n Cours M2 ASTR - module FRS - Commande Robuste l...
Transcript of n Cours M2 ASTR - module FRS - Commande Robuste l...
-
Cours M2 ASTR - module FRS - Commande Robuste
Toulouse Dec 2014-Fév 2015
Dimitri PEAUCELLE - LAAS-CNRS - Université de Toulouse
Renseignements pratiques
n Enseignant : Dimitri Peaucelle, chargé de recherche au LAAS-CNRS
l Contacts : 05 61 33 63 09 - [email protected]
l Page web : homepages.laas.fr/peaucell/teaching.php
n Organisation du cours
l Cours magistral avec supports de cours sur planches : 11h
s 10, 12, 19 décembre et 7, 13, 14 janvier
l Exercices avec support MATLAB : 6h
s 17 décembre et 6, 14 janvier
l TP avec support MATLAB : 6h
s 22, 29 janvier
l Examen, tous documents autorisés et avec support MATLAB : 2h
s 17 février
Cours M2 UPS - Commande robuste 1 Dec 2014 - Fév 2015, Toulouse
Prologue
Robuste ?
Cours M2 UPS - Commande robuste 2 Dec 2014 - Fév 2015, Toulouse
Prologue
n Stabilité robuste - Sur la base du critère de Nyqvist (systèmes SISO)
− Σ+ K
l Plus le lieu de Nyquist de G(s) = ⌃(s)K(s) est distant du point �1plus on peut attendre de robustesse
s Marge de gain : de combien augmenter/diminuer le gain de G(s) sans couper �1s Marge de phase : de combien augmenter/diminuer la phase de G(s) sans couper �1s Marge de module : rayon maximal du cercle autour de �1 qui ne coupe pas G(s)s Marge de module : rayon des cercles en tout point de G(s) qui ne coupent pas �1.
Cours M2 UPS - Commande robuste 3 Dec 2014 - Fév 2015, Toulouse
-
Prologue
n Interprétation des “marges” : soit � une incertitude et H(�, s) = �G(s)1+�G(s) la FT en BF
s Marge de gain : stabilité de H(�, s) pour tout � 2 [1 , Kg] ⇢ R
s Marge de phase : stabilité de H(�, s) pour tout � = ej� 2 C : � 2 [0 , m�]
s Marge de module : stabilité de H(�, s) pour tout � 2 C : |�| KM
n Méthodes pour d’autres fonctions H(�, s) ?
l Exemple analyse de la stabilité de ÿ + (1 + �1
)ẏ + (2 + �2
)y = u en fonction de �i
l Exemple de synthèse de u = ky pour le même système et |�i| ¯�
Cours M2 UPS - Commande robuste 4 Dec 2014 - Fév 2015, Toulouse
Prologue
l Exemple avec H(�, s) = 1D(�,s) avec
D(�, s) = s4 + 10s3 + 10(10 � �1
2
)s2 + (10 � �2
2
)s + 10(1 � �1
3
+ 5�2
2
)
s Crirtère Routh : stable ssi
100(10 � �1
2
) > 10 � �2
2 > 0 , �1
3 � 5�2
� 1 < 0 ,100�
1
2�2
2 � �2
4
+ 1000�1
3 � 1000�1
� 5980�2
2 > 0
s Inégalités satisfaites pour
(�1
, �2
) = (�1, 1) , (�1, �1) , (1.8, �1) , (1.8, 1)
s Mais pas satisfaites pour (�1
, �2
) = (1.8, 0) , (1, 0)
Cours M2 UPS - Commande robuste 5 Dec 2014 - Fév 2015, Toulouse
Prologue
l Exemple avec H(�, s) = 1D(�,s) avec
D(�, s) = s4 + 10s3 + 10(10 � �1
2
)s2 + (10 � �2
2
)s + 10(1 � �1
3
+ 5�2
2
)
s Valeurs stabilisantes de (�1
, �2
)
−2 −1 0 1 2 3 4−2.5
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
2.5
s Il ne suffit pas de tester la stabilité des valeurs extrèmes !
Cours M2 UPS - Commande robuste 6 Dec 2014 - Fév 2015, Toulouse
Prologue
l Exemple avec ẋ = A(�)x, � 2 [0 , 1] et
A(�) = �
2
4
�1 �110 �1
3
5
+ (1 � �)
2
4
�1 10�1 �1
3
5
s Combinaison linéaire convexe de deux sommets stables
A[1] =
2
4
�1 �110 �1
3
5 , A[2] =
2
4
�1 10�1 �1
3
5 , �(A[i]) = �1.0000 ± 3.1623j
Cours M2 UPS - Commande robuste 7 Dec 2014 - Fév 2015, Toulouse
-
Prologue
l Exemple avec ẋ = A(�)x, � 2 [0 , 1] et
A(�) = �
2
4
�1 �110 �1
3
5
+ (1 � �)
2
4
�1 10�1 �1
3
5
s Combinaison linéaire convexe de deux sommets stables
A[1] =
2
4
�1 �110 �1
3
5 , A[2] =
2
4
�1 10�1 �1
3
5 , �(A[i]) = �1.0000 ± 3.1623j
s Analyse du centre A( 12
) =
1
2
A[1] + 12
A[2] =
2
4
�1 4.54.5 �1
3
5
�(A(1
2
)) = �5.5 , +3.5
Au moins un des pôles est à partie réelles positive = instable.
s En réalité stable pour � < 0.1011 ou � > 0.8989
Cours M2 UPS - Commande robuste 8 Dec 2014 - Fév 2015, Toulouse
Prologue
l Théorème de Kharitonov , ai ai ai indépendants les uns des autres
D(�, s) = a0
+ a1
s + a2
s2 + . . . + ansn
le polynôme est stable ssi les quatre polynômes suivants sont stables
a0
+ a1
s + a2
s2 + a3
s3 + a4
s4 + . . .
a0
+ a1
s + a2
s2 + a3
s3 + a4
s4 + . . .
a0
+ a1
s + a2
s2 + a3
s3 + a4
s4 + . . .
a0
+ a1
s + a2
s2 + a3
s3 + a4
s4 + . . .
Cours M2 UPS - Commande robuste 9 Dec 2014 - Fév 2015, Toulouse
Prologue
s Exemple s4 + 10s3 + [100 91.9]s2 + [10 9]s + [2.71 67.29]
(i.e. |�1
| 0.9 et |�2
| 1 dans ex précédent)
racines(2.71 + 9s + 100s2 + 10s3 + s4) =
0
@
�4.96 ± j8.63�0.044 ± j0.16
1
A
racines(2.71 + 10s + 100s2 + 10s3 + s4) =
0
@
�4.95 ± j8.63�0.049 ± j0.16
1
A
racines(67.29 + 10s + 91.9s2 + 10s3 + s4) =
0
@
�4.98 ± j8.12�0.014 ± j0.86
1
A
racines(67.29 + 9s + 91.9s2 + 10s3 + s4) =
0
@
�4.99 ± j8.13�0.009 ± j0.86
1
A
s Kharitonov permet de prouver stabilité robuste pour �0.9 �1
0.9, |�2
| 1s ... mais ne permet pas de prouver stabilité robuste pour �1 �
1
0.9, |�2
| 1
n Autres méthodes ?
Cours M2 UPS - Commande robuste 10 Dec 2014 - Fév 2015, Toulouse
Introduction
n Commande robuste - Cadre général
l Automatique / Théorie de la commande
l Commande de systèmes dynamiques
s Représentés par des équations différentielles (systèmes à temps continu)
s ou par des équations récurrentes (systèmes à temps discret)
l Modèles non-linéaires dans l’espace d’état8
<
:
ẋ(t) = f(x, u, t)
y(t) = g(x, u, t)ou
8
<
:
xk+1 = f(x, u, k)
yk = g(x, u, k)
s x : état du systèmes u : commandes du système (actionneurs)s y : mesures du système (capteurs)
l Modèles linéaires dans l’espace d’état et matrices de transfert (MIMO)
⌃(s) ⇠
8<
:ẋ(t) = Ax(t) +Bu(t)
y(t) = Cx(t) +Du(t)ou ⌃(z) ⇠
8<
:xk+1 = Axk +Buk
yk
= Cxk
+Duk
Cours M2 UPS - Commande robuste 11 Dec 2014 - Fév 2015, Toulouse
-
Introduction
n Systèmes dynamiques, exemples
c� AIRBUS S.A.S. - H. Goussé c� ProMinent
c� CNES - ill. D. Ducos HRP-2 Promet @ Astrium - Ariane 5 @ Quanser - 3DOF hélico
Cours M2 UPS - Commande robuste 12 Dec 2014 - Fév 2015, Toulouse
Introduction
n Commande robuste - Spécificités
l Systèmes incertains
s Représentations polytopiques et LFT
s Stabilité et performances garanties pour toutes les incertitudes = robuste
l Principalement dans le cadre de modèles linéaires
s Outils mathématiques : matrices, transformées de Laplace, normes, etc.
l Peu de résultats analytiques
s Formules avec contraintes de type inégalités matricielles
s Résolution par outils d’optimisation convexe
l Méthodologie relativement générique
s Actuellement répandue au delà du cadre des systèmes linéaires
Cours M2 UPS - Commande robuste 13 Dec 2014 - Fév 2015, Toulouse
Introduction
n Modélisation pour la commande
l Isoler un comportement dynamique
s Découplage par axes - mouvement longitudinaux/latéraux d’un avion
s Découplage temporel - incidence/remplissage réservoir d’un lanceur
s Découplage par modes - rejoindre destination / positionnement précis
s Découplage fréquentiel - échantillonnage, dynamiques composants
l Définir trajectoire/position de référence
s Termes non-linéaires négligés, simplifiés ou linéarisés
s Enoncé de performances à atteindre
s Enoncé de contraintes à satisfaire
l Tenir compte de méconnaissances
s Tous les phénomènes physiques n’ont pas de description concise
s Paramètres varient d’un produit manufacturé à l’autre
s Identification de paramètres est toujours entachée d’erreur
Cours M2 UPS - Commande robuste 14 Dec 2014 - Fév 2015, Toulouse
Introduction
n Les modèles obtenus
l dépendent de paramètres ✓
s (mode, état d’une dynamique lente, trajectoire de référence...)
s connus, choisis ou mesurables (avec une certaine précision)
l dépendent d’incertitudes �
s (dynamiques négligées, approximations, méconaissances...)
s inconnus mais bornés, à dynamiques nulles, lentes ou bornées
l sont influencés par des perturbations w
s (phénomènes, couplages, fréquences négligées... et trajectoire)
s inconnus, avec caractéristiques fréquentielles, temporelles, énergétiques...
l doivent satisfaire des contraintes sur certaines composantes z
s (performances, validité des hypothèses de modélisation...)
s caractéristiques fréquentielles, temporelles, énergétiques...
Cours M2 UPS - Commande robuste 15 Dec 2014 - Fév 2015, Toulouse
-
Introduction
n Modèles non-linéaires dans l’espace d’état
⌃(✓, �) :
8
>
>
<
>
>
:
ẋ(t) = f(x, u, t, w, ✓, �)
y(t) = g(x, u, t, w, ✓, �)
z(t) = h(x, u, t, w, ✓, �)
l Etapes de modélisation permettent simplifications
s Découplage temporel f(x, u, t) �! f(x, u, ✓)s Linéarisation f(x, u, ✓) �! A(�, ✓)x + B(�, ✓)u
avec � bornée sous contraintes sur certaines composantes z de l’état
s ...
l Exemples
s cos(t)x(t) �! ✓(t)x(t) avec ✓ 2 [�1 1]s x
1
(t)x2
(t) �! �(t)x2
(t) avec � 2 [�1 1] si z = x1
2 [�1 1]
Cours M2 UPS - Commande robuste 16 Dec 2014 - Fév 2015, Toulouse
Introduction
n Typologie de modèles :
l Système physique réel - parfois accessible pour expérimentation
l Modèle physique idéal - pour modélisation mathématique
(Agrégat de systèmes élémentaires)
l Modèle mathématique idéal - pour simulation sur calculateurs
(Modèle de connaissance obtenu par application des lois de la physique)
l Modèle mathématique réduit - pour simulations rapides
(Modèle de comportement obtenu par découplage, linéarisation, réduction...)
l Modèle réduit incertain - pour analyse robuste, pessimiste
(Modèle mathématique réduit, simplifié, souvent LTI)
(erreurs contenues dans incertitudes et spécifications de performance)
l Modèle réduit nominal - pour la synthèse de lois de commande
(Modèle sans incertitudes avec un seul critère de performance)
Cours M2 UPS - Commande robuste 17 Dec 2014 - Fév 2015, Toulouse
Introduction
n Commande classique : synthèse pour ✓ = ✓0
fixé, sans incertitudes � = 0
⌃(✓0
, 0) :
8
>
>
<
>
>
:
ẋ(t) = f(x, u, t, w, ✓0
, 0)
y(t) = g(x, u, t, w, ✓0
, 0)
z(t) = h(x, u, t, w, ✓0
, 0)
⌃c :
8
<
:
⌘̇(t) = fc(⌘, y, t)
u(t) = gc(⌘, y, t)
l Exemple : synthèse LQG - min kzk2
sous w bruit blanc gaussien8
>
>
>
>
>
<
>
>
>
>
>
:
ẋ(t) = A✓0(t)x(t) + B✓0(t)u(t) + w1(t)
y(t) = C✓0(t)x(t) + w2(t)
z1
(t) = Q1/2(t)x(t)
z2
(t) = R1/2(t)u(t)
8
<
:
⌘̇(t) = (A✓0(t) � L(t)C✓0(t) � B✓0(t)K(t))⌘(t) + L(t)y(t)u(t) = �K(t)⌘(t)
Cours M2 UPS - Commande robuste 18 Dec 2014 - Fév 2015, Toulouse
Introduction
n Commande classique : synthèse pour ✓ = ✓0
fixé, sans incertitudes � = 0
l Commande en boucle fermée est intrinsèquement robuste, mais ...
s Stabilité préservée en réponse à des perturbations non-modélisées, faibles
s Comportement inchangé pour petits écarts de ✓ et �
s Performances fortement dégradées pour écarts moyens
s Risque d’instabilité pour grands écarts
n Système de commande robuste :
Un système de commande est dit robuste s’il conserve ses propriétés malgré les incertitudes et
les perturbations affectant le système
l Tenir compte des écarts lors de la conception : Synthèse robuste
l Valider robustesse d’une loi de commande : Analyse robuste
Cours M2 UPS - Commande robuste 19 Dec 2014 - Fév 2015, Toulouse
-
Introduction
n Exemple
l Système physique réel
@ Astrium - Ariane 5
l Modèle physique idéal
l Modèle mathématique réduit incidence, 1 axe, sans modes flexibles ...
J(t)¨✓(t) = m(t)g sin ✓(t)+LT (t), T = sat(F (s)u(s)), u(t) = kp(✓r(t)�✓(t))�kd ˙✓(t).
l Modèle réduit LTI incertain en un point de vol Est-il stable ?
✓ =1
s2 � �ms· 1�⌧s + 1
u, u = kp✓r � (kp + skd)✓
Cours M2 UPS - Commande robuste 20 Dec 2014 - Fév 2015, Toulouse
Plan du cours
n 10 décembre, 10h : Introduction + Rappels - cours
n 12 décembre, 13h30 : Modèles incertains polytopiques et stabilité - cours
l 17 décembre, 10h : Modèles incertains polytopiques - salle TP I3
n 19 décembre, 10h : Modèles incertains polytopiques et résultats LMI - cours
l 6 janvier, 7h45 Modèles incertains polytopiques - salle TP I3
n 7 janvier, 10h : Modèles incertains LFT - cours
n 13 janvier, 10h : Théorème du petit gain - cours
l 14 janvier, 9h : Modèles LFT - salle TP I3
l 22 janvier, 9h : Modélisation d’un problème de performance robuste - salle TP I3
l 19 janvier, 9h : Synthèse robuste et analyse robuste de la boucle fermée - salle TP I3
n 17 février, 9h : Examen - salle TP I3
Cours M2 UPS - Commande robuste 21 Dec 2014 - Fév 2015, Toulouse
RÉFÉRENCES Quelques références RÉFÉRENCES
R
´
ef
´
erences
[Apkarian(2012)] P. Apkarian. Elements de la théorie de la commande robuste, 2012. URL
pierre.apkarian.free.fr/COURS/polysae.pdf.
[Arzelier()] D. Arzelier. Commande robuste. URL http://homepages.laas.fr/
arzelier/cours.html.
[Barmish(1985)] B. Barmish. Necessary and sufficient conditiond for quadratic stabilizability of
an uncertain system. J. Optimization Theory and Applications, 46(4), Aug. 1985.
[Chesi(2010)] G. Chesi. LMI techniques for optimization over polynomials in control : a survey.
IEEE Trans. Aut. Control, 55(11) :2500–2510, 2010.
[Duc and Font(1999)] G. Duc and S. Font. Commande H1 et µ-analyse : des outils pour la
robustesse. Hermes Science, Paris, 1999.
[Laroche()] E. Laroche. Commande robuste. URL http://eavr.u-strasbg.fr/
˜laroche/student/#MIRIV.
[McFarlane and K.(1990)] D. McFarlane and G. K. Robust Controller Design Using Normalized
Coprime Factor Plant Descriptions. Lecture Notes in Control and Information Sciences.
Springer Verlag, 1990.
Cours M2 UPS - Commande robuste 22 Dec 2014 - Fév 2015, Toulouse
RÉFÉRENCES Quelques références RÉFÉRENCES
[Peaucelle et al.(2000)Peaucelle, Arzelier, Bachelier, and Bernussou] D. Peaucelle, D. Arzelier,
O. Bachelier, and J. Bernussou. A new robust D-stability condition for real convex polytopic
uncertainty. Systems & Control Letters, 40(1) :21–30, May 2000.
[Scherer()] C. Scherer. Theory of robust control. URL http://www.ist.
uni-stuttgart.de/education/courses/robust/overview.
shtml.
[Skogestad and Postlethwaite(2005)] S. Skogestad and I. Postlethwaite. Multivariable Feedback
Control. Wiley, 2nd ed. edition, 2005.
[Tempo et al.(2005)Tempo, Calafiore, and Dabbene] R. Tempo, G. Calafiore, and F. Dabbene.
Randomized Algorithms for Analysis and Control of Uncertain Systems. Springer-Verlag,
2005.
[Tits and Fan(1995)] A. Tits and M. Fan. On the small µ theorem. Automatica, 31 :1199–1201,
1995.
[Zhou et al.(1996)Zhou, Doyle, and Glover] K. Zhou, J. Doyle, and K. Glover. Robust and Opimal
Control. Prentice Hall, Englewood Cliffs, New Jersey, 1996.
Cours M2 UPS - Commande robuste 23 Dec 2014 - Fév 2015, Toulouse