Vous êtes sur la page 1sur 75

Commande optimale

Emmanuel Trélat

Notes du cours A08

2007/2008

2

Table des matières

Avant-propos

5

1 Problème de commande optimale, et principe du maximum de Pontryagin

7

1.1 Rappels et préliminaires

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

8

1.1.1 Application entrée-sortie

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

8

1.1.2 Contrôlabilité .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

10

1.1.3 Contrôles singuliers .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

11

1.2 Existence de trajectoires optimales

 

14

1.3 Principe du Maximum faible

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

15

1.3.1 Le problème de Lagrange

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

15

1.3.2 Le problème de Mayer-Lagrange

 

17

1.4 Principe du maximum de Pontryagin

 

20

1.4.1 Enoncé général

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

20

1.4.2 Conditions de transversalité

 

22

1.4.3 Contraintes sur l’état

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

24

1.5 Equation d’Hamilton-Jacobi en commande optimale

 

25

1.5.1 Equations d’Hamilton-Jacobi d’évolution

 

25

1.5.2 Equations d’Hamilton-Jacobi stationnaires

 

28

2 Problème de temps minimal pour les systèmes linéaires

 

29

2.1 Rappels sur la contrôlabilité

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

30

2.1.1 Ensemble accessible

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

30

2.1.2 Contrôlabilité des systèmes linéaires autonomes

 

30

2.1.3 Contrôlabilité des systèmes linéaires instationnaires

 

31

2.2 Existence de trajectoires temps-optimales

 

32

2.3 Principe du maximum dans le cas linéaire

33

3 Problème linéaire-quadratique, applications à la régulation

 

35

3.1 Existence de trajectoires optimales

 

36

3.2 Principe du maximum dans le cas LQ

 

38

3.3 Fonction valeur et équation de Riccati

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

39

3.3.1 Définition de la fonction valeur

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

39

3.3.2 Equation de Riccati

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

40

3

4

TABLE DES MATIÈRES

 

3.4

Applications de la théorie LQ

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

44

3.4.1 Problèmes de régulation

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

44

3.4.2 Filtre de Kalman déterministe

 

48

3.4.3 Régulation sur un intervalle infini et rapport avec la s ta-

 
 

bilisation

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

51

4

Méthodes numériques en contrôle optimal

 

55

4.1 Méthodes indirectes

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

55

4.1.1 Méthode de tir simple

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

55

4.1.2 Méthode de tir multiple

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

56

4.1.3 Rappels sur les méthodes de Newton

 

58

4.2 Méthodes directes

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

59

4.2.1 Discrétisation totale : tir direct

 

59

4.2.2 Résolution numérique de l’équation d’Hamilton-Jacob i

 

60

4.3 Quelle méthode choisir ?

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

62

5

Annexe : théorème de Cauchy-Lipschitz

 

67

5.1 Un énoncé général

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

67

5.2 Systèmes différentiels linéaires

 

69

5.3 Applications en théorie du contrôle

 

70

5.3.1 Systèmes de contrôle linéaires

 

70

5.3.2 Systèmes de contrôle généraux

71

Bibliographie

 

73

Index

74

TABLE DES MATIÈRES

5

Avant-propos

Le cours “ Commande optimale ” a pour but de présenter les aspects théo- riques et numériques de cette discipline, ainsi que des appl ications dans des domaines très divers. La théorie du contrôle (ou commande) a nalyse les pro- priétés des systèmes commandés, c’est-à-dire des systèmes dynamiques sur les- quels on peut agir au moyen d’une commande (ou contrôle). Le b ut est alors d’amener le système d’un état initial donné à un certain état final, en respectant éventuellement certains critères. Les systèmes abordés so nt multiples : systèmes différentiels, systèmes discrets, systèmes avec bruit, ave c retard Leurs origines sont très diverses : mécanique, électricité, électronique , biologie, chimie, éco- nomie L’objectif peut être de stabiliser le système pour le rendre insensible à certaines perturbations (stabilisation), ou encore de dét erminer des solutions op- timales pour un certain critère d’optimisation (contrôle optimal, ou commande optimale). Dans les industries modernes où la notion de rendement est pr épondérante, le rôle de l’automaticien est de concevoir, de réaliser et d’ optimiser, tout au moins d’améliorer les méthodes existantes. Ainsi les domain es d’application sont multiples : aérospatiale, automobile, robotique, aéronautique, internet et les communications en général, mais aussi le secteur médical, chimique, génie des procédés, etc. Du point de vue mathématique, un système de contrôle est un sy stème dynamique dépendant d’un paramètre dynamique appelé le contrôle. Pour le modéliser, on peut avoir recours à des équations différentie lles, intégrales, fonc- tionnelles, aux différences finies, aux dérivées partielles , stochastiques, etc. Pour cette raison la théorie du contrôle est à l’interconnexion d e nombreux domaines mathématiques. Les contrôles sont des fonctions ou des para mètres, habituelle- ment soumis à des contraintes. Une fois le problème de contrôlabilité résolu, on peut de plus vouloir passer de l’état initial à l’état final en minimisant un certain critère ; on parle alors d’un problème de contrôle optimal. La théorie moderne du contrôle optimal a commencé dans les années 50, avec la formulation du principe du maximum de Pontryagin, qui généralise les équations d’Euler-Lagra nge du calcul des va- riations. De nos jours, les systèmes automatisés font compl ètement partie de notre quotidien (nous en sommes souvent inconscients), aya nt pour but d’amé- liorer notre qualité de vie et de faciliter certaines tâches : système de freinage ABS, assistance à la conduite, servomoteurs, thermostats, r égulation hygro- métrique, circuits frigorifiques, contrôle des flux routiers, ferroviaires, aériens, boursiers, fluviaux, barrages EDF, photographie numérique , filtrage et recons- truction d’images, lecteurs CD et DVD, réseaux informatique s, moteurs de re- cherche sur internet, circuits électriques, électronique s, télécommunications en général, contrôle des procédés chimiques, raffinage pétroli er, chaînes industrielles de montage, peacemakers et autres systèmes médicaux automa tisés, opérations au laser, robotique, satellites, guidages aérospatiaux, bioréacteurs, distillation, La liste est infinie, les applications concernent tout sy stème sur lequel on peut avoir une action, avec une notion de rendement optimal.

6

TABLE DES MATIÈRES

Chapitre 1

Problème de commande optimale, et principe du maximum de Pontryagin

D’un point de vue global, un problème de contrôle optimal se f ormule sur une variété M , mais notre point de vue est local et on travaille sur un ouvert V petit de IR n . La problématique générale du contrôle optimal est la suiva nte. Considérons un système de contrôle général

x˙ (t ) = f (t,x(t ),u (t )), x(t 0 ) = x 0 ,

(1.1)

f est une application de classe C 1 de I × V × U dans IR n , I est un intervalle de IR, V ouvert de IR n , U un ouvert de IR m , (t 0 ,x 0 ) I × V . Par ailleurs on suppose que les contrôles u (·) appartiennent à un sous-ensemble de L loc (I, IR m ). Ces hypothèses assurent, pour tout contrôle u , l’existence et l’unicité sur d’une solution maximale x u (t ) sur un intervalle J I , du problème de Cauchy (1.1) (voir section 5.3 en annexe). Par commodité d’écriture on suppose dans toute la suite que t 0 = 0. Pour tout contrôle u L loc (I, IR m ), la trajectoire associée x u (·) est définie sur un intervalle maximal [0,t e (u )[, où t e (u ) IR + ∪ {+∞}. Par exemple si t e (u ) < +alors la trajectoire explose en t e (u ) (théorème d’échappement, ou d’explosion). Pour tout T > 0, T I , on note U T l’ensemble des contrôles admissibles sur [0,T ], c’est-à-dire l’ensemble des contrôles tels que la traject oire associée soit bien définie sur [0,T ], autrement dit T < t e (u ). Soient f 0 une fonction de classe C 1 sur I × V × U , et g une fonction continue sur V . Pour tout contrôle u ∈ U T on définit le coût de la trajectoire associée x u (·) sur l’intervalle [0,T ]

C (T,u ) = T f 0 (t,x u (t ),u (t ))dt + g (T,x u (T )).

0

(1.2)

7

8CHAPITRE 1. PROBLÈME DE COMMANDE OPTIMALE, ET PRINCIPE DU MAXIMUM DE

Soient M 0 et M 1 deux sous-ensembles de V . Le problème de contrôle optimal est de déterminer les trajectoires x u (·) solutions de

x˙ u (t ) = f (t,x u (t ),u (t )),

telles que x u (0) M 0 , x u (T ) M 1 , et minimisant le coût C (T,u ). On dit que le problème de contrôle optimal est à temps final non fixé si le temps final T est libre, sinon on parle de problème à temps final fixé .

1.1 Rappels et préliminaires

Un problème de contrôle optimal se décompose en deux parties : pour dé- terminer une trajectoire optimale joignant un ensemble ini tial à une cible, il faut d’abord savoir si cette cible est atteignable. C’est le problème de contrô- labilité . Ensuite, une fois ce problème résolu, il faut chercher parm i toutes ces trajectoires possibles celles qui le font en coût minimal . Dans cette section, nous effectuons quelques rappels sur le p roblème de contrôlabilité.

1.1.1 Application entrée-sortie

Considérons pour le système (1.1) le problème de contrôle suivant : étant donné un point x 1 IR n , trouver un temps T et un contrôle u sur [0,T ] tel que la trajectoire x u associée à u , solution de (1.1), vérifie

x u (0) = x 0 ,

x u (T ) = x 1 .

Ceci conduit à la définition suivante.

Définition 1.1.1. Soit T > 0. L’application entrée-sortie en temps T du sys- tème contrôlé (1.1) initialisé à x 0 est l’application

E T : U u −→

−→

IR n x u (T )

U est l’ensemble des contrôles admissibles, i.e. l’ensemble de contrôles u tels que la trajectoire associée est bien définie sur [0,T ].

Autrement dit, l’application entrée-sortie en temps T associe à un contrôle u le point final de la trajectoire associée à u . La régularité de E T dépend bien entendu de l’espace de départ et de la forme du système. En toute généralité on a le résultat suivant (voir par exemple [1, 5, 9, 8]).

Proposition 1.1.1. Considérons le système (1.1) où f est C p , p 1, et soit U ⊂ L ([0,T ], IR m ) le domaine de définition de E T , c’est-à-dire l’ensemble des contrôles dont la trajectoire associée est bien définie sur [0,T ]. Alors U est un ouvert de L ([0,T ], IR m ), et E T est C p au sens L .

1.1.

RAPPELS ET PRÉLIMINAIRES

9

De plus, la différentielle (au sens de Fréchet) de E T en un point u ∈ U est

donnée par le système linéarisé en u de la manière suivante. Posons, pour tout

t [0,T ],

A(t ) = f ∂x (t,x u (t ),u (t )) ,

Le système de contrôle linéaire

B (t ) = f

u (t,x u (t ),u (t )).

y˙ v (t ) =

A(t )y v (t ) + B (t )v (t )

y v (0) = 0

est appelé système linéarisé le long de la trajectoire x u (·). La différentielle de Fréchet de E T en u est alors l’application dE T (u ) telle que, pour tout v

L ([0,T ], IR m ),

dE T (u ).v = y v (T ) = M (T ) T M 1 (s)B (s)v (s)ds

0

(1.3)

M est la résolvante du système linéarisé, i.e. la solution matricielle de

˙

M = AM,M (0) = Id.

Démonstration. Pour la démonstration du fait que U est ouvert, voir [8]. Par hypothèse u (·) et sa trajectoire associée x(.,x 0 ,u ) sont définis sur [0,T ]. L’en- semble des contrôles étant les applications mesurables et b ornées muni de la norme L , l’application E T est de classe C p sur un voisinage de u (·) en vertu des théorèmes de dépendance par rapport à un paramètre. Expr imons sa diffé- rentielle au sens de Fréchet. Soit v (·) un contrôle fixé, on note x(·) + δx (·) la trajectoire associée à u (·) + v (·), issue en t = 0 de x 0 . Par un développement de Taylor, on obtient

d

dt (x + δx )(t ) = f (t,x(t ) + δx (t ),u (t ) + v (t ))

= f (t,x(t ),u (t )) + f (t,x(t ),u (t ))δx (t ) + f

∂x

u (t,x(t ),u (t ))v (t )

+

2

xu ∂ f (t,x(t ),u (t ))(δx (t ),v (t )) + · · ·

Par ailleurs, x˙ (t ) = f (t,x(t ),u (t )), donc

dt (δx )(t ) = f (t,x(t ),u (t ))δx (t ) + f u (t,x(t ),u (t ))v (t ) + · · ·

d

∂x

En écrivant δx = δ 1 x + δ 2 x +

quadratique, etc, et en identifiant, il vient

δ 1 x est la partie linéaire en v , δ 2 x la partie

dt (δ 1 x)(t ) = f (t,x(t ),u (t ))δ 1 x(t )+ f

d

∂x

u (t,x(t ),u (t ))v (t ) = A(t )δ 1 x(t )+B (t )v (t ).

10CHAPITRE 1. PROBLÈME DE COMMANDE OPTIMALE, ET PRINCIPE DU MAXIMUM DE

Or x(0) + δx (0) = x 0 = x(0), donc δx (0) = 0 et la condition initiale de cette équation différentielle est δ 1 x(0) = 0. En intégrant, on obtient

δ 1 x(T ) = M (T ) T M 1 (s)B (s)v (s)ds

0

M est la résolvante du système homogène dt (δ 1 x)(t ) = f (t,x(t ),u (t ))δ 1 x(t ),

d

∂x

c’est-à-dire M (t ) = A(t )M (t ) avec A(t ) = f (t,x(t ),u (t )) et M (0) = I n . On

˙

∂x

observe que δ 1 x(T ) est linéaire et continu par rapport à v (·) en topologie L .

C’est donc la différentielle de Fréchet en u (·) de E T .

Remarque 1.1.1. En général E T n’est pas définie sur L ([0,T ], IR m ) tout entier à cause de phénomènes d’explosion. Par exemple si on considè re le système scalaire x˙ = x 2 + u,x (0) = 0, on voit que pour u = 1 la trajectoire associée explose en t = π , et donc n’est pas définie sur [0,T ] si T π

, et donc n’est pas définie sur [0 ,T ] si T π 2 2 .

2

2 .

1.1.2 Contrôlabilité

On veut répondre à la question suivante : étant donné le systè me (1.1), où peut-on aller en temps T en faisant varier le contrôle u ? On rappelle tout d’abord la notion d’ensemble accessible.

Définition 1.1.2. L’ensemble accessible en temps T pour le système (1.1), noté Acc(x 0 ,T ), est l’ensemble des extrémités au temps T des solutions du système partant de x 0 au temps t = 0. Autrement dit, c’est l’image de l’application entrée-sortie en temps T .

Rappelons le résultat suivant (pour une preuve, voir [9]).

Théorème 1.1.2. Considérons le système de contrôle

x˙ = f (t,x,u), x(0) = x 0 ,

où la fonction f est C 1 sur IR 1+ n+ m , et les contrôles u appartiennent à l’en- semble U des fonctions mesurables à valeurs dans un compact IR m . On suppose que

– il existe un réel positif b tel que toute trajectoire associée est uniformément bornée par b sur [0,T ], i.e.

b > 0 | ∀u ∈ U

t [0,T ]

x u (t ) b,

(1.4)

– pour tout (t,x), l’ensemble des vecteurs vitesses

V (t,x) = {f (t,x,u) | u }

(1.5)

est convexe. Alors l’ensemble Acc(x 0 ,t ) est compact et varie continûment en t sur [0,T ].

1.1.

RAPPELS ET PRÉLIMINAIRES

11

Remarque 1.1.2. L’hypothèse (1.4) est indispensable, elle n’est pas une con sé- quence des autres hypothèses. En effet considérons de nouvea u le système de la remarque 1.1.1, i.e. x˙ = x 2 + u,x (0) = 0, où on suppose que |u | 1 et que le temps final est T = π . Alors pour tout contrôle u constant égal à c, avec

2

0 < c < 1, la trajectoire associée est x c (t ) = c tan ct , donc est bien définie sur [0,T ], mais lorsque c tend vers 1 alors x c (T ) tend vers +. Par ailleurs il est facile de voir que sur cet exemple l’ensemble des contrôles a dmissibles, à valeurs dans [1, 1], est l’ensemble des fonctions mesurables telles que u (t ) [1, 1[. De même, l’hypothèse de convexité (1.5) est nécessaire (voi r [6, Exemple 2 page 244]).

Définition 1.1.3. Le système (1.1) est dit contrôlable (en temps quelconque) depuis x 0 si

IR n = Acc(x 0 ,T ).

T 0

Il est dit contrôlable en temps T si IR n = Acc(x 0 ,T ).

Par des arguments du type théorème des fonctions implicites , l’étude de la contrôlabilité du système linéarisé (qui est plus simple), permet de déduire des résultats de contrôlabilité locale du système de départ (voir [1, 6]). Par exemple on déduit du théorème de contrôlabilité dans le cas linéaire la proposition sui- vante.

Proposition 1.1.3. Considérons le système (1.1) où f (x 0 ,u 0 ) = 0. Notons

∂f

A = f (x 0 ,u 0 ) et B = u (x 0 ,u 0 ). On suppose que

∂x

rg B |AB | · · · |A n 1 B = n.

Alors le système est localement contrôlable en x 0 .

Remarque 1.1.3. En général, le problème de contrôlabilité est difficile. Il es t lié à la question de savoir quand un semi-groupe opère transitivement. Il existe cependant des techniques pour montrer, dans certains cas, l a contrôlabilité glo- bale. L’une d’entre elles, importante, s’appelle la technique d’élargissement (voir [1, 5]).

1.1.3 Contrôles singuliers

Définition 1.1.4. Soit u un contrôle défini sur [0,T ] tel que sa trajectoire associée x u issue de x(0) = x 0 est définie sur [0,T ]. On dit que le contrôle u (ou la trajectoire x u ) est singulier sur [0,T ] si la différentielle de Fréchet dE T (u ) de l’application entrée-sortie au point u n’est pas surjective. Sinon on dit qu’il est régulier.

Proposition 1.1.4. Soient x 0 et T fixés. Si u est un contrôle régulier, alors E T est ouverte dans un voisinage de u .

12CHAPITRE 1. PROBLÈME DE COMMANDE OPTIMALE, ET PRINCIPE DU MAXIMUM DE

Démonstration. Par hypothèse, il existe n contrôles v i tels que dE T (u ).v i = e i

(e 1 ,

,e

n ) est la base canonique de IR n . On considère l’application

(λ 1 ,

n ) IR n −→

E T (u +

n

i=1

λ i v i ).

Par construction, c’est un difféomorphisme local, et le résu ltat s’ensuit.

Autrement dit en un point x 1 atteignable en temps T depuis x 0 par une trajectoire régulière x(·), l’ensemble accessible Acc(x 0 ,T ) est localement ouvert , i.e. est un voisinage du point x 1 . En particulier cela implique que le système est localement contrôlable autour du point x 1 . On parle aussi de contrôlabilité le long de la trajectoire x(·). On obtient ainsi la proposition suivante.

Proposition 1.1.5. Si u est un contrôle régulier sur [0,T ], alors le système est localement contrôlable le long de la trajectoire associée à ce contrôle.

le long de la trajectoire associée à ce contrôle. Le corollaire suivant est immédiat. Corollaire 1.1.6.

Le corollaire suivant est immédiat.

Corollaire 1.1.6. Soit u un contrôle défini sur [0,T ] tel que sa trajectoire associée x u issue de x(0) = x 0 est définie sur [0,T ] et vérifie au temps T

x(T ) ∂Acc(x 0 ,T ).

Alors le contrôle u est singulier sur [0,T ].

Remarque 1.1.4. Le système peut être localement contrôlable le long d’une tr a- jectoire singulière. C’est le cas du système scalaire x˙ = u 3 , où le contrôle u = 0 est singulier.

Montrons qu’une trajectoire singulière peut se paramétrer comme la projec- tion d’une solution d’un système hamiltonien contraint. Co nsidérons de nouveau le système de contrôle général

x˙ (t ) = f (t,x(t ),u (t )),

(1.6)

f est une application de classe C 1 de IR 1+ n+ m dans IR n .

Définition 1.1.5. Le Hamiltonien du système (1.6) est la fonction

H : IR × IR n × (IR n \ {0}) × IR m ( t,x,p,u )

−→

−→

IR H ( t,x,p,u ) = p,f ( t,x,u )

, est le produit scalaire usuel de IR n .

Remarque 1.1.5. Il est souvent commode de considérer p comme un vecteur ligne, et alors avec des notations matricielles on peut écri re

H (t,x,p,u) = pf (t,x,u).

Nous ferons toujours par la suite cette confusion, et le vecte ur adjoint sera tantôt un vecteur ligne, tantôt un vecteur colonne, pour alléger le s notations.

1.1.

RAPPELS ET PRÉLIMINAIRES

13

Proposition 1.1.7. Soit u un contrôle singulier sur [0,T ] pour le système de contrôle (1.6), et soit x(·) la trajectoire singulière associée. Alors il existe une application absolument continue p : [0,T ] −→ IR n \ {0}, appelée vecteur adjoint, telle que les équations suivantes sont vérifiées pour presque tout t [0,T ]

x˙ (t ) = H ∂p (t,x(t ),p(t ),u (t )),

p˙ (t ) = H ∂x (t,x(t ),p(t ),u (t )),

∂H

∂u

(t,x(t ),p(t ),u (t )) = 0,

H est le hamiltonien du système.

(1.7)

(1.8)

(1.9)

L’équation (1.9) est appelée équation de contrainte .

Démonstration. Par définition, le couple (x,u ) est singulier sur [0,T ] si dE T (u ) n’est pas surjective. Donc il existe un vecteur ligne ψ IR n \ {0} tel que pour tout contrôle v dans L on ait

ψ.dE T (u ).v = ψ T

0

Par conséquent

M (T )M 1 (s)B (s)v (s)ds = 0

ψM (T )M 1 (s)B (s) = 0

p.p. sur [0,T] .

On pose p (t ) = ψM (T )M 1 (t ) pour tout t [0,T ]. C’est un vecteur ligne de IR n \ {0}, et p (T ) = ψ . On a par dérivation

p˙ (t ) = p (t ) f ∂x (t,x(t ),u (t )).

En introduisant le Hamiltonien H (t,x,p,u) = pf (t,x,u), on obtient

f (t,x(t ),u (t )) = H ∂p (t,x(t ),p(t ),u (t )),

et

p (t ) f (t,x(t ),u (t )) = H (t,x(t ),p(t ),u (t )).

∂x

∂x

La dernière relation vient de p (t )B (t ) = 0 car B (t ) = f

u (t,x(t ),u (t )).

B ( t ) = ∂ f ∂ u ( t,x ( t ) ,u (

Remarque 1.1.6 (Interprétation géométrique du vecteur adjoint) . Si u est un contrôle singulier sur [0,T ] alors u est aussi singulier sur [0,t ] pour tout t ]0,T ], et de plus p (t ) est orthogonal à l’image de l’application linéaire dE t (u ). En particulier Im dE t (u ) est un sous-espace de IR n de codimension supérieure ou égale à 1.

14CHAPITRE 1. PROBLÈME DE COMMANDE OPTIMALE, ET PRINCIPE DU MAXIMUM DE

En effet, on a pour tout contrôle v L ([0,t ], IR m )

p (t )dE t (u ).v =

p (t )M (t ) t M (s) 1 B (s)v (s)ds,

0

or p (t ) = ψM (T )M (t ) 1 , d’où en prolongeant v (s) par 0 sur ]t,T ],

p (t )dE t (u ).v = ψM (T ) T M (s) 1 B (s)v (s)ds = ψdE T (u ).v = 0.

0

Remarque 1.1.7. La proposition 1.1.7 et les remarques précédentes sont les p ré- misses du principe du maximum de Pontryagin.

1.2 Existence de trajectoires optimales

Maintenant, en plus d’un problème de contrôle, on se donne un problème de minimisation : parmi toutes les solutions du système (1.1 ) reliant x 0 à x 1 , trouver une trajectoire qui minimise une certaine fonction coût C (T,u ). Une telle trajectoire, si elle existe, est dite optimale pour ce coût. L’existence de trajectoires optimales dépend de la régularité du système e t du coût. Il se peut aussi qu’un contrôle optimal n’existe pas dans la classe de c ontrôles considérés, mais existe dans un espace plus gros. En particulier on a inté rêt à travailler dans un espace de contrôles complet et qui ait de bonnes propriété s de compacité :

voilà pourquoi à nouveau l’espace L 2 est intéressant.

Théorème 1.2.1. Considérons le système de contrôle

x˙ (t ) = f (t,x(t ),u (t )),

f est C 1 de IR 1+ n+ m dans IR n , les contrôles u sont à valeurs dans un compact IR m , et où éventuellement on a des contraintes sur l’état

c 1 (x) 0,

,c

r (x) 0,

c 1 ,

pacts de IR n tels que M 1 est accessible depuis M 0 . Soit U l’ensemble des contrôles à valeurs dans joignant M 0 à M 1 . Soient f 0 une fonction de classe C 1 sur IR 1+ n+ m , et g une fonction continue sur IR n . On considère le coût

r sont des fonctions continues sur IR n . Soient M 0 et M 1 deux com-

c

C (u ) = t( u) f 0 (t,x(t ),u (t ))dt + g (t (u ),x(t (u ))),

0

t (u ) 0 est tel que x(t (u )) M 1 . On suppose que – il existe un réel positif b tel que toute trajectoire associée à un contrôle u ∈ U est uniformément bornée par b sur [0,t (u )], i.e.

b > 0 | ∀u ∈ U

t [0,t (u )]

x u (t ) b,

(1.10)

1.3. PRINCIPE DU MAXIMUM FAIBLE

15

– pour tout (t,x) IR 1+ n , l’ensemble des vecteurs vitesse augmenté

V ˜ (t,x) = {(f 0 (t,x,u),f (t,x,u)) | u }

(1.11)

est convexe. Alors il existe un contrôle optimal u sur [0,t (u )] tel que la trajectoire associée joint M 0 à M 1 en temps t (u ) et en coût minimal.

Bien entendu pour un problème de contrôle optimal à temps fina l fixé on impose t (u ) = T (et en particulier on suppose que la cible M 1 est accessible depuis M 0 en temps T ). La preuve de ce théorème résulte du théorème 1.1.2, en consid érant le sys- tème augmenté

x˙ (t ) = f (t,x(t ),u (t )),

x˙ 0 (t ) = f 0 (t,x(t ),u (t )).

Remarque 1.2.1. On peut montrer un résultat plus général où l’ensemble de départ M 0 et la cible M 1 dépendent du temps t , ainsi que le domaine des contraintes sur le contrôle (voir [6]).

1.3 Principe du Maximum faible

Le principe du maximum de Pontryagin est difficile à démontrer dans toute sa généralité. En revanche, lorsqu’il n’y a pas de contraint e sur le contrôle, la preuve est simple, et on arrive au principe du maximum dit fai ble. C’est à cette version plus simple que nous allons d’abord nous intéresser . Dans la section suivante, nous passerons au cas général.

1.3.1 Le problème de Lagrange

Ce problème simplifié est le suivant. On cherche des conditio ns nécessaires d’optimalité pour le système

x˙ (t ) = f (t,x(t ),u (t )),

(1.12)

où les contrôles u (·) ∈ U sont définis sur [0,T ] et les trajectoires associées doivent vérifier x(0) = x 0 et x(T ) = x 1 ; le problème est de minimiser un coût de la forme

C (u ) = T f 0 (t,x(t ),u (t ))dt,

0

(1.13)

T est fixé. Associons au système (1.12) le système augmenté suivant

x˙ (t ) = f (t,x(t ),u (t )),

x˙ 0 (t ) = f 0 (t,x(t ),u (t

)),

(1.14)

16CHAPITRE 1. PROBLÈME DE COMMANDE OPTIMALE, ET PRINCIPE DU MAXIMUM DE

˜

et notons x˜ = (x,x 0 ), f = (f,f 0 ). Le problème revient donc à chercher une trajectoire solution de (1.14) joignant les points x˜ 0 = (x 0 , 0) et x˜ 1 = (x 1 ,x 0 (T )), et minimisant la dernière coordonnée x 0 (T ).

L’ensemble des états accessibles à partir de x˜ 0 pour le système (1.14) est

Accx 0 ,T ) = ) x˜ (T,x˜ 0 ,u ).

˜

u( ·

Le lemme crucial est alors le suivant.

Lemme 1.3.1. Si le contrôle u associé au système de contrôle (1.12) est optimal pour le coût (1.13), alors il est singulier sur [0,T ] pour le système augmenté

(1.14).

Démonstration. Notons x˜ la trajectoire associée, solution du système augmenté

(1.14), issue de x˜ 0 = (x 0 , 0). Le contrôle u étant optimal pour le coût (1.13), il

˜

en résulte que le point x˜ (T ) appartient à la frontière de l’ensemble Accx 0 ,T )

(voir figure 1.1). En effet sinon, il existerait un voisinage du point x˜ (T ) =

(x 1 ,x 0 (T )) dans Accx 0 ,T ) contenant un point y˜(T ) solution du système (1.14)

et tel que l’on ait y 0 (T ) < x 0 (T ), ce qui contredirait l’optimalité du contrôle u . Par conséquent, d’après la proposition 1.1.4, le contrôle u est un contrôle

singulier pour le système augmenté (1.14) sur [0,T ].

˜

pour le système augmenté (1.14) sur [0 ,T ] . ˜ x 0 ˜ Acc(˜x ,T
x 0 ˜ Acc(˜x ,T ) 0 x 0 (T ) x 1 x
x 0
˜
Acc(˜x
,T )
0
x 0 (T )
x 1
x

Fig. 1.1 – Ensemble accessible augmenté.

Dans la situation du lemme, d’après la proposition 1.1.7, il existe une ap- plication p˜ : [0 ,T ] −→ IR n+1 \ {0} telle que x, p,˜ u