Commande par modes glissants

Objectifs de cette classe de commande non linéaire ?

• Robustesse face aux incertitudes et perturbations
• Convergence en temps fini vers les objectifs

Caractéristiques de ce type de commande ?

• Loi de commande discontinue
• Pour les MG standard (1er order) : chattering, robustesse
• Pour les MG d’ordre supérieur: précision, convergence en temps fini, robustesse

Cette classe de loi de commande a été étudiée

• dès les années 40 en URSS
• de manière intensive depuis 25 ans

Comme phénomène, le régime glissant apparaît quand un système dynamique

décrit par des ODEs a un discontinuité dans son terme de droite.

2023/2024 Ecole Centrale de Nantes 1

Le terme « mode glissant » est apparu pour la première fois dans le contexte des relais.
®L’entrée de commande (retour d’état) commute à haute fréquence (infinie en théorie).

Système non linéaire incertain

Comment stabiliser, en temps fini, ce système malgré les incertitudes ?

2023/2024 Ecole Centrale de Nantes 2

Erreur de poursuite
Reference

Une proposition: une commande discontinue

L’erreur de poursuite
converge
en temps fini vers 0

2023/2024 Ecole Centrale de Nantes 3

À partir du temps de convergence, l’erreur de poursuite est, en théorie, égal à 0
® Point de discontinuité
® Applications réelles : il n’est pas possible d’avoir cette erreur de poursuite
strictement égale à 0 – la commande commute à haute fréquence.
® Le mouvement pour t > T est appelé « Mode glissant ».

Exemple 1.
Sortie fictive
(variable de glissement) M suffisament grand
c>0
Entrée de contrôle

En un temps , on a (qui est la surface de glissement).

Une fois que le régime glissant est établi, la dynamique est TOTALEMENT indépendante
des perturbations.

2023/2024 Ecole Centrale de Nantes 4

 Conv. en temps fini

Régime glissant

c = 1, K = 10

Te = 1 ms

2023/2024 Ecole Centrale de Nantes 5

2023/2024 Ecole Centrale de Nantes 6
2023/2024 Ecole Centrale de Nantes 7
Période d’échantillonnage - Te = 10 ms – Réduction de la précision

2023/2024 Ecole Centrale de Nantes 8

Période d’échantillonnage - Te = 10 ms

2023/2024 Ecole Centrale de Nantes 9

• Le mouvement sur la surface de glissement ne dépend ni des paramètres du système,
ni des perturbations et incertitudes.

• Cette propriété d’invariance est très prometteuse pour la conception de lois de com-
-mande robuste pour des systèmes avec perturbations et incertitudes.

Implémentation réelle

• Fréquence finie des commutations de la commande® il n’est pas possible

d’atteindre exactement la surface de glissement ® notion de mode glissant réel.

Trajectory
Chattering

2023/2024 Ecole Centrale de Nantes 10

Phénomène du chattering : oscillations autour de la surface de glissement (induisant
la commutation de la commande) ® dangereux pour les actionneurs !

Comment réduire ce phénomène ? suppression impossible

• Approximation de la fonction « sign »

Fonction « Sign » Fonction « Saturation »

2023/2024 Ecole Centrale de Nantes 11

 Fonction « sat »
Fonction « sign »
d = 0.1

2023/2024 Ecole Centrale de Nantes 12

En cas de perturbation constante (= 5) sur la dynamique de x2 : précision moindre

2023/2024 Ecole Centrale de Nantes 13

Utilisation d’un observateur (comme un filtre)

Inconvénient. L’observateur devra être à convergence en temps fini (principe de sépa-

-ration non applicable pour les systèmes non linéaires) : solutions basées sur les
observateurs.
2023/2024 Ecole Centrale de Nantes 14
Concept des Modes glissants d’ordre supérieur

Modes glissants d’ordre 1 Modes glissants d’ordre supérieur

Objectif Objectif

en temps fini en temps fini

La fonction discontinue La fonction discontinue

sign(s) agit sur sign(s) peut agir sur une dérivée
l’entrée du système d’ordre supérieur de l’entrée
(degré relatif de s = 1) du système (degré relatif quelconque
pour s)

2023/2024 Ecole Centrale de Nantes 15

Concept de Modes glissants adaptatifs.

Principe. Le gain est dynamique adapté par rapport aux incertitudes et perturbations
(sans connaissance de ces dernières).

• L’adaptation du gain est faite en ligne.

® Le gain est alors réduit : réduction du chattering
® Aucune connaissance requise sur les bornes des incertitudes/perturbations
® Simplification de l’identification

® Fort intérêt en pratique (proche de la commande sans modèle).

2023/2024 Ecole Centrale de Nantes 16

Conception d’une loi de commande par modes glissants.

Principes
• Force le système à atteindre en temps fini, un ensemble appelé surface de
glissement qui est définie à partir des objectifs de commande.
• Une fois que le système a atteint cette surface, le régime glissant est établi:
le système évolue sur cet ensemble en dépit des incertitudes/perturbations.

Synthèse en deux étapes.

• Design de la variable de glissement en fonction des objectifs de commande, et
des caractéristiques (statique et dynamique) désirées pour le système en
boucle fermée.

• Design de la loi de commande discontinue afin de

• contraindre le système à converger vers la surface de glissement
• et à y rester malgré les incertitudes et perturbations.

2023/2024 Ecole Centrale de Nantes 17

Soit le système non linéaire

Objectif de la loi de commande: la sortie doit poursuivre la référence yref(t) (suffisament

dérivable).
Hypothèse: la sortie a un degré relatif égale à r.

Définition: la variable de glissement est définie par (les coefficients li sont choisis afin
que le système soit stable)

Degré relatif de la variable de glissement = 1 !!!

Définition: Surface de glissement

2023/2024 Ecole Centrale de Nantes 18
Objectif de commande: forcer les trajectoires du système à évoluer, en temps fini,
sur la surface de glissement en dépit des incertitudes et perturbations. Une fois le
régime glissant établi, la dynamique du système en boucle fermée est définie par la
définition de la variable de glissement.

Étant donné la définition de la variable de glissement, une fois que S(x)=0,

l’erreur de pousuite converge asymptotiquement vers 0.

Soit la commande définie par

2023/2024 Ecole Centrale de Nantes 19

ueq : commande équivalente – cette commande est la valeur moyenne de la commande
une fois le régime glissant établi.

Comment choisir

dans le but d’assurer une convergence robuste et en temps fini ? Lyapunov !

Fonction candidate de Lyapunov

2023/2024 Ecole Centrale de Nantes 20

Supposons maintenant que le système est incertain/perturbé

Hypothèse.

2023/2024 Ecole Centrale de Nantes 21

 Réglage de K: suffisamment grand pour assurer la mise en place d’un régime
glissant.

Problème: système dynamique avec second membre discontinue

® Existence / unicité de la solution ? mode glissant ?
Théorie de Fillipov

Physiquement, la commande
équivalente est la valeur moyenne
de la loi de commande une fois le
régime glissant établi.

2023/2024 Ecole Centrale de Nantes 22

 q d f q
dt dt Lq Lq Lq Lq
Ṡ = −a0 z1 − a1 z2 + u + ∆ + λz2dΩ = p (L − L )i i − fv Ω + p Φ i − 1 T
d q d q f q l
dt ∗ J J J J
Ω →dθΩ
=Ω
Ω→ Ω 0
i → ∗dt
d
Contrôle d’un
u = asystème
z + a masse+ressort id → 0
z − λz − Ksign(S)
0 1 1 2 2
Ω → Ω∗
id → 0
ż1 = z2
ż1 = z2 ks kd 1 1
z1 = x ż2 = − z1 − z2 + Fc − Fe
żk
1=s m
z2 kd m 1 m 1 m
ż2 = − z1 k− zkd2 + 1 Fc −1 Fe
z2 = ẋ żm
2=−
s
z1m
− z2 +m Fc − m Fe
m m m m

          
 0 1 1  z
 ż1 
0 z1   0 
ż
 1 
  =    1 +  0· 
 ·  (u + ∆)
  =ż
2 1 ·  z2  + 1
−a0 −a   · (u + ∆)
ż2 20−a0 −a1 z2 1

ks kd 1 1
a0 = , a1 = , u = Fc , ∆ = − Fe
m m m m

2023/2024 Ecole Centrale de Nantes 23

  ż1  a 0 ks 1  k zk1d   0k 1 1 1
=F−, ∆Fe= − 1 F
 =0 = , a a1=·= , ,a+
s = , F· c(u
u= d ∆ ∆)
,u =+
m 0 m m 1 m c m e
ż2ks −a0kd−a11z2 1m 1 m m
S = z2 + λz1 , a0λ =
> 0 , a1 = , u = Fc , ∆ = − Fe
m m m m

S = z2 +
Définition de la variable de glissement : Sλz=
1 , z2λ+>λz01 , λ > 0
Ṡ = −a0 z1 − a1 z2 + u +
ks∆ + λz2 kd 1 1
• degré relatif =0 1z=2 +
S a=
m
, 1a, 1 λ=> 0 , u = Fc , ∆ = − Fe
λz
m m m
• une fois le régime glissant étable, z1 converge vers 0.
Ṡ = −a0 z1 − a1 z2 + u + ∆ + λz2
u = a0 z1 + a1 z2 − λz2 − Ksign(S)
Dynamique de S : Ṡ = −a0 z1 − a1 z2 + u + ∆ + λz2
S = z2 + λz1 , λ > 0
z1 = x
Définition de la commande : u = a0 z1 + a1 z2 − λz2 − Ksign(S)
z2 = ẋ
Ṡ = −a0 z1 − a1 z2 + u + ∆ + λz2
Ṡ = ∆ − Ksign(S) |∆| ≤ ∆M → K > ∆M

Force de contrôle : Fc = m (a0 z1 + a1 z2 − λz2 − Ksign(S))

20
2023/2024 Ecole Centrale de Nantes 24
z1 = x
20 20
 S = z2 + λz1 , λ > 0

Trajectories in phase-plane 1 1
Ṡ = −a0 z1 − a1 z2 + u + ∆ + λz2
0.5 0.5

Control input
0
0

Fc = m (a0 z1 + a1 z2 − λz2 − Ksign(S))

-0.5
-0.5
-1

-1.5 -1

-2 -1.5
0 0.5 1 1.5 2 0 2 4 6 8 10 12 14 16
Time (sec) Time (sec)

2
|∆| ≤ ∆M → K > ∆M z1 = x
z2 =de
Estimation ẋ la perturbation ?
1.5
Valeur moyenne du terme discontinu
Sliding variable

1
de l’entrée de commande
0.5 ˆ
d∆ |∆| ≤ ∆M → K > ∆M
0 τ ˆ − Ksign(S)
= −∆ Ṡ = ∆ − Ksign(S) ≡ 0
dt
-0.5
0 2 4 6 8 10 12 14 16
Time (sec)

ˆ 20
ˆ d∆ ˆ − Ksign(S)
F̂e = −m∆ τ = −∆
dt

2023/2024 Ecole Centrale de Nantes 25

 0.6

0.4
External force F and its estimation

0.2

-0.2
e

-0.4

-0.6

-0.8

-1

-1.2
0 2 4 6 8 10 12 14 16

Time (sec)

2023/2024 Ecole Centrale de Nantes 26

 M M
ˆ
F̂e = −m∆

eθ = θ −ˆθd (t)
d∆ ˆθ =
τ = −e∆ − θd (t)
−θKsign(S)
Exemple 1 – Système pneumatique rotatif [Bouri et al.,
dt 2001]

ẋ = f (x) + g(x)u
y = h(x) = θ ẋ = f (x) + g(x)u
F̂e = −m∆ ˆ T
x = [pP pN θ yω] = h(x) = θ
x = [pP pN θ ω]T
Objectif. Forcer la position angulaire à poursuivre
une trajectoire eθ = θ − θd (t)

Variable de glissement. S = λ2 eθ + 2λėθ + ëθ

Utilisation de la fonction « saturation »

2023/2024 Ecole Centrale de Nantes 27

 ˆ
x = [pP pN θ ω]T F̂e = −m∆

3
! t eθ2 = θ − θd (t)
Variable de glissement avec intégrale. S = λ eθ dτ + 3λ eθ + 3λėθ + ëθ
0

ẋ = f (x) + g(x)u
y = h(x) = θ
x = [pP pN θ ω]T

! t
3
S =λ eθ dτ + 3λ2 eθ + 3λėθ + ëθ
0
Exemple 2– Navire [Temel et al., 2015]

q = [vx vy ω]T

Objectif. Forcer les vitesses à des valeurs

désirées

2023/2024 Ecole Centrale de Nantes 28

 0

q = [vx vy ω]T

Vecteur de sortie.
 
 vx − vx,d 
 
z=q → e =
 
 vy − vy,d 
 
 
ω − ωd

Exemple 3 – Drone[Runcharoon et al., 2013]

Dynamiques du CdG Dynamiques en rotation

21
2023/2024 Ecole Centrale de Nantes 29
Conception d’une commande en x-y (PD) et d’une commande en attitude (MG)

2023/2024 Ecole Centrale de Nantes 30

2023/2024 Ecole Centrale de Nantes 31
Cas multivariable: commande d’une machine asynchrone

Couple de charge non mesuré

1 – Contrôle de
2 – Contrôle de

2023/2024 Ecole Centrale de Nantes 32

2023/2024 Ecole Centrale de Nantes 33
  vx − vx,d  

x

x,d 
 
z = q  →ω −e ω=d  
 vy − vy,d 
z=q → e =

 vy − vy,d  



 
  ω − ωd
ω − ωd
Une variante limitant le chattering : la commande par modes glissants adaptatifs
= fconnaître
• il n’est pas nécessaireẋde (x) + g(x)u = a(x, t) +perturbations)
→ Ṡ(incertitudes,
les bornes b(x)u
• le gain s’adapte dynamiquement ẋaux = fperturbations
(x) + g(x)u → Ṡ = a(x, t) + b(x)u

ẋ = f (x) + g(x)u
|a| ≤ a→
M 0Ṡ≤=bma(x, ≤ b+
≤ b t) M b(x)u

|a| ≤ aM 0 ≤ bm ≤ b ≤ bM

u = −Ksign(S)
K̇ = K̄|S|sign(|S| − %)
K̄ > 0, ! > 0

Idée ? Très simple …

• le gain augmente si la variable de glissement n’a pas atteint
21 la précision
21 désirée;
• le gain diminue dans le cas contraire.

21
2023/2024 Ecole Centrale de Nantes 34
 K̄ > 0, ! > 0 Ṡ = u + sin(t)

Exemple. Ṡ = u + sin(t) u = −K(t) sign(S)


 10

sign(|S| − 0.01) si K > 0.01
K̇ =
1

si K < 0.01

3.5
Variable de glissement S

2.5

1.5

0.5

-0.5
0 1 2 3 4 5 6 7 8 9 10
Temps (sec)

10
Perturbation (bleu) et gain (rouge)

-2
0 1 2 3 4 5 6 7 8 9 10
Temps (sec)

2023/2024 Ecole Centrale de Nantes 35

Autre exemple: (Plestan et al., 2010)

Haut-gauche : Variable de glissement

Haut-droite : Zoom sur variable de glissement
Bas-gauche : Entrée de commande
Bas-droite : Gain et perturbation

2023/2024 Ecole Centrale de Nantes 36

Contrôle en position d’un actionneur pneumatique.
Degré relatif de la position= 3 !

Trajectoire désirée pour la sortie

2023/2024 Ecole Centrale de Nantes 37