Chapitre 3 : LQ

1.2. La Commande Linéaire Quadratique:

On parle de commande linéaire quadratique : LQ ou LQR (lineair quadratic regulator) dont Le
système est linéaire et la commande est quadratique où La commande optimale est un retour
d'état.
1.2.1. La Commande LQ à horizon fini :
Soit le problème de commande optimale du système
x (t )  A(t ) x(t )  B(t )u(t ) (1)
avec le critère

J ( x0 , u ) 
1 T
2
x (t f ) Sx(t f )  
t
tf 1

0 2

x T (t )Q(t ) x(t )  u T (t ) R(t )u (t ) dt ,  (2)

les matrices Q et R étant symétriques avec Q  0 et R > 0.

L’Hamiltonien s'écrit alors :
1 T
H ( x, u, λ , t )  ( x Q(t ) x  u T R(t )u )  λT (t ) A(t ) x  λT (t ) B(t )u. (3)
2

Le principe du minimum donne les conditions suivantes :

H
 B T (t )λ (t )  R(t )u  0, (4)
u

H
λ(t )     AT (t )λ (t )  Q(t ) x, (5)
x

λ (t f )  Sx(t f ). (6)

De l’équation (4), on déduit :

u(t )   R 1 (t ) B T (t )λ (t ). (7)
Alors l'équation dynamique du système s'écrit :
x (t )  A(t ) x(t )  B(t ) R 1 (t ) B T (t )λ (t ). (8)
Les équations (5) et (8) peuvent se mettre sous la forme d'un système matriciel appeler
système hamiltonien :
d  x(t )   A(t )  B(t ) R 1 (t ) B T (t )  x(t ) 
λ (t )     (9)
dt    Q(t )  AT (t )  λ (t )

Ecrivons λ (t )  P(t ) x(t ) , comme nous y incite (6), avec comme condition finale P(t f )  S .

L'équation (5) s'écrit alors

 
λ(t )   AT (t )λ (t )  Q(t ) x(t ). (10)
Avec λ(t )  P (t ) x(t )  P(t ) x(t ) et l'équation d'état (1) du système, l'équation (10) s'écrit (en
omettant la référence au temps afin d'alléger les notations) :

-1-
 Chapitre 3 : LQ

( P  PA  AT P  PBR 1 B T P  Q) x  0 (11)
La solution est alors obtenue en résolvant l'équation différentielle de Riccati suivante :
P  PA  AT P  PBR 1 B T P  Q  0 (12)
avec la condition finale P(t f )  S .

Remarquons que la condition

x T ( P  PA  AT P  PBR 1 B T P  Q) x  0 (13)
s'écrit aussi :
d T
( x Px )  x T Qx  u T Ru  0. (14)
dt
En intégrant cette relation entre  et t f , on obtient

1 T
x P( ) x  J 0 ( , x , u ) (15)
2
où J 0 ( , x , u) est le critère évalué à partir   [t 0 , t f ] (au lieu de t 0 ) et avec la condition

initiale x( )  x .

1 T tf 1
J 0 ( , x , u )  x (t f ) Sx(t f )   ( x T Q(t ) x  u T R(t )u )dt. (16)
2  2

Le minimum du critère est donc :

Il est intéressant de noter que la commande optimale obtenue s'écrit comme un retour
d'état u(t )   K (t ) x(t ) avec :

K  R 1 B T P. (18)
Néanmoins, n'oublions pas que, dans le cas présent, K varie en fonction du temps, même dans
le cas d'un système et d'un critère à temps invariant (c'est-à-dire si les matrices A, B, Q et R ne
dépendent pas du temps). En effet, la matrice P(t) reste dépendant du temps dans le cas d'un
critère à temps fini.
1.2.2. La Commande LQ à horizon infini :
Intéressons nous ici au cas du système LTV précédent où

J ( x0 , u )  
t0


2

1 T

x (t )Q(t ) x(t )  u T (t ) R(t )u (t ) dt. (19)

Ce critère est fini si le système est stabilisable à tout instant t, (c'est-à-dire qu'à chaque instant,
il existe un K(t) tel que les valeurs propres de A  BK soient à partie réelle négative).

-2-
 Chapitre 3 : LQ

Remarquons par ailleurs que la partie du critère concernant l'état final n'est plus pertinente
car, sur un horizon infini, l'état tend vers zéro si le système bouclé est stable.
Dans le cas d'un problème LTI (linéaire à temps invariant), la commande optimale est un
retour d'état constant u(t) = - K x(t) où K est exprimé par l'équation (18) et où P vérifie
l'équation algébrique de Riccati :
PA  AT P  PBR 1 B T P  Q  0 . (20)
NB : on peut trouver l’équation de LYAPUNOV en boucle fermée à partir de l’équation de
RICCATI en boucle ouverte (20) et du gain optimal (18), en rajoutant et en retranchant
PBR 1 B T P dans (20) en aura :
( A  BK )T P  P( A  BK )  Q  K T RK  0 (21)
1.2.3. Résolution de l'équation de Riccati :
 A  BR 1 B T   I n 
L'équation (2.20) s'écrit aussi : P  I n      0.
 Q  AT   P 

 A  BR 1 B T 
H   est appelée la matrice hamiltonienne associée à l'équation de
 Q  AT 
Riccati.
1.2.3.1. Propriété de la matrice Hamiltonienne :
Les 2n valeurs propres de H sont :
— les n valeurs propres stables de la boucle fermée det(sI  ( A  BK )) ,
— les n valeurs propres opposées par rapport à l’axe imaginaire (donc instables).
Démonstration : Effectuons une transformation régulière sur H :

~ I n 0  In 0
H  M 1 HM avec M    et M 1   ,
P In    P I n

~  In 0   A  BR 1 B T P  BR 1 B T 
alors : H   
 P I n    Q  A P  AT 
T

 A  BR 1 B T P  BR 1 B T 
 1 T 1 T 
 PA  A P  Q  PBR B P  A  PBR B 
T T

 A  BK  BR 1 B T 
 T 
.
 0  ( A  BK ) 
~
Donc : det(sI 2n  H )  det(sI 2n  H )  det(sI n  ( A  BK )) det(sI n  ( A  BK ) T )

-3-
 Chapitre 3 : LQ

1.2.3.2. Résolution par les sous espaces invariants:

I 
La démonstration précédente nous montre que  n  est la matrice des vecteurs (de
P
longueur 2n) qui engendrent le sous espace invariant associé aux n valeurs propres stables de
H ( det(sI  ( A  BK )) ). Soit Λ la matrice n×n (diagonale ou non) des n valeurs propres
stables et soit X la matrice des vecteurs propres de H associés à Λ calculés par exemple par
une décomposition spectrale ou une décomposition de SCHUR de H :
HX  X ,
si l’on partitionne X en deux sous matrices X1 et X2 de dimension n×n :
X 
X   1 ,
X 2 
alors on peut écrire :
 A  BR 1 B T   I n   I n 
  1 
 X X 11
1  1
 Q A T
 X 2 X 1   X 2 X 1 
et donc : P  X 2 X 11 .
P est unique car il n’existe qu’un seul ensemble de n valeurs propres stables de H.
1.2.4. Propriétés de robustesse de la méthode LQ :
- Schéma de Principe:

Figure. 1 Schéma général de la commande linéaire quadratique.

Le schéma général de cette commande peut se représenter comme indiqué sur la Figure. 1 ci-
dessus.
En ouvrant la boucle en (1), la matrice de transfert de boucle s’écrit :
L(s)  K (sI  A) 1 B (22)
L’équation de RICCATI (20) peut s’écrire sous forme
Q  PBR 1 B T P  (sI  AT ) P  P(sI  A)  0 . (23)
En multipliant chaque terme de cette dernière expression, à gauche par
B T (sI  AT ) 1 et à droite par ( sI  A) 1 B nous obtenons :

-4-
 Chapitre 3 : LQ

B T ( sI  AT ) 1 Q( sI  A) 1 B
 B T ( sI  AT ) 1 PBR 1 B T P( sI  A) 1 B . (24)
 B T P( sI  A) 1 B  B T ( sI  AT ) 1 PB  0

En notant que d’après (18), on a B T P  RK et PB  K T R , on obtient :

B T ( sI  AT ) 1 K T R  RK ( sI  A) 1 B
 B T ( sI  AT ) 1 PBR 1 B T P( sI  A) 1 B . (25)
 B T ( sI  AT ) 1 Q( sI  A) 1 B
Le premier membre de l’égalité s’écrit :
( I  B T (sI  AT ) 1 K T ) R( I  K (sI  A) 1 B)  R.
On obtient finalement l’équation de la différence de retour :
( I  B T (sI  AT ) 1 K T ) R( I  K (sI  A) 1 B)  R  B T (sI  AT ) 1 Q(sI  A) 1 B. (26)
Les marges de stabilité :
Reprenons l’équation de la différance de retour en fréquentiel avec s  j et en notant

( j )  ( jI  A) 1 . On obtient alors pour tout  :

( I  K( j) B) H R( I  K( j) B)  R  (( j) B) H Q( j) B (27)

H
Où M est le hermicien de M, c'est-à-dire le conjugué transposé.
Restreignons nous au cas où R  I et factorisons Q en Q  H T H .
L’égalité (27) s’écrit alors :
1
( I  K( j ) B) H ( I  K( j ) B)  I  ( H( j ) B) H ( H( j ) B) (28)

dont on déduit les valeurs singulières de I  K( j ) B :

σ i ( I  K( jω) B)  si (( I  K( jω) B) H ( I  K( jω) B)) (29)

 1 
 s i  I  ( H( jω ) B) H ( H( jω ) B)  (30)
 ρ 

1
 1 σ i2 ( H( jω ) B) (31)
ρ

et  i ( I  K( j ) B)  1 (32)

Où s i représente la i éme valeur propre. En monovariable, ce résultat s’interprète facilement sur

le lieu de Nyquist, comme le fait que la distance au point -1 est toujours supérieure à 1. Ainsi,
la commande LQ présente la propriété de robustesse suivante : sa marge de module est égale à
1. On en déduit ainsi les intervalles dans lesquels le gain et la phase peuvent varier :
- marge de gain ]0,5;[ , marge de phase ]  60  ;60  [ .

-5-