Académique Documents
Professionnel Documents
Culture Documents
Renseignements pratiques
Commande Robuste ?
Prologue
c CNES - ill. D. Ducos HRP-2 Promet @ Astrium - Ariane 5 @ Quanser - 3DOF hélico
Prologue
Prologue
n Typologie de modèles :
l Système physique réel - parfois accessible pour expérimentation
l Modèle physique idéal - pour modélisation mathématique
(Agrégat de systèmes élémentaires)
l Modèle mathématique idéal - pour simulation sur calculateurs
(Modèle de connaissance obtenu par application des lois de la physique)
l Modèle mathématique réduit - pour simulations rapides
(Modèle de comportement obtenu par découplage, linéarisation, réduction...)
l Modèle réduit incertain - pour analyse robuste, pessimiste
(Modèle mathématique réduit, simplifié, souvent LTI)
(erreurs contenues dans incertitudes et spécifications de performance)
l Modèle réduit nominal - pour la synthèse de lois de commande
(Modèle sans incertitudes avec un seul critère de performance)
Prologue
n Exemple
l Modèle physique idéal
l Système physique réel
@ Astrium - Ariane 5
Prologue
Références
[Tits and Fan(1995)] A. Tits and M. Fan. On the small µ theorem. Automatica, 31 :1199–1201,
1995.
[Zhou et al.(1996)Zhou, Doyle, and Glover] K. Zhou, J. Doyle, and K. Glover. Robust and Opimal
Control. Prentice Hall, Englewood Cliffs, New Jersey, 1996.
Rappels - Vecteurs
0 1
x
B 1 C
B . C
n Vecteurs réels x = B .. C 2 Rn
@ A
xn
P 2
l Nous utiliserons la norme euclidienne kxk2 = x0i = xT1x
0 1
2 ⇣ ⌘ 2
l ex. x = @ A 2 R , kxk = 2
2 2
1 @ A=5
1 1
n Vecteurs complexes x 2 Cn
P
l Nous utiliserons
0 la norme euclidienne kxk2 =
1 |xi |2 = x⇤ x 0 1
2+j ⇣ ⌘ 2+j
l ex. x = @ A 2 C2 , kxk2 = 2 j 1+j @ A=7
1 j 1 j
kyk
l Nous utiliserons la norme induite kM k = max = max kyk
u6=0 kuk kuk=1
2 3
1 1
sM =4 5
1 1
2 3 2 3
1 1 p
tu=4 5, kuk = 1 7! y = Mu = 4 5, kyk = 2
0 1
p
t donc kM k 2
2 3
1 1
sM =4 5
1 1
2 3 2 3
1 1 p
tu=4 5, kuk = 1 7! y = Mu = 4 5, kyk = 2
0 1
2 3 2 3
0 1 p
tu=4 5, kuk = 1 7! y = Mu = 4 5, kyk = 2
1 1
p
t donc kM k 2
2 3
1 1
sM =4 5
1 1
2 3 2 3
1 1 p
tu=4 5, kuk = 1 7! y = Mu = 4 5, kyk = 2
0 1
2 p 3 2 3
1/2 0
tu=4 p 5, kuk = 1 7! y=4 5, kyk = 0
1/2 0
p
t donc kM k 2
2 3
1 1
sM =4 5
1 1
2 3 2 3
1 1 p
tu=4 5, kuk = 1 7! y = Mu = 4 25, kyk =
0 1
2 p 3 2 p 3
1/2 1/2
tu=4 p 5, kuk = 1 7! y = 24 p 5, kyk = 2
1/2 1/2
t donc kM k 2
2 3 2 3 2 p p 3
2 2 4 0 1/2 1/2
t M ⇤M = 4 5=V⇤4 5 V , avec V = 4 p p 5
2 2 0 0 1/2 1/2
p
t (M ⇤ M ) = {4, 0} , kM k = 4=2
2 3
1 1
sM =4 5
0 1
2 3 2 3 2 3
1 1 0.3820 0 0.8507 0.5257
t M ⇤M = 4 5=V⇤4 5V , V = 4 5
1 2 0 2.6180 0.5257 0.8507
p
t kM k = 2.6180 = 1.6180
2 3
2j 0
sM =4 5
0 1
t kM k = 2
2 3
M1 0
sM =4 5
0 M2
t kM k = max{kM1 k, kM2 k}
Rappels - Signaux
8
< ẋ = Ax + Bu
n Représentations d’état : H ⇠
: y = Cx + Du
l Etat x(t) 2 Rn , entrées u(t) 2 Rm , sorties y(t) 2 Rp
kyk
l Norme induite L2 : kHk1 = sup
u6=0 kuk
s Norme finie si le système est stable (equiv. si (A, B) commandable et (A, C) observable)
8
< ẋ = Ax + Bu
n Représentations d’état : H ⇠
: y = Cx + Du
n Matrice de transfert : Y (s) = H(s)U (s)
1
l H(s) = D + C(sI A) B
kY k
l Norme induite : kHk1 = sup = sup (H(j!))
U 6=0 kU k !2R
s Systèmes SISO kHk1 = sup (H(j!)) = sup |H(j!))| : max diagrame de Bode
!2R !2R
kyk kY k
l Théorème de Parseval kHk1 = sup = sup
u6=0 kuk U 6=0 kU k
1
s H(s) = 2 avec
s2 +2⇣!n s+!n !n = 10, ⇣ = 0.1
8 2 3 2 3
>
> 1 1 0
>
< ẋ = 4 5x + 4 5u
sH ⇠ 2 1 1
>
> h i
>
: y= 1 0 x 0.1u
8 2 3
>
> 1 1 0 0
>
> 6 7
>
> 6
>
>
< ẋ = 6 1.5 1 0 0 77
6 7x + u
sH ⇠ 6 0 0 2 2 7
> 4 5
>
>
>
> 0 0 20 2
>
>
>
: y=x
8 2 3
>
> 1 1 0 0
>
> 6 7
>
> 6
>
>
< ẋ = 6 1.5 1 0 0 77
6 7x + u
sH ⇠ 6 0 0 2 2 7
> 4 5
>
>
>
> 0 0 20 2
>
>
>
: y=x
Robustesse et marges
+
K G +
-
n Interprétation des “marges” : soit une incertitude
Robustesse et marges
1
(A( )) = 5.5 , +3.5
2
Au moins un des pôles est à partie réelles positive = instable.
1
l Exemple avec H( , s) = D( ,s) avec
D( , s) = s4 + 10s3 + 10(10 1
2
)s2 + (10 2
2
)s + 10(1 1
3
+5 2
2
)
( 1, 2) = ( 1, 1) , ( 1, 1) , (1.8, 1) , (1.8, 1)
1
l Exemple avec H( , s) = D( ,s) avec
D( , s) = s4 + 10s3 + 10(10 1
2
)s2 + (10 2
2
)s + 10(1 1
3
+5 2
2
)
s Valeurs stabilisantes de ( 1 , 2)
2.5
1.5
0.5
−0.5
−1
−1.5
−2
−2.5
−2 −1 0 1 2 3 4
D( , s) = a0 + a1 s + a2 s2 + . . . + an sn
le polynôme est stable ssi les quatre polynômes suivants sont stables
a0 + a1 s + a2 s 2 + a3 s 3 + a4 s 4 + . . .
a0 + a1 s + a2 s 2 + a3 s 3 + a4 s 4 + . . .
a0 + a1 s + a2 s 2 + a3 s 3 + a4 s 4 + . . .
a0 + a1 s + a2 s 2 + a3 s 3 + a4 s 4 + . . .
Introduction
s x : état du système
s u : commandes du système (actionneurs)
s y : mesures du système (capteurs)
l Modèles linéaires dans l’espace d’état et matrices de transfert (MIMO)
8 8
< ẋ(t) = Ax(t) + Bu(t) < xk+1 = Axk + Buk
⌃(s) ⇠ ou ⌃(z) ⇠
: y(t) = Cx(t) + Du(t) : yk = Cxk + Duk