univdocs.

com

Université Mouloud MAMMERI, Faculté de Génie Electrique et d’Informatique

Département Automatique, Année Universitaire : 2017−2018

Spécialité : Master 2 Académique, Option : AS et AII

Module : Commande Avancée, Examen : Rattrapage

Solution

Question de cours : (04,00 points)

1. Méthode de la fonction de Lyapunov et Méthode du gradient (Règle MIT).

2. Pour simplifier le problème d’optimisation car un nombre de variables de décision (d’optimisation)
important (Nu = Np ) n’améliore pas les performances.

Exercice 1. (05,00 points)

1. Équation aux différences :

Y (z) z −1
G(z) = = ⇒ (1 − 0, 5 z −1 ) Y (z) = z −1 U (z)
U (z) 1 − 0, 5 z −1
⇒ Y (z) − 0, 5 z −1 Y (z) = z −1 U (z) ⇒ Y (z) = 0, 5 z −1 Y (z) + z −1 U (z)

L’application de la transformée en Z inverse donne

y(k) = 0, 5 y(k − 1) + u(k − 1)

2. Les quatre premières valeurs de la sortie y(k) :

y(1) = 0, 5 y(0) + u(0) = 0, 5 × 0 + 1 = 1

y(2) = 0, 5 y(1) + u(1) = 0, 5 × 1 + 1 = 1, 5
y(3) = 0, 5 y(2) + u(2) = 0, 5 × 1, 5 + 1 = 1, 75
y(4) = 0, 5 y(3) + u(3) = 0, 5 × 1, 75 + 1 = 1, 875

3. Matrice dynamique pour Np = 4 et Nu = 3 :

   
g1 0 0 1 0 0
   
 g2 g1 0   1, 5 1 0 
G= = 

 g3 g2 g1  
  1, 75 1, 5 1 

g4 g3 g2 1, 875 1, 75 1, 5
univdocs.com

Exercice 2. (06,00 points)

1. Gain k ∗ de la loi de commande lorsque b est constant :

Le système en boucle fermée est

ẏ(t) = −y(t) + b k ∗ y d (t)

Par identification avec le modèle de référence ẏm (t) = −ym (t) + bm y d (t), on obtient

bm
b k ∗ = bm ⇒ k ∗ =
b
2. Expression générale de l’adaptation du gain k(t) :

D’après la règle MIT, on a

∂y(t)
k̇(t) = −γ e(t)
∂k(t)
avec e(t) = y(t) − ym (t).
∂y(t)
3. Fonction de sensibilité :
∂k(t)

Le système en boucle fermée est

ẏ(t) = −y(t) + b k y d (t)

Ainsi,

∂y(t) ∂ b k y d (t)
 
∂ ẏ(t)
=− +
∂k(t) ∂k(t) ∂k(t)
 
d ∂y(t) ∂y(t)
=− + b y d (t)
∂t ∂k(t) ∂k(t)
 
d ∂y(t) ∂y(t)
+ = b y d (t)
dt ∂k(t) ∂k(t)
 
∂y(t) ∂y(t)
s + = b y d (t)
∂k(t) ∂k(t)
∂y(t) b
= y d (t)
∂k(t) s+1
∂y(t) bm
= ∗ y d (t)
∂k(t) k (s + 1)
univdocs.com

4. Expression de l’adaptation du gain k(t) :

bm
k̇(t) = −γ e(t) y d (t)
k∗ (s + 1)

5. Schéma de simulation :

bm ym (t)
s+1
− e(t)
+
y d (t) u(t) b y(t)
×
s+1

k(t) 1 k̇(t) bm
−γ ×
s s+1

Figure 1 – Commande adaptative indirecte.

6. La connaissance de k ∗ n’est pas dispensable car elle peut être absorbée par γ comme suit

bm d
k̇(t) = −λ e(t) y (t)
s+1
γ
avec λ = .
k∗

Exercice 3. (05,00 points)

1. Système sous forme d’un système linéaire à un seul paramètre :

ẋ(t) = A x(t)

avec " #
0 −1
A= 2
1 x1 (t) − 1

2. Expression de p(t) :
p(t) = x21 (t) − 1

3. Condition de stabilité :
univdocs.com

Les valeurs propres de la matrice A sont

√
p(t) ∆
λ1 = + (1)
2 √2
p(t) ∆
λ2 = − (2)
2 2

avec ∆ = p2 (t) − 4.

p(t)
Pour que le système soit asymptotiquement stable, il faut que la partie réel doit être stric-
2
tement négative, alors

p(t) < 0 ⇒ x21 (t) − 1 < 0 ⇒ −1 < x1 (t) < 1 ou encore |x1 (t)| < 1