Académique Documents
Professionnel Documents
Culture Documents
Notes de cours
Cover
Table des matières
1 Introduction 1
i
ii TABLE DES MATIÈRES
2.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.2 Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.3 Conditions d’optimalité . . . . . . . . . . . . . . . . . . . . . . . . 75
3.4 Quelques cas particuliers ou contraintes . 78
3.4.1 Cas 1 : Temps final t1 spécifié . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.4.2 Cas 2 : Temps final t1 non-spécifié . . . . . . . . . . . . . . . . . . . . . 85
TABLE DES MATIÈRES iii
3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
v
vi TABLE DES FIGURES
1. Introduction
Dans le monde réel on trouve plusieurs types de systèmes dont les ori-
gines sont très diverses : mécanique, électricité, électronique, biologie, chi-
mie, économie... Afin d’amener chacun de ces systèmes d’un état initial donné
à un certain état final, en respectant éventuellement certains critères, la
théorie du contrôle donne les moyens pour appliquer sur ces systèmes une
commande (ou contrôle). L’objectif peut être de stabiliser le système pour
le rendre insensible à certaines perturbations (stabilisation), ou encore de
déterminer des solutions optimales pour un certain critère d’optimisation
(contrôle optimal).
Dans les industries modernes où la notion de rendement est prépondé-
rante, le rôle de l’automaticien est de concevoir, de réaliser et d’optimiser,
tout au moins d’améliorer les méthodes de contrôle existantes. Ainsi, les do-
maines d’application du contrôle optimal sont multiples lorsqu’il s’agit de
faire passer un système d’un état initial à un état final en minimisant un
certain critère : aérospatiale, automobile, robotique, aéronautique, internet
et les communications en général, mais aussi le secteur médical, chimique,
génie des procédés, etc.
Pour introduire la notion de commande optimale, considérons l’exemple
suivant : Pour arrêter la rotation d’un rotor tournant à une vitesse constante,
on peut lui appliquer une charge extérieure u(t) perpendiculaire à son axe
de rotation. Il s’agit de déterminer la commande u(t) qui permet d’amener
la vitesse de rotation du système de v = v0 à v = 0. Cette détermination
répond souvent à un objectif tel que l’arrêt du système en un temps minimum.
Trouver u(t) qui répond à cet objectif est l’objet de la théorie de la commande
optimale.
1.2. FORMULATION DU PROBLÈME DE COMMANDE OPTIMALE3
Ẋ = A(t)X + B(t)u où X ∈ Rn et u ∈ Rm .
Dans le cas où les matrices A et B sont constantes, on dit que le
système est stationnaire (invariant linéaire dans le temps ou LTI :
Linear Time Independent).
(b) Systèmes non linéaires continus commandés
Ẋ = f (X , U, t)
où f (X , U, t) est une fonction vectorielle non linéaire.
(c) Systèmes discrets linéaires
Xk+1 = Ak Xk + Bk uk
(d) Systèmes discrets non linéaires
Xk+1 = f (Xk , uk , k)
Outre ce modèle, il faut formuler, pour un problème de commande optimale,
le critère de performance à optimiser et les contraintes physiques.
ou Z t1
J := uT Rudt (1.5)
t0
3 x = symbols ( ’x ’)
4 f = x **2 + sin ( x )
5 integrate (f ,( x ,0 ,1) )
4
Cette intégration donne comme résultat 3
− cos(1).
3 x = symbols ( ’x ’)
4 f = x **2 + sin ( x )
5 diff (f ,x ,1)
et on trouve que
df (x)
dx
= 2x + cos(x)
d2 f (x)
dx 2
= 2 − sin(x)
d3 f (x)
dx 3
= −cos(x)
√ √
et on trouve que la solution est y(t) = (−2 sin( 2 2t ) − 4 cos( 2 2t ) + 5) exp(t)
et la courbe de cette solution pour des valeurs de t variant entre 0 et 10 est
la suivante :
√ √
Figure 1.2 – Courbe de la fonction y(t) = (−2 sin( 2 2t )−4 cos( 2 2t )+5) exp(t)
pour t variant entre 0 et 10
et on trouve la solution
y1 (t) = − exp(3t)
2
+ 3 exp(−t)
2
exp(3t)
y2 (t) = 2
− 3 exp(−t)
2
y3 (t) = 3 exp(3t)
2
− 3 exp(−t)
2
5 start =0
6 stop =100
7 step = 0.01
8 t = arange ( start , stop , step )
9
10 def Lorenz_system (x , t ) :
11 sig = 10
12 rho = 28
13 beta =8/3
14 dxdt = sig *( x [1] - x [0])
15 dydt = x [0]*( rho - x [2]) -x [1]
16 dzdt = x [0]* x [1] - beta * x [2]
17 EDO =[ dxdt , dydt , dzdt ]
18 return EDO
19 x0 =[0 , 1 , -1]
20 sol = odeint ( Lorenz_system , x0 , t )
21 x = sol [: ,0]
22 y = sol [: ,1]
23 z = sol [: ,2]
24
25 close (" all ")
26 subplot (1 ,2 ,1)
27 plot (x ,z ," b ")
28 xlabel (" x ( t ) ")
29 ylabel (" z ( t ) ")
30 subplot (1 ,2 ,2)
31 plot (y ,z ," r ")
32 xlabel (" y ( t ) ")
33 ylabel (" z ( t ) ")
34
50 50
40 40
z(t) 30 30
z(t)
20 20
10 10
0 0
Figure 1.4 – Portraits de phase (a) z(t) en fonction de x(t) et (b) z(t) en
fonction de y(t)