Remarques sur la commande basée sur la fonction
de Lyapunov et avec des contraintes de sortie*
Gildas Besançon
Département Automatique
Laboratoire Grenoble Images Parole Signal Automatique
Grenoble Institut National Polytechnique
Grenoble, France
Gildas.Besancon@gipsa-lab.grenoble-inp.fr
Didier Georges
Département Automatique
Laboratoire Grenoble Images Parole Signal Automatique
Grenoble Institut National Polytechnique
Grenoble, France
Didier.Georges@gipsa-lab.grenoble-inp.fr
Résumé—Suivant l'idée originale présentée par le travail de
Gildas Besançon intitulée « A note on constrained stabilization for
nonlinear systems in feedback form » dans IFAC Symposium of
Nonlinear Control Systems à Saint Petersburg en Russie en 2001,
plus récemment re-décrite dans le travail de Keng Peng Tee et al.
intitulé « Barrier lyapunov functions for the control of output-
constrained nonlinear systems » dans Automatica, 45(4), pages 918 à
927 en 2009 et la thèse de Liva Falisoa Rafanotsimiva sur « l’étude
de commandes non linéaires pour les réseaux électriques :
application au système SMIB », Université d’Antsiranana,
Madagascar, 2013, le présent papier met l'accent sur certaines
caractéristiques des fonctions Barrières utilisées comme un outil de
conception pour la commande sous des contraintes de sortie : un
simple choix d'une telle fonction pour la conception backstepping
avec contraintes asymétriques, une application possible pour les
systèmes passifs et un intérêt particulier pour les systèmes
interconnectés. Quelques exemples illustratifs sont présentés
brièvement en conséquence. Le SMIB étant un système constitué
d’une génératrice entrainée par une turbine hydraulique, connectée à
un bus infini par l’intermédiaire de lignes et de transformateur.
Mots clés—Commande non linéaire, contraintes de sortie,
backstepping, systèmes passifs, SMIB, Euler-Lagrange, commande
coordonnée.
I. INTRODUCTION
Manipuler les contraintes est l'une des questions difficiles
pour commander un système dynamique, et divers outils ont
été développés à cet égard, même pour les systèmes non
linéaires. Parmi eux, les méthodes d'optimisation basées sur
des approches comme MPC sont très populaires (voir par
exemple [12, 6, 1]), mais donnent souvent des solutions
numériques. Alternativement, des techniques basées sur
Lyapunov peuvent également apporter des solutions explicites
Ce travail a été partiellement réalisé alors que le troisième auteur était en
visite à GIPSA-lab grâce à une subvention de l’Ambassade de France à
Madagascar en 2010, et en partie présenté à l'IFAC NOLCOS'2001,
ACC'2012. Auteur correspondant : G. Besançon. Tél. +33 (0)4 76 82 62 30.
Fax +33 (0)4 76 82 63 88.
Liva Falisoa Rafanotsimiva
Ecole du Génie Industriel
Institut Supérieur deTechnologie D’Antsiranana
Antsiranana, Madagascar
liva.rafanotsimiva@ist-antsiranana.mg
Jean Marie Razafimahenina
Ecole Supérieure Polytechnique d’Antsiranana
Université d’Antsiranana
Antsiranana, Madagascar
razafimaheninajeanmarie@yahoo.fr
dans certains cas : en particulier, l'utilisation des soi-disant
fonctions Barrières (introduit à l'origine dans un contexte
d'optimisation pure [7]) pour gérer les contraintes de sortie
dans les systèmes de commande a très récemment renouvelé
l'intérêt ([16, 15, 13]), tandis que leur première utilisation dans
un tel contexte a été initialement proposée, à la connaissance
des auteurs, dans [2] (cette idée a également contribué à [3]).
Dans le présent document, le but est de continuer à mettre
l'accent sur les potentialités d'un tel outil en mettant l'accent
sur les différentes classes de systèmes auxquels une telle
approche peut s'appliquer, et choisi pour des raisons
d'illustration : tout d'abord la classe des soi-disant systèmes
sous forme de retour strict, pour lequel il est rappelé que la
célèbre méthode backstepping ([10]) peut être adaptée au cas
de contrainte de sortie ([2, 15]), même dans le cas de
contraintes non symétriques ([4]), d'autre part une classe de
systèmes répondant à une propriété comme passivité pour
lesquels il est montré comment les mêmes techniques peuvent
favoriser la garantie des contraintes de sortie ; troisièmement
les systèmes soumis à des contraintes d'interconnexion pour
lesquels des méthodes similaires peuvent donner une
stabilisation.
Notez que la principale préoccupation ici est donc la
stabilité avec garantie de contrainte de sortie - ce qui signifie
que le résultat peut être au détriment de l'entrée, et que l'étude
formelle de la contrainte d'entrée - déjà largement pris en
compte dans la littérature pour d'évidentes motivations
pratiques (voir par exemple les anti-vent-fort ou techniques de
saturation) – avec telles techniques de protection, est laissée
pour les travaux futurs.
 Premièrement, la section II commente les remarques
théoriques proposées en trois sous-sections, tandis que la
section III donne en conséquence quelques exemples
illustratifs (et qui donne des résultats originaux). La section IV
conclut enfin le papier.
et la procédure backstepping peut continuer ...
Pour un système de troisième ordre, par exemple, en
définissant les notations 6 ; 6 à partir des expressions ci-
dessous :

II. CERTAINES CONFIGURATIONS SOUS =

2 5 & ' ()
CONTRAINTES $ + + % *+ × 06 , +
4 4 () & '

A. Conception basée sur backstepping , -,

8 , 5
Considérons un système soi-disant sous la forme de retour = $ + + 92 +; , +
4 , 4 ,
strict : Avec :
= + , 4 ' &
;= 92
= , + , , 4 , & '
8 , 5
… (1) =$ + + 92 + ; , +×
4 , 4 ,
= ,…, + ,…, ,
06 , , + , , -,
= .
(7)
Avec l'entrée de commande, la sortie à contrôler.
nous pouvons enfin mettre un terme avec le texte suivant :
Il est bien connu que tant que les ne s’annulent pas, une
Proposition A. Considérons le système (1) avec < = 3 et
loi de commande peut être construit à la suite de la procédure
,…, ≥ ? > 0 pour @ = 1 à 3 et pour tout ∈ -!, "0,
dite backstepping ([10]).
, ∈ C et quelques ? ; considérons également tout
Il a également été souligné que l'inégalité d'une contrainte ∈ -!, "0, puis en utilisant les notations de (6) - (7), la loi de
sur la sortie, de la forme | | < pour certains > 0, peut commande suivante :
en outre être garantie tout en stabilisant le système, par un
D8E , , E 35E 9 FE 34 , 9 FG
choix approprié de la première fonction de Lyapunov dans la =− (8)
4E , , E
procédure backstepping, (voir [2], ou plus récemment [14]) :
est bien définie pour tout H ; H ; H > 0, et garantit que :
= (2) ∀ 0 ∈ -!, "0 ; 0 , 0 ∈ C,
Le point ici est de mettre en évidence la façon dont ce (i) J@KL→∞ | − | = 0,
choix peut facilement être adapté au cas où la sortie doit être
réglé à une valeur désirée , tout en répondant à une certaine (ii) ∀ ≥ 0, ! < < " et ; sont bornés.*
contrainte d'inégalité qui peut être d'une certaine forme En effet, la preuve découle directement de la procédure
asymétrique : backstepping (avec les notations ci-dessus) :
!< <" (3)
' &
pour un certain !, " et chaque instant , à chaque fois que la + + ≤ −2H − 2H − 2H .
& '
valeur initiale 0 le satisfait, ainsi que la valeur cible de
parcours . L'idée est juste de commencer ici la procédure où les H apparaissent comme des paramètres de réglage.
backstepping avec une fonction de Lyapunov de la forme [4] : L'approche s'étend évidemment au système (1) pour tout <.
& ' ()
− = $ % *+ (4) B. Conception basée sur la Passivité
() & '
Cela permet notamment de manipuler directement la
contrainte sur (plutôt que l'erreur de suivi − comme La même idée peut être utilisée pour concevoir – re-
dans [14]). concevoir – les lois de commande de manière à garantir des
contraintes de sortie pour les systèmes qui satisfont une
La fonction dans (4) est toujours définie sur , =
-! − ; " − 0 et satisfait bien certaine condition de passivité ([9]).
> 0 tant que ≠ ,
tandis qu’elle s’annule seulement si = . Considérons en effet un système avec la forme ci-dessous :
En outre, il est radialement non bornée sur ,, et satisfait le
long de trajectoires de (1) : = O P+ O P ,
& ' () ' & 02 34 - = O P, (9)
=$ % *+ (5) Avec ∈ C ; ∈ C; ∈ C et ; des fonctions lisses. Puis,
() & ' & '
avec la notation habituelle pour les produits dérivés de Lie
De là, une cible pour peut être choisi de manière (voir par exemple [8]), on a ce qui suit :
appropriée tant que ne s'annule pas sur -!; "0, rendant : Proposition B. Supposons que :
2 5 & ' () • 4ℎ (degré relatif supérieur à 1)
− , = $ + + % *+
4 4 () & ' • ∃S ∶ ∩→ C lisse, et des fonctions définies positives
(6) ; V: ∩→ C pour certains ∩→ C contenant 0 tels
 que : 2 + 4 S ≤ −V , ∀ ∈∩ Alors, si
ghi
≠ 0 seulement pour f ≠ 2 et un certain @, pour
g c
(stabilisabilité avec ∩ comme région d'attraction)
tout ∩X = Y ∈ C c : |ℎ | < Z [∁ ∩ contenant 0, il existe
• 4 =ℎ ou 4 = 2ℎ , ∀ ∈∩
J ∶ ∩X → C telle que : j = Sj j + Jj j pour k = @ ,
(passivité de sortie par rapport à ℎ ou 2 ℎ ).
Sj j autrement, veille à ce que J@KL→∞ ‖ ‖ = 0 pour tout
Alors pour tout ∩X = Y ∈ C : |ℎ | < Z[∁ ∩ contenant 0, gh
Z > 0, il existe J tel que le système piloté par = S +J 0 ∈ ∩X si ≠ 0 pour un @, il existe Z̅ > 0 tel que pour
g c
satisfait J@KL→∞ ‖ ‖ = 0 et | | < Z pour tout 0 ∈ ∩X et tout ∩X comme ci-dessus avec 0 < Z ≤ Z̅ , le résultat en est
≥ 0. de même.

Notez que ∩ = C correspond grosso modo à un résultat Cela signifie à peu près une certaine stabilisation globale
de stabilisation globale, semi-globale par rapport à ℎ . La de (10) sur ∩ ×∩ , semi-globale (respectivement localement)
preuve résulte facilement de l'utilisation d'une fonction de par rapport à ℎ ,ℎ .
Lyapunov modifiée de la forme ^ = + Oℎ P
avec comme dans (2), = Z . En effet, cela donne avec La preuve est similaire à celle de la proposition B (basée
=S +J : sur la modification d'une fonction de Lyapunov + l ).

_ Notez que cela peut être étendu à un plus grand nombre de

^ ≤ −V + 4 J + 2ℎ ,
X _ sous-systèmes et d’interconnexions, ou inversement, que
lorsque le modèle (10) se réduit à une seule équation en
`a _
à partir de laquelle on peut choisir J =− si fonction de b , cette approche donne une conception
X _
_
robuste par rapport à la perturbation b.
4 = ℎ, et J =− si 4 = 2 ℎ, pour conclure.
X _
III. QUELQUES EXEMPLES D’APPLICATION
Notez que le résultat s'étend facilement aux systèmes A. Commande de SMIB
MiMo (Multiple Input Multiple Output).
Comme premier exemple illustratif, nous considérons la
C. Conception basée sur l’interconnexion
conception backstepping basée sur le problème du contrôle de
la tension à la sortie d'un générateur relié à un réseau
Il est bien connu que les contraintes de petit gain peuvent
électrique. En agrégeant le réseau en un « bus infini »
permettre d'étendre des conceptions distinctes à des résultats
équivalent, le modèle se réduit au soi-disant système Machine-
interconnectés (voir par exemple [8]), et donc une troisième
Seule-Bus-Infini (SMIB) [10]. Il peut être représenté comme
application de ces idées peut être la conception des
un modèle non linéaire du troisième ordre :
commandes pour les systèmes interconnectés. Pour l'illustrer,
considérons par exemple un système : = ,
=
= + ,
= + +b , . (10) m n@<O PZ nO P+o + ? n@<O P +
pour certains , , b lisses, les états ∈ C c (de ) et p , (11)
commande ∈ C. Ensuite, on peut déclarer ce qui suit : = m Z nO P+? +q .
Proposition C. Supposons que : où correspond à l'angle de puissance relative du générateur,
la fréquence du réseau d’alimentation, la tension interne
• ∃S : ∩ → C lisse, et des fonctions définies positives en quadrature du générateur, et la tension d'excitation du
, V : ∩ → C pour certains ∩ → C c contenant 0 générateur, alors que m , o , ? , p , q sont des paramètres
tels que 2 + 4 S ≤ −V , constants. Sur cette base, le modèle est clairement sous forme
∀ ∈ ∩ , @ = 1, 2 (stabilisabilité des sous-systèmes de rétour strict (1), et le backstepping peut être utilisé pour la
sur i respectivement), sortie , à condition que n@< ne s'annule pas, à savoir
• ≤? , V +? , V + ∈ -0, r0 . Par conséquent, la proposition A donne une
d
solution de commande pour qui les fonctions , , , 6
? , 9V 9V pour ∈ ∩ et un
suivent directement à partir du modèle (11).
certain ? , = ?̅ Oℎ ,ℎ P continu : Certain résultat de la simulation correspondante est prévu
?̅ 0, 0 = 0 , pour un certain ℎ : C c → C , @ = 1, 2 dans la figure 1, avec des paramètres tirés du banc d'essai
ou 3 quand elle est définie, étudié dans [14] :
ghi
• pour @ ∈ Y1, 2[ de telle sorte que ∃f ∶ ≠0 , m = 45.1 ; o = −1.25 ; p = 35.3 ; ? = −62.7 ;
g c
4 ℎ = 0 et 4 =ℎ ou 4 ℎ , m = 0.371 ; ? = −0.516 ; q = 0.145 ;
∀ ∈∩ conditions initiales données par
0 = x@/2 0 − p ⁄? { et les contraintes choisies
comme ! = 0.1 ; " = r − 0.1 dans le but d'illustration.
On peut voir comment l'angle | peut être entraîné comme on
le souhaite, même à proximité de ses valeurs singulières.
nous simplement prendre l'exemple d'une chaîne de robots
simples - décrite par une position et une vitesse contrôlée,
chacun d'eux ayant à suivre la précédente à une distance
donnée et ne recevoir que les informations qu'il contient pour
autant que la distance reste assez petite (la première ayant à
suivre une cible mouvante dans les mêmes conditions). Cela
se traduit par une série de problèmes de suivi avec des
contraintes sur les erreurs de suivi afin de garantir que la
communication est maintenue. Plus formellement, étant donné
que chaque robot se réduit à :

= ,
= . (15)
Pour l'indice de robot @ = 1 à …, sa position 1 , sa vitesse 2 ,
et sa commande , le problème est de concevoir des lois de
commande pour de manière à assurer que, pour 1 ≤ @ ≤ … :

J@KL→† | − |=b (16)

−b ‡& ≤ − ≤ −b ‡ , ∀ ≥ 0
(17)
Fig. 1. | (continu) vs sa référence (-.) et ses contraintes (--). J@KL→† | − |=0 (18)
où représente le mouvement de la cible mobile pour la
B. Commande de robot sous contrainte tête de la chaîne, b désigne la distance à atteindre entre le
robot @ et le robot @ − 1 , avec b ‡& la distance maximale
Comme deuxième exemple, nous allons montrer comment admissible (pour garder la communication) et b ‡ la
la conception basée sur la passivité peut donner une solution distance minimale admissible (pour éviter la collision), pour
de commande pour les systèmes robotiques sous contraintes. satisfaire bien sûr b ‡ < b < b ‡& .
À cette fin, nous considérons le modèle classique d'Euler- Les résultats de simulation sont fournis dans le cas de deux
Lagrange d'un robot comme suit ([5]) : robots seulement, avec des objectifs identiques à distance b,
valeur minimale b‡ , valeur maximale b‡& , les contraintes
} ~ ~• + € ~, ~ ~ + • ~ = , (12) respectivement sur − et − , les valeurs
numériques choisies comme suit :
où ~, ~ représentent les positions et les vitesses généralisées, b = 0.5; b‡ = 0.1; b‡& = 1;
} la matrice d'inertie (définie positive), €~ la force de une trajectoire de référence = juste linéairement
Coriolis et les forces centrifuges (avec } − 2€ inclinaison croissante par rapport au temps, vitesses initiales nulles et les
symétrique), • l'effet de gravité, et la commande. Un tel positions initiales, comme suit :
système peut généralement être conduit à une position cible ~ 0 = −0.3; 0 = −0.9
par une loi du type PD (pour les matrices définies positives pour satisfaire la contrainte de distance, mais pas la distance
‚ƒ , ‚d ) : de la cible.
Certains résultats sont résumés sur la figure 2 :
= • ~ − ‚ƒ ~ − ~ − ‚d ~. (13)

Maintenant, en notant que lorsque la commande est

changée en :

= • ~ − ‚ƒ ~ − ~ − ‚d ~ + „, (14)

le système d'entrée „ et de sortie ~ est passif (considérer

simplement = ~ { } ~ ~ + ~ − ~ { ‚ƒ ~ − ~ , la
proposition B peut être appliquée pour mieux garantir une
évolution sous contrainte de ~. On peut se référer à [2] pour
une application au cas bien connu du pendule inversé.
Certains exemples plus originaux peuvent être donnés par un
problème de commande de mouvement coordonné : pour un
ensemble de robots mobiles sous contraintes de
communication, cela peut en effet conduire à une contrainte
sur les distances entre eux. Par souci d'illustration, laissez-
Fig. 2. Position coordonnée de suivi sous contrainte
 Pour ≤ 2, on peut voir comment chaque motion a lieu en
effet selon les références.
Au temps = 2Kn , une perturbation est simulée sur le
premier robot, l'éloignant de sa référence, et en diminuant
successivement la distance par rapport au second robot. Il peut
être vérifié que la distance entre le robot 1 et sa référence est
encore maintenue inférieure à b‡& = 1, alors que la distance
entre les deux robots est maintenue supérieure à b‡ = 0.1.
Il peut également être vu sur la figure 3 comment cela est
bien sûr au détriment d'une énergie plus grande de commande,
à la fois pour le robot 1 et le robot 2.
Fig. 3. Position coordonnée de commande sous contrainte
A l'instant = 5n, une perturbation est introduite au robot
2 en l'éloignant de robot 1, et il peut à nouveau être vu sur la
figure 2 comment elle est encore maintenue assez proche pour
ne pas perdre le contact.
A l'instant = 8n une autre perturbation sur le robot 1 tend
à le pousser vers sa référence, ce qui est de nouveau compensé
tout en gardant une distance minimale, et de nouveau l'effet
transmis au robot 2 est également compensé en respectant les
contraintes souhaitées.
Le comportement de la commande correspondante peut
être vu sur la figure 3 en conséquence.
C. Commande basée sur la linéarisation
Comme un simple exemple d'application de la proposition
C, laissez-nous simplement se référer au cas d’un seul sous-
système sujet à une perturbation, par exemple en raison d'une
linéarisation de premier ordre. Par souci d'illustration, prenons
un exemple de la forme ci-dessous :
= ‰O€ P +Š (19)
avec €Š = 0, ‰ lisse (qui peut notamment résulter du modèle
SMIB (11)). En supposant que l'on peut trouver un gain de
commande ‹ pour lesquels il existe des matrices symétriques
définies positives Œ, Q telles que Œ ‰ 0 − Š‹ +
‰ 0 − Š‹ { Œ = −• , ŒŠ = € { , alors la proposition C
s'applique et on peut trouver J de sorte que = −‹ +
J stabilise globalement le système, au niveau local par
rapport à € .
IV. CONCLUSION
Certaines applications possibles de fonctions basées sur la
conception Barrier-Lyapunov pour la commande sous
contraintes ont été soulignées, et quelques exemples concrets
d'illustration ont été proposés en conséquence. Des extensions
à des cas de modèles incertains ou des contraintes différentes
le long des lignes similaires à celles de [15, 16] sont
également possibles, pareilles pour le cas de la conception de
commande par retour de sortie.
[1] M. Alamir. Stabilization of Nonlinear Systems Using Receding-horizon
Control Schemes. Springer, LNCIS 339, 2006.
[2] G. Besançon. A note on constrained stabilization for nonlinear systems
in feedback form. In IFAC Symposium on Nonlinear Control Systems, St
Petersburg, Russia, 2001.
[3] G. Besançon, S. Battilotti and L. Lanari. A new separation result for a
class of quadratic-like nonlinear systems with application to Euler-
Lagrange models. Automatica, 39(6) : 1085-93, 2003.
[4] G. Besançon, D. Georges, L. F. Rafanotsimiva and J. M.
Razafimahenina. Simple strategy for constrained backstepping design
with application to SMIB control. In Proceedings of American Control
Conference, Montreal, Canada, 2012.
[5] C. Canudas de Wit, B. Siciliano and G. Bastin (Eds). Theory of robot
control. Springer, London, 1996.
[6] R. Findeisen and F. Allgower. An introduction to nonlinear model
predictive control. In 21st Benelux Meeting on Systems and Control,
Veldhoven, 2002.
[7] K. R. Frisch. The logarithmic potential method of convex programming.
In Technical Report, Institute of Economics, University of Oslo, Norway,
1955.
[8] A. Isidori. Nonlinear Control Systems. Springer-Verlag (3rd ed.), 1995.
[9] H. Khalil. Nonlinear systems. Prentice Hall (3rd ed.), 2002.
[10] M. Krstiç, I. Kanellakopoulos and P. Kokotoviç. Nonlinear and Adaptive
Control Design. Wiley Interscience, 1995.
[11] P. Kundur. Power System Stability and Control. McGraw-Hill, Inc.,
1993.
[12] D. Q. Mayne, J. B. Rawlings, C. V. Rao and P. O. M. Scokaert.
Constrained model predictive control : stability and optimality.
Automatica, 36 : 789-814, 2000.
[13] K. B. Ngo, R. Mahony and Z. P. Jiang. Integrator backstepping using
barrier functions for systems with multiple state constraints. In joint
44th IEEE Conference on Decision and Control - European Control
Conference, Sevilla, Spain, 2005.
[14] A. R. Roosta, D. Georges and N. Hadj-Said. Nonlinear control of power
systems based on a backstepping method. In Proceedings on 40th IEEE
Conference on Decision and Control, Orlando, FL, USA, 2001.
[15] K. P. Tee, S. S. Ge and E. H. Tay. Barrier lyapunov functions for the
control of output-constrained nonlinear systems. Automatica, 45(4) :
918-27, 2009.
[16] K. P. Tee, B. Ren and S. S. Ge. Control of nonlinear systems with time-
varying output constraints. Automatica, 47(11) : 2511-16, 2011.