Académique Documents
Professionnel Documents
Culture Documents
Master II ELECTROMECANIQUE
MODULE
2020-2021
Chapitre 2
Commande adaptative
Directe Indirecte
Les coefficients du modèle de référence sont une grandeur de commande, c,-à-d, que leur choix
influence sur la réponse du système.
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
𝟏 𝟐
Ex.𝐅𝐨𝐧𝐜𝐭𝐢𝐨𝐧𝐜𝐨 û𝐭 𝑱 ( 𝑲 )= 𝒆 𝒆=𝒚 − 𝒚 𝒎
𝟐
= )=
𝑑 𝑲𝟏 𝑏 𝑑𝑲𝟐 𝑏𝑚
=−𝛾1 . 𝑒. 𝑚 . 𝒓 =𝛾2 . 𝑒. .𝒚
𝑑𝑡 𝑝 +𝑎𝑚 𝑑𝑡 𝑝 +𝑎 𝑚
Schéma synoptique
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.
{
𝑏𝑚
𝐾 1∗ = =4
𝑏
𝑎 −𝑎
𝐾 2∗ = 𝑚 =2
𝑏
Modèle Simulink et résultats de
simulation
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.
)
.().
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:
{ {
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
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
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:
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
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.
{
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
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.
y estimé=ychapeau
Détermination du
filtre de Kalman L
Références bibliographiques