Académique Documents
Professionnel Documents
Culture Documents
AC560 Slide
AC560 Slide
1/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Référence
– Laurent El Ghaoui Cours "Commande robuste" École Nationale Supérieure de Techniques Avancées
– Sigurd Skogestad et Ian Postlethwaite, 1998 « Multivariable feedback control: analysis and design" Edition
John Wiley & Sons
– G. Scorletti et Vincent Fromion, 2003, "Introduction à la commande multivariable des systèmes: méthodes
de synthèse fréquentielle H", Cours de 3ème année de l’ENSI de Caen.
– Denis Arzelier, 2005, « Course on LMI Optimization with applications in Control » www.laas.fr/arzelier
2/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1: Formalisation d’un cahier des charges en
Automatique fréquentielle
3/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Plan : Partie 1
4/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Définitions des normes (vecteur, matrice, signal,
système)
Vecteur
x1 1/ 2
n T n 2
» La norme euclidienne de x R est x x x x i
i 1
x n
Au
Matrices A 2 sup représente la notion de valeur singulière
u 0 u
» avec Au
u
A
Au
sup A
u 0 u
A AT A 5/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Définitions des normes (vecteur, matrice, signal,
système)
Signaux
» Sur l’espace l2 des signaux de carré sommable, on définit le produit scalaire
x y x t yt dt
0
» qui induit la norme de l’énergie
1/ 2
x 2 x t yt dt
0
» La transformée de Fourrier envoie l2 sur l’espace H2 des fonctions X(s) analytique dans Re(s)0 et de carré
sommable. Par l’identité de Parseval, on a
1/ 2
1 2
x 2 x jw dw
2
6/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Définitions des normes (vecteur, matrice, signal,
système)
Systèmes 1/ 2
1 *
» Norme H2: G s 2 Trace G jw G jw
2
Ys 2
» Norme H: Gs sup max G jw sup
w Us H 2 Us 2
» Interprétation : elle mesure le gain maximal de la réponse fréquentielle G(jw)
7/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Définitions des normes (vecteur, matrice, signal,
système)
i G jw i G jw G jw T i G jw T G jw
i 1, min m, p
» Les valeurs singulières étant des nombres réels positifs ou nuls, elles peuvent être classées.
G jw G jw G jw
» Les valeurs singulières constituent donc une généralisation de la notion de gain aux systèmes multivariables.
8/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple 1 : SISO
Singular Values
-6
s2 -20
-22
10-1 100 101
» Par définition Frequency (rad/sec)
i G jw i G jw G jw T i G jw T G jw
i 1, min m, p
» Soit
1 1 1
1G jw 1
2 jw 2 jw 2
4 w
» On retrouve la définition du module
1
1G jw G jw
4 w2
9/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple 2: MIMO
s 20 3s 2
G 2 s
s 4 s
2
2s 10 2
s 4 s 2s 10
Notion de valeurs singulières 1 2s 15
-40
-50
-60
-70
-80
-90
10 -1 10 0 10 1 w: rad / sec 10 2
10/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Boucle d’asservissement
Boucle d’asservissement wi
wo
» u(t): commande
11/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Boucle d’asservissement
• Stabilité BIBO: elle exige que l’énergie des signaux en sortie (y) soit bornée
dès que l’énergie fournie en entrée ( r ) est bornée, i.e.,
y(s)
Ts Gs Ks I Gs Ks 1
r (s) w w n 0
i o
• Stabilité interne: elle exige que tous les signaux circulant dans la boucle soient d’énergie finie, i.e.,
Cette notion de stabilité interne est plus restrictive mais plus importante en pratique puisque
les composants à l’intérieur de la boucle sont également sensibles aux énergies infinies
12/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Boucle d’asservissement
Stabilité externe
1 s
– Exemple, on considère le système G avec le correcteur K suivant G s K s
s(s 1) s 1
y(s) 1
» On obtient dès lors Ts
2
r (s) w w n 0
i o
1 s 1
» Lequel est BIBO stable, puisqu’il n’y a pas de changement de signe au dénominateur (voir critère de Routh)
Stabilité interne
y(s) s 1
Gs I Ks Gs 1
» Instable, d’après le transfert
2
w i (s) w n r 0
o
s 1 s 1
» On constate qu’il y a eu simplification du pole instable s=0, par un zéro de K
1 s 1
Gs Ks
s(s 1) s 1 (s 1) 2
13/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Boucle d’asservissement
Stabilité interne
– Il est donc dangereux d’analyser la stabilité au seul vu des pôles de S(s) et T(s), i.e., aux racines de
det(I+G(s)K(s))=0
– Il faut plutôt calculer le spectre de ABF à partir des réalisations minimales de G et K
A B x Ax Bu
» Exemple Gs
C 0 y Cx
avec u(t) = Kx(t).
Le système bouclé, présentera alors une stabilité interne si et seulement si (i) < 0, où sont les vp de ABF.
14/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Boucle d’asservissement
b
wo
+ e u y
On considère le schéma général r
K G
– où tous les transferts se réduisent
à la matrice de transfert suivante -
es S s S s Gs r s
u s K s S s K s S s Gs bs n
puisque
Boucle de suivi (tracking)
U (s) U ( s)
K s S s
r ( s) b w n 0 n( s ) b w r 0
0 0
y(s) e( s )
S s
wo ( s) w n r 0 r ( s) w n w 0
i i o
y( s) e( s )
Gs S s
b( s ) w n r 0 b( s ) w n r 0
o o
15/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Boucle d’asservissement (Obtention des objectifs
de synthèse)
e S SG r
u KS KSG b
On peut déduire le comportement asymptotique des fonctions de S SG
transfert composant M(s) en faisant des hypothèses sur le gain de la BO M
KS KSG
Ss 1 GK 1
– Si le gain de la BO est grand soit G jw K jw 1
16/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Boucle d’asservissement (Obtention des
objectifs de synthèse)
e S SG r
u KS KSG b
Seconde hypothèse sur le gain de la BO G jw K jw 1 Ss 1 GK 1
» K(s) agit sur les transferts de r vers u et de b vers u, tandis qu’il est sans effet sur les
transferts de r vers et de b vers
» cette approximation intervient notamment en haute fréquence car le gain du système non
corrigé à naturellement tendance à décroître avec la fréquence et l’on cherche en général à
synthétiser un correcteur qui atténue les hautes fréquences, afin
17/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Boucle d’asservissement (Obtention des
objectifs de synthèse)
– la marge de module (distance minimale entre un point du lieu de Nyquist et le point critique -1) est
l’inverse du maximum de S(jw)
18/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1 : Critère de Nyquist
Le système bouclé est BIBO (entrée bornée, sortie bornée) stable si est seulement si le contour de Nyquist de L(s)=G(s)K(s)
parcouru de w=- à w=+ entoure le point critique (-1,0) un nombre de fois égal au nombre de pôles instables de L(s).
Exemple
1
– Soit G s K s 2
s 1 Im(L)
2 2 2 jw
L s
s 1 1 w 1 w2
2
19/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Rappel: Nyquist
Marge de Gain Im(G(jw)K(jw))
L(jw180)
Re(G(jw)K(jw)
1 w180
-1 S
PM
wc 1
GM
L jw180
où L jw180 180
Marge de gain en dB GM db 20 log10 L jw180 L(jw)
» où w180 est la pulsation à laquelle le tracé de Nyquist coupe le demi-axe de phase 180°.
» elle mesure de combien le gain peut varier à cet endroit avant de toucher le point critique (-1)
1
Marge de module S
20/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Rappel: Bode
L KG
Rappel
101
1 100
GM 1/GM
L jw180
rad/s
où L jw180 180
wc w180
10-2 10-1 100 101
phase : L
-90° rad/s
101
PM L jw c 180
où L jw c 1
PM
-180°
21/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1: Propriétés des asservissements (Compensation de
pôles et/ou zéros instables )
Hypothèse
– pour assurer une stabilité interne en présence de pôles et/ou zéros instables on suppose qu’il n’y a pas de compensation
de ces pôles et zéros entre K(s) et G(s) (robustesse aux incertitudes de modèle).
1 s 1
Exemple: Ps , K1s , K 2 s 2
s 1 s 1
– Le correcteur K1(s) compense le pôle instable p=1, on obtient dès lors pour K1(s) et K2(s) respectivement les fonctions de
sensibilité complémentaire 1 2
s 1 1 s 1 2
T1s , T2 s
1 s2 2 s 1
1 1
s 1 s 1
– Si l’on considère maintenant une petite variation du pôle du procédé P s 1
,
» On obtient s 1
1 s 1 2
s 1 s 1 s 1 2
T1s s 1 s 1 , T2 s
1 s 1 s 1 s 1 s 1 s 2 1s 2 1
2 s 1
1
s 1 s 1 s 1
» T1(s) est alors instable et ce pour une perturbation très faible (chg de signe dans le denominateur)
» Par contre T2(s) reste stable et ce pour >-1
22/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1: Propriétés des asservissements (Performance,
Bande passante)
Performance
– Un asservissement est performant
» s’il réagit rapidement et suit la consigne avec précision
» ou encore s’il rejette rapidement les perturbations
– Intuitivement, les performances sont d’autant meilleures que le gain de boucle est élevé,
» Cela, peut se justifier aisément par l’étude de la moyenne quadratique de l’erreur (e) sur une période T=2/w,
sachant que
e(s) 1 GKs 1 r (s) S(s)r (s)
» on obtient
T 2 1 2 T 2
e t dt 1 GK jw r t dt
0 0
» On voit que cette erreur sera d’autant plus petite que le gain de boucle à la fréquence w |GK(jw)| est élevé.
23/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1: Propriétés des asservissements (Performance,
Bande passante)
r
r 2
e 2 r r
yk ee k k r
1 k 1 k 1 k 2 1 k
» Le suivi est donc bon pour tous r
24/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1: Propriétés des asservissements (Performance,
Bande passante)
S I GK 1
» L’asservissement sera performant dans la bande de fréquence [w1,w2] si S jw 0 dans cette bande, i.e.,
En effet, on a alors
max I GK jw 1 1
or max I GK jw 1 min I GK jw 1
» Ceci nécessite typiquement un gain de boucle élevé dans cette bande, i.e.,
Mais attention, un gain élevé n’implique pas nécessairement toujours de bonne performance
25/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1: Propriétés des asservissements (Performance,
Bande passante)
26/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 1: Propriétés des asservissements (Stabilité )
Limitation de la bande passante par la présence d’un zéro instable dans G : Performance
en Basse Fréquence
– On souhaite que la sortie suive l’entrée,
– Le cas idéal est bien entendu T(s)=1 pour tous w, i.e. T(s)=L(s)*S(s) avec S(s)=1/L(s)
» Soit une fonction de sensibilité égal à l’inverse du transfert de boucle
» Dans ce cas, sachant que T(z)=0 et S(z)=1
|S|
On propose
2s 2s
Ss 1 Ts 100
sz s
z 1
z
10-1
Sz 1 1/2 1 w*1/z
zs
Ts Tz 0 10-2
sz
On constate que pour w/z=1/2 (i.e., w=z/2) la fonction de sensibilité coupe l’axe 0db, par conséquent la BP en
présence d’un zéro instable est limité et doit être choisi < z/2 de telle sorte que le contrôleur s’approche du
contrôleur idéal (i.e. tel que S=1/L).
27/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Relation entre S et la marge de Gain
Re(G(jw)K(jw)
1 w180
-1 S
Pourquoi PM 1
L jw180 GM
wc
S
GM S jw180 1 S
S 1 1
1
L(jw) GM
– Sachant que
1 1
1 1 1
S S jw180 S GM
1 L 1 L jw180
1 1
– Or
1
S GM
1 S
GM GM
L jw180 S 1
où L est réel et négatif à w180
28/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Relation entre T et la marge de Phase
Im
-1
Sachant que
PM/2
PM 1 L jw c 1 Re
sin
2 2 L jw c 2 T jw c
1
T jw c
PM
2 sin
2
|-1 - L(jwc)|
Or
PM 1 L jw c 1
sin
2 2 L jw c 2 T jw c L(jwc)
-1
1
T
PM
2 sin
2
1
PM 2 arcsin
2 T
29/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Relation entre S et la marge de Module
MM S
1
S 1 K1 1
Re(G(jw)K(jw)
S w180
-1
S(jw)
K1
1 PM
1 wc
w1 jw
k1 L(jw)
30/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Contraintes sur les maximums de S et T
31/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Contraintes sur S et T en fonction des pôles et zéros
Si p est un pôle instable de G(s) alors il est également pôle du transfert de boucle L=GK et s=p est alors
zéro de la fonction de sensibilité S:
– S(p)=(I+L(p))-1=0 et T(p)=L(p)*S(p)=1
» La preuve est aisée pour un système SISO. G 1 (p) 0 Lp Tp 1, Sp 0
» Dans le cas MIMO on montre que pour conserver la stabilité (i.e. T(s)=L(s)*S(s) stable), il faut que S(s) compense le pôle instable p de L(s)
autrement dit s=p doit être un zéro de S(s) => S(p)=0 et T(p)=1 sachant S+T=I
Si z est un zéro instable de G(s) alors il est également zéro du transfert de boucle L=GK et s=z est alors
zéro de la fonction de Sens. complémentaire T:
– T(z)=0 et S(z)=1
» Dans le cas MIMO on montre que pour conserver la stabilité (i.e. S(s) stable), il faut que s=z ne soit pas un pôle de S(s) autrement dit s=z
assure T(z)=L(z)*S(z)=0 (dénominateur 1+L 0)
32/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Contrainte sur S en présence d’un zéro instable sur G
1
S jw
w p jw
Gabarit fréquentiel sur S en présence d’un zéro (z) instable sur G
– On considère un gabarit fréquentiel w(s) stable qui modèle la fonction de sensibilité S, alors la BF est stable ssi w(s) satisfait la
contrainte inégalité suivante
w p jw S jw w p z Sz w p z
– On conséquence pour un gabarit unitaire (i.e. sans modelage commande classique) il faut nécessairement assurer
S jw 1
33/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Contrainte T en présence d’un pôle (p) instable sur G
– On conséquence pour un gabarit unitaire (i.e. sans modelage) il faut nécessairement assurer
w T jw T jw w T p Tp w T p
T jw 1
34/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Limitations imposées par la présence d’un pôle
(p) instable
Par exemple le système G(s)=1/(s-3) présente s=3 comme pôle instable.
– Il faut bien-entendu appliquer un retour pour stabiliser la BF, mais la présence
d’un pôle instable impose une BP minimale, explication.
|wT|-1
Considérant la gabarit fréquentiel suivant MT
w*BT
1 s 1 MT
w T s , w T s
*
w BT M T sM T
1
*
w BT
– lequel est usuel pour un suivi de consigne w*BT/MT
1
Sachant que w T T 1 T jw w et T(p)=1 avec p comme pôle instable,
w T jw
on obtient dès lors 1 w T T w T p Tp w T p
– Soit w T p 1
35/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Limitations imposées par la présence d’un zéro instable dans
G(s) (suite)
Limitation de la bande passante II |Wp-1|
– Soit le gabarit Wp(jw) tel que
1 K1=2
WpS 1 S jw w
w p jw 100
k1w*B w
» où Wp(jw) est généralement un filtre de performance décrit par
w*BK1
s s
w*B 1 10-1
K1 1 s w*B k1 1 w*B k1
W p s W p s W p s k1 w*B
40db
*
s wB k1 s * s
wB 1 k1=10-2
K1 K1wB *
» Avec
A : l’erreur statique /yref
W p10 k1 2decades
Un maximum de la fonction de sensibilité < K1 2 W p1 K1
Si z est un zéro instable du système alors T(z)=0, S(z)=1 soit WpS Wp z Sz Wp z
– or
z
w*B
K1
w p z w p S 1 w p z 1
z w*B k1
36/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Performance en basse fréquence en présence d’un zéro (z)
instable
Exemple z est réel, alors toutes les variables du gabarit Wp sont réels et positive, le module de Wp(z)
devient
z
w*B
K1 1
w p z 1 w*B 1 k1 z 1
z w*B k1 K1
z
– Pour des données parfaites, à savoir k1=0, K1=2 on retrouve la même limitation de la BP minimale, à savoir w *B
2
* 1
wB z 1
K 2
1
37/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Performance en Haute fréquence en présence
d’un zéro (z) instable
1
– Pour satisfaire WpS 1 S jw w il faut pour p=z, que w p z 1
w p jw
1 z z
w p z 1 w p z w*B
K1 w*B 1
1
K1
Pour K1=2, on peut assurer une performance en HF qu’à partir de w *B 2z
38/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Performance de la fonction de sensibilité complémentaire
en présence d’un pôle réel ou d’un pôle imaginaire
Cas1 : pôle réel instable s=p
s 1
– On obtient d’après la contrainte w T p 1 et le gabarit fréquentiel wT s
w*BT K1
* K1
» Une bande passante minimale wBT p
K1 1
» Soit pour K1=2 w*BT 2p
» Soit K1=2
w c 1.15p
39/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 2: Robustesse du système en boucle fermée
Plan
» Incertitude et robustesse
» Stabilité robuste et analyse des performances
40/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Robustesse aux incertitudes
41/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Incertitude paramétrique
– Où kp est gain incertain borné et Go(s) est un transfert nominal (i.e., sans incertitudes)
On montre que l’incertitude paramétrique peut se réécrire sous la forme d’un système à
incertitude multiple
wI I Gp
G p s Gs 1 w I s I s , jw 1 w
I
G
I 1
G p s kG o s 1 w I I , I 1
G s
42/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Stabilité robuste en présence d’incertitude multiple
wI I Gp
K G
43/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Stabilité robuste en présence d’incertitude multiple
Im
L p G p K GK 1 w I I L w I L I , I 1 Re
|1+L|
– En d’autre termes, il faut
L(jw)
w IL
– Soit 1, w w IT 1, w
1 L
En conclusion, la stabilité robuste est garantie si
1
T , w
wI
– Cela montre que T doit être faible dans la zone où l’incertitude relative wI excède 1
44/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple
T1 : pas stable
1/wI
T2 stable
45/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple de mise sous forme LFT: application à la modélisation d’une
dynamique hautes fréquences négligée
Soit Gp(s) une fonction transfert perturbée et Go(s) celle du système nominal, laquelle
néglige une dynamique qu’on suppose être du premier ordre, avec une constante de
temps < max :
1
G p s G o s ; max
1 s
– La connaissance de la valeur max permet d’établir une borne sur l’erreur relative sur la réponse fréquentielle,
à savoir
G p jw G o jw jw max jw
G o jw 1 jw 1 max jw
– On peut modéliser la dynamique négligée par une réécriture sous la forme d’un système à incertitude
multiple
G p s G o s
– où w1s 1s soit G p s G o s 1 w1s 1s
G o s
max s
w1s et 1 jw 1 1s 1
1 max s
46/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Modélisation d’une dynamique hautes fréquences négligée
(suite)
y H(s) w
47/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Autre exemple : incertitude paramétrique
1
Supposons à présent que Gp(s) s’écrive : G p s avec a o b a a o b
s a 2
1
1 1 b
– En posant a=ao+b, -1 < < +1, et en remarquant que 1
s a s ao s ao
z1 z2
v2
v1
b
b
y
1/(s+ao) 1/(s+ao)
w
I(s)
– qui s’identifie avec le schéma LFT usuel z v
y H(s) w
48/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
De l’incertitude paramétrique à la LFT
b 1
0
s ao s ao
z1s v1s v1s
b b 1 v s
z 2 s Hs v 2 s 2 2
y(s) w (s) s a o 2 s a o s a o w (s)
b b 1
s a o 2 sa
o s a o 2
0
s
0
49/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Propriété des LFT
Une propriété importante des LFT est que toute association de LFT est encore une LFT.
– Ainsi si nous considérons une boucle d’asservissement, avec un correcteur K(s) appliqué au modèle Gp(s) qui
présente une incertitude paramétrique et une dynamique négligée, nous obtenons à nouveau une LFT
z2 z3
v3
v2
z1 v1
b
I w1(s) b
w
K(s) y
1/(s+ao) 1/(s+ao)
50/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
De l’étude de la robustesse au théorème du faible gain
(s)
M(s)
Schéma d’analyse de la robustesse de la stabilité
51/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Preuve du théorème du faible gain
jw M jw 1
1 M T jw T jw jw M jw 0
Le pire des cas est donné pour une incertitude |(s)|= soit
52/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Conclusion
K G
(s)
z v
– Où
M(s)
z w I s Ks Gs
Ms
v 1 Ks Gs
53/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Conclusion (suite)
Dans notre cas ||(s)|| < 1, on en déduit par le théorème du faible gain
– Rappel : (Théorème du faible gain) Si M(s) et (s) sont stables, la BF est stable pour tous (s) tel que ||(s)||
si et seulement si ||M(s)|| -1, où M(s)=Hzv(s)
w I s K s G s
1
1 K s G s
w
K jw G jw 1
1 K jw G jw w I jw
K jw G jw
– avec
1 K jw G jw
max s
w1s et 1 jw 1 1s 1
1 max s
54/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Partie 3: Synthèse de lois de commande
(LQG,H, optimisation LMI)
55/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Introduction à la commande par résolution LMI
Préambule
– Étude de la stabilité d’un système autonome au sens du théorème de Lyapunov
56/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Analyse par fonction de Lyapunov
Objectif:
– Prouver la stabilité du système x
Ax au sens de Lyapunov
Or
dV( x ( t ))
dt
x T t A TS SA x t 0
Le système est donc asymptotiquement stable ssi il S=ST>0 telle que la
LMI suivante en S est vérifiée
ATS SA 0
57/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple (système stable)
On propose A 1
ATS SA 0
Exemple S=2 est une solution au problème posé
A TS SA 0
1 * 2 1 * 2 0
4 0
58/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple (système instable)
On propose A 1
Au sens de Lyapunov, il n’existe pas de matrice S=ST > 0, telle que ATS SA 0
AT S SA 0 , A 1, S S T 0
2S 0 , S 0
59/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Cas général: LMI c’est quoi !!!
Une Inégalité Matricielle Linéaire est une contrainte sur un vecteur réel x m de la
forme
m
FxF0 xi Fi 0
i1
– où les matrices symétriques Fi=FiTnn sont données et le symbole F 0 signifie que F est semidéfinie-
positive, i.e. que uTFu 0 pour tout u
Exemple
1 2 p1 p2
A P
0 1 p2 p3
2 p1 2 p1 3 p2 p1 p2
Soit 2 p 3 p 0 et p 0
1 2 4 p2 4 p3 2 p3
2 2 0 0 0 3 0 0 0 0 0 0
m 2 0 0 0 3 4 0 0 0 4 0 0
F x F0 xi Fi 0 p1 p2 p3 0
i 1 0 0 1 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 1 0 0 0 0 1
60/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
LMI c’est quoi !!!
Des LMIs multiples F(1)(x)>0, …., F(p)(x)>0 peuvent se ramener en une seule, en utilisant
des matrices bloc-diagonales: diag(F(1)(x)>0, …., F(p)(x))>0
Exemple
– Les contraintes linaires aiT x bi i 1,, n
» Peuvent s’écrire comme F(x) > 0, en notant,
b1 a1T x 0 0
T
* b2 a2 x
F x 0
0
T
bn an x
61/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Lemme de Schur :
Quelques exemples de base A B
BT C 0
avec A AT 0, C C T 0
Convertir la contrainte quadratique convexe
1) C - BTA-1B > 0 ,
2) A - BC-1BT > 0 ,
x x 0 T R 1x x 0 1
Avec A =AT > 0, C =CT > 0
– où R=RT > 0 et x0 sont données, en la contrainte LMI Preuve 1): Multiplier à gauche et à droite
resp. par
1 x x0 T 0
x x0 T
R I A1B , I A1B
0 I 0 I
On rencontre plus souvent des LMIs qui portent sur des variables
matricielles, par exemple l’inégalité de Riccati
AT P PA PBR 1BT P Q 0
» où A, B, Q = QT, R = RT > 0 sont des matrices données de tailles appropriées et P=PT est la
variable
– est une LMI en P AT P PA Q PB
0
BT P R
-h1
-h2
Explication
A 2I X X A 2I T 0 A 2I : stable A 2I 0
10 X AX XAT 4 X 0
(1)
0 A 5I X X A 5I T
A 5I : stable
A 5I 0
A 2
X XT 0 A 5I
63/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Commande par retour d’état (outils LMI)
Solution
– Déterminer un X et U solution de la LMI
AX Bu U AX Bu U T 0, X 0
64/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple de programmation sous matlab
65/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Explication : Stabilisation par retour d’état
Sys BF x A BK x
V x xT A BK T X 1 X 1 A BK x 0
A Bu K X XA Bu K T 0 (i)
– pour une certaine matrice symétrique X > 0 (correspondant à la fonction de Lyapunov V()= TX-1)
La condition (i) n’est pas une LMI à la fois en X et K, à cause du terme quadratique KX.
– On pose U=KX, on obtient dès lors une LMI en X et U :
AX Bu U AX Bu U T 0, X 0
66/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Stabilisation par retour d’état
avec placement des pôles entre –h2 et –h1
Solution
67/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Commande par Retour de Sorties
Nous examinons
– la loi de commande par retour de sorties statique u=Ky
– la loi de commande par retour de sorties dynamique u=K(y)
» où K est un opérateur, i.e. un processus (ou filtre)
x x A B
u K y avec K C D (18)
68/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Stabilisation par retour de sorties statique
x A Bu x
y C 0 u (19)
y
– Contrairement au cas du retour d’état (Cy = I), le changement de variable X = S-1 ne permet
pas d’aboutir à une LMI.
69/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Stabilisation par retour de sortie dynamique
x x A B
u K y avec K C D
En couplant ces deux systèmes, on obtient le système bouclé
~ ~ ~ ~ A Bu D C y Bu C ~
x A
~ Bu KC y x x
B C y A
– où ~
x xT xT T nk est l’état augmenté et
~ A 0 ~ 0 Bu ~ 0 I
A , Bu , Cy
0 0 I 0 C y 0
les matrices qui le compose.
70/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Lemme d' élimination : W W T
W MKN T NK T M T 0
Stabilisation (suite)
W MU U T M T 0
et W NV V T N T 0
Le problème se ramène donc à celui de la commande par retour de sorties statique,
– mais la structure particulière des matrices du système augmenté montre du moins dans le cas d’une loi de commande
d’ordre plein, k=n, une solution LMI.
– Cette solution est obtenue en 2 étapes :
» Etape 1 :On transforme la BMI en 2 LMI
» Etape2 : Si V et U existent alors le correcteur K existe et la BMI précédente devient une LMI
~
en K, S étant connue
Etape 1: On applique le lemme d’élimination (transparent 6) avec
~ ~ ~~ ~~ ~
W AT S SA , M SBu , N CTy
~ ~ ~ ~
– on obtient qu’une CNS de stabilisabilité par retour de sorties dynamique est qu’ils existent S, X, U, V
71/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Étape 1: Réécriture des deux inégalités (21) et (22) en
fonction des matrices A, B, C
Au vu de la structure particulière
~ A0 ~ 0 Bu ~ 0 I
A , Bu , Cy
00 I 0 C y 0
– on peux réécrire les deux inégalités (21) et (22) en fonction des matrices du système original, soit
AX Bu U AX Bu U T 0
SA VC y SA VC y T 0
~
– où X (resp. S) est le bloc supérieur gauche de taille nn dans X resp. S~ .
~ ~ ~~
Il nous reste à examiner la condition S 0 , X 0 , SX I
72/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
~ ~
Étape 1: Transformation de la contrainte S 0 , X 0
en une LMI ~~
SX I
– Le lemme suivant montre qu’on peut, là encore, réduire ces conditions à des conditions sur les blocs
supérieurs gauches X, S
Lemme 3 :
~
– Pour toute paire de matrices symétriques (X, S) de Rnn, il existe une matrice X n k n k
~ ~
telle que X X * , X 1 S * si et seulement si X, S vérifient
* * * *
X I
KX, S 0 , rang KX, S n k
I S
~ ~ 1 ~ 1 ~
Les matrices (*) sont à déterminer telles que X X X X I n k .
Une solution à ce problème peut être donnée par application d’une décomposition en valeur
singulière de la matrice I n XS
.
– On en déduit 2 matrices unitaires U1, V1 (i.e. U1U1T=I et V1V1T=I) et une matrice régulière S1
composée des valeurs singulières de I n XS telle que I n XS U 1S1V1T
~ X U1 ~ 1 S V1S1
Soit la solution X T
U
1 U T
1 S S
V T ,
1 1 X T 1
S1V1 U 1 XV1S1
73/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Conditions d’existence d’un correcteur dynamique par
retour de sortie
AX Bu U AX Bu U T 0
SA VC y SA VC y T 0 (24)
X I
KX, S 0 , rang KX, S n k
I S
74/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Remarque
Dans tous les autres cas (0 k < n), la condition de rang rend le problème non
convexe,
X I
min rang sous les contraintes LMI en X,U, V, S
S S , X X T
T
I S
AX BuU AX BuU T 0
SA VC y SA VC y T 0
ce qui montre que le problème de commande par ordre réduit est notablement
plus difficile que dans le cas plein et la garantie de convergence vers le
minimum global n’est pas assurée
– Remarque le cas, k = 0 correspondant à la loi statique est donc un problème non convexe.
– Par contre pour Cy= I on retrouve les conditions convexes énoncées dans le cas d’une loi de
commande par retour d’état puisque dans ce cas la contrainte sur S disparaît et on est libre de
choisir S = X-1 (voir transparent 21).
75/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Étape 2: Détermination du correcteur dynamique K
Si les conditions du théorème précédent sont satisfaites, alors on peut construire une loi de
commande en deux étapes
~
– Tous d’abord, on calcule une matrice X qui satisfait aux conditions du lemme 3.
Une telle matrice correspond à une fonction de Lyapunov V~ ~
x ~
x T X 1~
x
qui prouve la stabilité du système en boucle fermée.
~
– Rappel : La matrice X est donnée par une SVD de I n XS, et est donnée par l ’expression
~ X U1
X T T
T
U 1 U 1 S S1V1
» Où U1, S1, V1 sont les paramètres de sortie de la fonction svd(I-XS)
Le théorème (i.e. les LMI 24) garantit que ce problème est bien réalisable.
76/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Analyse du système Entrées-Sorties
x A z Bw x
z C D w
z zw
Hypothèse
– le système autonome est asymptotiquement stable
77/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Propriétés État-Sortie Rappel : X1/2 peut s’interpréter comme le
« rayon » de l’ellipsoïde
78/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Bornes sur l’énergie en sortie: x(0) donnée
Système : x Ax
z Cz x
Démonstration
– On intègre l’expression (6), on obtient alors dVx
S 0 et z T z (6)
T dt
Vx T Vx 0 z T zdt
0
– pour tout T 0. Puisque V(x(T)) 0, alors
T
0 Vx T Vx 0 z T zdt
0
– et en conclue que la meilleure borne supérieure sur l’énergie maximale de la sortie s’obtient en
résolvant le problème
T
z zdt Vx 0 x 0 Sx 0
T T
ATS SA CTzCz 0
0
preuve : S 0 et
– minimiser x(0)TSx(0) soumis à S > 0 et ATS+SA+CzTCz 0
dVx
S 0 et z T z
dt
– ou encore sous une formulation en termes de X=S-1
S 0 et x T A TS SA x T x T CTz Cz x
AX XA T XC Tz
X 0 et 0 S 0 et ATS SA CTzCz 0
Cz X I
» version non stricte de la condition LMI de stabilité asymptotique
79/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Propriétés Entrées-État
R n TS 1
– où S > 0
80/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Solution : États atteignables avec énergie unité
Système : x Ax Bw w
(7)
où x 0 0
On suppose que la fonction V()= TS avec S > 0 soit telle que
dVx
wT w (8)
dt
– pour tout x, w vérifiant (7)
On intègre l’expression (8), avec x(0)=0 et V(x(0)) = 0, on obtient alors pour
tout T 0
T
0 S Vx T w T wdt 1
T
0
T
T
On en conclue que pour toute entrée w telle que w wdt 1
0
81/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Propriétés Entrée-Sortie
82/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Rappel
Dans la cas des systèmes LTI, la borne ainsi obtenue est égale à la norme
H de la fonction de transfert du système, i.e
i G jw
G(jw) E ejwt
Eejwt
max Cz sI A Bw
1
G(s)
s0
G jw 1 G jw
2
w
3 G jw
83/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple 1: Système monovariable
S i n g u la r V a lu e s
-6
-8
S i n g u la r V a lu e s ( d B )
-1 0
On considère le système -1 2
-1 4
1
-1 6
G1 s
s2 -1 8
Par définition : -2 0
-2 2
-1 0 1
10 10 10
F r e q u e n c y ( r a d /s e c )
1 1 1
1G jw 1 2
2 jw 2 jw 4 w
Remarque :
– Comme G1 est un système monovariable, on retrouve la définition du module, à savoir
1
1G jw G jw
4 w2
84/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple
Singular Values
dB 0
3s 2
-20
s 20
-30
G 2 s
s 4 s 2
2s 10 s 4 s2 2s 10 -40
1 2s 15
s 4 s 2 2s 10
s 4 s2 2s 10
-50
-60
i G jw i G jw G jw T T
-90
w : rad / sec
i 1, min m, p
-1 0 1 2
10 10 10 10
85/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Propriétés Entrée-Sortie : Gain L2 Système :
x Ax Bw w
(i)
z C z x
x 0 0
Solution
– On suppose qu’il existe une fonction quadratique V()= TS , S > 0 et un scalaire > 0 tels que, pour
tout t,
dV xt T
z z 2 wT w 0 pour tout x, w vérifiant (i) (*)
dt
Vx t z T z 2 w T w dt 0
T
– En intégrant l’inégalité de 0 à T, avec x(0)=0, on obtient
0
86/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Ellipsoïdes invariants
R n T X 1 1
– (X1/2 peut s’interpréter comme le « rayon » de l’ellipsoïde). On dira que est invariant pour le système (2) si pour
toute trajectoire x, x(t0) implique x(t) pour t t0 (figure 1)
x2
x0
x1
x3
Figure 1 : Ellipsoïde invariant
– On peut utiliser l’invariance pour obtenir des bornes sur l’état du système (2), lorsque les CI sont inconnues mais
bornées
87/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple d’application de l’invariance
1 x0 1
2 2
Exemple CI:
V4 1 V1 1
On suppose que 2 2
x 0 P C0 v1,, v p
V2 1
– où les sommets vi du polytope P sont donnés. L’ellipsoïde contient P ssi
V3 1
v Tj X 1v j 1, j 1,, p
2 2
88/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Performances AY Bu U AY Bu U T 0 13
x2
Système BF : x A Bu K x
Lyapunov : Vx x T Y 1x
-umax
x0
x1 x x T A Bu K T Y 1 Y 1A Bu K x 0
V
x T Y A Bu K T A Bu K Y x 0
umax
x3 u=Kx
Figure : Bornes sur la commande appliquée par ellipsoïde invariant x T AY Bu U AY Bu U T x 0
– Pour assurer cette propriété, on part de la condition de stabilisabilité (13). Celle-ci assure
que l’ellipsoïde = { | TY-1 1} est invariant. Supposons que l’on choisisse Y de
manière que x(0) , i.e.
1 x 0T
x 0 Y x 0 1
T 1
0
x 0 Y
– D’après la propriété d’invariance de , on en conclut que x(t)TY-1x(t) 1 pour tout t.
Cela nous permet de borner l’état du système et donc la commande u, qui n’est qu’une
projection linéaire de l’état (voir figure ci-dessus)
89/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Bornes sur l’entrée de commande (suite)
AY Bu U AY Bu U T 0, Y 0 (13)
90/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Preuve : Bornes sur l’entrée de commande
La contrainte
ut u max Kx t u max UY 1x t u max
– est vérifiée à tout instant si la LMI suivante est satisfaite
Y UT 1 x 0T (17)
0, 0
x 0 Y
2
U u max I
Preuve :
– par le lemme de Schur 17 u max
2
U T U Y , x 0T Y 1x 0 1 , Y 0
– on pre et post multiplie par Y-1 l’expression 1 et par u2max la seconde inégalité
17 Y T UT UY 1 u 2max Y 1 , x0T u 2max Y 1x0 u 2max , Y 0
– on pré et post multiplie l’expression 1 par x(t)T et x(t) resp. et d’après la propriété
d’invariance de , on a x(t)TY-1x(t) 1 soit
17 x t UY
T
UY 1xt xt T u 2max Y 1xt ,
1 T
x t T u 2max Y 1x t u 2max , Y 0
17 ut 22 u 2max
91/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Synthèse H : approche standard par LMI
Problème standard
– La synthèse H illustrée sur la figure suivante est représentée par un procédé P(s) et son contrôleur K(s) associé
z
w
P(s)
u
y
K(s)
– où
x
A B w Bu x
x A B x
Ps : Cz D zw D zu K s :
z w u C D y
y C y D yw D yu u
Problème H standard : P(s) et étant donnés, déterminer K(s) qui stabilise le système bouclé de la figure ci-dessus et assure une
norme H du transfert entre w et z inférieure à
92/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Hypothèses du pb H standard par LMI
La synthèse par LMI fournit une autre façon de résoudre le pb standard développé
également par la résolution de 2 équations de Riccati (voir poly cours AC511). Elle est
plus générale, dans la mesure où elle ne nécessite pas, contrairement à l’approche par
équations de Riccati le respect des hypothèses H2, H3 et H4 (l’hypothèse H1 reste
nécessaire) :
Hypothèse classique existe en
commande modale ou en
– H1 : (A, Bu) stabilisable et (Cy, A) détectable encore en synthèse LQG, elle
est nécessaire pour obtenir la
stabilité du système bouclé
A jwI Bw
– H4 : est de plein rang colonne pour tout w
C D
y yw
– Démonstration des hyp. H3 et H4 (voir poly cours AC511)
93/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple élémentaire
b
z w
u
K(s) +
x x e P(s)
1/s
+
y v
K(s) u
y
94/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
x A Bw Bu x
Dzw Dzu w
x A B x
Algorithme Ps : z C K s :
D y
z
y C
y D yw 0 u u C
A Bu D C y Bu C Bw Bu D D yw ~
x x A ~
B ~
x
x BC y A B D yw x ~ (a)
C ~
D w
z C D DC Dzu C Dzw Dzu D D yw w
z zu y
Solution : Soit V ~ ~
x ~
xT X ~
x 0 une fonction de Lyapunov candidate telle que
dV ~x T
z z 2 wT w 0 pour tout ~
x , w vérifiant (a) (b)
dt
Algorithme
– Étape 1: l’inégalité (b) est solution du pb, la dérivation de la fonction de Lyapunov candidate le long
des trajectoires du système augmenté transforme l’inégalité en une BMI en X ~
, K
– Étape 2: par le lemme d’élimination on transforme la BMI en 2 LMI où K n’intervient plus X ~
, K
– Étape 3: La solution des 2 LMI garantit que le correcteur K existe. X ~ est alors connue et la BMI en
devient alors une LMI en K, dont la solution fournit le correcteur K.
95/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
~ ~ ~
x A~x Bw dV ~x T
Résolution ~
z C~
~
x Dw
(a)
dt
z z 2 wT w 0 (b)
Étape 1: L’inégalité (b) est solution du pb, la dérivée de V le long des trajectoires du système augmenté (a) transforme
l’inégalité (b) en une BMI :
2 ~T ~
I D D
~ T ~ ~~ T
C D XB
0
C
~ T ~ ~~
D XB
~ ~ ~~ ~ ~
AT X XA C T C
~ ~ ~ ~
– C’est une BMI car A , B , C , D sont fonctions de K Lemme d’ élimination : W=WT
T CTz T Bw
T
A S SA SBw AR RA T RCTz
NS 0 NS 0 NR 0 NR 0
BTwS I n w T
D zw 0
0 In Cz R I n z Dew 0
0 I n z 0 I n z w
0 I n w
Cz D zw I n z BTw DTzw I n w
où
BuT Cy
N R Ker T N S Ker
D
eu D yw
96/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Correcteur d’ordre plein (pb convexe)
Étape 2 (Suite)
Il reste à rechercher la valeur optimale de en résolvant le problème d’optimisation convexe
AR RAT RC T Bw
NR 0 T z
NR 0 R
In
0
min sous Cz R I n z Dew 0
0 I nw In S
R RT , S S T 0 I nw T T
B w D zw I nw
AT S SA SB C Tz
T w
N
S 0 T N S 0
Bw T
S I nw Dzw 0
0 In 0 I nz
z
Cz
Dzw I n z
~
Étape 3: A partir des matrices R et S solutions du problème précédent, X est maintenant connue, la BMI
2 ~T ~
I D D
~ T ~ ~~ T
C D XB
0
C
~ T ~ ~~
D XB ~ ~ ~~ ~ ~
AT X XA C T C
devient une LMI en K, dont la solution fournit le correcteur K
97/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Problème H standard par résolution LMI
+
-
r K(s)
u
G(s) q
-
98/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Obtention des objectifs de synthèse : deux approches
e1 e2
w2(s)
w1(s)
d
w3(s)
b
+
-
r K(s)
u
G(s) y
-
99/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
e1 e2
w2(s)
w1(s)
Mises en œuvre par l’introduction de fonction de w3(s)
d
b
pondération
+
r + K(s)
u
G(s) q
-
100/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Mises en œuvre par l’introduction de fonction de
pondération (Suite) e S SG r
M (i)
u KS KSG b
w1s Ss w S jw (1)
w1 jw
(2)
w 2 s Ks Ss w K jw S jw
w 2 jw
w1s w 3 s Ss Gs w S jw G jw (3)
w1 jw w 3 jw
w 2 s w 3 s Ks Ss G s w K jw S jw G jw (4)
w 2 jw w 3 jw
– On voit donc que la réponse fréquentielle de chacune des fonctions S, KS, SG et KSG
est contrainte par un gabarit qui dépends des filtres choisis.
101/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
MM min 1 H BO min 1 KG
Allure typique des différents gabarits min 1 / S( jw ) 1 / maxS( jw )
1
1 / S( jw )
perturbation écart
K1
consigne écart
S(jw) S(jw)G(jw)
w3 constant
K1
1 1
1
w1 jw w1w 3 w3 variable
k1
Le gabarit sur S est fixée à une valeur k1 faible Le gabarit sur SG dépend des 2 filtres w1(s) et
en basse fréquence pour assurer les objectifs de w3(s).
précision
Dans certain cas il suffit de prendre w3(s)
La pulsation 1 pour laquelle le gabarit coupe constant et faible (exemple = 10-2), ce qui
l’axe 0db peut être interprétée comme la BP permet de régler l’atténuation en basse
minimale souhaitée pour l’asservissement. fréquence.
La valeur K1 du gabarit en haute fréquence Mais w3(s) permet également de modifier le
limite le maximum de la réponse fréquentielle comportement de SG en moyenne fréquence,
de S (i.e. sa norme H), ce qui impose une MM pour obtenir un comportement transitoire
au moins égale à 1/K1. correct en réponse à une perturbation.
102/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Allure typique des différents gabarits
perturbation commande
K(jw)S(jw)G(jw)
consigne commande
K(jw)S(jw) 1
K2 w 2w3
w 2 jw
1
2
k2
Dans certains cas on peut préférer ajuster par
w3(s) le gabarit sur KSG plutôt que le gabarit
sur SG, afin par exemple de satisfaire un
gabarit d’atténuation assurant la robustesse de
la stabilité aux dynamiques négligées.
Les valeurs K2 et k2 du gabarit sur KS ont en
général assez peu d’importance, tandis que le Mais w3(s) permet également de modifier le
paramètre le plus utile est 2 comportement de SG en moyenne fréquence, ce
qui peut s’avérer utile pour obtenir un
comportement transitoire correct en réponse à
une perturbation.
103/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Mise sous forme standard
e1 e2
z
w2(s) w
w1(s)
d P(s)
b w3(s) u
y
-
r + K(s)
u
G(s) y
K(s)
-
104/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Identification des E/S e2
e1
w2(s)
w1(s)
d
b w3(s)
-
Entrées r + K(s)
u
G(s) q
– w = [r, d]T -
Signaux surveillés z
w
– z = e = [e1, e2]T P(s)
u
y
Entrées du correcteur
– K(s)
Sorties du correcteur
– u
A Bw Bu x
x
Ps : C Dzw Dzu w
z z u
La représentation d’état C y
D yw D yu
105/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Représentation d’état
106/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Conditions d’existence par résolution LMI
107/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Exemple Modélisation
dI
L dt RI( t ) K et Au ( t ) b
J d K I( t ) at
c
dt
Moteur à courant continu
t d
dt
I q ( t ) t
N
u ampli ,
Réducteur : 1/N
b moteur
q
où
– u est la tension de commande
– b une perturbation constante (type tension offset)
– q la mesure de position
108/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Objectifs et modèle de synthèse
Objectifs de l’asservissement
– BP : c=100rd/s
– marges de module : 0.6 (=1/K1)
– amplitude de la commande « raisonnable »
– erreur statique du à b inférieure à 1%
– gain entre la référence et la commande inférieure à 2 pour tout w
Q(s) 240
G s
Us s1 0.015s
– pour effectuer l’asservissement, on peut considérer ce modèle simplifié (L=0), car la constante de temps ainsi
négligée L/R=0.862.10-3 (p~104) est hors de la BP
109/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
consigne écart
1
Proposer les filtres w1, w2 et w3 w1 jw
; S(jw)
K1
1
k1w*B
Le filtre w1(s) est choisi de telle sorte que le bode de 1/|w1(s)|
w*BK1
» coupe l’axe 0db à 100rd/s (BP demandée)
w*B
» présente un gain en haute fréquence de 1.7 (=1/0.6) de façon à limiter la norme H de la fonction
de sensibilité et garantir ainsi une marge de module de 0.6
» présente un gain suffisamment faible en basse fréquence k1
Soit s +20db/dec
1 w=w*B
w*B k1 e S SG r
1 M
W1 s k1
w=k1w*B
Bode de 1/w1(s) 20
0
w 2 s K s S s w 2 s K s S s G s w3 s
Phase (deg); Magnitude (dB)
-20
-40
-60
80 min
T T
sous 24a, b, c
60
R R , SS
To: Y(1)
40
20
0
-2 -1 0 1 2 3
10 10 10 10 10 10
K2
Le filtre w2(s) est choisi de telle sorte que w 2 jw
– le gain de correcteur chute dans les hautes fréquences
» afin de limiter la sensibilité au bruit 1
2
» et tenir compte du caractère incertain du modèle dans cette zone
» Rappel : on a négligé le pole 1/L/R=104
k2
Procédure,
– On fixe w2(s)=w3(s)=10-2 (par exemple)
» on ajuste w2 de telle sorte que la fonction de sensibilité S suive au plus près le gabarit 1/w1 et perturbation commande
assure un proche de 1
» la valeur w2=0.5 (1/w2=2) est retenue, valeur pour laquelle la norme H de la matrice pondérée K(jw)S(jw)G(jw)
– Enfin on introduit une atténuation en haute fréquence sur le gabarit 1/w2 +20db/dec
pour filtrer le pole 1/L/R=104 négligé
20log2 w=1000
1 1 s 50000
w=50000
w 2s 0.51 s 1000
-20db/dec
Rq: le filtre W2(s) assure un transfert directe, i.e., D0 (Hyp H2 est ainsi vérifiée)
111/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Réponses fréquentielles des transmittances 1/w1,
1/w2, 1/w1w3, 1/w2w3
1/w1 1/w2
0 0
Phase (deg); Magnitude (dB)
-40 -20
-60 -30
100 0
80
-20
60
To: Y(1)
To: Y(1)
-40
40
-60
20
0 -80
-2 -1 0 1 2 3 2 3 4 5 6
10 10 10 10 10 10 10 10 10 10 10
1/w2w3
20 10
-20
-10
-40
-20
-60
0
100
80 -20
To: Y(1)
60
To: Y(1)
-40
40
-60
20
0 -80
2 3 4 5 6
10
-2 -1
10 10
0 1
10 10
2 3
10 10 10 10 10 10
112/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Frequency (rad/sec) Version: 2017 Frequency (rad/sec)
Recherche de K
A Tf X XA f XBf CTf
T T
Bf X I n w Df 0
C f D f I nz
x A f Bf x
A c Bc x c A c x c Bc y x c x c
K ; C f D f
Cc D c u Cc x c D c y z w
» cela est une BMI en X, Ac, Bc, Cc, Dc, et devient une LMI en Ac, Bc, Cc, Dc, par une SVD de X telle que
S N
X T
N M RN
113/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Réponse fréquentielle de la BO
KG
100
0
Phase (deg); Magnitude (dB)
-100
-200
-300
-50
-100
-150
-200
-250
-300
-2 0 2 4
10 10 10 10
Frequency (rad/sec)
114/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Réponse fréquentielle du correcteur
– le correcteur présente un gain élevé (ce qui assure une erreur statique négligeable vis à vis des perturbations
constantes)
– le correcteur présente une avance de phase au voisinage de la BP et un filtrage des HF
From: U(1)
50
0
Phase (deg); Magnitude (dB)
-50
-100
50
0
To: Y(1)
-50
-100
-150
-2 0 2 4 6
10 10 10 10 10
Frequency (rad/sec)
115/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Réduction du correcteur
Le correcteur à un pôle en -0.075 proche de l’origine et un pôle en -22500 très éloigné dans le
demi plan gauche,
– son influence est négligeable sur les réponses fréquentielles
116/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Commande H par modelage du transfert de boucle
(loop shaping)
On appliquera pour cela la synthèse H standard avec insertion de pré et post filtre dans
la boucle de régulation.
Ga s
r y
+ u
K(s) W1(s) G(s) W2(s)
-
Le problème revient alors à fixer ces filtres W1 et W2 de telle sorte que le compromis
Performance/Robustesse soit atteint P
R
117/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Méthodologie
On Ajuste les filtres W1 et W2 de telle sorte que les valeurs singulières de Ga s W2 s Gs W1s
présentent un gain élevé en BF (assurant ainsi le rejet des perturbations constantes et le suivi de consigne)
une coupure de l’axe 0db à 100rd/s (BP souhaitée)
une atténuation en HF (robustesse des dynamiques négligées et bruits)
r
z w
u P(s)
b
K(s) u
118/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Hypothèse classique sur la boucle de transfert en BF
1
La première inégalité S a assure que la MM est supérieure à . En conséquence
ajuster le filtre pour une marge de module > 1/2 implique un 2
Pour des systèmes mono variable un seul filtre suffit, on ne parle pas de pré et post filtre.
1 1
Ga K 1 Sa S a Ga
En basse fréquence, généralement soit Ga K K
1
KS a KSaGa 1
1 Ga
1 1 1
K
K K
1 1 1
Ga K
Ga K Ga K
1 1
Or K , G a K G a K et Ga K Ga K Ga soit
1
Ga K Ga
119/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Hypothèse classique sur la boucle de transfert en HF
– Or Ga K Ga K et K
1
en basse et haute fréquence respectivement par Ga K Ga et Ga K Ga
Il suffit dès lors d’ajuster Ga et si une solution LMI existe au Pb H standard alors nécessairement le
compromis performance/robustesse du transfert de boucle sera assuré au facteur près 1,
120/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Commande H par introduction de fonction de
pondération: application système incertain
121/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Cahier des charges
122/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Modèle du système
123/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Modèle d’incertitude additive
G p G25 p p
– Où (p) est caractérisé par un transfert W (jw) tel que | (jw) | |W (jw)|.
Singular Values
0
Goo-G25
Ici W (jw) est choisi tel que: -10 G60-G25
-20
-30
-60
-70
-80
-90
-100
-2 -1 0 1 2 3 4 5
10 10 10 10 10 10 10 10
Frequency (rad/sec)
125/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Critère w KS jw
1
W jw
W KS 1
Construction du critère – Spécification 3
– D’après la discussion précédente, on va chercher à stabiliser les modèles en utilisant un modèle d’incertitude
additive qui génère une famille de modèles les contenant. Cette famille d’incertitudes est caractérisée par la
pondération fréquentielle W (jw).
– Par application du théorème du faible gain (voir transparent 51), dans le cas d’une incertitude additive, i.e.
M=KS, la stabilité robuste sera assurée si KS 1 w KS jw 1
1 1
où : | (jw) | |W (jw)| avec W w W jw w
W jw
Gréel
I
v
z
+
(s
z v
K G25
+
)
M(s)
M
Rappel du Théorème du petit gain: Si M(s) et (s) sont stables, le système de la figure ci-dessus
est stable pour tous (s) tel que ||(s)|| si et seulement si ||M(s)|| -1, où M(s)=Hzv(s)
126/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
e1 e2
w2(s)
w1(s)
Limitation du transfert KS
r + u
K(s) G(s) q
-
s 1 MT
w2 s , w21s
w*BT MT sM T
1
*
wBT w*BT/MT
W1S
1
W2 KS
127/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Diagnosis by observer using an LMI formulation
– Fault tolerant
» Hinfini regulator/observer
main objective is to recover the original system performance (fault-free)
128/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Introduction
The robust fault detection filter and fault tolerant control design problem for linear
time-invariant (LTI) systems with unknown inputs is studied
The basic idea is to use a robust residual generator using some recent results of H
optimization
129/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Introduction
130/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Definition
Fault detection
– consists of designing a residual generator that produces a residual signal enabling one to make a binary
decision as to whether a fault occurred or not
Fault identification (isolation)
– imposes a stronger requirement. When one or more faults occur, the residual signal must enable us not only
to detect that there are faults occurring in the system, but it must also enable us to identify (isolate) which
faults have occurred.
Fault tolerant (attenuation, accommodation)
– The main objective is to recover the original system performance (fault-free)
131/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Role of FDI in Fault tolerant control
The key problem for active fault-tolerant control is on-line reconfiguration of the
controller.
132/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Role of FDI in Fault tolerant control
133/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Role of FDI in Fault tolerant control
134/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Modeling of faulty systems
The first step in the model approach is to build a mathematical model of the system
In the case of a non-linear system, this implies a model linearization around an operating
point.
A system model (in model-based FDI) can be separated into three parts:
– Actuators
– System dynamics
– Sensors
As illustrated in following figure (1).
135/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Modeling of faulty Systems
Where
– xn: state vector
– uRr: real input vector to the actuator
– yRm: real system output vector to the actuator
136/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Component and parameter faults
x Ax Bu R f c
Components faults
fc(t)
Actuation
uR(t) System Output
dynamics yR(t)
Parameter faults
aij
137/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Component and parameter faults
In some cases, the fault could be expressed as a change in the parameter system,
– for example a change in the ith row and jth column element of A, the dynamic model can then be described as
– where xj is the jth element of the vector x and ei is an n-dimentional vector with all zero elements except a 1 in the ith element
x Ax Bu R ei aij x j
Components faults
fc(t)
Actuation
uR(t) System Output
dynamics yR(t)
Parameter faults
aij
138/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Sensor faults
By choosing the vector fs correctly, we can the describe all sensor fault situation
– for example
» Variation in the sensor : y=(1+)yR then fs= yR
» Biased fault at t= : y(t)= yR+(t-)(t-) then fs= (t-)(t-)
Sensor faults
fs(t)
139/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Actuator faults
For a controlled system, uR is the actuator response to an actuator command u(t) and
can be described as (when the actuator dynamics are neglected):
uR(t)=u(t)+fa(t)
where fa(t) is the actuator fault and u(t) is the known control command
Actuator faults
fa(t)
Input actuation
u(t) Actuators uR (t)
140/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Fault Model when sensor, component and actuator faults
are considered
Considering the general cases, a system with all possible faults (f) and UI (d) can be
described as
x Ax Bu R1 f E1d
y Cx Du R2 f E2 d
Gd s C sI A1 E1 E2
141/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
General structure of residual generation in model-based FDI
142/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Robust residual generation through standard H
filtering formulations
Fault estimation
– To concentrate on fault sensitivity, let us first ignore the UI (d) and known input (u). The system is described
as
x Ax R1 f
y Cx R2 f
» or by the input-output model y s G f s f s
where
A R1
G f s
C R2
The design requirement for robust residual generation is to maximize the effect of the
fault on the residual, i.e.
y s G f s f s
J r : inf Grf w
w r s H y s y s
143/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
H standard formulation of fault estimation
The previous maximization problem cannot be easily formulated in an H setting. To solve this problem,
the new following performance index should be introduced
r f 2
J f : Grf s I sup r fˆ
0 f 2 f 2
– where the minimization of the above performance index J can be formulated according to following figure where ẑ is an estimation
~
z
of fault and is the signal which is used to evaluate the estimation quality
z(s)
f(s) y(s) ~z
Gf(s) K(s)
ẑ
Formulation of fault estimation
144/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
The equivalent transfer matrix P2(s) for the standard H
problem
x Ax R1 f 0 zˆ
P2 s : ~z 0 x f zˆ
y Cx R f 0 zˆ
2
145/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Fault estimation via standard H problem
The standard H fault estimation is such that to find a filter K(s)RH such that
G~z f s
146/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Formulation of filtered fault estimation via standard H problem
Fault estimation problem can be changed into the filtered version of the fault, i.e.,
f s T s f s
» where T(s) is a RH transfer matrix which is (for example) equal to a diagonal low pass filter matrix
The filtered fault estimation can then be defined as the minimization of the following
performance index
r f 2
J f : Grf s T s sup
0 f 2 f 2
147/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Formulation of filtered fault estimation via standard H problem
The system illustrated by the above figure can be reformulated into a standard H
problem as given bellow
f(s) ~z
P3(s)
ẑ
y(s)
K(s)
148/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Formulation of filtered fault estimation via standard H problem
AT BT
T s
CT DT
– The equivalent transfer matrix P3(s) for the standard H problem is given by
~z f
y P3 s zˆ
» Where
AT 0 BT 0
T s I 0 A R1 0
P3 s
G f s 0 CT 0 DT I
0 C R2 0
149/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Formulation of filtered fault estimation via standard H problem
The estimation of the filtered fault within H formulation is to find a filter K(s)RH
such that
G~z f s
The problem can be solved by the standard H techniques. Note that the problem can
also be regarded as a model-matching problem and solved via methods developed in
robust control theory.
150/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Fault estimation with disturbance attenuation
x Ax R1 f E1d
y Cx R2 f E2 d
Out task is to find an optimal estimation of the filtered fault when the system has both the fault and
disturbance.
– This can be formulated according to the following scheme
z(s)
T(s)
y(s) ~z
f(s) Gf(s) K(s)
ẑ
d(s) Gd(s)
151/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Formulation of filtered fault estimation with disturbance estimation
r f 2
J f : Grd1 s T s sup
0 d1 2 d1 2
f
d1
d
152/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Reformulation of fault estimation with disturbance attenuation via
standard H problem
The problem of estimating the fault with disturbance attenuation property can be solved
by the standard H techniques as illustrated in following figure
f ~z
d1 P4(s)
d
ẑ y(s)
K(s)
– where the transfer matrix P4(s) is defined as
AT 0 BT 0 0
~z d1 T s 0 I 0 A R1 E1 0
y P4 s zˆ with P4 s
G f s Gd s 0 CT 0 DT 0 I
0 C R2 E2 0
153/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Fault estimation with disturbance attenuation via standard H problem
The estimation of the filtered fault within H formulation is to find a filter K(s)RH
such that
G~z d1 s
The signal ẑ in fig above can be used as a residual signal as well as an estimate of the
filtered fault
154/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Robustness issues
The previous robustness is only achieved on the assumption that there are no modeling errors or the
modeling errors have been approximately transformed into UI (disturbances).
To solve the problem of estimating faults for systems with disturbances and modeling errors, the standard
H problem should be formulated to incorporate the uncertainty block as
d
f
f P4(s) ~z
d1
d
ẑ y(s)
K(s)
155/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Integrated design, i.e.design controller and fault estimator
simultaneously
The integrated design problem can be formulated according to following figure where
– ye is the signal used to evaluate the control performance,
– Ko(s) is the fault estimator
– Kc(s) is the controller
z(s)
T(s)
y(s) ~z
f(s) K(s)
G(s) ẑ
d(s) ye(s)
u(s)
Kc(s)
156/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Integrated design via standard H problem
The integrated design problem depicted in previous figure can be transformed into a
standard H problem as given in following figure
~
z
f ~z
y
d1 P (s) e
d
y(s)
ẑ Ko(s)
ẑ1
u Kc(s)
157/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Integrated deign with robustness consideration
The integrated design with robustness consideration can be treated like a standard H
problem as given in following figure
d
f
u
~
z
f P (s) ~z
y
d1 e
d
y(s)
ẑ Ko(s)
ẑ1
u Kc(s)
158/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
LMI Approach for robust residual generation
The idea consists of designing a bank of observer where each observer is robust to
disturbances and to a set of specified faults.
– Example, consider the LTI systems of the form
x Ax R1 f E1d
y Cx
d f2
r1 f f 2 , f 3 to n f
» Where dim(f)=nf and dim(d)=nd
obs1 d f
– Constructing nf observers f1 f 3 to n f
d f1
r2 f f1 , f 3 to n f
where each observer
is insensitive to d obs 2 d f
and to one component of f
f 2 f
3 to n f
d
obs n f d f f1 to n f 1
f n f
159/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
LMI Approach for robust residual generation
Assume that the pair (C, A) is detectable and (A,R1,C) is assumed to have no transmission zeros, i.e. for
any s C,
sI A R1
rank nnf
C 0
160/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
LMI Approach for robust residual generation
d
– where w1
f1
The solution K1 of the problem is done by a LMI resolution (see part 2, for details)
161/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Fault diagnosis of non-linear dynamic systems
162/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Fuzzy observers and residual generation
Rule i: (i=1,2,…,N)
– If w(t) is wi Then xˆi t Ai xˆi t Bu t Ki y Cxˆi
This fuzzy observer can be implemented through the use of N local observers and a fuzzy
fusion
163/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
xˆi t Ai xˆi t Bu t K i y Cxˆi
Fuzzy fusion N
xˆ t i wxˆi t
i 1
yˆ t Cxˆ t
– w3=80
0 30 80 w
u y
System
The estimation error dynamics are given by the following
differential equation
Residual : r
C
iN
x^ u e i w Ai K i C e
obs1
y i 1
Fuzzy inference engine
for select the obs2 u e is stable if there exist a common positive definite matrix
appropriate estimation y P such that:
obs3 u
µi(w)
y Ai KiC T P P Ai KiC 0
Fuzzy observer for i=1, … N
164/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Eigenvalue region
LMI region
To ensure that the estimation error e(t) of the fuzzy observer has fast and well
attenuated response, it is necessary to assign all local observer eigenvalues is a specific
region is s-plane, like:
– All local obs in the fuzzy obs have their
eigenvules is the region S(,), if there
exists a common P > 0 such that
P Ai Ki C P
* P 0
and P Ai Ki C Ai Ki C T P 2P 0
for i=1, …, N
Threshold no fault
In conclusion r y yˆ
Threshold faulty
165/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017
Synthèse
166/166
Auteur: Damien.Koenig@esisar.grenoble-inp.fr Version: 2017