Commande Robuste par Mode Glissant Flou des Systèmes Incertains

Hafedh Abid (1) Mohamed Chtourou (2) Ahmed Toumi (3)

(1) Institut Supérieur des Etudes Technologiques de Sousse
(2) Unité de Commande Intelligente, design et optimisation des Systèmes complexes
(ICOS) ENIS,B.P. W, 3038 sfax, Tunisie
(3) Unité de Commande Automatique (UCA) ENIS,B.P. W, 3038 sfax, Tunisie

E-mail Hafedh.abid@isetso.rnu.tn Mohamed.chtourou@enis.rnu.tn Ahmad.toumi@enis.rnu.tn

Résumé : Dans cette communication nous nous intéressons à la commande robuste des systèmes flous de type
Takagi-Sugeno. Nous rappelons le modèle de Takagi-Sugeno pour les systèmes continus. Puis nous adoptons
une commande combinée. Elle consiste à jumeler une commande floue par retour d’état avec une commande
mode glissant. La commande a été appliquée à la pendule inverse..

Mots clés : Système dynamique flou; Commande par mode glissant; commande PDC.

I. Introduction Où f(x) et g(x) sont des fonctions incertains

Plusieurs techniques de commande sont
utilisées pour améliorer les performances des
processus industriels vis-à-vis des
perturbations externes ou internes. En plus de
la stabilité, on cherche à ce que la réponse du
système suive la consigne indépendamment
des variations des paramètres du système.
Dans la littérature Chang et al [3] ont utilisé
une commande mixte, combinaison du mode
glissant avec le flou, ils ont exploité les bornes
des fonctions du système pour construire une
commande robuste, Nous avons présenté une
commande mixte basée sur les fonctions
nominales du système [20].
Notre contribution dans cette communication
consiste à présenter une commande mixte,
mode glissant et floue, en se basant sur les
valeurs nominales des fonctions des sous
modèles du système.
Dans cette communication; nous rappelons le
modèle flou de Takagi-Sugeno [2]. Puis nous
présentons la combinaison entre la commande
floue et le mode glissant. Dans le dernier
paragraphe nous présentons des résultats de
simulation pour la commande proposée.
2. Modélisation floue
continues bornées. Qui peuvent s’écrire
comme suit :
f (x) = f 0 ( x ) + ∆f ( x ) ; ∆f ( x )) p ∆f ;
g (x) = g 0 ( x ) + ∆g ( x) ; ∆g ( x )) p ∆g ; (2)
Le processus non linéaire décrit par (1) peut
être représenté par un modèle flou de type
Takagi-Sugeno [2]. Ce modèle est décrit par
un ensemble de règles d’inférence SI-ALORS,
qui représentent une collection de modèles
d'état locaux du système non linéaire. La ième
règle de ce modèle flou est de la forme :
Si z1 est M i1 et z 2 est M i2 et .. et z n est M in
x& (t) = A i x(t) + B i U(t) , (3)
alors 
 y(t) = C i x(t) ; i = 1,2,...r
Où, {Mij} sont les sous-ensembles flous, x(t)
est le vecteur d'etat, u(t) est le vecteur de
commande, Ai est la matrice d'état, Bi est la
matrice d'entrée, z1(t)……zn(t) sont les
variables des prémisses.
x(t)∈ Rn; Ai ∈Rnxn; Bi ∈ Rnxm . r représente le
nombre de règles floues.
Le modèle global du système flou est
représenté par l'équation (4).
r

Nous considérons une classe de système ∑ w (z(t))[A x(t) + B

i =1
i i i u (t)]
continu non linéaire mono-entée mono-sortie x& (t) = r
(4)
de la forme :
∑ w (z(t))
i =1
i

x (n) = f (x) + g (x) U(t) + d A chaque règle Ri est attribué un poids wi(z(t))
 (1) qui dépend du degré d'appartenance des
Y = x variables des prémisses zj(t) aux ensembles
flous Mij et du choix de la loi attribuée à

1
l’opérateur "ET" des prémisses. Généralement
dans ce type de modèle le produit est choisi
pour modéliser cet opérateur d'où:
c Pour la réalisation d’un régulateur flou par
w i (z(t)) = ∏ M ij (z j (t));
j=1
Où, Mij(zj (t)) représente le degré
d'appartenance de z j(t) au sous-ensemble flou
Mij.
L'équation d'état du système peut s'écrire sous
la forme polytopique :
r
x& (t) = ∑ h i (z (t))[Ai x(t) + B i u(t)]
i=1
Avec :
r r
∑ w (z(t)) > 0; ∑ h (z(t)) = 1
i =1
i
i =1
i
w (z(t))
h i (z(t)) = r i ; 0<hi(z(t))<1; i=1, … r ;
∑ w (z(t))
i =1 i
wi(z(t)) >0 ; Pour i=1, … r ;
3. Commande robuste
Généralement les processus industriels sont
des systèmes non linéaires. Ils sont décrits par
des modèles mathématiques, qui décrivent le
comportement physique du système autour
d'un point de fonctionnement. Des
perturbations externes ou internes au processus
peuvent exister et dégrader les performances
de la commande usuelle. C’est pour cette
raison que nous somme amené dans plusieurs
cas à utiliser la commande robuste qui garantie
non pas seulement la stabilité du processus en
boucle fermée mais, aussi des performances
minimales pour une plage de fonctionnement.
Plusieurs théories ont été développées dans ce
contexte en combinant des commandes
classiques et intelligentes [5].
Nous utilisons une loi commande combinée
qui comporte deux termes:
- Commande floue par retour d'état
UK(State Feedback )
- Commande de supervision
Nous allons Jumelés les termes qui constituent
la commande robuste. Il s’agit d’un
assemblage au niveau des modèles locaux de la
commande PDC et de la commande par mode
glissant.
r
U(t) = ∑ h ( z(t ))(U
i =1
i Ki (t) + U si ) (6)
3.1 Condition nécessaires pour la réalisation
d’un régulateur flou
retour d’état, les deux définitions suivantes
sont nécessaires.
Définition 1
Si les paires (Ai , Ci) i =1, …, r sont
controlables alors le modèle flou (5) est
localement controlable ou gouvernable.
(5) Définition 2
Si les paires (Ai , Bi) i =1, …, r sont
observables, alors le modèle flou (5) est
localement observable.
3.2 Commande floue par retour d'état
(compensation parallèle distribuée PDC)
La commande PDC utilise une loi linéaire pour
chaque modèle local. Le résultat est non
linéaire en général. L’idée est de créer un
compensateur pour chaque régle du modèle
flou. La procédure est la suivante :
- Représenter le système à commander par un
modèle flou de T S,
- Chaque règle de commande est conçue à
partir de la règle du modèle flou
précédemment défini,
- Un gain de commande par retour d’état
constitue la partie conclusion de chaque sous
modèle flou.
Le régulateur ainsi conçu partage la même
base de règles que le modèle flou (pour sa
partie prémisse).
Le régulateur flou est alors défini de la façon
suivante :
SI z1 est Mi1 et z2 est Mi2 et … et Zn est Min
Alors:
U f (t) = − K i x (t). (7)
Chaque règle Ri du régulateur possède le
même poids hi(z(t)) que celui de la règle Ri du
modèle et possède une équation de sortie
linéaire. La sortie globale du régulateur flou
est inférée par l’équation suivante :
r
U K (t) = − ∑ h i (z(t))Fi x(t). (8)
i =1
La conception du régulateur revient à
déterminer les gains locaux de retour d'état ki
dans la partie conclusion des règles de la loi de
commande (PDC).
2
3.3 Commande de supervision Le régulateur ainsi conçu partage la même
base de règles que le modèle flou (pour sa
Plusieurs théories traite la commande robuste partie prémisse).
des systèmes à paramètres incertains.
Différentes techniques ont été utilisées pour i ème Règle de commande :
faire la synthèse de la commande robuste tel
que H ∞ [4], commande par mode glissant [5]. SI z1 est Mi1 et z2 est Mi2 et … et Zn est Min
Dans cette communication nous traitons deux Alors:
structures de combinaisons de commandes par 1
Us = − {Q o Sign (S) + K S} (11)
mode glissant. Le problème de cette loi de go
commande est de trouver un moyen pour
annuler l'erreur de poursuite, qui est définie Chaque règle Ri du régulateur possède le
par ~
x = x − x d , en un temps fini t1. même poids hi(z(t)) que celui de la règle Ri du
modèle. La sortie globale de la commande
Où xd représente la valeur désirée. floue par mode glissant est inférée par
La surface de glissement est définie dans l’équation suivante :
l'espace d'état S ( x; t ) par l'équation suivante: r
Us = ∑ h i (z(t))Usi (12)
[5], [8],[9],[10], [11].
i =1
(n −1)
d  ~ r
S(x; t) =  + λ  x 1
 dt  Us (t ) = − ∑ h i ( z(t )) { Q oi Sign (Si ) + K Si } (13)
i =1 g
=~x (n -1) + a 1 ~
x (n - 2) + ... + a n -1 ~
oi
x, (9)

La commande globale est :

Où λ est une constante positive.
Il faut chercher une commande U(x, t) tel que : r
- S(x, t) est le mode d'accès en un temps
finie, (is a reached in finite time) t1.
U(t) = ∑ h ( z(t ))(U
i =1
i Ki (t) + U si ) (14)

- S(x, t) =0 ; pour tout t > t1.

Donc, la solution pour ce problème est de r
U(t) = − ∑ h i (z(t)) [K i x (t)
choisir une commande U(x, t) tel que
i =1
l'équation (10) est vérifiée [5], [8], [9], [10], 1
[11]. + {Qoi Sisgn (Si ) + K Si }] (15)
g oi
2
1 dS (t)
≤ −η S(t) ; ∀t ≥ 0, η f 0 (10)
2 dt Nous rappelons que chaque modèle local peut
La condition (10) découle d’un développement s’écrire sous la forme :
de l’approche de Lyapunov.
 (n)
3.4 Commande floue par mode glissant et x = f oi (x) + g oi (x) U(t) (16)

PDC Y = x

Cette méthode consiste à utiliser une Le modèle global peut s’écrire sous la forme
commande par mode glissant pour chaque suivante :
modèle local, de manière identique que la r
commande PDC. x(n) = ∑ hi (z(t))foi (x )
L’idée est de créer un compensateur pour i =1
chaque régle du modèle flou. La procédure est r r
la suivante : - ∑ ∑ h i (z(t)) h j (z(t))goi (x)(Ki x(t) + Usi ) (17)
- Représenter le système à commander par un i =1j = 1
modèle flou de T S,
- Chaque règle de commande est conçue à Nous choisissons la même surface de
partir de la règle du modèle flou glissement Si(x, t) pour tous les modèles
précédemment défini. locaux.
Lemme :

3
Une condition suffisante pour que l’erreur de
poursuite définie par ~
x = x − x d , s’annule en 4.1 Description du système
un temps fini t1, pour un système flou de
Takagi-sugeno est : Comme exemple d'application nous avons
Pour tout i =1, …, r l’inéquation (17) est choisi la pendule inverse; cette derniere
vérifiée. présente des sévères non-linéarités [7].
2 Les variables des prémisses sont les variables
1 dS i (t)
≤ −η i S i (t) ; ∀t ≥ 0, η i f 0 (17)  x (t) 
2 dt d'état. x(t) = z(t) =  1 
 x 2 (t) 
Démonstration
Il est facile de vérifier que : Les équations dynamiques du système de la
r 2
dS (t) 1 dS (t)
2 pendule inverse sont [7] :
∑
1
hi ( z ) i ≤ ≤ −η S(t) ;
2 dt 2 dt
i =1 x& 1 (t ) = x 2 (t)
∀t ≥ 0, η f 0 (18) 
x& 2 (t ) = f(x 1 , x 2 ) + g(x 1 , x 2 )u + d (26)
r  y(t) = x (t )
Vue que ∑ h ( z(t )) = 1 et
i =1
i on a choisit les  1

Où f(x1, x2) et g(x1, x2) sont décrits par

surfaces de glissement Si identiques à S, donc :
il suffit de démontrer l’équation (17). mlx 22 sinx 1cosx 1 − (m + M)gsinx 1
f(x 1 , x 2 ) = (27)
m l cos 2 x 1 − 4l 3 (m + M)
Posons :
Foi = foi (x ) + goi (x) Ufi (t) + Dui (19)
cosx 1
g(x 1 , x 2 ) = (28)
Qoi = Foi + x (n) ~ (n−1) − ... − a ~ & m l cos x 1 − 4l (m + M)
2
d − a1x n −1 x (20) 3
Où:
x1 , x2 , g et M représente respectivement
S& i = Fi (x ) - gigoi−1Q sign (Si ) − gigoi−1K Si (21) l’angle en radian de la pendule par rapport à
l’axe de la verticale , la vitesse angulaire en
SiS& i = Si Fi (x ) - gogoi−1SQoi sign (Si ) rad/s, l’accélération de la pesanteur, la masse
−1
− Sigogoi K Si (22 ) du chariot mobile, m et 2l représentent la
masse et la longueur de la pendule. U
représente la force appliquée au chariot.
SiS& i ≤ -S 2gigoi−1K + Si F(x) - Si g i g oi
-1Q (23)

  Les valeurs nominales des paramètres sont:
g=9.81m/s2, m=2kg, M=8kg, 2l=1m;
SiS& i ≤ -S 2gigoi−1K ≤ 0 (24) Le modèle flou de Takagi-Sugeno du système
de la pendule inverse peut être développé à
d’où : partir des équations dynamiques non linéaires
r r 2 r du système, le modèle est décrit par les règles
∑ SiS& i ≤ − ∑ Si gigoi−1K ≤ − ∑ S 2gigoi−1K ≤ 0 (25) floues et les fonctions d’appartenances
i =1 i =1 i =1 suivantes [7].

Règles systèmes

Pour surmonter les problèmes dues au Règle 1: Si x1 est au voisinage de 0 Alors

phénomène de « chattering » nous remplaçons x& = A1 x + B1 u
la commande signe par la commande sat. Cette Règle 2: Si x1 est au voisinage ± π 2 Alors
dernière consiste à :
x& = A 2 x + B2u (29)
Si S ≤ 1 sign (S) = S
Si S f 1 sign (S) = ±1 Où :

4. Illustration:

4
 0 1 0 
A1 =  ; B1 = 
17.294 0 
- 0.1765

0 1 0 
A2 =   ; B2 =  
9.3600 0 - 0.0052

Les fonctions d’appartenances sont :

Figure 2 : Evolution de la variable d’état x1 .

Xd signal de référence
X1- réponse

Figure 1: Fonctions d’appartenance

4.2 Commandes floues et mode glissant

Les gains Ki ont été choisis de façon que les

pôles des différents sous-systèmes soient
égaux à (-2). D'où les gains Ki :

K 1 = [- 120,666 - 22,666]
K 2 = [- 2551,6 - 764,0] ; Figure 3 : Evolution de la variable d’état x2 .
X2d signal de référence
Nous avons choisit les mêmes surfaces de X2- réponse
glissement qui sont définies par y λ =5 et
K=10.

Les valeurs nominales de foi(x) et goi (x) du

système sont :
fo1(x) = 17.5 xd; go1(x) = - 0.1785;
fo2(x) = 9.36 xd; go2(x) = - 0.0052;
La condition initiale est : x(0) = [- π 30 0] ,
la sortie désirée est x 1d = π 60 sin(t) ;
la variation des paramètres est égale à 30%
des valeurs nominales. Figure 4 : Evolution de la force appliquée au
Les figures 2, 3 et 4 montrent l'évolution des chariot.
variables d'état x1(t) et x2(t) et la force Us par mode glissant
appliquée au chariot U pour les deux types de U globale
combinaison des commandes.

6. Commentaire
Nous remarquons que le système est stable est
la sortie suit convenablement la consigne
indépendement des perturbations.

7.Conclusion

5
Dans cette communication nous avons
commencé par rappeler le modèle dynamique
flou de Takagi-Sugeno, puis nous avons
présenté la structure d’une commande robuste
en utilisant une combinaison entre une
commande par retour d’état et une commande
en mode glissant au niveau des systèmes
locaux.
Bibliographie
[1] Michio Sugeno “On Stability of fuzzy
Systems expressed by rules with singleton
consequents”. IEEE Trans on Fuzzy Syst,Vol 7
N°2 Feb 1999.
[2] T.Takagi and M.Sugeno. "Fuzzy
identification of systems and its applications to
modeling and control", IEEE trans syst.
Man,Cybern. Vol15. 116-132 Jan/Feb1985.
[3] Kazuo Tanaka, Takayuki Ikeda and Hua
O.Wang." Fuzzy régulators and fuzzy
observers: relaxed stability conditions and
LMI-base designs"in proc IEEE Trans on
fuzzy systems vol 6.N°2 May 1988.
[4] Kazuo Tanaka, Takayuki Ikedaand Hua
O.Wang. "Robust stabilization of a class of
uncertain nonlinear systems via fuzzy control:
Quadratic stability, H∞ Control Theory, and
linear Matrix Inequalities". IEEE Trans on
Fuzzy Syst,Vol 4 N°1 Feb 1996.
[5]W.Chang, J.Bae Park, Y.Hoan Joob and
G.chen "Designof robust fuzzy model-based
controller with sliding mode control for SISO
non-linear systems" Fuzzy Sets and Systems
125 (2002) pp 1-22.
[6] H. Jae Lee, J. Bae Park and G. chen
"Robust fuzzy controller of non-linear systems
with parametric uncertainties". IEEE Trans on
Fuzzy Syst,Vol 9 N°2 April 2001 pp369-379.
[7]Huao.wang, Kazuo Tanaka and Michael
F.Griffin. "An approch to fuzzy control of
nonlinear systems: stability and design Issues".
IEEE Trans on Fuzzy Syst,Vol 4 N°1 Feb 1996
pp(14-23).
[8]J.ch. Gille, P. Decaulne, M.Pélegrin "
Systèmes asservis non-linéaires" Editions
Dunod 1988.
[9] Suet Yan Deng. Non-linear& linear MIMO
control of an Industrial Mixing Process.Thesis
Dec 2002, McGill University Montreal,
Canada.
[10]Reda Boukezzoula. Commande floue d'une
classe de système non-linéaires application au
problème de suivi de trajectoire. thesis 31
Mars 2000, University de Savoie, Annecy,
France.
[11]S.G.Cao,N.W.Rees and G.Feng "Stability
Analysis of fuzzy Control Systems" IEEE
Trans on Syst,Man , And Cybernetics-Part B
Vol 26 N°1 Feb 1996.
[12] Jooyoung Park, Jinsung Kim and Daihee
Park "LMI-Based design of stabilizing fuzzy
controllersfor nonlinear systems described by
Takagi-Sugeno fuzzy model"Fuzzy set and
systems vol 122 pp 73-82 (2001)..
[13]M.A.L. Thathachar and Pramod Viswanath
"On the Stability of Fyzzy Systems" IEEE
Trans on Fuzzy Syst,Vol 5 N°1 Feb 1997.
[14] D.Arzelier- D.Peaucelle "notes de cours
Systèmes et asservissements non linéaire".
[15] C.Marcelo, M.Teixeira and Stanislaw
H.Zak " Stabilizing Controller design for
Uncertain nonlinear Systems Using Fuzzy
Models " IEEE Trans on Fuzzy Syst,Vol 7 N°2
April 1999.
[16] Kazuo Tanaka and M. sano. "Trajectory
stabilisation of a model car via fuzzy control".
Fyzzy sets and systems pp 155-170 1995.
[17] Yeong-chang chang. "Robust tracking
control for nonlinear MIMO systems via fuzzy
approaches". Automatica 36 pp1535-1545
2000.
[18] H.L.Lam, Frank H.F.Leung and Peter
K.S.Tam "A switching controller for uncertain
nonlinear systems". IEEE Control system
magazine February 2002.
[19] Ad Damen and Siep Weiland, Notes of
courses, "Robust control". Measurement and
Control Group, Departement of Electrical
Engeneering Eindhoven University of
technology P.O. Box 513, 5600 MB
Eindhoven, Draft version of august 23, 2001.
[20] Hafedh Abid Mohamed Chtourou et
Ahmed Toumi, ”A Sliding Mode Based
Robust Fuzzy Controller For a Class of
Uncertain Systems” SSD05, Mrach 2005
Sousse Tunisia.