Académique Documents
Professionnel Documents
Culture Documents
Résumé : Ce papier traite le problème d’estimation d’état des systèmes non linéaires discrets multi entrées multi
sorties uniformément observables. Il s’agit de reconstruire les états non mesurables du système à partir de la
connaissance des variables d’entrées/sorties. Alors que plusieurs travaux ont traité ce problème, dans le cas des
systèmes continus, peu sont ceux qui ont abordé le cas des systèmes discrets. Parmi les stratégies d’estimation
proposées dans la littérature, on s’est basé sur la technique de grand gain. Disposant du modèle mathématique d’un
processus réel constitué d’un réseau hydrographique formé de quatre réservoirs disposés en cascade, on s’intéresse, ici,
à estimer deux niveaux d’eau à partir de la mesure discrète de deux autres niveaux. Les résultats de simulation obtenus
sont satisfaisants et montrent l’efficacité de la stratégie d’estimation adoptée. Le choix optimal du paramètre de
synthèse de l’observateur sera aussi envisagé.
Mots clés : Réseau hydrographique, Systèmes non linéaires MIMO discrets, Observateur à grand gain discret.
387
La cinquième Conférence Internationale d’Electrotechnique et d’Automatique, 02-04 Mai 2008, Hammamet, Tunisie
[21] pour établir un observateur à grand gain discret pour transporter de l'eau d'une cuvette de récupération vers les
une autre classe des systèmes non linéaires. En plus de sa quatre réservoirs.
convergence exponentielle, cet estimateur présente
l’avantage d’être simple à calibrer.
Toutefois, il existe, dans la littérature plusieurs
approches d’estimation d’état discrète des processus
opérant dans un environnement stochastique comme par
exemple le filtre de Kalman étendu [17, 18], le filtre de
Kalman unscendu (Unscented Kalman Filter, noté UKF)
[19] et le filtre pratique (Particle Filter) [20]. Pourtant, ces
techniques sont issues des algorithmes complexes et dont
la convergence globale n’est pas établie d’une manière
rigoureuse.
Dans un travail précédent [22], on a estimé deux
niveaux d’eau non mesurables d’un réseau
hydrographique à partir de la mesure de deux autres
niveaux, et ceci en utilisant le filtre de Kalman étendu
modifié donné par Reif et al. [9] et l’observateur à grand
gain établi par Farza et al. [14] sous leurs versions Fig. 1 : Schéma synoptique du processus considéré.
continues. Vû la difficulté d’appliquer ces techniques sur
le système réel en temps continu, on se propose, dans ce
papier, qui est en fait une continuation de la référence Le processus considéré dans cette étude peut être
[22], d’appliquer la version discrète de l’observateur à décrit par les équations suivantes [23]:
grand gain en se basant sur les travaux de Farza et
M’Saad [21]. ⎧ x1 = −c1 x1 + c 2 x 3 + c 3 x 4
⎪
Ce papier est organisé comme suit. Dans le paragraphe ⎪⎪ x 2 = −c 4 x 2 + c5 x3 + c6 x 4
suivant, on va formuler notre problématique en précisant ⎨ (1)
la classe des systèmes non linéaires considérée à laquelle ⎪ x 3 = −c 7 x 3 + c 8 u1
⎪
appartient le processus à l’étude. Le troisième paragraphe ⎪⎩ x 4 = −c 9 x 4 + c10 u 2
sera consacré à présenter une brève description de
l’observateur à grand gain adopté. L’application de cette
où le vecteur d’état x(t ) = (h1 h2 h3 h4 ) ∈ ℜ 4 ,
T
technique d’estimation sur le modèle du réseau
hydrographique considéré fera l’objet du paragraphe 4. Ce x i = hi , i = 1, … ,4 , représente le niveau d’eau contenu
papier sera achevé par une conclusion introduite au
u (t ) = (Q1 Q2 ) ∈ ℜ 2
T
cinquième paragraphe. dans chaque réservoir, et
y (t ) = (h1 h2 ) ∈ ℜ sont, respectivement, les vecteurs
2
T
388
La cinquième Conférence Internationale d’Electrotechnique et d’Automatique, 02-04 Mai 2008, Hammamet, Tunisie
sortie y ∈ℜ p ,
⎛ b 1 (u , x 1 ) ⎞
B (u , x) = ⎜⎜ 2 ⎟ ∈ℜn avec
( )
⎧ xˆ k +1 = I n + Te Fk (u k , x 1k ) xˆ k + Te B k (u k , x 1k , xˆ k2 )
⎪⎪
⎝ b (u , x ) ⎟
⎠ ⎨ (( )
− L k C I n + Te Fk (u k , x 1k ) xˆ k + B k (u k , x 1k , xˆ k2 ) − x k +1 )
b (u , x) ∈ ℜ , i = 1, 2 , C = I n1
i ni
( 0 n1 ×n2 ) avec I n1 est la ⎪
⎪⎩ L k = θ Te Λ k ( I n − Te A)∆ θ S C
+ −1 −1 T
k +1
1
k (
⎧ x = x + Te F (u k , x ) x + b (u k , x )
1 1 1
k
2
k
1 1
k ) Il est à noter que, par hypothèse H1, F 1 (u k , x1k ) est
⎪⎪ 2 2
(
⎨ x k +1 = x k + Te b (u k , x k , x k )
2 1 2
) (3)
inversible à gauche. Par suite, Λ k (u k , x1k ) l’est aussi.
⎪
⎪⎩ y k = C x k = x k
1
⎡0 n I n1 ⎤
A=⎢ 1 ⎥ est une matrice carré de dimension
où Te est la période d’échantillonnage du système. ⎣0 n1 0 n1 ⎦
n1 × n1 avec 0 n1 et I n1 représentent, respectivement, la
Le système (3) peut s’exprimer sous une forme
condensé comme suit : matrice nulle et la matrice identité de dimension n1 , ∆θ
( )
⎧⎪ x k +1 = I n + Te Fk (u k , x 1k ) x k + Te B k (u k , x 1k , x k2 )
(4)
est une matrice bloc diagonale définie par :
⎨
⎪⎩ y k = C x k = x 1k ⎛ 1 ⎞
∆ θ = diag ⎜ I n1 , I n1 ⎟ (7)
⎝ θ ⎠
avec :
θ > 0 un nombre réel, S est la solution unique définie
⎡0 Fk1 (u k , x 1k )⎤ positive de l’équation algébrique de Lyapunov suivante :
Fk (u k , x ) = ⎢ n1 × n1
1
k ⎥
⎣⎢0 n2 ×n1 0 n2 × n2 ⎦⎥
S + A T S + SA − C T C = 0 (8)
⎛ b (u k , x ) ⎞
1 1
Une solution explicite de l’équation (8) est donnée
B k (u k , x 1k , x k2 ) = ⎜⎜ 2 k
1
k
2 ⎟
⎟
comme suit:
⎝ bk (u k , x k , x k ) ⎠
⎛ In − I n1 ⎞
On se propose, dans ce qui suit, de donner une brève S = ⎜⎜ 1 ⎟
description de l’observateur à grand gain établit par Farza ⎝ − I n1 2 I n1 ⎟⎠
et M’Saad [21] pour la classe des systèmes non linéaires
discrets donnée par (3). C est une matrice de dimension n1 × 2n1 , donnée par :
(
C = I n1 0 n1 )
3. Synthèse de l’observateur L’observateur donné par les relations (5) peut
s’exprimer sous une forme prédictive comme suit :
Dans [21], les auteurs ont introduit un changement de ⎧ xˆk +1 = xˆk +1 / k − Lk C ( xˆk +1 / k − xk +1 )
⎪⎪
variable approprié pour faciliter la synthèse de
l’observateur. Puis, à travers un changement de
( )
⎨ xˆk +1 / k = I n + Te Fk (uk , xk ) xˆk + Bk (uk , xk , xˆk )
1 1 2
(9)
⎪
⎪⎩ Lk = θ Te Λ k ( I n − Te A)∆θ S C
+ −1 −1 T
coordonnées inverse, ils ont présenté l’observateur
résultant. On se limitera ici à rappeler l’expression de
l’observateur dans les coordonnées d’origine. Ainsi, le terme xˆ k +1 / k permet de prédire la valeur de xˆ k +1
La synthèse de l’observateur nécessite la vérification entre les instants k et k + 1 . A ce dernier instant, la
de l’hypothèse suivante : valeur de x k +1 devient valable et elle est utilisée pour la
H1) Il existe deux constantes positives α et β tels mise à jour de la valeur prédite xˆ k +1 / k afin d’aboutir à
l’estimation en ligne de xˆ k +1 .
que ∀x ∈ ℜ n , ∀k ∈ N , on a :
Remarque : Il a été prouvé, dans Farza et M’Saad [21],
0 < α 2 I n2 ≤ Fk1 (u k , x 1k ) T Fk1 (u k , x 1k ) ≤ β 2 I n2 , que, si l’hypothèse H1 est vérifiée, l’erreur d’estimation
converge exponentiellement vers zéro.
Un observateur à grand gain discret pour la classe des
systèmes non linéaires donnée par (4) est donné par :
389
La cinquième Conférence Internationale d’Electrotechnique et d’Automatique, 02-04 Mai 2008, Hammamet, Tunisie
4. Application au réseau hydrographique Sur la figure (2), on a tracé l’évolution des états
simulés et des états estimés du réseau hydrographique
considéré en utilisant un observateur à grand gain discret.
On se propose, dans cette section, d’appliquer Alors que le vecteur d’état réel initial est choisi
x(0) = (3 3 10 10 ) , les valeurs initiales des états
T
l’observateur à grand gain discret donné par les relations
(9) en vue d’estimer les deux niveaux d’eau non
mesurables du réseau hydrographique considéré. En ( )T
estimés sont xˆ (0) = 10 −3 10 −3 3 3 . Comme le
utilisant une discrétisation avant d’Euler, un modèle d’état processus considéré est lent, une période
discret pour le système donné par les équations d’échantillonnage égale à 1s semble un bon choix pour
différentielles (1) est donné par : reproduire le comportement du système en mode discret.
L’entrée du système est supposée nulle et le seul
⎪
(
⎧ x1,k +1 = x1,k + Te − c1 x1,k + c 2 x 3,k + c 3 x 4, k ) paramètre de synthèse de l’observateur qui est le
⎪x (
⎪ 2,k +1 = x 2, k + Te − c 4 x 2, k + c 5 x 3,k + c 6 x 4,k ) paramètre θ est fixé à la valeur θ = 0.09 . Les résultats
de simulation, donnés sur la figure (2), montrent la
( )
⎨ (10)
convergence des états estimés du processus vers les états
⎪ x 3, k +1 = x 3,k + Te − c 7 x 3, k + c8 u1, k
⎪ réels avec une bonne dynamique. La rapidité de
(
⎪⎩ x 4,k +1 = x 4, k + Te − c 9 x 4,k + c10 u 2,k ) convergence peut augmenter en affectant une valeur plus
importante au paramètre θ . Cependant, un tel choix peut
On peut remarquer que le modèle mathématique du engendrer un dépassement avant la convergence de
processus considéré donné par (10) peut s’exprimer sous l’observateur, et qui peut en pratique dépasser la capacité
une forme appartenant à la classe des systèmes non des réservoirs.
linéaires considérée dans [21], et qui est donnée par (4),
La dynamique de l’observateur est fortement liée au
en effectuant le changement de coordonnées suivant :
paramètre de synthèse θ . En effet, on a supposé que la
X 1, k = x1, k ; X 2, k = x 2, k ; X 3, k = x 3, k ; X 4, k = x 4, k sortie du système est contaminée par un bruit de mesure
supposé blanc gaussien d’amplitude égale à 10 −4 et on a
Par conséquent, en choisissant le vecteur d’état comme estimé les niveaux d’eau contenu dans chaque réservoir
suit : en utilisant deux valeurs différentes pour le paramètre de
synthèse. Les résultats de simulation donnés sur la figure
⎛X1 ⎞ ⎛ X 1, k ⎞ 2 ⎛ X 3, k ⎞
X k = ⎜⎜ k2 ⎟⎟ avec X k1 = ⎜⎜ ⎟; X k = ⎜ ⎟ (3) pour θ = 0.05 et θ = 0.5 , montrent qu’une faible
⎟ ⎜X ⎟,
⎝Xk ⎠ ⎝ X 2, k ⎠ ⎝ 4, k ⎠ valeur de ce paramètre assure une forte immunité aux
bruits de mesure. Cependant, un tel choix détériore la
le système considéré peut s’écrire sous la forme (4) rapidité de convergence des états estimés vers les états
avec : réels du système. Ainsi, le choix du paramètre de synthèse
⎛ c2 c3 ⎞ de l’observateur à grand gain se base sur un compromis
⎜ ⎟ entre la rapidité de convergence de l’observateur et
⎜X X 1, k ⎟ 1 1 − 1 ⎛ c1 ⎞ l’insensibilité aux bruits de mesure. Donc, on peut
Fk ( X k , u k ) = ⎜ 1, k ⎟; bk ( X k , u k ) = 2 ⎜⎜ c ⎟⎟
1 1
⎜⎜
c5 c6
⎟⎟ ⎝ 4⎠ conclure qu’une valeur de θ = 0.09 semble un choix
⎝ X 2, k X 2, k ⎠ optimal pour le cas du processus considéré.
⎛ c7 c ⎞
⎜− + 8 u1, k ⎟
⎜ 2 2 X 3, k ⎟ 5. Conclusion
bk2 ( X k1 , X k2 , u k ) = ⎜ ⎟
c9 c
⎜⎜ − + 10 u 2,k ⎟⎟
⎝ 2 2 X 4, k ⎠ Disposant du modèle mathématique d’un processus
Les paramètres du système, et qui sont en fonction des réel constitué de quatre réservoirs disposés en cascade où
constantes c k , k = 1, … ,10 , sont donnés sur le tableau 1. on a accès à la mesure, aux instants d’échantillonnage,
qu’aux deux niveaux d’eau seulement, on a estimé les
deux autres niveaux non mesurables. Alors que le modèle
Tableau 1 : Paramètres du système. discret du processus considéré est obtenu en utilisant une
discrétisation avant d’Euler, l’estimation d’état du
Constantes Valeur numérique système est réalisée en adoptant un observateur à grand
gain discret dont la convergence exponentielle globale est
c1 , c 4 0.005 prouvée. Comme les performances d’un tel estimateur
c2 , c6 0.014 dépend d’un seul paramètre de synthèse, à travers une
c3 , c5 0.020 étude de simulation, on a aboutit à un choix optimal de ce
paramètre qui est le résultat d’un compromis à faire entre
c7 , c9 0.020
la rapidité de convergence de l’observateur et un bon
c8 , c10 43 degré de robustesse vis à vis des bruits de mesure.
390
La cinquième Conférence Internationale d’Electrotechnique et d’Automatique, 02-04 Mai 2008, Hammamet, Tunisie
10 10
8 8
h1 (cm)
h2 (cm)
6 6
4 4
2 2
0 0
0 100 200 300 400 0 100 200 300 400
30 30
20 20
h3 (cm)
10 h4 (cm) 10
0 0
0 100 200 300 400 0 100 200 300 400
Temps (s) Temps (s)
10 10
8 8
h1 (cm)
h2 (cm)
6 6
4 4
h1 simulé h2 simulé
2 h1e (theta=0.05) 2 h2e (theta=0.05)
h1e (theta=0.5) h2e (theta=0.5)
0 0
0 100 200 300 400 0 100 200 300 400
30 30
h3 simulé h4 simulé
h3e (theta=0.05) h4e (theta=0.05)
h4e (theta=0.5)
20 h3e (theta=0.5) 20
h3 (cm)
h4 (cm)
10 10
0 0
0 100 200 300 400 0 100 200 300 400
Temps (s) Temps (s)
391
La cinquième Conférence Internationale d’Electrotechnique et d’Automatique, 02-04 Mai 2008, Hammamet, Tunisie
392