` ` Notions de base pour une initiation a la synthese robuste de correcteurs par approche LMI

Olivier BACHELIER

` ` Notions de base pour une initiation a la synthese robuste de correcteurs par approche LMI
Olivier BACHELIER
E-mail : Olivier.Bachelier@univ-poitiers.fr Tel : 05-49-45-36-79 ; Fax : 05-49-45-40-34

Derni`re version : 3 mars 2008 e

Rsum e e Ces notes de cours ont simplement pour but dintroduire les Ingalits Matricelles e e Linaires (LMI en anglais) dans le cadre de linitiation des tudiants de Master STICe e RCA (seconde anne) aux techniques de synth`se (ventuellement robuste) de correcteurs e e e H et H2 . Cette partie du cours fait suite a celle traitant de la rsolution des probl`mes ` e e de commande en performances H et H2 via lutilisation dquations de Riccati. Ces e notes exposent des rsultats sans apporter les dmonstrations correspondantes. Elles font e e rfrence aux ouvrages [5, 2, 7, 1], aux polycopis [4, 8], ainsi quaux articles [9, 6, 3]. ee e

Table des mati`res e

Notations 1 Rappels mathmatiques et prliminaires e e 1.1 Valeurs propres dune matrice . . . . . . . . . . . . . . . 1.1.1 Valeurs propres et vecteurs propres . . . . . . . . 1.1.2 Trace dune matrice . . . . . . . . . . . . . . . . 1.1.3 Ples dun mod`le linaire de syst`me . . . . . . o e e e 1.2 Notions sur les normes vectorielles et matricielles . . . . 1.2.1 Proprits dune norme . . . . . . . . . . . . . . ee 1.2.2 La norme vectorielle euclidienne . . . . . . . . . 1.2.3 Normes dune fonction vectorielle . . . . . . . . . 1.2.4 Valeurs singuli`res dune matrice . . . . . . . . . e 1.3 Normes dune matrice de transfert . . . . . . . . . . . . 1.3.1 Valeurs singuli`res et matrice de transfert . . . . e 1.3.2 Norme H dune matrice de transfert . . . . . . 1.3.3 Lien avec le gain L2 et interprtation nergtique e e e 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . de norme H . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 3 3 3 4 4 4 4 5 5 7 8 8 8 9

1.4

1.5

1.3.4 Norme H2 dune matrice de transfert . . . . . . . . . . . . . . . 1.3.5 Interprtation energtique de la norme H2 . . . . . . . . . . . . e e 1.3.6 Interprtation stochastique de la norme H2 . . . . . . . . . . . e 1.3.7 Interprtation de la norme H2 en termes de gain . . . . . . . . e 1.3.8 Lien entre la norme H2 et les grammiens . . . . . . . . . . . . Ingalits matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . . e e 1.4.1 Matrices carres dnies en signe : la relation dordre partiel de e e 1.4.2 Les LMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.3 Les BMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.4 Un outil utile : le complment de Schur . . . . . . . . . . . . . e Produit matriciel de Kronecker . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lowner . e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

9 9 10 10 10 10 11 12 12 13 13 14 14 16 16 16 16 16 17 17 17 17 17 17 18 19 19 21 21 21 22 22 22 23 23 24 24

2 Probl`mes de commande H et H2 e 2.1 Le procd . . . . . . . . . . . . . . . . . e e 2.2 Le correcteur . . . . . . . . . . . . . . . . 2.2.1 Retour dynamique . . . . . . . . . 2.2.2 Retour statique dtat . . . . . . . e 2.3 Le syst`me boucl . . . . . . . . . . . . . e e 2.3.1 Cas du retour dynamique . . . . . 2.3.2 Cas du retour statique dtat . . . e 2.4 Formulation du probl`me H standard . . e 2.5 Comparaison entre les normes H et H2

3 Rsolution du probl`me H standard e e 3.1 Rsolution du probl`me H standard par retour dynamique de e e 3.1.1 Proprit du syst`me boucl : le Lemme Born Rel . . ee e e e e 3.1.2 Condition dexistence dune solution au probl`me . . . . e 3.1.3 Reconstruction du correcteur . . . . . . . . . . . . . . . 3.1.4 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.5 Particularits de lapproche LMI . . . . . . . . . . . . e 3.2 Rsolution du probl`me H2 standard par retour statique dtat e e e 3.2.1 Proprit du syst`me boucl . . . . . . . . . . . . . . . . ee e e 3.2.2 Dtermination dun retour statique dtat . . . . . . . . e e 4 Le cas particulier du retour statique dtat e 4.1 Le probl`me H . . . . . . . . . . . . . . . . . . . . . e 4.2 Contraintes de placement de ples . . . . . . . . . . . o 4.2.1 Les rgions LMI . . . . . . . . . . . . . . . . . e 4.2.2 D-stabilit dune matrice . . . . . . . . . . . . e 4.3 Synth`se mixte avec contraintes de placement de ples e o . . . . . . . . . . . . . . . . . . . . . . . . .

sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5 Introduction ` la commande robuste a 25 5.1 Incertitude polytopique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 5.2 Synth`se mixte D-stabilisante robuste par retour statique dtat . . . . . . . . . . . . . . . . . . . 26 e e 6 Conclusion Rfrences ee 27 27

Notations
IR IR+ C l i IRn Cn l IRmn C mn l MT M II n O ||.|| Corps des nombres rels e Ensemble des rels positifs. e Corps des nombres complexes Init imaginaire (i = 1) e Espace des vecteurs rels de dimension n e Espace des vecteurs complexes de dimension n Espace des matrices relles comprtant m lignes et n colonnes e Espace des matrices complexes comportant m lignes et n colonnes Transpose de la matrice M e Transpose conjugue de la matrice M e e Matrice Identit de dimension n e Matrice nulle de dimension approprie e norme de largument . (vecteur, fonction vectorielle, matrice, ou matrice de transfert)

Rappels mathmatiques et prliminaires e e

Il est ncessaire de rappeler quelques concepts mathmatiques concernant particuli`rement les normes et les e e e ingalits matricielles pour suivre le reste du cours. e e

1.1
1.1.1

Valeurs propres dune matrice

Valeurs propres et vecteurs propres

C est valeur propre de A C nn si et seulement si l l det(II n A) = 0. (1)

Une matrice de dimension n a ncessairement n valeurs propres i , i = 1, ..., n. Pour simplier, lon supposera e que celles-ci sont distinctes. Lorsque A est relle, les valeurs propres constituent un ensemble auto-conjugu. e e Autrement dit, si est valeur propre de A, sa quantit conjugue lest aussi. e e Il existe n vecteurs vi C n , i = 1, ...n non nuls, appels vecteurs propres ` droite, tels que l e a Avi = i vi i {1, ..., n}. (2)

Ces vecteurs propres sont tous dnis ` un facteur pr`s. e a e Si lon dnit V , matrice modale, par e V = [v1 , , vn ], alors, il vient la relation : = V 1 AV o` est une matrice diagonale dnie par u e = diag{1 , , n }. (5) (4) (3)

La dtermination de passe par celle de V . On parle de diagonalisation de matrice. Cette diagonalisation e nest pas toujours possible lorsque les valeurs propres ne sont pas distinctes. Des formes canoniques de Jordan peuvent nanmoins tre calcules mais ceci nest pas explicit ici. e e e e

1.1.2

Trace dune matrice

On dnit la trace dune matrice carre A C nn par e e l

n

trace(A) =
i=1

aii

(6)

e e o` la notation aij correspond ` la composante de A situe en i`me ligne et en j `me colonne. La trace de A u a e est donc la somme de ses lments diagonaux. On peut par ailleurs montrer que cest la somme de ses valeurs ee propres i.e. n

trace(A) =
i=1

i .

(7)

De ce fait, toutes les matrices semblables ont la mme trace. La trace est un scalaire complexe, galement rel e e e si A est relle ou si A est complexe mais Hermitienne1 . e En outre, sous rserve de compatibilit des dimensions, on a : e e trace(AB) = trace(BA) trace(A + B) = trace(B + A) = trace(A) + trace(B) 1.1.3 Ples dun mod`le linaire de syst`me o e e e (8) (9)

Soit le mod`le dtat (minimal) LTI dordre n e e x(t) y(t)

Ax(t)

+ +

Bu(t) (10) Du(t)

= Cx(t)

e o` t IR+ dsigne le temps, x(t) IRn est le vecteur dtat, u(t) IRnu est le vecteur des entres et y(t) IRny u e e est le vecteur des sorties. On rappelle que la matrice de transfert G(s) C ny nu (unique) correspondant ` ce l a syst`me est e G(s) = C(sII n A)1 B + D =
N (s) D(s) .

(11)

e l s est la variable de Laplace. N (s) C ny nu est une matrice de numrateurs alors que D(s) C est un l polynme dnominateur commun aux dirents transferts et appel polynme caractristique. o e e e o e Les ples du mod`le sont les racines de D(s). Ce sont aussi les valeurs propres de A. Leur localisation dans le o e plan complexe est essentielle : ils doivent tre ` partie relle strictement ngative pour assurer la stabilit asymptotique du syst`me ; e a e e e e la rapidit de la rponse dpend de leur partie relle ; e e e e lamortissement de la rponse et son comportement plus ou moins oscillatoire dpend de la partie imaginaire e e ( grande devant la partie relle). e Le comportement du syst`me est surtout li aux ples dominants (ou lents) cest-`-dire ceux ayant la plus e e o a grande partie relle au sens algbrique. e e

1.2
1.2.1

Notions sur les normes vectorielles et matricielles

Proprits dune norme e e

La norme est un oprateur qui permet de quantier un scalaire, un vecteur, une fonction vectorielle (ex : un e vecteur de signaux temporels), une matrice, une matrice de transfert... Elle permet dordonner les lments dun ee ensemble qui nest a priori pas muni dune relation dordre. Une norme est gnralement note ||u|| o` u est e e e u
1 Une

matrice Hermitienne est gale ` sa transpose conjugue e a e e

llment dont on calcule la norme et dsigne la nature de la norme considre. Plusieurs normes direntes ee e ee e peuvent donc tre utilises mais elles doivent toutes vrier les proprits suivantes : e e e ee (i) (ii) (iii) (iv) ||u|| 0 ||u|| = 0 u = 0 ||au|| = |a|.||u|| , a C l ||u + v|| ||u|| + ||v||

(12)

Concernant la proprit (ii), si u est une fonction (de t par exemple), alors la proprit reste vraie quel que soit ee ee t, i.e. ||u|| = 0 u = 0 t. La proprit (iii) fait appara la valeur absolue |.| sur le corps des complexes. ee tre La proprit (iv) est connue sous le nom dingalit triangulaire. ee e e 1.2.2 La norme vectorielle euclidienne

Soit C n , lespace des vecteurs de dimension n ` composantes complexes. Soit un couple de vecteurs {x; y} l a {C n }2 . Le produit scalaire de x et y le plus classiquement utilis est dni par l e e
n

< x, y > =
i=1

x yi = x y i

(13)

e o` la notation xi dsigne la i`me composante de x. u e ` A partir de ce produit scalaire, on peut dnir, entre autres normes, la plus classique dentre toutes, ` savoir la e a norme euclidienne ou norme-2 ou encore norme L2 . Celle de x est dnie par e

||x||2 =

< x, x > =
i=1

x2 = i

x x.

(14)

Il est facile de vrier que cet oprateur vrie toutes les proprits dune norme sur C n . Il est mme ` lorigine e e e ee l e a de la spcication de ces proprits. e ee Dans le plan ou lespace gomtrique ordinaire muni dun rep`re cartsien, la norme euclidienne exprime la e e e e distance dun point ` lorigine du rep`re. a e 1.2.3 Normes dune fonction vectorielle

Dans ce paragraphe, des normes sont dnies sur des ensembles de fonctions vectorielles ` variable complexe ou e a relle. En pratique, en Automatique, la variable relle est le temps et la variable complexe est celle de Laplace ; e e la fonction vectorielle est un vecteur de signaux temporels causaux ou sa transforme de Laplace. e a. Normes L2 et H2 Soit lensemble Ln des fonctions vectorielles X(s) de dimension n, ` composantes complexes, ` variable s a a 2 complexe, et de carr intgrable sur laxe imaginaire, cest-`-dire vriant e e a e ||X||2 = 1 2
1/2

X(i) X(i)d

< .

(15)

La quantit ||X||2 est appele norme L2 de X. e e On peut montrer que Ln est un espace de Hilbert2 . 2
n On note H2 le sous-espace de Ln correspondant ` la restriction aux fonctions analytiques3 dans C + (on parle a l 2
2 Un espace de Hilbert est un espace vectoriel prhilbertien (i.e. qui peut tre muni dun produit scalaire), de Banach (muni e e dune norme et complet (i.e. dans lequel toute suite de Cauchy est convergente)) - voir cours de mathmatiques. e 3 Une fonction analytique sur un domaine S admet un dveloppement de Taylor en chaque point de ce domaine (elle donc e inniment drivable sur S) e

alors de norme H2 4 .
n ` A supposer que X(s) H2 soit la transforme de Laplace dune fonction vectorielle x(t) de mme dimension, e e + ` variable dans IR (telle une fonction temporelle causale), le thor`me de Parseval nous permet de rednir la a e e e norme dans lespace des fonctions ` variable relle positive : a e

||X||2 =

1 2

1/2

X(i) X(i)d

x(t) x(t)dt

1/2

||x(t)||2 dt 2

1/2

= ||x||2 .

(16)

La norme ||X||2 peut par exemple servir ` exprimer la norme de lnergie dun signal temporel dcrit par x(t). a e e Remarque 1 Pour des raisons videntes, si lon se rf`re a lquation ci-dessus, il convient de distinguer e ee ` e ||x(t)||2 , qui est la norme euclidienne du vecteur correspondant a linstance de x pour t, de ||x|| 2 qui est la ` norme H2 de la fonction vectorielle x(t). Plus prcisment, ||x(t)||2 traduit une nergie instantane alors que e e e e ||x||2 traduit une nergie sur un horizon de temps inni. Ainsi la norme ||x|| 2 dnie en (16) nest pas la mme e e e que celle dnie en (14) puiquen (14), x est un vecteur alors quen (16), cest une fonction vectorielle. e Par abus de notation, lorsquune fonction x(t) admet une transforme de Laplace X(s) appartenant ` L n , on e a 2 n dit aussi que x(t) appartient ` Ln . Idem pour H2 . a 2 b. Normes L et H Soit lensemble Ln des fonctions vectorielles X(s) de dimension n, ` composantes complexes, ` variable s a a complexe, et bornes sur laxe imaginaire, cest-`-dire vriant e a e ||X|| = sup ||X(iw)||2 < +.

(17)

La quantit ||X|| est appele norme L de la fonction X(s). Contrairement ` Ln , Ln nest pas un espace de e e a 2 Hilbert et lon ne peut y dnir un produit scalaire. e
n On note H le sous-espace de Ln correspondant ` la restriction aux fonctions analytiques dans C + (on a l parle alors de norme H 5 ).

c. Notion de gain L2 Pour les cas pratiques rencontrs en Automatique, la norme L2 (ou plutt la norme H2 ) est une norme sur e o n n lnergie dun signal. Ainsi, si lon suppose que e(t) H2 e est limage de w(t) H2 w par un oprateur R deni e e nw sur H2 , alors on peut dnir le gain L2 de R par : e GL2 (R) =
wHnw 2

sup

||e||2 ||w||2

(18)

e ea e Le gain GL2 (R) est en fait le plus grand gain en nergie associ ` loprateur R.
4 La lettre H vient du fait que lensemble est un espace de Hardy dont la dnition rigoureuse est la suivante : si 0 < p, alors e lespace de Hardy Hp (D) est lensemble des fonctions holomorphiques (i.e. analytiques) dnies sur le disque D et satisfaisant la e condition 1/p Z 2 1 ||f ||Hp = sup |f (rei )|p d . 0<r<1 2 0

La norme ||f ||Hp est dite norme de Hardy. 5 le H vient toujours de Hardy

1.2.4

Valeurs singuli`res dune matrice e

Dans ce paragraphe, on sintresse ` une norme de matrice, ` savoir la norme-2, ou norme euclidienne induite e a a ou encore valeur singuli`re maximale. e Toute matrice M C mn admet une dcomposition en valeurs singuli`res : l e e M = U W . U C l
mm

(19)

et W C l

nn

sont deux matrices unitaires, cest-`-dire telles que a U U = II m et W W = II n , (20)

et , lorsque q = min{m, n}, est de la forme 1 0 0 2 = . . .. . . . . . 0 0 1 0 0 2 . . .. . = . . . . 0 0 0 0 = diag{1 , , q }

0 0 . . . q 0 0 . . .

0 0 . . . 0

si

q = m,

q 0

(21) si q = n,

si

q = m = n.

Les scalaires i sont appels valeurs singuli`res de M . Ces valeurs sont relles, positives ou nulles, et lon peut e e e dterminer U et W de telle sorte que e (M ) = 1 2 q = (M ) 0. (22)

On dnit rang(M ), le rang de la matrice M , par le nombre de ses valeurs singuli`res non-nulles. Cest aussi e e le nombre maximal de ses lignes ou de ses colonnes linairement indpendantes. Toute matrice M telle que e e rang(M ) < min{m; n} est dite dciente en rang et prsente des lignes ou des colonnes colinaires. Il faut noter e e e que toute matrice carre de dimension n singuli`re (cest-`-dire non inversible) est de rang non plein r < n. Elle e e a prsente donc n r valeurs singuli`res nulles et ses valeurs propres nulles totalisent une multiplicit gomtrique e e e e e n r. Les valeurs singuli`res sont gales aux racines carres des valeurs propres de M M (si m n) ou celles de e e e M M (si n m). Si M est Hermitienne, alors ses valeurs singuli`res sont gales aux valeurs absolues de ses e e valeurs propres (qui sont elles-mmes relles). e e La valeur singuli`re maximale est aussi appele norme-2, norme L2 ou norme spectrale. En eet, elle est telle e e que (M ) = ||M ||2 = max x C n, x = 0 l ||M x||2 ||x||2 = max x C n, x = 0 l x M M x . x x (23)

Cette derni`re quation nous montre que la valeur singuli`re maximale est une norme matricielle (avec les e e e proprits de toute norme) induite par la norme vectorielle euclidienne. On a aussi : ee (M ) ||M x||2 ||x||2 7 (M ). (24)

En dautre termes, lamplication entre la norme euclidienne de x et celle de M x est au minimum de (M ) et au maximum de (M ).

1.3

Normes dune matrice de transfert

Dans cette partie, les notions de normes H et H2 dune matrice de transfert sont introduites. 1.3.1 Valeurs singuli`res et matrice de transfert e

Soit G(s) C ne nw , une matrice de transfert entre un vecteur de signaux w et un autre vecteur de signaux e. l Dans la terminologie frquentielle, si w est un vecteur de signaux harmoniques, alors e lest aussi et le transfert e de lun ` lautre est tel que a (G(i)) ||G(i)w(i)||2 ||e(i)||2 = (G(i)). ||w(i)||2 ||w(i)||2 (25)

Nous sommes ici dans le cas multivariable. Lamplication entre la norme de w(i) et celle de e(i) est comprise e e e entre (G(i)) et (G(i)). Si lon veut gnraliser le trac de la courbe de gain du diagramme de Bode, on peut tracer deux courbes montrant les volutions respectives de ces deux valeurs singuli`res en fonction de la e e pulsation . Le transfert rel se situe quelque part entre les deux courbes. e

Gain (dB)

20log(||G|| )

20log( (G(i)))

20log((G(i)))

Pulsation (rad/s)
Fig. 1 Diagramme de Bode multivariable : courbes des gains

1.3.2

Norme H dune matrice de transfert

La norme H dune matrice de transfert est une gnralisation de la notion de norme L (ou H ) dune e e fonction vectorielle ` variable complexe. Rigoureusement, il convient de dnir RL ne nw , lespace des matrices a e de transfert ne nw propres G(s) (i.e. de transmission directe nie) et sans ple sur laxe imaginaire I. De o ne o mme, on dnit le sous-espace RH nw en restreignant RLne nw aux matrices nayant pas de ple dans e e + C I. Sur ces espaces, la norme L ou H de G(s) est dnie de mani`re cohrente avec la norme dune l e e e fonction vectorielle par ||G|| = sup ||G(i)||2 .

(26)

Nous pouvons envisager cette dnition de mani`re moins rigoureuse. Nous venons de voir au paragraphe e e prcdent, que le transfert (stable) entre deux vecteurs de signaux peut se caractriser par les valeurs singuli`res e e e e minimale et maximale de la matrice de transfert. Ces valeurs dpendent de la pulsation . Si lon veut conna e tre 8

le plus grand transfert possible, il faut donc conna la valeur singuli`re maximale de la matrice de transfert tre e pour la pulsation optimale. Cest justement la norme H : ||G|| = sup

(G(i)).

(27)

Les deux dnitions sont bien sr cohrentes puisque la valeur singuli`re maximale est la norme-2. e u e e Il nexiste pas de calcul analytique de la norme H . 1.3.3 Lien avec le gain L2 et interprtation nergtique de norme H e e e

Mme si la norme H de la matrice de transfert G(s) est une extension immdiate de la norme L au cas e e matriciel comme nous venons de le voir, elle est en en quelque sorte induite par la norme L 2 et lon peut montrer que si un syst`me S, dentre w IRnw , de sortie e IRne et asymptotiquement stable, a pour fonction e e ne de transfert G(s) RH nw alors ||G|| = GL2 (S) = sup
wH2 (t)nw

||e||2 . ||w||2

La norme H dune matrice de transfert correspond donc au gain L2 du syst`me. Cest donc le plus grand gain e possible entre lnergie en entre et lnergie en sortie. e e e 1.3.4 Norme H2 dune matrice de transfert

n De mani`re analogue au cas H , on dnit les espaces RLne nw (resp. RH2 e nw ) par lensemble des matrices e e 2 de transfert G(s) de dimension ne nw , strictement propres (G() 0 D = O) et sans ple sur I (resp. o sans ple dans C + I). Pour de telles matrices, la dnition de la norme L2 (ou H2 ) est donne, de mani`re o l e e e cohrente avec la norme L2 dun signal, par e

||G||2 = On peut montrer que ||G||2 = 1.3.5 1 2

1 2

1/2

trace(G (i)G(i))d

(28)

1/2

(i (G(i))) d
i=1

o` u

q = min{nw ; ne }.

(29)

Interprtation energtique de la norme H2 e e

Si lon suppose que w(t) est compos dimpulsions de Dirac (sans utiliser rigoureusement la thorie des distrie e butions) : wi (t) = (t)II :,1 i {1, ..., nw } (30)

e ` o` II :,1 est le i`me vecteur de la base othonorme de IRnw . A conditions initiales nulles, la sortie correspondante, u e ne note ei (t), appartient ` L2 . On peut montrer que e a nw i=1

||i ||2 = ||G||2 . e 2 2

(31)

Autrement dit, si le syst`me est soumis, ` conditions initiales nulles, ` des impulsions de Dirac sur chaque e a a entre, alors, la somme des carrs des normes nergtiques des sorties gnres par chaque impulsion est gale e e e e e ee e au carr de la norme H2 de la matrice de transfert. Dans le cas monovariable (nw = ne = 1), cette norme H2 e correspond ` lnergie de la rponse impulsionnelle ` conditions initiales nulles. La norme H 2 correspond bien ` a e e a a 9

une quantication de lnergie dun transfert. Du reste, dans le domaine temporel, on peut crire la norme H 2 e e ainsi :

||G||2 = 1.3.6

trace(e(t)e(t) )dt.
0

(32)

Interprtation stochastique de la norme H2 e

e Si les entres wi du syst`me sont des bruits blancs (de telle sorte que W (i)W (i) = II nw ) alors lesprance E e e de la norme du bruit gnr en sortie est telle que e ee
ne i=1

E(e (t)ei (t)) = ||G||2 . 2 i

(33)

Pour cette raison, le probl`me LQG peut-tre interprt en termes de minimisation dune norme H 2 mais cette e e ee relation thorique nest pas dtaille dans ce cours. e e e 1.3.7 Interprtation de la norme H2 en termes de gain e ||E||2 . ||W ||

Elle est plus dicile ` interprter en ce sens que la norme H . On peut toutefois montrer que a e ||G||2 = 1.3.8
W (s)Hnw

sup

(34)

Lien entre la norme H2 et les grammiens

Supposons que S est un syst`me sans transmission directe et asymptotiquement stable associ ` la reprsentation e ea e (A, B, C, O). On dnit Wc , le grammien de commandabilit et Wo , celui dobservabilit, par e e e

Wc =
0

eAt BB T eA t dt

Wo =
0

eA t C T CeAt dt.

(35)

Ce sont des matrices symtriques vriant les deux quations de Lyapunov suivantes : e e e AWc + Wc AT = BB T , AT Wo + Wo A = C T C. (36)

Le syst`me S est commandable et observable si toutes les valeurs propres de W c (resp. Wo ) sont strictement e positives (sachant quelles seront relles puisque Wc et Wo sont symtriques). e e La norme H2 de la matrice de transfert G(s) associe au syst`me S sexprime en fonction des grammiens e e de la faon suivante : c ||G||2 = trace(B T Wo B) = trace(CWc C T ). (37)

On peut donc calculer analytiquement la norme H2 de G(s) en dterminant Wc et Wo . Quoi quil en soit, ces e grammiens sont particuli`rement utiles pour spcier des contraintes sur la norme H 2 dune matrice de transfert e e lors de la rsolution dun probl`me de commande ; nous y reviendrions. e e

1.4

Ingalits matricielles e e

Dans cette section, par souci de simplicit, seules des matrices relles sont considres ; aussi, loprateur de e e ee e transposition et de conjugaison (() ) sera toujours remplac par loprateur de transposition simple (sans e e conjugaison : ()T )

10

1.4.1

Matrices carres dnies en signe : la relation dordre partiel de Lowner e e e

Soit une matrice M IRnn . M est dnie positive (respectivement semi-dnie positive) si et seulement si e e xT M x > 0 (resp. 0) x IRn non nul. (38)

De mme, on dit que M est dnie ngative (respectivement semi-dnie ngative) si et seulement si M est e e e e e dnie positive (resp. semi-dnie positive). On note : e e M > () 0 et M < () 0. (39)

Il existe dirents tests pour savoir si une matrice est dnie en signe, notamment bass sur les calculs des e e e mineurs de la matrice. Toutefois, nous naurons ` manipuler que des matrices symtriques dont les valeurs a e propres sont relles. Pour ces matrices, on a e M < () 0 max (M ) < () 0 Ainsi toute matrice semi-dnie en signe est dciente en rang. e e Par ailleurs, de mani`re naturelle, pour un couple de matrices {M ; N } {IRnn }2 , on dnit : e e M > () N M N > () 0 ou M < () N M N < ()0. (41) Il existe une relation dordre partiel entre les matrices de mme dimension, partiel simplement car, par exemple, e une matrice symtrique peut ne pas tre dnie en signe (cest-`-dire avoir des valeurs propres ngatives et e e e a e positives). On parle parfois de la relation dordre partiel de Lwner. o Une matrice symtrique dnie en signe peut sexprimer elle mme en fonction dautres matrices qui reprsentent e e e e des lments inconnus de lexpression. On parle alors dinquations matricielles, ou, de mani`re plus habituelle ee e e mais quelque peu impropre, dingalits matricielles. e e Exemple : M = M T = AX 3 + (X 3 )T AT + eB Y Y T (eB )T < 0 o` A et B sont connues et X et Y sont inconnues, est une ingalit matricielle. u e e Ces ingalits sont gnralement impossibles ` rsoudre. Toutefois, deux cas particuliers vont nous intresser : e e e e a e e les LMI et les BMI. Il est par ailleurs utile de constater les proprits suivantes : ee Si M1 et M2 sont deux matrices dnies ngatives, on a e e M1 O O M2 < 0. (42) M > () 0 min (M ) > () 0

(40)

De ce fait, les ingalits M1 < 0 et M2 < 0 constituent ce quon appelle un syst`me dingalits matricielles e e e e e ou tout simplement une autre ingalit matricielle. e e Si la matrice M = M T IR(n+m)(n+m) , dnie ngative, est ainsi compose : e e e M = M1 T M2 M2 M3 < 0, (43)

T T e e e e alors M1 = M1 IRnn et M3 = M3 IRmm sont aussi dnies ngatives. En eet, lingalit scalaire n+m T x M x < 0 x IR peut tre instancie en : e e

11

x =

x1 O

, x1 IRn

&

x =

O x3

, x3 IRm

(44)

ce qui conduit ` xT M1 x1 < 0 x1 IRn M1 < 0 et xT M3 x3 < 0 x3 IRm M3 < 0. a 1 3 1.4.2 Les LMI

Il sagit dingalits matricielles dans lesquelles les deux membres ont une expression ane par rapport aux e e inconnues. On appelle ces ingalits LMI, acronyme de Linear Matrix Inequality 6 . e e Les techniques doptimisation dites de point intrieur permettent aujourdhui dobtenir numriquement une e e solution ` la LMI (cest-`-dire un jeu de variables qui vrie la LMI), si elle existe. Des logiciels et boites ` a a e a outils, utilisant par exemple le noyau de Matlab, permettent denvisager ce type de probl`mes. e Exemple connu de LMI : seconde mthode de Lyapunov applique au cas des syst`mes linaires invariants e e e e dans le temps. Thor`me 1 : Soit le syst`me autonome : e e e a temps continu : ` respectivement a temps discret : `

x = Ax

o` x IRn , u o` xk IRn . u

(45) (46)

xk+1 = Axk

e e Ce syst`me est asymptotiquement stable si et seulement sil existe une matrice symtrique dnie positive P e IRnn vriant lingalit : e e e AT P + P A < 0, respectivement : P + AT P A < 0. (48) (47)

Ces inquations sont appeles ingalits de Lyapunov. Dans le cas continu, cest une LMI en A ou en P . Dans e e e e le cas discret, cest une LMI en P mais non en A. On peut inclure la contrainte P > 0 dans le syst`me LMI en remplaant les ingalits prcdentes par e c e e e e AT P + P A O 1.4.3 Les BMI O P < 0 ou P + AT P A O O P < 0. (49)

Ces ingalits correspondent au cas o` les expressions sont bilinaires (B pour Bilinear) par rapport aux variables e e u e comme dans AX + X T AT + XBY + Y T B T X T > 0 o` X et Y sont les variables. u Elles sont diciles ` rsoudre mme numriquement. On note que si lon parvient ` ger une des deux variables a e e e a (X ou Y ) ` une valeur, lingalit devient linaire. Cest donc une LMI. a e e e Lon peut aussi noter que linquation de Lyapunov (48) est une BMI en A. e
6 Certains auteurs font preuve de plus de rigueur et les appellent des AMI (A pour ane) mais ce terme reste anecdotique aussi conserverons-nous le terme LMI

12

1.4.4

Un outil utile : le complment de Schur e

Ce rsultat, tr`s souvent utilis dans le contexte LMI, peut sexprimer ainsi : soient trois matrices Q, R et S e e e (Q et R tant symtriques), on a e e R < 0 R > 0

Q ST

S R

< 0

ou
1

(50) En lappliquant, on peut rcrire lingalit de Lyapunov relative au cas discret (compte-tenu du fait que P > 0) ee e e en une LMI en P ou en A : P + AT P A O O P < 0 P PA AT P P < 0. (51)

Q SR

< 0

Q ST

S R

> 0

Q SR1 S T > 0.

1.5

Produit matriciel de Kronecker

Dnition 1 : Le produit de Kronecker (not ) de deux matrices A et B est ainsi dni : e e e A = a11 a21 . . . an1 a12 a22 . . . an2 ... ... .. . ... a1n a2n . . . ann AB = a11 B a21 B . . . an1 B a12 B a22 B . . . an2 B ... ... .. . ... a1n B a2n B . . . ann B .

(52)

Le produit de Kronecker nest pas commutatif mais ses propits sont, entre autres (considrant que les diverses ee e matrices ont des dimensions appropries et que C ) : e l Multiplication par un scalaire : (A B) = (A) B = A (B). Transposition conjugaison : (A B) = A B . Associativit : e (A B) C = A (B C). Distributivit ` droite et ` gauche sur laddition : ea a (A + B) C = A C + B C Distributivit sur le produit matriciel : e (A B)(C D) = AC BD. Ainsi, si A et B admettent pour dcompostions en valeurs singuli`res e e
A = UA A WA B = UB B WB

(53)

(54)

(55)

et

A (B + C) = A B + A C.

(56)

(57)

Valeurs singuli`res : e Valeurs singuli`res : e

i (A), j (B).

(58)

il vient (UA UB )(A B )(WA WB ) = A B. Compte tenu de la structure de (A B ), on constate que 13 (59)

l (A B) = i (A)j (B) Pour cette raison, A B et B A ont les mmes valeurs singuli`res et lon a e e ||A B||2 = (A B) = (A) (B) = ||A||2 ||B||2 Si A et B sont des matrices carres dordres respectifs m et n, alors : e det(A B) = det(B A) = det(A)m det(B)n . trace(A B) = trace(B A) = trace(A)trace(B). A B normale B A normale7 . A et B normales B A normale. A et B (semi-)dnies positives (ngatives) A B (semi-)dnie positive (ngative). e e e e A et B Hermitiennes A B Hermitienne. A B unitaire B A unitaire8 . Inversion (si les matrices sont de rang plein) : (A B)1 = A1 B 1 .

(60)

(61)

(62)

Proprit de similarit : sil existe deux matrices de rang plein T et S telles que A = T 1 M T et B = S 1 N S, ee e alors (A B) = (T S)1 (M N )(T S). Ainsi, si A et B sont jordanisables par des matrices de passage respectives V A et VB , il vient (A B) = (VA VB )(JA JB )(VA VB )1 . (64) (63)

o` JA et JB sont des formes de Jordan associes respectivement aux valeurs propres de A, i (A), i = 1, ..., n, u e et ` celles de B, j (B), j = 1, ..., m. La diagonale de (JA JB ) nous montre que a l (A B) = i (A)j (B). Donc, A B et B A ont les mmes valeurs propres. e Condition de commutation (lorsque A et B ont les mmes dimensions) : e AB = BA A = B ou B = A. (66) (65)

Probl`mes de commande H et H2 e

On sintresse ` la commande dun procd selon le schma de la gure 2 : e a e e e

2.1

Le procd e e

Nous souhaitons commander un procd de matrice de transfert P (s) comportant deux types dentres : e e e u : vecteur des signaux de commande par lequel on peut agir sur le comportement du syst`me par rtro-action. e e w : vecteur des signaux dentre exog`nes pouvant comporter aussi bien les signaux de rfrence que des e e ee perturbations dorigine extrieure dont on souhaite minimiser leet. e ainsi que deux types de sortie : y : vecteur des signaux de sortie mesurs permettant dlaborer la commande. e e e : vecteur des signaux de sorties ` contrler et caractrisant le plus ou moins bon fonctionnement du syst`me. a o e e
8 Il

7 Une

matrice M est dite normale si M M M M = est rappel quune matrice U est dite unitaire si sa transpose conjugue est aussi son inverse i.e. U U = U U = II e e e

14

w P (s) u K(s) y

F(P (s), K(s))

Fig. 2 Schma du syst`me boucl : procd et correcteur e e e e e

Il est important de noter que ces dirents vecteurs peuvent avoir des composantes communes. e Le comportement du syst`me peut tre dcrit, dans le domaine frquentiel, par lquation suivante : e e e e e E(s) Y (s) = P (s) W (s) U (s) , (67)

o` la matrice de transfert P (s) peut tre ainsi partitionne : u e e P (s) = Pew (s) Pyw (s) Peu (s) Pyu (s) . (68)

Les vecteurs E(s), Y (s), W (s) et U (s) sont les transformes de Laplace respectives des vecteurs de signaux e temporels e(t), y(t), w(t), et u(t). Dans le cadre dune tude des syst`mes dans lespace dtat, on peut associer ` P (s) une ralisation minimale, e e e a e cest-`-dire un quartet de matrices (A, B, C, D) vriant a e P (s) = D + C(sII A)1 B, avec, compte tenu de la partition B = Bw Bu ; C = Ce Cy ; D = Dew Dyw Deu Dyu . (70) (69)

Autrement dit, lon peut dcrire le comportement du procd par une reprsentation dtat : e e e e e x(t) e(t) y(t) = Ax(t) + = Ce x(t) + = Cy x(t) + Bw w(t) Dew w(t) Dyw w(t) + Bu u(t) + Deu u(t) + Dyu u(t)

(71)

o` x(t) IRn , w(t) IRnw , u(t) IRnu , e(t) IRne et y(t) IRny . u Nous faisons deux hypoth`ses sur ce mod`le : e e assum : H1 : Les paires de matrices (A; Bu ) et (A; Cy ) sont respectivement stabilisable et dtectable. e H2 : Dyu = Ony ,nu . e H3 : Dew = One ,nw (uniquement pour le probl`me H2 ). assum Lhypoth`se H2 nest pas restrictive car si elle nest pas satisfaite, on consid`re une mesure ctive y correspone e dant ` ce cas et une fois le correcteur obtenu, il sura de poser le changement de variable y = y D yu u. Cette a hypoth`se na donc pour but que de simplier la prsentation des rsultats ainsi que leur obtention qui nest e e e pas dtaille ici. e e Lhypoth`se H1 est classique et ncessaire pour quun correcteur stabilisant existe. On ne peut donc sen arane e chir. On note cependant que lapproche LMI induit moins de restrictions que lapproche utilisant des quations e e de Riccati (cf. 1`re partie du cours, hors document). Lhypoth`se H3 permet, pour le cas du probl`me H2 , de considrer la norme H2 dune matrice de transfert e e e 15

n e a e a appartenant ` RH2 e nw , de mani`re ` ce que cette norme soit eectivement dnie. L` encore, lon peut se a ramener ` ce cas l`. a a

2.2
2.2.1

Le correcteur
Retour dynamique

Le correcteur K(s) peut lui aussi admettre une reprsentation dtat (pas forcment minimale) : e e e xc (t) u(t) = = Ac xc (t) Cc xc (t) + + Bc y(t) Dc y(t) (72)

o` xc (t) IRn . Lordre du correcteur est donc ici le mme que celui du procd mme si lapproche LMI ore u e e e e parfois des outils dinvestigation pour la synth`se de correcteurs dordre rduit. e e La matrice de transfert associe au correcteur scrit donc e e K(s) = Dc + Cc (sII n Ac )1 Bc . (73)

Ce correcteur sera, dans ce cours, utilis pour la commande H . Dans le cas du probl`me H2 , il conviendrait e e e e de considrer une correcteur strictement propre i.e. Dc = Onu ,ny (cas non tudi dans ce cours). e 2.2.2 Retour statique dtat e

Il arrive que lon soit capable de mesurer lintgralit du vecteur x(t). Dans ce cas, on peut envisager dappliquer e e la loi de commande u = Kx, (74)

o` K IRnu n est une matrice constante. On parle alors de retour statique dtat. Le correcteur K est donc u e indpendant de s. Il sera utilis, dans ce cours, entre autres, pour la commande H 2 . e e Pour ce cas particulier de retour statique, on peut rduire le mod`le du syst`me en boucle ouverte ` e e e a x(t) e(t) = = Ax(t) + Ce x(t) + Bw w(t) Dew w(t) + + Bu u(t) Deu u(t). (75)

2.3
2.3.1

Le syst`me boucl e e
Cas du retour dynamique

Le syst`me boucl, que lon peut noter F(P (s), K(s)), si lon sintresse au transfert entre w et e, admet donc, e e e comme reprsentation dtat possible, e e x xc = e Af Cf Bf Df A + B u Dc Cy x xc = B c Cy w Ce + Deu Dc Cy B u Cc Ac Deu Cc x Bw + Bu Dc Dyw xc . Bc Dyw Dew + Deu Dc Dyw w

(76)

e e Il est rappel que Dew = One ,nw (selon lhypoth`se H3) lorsquil est question de traiter le probl`me H2 , de e e e e mme que Dc = Onu ,ny . Le correcteur sen trouve donc simpli. Nanmoins, nous ne traitons pas le probl`me e H2 dynamique dans ce cours.

16

2.3.2

Cas du retour statique dtat e

Dans le cas dun retour statique dtat u = Kx, le mod`le en boucle ferme se rduit ` e e e e a x e = Af Cf Bf Df x w = A + Bu K Ce + Deu K Bw Dew x w . (77)

Dans le probl`me H2 , il vient, par lhypoth`se H3, Df = Dew = One ,nw . e e

2.4

Probl`me 1 : P (s) et > 0 tant donns (avec les hypothese H1 et H2), dterminer un correcteur K(s) e e e e (sous forme de mod`le dtat) stabilisant le syst`me boucl F(P (s), K(s)) et tel que ||F(P (s), K(s))|| < . e e e e Dans le probl`me ci-dessus, peut-tre remplac par ou par 2 selon que lon cherche ` minimiser une norme e e e a H ou une norme H2 . Ce probl`me standard est donc un probl`me de rejet de perturbation en termes de norme e e H ou de norme H2 . Dans le cas H2 , ce cours ne considrera que le retour statique dtat, cest-`-dire le cas o` K est une mae e a u trice relle nu n indpendante de s. Ce probl`me ncessite lajout de lhypoth`se H3. e e e e e

Formulation du probl`me H standard e

2.5

La norme H ou le gain L2 correspond au maximum du gain entres/sorties ` la frquence optimale. Autrement e a e dit, cette norme privilgie la pulsation pour laquelle le gain est maximal. Si lon cherche ` minimiser une telle e a norme, cela signie que lon sintresse ` la frquence la plus dfavorable. Leort de minimisation porte donc e a e e sur cette frquence la pire et le niveau de performance qui en dcoule est ensuite a fortiori garanti pour les e e autres frquences. e Pour la norme H2 , il en est tout autrement. Elle ne privilgie aucune frquence mais traduit plutt une nergie e e o e des sorties rpartie sur toutes les frquences. La minimiser signie porter leort de minimisation sur lensemble e e des frquences. Cette norme est en ralit celle qui est minimise lors de la rsolution dun probl`me LQG. e e e e e e

Comparaison entre les normes H et H2

Rsolution du probl`me H standard e e

Rsolution du probl`me H standard par retour dynamique de sortie e e

Dans cette section, une solution au probl`me de commande H standard est propose en termes de LMI. e e

3.1

Pour ce probl`me de commande H , un correcteur dynamique est considr. Une solution au probl`me est ici e ee e donne en termes LMI. e 3.1.1 Proprit du syst`me boucl : le Lemme Born Rel e e e e e e

Comme vu prcdemment, la norme H ne peut tre calcule analytiquement. Cependant, un correcteur stae e e e bilisant assurant une telle norme H doit conduire le syst`me boucl ` vrier une condition ncessaire et e e a e e susante qui nous est donne par un lemme appel Lemme Born Rel : e e e e Lemme 1 : La norme H du transfert associ au syst`me boucl (76) est strictement infrieure a e e e e ` si et seulement sil existe une matrice symtrique dnie positive X vriant e e e A T X + X A f f T B f X Cf X B f II nw Df T Cf T < 0. Df II ne

(78)

17

 T Une solution quivalente est lexistence dune matrice X = X > 0 vriant e e T T A f X + X A f X B f Cf T T 2 Df < 0. B f X II nw Cf Df II ne

(79)

Par double application du complment de Schur, cette derni`re ingalit est quivalente ` e e e e e a
T T T T T 2 AT X + X Af + Cf Cf + (X Bf + Cf Df )( II nw Df Df )1 (Bf X + Df Cf ) < 0. f 9

(80)

Si lon suppose que les hypoyh`ses dites de normalisation sont respectes et que le correcteur est strictement e e propre10 , alors lingalit (80) devient e e
T 2 T AT X + X Af + Cf Cf + X Bf Bf X < 0. f

(81)

Lingalit (81) signie quil existe une matrice Q = QT IR e e

nn

, dnie positive, telle que lequation e (82)

T admet une solution X = X > 0. Lquation (82) est tr`s proche de lquation de Riccati associe au probl`me e e e e e `re partie du cours, hors document). e H (cf. 1 Lexpression (78) correspond ` une ingalit matricielle bilinaire (BMI) en X , Ac , Bc , Cc et Dc . Nanmoins, a e e e e elle devient linaire si X est ge. On a alors une LMI. On peut alors pour X donne, dterminer Ac , Bc , e e e e Cc et Dc . Remarque 2 : notez que le premier bloc du terme de gauche de lingalit (78) est dni ngatif. Ceci core e e e respond a lingalit de Lyapunov prouvant la stabilit asymptotique du syst`me boucl. ` e e e e e Remarque 3 : il existe une forme duale a lexpression (78), totalement quivalente, qui nous sera utile par la ` e suite : 3.1.2 A f X + X A T f T Bf C f X Bf II nw Df T X C f T < 0. Df II ne

T 2 T A T X + X A f + C f C f + X B f B f X = Q f

(83)

Condition dexistence dune solution au probl`me e

Trouver une solution au probl`me standard revient ` trouver X dont une condition dexistence est donne par e a e le thor`me suivant : e e Thor`me 2 : Sous les hypoth`ses H1 et H2, le probl`me H standard admet une solution si et seulement sil e e e e existe deux matrices symtriques R et S telles que le syst`me LMI suivant est satisfait : e e NR O O II nw
T

NS O R II n

O II ne II n S

AT S + SA T Bw S Ce

AR + RAT Ce R T Bw

T RCe II ne T Dew

SBw II nw Dew

T Ce T Dew II ne

Bw Dew II nw

NR O

O II nw

< 0

NS O

O II ne

< 0

(84)

T T T T 9 Hypoth`ses de normalisation : D e ew = , Deu Deu = II nu , Deu Ce = , Dyw Dyw = II nw et Duw Bw = . On peut toujours se ramener ` de telles hypoth`ses par une transformation de similarit sur la ralisation initiale. a e e e 10 Un correcteur strictement propre est tel que D = . Dans lapproche utilisant les quations de Riccati, le correcteur appel e e c central, sil existe, est strictement propre (voir des ouvrages plus approfondis sur la question pour en savoir plus).

18

T T o` les colonnes de NR et celles de NS constituent respectivement des bases pour les noyaux de [Bu Deu ] et de u [Cy Dyw ]. De plus, un correcteur dordre n existe si et seulement si

rang(II n RS) = n. On peut aussi utiliser les outils LMI pour rsoudre directement e min
R=RT ;S=S T

(85)

sous les contraintes (84).

(86)

Un tel probl`me de minimisation reste en eet convexe. e 3.1.3 Reconstruction du correcteur

Il faut avant tout construire X . On eectue la dcomposition en valeurs singuli`res de (II n RS) de mani`re e e e ` dduire un couple de matrices de rang plein {M ; N } {IRnn }2 telles que : a e M N T = II n RS On peut dmontrer que la matrice X , vriant e e X = S NT N M 1 RN (88) (87)

satisfait la condition (78) donne par le Lemme Born Rel. Une fois la matrice X connue, (78) devient une e e e LMI en Ac , Bc , Cc qui, rsolue, et Dc , donne le mod`le dtat du correcteur. e e e 3.1.4 Exercice

On prend lexemple de la gure 3.

w= b + + u x
1 s

b v

P (s)

e=

z u

z u

y K(s)

K(s)

+ y + v

Fig. 3 Schma corespondant a lexemple tudi e ` e e

Questions : 1. Donner le mod`le dtat du syst`me. e e e 2. Ecrire les LMI permettant de rsoudre le probl`me standard et les simplier. e e 3. Dduire la valeur optimale de . e 4. Expliquer comment obtenir K(s) Solutions : 1/ Le mod`le dtat est rappel : e e e

19

On rpertorie les matrices du mod`le : e e

x = [0]x + z = u e y = [1]x + A = 0 Ce = 1 0

b v w

+ [1]u

1 0

x+

0 0

0 0

b v w

0 1

(89)

b v w

+ [0]u.

Bw = Dew = Dyw =

1 0 0 0

0 0 0 1

Bu = 1 Deu = 0 1 (90)

Cy = 1

Dyu = 0.

Tout dabord, lhypoth`se H1 est vrie puisque la paire (A; Bu ) est commandable et que la paire (A, Cy ) est e e e observable. De mme, H2 est vraie car Dyu = 0. e
T T u 2/ On a [Bu Deu ] = [1 | 0 1] do` lon peut choisir, par exemple, 1 0 NR = 0 1 . 1 0

Par application de la technique du complment de Schur, cette ingalit est quivalente ` e e e e a > 0,

De la mme mani`re, on a [Cy Dyw ] = [1 | 0 1], et ainsi NS = NR . e e A est scalaire donc R et S le sont aussi. Compte tenu du mod`le, la premi`re ingalit du thor`me 2 est e e e e e e T R 0 1 0 0 1 0 0 0 0 1 0 0 R 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 1 0 0 0 0 R 1 0 R 0 0 > 0. 1 0 0 0 0 0

1 0 1 0 0

0 1 0 0 0

0 0 0 1 0

0 0 0 0 1

< 0

2 1 R2 > 0.

Comme NS = NR , il vient, de mani`re analogue, en tra e tant la deuxi`me ingalit du thor`me 2, e e e e e 20

2 1 S 2 > 0.

Enn, la derni`re LMI du thor`me 2 correspond ici ` : e e e a R 1 R 0 1 S 0 S 0

RS 1 0

RS 1 0.

3/ Les contraintes du thor`me 2 sur nous am`nent ` dduire que e e e a e

2 1

>

min
R,S

(max{R2 ; S 2 }).

La derni`re contrainte nous montre que ce minimum vaut 1 et est atteint pour R = S = 1. Ceci conduit ` e a > 2.

4/ Dans le cas RS = 1 (cas optimal entre autres), il est impossible de calculer un correcteur dordre n = 1 car la condition de rang (85) du thor`me 2 nest pas satisfaite dans ce cas. e e Pour RS = 1 ( sous-optimal), on peut choisir M = N = ce qui conduit ` : a X = S RS 1 RS 1 R . RS 1,

Enn, la rsolution de la LMI du lemme born rel permet dobtenir K(s). e e e 3.1.5 Particularits de lapproche LMI e

Il faut dabord noter que lapproche LMI est numrique contrairement ` lapproche Riccati qui peut tre e a e qualie danalytique. Elle permet, tout comme lapproche Riccati, denvisager des probl`mes plus sophistiqus e e e que le probl`me standard en utilisant des matrices de pondration. Mme si la solution LMI semble plus e e e complexe, elle autorise notamment ` tendre les probl`mes traits ` la stabilisation quadratique, la synth`se a e e e a e dun correcteur H2 -optimal sous contraintes H , lintroduction de spcication sur les ples du syst`me boucl, e o e e la minimisation directe de , la recherche ventuelle de correcteur dordre rduit ...etc... Nous y reviendrons e e par la suite.

3.2
3.2.1

Rsolution du probl`me H2 standard par retour statique dtat e e e

Proprit du syst`me boucl e e e e

La norme H2 est relie aux grammiens de commandabilit Wc et dobservabilit Wo comme nous lavons vu. Le e e e calcul de cette norme peut se faire de mani`re analytique par rsolution des quations de Lyapunov associes ` e e e e a ces deux grammiens. Toutefois, si lon cherche ` traduire ce calcul en termes de LMI, il vient le lemme suivant : a Lemme 2 La norme H2 du syst`me boucl (77), sous les hypoth`ses H1, H2 et H3, est infrieure a 2 > 0 e e e e ` si et seulement sil existe deux matrices {X2 ; T } {IRnn }2 , symtriques dnies positives telles que (versions e e primale et duale) 21

La trace de la matrice T dnit une borne suprieure 2 sur la norme H2 du syst`me boucl. La matrice X2 e e e e est, dans la version primale, une borne suprieure du grammien dobservabilit (i.e. W o < X2 ), et, dans la vere e sion duale, une borne suprieure du grammien de commandabilit (i.e. Wc < X2 ). Les ingalits relatives aux e e e e grammiens sont des ingalits de Lyapunov et, ` ce titre, elles assurent la stabilit asymptotique du syst`me (77). e e a e e Avec les outils LMI, on peut directement rsoudre le probl`me doptimisation convexe consistant ` minimiser e e a 2 et ainsi calculer la norme H2 du syst`me boucl. e e 3.2.2 Dtermination dun retour statique dtat e e

T Bf X2 Bf < T, A T X2 + X 2 A f f Cf trace(T ) = 2 ,

T Cf II ne

< 0,

ou

T Cf X2 Cf < T, A f X2 + X 2 A T f T Bf trace(T ) = 2 .

Bf II nw

< 0,

(91)

Dans un probl`me de synth`se, le mod`le (77) nest videmment pas connu et il sagit de dterminer la matrice e e e e e associe au retour statique dtat satisfaisant les proprits du lemme 2. Il est plus appropri dexploiter ce e e ee e lemme dans sa forme duale. Il vient alors le thor`me suivant : e e Thor`me 3 Soit le mod`le en boucle ouverte (75). Il existe une loi de commande par retour statique dtat e e e e u = Kx, K IRnu n tel que le syst`me boucl (76) a une norme H2 infrieure ou gale a 2 si et seulement sil e e e e ` existe deux matrices symtriques dnies positives {X2 ; T } {IRnn }2 ainsi quune matrice L IRnu n telles e e que
T AX2 + Bu L + X2 AT + LT Bu T Bw

Bw II nw < 0,

< 0, (92)

T T T X2 Ce + LT Deu trace(T ) = 2 .

Ce X2 + Deu L X2

Par ailleurs, la matrice de retour est donne par e

1 K = LX2 .

(93)

On note que lquation (93) ne pose a priori pas de probl`me en ce sens que linversion de X 2 est possible e e puisque X2 est strictement dnie positive. e Il est en ralit plus facile, avec les outils numriques ` disposition aujourdhui, de calculer K en minimie e e a sant directement la norme H2 du syst`me boucl, cest-`-dire en minimisant trace(T ) sous les deux premi`res e e a e contraintes du theor`me 3. e Remarque 4 Pour ce qui est du retour dynamique de sortie, il existe galement une solution, comme dans e le probl`me standard H , mais cette derni`re nest pas donne dans ce cours. Elle correspond en ralit a la e e e e e ` rsolution dun probl`me LQG. e e

4
4.1

Le cas particulier du retour statique dtat e

Le probl`me H e

On suppose maintenant, comme dans le probl`me H2 envisag au paragraphe prcdent, que lon est capable e e e e de mesurer lintgralit du vecteur dtat. Ainsi, y = x. e e e 22

On cherche une commande statique cest-`-dire que le correcteur se rduit ` une matrice K IR nu n . a e a Si les objectifs de performances restent les mmes, la recherche dune matrice de retour dtat K est un cas e e particulier du probl`me H standard. e Le mod`le dtat du syst`me en boucle ouverte devient celui donn en (75) et le mod`le du syst`me boucl est e e e e e e e donn par (77). Si lon reporte lexpression (77) dans lingalit duale de celle propose par le lemme born rel, e e e e e e T e le syst`me boucl est stable si et seulement sil existe X = X > 0 vriant e e T T T AX + Bu KX + X AT + X K T Bu Bw X Ce + X K T Deu T T < 0. Dew II nw Bw (94) Ce X + Deu KX Dew II ne En posant L = KX , on obtient une LMI en X et L :
T AX + Bu L + X AT + LT Bu T Bu Ce X + Deu L

Bw II nw Dew

Il sut de rsoudre cette LMI et de reconstruire la matrice de retour : e

1 K = LX ,

T T X Ce + LT Deu T < 0. Dew II ne

(95)

(96)

sachant que X tant dnie positive, elle est toujours inversible. e e On note que, dans ce cas, le Lemme Born Rel est directement exploitable. e e

4.2

Contraintes de placement de ples o

On dsire maintenant que les ples du syst`me ainsi boucl restent dans des rgions du plan complexe pour e o e e e assurer certaines performances sur la rponse transitoire (amortissement, temps de rponse...). Ceci ncessite e e e dintroduire les notions de rgions LMI et de D-stabilit e e 4.2.1 Les rgions LMI e

On dnit une classe de rgions : les rgions LMI. e e e Dnition 2 : Toute rgion D du plan complexe qui peut se dcrire par e e e D = {z C | + z + T z < 0} l o` = T IRll et IRll est appele rgion LMI dordre l. u e e Les rgions LMI sont convexes et symtriques par rapport ` laxe rel. Parmi elles, on peut citer les disques, e e a e les secteurs, les bandes verticales ou horizontales, les ellipses... Toute intersection de sous-rgions LMI est elle-mme une rgion LMI. Un exemple de ces intersections est e e e dessin sur la gure 4. e Exemple de formulation LMI : Le disque D de centre (sur laxe rel) et de rayon r est dcrit par e e |z | < r 1 z r + (z ) ( ) < 0. r Par application du complment de Schur, il vient e r z z r 23 < 0, (z )( ) r 2 < 0 z (97)

Im(s)

z Re(s)

a a

Fig. 4 Exemple de rgion LMI : intersection de trois sous-rgions LMI e e

ce qui correspond ` la formulation (97) pour le choix a = r r ; = 0 0 1 0 .

` A partir dune formulation classique des rgions usuelles, le complment de Schur permet souvent dobtenir une e e formulation LMI. 4.2.2 D-stabilit dune matrice e

On dit dune matrice A quelle est D-stable si et seulement si toutes ses valeurs propres sont contenues dans la rgion D. e Thor`me 4 : Soit une rgion LMI dnie par (97), une matrice A est D-stable si et seulement sil existe e e e e T une matrice XD = XD > 0 telle que MD (A, XD ) = XD + (AXD ) + T (XD AT ) < 0. (98)

4.3

Synth`se mixte avec contraintes de placement de ples e o

Le syst`me boucl est dit D-stable si et seulement si sa matrice dtat A f = A + Bu K est D-stable. K est e e e donc un correcteur D-stabilisant et assurant les contrainte ||F(P (s), K)|| < et ||F(P (s), K)||2 < 2 T si et seulement sil existe une matrice X = X > 0 vriant le Lemme Born Rel (par exemple (94)), une e e e T T matrice X2 = X2 > 0 et une matrice T = T T vriant le lemme 2 ainsi quune matrice XD = XD > 0 e satisfaisant MD (A + Bu K, XD ) < 0. Malheureusement le probl`me de synth`se pos en ces termes est dicile ` rsoudre aussi doit on se contenter e e e a e dune condition susante dexistence dune solution, donne par le thor`me suivant : e e e Thor`me 5 : Le procd P (s) est D-stabilisable par un retour statique dtat K assurant ||F(P (s), K)|| < e e e e e {; 2} sil existe une matrice X = X T > 0, X IRnn , une matrice T = T T IRnn et une matrice L IRnu n telles que le syst`me LMI suivant est satisfait : e 24

 T T T AX + Bu L + XAT + LT Bu Bw XCe + LT Deu T T Z (P (s), X, L, ) = < 0, Dew II nw Bw Ce X + Deu L Dew II ne X Bw Z2 (P (s), X, L) = AX2 + Bu L +T 2 A + L Bu < 0, 1 II nw Bw

(99)

et le correcteur K est alors donn par e

T Ce X2 + Deu L Z2 (P (s), X, L, T ) = < 0, T T 2 X2 Ce + LT Deu II n trace(T ) < 2 , T MD (A, Bu , X, L) = X + (AX) + T (XAT ) + (Bu L) + T (LT Bu ) < 0, K = LX 1 . (100)

La condition susante consiste tout simplement ` prendre XD = X2 = X = X. Elle permet alors de a reconstruire K. Dans lhypoth`se o` lun des indices ( ou 2 ) est minimis, elle conduit donc ` un correcteur e u e a (ici un simple retour statique) sous-optimal. Cette contrainte est connue dans la litrature scientique de langue e anglaise sous le nom de Lyapunov Shaping Paradigm.

Introduction ` la commande robuste a

La commande robuste est la discipline consistant ` tablir une loi de commande qui puisse tre implante a e e e sur un syst`me dont le mod`le est entch dune incertitude. La loi de commande doit garantir un niveau de e e a e performance malgr lincertitude. Nous abordons ce probl`me dans un cadre assez simple : celui de la synth`se e e e par retour statique dtat. e

5.1

Incertitude polytopique

Il existe de nombreuses faons de formuler lincertitude associe ` un mod`le dtat. La formulation choisie peut c e a e e correspondre ` divers phnom`nes (approximation due ` la linarisation, ngligence de certaines dynamiques a e e a e e plus rapides, imprcision sur la connaissance de param`tres physiques intervenant dans le mod`le...). Nous e e e tudions ici lincertitude dite polytopique correspondant surtout ` une incertitude sur les param`tres. Le e a e mod`le dtat de P (s) se rsume ` une matrice M regroupant les six matrices dcrivant le comportement du e e e a e procd de la mani`re suivante : e e e M = A Ce Bw Dew Bu Deu . (101)

Mais cette matrice est en ralit la combinaison convexe dun ensemble de matrices extrmes M j , connues avec e e e prcision : e M = M ( ) = A( ) Ce ( ) Bw ( ) Dew ( ) Bu ( ) Deu ( )
N

=
j=1

(j Mj ).

(102)

Le vecteur = [1 , ..., N ]T contient les coecients de la combinaison convexe, cest-`-dire les scalaires j , qui a sont appels coordonnes barycentriques et vrient e e e

25

 j 0
N

j {1, ..., N }.

(103)

M est donc une matrice constante mais quon ne conna pas avec prcision. Celle-ci se situe quelque part ` t e a lintrieur du polytope de matrices dont les sommets sont les matrices M j ainsi partionnes : e e Mj = Aj C je B jw Djew B ju Djeu . (104)

(j ) = 1

j=1

Ces matrices Mj sont associes ` des matrices de transfert extrmes Pj (s). e a e En pratique, cette formulation englobe le cas o` M est de la forme u
p

M = M0 +
i=1

(i Ni ),

(105)

o` M0 est une matrice nominale, o` les matrices Ni sont connues et o` les i IR, inconnus, correspondent ` u u u a une incertitude sur des param`tres physiques (exemple : une imprcision sur une rsistance dans un syst`me e e e e lectrique) du type : e imin i imax i {1, ..., p}. (106)

Lorsque les i dcrivent les intervalles auxquels ils appartiennnent, M dcrit un polytope M comportant N = 2 p e e sommets. Exemple : 1 + 1 1 2 2 + 21 1 0 3 0 |1 | 0, 5 |2 | 0, 2. 0 0 1 0 0 0

M =

o` u

(107)

Ce mod`le rpond ` la formulation (105) avec e e a M0 = 1 1 0 2 3 0 ; N1 = 0 2 0 0 ; N2 = , (108)

ou encore ` la formulation (102) avec : a 0, 2 3 3 0 (109) Ainsi M se trouve quelque part dans M. Tout dpend des coordonnes barycentriques qui sont inconnues. e e M1 = ; M2 = ; M3 = ; M4 = 0, 5 1 0, 2 1 3 0 0, 5 1 0, 2 1 3 0 1, 5 1 0, 2 3 3 0 1, 5 1

5.2

On utilise ` nouveau la forme duale du lemme born rel pour dduire ce thor`me : a e e e e e

Synth`se mixte D-stabilisante robuste par retour statique dtat e e

Thor`me 6 : Soit un procd P (s) de mod`le incertain dcrit par (101-102-103) et une rgion LMI dnie e e e e e e e e en (97). Il existe une matrice de retour statique dtat K D-stabilisante et assurant ||F(P (s), K)|| < e {; 2} sil existe une matrice X = X T > 0, X IRnn , une matrice T = T T IRnn et une matrice L IRnu n telles que le syst`me LMI suivant est satisfait : e

26

et le correcteur K est alors donn par e

Zj = Z(Pj (s), K, ) < 0 Z 21 = Z(F(Pj (s), K)) < 0 j Z22j = Z(F(Pj (s), K, T )) < 0 trace(T ) < 2 MjD = MD (Aj + Bju , X, L) < 0 K = LX 1 .

j {1, ..., N },

(110)

(111)

Dmonstration : on dnit les combinaisons convexes suivantes (qui sont ncessairement dnies ngatives) : e e e e e N Z ( ) = (j Zj ) < 0 j=1 N Z ( ) = 21 (j Z21j ) < 0 j=1 . (112) N Z2 ( ) = (j Z22j ) < 0 2 j=1 N MD ( ) = (j MjD ) < 0
j=1

En posant L = KX , la forme duale du Lemme Born Rel est satisfaite ainsi que celle du lemme 2 et la e e condition de D-stabilit, ceci partout ` lintrieur du polytope. 2 e a e On peut minimiser, grce aux logiciels LMI, lune ou lautre des grandeurs et 2 , voire un crit`re pondr a e ee des deux variables, tout en conservant la convexit du probl`me doptimisation inhrent ` la rsolution du e e e a e syst`me LMI. e Il y a deux sources de pessimisme dans la condition susante prsente dans le thor`me prcdent : dune e e e e e e part, la matrice X vriant la conditon de D-stabilit, le Lemme Born Rel dual et le lemmme 2 dans sa vere e e e sion duale est la mme (cest le Lyapunov Shaping Paradigm comme dans la commande nominale) ; dautre e part, cette mme matrice assure ces trois proprits sur lensemble du polytope. Autrement dit, X ne varie pas e ee avec ce qui limite les possibilits de trouver K mme sil existe. Ces deux sources de conservatisme, dans le e e cas dune minimisation dun crit`re, conduisent un retour statique dtat sous-optimal. e e

En appliquant les proprits des produits matriciels classique et de Kronecker, il vient ee Z (P (s), K, L, ) < 0 Z21 (P (s), K, L) < 0 . Z22 (P (s), K, L) < 0 trace(T ) < 2 MD (A( ) + Bu ( ), X, L) < 0

(113)

Conclusion

Ce cours a balay quelques notions basiques sur la commande H et H2 par approche LMI. Les extensions de e ces rsultats sont nombreuses en particulier en ce qui concerne les techniques de commande robuste. Pour des e raisons de simplicit, le cas du retour statique dtat a t dtaill. Toutefois, les rsultats prcdents existent e e ee e e e e e dans le cas du retour dynamique. Ltudiant intress pourra se rfrer aux ouvrages et articles mentionns en e e e ee e introduction. 27

Rfrences ee
[1] D. Alazard, C. Cumer, P. Apkarian, M. Gauvrit, and G. Ferreres. Robustesse et Commande Optimale SUPAERO. Cpadu`s Editions, 1999. e e [2] S. Boyd, L. El. Ghaoui, E. Feron, and V. Balakrishnan. Linear Matrix Inequalities in system and control theory. Volume 15 of SIAM Studies in Applied Mathematics, USA, 1994. [3] M. Chilali and P. Gahinet. H design with pole placement constraints : an LMI approach. IEEE Transactions on Automatic Control, 41(3) :358367, Mars 1996. [4] G. Duc. Robustesse des syst`mes linaires multivariables. Technical Report 03317/.. a 1994, Ecole Suprieure e e e dlectricit, 1994. e e [5] G. Duc and S. Font. Commande H et -analyse : des outils pour la robustesse. Editions Hermes. [6] P. Gahinet and P. Apkarian. A LMI approach to H control. International Journal of Robust and Non-linear Control, 4 :421448, 1994. [7] R. A. Horn and C. R. Johnson. Topics in matrix analysis. Cambridge University Press, 1991. [8] C. Scherer and S. Weiland. Lectures Notes DISC Course on Linear Matrix Inequalities in Control. Polycopi e tlcharg sur internet, 1999. ee e [9] C. Stphanos. Sur une extension du calcul des substitutions linaires. Journal des Mathmatiques Pures e e e Appliques, 6 :73128, 1900. e

28