Commande linaire des systmes multivariables

Benot Bergeon
Professeur
2011-2012
Commande linaire des systmes multivariables............................................................................... 1
Chapitre 1 : Commande Linaire Quadratique.............................................................................. 1
1 Introduction..................................................................................................................................1
2 La Commande L.Q...................................................................................................................... 2
2.1 Formulation du problme de commande retour dtat....................................................................................... 2
2.2 Le critre doptimalit L.Q.................................................................................................................................... 3
2.3 Gestion des objectifs et spcification des matrices de pondration....................................................................... 4
3 La solution du problme L.Q stationnaire................................................................................ 6
4 La matrice HAMILTONIENNE et la solution de lquation de Riccati.................................9
5 Stabilit de la boucle ferme..................................................................................................... 11
Chapitre 2 : Commande Linaire Quadratique Gaussienne........................................................... 13
1 Problme de commande stochastique retour de sortie....................................................... 13
2 Observateur dtat et principe de sparation .........................................................................14
3 Lobservateur optimal de Kalman............................................................................................17
4 Solution du problme L.Q.G.....................................................................................................21
Annexe............................................................................................................................................23
Chapitre 3: De la commande modle interne au systme augment............................................25
1 Introduction................................................................................................................................25
2 Le modle interne de Francis et Wonham............................................................................... 27
2.1 Le principe du modle interne............................................................................................................................. 27
2.2 Reprsentation gnrale....................................................................................................................................... 28
2.3 Spcifications....................................................................................................................................................... 30
2.4 Dtectabilit......................................................................................................................................................... 31
2.5 Le modle interne................................................................................................................................................ 32
3 Commandes LQG sur modle augment................................................................................ 38
3.1 Rappels.................................................................................................................................................................39
3.2 LQG modle interne..........................................................................................................................................40
3.3 Bruit color.......................................................................................................................................................... 43
4 Le problme standard...............................................................................................................45
Chapitre 4 : Commande Robuste monovariable : Aspects frquentiels.......................................... 47
1 Robustesse et dsensibilisation............................................................................................... 47
2 Description des incertitudes...................................................................................................... 48
2.1 Origine des erreurs de modle............................................................................................................................. 49
2.2 Structuration dincertitudes................................................................................................................................49
2.3 Reprsentations dincertitudes ............................................................................................................................ 50
3 Description de performances.................................................................................................. 52
3.1 Stabilit de la boucle ferme..............................................................................................................................52
3.2 Rgulation.......................................................................................................................................................... 54
3.3 Compromis performances / robustesse.............................................................................................................. 55
3.4 Conclusion........................................................................................................................................................... 57
Chapitre 5 : Systmes Linaires Multivariables, reprsentations et quelques proprits.............. 59
1 Reprsentation dtat et matrice de transfert....................................................................... 59
2 Systme boucl par retour dynamique de sortie................................................................... 61
3 Dfinitions gnrales des L.F.T............................................................................................... 62
3.1 L.F.T Suprieure (Fu).........................................................................................................................................62
3. 2 L.F.T Infrieure (Fl).......................................................................................................................................... 63
4 Reprsentation par matrice de systme.................................................................................. 63
2
5 Les zros de systmes multivariables..................................................................................... 64
6 Thorme de Nyquist gnralis............................................................................................. 66
7 Critre de Nyquist multivariable............................................................................................66
Chapitre 6 : Reprsentations frquentielles des systmes multivariables....................................... 69
1 Les valeurs singulires de matrices......................................................................................... 69
2 Dcomposition dune matrice en valeurs singulires.............................................................69
3 Proprits des valeurs singulires.............................................................................................70
4 Normes H2 et H de matrices de transfert............................................................................. 71
4.1 Rappels sur la norme L2...................................................................................................................................... 71
4.2 Transmission de signaux alatoires......................................................................................................................71
4.3 Les gains principaux de matrices de transfert......................................................................................................73
4.4 Les normes de matrices de transfert.................................................................................................................... 73
4.5 Interprtation frquentielle de LQG.................................................................................................................... 74
5 Calcul de norme H .................................................................................................................. 76
6 Thorme du faible gain (Zames 1981)................................................................................... 77
7 Description dincertitudes non structures multivariables ..................................................78
8 Thorme de stabilit robuste................................................................................................... 79
Chapitre 7 : Synthse multivariable robuste, minimisation de sensibilit mixte............................ 82
1 Optimisation L2 et modelage de transfert de boucle (Loop Shaping).................................. 82
2 La spcification de performance...............................................................................................86
3 La contrainte de stabilit robuste............................................................................................ 87
4 La contrainte sur la commande.............................................................................................. 87
5 Le systme augment : problme standard............................................................................ 88
6 La spcification H ....................................................................................................................89
7 Matrices de transfert premires............................................................................................... 90
7.1 Dfinitions............................................................................................................................................................90
7.2 Thormes............................................................................................................................................................90
8 L'algorithme de Glover-Doyle.................................................................................................. 94
Chapitre 8 : Synthse multi-objectifs................................................................................................99
1 Les valeurs singulires structures........................................................................................... 99
2 Thorme de stabilit robuste structure.............................................................................. 100
3 Le problme de performance robuste.................................................................................... 102
3.1 Performance nominale....................................................................................................................................... 102
3.2 Performance robuste.......................................................................................................................................... 103
4 Calcul de , D-K itrations..................................................................................................... 105
3
4
Chapitre 1 : Commande Linaire Quadratique
Bibliographie :
KWAKERNAAK SIVAN : Linear optimal control system, Wiley, 1972
KAILATH : Linear systems, Englewood Cliffs, NJ, Prentice-Hall, 1979
ASTRM WITTENMARK : Computer controlled systems, Englewood Cliffs, NJ, Prentice-Hall,
1984.
de LARMINAT : Automatique, commande des systmes linaires, Herms, 1993.
1 Introduction
La commande Linaire Quadratique est prsente dans ce chapitre sur les systmes dynamiques temps
continu:
(i) linaires,
(ii) coefficients constants.
(iii) stabilisables par retour dtat.
Un systme linaire est stabilisable sil existe une commande en boucle ferme telle que le systme
command soit stable. Si la commande utilise un retour dtat, il suffit que les ventuels modes
instables du systme soient gouvernables (commandables).
Dune faon gnrale, la commande en boucle ferme cherche rpondre des objectifs de
(i) stabilit : retour ltat dquilibre aprs une perturbation ;
(ii) performance de rgulation : rejet dune perturbation, ainsi que la rapidit du rejet.
En termes de performances, il sagit donc de dplacer les valeurs propres de la
boucle ferme dans le demi-plan complexe gauche, le plus loin possible de l'axe
imaginaire.
Exemple :
Soit le systme scalaire :
x=a x ; x(0)0 1-1
La solution de ce systme scalaire est :
t 0; x(t )=e
at
x(0)
1-2
Le systme est stable si a < 0 et la solution est dautant plus rapide que a est grand.
Les contraintes de la rgulation se situent au niveau de lamplitude ou de lnergie de la
commande : soit cause de saturations dactionneurs, soit pour des raisons de cot nergtique.
1
B
A
C
- K
u
x z

Finalement, le problme de la rgulation en boucle ferme, avec stabilit, est toujours le rsultat
dun compromis entre la rapidit et lnergie de la commande.
2 La Commande L.Q
2.1 Formulation du problme de commande retour dtat
Soit le systme rgler dcrit par le modle dtat :
x(t )=A x(t )+Bu(t )
z( t )=C x(t )
1- 3
x(t) : vecteur dtat, dim x(t) = n x 1
u(t) : vecteur de commande de dimension : l 1, o l est le nombre dactionneurs.
z(t) : vecteur des grandeurs rgler, dim z(t) = m x 1
A : matrice dtat du systme, dim A = n n
B : matrice de commande, dim B = n l
Le problme est de trouver un retour dtat stabilisant, optimal au sens du compromis rapidit
nergie de commande. Il sagit donc de trouver la matrice de gain du retour dtat K :
u(t) = K x(t) 1- 4
avec : dim K = l x n 1- 5
Figure11- 1 schma-bloc de commande retour dtat.
En boucle ferme, lquation dtat devient, aprs calcul de K:
x
bf
(t )=| AB K x
bf
(t )
z(t )=C x
bf
(t )
1- 6
2
Les conditions initiales sont rejetes dautant plus rapidement que les valeurs propres de la matrice
(A B K), ont une partie relle trs ngative. Les gains de la matrice K seront dautant plus
grands que lon dsire acclrer le rejet de perturbation.
2.2 Le critre doptimalit L.Q
2.2-1 Vitesse de rejet de perturbation
Soient 2 systmes monovariables du 1
er
ordre :
x
1
(t )=x
1
(t )
x
1
(0)=0
1- 7
x
2
(t )=2 x
2
(t )
x
2
(0)=0
1- 8
Les solutions sont respectivement :
x
1
(t )=e
t
,t0 ; 1- 9 et x
2
(t )=e
2t
, t0 1- 10
On peut valuer les rapidits respectives en comparant les aires des courbes x
i
2
t ( ):
Figure 1-2: comparaison daires.
On constate aisment que
0

x
1
2
(t )dt >

x
2
2
(t )dt
, si bien quon peut dire quun objectif de
rapidit de rejet de perturbation est respect par la minimisation de :

x
2
(t )dt
1- 11
Gnralisation un problme multivariable.
Soit :
3
J
x
=

x
T
(t ) Q x(t ) dt
1- 12
Q : est une matrice symtrique dfinie non ngative: x
T
Q x 0
Cest une matrice de pondration : elle donne un poids diffrent chaque composante du vecteur
dtat dans le critre.
Exemple :
Soient :
x=
|
x
1
x
2

et
Q=|
q
1
0
0 q
2

x
T
Q x=| x
1
x
2

|
q
1
0
0 q
2
|
x
1
x
2

=q
1
x
1
2
+q
2
x
2
2
si on prend : q
1
= 1 et q
2
= 1000
il vient : x
T
Q x = x
1
2
+ 1000 x
2
2
le critre scrit alors :
J
x
=

x
T
(t ) Q x(t ) dt=

| x
1
2
+1000 x
2
2
dt
2.2-2 Energie de commande
De la mme faon on peut valuer lnergie de commande par le critre :
J
u
=

u
T
(t ) Ru(t )dt
1- 13
R est une matrice symtrique dfinie positive : u
T
(t) R u(t) > 0 , si u(t )0 . Cest la matrice de
pondration de la commande. On peut ainsi affecter un poids diffrent chaque composante du
vecteur de commande.
2.2-3 Critre de compromis
J
LQ
=J
x
+J
u
=

| x
T
(t )Q x(t )+u
T
(t ) Ru(t ) dt
1- 14
Dans ce critre, les matrices Q et R doivent tre spcifies : les performances de la commande
dpendent fortement des valeurs numriques des coefficients de ces matrices.
2.3 Gestion des objectifs et spcification des matrices de pondration
En gnral, les objectifs de performance portent sur certaines combinaisons linaires de ltat, qui
sont regroupes dans un vecteur de sorties rgler.
La dimension de z(t) est : m x 1, avec : m ndim(C)=mx n
Soit Q=C
T
S C
4
J
LQ
=

x
T
(t )C
T
S C x(t ) dt+

u
T
(t ) Ru(t ) dt
1-15
z
T
(t ) S z (t )=x
T
(t )C
T
S C x(t ) 1-16
Le problme est ramen au choix de la matrice S
Si on choisit cette matrice diagonale, il y a m coefficients choisir.

S=
|
s
1
0 . 0 . 0
0 s
2
. 0 . 0
. . . . . .
0 0 . s
i
. 0
. . . . . .
0 0 . 0 . s
m

1- 17
Pour que S soit non ngative, il faut que tous les s
i
soient positifs ou nuls.
La matrice R est la matrice de pondration des commandes. On pose : R=jR' , o j est un
rel positif.
j est un paramtre de Lagrange qui sert rgler le poids relatif de R par rapport Q. On peut
alors choisir la matrice R diagonale, en posant :
R' =
|
r '
1
0 . 0 . 0
0 r '
2
. 0 . 0
. . . . . .
0 0 . r'
i
. 0
. . . . . .
0 0 . 0 . r '
m

1- 18
On commence par choisir les diffrents r
i
qui pondrent les nergies de commande des diffrents
actionneurs.
R=j
|
r '
1
0 . 0 . 0
0 r '
2
. 0 . 0
. . . . . .
0 0 . r '
i
. 0
. . . . . .
0 0 . 0 . r '
m

1- 19

u
T
(t ) Ru(t )dt =j

u
T
(t ) R' u(t ) dt
1- 20
5
Le critre optimal linaire quadratique scrit finalement :
J
LQ
=

z
T
(t ) S z (t ) dt+j

u
T
(t ) R' u(t ) dt
1- 21
Le problme est de choisir j
- si j crot la part relative du critre
j

u
T
(t ) R' u(t ) dt
crot : lobjectif est dconomiser
lnergie de commande,
- si j dcrot le terme
0

z
T
(t ) S z(t )dt
prend plus dimportance : lobjectif est daccrotre
les performances.

Figure 1- 3: parts relatives des critres de performance J
x
et dnergie de commande J
u
, selon la
valeur de j
3 La solution du problme L.Q stationnaire.
Soit le systme linaire invariant :
x(t )=Ax(t )+Bu(t ) 1- 22
Le problme est de calculer la matrice K qui permet de dterminer le retour dtat :
u(t )=K x(t ) , et telle que le critre L.Q:
J
LQ
=

(| x
T
(t )Q x(t )+| u
T
(t ) Ru(t )) dt
1- 23
soit minimum. Q est une matrice symtrique dfinie non ngative, R est une matrice symtrique
dfinie positive.
Soit u
0
(t) la commande optimale, solution du problme. Toute commande u(t) peut scrire :
u(t )=u(t )+c u(t ) ; c 1- 24
6
J
u
J
x
Le systme est linaire donc il vrifie le thorme de superposition :
x(t )=x (t )+c x(t ); c 1- 25
o x
0
(t) est la solution optimale du systme (cest la trajectoire dtat obtenue lorsque lon applique
la commande optimale).
x (t )=Ax (t )+Bu(t ) 1- 26
Ce qui nous permet dcrire de la mme manire :

x(t )=A x(t )+B u(t ) 1- 27

On suppose x(0)0 (tat initial indpendant de u(t) ; t 0), donc x (0) = x
0
(0) et x(0)=0 .
Pour t 0 , la solution scrit :
x (t )=e
At
x(0)+

0
t
e
A(tt)
Bu (t)d t 1- 28
x(t )=

0
t
e
A( tt)
B u(t) d t 1- 29
donc :
J
LQ
=

| x(t )+c x(t )

T
Q| x(t )+c x(t ) dt +

| u (t )+c u(t )
T
R| u (t )+c u(t ) dt
1- 30
J
LQ
=

| x
T
(t )Q x (t )+u
T
(t ) Ru(t ) dt
+2c

| x
T
(t ) Q x(t )+ u
T
(t ) Ru (t ) dt
+c
2

| x
T
(t )Q x(t )+ u
T
(t ) R u(t ) dt
1- 31
si u
0
(t) est la commande qui minimise J
LQ
, toute autre commande conduit augmenter la valeur de
J
LQ
.
La commande scrivant : u(t )=u(t )+c u(t ) , le minimum du critre J
LQ
se trouve en c=0 .
Il faut donc rsoudre :

c
J
LQ
(c=0)=0
cest--dire:
7
2

| x
T
(t )Q x (t )+ u
T
(t ) Ru(t ) dt =0
1- 32
donc :

0
t
u
T
(t) B
T
e
A
T
( tt)
d t Q x (t )+ u
T
(t ) Ru (t )dt =0 1- 33
aprs calcul (permutation dintgrales), on obtient :

u
T
(t )B
T

e
A
T
( tt)
Q x (t) d t+Ru (t )dt =0
1- 34
on dfinit alors :
p(t )=

e
A
T
( tt )
Q x (t) dt
1- 35
p(t) est donc un vecteur de dimension : n x 1, dfini par une intgrale de convolution. Ce vecteur
peut donc tre considr comme un vecteur dtat dun systme dynamique dont lquation
dvolution serait :

p(t )=A
T
p(t )Q x (t )
lim
t -
p(t )=0
1- 36
Lquation 1-34 devient

u
T
(t )B
T
p(t )+Ru (t )dt=0
1- 37
qui doit tre vrifie quel que soit
u
T
(t ) tout instant t 0, cest--dire :
B
T
p(t )+Ru (t )=0 , t >0 1- 38
Finalement on obtient :
u(t )=R
1
B
T
p(t ) 1- 39
On a introduit le vecteur p(t) comme vecteur dtat dun systme fictif de dimension n. On peut
dfinir un vecteur dtat tendu :
8
((t )=
|
x (t )
p(t )

1- 40
Les quations 1-26 et 1-36 scrivent

((t )=
|
A B R
1
B
T
Q A
T

((t )=2((t ) 1- 41
2 est une matrice de dimension 2n x 2n, et qui est de structure HAMILTONIENNE
La commande optimale cherche est une commande retour dtat u(t) = - K x(t), vrifiant
lquation 1-39.
Il reste donc calculer une matrice constante P, telle que :
p(t )=P x(t ) ,

p(t )=P

x (t )
1- 42
De lquation 1-41 on obtient :

x (t )=Ax (t )B R
1
B
T
P x (t )
p(t )=Q x(t )A
T
P x (t )
1- 43
Des quations 1-42 et 1-43 on dduit la relation :
P A+A
T
P+QP B R
1
B
T
P=0 1- 44
connue sous le nom dEquation de RICCATI algbrique.
La matrice P est lunique solution de cette quation, stabilisant la boucle ferme.Remarque :
si n = l = 1 , on rsout en fait une quation du 2
nd
degr en P:
2 P A
P
2
B
2
R
+Q=0 1- 45
qui a 2 solutions. Une seule de ces 2 solutions permet dobtenir une boucle ferme stable.
4 La matrice HAMILTONIENNE et la solution de lquation de Riccati
2=
|
A B R
1
B
T
Q A
T

2n x2n
1- 46
R est une matrice symtrique dfinie positive, donc : R > 0 et R
-1
existe.
est une matrice symtrique dfinie non ngative, donc : Q 0
Soit \ une valeur propre et V un vecteur propre associ droite :
2V=2
|
v
1
v
2

=\
|
v
1
v
2

1- 47
avec dim v
1
= n x 1 dim v
2
= n x 1
9
Alors le couple
\;( v
2
T
,v
1
T
)
est un couple de valeur propre et vecteur propre gauche
associ la matrice 2 , cest--dire:
| v
2
T
,v
1
T
2=\| v
2
T
,v
1
T

1- 48
Vrification :
|
A B R
1
B
T
Q A
T

|
v
1
v
2

=
|
\v
1
\v
2

1- 49
c..d.
Av
1
B R
1
B
T
v
2
=\v
1
Qv
1
A
T
v
2
=\v
2
1- 50
et :
|
v
2
T
,v
1
T

|
A BR
1
B
T
Q A
T

=
|
v
2
T
A+v
1
T
Q ,v
2
T
BR
1
B
T
+v
1
T
A
T

1- 51
|
v
2
T
,v
1
T

|
A B R
1
B
T
Q A
T

=
|
v
2
T
\, v
1
T
\

1- 52
Les 2n valeurs propres du systme 2 sont symtriques 2 2 par rapport laxe imaginaire (si
\
1
est valeur propre, alors - \
1
lest aussi).
Si aucune des valeurs propres nest imaginaire pure, il y a n valeurs propres partie relle et n
valeurs propres partie relle > 0.
Soit A la matrice diagonale (n x n) dont les lments (\
1,
\
2,
\
3,
... , \
n
) sont les valeurs
propres partie relle ngative.
Soit X une matrice compose des vecteurs propres droite associs ces n valeurs propres, X est
une matrice de dimension 2n x n :
2 X =X A
|
A B R
1
B
T
Q A
T

|
X
1
X
2

=
|
X
1
X
2

A
1- 53
donc
A X
1
B R
1
B
T
X
2
=X
1
A
Q X
1
A
T
X
2
=X
2
A
1- 54
Soit :
P=: X
2
X
1
1
, alors :
QA
T
P=X
2
( X
1
1
X
1
)AX
1
1
=P( A X
1
B R
1
B
T
X
2
) X
1
1
1- 55
10
cest--dire que P vrifie lquation de Riccati 1-44:
P A+A
T
P+QP B R
1
B
T
P=0
5 Stabilit de la boucle ferme
Le systme linaire de lquation 1-22, auquel on applique la commande retour d'tat dcrite aux
quations 1-39 et 1-42:
u (t )=K x(t )
K=R
1
B
T
P
1-56
devient le systme dynamique homogne :

x ( t )=( AB R
1
B
T
P) x ( t ) 1- 57
qui est stable si et seulement si toutes les valeurs propres de sa matrice dvolution sont dans le
demi-plan complexe gauche. De lquation 1-54 on obtient ; :
A X
1
B R
1
B
T
X
2
=X
1
A 1- 58
Les valeurs propres de la matrice dvolution de la boucle ferme sont donc les coefficients
(\
1,
\
2,
\
3,
... , \
n
) de la matrice diagonale A . Ces coefficients sont les valeurs propres partie
relle ngative de la matrice hamiltonienne 2 donc le systme est stable en boucle ferme.
Remarque :
Dans MATLAB : CONTROL SYSTEM TOOLBOX, aprs avoir dfini les matrices A,B,Q et R, la
commande lqr(A, B, Q, R) gnre le calcul de la matrice K.
11
12
Chapitre 2 : Commande Linaire Quadratique
Gaussienne
1 Problme de commande stochastique retour de sortie
Soit le systme de lquation 1-3 dans lequel on suppose que la sortie et ltat sont perturbs par des
bruits (signaux alatoires gnants). On peut lcrire :
x(t )=Ax(t )+Bu(t )+w
1
(t )
z (t )=C x(t )+w
2
(t )
2- 1
x(t) : vecteur dtat, dim x(t) = n x 1
u(t) : vecteur de commande de dimension : l x 1, o l est le nombre dactionneurs.
z(t) : vecteur des grandeurs rgler, dim z(t) = m x 1
w
1
(t) : vecteur de bruits blancs gaussiens centrs, dim w
1
(t) = n x 1
w
2
(t) : vecteur de bruits blancs gaussiens centrs, dim w
2
(t) = m x 1
A : matrice dtat du systme, dim A = n x n
B : matrice de commande, dim B
1
= n x l
C : matrice dobservation, dim C = m x n
Un bruit w(t) est un signal alatoire qui est :
blanc lorsque sa fonction dautocorrlation est de la forme :
1
ww
(t ,t)=V (t )6(tt) 2- 2
gaussien si V(t) est une variable alatoire gaussienne (loi de probabilit normale),
centr si lesprance mathmatique E(V(t)) est nulle.
Le critre doptimalit doit porter sur une grandeur probabiliste : lesprance mathmatique dun
critre quadratique. Par ailleurs la sortie (vecteur des grandeurs rgler, ou des variables mesures)
est soumise des perturbations : le rejet ou attnuation de ces bruits ne peut pas tre obtenu par
retour dtat.
Dun autre ct, il nest pas toujours possible (voire jamais) de mesurer ltat dont on a besoin pour
le retour dtat.
Le critre LQG scrit donc :
J
LQG
=E

| x
T
(t ) Q x(t )+u
T
(t ) Ru(t ) dt
2- 3
o Q et R sont symtriques, dfinies positives.
13
2 Observateur dtat et principe de sparation
Un observateur dtat (ou reconstructeur) est un filtre dont lentre est le vecteur des mesures
bruites de sortie dun systme dynamique, ainsi que le vecteur de ses entres. La sortie de ce filtre
est un vecteur proche du vecteur dtat du systme. La connaissance dun modle du systme
dynamique et de ses entres permet de restituer un tat du systme partir des mesures de sortie.
Soit le systme dterministe (pas de bruit alatoire) :
x(t )=Ax(t )+Bu(t )
z(t )=C x(t )
2- 4

on peut construire un autre systme dynamique :

x(t )=A x(t )+Bu(t )+Le(t )

z(t )=C x(t )
e(t )=z (t )z(t )
2- 5
Figure 2- 1 structure dobservateur dtat
On peut calculer lcart entre les vecteurs dtat :
c(t )=x(t ) x(t )
c(t )= x(t )

x(t )
2- 6
14
B
u
B
A
C

x
z
A
C
^
x

L
w
1 w
2
-
e
^
z
c(t )=Ax(t )+Bu(t )| A x(t )+Bu(t )+Le(t )
c(t )=A| x(t )x(t )LC| x(t )x(t )
c(t )=| ALCc(t )
2- 7
Si les valeurs propres de A LC sont toutes dans le demi-plan complexe gauche, ce systme est
asymptotiquement stable et le vecteur derreur entre ltat x et ltat x tend exponentiellement
vers zro. On a construit un observateur : son tat tend x exponentiellement vers ltat x du
systme.
Pour raliser une commande retour de sortie, on peut donc utiliser un observateur dtat et
effectuer une commande retour dtat en utilisant ltat observ (tat de lobservateur).
Figure 2- 2 : structure de commande retour dtat observ
On peut alors crire les quations dtat :
x(t )=Ax(t )B K x(t )+w
1
( t )

x(t )=A x(t )| B K+LC x(t )+Lw

2
(t )+LC x(t )
2- 8
que lon peut mettre sous la forme :
15
B
u
B
A
C

x
z
A
C
^
x

L
w
1 w
2
-
e
^
z
- K
x(t )=A x(t )B K| x(t )c(t )+w
1
(t )
c(t )=| ALC c(t )+w
1
(t )Lw
2
(t )
2- 9
ou encore :
|
x(t )
c(t )

=
|
AB K B K
0 ALC

|
x(t )
c(t )

+
|
I 0
I L

|
w
1
(t )
w
2
(t )

2- 10
La matrice dvolution est bloc-triangulaire. Ses valeurs propres sont les valeurs propres des blocs
de la diagonale : | AB K ,| ALC . Les dynamiques du retour dtat dune part, et de
lobservateur dautre part, sont spares : on peut rgler les valeurs propres de la commande par la
matrice de retour dtat K, de faon indpendante des valeurs propres de lobservateur que lon
rgle par le choix de la matrice L. Cest le principe de sparation.
Le critre LQG de la relation (2-3) scrit :
J
LQG
=E

| x
T
(t ) Q x(t )+u
T
(t ) Ru(t ) dt
De lquation 2-6 on dduit
x=x+c
J
LQG
=E

|( x+c)
T
Q( x+c)+u
T
Ru dt
J
LQG
=E

| x
T
Q x+u
T
Rudt +2 E

| x
T
Qc dt +E

|c
T
Qc dt
2- 11
Comme x nest pas alatoire, il vient :
J
LQG
=

| x
T
Qx+u
T
Ru dt +2

| x
T
Q Ec dt+E

| c
T
Qc dt
2- 12
et donc si E c=0 (cest une variable alatoire centre), il vient :
J
LQG
=J
LQ
+E

|c
T
Qc dt
2- 13
o J
LQ
est un critre de type LQ, portant sur ltat x de lobservateur.
16
Lobservateur devra donc tre conu pour que la quantit
E

|c
T
Qc dt
soit la plus petite
possible.
Un tel observateur est un observateur optimal, de Kalman.
3 Lobservateur optimal de Kalman
Dans le critre de lquation 2-13, la matrice Q est symtrique dfinie positive, donc la quantit
c
T
Qc
est une forme quadratique :
c
T
Qc>0, c
2- 14
Le minimum de
E

|c
T
Qc dt
est obtenu pour la matrice L telle que la variance
E c
T
c
soit minimum.
Par ailleurs,
c
T
c
est le carr scalaire du vecteur c , cest donc une norme de la matrice
cc
T
.
En effet :
c
T
c=

i
c
i
2
=tr (cc
T
)
tr (cc
T
)=0

i
c
i
2
=0cc
T
=0
2- 15
tr (\cc
T
)=

i
\c
i
2
=\tr (cc
T
)
tr (c
1
c
1
T
+c
2
c
2
T
)=

i
(c
1, i
2
+c
2, i
2
)=

i
c
1, i
2
+

i
c
2, i
2
=tr (c
1
c
1
T
)+tr (c
2
c
2
T
)
La matrice L qui minimise la variance de lerreur dobservation minimise nimporte quelle norme
de la matrice Ecc
T
.
De lquation 2-1 et 2-2 reproduites ici,
x(t )=Ax(t )+Bu(t )+w
1
(t )
z (t )=C x(t )+w
2
(t )
, 1
ww
(t ,t)=V (t )6(tt)
on dduit, en utilisant la dfinition de la fonction dautocorrlation :
17
1
ww
(t ,t)=Ew(t )w
T
(t)=V (t ) 6(t t)
soit en formant le vecteur
w(t )=
|
w
1
(t )
w
2
(t )
, dans lequel on suppose que les bruits w
1
(t) et w
2
(t) sont
indpendants et stationnaires, on obtient :
Ew(t ) w
T
(t)=
|
V
1
0
0 V
2

6(t t)
2- 16
La matrice
V=
|
V
1
0
0 V
2

est une matrice de variance-covariance, constante, dans laquelle les

matrices V
1
et V
2
sont symtriques dfinies positives.
Les conditions initiales du systme ne sont pas connues : x(0) est un vecteur alatoire, que lon
caractrise par :
son esprance mathmatique Ex(0)=

x
0
,
sa matrice de variance-covariance E| x(0)

x
0
| x(0)

x
0

T
=Q
0
De lquation (2-9) on tire :
c(t )=| ALCc(t )+| I ;L
|
w
1
(t )
w
2
(t )
2- 17
avec la condition initiale : c(0)=x(0)x(0) .
Le vecteur x(0) reprsente la condition initiale de lobservateur : cest un vecteur que
lutilisateur doit dterminer pour rgler lobservateur. Lerreur dobservation c(t ) est un vecteur
alatoire de caractristiques :
Ec(t )=

c(t )
c(t )=c(t )+ c(t )
E c(t )=0
E c(t ) c
T
(t )=

Q(t )
Ec(t )c
T
(t )=c(t ) c
T
(t )+

Q(t )
2- 18
Le minimum dune norme de cette matrice de covariance est obtenu si les 2 termes (qui sont
positifs) sont minimums. Pour le premier, on cherche :

c(t )=0, t 0 2- 19
Or, puisque les bruits w
1
et w
2
sont centrs :
18

c(t )=| ALC

c(t ) ,

c(t )=| ALC c(t )+| I ;L

|
w
1
(t )
w
2
(t )
2- 20
A chaque instant t > 0 :

c(t )=e
| ALCt

c( 0) 2- 21
il faut et il suffit donc que :

c(0)=0, x(0)=

x
0
2- 22
Ltat initial de lobservateur doit donc tre rgl sur lesprance mathmatique de ltat initial du
systme.
Il reste trouver la matrice L qui minimise une norme de

Q(t )=E c(t ) c

T
(t ) .
Soient :

A=ALC

B=| I ;L
w(t )=
|
w
1
(t )
w
2
(t )
alors :

c=

A c+

Bw

c
T
= c
T

A
T
+w
T

B
T
2- 23
On peut calculer chaque instant :
c(t )=e

At
c(0)+

0
t
e

A(t t)

Bw(t)d t
c
T
(t )= c
T
(0) e

A
T
t
+

0
t
w
T
(t)

B
T
e

A
T
(t t)
d t
2- 24
En posant
19
1(tt)=e

A( tt)
2- 25
on peut calculer :

Q(t )=E1(t ) c(0) c

T
(0)1
T
(t )
+E1(t ) c(0)

0
t
w
T
(t)

B
T
1
T
(t t)d t
+E

0
t
1(tt)

Bw(t) d t c
T
(0)1
T
(t )
+E

0
t
1(tt)

Bw(t) d t

0
t
w
T
(t)

B
T
1
T
(t t) d t
2- 26

Q(t )=1(t ) E c(0) c

T
(0)1
T
(t )
+1(t )

0
t
E c(0) w
T
(t)

B
T
1
T
(tt)d t
+

0
t
1(t t)

B E w(t) c
T
(0)d t1
T
(t )
+E

0
t
1(t t)

B w(t) d t

0
t
w
T
(t)

B
T
1
T
(t t) d t
2- 27
Or, par causalit, lerreur initiale ne peut tre corrle avec les bruits dentre futurs :
E c(0) w
T
(t)=0
Ew(t) c
T
(0)=0
2- 28

Q(t )=1(t )

Q(0)1
T
( t )
+

0
t

0
t
1(t t)

B E w(t) w
T
(0)

B
T
1
T
(t0) d 0d t
2- 29

Q(t )=1(t )

Q(0)1
T
( t )
+

0
t

0
t
1(t t)

BV 6(0t)

B
T
1
T
(t0) d 0d t
2- 30

Q(t )=1(t )

Q(0)1
T
( t )
+

0
t
1(t t)

BV

B
T
1
T
(t t) d t
2- 31
Cette relation exprime la solution du systme diffrentiel :
20

Q(t )=

A

Q(t )+

Q(t )

A
T
+

BV

B
T
2- 32
(voir annexe).

Q( t )=| ALC

Q(t )+

Q(t )| ALC
T
+| I ;L
|
V
1
0
0 V
2
|
I
L
T

2- 33

Q( t )=| ALC

Q(t )+

Q(t )| A
T
C
T
L
T
+V
1
+LV
2
L
T
2- 34
La solution stationnaire exprime que la variance de lerreur dobservation est indpendante du
temps :
0=| ALC

Q+

Q| A
T
C
T
L
T
+V
1
+LV
2
L
T
2- 35
Si on pose (par analogie avec la commande LQ) :
L=

QC
T
V
2
1
2- 36
on obtient une quation de Riccati algbrique :
0=A

Q+

Q A
T
+V
1

QC
T
V
2
1
C

Q 2- 37
et la matrice hamiltonienne associe :
H=
|
A
T
C
T
V
2
1
C
V
1
A

2- 38
Un calcul semblable celui utilis au chapitre 1 permet donc de calculer la matrice L de
lobservateur de Kalman.
4 Solution du problme L.Q.G
La commande optimale retour de sortie du systme dfini par les relations 2-1 et 2-16
x(t )=Ax(t )+Bu(t )+w
1
(t )
z (t )=C x(t )+w
2
(t )
,
Ew(t ) w
T
(t)=
|
V
1
0
0 V
2

6(t t)

et le critre LQG de la relation 2-3 :
21
J
LQG
=E

| x
T
(t ) Q x(t )+u
T
(t ) Ru(t ) dt
est dfinie par la structure observateur/retour dtat, du schma de la figure 2-2, dans laquelle on
calcule les matrices K et L par les relations 1-44, 1-56, 2-36 et 2-37:
P A+A
T
P+QP B R
1
B
T
P=0
u(t )=K x(t )
K=R
1
B
T
P
L=

QC
T
V
2
1
0=A

Q+

Q A
T
+V
1

QC
T
V
2
1
C

Q
Remarque :
Dans MATLAB : CONTROL SYSTEM TOOLBOX :
[AF,BF,CF,DF] = LQG(A,B,C,D,W,V) , o
W=
|
Q 0
0 R

, V =
|
V
1
0
0 V
2

22
Annexe
Soit :
(t )=

o(t )
(t )
f ( x , t ) dx
o f ,
f
x
sont continues, et (t) et (t) sont diffrentiables, alors :
d (t )
dt
=

o(t )
( t )
f ( x , t )
x
dx+ f ((t ) ,t )
d
dt
(t )f (o(t ) , t )
d
dt
o(t )
La solution de lquation dvolution dun systme :
x(t )=e
a(t t
0
)
x(t
0
)+

t
0
t
e
a( tt)
Bu(t) d t ,
sa drive par rapport au temps scrit :
x(t )=ae
a(t t
0
)
x(t
0
)+

t
0
t
ae
a(t t)
Bu(t) d t+e
a( tt )
Bu(t )
cest--dire, si t
0
-t :
x(t )=a x(t )+Bu(t )
qui est bien lquation dvolution correspondante.
Pour trouver une quation dvolution dont lquation 2-31 ci-dessus serait la solution, il faut
successivement driver par rapport t, puis faire tendre t
0
vers t :

Q(t )=1(tt
0
)

Q(t
0
)1
T
(t t
0
)+

t
0
t
1(t t)

BV

B
T
1
T
(t t) d t
d
dt
1(t t
0
)

Q(t
0
)1
T
(t t
0
)=

A1(t t
0
)

Q(t
0
)1
T
(t t
0
)+1(t t
0
)

Q(t
0
)1
T
(tt
0
)

A
T
d
dt

t
0
t
1(t t)

BV

B
T
1
T
(t t) d t=

t
0
t

t
|1(t t)

BV

B
T
1
T
(t t) d t
+1(t t )

BV

B
T
1
T
(t t )
23
1(tt)=e

A( tt)
d
dt
1(t t)=

Ae
A(t t)
1(t t )=I
et donc :
lim
t
0
-t
d
dt

Q(t )=

A

Q(t )+

Q(t )

A
T
+

BV

B
T
24
Chapitre 3: De la commande modle interne au
systme augment
1 Introduction
Classiquement, le problme de la commande automatique de systmes sest pos en termes de
rgulation et asservissement. Lutilisateur final fixe une consigne que le systme automatis doit
atteindre, malgr la prsence de perturbations ou bruits divers. Ces objectifs de poursuite de
consigne et de rejet de perturbation sont spcifis dans un cahier des charges soumis au concepteur
de la loi de commande.
Le travail de lautomaticien est alors de confronter ce cahier des charges avec le systme physique
dont il doit assurer le contrle : la premire tape consiste en obtenir un modle mathmatique
directement utilisable (quation diffrentielle, fonction ou matrice de transfert, reprsentation
dtat, ...) pour la synthse du rgulateur (loi de commande). La dmarche gnrale peut tre
reprsente par le diagramme de la figure 1 ci-dessous.
Figure 3-1
25
modle
Spcifications
de boucle ferme
Rgulateur
Cahier des charges
du client
Systme rgler
synthse
identification Interprtation
technique
validation
Les dveloppements rcents des thories de la commande et des outils informatiques de calcul
numrique permettent dautomatiser cette dmarche, en dfinissant un modle augment
comportant un modle du systme rgler, un modle de son environnement (bruits, perturbations,
consignes, ...) ainsi quune description oprationnelle des spcifications.
La synthse du rgulateur se met alors sous la forme dun problme standard dfini par un critre
sur ce modle augment.
Cette dmarche se rsume par le diagramme de la figure 2.
Figure 3-2
La rsolution du problme standard se fait par optimisation sous contrainte du critre.
26
modle
Spcifications
de boucle ferme
Rgulateur
Cahier des charges
du client
Systme rgler
identification Interprtation
technique
validation
Bruits
et
consignes
Rsolution du problme standard
Systme augment
critre
2 Le modle interne de Francis et Wonham.
Bibliographie:
The Internal Model Principle for Linear Multivariable Regulators, Francis & Wonham, Applied
Mathematics & Optimization, Vol. 2, n 2, 1975.
Linear Multivariable Control, a Geometric Approach, Wonham, Springer Verlag, New York
1974.
2.1 Le principe du modle interne.
"Une synthse de rgulateur nest structurellement stable que si le rgulateur utilise en feedback les
variables rgules et incorpore, dans la boucle ferme, un modle convenablement recopi de la
structure dynamique du signal exogne que le rgulateur est cens contrler."
Exemple lmentaire:
Soit un systme linaire, stationnaire, monovariable (Single Input Single Output) dcrit par une
fonction de transfert F(p). Lutilisateur dsire que l'effet de la prsence ventuelle dune
perturbation constante (offset) sur la commande de ce systme n'engendre pas d'erreur asymptotique
entre la rfrence et la sortie.
La structure de la commande en boucle ferme est dcrite par la figure 3:
Figure 3-3
La "structure dynamique" de la perturbation est :
D( p)=
1
p

La synthse est dite "structurellement stable" si et seulement si :
lim
t -
c(t )=0
.
Il est bien connu que cette erreur asymptotique est nulle si et seulement si le rgulateur C(p)
contient (au moins) un intgrateur. Cet intgrateur est le modle interne de la perturbation.
C( p)=
1
p
C ' ( p) , avec lim
p -0
C' ( p)0.
27
F(p)
C(p)
-
r
d
y
c
2.2 Reprsentation gnrale.
Le systme rgler (SAR) est reprsent par le modle d'tat temps continu (mais aussi bien
temps discret ou temps pseudo-continu) linaire invariant (Linear Time Invariant, LTI):
x=
|
x
1
x
2

, est le vecteur d'tat, comprenant d'une part la partie commandable (stable ou instable) et
la partie non commandable stable x
1
(n
1
x 1) et d'autre part la partie non commandable instable (de
la perturbation) x
2
(n
2
x 1).
L'quation d'volution s'crit:
|

x
1
x
2

=
|
A
11
A
12
0 A
22

|
x
1
x
2

+
|
B
1
0

u
2
+
|
6
1
6
2

3-1
o:
6( n
1
+n
2
1)A est un vecteur d'impulsions de Dirac (ou bien reprsente les conditions
initiales);
u
2
( m1)U est le vecteur des commandes (issu du rgulateur);
x
1
( n
1
1)X
1
;
x
2
(n
2
1)X
2
;
L'quation des sorties :
|
y
1
y
2

=
|
C
11
C
12
C
21
C
22

|
x
1
x
2

3-2
o:
y
1
( p
1
1)Y
1
est le vecteur des variables rgler;
y
2
( p
2
1)Y
2
est le vecteur des mesures utilises par le rgulateur).
La figure 4 reprsente le schma-bloc correspondant:
28
Figure 3-4
Commentaires:
1. Le sous-systme dont le vecteur d'tat est x
2
reprsente les dynamiques des entres exognes:
les signaux de consigne ou rfrences;
les signaux de perturbation et bruits d'tat, de sortie, de mesure.
2. Le vecteur 6 reprsente des impulsions de Dirac assurant la mise en conditions initiales non
nulles.
3. La matrice d'volution A
22
de ce systme a toutes ses valeurs propres dans le demi-plan ferm
droit. Les ventuelles dynamiques stables (asymptotiquement) des signaux exognes sont
incluses dans le systme de matrice d'voluions A
11
.
Il faut galement reprsenter le rgulateur:

x
R
=A
R
x
R
+B
R
y
2
3-3
u
2
=C
R
x
R
+D
R
y
2
o:
x
R
( n
R
1)X
R
est le vecteur d'tat du rgulateur.
En boucle ferme, l'tat du systme command est dfini par :
x
BF
=
|
x
1
x
R

X
BF
=X
1
X
R
et les quations :
29
A22
C21
C12
C22
C11
B1
A11
A12
u2
x2
x1
y1
y2

.
6
2
6
1
x
BF
=
|
A
11
+B
1
D
R
C
21
B
1
C
R
B
R
C
21
A
R

x
BF
+
|
A
12
+B
1
D
R
C
22
B
R
C
22

x
2
+
|
6
1
0

3-4
y
1
=C
11
x
1
+C
12
x
2
3-5
y
2
=C
21
x
1
+C
22
x
2
. 3-6
La figure 3- 5 reprsente le systme boucl.
2.3 Spcifications.
Stabilit de la boucle:
x
BF
(0) , x
BF
(t ) -
t -
0, si x
2
(0)=0.
3-7
Rgulation de la sortie:
y
1
(t ) -
t -
0 ; x
BF
(0) , x
2
(0).
3-8
30
Figure 3-5
2.4 Dtectabilit
La spcification de rgulation porte sur le vecteur y
1
(t), qui contient donc les variables rgler. Les
entres du rgulateur sont les sorties des capteurs, contenues dans le vecteur y
2
(t) des mesures. Il
faut donc s'assurer que ces mesures contiennent les informations ncessaires sur les variables
rgler, et en particulier que :
y
2
(t )=0y
1
(t )=0 . 3-8
Il faut donc:
|C
21
C
22

|
x
1
x
2

=0| C
11
C
12

|
x
1
x
2

=0,
c'est dire:
31
A22
C21
C12
C22
C11
B1
A11
A12
u2
x2
x1
y1
y2

.
CR
DR
AR
BR

.
xR
6
2
6
1
|
x
1
x
2

Ker | C
21,
C
22

|
x
1
x
2

Ker | C
11,
C
12

et donc:
Ker | C
21
C
22
Ker | C
11
C
12
3-9
On dit alors que la paire (| C
21
C
22
,|C
11
C
12
) est dtectable.
Il en rsulte qu'il existe une transformation Q telle que:
y
1
=Q y
2
.
La relation (10) implique que la dimension de y
2
est plus grande que celle de y
1
. ( p
2
p
1
)
Il existe donc un sous-espace W de Y
2
, qui vrifie:
Y
2
=Y
1
W 3-10
La transformation Q est donc une projection de Y
2
sur Y
1
, et on peut crire:
|C
21
,C
22
=
|
E
1
E
2
C
11
C
12

3-11
y
2
=
|
w
y
1

3-12
o
w=E
1
x
1
+E
2
x
2
. 3-13
Il est donc clair que le vecteur des mesures doit contenir les informations sur les variables rgler.
2.5 Le modle interne.
La figure 6 ci-dessous montre le schma de synthse canonique : l'tat du rgulateur x
R
est scind en
2 parties :
x
R
=
|
x
R1
x
R2

Le principe du modle interne est vrifi si:

32
les modes de la perturbation instable (les valeurs propres de A
22
) sont recopis dans le rgulateur,
commandables de y
1
et observables de u
2
. Il suffit que ces modes correspondent aux valeurs
propres de A
R2
. La dimension de cette matrice doit tre au moins gale la dimension de y
1
.
Remarque: Il ne s'agit ici que de condition suffisante. Le thorme nonce une condition ncessaire
et suffisante plus technique.
Figure 3-6
33
A22
E1
C12
E2
C11
B1
A11
A12
u2
x2
x1
y1
w

.
CR1
DR1
AR1
BR1

.
xR1
CR2
DR2
AR2
BR2

.
xR2
y2
AR21
u1
Exemple.
Soit le systme:

x
1
=A
1
x
1
+B
1
u
2

x
2
=A
2
x
2
+B
2
u
1
y
1
=C
1
x
1
+C
2
x
2
avec A
1
=
|
0 1
1 2

, B
1
=
|
0
3

,C
1
=| 1,0 , A
2
=
|
0 1
1 0

, B
2
=
|
0
1

,C
2
=|1, 0
Le signal C
2
x
2
est de la forme sin(ot ) , de pulsation 1 rad/s mais d'amplitude inconnue (qui
dpend de la condition initiale).
L'objectif de commande est d'annuler asymptotiquement le signal y
1
(t).
On suppose par ailleurs (dans un premier temps) que l'on peut mesurer l'tat x
1
.
On va donc raliser un systme augment, comportant un modle interne du gnrateur de bruit
sinusodal, puis calculer la commande optimale LQ sur l'tat augment.
La figure 3- 7 donne le schma-bloc.
Figure 3-7
34
A2
C2
C1
B1
A1
u2
x2
x1
y1
6

.
K1
K2
AR2
BR2

.
xR2
d
Le modle interne de la perturbation est ici :

x
R2
=A
R2
x
R2
+B
R2
y
1,
A
R2
=A
2,
B
R2
=B
2
.
Le modle d'tat du systme augment s'crit donc:
|
x
1

x
R2

=
|
| A
1

0 0
0 0
| B
R2
. C
1
| A
R2

.
|
x
1
x
R2

+
|
| B
1

0
0

.
|
u
2

On peut alors se donner le critre LQ sur cet tat augment:

J
LQ
=

| x
1
T
, x
R2
T
Q
|
x
1
x
R2

+Ru
2
2
dt , Q=
|
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

, R=2.
Le rsultat donne alors les matrices de retour de l'tat augment:
K
1
=| .2 ,.2/ 2 , K
2
=|0,6933 , 0,7207 .
Les simulations numriques montrent:
1. L'volution de y
1
:
35
Figure 3-8
36
2. l'volution de la commande u
2
:
Figure 3-9
Cette dernire figure 9 montre que la commande ne tend pas asymptotiquement vers zro, mais
reproduit un signal sinusodal.
37
On peut galement tracer le diagramme de Bode de la boucle ferme entre le signal de bruit d et la
sortie y
1
. On constate un "trou" dans cette rponse frquentielle la pulsation 1 rad/s, pulsation
correspondant au bruit rejeter.
Figure 3-10
L'incorporation du modle interne de la perturbation a gnr les zros de transmission dans la
boucle ferme, ncessaires la simplification des ples instables du gnrateur de bruit. Les modes
oscillants de ce gnrateur sont donc rendus inobservables de la sortie.
Cependant, la figure 9 montre que ce signal de bruit est reproduit sur la commande : dans le cas de
bruits instables divergents (de type exponentiel) la commande est galement divergente. Ce qui
conduit (ventuellement) la saturation des actionneurs.
Toutefois, ce schma de commande modle interne est intressant du point de vue de poursuite
asymptotique de consigne.
3 Commandes LQG sur modle augment.
Bibliographie:
Linear Optimal Control Systems, Kwakernaak & Sivan, Wiley 1972.
Linear Systems, Kailath, Englewoods Cliffs, NJ, Prentice-Hall 1979.
Multivariable feedback design, J. M. Maciejowski, Addison Wesley 1989.
38
3.1 Rappels
Le problme Linaire Quadratique Gaussien consiste trouver le retour d'tat et l'observateur
optimaux vis vis d'un critre stochastique. L'hypothse fondamentale est que les bruits sont blancs
et gaussiens.
Soit le systme :

x=A x+Bu+w 3-14

y=C x+v
Les bruits w et v sont supposs indpendants, blancs et gaussiens, c'est dire :
E
|
w(t )
v(t )

| w
T
(t) , v
T
(t)

=
|
W 0
0 V

6(t t)
3-15
Les matrices W ( n x n) et V (l x l) sont les matrices de covariance des bruits, donc symtriques,
dfinies positives.
La commande LQG stationnaire ( horizon infini) consiste calculer le retour d'tat K et le gain
d'observateur L tel que le critre
J
LQG
=E

| x
T
Q x+u
T
Ru dt
soit minimis.
Le schma-bloc est :
Figure 3-11
39
A
C
x
y
w

.
v
B
u
K
AR
L

.
BR
CR
xR
-
-
3.2 LQG modle interne
Lorsque l'tat de la partie commandable n'est pas mesurable et/ou bruit, il convient d'implanter un
observateur optimal.
Soit le systme:

x
1
=A
1
x
1
+B
1
u
2
+G w

x
2
=A
2
x
2
+B
2
u
1
3-16
y=C
1
x
1
+C
2
x
2
+v
avec
A
1
=
|
0 1
1 2

, B
1
=
|
0
3

,G=
|
1
1

, C
1
=| 1, 0 , A
2
=
|
0 1
1 0

, B
2
=
|
0
1

, C
2
=| 1,0 .
Comme prcdemment, le modle d'tat du systme, augment du modle interne, s'crit:
|
x
1

x
R2

=
|
| A
1

0 0
0 0
| B
R2
. C
1
| A
R2

.
|
x
1
x
R2

+
|
| B
1

0
0

.
|
u
2
3-17
On construit l'observateur de la partie commandable :

x
R1
=A
R1
x
R1
+B
R1
u
2
+L
1
c
c=yC
R1
x
R1
avec
A
R1
=
|
0 1
1 2

, B
R1
=
|
0
3

La matrice L
1
minimise la variance:
J
obs
=E

| x
1
x
R1

T
| x
1
x
R1
dt ,
avec :
E
|
w(t )
v(t )

| w(t) , v(t)

=
|
0.01 0 0
0 0.01 0
0 0 0.01

6(t t)
On obtient ainsi les matrices de gain:
40
L
1
=
|
1,423
0,513

, K
1
=| 1,4140 ; 0,7071 , K
2
=| 0,6933; 0,7207
.
Figure 3-12
41
A2
C2
C1
B1
A1
u2
x2
x1
y
w

.
K1
K2
AR2
BR
2

.
xR2
AR1
L1

.
BR1
CR1
xR1
-
v
B2
G
u
1
Les rsultats de simulation:
1. L'volution de y
1
:
Figure 3-13
2. l'volution de la commande u
2
:
Figure 3-14
42
3.3 Bruit color.
On appelle bruit color le signal de sortie d'un systme dynamique (linaire stationnaire): le filtre
formeur du bruit, dont l'entre est un bruit blanc.
Ainsi, on peut gnraliser la notion de systme bruit selon le schma de la figure 15, o w est un
bruit color de sortie et v un bruit de mesure :
Figure 3-15
Ce schma-bloc reprsente le modle augment du systme rgler et des bruits. Les entres d, u
11
et u
12
sont supposes tre des bruits blancs gaussiens (indpendants), tels que :
E
|
d (t )
u
11
(t )
u
12
(t )

| d
T
(t) , u
11
T
(t) , u
12
T
(t)

=
|
V 0 0
0 U
11
0
0 0 U
12

6(t t)
3-18
Ce modle augment a pour quations d'tat :
|
x
b1

x
b2

x

=
|
A
b1
0 0
0 A
b2
0
0 0 A
|
x
b1
x
b2
x

+
|
0
0
B

u
2
+
|
B
b1
0
0 B
b2
0 0

|
u
11
u
12

3-19
43
A
C
x
y1
w

.
v
B
u2
Ab1
Cb1
xb1

.
Bb1
u11
Ab2
Cb2
xb2

. Bb2
u12
y2
d
y
1
=
|
0, C
b2
,C

|
x
b1
x
b2
x

3-20
y
2
=
|
C
b1
, C
b2
, C

|
x
b1
x
b2
x

+d
3-21
On crit donc ce modle sous la forme condense :

x
aug
=A
aug
x
aug
+B
aug 1
u
1
+B
aug 2
u
2
|
y
1
y
2

=
|
C
aug 1
C
aug 2

x
aug
+
|
0
I

d
3-22
Le critre LQG :
J
LQG
=E

| y
1
T
Q y
1
+u
2
T
Ru
2
dt 3-23
ou encore:
J
LQG
=E

| X
T
Q
c
X +u
2
T
Ru
2
dt
avec :
X =
|
x
b1
x
b2
x

, Q
c
=C
aug 1
T
QC
aug 1
o Q
c
est symtrique dfinie positive si Q l'est,
permet de calculer:
la matrice K de retour d'tat :
K=R
1
B
aug 2
T
P
c
3-24
o P
c
est solution de l'quation algbrique de Riccati :
P
c
A
aug
+A
aug
T
P
c
+Q
c
P
c
B
aug 2
R
1
B
aug 2
T
P
c
=0 3-25
la matrice L de gain de l'observateur :
44
L=P
f
C
aug 2
V
1
3-26
o P
f
est solution de l'quation algbrique de Riccati :
A
aug
P
f
+P
f
A
aug
T
+Q
f
P
f
C
aug 2
T
V
1
C
aug 2
P
f
=0 3-27
dans laquelle :
Q
f
=B
aug 2
|
U
11
0
0 U
12

B
aug 2
T
. 3-28
Le rgulateur est de la forme reprsente la figure 16:
Figure 3-16
On peut alors crire :
u
2
( p)=K| p I A
aug
LC
aug 2
B
aug 2
K
1
L y
2
( p) 3-29
4 Le problme standard.
On peut gnraliser les procdures prcdentes pour donner une formulation gnrique du problme
de commande optimale: c'est le problme standard.
45
K
Aaug
L

.
Baug 2
Caug 2
xR1
-
u2 y2
-
Figure 3-17
Le systme P contient :
le modle du systme rgler;
les modles de bruit et des rfrences ou consigne;
les pondrations reprsentant les objectifs de commande.
Les vecteurs exognes sont :
u
1
: contient les entres ;
y
1
: contient les variables rgler, les erreurs minimiser, etc : doivent vrifier la proprit de
dtectabilit depuis le vecteur des mesures.
Les vecteurs endognes sont :
u
2
: vecteur des commandes qui doivent rester bornes, si possible infrieures aux niveau des
saturation d'actionneur ;
y
2
: vecteur des mesures.
Le problme standard d'optimisation consiste calculer le rgulateur K selon une procdure
d'optimisation adapte au critre de performance.
Si le critre est de type temporel, on utilisera l'optimisation LQG. On va cependant montrer au
chaptre 6 qu'il existe une formulation frquentielle quivalente utilisant la norme L
2
des matrices de
transfert.
La norme L
2
de matrice de transfert est une norme qui value le gain en nergie du vecteur de
signaux de sortie par rapport au vecteur d'entre. Ce gain est une intgrale sur l'espace des
frquences. Il en rsulte que le minimum de cette norme est un rsultat global, obtenu "en
moyenne" sur l'ensemble des frquences.. Il est en particulier pratiquement impossible de modeler
prcisment les sensibilits dans des plages rduites de frquences.
Ds 1981, Zames, Doyle et Athans (et quelques autres) ont utilis la norme H

pour exprimer le
critre d'optimisation. La solution numrique au problme d'optimisation n'a t publie qu'en 1989,
par Glover, Doyle, Kargonekar et Francis.
46
P
- K
u
1
y
2
y
1
u
2
Chapitre 4 : Commande Robuste monovariable :
Aspects frquentiels
1 Robustesse et dsensibilisation
La commande L. Q. est une commande retour dtat, calcule sur un modle, suppos parfait et non bruit,
du systme rgler. Lintroduction dun observateur de Kalman a permis de relcher lhypothse de
mesurabilit de ltat, tout en prenant en compte lexistence de bruits supposs blancs et gaussiens.
Cependant, llaboration de la commande L.Q.G. utilise un modle dtat, dont on connat
parfaitement lordre (les dimensions des matrices) ainsi que les valeurs numriques prcises des
coefficients de ces matrices. Dans la ralit, les modles ne sont que des reprsentations simplifies
des comportements mesurables des systmes : il est donc ncessaire de rflchir aux performances
rellement atteintes par ces commandes lorsquon les applique au systme rel.
On peut galement prendre en compte ce problme lors de la conception de la commande. Pour cela
il existe 2 approches trs diffrentes :
La Dsensibilisation : on cherche minimiser un critre du type :

6 performance
6modle

dans lequel : 6 performance est une mesure dcart de performance obtenu pour un cart de
modle 6 modle.
Un tel critre est un critre local, qui na de sens que pour un cart de modle petit, dont on ne peut
prciser une limite.
La Robustesse : une commande est dite robuste si on peut garantir la satisfaction dun certain
niveau de performances malgr la prsence derreur (borne) de modle (notion dincertitude).
La robustesse a un caractre global.
Exemple de dsensibilisation :
Soit un systme monovariable P et son modle P
0
. Soit P lerreur de modle, selon la
relation :
P=P
0
(1+6 P) 4-1
Soit R un rgulateur calcul sur le modle P
0
. Ce rgulateur permettait dobtenir la fonction de
transfert de boucle ferme (sensibilit complmentaire):
T
0
=
P
0
R
1+P
0
R
4- 2
La fonction de transfert en boucle ferme correspondant au schma de la figure 4-1 scrit :
T =
P R
1+P R
4- 3
47
Figure 4- 1 Schma fonctionnel de boucle ferme
Si on crit :
T=T
0
(1+6T ) 4- 4
on peut calculer :
6T=
T
T
0
1=
1
1+R P
6 P
4- 5
La fonction de transfert :
S=
1
1+R P
4- 6
est appele fonction de sensibilit.
Si la quantit T reprsente lcart de performance de la boucle ferme, et P lcart de
modle, alors la dsensibilisation est dautant meilleure que le rapport
6T
6 P
est petit, cest--dire
que lon cherche minimiser :
S=

1
1+RP

. 4- 7
Bien entendu, il faut respecter la contrainte de stabilit, et on ne peut obtenir S1 que dans une
bande de frquences limite. Dans cette bande de frquences, il suffit alors dassurer
que R P1 : cest la dsensibilisation par grand gain.
Exemple du rgulateur action intgrale : si R p ( ) est un rgulateur action intgrale, alors on peut
lcrire sous la forme R( p)=R' ( p)/ p . Il est alors bien connu que le gain statique de la boucle
ferme (sensibilit complmentaire T) vaut 1, quel que soit le gain statique du systme. En effet :
lim
p-0
S=0lim
p-0
T=1
. 4- 8
2 Description des incertitudes
Dans le cadre de la commande robuste, il est ncessaire de prciser lensemble des modles possibles
reprsentant le systme commander. Un tel ensemble est dfini par un modle nominal et un domaine
dincertitude :
PH( P
0
, AP) 4- 9
48
R
P
-
2.1 Origine des erreurs de modle
Les systmes physiques sont essentiellement des systmes dynamiques non linaires, dont on
approxime le comportement par celui dun modle linaire, plus ou moins proche.
Le systme non linaire peut fonctionner autour de plusieurs points dquilibre (points de
fonctionnement, dans lespace dtat) au cours de son volution normale : on peut alors calculer en
chaque point un modle linaire tangent par drivation au premier ordre. Lensemble des modles
possibles doit donc contenir lensemble de ces modles linariss.
Certains paramtres de modle linaire peuvent changer de valeur par saut (cest le cas de linertie
dun bras de robot qui prend un objet pesant) : lensemble des modles possibles doit alors contenir
les diffrents modles correspondant aux valeurs possibles de ces paramtres.
Souvent les modles sont obtenus (ou cals ) partir didentification utilisant des mesures
dentre-sortie (analyse harmonique, moindres carrs ou autres). Dans ce cas, les erreurs ou bruits
de mesure induisent des erreurs de modles quil faut quantifier. En gnral le rapport signal/bruit
des signaux se dgrade en haute frquence : les modles sont donc imprcis ces hautes frquences
Les modles linaires utiliss pour la synthse de commande, sont souvent des modles dordre
fini et rduit, alors que les systmes physiques sont souvent dordre infini (paramtres rpartis ou
systmes retard). Il faut donc caractriser cette erreur de troncature (dynamiques non modlises)
et la borner.

2.2 Structuration dincertitudes
On distingue 2 types dincertitudes
- Les incertitudes structures : ce sont les incertitudes sur les paramtres de modle.
- Les incertitudes non structures : ce sont les incertitudes sur les rponses de systmes.
2.2-1 Incertitudes structures
Il y a 2 types dincertitudes structures :
- Les incertitudes fortement structures : Les incertitudes sont donnes sur les paramtres
physiques ( m=m0 Am) .
- Les incertitudes faiblement structures : Les incertitudes sont donnes sur les paramtres de
modle.
Exemples:
fonction de transfert :
G( p)=
b
m
p
m
+b
m1
p
m1
+...+b
1
p+b
0
a
n
p
n
+a
n1
p
n1
+...+a
1
p+1
pour (i = 1, 2, 3, , n), a
i
=a
i
( 0) o0 est un vecteur de paramtres physiques. Chaque a
i
est de
la forme a
i
=a
i0
Aa
i
.
49
modle dtat :
x(t )=Ax(t )+Bu(t )
z(t )=C x(t )
A=A
0
+AA
B=B
0
+AB
C=C
0
+AC
Cette description dincertitude est moins prcise que la structuration forte.
2.2-2 Incertitudes non structures
Ces incertitudes dfinissent des domaines dappartenance dune rponse de type :
rponse transitoire un chelon.
rponse transitoire une impulsion.
rponse frquentielle.
Ces incertitudes sont facilement observables et quantifiables. De plus elles contiennent les
incertitudes sur les grandeurs physiques (incertitudes structures) et elles peuvent tenir compte des
dynamiques ngliges.
2.3 Reprsentations dincertitudes
On utilise les formes additives et les formes multiplicatives :
additives :
P( j o)=P
0
( j o)+6
a
( j o) ,
6
a
( j o)A
a
(o)
4- 10
multiplicatives :
P( j o)=P
0
( j o)| 1+6
m
( j o) ,
6
m
( j o)A
m
(o)
4- 11
A chaque valeur de pulsation on reprsente lensemble H( P
0
( j o) , A
m
(o)) par un disque dans
le plan complexe (figure 4-2).
On peut donc tracer un tel disque autour de chaque point du lieu de Nyquist de P
0
( j o) , et on
obtient un tube qui contient tous les lieux de Nyquist possibles (figure 4-3).
50
A cause des dynamiques ngliges, des retards non reprsents et plus gnralement de la difficult
didentifier prcisment les systmes dans les frquences leves ( cause de la diminution des
gains et donc de la dgradation des rapports signal/bruit des signaux issus des capteurs),
lincertitude crot avec la frquence, selon une courbe qui a, en gnral, lallure de la figure 4-4.



P
0
( j o)A
m
(o)
Figure 4- 2 : Ensemble des valeurs de P la frquence
Figure 4-3 : Ensemble des lieux de Nyquist possibles.
51
Im
Re
0

3
Im
Re
Figure 4- 4: allure de la reprsentation frquentielle de lincertitude multiplicative.
Remarques :
1 Les incertitudes structures ne remettent pas en cause le comportement frquentiel
asymptotique. Elles interviennent dans la bande passante du systme, cest--dire la
plage de frquences dans laquelle la structure du modle est bien connue (ordre fini).
2 Les incertitudes non structures sont prpondrantes dans les hautes frquences, cest-
-dire dans les plages de frquences o le rapport signal/bruit des mesures est faible et
o les modles de connaissance sont imprcis du fait des dynamiques ngliges et de
lapproximation inhrente aux lois de la physique.
3 Par consquent, la notion de comportement frquentiel asymptotique est remettre en
cause : les modles dordre fini et connu ne constituent quune approximation qui nest
utilisable que dans une plage de frquences limite.
3 Description de performances
3.1 Stabilit de la boucle ferme
La stabilit du systme command est la premire performance exige. Dans le cadre de la
commande en boucle ferme de systmes linaires monovariables partir de modles exacts, les
mthodes habituelles danalyse de stabilit de boucle ferme suffisent :
- lieu des racines,
- plan de phase,
- critre de Nyquist
- critres algbriques,
Sil sagit de commande robuste, la premire exigence est la robustesse de la stabilit. Ds les
travaux de Bode et Nyquist (1930-1950) cette exigence est prsente travers les notions de marge
de stabilit : marge de gain et marge de phase. Dans lapproche moderne (1980-) les marges de
stabilit doivent tre spcifies en fonction des incertitudes, pour garantir de faon certaine la
stabilit.
On peut ainsi formuler un critre de Nyquist robuste :
52
20 log (
m
())

log()
Si :
1. le systme incertain et son modle nominal ont le mme nombre de ples partie relle
positive,
2. le lieu de Nyquist de la boucle ouverte nominale (rgulateur + modle nominal) vrifie le
critre de Nyquist (nombre de tours encerclant le point (-1, 0) gal au nombre de ples partie
relle positive), cest--dire que la boucle ferme nominale est stable,
3. le point critique (-1, 0) est lextrieur de tous les disques dincertitudes (contenant de faon
certaine le systme incertain) centrs sur le lieu de Nyquist nominal (figure 4-2),
alors la boucle ferme de commande du systme incertain est stable : on parle de stabilit
robuste.
Il est en effet vident que le lieu de Nyquist de la boucle ouverte relle fait le mme nombre de
tours encerclant le point critique que la boucle ouverte nominale, et le critre de Nyquist est donc
vrifi.
Thorme 4-1 : cas dincertitudes multiplicatives non structures
Soit P( j o) la fonction de transfert dun systme incertain, P
0
( j o) un modle nominal de
ce systme, alors, soit :
(i) R( j o) est la fonction de transfert dun rgulateur qui stabilise (en boucle
ferme) le modle P
0
( j o) ,
(ii) Lensemble des systmes possibles est dcrit par des incertitudes multiplicatives
non structures : P( j o)=P
0
( j o)| 1+6
m
( j o) ,6
m
( j o)A
m
(o) ;
(iii) P( j o) et P
0
( j o) ont le mme nombre de ples partie relle positive,
Le rgulateur R( j o) stabilise certainement P( j o) si et seulement si :
o;1+P
0
( j o) R( j o)>P
0
( j o) R( j o)A
m
(o) . 4- 12
Remarque :
ce thorme impose de fixer une marge de stabilit suffisante pour stabiliser le systme dans le cas
le plus contraignant.
Thorme 4-2 : cas dincertitudes additives non structures
Soit P( j o) la fonction de transfert dun systme incertain, P
0
( j o) un modle nominal de
ce systme, alors, soit :
(i) R( j o) est la fonction de transfert dun rgulateur qui stabilise (en boucle
ferme) le modle P
0
( j o) ,
(ii) Lensemble des systmes possibles est dcrit par des incertitudes additives non
structures : P( j o)=P
0
( j o)+6
a
( j o) ,6
a
( j o)A
a
(o) ;
(iii) P( j o) et P
0
( j o) ont le mme nombre de ples partie relle positive,
Le rgulateur R( j o) stabilise certainement P( j o) si et seulement si :
o;1+P
0
( j o) R( j o)>A
a
(o) . 4- 13
Corollaire 4-1 : cas dincertitudes multiplicatives non structures
Le choix de la frquence au gain unit de la boucle ouverte (crossover frequency) est impos par le
53
profil frquentiel de lincertitude. En effet, si o
0
est la frquence au gain unit de la boucle
ouverte, elle vrifie :
P
0
( j o
0
) R( j o
0
)=1 4- 14
et il faut donc choisir o
0
telle que :
A
m
(o
0
)2 . 4- 15
Corollaire 4-2 :
Le choix a priori de o
0
et de la marge de phase nominale M
1
impose une valeur maximale
lincertitude :
A
m
(o
0
)2sin(
M

2
) 4- 16
Il faut donc soigner lidentification pour obtenir la prcision requise par le niveau de performance
spcifi.
3.2 Rgulation
Le premier objectif dun systme de rgulation est la rduction des effets des signaux perturbateurs
(bruits) sur les grandeurs rgler. Dans lapproche linaire, les signaux perturbateurs sont
reprsents par des signaux additifs sur lentre (biais ou offset dactionneur, couple induit par un
coup de vent en aronautique, ), ltat ou la sortie. Pour simplifier la prsentation, nous ne
traiterons, dans ce chapitre, que la perturbation de sortie sur un systme monovariable.
La structure de rgulation est prsente la figure 4-5 ci-dessous. Le problme est donc de
concevoir le rgulateur R tel que le signal de perturbation de sortie d affecte peu la sortie z.
Figure 4- 5 : Schma fonctionnel de rgulation de sortie.
Dans le domaine frquentiel, on peut dfinir une fonction m( o) , relle positive, dont la valeur
soit une borne suprieure au transfert z/d :

z ( j o)
d ( j o)

m(o) ; o 4- 17
54
R
P
-
d
z
soit :
S( j o)=

1
1+P( j o) R( j o)

m(o) , o
4- 18
Cette fonction doit vrifier les contraintes :
m(o)1 si o-0
m(o)1 si o-
4- 19
Pour le rejet exact de perturbation constante on imposera :
lim
o-0
m(o)=0
. 4- 20
La figure 4-6 donne lallure dune telle fonction cible.
Figure 4- 6: allure de la fonction m(o) .
Remarque :
On peut comparer les relations 4-17, 4-18, 4-19 et 4-20 avec les relations 4-7 et 4-8 : en basses
frquences, une bonne rgulation assure une bonne dsensibilisation aux erreurs
paramtriques (dcrites par des incertitudes structures).
3.3 Compromis performances / robustesse
On distingue gnralement 3 plages de frquences distinctes :
a) les frquences basses , correspondent la plage de frquences o le systme rgler est bien
modlis : les incertitudes sont faibles et la boucle ouverte peut donc prsenter un gain important
(voire un ou plusieurs intgrateurs) ;
b) les frquences intermdiaires o les incertitudes croissent, imposant de diminuer le gain de
boucle ouverte et de prendre en compte les marges (gain, phase) ;
c) les frquences leves o la contrainte de robustesse impose de diminuer le gain de boucle
ouverte.
55

1
0 dB
m()
Log
Dans les frquences basses : oo
b
;m(o)1
La relation 4-18 est vrifie si :
R( j o) P( j o)
1
m(o)
4- 21
puisque
R( j o) P( j o)1R( j o) P( j o)1+R( j o) P( j o) 4- 22
Dans les frquences hautes : o>o
A
; A
m
(o)>1
La relation 4-12 est vrifie si :
R( j o) P( j o)
1
A
m
(o)
4- 23
puisque
R( j o) P( j o)11+R( j o) P( j o)1 4- 24
Dans les frquences intermdiaires : o
b
oo
A
Il faut vrifier les relations 4-12, 4-15 et 4-16, cest--dire que la frquence au gain unit de boucle
ouverte,
0
, doit tre fixe dans cet intervalle, de faon pouvoir respecter la marge de phase
spcifie.
On peut reprsenter cet ensemble de contraintes sur le lieu de Bode du module de la boucle
ouverte :
R( j o) P( j o)
dB
Figure 4- 7 : Contraintes sur le lieu de Bode du module de la boucle ouverte.
56

Log
1
A
m
( o)
1
m
(o)
3.4 Conclusion
Les tapes des mthodes modernes de synthse de commande robuste :
- dfinition dincertitudes (lies au processus didentification),
- contraintes sur la commande (saturation dactionneurs, ),
- contraintes de stabilit robuste (dcroissance du gain en hautes frquences : roll-off),
- spcification des performances (bande passante de boucle ferme, gain en basses frquences).
57
58
Chapitre 5 : Systmes Linaires Multivariables,
reprsentations et quelques proprits.
1 Reprsentation dtat et matrice de transfert
Un systme dynamique linaire peut tre dcrit par un modle dtat du type de la relation 1-3 que
lon gnralise ici en reprsentant un transfert direct de lentre vers la sortie :
x(t )=Ax(t )+Bu(t )
z(t )=C x(t )+Du(t )
5- 1

x(t) : vecteur dtat, dim x(t) = n 1
u(t) : vecteur de commande de dimension : l 1, o l est le nombre dactionneurs.
z(t) : vecteur des grandeurs rgler, dim z(t) = m 1
A : matrice dtat du systme, dim A = n n
B : matrice de commande, dim B = n l
C : matrice dobservation, dim C = m n
D : matrice de transfert direct, dim D = m l
On peut grouper les 2 quations matricielles en une :
|
x
z

=
|
A B
C D
|
x
u

5- 2
et on peut le reprsenter par le schma fonctionnel :
Figure 5- 1: schma fonctionnel
En fait, lentre x dpend de la sortie x :
59
A B
C D
x
u z

x(t )=
d
dt
x(t ) x( p)=
1
p
L

x(t ) 5- 3
do le schma fonctionnel boucl de la figure 5-2 ci-dessous.
On peut calculer la matrice (m l) de transfert entre le vecteur des entres u(p) et le vecteur des
sorties z(p), en transformes de Laplace :
z ( p)=| C( p I
n
A)
1
B+D u( p) 5- 4
Figure 5- 2 : schma fonctionnel boucl
Soit M la matrice du systme, dfinie par :
M=
|
A B
C D

5- 5
on note :
z( p)=F
u
(
M ,
1
p
I
n
)
u( p) 5- 6
La transformation :
(
M ,
1
p
I
n
)
-F
u
(
M ,
1
p
I
n
)
=
|
C ( p I
n
A)
1
B+D

5- 7
sappelle Transformation Linaire Fractionnelle haute (upper Linear Fractionnal Transformation,
upper LFT).
60
I
n
/p
A B
C D
x
u z
2 Systme boucl par retour dynamique de sortie
Figure 5- 3 : schma fonctionnel de systme command
La figure 5-3 reprsente un systme dynamique command. Sur ce schma, on reconnat :
G : matrice de transfert du systme rgler,
H : matrice de transfert des capteurs,
F : matrice de transfert du prcompensateur (feedforward) de consigne,
K : matrice de transfert du correcteur de boucle (feedback).
On peut crire les quations :
y
1
=G F u
1
+Gu
2
y
2
=H G F u
1
+H Gu
2
5- 8
soit en posant :
P=
|
G F G
H GF H G

5- 9
|
y
1
y
2

=P
|
u
1
u
2

5- 10
et puisque :
u
2
=K y
2
5- 11
61
F G
H
- K
u
1
u
2
y
1
y
2
on obtient en boucle ferme :
y
1
( p)=| G F+G( I +K H G)
1
K H G F u
1
( p)
5- 12
On note :
y
1
( p)=F
l
( P , K)u
1
( p) 5- 13
La transformation :
( P , K) -F
l
( P , K )=| G F+G( I +K H G)
1
K H G F
5- 14
sappelle Transformation Linaire Fractionnelle basse (lower Linear Fractionnal Transformation,
lower LFT).
3 Dfinitions gnrales des L.F.T
3.1 L.F.T Suprieure (F
u
)
Selon le schma de la figure 5-4, on peut crire la matrice de transfert du vecteur u

vers le vecteur z
z=F
u
(|
P
11
P
12
P
21
P
22

, A
)
u
z=
|
P
21
( I AP
11
)
1
AP
12
+P
22

u
z=| P
21
A( I P
11
A)
1
P
12
+P
22
u
5- 15
Figure 5- 4 : Schma fonctionnel de LFT haute.
62
P
11
P
12
P
21
P
22
u z
A
3. 2 L.F.T Infrieure (F
l
)
De mme, la figure 5-5 reprsente une LFT basse dont on peut crire la matrice de transfert :
Figure 5-5 : schma fonctionnel de LFT basse.
z =F
l
(|
P
11
P
12
P
21
P
22

, K
)
u
z =
|
P
12
( I K P
22
)
1
K P
21
+P
11

u
z =| P
12
K ( I P
22
K )
1
P
21
+P
11
u
5- 16
4 Reprsentation par matrice de systme
Soit le systme dynamique multivariable :

x=A x+Bu
z=C x+Du
crit en transforme de Laplace :
0=( Ap I ) x+Bu
z =C x+Du
5- 17
ou sous une forme plus gnrale :
0=T ( p) x+Bu
z =C x+Du
5- 18
63
P
11
P
12
P
21
P
22
K
u z
On appelle matrice du systme:
2( p)=
|
T ( p) B
C D

5- 19
Ce systme est stable si et seulement si les zros de det[T(p)] sont dans le demi-plan complexe
gauche. Dans le cas du systme de lquation 5-17, ces zros sont les valeurs propres de la matrice
dvolution A.
5 Les zros de systmes multivariables
Thorme :
Soit le systme :
x=A x+Bu
z=C x
5- 20
A est de dimension n x n
B est de dimension n x m
C est de dimension m x n
soit
H( p)=C| p I A
1
B
5- 21
sa matrice de transfert (carre, de dimension m x m) ;
alors :
det | H ( p)=
1( p)
1( p)
5- 22
o :
1( p)=det | p I A 5- 23
et (p) est un polynme de degr n m, ou moins.
Dmonstration :
En utilisant un lemme dinversion matricielle :
Soit M une matrice mxn et N une matrice nxm, alors :
(i) det | I
m
+M N =det | I+N M
64
(ii) si det | I
m
+M N 0 , alors | I
m
+M N
1
=I
m
M| I
n
+N M
1
N
On peut calculer :

det | \ I
m
+C( p I
n
A)
1
B=\
m
det
|
p I
n
A+
1
\
BC

det | p I
n
A
5- 24
Cest une fraction rationnelle des 2 polynmes :
1( p)=det | p I
n
A
et \
m
det
|
p I
n
A+
1
\
BC

.
On obtient alors :
det | H ( p)=lim
\-0
det | \ I
m
+C( p I
n
A)
1
B
1( p)=lim
\-0
\
m
det
|
p I
n
A+
1
\
BC

5- 25
Pour dterminer le degr de (p), il faut calculer :
lim
p-
p
m
1( p)
1( p)
=lim
p-
p
m
det
|
C ( p I
n
A)
1
B

5- 26
or :
lim
p-
p( p I
n
A)
1
=lim
p-
(
I
n

1
p
A
)
1
=I
n
5- 27
lim
p-
p
m
det | C( p I
n
A)
1
B=lim
p-
det | C p( p I
n
A)
1
B=det | C B
5- 28
si det[CB] 0, alors deg[(p)] = n m ;
si det[CB] = 0, alors deg[(p)] < n m .
Les ples du systme (5-20) sont les racines de 1( p) , ses zros sont les racines de 1( p) .
65
6 Thorme de Nyquist gnralis
Pour les systmes monovariables, la condition de stabilit dun systme boucl sexprime par le
thorme de Nyquist, selon lequel il faut et il suffit que les racines du dnominateur de la boucle
ferme soient dans le 1/2 plan complexe gauche.
En ce qui concerne le systme boucl multivariable de la figure 5-6, dans lequel :
G:
|
0
z

=
|
T
G
( p) B
G
C
G
D
G
|
x
G
u

,
K :
|
0
u

=
|
T
K
( p) B
K
C
K
D
K
|
x
K
z

,
Figure 5- 6 : systme boucl multivariable.
elle est stable si et seulement si les racines du polynme :
det |T
H
( p)=det | I +G( p) K( p) det | T
G
( p) det |T
K
( p) 5- 29
sont toutes dans le 1/2 plan complexe gauche.
7 Critre de Nyquist multivariable
Soient :
D un contour ferm dans le plan complexe, englobant tous les ples partie relle positive de la
boucle ouverte, cest--dire les racines RHP de det[T
G
] det[T
K
]. On construit ce contour en prenant
laxe imaginaire (en contournant lorigine par la droite), et en fermant par un demi-cercle droite,
de rayon infini.
p
0
le nombre de ces ples RHP,
alors, la boucle ferme de la figure 5-6 est stable si et seulement si limage de D par det[I + GK]
entoure lorigine p
0
fois.
66
G
- K
Preuve :
de lquation 5-29 on dduit
det | I +G( p) K( p)=
det | T
H
( p)
det | T
G
( p) det | T
K
( p)
5- 30
Les ples de la boucle ouverte sont les racines de det[T
G
] det[T
K
], et det[T
H
] ne doit pas avoir de
racine RHP.
Remarque :
Dans le cas monovariable les matrices de transfert G(p) et K(p) sont des fractions rationnelles et :
det | I +G( p) K( p)=1+G( p) K ( p) , 5- 31
le nombre de tours de lorigine par limage de D par det | I +G( p) K( p)=1+G( p) K ( p) est
gal au nombre de tours du point critique (-1, 0) par limage de D par G( p) K( p) .
Pour que la boucle ferme soit stable, il faut que det[T
H
] nait pas de racine RHP, donc que limage
de D par det[T
H
] nentoure pas lorigine. Si det[T
G
] det[T
K
] a p
0
racines RHP, limage de D par
1
det | T
G
( p) det | T
K
( p)
fait (- p
0
) tours de lorigine.
Dans le cas multivariable, on montre facilement que :
det | I +G( p) K( p)=1+H( p) 5- 32
o H( p) est une fraction rationnelle dont on peut calculer limage du contour D et compter le
nombre dencerclement du point critique (-1, 0).
Utile pour analyser la stabilit dun systme multivariable boucl, ce critre est inutilisable pour la
synthse de rgulateur multivariable.
67
68
Chapitre 6 : Reprsentations frquentielles des
systmes multivariables
Bibliographie :
J. M. MACIEJOWSKI: Multivariable feedback design, Addison Wesley, 1989.
B. A. FRANCIS : A course in H

control theory, Lecture Notes in Control and Information

Sciences, Springer-Verlag, 1987.
G. DUC et S. FONT : Commande H

et -analyse, des outils pour la robustesse, Hermes Science,
1999.
1 Les valeurs singulires de matrices
Les valeurs singulires dune matrice A, de dimension m x n, coefficients complexes, de rang r,
sont les racines carres non-ngatives des valeurs propres de

A
T
A
, o

A
T
est la matrice
adjointe, cest--dire conjugue et transpose de A.
On peut noncer quelques proprits des valeurs singulires :
les n valeurs singulires de A sont relles, puisque

A
T
A
est une matrice hermitienne dfinie
non-ngative, par construction ;
on peut ordonner ces valeurs singulires :
c
1
c
2
c
3
... c
r
... c
n
6- 1
si r < n , il y a n r valeurs singulires nulles. Donc, le rang de A est gal au nombre de valeurs
singulires non nulles.
2 Dcomposition dune matrice en valeurs singulires
Pour toute matrice A, de dimension m x n, coefficients complexes, de rang r, il existe 2 matrices
unitaires :
U
mm
, V
nn
, telles que :
2
m,n
=U A

V
T
2
m,n
=
|
c
1
0 ... 0
0 c
2
... 0

0 0 c
r
0
r ,nr
0
mr ,r
0
mr , nr

6-2
69
2
m,n
=
|
2
r
0
r , nr
0
mr ,r
0
mr ,nr

o
r
est une matrice relle positive, diagonale.
Remarque :
( M est unitaire)
(

M
T
M=I
M

M
T
=I
M
1
=M
M u=u
)
6- 3
3 Proprits des valeurs singulires
(i )

c( A)=max
i r
|
c
i
( A)

=max
x
n
A x
x
=: c
1
(ii) c( A)=min
i r
|
c
i
( A)

=min
x
n
A x
x
=: c
n
(iii) c( A)\
i
( A) c
i
( A) , o les\
i
( A) sont les valeurs propres de A
(iv) si A
1
existe c( A)=
1
c( A
1
)
(v) si A
1
existe

c( A)=
1
c( A
1
)
(vi ) c(o A)=o c( A) ,o scalaire
(vii) c( A+B) c( A)+ c( B)
(viii ) c( A. B) c( A) . c( B)
(ix) c( A)

c( B) c( A+B) c( A)+

c( B)
( x) max c( A) , c( B) c(| AB).2max c( A) , c( B)
( xi ) max
i , j
a
ij
c( A) nmax
i , j
a
i , j

( xii )

c
i
2
( A)=trace(

A
T
A)
( xiii) i =1, 2,... , n; c
i
( A) c( B) c
i
( A+B) c
i
( A)+ c( B)
70
4 Normes H
2
et H

de matrices de transfert.
Dans ce chapitre on suppose que G est une matrice de transfert stable et propre dun systme
dordre minimal (observable et commandable).
4.1 Rappels sur la norme L
2
.
Soit x(t) un vecteur de signaux. Alors on appelle norme L
2
de ce vecteur la quantit :
x
2
=|

| x
T
(t ) x(t ) dt
1/2
6-4
si l'intgrale converge. Par le thorme de Parseval-Bessel, si x( j o) est la transforme de
Fourier de x(t) on obtient galement :
x
2
=|
1
2n

| x
T
(j o) x( j o) d o
1/ 2
6-5
Le vecteur x est dit L
2
si ces intgrales convergent, c'est dire que le vecteur de signaux a
une "nergie" finie.
Remarque: On dfinit galement la norme H
2
:
x
2
=:
|
max
(>0
(
1
2n

x
T
((+ j o) x((+j o)d o
)

1/ 2
Souvent les normes L
2
et H
2
sont gales. On appelle H
2
lensemble des vecteurs dont la norme L
2
ou
H
2
est finie :
4.2 Transmission de signaux alatoires.
On suppose maintenant que le vecteur x(t) est un vecteur de signaux alatoires centrs dont les
proprits sont :
E x (t )=0
E x (t ) x
T
(t ) est la variance et 1
xx
(o) est la densit spectrale de puissance (DSP), dfinie
comme la transforme de Fourier de la fonction d'auto-corrlation :
1
xx
(o)=F Ex(t ) x
T
(t +t)
Par ailleurs :
71
x
T
x=tr ( x x
T
)tr ( Ex x
T
)=E x
T
x . 6-6
Soit un systme linaire SISO (monovariable) dfini par :
y( p)=G( p) u( p)
et soit 1
uu
(o) la DSP de u(t), on calcule alors la DSP de y(t) :
1
yy
(o)=G( j o)
2
1
uu
(o) .
Dans le cas MIMO:
E y y
T
=
1
2n

1
yy
(o) d o ,
E y
T
y=
1
2n

tr |1
yy
(o) d o .
Si W est une matrice symtrique dfinie positive de dimension adquate,
E y
T
W y=
1
2n

tr | W1
yy
(o) d o
. 6-7
Si G(p) est une matrice de transfert stable, alors :
y( p)=G( p) u( p)1
yy
(o)=G( j o)1
uu
(o)G
T
(j o) .
Comme :
tr |W 1
yy
(o)=tr| W
1/ 2
1
yy
(o)W
1/2
=tr | W
1/ 2
G( j o) 1
uu
(o)G
T
(j o) W
1/ 2
6-8
on dduit que :
E y
T
W y=
1
2n

tr | W
1/ 2
G( j o) 1
uu
(o)G
T
(j o) W
1/ 2
d o . 6-9
On dfinit les valeurs singulires d'une matrice A coefficients complexes par :
72
c
i
( A)=
.
\
i
( A
A
A) , o
A
A
( j o)=A
T
(j o)
.
On a donc
tr | A
A
A=

i
c
i
2
( A)
et
E y
T
W y=
1
2n

i
c
i
2
| 1
uu
1/ 2
(o)G( j o)W
1/ 2
d o 6-10
4.3 Les gains principaux de matrices de transfert
Pour chaque valeur de o , on peut dcomposer la matrice de transfert G( j o) en valeurs
singulires, ordonnes dans le sens dcroissant. On peut alors crer 2 fonctions relles positives et
continues :
o>0,

c|G( j o)=: max

i
c
i
| G( j o)
o>0, c| G( j o)=: inf
i
c
i
|G( j o)
6-11
Ces fonctions sappellent les gains principaux (suprieur et infrieur) de la matrice de transfert.
4.4 Les normes de matrices de transfert
La norme L
2
induite :
G( j o)
2
=:
y( j o)
2
x( j o)
2
6- 12
G( j o)
2
=

1
2n

trace |

G
T
( j o)G( j o) d o

1/ 2
6- 13
Remarque:
Si 1
uu
(o)=I , alors la relation 6-10 devient :
E y
T
W y=GW
1/ 2

2
2
6-14
73
La norme L

:
G( j o)

=: max
x
G( j o) x( j o)
2
;x( j o)
2
=1

6- 15
On montre que :
G( j o)

=max
o

c|G( j o)
6- 16
La norme H

est induite de la mme manire partir de la norme H

2
.
Remarques :
Dans le cas monovariable :
g ( j o)

=max
o
g( j o)
G est une matrice de transfert propre si
lim
o-

c| G( j o)
G est une matrice de transfert strictement propre si
lim
o-

c| G( j o)=0
.
4.5 Interprtation frquentielle de LQG.
Soit le systme d' quations :

x=A x+Bu+w 6-17

y=C x+v
Les bruits w et v sont supposs indpendants, blancs et gaussiens, c'est dire :
E
|
w(t )
v(t )

| w
T
(t) , v
T
(t)

=
|
W 0
0 V

6(t t)
6-18
Les matrices W ( n x n) et V (l x l) sont les matrices de covariance des bruits, donc symtriques,
dfinies positives.
La commande LQG stationnaire ( horizon infini) consiste calculer le retour d'tat K et le gain
d'observateur L tel que le critre
J
LQG
=E

| x
T
Q x+u
T
Ru dt
soit minimis.
Soient
z=
|
x
u

et M=
|
Q 0
0 R

symtrique dfinie positive; alors

74
J
LQG
=E

| z
T
(t ) M z(t ) dt
6-19

Comme | z
T
(t ) M z(t ) est une forme quadratique (donc positive) ce critre LQG est minimum si
et seulement si la quantit J =E z
T
(t ) M z(t ) est minimise, t >0 :
J =E z
T
(t ) M z(t )=
1
2n

tr | M1
zz
(o) d o
6-20
Soit H( j o) la matrice de transfert du systme d'entre
|
w
v

et de sortie
z=
|
x
u

, alors:
1
zz
(o)=H ( j o)
|
W 0
0 V

H
T
(j o) 6-21
donc:
J =
1
2n

tr| M
1/ 2
H( j o)
|
W 0
0 V

H
T
(j o) M
1/ 2
d o 6-22
J =
1
2n

tr
| |
Q
1/ 2
0
0 R
1/ 2

H( j o)
|
W 0
0 V

H
T
(j o)
|
Q
1/ 2
0
0 R
1/ 2

d o 6-23
En dveloppant le calcul selon la relation 6-10:
J =
1
2n

|

c
i
2
(Q
1/ 2
H
11
( j o)W
1/ 2
)
+

c
i
2
(Q
1/2
H
12
( j o)V
1/2
)
+

c
i
2
( R
1/ 2
H
21
( j o) W
1/ 2
)
+

c
i
2
( R
1/ 2
H
22
( j o)V
1/ 2
)

d o
6-24
Si 6
1
et 6
2
sont des bruits blancs gaussiens de variance unitaire, le schma-bloc du systme
est :
75
x
u
W
1/ 2
R
1/2
Q
1/ 2
V
1/2
H
11
6
2
6
1
H
12
H
21
H
22
z
1
z
2
Figure 6-1
Soit T ( j o) la matrice de transfert de
|
6
1
6
2

vers
z=
|
z
1
z
2

, la commande optimale (u = f(y))

minimise le critre :
J =T ( j o)
2
2
6-25
5 Calcul de norme H

Soit G la matrice de transfert dfinie partir dune reprsentation dtat :

G=F
u
|
A B
C 0

,
1
p
I

, 6- 26
alors :
(G

) ( M

n' a pas devaleur propre imaginaire pure )

o la matrice M

est une matrice hamiltonienne dfinie par :
M

=
|
A
B B
T

C
T
C

A
T

6- 27
Preuve :
Soit

G( p)=G
T
(p) , la matrice conjugue spectrale de G(p).
On montre successivement :
(G

)
(
o, i ,c
i
| G( j o)
)

(
o, i , \
i
|

G( j o)G( j o)
2
)
( o, i , \
i
|
2
I

G( j o)G( j o)>0)
( o,|
2
I

G( j o)G( j o)>0)
( |
2
I

G( j o)G( j o) n' a pas de zro sur l ' axe imaginaire)
6-28
Une ralisation de
|
2
I

G( p)G( p)
1
est reprsente sous la forme de la matrice de systme :
76
|
A
B B
T

2
C
T
C

A
T
0
0
B
T

6- 29
Les zros de |
2
I

G( p)G( p) sont les valeurs propres de la matrice dvolution :
M

=
|
A
B B
T

C
T
C

A
T

6- 30
Algorithme : Pour valuer la norme H

dune matrice de transfert, on choisit une valeur arbitraire de

, on calcule les valeurs propres de la matrice M
,
, si aucune nest imaginaire pure on diminue
et on recommence, sinon on augmente et on recommence. On ne peut dons pas calculer
la valeur de la norme H

, mais seulement en donner une borne suprieure, aussi proche que lon
veut.
6 Thorme du faible gain (Zames 1981)
Soit le systme boucl de la figure 6-6 dans laquelle les systme G et K sont stables, une condition
suffisante de stabilit de la boucle ferme est que :
G K

1 6- 31
Preuve :dcoule du thorme de Nyquist.
Par labsurde. Supposons que la relation 6-31 soit vraie et que la boucle ferme soit instable : alors
selon le thorme de Nyquist, limage du contour D par det | I +G K entoure lorigine. Il existe
donc une pulsation o
0
et c| 0,1 tels que det | I +c G( j o
0
) K( j o
0
)=0 .
Par consquent, il existe une valeur propre \
i
| I +cG( j o
0
) K ( j o
0
)=0 , cest--dire quil existe
une valeur propre j
i
|cG( j o
0
) K( j o
0
)=1 , j
i
|G( j o
0
) K ( j o
0
)=
1
c
.
Par la proprit (iii) des valeurs singulires :
77
j
i
|G( j o
0
) K ( j o
0
)

c| G( j o
0
) K( j o
0
) 6- 32
donc :

c| G( j o
0
) K( j o
0
)
1
c
6- 33
Comme 0c 1 , les relations 6-31 et 6-33 sont contradictoires.
7 Description dincertitudes non structures multivariables
Le chapitre 3 traite de systme monovariable, il est donc ncessaire dadapter les dfinitions au cas
multivariable :
forme additive :
G( p)=G
0
( p)+A
a
( p)
avec

c| A
a
( j o) 6
a
(o) , o>0
Figure 6-2: incertitudes additives
forme multiplicative en entre :
G( p)=G
0
( p)| I +A
e
( p)

c| A
e
( j o) 6
e
(o) , o>0
Figure 6-3 : incertitudes multiplicatives en entre
forme multiplicative en sortie :
G( p)=| I +A
s
( p)G
0
( p)

c| A
s
( j o) 6
s
(o) , o>0
Figure 6-4 : incertitudes multiplicatives en sortie
78
G
0
G
0
G
0
A
a
A
e
A
s
8 Thorme de stabilit robuste
Soit le systme incertain (incertitudes multiplicatives en entre), boucl par un rgulateur K :
Figure 6-5 : systme incertain boucl.
On peut redessiner ce schma fonctionnel :
Figure 6-6: systme incertain boucl.
Ou encore :
Figure 6-7: systme incertain boucl.
Dans lequel T
0e
reprsente la boucle ferme nominale :
T
0
e( p)=| I +K ( p)G
0
( p)
1
K ( p)G
0
( p) 6- 34
Thorme :
Si A
e
( p) est une matrice de transfert stable inconnue, vrifiant :

c| A
e
( j o) 6
e
( o) , o>0
si T
0e
est stable,
alors la boucle ferme incertaine de la figure 6-6 est stable si et seulement si :

c| T
0e
( j o)
1
6
e
(o)
, o
6- 35
79
T
0e
G
0
- K
G
0
- K
A
e
A
e
A
e
Preuve :
condition suffisante :
La relation (6-35) permet dcrire, o :
6
e
(o)

c|T
0e
(o)1
c| A
e
( j o) c| T
0e
(o)1
c| A
e
( j o)T
0e
(o)1
et donc:
A
e
( j o)T
0e
( j o)

1
Le thorme du petit gain permet de dire que la boucle ferme est stable.
Condition ncessaire :
Supposons que la relation (6-35) ne soit pas vrifie, cest--dire :
o
0
tq.

c|T
0e
( j o)
1
6
e
(o
0
)
et donc o
0
tq.c
1
( j o
0
)6
e
(o
0
)>1
On peut dcomposer T
0e
( j o
0
) en valeurs singulires :
T
0e
( j o
0
)=U 2( j o
0
)

V
T
2( j o
0
)=
|
c
1
( j o
0
) 0

0 c
n
( j o
0
)

On choisit la matrice derreur :

A
e
( j o
0
)=V D( j o
0
)

U
T
80
D( j o
0
)=
|
c 0 0
0 0 0

0 0 0

6
e
(o
0
)
Si c1 on vrifie bien que

c| A
e
( j o
0
)6
e
(o
0
) .
Pour appliquer le thorme de Nyquist on calcule :
det | I T
0e
( j o
0
)A
e
( j o
0
)=det | I U 2( j o
0
)

V
T
V D( j o
0
)

U
T

=det | I U 2( j o
0
) D( j o
0
)

U
T

=det | U det | I 2( j o
0
) D( j o
0
) det |

U
T

=det | I 2( j o
0
) D( j o
0
)
=det
|
I
|
c
1
( j o
0
) 0 0
0 c
2
( j o
0
) 0

0 0 c
n
( j o
0
)

|
c6
e
(o
0
) 0 0
0 0 0

0 0 0

=det
|
|
1 0 0
0 1 0

0 0 1

|
c
1
( j o
0
)c6
e
(o
0
) 0 0
0 0 0

0 0 0

=1c
1
( j o
0
)c6
e
(o
0
)
soit alors :
c=
1
c
1
( j o
0
)6
e
(o
0
)
on a bien c1 et det | I T
0e
( j o
0
)A
e
( j o
0
)=0
et le thorme de Nyquist nest plus vrifi. On a construit un systme boucl, vrifiant la relation
dincertitude, instable.
La relation 6-35 est bien une condition ncessaire.
Remarque :
On peut crire des thormes quivalents pour des incertitudes multiplicatives en sortie ou
additives.
81
Chapitre 7 : Synthse multivariable robuste,
minimisation de sensibilit mixte
1 Optimisation L
2
et modelage de transfert de boucle (Loop Shaping)
Reprenons le systme du chap. III, 3, figure 3-15, quations 3-19 3-23. Soient les matrices de
transfert :
F ( p)=C | pI A
1
B , F
v
( p)=C
b1
| pI A
b1

1
B
b1
, F
w
( p)=C
b2
| pI A
b2

1
B
b2
.
Soit K(p) la matrice de transfert du rgulateur calculer. Le systme boucl peut se reprsenter
selon la figure 7-1 :
Figure 7-1
Les entres exognes ( +, j
1
,j
2
) vrifient :
E
|
+(t )
j
1
(t )
j
2
(t )

| +
T
(t) ,j
1
T
(t) , j
2
T
(t)

=
|
I 0 0
0 I 0
0 0 I

6(t t)
7-1
82
y1
w
F(p)
u2
Fv(p)
Fw(p)
y2
U
11
1/ 2
U
12
1/ 2
V
1/2
-K(p)
+
j
1
j
2
d
u
11
u
12
x
On peut crire les matrices de transfert de sensibilit et sensibilit complmentaire en boucle
ferme:
S=| I +F K
1
T=| I +F K
1
F K
3-2
et exprimer les vecteurs u
2
et y
1
:
u
2
=K S V
1/2
+K S F
v
U
11
1/ 2
j
1
K S F
w
U
12
1/ 2
j
2
y
1
=T V
1/ 2
+T F
v
U
11
1/ 2
j
1
+S F
w
U
12
1/ 2
j
2
7-3
La commande LQG qui minimise le critre de l'quation 3-24 minimise galement :
J =E y
1
T
Q y
1
+u
2
T
Ru
2
7-4
En appliquant les relations 6-20 6-24, on trouve:
J =
1
2n

c
i
2
(Q
1/ 2
T V
1/2
)
+

c
i
2
(Q
1/ 2
T F
v
U
11
1/ 2
)
+

c
i
2
(Q
1/ 2
S F
w
U
12
1/ 2
)
+

c
i
2
( R
1/ 2
K S F
v
U
11
1/ 2
)
+

c
i
2
( R
1/ 2
K S V
1/ 2
)
+

c
i
2
( R
1/ 2
K S F
w
U
12
1/ 2
)

d o
7-5

Ce critre reprsente donc le carr de la norme L
2
de la matrice de transfert des entres exognes
+, j
1
,j
2
vers les sorties u
2
et y
1
.
On peut remarquer que si on force V -0 et R-0 , il reste :
J =
1
2n

|
c
i
2
(Q
1/2
T F
v
U
11
1/ 2
)+

c
i
2
(Q
1/ 2
S F
w
U
12
1/2
)

d o 7-6
Il s'agit alors de minimiser la norme L
2
des matrices de sensibilit et sensibilits complmentaires,
pondres en frquences. C'est la procdure de modelage de sensibilits (Loop Shaping).
Dans le cas SISO, ce critre porte sur les modules des fonctions de sensibilit et sensibilit
complmentaire :
J =
1
2n

(Q T
2
F
v

2
U
11
+ Q S
2
F
w

2
U
12
) d o 7-7
83
Le module de S est rendu petit dans les plages de frquences o le module de F
w
est grand, alors
que le module de T est rendu petit dans les plages de frquences o le module de F
v
est grand.
Bien entendu les contraintes habituelles persistent:
en basses frquences:
T1 quel que soit F
v

S1/F
w

en hautes frquences:
T-0 mais il faut que F
v
pour que l'intgrale converge,
S-1 mais il faut que F
w
-0 pour que l'intgrale converge.
Exemple
Soient les fonctions de transfert:
F ( p)=
30
p
2
+p+1
F
v
( p)=
1000p+3000
p
2
+60p+900
F
w
( p)=
100
p
2
+0,1 p
Le critre LQG:
J
LQG
=E

| y
1
T
y
1
+u
2
T
Ru
2
dt
avec
|
U
11
0
0 U
12

=
|
1 0
0 1

, R=0,001; V=0,001
donne le rgulateur :
K ( p)=
4,34 e4 p
5
+2,75e6 p
4
+4,78e7 p
3
+1,37 e8 p
2
+1,35e8 p+9e7
p
6
+3,16e4 p
5
+1,68e6 p
4
+4,33e7 p
3
+2,68e8 p
2
+2,64e7 p+3001
84
le diagramme de Black de la boucle ouverte :
Figure 7-2
le diagramme de Bode des fonctions de sensibilit et des pondrations (module):
Figure 7-3
(+ : S ; --- : F
w
; * : T ; --- F
v
)
85
2 La spcification de performance
Au chapitre 3 on a dfini les fonctions de sensibilit pour les systmes monovariables. Cette notion
doit tre tendue aux systmes multivariables, en utilisant le gain principal (suprieur).
sensibilit en sortie : cest la matrice de transfert entre une perturbation de sortie et la sortie, selon
la figure 7-1 :
S
0, s
( j o)=:| I +G
0
( j o) K ( j o)
1
7- 8
Figure 7-4: sensibilit en sortie.
sensibilit en entre : cest la matrice de transfert entre une perturbation dentre (consigne) et
lerreur, selon la figure 7-2 :
S
0, e
( j o)=:| I +K ( j o)G
0
( j o)
1
7- 9
Figure 7-5 : sensibilit en entre.
On peut alors, par exemple, fixer un objectif de performance sur la sensibilit en entre sous la
forme dune contrainte sur son gain principal : la relation (7-18) devient :

c| S
0, e
( j o) m(o) , o 7- 10
86
G
0
- K
d
z
G
0
- K
r

Cette fonction est de la forme dcrite par la figure 3-6. Pour que lon puisse lutiliser dans la
synthse, il faut reprsenter cette fonction m( o) par le module dune fraction rationnelle propre
et stable, dinverse propre et stable.
Soit par exemple la fraction rationnelle:
W
1
1
( j o)=a
1+ j
.
b
a
o
o
0
1+ j
.
a
b
o
o
0
7- 11
alors :
lim
o-0
W
1
1
( j o)=a; (a1)
lim
o-
W
1
1
( j o)=b ;(b1)
7- 12
Pour a et b fixs, le problme est de trouver la plus grande valeur de o
0
possible telle que :

c| S
0, e
( j o) W
1
1
( j o), o 7- 13
3 La contrainte de stabilit robuste
Elle est donne par le thorme de stabilit robuste et la relation 6-35, adapte l'incertitude de
sortie. Cette contrainte doit tre rcrite laide dune fraction rationnelle propre et stable, dinverse
propre et stable. Soit W
3
une telle fraction rationnelle, vrifiant:
W
3
1
( j o) c| A
s
( j o) , o 7- 14
alors la contrainte de stabilit robuste scrit :
c| T
0, s
( j o) W
3
1
( j o), o 7- 15
4 La contrainte sur la commande
On peut contraindre le niveau de commande par le gain principal suprieur de la matrice de transfert
87
R
0
dfini par :
R
0
( j o)=| I +K( j o)G
0
( j o)
1
K ( j o) 7- 16
Il faut alors crer une fraction rationnelle (souvent un simple gain) W
2
telle que:
c| R
0, s
( j o)W
2
1
( j o), o 7- 17
5 Le systme augment : problme standard
Le problme de synthse consiste chercher le rgulateur K stabilisant G
0
et tel que la bande
passante o
0
soit la plus grande possible, tout en respectant les contraintes 7-6, 7-8 et 7-10.
On peut rcrire les relations 7-6, 7-8 et 7-10 sous la forme:
W
1
( j o).

c| S
0, e
( j o) 1
W
2
( j o). c| R
0
( j o) 1
W
3
( j o). c|T
0, s
( j o) 1
7- 18
et reprsenter le schma fonctionnel:
Figure 7-6: schma fonctionnel reprsentant le problme standard
88
W
1
I
W
2
I
W
3
I
G
0
- K
P
u
1
y
11
y
12
y
13
y
2
u
2
On peut crire :
Y=
|
y
11
y
12
y
13
y
2

=P
|
u
1
u
2

=PU 7- 19
et
u
2
=K y
2
6 La spcification H
La proprit (vi) des valeurs singulires permet d'crire:
W
1
( j o).

c| S
0, e
( j o)=

c| W
1
( j o). S
0, e
( j o)
W
2
( j o). c| R
0
( j o)= c| W
2
( j o). R
0
( j o)
W
3
( j o). c|T
0, s
( j o)= c| W
3
( j o).T
0,s
( j o)
7- 20
La proprit (x) permet d'crire la condition suffisante:
(

c
|
W
1
( j o). S
0, e
( j o)
W
2
( j o). R
0
( j o)
W
3
( j o).T
0, s
( j o)

1, o
)

c|W
1
( j o). S
0, e
( j o) 1, o
c| W
2
( j o). R
0
( j o) 1, o

c| W
3
( j o). T
0, s
( j o) 1, o
)
7- 21
Il suffit donc d'assurer que:

W
1
( j o). S
0, e
( j o)
W
2
( j o). R
0
( j o)
W
3
( j o). T
0, s
( j o)

1
. 7- 22
La synthse consiste chercher la plus grande valeur de o
0
pour laquelle on puisse trouver un
rgulateur K, qui stabilise G
0
, et pour lequel on vrifie:

F
l
( P , K)

1 7- 23
89
Remarque:
Dans tous les cas, la relation
S
0
+T
0
=I 7- 24
permet d'crire:
1=

c(T
0
+S
0
)

c(T
0
)+

c(S
0
)W
3
1
+W
1
1
7- 25
qui exprime une condition ncessaire l'existence d'une solution au problme de synthse:
o,W
3
1
+W
1
1
1 7- 26
Cette relation exprime le dilemme performance / robustesse.
7 Matrices de transfert premires
7.1 Dfinitions
Deux matrices de transfert U(p) et V(p) sont premires droite (resp. premires gauche) si leur
facteur commun est stable et d'inverse stable:
(
U( p) et V ( p) sont
premires droite
)

(
U ( p)=W( p) X ( p)
V ( p)=Z ( p) X ( p)
X ( p)et X
1
( p) sont stables
)
7- 27
(
U ( p) et V ( p) sont
premires gauche
)

(
U( p)=X ( p)W( p)
V ( p)=X ( p) Z ( p)
X ( p)et X
1
( p) sont stables
)
7- 28
7.2 Thormes
Bezout:
U(p) et V(p) sont premires droite si et seulement si il existe X(p) et Y(p) telles que:
X ( p) U( p)+Y ( p)V ( p)=I
U(p) et V(p) sont premires gauche si et seulement si il existe X(p) et Y(p) telles que:
90
U( p) X ( p)+V ( p)Y ( p)=I
factorisations premires de matrices de transfert:
Soit G(p) une matrice de transfert propre, alors:
U ( p) ,V ( p) premires droite et stables

U ( p) ,

V ( p) premires gaucheet stables
telles que:
G( p)=U ( p)V
1
( p)
G( p)=

V
1
( p)

U ( p)
Lemme
Soit G(p) une matrice de transfert propre, alors:
U( p) , V ( p) premires droite et stables

U ( p) ,

V ( p) premires gaucheet stables
telles que:
G( p)=U ( p)V
1
( p)=

V
1
( p)

U( p)
alors
( G( p) est stable)
(
V
1
( p) est stable

V
1
( p) est stable
)
7- 29
Preuve:
det | G( p)=det |U( p) det |V
1
( p)
or on a vu (5-22)
det | G( p)=
1
G
( p)
1
G
( p)
91
o 1
G
( p)=det ( p IA
G
) .
On a de mme:
det | U( p)=
1
U
( p)
1
U
( p)
det | V
1
( p)=
1
V
1 ( p)
1
V
1 ( p)
et donc
1
G
( p)=1
U
( p). 1
V
1 ( p)
.
Comme U(p) est stable par hypothse, les ventuels zros RHP de 1
G
( p) sont des zros de
1
V
1 ( p)
.
Thorme de stabilit interne
Le systme boucl de la figure 7-7 vrifie la proprit de stabilit interne si toutes les matrices de
transfert que l'on peut crire sont stables. C'est dire:
(
|
u
y

=
|
H
11
H
12
H
21
H
22

|
r
d

)
et H
ij
stable i , j
Figure 7-7 : systme multivariable boucl.
Une condition ncessaire et suffisante de stabilit interne est:
|
I K
G I

1
est stable
Preuve:
92
G
- K
r
u
d
y
H=
|
( I +K G)
1
( I +K G)
1
K
( I +G K )
1
G ( I +G K)
1

puis on vrifie que:
H
|
I K
G I

=
|
I K
G I

H=I
d'o:
H=
|
I K
G I

1
.
Remarque: la condition de stabilit interne est plus forte que la stabilit simple: il peut arriver que
des ples RHP de la boucle ferme soient simplifis par des zros RHP. La stabilit interne interdit
de telles simplifications puisqu'elles ne peuvent pas apparatre sur tous les transferts de boucle
ferme simultanment.
Thorme de stabilit des factorisations premires.
Soient les factorisations premires de G et K:
G=N M
1
=

M
1

N
K=U V
1
=

V
1

U
o :
(
M , N ,

M ,

N
U , V ,

U ,

V
sont premires 22
)
alors la paire (G, -K) est stable de manire interne (c'est dire que la boucle ferme de G et K est
stable de manire interne) si et seulement si:
|
M U
N V

1
est stable
ou

|

V

U

N

M

1
est stable
Preuve:
|
I K
G I

=
|
I U V
1
N M
1
I

=
|
M U
N V
|
M
1
0
0 V
1

93

|
I K
G I

1
=
|
M 0
0 V
|
M U
N V

1
Par le thorme de Bezout:
( N et M premires )
(
X
1
et Y
1
stables tq. X
1
M+Y
1
N=I
)
( U et V premires)
(
X
2
et Y
2
stables tq. X
2
V +Y
2
U=I
)
Soient:
X =
|
X
1
Y
1
X
2
Y
2

et Y=
|
0 Y
1
X
2
0

, ce sont 2 matrices stables.
Alors:
X
|
M 0
0 V

+Y
|
M U
N V

=I

|
M 0
0 V

et
|
M U
N V

sont premires
donc
(|
I K
G I

1
stable
)

(|
M U
N V

1
stable
)
La dmonstration est identique pour la factorisation gauche.
8 L'algorithme de Glover-Doyle
Bibliographie:
DOYLE J.C., GLOVER K., KARGONEKAR P.P., FRANCIS B.A., "State-space solutions to
standard H2 and H control problems", I.E.E.E. Trans. Automatic Control, Vol. 34, n 8, 1989.
94
Le problme standard H est de trouver une famille de rgulateurs K stabilisant le systme
augment P, et tel que :

F
l
( P , K)

, rel positif donn. 7-30

Le systme augment de la figure 7-3 s'crit:
P=
|
A B
1
B
2
C
1
D
11
D
12
C
2
D
21
D
22

7- 31
Le calcul de rgulateur retour de sortie ncessite la rsolution des 2 quations de Riccatti
associes aux matrices hamiltoniennes H
1
etH
2
:
X=Ric( H
1
)
Y =Ric ( H
2
)
7- 32
o:
H
1
=
|
AB
2
D
12
T
C
1

2
B
1
B
1
T
B
2
B
2
T

C
1
T

C
1
( AB
2
D
12
T
C
1
)
T

H
2
=
|
AB
1
D
21
T
C
2

2
C
1
T
C
1
C
2
T
C
2

B
1

B
1
T
( AB
1
D
21
T
C
2
)

7- 33

B
1
=B
1
( I D
21
T
D
21
)

C
1
=( I D
12
D
12
T
)C
1
Alors, le problme est rsolu si :
X 0, Y 0 7- 34
le rayon spectral : j( X Y )
2
7- 35

F
l
( P , K)

. 7- 36
95
La famille de rgulateurs K est donne par K=F
l
( J ,Q) o Q est stable, propre et Q

.
J =
|
A+B
2
F+
2
B
1
B
1
T
X +Z H(C
2
+
2
D
12
B
1
T
X ) Z H Z ( B
2
+
2
Y C
1
T
D
12
)
F 0 I
(C
2
+
2
D
21
B
1
T
X ) I 0

F=( B
2
T
X +D
12
T
C
1
) 7- 37
H=(Y C
2
T
+B
1
D
21
T
)
Z=( I
2
Y X )
1
Si toutes les conditions ci-dessus ne sont pas vrifies, il faut augmenter et recommencer. La
solution optimale est donne par la plus petite valeur de pour laquelle on trouve une solution.
Remarques:
Si le problme est de type Minimisation de Sensibilit Mixte, on cherche plutt le jeu de
pondrations tel que l'on trouve une solution pour = 1: c'est une solution sub-optimale. On
s'attache dans ce cas vrifier le caractre "passe-tout" du systme augment boucl: le gain
principal doit avoir une rponse en frquence plate 0dB, sur la plage de frquence la plus large
possible.
On peut de cette faon rsoudre des problmes d'optimisation sous contrainte trs divers.
96
J
A

B
2
B
2
C
2

-2
D
21
B
1
T
X
A

-2
B
1
B
1
T
X
C
1
D
21
B
1
D
12
Z(B
2
+
-2
YC
1
T
D
12
Q
- ZH
F
-
u
1
u
2
y
2
P
y
3
u
3

y
1
C
2
Figure 7-8 : structure du rgulateur H.
97
98
Chapitre 8 : Synthse multi-objectifs.
1 Les valeurs singulires structures
Considrons le systme reprsent sous la forme dite "M-" de la figure 8-1, dans lequel les
matrices M et sont des matrices de transfert stables. Alors ce systme est stable pour toute matrice
qui vrifie A

1 si et seulement si M

1 : c'est le thorme de stabilit robuste.

Figure 8-1 : Reprsentation MA .
Il n'existe donc pas de matrice vrifiant les conditions, telle que det ( I MA)=0 .
Dans l'ensemble des matrices considres, on peut dfinir un sous-ensemble des matrices qui ont
une structure particulire, de type "diagonale par blocs", chaque bloc tant par ailleurs dfini par ses
dimensions. Un tel sous-ensemble tant naturellement plus petit que l'ensemble des matrices sans
structure, le thorme de stabilit robuste n'est qu'une condition suffisante sur cet ensemble.
Pour prendre en compte les structures particulires des matrices , il a t ncessaire d'introduire la
notion de valeur singulire structure
1
.
Dfinition:
Soit la structure de matrice :
A=
|
A
1
0 0 0
0 A
2
0 0
0 0 A
3
0

0 0 0 A
n

8- 1
dans laquelle par exemple:
A
1
=
|
6
1
r
I
r1
0 0 0
0 6
2
r
I
r2
0 0
0 0 6
3
r
I
r3
0

0 0 0 6
i
r
I
ri

8- 2
1 J. C. Doyle: Analysis of feedback systems with structured uncertainty; Proc. IEE, PtD, 129, 242-250. (1982)
99
M
A
o les 6
i
r
sont des coefficients rels,
A
2
=
|
6
1
c
I
c1
0 0 0
0 6
2
c
I
c2
0 0
0 0 6
3
c
I
c3
0

0 0 0 6
j
c
I
cj

8-3
o les 6
j
c
sont des coefficients complexes, et les matrices A
3
,, A
n
sont des matrices
complexes pleines; alors on appelle "valeur singulire structure de la matrice M, pour la structure
A la fonction :

j
A
( M)=
1
min
AA

c(A) ; det ( I MA)=0

8- 4
j
A
( M)=0 si AA; det ( I MA)0 8- 5
Il s'agit en fait d'une "mesure" de la distance l'instabilit de M: c'est linverse de la taille de la plus
petite incertitude de structure dfinie par A qui dstabilise M.
Remarque:
On a toujours:
j
A
( M)

c( M) , o . 8- 6
Par extension de notation, on dfinit:
M
j, A
=: max
o
|j
A
( M)
8- 7
En toute rigueur mathmatique, ce n'est pas une norme.
2 Thorme de stabilit robuste structure
Soit G un systme multivariable incertain, dcrit par le schma fonctionnel de la figure 8-2:
100
G
0
M
Figure 8-2 : Systme incertain avec incertitudes en entre et en sortie.
Il s'agit d'un systme dont les actionneurs (incertitudes en entre) et les capteurs (incertitudes en
sortie) sont incertains. Quelques manipulations lmentaires de schma fonctionnel permettent de le
transformer en la figure 8-3.
La matrice d'incertitude a donc une structure diagonale par bloc (bloc-diagonale), constitue de 2
blocs complexes pleins
e
et

. Le thorme de stabilit robuste structur tablit une condition

ncessaire et suffisante pour qu'un rgulateur K qui stabilise le systme nominal G
0
stabilise le
systme incertain quelles que soient les matrices
e
et
s
, de dimension H infrieure 1.
Figure 8- 3 : Forme M- du systme incertain
Thorme:
Soit P un systme incertain dcrit par la figure 8-4, et tel que:
(i) est une matrice d'incertitude structure (bloc-diagonale) et |( j )<1, ;
(ii) F
u
(P
0
, 0) et F
u
( P
0,
A) ont le mme nombre de ples dans le 1/2 plan droit;
si K est un rgulateur qui stabilise F
u
(P
0
, 0),
alors K stabilise F
u
( P
0,
A) si et seulement si :
j
A
| F
l
( P
0
, K) 1 ;o 8- 8
101
G
0
A
e
A
s
A
e
A
s
A
e
A
Figure 8- 4 : Systme incertain sous forme M-.
Preuve:
La figure 8-5 reprsente le systme incertain en boucle ferme avec le rgulateur K.
Figure 8- 5: Systme incertain boucl.
Si K stabilise le systme nominal P
0
, c'est que F
l
(P
0
, K) est stable. Alors, par dfinition de , la
boucle ferme incertaine F
u
| F
l
( P
0,
K) , A est stable pour toute incertitude considre, si
et seulement si la relation 8-8 est vrifie.
3 Le problme de performance robuste
Soit un systme reprsent selon la figure 8-2 avec des incertitudes en entre:
G( p)=G
0
( p)| I +A
e
( p) et
c| A
e
( j o) 6
e
(o) , o .
On dsire trouver un rgulateur K tel que l'objectif de sensibilit soit respect par tous les modles
possibles.
3.1 Performance nominale
Le modle nominal correspond au cas o A=0 . La spcification de rgulation nominale peut
102
P
0
u
1
u
2
z
1
z
2
P
0
u
1
u
2
z
1
z
2
-K
A
A
A
A
W
p
I
G
0
-K
s'crire comme la relation 8-9 et la figure 8-6.
On peut reprsenter le problme sous la forme d'un problme de stabilit. La relation 8-9:

c| W
p
( j o) S
0, e
( j o) 1 , o 8- 9

est vrifie si la boucle ferme incertaine de la figure 8-6 est stable pour toute matrice
vrifiant:

A
p

1 8- 10
Figure 8- 6 : Boucle ferme reprsentant les contraintes 8-9 et 8-10.
La matrice de transfert est une matrice d'incertitude fictive.
3.2 Performance robuste
Le problme de performance robuste consiste remplacer dans la relation 8-9 et la figure 8-6 le
modle nominal G
0
par le systme incertain G:

c| W
p
( j o) S
e
( j o) 1 ,o 8- 11
S
e
( j o)=:| I +K ( j o) G( j o)
1
8- 12
G( p)=G
0
( p)| I +A
e
( p) 8- 13
|
e
( j )<
e
() , >0 8- 14
On peut construire une fraction rationnelle W
e
(p) vrifiant:
W
e
( j o)6
e
( o) , o 8- 15
103
A
p
A
p
A
p
W
e

I
W
p

I
G
0
-K
P
|
e
( j )|
e
W
e
( j ); ;
e
t.q.
e

<1
et on peut donc rcrire la relation 8-13 sous la forme:
G( p)=G
0
( p)| I +A
e
W
e
( j o) ;A
e

1 8- 16
La boucle ferme incertaine est reprsente la figure 8-7:
Figure 8- 7 : Schma fonctionnel de spcification de performance robuste.
La structure de la matrice d'incertitude est:
=
|

p
0
0
e

8- 17
avec:

A
e

A
p

1
8- 18
et la spcification de performance robuste s'crit:
j
A
| F
l
( P , K) 1, o 8- 19
104

p
A
ou encore

F
l
( P , K)

j, A
1 8- 20
4 Calcul de j , D-K itrations
Soit D une matrice diagonale, inversible, une matrice de mise l'chelle (scaling), alors les schmas
de la figure 8-8 sont quivalents:
Figure 8- 8 : Schmas quivalents.
Comme D est diagonale:
A

=DAD
1

8- 21
la relation 8-6 permet d'crire:
j
A
( M) min
D
|

c( DM D
1
)=j
A
#
( M)
8- 22
qui dfinit la borne suprieure de j .
On peut ainsi valuer, frquence par frquence (sur un ensemble discret de frquences) une borne
suprieure de j en cherchant, par algorithme d'optimisation, la matrice D de mise l'chelle qui
minimise

c( DM D
1
) .
La solution d'un problme de j -synthse de type:
j
A
#
| F
l
( P , K) 1, o
k
8- 23
se rsout par double itration:
105
D D
-1
D D
-1
M
M
A
A
1. D = I;
2. on cherche K tel que:
D F
l
( P , K) D
1

8- 24
3. Pour K fix on cherche D:
D=Argmin
Diag
|

c| D F
l
( P , K) D
1

8- 25
4. On ritre en 2 avec la dernire matrice D.

Il n'existe aucune preuve qu'un tel algorithme de D-K itrations converge vers un minimum global,
mais souvent a marche.
106