Beruflich Dokumente
Kultur Dokumente
M.I.4
Ahmed Chemori
chemori@lirmm.fr
Programme de la partie 2 du cours
Exemples introductifs
Exemple 1
Régulateur de vitesse
Régulateur de distance
Exemples introductifs
Exemple 2
Quattro: Robot d’emballage agro-alimentaire
Exemples introductifs
Exemple 3
Machine de découpe Laser
Exemples introductifs
Exemple 4
Le SEGWAY
Exemples introductifs
Exemple 5
Le disque dur
Définition de la Mécatronique
La mécatronique est la combinaison synergique de :
- La mécanique,
- L'électronique,
- L'informatique temps réel (logiciel), et
- L’automatique (contrôle)
L'intérêt de ce domaine d'ingénierie pluridisciplinaire réside dans : La conception de
systèmes automatiques puissants et la synthèse de contrôle de systèmes complexes
Mécatronique et pluridisciplinarité
La mécatronique au quotidien
LCD, LED, CRT, Digital DAC, PWM, DC motors, Servo motors, Digital encoders, ADC, Filters, Discrete
displays, … Amplifiers, … Electro valves, … Position sensors, MEMs, circuits, Amplifiers, …
…
Input signal output signal
Graphical displays conditioning Actuators Sensors conditioning
and interfacing and interfacing
Mechanical system
Modélisation
L’idée de base des représentations d’état est que le futur d’un système dépend de son
passé, de son présent et de ses entrées
le futur peut alors être décrit à partir d’un ensemble de variables bien choisies
· ¸ · ¸
avec : 0 ¡ C1 1
A= 1 B= C
L ¡RL 0
£ ¤ £ ¤
avec : C= 0 R D= 0
(
Pour récapituler, les équations d’état s’écrivent : x(t)
_ = Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)
Remarques :
Définition
La représentation d’état d’un système dynamique linéaire continu est donnée par :
(
x(t)
_ = Ax(t) + Bu(t) équation d’état
y(t) = Cx(t) + Du(t) équation de sortie (appelée aussi équation de mesure)
A : la matrice d’état
B : la matrice de commande (d’entrée)
C : la matrice de sortie
D : la matrice de transfert directe
k y(t) ¡ cv y(t) 1F
D’après la dynamique du système : y
Ä(t) = ¡ m m _ + m
(
Donc : x_ 1 (t) = x2 (t)
k cv 1
x_ 2 (t) = ¡ m x1 (t) ¡ m x2 (t) + m u(t)
K
e(t) R R R s(t)
Signal d’entrée x1 x2 x3
On considère cette fois-ci le cas particulier d’un système représenté par des
équations d’état ci-dessus, avec :
2 3 2
3
0 1 0 0 £ ¤ £ ¤
A=4 0 0 1 5 B=4 0 5 C= 1 0 0 D= 0
1 ¡2 4 1
La représentation d’état d’un système n’est pas unique, elle dépend du choix des
variables d’état que nous opérons
L’équation de transition
Résoudre les équations d’état consiste à déterminer l’expression du vecteur d’état x(t)
en fonction du temps
Autrement dit à déterminer les expressions temporelle des n variables d’état
connaissant le système (c.à.d A, B, C et D) et connaissant l’entrée u(t) qui lui est
appliquée
L’équation de la solution est appelée équation de transition
On considère l’exemple d’un système décrit par une simple (une seule) équation
différentielle (cas scalaire) : x_ = ax + bu
La solution d’une telle équation différentielle est connue, et a pour expression :
at
R t a(t¡¿)
x(t) = e x(0) + 0 e bu(¿)d¿
libre forcée
La première partie de cette équation représente la solution libre (régime autonome)
La seconde partie représente la solution forcée (régime forcé ou commandé)
L’équation de transition
Rt
x(t) = eA(t¡t1 ) x(t1 ) + t1
eA(t¡¿) Bu(¿)d¿
L’opération la plus délicate dans la résolution des équation d’état, consiste à calculer la
matrice de transition
x(t)
_ = Ax(t) + Bu(t) pX(p) ¡ x(0) = AX(p) + BU(p)
que la matrice de transition eAt possède pour transformée de Laplace la matrice [pI ¡ A]¡1
eAt = L¡1[(pI ¡ A)¡1]
Il suffit alors d’inverser la matrice [pI ¡ A] , ce qui conduit à une matrice rationnelle en p
dont on calcule la transformée de Laplace élément par élément
2 3 2 2
3
0 1 0 p ¡ 3p + 3 p ¡ 3 1
1
A=4 0 0 1 5 (pI ¡ A)¡1 = 3
4 1 p2 ¡ 3p p 5
(p ¡ 1)
1 ¡3 3 p 1 ¡ 3p p2
· ¸ ¸1 = ¡1 ; ¸2 = ¡4
¡2 ¡2 · ¸ · ¸
A= det[¸I ¡ A] = 0
¡1 ¡3 ¡2 ¡1
V1 = ; V2 =
1 1
· ¸ · ¸
¡2 1 ¡ 13 1
T= T ¡1 = 1
3
2
1 1 3 3
· ¸ · ¡t
¸
¡1 0 e 0
D= eDt =
0 ¡4 0 e¡4t
· ¸· ¸· ¸
¡2 1 e¡t 0 ¡ 13 1
eAt = T eDt T ¡1 = 3
1 1 0 e¡4t 1
3
2
3
· 2 ¡t
¸
3e + 13 e¡4t ¡ 23 e¡t + 23 e¡4t
eAt =
¡ 13 e¡t + 13 e¡4t 1 ¡t
3 e + 2 ¡4t
3e
Cette équation permet d’affirmer que pour toute matrice carrée d’ordre n possédant n
valeurs propres distinctes
8 n¡1
¸1 t
>
>e = fn¡1 (t)¸1 + : : : + f1 (t)¸1 + f0 (t)
>
>
<e¸2 t = fn¡1 (t)¸n¡1
2 + : : : + f1 (t)¸2 + f0 (t)
>..
>
> .
>
: ¸n t
e = fn¡1 (t)¸n¡1
n + : : : + f1 (t)¸n + f0 (t)
· ¸
¡2 ¡2
A= det[¸I ¡ A] = 0 ¸1 = ¡1 ; ¸2 = ¡4
¡1 ¡3
· ¸ · ¸
¡2 ¡2 1 0
eAt = f1 (t)A + f0 (t)I = f1 (t) + f0 (t)
¡1 ¡3 0 1
( (
4e¡t e¡4t
e¸1 t = e¡t = ¡f1 (t) + f0 (t) f0 (t) = 3
¡ 3
e¡t e¡4t
e¸2 t = e¡4t = ¡4f1 (t) + f0 (t) f1 (t) = 3 ¡ 3
· 2 ¡t 1 ¡4t
¸
e + e ¡ 23 e¡t + 23 e¡4t
eAt = f1 (t)A + f0 (t)I = 3 3
¡ 13 e¡t + 13 e¡4t 1 ¡t
3
e + 23 e¡4t
Bien évidemment plus k est petit, plus le calcul direct est simple et rapide
2 n
eAt = I + At + A2! t2 + : : : + An! tn + : : :
· ¸ · ¸
0 2 0 0
A= A2 =
0 0 0 0
· ¸ · ¸ · ¸
1 0 0 2t 1 2t
eAt = I + At = + =
0 1 0 0 0 1
Définition
Exemples :
- La vitesse d’une voiture n’est pas
commandable par le volant
- La direction d’une voiture n’est pas
commandable par l’accélérateur
Critère de Kalman
Définition
(
x_ = Ax + Bu
Un système représenté par les équations d’état :
y = Cx + Du
est dit observable (ou complètement observable) si pour n’importe quel état initial x0 , il
existe un temps fini tf telle que la connaissance de u(t) et de y(t) pour t0 · t · tf est
suffisante pour déterminer x0 x(t)
x1
Remarque :
x0
L’observabilité est aussi appelée
détectabilité
On dit système observable ou détectable t
t0 t1
Autre définition
L’état x(t) est observable à l’instant t si la connaissance de u(¿ ) et y(¿ ) sur l’intervalle
t0 · ¿ · t détermine complètement x(t)
Critère de Kalman
(
x_ = Ax + Bu
Un système linéaire invariant dans le temps décrit par l’équation d’état :
y = Cx + Du
est observable si et seulement si la matrice d’observabilité O(A; C) est de rang
plein : 2 3
C
6 CA 7
6 7
6 CA2 7
O(A; C) = 6 7 ) rang(O) = n
6 .. 7
4 . 5
CAn¡1
Définition
(
x_ = Ax + Bu
On considère le système représenté par les équations d’état :
y = Cx + Du
lim x(t) = lim eA(t¡t0 ) x(t0 ) = 0 ; 8x(t0 ) , lim eA(t¡t0 ) = 0
t!1 t!1 t!1
Condition de stabilité
La condition : limt!1 eA(t¡t0 ) = 0 est satisfaite si les termes e¸i t convergent, c.à.d :
limt!1 e¸i t = 0
Cette condition est satisfaite, si toutes les valeurs propres ¸i sont à partie réelle négative
Théorème :
Un système linéaire invariant est asymptotiquement stable si toutes les valeurs propres de la
matrice d’état A sont à partie réelle strictement négative.
Généralités
Dans tous les cas, il est plus simple de raisonner dans un premier temps sur le système
sans numérateur : 1 1
G1(p) = D(p) = pn +an¡1 pn¡1 +:::+a1 p1 +a0
Y (p) Y1 (p)
G(p) = N(p)G1(p) G(p) = U(p) G1 (p) = U(p)
(m)
. . . y1 bm
...
(n¡1)
b1
(n) (n¡2) (1)
u(t)
y1
R y1
R y1
R y1
R y1(t) +
... b0
+ y(t)
¡an¡1
¡an¡2
...
¡a0
Forme modale
Le système est vu comme une mise en parallèle de n systèmes d’ordre 1
Pour mettre en évidence cette représentation, il suffit de décomposer la fonction de
transfert G(p) en éléments simples
Dans le cas où tous les pôles sont simples et le système d’ordre n, prend la forme :
®0 ®1 ®n¡1
G(p) = p+¸0 + p+¸ 1
+ : : : + p+¸n¡1
La représentation schématique dans ce cas sera la suivante :
y(t)
u(t)
Forme modale
On choisit comme variables d’état les sorties des systèmes élémentaires
La représentation d’état obtenue est dite sous forme modale
u
2 3
x0
£ A ¤ B 6 x1 7
y = ®0 ®1 : : : ®n¡1 x 6 7
avec x=6 6 :::
7
7
4 xn¡2 5
C xn¡1
Si A est diagonale, les éléments diagonaux correspondent aux pôles du système
Si le système a des pôles multiples, A est diagonale par blocs
La présence d’un numérateur modifie les pondérations dans la décomposition en
éléments simples; seules les matrices C et D sont affectées.
Cours d’Automatique - MI4 - 2013/2014 Polytech’Montpellier - A. CHEMORI (chemori@lirmm.fr) 63
Formes standard de représentations d’état Automatique
Forme cascade
Le système est vu comme une mise en série de n systèmes d’ordre 1
Pour mettre en évidence cette représentation, il suffit de factoriser le dénominateur de la
fonction de transfert G(p)
Dans le cas d’un numérateur unitaire, on obtient :
1
G(p) = (p+¸0 )(p+¸1 ):::(p+¸n¡1 )
u(t)
y(t)
Forme cascade
On choisit comme variables d’état les sorties des systèmes élémentaires
La représentation d’état obtenue est dite sous forme cascade
2 3
B x0
£ A ¤ 6 x1 7
y = 1 0 0 0 ::: x 6 7
avec x=6
6 ::: 7
7
4 xn¡2 5
C xn¡1
Principe de base
Supposons que tous les états du système sont mesurables
La loi de commande consiste à réaliser un retour d'état sous la forme :
r(t) x(t)
Principe de base
Modèle d’état de la boucle fermée :
( u(t) = ¡Kx(t) + Ne(t)
x(t)
_ = Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t) u(t) = r(t) ¡ Kx(t)
( (
x(t)
_ = (A ¡ BK)x(t) + Br(t) x(t)
_ = Ax(t) + B(r(t) ¡ Kx(t))
y(t) = (C ¡ DK)x(t) + Dr(t) y(t) = Cx(t) + D(r(t) ¡ Kx(t))
Principe de base
Fonction de transfert équivalente en boucle fermée (BF) :
GBF (p) = CBF (pI ¡ ABF )¡1BBF + DBF
Vérification de la commandabilité
· ¸: le système est commandable étant donné que :
0 4
C(A; B) = [B AB] = ) det(C) = ¡16 6= 0 ) rang(C(A; B)) = n = 2
4 ¡8 p p
Pôles désirés en BF : ¸1;BF = ¡2 ¡ j2 3 ; ¸2;BF = ¡2 + j2 3
Polynôme caractéristique en BF :
Q2 p p
PBF (p) = i=1(p ¡ ¸i;BF ) = (p + 2 + j2 3)(p + 2 ¡ j2 3) = p2 + 4p + 16
Matrice d’état en BF :
· ¸ · ¸ · ¸
0 1 0 0 1
ABF = A¡BK = ¡ [k1 k2 ] ) A¡BK =
0 ¡2 4 ¡4k1 ¡2 ¡ 4k2
Placement des pôles en BF : Pour avoir les pôles désirés en BF, il faut que :
PA¡BK (p) = PBF (p) p2 + (2 + 4k2 )p + 4k1 = p2 + 4p + 16
Par identification on calcule les valeurs des gains :
1
£ 1
¤
k1 = 4; k2 = 2 ) K = [k1 k2] = 4 2
Remarque :
Dans le cas général de n états, cette approche directe basée sur l’équation :
PA¡BK (p) = det(pI ¡ A + BK)
consiste à résoudre un système de n équations à n inconnues
K = [k1 k2 : : : kn]
Commande dans l’espace d’état défini par les nouvelles variables xc (t)
u(t) = r(t)¡Kx(t) ) u(t) = r(t)¡KTcxc(t) ) u(t) = r(t)¡Kcxc(t) ; Kc = KTc
Modèle d’état en BF dans l’espace d’état défini par les variables xc (t)
(
x_ c (t) = (Ac ¡ Bc Kc )xc (t) + Bc r(t)
Kc = [k1c k2c : : : knc ]
y(t) = Cc x(t)
2 3
0 1 ::: 0 0
6 ::: ::: ::: ::: ::: 7
6 7
Ac ¡Bc Kc = 6
6 0 0 ::: 1 0 7
7
4 0 0 ::: 0 1 5
¡a0 ¡ k1¡c ¡a1 ¡ k2c : : : ¡an¡2 ¡ kn¡1c ¡an¡1 ¡ knc
On calcule ainsi la matrice la matrice de retour Kc dans l'espace d'état défini par xc (t)
On en déduit la matrice de retour K dans l'espace d'état initial par :
Kc = KTc ) K = Kc Tc¡1
Toute cette procédure est lourde à mettre en oeuvre. On lui préfère la forme compacte de
la formule d'Ackerman.
Principe général
Principe général
Ce capteur logiciel délivre à chaque instant t une estimation en ligne des variables d'état
non mesurées du système.
On parle alors :
d’observateur d’état
de reconstructeur d’état
d’estimateur d’état, ou encore
de filtre.
Architecture de l’observateur
Architecture de l’observateur
observateur
Sachant que : x_ = Ax + Bu
^_ = A^
x x + Bu + L(y ¡ C x
^)
On obtient :
¡ ¢ ¡ ¢
e_ = (Ax+Bu)¡ A^
x+Bu+L(y¡C^
x) = (Ax+Bu)¡ A^
x+Bu+L(Cx¡C^
x)
e_ = (A ¡ LC)(x ¡ x
^) e_ = (A ¡ LC)e
2 3 0
x x u
1 4 1
y 1 0x 0u
La première étape consiste à vérifier si le système est observable :
· ¸ · ¸
C 1 0
O(A; C) = = ) det(O) = 3 6= 0 ) rang(O) = n = 2
CA 2 3
Qui doit être égale à l’équation caractéristique désirée : ¢(¸) = ¸2 + 16¸ + 100
Par identification, on en déduit les valeurs des composantes de la matrice de gain de
(
l’observateur : l1 = 22
l2 = 59
Donc l’observateur sera donné par l’équation suivante :
Erreurs d’estimation
· ¸ · ¸ · ¸
2 3 0 22
^_ =
x x
^+ u+ (y ¡ x
^1 )
¡1 4 1 59
Temps [Sec]
Cette matrice est triangulaire par blocs, et donc le spectre (valeurs propres) du système
en boucle fermée est constitué de l'union des spectres des blocs diagonaux, c'est-à-dire
l'union des spectres du système d'origine commandé, et du système d'origine observé.
Ainsi la synthèse d'un système commandé par un retour d'état reconstruit par un
observateur est spécifiquement simple pour les systèmes linéaires invariants, puisque on
peut synthétiser les deux fonctions séparément.
Remarques :
Pour le placement de pôles, on a tout intérêt à ce que l'observateur soit plus rapide que le
système, de manière à ce qu'il puisse le poursuivre.
Ainsi il faudra que l'abscisse spectrale de l'observateur soit plus négative que celle du
système commandé.
Du fait de sa nature dynamique (intégration des signaux de mesure) l'observateur est
aussi utilisé en traitement du signal pour filtrer des mesures. C'est dans ce contexte que
Kalman à publié le filtre qui porte désormais son nom.
L'abscisse spectrale ne doit pas être trop négative, pour limiter la sensibilité au bruit de
l'observateur.
En pratique, on utilise des valeurs comprises entre 2 et 5 fois celle de l'abscisse spectrale
du dispositif commandé.
Une commande fondée sur un retour d'état reconstruit n'est pas robuste aux erreurs de
modélisation. Ce fait est assez intuitif car on passe par une approche basée modèle pour
reconstruire notre état, par conséquent la précision de l'état reconstruit dépend de la
pertinence du modèle utilisé.