Vous êtes sur la page 1sur 112

Commandes Adaptatives

Aspects pratiques et théoriques

F. Malburet – Version 2011 1


Sommaire

A. Introduction
Commande adaptative

B. Méthodes dites « semi-actives »

C. Commande adaptative
1. Identification et estimation
2. Commande adaptative directe
3. Commande adaptative indirecte

D. Commande floue pour la commande adaptative


F. Malburet – Version 2010-2011

en application au contrôle de la dynamique


(vibration ou trajectoire)

2
Le contexte de la commande

Perturbations
Consignes
Commande adaptative

Actionneur Système Objectifs


Niveau vibratoire
ou Trajectoire

Plusieurs méthodes de « commandes » :

 Passives ;
F. Malburet – Version 2010-2011

 Boucle ouverte ;

 Boucle fermée (semi-active – active) ;

3
« Commandes » passives

Perturbations

Système à
Objectifs
Commande adaptative

Actionneur
commander

Consignes

Dimensionnement
du système pour atteindre les objectifs
F. Malburet – Version 2010-2011

4
Commandes Passives
Commande adaptative

Perturbations

Système à
Pilote Volet
commander
Trajectoire
F. Malburet – Version 2010-2011

5
Le contexte de la commande

Perturbations
Consignes
Commande adaptative

Actionneur Système Objectifs


Niveau vibratoire
ou Trajectoire

Plusieurs méthodes de « commandes » :

 Passives ;
F. Malburet – Version 2010-2011

 Boucle ouverte ;

 Boucle fermée (semi-active – active) ;

6
Commandes « en boucle ouverte »

Perturbations

Système à
Consignes Actionneur Objectifs
Commande adaptative

commander

Donner les bonnes


consignes pour atteindre les objectifs
F. Malburet – Version 2010-2011

Impératif : bien connaître le comportement de l’ensemble

7
Commandes « en boucle ouverte »

Luna 24
1976
Commande adaptative

1 - On estime le comportement du « luna Lander »


(équations d’état)

2 - On définit un instant initial

3 - On définit une séquence de fonctionnement des moteurs


pour atteindre l’objectif (atterrir)
F. Malburet – Version 2010-2011

Perturbations

Lois Moteurs
Luna
atterrissage
Lander
moteurs

8
Le contexte de la commande

Perturbations
Consignes
Commande adaptative

Actionneur Système Objectifs


Niveau vibratoire
ou Trajectoire

Plusieurs méthodes de « commandes » :

 Passives ;
F. Malburet – Version 2010-2011

 Boucle ouverte ;

 Boucle fermée (semi-active – active) ;

9
Commandes en boucle fermée semi-active

Changements structurels pour changer la dynamique


Commande adaptative

Perturbations

Consignes
Système à
Actionneur
commander
Objectifs

Actionneurs
F. Malburet – Version 2010-2011

Mesures

Permet une adaptation à des changements de conditions


de fonctionnement ou des changements de structures

10
Commandes en boucle fermée semi-active

Mesure de la phase : freinage, virage, ligne droite,…


Commande adaptative

Masse M actionneur
modifiant des caractéristiques
F. Malburet – Version 2010-2011

 Modification du laminage (amortissement)

 Modification de la raideur

11
Commandes en boucle fermée - active

régulateur

Perturbations
Consignes
Commande adaptative

Système de Système à
commande Actionneur
commander

Capteurs
F. Malburet – Version 2010-2011

utilisation d’actionneurs et capteurs


pour générer les commandes

12
Commandes en boucle fermée - active
Commande adaptative
F. Malburet – Version 2010-2011

Gérer le mouvement de la masse !

13
Commandes en boucle fermée - active

Méthode active : IBC (Individual blade Control)


Commande adaptative

Actionneur
hydraulique
F. Malburet – Version 2010-2011

14
Rappels de définitions

Techniques pour synthétiser les régulateurs

Commande classique (90%)


Commande adaptative

Régulateur PID

Commande avancée

Commande prédictive : utilisation d'un modèle dynamique du système pour anticiper


son comportement futur.

Commande robuste : permet de garantir la stabilité par rapport aux perturbations


et aux erreurs de modèle.
F. Malburet – Version 2010-2011

Commande adaptative : effectue une identification en temps réel pour actualiser


le modèle du système

Régulateur à Logique floue

Contrôleurs non linéaires utilisant les commandes linéarisantes ou la commande par


modes glissants

15
Motivation à la notion d’adaptation

Système à
commander
Commande adaptative

Nécessité de la connaissance très fine du système à commander


compréhension en détail des mécanismes
et utilisation des lois de la physique

Drone
Efforts aérodynamique

Modèle
F. Malburet – Version 2010-2011

paramétré
Pesanteur

Comportement structure modèle de connaissance ou boîtes grises

16
Motivation à la notion d’adaptation

Système à
Commande adaptative

commander

modèle paramétré

1er type de problème :

Les paramètres évoluent dans le temps (Évolution lente ou rapide)


F. Malburet – Version 2010-2011

estimation en cours de fonctionnement

17
Motivation à la notion d’adaptation

Système à
Commande adaptative

commander

modèle paramétré
2ième type de problème :

- les paramètres sont connus avec une trop grande imprécision


F. Malburet – Version 2010-2011

- le modèle utilisé est trop simple vis-à-vis


du comportement très complexe

les paramètres physiques perdent leur interprétation


et donc leur mesurabilité
18
Motivation à la notion d’adaptation

Système à
Commande adaptative

commander

modèle paramétré
3ième type de problème :

- le comportement est vraiment trop complexe


F. Malburet – Version 2010-2011

modèles paramétrés sans aucune justification


physique

modèles de comportement ou boîtes noires

19
Motivation à la notion d’adaptation

Système à
commander
Commande adaptative

modèle paramétré
Besoin ?

Un système de commande qui s’adapte en


ligne au système à commander
(commande adaptative)
F. Malburet – Version 2010-2011

Système de commande dont les performances


sont peu sensibles aux variations du système à
commander - robustesse

20
Motivation à la notion d’adaptation

Bilan
La commande adaptative est l’ensemble des techniques utilisées
Commande adaptative

afin de maintenir le niveau de performances quand les paramètres


du système ou du procédé sont inconnus ou varient dans le temps

Quand utiliser ce type de technique ?

Quand c’est techniquement nécessaire

Quand c’est économiquement rentable


F. Malburet – Version 2010-2011

 Amélioration des performances


 Économie d’énergie
 Argument de vente,
…

21
Sommaire

A. Introduction
Commande adaptative

B. Méthodes dites « semi-actives »

C. Commande adaptative
1. Identification et estimation
2. Commande adaptative directe
3. Commande adaptative indirecte
F. Malburet – Version 2010-2011

D. Introduction à la commande floue

20%
22
Commandes en boucle fermée semi-actives

Changements structurels pour changer la dynamique


Commande adaptative

Perturbations
Consignes
Système à
Actionneur
commander

Capteurs
F. Malburet – Version 2010-2011

mesures

Permet une adaptation à des changements de conditions de


fonctionnement ou des changements de structures

23
Modifier des caractéristiques

Exemple • moteurs électriques


• servocommande,
• électro-aimant,
Commande adaptative

• smart material,
• …

actionneur
F. Malburet – Version 2010-2011

Objectif de modification:

• Amortissement,
• Raideur,
• position d’une masse,
• …

24
De l’importance des actionneurs

Objectif de modification:

• Amortissement,
• Raideur,
Commande adaptative

• position d’une masse,


• …

Exemples :

Modification continue de section de Laminage

Ouverture/fermeture de valves
Modification de la viscosité (propriétés magnéto-rhéologique)
F. Malburet – Version 2010-2011

Déplacement de masse

Limitation des capacités


(puissance, fréquence, déplacement,…)

25
Exemple d’application semi-actif
Commande adaptative

Suspension semi-active

Silent block « adaptatif »


F. Malburet – Version 2010-2011

26
Méthodologie

Conditions
à gain pré-programmé de fonctionnement

Base
Algorithme de contrôle
de donnée
Commande adaptative

actionneur

à objectif défini / par séquence


Algorithme de contrôle
F. Malburet – Version 2010-2011

actionneur

27
Exemple industriel : isolation

Portance

Couple
Commande adaptative

résistant
Cahier des charges :
Efforts - Rigide en portance et lacet (statique)
latéraux - Filtrer les vibrations transverses

Boîte
de
F. Malburet – Version 2010-2011

Transmission
Principale Motorisation

Fuselage

28
Exemple industriel : isolation

Butée lamifiée
Commande adaptative

Barres BTP

EC155

BTP
Elastomère
F. Malburet – Version 2010-2011

Alliage
d'aluminium

29
Exemple industriel : isolation

Système avec une platine souple


Commande adaptative

EC225

Barres reliant
la structure
à la boîte de transmission
F. Malburet – Version 2010-2011

Eléments souples

30
Exemple industriel – isolation rotor/fuselage

F(t)=F0+Fp(t)
Commande adaptative
F. Malburet – Version 2010-2011

Besoin de filtrer Fp(t) !

31
Exemple industriel – isolation rotor/fuselage

Système anti vibratoire passif

Masse battante
Commande adaptative

Barre BTP

F(t)

Support
Batteur
Masse battante
F(t)
Fixation à la structure Menbranne souple
F. Malburet – Version 2010-2011

modélisation

32
Exemple industriel – isolation rotor/fuselage

Performances du système passif


Commande adaptative

F1  F2
transmissibilité T 
F

4 Transmissibilité T
3,5 AvecDAVI
Avec batteur

F2(t) 3 sans batteur


Sans DAVI
F1(t) 2,5
F. Malburet – Version 2010-2011

2
1,5 isolation
1
0,5
0
0 0,5 1 1,5 2 2,5 3
Anti résonance Fréquence réduite w/wp

33
Exemple industriel – isolation rotor/fuselage
4 Transmissibilité T
3,5 AvecDAVI
Avec batteur

3 sans batteur
Sans DAVI
2,5
2
Commande adaptative

1,5 isolation
1
0,5
0
0 0,5 1 1,5 2 2,5 3
Anti résonance Fréquence réduite w/wp

Réglage optimum fonction :


F. Malburet – Version 2010-2011

- de la masse structure,
- de la mission,

Besoin d’adapter !

34
Exemple industriel – isolation rotor/fuselage

Transformation en système semi-actif

Valeur de l’anti résonance : liée à la raideur de la lame (matériau et dimension)


et à la valeur de la masse et de sa position
Commande adaptative

Déplacer la masse !
Moteur
Liaison glissière
F. Malburet – Version 2010-2011

35
Exemple industriel – isolation rotor/fuselage

Moteur
Commande adaptative
F. Malburet – Version 2010-2011

glissière

Algorithme et Critère de réglage ?


36
Exemple industriel – isolation rotor/fuselage

Critère de réglage : accélération globale

à objectif défini / par séquence


Commande adaptative

n mesures d’accélération dans la structure

12    i2    2n
1,  2 , , n CRITER 
n
F. Malburet – Version 2010-2011

Minimiser la valeur
quelque soit la configuration du système

37
Exemple industriel – isolation rotor/fuselage

Méthode ?

12    i2    2n
CRITER   f  pi  i 1 n
Commande adaptative

Paramètres (position des masses)


F. Malburet – Version 2010-2011

trouver un jeu de paramètres (p1,p2,…,pn)


tel que f(p1,p2,…,pn) soit minimale

Méthode du gradient à pas fixe

38
Exemple industriel – isolation rotor/fuselage

Méthode du gradient à pas fixe

État 1 État 2
Commande adaptative

Choix : constant quelque soit le paramètre

 f 
pi  pi  dp f  pi   f (pi  dp)  f (pi )    dp
 pi 
pour le paramètre i Taylor au 1er ordre
calculée
F. Malburet – Version 2010-2011

Variation bornée
 f  1
    f (pi  dp)  f (pi ) 
 pi  dp
Mesures (influence du dp)
choix

39
Exemple industriel – isolation rotor/fuselage

Algorithme
Commande adaptative

Calculée / mesures
adaptation Nouvelle position
Modification   f  
k 1
des paramètres p  p  dp* signe   k  dp 
k

  pi  
i i
(un par un)

Mesures / nouvel état

Vérification CRITER  SEUIL


F. Malburet – Version 2010-2011

du seuil

OK

Temporisation Dépend de l’application


• fixé à l’avance
• ou suivant la mesure d’un état

40
Exemple industriel – isolation rotor/fuselage

Essais
Evolution du critère (g)
CRITER
0.026
Commande adaptative

0.024

0.022

0.02
F. Malburet – Version 2010-2011

0.018

0 5 10 15 20 25
Nombre d'itérations
Nombre d’itération

41
Exemple industriel – isolation rotor/fuselage

Validation en fonctionnement

Évolution du critère
Evolution du critère (g)en g
0.1
Commande adaptative

0.08

0.06
40 Kts 120 Kts 160 Kts
0.04 Modification
0.02
de la vitesse de vol
0
0 10 20 30 40 50 60 70 80 90 100
Nombre d'itérations
STA DEPARG (m) STA DEPARD (m) STA DEPAVD (m) STA DEPAVG (m)
0.5
0.495
F. Malburet – Version 2010-2011

0.49
0.485
0.48
0.475
0.47
0 10 20 30 40 50 60 70 80 90 100
Nombre d'itérations

42
Exemple industriel – isolation rotor/fuselage

 Bilan
Commande adaptative

Méthode qui fonctionne par itérations

Résultats intéressants si l’évolution n’est pas trop rapide,

Valeur de seuil à définir pas toujours facile !,

Poids et complexification technique ! …


F. Malburet – Version 2010-2011

43
Sommaire

A. Introduction
Commande adaptative

B. Méthodes dites « semi-actives »

C. Commande adaptative
1. Commande adaptative indirecte et directe
2. Identification et estimation
F. Malburet – Version 2010-2011

A. Introduction à la commande floue

36%
44
Commandes adaptative - boucle fermée
Commande adaptative

régulateur
Adapter ! Perturbations

Système de Système à
Actionneur
commande commander
F. Malburet – Version 2010-2011

Capteurs

45
Deux méthodes

Méthode indirecte
Commande adaptative

• Régulateur choisi vis-à-vis du modèle ;


• Paramètres du régulateur adaptés pour réaliser les performances requises

Méthode directe

• Régulateur directement adapté


F. Malburet – Version 2010-2011

• Phase de détermination des paramètres du modèle contournée

46
Méthode indirecte ou explicite

Superviseur Régulation
Paramètres identifiés du système à commander
« lente »
Calcul des
Commande adaptative

paramètres du régulateur Analyse

mesures

Système de Système à
commande Actionneur
commander
F. Malburet – Version 2010-2011

Capteurs

Régulation « rapide »

47
Rappel : régulation RST

T(z) +
Yc (z) U(z)
S(z) -
S(z)
Commande adaptative

Y(z)
T(z) S(z) R(z)
U(z)  Yc (z)  Y(z)
S(z) R(z)

consignes U(z)
Régulateur G(p)
Yc (z) D-A A-D Y(z)
RST
Système physique
F. Malburet – Version 2010-2011

B(z)
 H(z) 
A(z)

Horloge
48
Rappel : régulation RST

Synthèse d’un régulateur RST :

Dimensionner les polynômes R(z) S(z) T(z), pour que la fonction de


transfert en BF Ht(z) soit « identique » à un modèle de référence Hréf
Commande adaptative

Y(z) B(z) T(z)


Ht(z)   H réf (z)
Yc (z) A(z) R(z)  B(z) S(z)

Diverses méthodes de réglage

consignes
Régulateur Y(z)
Yc (z) D-A G(p) A-D
F. Malburet – Version 2010-2011

RST
Système physique

B(z)
 H(z) 
A(z)

49
Méthode indirecte : exemple

Coefficients
de A(z) et B(z)

synthèse
Commande adaptative

Identification
Coefficients du système
de R(z), S(z)
et T(z)

consignes
Yc (z) Régulateur G(p)
D-A A-D Y(z)
RST U(z)
F. Malburet – Version 2010-2011

Système physique

B(z)
algorithme  H(z) 
A(z)

Horloge
50
Méthode directe ou implicite

Superviseur Régulation
« lente »
Paramètres identifiés du système de commande
Commande adaptative

Analyse

mesures

Système de Système à
commande Actionneur
commander
F. Malburet – Version 2010-2011

Capteurs

Régulation « rapide »

51
Méthode directe : exemple

Coefficients
de R(z), S(z)
et T(z)
Commande adaptative

identification

consignes
Yc (z) Régulateur G(p)
D-A A-D Y(z)
RST U(z)
F. Malburet – Version 2010-2011

Système physique

algorithme

Horloge
52
Méthode directe ou indirecte ?

Avantages de la séparation des tâches (indirect) :


Commande adaptative

 Choix du correcteur (PID, RST,…) indépendamment de la méthode


d’identification
 Prise en compte a priori du comportement de système (modèle de
référence)
 Peu de temps de calcul en comparaison avec la méthode directe.

Inconvénients de la séparation des tâches (indirect) :


F. Malburet – Version 2010-2011

 risque d’incompatibilité de la méthode d’identification (génère un modèle


aberrant) et du régulateur (régulateur inconsistant) : burst-out ou éclatement

53
Notion d’auto-ajustement ou auto-tuning

Adaptation : utile pour les phases de démarrage ou les systèmes légèrement


non stationnaires
Commande adaptative

Sinon trop lourd et potentiellement délicate

Solution
Seuil atteint

Déconnection
temps
du mécanisme
F. Malburet – Version 2010-2011

d’ajustement
Démarrage, Régime
phase transitoire stationnaire
,…

Auto-ajustement
54
Régulation à gain programmé ou gain scheduling

Régulateur choisi vis-à-vis de paramètres extérieurs


à choisir parmi des réglages prédéfinis
Méthode qui suppose que les non-linéarités soient connues

Superviseur
Commande adaptative

Base de données

Conditions
Calcul des Analyse de fonctionnement
paramètres du
(mesures)
régulateur

Système de Système à
Actionneur
F. Malburet – Version 2010-2011

commande commander

Capteurs

55
Régulation à gain programmé ou gain scheduling

Exemple de l’aéronautique : pilote automatique des avions


Les composants d’un avion se comportent différemment au décollage au raz du sol,
à 10 000 mètres d’altitudes (températures, pressions…).
ailerons assiette
Commande adaptative

vitesses
Pilote
Acc.

gouvernes

Pilote automatique
F. Malburet – Version 2010-2011

Base de donnée
56
Sommaire

A. Introduction
Commande adaptative

B. Méthodes dites « semi-actives »

C. Commande adaptative
1. Commande adaptative indirecte et directe
2. Identification et estimation

A. Introduction à la commande floue


F. Malburet – Version 2010-2011

47 %
57
Besoin d’estimer le système à commander

Identification ou « estimation »
Superviseur
Commande adaptative

Modèle de
référence

Paramètres identifiés
du système à commander Modèle estimé

Mesures
F. Malburet – Version 2010-2011

Système à
Actionneur
commander

58
Identification ou Estimation

Deux premières possibilités :


- identification en boucle ouverte
- identification en boucle fermée
Commande adaptative

Mesures

Système de Système à
commande Actionneur
commander
F. Malburet – Version 2010-2011

Capteurs

21ième
er Cas
Cas: BO
: BF
59
Identification ou Estimation

Deux autres possibilités :


- mesures des grandeurs d’entrée et de sortie
- mesures des grandeurs de sortie uniquement
Commande adaptative

Mesures

entrée sortie

Système de Système à
commande Actionneur
commander
F. Malburet – Version 2010-2011

Capteurs

60
Notion de modèle de référence

Distinguer :
Commande adaptative

Modèle de commande

Modèle de Modèle grossier, souvent externe,


référence d’ordre réduit, linéarisé

Modèle estimé
F. Malburet – Version 2010-2011

Modèle de simulation

Modèle détaillé, souvent interne,


d’ordre élevé
Performances du processus en BF
(stabilité, précision,…)

61
Méthodes d’identification

Objectif : Construire un modèle à partir de mesures

• Identification non paramétrique


Commande adaptative

- Donne les modèles sous forme de courbe non représentable


sous forme d’un ensemble fini de nombres
Non exploitable ici

• Identification paramétrique

Méthodes déterministes
F. Malburet – Version 2010-2011

Méthodes stochastiques

62
Exemple

Connaître la structure mathématique du système physique !

LTI : Linéaire à coefficient constant


Commande adaptative

D-A G(p) A-D

Système physique G( p)?

Un intégrateur avec K
G( p) 
F. Malburet – Version 2010-2011

un premier ordre ! p 1  T p 

rechercher K et T !

63
méthode paramétrique pour modèle de commande
Ordre n
Analogique

Système discret : équation de récurrence


G( p)
Commande adaptative

D-A G(p) A-D


  G( p)  
H ( z )  1  z 1  Z  L1  
Système physique
  p 
numérique
Y  z  b0 z n 1  b1 z n 2   bn 1
H ( z)  
U z z n   an 1 z  an
F. Malburet – Version 2010-2011

En puissance négative

Valeurs à déterminer
Y  z  b0 z  b1 z   bn 1 z
1 2 n
H ( z)     a1; ; an ; b0 ; bn1
U z 1  a1 z 1   an z  n

64
méthode paramétrique pour modèle de commande

Y  z  b0 z 1  b1 z 2   bn 1 z  n
H ( z)  
U z 1  a1 z 1   an z  n
Commande adaptative

Dans le domaine temporel


équation de récurrence

y  k   a1 y  k  1   an y  k  n   b0 u  k  1  b1 u  k  2    bn1 u k  n 

y  k   a1 y  k  1   an y  k  n   b0 u  k  1  b1 u  k  2    bn1 u  k  n 
F. Malburet – Version 2010-2011

Sortie du procédé y(t) à n'importe quel instant t :


• valeurs des entrées aux instants présents et précédents (u(t), u(t-1), ...)
• valeurs précédentes de la sortie (y(t-1), y(t-2), ...)

Auto Regressive model with eXternal inputs : Modèle ARX

65
Méthode paramétrique pour modèle de commande

y  k   a1 y  k  1   an y  k  n   b0 u  k  1  b1 u  k  2    bn1 u  k  n 
Commande adaptative

équation de récurrence

Bilan

Mesures échantillonnées
?
Aux instants 0,1, ,k

u(0); ; u(k  1)   a1; ; an ; b0 ; bn1


F. Malburet – Version 2010-2011

y(0); ; y(k  1)

Echantillonnage

66
Méthode paramétrique pour modèle de commande

Paramètres du modèles  p
Modèle de référence
(sous forme de vecteur de dimension p)
Commande adaptative

Mesures Vecteur mesure ym  n

Changement de variable

u(0); ; u(k  1) ye (0); ; ye (k  1)


F. Malburet – Version 2010-2011

y(0); ; y(k  1) ys (0); ; ys (k  1)

ym  n
 p

67
Deux classes de méthode

1 - Méthode basée sur l’erreur de sortie


Mesures

entrée ye(k) sortie ys(k)


Commande adaptative

Système à
Actionneur commander

 p

ym(k)
F. Malburet – Version 2010-2011

Modèle

ye(k) err(k)
ys(k) Erreur de sortie
Système
à minimiser

68
Deux classes de méthode

2 - Méthode basée sur l’erreur de prédiction Mesures

entrée ye(k) sortie ys(k)


Commande adaptative

Système à
Actionneur commander

 p

yest(k)
Modèle
Erreur de
F. Malburet – Version 2010-2011

prédictif
prédiction
epre(k)
ye(k) Système à minimiser
ys(k)

69
Deux classes de méthode

Comparaison des méthodes


Commande adaptative

Erreur de sortie
eerr  t   ys  k   ym  k  Non linéaire / aux paramètres

Erreur de prédiction
epre  t   ys  k   yest  k  Linéaire / aux paramètres
F. Malburet – Version 2010-2011

Paramètres qui
Méthode des moindres carrés
minimise l’erreur

70
Méthode basée sur l’erreur de prédiction

Erreur de prédiction
epre  t   ys  k   yest  k 
Commande adaptative

Linéaire / aux paramètres

• Relativement simple à mettre en œuvre


• Peut être implantée en temps réels sur calculateur
F. Malburet – Version 2010-2011

• Réservée à des modèles conduisant à une relation du type


(régression linéaire) .

mesures  H  paramètres  bruit

71
Méthode basée sur l’erreur de prédiction

yest(k)
Modèle
prédictif
Commande adaptative

epre(k)
ys(k)
ye(k) Système
Erreur de prédiction
À l’instant k

epre  t   ys  k   yest  k  ys  k   yest  k   e pre  t 


F. Malburet – Version 2010-2011

ys  k   H(k )   e pre  t 

Vecteur paramètre
Système matriciel pour N mesures

72
Méthode basée sur l’erreur de prédiction

Mesures échantillonnées ?
dim : 2 n

  a1; ; an ; b0 ; bn1
Commande adaptative

n ordre du modèle

y  k   a1 y  k  1   an y  k  n   b0 u  k  1  b1 u  k  2    bn1 u  k  n   e pré k 

Erreur de prédiction

 a1 
 
 
a 
y  k    y  k  1  y  k  n  u  k  1 u  k  n   n   e pré  k 
F. Malburet – Version 2010-2011

 b0 
 
 
Mesures pour : k 1,2, ,2n, , k bn 1 

73
Méthode basée sur l’erreur de prédiction

 e pré (1) 
 y (1) 
 y (2)   a1   e (2)  mesures  H  paramètres  bruit
   pré 
 
   
     
 y (n )   an   e pré ( n ) 
y    e pré   
Commande adaptative

  b
 0    y  H   e pré
 y (2n )     e pré (2n ) 
     
   n 1 
b  
 y ( k )   e pré ( k ) 
 

  y (0) 0 0 u(0) 0 0 
  y (1)  y (0) 0 u(1) u(0) 0 
 
 
 
F. Malburet – Version 2010-2011

  y (n  1)  y (n  2)  y (0) u( n  1) u( n  2) u(0) 
H 
 
  y (2n  1)  y (2n  2)  y (n ) u(2n  1) u(2n  2) u( n ) 
 
 
  y (k  1)  y (k  2)  y ( k  n ) u(k  1) u(k  2) u( k  n ) 

74
Méthode basée sur l’erreur de prédiction

y  H   e pré e pré  Y  H 

J    e pré  k   Y  H 
2 2
Commande adaptative

Linéaire

(Filtre)
ˆ   H H  H y
1
T T
y ˆ
F. Malburet – Version 2010-2011

 y (1) 
 
y  Taille reste constante : filtre à mémoire fixe
 y (k ) 
 
Taille augmente : filtre à mémoire croissante

75
Méthode basée sur l’erreur de prédiction

Filtre à méthode des moindres carrés pondérés


Commande adaptative

J    e pré  k   eTpré  k  e pré  k 


2 Matrice de pondération

J    eTpré W(k) e pré  k 

avec 0,95    1 facteur d'oubli


 k 1 
F. Malburet – Version 2010-2011

 
  k 2
0  Influence forte
W(k)  



J     k 1e2pré (1)   k 2e2pré (2)   e2pré (k )
 0  
Influence faible
 1

76
Deux classes de méthode

Comparaison des méthodes


Commande adaptative

Erreur de sortie
eerr  t   ys  k   ym  k  Non linéaire / aux paramètres

Erreur de prédiction
epre  t   ys  k   yest  k  Linéaire / aux paramètres
F. Malburet – Version 2010-2011

Paramètres qui
Méthode des moindres carrés
minimise l’erreur

77
Méthode basée sur l’erreur de sortie

N mesures
ym(k)
Modèle

ye(k) err(k)
Commande adaptative

ys(k)
Système

eerr  0  ys (0)  ym (0)


n dimension du modèle

eerr  n  1  ys (n  1)  ym (n  1)

eerr  n   ys (n)  ym (n) ym  n   a1 ym  n  1   an y m  0 


F. Malburet – Version 2010-2011

b0 u  n  1   bn 1 u  0 
eerr  n  1  ys (n  1)  ym (n  1)
ym  n  1  a1 ym  n    an ym 1
eerr  N   ... b0 u  n    bn 1 u 1

78
Méthode basée sur l’erreur de sortie

Bilan : méthode non linéaire vis-à-vis des paramètres


Commande adaptative

Méthode des moindres carrés non linéaire


Méthodes de sensibilité

• Temps de calcul long


F. Malburet – Version 2010-2011

• Possibilité de ne pas tenir compte des conditions initiales

79
Sommaire

A. Introduction
Commande adaptative

B. Méthodes dites « semi-actives »

C. Commande adaptative
1. Identification et estimation
2. Commande adaptative directe
3. Commande adaptative indirecte
F. Malburet – Version 2010-2011

A. Introduction à la commande floue

75 %
80
Plan / Logique floue

Type « système expert »


Commande adaptative

1. Principe de la commande floue

2. Synthèse d’un RLF: approche méthodologique

3. PID flou
F. Malburet – Version 2010-2011

Régulateur Logique Floue

81
Principe de la commande floue

Objectif :
traiter des problèmes de commande à partir uniquement
Commande adaptative

de connaissances de comportement
formulées sous forme linguistique

En commande floue, la connaissance


des fonctions de transferts n’est pas nécessaire.
F. Malburet – Version 2010-2011

Regulateur Système à
Logique Floue Actionneur
commander

Capteurs

82
Exemple 1 : Serre Agricole

Bla bla
Paramètres à réguler …

Température
Commande adaptative

Humidité
Rayonnement

Actionneurs

Éclairage
F. Malburet – Version 2010-2011

Ventilation

Chauffage/Refroidissement
Humidification

83
Exemple 2 : Assistance à la conduite
Commande adaptative

Position
F. Malburet – Version 2010-2011

Cap/chaussée Actionneur de
direction
Vitesse Véhicule
Angle volant

84
Avantages et inconvénients de la commande floue

Avantages
1. Théorie simple qui s’applique à des systèmes complexes
Commande adaptative

2. Pas de modèles mathématiques requis du procédé à asservir


3. Robustesse de la commande floue vis à vis des incertitudes.
4. Commande auto-adaptative aux variations du procédé

Inconvénients
F. Malburet – Version 2010-2011

1. Technique de réglage essentiellement empirique.


2. Performances dépendent de l’expertise.
3. Il n’existe pas de théorie générale qui caractérise rigoureusement la
stabilité, la robustesse..(Difficultés de certification dans le transport,
espace…)
85
Boucle de régulation floue standard

Base de connaissance

Variation
commande Mesure
+ erreur Commande
Commande adaptative

Système

-
Variation
RLF
erreur

Entrées : L’erreur et la variation de l ’erreur


F. Malburet – Version 2010-2011

Sortie : La variation de la commande

 On place en sortie du correcteur un intégrateur pour déterminer la


commande effective à appliquer au système.

86
Structure générale d’un correcteur flou (RLF)

Base de connaissances
Commande adaptative

Inférences
Fuzzification Défuzzification
Raisonnement flou

Mesures floues Commande floue

 3 modules pour un régulateur à logique floue.


F. Malburet – Version 2010-2011

1. La fuzzification des entrées et sorties.

2. L’inférence floue selon une base de règle.

3. La défuzzification des sorties.


87
Plan / Logique floue

Type « système expert »


Commande adaptative

1. Principe de la commande floue

2. Synthèse d’un RLF: approche méthodologique

3. PID flou
F. Malburet – Version 2010-2011

88
Approche méthodologique

1 - Étude systémique du système


Commande adaptative

2 - Fuzzifier

3 - Formaliser l’expertise

4 - Choisir la méthode d’inférence


F. Malburet – Version 2010-2011

5 - Défuzzifier

6 - Tester, ajuster et valider la commande


89
1 - Étude systémique du processus à asservir

• Choix des variables E/S pour la description du


fonctionnement du processus à asservir
Commande adaptative

• Choix de la fréquence d’échantillonnage (Filtrage amont ; Critère


de Shannon)

Température
Humidité
F. Malburet – Version 2010-2011

Rayonnement

90
Approche méthodologique

1 - Étude systémique du système


Commande adaptative

2 - Fuzzifier

3 - Formaliser l’expertise

4 - Choisir la méthode d’inférence


F. Malburet – Version 2010-2011

5 - Défuzzifier

6 - Tester, ajuster et valider la commande


91
2 - Fuzzifier

Donner pour chacune des grandeurs :

• Son univers du discours (tel que sa plage de variation physique)


Commande adaptative

Ex : Température peut varier de -10 à 50°

• Les classes d’appartenance floue qui partionnent l’univers du discours


Exemple:
prédicat
Température :
-10° et 0° - très froid
F. Malburet – Version 2010-2011

0° et 15 ° - froid
15° à 30° - tempéré
30° à 40° - chaud
40° à 50° - très chaud

Température très froid , froid , tempéré, chaud , très chaud 


Classe d’appartenance
92
2 - Fuzzifier

Donner pour chacune des grandeurs :

• Les fonctions d’appartenances de chacune des classes définies


Commande adaptative

Qui définissent, pour un vitesse donnée, le degré d’appartenance à chacune


des classes.
F. Malburet – Version 2010-2011

-10° 50°
93
2 - Fuzzifier

Les classes floues doivent se chevaucher mais pas trop…..


Température froide à 100% et tempérée à 100%
Information contradictoire
Commande adaptative

Température non reconnue par le RLF 3 classes se chevauchent : Imprécision….


F. Malburet – Version 2010-2011

94 Bonne partition de l’univers du discours


F. Malburet – Version 2010-2011 Commande adaptative

95
2 - Fuzzifier

TF =0%, …
F=70%, T=30%,
2 - Fuzzifier

Les fonctions d’appartenances sont dans la plupart des applications


des fonctions triangles ou trapèzes
Commande adaptative
F. Malburet – Version 2010-2011

96 Des formes plus compliquées n’apportent rien de plus…


Approche méthodologique

1 - Étude systémique du système


Commande adaptative

2 - Fuzzifier

3 - Formaliser l’expertise

4 - Choisir la méthode d’inférence


F. Malburet – Version 2010-2011

5 - Défuzzifier

6 - Tester, ajuster et valider la commande


97
3 – Expertise : Règles de base

Définition d’un langage linguistique par l’expert concernant l’action

Mesure de la température
Commande adaptative

Température très froid , froid , tempéré, chaud , très chaud 

Température TF , F , T , C, TC

Actionneur
PC pas chauffer
loi de commande PC, AC, AL
F. Malburet – Version 2010-2011

AC chauffer un peu
PC AC AL
1 AL chauffer beaucoup

0 Ampérage
98
1 2 3 4A
Approche méthodologique

1 - Étude systémique du système


Commande adaptative

2 - Fuzzifier

3 - Formaliser l’expertise

4 - Choisir la méthode d’inférence


F. Malburet – Version 2010-2011

5 - Défuzzifier

6 - Tester, ajuster et valider la commande


99
4 – Inférence

Les RLF utilisent une expertise exprimée


Commande adaptative

sous forme d’une base de règles du type :


Si….Alors…

Si  Conditions sur entrées  Alors  Action sur sortie 

« Si la température est froide alors chauffer beaucoup »


F. Malburet – Version 2010-2011

Ces règles sont énoncées à partir des connaissances du procédé


qu’on a en tant qu’expert.

100
4 – Inférence

Les règles sont du type:« Si ( ) …Alors ( ) »

Ainsi la base de règles s’écrit sous forme


Commande adaptative

d’une matrice d’inférence ou tableau de décision

Loi / actionneur

Température TF F T C TC
(70%) (30%)

Actionneur AL AL AC PC PC
F. Malburet – Version 2010-2011

Exemple pour une température donnant :


TF =0%, F=70%, T=30%, C=0%,TC =0%

Jugement : il est vrai à 70 % que cette température est froide,


et à 30 % tempéré
101
Approche méthodologique

1 - Étude systémique du système


Commande adaptative

2 - Fuzzifier

3 - Formaliser l’expertise

4 - Choisir la méthode d’inférence


F. Malburet – Version 2010-2011

5 - Défuzzifier

6 - Tester, ajuster et valider la commande


102
4 – Défuzzification

F T
(70%) (30%)
Commande adaptative

AL AC

PC AC AL
1
70%

30%
0 Ampérage
F. Malburet – Version 2010-2011

1 2 3 4A

Valeur de commande (Barycentre)

103
Cas de plusieurs variables

« Si la température est froide et humidité forte


Commande adaptative

ET
alors chauffer un peu »

OU « Si la température est froide ou humidité forte


alors chauffer beaucoup »
F. Malburet – Version 2010-2011

104
Cas de plusieurs variables

Température TF , F , T , C, TC Humidité N , EZ , P

T=70%, C=30% EZ=10%, N=90%


Commande adaptative

Reste nul Reste nul

Température

TF F T C TC
(70%) (30%)
N AL AL AC PC PC
(90%)
Humidité

EZ AL AC PC PC PC
F. Malburet – Version 2010-2011

(10%)
P AC PC PC PC PC

Que faire ?
105
Cas de plusieurs variables

Que faire ?

Mini pour logique « OU »


- La moyenne (trop long)
Commande adaptative

- Le max ou le min Maxi pour logique « ET »

Température

TF F T C TC
(70%) (30%)
Humidité

N AL AL AC PC PC
(90%) (70%) (30%)
F. Malburet – Version 2010-2011

EZ AL AC PC PC PC
(10%) (10%) (10%)
P AC PC PC PC PC

106
Cas de plusieurs variables

AC PC
(70%) (30%)
Commande adaptative

PC PC
(10%) (10%)
Les maxima

PC AC AL
1
70%

30%
F. Malburet – Version 2010-2011

0 Ampérage
1 2 3 4A

Valeur de commande (Barycentre)


107
Plan / Logique floue

Type « système expert »


Commande adaptative

1. Principe de la commande floue

2. Synthèse d’un RLF: approche méthodologique

3. PID flou
F. Malburet – Version 2010-2011

108
Variante : PID flou

On peut se servir des connaissances pragmatiques que l’on a


des réglages de PID pour changer les coefficients de l’algorithme
PID
Commande adaptative

 Les coefficients du PID sont alors les sorties floues du RLF

La commande est calculée par l’algorithme PID discrétisé

 Te d 
uk  K p   k   k 1     k    k  2   k 1   k 2 
 i Te 
F. Malburet – Version 2010-2011

avec : K p  f floue   k ,  k 
 i  f floue   k ,  k 
 d  f floue   k ,  k 
109
Expertise du PID flou

• un gain proportionnel fort


•réduit le temps de montée
•provoque une dépassement
•sature les actionneurs
Commande adaptative

• un gain intégral fort


• élimine rapidement l’erreur statique
• augmente le temps de montée
• provoque une dépassement en poursuite (lorsque l’écart consigne-mesure est
important).
• un gain dérivée fort
• permet de stabiliser par anticipation
• réduite le temps de montée
F. Malburet – Version 2010-2011

• provoque des transitoires abruptes

En poursuite, on aura tendance à vouloir


 augmenter le gain proportionnel et diminuer les gains intégral et dérivée
En régulation, on aura tendance à vouloir
 diminuer le gain proportionnel et augmenter les gains intégral et dérivée
110
PID flou: conclusion

( deux grandeurs mesurées SP et PV)


Commande adaptative

Les règles seront du type :


« Si SP-PV est négative ET sa dérivée est négative ALORS augmenter Kp

« Si SP-PV est faiblement négative ET sa dérivée est positive ALORS


diminuer Kp » (Comportement en régulation qui évite le dépassement)

Les paramètres du PID flou évolue continûment selon une loi adaptative
F. Malburet – Version 2010-2011

Réalise un compromis entre une bonne commande en poursuite et une bonne


commande en régulation

111
Conclusion sur la logique floue (partielle).

1. Méthode de régulation non linéaire et multi-variables (MIMO).


Commande adaptative

2. Apporte des solutions à des problèmes compliqués ou difficilement


modélisables.

3. Pas de méthodes générales de synthèses. Synthèse effective par


campagne de tests.
F. Malburet – Version 2010-2011

112