Automatique très pratique - Lagrange
Transcription
Automatique très pratique - Lagrange
Automatique très pratique Jean-Pierre FOLCHER UMR 7293 Lagrange, Université de Nice Sophia-Antipolis/CNRS/Observatoire de la Côte d’Azur, France Valrose, le 5 cotobre 2012 Plan 1 2 3 4 5 6 Utilité ? Automatique Automatique Automatique Automatique Discussion : une introduction ’classique’ (1940 − 1950 →) ’moderne’ (1960 − 1970 →) post-moderne (1980 − 1990 →) [4] [12] [14] [3] [7] ”La grande force de l’Automatique est que les générations de théories successives ne se sont pas remplacées les unes les autres, mais se sont complétées en une construction mathématique d’une grande richesse.” Pierre BERNHARD Utilité ? 1/4 Oui en tant que composante/facette d’un problème complet.... Figure: Electronique ’au sens large’. Vocabulaire : asservissement, automatique, commande, système, contrôle optimal Utilité ? 2/4 Quelques problèmes ’pratiques’ abordés 1 2 3 4 Tondeuse radiocommandée/automatique - Ingénieur & Dea, doctorant - Ecole des Mines d’Alès / Société SERCI / Université de Monpellier (1989-1991) Accrochage machine synchrone autopilotée sur le réseau - épreuve montage 9 h & travaux pratiques ’musclés’, Agrégation de Génie Electrique - élève ENS Cachan (1992) Commande d’un système de téléopération (dernier chapitre de thèse), collaboration CEA Fontenay aux Roses (1994-1998) professeur agrégé et doctorant ENSTA Paris. Commande manuelle d’un scooter : trajet quotidien de 25 km Roquefort les pins - Nice, (2008-2012) 3 défauts de la commande = 3 accidents Utilité ? 5 3/4 Robot Phanthom 500 - Lab. I3S - Univ. Nice Sophia Antipolis (1999→ 2006) Figure: Mission Iles Orkney (Ecosse, juillet 2000) Utilité ? 6 Robot Mauve - Lab. I3S - Univ. Nice Sophia Antipolis (1999→ 2006) Figure: Mission en Mer du Nord, (au large de la Belgique, juillet 2001). 4/4 Introduction à l’automatique 1/12 Qu’est-ce que la commande ? Commande [control] : interaction entre plusieurs ’dispositifs’ (incluant ’l’homme’ !). Exemple : la conduite automobile. Le conducteur commande le véhicule pour atteindre une destination. On parle de commande manuelle [manual control]. Commande automatique [automatic control] : interaction uniquement entre plusieurs ’dispositifs’. Exemple : le régulateur de vitesse. Le débit du mélange air/essence est ajusté en temps réel, en fonction de la sortie du tachymètre, de manière à obtenir une valeur fixée. Introduction à l’automatique 2/12 Qu’est-ce que le bouclage ? Concept fondateur : commande (bouclée) [feedback control]. La variable/signal contrôlée (régulée) (vitesse, température...) est mesurée par un capteur et rétroagit [feedback] sur le procédé [process, plant] pour influencer le signal régulé. Exemple : le régulateur de vitesse. Introduction à l’automatique 3/12 Analyse qualitative. Pour un débit de mélange (air/essence) fixé si la vitesse mesurée est en dessous de la vitesse souhaitée → le régulateur de vitesse va augmenter le débit du mélange → augmentation de la vitesse du moteur, de la voiture. si la vitesse mesurée est en dessus de la vitesse souhaitée → le régulateur de vitesse va diminuer le débit du mélange → diminution de la vitesse du moteur, de la voiture. Introduction à l’automatique 4/12 Eléments générique de la boucle. voir la figure précédente dispositif principal : le système, procédé [system, process, plant] pour lequel une variable est à controller (à réguler) [regulated output] La perturbation d’entrée [disturbance] agit sur le système. L’actionneur [actuator] est l’élément qui influe sur la variable régulée. Pour obtenir un bouclage : indispensable de fournir au correcteur (régulateur) une mesure de la sortie régulée : elle est fournie par le capteur [sensor]. Le rôle du correcteur (loi de commande) [controller, control law] est de générer, l’entrée de commande [control input] en utilisant l’entrée de référence et la sortie mesurée . Exemple du régulateur de vitesse 1 système : chassis/habitacle de la voiture 2 sortie régulée : vitesse du véhicule. 3 perturbation d’entrée :pourcentage de la pente de la route 4 actionneur : le moteur, capteur : le tachymètre 5 sortie mesurée : vitesse rotation des roues (mis à l’échelle). Introduction à l’automatique 5/12 Analyse quantitative : modèle simplifié du régulateur de vitesse Cas régime permanent établi, relations approximées ’linéaires’ Vitesse sur la route mesurée : 55 km/h Changement d’une unité de la cmde : variation de vitesse de 10 km/h Changement d’une unité de la pente : variation de vitesse de 5 km/h Précision tachymètre parfaite (vitesse mesurée = vitesse réelle) Introduction à l’automatique 6/12 Lignes : représentation d’un signal, sortie régulée y , entree de commande u , entrée de perturbation d et entrée de référence r . Rectangles / ronds : opérations de multiplication et de sommation. Commande possible : pas d’utilisation de la mesure → commande boule ouverte, [open loop control, feedforward control] 1 2 inversion du procédé u = r /10 vitesse régulée y = 10(u − 0.5d ) = 10([r /10] − 0.5d ) = r − 5d d = 0 (pas de perturbation) et r = 55 → y = 55 : pas d’erreur. d = 1 et r = 55 → y = 50 : erreur de 5 km/h ! Introduction à l’automatique 7/12 Utilisons la mesure de la sortie controlée [feedback signal]. La figure inclue une boucle : cmde en boucle fermée [closed loop control, feedback contol] 1 2 loi de commande r − 0.9y vitesse régulée y = = = = 10(u − 0.5d ) 10([r − 0.9y ] − 0.5d ) 10r − 9y − 5d r − 0.5d Introduction à l’automatique 8/12 d = 0 (pas de perturbation) et r = 55 → y = 55 : pas d’erreur. d = 1 et r = 55 → y = 54.5 : erreur de 0.5 km/h 1 2 3 4 effet du feedback : réduction de l’erreur d’un facteur 10 ! augmentation du gain de cmde : réduction plus grande de l’erreur limitation/saturation de l’actionneur : puissance du moteur (Ferrari ou 2CV) ? avec de la dynamique : réponse temporelle très oscillante (problème de stabilité). Introduction à l’automatique 9/12 Démarche habituelle 1 Trouver une représentation (mathématique) du système : le modèle. 2 Associer à des propriétés désirées un(des) critère(s) qui définissent le cahier des charges 3 Résolution du problème mathématique (d’analyse ou de synthèse) Question essentielle : quelle correspondance entre 1 le système & le modèle 2 ses performances & le(s) critère(s) mathématique(s) Introduction à l’automatique 10/12 Le choix des armes.... approche classique 1940 − 1950 → H. BLACK (1898–1983) H. BODE (1905-1982) H. NYQUIST (1889–1976) Modèle ’externe’: fonction de transfert Cahier des charges : critères fréquentiels Résolution : ’graphique’ lieux (Bode, Nyquist, Black) + Théorème de Nyquist Avantages / inconvénients : simplicité des calculs & bon outil de l’ingénieur / limitation aux systèmes monovariables Introduction à l’automatique 11/12 Le choix des armes .... approche moderne 1960 − 1970 → Rudolf KALMAN (1930-...) Modèle ’interne’: représentation d’état Cahier des charges : critères temporels (temps d’établissement, erreur quadratique moyenne) Résolution : placement de valeurs propres, équations algébriques de Riccati (théorie de la commande optimale) Avantages / inconvénients : aborde les systèmes multivariables & puissance des calculs / perte du ’sens physique’ et de ’la boucle’ ... Introduction à l’automatique 12/12 Le choix des armes .... Approche post-moderne 1980 − 1990 → John DOYLE Michael SAFONOV Stephen BOYD Modèle : fonction de transfert (et) ou représentation d’état Cahier des charges : critères fréquentiels (et) ou temporels Résolution : équations algébriques de Riccati, problème d’optimisation convexe avec des contraintes LMI (Linear Matrix Inequalities) Avantages / inconvénients : englobe les deux approches précédentes et leurs qualités intrinsèques / difficultés numériques pour les pbs de grande tailles Automatique classique 1/14 Modèle ’externe’: fonction de transfert = contrainte/relation entre deux signaux d’entrée u (perturbation, cmde) et de sortie y (régulée, de mesure) Version temporelle (convolution) y =h∗u où h est la réponse impulsionnelle causale. (1) Figure: Système convolueur. Version fréquentielle L {y } = H(p)L {u} où H(p) = L {h} est la fonction/matrice de transfert. (2) Automatique classique Exemple : machine à courant continu di + E Equation électrique : U = Ri + L dt Equation mécanique : C = f Ω + J ddtΩ + Cp , Ω = ddtθ Equations de couplage : C = ki, E = kΩ Figure: Schéma-bloc d’une machine à courant continu. 2/14 Automatique classique 3/14 Exemple : machine à courant continu (suite) Lp+R k L {Ω} LJp 2+(Lf +RJ)p+Rf +k 2 LJp 2+(Lf +RJ)p+Rf +k 2 L{U} = Lp+R k L {θ} L Cp 3 2 2 3 2 2 | {z } {z } LJp +(Lf +RJ)p +(Rf +k )p LJp +(Lf +RJ)p +(Rf +k )p | | {z } L{u} L{y } H(p) Automatique classique 4/14 Une boucle intéressante ? r entrée de référence & d entrée de perturbation y sortie mesurée & / u entrée de commande G (p) fonction de transfert du système K(p) fonction de transfert du correcteur à déterminer → problème de synthèse Figure: Boucle de commande classique (cas monovariable). L{u} z }| { L {} = L {r } − G (p)(−L {d } + K(p)L {}) Calcul de plus facile que = r − g ∗ (−d + k ∗ ) Automatique classique 5/14 Une boucle intéressante ? 1 G (p) L {} = L {r } + L {d } |1 + G (p)K(p) {z } |1 + G (p)K(p) {z } Tr →(p) Td →(p) où Tr →(p) fonction de sensibilité & Td →(p) fonction de réjection de la perturbation. K(p) K(p)G (p) L {u} = L {r } + L {d } |1 + K(p)G {z (p)} |1 + K(p)G {z (p)} Tr →u (p) Td →u (p) où Tr →u (p) fonction liant le signal de référence à la commande & Td →u (p) = Tr →y (p) fonction de transmission. Performances du système bouclé : induites par les 4 fonctions de transfert Tr →(p), Td →(p), Tr →u (p) et Td →u (p). Automatique classique 6/14 Comment dompter le système ?... oublions la perturbation d = 0 (raison purement pédagogique & de temps) On souhaite que idéalement y = ti ∗ r = r Fonction de transmission idéale → ti = δ Tr →y (p) = L {ti } = Tr →y (p) = L {δ} = 1 Fonction de transmission réelle Tr →y (p) 6= 1 (p − z1)(p − z2)...(p − zm ) = kHF (forme factorisée) (p − p1)(p − p2)...(p − pn ) pd 1pd 2 ≈ hypothèse pôles dominants )(p − p ) (p − p d 1 d 2 | {z } Td (p) Automatique classique Performance temporelle (pour une entrée échelon) Similitude entrée/sortie y ≈ r Md − y (∞) • dépassement D = 100 (%) y (∞) • temps de réponse tr : ∀t > tr |y (t) − 1| < . 7/14 Automatique classique 8/14 Un point capital : les pôles de Td (p) Td (p) = pd 1pd 2 (p − pd 1)(p − pd 2) wn2 avec ζ le facteur d’amortissement ωn la pulsation naturelle. = 2 p + 2ζwn p + wn2 Automatique classique 9/14 Réponse indicielle de Td (p) y (t) = 1 − q 1 1 − ζ2 q e −ζωn t sin 1 − ζ 2ωn t + cos−1 (ζ) , Figure: Réponse indicielle d’un second ordre. Résultat : tr5% ≈ 3 et D = 100e ζωn q−ζπ 1 − ζ2 (%) (3) Automatique classique 10/14 k T (jω) = Réponse fréquentielle de Td (p), d 1 − ω 2/ωn2 + j2ζω/ωn Figure: Réponse fréquentielle 20log |Td (jω)|. p Un pic... pour ωr = ωn 1 − 2ζ 2 de valeur Mr = q1 2ζ 1 − ζ 2 Automatique classique 11/14 Approche fréquentielle classique : deux idées 1 ’Pas de bosse fréquentielle = pas de bosse temporelle’ Mr faible → ζ raisonable → D raisonable 2 Une bonne bande passante wr grand → wn grand → tr petit Comment imposer un facteur de résonance Mr ? Le M-cercle : lieu des points défini par le nombre complexe L vérifiant L 1 + L = M . Automatique classique 12/14 Utilisation du M-cercle Figure: Lieux de Nyquist des fonctions de transfert de L1(p) et L2(p). Figure: Rép. fréquentielles des fonctions de transfert T1(p) = L1(p) L2(p) et T2(p) = . 1 + L1(p) 1 + L2(p) Automatique classique 13/14 Synthèse fréquentielle dans le plan de Nyquist L2(p) = K (p)G (p) et donc T2(p) = Tr →y (p) M-cercle de paramètre M2 : ’zone interdite’ pour L2(jω) fixe donc la résonance Mr = M2 de T2(p) donc ζ et donc D. fixe donc la pulsation ωr = ωr 2 de T2(p) donc ωn et donc tr . Synthèse d’un correcteur PID Z t ˙ } . (τ )d τ + |kD{z u(t) = k|P{z (t)} + kI (t) | 0 {z } uD (t) uP (t) uI (t) k Trouvez K (p) = kP + pI + kD p Tel que le lieu de Nyquist de K (p)G (p) tangente le M-cercle de paramètre M2 Solution : l’art / le savoir-faire de l’automaticien.... Automatique classique 14/14 Approche fréquentielle : bilan Avantages Proche du problème physique Beauté des diagrammes fréquentiels Assure des marges de synthèse Simplicité de la synthèse Inconvénients Simplicité de la synthèse (peu séduisant mathématiquement) Limitation aux systèmes SISO Aspect rébarbatif du passage modelage boucle ouverte / limitation résonance en BF Automatique moderne 1/3 Problème de cmde Linéaire Quadratique Gaussien w (k) x(k + 1) = Ax(k) + I 0 B3 v (k) u(k) Soit P(.) w (k) z(k) C 0 0 0 1 v (k) = x(k) + C2 0 I 0 y (k) u(k) T bruit sur l’état w , et sur la mesure v avec E w (k)w (l ) = W δ(k − l ) et blanc Gaussien E v (k)v (l )T = V δ(k − l ) entrée de commande u sortie régulée z et sortie mesurée y trouver la loi de cmde u = K (y ) minimisant le critère quadratique 1 J = lim E N→∞ N "N−1 X k=0 # x(k)T Qx(k) + u(k)T Ru(k) Q = Q T ≥ 0, R = R T > 0. Automatique moderne 2/3 Solution du problème LQG: la commande LQG association (théorème de séparation) 1 d’un retour d’état estimé x̂(k) (régulateur LQ) u(k) = −Kx̂(k) 2 avec K ∈ Rnu ×n le gain de retour d’état. d’un observateur (≈ Filtre de Kalman) x̂(k + 1) = Ax̂(k)+B3u(k) + L (y (k)−C2x̂(k)) avec L ∈ Rn×ny le gain de l’observateur. Hypothèses T C = Q. 1 (A, B ) stabilisable et C , A observable avec C 3 Q Q Q T = W. 2 (C , A) détectable et (A, B ) gouvernable avec B B wz 2 W W Automatique moderne Résolution numérique du problème LQG - [cds de synthèse] 1 Gain de retour d’état optimal −1 B3T PA K = R + B3T PB3 P = P T ≥ 0 solution de l’équation algébrique de Riccati −1 P = AT PA − AT PB3 B3T PB3 + R B3T PA + Q . 2 Gain d’estimation optimal L = AXC2T (C2XC2T + V )−1 avec X = X T ≥ 0 solution de l’équation algébrique de Riccati X = AXAT − AXC2T (C2XC2T + V )−1C2XAT + W . résolution numérique pour p.b. de taille ’raisonnable’ avec matlab 3/3 Automatique post-moderne 1/7 Commande H∞ Norme H∞ d’un système kH(p)k∞ = sup σ̄ (H(jω)) ω avec σ̄ (.) valeur singulière maximale. Pour un système SISO kH(p)k∞ = sup |H(jω)| ω Exemple : réponse fréquentielle de Td (p), k Td (jω) = 1 − ω 2/ωn2 + j2ζω/ωn Figure: Réponse fréquentielle 20log |Td (jω)|. Automatique post-moderne 2/7 Problème de commande H∞ Trouver K (p) tel que kT (p)k∞ < γ avec T (p) = LFTH (P, K ). LFTH (P, K ) = P22 + P21K (I − P11K )−1 P12, L {z} = T (p)L {w } Figure: Problème H∞ standard. solution : résolution de deux équations de Ricatti [DGKF89]. Automatique post-moderne 3/7 H∞ Loop shaping Figure: Problème H∞ standard. L {z1} (p) = W1(p)L {} (p) L {z2} (p) = W2(p)L {u} (p) L {z1} (r ) = 1L {w1} (p) L {z2} (d ) = W3(p)L {w2} (p) Automatique post-moderne 4/7 Résolution du problème standard Tz w (p) Tz w (p) W1(p)Tr (p) W1(p)Td (p)W3(p) 1 1 1 2 = < kT (p)k∞ = Tz w (p) Tz w (p) W2(p)Tur (p) W2(p)Tud (p)W3(p) 2 1 2 2 ∞ ∞ Résultat 1 , |W1(jω)| 1 , |Tur (jω)| < |W2(jω)| |Tr (jω)| < 1 , |W1(jω)| |W3(jω)| 1 |Tud (jω)| < , |W2(jω)| |W3(jω)| |Td (jω)| < modelage [loop shape] fréquentiel des fct de transfert du système bouclé Tr (p), Td (p), Tur (p), Tud (p) fixé par les fonctions de pondérations W1(p), W2(p),W3(p), Automatique post-moderne 5/7 Gain L2 Supposons pour simplifier que Dzw = 0. On définit le gain L2 du système (??) par la quantité kzk2 sup kw k26=0 kw k2 où la norme L2 d’un signal w est définie par Z ∞ kw k22 = w T w dt 0 et le supremum est pris sur l’ensemble des entrées w d’énergie unité. Interprétation. Le gain L2 mesure la quantité d’énergie transmise par le système. (Si le gain L2 est petit, les perturbation externes w sont “rejetées”.) Automatique post-moderne 6/7 Approche par Lyapunov Supposons qu’il existe une fonction quadratique V (ξ) = ξ T Pξ, P 0, et un scalaire γ ≥ 0 tels que, pour tout t, d V (x) + z T z − γ 2w T w ≤ 0 pour tout x, w vérifiant (??). dt Alors le gain L2 du système (??) est plus petit que γ: Z T T z − γ 2w T w dt ≤ 0. = + z V (x(T )) − V (x(0)) | {z } =0 0 (4) Automatique post-moderne 7/7 Formulation LMI (Lemme borné réel) L’inégalité (4) s’écrit " AT P + PA + CzT Cz PBw BwT P −γ 2I # 0 Il est aisé de calculer la plus petite borne supérieure γ prouvable par fonctions de Lyapunov quadratiques, en résolvant un problème SDP. (On montre que pour les systèmes LTI, la borne obtenue est génériquement exacte.) Discussion documentation : le seul site d’automatique nicoise ....http://nice.auto.free.fr démonstration matlab-simulink (pour J.-B. Daban ?) ...pas de labview ! Marges de stabilité : début de la robustesse L(p) = K (p)G (p) Figure: Système bouclé comprenant K (p), le facteur multiplicatif kc & G (p). Marge de Gain MG : valeur de 1 , où MG = |L(jω180◦ )| kc qui rend le système bouclé instable. ω180◦ telle que∠L(jω180◦ ) = −180◦ Marges de stabilité : début de la robustesse (suite) Figure: Système bouclé comprenant K (p), le déphasage e −jθc & G (p). Marge de Phase MP valeur de θc qui rend le système bouclé instable. MP = ∠L(jω1) + 180◦ où ω1 telle que |L(jω1)| = 1 Figure: Mesure de la marge de phase dans le plan de Nyquist. Convolution : y = h ∗ u Z t Z t h(τ )u(t − τ )d τ = y (t) = 0 h(t − τ )u(τ )d τ 0 avec une entrée u (u(t) = 0, t < 0) et (h(t) = 0, t < 0) (5) Transformée de Laplace Soit f (t) une fonction défine pour t > 0. Sa transformée de Laplace , notée L {f } (p) est définie par Z ∞ L {f } (p) = f (t)e −pt dt , p ∈ C (6) 0 Remarques La transformée de Laplace de f (t) est dite exister si l’intégrale (6) converge pour certaines valeurs de p. Sinon elle n’existe pas. p → L {f } (p) est une fonction de la variable complexe p. On pourra noter p = σ + jω. Le M-cercle Le M-cercle est 2 M un cercle de centre , 0 et de rayon 2 1−M une droite d’abscisse u = − 12 pour M = 1. M 1 − M 2 pour M 6= 1,