellement développé pour une classe
de systèmes discrets incertaines proposé par Tuan et al. (2014).
Dans la pratique, il existe des contraintes physiques et technologiques matérialisées par des li-
mitations sur les états, les sorties et en particulier sur les entrées. Ce qui nécessite une prise en
compte de ces limites dans l’étude des systèmes pour améliorer le contrôle de la contrainte sur
l’action des commandes à synthétiser. D’autre part, il est bien connu que, lorsque l’actionneur
est saturé, la performance du système en boucle fermée conçue sans tenir compte de la satura-
tion de l’actionneur peut sérieusement se détériorer, ainsi que la stabilité du système. En effet,
il existe une approche pratique pour compenser cette dégradation de la performance due à la
saturation de l’actionneur est d’ajouter des schémas complémentaires anti-windup spécifiques
pour faire face aux effets néfastes causés par la saturation. Plus récemment, certains chercheurs
ont tenté de proposer des schémas plus systématiques et plus généraux pour faire face au pro-
blème, Jeferson et al. (2013) aborde le problème de suivi et de rejet des signaux périodiques
Section 4.2. Formulation du problème de la CSV des systèmes discrets saturés incertains 95
pour les systèmes linéaires discrets soumis à la saturation de contrôle, sur la base de structure
de contrôle, des conditions permettant la synthèse simultanée d’un gain de rétroaction d’état de
stabilisation et d’un gain anti-windup sont proposées. Le problème de conception anti-windup
pour une classe de systèmes à temps discret avec saturation des actionneurs en utilisant les
fonctions de Lyapunov est étudié Zhang et al. (2017). Wakasa et Adachi (2015) présente une
méthode de contrôle qui peut atténuer l’influence de la saturation d’entrée par l’architecture de
référence et l’architecture de contrôle dérivée proportionnelle-intégrale (PID) anti-windup.
Ces schémas sont généralement introduits en utilisant des modifications ad hoc et des simula-
tions complètes. La plupart de ces systèmes conduisent à des performances améliorées mais à
des propriétés de stabilité mal comprises.
À notre connaissance, le DSMC pour les systèmes linéaires avec des incertitudes inégalées et
la saturation des contraintes n’a pas été, auparavant, discuté. Il convient toutefois de noter que
l’étude de cette méthodologie SMC pour d’autres classes de systèmes inégalés, comme nous le
savons, est toujours ouverte. L’étude de cette tâche est donc très important et les résultats seront
utiles aux chercheurs du domaine SMC.
Dans cette note, nous partons de ce point et considérons le problème du contrôle du mode glis-
sant à temps discret pour un système saturé affecté par des incertitudes inégalées. Par consé-
quent, il est plus important d’étendre la méthode de conception de SMC dans des systèmes
continus dans le système de contrôle à temps discret.
4.2.2 Présentation du système discret saturé incertain

type affine parallélotopique. L’équation d’état du système est donnée par :
x (k + 1) = (Φ0 + ∆Φ)x(k) + Γu(k) (4.1)
Où Φ0 ∈ <n×n est la matrice dynamique du système, Γ ∈ <n×m représente la matrice de

commande, x(k) ∈ <n est le vecteur de variables d’état, u(k) ∈ <m vecteur de commandes,
∆Φ est l’incertitude de type affine parallélotopique :
q
X
∆Φ = δi Φi ; |δi | ≤ 1 ; ∀i = 1, ......, q (4.2)
i=1
q : Le nombre des paramètres incertains.

Le vecteur de commande est soumis à la contrainte de limitations dans l’amplitude.
Cette contrainte est définie par :
uk ∈ <m = uk ∈ <m / − uimin ≤ uik ≤ uimax ;uimin , uimax > 0, ∀i = 1...m

(4.3)
On peut considérer que la structure de la contrainte de saturation est décrite par les termes
sat (kxk ) et ς (xk ) sont donnés par :
i

i i
 umax si (kxk ) > umax

sat (kxk ) = (kxk )i si − uimin ≤ (kxk )i ≤ uimax , ∀i = 1...m. (4.4)
−uimin si (kxk )i < −uimin


Avec
sat (kxk ) = Ψ (ς (xk )) kxk (4.5)
Où les éléments ς i (xk ) de la matrice diagonale Ψ (ς (xk )) sont exprimés comme suit :
 i
 umax
i si (kxk )i > uimax
 ( k)
kx


i
ς (xk ) = 1 si − uimin ≤ (kxk )i ≤ uimax , ∀i = 1...m. (4.6)
ui

 − min i si (kxk )i < −uimin


(kxk )
Avec 0 < ς i (xk ) ≤ 1

Le système (4.1) devient :
x(k + 1) = Φx(k) + ΓΨ (ς (xk )) u(k) (4.7)
type affine parallélotopique. L’équation d’état du système saturé incertain est donnée par :
x(k + 1) = (Φ0 + ∆Φ) x(k) + ΓΨ (ς (xk )) u(k) (4.8)

4.3.1 Vecteur de la commande équivalente
Dans le cas des systèmes à temps discret, la commande équivalente assure l’attraction de la
surface de glissement et garde la trajectoire sur la surface de glissement à chaque instant de
prélèvement.
La synthèse de surface de glissement est basée sur la méthode de la commande équivalente.
Le système est en mode de glissement si s (k) = 0 , ∀k ≥ kg , kg l’échantillon pour lequel le

mode glissant et atteint.
La surface de commutation est donnée par :
s(k) = Jx (k) (4.9)
Hypothèse 4.1 :
– La matrice Γ est de rang plein,
– La paire (Φ, Γ) est commandable.
La condition de glissement peut être représentée par l’équation suivante :
s (k) = s (k + 1) = s(k + 2) = ... = s(k + i) , ∀k ≥ kg (4.10)
Avec i = 1, 2... On obtient aussi
Jx (k + 1) = Jx (k) (4.11)
Où encore
J ((Φ0 + ∆Φ) x(k) + ΓΨ (ς (xk )) ueq (k)) = Jx(k) (4.12)
Si (JΨ(ς (xk ))Γ) inversible, ce qui est déjà assuré par les hypothèses, alors la commande équi-
valente, notée ueq (k) , peut être donnée par :
ueq (k) = −(JΓΨ (ς (xk )))−1 (Φ0 + ∆Φ − I) Jx(k) = −Keq x(k) (4.13)
On introduit dans l’équation d’état du système (4.1), nous obtenons :
x(k + 1) = (Φ0 + ∆Φ) − ΓΨ (ς (xk )) (JΓΨ (ς (xk )))−1 J ((Φ0 + ∆Φ) − I) x (k)

(4.14)
L’équation précédente peut se mettre sous la forme :
x(k + 1) = Φeq x (k) (4.15)
Où
Φeq = (Φ0 + ∆Φ) − ΓΨ (ς (xk )) (JΓΨ (ς (xk )))−1 J ((Φ0 + ∆Φ) − I) (4.16)
Évidemment, comme dans le cas du système certain, la dynamique du système sur la surface du
glissement est indépendante de la valeur finale de la commande et dépend uniquement du choix
de la matrice J.
Pour déterminer la matrice de l’hypersurface de glissement, on fait de nouveau appel au principe
de placement de pôles dans une région du plan complexe. On introduit d’abord une transfor-
mation de l’équation d’état en mode de glissement, ce qui permet ensuite une décomposition
de la matrice du système. Il apparaît un système équivalent d’ordre qui se comporte comme
un système multivariable discret saturé incertain, muni d’une contre réaction d’état. Pour ce
système équivalent, on peut déterminer la matrice de retour d’état selon les méthodes connues
dans le domaine de la commande robuste des systèmes multivariables (Arzelier et al., 1993;
Garcia et al., 1993; Chilali et Gahinet, 1996). L’idée de base pour la synthèse est de ramener la
détermination des lois de commande à la résolution d’un problème d’optimisation convexe.

On soumet d’abord l’équation d’état (4.8) valable pour le mode de glissement à une transfor-
mation linéaire par l’introduction d’un nouveau vecteur d’état
y (k + 1) = T x (k + 1) (4.17)
A noter que le mode de glissement est invariant par rapport à une telle transformation (Bühler,
1986). En d’autres termes, le vecteur de commande équivalent ueq et les pôles de l’équation
d’état en mode de glissement Φeq sont invariants par rapport à la transformation linéaire T .
La matrice de transformation orthogonale T ∈ <n×n doit être déterminée de façon que
" #
0
TΓ = (4.18)
Γ2
Où Γ2 est de dimension m × m et non singulière. Ainsi, lors de la décomposition de la matrice

du système, on obtient des simplifications très importantes.
Lorsqu’on remplace dans l’équation d’état (4.8) xk par xk = T T yk , on obtient
y (k + 1) = T (Φ0 + ∆Φ) T T y (k) + T ΓΨ (ς (xk )) u(k) (4.19)
D’où la condition de glissement Jx(k) = 0 devient :
JT T y(k) = 0 (4.20)
4.3.3 Décomposition de la matrice du système

Si la variable d’état est partagée sous la forme :
h i
ykT = T
y1k T
y2k (4.21)
Avec y1k ∈ <n−m et y2k ∈ <m Alors l’équation d’état se réécrit de la manière suivante :

 y1 (k + 1) = (Φ01 + δ1 Φ11 + · · · + δq Φq1 )y1k + (Φ02 + δ1 Φ12 + · · · + δq Φq2 )y2k

y2 (k + 1) = (Φ03 + δ1 Φ13 + · · · + δq Φq3 )y1k + (Φ04 + δ1 Φ14 + · · · + δq Φq4 )y2k (4.22)

+Γ2 Ψ (ς (xk )) u (k)

Où " # " #
Φ01 Φ02 0 h i
TΦ0 TT = , TΓ= et JTT = J1 J2 (4.23)
Φ03 Φ04 Γ2
q q
X X
−1 −1
T ∆ΦT = T( δi Φi )T = δi (T Φi T −1 ) (4.24)
i=1 i=1
!
Φi1 Φi2
T Φi T −1 = (4.25)
Φi3 Φi4
pour i = 1, . . . , q
Il est alors possible d’écrire l’équation (4.22) sous la forme
(
y1 (k + 1) = Φ01 y1k + Φ02 y2k + h(k, y1k , y2k )
(4.26)
y2 (k + 1) = Φ03 y1k + Φ04 y2k + Γ2 Ψ (ς (xk )) u (k) + g(k, y1k , y2k )
Où
(
h(k, y1k , y2k ) = (δ1 Φ11 + · · · + δq Φq1 )y1k + (δ1 Φ12 + · · · + δq Φq2 )y2k
(4.27)
g(k, y1k , y2k ) = (δ1 Φ13 + · · · + δq Φq3 )y1k + (δ1 Φ14 + · · · + δq Φq4 )y2k
Les fonctions h et g représentent les incertitudes dans le système transformé. Ils vérifient bien
les conditions des hypothèses suivantes :
Hypothèse 4.2 :
√
q
kh(k, y1k , y2k )k ≤ qKh ky1k k2 + ky2k − F y1k k2 (4.28)
   
Φ Φ12 Φ11 Φ12
11
 . ..   . .. 
Kh =  ..  .
 = σ̄  .
.  .  (4.29)
 


Φq1 Φq2 Φq1 Φq2
Et h i h i √
δ1 · · · δq = σ̄ δ1 · · · δq ≤ q (4.30)

Hypothèse 4.3 :
√
q
kg(k, y1k , y2k )k ≤ qKg ky1k k2 + ky2k − F y1k k2 (4.31)
Avec    
Φ Φ14 Φ13 Φ14
13
 . ..   . .. 
Kg =  .  = σ̄  .. (4.32)
 . . . 
  

Φq3 Φq4 Φq3 Φq4
Ces propriétés peuvent être trouvées en utilisant le fait qu’on a :

 
i  Φ11 Φ12
" #
h

 .. ..  y 1 (k)
kh(k, y1 , y2 )k =
δ1 · · · δq  . . 
 y (k)

2
Φq1 Φq2
(4.33)
 
i  Φ13 Φ14
" #
h
 y1 (k)
 .. ..

kg(k, y1 , y2 )k =
δ1 · · · δq  . . 
 y (k)

2
Φq3 Φq4
Les équations (4.28), (4.30) et (4.31) sont obtenues en exploitant les conditions :
h i q
δ1 · · · δq = δ12 + · · · + δq2 (4.34)

|δi | ≤ 1,∀i = 1, ......, q (4.35)
Où k•k dénote la norme 2 d’une matrice qui n’est rien d’autre que sa valeur singulière maxi-
male σ̄(•).
Si on utilise le vecteur d’état transformé, la condition définissant le mode de glissement devient
alors :
s (k) = J1 y1 (k) + J2 y2 (k) (4.36)
Où s (k) ∈ <m , J1 ∈ <m×(n−m) et J2 ∈ <m×m

On suppose qu’il existe une loi de commande qui impose un mouvement de glissement idéal
ceci implique :
y2 (k) = −J2−1 J1 y1 (k) = −F y1 (k) (4.37)
Avec
F = J2−1 J1 (4.38)
Le mode glissant idéal est donc gouverné par les deux équations suivantes
(
y1 (k + 1) = (Φ01 + δ1 Φ11 + · · · + δq Φq1 )y1k + (Φ02 + δ1 Φ12 + · · · + δq Φq2 )y2k
(4.39)
y2 (k) = −F y1k
L’ordre du système est réduit à (n − m) où y2k joue le rôle d’une commande par retour d’état.
Le système (4.39) détermine de manière unique les dynamiques dans le mode de glissement.
Fermons la boucle, nous obtenons alors :
y1 (k + 1) = (Φ01 − Φ02 F + δ1 (Φ11 − Φ12 F ) + · · · + δq (Φq1 − Φq2 F ))y1 (k) (4.40)
Ce qui indique que la synthèse d’un mode glissant stable, se ramène à la sélection de la matrice
F qui place les (n−m) valeurs propres de (Φ01 −Φ02 F +δ1 (Φ11 −Φ12 F )+· · ·+δq (Φq1 −Φq2 F ))
dans le cercle de contre α et de rayon r < 1 dans le cercle unité (|α| + r < 1) (Wei-Jie et Jian,
2009).

Le problème global de départ a été ramené à un problème de stabilisation quadratique par place-
ment de pôles d’un système réduit avec incertitude de type affine parallélotopique. Le placement
de pôles est une méthode bien connue pour la synthèse de retour d’état stabilisant. Toutefois,
nous ne nous intéressons pas au placement de pôles exact mais plutôt au regroupement de pôles
dans une région LMI prédéfinie du plan complexe. Tout d’abord, nous changeons la structure de
l’incertitude parallélotopique à la forme polytopique (par analogie a l0 exemple 1.1) pour des
raisons de simplicité en niveau d’analyse et synthèse ainsi que de profiter de la propriété de
convexité de cette forme. Le système réduit (4.39) devient :
(
y1 (k + 1) = Φ̃(∆)y1k + Γ̃(∆)y2k
(4.41)
y2 (k + 1) = −F y1k
r
X r
X
Φ̃(∆) ∈ DΦ̃ ; DΦ̃ = {Φ̃(∆) : Φ̃(∆) = λi Φ̃i , λi ≥ 0, λi = 1} (4.42)
i=1 i=1
r
X r
X
Γ̃(∆) ∈ DΓ̃ ; DΓ̃ = {Γ̃(∆) : Γ̃(∆) = λi Γ̃i , λi ≥ 0, λi = 1} (4.43)
i=1 i=1
Avec  


 Φ̃1 = Φ01 + δ 1 Φ11 + δ 2 Φ21 

 Γ̃1 = Φ02 + δ 1 Φ12 + δ 2 Φ22

 Φ̃ = Φ + δ̄ Φ + δ Φ 
 Γ̃ = Φ + δ̄ Φ + δ Φ
2 01 1 11 2 21 2 02 1 12 2 22
;


 Φ̃3 = Φ01 + δ 1 Φ11 + δ̄2 Φ21 

 Γ̃3 = Φ02 + δ 1 Φ12 + δ̄2 Φ22

 Φ̃ = Φ + δ̄ Φ + δ̄ Φ 
 Γ̃ = Φ + δ̄ Φ + δ̄ Φ
4 01 1 11 2 21 4 02 1 12 2 22


 r = 22 = 4

 δ̄1 = δ̄2 = 1


 δ 1 = δ2 = −1

 r
P
 λi ≥ 0 , λi = 1


i=1
Où
δ1 −δ 1
( δ̄1 −δ1 δ̄2 −δ2 δ̄2 −δ2
λ1 = δ̄1 −δ 1 δ̄2 −δ 2
; λ2 = δ̄1 −δ 1 δ̄2 −δ 2
δ̄1 −δ1 δ2 −δ 2 δ1 −δ 1 δ2 −δ 2
λ3 = δ̄1 −δ 1 δ̄2 −δ 2
; λ4 = δ̄1 −δ 1 δ̄2 −δ 2
r = 2q : Le nombre des sommets du polytope.
Donc pour calculer le gain stabilisant pour le système réduit (4.42)et (4.43) avec incertitude
polytopique, Nous trouvons la contrainte LMI suivantes (Wei-Jie et Jian, 2009) :
!
−rQ αQ + QΦ̃Ti + LT Γ̃Ti
∃Q > 0:fΩ = <0 (4.44)
αQ + Φ̃i Q + Γ̃i L −rQ
∀i = 1, .., r
Un gain de retour d’état est alors donné par F = −LQ−1 , F ∈ <m×n . Avec Q ∈ <n×n une
matrice symétrique définie positive et une matrice L ∈ <m×n .
4.3.5 Calcul de l’hypersurface de glissement

Une fois la matrice stabilisante F déterminée, la matrice J peut être calculée en utilisant le fait
que F = J2−1 J1 .
Ainsi, la matrice J est donnée par :
J = J2 [F Im ] T (4.45)
Section 4.4. Synthèse de la commande 103
Il est à noter que l’on dispose alors d’un certain nombre de degrés de liberté du fait du choix de
la matrice inversible J2 . En choisissant J2 = Im ,
J = [F Im ] T (4.46)
4.4 Synthèse de la commande

Une fois le problème d’existence résolu en fixant la dynamique désirée du système en mode
glissant et ce par le choix d’une surface de glissement (matrice J) stable, il faut résoudre la
seconde étape de synthèse de la CSV, appelée problème d’attégnabilité. Elle se résume en la
construction de lois de commande non linéaires u = f (x) conduisant la trajectoire d’état sur la
surface de glissement en un temps fini et la contraignant à rester sur cette surface.
Le critère de choix de la loi de commande non linéaire u = f (x) est basé sur la satisfaction
de l’une des conditions d’attégnabilité. En général, la loi de commande à structure variable est
composée d’une composante linéaire par retour d’état uL (x) et d’une composante non linéaire
uN (x).
Nous proposons, dans ce que suit, une stratégie de commande non linéaire assurant la condi-
tion d’attégnabilité. La forme générale provient de celle de Gutman (1979); Ryan et corless
(1984), appelée loi de commande à vecteur unitaire "Unit Vector Control". Toutefois, on intro-
duit, dans ce cas, un terme supplémentaire dépendant de l’incertitude de type affine paralléloto-
pique. Ainsi, la loi de commande proposée est de la forme :
N xk
uk = Lxk + ρ (t, xk ) (4.47)
kM xk k + η
L, M et N sont des matrices de dimensions appropriées avec Ker(N ) = Ker(M ) = Ker(C).

η est un scalaire positif, il est introduit pour remplacer l’élément discontinu par une fonction
non linéaire en vue d’éliminer le phénomène de broutement. Enfin, la fonction ρ (t, xk ) sera
exprimée à partir de la structure de l’incertitude de type affine parallélotopique à la forme poly-
topique.
uL (xk ) = Lx est la composante linéaire, tandis que uN (xk ) représente la composante non li-
néaire de la commande. A noter que dans la boite à outils Matlab "VSC Matlab Toolbox (User
friendly)", Zinober, (Zinober, 1993), considère ρ (t, xk ) comme un scalaire positif, noté ρ.
La figure 4.1 montre un schéma synoptique pour la commande proposée
L
+ uk xk yk
 xk 1  f  xk , uk  yk  f  xk 
+
N


+
M 
+

F IGURE 4.1 – Schéma bloc du SMC proposée
Aux prochains paragraphes, on donnera une méthodologie systématique pour la détermination

des différents éléments de la loi de commande (4.47).
4.4.1 Composante linéaire de la loi de commande

On soumet le vecteur d’état à une deuxième transformation linéaire définie par :
Zk = T2 yk = T2 T xk (4.48)
Où La matrice de transformation T2 est non singulière est donnée par :

" # " #
In−m 0 In−m 0
T2 = ⇒ T2−1 = (4.49)
F Im −F Im
Le vecteur d’état transformé peut être décomposé sous la forme :
ZkT = z1k
T T
z2k (4.50)
Avec
z1k ∈ <n−m ; z2k ∈ <m
D’où l’on tire les variables d’état transformées :

(
z1 (k) = y1 (k)
(4.51)
z2 (k) = F y1 (k) + y2 (k)
En utilisant ce qui précède on obtient :

(
z1 (k + 1) = Σ1 z1 (k) + Σ2 z2 (k) + H (k, z1k , z2k )
(4.52)
z2 (k + 1) = Σ3 z1 (k) + Σ4 z2 (k) + Γ2 Ψ (ς (xk )) u(k) + G (k, z1k , z2k )
Avec : 


 Σ1 = Φ11 − Φ12 F

 Σ =Φ
2 12


 Σ3 = F Σ1 − Φ22 F + Φ21

 Σ =Φ +Φ F
4 22 12



 H(k, z1k , z2k ) = (δ1 (Φ11 − Φ12 F ) + .. + δq (Φq1 − Φq2 F ))z1 + (δ1 Φ12 + ...




 +δq Φq2 )z2k

 G(k, z , z ) = Q(k, z , z ) + F H(k, z , z ) = g(k, z , z − F z )
1k 2k 1k 2k 1k 2k 1k 2k 1k
(4.53)


 +F h(k, z1k , z2k − F z1k )




 Q(k, z1k , z2k ) = (δ1 (Φ13 − Φ14 F ) + .. + δq (Φq3 − Φq4 F ))z1k + (δ1 Φ14 + ...

 +δq Φq4 )z2k
Les fonctions H et G représentent l’incertitude pour le système transformé, ce qui n’est pas
mis en évidence pour ne pas trop alourdir l’écriture.
Par conséquent, on obtient :
Hypothèse 4.4 :
√
q
kH(k, z1k , z2k )k ≤ qKh kz1k k2 + kz2k − F z1k k2 (4.54)
Hypothèse 4.5 :
√
q
kG(k, z1k , z2k )k ≤ τ (k, z1k , z2k ) = q(Kg + σ̄ (G) Kh ) kz1k k2 + kz2k − F z1k k2 (4.55)
A noter ici que les constantes Kh et Kg sont, respectivement, données par (4.29) et (4.32).
En utilisant la deuxième transformation linéaire, la variable d’état transformée z2 représente la
fonction de commutation.
Ainsi, la condition définissant le mode de glissement s’écrit d’une manière équivalente :
z2k = 0 (4.56)
Pour conduire l’état en mode glissant vers zéro asymptotiquement, la composante linéaire du

commande uL impose la condition :
z2 (k + 1) = z2 (k) = 0 (4.57)
Ce qui nous donne :
Σ3 z1 (k) + Σ4 z2 (k) + Γ2 Ψ (ς (xk )) uL (k) = 0 (4.58)
Ceci est atteint en utilisant une composante linéaire de la commande de la forme :
uL (zk ) = −(Γ2 Ψ (ς (xk )))−1 (Σ3 z1k + Σ4 z2k ) (4.59)
On pose Σ∗4 ∈ <m×m une matrice et telle que ses valeurs propres sont dans le cercle unité dans
le plan complexe.
On obtient alors :
uL (x) = −(Γ2 Ψ (ς (xk )))−1 [Σ3 (Σ4 − Σ∗4 )] T2 T x = Lx (4.60)
On déduit :
L = −(Γ2 Ψ (ς (xk )))−1 [Σ3 (Σ4 − Σ∗4 )] T2 T (4.61)
4.4.2 Composante non linéaire de la loi de commande

La forme de la composante non linéaire de la loi de commande est décrite par :
N xk
uN (xk ) = ρ (k, xk ) (4.62)
kM xk k + η
Il s’agit de déterminer d’une manière systématique les matrices M et N et la fonction ρ (k, xk ).

On définit d’abord une fonction de Lyapunov
1 T
V2 (z2k ) = z2k P2 z2k (4.63)
2
Où P2 est une matrice symétrique définie positive, solution de :
P2 Σ∗4 + Σ∗4 P2 + Im = 0 (4.64)

Après le remplacement de z2 (k + 1) et des calculs intermédiaires nous obtenons :
V2 (z2 (k + 1)) = z2 (k + 1) P2 Ψ (ς (xk )) Γ2 uN + z2T (k + 1) P2 Σ∗4 z2 (k + 1) (4.65)
Lors de l’utilisation P2 Σ∗4 = − I2m on obtient :
Im
V2 (z2 (k + 1)) = z2 (k + 1) P2 Ψ (ς (xk )) Γ2 uN − z2T (k + 1) z2 (k + 1) (4.66)
2
Ou de manière équivalente :
1
V2 (z2 (k)) = − kz2 k2 + z2 (k) P2 Ψ (ς (xk )) Γ2 uN (4.67)
2
Lors de l’utilisation de :
P2 z2
z2 P2 Ψ (ς (xk )) Γ2 uN = −ρ (4.68)
kP2 z2 k + η
L’existence de la composante non linéaire,V2 (z2 (k + 1)) < 0 .

L’objectif maintenant est de déterminer les matrices M et N .
(Ψ (ς (xk )) Γ2 )−1 [0 P2 ] T T2 x
uN = −ρ(k, z1k , z2k ) (4.69)
k[0 P2 ] T T2 xk + η
En utilisant les matrices de transformation T et T2 on obtient :
(Ψ (ς (xk )) Γ2 )−1 [0 P2 ] T T2 x
uN = −ρ(k, z1k , z2k ) (4.70)
k[0 P2 ] T T2 xk + η
Où 
 ρ(k, z1k , z2k ) = γ1 (τ (k, z1k , z2k ) + γ2 )

γ1 > 1 (4.71)

γ2 > 0

On détermine N et M par identification :
N = −(Ψ (ς (xk )) Γ2 )−1 [0 P2 ] T T2 (4.72)
M = [0 P2 ] T T2 (4.73)
ρ(k, x) = γ1 (γ kT xk + γ2 ) (4.74)
Avec
√
γ= q(Kg + Kh σ̄ (G))
Théorème 4.1 :
La commande continue u = uL + uC
N , définie par les équations (4.47), (4.59) et (4.69) assure
que :
I Le sous espace de glissement S est borné par le sous espace ϕ1 telle que

1 T
S ⊂ ϕ1 = (z1k ∈ <n−m z2k m
∈ < )/V2 (z2k ) = z2k P2 z2k 6 ε1 (4.75)
2
Où 2
η 1
ε1 = (4.76)
γ1 − 1 2λmin (P2 )
I Si un état initial arbitraire (z1 (k0 ), z2 (k0 )) = (z10 , z20 ) ∈
/ ϕ1 alors le temps nécessaire pour
atteindre ϕ1 , noté kg h, satisfait la condition
p √
1 z20T P2 z20 − 2ε1
kg h 6 p (4.77)
γ2 λmin (P2 )
Démonstration :
Lorsqu’on remplace u (4.47) , dans (4.52), on obtient l’équation d’état du système transformé,
à savoir (
z1,k+1 = Σ1 z1k + Σ2 z2k + H (k, z1k , z2k )
(4.78)
z2,k+1 = Σ∗4 z2 + Ψ ς T T T2−1 zk Γ2 uN + G (k, z1k , z2k )

On considère la fonction de Lyapunov suivante
1 T
V2 (z2k ) = z2k P2 z2k (4.79)
2
En substituant la dérivée de (4.79) dans (4.78), on trouve, après un calcul intermédiaire
1
V2 (z2,k+1 ) = − kz2k k2 + z2k
T T
P2 Ψ ς T T T2−1 zk Γ2 uN

P2 G + z2k (4.80)
2
Selon (4.47) et (4.69), on peut effectuer les transformations
kP2 z2k k2
T
P2 Ψ ς T T T2−1 zk Γ2 uN = −ρ(zk )

z2k (4.81)
kP2 z2k k + η
Compte tenue de la condition (4.55), la fonction incertaine G peut être exprimée de la manière
suivante
T 1
z2k P2 G 6 Ḡ kP2 z2k k = ρ(k, zk ) kP2 z2k k − γ2 kP2 z2k k (4.82)
γ1
Par la suite, on substitue (4.81) et (4.82) dans (4.80), on trouve alors

z T P G 6 Ḡ kP z k
2k 2 2 2k
(4.83)

Ḡ kP2 z2k k = − 1 kz2k k2 − γ2 kP2 z2k k − ρ(k, zk ) kP2 z2k k
kP2 z2k k 1
+
2 kP2 z2k k + η γ1

η
kP2 z2k k > (4.84)
γ1 − 1
Alors
V2 (z2,k+1 ) < 0 (4.85)
Et la condition (4.85) sera satisfaite si

2
η 1
V2 (z2k ) > = ε1 (4.86)
γ1 − 1 2λmin (P2 )
Ainsi, il est possible de conclure que le sous espace de glissement S est inclus dans le sous
espace ε1 , définit dans (4.75).
I Si (z1 (k0 ), z2 (k0 )) = (z10 , z20 ) ∈
/ ϕ1 , alors la relation (4.86) peut s’exprimer aussi par
V2 (z2,k+1 ) 6 −kP2 k−1 V2 (z2k ) − γ2

p
2λmin (P2 )V2 (z2k ) (4.87)
Où λmin (•) dénote la valeur propre minimale de (•)

√
A noter que si Zk+1 6 −aZk − b Zk , alors le temps k01 h, nécessaire pour que Zk change de
Zk0 à Zk1 , satisfait la condition
√
2 a Zk0 + b 2 p p
k01 h 6 ln √ 6 Zk0 − Zk1 (4.88)
a a Zk1 + b b
Sachant que dans le sous espace ε1 , la variable z2 ∈ <m satisfait la condition
1 T
V2 (z2k ) = z2k P2 z2k ≤ ε1 (4.89)
2
Où ε1 est donné par (4.76).

On déduit, à partir de (4.88) et (4.87), le temps nécessaire pour atteindre le sous espace ε1 par
p p p √
1 2V2 (z2 (k0 h)) − 2V2 (z2 (k0 h + kg h)) 1 z20T P2 z20 − 2ε1
kg h ≤ p ≤ p (4.90)
α2 λmin (P2 ) α2 λmin (P2 )
D’après ce théorème, on peut conclure que la loi de commande continue ne permet pas d’at-
teindre exactement le mode glissant. En effet, la fonction de commutation ne s’annule pas,
2
η
(z2 6= 0), mais elle est plutôt bornée, (V2 (z2 ) ≤ ε1 = α1 −1 2λmin1 (P2 ) ). En termes géomé-
triques, le sous espace de glissement S est inclus dans le sous espace ϕ1 , appelé ellipsoïde et
paramètrisé par ε1 .
Dans ce qui suit, nous effectuons une approximation du comportement idéal dynamique du
système dans le sous espace ϕ1 en présence des incertitudes de type affine parallélotopique.
Théorème 4.2 :
Si q −1
2
kh 6 2 q 1 + kF k kP1 k (4.91)
avec (z1 (k0 ), z2 (k0 )) = (z10 , z20 ) ∈

/ ϕ1 alors
I Chaque trajectoire z1 doit définitivement entrer et rester dans l’ellipsoïde
ϕ2 = z1k ∈ <n−m /V1 (z1k ) 6 ε2

(4.92)
Où −2
1 1
q
2
ε2 = ε + − kh kP1 k q 1 + kF k kP1 k3 β 2 (4.93)
2 2
Avec
√ 1
− √
β= 2ε P1 2 (kΣ2 k + kh q) (4.94)
ε > 0 est un scalaire arbitrairement faible.

I Le système saturé incertain (4.8) doit faire une approximation du comportement dynamique
prescrit z1id (t) = eΣ1 (k−k0 ) z10 dans le sens où chaque écart ∆z1 (k) = z1 (k) − z1id (k) de la
déviation z1 (k) de la dynamique idéale z1id (k) sera borné par rapport à l’ellipsoïde
ϕ3 = ∆z1k ∈ <n−m /V1 (∆z1k ) 6 ε3

(4.95)
 q 1 1
3 2 − 2 − 2 0 0
 2kP1 k kh q 1 + kF k P1 P1 z1 + β z1 ∈ / ϕ2


ε3 = (4.96)
2 − 2 √
q 1
3
z10 ∈ ϕ2

 2kP1 k kh q 1 + kF k P1 2ε2 + β

Démonstration :
Toutefois, dans ce cas, la variable d’état z2k 6= 0 . Par conséquent, la dynamique du système dans
le sous espace ϕ1 , en présence des incertitudes de type affine parallélotopique, est gouvernée
par l’équation (4.52) de la forme
(
z1 (k + 1) = Σ1 z1 (k) + Σ2 z2 (k) + H (k, z1k , z2k )
(4.97)
z1 (k0 ) = z10
On considère la fonction de Lyapunov suivante
1 T
V1 (z1k ) = z1k P1 z1k (4.98)
2
En substituant (4.97) dans la dérivée de (4.98), on trouve après quelques calculs intermédiaires
1
V1 (z1,k+1 ) = kz1k k2 + z1k
T T
P1 Σ2 z2k + z1k P1 H (4.99)
2
Selon la condition (4.28) sur la fonction H , il est possible de faire les transformations suivantes

√ √
q q
2 2 2
kHk 6 kh q kz1k k + kz2k − F z1k k 6 kh q kz1k k kF k + kz2k k (4.100)
1 1 1 1 1 p 1 √
− − − −
kz2k k = P2 2 P22 z2k = P2 2 P22 z2k = P2 2 2V2 (z2k ) 6 P2 2 2ε1 (4.101)
Ainsi, on peut exprimer, d’une part

1 p q
−
T
z1k P1 H 6 kh kP1 k kz1k k P2 2 2ε1 q + kh kz1k k2 1 + kF k2 (4.102)
Et d’autre part
−1 √

T
z1k P1 Σ2 z2k 6 kP1 k kz1k k Σ2 P2 2 2ε1 (4.103)

En substituant (4.102) et (4.103) dans (4.99), on trouve

1
q
2 2
V1 (z1,k+1 ) 6 − kz1k k + kP1 k kz1k k kh kz1k k q 1 + kF k + β (4.104)
2

1 1,k+1 ) > ε2 − ε
V (z
−2 (4.105)
ε2 − ε = 1 1 − kh kz1k k q 1 + kF k2 kP1 k3 β 2
q
2 2
Alors
V1 (z1,k+1 ) < 0 (4.106)
Et la condition (4.105) sera satisfaite si le paramètre kh vérifie la condition (4.91). Ainsi, il est
possible de conclure que chaque trajectoire z1 doit définitivement entrer et rester dans l’ellip-
soïde ou le sous espace ϕ2 , défini dans (4.92).
id
I Soit ∆z1k = z1k − z1k la déviation du comportement du système par rapport au mouvement
id
dynamique idéal en mode glissant z1k = eΣ1 (k−k0 ) z10
on peut déterminer la dérivée de la fonction de Lyapunov V1 (∆z1k ) = 21 ∆z1k
T
P1 ∆z1 , à savoir
1 T 1 T
V1 (∆z1,k+1 ) = ∆z1,k+1 P1 ∆z1k + ∆z1k P1 ∆z1,k+1
2 2 (4.107)
1
= − k∆z1k k2 + ∆z1k
T T
P1 Σ2 z2k + ∆z1k P1 H
2
Et en utilisant les conditions (4.100) et (4.101), on obtient

1 2 − 21 21
q
2
V1 (∆z1,k+1 ) 6 − k∆z1k k + kP1 k kh P1 P1 z1k q 1 + kF k + β k∆z1k k
2
(4.108)
Si le paramètre kh vérifie la condition (4.91), alors la condition (i) est vérifiée.
Par conséquent, chaque trajectoire z1 doit définitivement entrer et rester dans l’ellipsoïde ϕ2 , .
Ainsi, on obtient après quelques calculs intermédiaires
1 T 1 1
1 2
T T
V1 (z1k ) = z1k P1 z1k ≤ ε2 ⇒ z1k P1 z1k = z1k P12 P12 z1k = P12 z1k ≤ 2ε2

2
1 √
⇒ P12 z1k ≤ 2ε2

D’où l’on tire, d’une part

(
V1 z10 si z10 ∈

/ ϕ2
V1 (z1k ) = (4.109)
ε2 si z10 ∈ ϕ2
Section 4.5. Exemple illustratif 113
et d’autre part  1
1  P12 z10 si z10 ∈
/ ϕ2

P1 z1k = √
2
(4.110)
 2ε
2 si z10 ∈ ϕ2
Enfin, on aboutit à la condition (4.95) en utilisant les relations (4.108) et (4.110).
4.5 Exemple illustratif

Pour illustrer son efficacité et sa faisabilité, la méthode présentée est appliqué à la conception
de contrôle actif du dispositif d’entrainement.
Le dispositif d’entraînement est destiné transformer la vitesse de rotation lente du coté rotor en
une vitesse de rotation rapide du coté générateur. On peut lui associer un modèle à deux masses.
Le modèle à deux masses pour le dispositif d’entraînement est largement utilisé dans la littéra-
ture, Novok et al. (1994) il traite le dynamiques non linéaires lors de la conception du contrôle
pour les éoliennes à vitesse variable. Miaomiao et al. (2014) propose un mobile horizon H∞
contrôle pour les éoliennes à vitesse variable en utilisant un modèle à deux masses avec sa-
turation de l’actionneur. Chen et George (2009) analysent la stabilité du train d’entraînement
d’une éolienne avec contrôle du couple quadratique. Le système d’éoliennes en boucle fermée a
été modélisé au niveau mécanique en tant que train d’entraînement avec le contrôleur de mode
glissant (Carolina et al., 2013; Saravanakumar et Debashisha, 2015).
Le système d’éolienne qui comprend essentiellement la lame, le dispositif d’entraînement et le

générateur représentés sur la figure 4.2
F IGURE 4.2 – Schéma du dispositif d’entrainement à deux masses.

Tableau 4.1 – Signification des paramètres du modèle à deux masses

Paramètre Sgnification
Jr [kg.m2 ] Inertie des masses du côté du rotor
Jg [kg.m2 ] Inertie des masses du côté de la génératrice
kls [N m/rad/s] Coefficient de frottement sur l’axe lent
kr [N m/rad/s] Coefficient de frottement externe du rotor
kg [N m/rad/s] Coefficient de frottement externe de la génératrice
Bls [N m/rad] Coefficient de torsion sur l’arbre lent
Tls [N m] Couple de l’arbre lent
Ths [N m] Couple de l’arbre rapide
Tem [N m] Couple électromagnétique de la génératrice
wt [rad/s] Vitesse du rotor
wls [rad/s] Vitesse de l’arbre lent
wg [rad/s] Vitesse de la génératrice
ng Rapport de transmission du multiplicateur
La dynamique du rotor est caractérisée par une équation différentielle du premier ordre
Jr ẇt = −Tls − Kr wt
Le couple de l’arbre lent Tls résulte des effets de frottements et de torsion générés par les écarts
entre la vitesse angulaire du rotor wt et celle de l’arbre lent wls d’une part et entre la position
angulaire θr et celle de l’arbre lent θls d’autre part
Tls = Bls (θt − θls ) + Kls (wt − wls )
Le couple et la vitesse de cet arbre sont transmis via le multiplicateur de vitesse de rapport ng
pour produire un couple sur l’arbre rapide
Tls
Ths =
ng
Car la vitesse et la position angulaire du générateur sont

(
θg = ng θls
wg = ng wls
Le rapport du multiplicateur, est exprimé par
Tls wg θg
ng = = =
Ths wls θls
Le générateur est entraîné par le couple de l’arbre rapide Ths et freiné par le couple électroma-
gnétique Tem et les frottements visqueux. Sa dynamique est
Jg ẇg = Ths − Kg wg − Tem
Reprenons les équations régissant le comportement du modèle à deux masses de l’aéroturbine,

en introduisant la dérivée de Tls , on obtient le système d’équations suivantes


 ẇt = − KJrr wt − J1r Tls


ẇg = ng1Jg Ths − KJgg wg − J1g Tem


 Ṫ = K (ẇ − ẇg ) + B (w −
 wg
)
ls ls t ng ls t ng
Dans ce cas, la représentation d’état du système est

    
ẇt − KJrr 0 − J1r wt
    
 ẇg

=
 
0 − KJgg 1
ng Jg   wg
 

    
2
Jr +ng Jg
Kls Kr 1 Kls Kg
Ṫls (Bls − Jr
) ng
( Jg − Bls ) −Kls ( n2 Jg Jr ) Tls
g
 
0
 B 
+ ls
 n g Jg
 Tem

0
L’entrée u de ce système est le couple électromagnétique du générateur. Les états x1 , x2 et x3

étant les vitesses du rotor, la génératrice et le couple du générateur, respectivement.
Il est important de noter que le dispositif d’entrainement à deux masses présente des paramètres
intrinsèquement incertains comme l’amortisseur et le ressort qui perdent leurs efficacités lente-
ment pendant leur vie. C’est pourquoi, Kls et Bls sont choisis pour être des paramètres incertains
et ils peuvent être exprimés comme suit :
h i
Kls ∈ K ls = 8 K̄ls = 11 kN.m/rad/s, Kls0 = 9.5 kN.m/rad/s
h i
Bls ∈ B ls = 200 B̄ls = 338.2 kN.m/rad, Bls0 = 269.1 kN.m/rad
kls = kls0 + δ1 dkls , Bls = Bls0 + δ2 dBls
dkls = 0.7 kN.m/rad/s , dBls = 34.5 kN.m/rad

i=2
P
Avec ∆A = δi Ai =δ1 A1 + δ2 A2 est la matrice d’incertitude donnée sous la forme (7) telle
i=1
que
dBls
A1 = zeros(2, 3) ; dBls 0
ng
Jr + n2g Jg

Kr Kg
A2 = zeros(2, 3) ; dKls dKls dKls 2
Jr ng Jg ng Jg Jr
Pour concevoir une commande par mode glissant discret, on discrétise le modèle avec une
période d’échantillonnage h .
La matrice de transformation orthogonale T est alors calculée, de la forme :
 
−1 0 0
T = 0 0 1 
 
0 −1 0
Nous choisissons de faire le placement des pôles dans une région LMI Ω(0, α, r) =
Ω(0, 0.1, 0.76).
La figure 4.3 montre que les pôles du système réduit en boucle fermée sont placés à l’intérieur
de la région Ω.
1
0.5
−0.5
−1
−1 −0.5 0 0.5 1
F IGURE 4.3 – Les pôles du système discret réduit en boucle fermée.
les simulations donnent les résultats suivants :

Le gain stabilisant F du système réduit
h i
F = −0.0646 1.7172
La matrice J qui définit la surface de glissement

h i
J= 0.0646 −1 1.7172
La structure de la commande est implémentée avec Σ∗4 = diag {−1}, η = 0.05, γ1 = 1.31 et
h iT
γ2 = 0.12 et la condition initiale x0 = 0 0 5000 . Nous obtenons :
 
1 0 0 " #
0.1229 0.1737
T2 =  0 1 0  ; P1 = ; P2 = 0.5
 
0.1737 0.5331
−0.0646 1.7172 1
h i h i
L= −0.0656 −5.5325 4.355 ; N = 0.1224 −1.8941 3.2525
h i
M = 0.0323 −0.5000 0.8586
Les figures 4.4, 4.5 et 4.6 montrent la fonction de glissement s, la loi de contrôle u et les
réponses d’évolution des états du système x.
Avec (s0 ) : système nominal, (s1 ) : système saturé et (s2 ) : système saturé incertain.
9000
s0 s1 s2
8000
7000
6000
5000
S
4000
3000
2000
1000
0
0 2 4 6 8 10 12 14 16 18 20
temps(s)
F IGURE 4.4 – Evolution de la norme de surface.

4
x 10
2.5
s0 s1 s2
1.5
Tem(N.m)
0.5
−0.5
0 2 4 6 8 10 12 14 16 18 20
temps(s)
F IGURE 4.5 – L’évolution du couple électromagnétique de la génératrice.

1000
s0 s1 s2
wg(ras/s)
0
−1000
−2000
0 2 4 6 8 10 12 14 16 18 20
4000
s0 s1 s2
3000
wr(ras/s)
2000
1000
−1000
0 2 4 6 8 10 12 14 16 18 20
6000
s0 s1 s2
4000
Tls(N.m)
2000
−2000
0 2 4 6 8 10 12 14 16 18 20
temps(s)
F IGURE 4.6 – L’évolution du couple du générateur et des vitesses de rotor.
Dans cette section, nous essayons de donner une interprétation de tous les résultats obtenus
en simulation. Le choix de la commande continue permet d’éliminer l’effet du phénomène de
réticence dans la réponse du système. La dynamique désirée est obtenue et les variables d’état
atteint la surface de glissement en un temps fini.
La contrainte de saturation sur l’entrée de commande est, généralement, existante dans tous les
systèmes réels. D’autre part, la loi de commande résultante est simple à mettre en oeuvre. En
outre, les réponses obtenues sont lisses et robustes vis à vis des incertitudes considérées.
les figures 4.4, 4.5 et 4.6 montrent que la robustesse est vérifiée même en observant un léger
dépassement au niveau de la réponse du système incertain par rapport à la réponse du système
idéal. Mais globalement l’écart de la réponse du système incertain par rapport à la réponse
idéale est satisfaisant.
De même, les développements théoriques sur l’approximation de l’écart du comportement du
système idéal en présence des incertitudes sont bien validés. Notons toutefois que l’introduction
d’une saturation au niveau de la loi de commande fait dégrader légèrement les performances de
robustesse de notre système. Ces saturations modélisent l’effort maximal que peut exercer les
actionneurs sur l’environnement mais doit être compatible avec les limitations des actionneurs.
Les figures 4.4, 4.5 et 4.6 met bien en évidence ce problème et montre l’effet du contrainte de
saturation sur la commande (puissance illimitée), le système est insensible aux incertitudes et
la saturation. Cependant, comme nous venons de le voir dans les paragraphes précédents, ces
saturations sont nécessaires pour rendre physiquement réalisable ces structures de commande
sur des systèmes réels.

Pour démontrer l’efficacité de la méthode proposée, les caractéristiques de performance et la ro-
bustesse du modèle de train d’entraînement commandé par la méthode proposée sont évaluées et
comparées avec les contrôleurs existants, deux contrôleurs couramment rencontrés anti-windup
et le régulateur quadratique linéaire (LQR) sont adapté au modèle à deux masses.
1. Régulateur quadratique linéaire (LQR)
L’algorithme de contrôle LQR largement utilisé a été adopté pour calculer la force de contrôle
souhaitée u. La variable d’état x a été utilisée comme signal de retour pour calculer la force de
contrôle.
En utilisant la méthode de contrôle optimale quadratique linéaire, la force de contrôle est déter-
minée en minimisant la fonction objectif quadratique
∞
X
J= (xTk Qxk + uTk Ruk )
k=0
Où Q ≥ 0 et R > 0, la loi de commande par retour d’état qui minimise J est exprimé comme
suit
uk = −Υxk
Par conséquent, en résolvant pour P = P T ≥ 0 l’équation de Riccati discrète
P = ΦT P Φ + Q − (ΓT P Φ)T (R + ΓT P Γ)(ΓT P Φ)
Le gain optimal du régulateur est donné par
Υ = (R + ΓT P Γ)−1 ΓT P Φ
Le gain de rétroaction pour le LQR est

h i
Υ= −0.0502 3.7957 −2.2997
1. Un contrôleur anti-windup
Nous considérons une configuration de système en boucle fermée, comme le montre la fi-
gure 4.7, où le contrôleur anti-windup comprend un contrôleur PID C(z, θ) et une architecture
de compensation anti-windup avec un paramètre Tc . Dans la figure 4.7, u(k), v(k) et y(k) dési-
gnent respectivement l’entrée de contrôle, l’entrée de saturation et la sortie de commande.
with a parameter T . The anti-windup compensation architecture is
not used in an initial experiment but is used in the tuning process
where x = [θ T , T ]T is a
and verification step. In the figure, u(k ), v (k ), y(k ), r(k ), and e(k )
saturation input.
denote the control input, saturation input, control output, reference
The proposed FRIT p
signal, and tracking error, respectively. The transfer function of
is summarized
Chapitre 4. Méthodes de Synthèse d’une commande robuste pour une classe des systèmes saturés as follow
Step 1 (Initial settings)
Set initial PID gain
PID controller and reference mod
KD (1- z-1)
Saturation Step 2 (Initial experime
+ + v(k) u(k) y(k)
KP Plant Obtain the initial
+
initial closed-loop
+ 1
KI
− +
+ 1-z-1 Anti-windup Step 3 (Minimization o
1 architecture Calculate the ficti
Tc
minimize the perf
Fig. 1. System configuration

F IGURE 4.7 – Configuration du système. J (x ) =
a Correspondence to: Yuji Wakasa. E-mail: wakasa@yamaguchi-u.ac.jp
La fonction de Graduate
transfertSchool
du contrôleur PID peut être exprimée comme suit
of Science and Engineering, Yamaguchi University, by a certain optim
2-16-1 Tokiwadai, Ube, Yamaguchi 755-8611, Japan
2
suboptimal) x ∗ .
KP (1 − z −1 ) + KI + KD (1 − z −1 )
C(z, θ) =
z −1 Published by John Wiley & Sons, Inc.
− Japan.
© 2015 Institute of Electrical Engineers1 of
Où KP , KI et KD sont les gains proportionnel, intégral et dérivé, respectivement, et θ =

[KP , KI , KD ]T contient les gains PID à accorder. Si l’entrée de contrôle est saturée, l’ar-
chitecture anti-windup fonctionne de manière dynamique afin que l’entrée de saturation soit
réduite.
En utilisant la méthode de placement des pôles dominants du système en boucle fermée dans le
cercle unité sur le plan complexe on obtient les paramètres suivants
θ = [1.6, 0.085, 1.12]T et Tc = 50
Les figures 4.8 et 4.9 présentent respectivement, l’évolution de la commande d’entrée et les
variables d’état du système nominal
4
x 10
2.5
SMC LQR anti−windup
1.5
Tem(N.m)
0.5
−0.5
−1
0 5 10 15 20 25 30
temps(s)
F IGURE 4.8 – L’évolution du couple électromagnétique de la génératrice (système nominal).

Il est facile de voir que la méthode SMC présentée dans cet travail montre que le pourcentage de
dépassement et le temps de stabilisation sont satisfaisantes, la commande d’entrée a un temps
stabilisation inférieur à 8 secondes et un petit dépassement. En outre, l’erreur d’état station-
naire approche également a zéro. Donc, par rapport au régulateur anti-windup et au régulateur
linéaire quadratique (LQR), nous pouvons conclure que notre méthode présente de meilleures
performances de contrôle.
Nous pouvons également voir que le contrôleur anti-windup et régulateur linéaire quadratique
(LQR) présentent plus de fluctuations
1000
wg(rad/s)
−1000
−2000
0 5 10 15 20 25 30
4000
3000
2000
wr(rad/s)
1000
−1000
0 5 10 15 20 25 30
6000
4000
Tls(N.m)
2000
−2000
0 5 10 15 20 25 30
temps(s)
F IGURE 4.9 – L’évolution du couple du générateur et des vitesses de rotor (système nominal).
La comparaison peut montrer que notre méthode donne des valeurs d’amplitude plus inférieures
pour la vitesse du génératrice, la vitesse du rotor et le couple de l’arbre lent (wg , wr et Tls ). La
méthode SMC peut réduire les oscillations et fournir des réponses plus rapides. Nous pouvons
également voir que la réponse du dispositif d’entrainement avec contrôleur anti-windup et LQR
présente plus de fluctuations.
On peut le voir à partir de la figure 4.9 que les meilleures performances du point de vue de la
stabilité sont obtenues avec SMC.
Comme mentionné précédemment, le dispositif d’entrainement à deux masses comporte des
paramètres qui sont intrinsèquement incertains et des contraintes de saturation des actionneurs.
Pour cela, il est important de comprendre et de prendre en compte toutes les particularités du
système de contrôle.
Les figures 4.10 et 4.11 présentent, respectivement, l’évolution de la commande d’entrée et les
variables d’état du système saturé incertain
2000 SMC LQR anti−windup
1500
1000
Tem(N.m)
500
−500
−1000
0 5 10 15 20 25 30 35 40 45 50
temps(s)
F IGURE 4.10 – L’évolution du couple électromagnétique de la génératrice.
2000
1000
0
wg(rad/s)
−1000
−2000
−3000
0 5 10 15 20 25 30 35 40 45 50
4000
2000
wr(rad/s)
−2000
−4000
0 5 10 15 20 25 30 35 40 45 50
6000
4000
Tls(N.m)
2000
−2000
−4000
0 5 10 15 20 25 30 35 40 45 50
temps(s)
F IGURE 4.11 – L’évolution du couple du générateur et des vitesses de rotor.
Sur les figures 4.10 et 4.11, l’entrée de commande définie par le couple électromagnétique du
générateur T em est saturée et reste inférieure à la valeur maximale acceptable (dans les trois
cas), afin d’éviter la détérioration de l’actionneur.
D’autre part, nous pouvons vérifier que le contrôle anti-windup et le contrôleur LQR ont un
mode plus transitoire et la convergence est plus lente que celle du SMC.
Il est facile de voir que la méthode CMG présentée dans cette étude peut réduire les oscilla-
tions dans les composants du dispositif d’entrainement à deux masses et fournir des réponses
rapides, manifeste une robustesse appropriée par rapport à l’incertitude affine parallélotopique
et garantit certains besoins de performance. Par conséquent, la stratégie de commande par mode
glissant proposée dans cette étude semble être un bon choix pour la conception de contrôle du
dispositif d’entrainement à deux masses avec des incertitudes polytopiques et une contrainte de
saturation
4.6 Conclusion
Nous avons présenté dans ce chapitre une loi de commande pour atteindre l’objectif principal
de la commande robuste qui maximise l’énergie extraite du vent tout en réduisant les charges
mécanique d’un système de turbine éolienne, modélisée comme un train d’engrenages à deux
masses.
Il a été proposé ici, une approche de conception de commande par mode de glissement pour les
systèmes linéaires saturés touchés par une incertitude polytopique. La contrainte de saturation
est rapportée sur la matrice de contrôle. Les deux parties de la conception et de la méthodologie
de contrôle à structure variable ont été exposés. Dans la première étape, la conception de la
surface de glissement est formulée sous la forme d’une affectation des pôles d’un système ré-
duit. Dans la deuxième étape, un système de contrôle non linéaire saturé est introduit. Il élimine
totalement le phénomène de broutage indésirable et assure un mouvement glissant stable. Une
application numérique est présentée pour montrer l’applicabilité, l’efficacité et la robustesse de
la commande proposée.
Conclusion générale
u terme de ce manuscrit, nous nous proposons de faire un récapitulatif de notre travail,

A d’analyser globalement les résultats que nous avons obtenus et enfin d’élaborer des pers-
pectives qui permettront de finaliser les objectifs que nous nous étions fixés au départ de cette
étude.
La commande des systèmes saturés incertains est un problème essentiel dans la théorie de l’au-
tomatique moderne. Cette thèse s’inscrit dans un ensemble de travaux ayant ces objectifs et plus
particulièrement dans le domaine de la CSV. Dans ce cadre, nous avons proposé une méthodo-
logie de synthèse de commande robuste par mode glissant pour systèmes linéaires incertains.
En particulier, nous avons considérés la classe des incertitudes affines parallélotopiques tout en
introduisant la contrainte de saturation rapportée sur les entrées.
Nous nous sommes fixés deux objectifs : Le premier, est de proposer une technique systéma-
tique de synthèse de la commande en mode glissant des systèmes certains avec saturation sur les
entrées. Cette partie nous a permis de montrer les propriétés de telles lois de commande en terme
de stabilité. En effet, sans l’intégration de la structure de la saturation dans la forme de la loi
de commande, la majorité des systèmes peuvent perdre leurs stabilités quand ils saturent, d’où
la nécessité de prendre en compte ces contraintes afin de palier à ces problèmes. Le deuxième
objectif a constitué une seconde contribution concrétisée par la prise en compte des incertitudes
de type affines parallélotopiques et qui représentent des perturbations paramétriques « fortes »
touchant profondément les dynamiques. Dans cette partie de ce travail, nous avons montré les
propriétés de robustesse de telle commande vis-à-vis des incertitudes considérées. En effet, en
plus de la garantie de stabilité, nous avons donné une estimation théorique de l’écart entre la
dynamique idéale et celle en présence des incertitudes dans la limite du domaine considéré.
Le travail présenté dans ce mémoire, a fait l’objet de trois chapitres résumés dans les para-
graphes qui suivent.
La première partie de cette thèse est une exposition de l’ensemble d’état de l’art recouvrant
126 Conclusion générale
l’esprit de ce travail. Nous avons fournis des outils nécessaires que l’on a utilisés dans les cha-
pitres suivants. En effet, ce chapitre a rappelé l’historique et quelques concepts de base de la
commande en mode glissant telles que la notion de systèmes à structures variables, le principe
du régime glissant, la définition du phénomène de broutement et les propriétés du régime glis-
sant. Nous avons, par la suite, mis en avant les concepts de synthèse de la CSV pour systèmes
linéaires multivariables représenté par des équations d’état.
Dans la partie suivante, nous avons exhibé les différentes modélisations des systèmes dyna-
miques avec non-linéarités. Nous avons détaillé la notion de la non-linéarité dans sa forme
générale à travers la zone morte, la condition de secteur et la saturation d’un système en boucle
fermée avec retour d’état statique. Nous nous sommes intéressés particulièrement à la non-
linéarité de type saturation sur les entrées, qui a été considérée dans ce travail.
Le deuxième chapitre a représenté notre première contribution. En considérant une classe d’in-
certitude affines parallélotopiques et de perturbation, une méthode de synthèse d’une commande
robuste en mode glissant pour les systèmes linéaires multivariables incertains saturés est élabo-
rée. Avec la technique LMI et de la description polytopique, le problème de la conception de
la surface glissante est formulé sous la forme d’un problème d’optimisation convexe multiob-
jectifs. En employant, la norme H∞ et la méthode de placement de pôle, certaines exigences
de performance et une bonne robustesse, en mode glissement, sont atteints. Ensuite, nous avons
proposé des lois de commande non-linéaires assurant à une trajectoire initiale d’atteindre le
mode glissant en un temps fini. En plus, nous avons montré que l’intégration du terme de la
saturation résulte une nouvelle commande en mode glissant avec des garanties de stabilité et
de robustesse du système bouclé. La dernière partie de ce chapitre a été consacrée aux résultats
obtenus avec un exemple illustratif. L’examen de ces résultats permet de valider les concepts
théoriques de ce travail et de montrer l’intérêt de tenir compte des incertitudes et la contrainte de
saturation, a la fois, lors de la synthèse de l’hypersurface de glissement et de loi de commande.
Le troisième chapitre a été consacré pour l’extension des résultats de synthèse de la com-
mande en mode glissant des systèmes continus aux systèmes linéaire discret. La première partie
consiste à faire un choix optimal de la surface de glissement, sur laquelle demeurent et glissent
tous les états du système. Ce choix est réalisé en utilisant la technique de LMIs appliquée aux
systèmes discrets. La deuxième partie est consacrée à la synthèse d’une loi de commande par
modes glissant qui permet de garantir l’attractivité de la surface de glissement. Pour la valida-
tion de cette technique, nous avons choisi comme système, un quart de véhicule.
Une grande partie des résultats obtenus tout au long de ce travail a été développée dans le
quatrième chapitre. Il a été consacré à la présentation d’une méthodologie de synthèse d’une
commande robuste en mode glissant pour les systèmes discrets saturés linéaires multivariables
127
incertains, en présence des incertitudes de type affines parallélotopiques. Nous avons fait usage
du concept de la stabilité quadratique pour le choix de la surface de glissement. Nous avons
envisagé une extension des résultats de synthèse de l’hypersurface de glissement pour les sys-
tèmes certains au cas des systèmes saturés incertains avec incertitudes affines parallélotopiques.
Cette formulation mène à des conditions suffisantes, pour lesquelles, nous avons associé une
procédure de synthèse efficace de type LMI. Cette dernière méthode est très pratique et sur-
tout facile à mettre en oeuvre. Ensuite, nous avons proposé des lois de commande nonlinéaires
assurant à une trajectoire initiale d’atteindre le mode glissant en un temps fini.
Les perspectives de cette thèse sont dans un premier temps de valider la méthodologie de la
commande proposée sur un système linéaire réel. Par la suite, on peut réaliser la synthèse avec
un mode glissant d’ordre supérieur. Et puisque les systèmes réels sont généralement modélisés
par des systèmes non-linéaires, alors il est possible d’appliquer cette commande pour le contrôle
de tels types de systèmes. Dans le même contexte, on peut envisager la commande en temps
discret et prendre en compte d’autres types d’incertitudes.
Bibliographie
ACKERMANN, J. (1993). Systems with Uncertain Physical Parameters. Springer-Verlag. Robust

Control, London.
A LAMO, T., C EPEDA, A. et L IMON, D. (2005). Improved computation of ellipsoidal invariant

sets for saturated control systems. In In Proceedings of Conference on Decision and Control
and European Control Conferenceas, Seville, Spain.
A NDREAS, R., L UISE, S. et H ARALD, A. (2015). Interval-based sliding mode control design
for solid oxide fuel cells with state and actuator constraints. IEEE Transactions on Industrial
Electronics, 62(8):5208 – 5217.
A RZELIER, D., B ERNUSSOU, J. et G ARCIA, G. (1993). Pole assignment of linear uncertain

systems in a sector via a lyapunov-type approach. IEEE Trans. on Automatic Control, 38(7):
1128–1131.
A RZELIER, D., M.I.A NGULO et B ERNUSSOU, J. (1997). Placement de pôles et mode glissant.
RAIRO -APII- JESA, 31(2):351–371.
BARAMBONES, O., G ARRIDO, A. et M ASEDA, F. (2003). A robust field oriented control of

induction motor with flux observer and speed adaptation. In Proceedings of IEEE Conference
on Emerging Technologies and Factory Automation, ETFA, volume 1, pages 245–252.
BARMISH, B. (1985). Necessary and sufficient conditiond for quadratic stabilizability of an

uncertain system. J. Optimization Theory and Applications, 46(4).
BARTOLINI, G. et P YDYNOWSKI, P. (1996). An improved, chattering free, v.s.c. scheme for

uncertain dynamical systems. IEEE Trans. on Automatic Control, 41(8):1220–1226.
B ÜHLER, H. (1986). Reglage par Mode Glissant. Presses Polytechniques Romandes, Lausanne.
130 BIBLIOGRAPHIE
B OYD, S. (1996). Semidefinete programming. S.I.A.M. review.
B REZAS, P. et S MITH, M. C. (2014). Linear quadratic optimal and risk-sensitive control for
vehicle active suspensions. IEEE Transactions on Control Systems Technology, 22(2):543–
556.
C AROLINA, E., F ERNANDO, V. et PAUL, P. (2013). Active and reactive power control for wind
turbine based on a mimo 2-sliding mode algorithm with variable gains. IEEE TRANSAC-
TIONS ON ENERGY CONVERSION, 28(3):682–689.
C ASTAÑOS, F. et F RIDMAN, L. (2011). Dynamic switching surfaces for output sliding mode
control : An H∞ approach. Automatica, 47(9):1957–1961.
C HANG, J. L. (2013). Robust dynamic output feedback second-order sliding mode controller
for uncertain systems. International Journal of Control, Automation and Systems, 11(5):878–
884.
C HEN, W. et G EORGE, W. (2009). Stability analysis of the drive-train of a wind turbine with
quadratic torque control. Int. J. Robust Nonlinear Control, 19:1886–1895.
C HILALI, M. et G AHINET, P. (1996). H∞ with pole placement constraints : An lmi approach.

IEEE Trans. On Automatic control, 41:358–367.
C HOI, H. (1997). A new method for variable structure control system design : A linear matrix
inequality approach. Automatica, 33(11):2089–2092.
C HOI, H. (2007). An efficient method to design robust observer-based control of uncertain

linear systems. Applied Mathematics and Computation, 52(4):736–742.
C HOI, H. H. (1998). An explicit formula of linear sliding surfaces for a class of uncertain
dynamic systems with mismatched uncertainties. Automatica, 34(8):1015–1020.
C HUMALEE, S. et W HIDBORNE, J. F. (2015). Gain-scheduled H∞ control via parameter de-

pendent lyapunov functions. International Journal of Systems Science, 46(1):125–138.
D ECARLO, R., H, Z. et P, M. (1988). Variable structure control of nonlinear multivariable

systems. A tutorial. Proceding of the IEEE, 76(3):212–232.
D ENAI, M. A. et M OHAMED, B. (2005). Robust stabilizer of electric power generator using

H∞ with pole placement constraints. Journal of Electrical Engineering, 56(7-8):176–182.
BIBLIOGRAPHIE 131
D ORLING, C. et Z INOBER, A. (1986). Two approaches to hyperplane design multivariable

variable structure control systems. Int. j. of control, 44(1):65–82.
D RAZENOVIC, B. (1969). The invariance conditions in sliding mode systems. Automatica,

5(3):287–295.
D U, H., L AM, J. et S ZE, K. Y. (2005). Design of non-fragile H∞ controller for active vehicle
suspensions. Journal of Vibration and Control, 11(2):225–243.
E MEL’ YANOV (1967). Sliding mode control systems. Nauka, Moscou.
E MEL’ YANOV, S. (1970). Theory of Variable Structure Systems. Nauke. Moscow, Russia.
E MEL’ YANOV, and Taran, V. (1962). On a class of variable structure control systems. USSR
Academy of Sciences, Energy and Automation. Moskov, Russia.
F ENG, C. C. et L IN, Y. Y. (2011). Robust control design based-on integral sliding-mode for sys-
tems with norm-bounded uncertainties. In In 2011 11th International Conference on Control,
Automation and Systems (ICCAS), pages 1178–1183.
F ENG, C. C. et L IN, Y. Y. (2013). An H2 robust control scheme for systems with nonlinearities.
In In 2013 IEEE International Symposium on Next-Generation Electronics (ISNE), pages
301–304.
F LIESS, M. et M ESSAGER, F. (1991). Methods of nonlinear discontinuous stabilisation, nonli-

near synthesis. C.I. Byrnes & A. Kurzhansky eds, pages 112–131.
F URUTA, K. et K IM, S. (1987). Pole assignment in a specified disc. IEEE Trans. on Aut.
Control, (32):423–427.
G ALEANI, S., TARBOURIECH, S., T URNER, M. et Z ACCARIAN, L. (2009). A tutorial on mo-

dern anti-windup design. European Journal of Control, 15:418–440.
G AO, W., WANG, Y. et H OMAIFA, A. (1995). Discrete-time variable structure control systems.
IEEE Trans. Ind. Electron, 42(2):117–122.
G ARCIA, G. et B ERNUSSOU, J. (1995). Pole assignment for uncertain systems in a specified

disk by state feedback. IEEE Transactions on Automatic Control, 40(1):184–190.
G ARCIA, G., B ERNUSSOU, J., C AMOZZI, P. et A RZELIER, D. (1993). Stabilisation des sys-
temes incertains avec rejet de perturbation : approche quadratique. RAIRO -APIIJESA.
132 BIBLIOGRAPHIE
G IL, G. (2011). Applications de techniques de commandes avancées dans le domaine automo-

bile. Thèse de doctorat, Université de Haute Alsace.
G OMES, d. S. J. (1997). Sur la stabilité locale de systèmes linéaires avec saturation des com-
mandes. Thèse de doctorat, PhD thesis, Université Paul Sabatier, Toulouse, France.
G OMES, d. S. J., L IMON, D., A LAMO, D. et C AMACHO, E. F. (2008). Dynamic output feedback
for discrete-time systems under amplitude and rate actuator constraints. IEEE Transactions
on Automatic Control, 53:2367– 2372.
G OMES, d. S. J. et TARBOURIECH, S. (1999). Polyhedral regions of local stability for linear

discrete-time systems with saturating controls. IEEE Transactions on Automatic Control,
44(11):2081–2085.
G OVINDASWAMY, S., F LOQUET, T. et SK, S. (2014). Discrete time output feedback sliding
mode tracking control for systems with uncertainties. International Journal of Robust and
Nonlinear Control, 24(5):2098–2118.
G UO, S. X. (2014). Robust reliability based optimal design of H∞ control of parametric uncer-
tain systems. Journal of Dynamic Systems, Measurement, and Control, 136(2):024504.
G UTMAN et J URY, E. (1981). A general theory for matrix root clustering in subregions of the
complex plane. IEEE Trans. on Aut. Control, 26(7).
G UTMAN, S. (1979). Uncertain dynamical systems : A lyapunov min-max approach". IEEE

Trans. on Aut. Control, (24):511–522.
H AJRI, S. (1997). Commande dynamique par mode glissant : application à la robustification

des processus complexes. Thèse de doctorat, Thèse de Doctorat, Université des Sciences et
Technologies de Lille.
H U, T., L IN, Z. et C HEN, B. (2002). An analysis and design method for linear systems subject
to actuator saturation and disturbance. Automatica, 38(2):351–359.
H UNG, J. et G AO, N. (1993). Variable structure control : A survey. IEEE Trans. Ind. Electronics,
40(1):2–22.
I SLAM, S. et L IU, X. (2011). Robust sliding mode control for robot manipulators. IEEE Tran-
sactions on Industrial Electronics, 58(6):2444–2453.
BIBLIOGRAPHIE 133
I STEFANOPULOS, Y., J. E. P. M. (2002). A new robust continuous sliding mode control for
robot manipulators with parameter perturbations. In American Control Conference, volume 4,
pages 3202–3206.
I TKIS (1976). Control systems of variable structure. Wiley. New York, NY, USA.
J EFERSON, V. F., Gomes da S ILVA, J. M. et R ENAN, S. (2013). Tracking and rejection of

periodic signals for discrete-time linear systems subject to control saturation. IET Control
Theory and Applications, 7(3):363–371.
J I, X., W EI, W. et S U, H. (2007). Comments on "a class of proportional-integral sliding mode

control with application to active suspension system". Systems and Control Letters, 56(3):
253–254.
J UMA, B. et W ERNER, H. (2012). Mixed H2 /H∞ robust output feedback sliding mode control.
Optimal Control Applications and Methods, 33(5):614–630.
K APILA, V. et G RIGORIADIS, K. (2002). Actuator saturation control. Marcel Dekker, Inc.
K HALID, Abidi, ., X U, J.-X. et X INGHUO, Y. (2007). On the discrete-time integral sliding-mode

control. IEEE TRANSACTIONS ON AUTOMATIC CONTROL, 52(4):709–715.
K HALIL, H. (1992). Nonlinear systems. MacMillan.
K HANIKI, M. S. et K HOSROWJERDI, M. J. (2010). An optimal integral sliding mode control

using multiobjective H2 /H∞ approach to surface design. In In 2010 18th Iranian Conference
on Electrical Engineering (ICEE), pages 698–703.
K IM, K. S., PARK, Y. et O H, S. H. (2000). Designing robust sliding hyperplanes for parametric
uncertain systems : a riccati approach. Automatica, 36(7):1041–1048.
L EE, J. et X U, Y. (1994). A new method of switching surface design for multivariable variable
structure control. IEEE Trans. on Aut. Control, 39(2):414–419.
L I, H., J ING, X. et K ARIMI, H. R. (2014). Output-feedback-based H∞ control for vehicle

suspension systems with control delay. IEEE Transactions on Industrial Electronics, 61(1):
436–446.
L IEN, C. (2004). An efficient method to design robust observer-based control of uncertain linear
systems. Applied Mathematics and Computation, 158:29–44.
134 BIBLIOGRAPHIE
L IN, Z., X IA, Y., S HI, P. et W U, H. (2011). Robust sliding mode control for uncertain linear
discrete systems independent of time-delay. International Journal of Innovative Computing,
Information and Control, 7(2):869–880.
L OZA, A. F., B EJARANO, F. J. et F RIDMAN, L. (2013). Unmatched uncertainties compensation

based on high-order sliding mode observation. International Journal of Robust and Nonlinear
Control, 23(7):754–764.
M ARINO, P., V. F. (1995). Sliding mode control for three phase rectifiers. In Power Electronics
Specialists Conference. 1995. PESC ’95 Record, 26th Annual IEEE, volume 2, pages 1033–
1039.
M ASSAOUDI, Y., E LLEUCH, D., G AUBERT, J.-P., D RISS, M. et DAMAK, T. (2016). Experi-
mental implementation of new sliding mode control law applied to a dc dc boost converter.
Asian journal of control, 18(6):2221–2233.
M IAOMIAO, M., H ONG, C., X IANGJIE, L. et F RANK, A. (2014). Moving horizon H∞ control
of variable speed wind turbines with actuator saturation. IET Renewable Power Generation,
8(5):498–508.
M ILANI, B. et C ARVALHO, A. N. (1994). Robust optimal lineare regulator design for discrete-
time systems under stat and control contraints. Proceeding of symposium on Robust Control
Design, IFAC, pages 273–278.
M ONDAL, S. et M AHANTA, C. (2013). Chattering free adaptive multivariable sliding mode

controller for systems with matched and mismatched uncertainty. ISA transactions, 52(3):
335–341.
N ING -S U, L. et C HUN -B O, F. (1989). A new method for suppressing chattering in variable

structure feedback control systems. IFAC Symposium, pages 279–284.
N OVOK, P., I.J OVIK et B. SCHMIDTBOUER (1994). Modeling and identification of drive-system
dynamics in a variable speed wind turbine. In In proceeding of the third IEEE conference on
control applications, volume 1, pages 233–238.
P EAUCELLE, D. (2000). Formulation générique de problèmes en analyse et commande robuste

par les fonctions de Lyapunov Dépendant des paramètres. Thèse de doctorat, LAAS-CNRS
University of Toulouse University of Toulouse.
P EAUCELLE, .D, D. (2006). Boites à outils : Robust Multi-Objective Control, Version 1. RS-
JESA.
BIBLIOGRAPHIE 135
P ERRUQUETTI, W. et BARBOT, J. (2002). Sliding mode control in engineering. Marcel Dekker.
P OLYAKOV, A. (2012). Nonlinear feedback design for fixed-time stabilization of linear control
systems. IEEE Transactions on Automatic Control, 57(8):2106–2110.
ROMDHANE, H., D EHRI, K. et N OURI, A. (2015). Second order sliding mode control for
discrete decouplable multivariable systems via input-output models. International Journal of
Automation and Computing, 12(6):630–638.
RYAN, E. et CORLESS, M. (1984). Ultimate boundedness and asymptotic stability of a class of

uncertain dynamical systems via continuous and discontinuous feedback control. IMA J. of
mathematics and control information, 1:223–242.
S AM, Y. M., O SMAN, J. H. S. et G HANI, M. R. A. (2004). A class of proportional-integral

sliding mode control with application to active suspension system. Systems and Control
Letters, 51(3):217–223.
S AM, Y. M. et O SMAN, J. H. S. B. (2005). Modeling and control of the active suspension system
using proportional integral sliding mode approach. Asian Journal of Control, 7(2):91–98.
S ARAVANAKUMAR, R. et D EBASHISHA, J. (2015). Validation of an integral sliding mode

control for optimal control of a three blade variable speed variable pitch wind turbine. Inter-
national Journal of Electrical Power and Energy Systems, 69:421–429.
S ARPTURK, S. Z., Istefanopulos, Y. et K AYNAK, O. (1987). On the stability of discrete-time

sliding mode control systems. IEEE Transactions on Automatic Control, 32(10):930–937.
S ELLAMI, A., D.A RZELIER, R.M HIRI et J.Z RIDA (2007). A sliding mode control approach for
systems subjected to a norm-bounded uncertainty. J. Robust Nonlinear Control, 17:327–346.
S HTESSEL, Y. (1998). Sliding mode control of the space nuclear reactor system. IEEE Tran-
sactions on Aerospace and Electronic Systems, 34:579–589.
S ILVA, J. M. A. D., E DWARDS, C. et S PURGEON, S. K. (2009). Sliding-mode output-feedback

control based on lmis for plants with mismatched uncertainties. IEEE Transactions on In-
dustrial Electronics, 56(9):3675–3683.
S LOTINE, J. et S ASTRY, S. (1983). Traking control of nonlinear systems using sliding surfaces
with application to robot manipulators. Int. Journal of Control, 38(2):465–492.
S LOTINE, J.-J. et L I, W. (1991). Applied nonlinear control. Prentice Hall.

136 BIBLIOGRAPHIE
S PURGEON, a. R. D. (1993). A nonlinear control strategy for robust sliding mode performance
in the presence of unmatched uncertainty. Int. J. of Control, 57(5):1107–1123.
S UN, W., G. H. et K AYNAK, O. (2011). Finite frequency H∞ control for vehicle active suspen-
sion systems. IEEE Transactions on Control Systems Technology, 19(2):416–422.
S URYAWANSHI, P. V., S HENDGE, P. D. et P HADKE, S. B. (2014). Robust sliding mode control

for a class of nonlinear systems using inertial delay control. Nonlinear Dynamics, 78(3):
1921–1932.
TARBOURIECH, S., G ARCIA, G. et G LATTFELDER, A. (2007). Advanced strategies in control

systems with input and output constraints. LNCIS, Springer Verlag.
TARBOURIECH, S., P RIEUR, C. et da S ILVA J R, G. (2006). Stability analysis and stabilization of

systems presenting nested saturations. IEEE Transaction son Automatic Control, 51(8):1364–
1371.
T UAN, D., M AN, Z., Z HANG, C., J IN, J. et WANG, H. (2014). Robust sliding mode learning
control for uncertain discrete-time multi-input multi-output systems. IET Control Theory and
Applications, 8(12):1045–1053.
U TKIN (1977). Variable structure systems with sliding modes. IEEE Trans. Automatic Control,
22(2):212–222.
U TKIN (1978). Sliding mode and their application in variable structure system. Edition Mir,
Moscou.
U TKIN (1992). Sliding modes in control optimisation. Springer-Verlag.
U TKIN (1993). Sliding mode control design principles and applications to electric drives. IEEE
Trans. Ind. Electronics,, 40(1):23–36.
VALILOO, S., K HOSROWJERDI, M. J. et S ALARI, M. (2014). Lmi based sliding mode surface
design with mixed H2 /H∞ optimization. Journal of Dynamic Systems, Measurement and
Control, 136(1):11–16.
V IET, Q. L., H AN, H. C. et J UNG, J.-W. (2012). Lmi-based sliding mode speed tracking control
design for surface-mounted permanent magnet synchronous motors. Journal of Electrical
Engineering and Technology, 7(4):513–523.
WAKASA, Y. et A DACHI, S. (2015). Fictitious reference iterative tuning considering input

saturation. IEEJ Transactions on Electrical and Electronic Engineering, 10(S1):S159–S161.
BIBLIOGRAPHIE 137
W EI -J IE, M. et J IAN, C. (2009). D-stability and d-stabilization of linear discrete time-delay

systems with polytopic uncertainties. Automatica, 45:842–846.
W IE, B. et B ERNSTEIN, D. (1992). Benchmark problem for robust control design. Journal of
Guidance Control and Dynamics, 15:1057–1059.
W OODHAM, C. et Z INOBER, A. (1993). Eigenvalue placement in a specified sector for variable

structure control systems. Int. J. of Control, 57(5):1021–1037.
X I, Z. et H ESKETH, T. (2010). Discrete time integral sliding mode control for systems with
matched and unmatched uncertainties. IET Control Theory Appl, 4:889–896.
X IA, Y., C HEN, J., L IU, G. P., WANG, L. et R EES, D. (2009). Robust adaptive sliding mode
control for uncertain time-delay systems. International journal of adaptive control and signal
processing, 23(9):863– 881.
YAN, Z., D IMIROVSKI, G. M., J ING, Y. et YANG, M. (2007). Discrete-time sliding mode control
of nonlinear systems. In Proceedings of the 2007 American Control Conference, pages 3825–
3830, New York City, USA.
YANG, Y.X IA, M.F U et P.S HI (2010). Robust adaptive sliding mode control for uncertain delta
operator systems. Int. J. Adapt. Control Signal Process, 24:623–632.
Z HANG, X., Z HAO, J. et L I, X. (2017). Stability analysis and design of uncertain discrete-time
switched systems with actuator saturation using antiwindup and multiple lyapunov functions
approach. Asian journal of control, 17(1):1–7.
Z HOU, F. et F ISHER, D. (1992). Continuous sliding mode control. Int. J. of Control, 55(2):313–
327.
Z INOBER, A. (1991). Hyperplane design and CAD of variable structure control systems".
Deterministic Control of Uncertain Systems (chapter 3). Peter Peregrinus Ltd., London.
Z INOBER, A. (1993). User friendly VSC Matlab Toolbox : Theoretical Background. University
of Sheffield, UK.
Z INOBER, A. (1994). An introduction to sliding mode variable structure control. Springer-

Verlag.
Résumé
Comme le titre de ce mémoire le suggère, le travail de thèse présenté dans ce rapport s'attèle
à l'étude de méthodes de synthèse de commande robuste, dans le cas de systèmes saturés
incertains. L'approche que nous avons choisie est la commande à structure variable où nous
cherchons à développer une méthodologie de synthèse systématique de la commande par
mode glissant des systèmes linéaires multivariables saturés incertains, en présence des
incertitudes de type afﬁnes parallélotopiques, de perturbations et une contrainte de saturation.
En employant, la norme H  et la méthode de placement de pôle, certaines exigences de
performance et une bonne robustesse, en mode glissement, sont atteintes. Cependant, au
cours des dernières années avec le développement rapide de technologies informatiques, de
DSP chips et de la technologie du microprocesseur numérique, il est impératif de réaliser les
systèmes de contrôle numérique. Par conséquent, il est plus important d’étendre la méthode de
conception de CMG des systèmes continus au système de contrôle à temps discret.
La validité des méthodes proposées est illustrée par des exemples numériques et des études
comparatives, qui montrent l'efficacité des résultats qui peuvent être obtenus.
Abstract
The theory of robust control seeks to take into consideration this uncertainty in the model and
offer synthesis schemes so that required characteristics of the feedback system can be
acquired for all allowable systems. In this context, the main contributions of this thesis
concern the development of systematic methods for the synthesis of robust controllers for
uncertain saturated systems. Some classes of systems containing parametric uncertainties,
exogenous perturbations and nonlinear saturation are considered. The design procedure
combines the high robustness of the sliding mode control with the H  performance. At the
same time, in the recent years with the rapid development of computer technologies and
Digital Signal Processor (DSP) chips, it is imperative to realize a controller of the system
using a computer. In this regard, it is more signiﬁcant to extend the design method of SMC in
continuous systems into the discrete-time control system.
The validity of the proposed methods is illustrated through numerical examples and
comparative studies, which show the efficiency of the results that, can be obtained using the
developed.
View publication stats

Sur La Commande Robuste Par Mode Glissant A Temps Discret Des Systèmes Incertains Saturés

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

Sur La Commande Robuste Par Mode Glissant A Temps Discret Des Systèmes Incertains Saturés

Transféré par

Droits d'auteur :

Formats disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Thesis · July 2017

sliding mode View project

Discrete SMC View project

The user has requested enhancement of the downloaded file.

Sur la commande robuste par mode

Soutenue le 30 Juin 2017 devant le jury d'examen composé de :

Mr. N. BENHADJ BRAIEK Professeur à l'ENSIT-Tunis Président

Mr. M. CHAABANE Professeur à l'ENIS-Sfax Rapporteur

Mr. S. SALHI Maître de Conférence à l'ISI-Tunis Rapporteur

Mr. G. GARCIA Professeur à l'INSA-Toulouse Examinateur/Co-Directeur

Mr. A. SELLAMI Professeur à l'ENSIT-Tunis Directeur de thèse

Laboratoire d’Analyse & d’Architecture des Systèmes - LAAS-CNRS

Je remercie également mon co-encadreur, Monsieur Germain GARCIA , Professeur à CNRS

Je remercie également , Monsieur Abderahmen ZAAFOURI, Maître de Conférence à l’EN-

1 Etat de l’art Sur les Systèmes de Commande à Structure Variable 7

2 Commande robuste par mode glissant des systèmes saturés incertains 39

3 Commande par mode glissant des systèmes discrets saturés 71

Conclusion générale 125

1.1 Schéma bloc du système (1.6). . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2.1 Structure de la contrainte de saturation . . . . . . . . . . . . . . . . . . . . . . 46

3.1 Evolution de la surface du glissement. . . . . . . . . . . . . . . . . . . . . . . 75

3.8 Les pôles du système discret réduit en boucle fermée. . . . . . . . . . . . . . . 87

4.1 Schéma bloc du SMC proposée . . . . . . . . . . . . . . . . . . . . . . . . . . 104

2.1 Comparaison entre notre méthode et la méthode de Guo (2014). . . . . . . . . 68

3.1 Variation de la bande de glissement en fonction de la période d’échantillonnage 85

4.1 Signification des paramètres du modèle à deux masses . . . . . . . . . . . . . 114

ui La ieme composante du vecteur u

Revues internationales avec comité de lecture

• Zaafouri Chaker, Torchani Borhen, Sellami Anis, et Germain Garcia,

Conférences internationales avec comité de lecture

• Zaafouri Chaker, Sellami Anis, Torchani Borhen et Germain Garcia,

a théorie de la commande moderne se développe dans le but d’expliquer et de résoudre des

techniques traitant ces problèmes de nonlinéarités comme la correcteur anti-windup (Galeani

Le présent mémoire, composé de quatre chapitres, est structuré comme suit :

1.2 Généralités sur la Commande à Structure Variable

de synthèse, l’existence du phénomène de broutement et la disponibilité de la documentation

x(n) (t) + an x(n−1) (t) + ... + a2 x(1) (t) + a1 = bu (t) (1.1)

Troisième caractéristique : la structure de la commande est définie par :

• La phase ancienne de la CSV (1970-1980)

On note dim(x) = n, dim(u) = m, la surface de commutation s(x) est un vecteur de dimension

∗ Développement de méthodes de synthèse de la CSV pour différents types de systèmes : li-

∗ Extension des objectifs de commande au-delà du problème de stabilisation pour inclure : le

1.2.2 Notion des systèmes à structure variable

La commande est donnée par :

s (x1 , x2 ) est définie par la forme quadratique :

s (x1 , x2 ) = x1 (λx1 + x2 ) = x1 σ (1.8)

F IGURE 1.1 – Schéma bloc du système (1.6).

F IGURE 1.2 – Régions définies par la logique de commutation.

• Le mode glissant "sliding mode".

1.2.3 Propriétés du régime glissant

Où d’une manière équivalente par passage à la limite

lim ṡ > 0 et lim+ ṡ < 0 (1.13)

L’équation (1.13) peut s’écrire d’une manière plus compacte

lim sṡ < 0 (1.14)

u = 4sign (s) (1.15)

F IGURE 1.5 – Réponse du système (1.6).

F IGURE 1.6 – Equivalence du régime glissant à une commande à grand gain.

Ou bien l’interpolation fractionnelle proposée par Dorling et Zinober (1986)

Ning-Su et Chun-Bo (1989) propose une transformation intégrale de la forme :

F IGURE 1.7 – Réponse du système (1.6) avec η = 0.04.

Cette section, a été consacrée à l’introduction de quelques notions et définitions classiques,

1.3 Synthèse de la surface de glissement