Vous êtes sur la page 1sur 9

10.

Contrôlabilité et observabilité

10.1 Contrôlabilité et observabilité des systèmes discréts


En plus de la stabilité, deux autres propriétés du comportement dynamique du système sont la
contrôlabilité (commandabilité) et l’observabilité. Dans les problèmes du contrôle optimal en temps, un système
est conçu de telle manière qu’un état peut être transféré à un autre état en un temps minimal. Avant d’aborder ce
problème, on doit être sûr que le système est complètement contrôlable pour que n’importe quel état peut être
transféré à un état désiré par une loi de contrôle en un temps fini. Dans plusieurs conception des systèmes, la loi
de contrôle est obtenue à partir des observations de la sortie. Pour que les observations de la sortie soient capable
de complètement caractériser l’état, le système doit être complètement observable.
Définition 1 :
L’état x 0 du système
x ( k + 1) = Fx ( k ) + Gu( k ), (101
.)
est dit contrôlable ou commandable s’il existe une séquence de contrôle {u( k )} 0
N −1
tel que l’état x 0 peut être
transféré à un état désiré x d en un temps fini N d’échantillonnage .

Définition 2 :
La représentation du système (10.1) est dite complètement contrôlable (par état), si chaque état de (10.1)
est contrôlable.

Définition 3 :
L’état x 0 du système
x ( k + 1) = Fx ( k ) + Gu( k ), (10.2a )
y ( k ) = Cx ( k ) + Du( k ), (10.2b)
x 0 peut être déterminé d’un ensemble fini d’observations de la sortie { y ( k )} 0 .
N −1
est dit observable, si l’état

Définition 4 :
La représentation (10.2) est dite complètement observable, si chaque état du système (10.2) est
observable.

10.2 Contrôlabilité complète des systèmes numérisés


x 0 du système (10.1) est contrôlable alors il existe une séquence d’entrée {u( k )} 0
N −1
Si tel que
N −1
x d = x ( N ) = F N x 0 + ∑ F N −1− k Gu( k ). (10.3)
k =0
L’expression (10.3) peut être écrite comme
N −1
0 = F N ( x 0 − F − N x d ) + ∑ F N −1− k Gu( k ),
k =0
N −1
= F N x$ 0 + ∑ F N −1− k Gu( k ). (10.4)
k =0

x$ 0 peut être transféré à l’origine par la séquence d’entrée {u( k )} 0


N −1
De l’équation (10.4), il ensuit que . Avec
cette observation, la définition 1 peut être simplifié comme suit :

Définition 1a :
x$ 0 de la représentation (10.1) est dit contrôlable s’il existe une séquence d’entrée {u( k )} 0 tel
N −1
L’état
que x$ 0 peut être transféré à l’origine en un temps fini N d’échantillonnage.
−N
Puisque x$ 0 = x 0 − F x d , pour n’importe quel état initial x 0 et n’importe quel état désiré x d , il
existe un unique x$ 0 . Ainsi x 0 est contrôlable si et seulement si x$ 0 est contrôlable. Contrairement à la définition
1 où l’état désiré x d est arbitraire, l’état désiré de la définition 1a est choisi à l’origine qui est fixe. Alors la
définition de la contrôlabilité de la définition 1a est plus simple.

Critère de la contrôlabilité (par état) complète :


Rappelons de la définition de la contrôlabilité que la représentation (10.1) du système est dite
complètement contrôlable si chaque état x 0 peut être transféré à l’origine en un temps fini N d’échantillonnage

par une séquence de contrôle {u( k )} 0N −1 i.e.


N −1
0 = F N x 0 + ∑ F N −1− k Gu( k ). (10.5)
k =0
En d’autres mots le problème de la contrôlabilité complète du système (10.1) est équivalent au problème de
déterminer s’il existe une solution {u( k )} 0N −1 à l’équation (10.5).
Pour étudier cette question, on réécrit (10.5) comme
QU = − F N x 0 , (10.6)

 u(0) 
 u(1) 
[
Q = F N −1 G F G K G, U=
N −2
 M
.

] (10.7)
 
u( N − 1) 
Remarquer que dans les équations (10.5) et (10.6), on a n équations avec N inconnus {u( k )} 0N −1 . Ainsi une
condition nécessaire pour que (10.5) ou (10.6) ait une solution {u( k )} 0N −1 pour n’importe quel état x 0 est
N ≥ n. Remarquer que si x ∈ R et u ∈ R , alors F est nxn et G est nxr d’ou Q est nxNr et U est Nrx1. On
n r

peut montre que U de (10.6) a une solution différente de zéro si et seulement si rangQ=n, i.e. Q a n lignes
(vecteurs) linéairement indépendants. Ainsi, on a le critère de la contrôlabilité complète suivant.
Théorème 1 :
La représentation du système
x ( k + 1) = Fx ( k ) + Gu( k ), x ∈ Rn u ∈ Rr
est complètement contrôlable si et seulement si
rang Q = rang G [ FG K F N −1G = n. ] (10.8)

Définition 5 :
Une matrice M est dite de rang k, si au moins un kxk mineur de M est diffèrent de zéro, mais tous les
(k+1)x(k+1) mineurs de M sont zéro.
Si M est de rang k, alors M a k lignes ou colonnes linéairement indépendantes.
Ainsi théorème 1 implique que la représentation du système (10.1) est complètement contrôlable si et seulement
si Q de (10.8) a n colonnes ou lignes linéairement indépendantes. Si Q de (10.8) n’a pas le rang égal à n, peut elle
N −1
avoir le rang n en ajoutant plus de termes tels que F G ,K , F G avec N ≥ n ? Le point intéressant est
n

qu’on ne peut pas ! Ceci est dû au théorème de Cayley-Hamilton. Rappelons que pour une nxn matrice F, si
l’équation caractéristique est
n −1
p (λ ) = λ n + α1λ n −1+ K + α n = ∑ α n −l λ l , α 0 = 1,
l =0
alors
F n + α1 F n −1 +K+α n I = 0
F n = −α1 F n −1 −K−α n I
et
F m+ n = − F m (α1 F n −1 +K+α n I )
Alors n’importe quel vecteur F p G avec p ≥ n est linéairement dépendant des vecteurs

{G FG K F n −1G} . Alors rang Q de (10.8) ne peut pas croître en ajoutant plus de termes. Par
conséquent, si la représentation du système (10.1) n’est pas complètement contrôlable en n périodes
d’échantillonnage, alors elle ne peut jamais être complètement contrôlable.
Si la représentation du système (10.1) est complètement contrôlable alors n’importe quel état x 0 peut
être transféré à l’origine en n périodes d’échantillonnage. Pour une période d’échantillonnage N<n, malgré que
pas tous les états x 0 du système peuvent être transférés à l’origine, il y a quelques états qui peuvent être transférés
à l’origine. Dans ce qui va suivre, on étudiera quels états peuvent être transférés à l’origine en périodes
d’échantillonnage plus petites que n. Pour la simplicité du calcul, considérons le cas où r=1 de la représentation
(10.1). D’après l’expression (10.1), la classe des états qui peuvent être transférés à l’origine en une période
d’échantillonnage est donnée par
x (1) = 0 = Fx (0) + Gu(0)
i.e.
x 0 = − F −1Gu(0), (10.9)
pourvu que F n’est singulière. La loi de contrôle qui transféra x 0 à l’origine en une période d’échantillonnage est
alors
u(0) = − (G T G ) −1 G T Fx 0 . (10.10)
L’expression (10.9) implique que si x 0 peut être transféré à l’origine en une période d’échantillonnage, alors
F −1G doit être un vecteur diffèrent de zéro et x 0 doit être colinéaire avec F −1G = e1 .
Exemple 10.1 :
Considérons le système (10.1) avec
 1 1 
− 2 4   1
F= 1 3 et G =  .
 −  2 
 4 4
−1
Le vecteur F G est
− 4
e1 = F −1G =  .
− 4
x2(k)

x x(0)

x1(k)

− 4
e1 =  
− 4

Figure 10.1 : Transfère de x(0) à l’origine.


Ainsi la classe des états qui peut être transféré à l’origine en une période d’échantillonnage doit être colinéaire
avec e1 , i.e. x 0 doit avoir la forme suivante
4α 
x 0 =   , pour n’importe quelle α .
4α 
D’après l’équation (10.9), on a
4α  − 4
x 0 =   = −  u(0),
4α  − 4
alors l’entrée de contrôle est u( 0) = α . (Celle-ci peut aussi être obtenue de l’équation (10.10)).
N’importe quel état x 0 qui n’est sur la droite définie par e1 n’est pas contrôlable en une période
4 
d’échantillonnage. Pour voir cela, prenons x 0 =   et substituons ce vecteur dans l’expression (10.9), on
6
4  4 
x 0 =   =  u(0).
 6   6
Il est évident que u( 0) n’a pas de solution. En d’autres mots, il n’existe pas de u( 0) qui peut transférer x 0 à
l’origine en une période d’échantillonnage.
Vérifions maintenant la matrice de contrôlabilité de l’équation (10.8).
1 0 
Q= G [ ]
FG = 2 − 5 , et rang Q = 2 = n.
 8 
Puisque rang Q = 2 = n , alors la représentation du système est complètement contrôlable. Ainsi, chaque état
4 
x 0 est contrôlable, même x 0 =   .
6
La classe des états x 0 de (10.1), qui peuvent être transférés à l’origine, est que exactement deux
périodes d’échantillonnage doivent être satisfaites.
x (2) = 0 = F 2 x 0 + FGu(0) + Gu(1) (10.11)
i.e.
u(0) 
[
x 0 = − F −1 G F −2 G ] , (10.12)
 u(1) 
pourvu que F n’est pas singulière. L’équation (10.12) implique que la classe des états x 0 qui peuvent être
transférés à l’origine, doit avoir comme base les deux vecteurs linéairement indépendants e1 = F −1G et
e2 = F −2 G . En d’autres mots, x 0 doit être dans le plan qui a pour base e1 et e2 . La séquence de contrôle U
peut être obtenue de l’équation (10.12) comme suit
x0 = −Q U ,

u(0) 
[
Q = F −1 G ]
F −2 G et U =  ,
 u(1) 
la séquence de contrôle est alors donnée par
U = − ( Q T Q ) −1 Q T x 0 . (1013
. )
Si r=1 (une seule entrée) et N=n, alors Q est une nxn matrice non singulière et l’équation (10.13) se réduit à
U = − Q −1 x 0 .
Pour le système de l’exemple 10.1,
 64 
− 4 5
e1 = F −1G =   et e2 = F − 2 G =  48 ,
− 4  
5

x2

4 
x0 =  
6
64 5
e2 =  
 48 5
5 / 2
x(1) =  
5 / 2
x1

− 4
e1 =  
− 4

Figure 10.2 : Transfère de x 0 à l’origine en deux périodes d’échantillonnage.

Puisque e1 et e2 sont linéairement indépendants, ils ne sont pas colinéaires et alors ils forment la base
4 
d’un plan. N’importe quel état x 0 dans l’espace d’états à deux dimensions, cela inclus x 0 =   peut être
6
obtenu de la combinaison linéaire de e1 et e2 . Alors x 0 est contrôlable en deux périodes d’échantillonnage. La
séquence correspondante de contrôle est obtenue de (10.12) ou (10.13) comme
−1
 64 
 − 4  3
u ( 0)  5 4 
 u(1)  = −  48  6 =  5 ,
  − 4     8 
 5
4 
avec u( 0) = 3 , x 0 =   est transféré à
6
 1 1  5
− 2 4  4  1 2
x (1) = Fx (0) + Gu(0) =  1    +
3 6 2   3 =  5 ,
 −   
 4 4 2
− 4
qui est colinéaire avec e1 =   et alors peut être transféré à l’origine en une période d’échantillonnage.
− 4
5
Vraiment avec u(1) = ,
8
 1 1  5 
−     1  5  0
x (2) = Fx (1) + Gu(1) =  12 43   25  +   =  .
2 8  0
 −    
 4 4  2 
5 4  0
Ainsi, la séquence d’entrée u( 0) = 3 , u(1) = transfère x 0 =   à l’origine x( 2) =   en deux périodes
8 6 0
d’échantillonnage.
Remarques :
On peut utiliser la décomposition spectrale pour
1. prouver le théorème de Cayley Hamilton :
Si λi est une valeur propre de la matrice F dont l’équation caractéristique est
n
p (λ ) = det( zI − F ) = λ n + α1λ n −1+ K + α n = ∑ α n −l λ l , α 0 = 1,
l =0
n
alors p (λi ) = ∑ α n −l λil = 0 . Prenons Ei la matrice constituante de la décomposition spectrale de
l =0
n n
F , alors F l = ∑ λil Ei . Multipliant p (λi ) par Ei pour avoir p (λi ) Ei = ∑ α n −l λil Ei = 0
i =1 l =0
alors
n n n

∑ p(λi ) Ei = ∑∑α n−l λil Ei = 0


i =1 i =1 l = 0
n n
= ∑ α n −l ∑ λil Ei = 0
l =0 i =1
n
= ∑ α n −l F l = 0
l =0

= p( F ) = 0
2. Vérifier la contrôlabilité du système :
Rappelons que pour deux matrices A et B de dimensions n × n et m × m respectivement
det( A ⊗ B) = (det( A)) (det( B)) et que
m n

 n n n

G FG L F n −1G  =  ∑ EiG ∑λ E G i i L ∑λ i
n −1
Ei 
 i =1 i =1 i =1 
I λ1I L λ1n−1 I 
 
I λ2 I L λ2n−1 I 
= [ E1G E2G L En G ] 
M M M 
 
 I λn I L λ I  n −1
n

= [ E1G E2G L En G ] (V T ⊗ I )
où V est la matrice de Van Der Monde et det(V ) ≠ 0 si λi ≠ λ j pour i ≠ j . Alors
det( G FG L F n −1G  ) = det([ E1G E2G L En G ])(det(V )) n .
D’ou
rang G( )
FG L F n −1G  = rang ([ E1G E2 G L En G ] ) .

Ainsi, le système est contrôlable si et seulement si det ([ E1G E2G L En G ]) ≠ 0.

10.3 Observabilité complète des systèmes numérisés


Rappelons que l’état x 0 du système (10.2) avec y ∈ R m est observable si l’état x 0 peut être déterminé
de l’ensemble des observations de la sortie { y( k )} N −1
0
. Si chaque état du système (10.2) est observable alors la
représentation du système (10.2) est dite complètement observable.
Pour un état initial x 0 quelconque et une entrée u( k ) quelconque la réponse du système (10.2) est
donnée par
N −1
y ( N ) = CF N x 0 + C ∑ [ F N −1− k Gu( k ) + Du( k )] = y s ( N ) + yi ( N ). (1014
. )
k =0
Remarquer que la réponse est constituée de deux parties, la réponse état zéro (dû strictement à l’entrée) ne fourni
aucune information concernant l’état initial et la réponse entrée zéro. Pour un système linéaire, à cause de la
propriété de superposition, la réponse totale est la somme algébrique de la réponse état zéro et la réponse entrée
zéro. Ainsi, la réponse entrée zéro qui contient des information sur l’état initial x 0 peut être obtenue comme suit :
N −1
y s ( N ) = CF x 0 = y ( N ) − C ∑ [ F N −1− k Gu( k ) + Du( k )].
N
(1015
. )
k =0
D’après l’équation (10.15), on a la définition suivant :
Définition 3a :
Un état x 0 de la représentation du système (10.2) est dit observable si x 0 peut être déterminé de la
N
réponse entrée zéro CF x 0 .
Evidement six 0 est tel que CF N x 0 = 0 ∀N , alors x 0 ne peut pas être déterminé. D’ou x 0 n’est
pas observable. En d’autres mots, si la réponse entrée zéro du système (10.2) dû à l’état initial x 0 est
identiquement zéro pour tout N, alors x 0 n’est pas observable.
Critère de l’observabilité complète :
La représentation du système (10.2) est complètement observable si n’importe quel état x 0 peut être
déterminé de l’équation (10.15). Ainsi, le problème de l’observabilité se réduit au problème de vérification si
l’équation (10.15) a une solution pour un x 0 quelconque. Pour obtenir une condition de l’existence de la
solution, considérons premièrement le cas d’une seule sortie, i.e. m=1. Puisque x 0 ∈ R n , on a n inconnues
{x (0),
1 x 2 (0), K , x n (0)} . Ainsi, on a besoin d’au moins n équations pour être capable de déterminer
x 0 . Pour N = 0, 1, 2,K , l’équation (10.15) donne
 C   y s (0) 
 CF   y (1) 
 x =  s . (10.16)
 M  0  M 
 n −1   
CF   y s (n − 1) 
Il est facile de voir que l’équation (10.16) a une solution unique pour x 0 si et seulement si la nxn matrice
 C 
 CF 
R=  n’est pas singulière i.e. rang R = n. (10.17)
 M 
 n −1 
CF 
La matrice R est régulière implique que R a n lignes ou colonnes linéairement indépendantes. Ainsi, le système
(10.2) est complètement observable si et seulement si la matrice de l’observabilité de l’expression (10.17) a n
lignes ou colonnes linéairement indépendantes. Si rang R < n , le système (10.2) n’est pas complètement
observable en n périodes d’échantillonnage. On se demande si x 0 peut être observé en plus de n périodes
d’échantillonnage ? La réponse est non ! La matrice R devient
 C 
 CF 
R= .
 M 
 N
CF 
Pour N ≥ n, F N est toujours dépendante de {I , F , K , F n −1 } . Ceci est dû au théorème de Cayley-
Hamilton :
[
F n = − a1 F n −1 + a 2 F n − 2 +K+ a n I ,]
n
où p(λ ) = det( λ I − F ) = ∑ ai λ n −i
= 0 est l’équation caractéristique de F avec a 0 = 1.
i =0
Alors même avec N > n, le nombre de lignes ou colonnes de R linéairement indépendantes reste le même que
celui du cas où N = n. On remarque alors que si x 0 n’est pas observable en n périodes d’échantillonnage, il
n’est pas observable pour n’importe quel N ( N > n) périodes d’échantillonnage.
Dans le cas d’un système avec plusieurs sorties, disant m sorties y ∈ R m , la matrice
i.e.
d’observabilité R de l’expression (10.17) devient une mnxn matrice. Il peut démontré que x 0 de l’équation
(10.15) a une solution unique si et seulement si rang R = n . On résume les résultats précédants par le
théorème suivant :
Théorème 2 :
La représentation du système (10.2) est complètement observable si et seulement si la matrice
d’observabilité
 C 
 CF 
R= , (10.18)
 M 
 n −1 
CF 
a le rang égal à n, où les matrices C, F et R sont de dimensions mxn, nxn et mnxn respectivement.
Noter que
 C   CE1 
 CF  CE 
R=   = (V ⊗ I )  2  ,
 M   M 
 n −1   
CF  CEn 
utilisant les mêmes argument que la contrôlabilité, on a
 C    CE1  
   
 CF  
  CE2  
rang   = rang ,
 M   M 
  n −1      
 CF    
 CEn 

  CE1  
 
  CE2  
d’ou det( R ) ≠ 0 si et seulement si det ≠ 0.
 M 
   
 
 CEn  
Exemple 10.2 :
1
Considérons le système continu en temps décrit par G c ( s) = .
s( s + 1)
Les équations d’état de ce système sont
 x&1 (t ) 0 1   x1 (t )  0
 x& (t )  =
0 − 1  x (t )  + 1u(t ), (10.19a )
 2    2   
 x1 (t ) 
[
y (t ) = 1 0  ] . (1019
. b)
 x 2 (t ) 
Pour T=1 sec, le système numérisé de (10.19) est
 x1 ( k + 1)  1 0.632   x1 ( k )  0.368
 x ( k + 1)  = 0 0.368  x ( k )  + 0.632 u( k ), (10.20a )
 2    2   
 x1 ( k ) 
[
y (t ) = 1 0  ] . (10.20b)
 x2 ( k )
Puisque la matrice de contrôlabilité
0.368 0.767 
Q= G [ FG = ] 
0.632 0.233
a le rang égal à n=2. Alors le système (10.20) est complètement contrôlable.
La matrice d’observabilité
C 1 0 
R= = 1 0.632 
CF   
a aussi un rang égal à n=2. D’ou le système est complètement observable. Puisque le système (10.20) est
complètement contrôlable et complètement observable, il peut complètement être caractérisé par sa fonction de
transfert en z.
0.632 z
Gn ( z ) = .
( z − 1)( z − 0.368)
Détermination de l’état initial x 0 :
Si le système ((10.2) est complètement observable alors la matrice R de l’expression (10.18) doit avoir
le rang égal à n et n’importe quel état x 0 peut être obtenu de l’équation (10.15) ou de (10.16) comme suit :
x 0 = ( R T R ) −1 R T y s . (10.21)
Puisque la mnxn matrice R a le rang égal à n, la nxn matrice R T R est non singulière et la mnxn matrice
( R T R) −1 R T est appelée l’inverse de Penrose ou la pseudo-inverse.
Si m=1 (une seule sortie), R est une nxn matrice non singulière et l’équation (10.21) se réduit à
x 0 = R −1 y s . (10.22)

Exemple 10.3 :
Considérons le système (10.20). La réponse entrée zéro due à un certain état initial x 0 est y s (0) = 1 et
y s (1) = 1 . On veut calculer x 0 .
1 0 
Puisque le système (10.20) est complètement observable et R=  . Alors l’équation (10.22) donne
1 0.632 
−1
 x1 (0)  1 0  1 1
x0 =   =    =  .
 x 2 (0)  1 0.632 1 0