Vous êtes sur la page 1sur 92
Ecole polytechnique universitaire de Montpellier Département de M écanique et I nteraction Année 2013 /
Ecole polytechnique universitaire de Montpellier Département de M écanique et I nteraction Année 2013 /

Ecole polytechnique universitaire de Montpellier Département de Mécanique et Interaction Année 2013 / 2014

M.I.4

Cours d’Automatique des systèmes Actionnés

Partie 2 : Analyse et commande en espace d’état

Ahmed Chemori chemori@lirmm.fr

Automatique des systèmes Actionnés Partie 2 : Analyse et commande en espace d’état Ahmed Chemori chemori@lirmm.fr
Programme de la partie 2 du cours Partie 2 : Analyse et commande des systèmes
Programme de la partie 2 du cours Partie 2 : Analyse et commande des systèmes

Programme de la partie 2 du cours

Programme de la partie 2 du cours Partie 2 : Analyse et commande des systèmes en
Programme de la partie 2 du cours Partie 2 : Analyse et commande des systèmes en

Partie 2 : Analyse et commande des systèmes en espace d’état

I.

Introduction à la commande des systèmes mécatroniques

II.

Modélisation et représentation d’état

1. Modélisation

2. De l’équation différentielle à l’équation d’état

3. Illustration sur un exemple

III.

Représentation d’état

1. La notion d’état d’un système

2. La Variable d’état

3. Illustration sur un exemple

IV.

Résolution des équations d’état

1. Equation de transition

2. Calcul de la matrice de transition

3. Illustration sur un exemple

V.

Analyse de la commandabilité

1.

Définitions

2.

Critère de Kalman

3.

Illustration sur un exemple

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 2
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
2
Programme de la partie 2 du cours Partie 2 : Analyse et commande des systèmes
Programme de la partie 2 du cours Partie 2 : Analyse et commande des systèmes

Programme de la partie 2 du cours

Programme de la partie 2 du cours Partie 2 : Analyse et commande des systèmes en
Programme de la partie 2 du cours Partie 2 : Analyse et commande des systèmes en

Partie 2 : Analyse et commande des systèmes en espace d’état (suite)

VI. Analyse de l’observabilité

1.

Définitions

2.

Critère de Kalman

3.

Illustration sur un exemple

VII. Analyse de la stabilité

1. Définitions

2. Valeurs propre et stabilité

3. Illustration sur un exemple

VIII. Relation entre représentation d’état et fonction de transfert

IX. Formes standard de représentation d’état

1. Forme canonique commandable

2. Forme modale

3. Forme cascade

X. Commande par retour d’état

1. Principe général

2. Calcul du gain du contrôleur

3. Illustration sur un exemple

XI. Observateur et estimateur d’état

1.

Principe général

2.

Calcul du gain de l’observateur

3.

Illustration sur un exemple

4.

Couplage contrôleur-observateur

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 3
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
3
Introduction à la commande des systèmes mécatroniques
Introduction à la commande des systèmes
mécatroniques
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 4
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
4

Introduction à la commande des systèmes mécatroniques

Automatique

Exemples introductifs

Exemple 1

Régulateur de vitesse

Régulateur de distance

Exemple 1 Régulateur de vitesse Régulateur de distance Cours d’Automatique - MI4 - 2013/2014
Exemple 1 Régulateur de vitesse Régulateur de distance Cours d’Automatique - MI4 - 2013/2014
Exemple 1 Régulateur de vitesse Régulateur de distance Cours d’Automatique - MI4 - 2013/2014
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 5
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
5

Introduction à la commande des systèmes mécatroniques

Exemples introductifs

Automatique

Exemple 2 Quattro: Robot d’emballage agro-alimentaire

Exemple 2 Quattro: Robot d’emballage agro-alimentaire Cours d’Automatique - MI4 - 2013/2014
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 6
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
6

Introduction à la commande des systèmes mécatroniques

Automatique

Exemples introductifs

Exemple 3

Machine de découpe Laser

Exemples introductifs Exemple 3 Machine de découpe Laser Cours d’Automatique - MI4 - 2013/2014
Exemples introductifs Exemple 3 Machine de découpe Laser Cours d’Automatique - MI4 - 2013/2014
Exemples introductifs Exemple 3 Machine de découpe Laser Cours d’Automatique - MI4 - 2013/2014
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 7
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
7

Introduction à la commande des systèmes mécatroniques

Exemples introductifs

Exemple 4 Le SEGWAY

mécatroniques Exemples introductifs Exemple 4 Le SEGWAY A u t o m a t i q

Automatique

Exemple 4 Le SEGWAY A u t o m a t i q u e Cours
Exemple 4 Le SEGWAY A u t o m a t i q u e Cours
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 8
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
8

Introduction à la commande des systèmes mécatroniques

Exemples introductifs

Automatique

Exemple 5

Le disque dur

A u t o m a t i q u e Exemple 5 Le disque dur
A u t o m a t i q u e Exemple 5 Le disque dur
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 9
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
9

Introduction à la commande des systèmes mécatroniques

Automatique

Définition de la Mécatronique

La mécatronique est la combinaison synergique de : mécatronique est la combinaison synergique de :

- La mécanique,

- L'électronique,

- L'informatique temps réel (logiciel), et

- L’automatique (contrôle)

L'intérêt de ce domaine d'ingénierie pluridisciplinaire réside dans : La conception de systèmes automatiques intérêt de ce domaine d'ingénierie pluridisciplinaire réside dans : La conception de systèmes automatiques puissants et la synthèse de contrôle de systèmes complexes

Le terme ‘mechatronics ‘ (en anglais) a été introduit par un ingénieur de la compagnie Japonaise ’ mechatronics‘ (en anglais) a été introduit par un ingénieur de la compagnie Japonaise ’Yaskawaen 1969

Le terme ‘mécatronique ’ est apparu officiellement en France en 2005 ( Larousse 2005) mécatroniqueest apparu officiellement en France en 2005 (Larousse 2005)

La norme NF E 01-010 (2008) définit la mécatronique comme une « démarche visant définit la mécatronique comme une «démarche visant

l’intégration en synergie de la mécanique, l’électronique, l’automatique et l’informatique dans la conception et la fabrication d’un produit en vue d’augmenter et/ou d’optimiser sa fonctionnalité»

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 10
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
10

Introduction à la commande des systèmes mécatroniques

Automatique

Mécatronique et pluridisciplinarité

o m a t i q u e Mécatronique et pluridisciplinarité Cours d’Automatique - MI4 -
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 11
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
11

Introduction à la commande des systèmes mécatroniques

La mécatronique au quotidien

des systèmes mécatroniques La mécatronique au quotidien A u t o m a t i q
des systèmes mécatroniques La mécatronique au quotidien A u t o m a t i q
des systèmes mécatroniques La mécatronique au quotidien A u t o m a t i q
des systèmes mécatroniques La mécatronique au quotidien A u t o m a t i q
des systèmes mécatroniques La mécatronique au quotidien A u t o m a t i q
des systèmes mécatroniques La mécatronique au quotidien A u t o m a t i q

Automatique

mécatronique au quotidien A u t o m a t i q u e Cours d’Automatique
mécatronique au quotidien A u t o m a t i q u e Cours d’Automatique
mécatronique au quotidien A u t o m a t i q u e Cours d’Automatique
mécatronique au quotidien A u t o m a t i q u e Cours d’Automatique
mécatronique au quotidien A u t o m a t i q u e Cours d’Automatique
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 12
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
12

Introduction à la commande des systèmes mécatroniques

Automatique

Eléments de base d’un système mécatronique

LCD, LED, CRT, Digital displays, …

DAC, PWM,

Amplifiers, …

DC motors, Servo motors, Electro valves, …

Digital encoders, Position sensors, MEMs,

ADC, Filters, Discrete circuits, Amplifiers, …

… Input signal output signal Graphical displays conditioning Actuators Sensors conditioning and interfacing and
Input signal
output signal
Graphical displays
conditioning
Actuators
Sensors
conditioning
and interfacing
and interfacing
Mechanical system
Digital control architectures

Logic circuits, Microcontrollers, Computer, Control algorithm, …

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 13
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
13
Modélisation et représentation d’état
Modélisation et représentation d’état
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 14
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
14

Modélisation et représentation d’état

Modélisation

On considère le système électrique ci-dessous :Modélisation et représentation d’état Modélisation A u t o m a t i q u e

Automatique

Peut être modélisé avec deux équations différentiellesélectrique ci-dessous : A u t o m a t i q u e L’idée de

Peut être modélisé avec deux équations différentielles L’idée de base des représentations d’état est que le
Peut être modélisé avec deux équations différentielles L’idée de base des représentations d’état est que le

L’idée de base des représentations d’état est que le futur d’un système dépend de sonPeut être modélisé avec deux équations différentielles passé, de son présent et de ses entrées le

passé, de son présent et de ses entrées

le futur peut alors être décrit à partir d’un ensemble de variables bien choisiesdépend de son passé, de son présent et de ses entrées Cours d’Automatique - MI4 -

Modélisation et représentation d’état

Automatique

De l’équation différentielle à l’équation d’état

On rappelle les équation différentielles du modèle :De l’équation différentielle à l’équation d’état 8 = i ( t ) ¡ i L (

8 = i(t) ¡ i L (t)

C

dV c (t )

< = ¡Ri L (t) + V c (t)

L dt (t )

di

L

: dt

On considère les variables x x

x1 (t) = Vc (t) 1 ; (t) x2 ; (t) x2 = (t) iL ; (t) et ; u(t) u(t) = i(t)

définies par :

Les équations différentielles précédentes peuvent être réécrites comme suit :; ( t ) et ; u ( t ) u ( t ) = i

8

<

:

dx

1 (t)

dt 2 (t)

dx

dt

= x_ 1 (t) = ¡ C x 2 (t) + C u(t) = x_ 2 (t) = L x 1 (t) ¡ R x 2 (t)

1

L

1

1

Sous forme matricielle donnent :( t ) = L x 1 ( t ) ¡ R x 2 ( t

x_ (t) = Ax(t) + B u(t)

avec :

A = ·

0

1

L

¡ 1

C

¡ R L

¸

B = ·

1

C

0

¸

· 0 1 L ¡ 1 C ¡ R L ¸ B = · 1 C

équation d’état

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 16
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
16

Modélisation et représentation d’état

Automatique

De l’équation différentielle à l’équation d’état

Si on considère que la sortie du système est la tension aux bornes de la résistance :De l’équation différentielle à l’équation d’état V R ( t ) = y ( t )

VR (t) = y (t) = RiL (t) = Rx2 (t)

Donc , la sortie s’écrit :: V R ( t ) = y ( t ) = Ri L ( t

y (t) = C x(t) + Du(t)

avec :

C = £ 0 R ¤

Pour récapituler, les équations d’état s’écrivent :( t ) = C x ( t ) + Du ( t ) avec :

Remarques :

les équations d’état s’écrivent : Remarques : équation de la sortie D = £ 0 ¤

équation de la sortie

D = £ 0 ¤

( x_ (t) = Ax(t) + B u(t) y (t) = C x(t) + D u(t)

La représentation d’état n’est pas unique pour un même système physique= Ax ( t ) + B u ( t ) y ( t ) =

Le systèmed’état n’est pas unique pour un même système physique ( A; B ; C; D )

(A; B ; C; D)

est dit linéaire à temps invariant (LTI)

Modélisation et représentation d’état

Définition

Automatique

d’état Définition A u t o m a t i q u e La représentation d’état

La représentation d’état d’un système dynamique linéaire continu est donnée par :

( x_ (t) = Ax(t) + B u(t) y (t) = C x(t) + D u(t)

y ( t ) = C x ( t ) + D u ( t )

équation d’état équation de sortie (appelée aussi équation de mesure)

A la matrice d’état

B la matrice de commande (d’entrée)

C la matrice de sortie

D la matrice de transfert directe

:

:

:

:

x ( t ) u ( t )

x(t) u(t)

x ( t ) u ( t ) y ( t )
y ( t )

y

(t)

: est le vecteur d’état

: est le vecteur de commande (vecteur d’entrée)

: est le vecteur de sortie

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 18
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
18

Modélisation et représentation d’état

Illustration sur un exemple

Automatique

On considère le système mécanique suivant (masse-ressort-amortisseur) :Illustration sur un exemple A u t o m a t i q u e :

le système mécanique suivant (masse-ressort-amortisseur) : : La masse : la position de la masse :
: La masse

: La masse

: la position de la masse

: la position de la masse

: Coefficient de raideur du ressort

: Coefficient de raideur du ressort

: Coefficient d’amortissement

: Coefficient d’amortissement

: Force appliquée sur la masse

:

Force appliquée sur la masse

Par application de la loi de Newton, sa dynamique s’écrit : s’écrit :

Soit le vecteur d’état : d’état :

myÄ + cv y_ + k y = F

x = · x

x 2 (t) ¸ = · y_

1

(t)

y ¸

L’entrée de commande : de commande :

u(t) = F

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 19
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
19

Modélisation et représentation d’état

Automatique

Illustration sur un exemple

On a :A u t o m a t i q u e Illustration sur un exemple (

( x_ 1 = y_ (t) = x 2 (t) x_ 2 = yÄ(t) =?

D’après la dynamique du système : la dynamique du système :

k

yÄ(t) = ¡ m y (t) ¡ cv m y_ (t) +

Donc :k y Ä( t ) = ¡ m y ( t ) ¡ c v m

( x_ 1 (t) = x 2 (t)

k

x_ 2 (t) = ¡ m x 1 (t) ¡ c m x 2 (t) + m u(t)

v

1

1 ( t ) ¡ c m x 2 ( t ) + m u (

Sous forme matricielle :

A = ·

0

¡

k

m

x_ (t) = Ax(t) + B u(t)

¡ c m ¸

1

v

B = ·

( t ) = Ax ( t ) + B u ( t ) ¡ c

m ¸

0

1

1

m

F

La sortie du système est la position de la masse mobile :B u ( t ) ¡ c m ¸ 1 v B = · m ¸

Qui s’écrit sous forme matricielle : s’écrit sous forme matricielle :

y (t) = C x(t) + Du(t)

C = £ 1

0 ¤

D = £ 0 ¤

y (t) = x1 (t)

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 20
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
20
Représentation d’état
Représentation d’état

Représentation d’état

Automatique

La notion d’état d’un système et la variable d’état

t

On définit l’ état d’un système à l’instant 0 comme l’ information sur le passé nécessaire et l’état d’un système à l’instant 0 comme l’information sur le passé nécessaire et suffisante pour déterminer l’évolution ultérieure du système

quand on connaît, pour , les signaux d’entrée et les équations du

système

Dans l’exemple du circuit électrique, l’information nécessaire et suffisante pour résoudre le système d’équations l’exemple du circuit électrique, l’information nécessaire et suffisante pour résoudre le système d’équations est liée aux conditions initiales

t > t0

Vc (t0 ) ; iL (t0 )

Par conséquent, un ensemble possible de variable d’état est : d’état est :

Dimension des variables et des matrices dans un modèle d’état : d’état :

[Vc (t) ; iL (t)]

Cas mono variable (1 entrée, 1 sortie)

x 2 R n

y 2 R

u 2 R

A 2 R n£n

C B 2 2 R R 1£n n£1

D 2 R 1£1

Cas multi-variable (m entré p sorties)

x 2 R n u 2 R m

y 2 R p

A 2 R n£n

C B 2 2 R R p£n n£m

D 2 R p£m

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 22
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
22

Représentation d’état

Automatique

La notion d’état d’un système et la variable d’état

On considère le système représenté par la figure suivante :La notion d’état d’un système et la variable d’état e ( t ) Signal d’entrée 

e(t)

Signal d’entrée

K

R

s(t)

x3

R

R

x1

x2

Ce système est composé d’une cascade d’élément différent (même si on a d’une cascade d’élément différent (même si on a

utilisé pour cet exemple que des intégrateurs et des gains)

La commande automatique d’un tel système peut aller beaucoup plus loin qu’une simple régulation d’un tel système peut aller beaucoup plus loin qu’une simple régulation

Un certain nombre de signaux que l’on peut qualifier d’internes au système l’on peut qualifier d’internes au système

apparaissent nettement sur le schéma

Nous les avons baptisé :au système apparaissent nettement sur le schéma x 1 ; x 2 ; x 3 Cours

x1 ; x2 ; x3

Représentation d’état

Automatique

La notion d’état d’un système et la variable d’état

Il serait intéressant dans ce cas de commander ces signaux internes par signaux internes par

l’intermédiaire du seul signal d’entrée

e(t)

Le problème de la commande du système ne se réduit donc plus au simple asservissement du signal de sortie simple asservissement du signal de sortie

Il peut donc être considéré comme la maîtrise simultanée de l’évolution des maîtrise simultanée de l’évolution des

trois signaux

x1 ; x2 ; x3

x = 2

3

4 x 1 5

On dit que l’ensemble de ces trois signaux forment l’état du système : l’ensemble de ces trois signaux forment l’état du système :

La modélisation que nous allons associer à cette représentation va nous permettre d’envisager la commande de modélisation que nous allons associer à cette représentation va nous permettre d’envisager la commande de cet état grâce au signal d’entrée

Nous formulons l’ objectif (si cela est possible bien entendu) d’ amener le l’objectif (si cela est possible bien entendu) d’amener le

système à un état donné ( devant converger vers des valeurs

x

x

2

3

x1 ; x2 ; x3

préétablies) grâce au signal d’entrée du système

Les variables internes choisis sont appelées variables d’état du système variables internes choisis sont appelées variables d’état du système

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 24
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
24

Représentation d’état

Automatique

Illustration sur un exemple

Exercice : On considère un système représenté par une modélisation sous On considère un système représenté par une modélisation sous

forme d’équation d’état s’écrivant :

( x_ (t) = Ax(t) + B u(t) y (t) = C x(t) + D u(t)

Représenter ce système par un schéma-bloc= Ax ( t ) + B u ( t ) y ( t ) =

Montrer sur ce schéma-bloc les différents signaux) + D u ( t ) Représenter ce système par un schéma-bloc On considère cette

On considère cette fois-ci le cas particulier d’un système représenté par des équations d’état ci-dessus, avec : d’un système représenté par des équations d’état ci-dessus, avec :

0

A = 2 0

1

0

4

1 ¡2

3

1 5

0

4

B = 2 0

4

3
0

5
1

C = £ 1

0

0 ¤

D = £ 0 ¤

Représenter ce système par un schéma-blocci-dessus, avec : 0 A = 2 0 1 0 4 1 ¡ 2 3 1

Représentation d’état

Illustration sur un exemple

Automatique

Remarques :

Par souci d’allègement d’expressions, les variables d’état, de commande, et de sortie peuvent être notées sans la variable de temps, c.à.d : peuvent être notées sans la variable de temps, c.à.d :

( x_ (t) = Ax(t) + B u(t) y (t) = C x(t) + D u(t)

( y x_ = Ax + B u = C x + D u
( y
x_ = Ax + B u
= C x + D u

La représentation d’état d’un système n’est pas unique, elle dépend du choix des variables d’état que nous opérons) = C x ( t ) + D u ( t ) ( y x_

Exercice : On considère le système représenté par le schéma-bloc ci-dessous. Calculer les matrices de cette représentation On considère le système représenté par le schéma-bloc ci-dessous. Calculer les matrices de cette représentation d’état.

u

 

2

 

¡1

 
     
 

 

R

x1

R

x2

R

x3

y

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 26
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
26
Résolution des équations d’état
Résolution des équations d’état
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 27
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
27

Résolution des équations d’état

Automatique

L’équation de transition

Résoudre les équations d’état consiste à déterminer l’expression du vecteur d’étatA u t o m a t i q u e L’équation de transition en fonction

en fonction du temps

x(t)

Autrement dit à déterminer les expressions temporelle des n variables d’état connaissant le système (c.à.d A , B , C et D ) n variables d’état connaissant le système (c.à.d A, B, C et D) et connaissant l’entrée u(t) qui lui est appliquée

L’équation de la solution est appelée équation de transition de la solution est appelée équation de transition

On considère l’exemple d’un système décrit par une simple (une seule) équation l’exemple d’un système décrit par une simple (une seule) équation

différentielle (cas scalaire) :

La solution d’une telle équation différentielle est connue, et a pour expression : d’une telle équation différentielle est connue, et a pour expression :

x_ = ax + bu

t

x(t) = e at x(0) + R e a(t¡¿ ) bu(¿ )d¿

0

libre

forcée

La première partie de cette équation représente la solution libre (régime autonome)+ R e a ( t ¡ ¿ ) bu ( ¿ ) d¿ 0 libre

La seconde partie représente la solution forcée (régime forcé ou commandé)équation représente la solution libre (régime autonome) Cours d’Automatique - MI4 - 2013/2014

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 28
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
28

Résolution des équations d’état

L’équation de transition

Généralisation au cas d’un système quelconque :

Automatique

On considère maintenant le système représenté par l’équation d’état :d’un système quelconque : A u t o m a t i q u e x

x_ (t) = Ax(t) + B u(t)

La solution de cette équation s’obtient par généralisation du résultat précédent :l’équation d’état : x _ ( t ) = Ax ( t ) + B u

t

x(t) = e At x(0) + R e A(t¡¿ ) B u(¿ )d¿

0

Solution libre

Solution forcée

Dans cette écriture, le terme0 S o l u t i o n l i b r e Solution forcée

e At

représente une matrice exponentielle que l’on note

en générale

©(t)

et que l’on appelle matrice de transition du système

Si on connait l’état du système à un instant) et que l’on appelle matrice de transition du système instant t quelconque : t 1

instant

t quelconque :

t1 6= 0

, on peut calculer son état à un

t

x(t) = e A(t¡t1 ) x(t1 ) + R t1 e A(t¡¿ ) B u(¿ )d¿

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 29
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
29

Résolution des équations d’état

Automatique

Calcul de la matrice de transition

L’opération la plus délicate dans la résolution des équation d’état , consiste à calculer la matrice de transition résolution des équation d’état, consiste à calculer la matrice de transition

Pour cela de nombreuses méthodes existentd’état , consiste à calculer la matrice de transition Les plus classiques sont les suivantes :

Les plus classiques sont les suivantes :de transition Pour cela de nombreuses méthodes existent  Méthode 1 : La méthode de la

Méthode 1 : La méthode de la transformée de Laplace

Méthode 2 :La méthode de diagonalisation

Méthode 3 : La méthode de Cayley-Hamilton

Méthode 4 : La méthode de calcul direct (développement de Tylor)

Ces méthodes seront détaillées par la suiteMéthode 3 : La méthode de Cayley-Hamilton  Méthode 4 : La méthode de calcul direct

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 30
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
30

Résolution des équations d’état

Automatique

Calcul de la matrice de transition

Méthode 1 : La méthode de la transformée de Laplace :

Méthode 1 : La méthode de la transformée de Laplace : x _ ( t )

x_ (t) = Ax(t) + B u(t) [pI ¡ A]X (p) = x(0) + B U (p)

pX (p) ¡ x(0) = AX (p) + B U (p)

I : Matrice d’identité

(nxn)

X (p) = [pI ¡ A] ¡1 x(0) + [pI ¡ A] ¡1 B U (p)

Il apparaît clairement, en confrontant cette expression à la solution générale déterminée

précédemment, soit : x(t) = e At x(0)

t

+ R

0

e A(t¡¿ ) B u(¿ )d¿

que la matrice de transition e

At

possède pour transformée de Laplace la matrice

e At = L ¡1 [(pI ¡ A) ¡1 ]

[pI ¡ A] ¡1

Il suffit alors d’inverser la matrice

dont on calcule la transformée de Laplace élément par élément

[pI ¡ A]

, ce qui conduit à une matrice rationnelle en p

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 31
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
31

Résolution des équations d’état

Illustration sur un exemple

4

A = 2

0

0

1 ¡3

1

0

0

1

3

3

5

(pI ¡ A) ¡1 =

4

(p ¡ 1) 3 2

1

p 2 ¡ 3p + 3

1

p

e At = L ¡1 [(pI ¡ A) ¡1 ]

Automatique

p ¡ 3

p 2 ¡ 3p

1 ¡ 3p

1

p

p 2

3

5

e p ¡ 3 p 2 ¡ 3 p 1 ¡ 3 p 1 p p

Résolution des équations d’état

Automatique

Calcul de la matrice de transition Méthode 2 : La méthode de diagonalisation : Il
Calcul de la matrice de transition
Méthode 2 : La méthode de diagonalisation :
Il est facile de remarquer que le calcul de la matrice de transition est très simple a
effectuer si celle-ci est diagonale, en effet :
2
3
2
3
e ¸ 1 t
0
:
:
:
0
0
:
:
:
0
¸ 1
6
. 7
.
6
.
7
.
6
6
e ¸ 2 t
0
0
. 7
0
0
. 7
¸ 2
6
7
6
7
A =
) e At =
6
.
7
6
.
7
.
.
.
.
.
.
4
5
4
5
.
0
.
0
.
0
.
0
0
:
:
:
0
0
:
:
:
0
e ¸ n
¸ n
Cette constatation nous conduit naturellement à imaginer une méthode relativement
e At
A
facile pour calculer
: il suffit de diagonaliser la matrice
A
On considère une matrice d’état quelconque
Les vecteurs propres et valeurs propres de cette matrice sont définies par :
AVi = ¸i Vi
V i
¸ i
sont les vecteurs propres et
sont les valeurs propres
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 33
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
33

Résolution des équations d’état

Automatique

Calcul de la matrice de transition

Méthode 2 : La méthode de diagonalisation :

Ces grandeurs sont très faciles à déterminer, étant donné que les valeurs propres sont lesde transition Méthode 2 : La méthode de diagonalisation : racines de l’équation : T =

racines de l’équation :

T = [V1 V2 det[¸I : : : ¡ Vn A] ] = 0

Soit la matrice modale, formée des vecteurs propres :: T = [ V 1 V 2 det [ ¸I : : : ¡ V

La matrice diagonale] = 0 Soit la matrice modale, formée des vecteurs propres : D formée des valeurs

D formée des valeurs propres de

D =

2

0

:

:

:

0

3

 

.

¸ 1

0

.

.

.

0

6

6

6

¸ 2

0

7
.

. 7

7

6

0

 

.

.

0

7

4

   

.

5

:

:

:

0

¸ n

= T ¡1 AT

)

A est obtenue :

A = T D T ¡1

La matrice de transition est alors calculée par :n = T ¡ 1 AT ) A est obtenue : A = T D T

e At = T e D t T ¡1 = T

2

e ¸ 1 t

0

0

3

:

:

:

6

0

e ¸ 2 t

0

. 7
.

6

. 7

6

7

6

.

0

 

.

0

7

.

 

.

4

.

 

.

5

0

:

:

:

0

e ¸ n t

T ¡1

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 34
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
34

Résolution des équations d’état

Illustration sur un exemple

Automatique

A = · ¡2 ¡2

¡1 ¡3 ¸

det[¸I ¡ A] = 0

T = · ¡2 1

1

1

¸

D = · ¡1 0

0

¡4 ¸

T ¡1 = · ¡ 1

1

3

3

1

2 3

3

¸

e D t = · e ¡t

0

e At = T e D t T ¡1 = · ¡2 1

1

1

¸ · e ¡t

0

¸1 = ¡1 ; ¸2 = ¡4

V 1 = · ¡2 ¸ ; V 2 = · ¡1

1

1

e ¡4t ¸

0

e ¡4t ¸ · ¡ 1

0

1

3

3

1

2 3

3

¸

¸ 0 e ¡ 4 t ¸ · ¡ 1 0 1 3 3 1 2

e At = ·

2 3 e ¡t +

1

¡ 3 e ¡t +

t = · 2 3 e ¡ t + 1 ¡ 3 e ¡ t +

1 3 e ¡4t

1 3 e ¡4t

¡ 2

3 e ¡t +

1

3 e ¡t +

2 e ¡4t

3

2 3 e ¡4t

1 3 e ¡ 4 t ¡ 2 3 e ¡ t + 1 3 e
1 3 e ¡ 4 t ¡ 2 3 e ¡ t + 1 3 e

¸

¸

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 35
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
35

Résolution des équations d’état

Automatique

Calcul de la matrice de transition

Méthode 3 : La méthode de Cayley-Hamilton :

Cette méthode repose sur une des propriétés d’une matrice, à savoir :de transition Méthode 3 : La méthode de Cayley-Hamilton : Chaque matrice est toujours solution de

Chaque matrice est toujours solution de son équation caractéristique

Elle présente l’avantage d’être relativement rapide pour des matrices d’ordres peu élevésest toujours solution de son équation caractéristique On considère une matrice A , son équation

On considère une matricerapide pour des matrices d’ordres peu élevés A , son équation caractéristique s’écrit : det [

A , son équation caractéristique s’écrit :

det[¸I ¡ A] = 0 ) ¸ n + an¡1 ¸ n¡1 + : : : + a1 ¸ + a0 = 0

+ a n ¡ 1 ¸ n ¡ 1 + : : : + a 1

A n + an¡1 A n¡1 + : : : + a1 A + a0 I = 0

Cette équation permet d’affirmer que pour toute matrice carrée d’ordre n possédant n valeurs propres distinctes n possédant n valeurs propres distinctes

Toute puissance de A supérieure ou égale à n peut s’exprimer en fonction d’une A supérieure ou égale à n peut s’exprimer en fonction d’une

combinaison des puissances de A strictement inferieur à n

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 36
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
36

Résolution des équations d’état

Automatique

Calcul de la matrice de transition

Méthode 3 : La méthode de Cayley-Hamilton :

On peut donc écrire :de transition Méthode 3 : La méthode de Cayley-Hamilton : e At = f n ¡

e At = fn¡1 (t)A n¡1 + fn¡2 (t)A n¡2 + : : : + f1 (t)A + f0 (t)I = 0

La recherche des fonctions) A n ¡ 2 + : : : + f 1 ( t ) A

matrice A vérifiant obligatoirement cette équation, on construit un système de n équations à

n inconnues (les fonctions

La résolution de ce système permet de déterminerun système de n équations à n inconnues (les fonctions f i ( t ) )

fi (t)

)

ne pose aucune difficulté : les valeurs propres de la

fi (t)

e At

:

8

>

>

>

>

<

>

>

>

>

:

e ¸ 1 t = f n¡1 (t) ¸ n ¡1

1

e ¸ 2 t = f n¡1 (t) ¸ n ¡1

2

.

. .

e ¸ n t = f n¡1 ( t) ¸ n ¡1

n

+ : : : + f 1 ( t)¸ 1 + f 0 ( t)

+ : : : + f 1 ( t)¸ 2 + f 0 ( t)

+ : : : + f 1 (t) ¸ n + f 0 ( t)

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 37
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
37

Résolution des équations d’état

Illustration sur un exemple

A = · ¡2 ¡2

¡1 ¡3 ¸

det[¸I ¡ A] = 0

e At = f 1 (t)A + f 0 (t)I = f 1 (t) · ¡2 ¡1

( e ¸ 1 t =

e ¡t = ¡f 1 (t) + f 0 (t)

e ¸ 2 t = e ¡4t = ¡4f 1 (t) + f 0 ( t)

e At = f 1 (t)A + f 0 (t)I = ·

2

e ¡t +

3

¡

1

3 e ¡t +

¸1 = ¡1 ; ¸2 = ¡4

¡2 ¡3 ¸ + f 0 (t) ·

1

0

0

1

¸

( f 0 (t) = 4e ¡t f 1 (t) = e ¡t

3

3

¡ e ¡4t

3

¡ e ¡4 t

3

1 e ¡4t

3

1 e ¡4t

3

¡ 2

3 e ¡t +

1

3 e ¡t +

2 e ¡4t

3

2 e ¡4t

3

¸

Automatique

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 38
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
38

Résolution des équations d’état

Automatique

Calcul de la matrice de transition

Méthode 4 : La méthode de calcul direct (développement de Taylor) :

Cette méthode est basée sur l’expression du développement de Taylor à condition que la: La méthode de calcul direct (développement de Taylor) : matrice d’état soit nilpotente Une matrice

matrice d’état soit nilpotente

Une matrice carrée est dite nilpotente si :Taylor à condition que la matrice d’état soit nilpotente 9 k > 0 tq A n

9k > 0 tq A n = 0 pour n > k

Bien évidemment plus k est petit, plus le calcul direct est simple et rapidenilpotente si : 9 k > 0 tq A n = 0 pour n > k

Le développement de Taylor deplus k est petit, plus le calcul direct est simple et rapide e At est donné

e At

est donné par :

e At = I + At + A 2 t 2 + : : : + A n! t n + : : :

2!

n

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 39
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
39

Résolution des équations d’état

Illustration sur un exemple

A = · 0

0

2

0 ¸

A 2 = · 0 0

0

0 ¸

Automatique

On applique le développement de Taylor, ce qui donne :

e At = I + At = ·

1

0

0

1

¸ + · 0

0

2t

0

¸ = ·

1 2t

0

1

¸

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 40
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
40
Analyse de la commandabilité
Analyse de la commandabilité
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 41
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
41

Analyse de la commandabilité

Définition

Automatique

Un système d’équation d’étatcommandabilité Définition A u t o m a t i q u e commandable ) si

commandable) si pour n’importe quel état initial

contrainte permettant de conduire le système à n’importe quel état final

x_ = Ax + B

u est dit commandable (ou complètement

x0

, il existe une commande sans

x1

en un temps fini

x 0 , il existe une commande sans x 1 en un temps fini Exemples :

Exemples :

- La vitesse d’une voiture n’est pas

commandable par le volant

- La direction d’une voiture n’est pas

commandable par l’accélérateur

voiture n’est pas commandable par l’accélérateur Peut-on trouver un critère mathématique permettant de

Peut-on trouver un critère mathématique permettant de déterminer la commandabilité ?voiture n’est pas commandable par l’accélérateur Cours d’Automatique - MI4 - 2013/2014

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 42
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
42

Analyse de la commandabilité

Critère de Kalman

Automatique

Un système linéaire invariant dans le temps décrit par l’équation d’état :Critère de Kalman A u t o m a t i q u e x _

x_ = Ax + B u

est commandable si et seulement si la matrice de commandabilité plein :

C

(A; B )

C (A; B ) = [B AB A 2 B : : : A n¡1 B ] ) r ang (C ) = n

est de rang

Si le rang de la matrice de commandabilité est égale à pas complètement commandable pas complètement commandable

m < n

donc le système n’est

Uniquement m états sont commandables m états sont commandables

n-m états sont non commandables états sont non commandables

Analyse de la commandabilité

Automatique

Illustration sur un exemple

Soit le système représenté par l’équation d’état suivante :

x_ = Ax + B u

avec :

A = · ¡2 ¡2 ¡1 ¡3 ¸

B = · ¡2 ¸

1

La matrice de commndabilité est formée de deux vecteurs :

C (A; B ) = [B AB ] = · ¡2 1 5 2 ¸ ) det(C ) = 9 6= 0 ) r ang (C ) = n = 2

Donc ce système est commandable

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 44
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
44
Analyse de l’observabilité
Analyse de l’observabilité
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 45
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
45

Analyse de l’observabilité

Automatique

Définition

(

x_

y

= Ax + B u

= C x + D u

i q u e Définition ( x _ y = Ax + B u = C

Un système représenté par les équations d’état :

est dit observable (ou complètement observable) si pour n’importe quel état initial

existe un temps fini

suffisante pour déterminer

t

f

telle que la connaissance de

x0

u(t) x1 x(t) y (t)

et de

x0

pour

t0 ·

t ·

t ) x 1 x ( t ) y ( t ) et de x 0

Remarque :

L’observabilité est aussi appelée

détectabilité

On dit système observable ou détectable

t 0

t 1

Autre définition

x0

, il

tf

t

est

L’état x ( t ) est observable à l’instant t si la connaissance de u

L’état

x(t)

est observable à l’instant

t

si la connaissance de

u(¿ ) y (¿ )

et

sur l’intervalle

t0 ·

¿ ·

t

détermine complètement

x(t)

Peut- on trouver un critère mathématique permettant de déterminer l’observabilité ?

Peut-on trouver un critère mathématique permettant de déterminer l’observabilité ?

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 46
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
46

Analyse de l’observabilité

Automatique

Critère de Kalman

(

x_

y

= Ax + B u

= C x + D u

Un système linéaire invariant dans le temps décrit par l’équation d’état :u e Critère de Kalman ( x _ y = Ax + B u = C

est observable si et seulement si la matrice d’observabilité plein :

O(A; C )

2 3 C 6 7 C A 6 7 6 7 C A 2 O
2
3
C
6
7
C A
6
7
6
7
C A 2
O ( A; C ) =
6
7
) r a ng ( O ) = n
6
.
7
.

4

4 . C A n ¡ 1 5

.

C A n¡ 1

5

4 . C A n ¡ 1 5

est de rang

Si le rang de la matrice d’observabilité est égale à pas complètement observable pas complètement observable

Uniquement m états sont observables m états sont observables

n-m états sont non observables états sont non observables

m < n

donc le système n’est

Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 47
Cours d’Automatique - MI4 - 2013/2014
Polytech’Montpellier - A. CHEMORI
(chemori@lirmm.fr)
47

Analyse de l’observabilité

Automatique

Illustration sur deux exemples

Exemple 1 :

Soit le système représenté par l’équation d’état suivante :

avec :

A = · ¡2 ¡2 ¡1 ¡3 ¸

(

x_

y

= Ax + B u

= C x + D u D = £ 0 ¤

¤

Selon le critère de Kalman, on doit calculer la matrice d’observabilité :

O (A; C ) = ·

A ¸ = ·

C

C

¡2 1 ¡2 0 ¸ ) det(O ) = ¡2 6= 0 ) r ang (O ) = n = 2

Donc ce système est observable

Exemple 2 :

On considère un système représenté par l’équation d’état ci-dessus, avec :

A = · ¡1 0

0

¡2 ¸

Sa matrice d’observabilité est donnée par :

O (A; C ) = ·

C A ¸ = · 0 ¡2 1 ¸ ) det(O ) = 0 6= 0 ) r ang (O ) = 1 < n = 2

C

0

Donc ce système n’est pas observable

B = ·

¡2 ¸

1

C =

£

1

0

B = ·

¡2 ¸

1

C = £ 0

1

¤

D = £ 0