Scribd
Importer
29 vues5 pages

Conception d'un Régulateur LQG en TP

Ce rapport présente la conception d'un régulateur LQG pour un système linéaire, intégrant un régulateur LQR et un filtre de Kalman. Il inclut des codes pour la modélisation, la conception du filtre et du régulateur, ainsi que des simulations pour évaluer la performance du système. Les résultats démontrent l'importance du réglage des paramètres Q et R sur l'efficacité du contrôle.

Transféré par

mohammedmouhriz8
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
29 vues5 pages

Conception d'un Régulateur LQG en TP

Ce rapport présente la conception d'un régulateur LQG pour un système linéaire, intégrant un régulateur LQR et un filtre de Kalman. Il inclut des codes pour la modélisation, la conception du filtre et du régulateur, ainsi que des simulations pour évaluer la performance du système. Les résultats démontrent l'importance du réglage des paramètres Q et R sur l'efficacité du contrôle.

Transféré par

mohammedmouhriz8
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

TP

RAPPORT TP COMMANDE AVANCER DES


SYSTEME MECATRONIQUE : CONCEPTION
D'UN REGULATEUR LQG
Introduction

la simulation d'un régulateur LQG (Linear Quadratic Gaussian) pour un système linéaire.
L'objectif de ce TP est de concevoir un régulateur optimal utilisant la technique LQG,
combinant la régulation LQR (Linear Quadratic Regulator) et le filtre de Kalman pour
l'estimation des états.

Système et Modèle

 CODE
% Matrices du système
A = [0 1; -2 -3];
B = [0; 1];
C = [1 0];
D = 0;
% Bruits (Covariances)
Q = 0.01 * eye(1); % Bruit de processus
R = 0.01; % Bruit de mesure
% Temps de simulation
T = 0:0.01:10;
% Modèle du système en espace d'état
disp('Modèle du système en espace d_etat')
sys = ss(A, B, C, D)
 RESULTAT
Conception du Filtre de Kalman

RESULTAT

Conception du Régulateur LQR

 CODE
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Etape 3 : Matrices de pondération LQR
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Matrices de pondération LQR
Qx = [10 0; 0 1];
Ru = 1;

% Calcul du gain LQR


K = lqr(A, B, Qx, Ru);

% Boucle fermée avec retour d'état idéal


Acl = A - B * K;
sys_lqr = ss(Acl, B, C, D);

 RESULTAT

Combinaison LQG

 CODE
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Etape 4: Regulateur LQG(COMBINAISON)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Boucle fermée LQG avec état estimé par le filtre de Kalman
% Temps de simulation
T = 0:0.01:10;
% Entrée au système (signal d'excitation : échelon + sinusoïde)
u = heaviside(T) + sin(2 * pi * 0.5 * T); % Échelon + sinusoïde
% Ajout d'une condition initiale non nulle pour les états
x0 = [1; -0.5]; % Condition initiale pour l'état réel
%Dynamique étendue pour le régulateur LQG
A_cl = [A - B * K, B * K; zeros(size(A)), A - L * C];
B_cl = [B; zeros(size(B))];
C_cl = [C, zeros(1, size(C, 2))];
D_cl = 0;
% Système en boucle fermée
sys_cl = ss(A_cl, B_cl, C_cl, D_cl);
% Simulation avec signal d'excitation
[y, t, x] = lsim(sys_cl, u, T, [x0; zeros(2, 1)]); % États initiaux pour x
et estimé
% Affichage de la réponse
figure;
subplot(2, 1, 1);
plot(t, y, 'LineWidth', 1.5);
title('Réponse du système en boucle fermée (LQG)');
xlabel('Temps (s)');
ylabel('Sortie y(t)');
grid on;

subplot(2, 1, 2);
plot(t, u, '--r', 'LineWidth', 1.5);
title('Signal d''excitation (entrée au système)');
xlabel('Temps (s)');
ylabel('Entrée u(t)');
grid on;

Simulation et Résultats
Conclusion

Ce TP illustre la conception d'un régulateur LQG combinant un régulateur LQR et un filtre de


Kalman pour contrôler un système linéaire. La simulation montre l'impact du tuning des
paramètres Q et R sur la performance du système.

Vous aimerez peut-être aussi