Vous êtes sur la page 1sur 60

République Algérienne Démocratique et Populaire

‫ار التع يم العالي ال حث الع مي‬


Ministère de l’enseignement supérieur et de la recherche scientifique

‫جامعةمحمد خيض بسك‬


Université Mohamed Khider–Biskra ‫ك ية الع و التكنولوجيا‬
Faculté des Sciences et de la technologie ‫ال ندسة الك بائية‬: ‫قسم‬
Département de GénieElectrique
Ref :

Filière : Automatique

Cours
Commande Avancée

Réalisé par :
Dr.TERKI Nadjiba

Septembre 2017
Sommaire.
Chapitre.1 Notions préliminaires sur
La commande numérique des systèmes

1.1 Introduction........................................................................................................................... 3
1.2 Quelque définition de base................................................................................................... 3
1.3 Commande numérique des systèmes..................................................................................... 5
1.4 Principe de calcul des régulateurs numériques..................................................................... 10
1.5 Conclusion............................................................................................................................. 11

Chapitre.2 Commande RST par approche polynomiale

2.1 introduction........................................................................................................................... 12
2.2 Structure du correcteur RST.................................................................................................. 12
2.3 Transferts du système de commande RST............................................................................. 12
2.4 Rejet de perturbations par correcteur RST............................................................................ 15
2.5 Calcul d’un correcteur RST en régulation............................................................................. 16
2.6 Calcul d’un correcteur RST en poursuite.............................................................................. 17
2.7 Mise sous forme RST d’un PID numérique.......................................................................... 18
2.8 Conclusion............................................................................................................................. 24

Chapitre.3 Commande Adaptative

3.1 Introduction ........................................................................................................................... 25


3.2 Commande adaptative directe et indirecte................................................................................. 27
3.3 Commande adaptative par modèle de référence (MRAC)................................................. 28
3.4 Synthèse de MRAC par approche Du Gradient .................................................................... .....28
3.5 Synthèse de MRAC par approche de Lyapunov...................................................................... 31
3.6 Commande adaptative à Régulateurs auto-ajustables (STR).................................................. 37
3.7 Conclusion........................................................................................................................... 44
Chapitre.4 commande Robuste

4.1 Introduction …………………………………………………………….................................... 45


4.2 Notion d'incertitudes des modèles... .......................................................................................46
4 .3 Valeurs singulières d’une matrice de transfert ...................................................................... 46
4.4 46
Norme H∞................................................. ... ................................................................................
4.5 Synthèse H∞…........ ................................................................................................................................
47
4.6 Résolution du problème H∞standard par équations de Riccati.................................................... 53
4.7 Conclusion............................................................................................................................ 58

Bibliographie

Bibliographie .......................................................................................................................... 59
Chapitre 1 Notions préliminaires

Chapitre 1.

Notions préliminaires sur


La commande numérique des systèmes

1.1 Introduction
1.2 Quelque définition de base
1.3 Commande numérique des systèmes
1.4 Principe de calcul des régulateurs numériques
1.5 Conclusion

1.1. Introduction
Le but de ce chapitre est de rappeler quelques notions et outils nécessaires à la compréhension
du contenu de ce manuscrit. Il est scindé en trois parties : la première partie est consacrée à la
représentation quelque définition de base. Dans la seconde partie, nous aborderons le problème de
la commande numérique. Le principe de calcul des régulateurs numériques sera également
présentées dans la troisième partie.

1.2. Quelque définition de base


1.2.1. Signal continu
Le signal présent où tout instant, son énergie en général finie
1.2.2. Signal échantillonnée
un signal échantillonné est composé d’une série d’impulsion de Dirac, l’énergie d’un
signal échantillonnée est finie.
1.2.3. Signal discret : une séquence de valeur distinct, valeurs numérique qui sont les valeurs du
signal continu aux instant d’échantillonné

3
Chapitre 1 Notions préliminaires

x(k)

k
x(t)
Signal échantillonné
𝑥′ = 𝑥( 𝑇 )𝜕( − 𝑇)
X(t)
t x(k)
Signal continu

Signal discret k
Figure 1.1 : types des signaux.

1.2.4. Système continu

equation différentirlle
Peut être présente par {
fonction de transfert

x(t) y (t)

x(p) y(p)
G(p)
Sortie continu t
t Entrée continu
Figure 1.2 : système continu

1.2.5. Système échantillonné


Un système échantillonné peut avoir des signaux soit continu ou échantillonnée discret
y(t)
y(k)

k G(p)
t

entrée discrète sortie continue

Figure 1.3 : système échantillonné

4
Chapitre 1 Notions préliminaires

1.2.6. Système Discret

Equation aux defference


peut etre présenté {
F. T en Z
y(k)
x(k)

D(z)
k k
entrée discrète sortie discrète

Figure 1.4. : système échantillonné

Remarque : En générale on ne fait pas la distinction entre les signaux échantillonnées et discrets

1.3. Commande numérique des systèmes


Utilisation d’un calculateur (microprocesseur) dans une boucle de régulation ou commande.

1.3.1 Réalisation d’un régulateur (type analogique)

horloge

e(t) U(t)
C.A.N calculateur C.N.A Procedé
-
e(k) U(k)
-

Figure 1.5 régulateur numérique de type analogique


e(t) : C.A.N  e(k) U(k) : C.N.A  U(t)

Pour se rapprocher d’un régulateur type analogique, il faut augmenter la fréquence


d’échantillonnage (F  Te↓) ; plus on augmente fe plus on se rapproche du signal analogique.

Inconvénient : la période d’échantillonnage étant très faible, le calculateur n’as pas le temps pour
faire de petit calcul (on applique un algorithme de régulation simple).

1.3.2 Système à régulation numérique

La relation entre y(k) et u(k) détermine un modèle dynamique échantillonné du procédé.

horloge
r(k) U(k) U(t) y(t) y(k)
calculate C.N. Proce C.A.
- A
Procédé discrétisé

Figure 1.6 système à régulation numérique

5
Chapitre 1 Notions préliminaires

Avantages

1- La fréquence d’échantillonnage est choisie en fonction de la bande passante du procédé


continu.
On aura fe = (10÷50) fois plus faible que la première méthode en conséquence la période
d’échantillonnage est plus élevé.
2- Le calculateur a beaucoup plus de temps pour effectuer le calcule d’un algorithme plus
complexe. D’où la possibilité d’utiliser le calculateur d’une façon intelligente « algorithme
complexe ».

Remarque

Il faut noter que la commande par calculateur ouvre la possibilité de mettre en œuvre différentes
stratégies de commande très performantes qui ne peuvent pas être mis en œuvre par des régulateurs
analogiques. Cependant, dans un certain nombre de cas il est possible de remonter au paramètre du
régulateur continu équivalent.

1.3.3 principe de fonctionnement du C.A.N, B.O.Z, CNA

le principe de fonctionnement du convertisseur analogique numérique, bloqueur d'ordre zéro et le


convertisseur numérique analogique est résumé dans la figure 6.1.

x(t) x(k)

C.A.N

t k
Signal continu Signal échantillonné
y(k)
y(t)
B.O.Z
t
m k

z(t)
z(k)
C.N.A
B.O.Z

k
Signal échantillonné k Signal continu t

Figure 1.7 principe de fonctionnement du C.A.N, B.O.Z, CNA

6
Chapitre 1 Notions préliminaires

1.3.4 Choix de la fréquence d’échantillonnage

Condition de Shannon : fe≥2fmax et fmax = fe/2 : fréquence du nyquist.

avec f max est la fréquence maximum à transmettre.

fe≥2fmax ; limite théorique, mais en pratique on prendra des valeurs plus élevés que 2 fmax.

Remarque : avant de procéder à la discrétisation d’un signal on utilise des filtres anti-repliement
pour assurer la condition de Shannon, ceci permettra d’éviter la distorsion des signaux.

a) Choix pratique fe (en automatique)

f = ÷ BF
Bp
(1.1)
fBBF : Bande passante du système en bouche fermé.
k
Exemple : G p = +τ p

w0=1/0=2fbp fPB = πτ
= ⁄T
π π
< ⁄T < <T < τ
πτ πτ

𝐺
1/
w

Figure 1.8 réponse fréquentielle d'un premier ordre

Donc
k τ
pour G p = <T <τ (1.2)
+τ p

. .
Pour 2éme ordre 0.71 w
≤T ≤w (1.3)
tableau1.1 fréquence d'échantillonnage pratique pour différent variable physique en automatique

Type de variable Te(s)


Débit 1à3
Niveau 5 à 10
Pression 1à5
Température 10 à 45
Asservissement d’un moteur 0.01 à 0.1

7
Chapitre 1 Notions préliminaires

1.3.5 Modèle échantillonné d’un procédé

Soit un système de premier ordre de fonction de transfert G(p)

k
G p =
+τ (1.4)

y p k k
= y p ( + τ ) = kx p p. y p = x p − ⁄τ y p
x p + τp τ

Ce système de premier ordre peut être décrit par l’équation différentielle suivante.

dy t k
= x t − y t
dt τ τ (1.5)

x(t) 1/p y(t)


𝜏

1/

Figure 1.9 schéma de simulation d'un premier ordre continu

Pour obtenir le système discret équivalent

dy t y t+T −y t
=
dt T

y t+T −y t k
+ y t = U t
T τ τ
pour le temps normalisé ( la fréquence d'échantillonnage T =1)

T k
y t+ = −( − )y t + T U t
τ τ
T k
y t = −( − )y t− T + T U t − T
τ τ
k
y t = −a q− y t + T q− U t (1.6)
τ

y t +a z = b z− U z

y z b z− b (1.7)
= =
U z + a z− Z+a

8
Chapitre 1 Notions préliminaires

y(t)
q-1 b1
u(t)

a1 q-1

Figure 1.10 schéma de simulation d'un premier ordre discret

Relation entre Z et p

Le demi plan gauche se transforme a l’intérieur du cercle unité.

Le système est stable si tout les pole à l’intérieur du cercle unité |Z| <

| |< 𝑒
x
stable Z=eTep x
x x

Figure 1.11 Relation entre Z et p

1.3.6 Forme générale des modèles échantillonnés

P  1-q-1 1/p  − −

y t =− ai y t − i + bi u t − d − i (1.8)

∑i= −di t
i i (1.9)
Avec G p = ∑i= i i

De (1.8)

y t + ∑ a i y t − i = ∑ bi u t − d − i
A(q-1)y(t) = q-qB(q-1)u(t) (1.10)
q− B q− (1.11)
G q− =
A q−
A(q-1) = 1+ a1q-1+…..+anq-n = 1+q-1A*(q-1) /A*(q-1)=a1+a2q-1+….+anq-n
(1.12)
B(q ) = b1q +……..+b’mq =q B (q )
-1 -1 -m -1 * -1
/B (q )=b1+b2q +…+bmq
* -1 -1 -(m+1)

9
Chapitre 1 Notions préliminaires

z− B z− (1.13)
G z =
A z−
1.3.7 Stabilité des systèmes échantillonnés

Pour que le système échantillonné soit asymptotiquement stable if faut que tout les racines
du d’énumérateur de la fonction de transfert (en z) soit où l’intérieur du cercle unité

B Z−
G Z− =
A Z−

1+a1zi-1+……+anzi-n=0 |Zi | < (1.14)

1.4 Principe de calcul des régulateurs numériques


Structure des régulateurs numérique : considérons un PI analogique.

+ Ti + Tn (1.15)
GPI p = k ( + )= Ti =
Ti p p Ti
K

k
x(t) y(t)
+ procedé
- +
k 1/Tip

Figure 1.12 structure d'un PI analogique

Régulation analogique intégration, dérivation

Régulation numérique  décalage, multiplication, addition

la fonction de transfert d'un régulateur proportinnel intégral analogique est:

U p =k + r−y
Ti

q : opérateur de décalage

P  − q−
p − q−
k
k − q− +T
i
U t = r−y
− q−

10
Chapitre 1 Notions préliminaires

k k
− q− U t = [k − q− + ] r t − [k − q− + ]y t
Ti Ti

S(q-1)U(t)=T(q-1)v(t)-R(q-1)y(t) (1.16)

S(q-1)=1-q-1 = 1 + s1q-1 s1=-1


(1.17)
R q− = T q− = k ( + ) − kq− = r + r q−
Ti

U(t)=-s1u(t-1)-r1y(t)-r1y(t-1)+r0r(t)+r1r(t-1) (1.18)

R q− T q−
U t =− y t + r t
S q− S q− (1.19)

-s1 q-1 U(t)


r0 +
r(t) + - procédé
-1 - y(t)
q r1
r0

r1 q-1

Figure 1.13 Structure d’un PI numérique

U(t)=-s1u(t-1)-r1y(t)-r1y(t-1)+r0r(t)+r1r(t-1)

la figure 1.3 : illustre la structure de calcul de la commande U(t), cette commande est une Moyenne
pondère les coefficients du régulateur de la sortie mesuré aux instants t, t-1,. (t-n), et des valeurs
précédentes de la commande t-1, t-2, t-n.

1.5 conclusion
Ce chapitre a permis d’introduire les notions et les outils nécessaires pour appréhender les
différentes méthodes de commande avancées qui seront développées aux chapitres suivants.
Ainsi, nous avons, rappelés quelques notions de base sur les signaux systèmes continus et
discrets. Nous avons, en outre, présenté un rappel sur la régulation numérique des systèmes
dynamiques linéaires invariant.

11
Chapitre2 Commande RST par approche polynomiale

Chapitre 2.
Commande RST par approche polynomiale

2.1 Introduction
2.2 Structure du correcteur RST
2.3 Transferts du système de commande RST
2.4 Rejet de perturbations par correcteur RST
2.5 Calcul d’un correcteur RST en régulation
2.6 Calcul d’un correcteur RST en poursuite
2.7 Mise sous forme RST d’un PID numérique
2.8 Conclusion

2.1 Introduction
Le but de ce chapitre est donner le principe de la commande numérique suivant la structure RST.
Le nom Régulateur RST provient des trois polynômes qu'il fait intervenir, le calcul des coefficients
des deux filtres R et S se fait en régime de régulation. et les coefficient du filtre T se fait en régime
de poursuite. Le principe de calcul des régulateurs numériques PID suivant la structure RST sera
également présentées.
2.2 Structure du correcteur RST
Le nom Régulateur RST provient des trois polynômes qu'il fait intervenir. L’intérêt de cette
structure particulière est d imposer en plus des pôles en boucle fermée, certains Zéros en boucle
fermée et de séparer (ou découpler) les comportements dynamiques vis-à-vis de la consigne
(régime de régulation et poursuite) et des perturbations éventuelles.
Le Régulateur RST est dit à deux degrés de Liberté, c-à-d, le calcul des coefficients des
deux filtres R et S se fait en régime de régulation. et les coefficient du filtre T se fait en régime de
poursuite.

Un Régulateur RST relie linéairement la commande, la mesure yc et la référence r par


l'équation :

R z U z =T z Y z −S z Y z (2.1)

12
Chapitre2 Commande RST par approche polynomiale

IL y'as donc pas une comparaison directe entre Y(z) et Yc(z)


La structure théorique du régulateur RST est présentée par la figure 2.1 :

u(z)
𝑌 𝑧 T(z)
1/s(z)
− -
𝑌 𝑧
R(z)

Figure 2.1 : Structure théorique de la régulation RST.

Ou R, S,T sont des polynômes en la variable z.


La structure représentée sur la figure2.1 n'est pas implantable telle quelle puisque les polynômes
R(z) et T(z) ne présentent pas de transferts propres reliant les entrées aux sorties.
L’équation 2.1 du régulateur RST s'écrit :
T z R z
U z = Y z − Y z (2.2)
S z S z

L’équation 2.2 est illustrée par la figure 2.2

u(z)
𝑌 𝑧 𝑧
− -
𝑧
𝑌 𝑧
𝑧
𝑧

Figure 2.2. Structure du régulateur RST pratique.

Symboliquement on représente on présente la régulation RST du processus G z

Yc(z) U(z) y(z)


RST G(z)

Figure 2.3. Représentation symbolique du régulateur RST


(Z−1 )
Tel que G Z− = z− Z−1
présente (CNA+ procède + CAN)

13
Chapitre2 Commande RST par approche polynomiale

2.3 Transferts du système de commande RST

yc(t) T(q-1) 1/S(q-1) (q− B(q-1)/A(q -1


y(t) )) y(t)

R(q-1)

Figure 2.4. Boucle de commande avec le régulateur RST

B q−
G q− = q− (2.3)
A q−
A(q-1)=1+a1q-1+…….+anq-n
B(q-1)=b1q-1…….+bnq-n=q-1B*(q-1)
d= nombre de période d’échantillonnage qui sont contenues dans le retard pur.
La FTBF

q− T q− B q− T q− B q−
G F q− = = q− (2.4)
A q− S q− + q− B q− R q− p q−
Avec R, S, T sont des polynômes de degrés ns , nr nT
S(q-1)=1+S1q-1+S2q-2+………..+ Sns q-ns
R(q-1)=r0+r1q-1+ ………..+ rnr q-nr
T(q-1)=1+T1q-1+T2q-2+………..+ TnT q-n
P(q-1) définit les pôles en BF et le comportement en régime de régulation

p q− = A q− S q− + z − B q− R Zq− = + p qz − + p q− +.. (2.5)

3
Ce correcteur est appelé un correcteur a deux degrés de liberté car il permet d’assurer des
performances différentes pour la régulation (la détermination des coefficients des polynômes R, S)
et la poursuite (la détermination des coefficients du polynôme T).
Les polynômes R et S un degré de liberté qui va permettre de faire de la régulation.
Le polynôme T introduit un degré de liberté supplémentaire qui va permettre de faire la poursuite.

Condition de réalisation :
Afin d'assurer la condition de causalité il faut
ns ≥ nT ns ≥ nr
Afin de ne pas introduire un retard dans la commande et la réaction du système, on prend souvent
les polynômes de même degrés, c'est à dire ns = nT = nr

14
Chapitre2 Commande RST par approche polynomiale

ceci est réalisable dans le cas ou le temps de conversion NA, AN sont négligeables para port à la
période d'échantillonnage.
Dans le cas contraire on prend ns -1 = nT = nr
2 .4 Rejet de perturbations par correcteur RST
Considérons un système soumis à des perturbations en amont et en aval présenté dans la
figure 2.5 Wu Wy

+ +
-1 + - (B(q-1)/A(q-1))q-d
+
T(q ) 1/S(q y(t)
yr((t) -- 1
)1/S(q-
+ (B(q-1y(t)
)/A(q-1))

R(q-1)

Figure 2.5 . Rejet de perturbations par correcteur RST

yr (t) est la consigne.


v(t) est la perturbation agissant au niveau de la commande.
p(t) est la perturbation agissant au niveau de la sortie du procédé
b(t) représente le bruit de mesure (généralement un bruit se situant dans les hauts fréquences).

La fonction de transfert en boucle fermé est donné par

T q− B q− y q− + B q− S q− Wu + A q− S q− W
y q− = (2.6)
A q− S q− + B q− R q−
Influence d’une perturbation additive sur la sortie du procédé. Objectif de la commande (i.e. le
choix des polynômes R, S,T) est de réduire l’effet de la perturbation sur la sortie (au moins a niveau
de certaines zones temporelles).
Pour rejeter l'effet de la perturbation il est nécessaire la présence de l intégrateur
donc S(q-1)=(1-q-1)lS*(q-1)
l est le nombre d'intégration nécessaire pour annuler l'erreur

Remarque :
En générale il y’a deux régime de réglage
- Régime de régulation (si la consigne est constante et la perturbation varie).

- Régime de poursuite (dans le cas où l’entrée est variable)

15
Chapitre2 Commande RST par approche polynomiale

2.5 Calcul d’un correcteur RST en régulation


Méthode de placement de pôle est applicable pour les systèmes
- Sans restriction sur les degrés des polynômes A(q-1), B(q-1) de la fonction de transfert du
procédé.
- Sans restriction sur le retard du procédé (d).
P(q-1)=A(q-1)S(q-1)+q-dB(q-1)R(q-1) (2.7)
Il faut résoudre cette équation pour trouver R(q-1) et S(q-1) avec le polynôme P(q-1) supposé spécifié
Définition : le degré r est défini

− −
B q−
r = max n, m + d G q =q
A q−
L’équation (*) as une solution unique si et seulement si

le degré du polynôme P q− ≤ r
{
le degré du S q− = deg(R q− ) = r −

S(q-1)=1+S1q-1+S2q-2+………..+Sr-1q-r+1=1+q-1S*(q-1)
R(q-1)=r0+r1q-1+ ………..+ rr-1q-r+1
P(q-1)=AS+ q-dBR (2.8)

n(r-1) d .m.r
Pour résoudre d’équation (**) on écrit le forme matricielle Mx=P
xT=[1,s1……..sr-1,r0……..rr-1]
pT=[1,p1……..pr-1,……..p2r-1]
La matrice M contient les coefficient des polynômes A,B
Mx =P

Erreur statique
Pour avoir une erreur statique nulle (entrée ou perturbation en échelon), la voix (chaine)
directe doit contenir une régulation numérique
S(q-1)= (1-q-1)S*(q-1)=H2(q-1)S*(q-1) (2.9)

Filtre H(q-1)
R’(q-1) = H1(q-1)F(q-1)

16
Chapitre2 Commande RST par approche polynomiale

H q− = − αq− avec <α< (2.10)


−α
On dit qu’un système est robuste si son comportement en BF reste inchangé sous l’effet de la
perturbation de défaillance apparaissant aux niveaux du régulateur et du procédé.


q− T q− B q− −
T q− B q−
G F q = =q (2.11)
A q− H q− S q− + q− B q− H q− R q− p q−
Alors on résout A(q-1)H2(q-1)S(q-1)+q-dB(q-1)H1(q-1)R(q-1)=P(q-1)

2.6 Calcul d’un correcteur RST en poursuite


Dans le cas idéal lors d’un changement du consigne on souhaite faire suivre à la sortie y(t) du
procédé une trajectoire y*(t) cette trajectoire peut être mémorisé ou engendré à chaque changement
de consigne à l’aide d’un modèle de référence MR.

B q−
MR q− = q− (2.12)
A q−
On souhaite toujours y*(t) soit de la forme d’un deuxième ordre continu standard (Dmax,tm) c’est
pourquoi le modèle de référence MR(q-1)=q-d(bm0+bm1q-1)/1+am1q-1am2q-1.

y*(t)
r(t) + q-d B/A
MR T 1/S

Modèle de référence R

Figure 2.6 poursuite par le correcteur RST

( −1 )
y ∗ t = q− −1
r t on veut avoir y(t) = y*(t)

Il faut compenser le polynôme de P(q-1) dans la boucle [si les zéro] on choisi alors T(q-1)=G(q-1)

T q− B q−
H F q− = q−
p q−

G=
B
(2.13)

17
Chapitre2 Commande RST par approche polynomiale

A la sortie on aura y*(t) avecFigure


un retard
2.6

− − −
𝑚 +
T(q-1) x 1/S(q-1)
− −
𝑚 𝑚

R(q-1)

− −

𝑃 −

− −
𝐺

− + − −
𝐺 ( 𝑚 )
*
y (t) y(t+1+d) −
𝑚

Figure 2.7 poursuite et régulation Par le correcteur RST

− +
B q− B ∗ q−
H F R =q (2.14)
A q− B

La loi de commande est donnée peur :

UK = P q− Gyk − S ∗ q− Uk− − R q− yk (2.15)


S

S(q-1) = S0+q-1S*(q-1)

B q−
yk = yk = yk+ + (2.16)
A q−

2.7 Mise sous forme RST d’un PID numérique


Il faut noter que pour le système d’ordre maximal 2. Les régulateurs se réduisent toujours à
une PID ou tout simplement les coefficients peuvent être ajustés différemment.

18
Chapitre2 Commande RST par approche polynomiale

Régulateurs PID numériques


Domaine d’application : les conditions sont :
- Pour des systèmes ou Boucle ouverte d’ordre max2, avec ou sans retard pur.
- Le retard pur < Te (période d’échantillonnage).
Nous allons étudier 2 versions de PID :
- PID (I).
- PID (II).
Les résultats de calcul des paramètres du PID numérique peuvent être utilisés dans la plus part des
cas pour d’ajustement de régulateurs PID continu.
Toute fois, il faut noter que dans certaines cas qu’il est impossible de retrouver un PID
équivalent en continu.

2.7.1 Structure d’un PID1 numérique

T
GPID p = k [ + T + T ] (2.17)
ip +
N

+ +
+ 𝑘
X Procédé Y(t)
𝑖𝑝
-

𝑘
+
𝑁

Figure 2.8 schémas fonctionnel d'un système commandé par un PID analogique

− −1 T
P { = }
T − −1

On remplace dans l’équation (1)


T

T Ti − q−

T
T = − q−
T
T T
+ p= + − q−
M NT

19
Chapitre2 Commande RST par approche polynomiale

NT
NT + T
=
T T
+ p −
N T + NT q−
NT
R q− T T + NT − q−
GPID q− = = k[ + + ] (2.17)
s q− Ti − q− T
− T + NT q−

R(q-1)=r0+r1q-1+r2q-2 (2.18)

S(q-1)=(1-q-1)(1+s1q-1) (2.19)

Le régulateur PID(1) numérique possède 4 paramètre (r0,r1,r2,s1) examinât alors S(q-1), il


contient la composante intégrale c- à-d et 1+s1q-1 joue le rôle d’un filtre numérique
− −1
T
semblable au filtrage traduit par le terme (1+ p) en continu.

r(t) T=R 1/s B/A y(t)


-


R q− PID(1) numérique
Figure 2.9 Structure Bduqrégulateur B q− R q−
FTBF = G F q− = = (2.20)
A q− S q− + b q− r q− p q−
Ou le polynôme p(q-1) défini les pôles en Boucle Fermée
B(q-1)R(q-1) défini des zéros en Boucle Fermée.
Nous remarquons que le PID1 introduit des zéros supplémentaires défini par le terme
-1
R(q ). Dans certain situation les zéros peuvent causer des dépassements indésirables pendant le
régime transitoire.

 Calcule des paramètres du régulateurs PID1 :


( −1 )
Soit −1
le procédé

B q− R q− B q−
G q− = = (2.21)
A q− S q− + b q− R q− p q−

Les performances en boucle fermée sont spécifié par le polynôme P(q-1)=1+p1q-1+p2q-2

20
Chapitre2 Commande RST par approche polynomiale

Exemple

Le (Dmax, tm) d’un système quelconque peut être associe à un 2ème degré (Dmax, tm) (,w0)
[Dans le domaine continu]on discrétise le système. On obtient les paramètres échantillonnés a1, a2,
il faut respecter lors de la discrétisation 0.25<w0Te<1.5 pour 0.7<<1.

B q− b q− + b q− (2.22)
G q− = =
A q− + a q− + a q−


B q− b q− + b q− (2.23)
G q = =
A q− + a q− + a q−

N q−
GF q− = D q− = A q− S q− + B q− R q− (2.24)
D q−

S q− = − q− + S q−
(2.25)
R(q-1)=r0+r1q-1+r2q-2

En développant les calculs ou obtient


1+p1q-1+p2q-2=(1+a1q-1+a2q-2)(1-q-1)(1+S1q-1)+(b1q-1+b2q-2)(r0+r1q-1+r2q-2)
P =b r + Or + Or + S + a −
P =b r + b r + or + a − S + a − a
= r +b r +b r + a −a S −a
= r + r +b r +a s +

Système matricielle

 = (a1-1)b1b2²-b23-(a2-a1)b3²b2-a2b13

r = {[p a − −p +a − − a + a ]b + a a − − p b

+p [ a −a + a − a + a a ]b b }

r = {[p a − a + p a + (a − a ) ] b b + −p a + a − a a b

+p [ a −a − a − a a +a ]b }

r = {a a + p − a b b + a a − p − b −a b }

s = { p +a −a b b − +p −a b −a b b }

Calcule des paramètres du PID continu correspondant


21
Chapitre2 Commande RST par approche polynomiale

r s −r − +s r
k=| |
+s

T k +s
Ti = | |
r + r +r

T s r −s r +r
T =| |
k +s
T s T
=−
N +s
Pour que le PID numérique soit équivalent au PID continu il faut que le coefficient -1<s1<0

Dans le cas s1>0 le filtre est un filtre numérique qui n’a pas correspondant eu continu, dans
+ 1 −1
ce cas le régulateur offre des performances très intersites mais il n’y’a pas d’équivalent eu continu.

2.7.2 Régulateur numérique PID2


Soit la F.T qui à la forme ci-dessus


B q−
GF q = (2.26)
P q−

Pour un PID2 GF q− doit avoir un gain utilitaire alors on aura :

B q− p
GF q− = . (2.27)
P q− B

B(q-1)  définit les Zéros du procédé


P(q-1)  définit les pôles désirés

est introduit pour imposer un gain unitaire entre l’entrée r(t) et la sortie y(t).

Le PID2 à la structure suivante.


S(q-1) u(t) + R(q-1)y(t) = T(q-1)r(t)
P
T q− B q− r t B q−
− B (2.28)
G P q = =
A q− S q− + B q− R q− p q−
T(q-1) ≠ R(q-1)
P(q-1)=A(q-1)S(q-1)+B(q-1)R(q-1)
P A S +B B
T q− = = (2.29)
B B

22
Chapitre2 Commande RST par approche polynomiale

S(q-1) = (1-q-1)(1+S1q-1) S(1) = 0


P
T q− = =R (2.30)
B

𝑘 +
r(t) + Procédé
X
+𝑁 - -
-

k kTdp

+𝑁

Figure 2.10 PID continu correspondant au régulateur numérique PID 2

Le PID analogique correspondant au PID2 numérique

− r + r
K=| |
+s

T s r + s − r
Ti = | |
r + r +s
T r + r
T = |− |
r +r +r
T s T
=−
N +s

Exemple1

0.3626q 1  0.4244q 2
Soit un procédé : G(q 1 ) 
1  1.213q 1

Les performances désirées en boucle fermée en régime de régulation sont :=0.8, n=0.1 rad/s et
Te=1s.
1. Calculer les paramètres du régulateur PID1 qui doit réaliser les performances et en déduire les
paramètres du régulateur continu équivalent s’il existe..
2. Donner l’algorithme qui calcule la commande U(k).
3. Calculer les paramètres du régulateur PID2 qui doit réaliser les performances et en déduire les
paramètres du régulateur continu équivalent s’il existe.

23
Chapitre2 Commande RST par approche polynomiale

2.8 Conclusion
Ce chapitre a permis d’introduire les notions nécessaires pour appréhender les régulateurs
numériques avec une structure à trois branches (R-S-T). Ils ont deux degrés de liberté (régulation et
poursuite); Le calcul du régulateur s’effectue en deux étapes :1) R et S (régulation) 2) T (poursuite))
L’intérêt de cette structure particulière est de séparer (ou découpler) les comportements dynamiques
vis-à-vis de la consigne et des perturbations éventuelles.
par ailleurs cette structure présente l’avantage de simplifier l’implantation du régulateur PID, mais
aussi d’adoucir la réponse du système régulé.

24
Chapitre III Commande adaptative

Chapitre 3.

Commande Adaptative

3.1 Introduction
3.2 Commande adaptative directe et indirecte
3.3 Commande adaptative par modèle de référence (MRAC)
3.4 Synthèse de MRAC par approche MIT
3.5 Synthèse de MRAC par approche de Lyapunov
3.6 Commande adaptative à Régulateurs auto-ajustables (STR):
3.7 Conclusion

3.1. Introduction
Le début des recherches sur la commande adaptative (destinées à l’aéronautique) date des années
1950. ces recherches furent très vite abandonnées.
Les progrès rapides de l’électronique et les résultats théoriques établis dans les années 1960
(variables d’état, analyse de la stabilité, commande stochastique) ont susciter de nouveau l’intérêt
pour ce sujet, durant les années 1970 .
Les variations paramétriques d’un processus réel dans le temps, suivant les changements de
l’environnement, ont influés sur la régulation du système bouclé avec des contrôleurs à paramètres
fixes. Dans ces conditions, il faut trouver un régulateur qu’il est le pouvoir de l’adaptation devant
ces variations, parmi ces régulateurs on trouve les régulateurs adaptatifs qui sont basés
essentiellement sur l‘identification en ligne des paramètres du procède. Elles permettent d’obtenir
un modèle mathématique qui représente le plus fidèlement possible le comportement dynamique
d’un processus.
3.1.1 Définition
C’est l’ensemble des techniques utilisés pour l’ajustement automatique en ligne et en temps réel des
régulateurs des boucles de commande, afin de réaliser ou de maintenir un certain niveau de
performances, quand les paramètres du procédé à commander sont soit inconnus soit/et variables
dans le temps.

3.1.2 Les tâches typiques de la commande adaptative

25
Chapitre III Commande adaptative

Les systèmes de commande adaptative (CA) peuvent réaliser quelques tâches typiques à savoir
- Ajustement automatique des régulateurs à la mise en œuvre,
- Détermination automatique des paramètres optimaux des régulateurs dans les différents
points de fonctionnement du procédé,
- Maintien des performances du système de CA quand les caractéristiques du procédé changent,
- Détection des variations anormales des caractéristiques des procédés (ces variations se reflètent
dans les valeurs des paramètres fournis par l’algorithme d’adaptation paramétrique),
- Possibilité de mise en œuvre des régulateurs plus complexes et plus performants que le P.I.D (ceci
comme conséquence de l’ajustement automatique des paramètres du régulateur),
- Conception de nouveaux procédés technologiques utilisant des systèmes de CA qui assure le bon
fonctionnement du procédé.
3.1.3 Domaines d’application de la commande adaptative
La CA est utilisée quand c’est techniquement nécessaire et économiquement rentable. Les
techniques de CA ont été utilisées avec succès pour un grand nombre d’applications :
Asservissements à moteurs électriques; robots manipulateurs; cimenteries; réacteurs chimiques;
colonnes à distiller; machines à papier; régulation de Ph; échangeur de chaleur; systèmes d’armes;
… etc.
3.1.4 principe de la commande adaptative
Définition d’un système de commande adaptative
Un système de commande adaptative (SCA) mesure un I.P du système à commander et la différence
entre le I.P mesuré et le I.P désiré et le M.A.P modifie (adapte) les paramètres du régulateur
ajustable ou les signaux de commande, afin de maintenir le I.P mesuré du système dans le voisinage
du I.P désiré .Un SCA contient en plus de la boucle de commande à contre-réaction classique, une
boucle à contre-réaction supplémentaire qui modifie les paramètres du régulateur afin de compenser
les effets des variations paramétriques du procédé. La deuxième boucle contrôle les performances
du système.
Un indice de performance mesuré (I.P mesuré) du système qui est une mesure des performances
du système (exemple : facteur d’amortissement pour des systèmes caractérisés par une fonction de
transfert du deuxième ordre).
Perturbations

U + y
Régulateur Processus
à paramétres
- fixes et connus

Figure 3.1 : Schéma de principe d’un système de


commande conventionnelle en boucle fermée

26
Chapitre III Commande adaptative

système Ajustable Perturbations

U + y
Régulateur + processus à
- Ajustable paramètres
- variables

Indice de
Mécanisme
performance + d’adaptation
désiré Décision paramétrique Indice de
- performance
mesuré

figure 3.2 schéma de principe d'un système de commande adaptative

3.2 Commande adaptative directe et indirecte:


La commande adaptative est dite directe (explicite), si les paramètres du correcteur sont évalues
directement, Cette technique est originalement proposée par «Whitaker » en « 1958 ». Sa première
application remonte au début des années 70. Le rôle de la boucle d’adaptation paramétrique se
limite à trouver les bonnes valeurs des paramètres du régulateur dans chaque cas.
La commande adaptative est dite indirecte (implicite), si les paramètres du correcteur sont calcules
âpres l’estimation des paramètres du processus. l'adaptation des paramètres du régulateur se fait en
deux étapes:
1- estimation des paramètres du modèle du procédé.
2-calcul des paramètres du régulateur à partir des paramètres estimés.
Cependant, il est toujours possible de passer d’un type de commande a l’autre en reparametrant le
problème.
3.3 Commande adaptative par modèle de référence (MRAC)
L'objectif de cette commande est de concevoir un modèle de référence dont les performances
coïncident avec ceux du système en Boucle fermée, la fonction de la commande est d'éliminer toute
la divergence entre la réponse du modèle et celle du système quelque soient le signal d'entrée et les
conditions de perturbation (internes ou externes).

L'approche des MRAC peut être conçu en deux sens:


-Direct: dans le cas ou les paramètres du système sont accessibles.
-Indirect: les gain de la commande sont ajusté en fonction des signaux de commande.
La stratégie adaptative directe est souvent utilisée dans les méthodes d'identification paramétrique
utilisant les techniques MRAC.
Les méthodes de synthèse du signal est utilisée dans le cas d'une poursuite adaptative.

27
Chapitre III Commande adaptative

GM(s) ym

Boucle externe
+
Mécanisme
e
d’adaptatio
Perturbation -
Para ètre d’adaptatio
R + y
GR s,θ Gp(s,a)
-
Boucle interne

H s,θ

Figure 3.3 schéma de commande adaptative à modèle de référence


GM(s) : modèle de référence
Gp(s,a) : Matrice de transfert en fonction du vecteur des paramètres inconnues a.
GR(s,θ) : Matrice de transfert du régulateur en fonction du vecteur des paramètres ajustables
pour un ajustement exacte il faut que le modèle de référence et le système ont le même ordre.

yM s = GM s R s (3.1)
G s, a G s, θ (3.2)
y s = R s = G s, a, θ R s
+ G s, a G s, θ

3.4 Synthèse de MRAC par approche Du Gradient

L'approche du gradient est généralement appelée règle de MIT car les premiers recherches ont été
effectuées au laboratoire de l'université MIT.

L'objectif de cette méthode est de chercher les paramètre du régulateur θ qui minimise l'erreur entre
les sorties du système et celle du modèle de référence :

soit e = ym-y (3.3)


J e = J yM − y (3.4)
L'objectif est de chercher θ qui minimise J(tend vers zéro).
Il est raisonnable de changer les paramètres dans la direction du gradient négatif de J, d'ou la
vitesse de changement est défini par:

dθ dJ (3.5)
= −γ
dt dθ
dθ dJ ∂J ∂e (3.6)
= −γ = −γ
dt dθ ∂e ∂θ

28
Chapitre III Commande adaptative


appelé dérivée sensitive du système est référée comme la règle du MIT.
∂θ
γ est une quantité positive indiquant le gain d'adaptation du contrôleur.

∂ ∂ yM −y ∂ M ∂ ∂y
Avec
∂θ
= sachant que = alors =−
∂θ ∂θ ∂θ ∂θ
Dans le cas mono variable
y s = G s R s et y s =G s R s

avec G(s) la fonction de transfert en Boucle fermée

∂e ∂G
=− R s (3.8)
∂θ ∂θ

dθ dJ ∂J ∂G (3.9)
= −γ = γ R s
dt dθ ∂e ∂θ
∂G
∂θ
est la fonction de sensibilité du système
∂G ∂Gm
Le calcul des paramètres 𝜃 se fait pour 𝐺 → 𝐺𝑚 𝑒 ∂θ
→ ∂θ

dθ dJ ∂J ∂G
= −γ = γ R s
dt dθ ∂e ∂θ

Soit la relation J θ = e

La valeur θ qui minimise J(tend vers zéro) est modélisé par:

dθ dJ ∂e
= −γ = −γe
dt dθ ∂θ (3.10)
dθ ∂G
= γe R s
dt ∂θ
Le choix de la fonction de perte J est arbitraire, si on choisie par exemple
J θ = |e|

La règle d'ajustement devient :

dθ ∂e
= −γ sign e
dt ∂θ
On peut aussi décrire une autre loi d'adaptation appelé "the sign-sign algorithm"

dθ ∂e
= −γsign sign e (3.11)
dt ∂θ
La version du cas discret de cet algorithme est utilisé en télécommunication, ou une simple
implémentation et un programme d'exécution rapide sont demandés.

29
Chapitre III Commande adaptative

Exemple
y
soit le système = kG s

y s
== k G s
r
u = θr

e=y-ym= kG s θr − k G s r = kθ − k G s r (3.12)

∂e ∂y k
= = kG s r = y
∂θ ∂θ k

la règle de MIL est:

dθ dJ ∂J ∂e ∂J k
= −γ = −γ = −γ y
dt dθ ∂e ∂θ ∂e k
θ
si J θ = e k=k0 = −γey

le schémas bloc est alors


Modèle de référence

𝑘 𝐺 ym

Boucle externe
+
e
+
π
-
système

r 𝑘𝐺 y
π

𝜃 𝛾

Figure 3.4 exemple de commande adaptative à modèle de référence (MIL)

conclusion:
Malgré la simplicité de cette méthode, il a été montré que l'analyse des système d'ordre supérieur est
difficile, la convergence de la méthode de gradient dépend de l'écart initiale entre les paramètres de
référence et les paramètres du système à commander,
- L'obtention d'une réponse rapide dépend de la stabilité de l'erreur,
- La stabilité des systèmes corrigés n'est pas assuré.

30
Chapitre III Commande adaptative

3.5 Synthèse de MRAC par approche de Lyapunov


L'approche de Lyapunov offre des propriétés d'une stabilité globale sans aucune restriction sur:
- Les condition initiales des erreurs,
-La nature des entrées de références utilisées.
Les inconvénients de cette méthode sont:
-La nécessité de trouver une fonction appropriée de lyapunov,
-Les variables d'état entier doivent être mesurables,
-on ne peut pas l'appliquer dans le cas ou les paramètres ne sont pas directement ajustables.
exemple

Soit le modèle défini par :

dy
= −ay + bu
dt
le modèle de référence est défini par avec a >

dy
= −a y + b v
dt
soit le contrôleur défini par:

U=θ U −θ y

L’erreur e=y−y

L’équation différentiel de l’erreur est:

de
= −a e − bθ + a − a y + bθ − b U
dt
l'erreur tend ver zéro si l'équation (3.5) est vérifié.

pour bγ > la fonction candidate de lyapunov est:

V t, θ , θ = e + bθ + a − a + bθ − b
bγ bγ

La dérivée est:

dv de dθ dθ
= e + bθ + a − a + bθ − b
dt dt γ dt γ dt
θ θ
= −a e + γ bb + a − a − γye + γ bθ − b + γU e

On propose La condition d’adaptation :

31
Chapitre III Commande adaptative


= −γU e
dt

= γye
dt
Selon la règle de lyponov
dθ (3.13)
= γφe
dt
Avec 𝜑 = [− 𝑐 𝑦]𝑇 et 𝜃 = [𝜃 𝜃 ]𝑇
On obtient :

dv
= −a e
dt

GM(s) -
+ e
Π ∑ G(s)
y

𝜃
Π
−𝑦 𝜃
Uc
𝑦

Π
Π

Figure 3.5 schéma de simulation de la commanda MRA par l'approche de


Lyaponov d'un système de premier ordre

Cependant, si cette méthode est généralisée pour des systèmes d’ordre supérieur, alors la dérivée de
l’erreur est utilisée pour la synthèse des gains d’adaptation. La différentiation de l’erreur n’est pas
une procédure d’utilisation courante car elle produit un bruit (perturbation) indésirable ; pour éviter
ce problème, le lemme réel positif combiné avec la fonction de Lyapunov est ainsi la loi adaptative
qui en dérive est proportionnelle à e et r.

Cependant les fonctions de transfert du système et du modèle de référence doivent être réelles
positives.

32
Chapitre III Commande adaptative

Les lois adaptatives sont classées comme suit :


- Modification de l’entrée.
- Synthèse de contre-réaction.

Considèrent une représentation généralisée du système et du modèle de référence pour examiner ces
deux méthodes.

Le système est décrit par la représentation conventionnelle d’état:


ẋ = A. x + B. u (3.14)
Avec x ∈ R ,u ∈ R

A et B sont des matrices constantes.


Le modèle de référence est décrit par la même forme :
ẋ = A . x + B . r (3.15)
Avec x ∈ R ,r ∈ R

A est une matrice d’Hurwitz.


L’équation d’erreur est donnée par :
x =x −x

Et peut être écrite sous la forme :


ẋ = A . x + w (3.16)
Avec w = A − A x + B . r − B. u

L’objectif de la commande est de varier w tel que :

lim x →
→∞

Une forme plus générale de la fonction de Lyaponov est donnée par :

V = x . P. x + h ,  (3.17)
Ou  et  sont des matrices des vecteurs paramètres i , i à déterminer.

En évaluant la dérivée de l’équation (3.16), l’équation (3.17) conduit à :

V̇ = −x . Q. x + x . P. w + h (3.18)
Avec Q =– A . P + P. A est choisie telle sorte qu’elle soit une matrice symétrique définie
positive.

3-5-1 Modification par l’entrée (synthèse par signal)

Cette méthode n’exige pas la variation des paramètres des matrices  et  tel que h=0, mais
modifie directement u tel que :

x . P. w < , à chaque fois que (Am-A) est différent de zéro

et x . P. w = quand Am=A

33
Chapitre III Commande adaptative

Cette inégalité ne peut être satisfaite que pour des cas spéciaux dépendant de la structure des
systèmes. Si les matrices A et Am sont sous la forme canonique,
lorsque B=[0 . . . 0 bp]T (bp > 0) et u sera un scalaire, alors la solution existe. Une simplification
considérable peut être effectuée et donné :

x . P. w = x . P . w (3.19)
Ou Pn est la nième colonne de la matrice P,
et wn est le dernier élément du vecteur w.
Ainsi pour que x . P. wsoit négative, il faut que :
bp u ≥ max [(Am-A)x+Bm.r]sign(x . Pn) (3.20)
ou [(Am-A)x+Bm.r] est le dernier élément du vecteur (Am-A)x+Bm.r.
Cette loi d'adaptative formé est efficace pour réduire rapidement l’erreur.

3-5-2 synthèse de la contre réaction


Dans cette méthode on prend:
h ,  = ∑i= i . i + ∑i= i . i (3.21)
Alors l’équation (3.18) devient :
V̇ = −x . Q. x − x . P. w + ∑i= i . i + ∑i= i . i (3.22)
L’objectif d’utiliser la synthèse de la contre réaction est d’éliminer les trois dernier termes de
l’équation (3.22), pour obtenir
V = −x . Q. x (3.23)
La généralisation d’une loi adaptative qui permet d’attendre cet objectif peut être scinder en deux
systèmes : direct et indirect. Dans l’adaptation direct, il est suppose que les paramètres des systèmes
sont directement ajustables, ce qui conduit à :
w = . x + . r (3.24)
Ou ∅ = A − A ; Ψ = B − B et u = r (3.25)
Alors l’équation (3.23) est satisfaite si :

∅i = −x . Pi . x i=(1 ,n)
Ψi = −x . Pi . r i=(1 ,m) (3.26)

Ainsi, l’équation (3.25) permet l’ajustement des paramètres A et B .


Dans le cas d’une adoption indirecte, nous ne pouvons pas agir sur les paramètres du système alors
nous devons agir sur l’entrée de commande u.

Exmple :

ẋ = Ax + Bu

b . u = b . [∅. x + Ψ. r] = b [K − K ]x + b [K − K ]r (3.27)
Par conséquent , l’équation (3.35) nous permet d’obtenir les gains de la loi de commande :

K = b x .P .x
(3.28)
K = b x .P .r

34
Chapitre III Commande adaptative

Les développements ultérieurs doivent exister dans le sens d’exposer de nouveau le problème en
termes d’entrée-sortie moins qu’en forme de variables d’état, ainsi on néglige les conditions
requises par toute les variables d’état pour qu’elle soient accessible au contrôleur .

La plupart des formes largement acceptées pour lesquelles la démonstration d’une stabilité globale
existe est celle de Narendra et Valvani. Ceci est basé sur une extension des premiers systèmes à
erreur augmentée de Monopoli.

Le système est modélisé comme un système invariant avec la paire entrée-sortie.

ẋ = Ax + Bu
(3.29)
Y=hT.x
La fonction de transfert du système est :
p
W p = h . [p. I − A]− . B = K (3.30)
p

Et Wp(p) a les restrictions suivantes :

i. Rp(p) est un polynôme de degrés n.


ii. Zp(p) est polynôme de Hurwitz de degrés m ; m n −
iii. Les polynômes Rp(p) et Zp(p) sont relativement premiers
iv. Les degrés relatif n* (n* = n-m) est connu.
v. Le signe de Kp est connu.

Similairement le modèle de référence est donné par :

x = A + B .r
y = h .x (3.30)

m
Ou la fonction de transfert du modèle est : W p =k ,aui doit étre réelle strictement
m p

positive et r est uniformément borné. Le contrôleur adaptif a la structure suivante :

v̇ = Λ. v + b .u
v̇ = Λ. v +b .y (3.31)

Ou Λ est une matrice d’Hurwitz de (n-1)*(n-1)

CT et dT sont des vecteurs de dimension (n-1) donnés par :


cT = [ c1 c2 ... cn-1 d0 d1 . . . dn-1] (3.32)
les seconds paramètres ajustables sont obtenus dans vecteur paramètre augmenté :

le deuxième vecteur signal w est comme suite :


T T
wT = [r,v y, v ] (3.33)
la variable de commande u est alors définie par :
u = θT.w (3.34)
et la loi adaptive est donnée par :

35
Chapitre III Commande adaptative

θ = t.e1.w (3.34)
ou e1 = y – ym et T est une constante positive.

la figure suivante donne la structure de base de ce contrôleur :

Modèle de
référence ym +
r e1

u y
+
C0 Σ système
+ +

Générateur de Générateur de
signaux signaux
auxiliaires auxiliaires

V(2)

CT dT d0

Figure 3.6 : structure générale la commande à MRA par l'approche de Lyaponov

36
Chapitre III Commande adaptative

3.6 Commande adaptative à Régulateurs auto-ajustables (STR)


Ce type de commande proposé par KALMAN en « 1958 ». Au début des années 70, la première
application industrielle est concrétisée.
Le principe de la commande adaptative est basé sur l'ajustement automatique des régulateurs on
line d'ou la difficulté d'analyser la stabilité et la convergence d'un tel système . afin de simplifier
ce problème la commande adaptative à Régulateurs auto-ajustables STR ( Self Tuning Regulator )
repose sur l'hypothèse que Les paramètres du système à commander sont constant mais inconnues.
ce dernier est estimé (identifié) en temps réel (prédicteur ajustable avec un mécanisme
d’adaptation paramétriques), à partir des entrées et des sorties du procédé.
La procédure de synthèse spécifie un ensemble de paramètres désirées du régulateur (paramètres
de référence), le contrôleur adaptative doit converger au régulateur désiré même si les paramètres
du système sont inconnues.
Cette technique de commande est basé sur la séparation entre l'estimation des paramètres du
système inconnues et la synthèse du régulateur (voir figure 3.7).

Mécanisme Estimation des


d'adaptation paramètres

correcteur y(k)
consigne processus
auto-ajustable
u(k)

Figure 3.7 schéma bloc d'un régulateur Auto ajustable


Le schéma de la CAA peut être interprété comme une application adhoc du principe d’équivalence
certain utilisé dans la théorie de la commande stochastique linéaire.
le principe d'équivalence certain:
- Les paramètres du procédé sont estimés , à chaque instant, et un « prédicteur » de la sortie du
procédé est construit. L’erreur de prédiction (la différence entre la sortie réelle (mesurée) du
procédé et celle du prédicteur) sert à adapter les paramètres du prédicteur. Si les paramètres sont
vrai , les incertitudes dans les paramètres estimé ne sont pas considérés.
- Les paramètres supposés connues sont utilisés à chaque pas de calcul pour synthétiser (calculer)
le régulateur auto -ajustable.
Pour réaliser la commande adaptative auto ajustable on distingue 3 étapes:
1-estimation des paramètres du processus
2-calcul des paramètres du régulateurs auto- ajustable.
3-commande selon une loi linéaire dans une boucle interne.

37
Chapitre III Commande adaptative

Plusieurs méthodes permettant de faire la synthèse de la commande adaptative ont été proposées.
1-méthode de commande à réponse pile.
2-méthode de commande basée sur le placement des pôles.
3-méthode de commande adaptative à l'aide du correcteur à variance minimale.

3.6.1. Méthode de placement des pôles

C'est une méthode de synthèse de commande simple. Elle est basé sur le principe d'imposer un
comportement dynamique du système en boucle fermé à partir du choix de la localisation de ses
pôles et de ses zéros.

On assume que le système utilisé est mono-variable :

A q y t =B q u t +v t (3.35)

y(t) :est la sortie du processus.


u(t) : l'entrée du processus.
v(t) : une séquence de distribution gaussienne.
A, B, C sont des polynômes.

On assume que : deg A = deg C = n et deg A − deg B = d

On prend A∗ z = z A z

Avec n = deg A

Le modèle peut être exprimé par:

A∗ q− y t = B∗ q− u t−d +v t−d
(3.36)

A(q-1)=1+a1q-1+…….+anq-n
(3.37)
B(q-1)=b1q-1…….+bnq-m

avec m= n-d0

Dans le cas générale, il est important de noter que n m+d

38
Chapitre III Commande adaptative

Dans le cas continu le système peut être représenté par:

Ay t = B u t + v t (3.38)

A, B: présentent les polynômes des opérateurs différentielles où bien l'opérateur de


décalage q. avec les polynômes A ,B n'on aucun facteur commun et le plus grand degrée de A et B
est 1.

Un contrôleur linéaire à deux degré de liberté est présenté par

Ru t = Tu t − Sy t (3.39)
Où R, S,T sont des polynômes .

T S
u t = u t − y t
R R (3.40)

Ce contrôleur est à deux degré de liberté puisque on un retour négative et un retour positive
La sortie et la commande du système corrigé en boucle fermée du système sont:

y t = +
u + +
v
AT BS (3.41)
u t = u −
AR + BS AR + BS

Ac est le polynôme caractéristique en BF définit les pôles en BF et le comportement en régime de


régulation :

AR + BS = A (3.42)

3 Ce correcteur est appelé un correcteur a deux degrés de liberté car il permet d’assurer des
performances différentes pour la régulation (la détermination des coefficients des polynômes R, S)
et la poursuite(la détermination des coefficients du polynôme T).
( Les polynômes R et S ) un degré de liberté qui va permettre de faire de la régulation
Le polynôme T introduit un degré de liberté supplémentaire qui va permettre de faire de la
poursuite.

v
Processus
Contrôleur
u
uc
= 𝑐 − 𝑌 Σ y

Figure 3.8 contrôleur linéaire à deux degré de liberté

39
Chapitre III Commande adaptative

Problème de poursuite
le modèle du référence est défini par:
A y t =B u t (3.43)
à partir des équations (3.41) la condition suivante doit être vérifié:
BT BT B
= =
AR + BS A A (3.45)

B = B + B− (3.46)
+
B : presente les pôles stables
B− : présente les pôles instables
B+ et Am doivent être un facteur de Ac, l'équation caractéristique du système en boucle fermée
est présenté alors par:
A = A A B+ (3.47)

On peut proceder de la même facon décomposer R à partir de l'équation(3.42)


R = R′B+ (3.48)
Et l'équation (3.42) devient alors
AR′ + B ∗ S = A A = A′ (3.49)
Avec
T = A B′ (3.50)
Condition de causalité
afin d'assurer de causalité il faudra vérifier les conditions suivantes:
deg S deg R
{ (3.51)
deg T deg R
L'equation (3.42) à plusieurs solution puisque si R et S sont des solutions alors R et S sont des
solutions aussi tel que :
R = R + QB
(3.52)
S = S − QA
Avec Q est un polynome arbitraire. D'ou l'existance de plusieurs solutions, on doit Alors
selectionner la solution qui donne le minimum de degré. cette solution est appelé solution avec
minimum de degré.
La condition de causalité est exprimé Alors par :
deg A deg A −
(3.53)
deg A − deg B′ deg A − deg B = d
ou
deg A deg A −
(3.54)
deg A − deg B deg A − deg B = d

Afin d'avoir un degré minimum il préférable de choisir R S et T avec le même degré.

40
Chapitre III Commande adaptative

Algorithme placement de pole à degrée minimum

Données: polynômes A,B


Spécifications: polynômes A , B and A
Conditions comptabilités :
deg A = deg A
deg B = deg B
deg A = deg A − deg B + −
B = B− B′

Etape1: factorisation B = B+ B−

Etape2: calcul R' et S avec deg S < deg A


AR′ + B− S = A A
Etape3 : à partir de : R = R′B + et T = A B′
On calcule la commande à partir de:
Ru t = Tu t − Sy t
plusieurs situations sont négligées dans cette procédure afin de simplifier la
procédure.
On peut donc choisir B = A q tout les zéros du processus sont négligés.
Les polynômes devient alors
d
d'ou B+ = B/b et B− = b et T = m

Le polynôme caractéristique est: A = B+ A′


L'équation de diophantienne devient alors:
AR′ + b S = A′ = A A

Dans le cas ou les zéros ne sont pas négligés


B+ = et B− = B et B = βB
deg A = deg A − deg B −
L'équation de diophantienne devient alors
AR + BS = A A

41
Chapitre III Commande adaptative

3.6.2 Commande adaptative à Régulateurs auto-ajustables: Approche indirecte (explicite)


Une CA est dite « indirecte » si les paramètres du régulateur sont adaptés en deux étapes :
Etape 1 : Estimation des paramètres du modèle du procédé ;
Etape 2 : Calcul de ceux du régulateur à partir des paramètres estimés

régulateur Auto ajustable

spécifications
paramètres du processus

Estimation
calcul des paramètres
du contrôleur

Paramètres du contrôleur
y
R contrôleur processus

Figure 3.9 schéma bloc d'un régulateur Auto ajustable :Approche indirecte

a) Estimation des paramètres du processus


On présente dans cette section l'estimateur moindre carré récursif
Le modèle du système peut être présenté par:
y t = −a y t − −a y t− − ⋯ . . −a y t − n + b u t − d +⋯+ b u t − d − m

On note le degré du système est max n, d + m


Le modèle est linéaire et présenté par :
y t =φ t− θ
Avec
θ = a a ……..a b …….b
φ t − = −y t − … . . −y t − n u t − d … . . u t − d − m
L'estimateur de moindre carrée est donné par:
θ̂ t = θ̂ t − + K t ε t
ε t = y t − φ t − θ̂ t −

(3.55)
K t = P t− φ t− λ+φ t− P t− φ t−
P t = I − k t φ (t-1))p(t-1)/λ

42
Chapitre III Commande adaptative

l'algorithme de commande STR adaptative indirect vient de la combinaison entre l'algorithme de


placement de pole minimale et l'estimateur de moindre carrée récursive.

Algorithme de Commande Adaptative Indirecte à Régulateurs auto-ajustables


Spécifications: polynômes A , B and A
Etape1: estimation des coefficients des polynômes A, B par l'estimateur de moindre
carrée récursive (équation 3.55)
Etape2: application de l'algorithme de placement de pole à degré minimum en
utilisant les polynômes estimés afin de calculer les polynômes R,S et T.
Etape3 : calcul de la commande
Ru t = Tu t − Sy t
Refaire les étapes 1, 2, 3 pour chaque période d'échantillonnage

3.6.3 Commande adaptative à Régulateurs auto-ajustables: Approche directe


L'analyse par Commande adaptative à Régulateurs auto-ajustables (STR ) direct à été introduite en
1973 par Astron et Wittermark. Les paramètres du régulateur peuvent être estimé directement
(reparmetration du système).
L’idée de base dans la re-paramétrisation est de tenir en compte des relations entre les
performances, les paramètres du régulateur et ceux du procédé afin de réécrire les équations du
modèle en termes des paramètres du régulateur et des performances désirées. On obtient Alors un
seul mécanisme d’adaptation qui adapte (estime) les paramètres du prédicteur et ceux du régulateur
ajustable.
Etape 1 : Estimation des paramètres du modèle du procédé ;
Etape 2 : Calcul de ceux du régulateur à partir des paramètres estimés.

régulateur Auto ajustable

Estimation

Paramètres du contrôleur

y
R contrôleur processus

43
Figure 3.8 schéma bloc d'un régulateur Auto ajustable: Approche directe
Chapitre III Commande adaptative

soit le système à phase minimal défini par


̌ u t + S̆y t
A A y t = b (Ru t + Sy t ) = R (3.56)
y t = R∗ u t − d + S∗y t − d (3.57)
Avec u t = u t , y t = y t
m m

Soit
θ = r ……..r s …….s
y t =φ t− θ (3.58)

Algorithme de Commande Adaptative directe à Régulateurs auto-ajustables


(forme simplifié)

Spécifications: polynômes A , B and A et le degré relatif d0


Etape1: estimation des coefficients des polynômes R, S
Ry t = Ru t − d + Sy t − d
par l'estimateur de moindre carrée récursive (équation 3.58)
Etape2 : calcul de la commande
Ru t = Tu t − Sy t
et = 𝑚

deg A0=d0-1 faire les étapes 1, 2pour chaque période d'échantillonnage

3.7 Conclusion
La commande adaptative apporte une solution à la commande des systèmes à paramètres variables
ou inconnus. En général, dans le premier cas, on utilise la commande directe et dans le deuxième
cas la commande indirecte. On peut aussi utiliser des algorithmes d’adaptation paramétrique du
type moindres carrées récursifs simples ou étendue pour comparer les performances avec celui du
gradient, ou si ce dernier présente des performances insuffisantes.

44
Chapitre 4 Commande Robuste

Chapitre 4.

Commande Robuste

4.1 . Introduction
4.2 Notion de robustesse
4.3 Valeurs singulières d’une matrice de transfert
4.4 Norme H∞
4.5 Synthèse H∞
4.6 Résolution du problème H∞standard par équations de Riccati – Algorithme DGKG
4.7 Conclusion

4.1 . Introduction
a) Historique
L’apparition de calculateurs numériques révolutionne le monde de l’automatique. La puissance de
calcul disponible fait naître les méthodes dites de l’automatique « moderne » ou « avancée ». Parmi
les faits marquants on peut citer les suivants :
– introduction de la représentation d’état, particulièrement bien adaptée à l’utilisation des
calculateurs numériques pour l’étude et la commande des systèmes complexes et multivariables
(Kalman 1960);
– étude de la commande optimale par Pontryagin (1958) et le principe du maximum, Bellman
(1956) et les travaux sur la programmation dynamique, etc... ;
– développement des méthodes d’étude des systèmes non linéaires (Kockenburger, Cypkin) et
des systèmes échantillonnés (Jury, Ragazzini) ;
– prise en compte des phénomènes aléatoires dans les théories récentes comme celles de Kalman,
Wiener, Bucy.

45
Chapitre 4 Commande Robuste

Enfin des méthodes récentes, telles que la synthèse Hinfini (Zhou, Glover et Doyle, 1990)
cherchent à concilier l’apport des notions introduites par les méthodes fréquentielles (telles que
bande passante , marges de stabilité...) et la souplesse d’utilisation de la représentation d’état, cette
dernière permettant des développements plus approfondis sur le plan algorithmique et s’appliquant
plus facilement aux systèmes multivariables.
b) définition
Les étapes de conception d’un système de commande:
1- Etude du système à commander
2- Représentation du système à commander
3- Analyse du modèle et définition et calcul des performances
4- Synthèse d’un système de commande et amélioration de performances.
5- Validation du système de commande par analyse robuste, simulations et essais.
Système de commande Robuste
Un système de commande est dit robuste s’il conserve ses propriétés malgré les incertitudes
et les perturbations. Tenir en compte les écarts lors de la conception –synthèse Robuste.
Valider une loi de commande (Analyse Robuste)
Analyse de robustesse en stabilité
Etablir si le système demeure stable malgré les variations attendues des paramètres
Analyse de robustesse en performance
Etablir si le système maintien les performances prévus par les variations attendues des
paramètres
4.2 Notions d’incertitudes de modèles
La conception d’un système de commande est basée sur la conception du modèle du système.
Chercher un modèle qui présente le comportement réel du système est un problème délicat et
complexe. La qualité de la modélisation dépend de la correspondance entre la réponse du modèle
et celle du système réel.
Le terme incertain vient des différences ou les erreurs entre les modèles et la réalité. Et tout
orientation utilisée pour exprimer les erreurs est appelé représentation des incertitudes.
La modélisation des systèmes incertains est un problème d’actualité et sujet d’un grand nombre de
recherche.
4.3 Valeurs singulières d une matrice de transfert

i (G jω ) = √λi G jω G T −jω = √λi G jω T G jω


i = 1,…min(m,p) m et p des dimensions de l’entrée et de la sortie.
4.4 Norme H∞
‖G jω ‖∞ = sup[σi G jω ω= …∞ ] ; i= 1,… min(m,p)
En cas mono variable :

46
Chapitre 4 Commande Robuste

Espace R H∞
C’est l’espace des matrices de transfert G(p) de dimension m × n telles que :
A1) G(p) est strictement propre G(∞) = Cet
+
(fini par ex G p = 2+ ou G(∞) = 0..)
+
A2) G(p) n’a pas de pôles sur l’axe imaginaires.
A3) analytique dans le demi-plan complexe droit CT (Asymptotiquement stable).
Exemple :
p+
G p = RH∞ G ∞ =
p+ 5
G p = ⁄p RH∞ (pole sur l’axe imaginaires)

4.4.1 Facteurs premiers à droite :


Les matrices N et M appartenant a RH∞ constituent une factorisation première à droite de G
si et seulement si:
i) M est inversible (‖M − ‖∞ est boené)
ii) G= NM-1
iii) Il existe des matrice ũ, ṽ RH∞ telles que:
ṽM + ũN = x
Pour un système G(p), peut être généré par un nombre arbitrairement grand de M et N. Une classe
particulière des facteurs premiers à droite donnée par :
(N*)TQN + (M*)TRM = I
Q > 0 R>0
4.4.2 Facteurs premiers à gauche
Les matrices Ñ, M
̃ RH∞ constituent une factorization premiére à gauche de G(p) si et
seulement si:
i) ̃ est inversible (‖M − ‖∞ est bornée).
M
ii) G=M ̃− N
iii) il existe des matrices U, V RH∞ telle que : ̃V + M
M ̃U = I

On définit les facteurs premiers à droite (à gauche) normalises par:


N*N +M*M = I
̃ ∗ )T + M
̃ (N
N ̃ ∗ )T = I
̃ (M

4.5 Synthèse H∞
L’approche H∞ est l’une des approches de commandes robustes dont l'objectif est d’obtenir à la fois
la robustesse en stabilité et en performance de façon totalement analytique.
Bien que faisant appel à des outils mathématiques relativement anciens tels que les espaces de
Hardy, ce n’est qu' à partir des années 80 que l’approche H∞ est considérée comme une approche

47
Chapitre 4 Commande Robuste

de commande robuste. La résolution du problème H∞ standard par Glover et Doyle rend celle-ci
accessible à nombreux chercheurs.
4.5.1 Le rôle de la boucle de retour
Considérons le système dynamique

u z
G

Figure 4.1 système en boucle ouverte

z  Gu (4.1)

où u est l’entrée manipulée


z : la variable de sortie contrôlée.
G :représente la dynamique du système qui relie le signal d’entrée u (t ) au signal de sortie z (t )
Typiquement, l’objectif est de manipuler l’entrée u (t ) telle que la variable z (t ) suit ou s’approche
d’un signal de référence donné r (t ) . En principe, ceci peut être accompli en résolvant l’équation
Gu  r (4.2)
On peut toujours résoudre l’équation approximativement pourvu que la relation G est connue. Mais
en pratique, cette procédure donne rarement de bons résultats, parce qu’il y a toujours différents
types d’incertitudes présentes.
Pour compenser les incertitudes, l’approche naturelle est d’utiliser les mesures y du processus et de
prendre la variable manipulée u comme une fonction de la sortie mesurée y . Ce qui mène à la
notion de la commande par contre réaction (voir figure4.2).
w z
G(p)

u y
k(p)

Figure 4.2 Commande par contre réaction

La contre réaction peut être considéré comme un moyen pour réduire l’effet de l’incertitude. En
particulier, l’utilisation de la contre réaction rend possible le travail avec un modèle brut du
processus.
- La contre réaction produit le seul moyen pour stabiliser un processus instable.

4.5.2 Transformation linéaire fractionnaire

48
Chapitre 4 Commande Robuste

Transformation intervient dans la connexion de deux système par feedack suivant le schema de la
figure 4.3 le système P(p) décrit la relation entre les signaux d’entrée w et u et les signaux de sortie
y et z.

Z p W p P P p W p
[ ]=P p [ ]=[ ][ ] (4.2)
Y p U p P P p U p

Lorsque ce système est bouclé sur le retour de sortie u=k(p)y ( voir figure 4.2)

La fonction de transfert en BF de w(p) à z(p) est :

FL(p1k)=p11+p12k(1-p22k)-1p21
Cette transformation s’appelle la transformation linéaire fractionnaire (LFT) de P et k.

Si des réalisations minimales de P (p) et k(p) sont :

P p P p D D C −
P p =[ ]=[ ] + [ ] PI − A [B B ] (4.3)
P p P p PD D C

K(p) = Dk + Gk(PI-Ak)-1Bk (4.5)

Une réalisation (pas nécessairement minimale) de fL(p,k) est donnée par :


FL(p,k) =DBF+CBF(PI-ABF)-1BBF (4.6)
A + B I − Dk D − Dk C B I − Dk D − Dk
ABF = [ ]
Bk I − D Dk − C Ak + Bk I − D Dk − D Ck (4.7)

CBF=[C1+D12(I-DkD22)-1DkC2, D12(I-DkD22)-1Ck] (4.8)


DBF=C11+D12(I-DkD22)-1DkC12 (4.9)

La stabilité interne de la boucle fermée est équivalente à la stabilité de A BF, c’est-à-dire


Re(i(ABF))<0

4.5.4 Problème de la stabilité robuste


L’objectif est de garantir la stabilité de tous les systèmes atteignables par les perturbations.

Il vient alors le théorème suivant :


Théorème du petit gain ( le théorème de Zames 1981):

Considérons la boucle d’asservissement de la figure4.4


P(p) : représente une matrice de transfert nominale.

49
Chapitre 4 Commande Robuste

Si les operateurs P(p) et (p) sont stables, le système de (la figure 4.4 ) est stable pour toute matrice
(p) telle que leurs normes H∞ versifient la condition.
‖∆ jω ‖∞ ≤ r si et seulement si ‖p jω ‖∞ ≤ r − (4.10)
Ou bien ‖∆ jω . P jω ‖∞ ≤

(p)

V Z
P(p) Y
U
Figure 4.3 schéma générale d’étude de la robustesse en stabilité

Considérons le modèle nominale G du système à régler tel que G=MN-1 tout système perturbé G.
G=(N+N)(M+M)-1

M N
-
M-1 N +
+

Figure 4.4 Représentation des incertitudes


additives sur les facteurs premiers à droite.

N(p) M(p) sont des fonctions de transfert stable représentant les incertitudes de
modélisation.

L’objectif d’utiliser un correcteur k. afin de stabiliser le système suivant :

− ∆
G = {G∆ = N + ∆ M+∆ ; ‖[ ]‖ < }
∆ ∞ (4.11)

50
Chapitre 4 Commande Robuste

s2 e s1
M N
-
+ M-1 N +

Figure 4.5 Représentation des incertitudes additives sur les


facteurs premiers à gauche

Le théorème du petit gain permet d’établir la condition de stabilité en utilisant la structure suivante :


[ ]

M-1(I-KG)-1[k I]

Figure 4.6 structure nominal de stabilité

K stabilise tous les modèles G∆ G si et seulement si :


(1) K stabilise de manière interne le système nominal G=NM-1
(2) ‖M − I − KG − [k I]‖∞ ≤ −
- La valeur maximale de , permettant de maintenir la stabilité, est appelée la marge maximale
de stabilité.
- La résolution du problème de stabilisation robuste défini on passant y=1/ ; et déterminer k
tel que :

51
Chapitre 4 Commande Robuste

4.5.5 Méthode H∞ pour la synthèse d’asservissements.


Le problème de H∞ est un problème de rejection de perturbation

w P(p) z

u
k(p)
y

Figure 4.6 Problème H ∞ standard

y : l’entrée de k(s).
u : la sortie de k(s).
P(p) décrit les interconnexions entre w, u, z, y.
z p w p P p P p w p (4.13)
[ ]=P p [ ]=[ ][ ]
y p u p P p P p u p

On appelle P le système (plant) et on le supposera propre, lorsque ce système est rebouclé


sur la commande u=k(p)y,
La fonction de transfert en boucle fermée de w à z est donné par la transformation linéaire
fractionnelle (LFT).

z=P11w+P12u = P11w + P12ky


y = P21w + P22u = P21w + P22ky
y=(I-P22k)-1P21w (4.14)
z=[P11+P12k(I-P22k)P21]w

FL(p,k)=P11+P12k(I-P22k)-1P21 (4.15)

le problème de H∞ est de chercher u(t) = k(p) y qui minimise


‖z‖
‖w‖
k(p) : contrôleur admissible (réal, rationnel et propre)

‖z‖
sup = ‖[Fℓ p, k ]‖∞
≠ ‖w‖
Problème H∞ peut être :

52
Chapitre 4 Commande Robuste

Problème H∞ optimal :
Minimise ‖[Fℓ p, k ]‖∞ sur l’ensemble des compensateurs k(p) qui stabilise le système de
manère interne, le min (opt applé atténuation (H∞ optimal).

Problème sous-optimal :
Etant donne r>0 trouver k(p) qui stabilise le système de manière interne et
assure ‖[Fℓ p, k ]‖∞ < 𝑟.

4.6 Résolution du problème H∞


a) Résolution du problème normalisé :
Soit P(s) la réalisation minimale du système
P p P p D D C (4.16)
P p =[ ]=[ ] + [ ] [PI − A]− [B B ]
P p P p D D C

La description interne est


Ẋ = Ax + B w + B u (4.17)
{z = c x + D w + B u
y= c x+D w+D u

D12RP1xm2
D21RP2xm1
m1≥p2, p1≥m2, n : taille de A
La solution par variable d’état n’est applicable que sous des hypothèse suivante :
(1) (A, B2,C2) est stabilisable, detectable .
Cette condition est nécessaire et suffisante pour l’existence d’un compensateur qui stabilise
le système de manière interne.
(2) Les matrices D12 D21, sont de plein rang
jwI − A −B
(3) rang ([ ]) = n + m
C D
jw − A B
rang ([ ]) = n + p
−C D

Pour tout wR P12(p), P21(p) n’ont pas de zéro sur l’axe imaginaire
(4) Normalisation DT D , C = I, et D DT , DT = I,
(5) D22=0 et D11=0

53
Chapitre 4 Commande Robuste

Théorème : sous les hypothèses (1-5) ci-dessus, il existe un compensateur K(p) qui stabilise. Le
système de manière interne. Qui assure ‖[Fℓ p, k ]‖∞ ≤ γ
Si et seulement si

i)
ATX+XA+X(γ-2B1B1T-B2B2T)X+C1TC1=0 (4.18)
-2 T T T
AY+YAT+Y((γ C1 C1-C2 C2)Y+B1B1 =0 (4.19)
Ont des solution X∞,Y∞, respectivement (les matrice hamiltonienne n’on pas des valeurs
propres sur l’axe imaginaire).
ii) Les solutions vérifient de plus
X∞≥0 Y∞≥0 (X∞,Y∞)<y² (4.20)
Ou ( ) désigne le module de la plus grande valeur propre.

 L’existence de solution stabilisante traduit la contrainte


‖[Fℓ p, k ]‖∞ ≤ γ
 La condition de positivité (3) assurent la stabilité interne. Pour
k(p)=DK+C12(PI-AK)-1BK
 La matrice d’état du système bouclé s’écrit alors
A + B DK C B Ck
ABF = [ ]
Bk C Ak
La stabilité interne est équivalente à la stabilité ABF.

Le théoreme1 suggère un algorithme de dichotomie pour calculer le gain H∞ optimal, yopt. Cet
algorithme est connu sons le nom γ −itération.
On initialise le processus de dichotomie avec un intervalle.
[ymin,ymax] contenant γ t et à chaque itération, on élimine une moitié de cet intervalle en testant les
conditions (i), (ii) au point médian

γ= γ i
+γ a

Si (i), (ii) sont satisfaites ou γ > γ t


 ou rejete la moitie droite.
Sinon  on rejeté la moitie gauche.
On s’arrête pour une précision donnée.

Etapes de l’Algorithme :
Etape1 : calculer le spectre des matrices hamiltoniennes
A y − B BT −B B
H∞ = [ T ]
−C C −AT
A y − CT C CT C
J∞ = [ ]
−B BT −A

54
Chapitre 4 Commande Robuste

Associe aux équations de Riccati (4.18) et (4.19).


Si ces spectre contiennent des valeurs propres imaginaire pures, γ < γ tt
et passer à l’itération
suivante.
Etape2 : calculer les sous espaces invariants stables.
P P
[ ] et [ ] de H∞ et J∞,
Q Q
On notera qu’ils sont toujours de dimension n à ce stade, si Px ou Py est singulière, γ < γ t
et
passer à l’itération suivante.
Sinon.
Calculer les solutions stabilisantes des équations de Riccati
X∞=QxPx-1 y∞=QyPy-1
Etape3:
Tester (ii) pour conclure la position de γ par rapport à γ t
Dans la plus part des cas, l’optimum est caractérisé par l’égalité (x∞,y∞)= γ ²opt

Theoréme2 :
Supposons (1-5) et soit γ>γ t
, alors le compensateur Kc Stabilise le système de
manière interne et staffait ‖Fℓ p, k c ‖∞ < γ
Avec
Kc(p)=Cc(pI-Ac)-1Bc
Ac=A+( 𝜸 -2B1BT1-B2BT2)X∞-(I- 𝜸 -2Y∞X∞)-1y∞CT2C2
Bc=(I- 𝜸 -2y∞x∞)-1y∞CT2 Cc=-BT2X∞

Cette solution particulière de H∞ sous optimal est appelée compensateur central (central
Controller) le compensateur est strictement propre et d’ordre égale à celui de P(p)

Exemple :
b
Considérons l’exemple ou l’entrés w est composé de deux perturbation w =
v
z
Et la sortie e=
u

A B1 B2
b
ẋ = 0 x+ 1 0 +1u
v
C1 D11 D12
z 1 0 0 b 0
= x+ + u
u 0 0 0 v 1
b
Y=(1)x + (0 1) + 0 14
v

55
Chapitre 4 Commande Robuste

C2 D21 D22

b =𝑥̇
𝑧
x 𝑏 [ ]
x 1/s [ ] P(p) y
u

z
u y K(p)
K(p) x
v

Figure 4.7 Exemple élémentaire, et forme standard correspondante

Condition :
1 0 0 0
C1 = D D =
0 11 0 0 12 1
A=0 B1 = (1 0) B2=(1)
C2=1 D21 = (0 1) D22 = 0

(1) (A, B2) stabilisable rang (B2)= 1 donc (A,B2) commandable


(A,C2) (C2,D2) détectable rang (C2) = 1 (C ,A) observable

0
(2) D12, D21 de plain rang rang (D12) = rang =1=m2
1
rang (D21) = rang (0 1) = 1 = p2
owI-A -B2
(3) Rang = n + m2
C1 D12
jwI-A B1
Rang = n + p2
-C2 D21
jwIn -A
-B2 o-jw -1
Rang =( 1 0) = 2 = 1+ 1
C1 D12
0 1
jw-A B1 -jw 1 0
Rang = =2=n+P2
-C1 D21 -1 0 1
D22 = 0 D11 = 0
T
0 A 1
(4) DT12 C1 D12 = I,0 =
1 0 0
0 T 0 1 0 1
DT12 (C D12 1 )= = 0 1 = 1 0 , I 0
1 0 0 1 0
0 1
D21 DT21 BT1 = 0 1 = 1 0 = I 0
1 0
Les valeurs propres de H∞, J∞

56
Chapitre 4 Commande Robuste

0 γ-2 -1
H∞ = =J∞ γ²> γ ²-1 > γ
-1 0

det(I-H∞ ) = det(I-J∞ ) =2 +(γ−2 -1)

(i)H∞> 0 il faut > 0


Les équations de Riccati sont comme suit
X∞.A+OX∞+X∞ (γ−2 -1)X + 1 = 0
y∞(0) + o.y∞ + y∞ (γ−2 -1)y∞+1 = 0
γ γ²
X∞=y∞= >0 et X∞y∞=
γ2 -1
√γ2 -1

y 2y y2 -1 +2y3 2y
= = 2 <y2
y y2 -1 2 y -1
Il faut que (x∞,y∞) <y²

γ2 -1
<γ2 donc γ >√2

√2 est la valeur minimale


Kc=Cc(PI-Ac)-1Bc y∞ = x∞ = √2
−2 -1
Ac=A+(γ B1B 1-B2B 2)x∞ – (I-∞2y∞x∞)
T T

γ γ2
Ac= (γ−2 -1) + 1 − γ−2 γ2 −1
√γ2 −2
A revoir
-2(γ2 -1)√γ2 -1 y√γ2 -1
ẋ c r = XC t + y(t)
y(γ2 -2) γ2 -2
-γ√γ2 -1
u r = x t
{ γ2 -1 c
u(p) -γ2
k p = =
y(p) γ2 -2 P+2 γ2 -1 √γ2 -1
γ

γ2 √2 le pole fu correcteur tend vers l’infini


Pour γ = γopt le terme en p du dénominateur disparait et l’ordre du correcteur passe de 0à1.
Cette constatation à une portée générale, elle liée au fait que pour la valeur minimale de γ,
la matrice z∞ devient singulière et (I-γ−2 x∞y∞) a l’optimum (il y’a une réduction de l’ordre du
correcteur), la diminution d’ordre étant égale à la perte du rang de z∞, y yopt aux moins un pôle
du correcteur tend vers l’infini.

57
Chapitre 4 Commande Robuste

4.7 Conclusion
La synthèse H∞ propose un cadre général pour le calcul d'un correcteur, en manipulant des concepts
fréquentiels. Elle permet de prendre en compte des objectifs de stabilité, de marges de stabilisé et de
modelage de différents transferts. Dans ce chapitre, on a exposé le principe de problème standard,
ainsi la méthode de résolution par l'équation de Riccati.

58
BIBLIOGRAPHIE
1- I. D. Landau Identification et commande des systèmes, Hermès, 1993.
2- K. J. Astrom and B. Wittenmark, Adaptive control., Dover, 2008.
3- I. D. Landau, R. Lozano, M. M’Saad, and A. Karimi, Adaptive control. Springer ,
2011.
4- V. V. Chalam, Adaptive control systems: Techniques and applications. Marcel
Dekker,1987
5- P. Boucher and D. Dumur, La commande prédictive, Technip, 1996.
6- J. A. Rossister, Model-Based Predictive Control: A Practical Approach, CRC Press,
2003
7- J. M. Maciejowski, Predictive Control: With Constraints, Prentice Hall, 2002
8- E. F.Camacho, C. B. Alba, Model predictive control. Springer, 2013
9- K. Zhou and J. C. Doyle, Essentials of Robust Control,. Prentice Hall, 1997.
10- D. Alazard, et al. Robustesse et commande optimale. Editions Cépaduès (2000)
11- G. Duc, S. Font, Commande H∞ et µ-Analysis, des outils pour la robustesse, Hermes
(1999)
12- S. Skogestadand, I. Postlethwaite, Multivariable Feedback Control. Analysis and
Design. Wiley 2005.
13- Daniel Liberzon. Calculus of Variations and Optimal Control Theory: A Concise
Introduction. Princeton University Press, 2012.
14- Kemin Zhou, John C. Doyle, Keith Glover . Robust and Optimal Control.Prentice
Hall, 1995.
15- Hence P. Geering.Optimal control with engineering application. Springer, 2007.
16- Joao P. Hespanha. Undergraduate lectures notes on LQG LQR controller design. 2007.

59

Vous aimerez peut-être aussi