Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Universite des Frères Mentouri-Constantine 1

Faculté des Sciences de la Technologie ̶ Département ELT

Master II ELECTROMECANIQUE

MODULE

Techniques des Commandes Avanceés

Cours conçu par:

Dr. Hind DJEGHLOUD

E-mail:
hinddjeghloud@yahoo.fr/hindmymail@gmail.com/hind,djeghloud@umc,edu,dz

2020-2021
Chapitre 2

Commande adaptative

2.1. Principe de la commande adaptative

2.2. Types de commandes adaptatives

2.3. Synthèse de la commande directe MRAC

2.4. Synthèse de la commande indirecte auto-ajustable

2.1. Principe de la commande adaptative
 Le but de la commande adaptative est d’assurer la performance d’un système dont les
paramètres ou les consignes sont variables avec le temps.
 Pour atteindre ce but, la commande est munie d’un mécanisme d’ajustement qui délivre
des correcteurs variables avec le temps qui compensent instantanément toute déviation
de la grandeur commandée par rapport à sa consigne. Autrement dit, il s’agit d’un
dimensionnement on-line des correcteurs.
 Les principaux intervenants dans ce mécanisme d’adaptation sont la consigne ‘r’ la
grandeur commandée ‘y’ et sa dérivée ‘dy/dt’.
2.2. Types des commandes adaptatives
La commande adaptative est dite directe (explicite), si les paramètres du correcteur sont
évalués directement, et indirecte (implicite), si les paramètres du correcteur sont calculés après
l’estimation des paramètres du processus.

Directe Indirecte

Utilisation des paramètres Utilisation des paramètres

off-line du système estimés on-line du système
2.3. Commande adaptative directe avec modèle de référence
2.3.1. Schéma synoptique

2.3.2. Modèle de référence

Le modèle de référence a pour rôle de générer la trajectoire ym dont

la sortie y doit suivre .
Le modèle de référence est choisi de même forme que la fonction de transfert du système.

Les coefficients du modèle de référence sont une grandeur de commande, c,-à-d, que leur choix
influence sur la réponse du système.

2.3.3. Mécanisme d’ajustement

Dans ce bloc les coefficients variables du correcteur sont dimensionnés. Le travail se fait
suivant des étapes successives.

 Etape 1: Détermination de l’erreur d’adaptation et sa dérivée

𝑑 𝑦𝑒
𝑦 𝑒 =𝑦 𝑚 − 𝑦 𝑦˙ 𝑒 =
𝑑𝑡

 Etape 2: Application d’une loi qui donne K (Lyapunov, MIT,…)

 Etape 3: Application de la loi de commande

2.3.4. Application à un système du 1er ordre [1],[2]
Parmi les systèmes 1er ordre rencontrés en ELT on cite les machines synchrones et asynchrones
où les courants et la vitesse sont des FT 1 er ordre avec la tension.
Pour dimensionner le vecteur des correcteurs K, on peut appliquer la règle du MIT ou la théorie
de stabilité de Lyapunov. Pour conclure sur la meilleure méthode on doit d’abord dimensionner
les correcteurs idéaux K*.

2.3.4.1. Dimensionnement des correcteurs de référence (idéaux)

Modèle de référence ,=

1 𝑎𝑚
𝑦˙ 𝑚 +𝑎𝑚 . 𝑦 𝑚 =𝑏𝑚 . 𝑟 𝑟= 𝑦˙ +
𝑏 𝑚 𝑚 𝑏𝑚 𝑚
.𝑦

,
FT système (plant) 𝑦˙ +𝑎 . 𝑦=𝑏.𝑢
Ici la loi de commande est définie par:
 =

1 𝑎𝑚
𝑦˙ + ( 𝑎+𝑏 . 𝐾 2) . 𝑦 =𝑏 . 𝐾 1 . 𝑦˙ 𝑚 +𝑏 . 𝐾 1 . .𝑦
𝑏𝑚 𝑏𝑚 𝑚
(erreur nulle)

{ {
1 𝑏𝑚
𝑏 . 𝐾 1∗ . =1 𝐾 1 ∗=
𝑏𝑚 𝑏
𝑎𝑚 𝑎𝑚 − 𝑎
𝑎+ 𝑏 . 𝐾 2 ∗ =𝑏 . 𝐾 1 ∗ . 𝐾 2∗ =
𝑏𝑚 𝑏

2.3.4.2. Dimensionnement de par la Règle du MIT

La règle MIT est utilisée pour concevoir la loi adaptative afin que les paramètres du
contrôleur soient ajustés dans une direction qui minimise une fonction de performance
quadratique avec la méthode du gradient descendant.

𝟏 𝟐
Ex.𝐅𝐨𝐧𝐜𝐭𝐢𝐨𝐧𝐜𝐨 û𝐭 𝑱 ( 𝑲 )= 𝒆 𝒆=𝒚 − 𝒚 𝒎
𝟐

Ajustement de K dans le sens du négatif du gradient de J

 𝑑𝐾 𝜕𝐽 𝜕𝑒 𝑑𝐽 𝜕𝑒 2 𝜕𝑒
2
=−𝛾 =−𝛾 . 𝑒 =𝑒 =− 𝛾 𝑒 ( )
𝑑𝑡 𝜕𝐾 𝜕𝐾 𝑑𝑡 𝜕𝑡 𝜕𝐾

Dérivée de la sensibilité du système Gain d’adaptation

= )=

Dérivées partielles (Jacobien) de e par rapport à et :

𝜕𝑒 𝑏 𝜕𝑒 𝑏 ². 𝑲 𝟏
= .𝒓 =− .𝒓
𝜕 𝑲 𝟏 𝑝+𝑎+𝑏 . 𝑲 𝟐 𝜕 𝑲𝟐 (𝑝 +𝑎+𝑏 . 𝑲 𝟐)²
𝑑𝑲𝟏 𝑏 𝑑𝑲𝟐 𝑏 ² . 𝑲𝟏 𝑏
=−𝛾 . 𝑒. .𝒓 =𝛾 . 𝑒. .𝒓 = .𝒚
𝑑𝑡 𝑝+ 𝑎+𝑏 . 𝑲 𝟐 𝑑𝑡 (𝑝+𝑎+𝑏 . 𝑲 𝟐 )² 𝑝+𝑎+𝑏 . 𝑲 𝟐
En approximant à avec et
et

𝑑 𝑲𝟏 𝑏 𝑑𝑲𝟐 𝑏𝑚
=−𝛾1 . 𝑒. 𝑚 . 𝒓 =𝛾2 . 𝑒. .𝒚
𝑑𝑡 𝑝 +𝑎𝑚 𝑑𝑡 𝑝 +𝑎 𝑚
Schéma synoptique

Exemple (TD2 Exo. 1) [1]

Soit le système défini par sa FT tel que a = 1 et b= 0.5, on choisit am=bm=2, la consigne r
étant un signal carré variant entre -1 et 1 et d’une période de 20s.

1. Faire l’étude de simulation pour trois valeurs de  : 0.2, 1, 5

2. Exploiter les résultats pour r, y, ym et K1,2 pour 1,2,3

Commençons par calculer K1* et K2*

{
𝑏𝑚
𝐾 1∗ = =4
𝑏
𝑎 −𝑎
𝐾 2∗ = 𝑚 =2
𝑏
Modèle Simulink et résultats de
simulation

Résultat original de [1]

Influence du gain d’adaptation sur

r
4 K1 gamma1=0.2
r
K1 gamma1=1
2
r
K1 gamma1=5
0
0 20 40 60 80 100 120 140 160 180 200
4 Résultat original de [1]
3 r
K2 gamma2=0.2
2
r
1 K2 gamma2=1
r
0
K2 gamma2=5
-1
0 20 40 60 80 100 120 140 160 180 200
t(s)
2.3.4.3. Dimensionnement de par la théorie de stabilité de Lyapunov

L’idée consiste à déterminer la structure du correcteur, puis dériver l’erreur, ensuite trouver une fonction de de
Lyapunov et enfin déterminer la loi d’adaptation.

Modèle de référence 𝑦˙ 𝑚 +𝑎𝑚 . 𝑦 𝑚 =𝑏𝑚 . 𝑟 𝑦˙ 𝑚 =− 𝑎𝑚 . 𝑦 𝑚 +𝑏 𝑚 . 𝑟

Système (plant) 𝑦˙ +𝑎 . 𝑦=𝑏.𝑢 𝑦=−
˙ 𝑎. 𝑦+𝑏. 𝑢
𝒆=𝒚 − 𝒚 𝒎 𝒆=
˙ 𝒚˙ − 𝒚˙ 𝒎 =− 𝒂. 𝒚 +𝒃. 𝒖+𝒂𝒎 . 𝒚 𝒎 −𝒃 𝒎 . 𝒓
𝒖=𝑲 𝟏 . 𝒓 − 𝑲 𝟐 . 𝒚 𝒆=−
˙ 𝒂. 𝒚 +𝒃 . 𝑲 𝟏 . 𝒓 − 𝒃. 𝑲 𝟐 . 𝒚+𝒂 𝒎 . 𝒚 − 𝒂𝒎 . 𝒆− 𝒃𝒎 .𝒓
𝒆𝒕
𝒚 𝒎 =𝒆 − 𝒚 ❑ ˙
𝒆=− 𝒂𝒎 . 𝒆−(𝒂− 𝒂𝒎 +𝒃. 𝑲 𝟐). 𝒚 +(𝒃. 𝑲 𝟏 −𝒃 𝒎).𝒓

Soit la fonction de Lyapunov choisie :

)
 .().

𝑑𝑒
=− 𝑎𝑚 . 𝑒−(𝑎− 𝑎 𝑚+𝑏 . 𝐾 2 ). 𝑦 +(𝑏 . 𝐾 1 − 𝑏𝑚 ). 𝑟
𝑑𝑡

.().

𝑑𝑉
𝑑𝑡
2 1
=− 𝑎𝑚 . 𝑦 𝑒 + . ( 𝑏 . 𝐾 2+𝑎−𝑎 𝑚 ) .
𝛾
𝑑 𝐾2
𝑑𝑡 ( ) (
− 𝛾 . 𝑒. 𝑦 + ( − 𝑏𝑚 +𝑏 . 𝐾 1) .
𝑑 𝐾1
𝑑𝑡
+𝛾 . 𝑒. 𝑟 )
Ainsi les lois d’adaptation de et sont données par:

𝑑 𝐾1
=−𝛾 1 . 𝑒. 𝑟 Schéma
𝑑𝑡
synoptique
𝑑 𝐾2
=𝛾 2 . 𝑒. 𝑦
𝑑𝑡
Même résultat que MIT rule!
Comparaison entre MIT Rule et
Lyapunov Function
r
2
ym
yMIT
1 yLyapunov

-1

-2
0 20 40 60 80 100 120 140 160 180 200
t(s)

10
K1ref
5 K1 Lyapunov
K1 MIt rule
0
0 20 40 60 80 100 120 140 160 180 200
t(s)
5
K2ref
0 K2 Lyapunov
K2 MIT rule
-5
0 20 40 60 80 100 120 140 160 180 200

On remarque un bon suivi entre y et ym des deux méthodes à partir de la 2ème période. Cependant, le temps de
réponse de la 2ème méthode est meilleur. Ceci est confirmé dans les courbes des correcteurs K1 et K2 et leurs
consignes K1* et K2*. On remarque un temps de réponse plus rapide et un dépassement moindre pour la 2 ème
méthode (Lyapunov function).
2.3.5. Application à un système
du 2eme ordre
𝑦𝑚 𝑏𝑚
Modèle de référence 𝐹𝑇𝑀𝑅= =
𝑟 𝑝 ²+𝑎 𝑚 .𝑝 +𝑏𝑚
𝑦¨ 𝑚 +𝑎𝑚 . 𝑦˙ 𝑚 +𝑏𝑚 . 𝑦 𝑚 =𝑏 𝑚 . 𝑟 𝑦¨ 𝑚 =− 𝑎𝑚 . 𝑦˙ 𝑚 −𝑏 𝑚 . 𝑦 𝑚 +𝑏𝑚 .𝑟
𝑦 𝑏
FT système (plant) 𝐹𝑇 = = 𝑦¨ +𝑎 . 𝑦˙ +𝑏. 𝑦=𝑏.𝑢
𝑢 𝑝 ²+𝑎. 𝑝 +𝑏
Ici la loi de commande est définie par:

2.3.5.1. Dimensionnement des correcteurs de référence (idéaux)

𝑦¨ +𝑎 . 𝑦˙ +𝑏. 𝑦=𝑏.𝑢 𝑦¨ =− ( 𝑎+𝑏 . 𝑲 𝟑 ) . 𝑦˙ −𝑏 ( 1+ 𝑲 𝟐) . 𝑦 +𝑏 . 𝑲 𝟏 . 𝒓

𝑫𝒂𝒏𝒔 𝒍𝒆𝒔𝒄𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏𝒔 𝒊𝒅 é 𝒂𝒍𝒆𝒔 𝒚¨ = 𝒚¨ 𝒎

− ( 𝑎+𝑏. 𝑲 𝟑 ∗ ) . 𝑦˙ − 𝑏 ( 1+ 𝑲 𝟐 ∗) . 𝑦 +𝑏. 𝑲 𝟏 ∗ . 𝒓 =− 𝑎𝑚 . 𝑦˙ 𝑚 −𝑏 𝑚 . 𝑦 𝑚+𝑏𝑚 .𝑟

{ {
𝑎𝑚 − 𝑎
𝑎 +𝑏 . 𝑲 𝟑 ∗ =𝑎 𝑚 𝐾 3 ∗=
𝑏
𝑏 ( 1+ 𝑲 𝟐 ∗ ) =𝑏𝑚 𝑏𝑚
𝑏 . 𝑲 𝟏∗ = 𝑏𝑚 𝐾 2 ∗= −1
𝑏
𝑏𝑚
𝐾 1 ∗=
𝑏
 2.3.5.2. Dimensionnement de , et par la théorie de stabilité de Lyapunov

𝑦¨ =− ( 𝑎+𝑏 . 𝑲 𝟑 ) . 𝑦˙ −𝑏 . ( 1+𝑲 𝟐 ) . 𝑦 +𝑏. 𝑲 𝟏 .𝒓

On définit deux vecteurs d’état: X = et Xm =

𝑀 𝑜𝑑 è 𝑙𝑒𝑠𝑑 ′ é 𝑡𝑎𝑡 ˙ 𝐴 . 𝑋 +𝐵 .𝑟
𝑋= 𝑋˙ 𝑚= 𝐴𝑚 . 𝑋 𝑚 +𝐵𝑚 . 𝑟

𝐴=
[ 0
− 𝑏 .(1+ 𝑲 𝟐 )
1
− ( 𝑎 +𝑏 . 𝑲 𝟑 ) ] 𝐵=
[ 0
𝑏 . 𝑲𝟏 ] 𝐴 𝑚=
[ 0
− 𝑏𝑚
1
−𝑎𝑚 ] [ ]
𝐵𝑚= 0
𝑏𝑚

Sachant que 𝑿 𝒎 = 𝑿+ 𝑿𝒆 𝑋˙ 𝑚= 𝐴𝑚 .( 𝑋+ 𝑋 ¿¿𝑒)+𝐵𝑚 . 𝑟 ¿

𝑋˙ 𝑒= 𝑋˙ − 𝑋˙ 𝑚= 𝐴𝑚 . 𝑋 𝑒 +(− 𝐴+ 𝐴¿¿𝑚). 𝑋 +(−𝐵+𝐵¿¿𝑚).𝑟 ¿¿

Gains d’adaptation
Soit la fonction de Lyapunov choisie :

V (𝑒 , 𝐾 ¿ ¿ 1 , 𝐾 2 , 𝐾 3)= 𝑋𝑒 𝑡❑ . 𝑃 . 𝑋𝑒 +𝑡𝑟 ¿ ¿
 Le point d’équilibre =0 est stable si:

V est définie et V (0)=0 dV/dt est négative

positive

La matrice de covariance P est définie positive et est la solution de l’équation de Lyapunov choisie, telle que
dV/dt est négative si les lois d’adaptation sont: (Q matrice identité)

.+=

{
− 𝑏𝑚 . ( 𝑝 12 +𝑝 21 )= − 1
𝑝 11 − 𝑎𝑚 . 𝑝12 − 𝑏𝑚 . 𝑝 22 =0
𝑝 11 − 𝑏 𝑚 . 𝑝 2 2 − 𝑎 𝑚 . 𝑝 2 1=0
𝑝1 2 +𝑝 21 − 2.𝑎 𝑚 . 𝑝 22 =− 1

Schéma synoptique
Exemple (TD2 Exo. 2) [3]
Soit un MDC à excitation séparée à flux constant défini par sa FT entre la position et la tension
d’induit:

, Paramètres du moteur
Ke (V.min/tr) Km R() J(kg.m²) F µ
(V.min/tr) (N.m.s/rad)
0.5247 6.1 1.025 8 1.5 0.01

1. Conception d’une commande adaptative capable d’assurer la stabilité et la robustesse du

fonctionnement d’un robot entrainé par le MDC. Pour le modèle de référence prendre a m=bm=1.

2. Obliger la position du robot à suivre une trajectoire de référence r(t), telle que r(t) est un
signal carré positif d’amplitude /3 rad et de période 20s, puis une dent de scie d’amplitude  et
de période 20s.

Commençons par calculer K1*, K2* et K3*

{
𝑏𝑚
𝐾 1 ∗= =13 5.13
𝑏
𝑏𝑚
𝐾 2∗ = − 1=13 4.13
𝑏
𝑎 −𝑎
𝐾 3 ∗= 𝑚 =5 7.05
𝑏
Modèle Simulink et résultats de simulation

On remarque une bonne convergence pour les deux

références mais le suivi des correcteurs à leurs
références est meilleur dans le cas de r(t) carrée
 2.4. Commande adaptative indirecte avec modèle de référence

Le principe est le même que la MRAC directe à la différence qu’au lieu d’utiliser y on utilise
l’estimé de y. Plusieurs méthodes d’estimation existent. On présente ici l’estimateur de Kalman.

Modèle d’état stochastique

y estimé=ychapeau

Détermination du
filtre de Kalman L
Références bibliographiques

 [1] Guy Dumont,  «EECE 574 - Adaptive Control

Model-Reference Adaptive Control - Part I», Department of Electrical and Computer
Engineering University of British Columbia, January 2010.
 [2] S.E. Oltean, M. Dulau, A.V. Duka, «Model reference adaptive control design for slow
processes. A case study on level process control», 9th International Interdisciplinary
Engineering, INTER-ENG 2015, 8-9 October 2015, Tirgu-Mures, Romania, Procedia
Technology, 22 (2016), 629-636.
 [3] S. E. Oltean & A. Morar, «Simulink of the local model reference adaptive control of the
robotic arm with a D.C. motor drive», ACTA Electrotechnica, vol. 51, no. 2, 2010..