Académique Documents
Professionnel Documents
Culture Documents
COMMANDE ADAPTATIVE
2-1 Introduction :
La loi de variation des paramètres des correcteurs donne un caractère non linéaire
aux commandes adaptatives. La recherche de stabilité et la synthèse reposeront donc
sur des techniques spécifiques à ces systèmes. En particulier, elles mettent en œuvre
les critères de Lyapounov ou de Popov.
Calcul du Estimation
régulateur
w
Régulateur Processus
u y
Régulateur θ U Processus y
- θ
Modèle de référence
ym
I =E ¿
L’estimation des paramètres fait appel à des algorithmes d’identification temps réel.
Ils doivent présenter trois caractéristiques :
Etre simples pour ne pas alourdir le noyau temps réel et rester compatibles
avec la fréquence d’échantillonnage.
Converger rapidement pour assurer un suivi correct des paramètres.
Etre insensible aux bruits de mesure.
Ou b0 = 0 car uk n’a pas d’action sur yk dans les systèmes physiques mais, sans nuire à
la validité des résultats, nous conservons ce coefficient :
^
y k =−a1 y k−1−…−an y k−n +b 0 uk + …+ b0 uk−m
1 2 1
J n +1=
2
[ e n+1 ] = ¿ ¿
2
¿
Avec e n+1= y n+1−θ n+1 .h n+1 erreur de prédiction a posteriori
∂ J n+1
Soit : θ^ ^
n +1= θn =−F
∂ θn +1
∂ J n+1
Or =−hTn +1 . e n+1
∂ θn +1
^
θn +1=¿ θ^n + F . h n+1 en +1 ¿
T
Donc :
^ −1
D’où : θn +1=¿ θ^n + F . h n+1 [ [ I ] + hn+ 1 F h n+1 ] ε n +1 ¿
T T
Cet algorithme est stable quel que soit F. Il amène de bons résultats si le nombre de
paramètres est faible. Dans le cas contraire, il peut donner des coefficients fortement
corrélés.
Souvent, l’adaptation d’un coefficient variable se fait par l’intermédiaire d’une boucle
de régulation portant sur une sortie auxiliaire accessible par la mesure et sensible à ces
variables.
Cette grandeur est calculée d’une part en fonction des consignes (flux, glissement …)
et d’autre part en fonction de la mesure des courants, des tensions et de la vitesse de
rotation. L’erreur fonction estimée / fonction mesurée permet l’adaptation du
paramètre.
Consignes F2
Système
Vitesse de rotation n Paramètre nominal
+
courants
Mesure F1
tensions
Vitesse de
rotation
Fig. 2.3 Adaptation paramétrique
dθ s
Dans un repère dq quelconque ( ωl = désigne la vitesse de ce repere par rapport
dt
dθ sl
au stator et ω2 = désigne sa vitesse par rapport au rotor), il introduit une fonction
dt
liée à la puissance réactive ( Q=v ds .i qs −v qs . i ds ¿ obtenue par des mesures .
F 0=
[(( v ds −σ L s
di ds
dt ) ( di
))
i qs − v qs−σ Ls qs i ds +σ Ls ωl (i 2ds +i 2qs)
dt ]
Qui peut s’écrire :
F 0=
Lm
Lr [( d φ dr
dt
. i qs −
d φ qr
dt ds )
. i −ωl (φ dr .i ds +φqr . i qs)
]
Cette dernière expression peut être simplifiée en fonction de la commande.
Lorsque le flux rotorique est orienté sur l’axe q d’un repère lié au flux rotorique, on
a :
−1 2 2 Lm 2 2 2
F 2= . ω1 ¿) =- φ qr i qs.ω l
Lr Lr
La commande adaptative avec modèle de référence peut être posée de deux manières :
Si les paramètres du système sont accessibles, alors on réalise une adaptation directe
du système, ceci n’est toujours réalisable, car en pratique on a uniquement accès aux
entrées du système. Si les gains du contrôleur sont ajustés, nous réalisons une
adaptation indirecte des paramètres. Si un signal de contrôle est injecté comme un
signal d’entrée de contrôle (ou comme une entrée de contrôle additionnelle), nous
aurons une synthèse de signal à partir de l’adaptation.
xm
Modèle de référence
r Perturbations e
+
Système
+ x
Paramètre d’adaptation
Adaptation à Mécanisme
C’est le suivi d’état qui est recommandé, autrement dit, un suivi des sorties ou la
matrice de sortie C du système et celle du modèle Cm sont équivalentes à la matrice
identité :
x́ ( t )= A ( t ) . x ( t ) + B ( t ) .u (t)
y ( t ) =C ( t ) . x (t)
x m ( t )= A m (t ) . x m˙ ( t )+ Bm ( t ) . um (t )
y m ( t ) =Cm ( t ) . x m (t) Cm = I
est identiquement nul est conditionnée par la satisfaction d’un certain nombre de
conditions appelées « condition d’ERZBERGER ».
Pour le PMF, ces conditions se résument en la recherche de deux matrices G(t) et H(t)
tel que le système suivant ait lieu :
B(t).G(t) = Am – A
B(t). H(t) = Bm
x́ ( t )= A ( t ) . x ( t ) + B ( t ) .u (t)
y ( t ) =C ( t ) . x (t)
x m ( t )= A m (t ) . x m˙ ( t )+ Bm ( t ) . um (t )
y m ( t ) =Cm ( t ) . x m (t)
Am . x m ( t ) +B m ( t ) .u m ( t )− A ( t ) . x ( t )−B ( t ) . u ( t ) =0
B (t )
=( A m −A ) x m ( t )+ B m . um (t)
u (t)
Un contrôleur de la forme
Peut assurer un suivi parfait si G(t) et H(t) sont sélectionnés de la manière suivante :
B(t).G(t) = Am – A (2)
B(t).H(t) = Bm (3)
BT. B. G = BT (Am – A)
B. G = B+ ( Am – A) (6)
Les conditions (7) et (8) constituent les conditions d’ERZBERGER. Ces conditions
prévoient l’existence d’une relation structurelle entre le système et le modèle.
- Approche du gradient :
Nous supposons que les paramètres du régulateur varient dans le temps de telle
sorte que l’erreur entre les sorties du système et celles du modèle de référence
tende vers zéro.
1
J ( θ )= e 2
2
dθ ∂J ∂e
=−γ =−γ . e .
dt ∂θ ∂θ
∂e
=les dérivées sensitives du systeme :te sensitivity derivative
∂θ
Cette technique de commande adaptative n’est pas basée sur la stabilité, mais
basée sur la sensitivité des fonctions.
Application N°1:
Modèle de référence
Km xm
1+ sτ
+
r
-
1 xp
1+ sτ
Kp
Fig.2.5 B'
s
Le système est décrit par l’équation
xp x
= p
r 1+sτ
xm xm
=
r 1+ sτ
Solution :
∂e −∂ x p −r
= =
∂K p ∂ Kp 1+ sτ
∂ e dθ
La règle du MIT est = −γ . e . ∂ K = dt
p
˙ ∂e
K p =−B . e .
∂Kp
K p =B˙ . x m . e
'
avec B’=B/Km
Cette technique ne produit pas de système stable pour toutes les entrées et plus
particulièrement pour les entrées sinusoïdales.
Application N°2 :
dy
Soit le système : ẏ= =−a . y +b . u
dt
dy m
Et le modèle de référence est : =−a m . y m +b m.uc = y˙m
dt
Le suivi parfait du modèle peut être assuré par un contrôleur de la forme :
bm a −a
Avec t 0= , s 0= m
b b
∂e ∂e
- Calculer les dérivées sensitives : ,
∂ t0 ∂ s0
Solution :
dy
= ẏ=−a . y +b . u → p . y +a . y=b . u
dt
→ y ( p+ a )=b . u
p . y+ a . y =b . t 0 . uc ( t )−b . s0 y (t)
b t 0 uc
y ( p+a+ b s 0 )=b t 0 uc → y=
p +a+b s 0
e = y – ym
∂e b
= u
∂ t 0 p +a+b s 0 c
∂e −b2 t 0
= u
∂ s 0 ( p +a+b s 0)2 c
Avant de décrire ces méthodes, nous tout d’abord exposer la théorie de stabilité de
Lyapounov.
ẋ=f (x ,u)
ẋ= A . x+ B . u
∂fi
A=Jacobien x f , a ij= x=x 0 ,u=u0
∂ xi
∂fi
B=Jacobien u b ik= x =x 0 , u=u0
∂ uk
dét (λI- A) = 0
a) Si toutes les valeurs propres ont des parties réelles négatives, le système
considéré est stable aux environs du point de fonctionnement considéré, c.a.d
qu’il y revient de lui-même après une perturbation fugitive
b) Si une valeur propre au moins possède une partie réelle positive, le système
est instable.
c) Si une valeur propre au moins est imaginaire pure, on ne peut pas donner de
résultat général, il faut tenir compte des termes d’ordres supérieurs au premier.
M
K A
x1
1 K 1/M x2 x1
U=0 -1 -f
x 1=x
˙ 2
−K f
x˙2= x 1− x2
M M
1 2 2
V = ( M x 2 + K x1 )>0
2
Les courbes V = cste sont des ellipses intérieures les unes aux autres et
s’éloignent de l’origine quand augmente la constante comme le montre la
figure.
√ M
K
x2 0 < V1 < V2 < V3
V2 V3
V V V
V2 VV2 V1
V2
x1
∂V ∂V
V̇ = ẋ + ẋ
∂ x1 1 ∂ x2 2
f
¿ K x1 x 2−M x 2 ¿+ x2 ¿=−f x 22
M
On voit que V̇ <0 et que par suite, les trajectoires traversent les courbes V =
cste de l’extérieur vers l’intérieur et se rapprochent donc à l’origine. Cette idée
se généralise, dans l’espace d’état pour le système autonome défini par :
ẋ=f ( x ) , f ( 0 ) =0
S’il existe une fonction de V(x), appelée Fonction de Liapounov telle que
V(0) = 0 et que les surfaces V= cstes soient fermées intérieures les unes aux
autres et s’éloignent de l’origine quand la constante augmente et si, de plus :
∂V
V̇ =∑ ẋ
∂ xi i
ẋ=f ( x ) , f ( 0 ) =0
II : instable
II
III
- Ceci étant, donné par S® l’hyper sphère de centre O et de rayon R. Si, à tout
nombre έ >0, aussi petit soit-il, on peut associer un nombre R tel que, si l’état
initial x(0) se trouve à l’intérieur de S(έ), l’état ultérieur x(t), t >0, ne soit pas
de S®, nous dirons que le système considéré est stable.
- Si, de plus on peut trouver un nombre έ>0, aussi petit soit-il, tel que, à partir
d’un état initial x(0) intérieur à S(έ), l’état du système tende vers l’origine,
nous dirons que ce système est asymptotiquement stable.
- Si έ peut etre choisi arbitrairement grand, le système sera globalement
asymptotiquement stable.
-
Fonction de Liapounov pour système linéaire
Pour un système linéaire, il est toujours possible de trouver une forme
quadratique constituant une fonction de Liapounov valable. De plus cette
forme quadratique peut ensuite être utilisée pour étudier un système non
linéaire dont le système linéaire constitue un modèle approché.
Considérons le système linéaire autonome décrit par :
ẋ= A . x
Prenons comme fonction de Liapounov :
T
V =x . P . x
P étant une matrice symétrique définie positive. Calculons V̇ :
V̇ =x T . P . ẋ + x˙T . P . x
T T T
¿ x .P. A .x+x . A .P. x
x ( P . A+ A . P ) x
T T
Pour que le système considéré soit stable, il faut que V̇ soit de la forme :
T
V̇ =−x .Q . x
Q étant une matrice symétrique définie positive.
Nous devons donc choisir la matrice P de façon que :
T
−Q=P . A+ A . P
On peut prendre en particulier Q=I .
Application N°1 :
Soit le système définit par :
ẍ + ẋ+ x =0 x=x 1
équivalent au systeme : x˙1=x 2 et ẋ2 =−x1 - x 2
2
1 2 1 2
1
V =1/2 ¿)
1
V̇ = ¿
2
1 1
V̇ = ¿ 3 x 1 x 2 +2 x 2 ¿+ ¿
2 2
2 2
V̇ =−x1 - x 2< 0
Système stable
On peut montrer que P existe toujours pour un système stable et que, de plus,
la condition P > 0 est ici nécessaire et suffisante au demeurant P peut être
exprimée explicitement en fonction de Q et de la matrice de transition Ф(t).
Nous pouvons écrire en premier lieu:
∞
Q=−∫ d (e A .t . Q . e At )
T
Nous avons en effet e AT = Ф(t).et Ф(0)=I ; de plus, si le système est stable ∅ ( ∞ )=0 .
∞
¿∫ A . e
T T
T A .t At A .t At
.Q .e +e . Q. e . A ¿ dt ¿
0
T
¿A ¿
∞ ∞
P=∫ e .Q . e dt=∫ ∅ ( t ) . Q. ∅ ( t ) . dt
T
A .t At T
0 0
Application :
Soit les matrices :
A=
[−42 −64 ] , Q=[ 10 01 ]
Calcul de la matrice de transition :
ẋ= A . x
px ( p )−x ¿
−1
∅ ( p )=( pI − A ) Matrice résolvante
∅ ( t ) :matrice de transistion
−1 Adj( pI − A)
( pI −A ) =
det ( pI − A)
( pI −A )−1=∅ ( p ) =
1 p +6
( p+2 ) ( p+8) 2 [ 4
p+ 4 ]
2 1
p+6 3 3 2 −2 t 1 −8 t
= + = e + e
( p+ 2 ) ( p +3) p+2 p+8 3 3
1 2
p+ 4 3 3 1 2
= + = e−2 t + e−8 t
( p+ 2 ) ( p +3) p+2 p+8 3 3
1 1
1 6 6 1 −2 t 1 −8 t
= − = e − e
( p+ 2 ) (p +3) p+2 p +8 6 6
∅ (t )=
[
1 2α+β
3 α −β
2α −2 β
α+2 β ]
−2 t −8 t
α =e , β=e
∞ ∞
P=∫ e . Q . e dt=∫ ∅T ( t ) .Q . ∅ ( t ) dt
T
A t At
0 0
T
∅ . ∅= [
1 2α+β
9 2 α−2 β α +2 β α−β][
α −β 2 α + β 2 α −2 β
α +2 β ]
On obtient finalement :
P=
1 7 4
40 4 6[ ]
Vérifions ce résultat en recalculant Q à partir de P
L’approche de Lyapunov offre les propriétés de stabilité globale pour n’importe quelle
restriction, soit sur les conditions initiales des erreurs, soit sur la nature des entrées de
référence utilisées. Cependant, l’inconvénient de cette approche est la nécessite de trouver
une fonction de Lyapunov appropriée. La méthode de Lyapunov est appliquée pour la
synthèse d’une commande adaptative à modèle de référence.
Nous considérons l’exemple de la figure 2.5. La fonction de Lyapounov est donnée par :
2 2
V =e + B . X (2.1)
On a donc :
dV
dt
=−2. e . ė +2 B . X . Ẋ−2 e
−e 1
(
+ . r +2. B . X . Ẋ
τ τ ) (2.2)
x ue . P . w=0 quand A m= A
L’inégalité ne peut être satisfaite, à l’exception du cas spécial dépendant
de la structure du système, si les matrices Ac et A m sont de la forme
canonique suivante :
B=¿ bp > 0
Et u devient un scalaire, alors il existe une solution :
u u
x e . P . w=xe . P n.wn
Avec Pn est la nieme colonne de la matrice P. wn est le dernier élément du
vecteur w. Pour assurer que x Te . P . w est négative, il faut que :
b p . ≥ max [ ( Am −A ) x+ Bm . r ] sign(x Te . Pn)
( A m− A ) x +B m . r
Les techniques de modification de l’entrée sont généralement limitées aux
systèmes à paramètres de variation faible. Ainsi les matrices ( A m− A ) et B
sont supposées bien connues.
Synthèse de la boucle de retour (feed back synthesis)
- Pour la méthode de la synthèse de la boucle de retour (feed back
synthesis) on utilise la forme complète de l’équation de Lyapounov :
n n
h ( F , Ψ )=∑ ∅ . ∅i + ∑ Ψ i . Ψ i
u u
i
i=1 i=1
la dérivée de V sera :
n n
V̇ =¿- x ue . Q . x e −2. x ue . P . w+2 ∑ ∅ ui . ∅i +2 ∑ Ψ ui .Ψ i
i=1 i=1
' '
L objectifde cette technique est d éliminerlestrois derniers temes
u
de cette équation , on obtient : V̇ =−x e . Q . x e
Chaine directe
U Feed forward
V
block
-
Chaine de retour
U1 Feed back
Fig.2.6
Block
Le bloc feedback peut être linéaire, non linéaire et/ou variable dans le
temps et satisfait la relation d’entrée-sortie (inégalité de POPOV) sous la
forme :
T
Avec w=K p ( e ,t ) x + K r ( e , t ) r
En suivant les étapes de conception décrite auparavant, le compensateur
linéaire Ce est synthétisé suivant le lemme du positif réel.
Ce= BT.P
- Lemma Kalman – Yacubovitch :
Considérons le système : ẋ= A . x+ B . u, y = C. x
La fonction de transfert C [SI − A]−1 est réelle positive si et seulement si il
existe une matrice symétrique P définie positive et une matrice
symétrique Q définie semi-positive telle que :
T
A P+ PA=−Q
T
B P=C
Avec P est la solution de l’équation de Liapounov :
( Am −B K m)T P+ P ( Am −B K m ) =−Q
Si nous identifions le système suivant :
ė=( A m−B K m ) e−Bw
Y= Ce.e
w=K p ( e ,t ) x + K r ( e , t ) r
Le bloc feedforward est représenté par la fonction de transfert réelle
strictement positive C e [ sI− Am + B K m ]−1 . B et le bloc feedback avec
l’entrée y et la sortie w, alors en appliquant le critère de Popov pour ce
système, on obtient les lois d’adaptation suivantes :
1- adaptation intégrale :
t
K p ( e , t )=∫ α . y . x dτ
T
t
K r ( e ,t )=∫ α . y . r dτ
T
t
K r ( e ,t )=∫ α . y . r dτ + β . y . r T
T