Modélisation et Commande des Systémes Multivariables dans une représentation d’Etat 1. MODELISATION DES SYSTEMES PAR REPRESENTATION D'ETAT se 1.1 Bref historique ; 1.2 Introduction 1.3 Exemple int 1.4 Equations d’état et 1.5 Cas des systémes linéaires.... 1.6 De la non-linéarité& la linéasité. 1.7 Exemple : Point d'équilibre d'une suspension magnétique (extrait du partiel 2020-2021) . 1.8 Linéarisation autour d'un point @équilibre, Développement de Taylor & Pordte 1 1.9 Exemple : Linéarisation du modéle de la suspension magnétique. 1.10 Schéma bloc de la représentation dat. -mnu 1.11 Changement de base - Unicité de la représentation état. 2. PROPRIETES STRUCTURELLES D'UNE REPRESENTATION DPETAT D'UN SYSTEM 2.1 Commandabilité 2.2 Observabilit.. sone sn 23 Les eritéres de Kalman pour la commandabilité et fobservabilité 12 24 Exemple : Bac d'eau. 3. REPRESENTATION PAR MATRICE DE TRANSFER! 3.1 Résolution de Péquation d'état / Solution générale 3.2 Calcul de la matrice de transition. 3.3 Relation entzée-sorte du systéme : mattice de transfer 4. NOTION DE POLES D’UN SYSTEME DANS LA REPRESENTATION D'ETAT 4.1 Exemple : analyse des modes d’un aéronef.. 5. COMMANDE PAR RETOUR D'ETAT ... 5.1 Modéle d'état en boucle fermée : stabilisation par placement de péles.. 18 5.2 Consequences 18 5.3 Exemples.... 219 54 Placement de poles avec terme integral 22 5.5 Retour @état avec gain pré-compensateur 22 5.6 Conclusions, 23 6. COMMANDE A RETOUR D’ETAT ROBUSTE : PRINCIPE DE LA\ ‘COMMANDE LINEAIRE QUADRATIQUE (LQ). DS mine Mansi EPF- CachanO UE2 COURS DE CDS on P Systémes Commandés Chapitre 1 3 Année Page 2/25 1._ Modélisation des systimes pat Représentation @état 1.1 Bref historique La percée technologique de Ia commande coincide avec la révolution industrielle. Ce champ scientifique est transversal dans ses applications allant de la régulation de économie 4 la commande du moteur électrique en passant parle pilotage des lanceurs de missiles ou encore Passervissement en température des fours électriques. Lhistoire et le développement de la théorie de la commande peut étre trés briévement tracé de la maniére suivante: Période préclassique ; Allant jusqu’a 1935, elle a débuté avec les toutes pretniéres contributions utilisant le principe de la contre-réaction (régulateurs de niveau 1775, régulateurs de température 1777, régulateur a flotteut pour moteur a vapeur ...). A la fin du 18° sigcle les fréres Perier mettent au point la premiere boucle de régulation avec action proportionnelle et intégrale. A partir de 1800 fat la période des premiéres contributions ‘mathématique avec introduction des équations différentielles et la mise en évidence de la stabilité des systémes en boucle fermées. On peut citer par exemple les travaux de Lagrange, Hamilton, Poncelet, Airy-1840, Hermite 1854, Maxwell 1868, Routh 1877, Lyapunov 1892 et Hurwitz 1895. Vient ensuite d'autres travaux développant Panalyse des systémes dans le domaine fréquentiel Minorsky 1922, Black-1927, Nyquist-1932 et Hazen-1934. Les premiéres analyses de régulateurs de positions & base de PID ont été faites au début du 20°™ siécle pour la commande de bateaux. Pétiode classique 1940-1960 : L’avénement de la seconde guerre mondiale fit un déclencheur du développement de la théorie des servomécanismes dans le domaine fréquentiel au laboratoire MIT Hall 1940, Nichols 1947 et au laboratoire de Bell Telephone Bode 1938, Bode propose en 1938 d’utiliser les tracés dits de Bode de Pamplitude et de la phase de la réponse fréquentielle des réseaux linéaires et définit les notions de marges de phase et de gain. Le groupe ditigé par Bode au MIT aboutit au développement d'un systéme de RADAR ... Durant cette période @’autres chercheurs ont développé les méthodes de localisation des péles sur le plan complexe avec des techniques de éplage des correcteurs PID. On peut citer Smith 1942, McColl 1945, Evans 1948, Ziegler Nichols 1942 et Truxall-1955 Période moderne 1960-1980 : Avec le développement de l'industrie aéronautique et spatiale. Les techniques fréquentelles classiques ne suffisent plus et des techniques temporelles appropriées doivent étre proposées pour faire face aux problémes de non linéarités, aux systémes & paramétres variant dans le temps aux systémes multivariables et aux problémes de commande optimale (on 4 moindre cofit énergétique) rencontrés en particulier dans le domaine spatial. On voit appasaitre pasticuliézement, le formalisme de la modélisation dans espace d'état puis la commande dans cette représentation : Bellman 1957, Pontryagin 1958 et Kalman 1960. Kalman introduit les concepts d’observabilité et de commandabilité insistant ainsi sur limportance de la seprésentation état. Pontryagin pose les bases de la commande optimale. Parallélement, le développement des caleulateurs dans les années 50-60 permet leur utilisation en automatique hors-ligne pour les calculs de synthése de correcteurs et simulations et aussi comme élément part dans la chaine d'information d'un systéme commandé. Cette seconde utilisation a permis le développement de la théorie des systémes échantillonnées développée par Ragazzini, Franklin et Zadeh entre autres en s’appuyant sur les bases de I'échantillonnage des signaux posés par Shannon dans les années 50. Pétiode de 1980 4 nos jours : Avec les capacités de calculs de plus en plus importantes, Pavénement des logiciels de calculs matriciels dédiés (exemple Matlab1.0 de MathWorks 1984) et la demande de Vindustrie avec des systémes de plus en plus complexes en Robotique, Transport, Aéronautique et spatial ...des nouveaux problémes spécifiques de commande apparaissent. D’ot Pémergence des techniques de plus sophistiquées notamment la commande robuste, la commande par mode glissant, la commande floue, la commande synergétique, la commande adaptative ou encore la commande par réseau de neurones.UE2 | COURS DE CDS ¢ EP Systémes Commandés Chapitre 1 ENGINEERING SCHOOL 3" Année Page 3/25 1.2 Introduction Les systémes dynamiques linéaires peuvent étre étudiés dans le domaine temporel par un cettain nombre de techniques classiques. Les méthodes les plus couramment utilisées reposent sur la représentation par équations diffécentielles. Les difficultés et les insuffisances rencontrées dans l'emploi de ces méthodes temporelles ont été i Forigine du développement des méthodes fréquentielles (transformée de Laplace notamment) conduisant A une repzésentation par fonction de transfert. Cette transformation a été utile pour Vétude de la stabilité et Ja synthése de correcteurs basée sur des critéres fréquentiels ‘Lun des inconvénients majeurs de Papproche fréquentielle est dimposer des conditions initiales nulles. Ces conditions initiales jouent cependant un réle important dans Pétude des systémes dans le domaine tempore! oii la solution dépend beaucoup du passé du systéme, Un autre inconvénient de cette approche est qu'elle s'adapte mal au cas multi-variables (plusieurs entrées et/ou plusieurs sorties). On peut encore citer autres inconvénients ~ Les systémes non-linésires ne peuvent pas étre décrits par des fonctions de transfert. = La compensation dans la fonction de transfert d’un péle instable par un zér0 ne pourra pas étre prise en compte lors de analyse du systéme et ne sera done pas stabilisable par ces méthodes fréquentielles. Pour les systémes complexes, une autre représentation est apparue depuis les années 60 c'est la représentation état ou par vecteur d’état. Elle permet de pallier 4 ces difficultés et d’unifier le cadre de Vénude des systémes dynamiques continus ou diserets. Le concept d'état est utilisé chaque fois que des informations sur des variables intemes ou intrinséques au systéme et qui n’apparaissent ni en tant qu’entrée ni en tant que sortie sont nécessaires pour prendre une décision concernant la commande du systéme en question. Ce formalisme de la zeprésentation d'état est applicable 4 une classe trés importante de processus physiques. II tient compte de l'état initial (a conteainte de teavailler avec des systémes au repos est ic inutile) et il est plus facilement adaptable au cas multivariable i. plusieurs entrées et/plusieurs sorties Cette représentation décrit état interne du systéme dynamique et non pas seulement son état externe représentée par une (ou plusieurs) relation(s) entxée(s) sortie(s). Ainsi, il convient de prendre en compte des grandeurs qui ne sont ni a entrée, ni la sortie mais intrinséques au systéme et ont une influence directe sur les phénoménes dynamiques et statiques qui conférent au systéme son comportement. D’ot les définitions * Définition: L’état d'un systéme dynamique est le plus petit ensemble de variables tel que la connaissance de cet ensemble a Vinstant arbitraire t= ty, ainsi que celle des signaux entrée pour t 2 w, suffit 4 déterminer complétement le comportement du systéme & chaque instant t > to, |* Définition : Les variables d'état sont les grandeurs physiques constituant l’état du systéme. * Définition : Le vecteur d'état est la représentation mathématique utilisée pour les variables d'état. Siils sont au nombre de m1: x:, X2...%a alors X'= [xi, x .+»5 Xo]! est le vecteur Pétat, n est appelé Pordre du systéme. * Définition: L’espace d’état est espace vectoriel dans lequel le vecteur @état X est susceptible évoluer. Chaque instance de X est un point de IR’, Cet espace n’est donc autre que espace vectoriel IR*2 UE2 COURS DE CDs on P Systémes Commandés Chapitre 1 3 Année Page 4/25 1.3 Exemple introduetif (On considéte le systtme mécanique d'une masse soumise & une force extérieure F qui Pentraine en mouvement de translation sur le plan horizontal, La masse subit aussi une force de frottement horizontale d’amplitude F Lrenttée de ce systéme est F et sa sortie est le déplacement z suivant axe des z. _ (On applique le théoréme des résultantes & cette masse qu’on projette suivant axe des z, puis on passe Péquation différentielle obtenue dans le domaine de Laplace zo) FO) plmp+f) = F=mitfe > HQ)= Done la relation entrée/sortie est un transfert ordre 2 © Modélisati i \éme par représent pe Si on s'intéresse maintenant aux grandeurs physiques intrinséques ce systéme, on a le déplacement z et la (x(t) xa(t) = vitesse Z, on prend done comme variables détat f {* =A =n (0) Les deux égalités ci-dessus peuvent s’écrire sous la forme matticielle : 0 1 ES]- fp ES) Feamitfz > F=mi(0+fmit) 2 m= Ol i alr x(t) Cette 1* equation de la représentation d’état s'appelle Péquation @état. Pour les systémes asservis, on slintéresse également & Ia (ou les) grandeur(s) physique de sortie qui apparait(ssent) naturellement dans les équations dynamiques du systéme. On Pexprime également sous forme matsicielle. La 2"™ égalité ainsi obtenue traduit la relation entre la sortie qu’on mesure (ici le déplacement 2) et le vecteur d'état, on Pappelle Péquation de sortie ou Péquation Pobservation. Pour cet exemple, cette équation est donnée par Pégalité: _ . 1] y= [1 0) (t) La représentation d'état est donc une représentation matricielle qui contient deux équations Péquation d’état et Péquation de sortie. Elle est de la forme zo=n of R() =A x(t) + But) avec «= [20]: of | mi y(t) = C-x(t) + D-u(t)O UE2 COURS DE CDS cP Systémes Commandés Chapitre 1 ENGINEERING SCHOOL an Page 5/25 La forme de la teprésentation_d’ét i-¢ témes_dynami¢ linéaires. Ce qui I" éme 4 l’autre ce sont les tailles é is ‘insi nature des variables it Pour Pexemple ci-dessus, on a 2 variables état donc le systéme est dit d’ordre 2. Le vecteur [2(t) 2(t)] est appelé le vecteur d’état. 14 Equations d'état et @Pobservation Plus généralement, le systéme est décrit par m variables d'état, le vecteur d'état x(0) est donc un vecteur de IR’, le systéme posséde m entrées, il peut s'agit d’entrées de commande ov de perturbation. Soit u(t) le veeteur de commande, cest un vecteur de IR". Parmi les variables d'état, p variables étant mesurées donc apparaissent dans le vecteur de sortie qu’on notera y(), Cest un vecteut de IR’, La représentation état est done de la forme fi Gc(0),u(e), ty F(x(), u(t), ) = [ i | fn (x(t), u(t), t), yO = 9eO.u0,1. fet g sont deux fonctions vectoriclles pas nécessairement linaires. On a aloss : £2 IR" x IR" x IR > IR” gc IR’ xIR" x IR IR" [ x=]: n(0) 1.5 Cas des systémes linéaires Les systémes linéaires forment une classe particuligre dont Timportance pratique est remarquable. Ils vérifient les deux principes de linéarité suivants inci ition : La réponse d'un systéme linéaire 4 une entrée composée de la combinaison linéaize de plusieurs enteées est la somme des xéponses élémentaires 4 chacune des entrées considérées individuellement. Principe d*homogénéité : Si la réponse du systéme a une entrée u(2) est s{#) alors sa réponse a Pentrée a u(2) est « s(2), a étant un réel quelcongue, Dans la pratique, il n'est pas rare que les hypothéses de linéarité ne soient pas vérifiées. Néanmoins, "hypothése de linéarité peut tre accordée pour de nombreux systémes évoluant autour d'une position d’équilibre ou d'un point de fonctionnement. Un processus de linéarisation est alors nécessaire au voisinage de tel point. 1.6 De la non-linéarité a la linéarité Les fonctions Fet g du §1.4 peuvent étze trés complexes et généralement non linéaies. Pour linéariser le modéle du systme on peut avoir secours & une linéarisation autour d’un point de fonetionnement ou un point dléquilibre en utilisant le développement de Taylor au premier ordre, On peut montrer que les équations du systéme sont de la forme : fo ACE) - x(t) + B(tu(e) (6) = CCE) -x(E) + DE) ue) Les tailles des matrices A(P), (A), C(t) et D(®) dépendent du nombre d'enteées, de sorties et de variables @’état du systéme. Si en plus, les coefficients des fonctions et grne dépendent pas du temps, on dit que le systéme est invariant. Les équations du systéme sont de la forme (E(t) = A-x(t) + B-u(t) bo =C-x(t)+D-ult) Ces relations constituent une représentation d’état linéaire invariante dans le temps. AvecP UE2 COURS DE CDs ¢ Pp: Systémes Commandés Chapitre 1 3 Année Page 6/ 25 ix (t) x(Q EIR": vecteur ditat (n nombre d'tats) x= | a(t) | u(Q) EIR": vecteur des entries (m nombre dientries) u(t)= al ys) y(Q EIRP: vecteur des sorties (p nombre de sorties) y(t) = pp) éfinition d'un point @équilibre : Un point Péquilibre (xe, ue} est défini par Péquation F(t, 1 0. Autrement dit, les dérivées de toutes les variables d’état sont nulles au point d’équilibre. Un systéme peut avoir plusieurs points ’équilibre. 17 Exemple: Point Wéquilibre @une suspension magnétique (extrait du partiel 2020-2021) Le ptincipe de la suspension magnétique est de maintenir un “| objet métallique en levitation dans Pair sans contact physique, en compensant le poids de Vobjet par une force magnétique La position 41 de la boule par rapport & Pélectroaimant est pour ce systéme mesurée par un capteur optique. Une lampe éclaire Ia zone of la boule lévite et émet une radiation tame lumineuse en direction d'un phototransistor T. L’éclairement que resoit ce demier est propostionnel a fl. En effet, lorsque H diminue, la boule remonte et fait de Pombre au tansistor qui sven trouve dautant moins éclairé, Le phototransistor délivee une tension yy =—c+p ob c est une constante positive connue, Cette tension est donc une image de Paltitude de la boule et cest la soxtie du systéme. Le fonctionnement de ce systéme est décrit par les équations suivantes ue) ror mg ~ F(t) o (Od g est la constante de gravitation. La force magnétique F peut s‘exprimer de la facon suivante # aLw) du @) Cette inductance 1 est celle du circuit magnétique global (la pice ferromagnétique et Pair alentour que traversent les lignes d'induction magnétique auxquels il faut ajouter la boule de fer elle-méme). Elle dépend done de la position de la boule. On montre que : LG) = ly + by 1+ bow “ Lo, byet b; sont des constantes strictement positives du systme. La loi des mailles appliquée A la bobine se traduit par Péquation dicey : wo ¥(0) = Rice) + Ly L, et R écant respectivement linductance et la résistance de 'enroulement électrique Question : Donner le(s) point(s) d’équilibre de ce systéme, qu’on notera (Ug, ig, Fo).UE2 COURS DE CDs | cepe Systémes Commandés Chapite 1 3 Année Page 7/25 | L8 Linéarisation autour d’un point d’équilibre, Développement de Taylor 4 Pordre 1 On suppose que le systéme est continu et stationnaire et est décrit par les équations différentielles ci-dessous. Avec n variables d'état notées xi, m entrées de commande w et p sorties Yj (1) = HO ayes yo tlstlas sty) WAC) = GB Ray Xp oth stay sl) (= Sapo Xaye es hy tsa) . YalO) = S2%%ayyXpsth lass) = Loe kas gatas sty) VoD = 8p ¥aor yt tas oly) Qu’on peut écsie plus simplement sous la forme condensée € fw) ty = gu) “Avec fet f des fonctions matuicielles. Pour ce systéme, un point d’équilibre défini par (ie, ue} vérific Pépalité Fle, we) = 07 On applique le développement de Taylor au premier ordre a Péquation précédente autour de ce point eéquilbre afte), , afGen) a ay ag(xu) , , dgu) ae tu ax et du sont de petites vatiations des variables d'état et des entiées autour de ce point Péquilibre. On obtient le modile linéarisé du systéme suivant: (voir également e polyc de CDS semestre 83 pour le eas monovariable) F(%e + 94, Uy + Ou) ~ fees te) + =o au a oe + Ax, Ug + BU) % G(Kerhe) + ze = PCED gy FD 9, pain f ae? +2ewa, = 20000) ay 4 2008 ay a S oe & ° JK +X Uy +50) Avec 10%s,Ue) * Quand la linéarsation se fit aorour dion point de foncionnement cette da nest pas vseO UE2 COURS DE CDs cP Systémes Commandés Chapitre enemernne schoo. 3 Année Page 8/25 a, a Ff eu, ou, aflx,u) eg Ou) oO ou . Ext également : ag, Ou, a(x) _ : ar : 8 8, 28 a, au au, Stead, 2rtei) 2a06) or 282 sont appelées les matrices Jacobéennes de f et g calculées relativement 4.x et w Les matrices 1.9 Exemple : Linéarisation du modéle de la suspension magnétique On reprend Pexemple du §1.7. Proposer une représentation d'état linéaire de ce systéme autour de son point équilibre2 UE2 COURS DE CDS ¢ ep Systémes Commandés Chapitre 1 3 Année Page 9/25 10 Schéma bloc de la représentation @état 4k l_--, Ne egy alt © lta ; Lt tlic lig I li iF Se a ee ‘| L D ! T 4 - Liencadré rouge est Ia partie du schéma bloc du systéme qui traduit Féquation état. - Llencadsé bleu est la partie du schéma bloc du systéme qui traduit Péquation observation appelée aussi Péquation de sorte. Interprétation du Schéma : © Acestla matrice représentant les interactions dynamiques entre les différents éléments internes du systéme, qu’on appelle également matrice d’état. # Best la matrice représentant action des entrées sur Pévolution dynamique du systéme, qu’°on appelle également matrice de commande + Ceestla matrice des capteurs permettant @obtenir les sorties, qu'on appelle également matrice de sortie. © Dest la matrice indiquant le couplage direct entre les entrées et les sorties, 1.11 Changement de base - Unicité de la représentation état ‘Un méme systéme peut étre décrit par différents jeux de vecteurs état. En effet, si on considére la matrice de passage P matrice carrée et inversible et on fait la transformation du vecteur d’état x(t) = P(t). P - ¥(t) + P~*B- u(t) Ge” Cc) fo x(t) + B-u(t) y(E) = C x(t) + Due) yO = CP X(t) +2 é Les deux représentations (A,B, C,D) et (A,B, €,D) sont algébriquement équivalentes, elles représentent le méme systéme selativement a deux veetcurs d’état différents x(t) et £(2) vérifiant x(t) = P(E). P étant la matrice de passage done nécessairement inversible. Done pour un méme systéme, on a une infinité de représentation d'état Le choix de la matrice P peut faire passer le systéme d'une représentation quelconque 4 une teprésentation particuliére. L’une des représentations particuligres et la plus utlisée en automatique est la représentation pat forme modale. Elk se caractérise par une matzice d'état A qui est diagonale? ou sous forme réduite de Jordan lorsqu’elle n’est pas diagonale. Quelques remarques importantes :la représentation modale est intéressante car : «Dans la base modale, on peut résoudee facilement Péquation d'état. Tous les états sont découplés si A est diagonale. 2 Quand Ia matrice d'état ext diagonaisable,UE2 COURS DE CDS Cc pP Systémes Commandés Chapitre 1 3°" Année Page 10/25 # Les valeurs propres de la matrice A sont les éléments de la diagonale de A. Ce sont aussi les péles de ce systéme (voir §3.3). Done la forme modale nous renscigne directement sur la(le)s dynamique(s) présente(s) dans le systéme (temps de réponse, amortissement, présence de mode oscillant ou pas ...) © Lianalyse du comportement du systéme cn régime dynamique et des propriétés structurelles telles que la commandabilité et Pobservabilité (qu’on verra au §2) peuvent étre mise en évidence facilement dans cette représentation relativement aux valeurs propres de A. © Cette représentation permet aussi d’obtenir rapidement e4 et déduire par conséquent une solution de l’équation d’état. Il est i noter que les éléments de la diagonale de e4 sont les exponentielles des valeurs propres de A.UE2 COURS DE CDS err Systémes Commandés Chapitre 1 3** Année Page 11/25 2. Propriétés structurelles @une représentation d’état d’un systéme 2. Commandabilité Soit la représentation d'état du systéme suivant : fo =A-x(t)+B-u(t) y(t) = 6 -x(t) * Définition: Le modéle détat est complétement commandable si et seulement si il existe une loi de commande u(f) sur un intervalle de temps [fo tf, 7 © conduisantle systéme de tout état initial arbitzaire (4) = Xo, vers x(W) = 0q (vecteue nul) en un temps fini <4 f. Remarque: = Le systéme n’est pas complétement commandable si pour certaines valeurs % il n’existe pas de commande w pouvant ramener le systéme de xvau veeteur nul 0. “La commandabilité permet de savoie si on peut faire varier arbitrairement le vecteur d'état dans Pespace d'état - Un exemple de systéme trivialement non commandable est celui oi la matrice B est égale au vecteur nul Lorsque le systéme est décrit dans la base modele (avec une matrice d'état diagonale), s'il apparait que la j'** ligne de la matrice Best nulle, alors la commande ne permet pas d’agit sur le mode associé au péle 2; Commex = PX = P2, alors la commande n’a aucune influence sur Pétat z, associé au péle }y et par conséquent, Pévolution de cet état ne peut pas étre maitrisée au moyen de la commande. Le systéme est alors qualifié de non commandable. La figure ci-dessous illustre la notion de non commandabilité dans le cas d'une commande modale. 4 T a aw P On voit que la valeur de la variable d’état 2; est indépendante de la commande w. 2.2 Observabilité Soit la représentation d'état du systéme suivant : fo SA-x()+B ue) y(t) = C-x(t)© Pe UR2 GOURS DE Gbs Pp Systemes Commandés Chapitee 1 3° Année Page 12/25 | Définition : Le modéle ¢’état est complétement observable si et seulement s'il est possible de déterminer toute condition initiale x(«) = x0 connaissant y(t). St t 2. La méthode de réduction de la matrice A. Particulidrement, si A est diagonalisable, il existe une matrice de changement de base T telle que eft = TeAty-1 O8 Aest la forme diagonale de A. le calcul de e/"est beaucoup plus simple, En effet, l'exponentielle @’une mattice diagonale est une matrice diagonale dont les éléments de la diagonale sont les exponentielles des Aéments de la matrice diagonale initial 3.3 Relation entrée-sortie du systéme : matrice de transfert Pour un systéme multivariable, les fonctions de transfert définissent mp relations entre les m entrées du me, La transformée de Laplace est appliquée aux équations d'état et observation. Dans ce cas, les conditions initiales sont supposées toutes nulles : vecteur wet les p sorties du vecteur y. Elles donnent une représentation externe di pX(p) = AX(p) + BU(p) = (pln — A)X(p) = BU) = Xp) = (pln — ABU)2 UE2 COURS DE CDS CEPT |___ Systemes Commandés | __Chries | 3" Anni Page 15/25 =Y@) = (Cpl, ~ A)*B + D)U(p) In désigne la matrice identité de dimension 1¥n. (ply — A)*B + D € IRP™™ est une matrice dont chaque élément est une fonction de transfert qui définissent les relations entre les m entrées et les p sorties, La matrice de transfert est donc : H() = C(ply — A)? + D siD alors la matrice de transfert se réduit & px H(p)=C(pl Ay" B H(p)= adj(pI- AB pr-d dj( pI — A); - H(p) est une matsice p x m. p est le nombre de sortie du systéme et m le nombre de ses entrées. Chaque coefficient / x j de la matrice H(p) est une fonction de transfert qui traduit Paction de Fentrée i sur la sortie j. - [pl = Al = det(pl — A) étant le déterminant de la matrice pl — A. Ce déterminant est un polynéme en p (la variable de Laplace). Il est également le dénominateur commun 4 tous les coefficients de la matrice H(p)- - Ce déterminant n'est autee que le polynéme caractéristique de A. par conséquent les valeurs propres de sont les péles du systéme. On rappelle, que ces péles, séels et/ou complexes conjugués, caractérisent la stabilité du systéme ainsi que les dynamiques de ses différentes variables d’état voir exemple du §4) ~ adj(pI - A) est la matrice adjacente de pl — A. Elle a la méme taille que H(p). Ses coefficients sont des polynémes en p. = Cette matrice de transfert est unique et est invariante par changement de base.UE2 COURS DE CDS Systémes Commandés ‘Chapitre 1 3°" Année Page 16/25 cP 4, Notion de péles d’un systéme dans la représentation état Dans le cas monovariable, les péles et les zéros d'un systéme sont définis & partir de sa fonction de transfert ¥(p) _ Sortie H@)= Sortie = 7G) ~ Eure Les péles sont les racines du polynéme au dénominateur de la fonetion de transfert H(p) et les zéros sont les racines du polynéme au numérateut de la fonction de transfert H(p). Ces deux notions sont généralisables a un systéme multivatiable, dont les péles et les zéros sont définis de la maniére suivante * Definition : soit e systéme multivariable d’ordre n, de matrices d'état A, B et C. Supposons que rang(B) et rang(Q) = p. Alors : - Ses ples sont égaux aux valeurs propres de la matrice A, Cesta-dire aux valeurs de p telles que det(ply — A) = 0. Ses zétos sont égaux aux valeurs de p qui font chuter «le rang normal!» de la matrice dite de Roseabrock définie par : Ro) =P 4 La mattice de Rosenbrock est de dimension (1+p)x(n+m). Puisque le nombre de colonnes de B est m et le nombre de lignes de C est p, le rang normal de R(p) est au plus égal a min(n-tp, n-tm). Les zéros du systéme sont donc les valeurs de p telles que le rang R(p) est strictement inférieur au rang nozmal de R(p). ‘Conséquence : 1. Un systéme multivariable est asymptotiquement stable, siet seulement si tous ses péles sont A partie réelle strictement inférieure & 0. ie. un systéme multivariable est stable si et seulement si toutes les valeurs propres de sa matrice d’état sont A partie réelle négatives. 2, les modes de ce systéme sont entiérement définis par les valeurs propres de A. Changer les performances temporelles du systéme consiste done & changer 4.1 Exemple : analyse des modes dun aéronef* Le modéle de la dynamique latérale d’un Boeing 747 évoluant 4 une certaine altitude est caractérisé par les deux matrices état 0558 -0.9968 -0.802 0.0415 0.007290 0.598 -0.115 -00318 0 | y_|~0.475 0.00755 =3.05 0388-04650 0 0.153 0.143 0 0080s 1 0 0 0 foe - Le vecteur d'état est (B r p )’ avec: fest l’angle de lacet, p la vitesse de roulis, r la vitesse de lacet, p Pangle de gite. stm # 7.RG) ecu musee cape, 2 fen Bek Poti Par dea an pede angnonrl eon pied neu cut eth atm)UE2 COURS DE CDS Cc ep Systémes Commandés Chapitre 1 3" Année | Page 17/25 - Le vecteur commande est (6 62) 08 dy est Vangle de braquage de la gouverne de direction et drestVangle de braquage des ailerons. Ce modile est d’ordre 4 Bica[Modes | 0.0329 £03941 “W367 THOS Eat B O20 0.01726" 0.0067 igen , eet 0.0118" 0.0404 > 0.69 0.4895e"*" 0.0105 0877 0.999 Onde z i “ L’analyse des valeurs propres de la matrice d’état montre que les dynamiques des variables d’état résultent de la superposition de deux pales réels ~0.5627, ~0.0073, qu’on appelle également les modes dordre 1, et Pune paire de 2 péles complexes conjugués {—0.0329 + 0.94i}, qu'on appelle les modes @ordre 2. Tous ces péles sont stables car & parties réelles strictement négatives, ce que confirment les réponses du systéme & un angle de gite de 1°. On peut noter également qu’on 2 un péle dominant ~0.0073 (le plus lent) L’analyse de la matrice de passage dans la base modale évéle que ce mode lent est associé & la quatriéme valeur propre. La structure du quatiiéme vecteur propre montre que cette valeur propre affecte principalement langle de gite p (module du coefficient égal & 0.999). Diapzés la 4° séponse de la figure ci-dessous qui correspond & Pangle de gite, on constate qu'effectivement, il cst principalement affecté par la dynamique lente du premier ordre ‘Zoom sur la Réponse des variables état 4 un angle de gite de 1° Les arguments des valeurs propres influencent également les séponses du systéme. Par exemple, pour le mode 2 la phase de référence étant celle de angle de gite puisque la pondération 0.69 est un réel pur. I] apparait que Poscillation associée i ce mode est pour Vangle de lacet f est déphasée de 28°, Pour la vitesse de lacet r ce déphasage est de 120° ; er pour la vitesse de roulis ce déphasage avec angle de gite est de -91°. Ce que confirme les allures des réponses obtenues en régime libre pour un angle de gite initial (0) = 1°:2 UE2 COURS DE CDS Cc P Systémes Commandés Chapitre 1 3° Année | Page 18/25 5. Commande par retour d’état 5.1 Modile @état en boucle fermée : stabilisation par placement de pales (On suppose ici que tous les états sont mesurables. Cela veut dire que dans une base bien choisie, le vecteur de sortie est égal au vecteur d'état donc on peut faire un retour sur le-vecteur d'état. La loi de commande consiate A réaliser un retour d’état sous la forme u(t) = r() — Kx(e) 7 D 1): est le vecteur de signaux de référence (consigne).K € 8" matrice des gains de retour état, done le corsecteur Le modéle d’état de la boucle fermée devient fo A-x(t)+B-u(t) avec u(t) = r(t)- Kx(t) y(t) = C+ x(t) + Du(t) (X(t) = A» x(t) + B- (r() — Kx(e)) x(t) = (A — BK) x(t) + B-r(t) f y(t) = C + x(t) + D(r(t) — Kx(t)) f y(t) (C — DK) x(t) + Dr(t) En faisant un bouclage, la nouvelle matrice d'état du systéme en boucle fermée est A ~ BK et la matrice de mesute est A — DK. Les matrices B et D restent inchangées. Par conséquent en faisant ce bouclage, om peut changer les valeurs propres du systéme en boucle fermée. Par conséquent, on peut agir sur les valeurs des péles du systéme pour le stabiliser ou changer ses modes done pour changer ses performances temporelles. 5.2 Conséquences ~ Les péles du systéme en boucle fermée sont les valeurs propres de la matriceA — BK. ~ _Sitoutes les valeurs propres deA — BKse trouvent 4 gauche du demi-plan, le systéme bouclé sera stable. - Lamatrice de retour d'état K permet Y diimposer les valeuts des modes de la boucle fermée. Y de stabiliser le systéme s'l est instable en boucle ouverte. Y dimposer un comportement dynamique au systéme, autrement dire faire un réglage du régime permanent & travers les modes qu’on va pouvoir imposer 4 Ja boucle fermée Deux questions se posent 1, Peut-on toujours trouver une matrice des gains K de sorte que tous les péles du systéme bouclé soient dans la moitié pauche du plan complexe, i.e. Stables ? 2. Ce placement de péles peutil tre arbitraire ? Les 1éponses i ces deux questions sont données parle célébre automaticien Wonham en 1979 et sont résumées dans le théozéme suivant :e UE cores Cc P Systémes Commandés Chapitre 1 3" Année Page 19/25 ENGINEERING SCHOOL + Théoréme [Wonham, 1979] : un placement de pdles arbitraire en boucle fermée est possible si ie systéme est commandable en boucle ouverte. En plus la solution est unique si le systéme est mono. entrée. Sinon, lorsque m>1, il n'y a pas Punicité de la matrice des gains K. Done la propriété de la commandabilité est suffisante pour trouver une solution au probléme du placement de péles en boucle fermée, en plus ce placement de péles est arbitraire ce qui veut dire que le choix des performances temporelles du cahier des charges peut étze obtenues dés lors que ces performances sont traduites en termes de péles. 5.3 Exemples3 Exemple (On suppose qu’on a un systéme du 3°* ordre dont Péquation différentielle est donnée par JrSH43p42y=u Pour le réalisation sous forme de représentation d'état, on pose may Hap mad Une réalisation d’état du systéme est la suivante = 0 1 0) [0 0 1 fr+]0 fe - 5} | (On est assuré @avoir une solution stabilisante par bouclage, si le systéme est commandable en boucle ouverte. Pour cela, on commence par calculer la matrice de commandabilité C(d, B) et lui appliquer le critére de Kalman, 0 0 1 C(4,B) = (B,AB,A*B]=|0 1 =| 1-5 22 On peut vérifier aisément que cette matrice est de rang plein. Done ce systéme est commandable. Done un placement de péle arbitraire est possible, en plus il sera unique pour des valeurs de péles données cat le systéme est monovariable. On considére maintenant un placement de péles par retour d’état avec une matrice de gain K = (ky kz ks) La nouvelle matrice d’état est 0 1 0] mJ] 0 390 1 -2-k, -3-k -5-h On peut montrer que la nouvelle équation caractéristique en boucle fermée vaut A(A) = det(Al — (A— BK)) = 29 + (5 +k3)2? + (3+ k2)A+ (2+ hy) =0 Le systéme étant commandable, le placement de péles peut se faire dune fagon arbitraire, Ce qui veut dire ddans la pratique qu’on peut choisit les valeurs et la nature des pdles comme on veut : réels ou complexes ou un Dans la pratique, on dispose dela formule Ackermann pour cleule Is matcice des gains K :K = [0-0 1]C(4,B)-*Ppp- Ot (A.B) ext a matsie de commandabilté et Ppp ext Ie vecteur colonse des coefficients du polynéme caactérsique voulu en BF Cette résolution et codée dan la fonction ackerde Matlab qu'on aura Poccasion d'usiseren TAO.2 UE2 COURS DE CDs cP Systémes Commandés Chapitee 1 3" Année Page 20/ 25 mixte des deux. Ce qui doit guider notre choix ce sont les performances temporelles voulues pour ce systéme en boucle fermée. Ici, on a un systéme dordre 3, donc on a le choix de fixer en boucle fermée 3 péles réels, done 3 modes d’ordre 1 ow un péle réel et une paire de 2 péles complexes conjugués i.e. un mode ordre 1 et un mode dordre 2. Crest le choix retemu ici. Pour simplifier la résolution (faite ici manuellement), on décide de choisir le temps de réponse du péle réel égal A-F-ay . Avec § et Wy le coefficient damortissement de la paite de péles complexes voulues en boucle fermée et @y la pulsation propre associée & ces ples complexes. ‘L’équation caractéristique imposée est par conséquent de la forme A()=(# +260,4 +0, a+ Ea) On choisit une valeur de £0.75 (dépassement faible < 3%, voir les abaques) et w, telle que le temps de réponse 4 5% du mode réel soit de 0.4s, Or pour un systéme d'ordre 1, Tygy le temps de réponse a 5% est 3 fois la constante du temps T, on a Troy = 30 = 3g = As = w= 10rad/s En remplagant € et @y par leurs valeurs numétiques, on obtient AQ) = @? +152 + 100)(A +75) = AB + 22.51? + 212.54 +750 En comparant avec léquation caractéristique de la boucle fermée, on déduit les valeurs des gains : Key = 748, ke = 209.5 et kg = 17.5 D’oii la valeur numérique de la matrice des gains: K =[748 209.5 17.5] Exemple2 On prend le ystéme d'équation état XQ) =A-x(t) + Bu) _[fl 1) p-[ ve ‘ , Avec A = 6 a «B=[ i} ‘Vérifier la commandabilité de ce systtme. On considére maintenant un placement de péles par retour d'état avec une matrice de gain K = [Ky, Ko] Soient Ay la matrice d'état en boucle fetmée, et Pr le polynéme earactérstique en boucle fermée Ay = A~BK =(1 1)_(h& m)_(1-& 1-Ky 4=(o dC e)=(ae 28) Py = det(Alz — Ay) _ Po +K, -1+K, “LK a-24K, SP + (Ky + Ky —3)A4+2-Ky — Ky On veut imposer le polynéme caractéristique Pesire = 2? + aA + ay Par identification, on obtient (ay = Ky + Ky -3 in =2-K,-K, et @y doivent done étre liées, on ne peut par conséquent pas choisir arbitrairement les valeurs des péles en boucle fermée. C’est la conséquence de la non commandabilité du systéme [Théoréme de Wonham]UE2 COURS DE CDS Systémes Commandés Chapitre 1 3*™* Année Page 21/25 cP On considéze un systéme dont la représentation d’état est 20=[2 1po+}uo x®=[} {]2@ On peut verifier que ce systéme est commandable et que son polynéme caractéristique est P = s? + 4s — 5 = (s—1)(s +5). lest done instable en boucle ouverte. (On cherche pour ce systéme un bouclage de gain K stabilisant conférant au systéme en BF les pdles -5 et -1. Le polynéme caractéristique désiré en boucle fermée est: Pyesirg = (S + 1)(5 +5) = 5? +65 +5 Le nouveau polynéme caractéristique en boucle fermée est Py = det(Al, — Ap) a -1 IHS 4+K, Ata + wl = 2 + (K,+HA+K,-5 Par identification terme terme, on obtient D'aprés 'équation de sortie, on ay = x, et 41 = Xp , d'aprés Véquation d'état ci-dessus. Soit v la nouvelle consigne en bouele fermée. Le bouclage vérifie légalité usv-Kx 2% warmth Kafe wa v— Kx, — Kor Soit: w= v—10y +29 La commande u contient un terme propostionnel & la sortie y et un autre terme propottionnel a J sa dérivée. Le bouclage par matrice d’état est done de type PD (Proportionnel Dérivée) et sans terme intégral. Donc ce type de bouclage peut au mieux rédnire Verreur statique mais pas Pannuler. Pour analyser les performances temporelles (temps de séponse dépassement ...) et fréquentielles (robustesse, marges de stabilité ...) de telle correction, on tracc les diagrammes de Bode de la boucle ouverte ainsi que les séponses A un échelon de la boucle fermée. On obtient Réponses indicielles relativement aux 2 sorties Avec ce bouclage, on a une erreur statique de 80%, une constante du temps ~0.6s sur la sortie y.O UE2 COURS DE cps ceP Systémes Commandés Chapite 1 ‘3° Année Page 22/25 544 Placement de poles avec terme integral Pour remédier & cela et pouvoir annuler erreur statique, Pune des solutions consiste a introduire, de maniére analogue au cas monovariable, un bloc intégral. La commande & retour d’état devient de la forme “OTHER jf u(t) = -Kyx(t) +; | e@de Done on cherche une matrice Ka = [Ky ! ~Kj]. Dans cette nouvelle matrice du correcteur, on retrouve la mattice des gains du placement de péles augmentée de la matrice Ky qui correspond aux diffézentes constantes du temps des intégrateurs. On définit du coup le systéme augmenté de matrices d'état : (é On] = [oe eRe = Us kn 1knea = knom) Sous certaines conditions, une mattice Ky adéquate permet de placer of on le souhaite les n + p péles du systéme du systéme en boucle fermée (valeurs propres Aq B,Kq).De maniére analogue au cas monovariable, on peut montrer que ces intégrateurs ainsi placés en amont du systéme ont la capacité d’annuler erreur due 4 une perturbation additive sur le systéme. Ag= Conditions d'existence de la matrice Ky: Un placement de poles arbitenire est possible pour le systéme augmenté est possible si et seulement si le systéme est commandable et aet{ o peo xm Cette seconde condition d'existence exprime le fait que 0 ne doit pas étre un zéro du systéme & consger. C'est- dire que celui-ci ne doit pas étre dérivateur. 5.5 Retour d’état avec gain pré-compensateur Une autre maniéce d'annuler Verreur statique est d’ajouter un gain constant dit pré-compensateur de la maniére suivante Le} En procédant de la méme maniére qu’en §3.3, on peut montrer que la relation, dans Je domaine de Laplace, entre la sortie est entrée est ¥(p) = (C — DK)X(p) + DG RP) (C — DK) (pin — A + BK)-*B + DJ * G * RP) ac application du théoréme de la valeur finale vue pour le cas monovariable, on peut montrer que la limite & Vinfinie de la sortie (ce) = [(C — DK)(BK-A)-*B + D] + G «r (r étant supposée une consigne constante) Pour que (00) soit égale i la valeur r de la consigne, il suffit de prendre le gain pré-compensateur G égal i: G = [(C- DK) (BK-Ay*B + DYUE2 COURS DE CDS cP Systémes Commandés Chapite 1 3 Année Page 23/25 5.6 Conclusions La commande par placement de péles peut savérer insuffisante pour certains systémes commandables relativement tis points importants ~ Elle ne contient pas intrinséquement de terme intégral pour éliminer erreur statique. Donc le calcul du coefficient du gain statique pré-compensateur se caleule dans un 2” temps et la commande par retour d'état avec un terme intégral ne marche que si le systéme en boucle ouverte ne contient pas de 2éx0s 40. - Lamatrice des gains K peut contenir des coefficients de valeurs trés grandes et générer par conséquent des commandes de valeurs élevées (voir Pexemple 1 du paragraphe §5.3). Des fois, ces valeurs sont impossibles 4 implémenter sur le systéme car elles peuvent générer des saturations. ~ La conception d'une loi de commande par placement de péles ne permet pas de prendre en compte les performances fréquentielles, notamment les marges de stabilité. Elle ne garantit donc aucune robustesse la loi de commande et done aucune garantie par rapport aux incertitudes de mesures et/ou de modélisation. Une facon de palier & ces deux derniers inconvénients est limiter les valeurs des gains de la mattice K, donc de a commande & envoyer aux actionneurs et/ou les commandes du systéme, est d'intégrer la notion dénergie déployée pour assurer les performances demandées dés Pétape de la conception. On utilisera alors plut6t une commande optimale qui a une conception totalement différente fondée sur la minimisation d’un critére quadratique. Elle a non seulement Pavantage de limiter le niveau des commandes et donc éviter les problémes de valeurs de commande tts élevées mais il a été démontré dans la littérature sur les systémes commandés quelle garantit toujours des marges de stabilité largement suffisantes pour étre considérée robuste. La plus basique de ce type de commande est la commande Linéaire Quadratique (LQ) qui fait objet du paragraphe suivant.O UE2 COURS DE CDS c@P Systémes Commandés Chapitre 1 3° Année Page 24/25 6. Commande a tetour d’état robuste : Principe de la commande Linéaire Quadratique (LQ) Leute alternative & la commande par placement de péles pour les systémes multivatiables est la commande Linéaire Quadratique (LQ), Vobjectif de cette commande est de faire atteindre au systéme Pétat désirée le plus rapidement possible en dépensant le moins d’énergie possible pour séaliser le meilleur compromis, cette loi de commande est basée sur la minimisation d'un critére quadratique de la forme af * (2? (QQx(t) Hult) Ru(t)) at Od a est un paramétre réel positif, qui servira, on le verra aprés, & imposer les péles en boucle fermée avec une pattie réelleinféricure & -a, Le régulateur LQ recherché est obtenue par bouclage du vecteur d’état de la forme : u(t) = -Kx(0) et Ie probleme revient & trouver la matrice des gains qui minimise le crittze quadzatique ci-dessus. Les matrices Q et R qui apparaissent dans le critére sont des matrices de pondération que Putiisateur doit choisir. Elles sont de taille nxn et mxm respectivement. n étant Pordre du systéme ct m le nombre dentrée. Sous les hypothéses + (A,B) commandable (ou (Ag, B) stabilisable), Ag 4 A+ aly ; + «20 © R> O(cest-A-dire symétrique réelle définie positive) © QB 0(cesta-dire symétrique réclle semi-définie positive) : Q = ETE; © GA) observable (ou (B, Ag) détectable*) On obtient ‘Théoréme [Kalman 1964] : i- Il existe une unique matrice P > 0 solution de Péquation algébrique de Riccati é PAg+AgP PBR BTP+G fi- Avec la loi de commande w= Kx, K~ R*BTP Les péles de la boucle fermée de matrice détat (A — BK) appartiennent tous au demi-plan gauche avec tone partie réelle Ry 1 et décélération si g <1), jusqu'a obtenir une dynamique moyenne adaptée. 3. Dans le cas oi certains états auraient des dynamiques trop lentes par rapport 4 d'autres, on peut choisir d'augmenter la pondération de Q coscespondant aux premiers, 4, Dans le cas oi certains actionneurs seraient trop sollicités par rapport & dlauttes, on peut choisir d'augmenter la pondération de R leur correspondant. Une autre fagon de procéder si les unités des composantes de u ont été correctement choisies, on peut prendre R= Tet la matrice Q on peut partir avec la valeur Done on pondéze fortement une variable qu’on veut garder & une valeur petite Vt. Afin de finaliser le correcteur ‘obtenu par cette synthase, il n’est pas rare de procéder & quelques réglages des pondérations initialement choisies cen faisant quelques essais-erreur et en analysant & chaque essai les diagrammes de Nyquist et les réponses temporelles