Académique Documents
Professionnel Documents
Culture Documents
Commande Adaptative À Modèle de Référence Pour Les Systèmes Linéaires Variants Et Les Systèmes Non Linéaires
Commande Adaptative À Modèle de Référence Pour Les Systèmes Linéaires Variants Et Les Systèmes Non Linéaires
Par définition, les variables idéales doivent satisfaire : S 22 (t) = Ω 21 (t) S&12 (t) + Ω 21 (t) S 11 (t)B m
(39)
* On voit bien que S 21 (t) et S 22 (t) dépendent de
(i) C p x p ( t ) = C m x m (t) (26)
S 11 (t) et S 12 (t) via les équations (38) et (39), donc,
* * *
(ii) x& p (t) = A p (t) x p (t) + B p (t) u p (t) (27) seulement l'équation (36) nécessite d’être résolue. Pour la
résolution du système d’équations (36 - 39), on transforme les
⎡ x* (t)⎤
p ⎡ S (t) S 12 (t)⎤ ⎡ x m (t)⎤ équations différentielles en équations aux différences en
(iii) ⎢ * ⎥ = ⎢ 11 . (28)
⎢u (t)⎥ ⎣ S 21 (t)S 22 (t)⎥⎦ ⎢⎣u m (t)⎥⎦ appliquant la formule d'approximation de la dérivée.
⎣ p ⎦ . x( kT + T ) − x( kT )
Avec S 11 , S 12 , S 21 et S 22 sont des matrices dépendantes x( kT ) =
T
du temps, de dimension appropriée.
Avec T la période d'échantillonnage.
Sous la supposition que u& m (t) = 0 , Les équations à résoudre
sont :
IV. ALGORITHME DU MRAC
A p (t) S 11 (t) + B p (t) S 21 (t) = S& 11 (t) + S 11 (t)Am (29)
A p (t) S 12 (t) + B p (t) S 22 (t) = S&12 (t) + S 11 (t)Bm (30) Le problème de MRAC sera résolu pour les équations
C p S 11 (t) = C m (31) suivantes du processus :
x&( t ) = A( t )x( t ) + B( t )u( t ) (40)
C p S 12 (t) = 0 (32)
y( t ) = Cx( t ) (41)
(Pour les détails, voir [6]).
Les équations (29) – (32) peuvent être mises sous forme L'objectif est de trouver une commande u( t ) tels que la sortie
matricielle du système y p suive la sortie du modèle de référence y m
⎡ A p (t)B p (t)⎤ ⎡ S 11 (t) S 12 (t)⎤
⎢ C ⎥×⎢ ⎥= x&( t ) = Am x m ( t ) + B m u m ( t )
⎣ p 0 ⎦ ⎣ S 21 (t)S 22 (t)⎦ (33)
(42)
⎡ S& 11 (t) + S 11 (t)Am S& 12 (t) + S 11 (t)Bm ⎤ y m ( t ) = C m xm ( t ) (43)
⎢ Cm 0 ⎥
⎣ ⎦
Pour faciliter le développement de la loi de commande, le
concept de CGT à temps variant est présenté ici. Si une
On assume que m = q , donc, si la matrice
poursuite parfaite est atteinte, c-à-d y p ( t ) = y m ( t ) pour
⎡ A p (t)B p (t)⎤
⎢ C ⎥ t ≥ 0 , les trajectoires de contrôle et d’état correspondantes
⎣ p 0 ⎦ * *
est inversible, l’équation (33) donne : sont notées x p ( t ) , u p ( t ) et satisfont par définition (26-28).
⎡ S 11 (t) S 12 (t)⎤ ⎡ Ω11 (t) Ω12 (t)⎤ La loi de commande est choisie de la forme
⎢⎣ S 21 (t)S 22 (t)⎥⎦ = ⎢⎣Ω 21 (t)Ω 22 (t)⎥⎦
(34) u( t ) = K e ( t )( ym ( t ) − y( t )) + K x ( t )xm ( t )
⎡ S& (t) + S 11 (t)Am S&12 (t) + S 11 (t)Bm ⎤
× ⎢ 11 ⎥ + K u ( t )u m ( t ) (44)
⎣ Cm 0 ⎦
qui peut s’écrire de la forme
u = Kr (45)
avec
−1
avec
⎡ Ω11 (t) Ω12 (t)⎤ ⎡ A p (t) B p (t)⎤ T T T T
⎢⎣Ω 21 (t)Ω 22 (t)⎥⎦ = ⎢ C p 0 ⎥ (35) K = ( K e , K x , K u ) r = (( y m − y ) , x m , u m )
⎣ ⎦ K ( t ) est définie selon la règle adaptative suivante :
On voit que le produit
4th International Conference on Computer Integrated Manufacturing CIP’2007 03-04 November 2007
1
Gm ( s ) =
0. 2 s + 1
Sa représentation d'état est donnée par :
.
x m ( t ) = Am x m ( t ) + B m u m ( t )
y m ( t ) = C m xm ( t )
Où
Am = [− 5] , Bm = [5] , C m = [1]
Fig. 1 - Sorties du système et du modèle, Les résultats de la simulation représentés sur la Fig. 3
indiquent que le système suit asymptotiquement le modèle de
référence.
La Fig. 4 représente la grandeur de commande, on voit bien
qu’elle est bornée et lisse .
4th International Conference on Computer Integrated Manufacturing CIP’2007 03-04 November 2007
VIII. CONCLUSION
Dans cet article, On présente au premier lieu le concept du
CGT pour les systèmes invariants puis variants, une extension
de la commande adaptative MRAC aux systèmes non linaires a
été développée en utilisant la procédure de linéarisation
virtuelle, une simulation sur un modèle d’un avion a été testée,
conduisant à une erreur asymptotiquement stable entre le
système et le modèle de référence. Cette étude permettra au
MRAC d’être appliquée aux systèmes non linéaires et même
aux systèmes de fortes non linéarités et c’est le cas de la
plupart des systèmes industriels.
IX. REFERENCES
[1] Broussard J.R , Obrien S.J., " Feedforword control to track the output of a
forced model," Proceedings of the 17th Conference on Decision and
Control pp.1149-1155,1979.
[2] I.Barkana, Positive Realness in Multivariable stationary Linear Systems ,
International Journal of Franklin Institute Vol 328,n4,pp 403-417 ,1991.
[3] I.Barkana, Gain Condition and Convergence of Simple Adaptive Control,
International Journal of Adaptive Control and Signal Processing,19,
pp.13-40, (2005a)