-Dans ce chapitre on va parler de la commande linéaire quadratique et
commande linéaire quadratique gaussienne. Alors la théorie de contrôle
permet d’analyser les propriétés des systèmes commandés. Un système de
contrôle est dit « contrôlable » si on peut l’amener en temps fini d’un état
initial arbitraire vers un état final prescrit. Lorsque la contrôlabilité est
résolu, on peut de plus vouloir passer de l’état initial à l’état final en
minimisant un certain critère .cela nous amène à la commande optimale.
on ne peut pas parler sur LQ/LQG sans passer par la commande optimale.
On a dit déjà, le problème de la commande optimal consiste à trouver la
commande minimisant un certain critère donné. LQ et LQG tombe sous
la commande optimal. le principe de BELLMAN est un résultat classique
de la commande optimal et se trouve utilisé. En utilisant le principe de
minimum de PONTARIAGINE On a des équations qui permettent de
résoudre le problème de la commande optimal. Comme on a dit déjà ses
équations sont établies en utilisant le calcul des variations alors que la
solution nous conduit à utiliser les équations cannoniques de Hamilton
qui transforme l’état et l’état adjoint. On parle de commande bang-bang
parce que la commande est toujours saturée, alternativement à sa valeur
minimale ou à sa valeur maximale vous imaginez que ce genre de
commande n’est pas très recommandable.
-Maintenant on parle de la commande linéaire quadratique LQ ou
LQR (lineaire quadratique regulator) ou le système se trouve linéaire et la
commande est quadratique, alors la commande optimal est un retour
d’état. Cette méthode permet de calculer la matrice de gain d’une
commande par retour d’état .La conception d’une telle commande
consiste à choisir habilement des matrices de pondération intervenant
dans le critère de manière à obtenir le comportement souhaité su système
en boucle fermée. Alors on a deux cas de commande LQ qu’on va les
étudier qui sont commande LQ a horizon fini et on la commande LQ a
horizon infini en temps discret et temps connu.et on a parlé de la structure
des régulateurs .
-Maintenant on parle de la commande linéaire quadratique
Gaussienne LQG. Qui est une méthode qui permet de calculer le gain
dune d'une commande par retour d'état, pour but de réduire les bruits
blancs, elle s'applique à des systèmes dont l'état n'est pas mesuré. La
solution de ce problème de commande optimale de processus
stochastique est bien connue sous le nom de théorème de séparation. Ce
théorème énonce que la solution du problème est composée de deux
parties :
-Par un Filtre de KALMAN permettant de donner l’estimée de l’état x
qui est non biaisée et à variance minimale, d’où l’estimée optimale est
donnée par l’équation classique du filtre de KALMAN :
- En appliquant l’estimé la commande par retour d’état
comme s’il était la mesure exacte du vecteur
d’état x.
le filtre de Kalman est une méthode qui consiste à estimer les paramètres
d'un système évoluant dans le temps à partir de mesures bruitées et il sert
à filtrer les bruits blancs pour un système stochastique .A l’image de la
commande LQG a temps continu, la version a temps discret consiste en la
combinaison d’un filtre de Kalman a temps discret et d’un retour d’état.
La méthode LTR qu’on va voir ultérieurement s’applique également.
-MAINTENAT parle-on un peu sur les différences de deux types de
commande optimale LQ et LQG .la différence est dans la définition, LQG
a un souci spécial de réduire les bruits blancs et cela net pas exactement
le cas de LQ/LQR. D’abord LQG est commande en formant un
estimateur de kalman et UN CONTROLLEUR LQ. On a quelque
différence, comme la différence de choix de pondération.
On a parlé après de LTR. technique est utilisée dans LQG (comme on a
dit déjà) pour régler un régulateur LQ pour que LQG-type compensateur
peut obtenir une bonne robustesse.et on a parlé des commande H2 et H∞
et les formulations LMI.
- Le point final de ce chapitre va être sur la robustesse et des choses qui
peuvent être considérées comme des avantages. Comme la minimisation
de l’énergie de contrôle, minimisation de l’erreur en régime permanent du
vecteur d’état, minimisation de l’erreur du vecteur d’état .et enfin on a
parlé de la robustesse des deux commandes.
-ET à la fin on a fait la conclusion.
