Automatique Avancée

M2 E3A SAM
UEVE - UPS
2015-2016
Lydie NOUVELIERE
Dalil ICHALAL
Maîtres de Conférences de
L’Université d’Evry-Val-d’Essonne

1
 Table des Matières

• Introduction

• Théorie de Lyapunov pour la commande

• Commande par Modes Glissants

• Commande Adaptative

2
 Introduction
• 6 modules d’Automatique sur le Master E3A
SAM :
– Automatique M1
– Systèmes de commande M1
– Modélisation et Dynamique des SAM M2
– Commande Intégrée M2
– Automatique Avancée M2
– Observateurs M2
 Introduction
• Théorie de la Commande “Robuste” des Systèmes Linéaires :
– En le milieu industriel : outil pour l’analyse et la conception des
systèmes asservis
– Ce qui plaît : son caractère appliqué et son adéquation aux problèmes
pratiques de l’ingénieur automaticien, sa contribution à la
systématisation du processus de synthèse d’un asservissement.
• Un asservissement a deux fonctions essentielles:
– façonner la réponse du système asservi pour lui imprimer le
comportement désiré,
– maintenir ce comportement face aux aléas et fluctuations
qui affectent le système pendant son fonctionnement (rafales de
vent pour un avion, usure pour un système mécanique, 
robustesse face aux perturbations, changement de configuration
pour un robot, etc.)  Robustesse à l’incertitude de modélisation
 Introduction
• L’asservissement est conçu à partir d’un
modèle de synthèse simplifié du système réel.
– Pour fonctionner correctement, il doit donc être
robuste aux imperfections du modèle, c’est-à-dire
aux écarts entre le modèle et le système réel, aux
dérives des paramètres physiques, et aux
perturbations externes.
 Introduction
• Avantage des techniques de Commande Robuste :
– Générer des lois de commande qui satisfont à la double exigence
mentionnée ci-dessus.

• Etant donné une spécification fréquentielle du comportement

désiré et une estimation de l’ordre de grandeur de l’incertitude, la
théorie :
– évalue la faisabilité,
– produit une loi de commande adaptée,
– fournit une garantie sur le domaine de validité de cette loi de
commande (robustesse).
• Cette démarche de synthèse est systématique et très générale. En
particulier, elle est directement applicable aux systèmes à plusieurs
entrées/sorties.
 Introduction
• Théorie de la Commande Robuste :
– Réconcilie l’automatique classique à dominante fréquentielle
(Bode, Nyquist, P.I.D.) et l’automatique moderne à dominante
variables d’état (Commande Linéaire Quadratique, Kalman).
– Combine le meilleur des deux :
• Automatique Classique : richesse de l’analyse fréquentielle des
systèmes (favorable à la spécification des objectifs de performance
(qualité du suivi ou de la régulation), de bande passante (domaine
d’action de l’asservissement) et de robustesse.
• Automatique Moderne : simplicité et puissance des méthodes de
synthèse par variables d’état des asservissements.
• Grâce à ces outils systématiques de synthèse, l’ingénieur peut
désormais imposer des spécifications fréquentielles complexes et
obtenir directement un diagnostic de faisabilité et une loi de
commande appropriée :
– Meilleur compromis
– Analyse des limites du système.
 Introduction
• Limitations des méthodes linéaires :
– Un système est linéaire, au sens des
mathématiques, si on peut y appliquer le principe
de superposition.
– Un système est linéaire s’il est décrit par des
équations différentielles linéaires d’ordre fini à
coefficients constants. Lorsque cette définition
s’applique, on peut associer au système, à l’aide
de la transformée de Laplace, une transmittance
H(p) qui est une fraction rationnelle en p = jω.
 Introduction
• Méthodes d’étude des systèmes linéaires :
– très puissantes en raison des outils disponibles (algèbre linéaire,
équations différentielles et systèmes différentiels linéaires, ...)
– Se cantonner aux systèmes linéaires présente plusieurs
limitations :
• Aucun système physique n’est complètement linéaire.
• Les méthodes linéaires ne sont donc applicables que dans un domaine
de fonctionnement restreint.
• Certains systèmes sont impossibles à modéliser, même localement,
comme des systèmes linéaires (système à commutation)
• Certains phénomènes ne peuvent pas être décrits par des modèles et
méthodes linéaires (précision limitée due au seuil alors que la théorie
classique prévoit une précision parfaite si le système comporte un
intégrateur pur, phénomène de pompage caractérisé par des
oscillations périodiques alors que la théorie linéaire ne prévoit que
des états stables ou instables.
 Introduction
• Systèmes non linéaires :
– Par définition, un système non linéaire est un
système qui n’est pas linéaire, c’est-à-dire (au sens
physique) qui ne peut pas être décrit par des
équations différentielles linéaires à coefficients
constants.
• Explique la complexité et la diversité des systèmes non
linéaires et des méthodes qui s’y appliquent.
• Pas de théorie générale pour ces systèmes, mais
plusieurs méthodes adaptées à certaines classes de
systèmes non linéaires.
Définitions
– Calcul des valeurs propres :
I n  A  0
avec I n de dimension n, identique à celle de A.
Caractéristique des valeurs Qualification du point
propres de A avec n=2 d’équilibre
Les deux v.p. sont réelles et de Noeud
même signe
Les deux v.p. sont réelles mais Point selle ou col
de signe opposé
Les deux v.p. sont purement Centre
imaginaires.
Les deux v.p. sont complexes Foyer
conjuguées.
Lydie Nouvelièere - AU M2GSI CFA 13/14 -
12
UEVE
Systèmes linéaires

Lydie Nouvelièere - AU M2GSI CFA 13/14 -

13
UEVE
Lydie Nouvelièere - AU M2GSI CFA 13/14 -
14
UEVE
Systèmes non-linéaires

Lydie Nouvelièere - AU M2GSI CFA 13/14 -

15
UEVE
Théorie de Lyapunov sur la
stabilité
 Système non-linéaire
• Considérons un système continu et non-
linéaire représenté par:

x  f ( x) x  n

où f : D  ℝn est une fonction localement

Lipschitz du domaine D ⊂ ℝn dans ℝn.
 x1  2 x1  x22  1

• Exemple: 
 x2   x2  x1  1
2
17
 Point d’équilibre
• Un vecteur xe  est un point d’équilibre si:
n

f ( xe )  0

• Si xe est différent de 0, il peut être ramené à 0

par un changement de variable:
x  x  xe

18
 Point d’équilibre
• Considérons donc à partir de maintenant que:
xe  0

19
 Stabilité locale simple et asymptotique

• L’état d’équilibre xe  0 du système continu et

non-linéaire défini précédemment, est:
– Stable, si pour tout ε>0, il existe un r=r(ε), tel que:

x(0)  r  x(t )   t  0
– Instable si non-stable.

20
 Stabilité locale simple et asymptotique

• L’état d’équilibre xe  0 du système continu et

non-linéaire est:
– Asymptotiquement stable, s’il est stable et si r
peut être choisi tel que:

x(0)  r  lim x(t )  0

t 

– Marginalement stable, s’il est stable sans être

asymptotiquement stable.

21
 Stabilité asymptotique globale
• Si le système est asymptotiquement stable
quelque soit la condition initiale x(0), alors le
point d’équilibre est globalement
asymptotiquement stable (GAS).

22
 Stabilité exponentielle
• En plus des conditions précédentes, le
système est dit exponentiellement stable si :
V  aV a 0
Le paramètre a est appelé taux de décroissance.
 Stabilité au sens de Lyapunov
• Vérifier la stabilité d’un système par les
définitions précédentes revient à résoudre
l’équation différentielle régissant la dynamique
du système ⇒ souvent difficile
• La théorie de Lyapunov offre alors une façon
simple pour vérifier la stabilité d’un système
 Idée de base (supposant xe = 0)
• Supposons que l’on puisse définir une mesure
de l’énergie dans un système :
– par exemple:
V ( x, t )  x
2

• Tel que :

V ( xe , t )  0, t  t0
V ( x, t )  0, x  xe , t
25
 Idée de base (supposant xe = 0)
• Tel que :
– V ( x, t ) augmente doucement tandis que x
augmente (pour un t donné).
– L’énergie ne s’accroit pas le long de toute
trajectoire, donc :
dV
 x(t; x0 , t0 ), t   0, t  t0 , x0
dt

26
 Idée de base (supposant xe = 0)
• Il est alors raisonnable de penser que pour x0
près de xe (= 0) :
– L’énergie initiale V ( x0 , t0 ) est petite.
– L’énergie reste toujours petite.
• Puisque : dV dt  0
– x(t ; x0 , t0 ) reste près de xe pour toujours.

 xe est stable.

27
 Hypothèse de base sur V(x,t)
• x, t  t0 : toutes les dérivées partielles de
V existent et sont continues dans (x,t).
• Conséquence :

dV dV
 x(t; x0 , t0 ), t  +  x(t ), t   V  x(t ), t 
dt dt
n
V dxi V
  x(t ), t    x(t ), t 
i 1 xi dt t
28
 Fonction définie positive
• Une fonction scalaire V(x) continuellement
différentiable (par rapport à x) est définie
positive dans une région Ω autour de l’origine
si:
– V(0) = 0;
– V(x) > 0 pour tout x  / x  0 .

29
 Fonction définie semi-positive
• Une fonction scalaire V(x) continuellement
différentiable (par rapport à x) est définie
semi-positive dans une région Ω autour de
l’origine si:
– V(0) = 0;
– V(x) ≥ 0 pour tout x  / x  0 .

30
 Fonction quadratique définie positive

• La fonction quadratique V ( x)  x Qx où Q
T

est une matrice (de taille n par n) réelle

symétrique, est définie positive si toutes les
valeurs propres de la matrice Q sont
strictement positives.

31
 Exemples
• #1:
V ( x)  x  x
2
1
2
2

– Définie positive dans R2;

– Définie semi-positive dans R3.

V ( x)   x1  x2 
2
• #2:

– Définie semi-positive dans R2. (Pourquoi ?)

32
Lyapunov : Méthode directe
 Stabilité locale
• Théorème: L’état d’équilibre xe = 0 est stable
s’il existe une fonction continuellement
dérivable V(x) telle que:

– V(0) = 0;
– V(x) > 0, x  0, x  ;
– V ( x)  dV ( x) dt  0, x  0, x .

34
 Stabilité locale et asymptotique
• Théorème: Si la dernière condition était
plutôt V ( x)  0 alors l’état d’équilibre est
asymptotiquement stable.

35
 Stabilité globale
• Théorème : L’état d’équilibre xe = 0 est
globalement asymptotiquement stable (GAS)
si il existe une fonction continuellement
dérivable V(x) telle que:
– V(0) = 0;
– V(x) > 0,
– V ( x)  0, x  0; x  0;
– V ( x)   quand x  .

36
 Bilan
• Le choix de la fonction de Lyapunov V a un
effet sur l’évaluation de la zone de stabilité
d’un système non-linéaire.

37
 Stabilité de Lyapunov des systèmes linéaires

• Théorème : Le système linéaire x  Ax est

asymptotiquement stable si et seulement si,
pour toute matrice symétrique définie positive
Q, il existe une matrice P définie positive et
symétrique satisfaisant l’équation de
Lyapunov:

A P  PA  Q  0
T

38
 Démonstration (condition suffisante)

• Considérons ce candidat: V  xT Px

• Dérivant: V  x Px  x Px
T T

 x PAx  x A Px
T T T

x T
 PA  A P  x
T

39
 Démonstration (condition suffisante)

• Soit Q une matrice définie positive, si P est

une solution positive de l’équation de
Lyapunov.
– Alors V ( x)  0, x  0

– et V ( x)   x Qx  V ( x)  0, x  0.
T

– Donc système asymptotiquement stable.

40
 Démonstration (condition nécessaire)

• Pour un couple quelconque (A,Q) l’équation

de Lyapunov peut admettre plus d’une
solution pour P.
• Mais, si A est stable, la solution P est unique:


P   e Qe dt
AT t At
0

41
 Démonstration (condition nécessaire)

• Avec cette solution:

 
A P  PA   A e Qe dt   e Qe Adt
T T AT t At AT t At
0 0

 
 d AT t At
 e Qe dt
0 dt

 e Qe
T
A t At
0

 Q
42
COMMANDE Linéaire Quadratique
43
 La commande LQ - Principe
• Soit le système linéaire suivant:

 x(t )  Ax(t )  Bu (t ) x  ; u 
n m


 y (t )  Cx(t ) y  q

• Hypothèse:
– La paire (A,B) est stabilisable, i.e., qu’il n’y a pas
de modes instables et ingouvernable dans ce
système.
44
 La commande LQ - Principe
• Résultat:
– Soit le critère LQ suivant:

 y (t )Qy(t )  u (t ) Ru(t )  dt

J  T T
0

   x (t )Q x(t )  u (t ) Ru (t )  dt

T T
0 x

– Avec R>0, Q≥0 et

Qx  C QC
T

45
 La commande LQ - Principe
• Alors:
– La commande par retour d’état qui stabilise le
système et minimise ce critère LQ est:

u(t )   Kc x(t )
– Avec
1
Kc  R B Pc T

46
 Équation de Riccati
• Dans l’équation précédente, Pc est solution
unique (matrice symétrique et définie
positive) de l’équation de Riccati:

1
Pc A  A Pc  Pc BR B Pc  Qx  0
T T

• Ainsi, la fonction de coût minimale

correspondante est alors:
J min  x Pc x0 , ( x0 : état initial àt  0)
T
o
47
Schéma de principe
de la Commande LQ

y(t)
C

48
 Démonstration
• La dynamique du système en boucle fermée
avec la commande par retour d’état est:

x   A  BK  x  Abf x
• La réponse autonome de ce système est:

x(t )  e
Abf t
x0
49
 Démonstration
• Le critère J devient:

x (t )Qx x(t )  u (t ) Ru (t )  dt

J  T T
0

  x (t )  Qx  K RK  x(t )dt

T T
0

x T
o  e
0
 AbfT t
Q
x  K RK  e
T Abf t

dt x0

 x Px0
T
o
50
 Démonstration
• Avec:
Q  K RK  e

P e
T
Abf t T Abf t
x dt
0

• La contrainte Abf stable entraine que P vérifie

l’équation de Lyapunov:
A P  PAf  Qx  K RK  0
T
f
T

– Notez que P≥0, car J≥0.

51
 Démonstration
• Posant Kc la valeur optimale de K qui minimise
J et la solution Pc correspondante, alors

 A  BKc  Pc  Pc  A  BKc   Qx  K RKc  0

T T
c

52
 Démonstration
• Considérons une variation du gain ΔK autour
de Kc. Il en résulte une variation de ΔP autour
de Pc, qui vérifie:

 A  B  K     P    
T
c K c P

 P     A  B  K    
c P c K

Qx   K c   K  R  K c   K   0
T

53
 Démonstration
• Kc est la valeur optimale au sens de J si et
seulement si le critère augmente pour toute
variation ΔK autour de Kc, soit:

 P  0  K / A  B  Kc   K  stable

54
 Démonstration
• En soustrayant les deux équations des
acétates 66 et 65, on obtient:

 A  B  K       B
T
c K P
T
K
T
Pc 
  A  B  K      P B
P c K c K

 R K   RK c  K R K  0
T
K
T
K
T
c

55
 Démonstration
• Que l’on peut réécrire:

 A  BK   P   P  A  BK 
T

 RK  B Pc    RK c  B Pc   K
T
 T
K c
T T

 R K  0
T
K

– C’est une équation de Lyapunov

56
 Démonstration
• A-BK étant stable ΔP est positif si et seulement
si (Théorème de Lyapunov):

 RK  B Pc    RK c  B Pc   K
T
 T
K c
T T

 R K  0
T
K
 K

57
 Démonstration
• Or, TK R K  0,  K car par définition R>0.
Il faut donc que:

RKc  B Pc  0
T

• Que l’on peut réécrire:

1
Kc  R B Pc T

58
 Démonstration
• En reportant cette valeur de gain dans
l’équation de l’acétate 65, on obtient
l’équation de Riccati:
1
Pc A  A Pc  Pc BR B Pc  Qx  0
T T

FIN

59