Académique Documents
Professionnel Documents
Culture Documents
Objectifs du cours :
Présenter les avantages et les concepts théoriques de
la commande optimale;
Synthèse d’une commande linéaire quadratique ;
Notions introduites:
1. Matrices de Pondération Q et R;
2. Matrice symétrique définie positive;
3. Equation de Riccatti;
4. Commande LQR. 2
I. Introduction .
On cherche à réaliser une commande par retour d’état qui, tout en assurant ou
préservant la stabilité, tente de rendre minimal un critère J de la forme
suivante:
5
II. Critère quadratique d’optimalité.
6
II. Critère quadratique d’optimalité.
7
II. Critère quadratique d’optimalité.
Rappel.
Une matrice réelle symétrique est définie positive Ssi les déterminants de n
mineurs principaux sont positifs >0.
2 −1 0 2 −1 0 2 −1 0
𝑀1 = −1 2 −1 𝑀1 = −1 2 −1 𝑀1 = −1 2 −1
0 −1 2 0 −1 2 0 −1 2
Det = 2 > 0 Det = 3 > 0 Det = 4 > 0
Rappel.
Une matrice réelle symétrique est définie positive Ssi les déterminants de n
mineurs principaux sont positifs >0.
10
III. Commande optimale.
11
III. Commande optimale.
Exemple d’application:
On considère un système décrit par ses équations d’état :
12
III. Commande optimale.
13
III. Commande optimale.
14
III. Commande optimale.
15
IV. Commande Linéaire
Quadratique LQR.
On parle de commande linéaire quadratique LQ ou LQR pour
Linear Quadratic Regulator.
Le système est linéaire et la commande est quadratique. C’est
une commande optimale par retour d’état.
C’est une commande par retour d’état qui stabilise le système tout en
minimisant le critère de compromis LQ suivant:
16
IV. Commande Linéaire Quadratique
LQR.
17
IV. Commande Linéaire Quadratique LQR.
Exemples de Pondérations par Q et R.
+∞
𝒙𝟏 𝟏 𝟎
𝒙 = 𝒙 ;𝐮 = 𝒖 ;𝑸 = ;𝑹 = 𝟏 → 𝑱 = 𝒙𝟐𝟏 𝒕 + 𝒙𝟐𝟐 𝒕 + 𝒖𝟐 (𝒕) 𝒅𝒕
𝟐 𝟎 𝟏 𝟎
+∞
𝒙𝟏 𝟔 𝟐
𝒙 = 𝒙 ;𝐮 = 𝒖 ;𝑸 = ;𝑹 = 𝟏 → 𝑱 = 𝟔. 𝒙𝟐𝟏 + 𝟏𝟎. 𝒙𝟐𝟐 + 𝟒𝒙𝟏 𝒙𝟐 + 𝒖𝟐 𝒅𝒕
𝟐 𝟐 𝟏𝟎 𝟎
+∞
𝒙𝟏 𝟏 𝟎
𝒙 = 𝒙 ;𝐮 = 𝒖 ;𝑸 = ; 𝑹 = 𝟏𝟎𝟎 → 𝑱 = 𝒙𝟐𝟏 + 𝒙𝟐𝟐 + 𝟏𝟎𝟎. 𝒖𝟐 𝒅𝒕
𝟐 𝟎 𝟏 𝟎
+∞
𝒙𝟏 𝒒 𝟎
𝒙 = 𝒙 ;𝐮 = 𝒖 ;𝑸 = 𝟏 ;𝑹 = 𝒓 → 𝑱 = 𝒒𝟏 . 𝒙𝟐𝟏 + 𝒒𝟐 . 𝒙𝟐𝟐 + 𝒓. 𝒖𝟐 𝒅𝒕
𝟐 𝟎 𝒒𝟐 𝟎
𝑥 = 𝐴. 𝑥 + 𝐵. 𝑢 & 𝑢 = −𝐾. 𝑥 𝑥 = 𝐴. 𝑥 − 𝐵. 𝐾. 𝑥 = 𝐴 − 𝐵𝐾 . 𝑥
+∞ +∞
𝐽= 𝑥 𝑇 . 𝑄. 𝑥 + 𝑢𝑇 . 𝑅. 𝑢 𝑑𝑡 = 𝑥 𝑇 . 𝑄. 𝑥 + 𝑥 𝑇 . 𝐾 𝑇 𝑅. 𝐾. 𝑥 𝑑𝑡
0 0
+∞ +∞
𝐽= 𝑥 𝑇 . 𝑄. 𝑥 + 𝑢𝑇 . 𝑅. 𝑢 𝑑𝑡 = 𝑥 𝑇 𝑄 + 𝐾 𝑇 𝑅. 𝐾 . 𝑥. 𝑑𝑡
0 0
𝒅𝒙𝑻 𝒅𝒙
𝒙𝑻 𝑸 + 𝑲𝑻 𝑹. 𝑲 .𝒙 = − 𝒅𝒕 . 𝑷. 𝒙 - 𝒙𝑻 . 𝑷. 𝒅𝒕
20
IV. Commande Linéaire Quadratique LQR.
Synthèse de la commande LQR.
𝒅𝒙𝑻 𝒅𝒙
𝑥 𝑇 𝑄 + 𝐾 𝑇 𝑅. 𝐾 . 𝑥 = − 𝒅𝒕
. 𝑃. 𝑥 - 𝑥 𝑇 . 𝑃. 𝒅𝒕
𝑥 𝑇 𝑄 + 𝐾 𝑇 𝑅. 𝐾 . 𝑥 = −𝑥 𝑇 . 𝐴𝑇 𝑃. 𝑥 + 𝑥 𝑇 . 𝐾 𝑇 . 𝐵𝑇 𝑃. 𝒙 − 𝑥 𝑇 . 𝑷𝑨. 𝒙 +𝑥 𝑇 𝑃𝐵𝐾𝑥
𝒙𝑻 𝑸 + 𝑲𝑻 𝑹. 𝑲 . 𝒙 = 𝒙𝑻 . (−𝑨𝑻 𝑷 + 𝑲𝑻 . 𝑩𝑻 𝑷 − 𝑷𝑨 + 𝑷𝑩𝑲). 𝒙
𝑸 + 𝑲𝑻 𝑹. 𝑲 = (−𝑨𝑻 𝑷 + 𝑲𝑻 . 𝑩𝑻 𝑷 − 𝑷𝑨 + 𝑷𝑩𝑲)
𝑸 + 𝑲𝑻 𝑹. 𝑲 + 𝑨𝑻 𝑷 − 𝑲𝑻 . 𝑩𝑻 𝑷 + 𝑷𝑨 − 𝑷𝑩𝑲 = 0
𝑸 + 𝑲𝑻 𝑹. 𝑲 + 𝑨𝑻 𝑷 − 𝑲𝑻 . 𝑩𝑻 𝑷 + 𝑷𝑨 − 𝑷𝑩𝑲 = 0 (∗)
𝑲 = 𝑹−𝟏 . 𝑩𝑻 𝑷
23
IV. Commande Linéaire Quadratique LQR.
Exemple de détermination de commande LQR.
u 𝒙𝟐 𝒙𝟏
𝒙𝟏 = 𝒙𝟐 ∫ ∫
𝒙𝟐 = 𝒖
-K
𝑸 + 𝑨𝑻 𝑷 + 𝑷𝑨 − 𝑷𝑩𝑹−𝟏 𝑩𝑻 𝑷 = 𝟎
3. Calculer par la suite le vecteur de gain du retour d’état K ? 𝑲 = 𝑹−𝟏 . 𝑩𝑻 𝑷
24
IV. Commande Linéaire Quadratique LQR.
Exemple de détermination de commande LQR.
𝟏 𝟎
𝑸= & 𝑹=𝒓
𝟎 𝒒
1 0 0 0 0 𝑝1 1 𝑝2
+ + − 𝑝 𝑝2 𝑝3 = 0
0 𝑞 𝑝1 𝑝2 0 𝑝2 𝑟 3
1 0 0 0 0 𝑝1 1 𝑝22 𝑝2 𝑝3
+ + − =0
0 𝑞 𝑝1 𝑝2 0 𝑝2 𝑟 𝑝3 𝑝2 𝑝32
𝒑𝟐𝟐 𝒑 𝒑 𝒑𝟐 𝒑𝟑 𝒑𝟐𝟑
𝟏− = 𝟎 𝒑𝟏 − 𝟐 𝟑 = 𝟎 𝒑𝟏 − =𝟎 𝒒 + 𝟐𝒑𝟐 − =𝟎
𝒓 𝒓 𝒓 𝒓
25
IV. Commande Linéaire Quadratique LQR.
Exemple de détermination de commande LQR.
𝒑𝟐𝟐 𝒑 𝒑 𝒑𝟐 𝒑𝟑 𝒑𝟐𝟑
𝟏− = 𝟎 𝒑𝟏 − 𝟐 𝟑 = 𝟎 𝒑𝟏 − =𝟎 𝒒 + 𝟐𝒑𝟐 − =𝟎
𝒓 𝒓 𝒓 𝒓
𝒑𝟐𝟐 = 𝑟 → 𝒑𝟐 = 𝒓
𝒑𝟐𝟑 = 𝑟𝑞 + 2𝑟 𝑟 → 𝒑𝟑 = 𝒓𝒒 + 𝟐𝒓 𝒓
𝒓 𝒓𝒒 + 𝟐𝒓 𝒓
𝒑𝟏 =
𝒓
3. Calculer par la suite le vecteur de gain du retour d’état K ? 𝑲 = 𝑹−𝟏 . 𝑩𝑻 𝑷
𝟏 𝒑𝟏 𝒑𝟐 𝟏
𝑲= . 𝟎 .
𝟏 𝒑 𝒑𝟑 = . 𝒑𝟐 𝒑𝟑
𝒓 𝟐 𝒓
𝟏 𝒒+𝟐 𝒓
𝑲=
𝒓 𝒓
26
IV. Commande Linéaire Quadratique LQR.
Exemple de détermination de commande LQR.
𝟏𝟎𝟎 𝟎 𝟎 𝟏𝟎𝟎𝟎 𝟎 𝟎
𝑸= 𝟎 𝟏 𝟎 & 𝑹 = 𝟎. 𝟎𝟏 𝑸= 𝟎 𝟏 𝟎 & 𝑹 = 𝟎. 𝟎𝟏
𝟎 𝟎 𝟏 𝟎 𝟎 𝟏
28
IV. Commande Linéaire Quadratique LQR.
Exemple de Simulation «Commande LQR »
𝟏 𝟎 𝟎
𝑸= 𝟎 𝟏 𝟎 & 𝑹 = 𝟎. 𝟎𝟏
𝟎 𝟎 𝟏
29
IV. Commande Linéaire Quadratique LQR.
Exemple de Simulation «Commande LQR »
𝟏𝟎𝟎 𝟎 𝟎
𝑸= 𝟎 𝟏 𝟎 & 𝑹 = 𝟎. 𝟎𝟏
𝟎 𝟎 𝟏
30
IV. Commande Linéaire Quadratique LQR.
Exemple de Simulation «Commande LQR »
𝟏𝟎𝟎𝟎 𝟎 𝟎
𝑸= 𝟎 𝟏 𝟎 & 𝑹 = 𝟎. 𝟎𝟏
𝟎 𝟎 𝟏
31