Académique Documents
Professionnel Documents
Culture Documents
23-28
F. KHABER*, A. HAMZAOUI**
* Département d’Electrotechnique, Université Ferhat ABBAS de Sétif, 19000, SETIF-ALGERIE
jfkhaber@yahoo.fr
**
I.U.T. de Troyes, Département GMP, 9 rue du Québec, 10026 Troyes Cedex France
hamzaouia@iut-troyes.univ-reims.fr
RESUME
Dans cet article, on présente un algorithme pour la conception d’un contrôleur linéaire stabilisant une classe de
systèmes flous. Les systèmes en question sont du type Takagi-Sugeno, caractérisés par une représentation
linéaire du type x& = A j x + B j u . Cet algorithme exploite les modèles locaux du système, obtenus autour de points
de fonctionnement et établis par l’expertise humaine sous la forme de règles de type IF-THEN. La mise en oeuvre de
l’algorithme exige la stabilité, au sens de Lyapunov, d’au moins un modèle local (Aj, Bj). L’algorithme ainsi
développé est appliqué à un robot manipulateur à un degré de liberté. Les simulations sont réalisées sous
l’environnement MATLAB 5.3.
x& (t ) = (A j + B j D (α j (t ) )x(t ) + (B j + B j E (α j (t ) )u (t )
Le modèle (1) peut alors s’écrire :
⎛ ⎞
⎜ r
⎟
x& (t ) = ⎜ α j (t ) A j +
⎜
∑ α i (t ) Ai ⎟ x (t ) +
i =1 ⎟ = A j x(t ) + B j (u (t ) + D(α j (t )) x(t ) + E (α j (t ))u (t ) ) (7)
⎝ i≠ j ⎠
⎛ ⎞ Soit
⎜ r
⎟
α
⎜⎜ j (t ) B + ∑ i α (t ) Bi ⎟ u (t ) (4)
h((α j (t ), x, u ) = D(α j (t )) x(t ) + E (α j (t ))u (t ) (8)
⎟
j
i =1
⎝ i≠ j ⎠
[
Soit α j (t ) = α1 (t ) ... α j −1 (t ) α j +1 (t ). .. α r (t ) ];
T
(
d’ou x& (t ) = A j x (t ) + B j u (t ) + h((α j (t ), x, u ) ) (9)
α j (t ) ∈ [0,1]
r −1 Si l’élément incertain F ne satisfait pas les
.
conditions équivalentes, on peut l’écrire sous la
⎧∆A(α (t )) = r α (t )(A − A ) forme :
⎪ j ∑ i i j
Soient ⎪
i =1
⎨
i≠ j
F (α j (t )) = f (α j (t )) + B j h(α j (t )) (10)
⎪∆B (α j (t )) = ∑ α i (t )(Bi − B j )
r
( )
local du système qui est considéré comme le
où F α j , x, u = ∆A(α j (t )) x(t ) + ∆B (α j (t ))u (t ) système nominal associé au modèle flou (7).
24
Commande et stabilité des systèmes linéaires flous de Takagi-Sugeno
β 2
γ> x
= γ~ .
4λmin (Q )(1 − β u ) 6. APPLICATION
Toutes les étapes de cette étude sont résumées dans L’algorithme ainsi développé est utilisé pour
un algorithme permettant la génération d’une stabiliser un robot à un degré de liberté de masse m
commande par retour d’état capable de stabiliser le et de longueur l, actionnée par un moteur à courant
système flou en boucle fermée. continu, comme indiqué sur la figure 1.
REMARQUE
Dans le cas où le modèle local (Aj, Bj) n’est pas
asymptotiquement stable, on le stabilise par une m α
commande par retour d’état u1= -k1x de façon à ce
que la nouvelle matrice (Aj-Bjk1) ait des valeurs
propres dans les positions désirées (assurant la
stabilité).
l
5. ALGORITHME
Etant donné le modèle flou (1) :
Etape 1 : Initialiser un indice j = 1.
Figure 1 : Bras de robot à un degré de liberté.
Etape 2 : Représenter (1) sous la forme (4).
25
F. Khaber & al.
Le choix de cette application est motivé par le fait ce 6.2 Mise en œuvre de l’algorithme
ces dernières années une intention particulière est
Etape1 :
donnée à la commande en poursuite des robots
manipulateurs, qui devront faire face aux problèmes j=1
d’incertitudes dans leurs modèles dynamiques, en De l’équation (1) on a
particulier les incertitudes structurelles [7].
x& = (α1 A1 + α 2 A2 )x + (α1b1 + α 2b2 )u
6.1 Modélisation où α i = µi ; i = 1,2 puisque µ1 + µ 2 = 1
26
Commande et stabilité des systèmes linéaires flous de Takagi-Sugeno
6.3 Simulation -2
x1(0) = 0.1 rad
Pour les simulations, on a utilisé SIMULINK 3 sous x2(0) = 0 rad
-4 x3(0) = 0 rad
MATLAB 5.3. Le robot manipulateur est représenté
par son modèle non linéaire réel (module Robot dans -6 x1(0) = 0.87 rad
x2(0) = 0 rad
la représentation par SIMULINK) . x3(0) = 0 rad
Commande
-8
-16
0 1 2 3 4 5 6 7 8 9 10
Alpha_2P Temps (s)
7. CONCLUSION
L’algorithme proposé permet la stabilisation d’une
Mux
classe de systèmes non linéaires incertains. Le
contrôleur conçu utilise les systèmes flous du type
Takagi-Sugeno et exploite les modèles locaux de
Mux
systèmes obtenus par linéarisation autour de
Figure 2: Schéma de contrôle du bras manipulateur. quelques points de fonctionnement.
Le principe de cette approche est de concevoir une
L’évolution de l’angle α est représentée, pour commande par retour d’état capable de stabiliser, au
différentes conditions initiales, sur la figure 3 où sens de Lyapunov, le système en boucle fermée. Un
l’on constate la convergence du système vers sa exemple de simulation est présenté pour illustrer
position d’équilibre. l’approche proposée. Les résultats de simulation
obtenus montrent que le contrôleur développé
permet de stabiliser le bras-manipulateur.
Evolution de l'angle alpha
1.6
REFERENCES
1.4
x1(0) = 0.1rad
x2(0) = 0 rad [1] H. Bühler, «Réglage par logique floue», Presses
1.2 x3(0) = 0 rad universitaires polytechniques romandes, Suisse
1994.
1 x1(0) = 0.87 rad
x2(0) = 0 rad [2] R. Hartani, H.T. Nguyen et B. Bouchon-
x3(0) = 0 rad
0.8
Meunier «Sur l’approximation universelle des
systèmes flous», RAIRO-APII-JESA, vol. 30,
x1(0) = 1.6 rad
0.6 x2(0) = 0 rad
n°5, pp. 645-663, 1996.
x3(0) = 0 rad
[3] M. Jamshidi, A. Titli, A. Jadbabaie,
0.4 «Guaranteed cost design of continuous-time
Takagi-Sugeno fuzzy Controllers via linear
0.2
matrix inequalities», LAAS report n° 98512,
May 1998.
0
0 1 2 3 4 5 6 7 8 9 10 [4] C. Melin et B. Vidilov, «Stabilisation de
temps(s)
systèmes par des contrôleurs flous : Partie I»,
Figure 3 : Evolution de l’angle α pour trois conditions RAIRO-APII-JESA, vol. 30, n°5, pp. 679-705,
initiales différentes. 1996.
[5] F. Khaber, A. Hamzaoui & J.L. Sculfort
«Contrôle flou et stabilité d’un portique avec
La représentation des variations de la commande u masse suspendue», Proceedings CNR-
montre que plus la condition initiale est éloignée du IUT’2000.
point d’équilibre et plus la commande doit être
27
F. Khaber & al.
[6] F. Khaber et A. Hamzaoui, «Commande floue Systems Using Fuzzy Models», IEEE trans. on
d’un système non linéaire», CIP’2001, 09-11 Fuzzy Systems, vol. 7, n° 2, April 1999, pp.
juin 2001. 133-142
[7] B.B. Kook and W. Chul Ham, «Adaptive [12] C.S. Tseng, B.S. Chen, H.J. Uang, «Fuzzy
Control of Robot Manipulator Using Fuzzy tracking control for nonlinear dynamic systems
Compensator», IEEE trans. on Fuzzy Systems, via T-S fuzzy model», IEEE trans. on Fuzzy
vol. 8, n° 2, April 2000, pp. 718-737. Systems, vol. 9, n° 3, June 2001, pp. 381-392.
[8] J. E. Slotine & W. Li «Applied Nonlinear [13] L. X. Wang «Fuzzy Systems are universal
Control», Prentice Hall 1991. Approximators», IEEE trans. on Fuzzy Systems,
[9] Stanislaw .H. Zak, «Stabilizing Fuzzy System vol. 5, n° 8, May 1992, pp. 1164-1173
Models Using Linear Controllers», IEEE trans. [14] L. X. Wang, «Stable and Optimal Fuzzy Control
on Fuzzy Systems, vol. 7, n° 2, April 1999, pp. of Linear Systems», IEEE trans. on Fuzzy
236-240 Systems, vol. 6, n°1, February 1998, pp. 137-
[10] K. Tanaka and M. Sugeno «Stability Analysis 143.
and Design of Fuzzy Control Systems», Fuzzy [15] J. Yoneyama, M. Nishikawa, H. Katayama and
Sets Syst., vol. 45, pp. 135-156, 1992 Ichikawa «Output Stabilization of Takagi-
[11] M.C.M. Teixeira and S.H. Zak, «Stabilizing Sugeno fuzzy Systems», Fuzzy sets and
Controller Design for Uncertain Nonlinear Systems 111 (2000), 253-266.
28