Académique Documents
Professionnel Documents
Culture Documents
Un observateur ?
Reconstructeur qui a pour but à partir des variables
mesurées de permettre une estimation du vecteur d’état
C'est quoi un observateur?
Etant donné: x(t ) Ax(t ) Bu(t )
,
u x y y Cx(t )
Process C
x n , y m , u p
Comment construire l'observateur, en se basant sur les
erreurs de sortie?
xˆ ( t ) A xˆ ( t ) Bu ( t ) K y ( t ) C xˆ ( t )
yˆ C xˆ ( t )
xˆ ( 0 ) xˆ 0
u (t )
xˆ ( t ) A KC xˆ ( t ) B K
y (t )
yˆ C xˆ ( t )
xˆ ( 0 ) xˆ 0
Simulation de l'observateur
u(t )
xˆ(t ) A KCxˆ(t ) B K
y(t )
yˆ Cxˆ(t )
x̂0
u (t )
B K x̂ x̂ ŷ
C
A-KC
Observateur & processus
x̂0 PROCESSUS
u (t ) x x y
B
C
+
B Bu(t )
+ +
y
x̂ x̂ K ( y yˆ )
+
K
-
A ŷ
Aˆx
Cˆx
C OBSERVATEUR
Convergence (1/2)
~
x x xˆ
~ x x xˆ Ax Bu Axˆ Bu K ( y Cxˆ ) A( x xˆ ) KC( x xˆ )
Convergence (2/2)
d ( x xˆ ) ~
x A( x xˆ ) KC( x xˆ ) A KC) ~
x
dtErreur d’estimation
d ((tt )
A KC. (t )
x ( p) pI A KC1 x0 xˆ0
~ dt
Chap4/ 8
Idée du diagnostic par observateur
Impossible de générer l’erreur d’estimation : car état réel
n’existe pas (car non mesuré)
L’erreur de reconstruction de la sortie y peut être calculée
car on suppose qu’elle est mesurée
Schéma de principe :
u y C
Process o
m
p Résidu
a
ŷ r
Observateur e
r
Comment générer les résidus ?
1. Par simulation u(t )
xˆ(t ) A KCxˆ(t ) B K
y(t )
yˆ Cxˆ(t )
u (t ) x̂0
B K +
ŷ
y
+
x̂
x̂ C
process A-KC
-
Capteur
y +
Résidu
Calcul du résidu en p
x (t ) Ax(t ) Bu (t ) L X ( p) pI A BU ( p ) x0
t 0 x(0) x0
y Cx (t ) Y ( p) CX ( p)
I C pI A KC K C( pI A)
1 1 1
.(BU ( p) x0 ) C pI A KC1 BU ( p) xˆ0
r ( p ) I C ( pI A KC 1.K )C ( pI A) 1 x0 C ( pI A KC ) 1 xˆ0
r ( p) C pI A KC1x0 xˆ 0
Résidu
Convergence de l’observateur et sensibilité du
résidu aux bruits
Analyse de r(p)
1. L’erreur de reconstruction de la sortie dépend de l’erreur
d’estimation des CI
Gd ( p ) C pI A KC Fx KFy Fy
1
Ge ( p ) C pI A KC E x KE y E y
1
G0 ( p ) C pI A KC
1
Remarque sur le résidu
~
y ( p) Gd ( p).d ( p) Ge ( p).e( p ) G0 ( p).~
x ( p) (4)
1. Le résidu est sensible aux défauts d(p), aux perturbations et
bruits e(p), mais aussi aux CI. L’observation converge vers 0 pour
t, on peut négliger les transitoires dues aux CI.
x (t ) A KC ~
~ x (t ) Ke(t ) Fréquentiel ~ 1
x ( p ) pI A KC x0 xˆ0 Ke( p )
~
y (t ) r (t ) C~
x (t ) e(t )
~
y ( p) r ( p) C pI A KC1 x0 xˆ0 I C pI A KC1 K e( p)
Influence du bruit sur le résidu
Négligeons d’abord l’influence des CI
r ( p ) I C pI A KC 1 .K e ( p )
e( ) r ( )
r ( p) I C( pI A KC1
Seuil
NORMAL
0
t
2.Influence d’une erreur de modélisation
Problématique
En pratique il existe toujours une erreur de modélisation
L'Observateur est construit à partir du modèle alors la sortie
reconstruite est sensible aux erreurs de modélisation
Le diagnostic se base sur l’écart entre sortie reconstruite et
celle réelle
Difficile de séparer entre les erreurs dues à la modélisation et
celles dues aux fautes
But
Construire un observateur sensible aux défauts et peu
sensible aux erreurs de modélisation
Décision
Résidu~
y(t)
ALARME
~
y
NORMAL
0
~ t
y
Observateurs à entrées inconnues
Problématique
Modèles où la sortie des actionneurs n’est pas mesurées
L’évaluation des RRAs nécessite la connaissance des
mesures et des entrées
Alors : on utilise des observateurs à entrées inconnues
(UIO : Unknown Input Observers)
Principe
Soit un système avec des entrées connues u(t)
et entrées inconnues u (t )
Observateurs à entrées inconnues
Soit le système à entrée inconnue
x (t ) Ax(t ) Bu (t ) Fu (t ) soit une variable intermédiare :
y Cx(t ) z(t ) Txˆ(t )
u:Connu, u : inconnu
~
x (t ) x(t ) xˆ(t ) x(t ) z(t ) Ey(t ) x(t ) z(t ) ECx(t )
~
x (t ) ( I EC) x(t ) z(t )
En dérivant puis en remplaçant x(t) et z(t) on obtient:
~x (t ) ( I EC ) Ax (t ) Bu (t ) Fu (t ) Nz (t ) Gu (t ) Ky (t )
Posons : P = I+EC
~x (t ) N~x (t )
L’entrée étant inconnue , on tente d’avoir :
~y C~x (t )
x (t ) Ax(t ) Bu (t ) Fu (t )
y Cx (t )
u:Connu
u : inconnu
1 dy (t )
u (t ) CF CAx(t ) CBu (t )
dt