Robuste C PDF

Commande Robuste
Commande Robuste
Edouard Laroche (laroche@unistra.fr)
ENSPS 3A ISAV
Master IRIV AR
Universit de Strasbourg
20112012
Commande Robuste
Plan
1 Modlisation des systmes dynamiques
2 Outils danalyse
3 Synthse H
4 Thorie de la commande
5 Analyse de la robustesse des systmes LPV

Commande Robuste
Introduction
Objectifs et contenus
Objectifs en contenu de la formation (1)
Objectifs
Mieux comprendre les compromis fondamentaux qui
limitent les dynamiques des systmes asservis,
notamment en terme de performance, de sensibilit au
bruit et de robustesse
Connatre les outils danalyse des systmes multi-variables
Savoir mettre en uvre une synthse de loi de commande
de type H sur un systme linaire
tre capable de mettre en uvre une analyse de
robustesse dans le cas de variations paramtriques
Commande Robuste
Introduction
Contenu
7 sances de cours
4 sances de TD dont 2 sur PC
valuation : bureau dtude en simulation
Commande Robuste
Introduction
Plan du cours
Outils danalyse des systmes multivariables
Modlisation des systmes dynamiques
Critre danalyse des performances
Mthode de synthse de correcteurs H
Mthodes danalyse de la robustesse
Commande Robuste
Introduction
Historique de lautomatique
Historique de lautomatique (1)
Mthodes
Avant 1960 : mthodes SISO, approches temporelles
(Ziegler-Nichols) et frquentielles (Bode, Nyquist,
Black-Nichols)
Entre 1960 et 1990 : approches temporelles pour les
systmes MIMO : commande optimale
Depuis1990 : approches frquentielles pour les systmes
MIMO : approche standard, commande H
Commande Robuste
Introduction

Implantation des commandes
Avant 2000 : implantation sous forme de circuit
lectroniques base damplificateurs oprationnels,
lautomatique est fortement lie llectronique et on
privilgie les reprsentations temps continu
Depuis les annes 2000 : implantation dans des
calculateurs sous forme dquations aux rcurrences
(reprsentation temps chantillonn)
Exemples de ralisations industrielles chez Astrium

Pilotage H dAriane 5 en tangage et lacet en vol
atmosphrique : 1er vol en 2002
Pilotage ATV (Automated Transfer Vehicle) en rendez-vous
final (3 ddl en position) par correcteur H : 1er vol en 2008
Commande Robuste
Introduction
Laboratoires en France
LAAS (quipe MAC, Toulouse)
ONERA (Toulouse + Chtillon)
Suplec (Service dAutomatique, Gif-sur-Yvette)
IRCCYN (Nantes)
GIPSA (Grenoble)
...
Entreprises europennes
ASTRIUM (lanceur, satellite)
EADS-Airbus
Commande Robuste
Plan
2 Outils danalyse
3 Synthse H

Commande Robuste
Reprsentation dtat
Reprsentation dtat (1)
Modle linaire invariant dans le temps (LTI)

x = Ax + Bu
(1)
y = Cx + Du
Valable pour les systmes propres ; systmes strictement
propres : D = 0. La fonction de transfert du systme :
G(s) = C(sIn A)1 B + D (2)
relie les transformes de Laplace des signaux (L(u(t)) = U(s)

et L(y (t)) = Y (s)), soit Y (s) = G(s) U(s). On effectue labus
de language suivant : y = G(s) u ou y (t) = G(s) u(t) qui
signifie que le signal u(t) est en entre du systme G(s) et que
y (t) est en sortie.
Commande Robuste
Reprsentation dtat
Modle linaire paramtres variants (LPV)

x = A()x + B()u
(3)
y = C()x + D()u
k k k
k k k .
Commande Robuste
Reprsentation dtat
Modle linaire paramtres variants (LPV)

A() B()
M() = . (4)
C() D()
avec M() = M0 + 1 M1 + 2 M2 ....
Commande Robuste
Reprsentation dtat
Modle LPV polytopique

Combinaison barycentrique : M = 1 M1s + 2 M2s + ... avec
0 k 1 et k = 1
Passage LPV affine LPV polytopique :

M = 1 M1s + 2 M2s + 3 M3s + 4 M4s avec
1 1 2 2
1 = 1 1 2 2
M1s = M0 + 1 M1 + 2 M2 1 1 2 2
M2s = M0 + 1 M1 + 2 M2 2 = 1 1 2 2
2 2
M3s = M0 + 1 M1 + 2 M2 3 = 1 1
1 1 2 2
M4s = M0 + 1 M1 + 2 M2 1 1 2 2
4 = 1 1 2 2
Commande Robuste
Reprsentation dtat

Modle non-linaire
x = f (x, u)
(5)
y = g(x, u)
Linarisation autour dun point dquilibre (x0 , u0 ) vrifiant
f (x0 , u0 ) = 0 :
f f

x = f (x0 , u0 ) + x (x x0 ) + u (u u0 )
g g (6)
y = g(x0 , u0 ) + x (x x0 ) + u (u u0 )
En notant x = x x0 , u = u u0 et y = y g(x0 , u0 ) on se
ramne un systme LPV :
x = A()x + B()u

(7)
y = C()x + D()u
x
avec = 0 .
u0
Commande Robuste
Oprations sur les systmes
Oprations sur les systmes (1)
Somme, produit et inverse

Soient G1 (s) et G2 (s) deux systmes LTI de dimensions
adquates
G(s) = G1 (s) + G2 (s) est dfini par y = G(s)u o
y = y1 + y2 , y1 = G1 (s)u et y2 = G2 (s)u
H(s) = G1 (s)G2 (s) est dfini par y = H(s)u o
y = G1 (s)u1 et u1 = G2 (s)u
G11 (s) est dfini par y = G1 (s)u o u = G1 (s)y (dfini
que si D est inversible)
Exercice : connaissant les matrices dtat de G1 (s) et
G2 (s), donnez les reprsentation dtat de G(s), H(s) et
de G1 (s)
Commande Robuste

Systme identit et systme nul
Dans lespace des transferts n entres et n sorties
Le systmes Identit a comme matrice de transfert
1 0 ... 0
0 1 0
In (s) = In = . . En effet, on a

.. . . ..
. .
0 0 1
G(s) In = In G(s) = G(s)
Le systmes Nulla comme matrice de transfert
0 ... 0
On (s) = Onn = ... . . . ... . En effet, on a

0 ... 0
G(s) + Onn = Onn + G(s) = G(s)
Commande Robuste
Transformation linaire fractionnaire (LFT)

Upper LFT : M(s) = lftu (G(s), H(s)) o y2 = M(s)u2
H(s)
u1 = z y1 = v
-
u2 G(s) y2-
-
Notations Matlab : M = lft(H,G)

Commande Robuste
Transformation linaire fractionnaire (LFT)

Lower LFT : M(s) = lftl (G(s), H(s)) o y1 = M(s)u1
u1 - y1-
G(s)
-
u2 = z y2 = v
H(s)
Notations Matlab : M = lft(G,H)

Commande Robuste
Modles LFR
Reprsentations linaires fractionnaires des modles

LPV (1)
Dfinition
Soit M(s) = lftu (Q(s), ()) o Q(s) est un modle LTI et
() est une matrice dpendant du vecteur des
paramtres .
()
v z
-
u Q(s) y -
-
Commande Robuste
Modles LFR

LPV (2)
Calculs(1)
Le systme Q(s) scrivant :
x = Ax + B1 v + B2 u (8)
z = C1 x + D11 v + D12 u (9)
y = C2 x + D21 v + D22 u (10)
En rebouclant avec la matrice (),
v = () z (11)
Commande Robuste
Modles LFR

LPV (3)
Calculs (2)
Transfert M(s) entre u et y :
x
= A()x
+ B()u (12)
y
= C()x
+ D()u (13)
avec :

A() = A + B1 ()(I D11 ())1 C1

B() = B2 + B1 ()(I D11 ())1 D12

C() = C2 + D21 ()(I D11 ())1 C1

D() = D22 + D21 ()(I D11 ())1 D12
Commande Robuste
Modles LFR

LPV (4)
Interprtation
M(s) est un modle LPV rationnel
Tout modles LPV rationnel peut tre mis sous forme LFR
Pour les modles LPV dpendance non-rationnels, on
peut chercher des approximations rationnelles des
fonctions non-linaires
Commande Robuste
Modles LFR

LPV (5)
Exemple Matlab (1)
% Dfinition du paramtre incertain
p0 = 1; wp = 0.2;
p = ureal(p,p0,Percentage,100*wp);
% Mthode 1: tf
H1 = tf(1,[1 p])
USS: 1 State, 1 Output, 1 Input, Continuous System
p: real, nominal = 1, variability = [-20 20]%, 1 occu
% Mthode 2: ss
A = -p; B = 1; C = 1; D = 0;
H2 = ss(A,B,C,D)
USS: 1 State, 1 Output, 1 Input, Continuous System
Commande Robuste
Modles LFR

LPV (6)
Exemple Matlab (2)

% Mthode 3: LFR
Q = [1;1]*tf(1,[1 0])*[-1 1];
Q_ = ss(0,[-1,1],[1;1],zeros(2,2));
Delta = p;
H3 = lft(Delta,Q)
USS: 2 States, 1 Output, 1 Input, Continuous System
Commande Robuste
Modles LFR

LPV (7)
Exemple Matlab (3)

% Evaluation
dpe = 2*rand(1)-1; % sur [-1;1]
pe = p0*(1 + wp*dpe);
H1e = usubs(H1,p,pe); % substitution
H2e = usubs(H2,p,pe);
H3e = usubs(H3,p,pe);
sigma(H1e,H2e,H3e,{1e-2,1e2}) % valeurs singulires
Commande Robuste
Modles LFR

LPV (8)
Exemple Matlab (4)

% Transformation USS -> LFR
[M,Delta2] = lftdata(H1);
size(M)
State-space model with 2 outputs, 2 inputs, and 1 state.
Delta2
UMAT: 1 Rows, 1 Columns
H4 = lft(p,M); % LFR normalise
H4e = usubs(H4,p,dpe); % avec le paramtre normalis
figure; sigma(H1e,H4e,{1e-2,1e2})
Commande Robuste
Outils danalyse
Plan
2 Outils danalyse
3 Synthse H

Commande Robuste
Outils danalyse
Valeurs propres et ingalits matricielles
Valeurs propres et ingalits matricielles (1)
Valeurs propres
Soit M Cnn
C est valeur propre de M sil existe un vecteur x Rn
tel que M x = x
Cela signifie que dans certaines directions de lespace,
celle des vecteurs propres, lapplication x M x ne
modifie pas la direction
Si M est hermitienne a , ses valeurs propres sont relles
a. Le hermicien de M, not M H , est la composition de la conjugaison et de
la transpose : M H = (M )T .
Commande Robuste
Outils danalyse
Matrice positive : dfinition

Soit M Cnn telle que M = M H (matrice hermitienne)
La notation M > 0 signifie : toutes les valeurs propres de
M sont strictement positives (M est dfinie positive)
La notation M 0 signifie : toutes les valeurs propres de
M sont positives (ou nulles)
Idem pour M < 0 et M 0
Commande Robuste
Outils danalyse
Matrice positive : proprits (1)

Soit M Cnn telle que M = M H (matrice hermitienne)
M > 0 x Cn , x H Mx > 0 a
M 0 x Cn , x H Mx 0
M > 0 = X Cnm , X H MX 0 b
M 0 X Cnm , X H MX 0
a. x H Mx est une forme quadratique.

b. Il suffit de considrer X = x1 | . . . |xm .
Commande Robuste
Outils danalyse
Matrice positive : proprits(2)

Soit M et N deux matrices hermitiennes, ainsi que O la
matrice nulle, toutes de dimension adquates selon les
quations.
M > 0, N > 0 M + N > 0
M > 0, N > 0 MN > 0 a
M > 0, N < 0 MN < 0

M O
M > 0, N > 0 >0
O N
Pour c R, M cI < 0 k (M) < c
a. Voir la dmonstration donne dans le poly
Commande Robuste
Outils danalyse
Ingalit matricielle (1)
Ingalit matricielle
Soit z Dz Cp un vecteur de dcision
Soit M(z) une fonction matricielle valeur dans Cnn telle
que M(z) = M H (z) z Cp
Le problme consistant trouver z tel que
M(z) < 0 z Dz est un problme dingalit matricielle
Dans le cas o M(z) est une fonction affine des
coefficients de z, i.e. M(z) = M0 + z1 M1 + ... + zp Mp , on
parle dingalit matricielle affine ou linaire (LMI pour
linear matrix inquality)
Les LMI sont abondamment utilises en automatique
moderne
Commande Robuste
Outils danalyse
Exemple de LMI
Un systme dynamique x = Ax, avec x Rn et A Rnn ,
est stable si et seulement si il existe une matrice
symtrique P Rnn dfinie positive telle que
AT P + PA < 0

a1 a2 p1 p2
Pour n = 2, A = et P = ,
a3 a4 p2 p3
1 Montrez que lquation AT P + PA < 0 peut se mettre sous
la forme M(p) < 0 o M(p) = M0 + p1 M1 + ...p3 M3
2 Donnez les matrices Mk , k = 0, ..., 3 en fonction des
coefficients de A
Commande Robuste
Outils danalyse
Solveurs pour LMI

Deux types de logiciels
1 Rsolution des LMI
2 Transformation des problmes de lautomatique en
problmes LMI (exemple
AT P + PA < 0 M0 + p1 M1 + ...p3 M3 < 0)
Trois types de problmes
1 fesabilit (ou existence) : trouver x solution de A(z) < 0,
2 minimisation dune fonction linaire : trouver x minimisant
c T x sous la contrainte A(x) < 0,
3 problme de valeur propre gnralise : minimiser sous
les contraintes A(x) < B(x), B(x) > 0 et C(x) < 0.
Commande Robuste
Outils danalyse
Liste de solveurs
lmilab : solveur de Matlab (Robust Control Toolbox) : 1 + 2
+ interface graphique
Sedumi : solveur a
SedumiInt : intergace de Sedumi pour lautomatique b
YALMIP : editeur pour lautomatique permettant dutiliser
de nombreux solveurs c
SDPT3 : solveur d
a. http://sedumi.ie.lehigh.edu/
b. http://homepages.laas.fr/peaucell/software/
SeDuMiInt.html
c. http://users.isy.liu.se/johanl/yalmip/
d. http://www.math.nus.edu.sg/~mattohkc/sdpt3.html
Commande Robuste
Outils danalyse
Illustration : lmiedit
Commande Robuste
Outils danalyse
Valeurs singulires et norme H
Valeurs singulires et norme H (1)
Valeurs singulires : dfinition

Soit M Cnm
MM H est une matrice symtrique positive (valeurs propres
positives)
Les valeurs singulire k de M sont les racines carres
des valeurs propres de MM H , i.e. k2 (M) = k (MM H )
Interprtation : les valeurs singulires sont les
amplifications dans les diffrentes direction propres a
On note (M) k (M) (M)
a. Soient k une valeur propre de M associe un vecteur propre xk . On a
alors yk = Mxk = k xk do ykH yk = xkH M H Mxk = 2k xkH xk , do kyk k = k kxk k.
Commande Robuste
Outils danalyse
Valeurs singulires : proprits

k (M) 0
k (M) = k (M H ) (invariance par lopration
transpos/conjugu)
Les valeurs singulires non nulles sont au plus au nombre
de min(n, m), la plus petite dimension de M.
k (cIn ) = |c|
k (diag{c1 , . . . , cn }) = |ck |
Commande Robuste
Outils danalyse
Valeurs singulires : proprits (2)

() est la norme induite sur les matrices par la norme
euclidienne sur les vecteurs
ky k
(M) = max (14)
y =Mu kuk
(M) 0
(M) = 0 = M = O
(M) = ||(M)
(M + N) (M) + (N)
(MN) (M)(N)
1 1
(M) = (M 1 )
, (M) = (M 1 )
Commande Robuste
Outils danalyse
Valeurs singulires : proprits (3)

(M) = ||(M)
(M + N) (M) + (N)
(M)(N) (MN)
kMzk2
(M) = maxz6=0 kzk2 (amplification maximale)
Commande Robuste
Outils danalyse
Trac des valeurs singulires dun systme LTI

Soit un systme multivariable n entres et n sorties
x = Ax + Bu (15)
y = Cx + Du (16)
La fonction de transfert entre u et y est

G(s) = C(sIn A)1 B + D
On caractrise le systme par le trac des valeurs
singulires de G(j) pour R+
Commande Robuste
Outils danalyse

Exemple (1) :
A = [-1 0; 1 -2];
B = eye(2);
C = [1 1; 0 1];
D = 0.1*ones(2,2);
Sys = ss(A,B,C,D)
ltiview(sigma ,Sys,1e-1,1e2);
Commande Robuste
Outils danalyse

Commande Robuste
Outils danalyse

Exemple (3)
code :
G1 = C*inv(j*1*eye(2)-A)*B+D;
SV = svd(G1)
u = randn(2,1)
Ampli = norm(G1*u)/norm(u)
Rsultat :
SV =
1.3257
0.2872
u =
1.1892
-0.0376
Ampli =
1.1032
Commande Robuste
Outils danalyse
Norme sur les signaux multivariables

Soit x(t) valeur dans Rn
La norme L2 est dfinie par :
sZ

kx(t)kL2 = x T (t) x(t) dt (17)
0
kx(t)kL2 = 0 = x(t) = 0 t R+
Commande Robuste
Outils danalyse
Norme H sur les systmes LTI

Soit G(s) un systme LTI multivariable de condition initiale
nulle, dentre u(t) et de sortie y (t)
La norme H est dfinie comme la norme induite sur les
systme par la norme L2 sur les signaux :
ky (t)kL2
kG(s)k = max (18)
ku(t)kL2
kG(s)k = 0 = G(s) = Onn

Commande Robuste
Outils danalyse
Proprits de la H
Interprtation frquentielle
kG(s)k = max (G(j)) (19)

R+
Exemple :
norm(Sys,inf)
Commande Robuste
Outils danalyse
Proprits de la H (2)
Pour une matrice de transfert sous forme de blocs :

G11 (s) G12 (s)
G(s) = (20)
G21 (s) G22 (s)
on a :
kG(s)k < kGkl (s)k < (k , l) {1, 2} (21)

Commande Robuste
Outils danalyse
Rcapitulatif sur les normes
Scalaire complexe (module) : |z|2 = z z

Vecteur complexe (norme euclidienne) : kzk2 = z H z
Matrice complexe (valeur singulire max) :
(M) = max kMuk
kuk
Rq. valeur singulire dun scalaire : (z) = |z|
R
Signal vectoriel complexe : kz(t)k2L2 = 0 z H (t)z(t)dt
Matrice de transfert :
kG(s)u(t)kL
kG(s)k = max ku(t)kL 2 = maxR+ (G(j))
2
Rq. fonction de transfert (SISO) :

kG(s)k = maxR+ |G(j)|
Commande Robuste
Outils danalyse
Lemmes de simplification
Lemmes de simplification (1)
Complment de Schur
La LMI :

Q S
< 0, (22)
ST R
o Q = Q T et R = R T est quivalente :

R < 0
1 (23)
Q SR S T < 0.
Commande Robuste
Outils danalyse
Lemmes de simplification
Lemmes de simplification (2)
Lemme de projection
Soit une matrice symtrique Rmm et deux matrices P et
Q de nombre de colonnes m. Et considrons le problme
consistant trouver une matrice de dimensions adquoites
telle que :
+ P T T Q + Q T P < 0 (24)
Notons WP et WQ des matrices dont les colonnes forment une
base des noyaux de respectivement P et Q. Alors, une solution
de lquation (24) existe si et seulement si :
WPT WP < 0

(25)
WQT WQ < 0.
Commande Robuste
Synthse H
Plan
2 Outils danalyse
3 Synthse H

Commande Robuste
Synthse H
Schma standard
Schma standard de synthse (1)
v - z-
Ga (s)
-
u y
K (s)
v z : canal de performance
u y : canal de commande
Synthse : trouver le correcteur K (s) qui minimise la
norme (H ou H2 ou autre) du transfert Tz v (s)
Commande Robuste
Synthse H
Schma standard
Schma standard de synthse (2)

Performance atteinte :
Structure du correcteur :
gnralement : K (s) est de mme ordre que Ga (s)
(correcteur dynamique dordre plein)
correcteurs dordre rduit : mthodes plus complexes
Mthodes de synthse : Riccati ou LMI (abord plus tard
dans le cours)
Sous Matlab :
hinfsyn : synthse H
h2syn : synthse H2
h2hinfsyn : synthse mixte H2 / H
Rglage du correcteur pour respecter le cahier des
charges : avec des filtres de pondration contenus dans le
systme augment Ga (s)
Commande Robuste
Synthse H
Performance dun systme asservi
Performance dun systme asservi (1)

Systme asservi
d bm
r- ?v-
+ ie- K (s) u- i y- i
?
G(s)
6 ym
rfrence r (t)
erreur de rgulation e(t)
erreur de suivi (t) = r (t) y (t)
signal de commande u(t)
perturbation d(t) en entre du systme
signal asservir y (t)
bruit de mesure bm (t)
signal de mesure ym (t)
Commande Robuste
Synthse H
Transferts en BF
Sensibilit en sortie (cot mesure) : Sy (s) = Ter (s)
Sensibilit en entre (cot commande) : Su (s) = Tvd (s)

e
u
Calcul des transferts en boucle ferme v =

y
ym

Sy (s) Sy (s)G(s) Sy (s)
Su (s)K (s) Su (s)K (s)G(s) Su (s)K (s) r
" #
Su (s)K (s) Su (s) Su (s)K (s) d

S (s)G(s)K (s)
y Sy (s)G(s) Sy (s)G(s)K (s) bm
Sy (s)G(s)K (s) Sy (s)G(s) Sy (s)
Commande Robuste
Synthse H

Allure en BO
20 log(k (G(j)K (j)))
c
(log)
0 dB
(G(j)K (j)) 1
(G(j)K (j)) 1
Commande Robuste
Synthse H

Allure en basse frquence
Pour c , on peut considrer que (K (s)G(s)) 1 et
(G(s)K (s)) 1. Il en rsulte que Sy (s) ' K 1 (s) G1 (s)
et Su (s) ' G1 (s) K 1 (s)

e
u

v =

y
y
m1
K (s) G1 (s) K 1 (s) K 1 (s) G1 (s)

G1 (s) Inu G1 (s) r
1 1 1 1

G (s) G (s) K (s) G (s) d

Iny 1
K (s) Iny bm
Iny K 1 (s) K 1 (s) G1 (s)
Commande Robuste
Synthse H
Allure en haute frquence

Pour c , on peut considrer que (K (s)G(s)) 1 et
(G(s)K (s)) 1. Il en rsulte que Sy (s) ' Iny et
Su (s) ' Inu .

e Iny G(s) Iny
u K (s)
K (s)G(s) K (s) r

v = K (s)
Inu K (s) d

y G(s)K (s) G(s) G(s)K (s) bm
ym G(s)K (s) G(s) Iny
Commande Robuste
Synthse H

Marge de module
Im
-1 0 Re
M
G(j) K (j)
Marge de module en SISO : M = min |1 + K (j)G(j)|

1
Gnralisation en MIMO : M = kSy (s)k ou
1
M = kSu (s)k
Commande Robuste
Synthse H

Bande passante
20 log((Sy (j)))
20 log(||Sy (s)|| ) (log)

0 dB
-3 dB BP
20 log((Sy (0)))

BP dfini par BP (Sy (j)) 1/ 2
Tr BP 3
Commande Robuste
Synthse H

Prcision
20 log((Sy (j)))
20 log(||Sy (s)|| ) (log)

0 dB
-3 dB BP
20 log((Sy (0)))
Erreur statique : (Sy (0))

Commande Robuste
Synthse H

Rejet de perturbation
Transfert Ted (s) faible aux frquences de la perturbation
(gnralement basse et moyennes frquences)
Attnuation de leffet du bruit de mesure sur la commande

Transfert Tubm (s) = Tur faible aux frquences de du bruit
(gnralement les hautes frquences)
Robustesse
Immunit face aux dynamiques haute frquence non
modlises ou mal modlises : forcer le gain du
correcteur dcroitre en haute frquence en assurant
Tur (s) faible au del de la bande passante (roll-off)
Commande Robuste
Synthse H
Recapitulatif
Transfert Sy (s) : marge de module, rapidit et prcision
Transfert Tur (s) : bruit de mesure et robustesse par rapport
aux dynamiques haute frquence
Commande Robuste
Synthse H
Schmas de synthse H
Schmas de synthse H (1)
Schma gnral de synthse : sensibilits mixtes
v v- z- z-
We (s) Ws (s)
Ge (s)
-
u e ou y
K (s)
Choisir les signaux mettre dans le canal de performance

Rgler les pondrations We (s) et Ws (s) permettant de
satisfaire le cahier des charges
Commande Robuste
Synthse H
Schmas de synthse H

Synthse 1 bloc
z (t )
W1(s)
e(t )
r (t ) u (t )
+ K (s) G(s)
- y (t )
s+a
W1 (s) = W11 Iny avec W11 (s) = k (s+b)
Impose (Sy (j)) /|W11 (j)|
Permet de grer la marge de module, la rapidit et la
prcision
Exercice : dterminer Ge (s), We (s) et Ws (s)
Commande Robuste
Synthse H
Schmas de synthse H

Synthse 2 blocs
z1(t )
W1(s)
z2(t )
W2(s)
e (t ) u (t )
r (t )
+ K (s ) G(s)
- y (t )
W1 (s) inchang
s
W2 (s) = W21 Inu avec W21 (s) = K2 (cs+1)
Impose (Sy (j)) /|W11 (j)| et
(Tur (j)) /|W21 (j)|
Attnuation de Tur (s) en haute frquence : roll-off + bruit
de mesure
Commande Robuste
Synthse H
Schmas de synthse H
Synthse 4 blocs (1)

z1(t )
W1(s)
z2(t )
W2(s)
v2(t )
W3(s)
e (t )
v1 = r ( t ) d (t )
K (s) + G(s)
+ u (t ) y (t )
-
Commande Robuste
Synthse H
Schmas de synthse H
Synthse 4 blocs (2)

W1 (s) et W2 (s) inchangs
W3 (s) = W31 (s)Inu
1
Impose (Ted (j)) < |W11 (j)W31 (j)|
Exemple de perturbation sinusodale la pulsation 0 :
0 s
W31 (s) = s2 +2 s+ 2
0 0
Permet de forcer le rejet de perturbation

Exercice : dterminer Ge (s), We (s) et Ws (s)
Commande Robuste
Synthse H
Schmas de synthse H
Illustration : commande dun stabilisateur cardiaque

Travaux de thse de Wael Bachta (avec P. Renaud, J.
Gangloff et E. Laroche)
Stabilisateur actif equip dun actionneur pizo-lectrique
Mesure de la position par camera rapide
Cf slides sur http://eavr.u-strasbg.fr/
~laroche/ISAE-2009/PresISAE-dec09.pdf
Commande Robuste
Synthse H
Robustesse de la commande H
Robustesse de la commande H (1)
Thorme du petit gain
(s)
v z
-
u Q(s) y -
-
Le systme LTI interconnect est stable si et seulement si

k(s)Q11 (s)k < 1
Commande Robuste
Synthse H

Si (s) est incertain telle que k(s)k 1, alors le
systme interconnect est stable si et seulement si
kQ11 (s)k < 1
La rciproque (seulement si) nest valable quen absence
dinformation supplmentaire.
Synthse H : maximiser la taille des incertitudes que lon
peut reboucler avec le canal de performance sans remettre
en cause la stabilit du systme (i.e. pessimiste en
prsence dinformation supplmentaire, par exemple la
structure de )
Vision historique de la commande H commande
robuste multivariable
Commande Robuste
Synthse H

Si (s) est incertain telle que k(s)k 1, alors le
systme interconnect est stable si et seulement si
kQ11 (s)k < 1
La rciproque (seulement si) nest valable quen absence
dinformation supplmentaire.
Synthse H : maximiser la taille des incertitudes que lon
peut reboucler avec le canal de performance sans remettre
en cause la stabilit du systme (i.e. pessimiste en
prsence dinformation supplmentaire, par exemple la
structure de )
Vision historique de la commande H commande
robuste multivariable
Commande Robuste
Synthse H
Analyse de la robustesse

v z
-
- Q(s)
u y
K (s)
Soit H(s) = lftl (Q(s), K (s)) et kk 1

Petit gain : stabilit si (H(j)) < 1
Prise en compte de la structure de avec la valeur
singulire structure : stabilit si (H(j)) < 1
Commande Robuste
Thorie de la commande
Plan
2 Outils danalyse
3 Synthse H

Commande Robuste
Prliminaires
Convexit
Ensemble convexe
Un ensemble D est convexe si (x, y ) D,
x + (1 )y D avec [0, 1]
Fonction convexe
Une fonction f est convexe si (x, y ) D,
f (x + (1 )y ) f (x) + (1 )f (y ) avec [0, 1]
d 2f
Condition ncessaire et suffiante : dx 2
0
Valable pour les fonctions matricielles
Commande Robuste
Prliminaires
Multiconvexit
Fonction multiconvexe
Une fonction f est multiconvexe si la fonction rduite
chaque direction cartsiennes de lespace est convexe, i.e.
xk fk (xk ) = f (x) o x = [x1 . . . xn ]T
Condition moins forte que la convexit
Exemple : montrez que f (x) = x12 + x22 4x1 x2 est
multiconvexe et quelle nest pas convexe
Ensemble multiconvexe
Un ensemble D est convexe si (x, y ) D,
x + (1 )y D avec [0, 1]
Commande Robuste
Stabilit de Lyapunov
Stabilit de Lyapunov (1)
Gnralits
Systme dtat x D sans entre dquilibre x = 0
Fonction dnergie appele fonction de Lyapunov
possdant un minimum pour x = 0
Thorme de Lyapunov : V (x) dcroissante sur D
systme stable
Interprtation : lnergie du systme dcroit jusqu
atteindre un minimum correspondant lquilibre
Commande Robuste
Cas dun systme linaire

Systme x = Ax
Fonction de Lyapunov quadratique V (x) = x T Qx o
Q = Q T > 0 est appele matrice de Lyapunov
Stabilit si et seulement si AT Q + QA < 0 ( dmontrer)
Dans ce cas de figure uniquement (systme linaire), la
rciproque est vraie.
Commande Robuste
Exemple
Systme mcanique de masse m, connect au sol par
lintermdiaire dun ressort de raideur k et dun
amortisseur f .
z : position de la masse ; z : vitesse. quilibre : z = 0
quation fondamentale de la dynamique : mz = kz f z

z
tat : x =
z
nergie : nergie cintique Ec = 12 mz 2 et nergie
potentielle Ep = 21 kz 2 .
Fonction dnergie : V (x) = 21 mz 2 + 12 kz 2 .
Commande Robuste

Exemple (suite)
Variation de lnergie scrit :
V (x) V (x)
V (t) = z + z (26)
z z
= kz z + mz z (27)

= z(kz + (kz f z)) (28)
= f z 2 (29)
Lnergie est dcroissante ds que la vitesse est non nulle.

A terme, la dcroissance de lnergie entraine la
convergence de x vers zro.
Toutefois, la dcroissance ne satisfait donc pas
d
exactement la condition dt (V (x)) < 0 pour x 6= x0 .
Commande Robuste

Systme temps discret
Systme x(k + 1) = Ax(k )
fonction de Lyapunov quadratique V (x) = x T Qx avec
Q = QT > 0.
Systme stable si et seulement si lnergie dcroit sur
toutes les trajectoires, cest--dire sil existe une matrice Q
telle que :
Q > 0 (30)
T
A QA Q < 0 (31)
En effet, la dcroissance de lnergie scrit

V (x(k + 1)) < V (x(k )) ce qui scrit encore
x T (k )AT QAx(k ) < x T (k )Qx(k ).
Commande Robuste
Retour dtat stabilisant

Systme x = Ax + Bu
On cherche une commande de la forme u = Kx
Systme en boucle ferme : x = (A + BK)x.
Stabilit sil existe une matrice Q = QT > 0 vrifiant
lingalit matricielle :
(A + BK)T Q + Q(A + BK) < 0 (32)
Ingalit matricielle non linaire (produit QBK) ; elle ne

peut donc tre rsolue par les outils numriques
classiques.
Commande Robuste
Retour dtat stabilisant (suite)

Multiplier droite et gauche lingalit par R = Q1 :
R(A + BK)T + (A + BK)R < 0 (33)
Changement de variable S = KR :
RAT + ST B + AR + BS < 0 (34)
Rsolution de la LMI en R et S, puis dtermination de

K = SR1 .
Commande Robuste
Maximisation du taux de dcroissance

Fonction quadratique V (x) = x T Qx
Assurer V (x) < x T x o le taux de croissance est un
scalaire ( < 0 si le systme est stable).
Rsoltion LMI : trouver Q = Q T > 0 et minimal vrifiant :
AT Q + QA < I (35)
Problme de valeurs propres gnralises.

Commande Robuste
Dissipativit
Dissipativit (1)
Dfinition
Systme dentre u, de sortie y , de vecteur dtat x,
dquilibre x0 = 0
Soit S(u, y ) une fonction scalaire que nous appellerons
flux dnergie entrant.
Le systme dynamique est dit S-dissipatif sil existe une
fonction dnergie V (x) telle que dVdt(x) < S(u, y ) pour tout
x 6= x0
Commande Robuste
Dissipativit
Dissipativit (2)
Exemple
Circuit lectrique : rsistance R en srie avec une
inductance L aliment par une tension u(t). Le courant
x(t) rrifie Rx(t) + Ldx(t)/dt = u(t). On mesure le
courant : y (t) = x(t).
Puissance transfre au circuit : S(u, y ) = uy
nergie dans le circuit : V (x) = 12 Lx 2
dV dV
On a dt = dx x = Lx x = x(u Rx) = S(u, y ) Rx 2
On a bien dV /dt S(u, y )
Commande Robuste
Dissipativit
Dissipativit (3)
Systme linaire
Systme x = Ax + Bu, y = Cx + Du
{Q11 , Q22 , Q12 }-dissipativit :
T
y Q11 Q12 y
S(u, y ) = (36)
u Q12 T Q22 u
Le systme est {Q11 , Q22 , Q12 }-dissipatif sil existe une

matrice Q = QT > 0 vrifiant le systme de LMI :
T T T T

A Q + QA C Q11 C QB C Q11 D C Q12
<0
B T Q D T Q11 C Q12
T
C D T Q11 D D T Q12 Q12
T
D Q22
Commande Robuste
Dissipativit
Dissipativit (3)
Systme linaire : Dmo (1)

On peut remplacer le vecteur [y T , u T ]T dans la fonction
S(u, y ) par
y C D x
= (37)
u 0 I u

On obtient alors une nouvelle expression S(x, u) du flux
dnergie :
T
CT 0

x Q11 Q12 C D x
S(x, u) =
u DT I Q12 T Q22 0 I u
(38)
Commande Robuste
Dissipativit
Dissipativit (3)

soit encore S(x, u) =
T
x C T Q11 C C T Q11 D + C T Q12 x
T T
u D Q11 C + Q12 C D Q11 D + D T Q12 + Q12
T T
D + Q22 u
Par ailleurs, la drive de la fonction dnergie scrit :
dV (x)
= x T Qx + x T Q x (39)
dt
= (Ax + Bu)T Qx + x T Q(Ax + Bu) (40)
T T
x A Q + QA QB x
= (41)
u BTQ 0 u
Commande Robuste
Dissipativit
Dissipativit (3)

La dissipativit scrit alors comme une LMI en
Q = QT > 0 :
T T

A Q + QA C Q11 C QB C Q11 D C T Q12
T
<0
B T Q D T Q11 C Q12
T
C D Q11 D D T Q12 Q12
T T
D Q22
Commande Robuste
Dissipativit
Dissipativit (4)
Lemme (Yakubovitch-Kalman)
Soit un systme linaire. Les propositions suivantes sont
quivalentes :
(i) est {Q11 , Q22 , Q12 }-dissipatif.
(ii) R+ \det(jI A) 6= 0,
T
G(j) Q11 Q12 G(j)
T 0 (42)
I Q12 Q22 I
Dmonstration
Considrer un signal harmonique u(t) = Uexp(jt).
Commande Robuste
Dissipativit
Dissipativit (5)
Thorme (quivalence entre norme H et dissipativit)

Soit un systme linaire et la fonction de flux dnergie
S(u, y ) = 2 u T u y T y . Les propositions suivantes sont
quivalentes :
(i) est S-dissipatif
(ii) kk
Dmonstration
Lemme de Yakubovitch-Kalman : la proposition (ii) quivalente
(GT (j)G(j) + 2 I 0, ce qui est quivalent dire que les valeurs
propres de G(j)T G(j) sont infrieures 2 . Or les valeurs propres
(relles et positives) de G(j)T (G(j) sont les carrs des valeurs
singulires de G(j). CQFD car la norme H de est la borne
suprieure de la valeur singulire maximale.
Commande Robuste
Dissipativit
Dissipativit (6)
Lemme (Lemme born rel (1))

Un systme dynamique continu linaire de matrices dtat A, B,
C et D a une norme H infrieure si et seulement si il
existe une matrice Q = QT > 0 vrifiant :
T
A Q + QA + C T C QB + C T D

<0 (43)
BT Q + DT C DT D 2I
Application
Calcul de la norme H par rsolution dune LMI
Commande Robuste
Dissipativit
Dissipativit (7)
Lemme (Lemme born rel (2))
Un systme dynamique continu linaire de matrices dtat A, B,
C et D a une norme H infrieure si et seulement si il
existe une matrice Q = Q T > 0 vrifiant :
T
A Q + QA QB C T

BT Q I D T < 0 (44)
C D I
Dmonstration
Lemme de Schur (Exercice)
Intrt
Formulation linaire en fonction des matrices dtat (pour la
suite)
Commande Robuste
Dissipativit
Synthse H (1)
Position du problme
Pour le systme P(s) de reprsentation dtat :

x A B1 B2 x
z = C1 D11 D12 v (45)
y C2 D21 D22 u
on cherche un correcteur dynamique K (s) de reprsentation

dtat :
x K AK BK xK
= (46)
u CK DK y
tel que
klftl (P(s), K (s))k . (47)
Commande Robuste
Dissipativit
Synthse H (2)
Rsolution par quation de Riccati [Glover & Doyle] (1)

Pour P = P T et Q = Q T de mme dimension dune matrice A.
On note :
A P
X = Ric (48)
Q AT
la solution symtrique de lquation de Riccati :
XA + AT X XPX + Q = 0 (49)
telle que toutes les valeurs propres de A PX ont une partie

relle strictement ngative.
Commande Robuste
Dissipativit
Synthse H (3)
Thorme (Synthse H par quation de Riccati)

Solution :
K (s) = lftl (Ka (s), (s)) (50)
(s) : matrice de transfert de dimension nu ny arbitraire
vrifiant k(s)k < ; Ka (s) dcrit par :
Za Ya C2T ZaB2

x a Aa x
u = B T Xa O Inu v (51)
2
ua C2 Iny O u
o Aa = A + 2 B1 B1T Xa B2 B2T Za YaC2 C2T et

Za = (In 2 YaXa)1
Commande Robuste
Dissipativit
Synthse H (4)
Hypothses
H1. (A, B2 ) est stabilisable ; (C2 , A) est dtectable
H2. rang(D12 ) = nu et rang(D21 ) = ny o nu est la taille de u et
ny est la taille de ny .

A jIn B2
H3. R, rang = n + nu o n est la taille de
C1 D12
x.
A jIn B1
H4. R, rang = n + ny .
C2 D21
T C

H5. D11 = 0, D12 1 D12 = O Inu , D22 = 0,

B1 T = O I

D21 ny .
D21
Commande Robuste
Dissipativit
Synthse H (5)
Rsolution par LMI [Gahinet & Apkarian] (1)

Bas sur le lemme born rel
Pour le systme en boucle ferme lftl (P(s), K (s)) :
T T

Abf Q + QAbf QBbf Cbf
TQ
Bbf I Dbf T <0 (52)
Cbf Dbf I
avec, pour D22 = O :

A + B2 DK C2 B2 CK B1 + B2 DK D21
Abf Bbf
= BK C1 AK BK D21
Cbf Dbf
C1 + D12 DK C2 D12 CK D11 + D12 DK D21
Commande Robuste
Dissipativit
Synthse H (6)

Ingalit matricielle non-linaire : produit entre Q et les
matrices du correcteur dterminer.
Solution : rsoudre dabord un problme LMI o les
matrices du correcteur ont t supprimes grce au
lemme de projection
Commande Robuste
Dissipativit
Synthse H (7)
Thorme (Synthse LMI de correcteur H )
Trouver les matrices symtriques R et S qui vrifient :
T AR + RAT RC1T

B1
NR 0 NR 0
C2 R Inz D21 < 0 (53)
0 Inv 0 Inv
B1T T
D21 Inv
T AT S + SA SB1

C1
NS 0 BTS T NS 0
1 Inv D21 < 0 (54)
0 Inz 0 Inz
C2T D21 Inz

R In
0 (55)
In S
NR et NS : bases des noyaux de B2T D12 T et C

2 D21 .
Commande Robuste
Dissipativit
Synthse H (8)
La dtermination du correcteur :
1 Dtermine les matrices R et S partir des LMI du
thorme 3.
2 Soit r le rang de la matrice In RS. Une dcomposition en
valeurs singulire permet de dterminer les matrices M et
N Rnr telles que :
MN T = In RS (56)
3 On dtermine ensuite la matrice de Lyapunov :

S N
Q= (57)
N T M RN
Commande Robuste
Dissipativit
Synthse H (9)

Dtermination du correcteur (suite) :
4 Rsoudre le lemme born rel (52) avec Q connu ; ce qui
est une LMI en AK , BK , CK et DK .
Commande Robuste
Analyse de la robustesse des systmes LPV
Plan
2 Outils danalyse
3 Synthse H

Commande Robuste
Exemple de systme mcanique
Exemple de systme mcanique (1)
Prsentation
y
actionneur transmission charge
souple
u
r
rgulateur
Actionneur connect une charge inertielle par

lintermdiaire dun accouplement souple
commande u : couple produit par lactionneur (N.m) ;
mesure y : vitesse de la charge (rad/s) ; position de
lactionneur et de la charge : q1 et q2 [rad/s]
Commande Robuste

Modlisation
inerties : J1 et J2 [kg.m2 ] ; coefficients de frottement fluide :
f1 et f2 [N.m.s/rad] ; raideur de laccouplement : K
[N.m/rad] ; coefficient de frottement fluide de
laccouplement : f [N.m.s/rad]
Modle : d1
J1 = u CK f1 1 (58)
dt
d2
J2 = C K f2 2 (59)
dt
o le couple transmis par la raideur est
CK = K (q1 q2 ) + f (1 2 )
Exercice : dterminer une reprsentation dtat dordre
minimale du systme
Commande Robuste
Schma-bloc
Commande Robuste

Rponse frquentielle
F IGURE: Lieu de Bode du systme mcanique

Commande Robuste

Asservissement de vitesse
2(s+2)
Commande u = K (s)(q 2 q 2 ) avec K (s) = (s+10)(s+0,01)
F IGURE: Rponse un chelon du systme nominal asservi

Commande Robuste

Modle LPV affine
Paramtres incertains : J2 et K

A B
Soit M =
C D
On a M = M0 + KM1 + J12 M2 avec
f +f
J1 1 0 0 1

0 0 1 0
J11 0 0 0 0 0 1 0

M0 = f , M1 = et
J 0 0 0 0 0 0 0
1
0 0 0 0 0 0 0 0

0 f 0 0
0 (f + f2 ) 0 0
M2 =
0 1 0 0
0 1 0 0
Commande Robuste
Schma-bloc du modle LFR

Commande Robuste
Modle LFR (2)

G(s, ) = lftu (H(s), ()) o = diag{K , 1/J2 } o H(s)
A B1 B2
est dfini par les matrices : C1 D11 D12 =
C2 D21 D22
(f + f 1)/J1 0 0 1 f 1

f /J1 0 0 1 (f + f 2) 0

1/J1 0 0 0 1 0

0 0 1 0 0 0

0 1 0 0 0 0
0 0 0 0 1 0
Commande Robuste
Analyse des systmes LPV affines
Analyse des systmes LPV affines (0)
Prliminaire
Soit un polytope D = [x 1 ; x 1 ] ... [x p ; x p ] et lensemble
des sommets D s = {x 1 ; x 1 } ... {x p ; x p }
Soit f (x) une fonction dfinie sur D valeur dans R ou
dans Rnn avec f T (x) = f (x)
Si f (x) est affine, alors f (x) < 0 x D s f (x) < 0
x D
Si f (x) est multiconvexe, alors f (x) < 0 x D s
f (x) < 0 x D
Commande Robuste
Modle LPV affine

x = A()x + B()u
(60)
y = C()x + D()u
o
A B
M= (61)
C D
et M() = M0 + 1 M1 + 2 M2 ... + p Mp
= [1 ; 1 ] [2 ; 2 ]...[p ; p ]
Commande Robuste
Stabilit quadratique avec matrice de Lyapunov constante

P
Systme autonome x = A()x, A() = A0 + Ak k
V (x) = x T Qx avec Q =
>0 QT

Stabilit si Q telle que V = x T (AT ()Q + QA())x < 0

Il suffit de vrifier la LMI sur les sommets de :
Stabilit si Q telle que AT ()Q + QA() < 0 s o
= co(s ) et s = {1 ; 1 } {2 ; 2 }...{p ; p }
Commande Robuste
Stabilit quadratique avec matrice de Lyapunov

dpendant des paramtres (PDLF) (1)
Afin de rduire le pessimisme, on prend V (x) = x T Q()x
avec Q() = Q0 + Qk k tels que Q() = Q T () > 0
P
Stabilit si Qk telle que

V = x T (AT ()Q() + Q()A() + Q())x < 0
P
On a Q() = Qk k
On note = [1 ; 1 ] ...[p ; p ] et s lensemble des
sommets.
Les termes AT ()Q() et Q()A() sont non-linaires en
utilisation de la multiconvexit : ngatif sur le domaine si
ngatif aux sommets et multiconvexe
Commande Robuste
Stabilit quadratique avec PDLF (2)

Stabilit si
Q() > 0 s
Q0 < 0 s , s
AT ()Q() + Q()A() + Q()
ATk Qk + Qk Ak 0 k 1
Commande Robuste
Dissipativit avec matrice de Lyapunov constante (1)

Lemme born rel : LMI affine en les matrices dtat A, B,
C et D
Il suffit donc de vrifier la conditions sur s
Systme LPV dissipatif pour S(u, y ) = y T y + u T u sil
existe une matrices Q = Q T > 0 telle que :
M() QB() C T ()

B T ()Q I D T () < 0
C() D() I
o M() = AT ()Q + QA().

Commande Robuste
Dissipativit avec PDLF (1)

Comme pour la stabilit de Lyapunov :

AT ()Q() + Q()A() AT ()Q() + Q()A() + Q()
Le systme LPV est dissipatif pour S(u, y ) = y T y + u T u
sil existe des matrices symtriques Q0 , Q1 ... avec
Q() = Q0 + 1 Q1 telles que :
Q() > 0 s
Q()B() C T ()

M(, )
B T ()Q() I
D T () < 0 (, )
C() D() I

= AT ()Q() + Q()A() + Q().
o M(, )
Commande Robuste
Dissipativit avec PDLF (2)

polynomial dordre 2 multiconvexit
M(, )
Le systme LPV est dissipatif pour S(u, y ) = y T y + u T u
sil existe des matrices symtriques Q0 , Q1 ... telles que :
Q() > 0 s
Q()B() C T ()

M(, )
B T ()Q() I D T () < 0 (, ) s s
C() D() I
T
Ak Qk + Qk Ak Qk Bk
0k 1
BkT Qk 0

o M(, = AT ()Q() + Q()A() + Q()
) Q0 .
Commande Robuste
Code Matlab (1)

Format diffrent des autres systmes dans la Robust
Control Toolbox
pv = pvec(box,range)) : dfinit les bornes de
variation des paramtre
sysaff = psys(pv,[S0,S1,S2]) : dfinit un systme
LPV affine
sysbfaff = slft(M,sysaff) : lft pour un systme
LPV affine
Commande Robuste
Code Matlab (2)

[tau,Q] = quadstab(sysbfaff) : stabilit
quadratique
[tau,Q0,Q1,Q2] = pdlstab(sysbfaff) : stabilit
PDLF
[perf,Q] = quadperf(sysbfaff) : performance H
avec matrice de Lyapunov constante
Voir programme RobFlex2.m
Commande Robuste
-analyse
-analyse (1)
Dfinition (1)
v z
- M(s)
= diag{1 Ir1 , ..., s Irs , 1 Ic1 , ..., t Ict , 1 , ..., f } o k R,

k C et k Cmi mi et kk 1
Commande Robuste
-analyse
-analyse (2)
Dfinition (2)
= taille (norme H ) de la plus petite incertitude
dstabilisant le systme
Pour M = M(j), () = infE ()\ det(I M ) = 0 ;
() = 0 si det(I M ) = 0 E
= max ()
Robustesse si < 1
Pour = 1 Cm1 m1 , () = (M ) et = kM(s)k
Commande Robuste
-analyse
-analyse (3)
Borne infrieure (1)

Sous-ensemble EQ E o i {1; 1}, |i | = 1 et
i i = I o M est la transpose conjugue
Pour M = M(j), () = infE ()\ det(I M ) = 0 ;
() = 0 si det(I M ) = 0 E
= max ()
Robustesse si < 1
Pour = 1 Cm1 m1 , () = (M ) et = kM(s)k
Young et Doyle (1990) ont montr que
maxQEQ R (QM ) () o R (M) est la plus grande
valeur absolue des valeurs propres relles de M et
R (M) = 0 si M na pas de valeur propre relle.
Commande Robuste
-analyse
-analyse (4)
Borne infrieure (2)

+ Cette borne infrieure peut tre atteinte
+ La matrice correspondant au pire cas est connue
Difficults de convergence pour les incertitudes relles
pures
Commande Robuste
-analyse
-analyse (5)
Borne suprieure (1)

Principe : (M ) (M )
Amlioration de la majoration en utilisant des matrices D
inversibles qui commutent avec
M(s) = M(s)D 1 D = M(s)D 1 D
(M ) (DM D 1 )
+ Cette borne suprieure peut tre atteinte
Prsence de pics troits dans () surtout pour les
problmes purement rels et en cas de modes flexibles
La matrice correspondant au pire cas nest pas connue
Commande Robuste
-analyse
-analyse (5)
Analyse de la robustesse
M(s) fait partie du systme en boucle ferme o les
transferts exognes sont supprims
Analyse de la performance (1)

On veut garantir klftu (M(s), )k 1 E
s
v1 z1
-
v2 - M(s) z2
-
Commande Robuste
-analyse
-analyse (6)
Analyse de la performance (2)

(M(s)) 1 avec comme incertitude
Equivalent

s 0
o p Cmm
0 p

s 0
0 p
v z
- M(s)
Commande Robuste
-analyse
-analyse (7)
Modlisation sous Matlab (1)

K = ureal(K,10,Percentage,50)
J2 = ureal(J2,0.01,Percentage,50)
AG = [-(f+f1) f -K; f -(f+f2) K; 1 -1 0]
BG = [1; 0; 0]
EG = diag([J1 J2 1])
CG = [0 1 0]
DG = 0
G = dss(AG,BG,CG,DG,EG) : systme descripteur
Edx/dt = Ax + Bu
Commande Robuste
-analyse
-analyse (8)
Modlisation sous Matlab (2)

systemnames = G Ktf
inputvar = [ r{1}];
outputvar = [ r-G ];
input_to_Ktf = [ r-G ];
input_to_G = [ Ktf ];
sysoutname = sysbf;
cleanupsysic = yes;
sysic : bouclage avec le correcteur
Commande Robuste
-analyse
-analyse (9)
Analyse du systme (1)

pole(sysbf.NominalValue)
norm(sysbf.NominalValue,inf)
step(usample(sysbf,10),1.5)
[stabmarg,destabunc,report,info] = ...
robuststab(sysbf) : marge de stabilit robuste
Commande Robuste
-analyse
-analyse (10)
Analyse du systme (2)

[M,Delta,BlkStruct] = lftdata(sysbf);
M11 = M(1:szDelta(2),1:szDelta(1))
M11_g = frd(M11,omega) : rponse frquentielle
mubnds = mussv(M11_g,BlkStruct,s) :
-analyse
figure; semilogx(info.MussvBnds) : trac des
bornes
Commande Robuste
-analyse
-analyse (11)
Analyse des performances (1)

PerfBlock = ucomplexm(PerfBlock,...
zeros(1,1));
sysbfpmu = lft(PerfBlock,sysbfp,1,1)
[M,NDelta,BlkStruct] = lftdata(sysbfpmu);
M11 = M(1:3,1:3); : on ne garde que les transferts
vers Delta
M_g = frd(M11,omega);
[mubnds] = mussv(M_g,BlkStruct,sc);
Commande Robuste
-analyse
-analyse (12)
Robustesse en stabilit
Commande Robuste
-analyse
-analyse (13)
Robustesse en performance

Robuste C PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Robuste C PDF

Загружено:

Авторское право:

Доступные форматы

Commande Robuste

Edouard Laroche (laroche@unistra.fr)

1 Modlisation des systmes dynamiques

5 Analyse de la robustesse des systmes LPV

Objectifs en contenu de la formation (1)

Objectifs en contenu de la formation (2)

Objectifs en contenu de la formation (3)

Historique de lautomatique (1)

Historique de lautomatique (2)

Exemples de ralisations industrielles chez Astrium

Historique de lautomatique (3)

1 Modlisation des systmes dynamiques

5 Analyse de la robustesse des systmes LPV

Reprsentation dtat (1)

Modle linaire invariant dans le temps (LTI)

G(s) = C(sIn A)1 B + D (2)

relie les transformes de Laplace des signaux (L(u(t)) = U(s)

Reprsentation dtat (2)

Modle linaire paramtres variants (LPV)

Reprsentation dtat (3)

Modle linaire paramtres variants (LPV)

Reprsentation dtat (4)

Modle LPV polytopique

Passage LPV affine LPV polytopique :

Reprsentation dtat (5)

Oprations sur les systmes (1)

Somme, produit et inverse

Oprations sur les systmes (2)

Oprations sur les systmes (3)

Transformation linaire fractionnaire (LFT)

Notations Matlab : M = lft(H,G)

Oprations sur les systmes (4)

Transformation linaire fractionnaire (LFT)

Notations Matlab : M = lft(G,H)

Reprsentations linaires fractionnaires des modles

Reprsentations linaires fractionnaires des modles

En rebouclant avec la matrice (),

Reprsentations linaires fractionnaires des modles

Reprsentations linaires fractionnaires des modles

Reprsentations linaires fractionnaires des modles

Reprsentations linaires fractionnaires des modles

Exemple Matlab (2)

Reprsentations linaires fractionnaires des modles

Exemple Matlab (3)

Reprsentations linaires fractionnaires des modles

Exemple Matlab (4)

1 Modlisation des systmes dynamiques

5 Analyse de la robustesse des systmes LPV

Valeurs propres et ingalits matricielles (1)

Valeurs propres et ingalits matricielles (2)

Matrice positive : dfinition

Valeurs propres et ingalits matricielles (2)

Matrice positive : proprits (1)

Valeurs propres et ingalits matricielles (3)

Matrice positive : proprits(2)

Ingalit matricielle (1)

Ingalit matricielle (2)

Ingalit matricielle (4)

Solveurs pour LMI

Ingalit matricielle (5)

Ingalit matricielle (6)

Valeurs singulires et norme H (1)

Valeurs singulires : dfinition