U.M.M.T.O. 23 janvier 2018.
Faculté des Sciences
Département de Mathématiques
Master I en Recherche Opérationnelle
Examen de "synthèse d’observateur"
Durée : 02h
Solution 1 1. Le système s’ecrit sous la forme compacte suivante
x_ 1 0 1 x1 0
= + u = Ax + Bu
x_ 2 1 0 x2 2
| {z } | {z }
A B
x1
y = 1 1 = Cx
| {z } x2
C
La matrice de contrôlabilité est donnée par
0 2
Mc = B AB An 1B = B AB =
2 0
On a rang(Mc ) = n = 2 (car det Mc = 4 6= 0) donc le système est contrôlable.
La matrice d’observabilité est donnée par
C 1 1
Mo = =
CA 1 1
On a rang(Mo ) = n = 2 (car det Mo = 2 6= 0) donc le système est observable.
2. Le système en boucle fermé s’écrit
x_ = Ax + Bu = (A + BK) x
On pose K = k1 k2 : Calcul de la matrice A + BK :
0 1 0 0 1
A + BK = + k1 k2 = :
1 0 2 1 + 2k1 2k2
On doit déterminier les constantes k1 et k2 par le placement des pôles. En d’autres termes, on
doit trouver les valeurs de k1 et k2 de sorte que 1 et 2 soient les valeurs propres de A + BK:
Le polynôme caractéristique de A + BK s’écrit
2
P(A+BK) ( ) = 2k2 + (1 2k1 )
On a
P(A+BK) ( 1) = 0
P(A+BK) ( 2) = 0
2
d’où P(A+BK) ( ) = ( + 1) ( + 2) = + 3 + 2: Par identi…cation, on obtient
2k2 = 3
1 2k1 = 2
3 1
soit k2 = et k1 = : Le gain K vaut alors :
2 2
1 3
K= :
2 2
3. On utilise l’observateur de Luenberger dont la structure est la suivante
^_ = A^
x x + Bu + L (^
y y)
y^ = C x
^
l1
Calcul du gain L = tel que 10 soit une valeur propre double pour la matrice de la
l2
dynamique de l’erreur d’estimation. La dynamique de l’erreur d’estimation s’écrit comme suit :
e_ = x_ ^_ = A^
x x + Bu + L (y y^)
= (Ax + Bu) (A^
x + Bu + LC (^
x x))
= (A + LC) e
l1 l1 + 1
= e
l2 1 l2
Le polynôme caractéristique de A + LC est donné par
2
PA+LC ( ) = + ( l1 l2 ) + (l1 l2 + 1)
2
= ( + 10) puisque 10 en est une racine double.
Par identi…cation, on obtient
l1 l2 = 20
l1 l2 + 1 = 100
ce qui donne 2 3
79
6 2 7
L=4 119 5 :
2
4. L’équation de la sortie s’écrit
x1
y = x1 = 1 0 = Cx
| {z } x2
C
La matrice d’observabilité est donnée par
C 1 0
Mo = =
CA 0 1
On a rang(Mo ) = n = 2, donc le système est observable.
Etant donné qu’on souhaite estimer uniquement x2 ; on utilisera un observateur d’ordre réduit
dont le principe est le suivant :
On suppose que le système peut être partionné comme suit
x_ 1 A11 A12 x1 B1
= + u
x_ 2 A21 A22 x2 B2
| {z } | {z }
A B
L’équation de l’état x2 s’écrit
x_ 2 = A22 x2 + A21 x1 + B2 u
| {z }
u
~
Fig. 1 –Diagramme structurel de l’observateur de Luenberger
La nouvelle entrée de x2 est donc u ~ = A21 x1 + B2 u: On doit compléter ce système par une
nouvelle sortie (qui doit être en fonction de x2 ): On expoitera alors la dynamique de x1 :
x_ 1 = A11 x1 + A12 x2 + B1 u
Il su¢ t alors de tirer A12 x2 :
A12 x2 = x_ 1 A11 x1 B1 u
Cette dernière sera la nouvelle sortie qu’on notera par w: On obtient ainsi le système suivant
x_ 2 = A22 x2 + u
~
w = A12 x2
On utilise alors l’observateur de Luenberger pour estimer x2 : On note par s l’état estimé de x2 :
La dynamique de s est
s_ = A22 s + u
~ + L (w
^ w)
w^ = A12 s
soit encore
s_ = (A22 + LA12 )s + A21 x1 + B2 u L(x_ 1 A11 x1 B1 u)
| {z } | {z }
u
~ w
on remarque que la dynamique de s contient x_ 1 (donc x2 ). On doit s’en débarasser. L’équation
précédent est équivalente à :
s_ Lx_ 1 = (A22 + LA12 )s + A21 x1 + B2 u + L(A11 x1 + B1 u)
| {z } | {z } | {z }
z_ u
~ w
on utilise alors le changement de variable z = s Lx1 : La dynamique de z est
z_ = (A22 + LA12 )z + [(A22 + LA12 )L + (A21 + LA11 )] y + (B2 + LB1 ) u
s = z + Ly:
de sortie s = z + Ly:
Ces dernières équations représentent bien la structure d’un observateur excités par les signaux
disponibles, à savoir, d’entrée u et la sortie y. La sortie z est de dimension réduite par rapport
à l’observateur classique. On montre par ailleurs que si la paire (C; A) est observable alors il
en est de même pour la paire (A12 ; A22 ), ce qui permet d’assurer l’existence de la matrice L.
Celle-ci sera calculée en …xant une dynamique appropriée à l’observateur d’ordre réduit.
On note que l’erreur d’observation : e = x2 s obéît à l’équation di¤ érentielle :
e_ = (A22 + LA12 )e
Cette erreur transitoire tend asymptotiquement vers zéro quelle que l’erreur initiale e0 et ce,
selon une dynamique …xée par les valeurs propres attribuées à la matrice A22 + LA12 : Dans notre
cas, on choisit le scalaire L tel que A22 + LA12 = 10: On a
A22 = 0; A12 = 1
donc
L= 10
L’expression de l’observateur (d’ordre réduit) devient
z_ = 10z + 99y + 2u
s = z 10y:
Solution 2 1. On a yg(y) > y; 8y 2 ]0; x1 [ ; d’où
Zx1
1
V (x) > ydy + x1 x2 + x22 = x21 + x1 x2 + x22
2
0
1 1
T x1
= x1 x2 2
1
2 = xT P x:
2 1 x2
| {z }
P
La matrice P étant dé…nie positive (car ses mineurs principaux sont tous strictement positifs),
d’où V est dé…nie positive. De plus, on a par l’inégalité de Rayleigh
2 3 1p
xT P x min (P ) kxk = 5 kxk2 = 0:19 kxk2 ! 1;
4 4 kxk!1
on déduit que
lim V (x) = +1
kxk!1
et donc V est radialement non-bornée.
2. Utiliser V pour montrer que x = 0 est un équilibre globalement asymptotiquement stable. Pour
d
ce faire, il su¢ t de véri…er que V (0) = 0; V (x) > 0; 8x 6= 0 et dt V (x(t)) < 0; et que V est
radialement non-bornée. On a
Z0
– V (0) = ydy + 0 = 0:
0
– V (x) > 0; 8x 6= 0 (voir la réponse précédente).
– V est radialement non-bornée (voir la réponse précédente)
d
– Il reste à véri…er que dt V (x(t)) < 0; 8x 6= 0: On a
d @V @V
V (x(t)) = (x(t)) x01 (t) + (x(t)) x02 (t)
dt @x @y
= ((x1 g(x1 ) + x2 ) x2 (x1 + 2x2 ) g(x1 ) (x1 + x2 )) (t)
= x22 g(x1 ) x21 + 2x22 + 2x1 x2 (t)
= x22 g(x1 )x21 2g(x1 )x22 2g(x1 )x1 x2 (t)
= g(x1 )x21 2g(x1 )x1 x2 + (1 2g(x1 ))x22 (t)
< x21 2x1 x2 x22 (t) ; 8 (x1 ; x2 ) 6= (0; 0) car g>1
= (x1 (t) + x2 (t))2 ; 8 (x1 ; x2 ) 6= (0; 0) (2pts)
d’où l’en déduit que d
dt V (x(t)) 0: Cela montre que V_ (x) est semi-dé…nie positive. Nous
devons montrer que l’origine est le seul point pour lequel V_ s’annule. En e¤ et,
V_ (x) = 0 ) x1 + x2 = 0 ) x1 (t) + x2 (t) 0 ) x_ 1 (t) + x_ 2 (t) 0
) x2 (t) 0 ) x1 (t) 0
Puisque V est radialement non borné et que toutes les hypothèses ont lieu globalement, nous
concluons que l’origine est globalement asymptotiquement stable.
Solution 3 1. Les points d’équilibre sont les racines des équations
x1 x31 + x2 = 0
(1)
3x1 x2 = 0
En combinant ces deux equations (par passage à l’addition), on obtient
4x1 x31 = 0 (2)
d’où les racines suivantes de (2) : x1 2 f0; 2; 2g: Mais x2 = 3x1 ; on en déduit alors les trois
points d’équilibre suivants du systèmes (S) :
[x1 = 2; x2 = 6] ; [x1 = 0; x2 = 0] ; [x1 = 2; x2 = 6]
2. Nature de chacun des points d’équilibre. La méthode indirecte de Lyapunov repose sur la stabilité
du linéarisé de (S) autour de chaque point d’équilibre. Soit
@f e e 1 3 (xe1 )2 1
(x ; x ) =
@x 1 2 3 1
la matrice jacobienne de (S) au point (xe1 ; xe2 ) : Le linéarisé du système autour du point d’équilibre
(xe1 ; xe2 ) est donné par
x01 @f e e x1
= (x ; x )
x02 @x 1 2 x2
(a) Au point (xe1 ; xe2 ) = (0; 0) ; on a
@f 1 1
(0; 0) =
@x 3 1
@f
Les valeurs propres de (0; 0) sont 2; 2: La présence d’une valeur propre positive rend le
@x
linéarisé en (0; 0) instable. Par le méthode indirecte de Lyapunov, on déduit que l’équilibre
(0; 0) est instable.
(b) Au point (xe1 ; xe2 ) = (2; 6) ; on a
@f 11 1
(2; 6) =
@x 3 1
@f p p
Les valeurs propres de (2; 6) sont 2 7 6; 2 7 6: Ces deux valeurs propres sont
@x
strictement négatives, donc l’équilibre (2; 6) est asymptotiquement stable.
(c) Au point (xe1 ; xe2 ) = ( 2; 6) ; on a
@f 11 1
( 2; 6) =
@x 3 1
@f p p
Les valeurs propres de ( 2; 6) sont 2 7 6; 2 7 6: Ces deux valeurs propres sont
@x
strictement négatives, donc l’équilibre ( 2; 6) est asymptotiquement stable.
