Pres Com Rob

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
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 damplicateurs 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 1
dAriane 5 en tangage et lacet en vol

atmosphrique : 1er vol en 2002
Pilotage ATV (Automated Transfer Vehicle) en rendez-vous
nal (3 ddl en position) par correcteur 1
: 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
1
2
Outils danalyse
3
Synthse H
4
5
Commande Robuste
Reprsentation dtat
Reprsentation dtat (1)
Modle linaire invariant dans le temps (LTI)
_

x = Ax + Bu
y = Cx + Du
(1)
Valable pour les systmes propres ; systmes strictement
propres : D = 0. La fonction de transfert du systme :
G(s) = C(sI
n
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
signie 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
y = C()x + D()u
(3)
k

k

k
k
.
Commande Robuste
Reprsentation dtat
Modle linaire paramtres variants (LPV)
M() =
_
A() B()
C() D()
_
. (4)
avec M() = M
0
+
1
M
1
+
2
M
2
....
Commande Robuste
Reprsentation dtat
Modle LPV polytopique
Combinaison barycentrique : M =
1
M
s
1
+
2
M
s
2
+ ... avec
0
k
1 et
k
= 1
Passage LPV afne LPV polytopique :
M =
1
M
s
1
+
2
M
s
2
+
3
M
s
3
+
4
M
s
4
avec
M
s
1
= M
0
+
1
M
1
+
2
M
2
M
s
2
= M
0
+
1
M
1
+
2
M
2
M
s
3
= M
0
+
1
M
1
+
2
M
2
M
s
4
= M
0
+
1
M
1
+
2
M
2
1
=

1
2
=

1
3
=

1
4
=

1
2
Commande Robuste
Reprsentation dtat
Modle non-linaire
_

x = f (x, u)
y = g(x, u)
(5)
Linarisation autour dun point dquilibre (x
0
, u
0
) vriant
f (x
0
, u
0
) = 0 :
_

x = f (x
0
, u
0
) +
f
x
(x x
0
) +
f
u
(u u
0
)
y = g(x
0
, u
0
) +
g
x
(x x
0
) +
g
u
(u u
0
)
(6)
En notant
x
= x x
0
,
u
= u u
0
et
y
= y g(x
0
, u
0
) on se
ramne un systme LPV :
_

x
= A()
x
+ B()
u
y
= C()
x
+ D()
u
(7)
avec =
_
x
0
u
0
_
.
Commande Robuste
Oprations sur les systmes
Oprations sur les systmes (1)
Somme, produit et inverse
Soient G
1
(s) et G
2
(s) deux systmes LTI de dimensions
adquates
G(s) = G
1
(s) + G
2
(s) est dni par y = G(s)u o
y = y
1
+ y
2
, y
1
= G
1
(s)u et y
2
= G
2
(s)u
H(s) = G
1
(s)G
2
(s) est dni par y = H(s)u o
y = G
1
(s)u
1
et u
1
= G
2
(s)u
G
1
1
(s) est dni par y = G
1
(s)u o u = G
1
(s)y (dni
que si D est inversible)
Exercice : connaissant les matrices dtat de G
1
(s) et
G
2
(s), donnez les reprsentation dtat de G(s), H(s) et
de G
1
(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
I
n
(s) = I
n
=
_
_
1 0 . . . 0
0 1 0
.
.
.
.
.
.
.
.
.
0 0 1
_
_
. En effet, on a
G(s) I
n
= I
n
G(s) = G(s)
Le systmes Null a comme matrice de transfert
O
n
(s) = O
nn
=
_
_
0 . . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
_
_
. En effet, on a
G(s) +O
nn
= O
nn
+ G(s) = G(s)
Commande Robuste
Transformation linaire fractionnaire (LFT)
Upper LFT : M(s) = lft
u
(G(s), H(s)) o y
2
= M(s)u
2
G(s)
H(s)

- -
-
u
2
u
1
= z
y
2
y
1
= v
Notations Matlab : M = lft(H,G)
Commande Robuste
Transformation linaire fractionnaire (LFT)
Lower LFT : M(s) = lft
l
(G(s), H(s)) o y
1
= M(s)u
1
H(s)
G(s)
- -
-
u
1
u
2
= z
y
1
y
2
= v
Notations Matlab : M = lft(G,H)
Commande Robuste
Modles LFR
Reprsentations linaires fractionnaires des modles
LPV (1)
Dnition
Soit M(s) = lft
u
(Q(s), ()) o Q(s) est un modle LTI et
() est une matrice dpendant du vecteur des
paramtres .
Q(s)
()

- -
-
u
v
y
z
Commande Robuste
Modles LFR
LPV (2)
Calculs(1)
Le systme Q(s) scrivant :
x = Ax + B
1
v + B
2
u (8)
z = C
1
x + D
11
v + D
12
u (9)
y = C
2
x + D
21
v + D
22
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 + B
1
()(I D
11
())
1
C
1
B() = B
2
+ B
1
()(I D
11
())
1
D
12
C() = C
2
+ D
21
()(I D
11
())
1
C
1
D() = D
22
+ D
21
()(I D
11
())
1
D
12
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 occurrence
% 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
1
2
Outils danalyse
3
Synthse H
4
5
Commande Robuste
Outils danalyse
Valeurs propres et ingalits matricielles
Valeurs propres et ingalits matricielles (1)
Valeurs propres
Soit M C
nn
C est valeur propre de M sil existe un vecteur x R
n
tel que M x = x
Cela signie que dans certaines directions de lespace,
celle des vecteurs propres, lapplication x M x ne
modie 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 : dnition
Soit M C
nn
telle que M = M
H
(matrice hermitienne)
La notation M > 0 signie : toutes les valeurs propres de
M sont strictement positives (M est dnie positive)
La notation M 0 signie : 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 C
nn
telle que M = M
H
(matrice hermitienne)
M > 0 x C
n
, x
H
Mx > 0
a
M 0 x C
n
, x
H
Mx 0
M > 0 =X C
nm
, X
H
MX 0
b
M 0 X C
nm
, X
H
MX 0
a. x
H
Mx est une forme quadratique.
b. Il suft de considrer X =
x
1
| . . . |x
m
.
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 > 0, N > 0
_
M O
O N
_
> 0
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 D
z
C
p
un vecteur de dcision
Soit M(z) une fonction matricielle valeur dans C
nn
telle
que M(z) = M
H
(z) z C
p
Le problme consistant trouver z tel que
M(z) < 0 z D
z
est un problme dingalit matricielle
Dans le cas o M(z) est une fonction afne des
coefcients de z, i.e. M(z) = M
0
+ z
1
M
1
+ ... + z
p
M
p
, on
parle dingalit matricielle afne 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 R
n
et A R
nn
,
est stable si et seulement si il existe une matrice
symtrique P R
nn
dnie positive telle que
A
T
P + PA < 0
Pour n = 2, A =
_
a
1
a
2
a
3
a
4
_
et P =
_
p
1
p
2
p
2
p
3
_
,
1
Montrez que lquation A
T
P + PA < 0 peut se mettre sous
la forme M(p) < 0 o M(p) = M
0
+ p
1
M
1
+ ...p
3
M
3
2
Donnez les matrices M
k
, k = 0, ..., 3 en fonction des
coefcients 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
A
T
P + PA < 0 M
0
+ p
1
M
1
+ ...p
3
M
3
< 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
(1)
Valeurs singulires : dnition
Soit M C
nm
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.
2
k
(M) =
k
(MM
H
)
Interprtation : les valeurs singulires sont les
amplications dans les diffrentes direction propres
a
On note (M)
k
(M) (M)
a. Soient
k
une valeur propre de M associe un vecteur propre x
k
. On a
alors y
k
= Mx
k
=
k
x
k
do y
H
k
y
k
= x
H
k
M
H
Mx
k
=
2
k
x
H
k
x
k
, do y
k
=
k
x
k
.
Commande Robuste
Outils danalyse
(2)
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
(cI
n
) = [c[
k
(diagc
1
, . . . , c
n
) = [c
k
[
Commande Robuste
Outils danalyse
(3)
Valeurs singulires : proprits (2)
() est la norme induite sur les matrices par la norme
euclidienne sur les vecteurs
(M) = max
y=Mu
|y|
|u|
(14)
(M) 0
(M) = 0 =M = O
(M) = [[(M)
(M + N) (M) + (N)
(MN) (M)(N)
(M) =
1
(M
1
)
, (M) =
1
(M
1
)
Commande Robuste
Outils danalyse
(4)
Valeurs singulires : proprits (3)
(M) = [[(M)
(M + N) (M) + (N)
(M)(N) (MN)
(M) = max
z=0
Mz
2
z
2
(amplication maximale)
Commande Robuste
Outils danalyse
Valeurs singulires et norme 1
(5)
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(sI
n
A)
1
B + D
On caractrise le systme par le trac des valeurs
singulires de G(j ) pour R
+
Commande Robuste
Outils danalyse
(6)
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
(7)
Commande Robuste
Outils danalyse
(8)
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
(9)
Norme sur les signaux multivariables
Soit x(t ) valeur dans R
n
La norme L
2
est dnie par :
|x(t )|
L
2
=
_

0
x
T
(t ) x(t ) dt (17)
|x(t )|
L
2
= 0 =x(t ) = 0 t R
+
Commande Robuste
Outils danalyse
(10)
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 dnie comme la norme induite sur les

systme par la norme L
2
sur les signaux :
|G(s)|
= max
|y(t )|
L
2
|u(t )|
L
2
(18)
|G(s)|
= 0 =G(s) = O
nn
Commande Robuste
Outils danalyse
(11)
Proprits de la H
Interprtation frquentielle
|G(s)|
= max
R
+
(G(j )) (19)
Exemple :
norm(Sys,inf)
Commande Robuste
Outils danalyse
(12)
Proprits de la H
(2)
Pour une matrice de transfert sous forme de blocs :
G(s) =
_
G
11
(s) G
12
(s)
G
21
(s) G
22
(s)
_
(20)
on a :
|G(s)|
< |G
kl
(s)|
< (k, l ) 1, 2 (21)

Commande Robuste
Outils danalyse
Rcapitulatif sur les normes

Scalaire complexe (module) : [z[
2
= z
z
Vecteur complexe (norme euclidienne) : |z|
2
= z
H
z
Matrice complexe (valeur singulire max) :
(M) = max
Mu
u
Rq. valeur singulire dun scalaire : (z) = [z[
Signal vectoriel complexe : |z(t )|
2
L
2
=
_
0
z
H
(t )z(t )dt
Matrice de transfert :
|G(s)|
= max
G(s)u(t )
L
2
u(t )
L
2
= max
R
+ (G(j ))
Rq. fonction de transfert (SISO) :
|G(s)|
= max
R
+ [G(j )[
Commande Robuste
Outils danalyse
Lemmes de simplication
Lemmes de simplication (1)
Complment de Schur
La LMI :
_
Q S
S
T
R
_
< 0, (22)
o Q = Q
T
et R = R
T
est quivalente :
_
R < 0
Q SR
1
S
T
< 0.
(23)
Commande Robuste
Outils danalyse
Lemmes de simplication
Lemmes de simplication (2)
Lemme de projection
Soit une matrice symtrique R
mm
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 W
P
et W
Q
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 :
_
W
T
P
W
P
< 0
W
T
Q
W
Q
< 0.
(25)
Commande Robuste
Synthse H
Plan
1
2
Outils danalyse
3
Synthse H
4
5
Commande Robuste
Synthse H
Schma standard
Schma standard de synthse (1)
K(s)
G
a
(s)
-
- -
u
v
y
z
v z : canal de performance
u y : canal de commande
Synthse : trouver le correcteur K(s) qui minimise la
norme (H
ou H
2
ou autre) du transfert T
z
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 G
a
(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 H
2
h2hinfsyn : synthse mixte H
2
/ H
Rglage du correcteur pour respecter le cahier des

charges : avec des ltres de pondration contenus dans le
systme augment G
a
(s)
Commande Robuste
Synthse H
Performance dun systme asservi

Performance dun systme asservi (1)
Systme asservi
K(s) G(s)
- - -
?
- -
?
6
i i i
r +
e u
d
v y
b
m
y
m
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 b
m
(t )
signal de mesure y
m
(t )
Commande Robuste
Synthse H

Transferts en BF
Sensibilit en sortie (cot mesure) : S
y
(s) = T
er
(s)
Sensibilit en entre (cot commande) : S
u
(s) = T
vd
(s)
Calcul des transferts en boucle ferme
_
_
e
u
v
y
y
m
_
_
=
_
_
S
y
(s) S
y
(s)G(s) S
y
(s)
S
u
(s)K(s) S
u
(s)K(s)G(s) S
u
(s)K(s)
S
u
(s)K(s) S
u
(s) S
u
(s)K(s)
S
y
(s)G(s)K(s) S
y
(s)G(s) S
y
(s)G(s)K(s)
S
y
(s)G(s)K(s) S
y
(s)G(s) S
y
(s)
_
_
_
r
d
b
m
_
Commande Robuste
Synthse H

Allure en BO
0 dB
(G(j )K(j )) 1
(G(j )K(j )) 1
20 log(
k
(G(j )K(j )))
c
(log)
FIGURE: Allure typique des valeurs singulires de la boucle ouverte.
Allure gnrale de G(s)K(s) : passe bas
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 S
y
(s) K
1
(s) G
1
(s)
et S
u
(s) G
1
(s) K
1
(s)
_
_
e
u
v
y
y
m
_
_
=
_
_
K
1
(s) G
1
(s) K
1
(s) K
1
(s) G
1
(s)
G
1
(s) I
n
u
G
1
(s)
G
1
(s) G
1
(s) K
1
(s) G
1
(s)
I
n
y
K
1
(s) I
n
y
I
n
y
K
1
(s) K
1
(s) G
1
(s)
_
_
_
_
r
d
b
m
_
_
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 S
y
(s) I
n
y
et
S
u
(s) I
n
u
.
_
_
e
u
v
y
y
m
_
_
=
_
_
I
n
y
G(s) I
n
y
K(s) K(s)G(s) K(s)
K(s) I
n
u
K(s)
G(s)K(s) G(s) G(s)K(s)
G(s)K(s) G(s) I
n
y
_
_
_
_
r
d
b
m
_
_
Commande Robuste
Synthse H

Marge de module
-1
0
M
Im
Re
G(j ) K(j )
Marge de module en SISO :
M
= min
[1 + K(j )G(j )[
Gnralisation en MIMO :
M
=
1
S
y
(s)
ou
M
=
1
S
u
(s)
Commande Robuste
Synthse H

Bande passante
BP
(log)
0 dB
-3 dB
20 log((S
y
(j )))
20 log((S
y
(0)))
20 log([[S
y
(s)[[
BP
dni par
BP
(S
y
(j )) 1/
2
T
r

BP
3
Commande Robuste
Synthse H

Prcision
BP
(log)
0 dB
-3 dB
20 log((S
y
(j )))
20 log((S
y
(0)))
20 log([[S
y
(s)[[
)
Erreur statique : (S
y
(0))
Commande Robuste
Synthse H

Rejet de perturbation
Transfert T
ed
(s) faible aux frquences de la perturbation
(gnralement basse et moyennes frquences)
Attnuation de leffet du bruit de mesure sur la commande
Transfert T
ub
m
(s) = T
ur
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
T
ur
(s) faible au del de la bande passante (roll-off)
Commande Robuste
Synthse H

Recapitulatif
Transfert S
y
(s) : marge de module, rapidit et prcision
Transfert T
ur
(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
K(s)
G
e
(s)
-
- -
u
v

v
e ou y
z
z
W
e
(s) W
s
(s)
-
Choisir les signaux mettre dans le canal de performance
Rgler les pondrations W
e
(s) et W
s
(s) permettant de
satisfaire le cahier des charges
Commande Robuste
Synthse H
Schmas de synthse H
Schmas de synthse H
(2)
Synthse 1 bloc
K(s)
G(s)
u(t )
+
-
y(t )
r (t )
e(t )
W
1
(s)
z(t )
W
1
(s) = W
11
I
n
y
avec W
11
(s) =
s+a
k(s+b)
Impose (S
y
(j )) /[W
11
(j )[
Permet de grer la marge de module, la rapidit et la
prcision
Exercice : dterminer G
e
(s), W
e
(s) et W
s
(s)
Commande Robuste
Synthse H
Schmas de synthse H
Schmas de synthse H
(3)
Synthse 2 blocs
K(s)
G(s)
+
-
r (t )
e(t )
W
1
(s)
z
1
(t )
u(t )
y(t )
z
2
(t )
W
2
(s)
W
1
(s) inchang
W
2
(s) = W
21
I
n
u
avec W
21
(s) =
s
K
2
(cs+1)
Impose (S
y
(j )) /[W
11
(j )[ et
(T
ur
(j )) /[W
21
(j )[
Attnuation de T
ur
(s) en haute frquence : roll-off + bruit
de mesure
e
(s), W
e
(s) et W
s
(s)
Commande Robuste
Synthse H
Schmas de synthse H
Schmas de synthse H
(4)
Synthse 4 blocs (1)
K(s)
G(s)
+
-
W
1
(s)
z
1
(t )
v
1
= r (t )
+
d(t )
W
3
(s)
W
2
(s)
u(t )
y(t )
z
2
(t )
e(t )
v
2
(t )
Commande Robuste
Synthse H
Schmas de synthse H
Schmas de synthse H
(5)
Synthse 4 blocs (2)
W
1
(s) et W
2
(s) inchangs
W
3
(s) = W
31
(s)I
n
u
Impose (T
ed
(j )) <
1
|W
11
(j )W
31
(j )|
Exemple de perturbation sinusodale la pulsation
0
:
W
31
(s) =

0
s
s
2
+2
0
s+
2
0
Permet de forcer le rejet de perturbation
e
(s), W
e
(s) et W
s
(s)
Commande Robuste
Synthse H
Schmas de synthse H
Schmas de synthse H
(6)
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
(1)
Thorme du petit gain
Q(s)
(s)

- -
-
u
v
y
z
Le systme LTI interconnect est stable si et seulement si
|(s)Q
11
(s)|
< 1
Commande Robuste
Synthse H
(2)
Si (s) est incertain telle que |(s)|
1, alors le
systme interconnect est stable si et seulement si
|Q
11
(s)|
< 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
(2)
Si (s) est incertain telle que |(s)|
1, alors le
systme interconnect est stable si et seulement si
|Q
11
(s)|
< 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
(3)
Analyse de la robustesse
Q(s)
K(s)
-
-
u
v
y
z
Soit H(s) = lft
l
(Q(s), K(s)) et || 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
Plan
1
2
Outils danalyse
3
Synthse H
4
5
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]
Condition ncessaire et sufante :
d
2
f
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.
x
k
f
k
(x
k
) = f (x) o x = [x
1
. . . x
n
]
T
Condition moins forte que la convexit
Exemple : montrez que f (x) = x
2
1
+ x
2
2
4x
1
x
2
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 A
T
Q + QA < 0 ( dmontrer)
Dans ce cas de gure 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 : m
z = kz f

z
tat : x =
_
z
z
_
nergie : nergie cintique E
c
=
1
2
m
z
2
et nergie
potentielle E
p
=
1
2
kz
2
.
Fonction dnergie : V(x) =
1
2
m
z
2
+
1
2
kz
2
.
Commande Robuste
Exemple (suite)
Variation de lnergie scrit :
V(t ) =
V(x)
z

z +
V(x)
z

z (26)
= kz
z + m
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
exactement la condition
d
dt
(V(x)) < 0 pour x ,= x
0
.
Commande Robuste
Systme temps discret
Systme x(k + 1) = Ax(k)
fonction de Lyapunov quadratique V(x) = x
T
Qx avec
Q = Q
T
> 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)
A
T
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)A
T
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 = Q
T
> 0 vriant
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 = Q
1
:
R(A + BK)
T
+ (A + BK)R < 0 (33)
Changement de variable S = KR :
RA
T
+S
T
B + AR + BS < 0 (34)
Rsolution de la LMI en R et S, puis dtermination de
K = SR
1
.
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 vriant :
A
T
Q+QA < I (35)
Problme de valeurs propres gnralises.
Commande Robuste
Dissipativit
Dissipativit (1)
Dnition
Systme dentre u, de sortie y, de vecteur dtat x,
dquilibre x
0
= 0
Soit S(u, y) une fonction scalaire que nous appellerons
ux dnergie entrant.
Le systme dynamique est dit S-dissipatif sil existe une
fonction dnergie V(x) telle que
dV(x)
dt
< S(u, y) pour tout
x ,= x
0
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 ) rrie 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) =
1
2
Lx
2
On a
dV
dt
=
dV
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
Q
11
, Q
22
, Q
12
-dissipativit :
S(u, y) =
_
y
u
_
T
_
Q
11
Q
12
Q
12
T
Q
22
_ _
y
u
_
(36)
Le systme est Q
11
, Q
22
, Q
12
-dissipatif sil existe une
matrice Q = Q
T
> 0 vriant le systme de LMI :
_
A
T
Q+QA C
T
Q
11
C QB C
T
Q
11
D C
T
Q
12
B
T
QD
T
Q
11
C Q
T
12
C D
T
Q
11
D D
T
Q
12
Q
T
12
D Q
22
_
< 0
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
u
_
=
_
C D
0 I
_ _
x
u
_
(37)
On obtient alors une nouvelle expression

S(x, u) du ux
dnergie :
S(x, u) =
_
x
u
_
T
_
C
T
0
D
T
I
_ _
Q
11
Q
12
Q
12
T
Q
22
_ _
C D
0 I
_ _
x
u
_
(38)
Commande Robuste
Dissipativit
Dissipativit (3)
soit encore

S(x, u) =
_
x
u
_
T
_
C
T
Q
11
C C
T
Q
11
D + C
T
Q
12
D
T
Q
11
C + Q
T
12
C D
T
Q
11
D + D
T
Q
12
+ Q
T
12
D + Q
22
_ _
x
u
_
Par ailleurs, la drive de la fonction dnergie scrit :
dV(x)
dt
=

x
T
Qx + x
T
Q
x (39)
= (Ax + Bu)
T
Qx + x
T
Q(Ax + Bu) (40)
=
_
x
u
_
T
_
A
T
Q + QA QB
B
T
Q 0
_ _
x
u
_
(41)
Commande Robuste
Dissipativit
Dissipativit (3)
La dissipativit scrit alors comme une LMI en
Q = Q
T
> 0 :
_
A
T
Q + QA C
T
Q
11
C QB C
T
Q
11
D C
T
Q
12
B
T
Q D
T
Q
11
C Q
T
12
C D
T
Q
11
D D
T
Q
12
Q
T
12
D Q
22
_
< 0
Commande Robuste
Dissipativit
Dissipativit (4)
Lemme (Yakubovitch-Kalman)
Soit un systme linaire. Les propositions suivantes sont
quivalentes :
(i) est Q
11
, Q
22
, Q
12
-dissipatif.
(ii) R
+
det (j I A) ,= 0,
_
G(j )
I
_
T
_
Q
11
Q
12
Q
T
12
Q
22
_ _
G(j )
I
_
0 (42)
Dmonstration
Considrer un signal harmonique u(t ) = Uexp(j t ).
Commande Robuste
Dissipativit
Dissipativit (5)
Thorme (quivalence entre norme H
et dissipativit)
Soit un systme linaire et la fonction de ux dnergie
S(u, y) =
2
u
T
u y
T
y. Les propositions suivantes sont
quivalentes :
(i) est S-dissipatif
(ii) ||

Dmonstration
Lemme de Yakubovitch-Kalman : la proposition (ii) quivalente
(G
T
(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 = Q
T
> 0 vriant :
_
A
T
Q+QA + C
T
C QB + C
T
D
B
T
Q+ D
T
C D
T
D
2
I
_
< 0 (43)
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 vriant :
_
_
A
T
Q+QA QB C
T
B
T
Q I D
T
C D I
_
_
< 0 (44)
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
z
y
_
_
=
_
_
A B
1
B
2
C
1
D
11
D
12
C
2
D
21
D
22
_
_
_
_
x
v
u
_
_
(45)
on cherche un correcteur dynamique K(s) de reprsentation
dtat :
_
x
K
u
_
=
_
A
K
B
K
C
K
D
K
_ _
x
K
y
_
(46)
tel que
|lft
l
(P(s), K(s))|
. (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 :
X = Ric
_
A P
Q A
T
_
(48)
la solution symtrique de lquation de Riccati :
XA + A
T
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) = lft
l
(K
a
(s), (s)) (50)
(s) : matrice de transfert de dimension n
u
n
y
arbitraire
vriant |(s)| < ; K
a
(s) dcrit par :
_
_
x
a
u
u
a
_
_
=
_
_
A
a
Z
a
Y
a
C
T
2
ZaB
2
B
T
2
Xa O I
n
u
C
2
I
n
y
O
_
_
_
_
x
v
u
_
_
(51)
o A
a
= A +
2
B
1
B
T
1
Xa B
2
B
T
2
Z
a
YaC
2
C
T
2
et
Z
a
= (I
n
2
YaXa)
1
En particulier, le correcteur central est obtenu avec (s) = 0.
Commande Robuste
Dissipativit
Synthse H
(4)
Hypothses
H1. (A, B
2
) est stabilisable ; (C
2
, A) est dtectable
H2. rang(D
12
) = n
u
et rang(D
21
) = n
y
o n
u
est la taille de u et
n
y
est la taille de n
y
.
H3. R, rang
_
A j I
n
B
2
C
1
D
12
_
= n +n
u
o n est la taille de
x.
H4. R, rang
_
A j I
n
B
1
C
2
D
21
_
= n + n
y
.
H5. D
11
= 0, D
T
12
_
C
1
D
12
=
_
O I
n
u
, D
22
= 0,
_
B
1
D
21
_
D
T
21
=
_
O I
n
y
.
Commande Robuste
Dissipativit
Synthse H
(5)
Rsolution par LMI [Gahinet & Apkarian] (1)
Bas sur le lemme born rel
Pour le systme en boucle ferme lft
l
(P(s), K(s)) :
_
_
A
T
bf
Q + QA
bf
QB
bf
C
T
bf
B
T
bf
Q I D
T
bf
C
bf
D
bf
I
_
_
< 0 (52)
avec, pour D
22
= O :
_
A
bf
B
bf
C
bf
D
bf
_
=
_
_
A + B
2
D
K
C
2
B
2
C
K
B
1
+ B
2
D
K
D
21
B
K
C
1
A
K
B
K
D
21
C
1
+ D
12
D
K
C
2
D
12
C
K
D
11
+ D
12
D
K
D
21
_
_
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 vrient :
_
N
R
0
0 I
n
v
_
T
_
_
AR + RA
T
RC
T
1
B
1
C
2
R I
n
z
D
21
B
T
1
D
T
21
I
n
v
_
_
_
N
R
0
0 I
n
v
_
< 0 (53)
_
N
S
0
0 I
n
z
_
T
_
_
A
T
S + SA SB
1
C
1
B
T
1
S I
n
v
D
T
21
C
T
2
D
21
I
n
z
_
_
_
N
S
0
0 I
n
z
_
< 0 (54)
_
R I
n
I
n
S
_
0 (55)
N
R
et N
S
: bases des noyaux de
_
B
T
2
D
T
12
et
_
C
2
D
21
.
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 I
n
RS. Une dcomposition en
valeurs singulire permet de dterminer les matrices M et
N R
nr
telles que :
MN
T
= I
n
RS (56)
3
On dtermine ensuite la matrice de Lyapunov :
Q =
_
S N
N
T
M
RN
_
(57)
o M
est la pseudo-inverse de M.
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 A
K
, B
K
, C
K
et D
K
.
Commande Robuste
Plan
1
2
Outils danalyse
3
Synthse H
4
5
Commande Robuste
Exemple de systme mcanique
Exemple de systme mcanique (1)
Prsentation
r
actionneur
transmission
souple
charge
rgulateur
y
u
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 : q
1
et q
2
[rad/s]
Commande Robuste
Modlisation
inerties : J
1
et J
2
[kg.m
2
] ; coefcients de frottement uide :
f
1
et f
2
[N.m.s/rad] ; raideur de laccouplement : K
[N.m/rad] ; coefcient de frottement uide de
laccouplement : f [N.m.s/rad]
Modle :
J
1
d
1
dt
= u C
K
f
1
1
(58)
J
2
d
2
dt
= C
K
f
2
2
(59)
o le couple transmis par la raideur est
C
K
= K(q
1
q
2
) + f (
1
2
)
Exercice : dterminer une reprsentation dtat dordre
minimale du systme
Commande Robuste
Schma-bloc
Commande Robuste
Rponse frquentielle
FIGURE: Lieu de Bode du systme mcanique
Commande Robuste
Asservissement de vitesse
Commande u = K(s)(

q
2
) avec K(s) =
2(s+2)
(s+10)(s+0,01)
FIGURE: Rponse un chelon du systme nominal asservi
Commande Robuste
Modle LPV afne
Paramtres incertains : J
2
et K
Soit M =
_
A B
C D
_
On a M = M
0
+ KM
1
+
1
J
2
M
2
avec
M
0
=
_
f +f
1
J
1
0 0 1
1
J
1
0 0 0
f
J
1
0 0 0
0 0 0 0
_
_
, M
1
=
_
_
0 0 1 0
0 0 1 0
0 0 0 0
0 0 0 0
_
_
et
M
2
=
_
_
0 f 0 0
0 (f + f
2
) 0 0
0 1 0 0
0 1 0 0
_
_
Commande Robuste
Schma-bloc du modle LFR
Commande Robuste
Modle LFR (2)
G(s, ) = lft
u
(H(s), ()) o = diagK, 1/J
2
o H(s)
est dni par les matrices :
_
_
A B
1
B
2
C
1
D
11
D
12
C
2
D
21
D
22
_
_
=
_
_
(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 afnes
Analyse des systmes LPV afnes (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 dnie sur D valeur dans R ou

dans R
nn
avec f
T
(x) = f (x)
Si f (x) est afne, 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 afne
_

x = A()x + B()u
y = C()x + D()u
(60)
o
M =
_
A B
C D
_
(61)
et M() = M
0
+
1
M
1
+
2
M
2
... +
p
M
p
= [
1
;
1
] [
2
;
2
]...[
p
;
p
]
Commande Robuste
Stabilit quadratique avec matrice de Lyapunov constante
Systme autonome

x = A()x, A() = A
0
+
A
k
k
V(x) = x
T
Qx avec Q = Q
T
> 0
Stabilit si Q telle que

V = x
T
(A
T
()Q + QA())x < 0

Il suft de vrier la LMI sur les sommets de :
Stabilit si Q telle que A
T
()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)
An de rduire le pessimisme, on prend V(x) = x
T
Q()x
avec Q() = Q
0
+
Q
k
k
tels que Q() = Q
T
() > 0
Stabilit si Q
k
telle que
V = x
T
(A
T
()Q() + Q()A() +

Q())x < 0
On a

Q() =
Q
k

k
On note = [
1
;

1
] ...[
p
;

p
] et
s
lensemble des
sommets.
Les termes A
T
()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
A
T
()Q() + Q()A() + Q(
) Q
0
< 0
s
,

s
A
T
k
Q
k
+ Q
k
A
k
0 k 1
Commande Robuste
Dissipativit avec matrice de Lyapunov constante (1)
Lemme born rel : LMI afne en les matrices dtat A, B,
C et D
Il suft donc de vrier 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
()
C() D() I
_
_
< 0
o M() = A
T
()Q + QA().
Commande Robuste
Dissipativit avec PDLF (1)
Comme pour la stabilit de Lyapunov :
A
T
()Q() + Q()A() A
T
()Q() + Q()A() +

Q()
Le systme LPV est dissipatif pour S(u, y) = y
T
y +u
T
u
sil existe des matrices symtriques Q
0
, Q
1
... avec
Q() = Q
0
+
1
Q
1
telles que :
Q() > 0
s
_
_
M(,

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

)
o M(,

) = A
T
()Q() + Q()A() +

Q().
Commande Robuste
Dissipativit avec PDLF (2)
M(,

) polynomial dordre 2 multiconvexit
Le systme LPV est dissipatif pour S(u, y) = y
T
y +u
T
u
sil existe des matrices symtriques Q
0
, Q
1
... telles que :
Q() > 0
s
_
_
M(,

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

)
s
s
_
A
T
k
Q
k
+ Q
k
A
k
Q
k
B
k
B
T
k
Q
k
0
_
0 k 1
o

M(,

) = A
T
()Q() + Q()A() + Q(
) Q
0
.
Commande Robuste
Code Matlab (1)
Format diffrent des autres systmes dans la Robust
Control Toolbox
pv = pvec(box,range)) : dnit les bornes de
variation des paramtre
sysaff = psys(pv,[S0,S1,S2]) : dnit un systme
LPV afne
sysbfaff = slft(M,sysaff) : lft pour un systme
LPV afne
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)
Dnition (1)
M(s)

-
v z
= diag
1
I
r
1
, ...,
s
I
r
s
,
1
I
c
1
, ...,
t
I
c
t
,
1
, ...,
f
o
k
R,
k
C et
k
C
m
i
m
i
et || 1
Commande Robuste
-analyse
-analyse (2)
Dnition (2)
= taille (norme H
) de la plus petite incertitude

dstabilisant le systme
Pour M
= M(j ), () = inf
E
() det(I M
) = 0 ;
() = 0 si det(I M
) = 0 E
= max
()
Robustesse si < 1
Pour =
1
C
m
1
m
1
, () = (M
) et = |M(s)|
Commande Robuste
-analyse
-analyse (3)
Borne infrieure (1)
Sous-ensemble E
Q
E
o
i
1; 1, [
i
[ = 1 et
i

i
= I o M
est la transpose conjugue

Pour M
= M(j ), () = inf
E
() det(I M
) = 0 ;
() = 0 si det(I M
) = 0 E
= max
()
Robustesse si < 1
Pour =
1
C
m
1
m
1
, () = (M
) et = |M(s)|
Young et Doyle (1990) ont montr que

max
QE
Q

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
Difcults 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 exibles
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 |lft
u
(M(s), )|
1 E
M(s)
s

- -
-
v
2
v
1
z
2
z
1
Commande Robuste
-analyse
-analyse (6)
Analyse de la performance (2)
Equivalent (M(s)) 1 avec comme incertitude
_
s
0
0
p
_
o
p
C
mm
M(s)
_
s
0
0
p
_

-
v z
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

Pres Com Rob

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Pres Com Rob

Hochgeladen von

Copyright:

Verfügbare Formate

Commande Robuste

sur un systme linaire

Mthodes danalyse de la robustesse

dAriane 5 en tangage et lacet en vol

: 1er vol en 2008

Valeurs singulires et norme H

Valeurs singulires et norme H

Valeurs singulires et norme H

Valeurs singulires et norme H

Valeurs singulires et norme 1

Valeurs singulires et norme 1

Valeurs singulires et norme 1

Valeurs singulires et norme 1

Valeurs singulires et norme 1

Valeurs singulires et norme 1

sur les systmes LTI

est dnie comme la norme induite sur les

Valeurs singulires et norme 1

Valeurs singulires et norme 1

< (k, l ) 1, 2 (21)

Rcapitulatif sur les normes

Rglage du correcteur pour respecter le cahier des

Performance dun systme asservi

Performance dun systme asservi

Performance dun systme asservi

Performance dun systme asservi

Performance dun systme asservi

Performance dun systme asservi

Performance dun systme asservi

Performance dun systme asservi

Performance dun systme asservi

Performance dun systme asservi

: maximiser la taille des incertitudes que lon

: maximiser la taille des incertitudes que lon

par rsolution dune LMI

par quation de Riccati)

Soit f (x) une fonction dnie sur D valeur dans R ou

) de la plus petite incertitude

est la transpose conjugue

Young et Doyle (1990) ont montr que

Das könnte Ihnen auch gefallen