Transparents
Transcription
Transparents
Commande robuste - Approche polynomiale Thao Dang SLE, ENSIMAG •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Plan • Introduction - systèmes linéaires, commande robuste • Analyse de stabilité – Un seul paramètre d’incertitude - Critère de valeurs propres – Intervalle d’incertitude – Polytope d’incertitude •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Systèmes linéaires Systèmes linéaires • La théorie de commande de systèmes linéaires est bien développée. • Plusieurs outils de conception assistée par l’ordinateur. • Voir un petit rappel. Systèmes linéaires incertains • Approche polynomiale : Basée sur l’algèbre linéaire et l’algèbre de matrices polynomiales Reference http://www.polyx.cz/frm-main-tutorials.htm •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Approche polynomiale Une fonction de transfert peut être vue comme une fraction polynomiale Exemple : un système mécanique y : déplacement; u : force externe; k1 : coef de friction de viscosité; k2 : constante de ressort; m : masse G(s) = y(s) 1 = u(s) ms2 + k1s + k2 •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Approche polynomiale Généralisation aux matrices de polynômes. (Do + D1s + D2s2)y(s) = Nou(s) •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Exemple : un circuit RLC y1 : tension sur l’inducteur; y2 : courant passant l’inducteur; u : tension de la source •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Exemple : un système de ressorts M ẍ + C ẋ + Kx = 0 où n = 250, mi = 1, κi = 5, τi = 10, sauf κ1 = κn = 10 et τ1 = τn = 20 M =I C = tridiag(−10, 30, −10) K = tridiag(−5, 15, −5) •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Exemples : un pendule inversé Linéarisation autour du la position verticale en haut Avec J = mL2 /12, l = L/2, g = 9.8, M = 2, m = 0.35, l = 0.7, b = 4, k = 1. Plusieurs exemples d’ordre plus grand dans la modélisation aéroacoustique et en mécanique de fluides. •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Incertitude Incertitude dans la modélisation • Non-paramétrique – – – – dynamique non-modélisée modes avec des fréquences hautes tronquées non-linéarité effets de linéarisation, variations temporelles • Paramétrique – Paramètres physiques qui varient dans certaines bornes Méthodes pour traiter l’incertitude • commande prédictive • commande adaptive • commande robuste : On cherche une lois de commande valide pour toutes les valeurs admissibles de l’incertitude •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Stabilité de polynôme Un polynôme p(s) est stable si toutes ces racines sont dans une région spécifique du plan complexe La région de stabilité dépend de la nature du système • demi-plan à gauche (système en temps continu) • le disque d’unité (système en temps discret) La région de stabilité peut être plus compliquée afin d’assurer • amortissement (parabole) • comportement dominant (demi-plan ou disque décalé) • bande passante (demi-plan ou disque décalé) • commande par retour à petit gain qui préserve les comportements fréquentiels (zones non-connexes). •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Stabilité des polynômes - Exemple Un modèle linéarisé d’un système de grue à levage Le polynôme caractéristique de la boucle dermée g = 10, mC = 1000, l = 10 Si la masse mL n’est pas connue précisément et mL ∈ [50, 2395], la question est : Est-ce que le polynôme est stable pour toutes les valeurs admissibles de mL ? •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Analyse de Stabilité On visualise des racines (pôles) du polynôme (en divisant l’intervalle de valeurs de mL en petits intervalles) 0.6 + 2s + (2.6 + 0.001mL)s2 + 2s3 + s4 Les racines (pôles) restent dans le demi-plan gauche, le système en boucle fermée est alors robustement stable. •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Deux paramètres incertains Si la longeur l est aussi incertaine 6 20 0.6l + 20 + 0.01mL 2 + s+ s + 2s3 + s4 l l l Les racines restent dans le demi-plan à gauche, le système en boucle fermée est robustement stable. Pourtant, le temps de calcul devient long et est exponentiel en nombre de paramètres incertains ⇒ on a besoin des outils plus perfomants. •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Outils d’analyse de stabilité On va étudier les cas suivants • un seul paramètre incertain q ∈ [qmin, qmax] • intervalle d’incertitude qi ∈ [qimin, qimax] • polytopic uncertainty λ1q1 + . . . + λN qN • multilinear uncertainty q0 + q1q2q3 On commence avec le cas avec un seul paramètre incertain et le critère de valeurs propres. •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Un seul paramètre incertain On considère un polynôme : p(s, q) = p0(s) + qp1(s) • p0(s) est un polynôme stable (nominal) • p1(s) est un polynôme arbitraire • q est un paramètre incertain dans l’intervalle [qmin, qmax] Exemple : un système du premier ordre P (s, q) = 1 , s−q |q| ≤ 2 La commande par retour C(s) = 1 Le polynôme de la boucle fermée : p(s, q) = s + 1 − q est robustement stable ????? •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Un seul paramètre incertain On considère un polynôme : p(s, q) = p0(s) + qp1(s) • p0(s) est un polynôme stable nominal • p1(s) est un polynôme arbitraire • q est un paramètre incertain dans l’intervalle [qmin, qmax] Exemple : un système du premier ordre P (s, q) = 1 , s−q |q| ≤ 2 La commande par retour C(s) = 1 Le polynôme de la boucle fermée : p(s, q) = s + 1 − q est robustement stable ????? ⇒ NON, car la racine quitte le demi-plan gauche quand q ≥ 1. •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Perte de stabilité Les racines dépendent d’une manière continue des coefficients, donc l’instabilité surgit quand les racines traversent la frontière de stabilité (l’axe imaginaire dans le cas de temps continu). L’instabilité peut arriver aussi quand le degré du polynôme change p(s, q) = qs2 − s − 1, q ∈ [0, 1] • p(s, 0) = −(s + 1) ⇒ stable • p(s, 1) = (s + 0.6180)(s − 1.6180) ⇒ instable On va utiliser l’hypothèse d’invariance de degré. Le critère est valide pour des régions de stabilité non-bornées •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Matrice de Hurwitz On considère un polynôme : p(s) = p0 + p1s + . . . + pn−1sn−1 + pnsn avec pn > 0, on définit sa matrice de Hurwitz Critère de Hurwitz : p(s) est stable ssi tous les mineurs principaux dominants de H(p) sont > 0 •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Rappel: Mineurs principaux dominants Pour une matrice a11 . . . a1n A = . . . an1 . . . ann Considérons les déterminants de n sous-matrices suivantes: d1 = det( a11 ) a11 a12 ) d2 = det(. . . a21 a22 a11 . . . a1n ) dn = det( . . . an1 . . . ann Ces n déterminants sont appelés les mineurs principaux dominants de A. •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Critère Bialas p(s, q) = p0(s) + qp1(s) p0(s) stable avec des coefs positifs, et p1(s) tel que degp1(s) < degp0(s) On cherche l’intervalle de stabilité la plus grande q ∈]qmin , qmax [ telque p(s, q) est robustement stable. Matrice d’Hurwitz H(p) = H(p0(s) + qp1(s)) = H(p0(s)) + qH(p1(s)) = H0 + qH1 (1) (2) (3) Notons que detH(p) = det[H0 + qH1 ]. Avec detH0 > 0, considérons det[q −1 + H0−1 H1 ] et il n’y a pas de ”root crossing” à l’infini, on obtient le critère Bialas •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Critère Bialas (suite) p(s, q) = p0(s) + qp1(s) p0(s) stable avec des coefs positifs, et p1(s) tel que degp1(s) < degp0(s) Notation: • Pour une matrice A, λ+max(A) est la valeur propre réelle positive la plus grande de A, et λ− min est la valeur propre réelle negative la plus petite de A. • Pour le polynôme p(s, q) = p0(s) + qp1(s), H0 est la matrice de d’Hurwitz de p0 et H0 est la matrice de d’Hurwitz de p1 . Le critère Bialas donne les bornes sur la valeur de q : qmax = 1 λ+max(−H0−1H1) qmin = 1 λ−min(−H0−1H1) •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit Matrice de Hurwitz On considère un polynôme : p(s, q) = p0(s) + qp1(s) + q 2p2(s) + . . . + q mpm(s) avec p0 (s) stable and degp0 (s) > degpi (s) En utilisant des zéros (racine du déterminante) de la matrice d’Hurwitz H(p) = H(p0) + qH(p1) + q 2H(p2) + . . . + q mH(pm) on peut montrer que qmin = 1/λ−min(M ) qmax = 1/λ+max(M ) •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit D’autres régions de stabilité Le critère de valeurs propres peuvent être utilisé pour le cas de temps discret où la région de stabilité est le disque unitaire • Pas de changement de degré à l’infini car la région est bornée • Matrice de Jury detJ(p) = αΠ1≤i<j≤n(1 − zizj ) • La stabilité est perdue à −1 et +1 •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit