COMMANDE DE SYSTEMES CHAOTIQUES
Transcription
COMMANDE DE SYSTEMES CHAOTIQUES
COMMANDE DE SYSTEMES CHAOTIQUES 1 INTRODUCTION La théorie du chaos traite des systèmes dynamiques rigoureusement déterministes, mais qui présentent un phénomène appelé sensibilité aux conditions initiales qui, modulant une propriété supplémentaire de récurrence, les rend non prédictibles en pratique sur le long terme. La théorie du chaos est utilisée dans différents domaines, par exemple, en économie, en astrophysique, dans les systèmes de communication, etc. Pour cette raison, la commande des systèmes chaotiques est un problème largement abordé par la communauté scientifique. Dans ce sujet de synthèse, nous allons utiliser des techniques linéaires pour analyser le comportement de trois systèmes chaotiques, au niveau stabilité, commandabilité et observabilité. Cet analyse peut être utilisé pour la synthétisation des commandes linéaires de ces systèmes. 2 PRESENTATION DE MODÈLES CHAOTIQUES Les équations de Lorenz, Rössler et Duffing représentent des systèmes chaotiques très connus dans la science nonlinéaire. Ils sont exprimés par les équations résumées dans le Tableau ??. Tab. 1. Systèmes chaotiques Lorenz ẋ1 = σ(x2 − x1 ) ẋ2 = ρx1 − x2 − x1 x3 ẋ3 = x1 x2 − βx3 Rössler ẋ1 = −x2 − x3 ẋ2 = x1 + ax2 ẋ3 = b + x3 (x1 − c) Duffing M ẍ + δ ẋ + βx + αx3 = u où u = γ cos(ωt) Ci-après considérer les valeurs donnés dans le Tableau ?? pour chaque système. Tab. 2. Ensemble de paramètres des systèmes chaotiques Lorenz Rössler Duffing 2.1 σ = 10, ρ = 28, β = 83 a = 0.2, b = 0.2, c = 5.7 M = 1, α = 1, β = −1, δ = 0.2, γ = 0.3, ω = 1 Système de Lorenz Le système de Lorenz à été originalement conçu par Edward Lorenz à partir des équations de Navier-Stoke afin de prédire le temps. Lorenz a découvert que le comportement de son système dépendait fortement des conditions initiales. Donc, des petits changements dans les conditions initiales provoquent de grand changements dans le comportement du système avec le temps. Voici l’une des caractéristiques des systèmes chaotiques. Par ailleurs, dans la literature scientifique il à été rapporté que ces équations représentent aussi des autres types de systèmes. Par example : des dispositifs laser, des générateurs homopolaires et plusieurs problèmes liées à la convection. Afin d’avoir une perception physique, nous pouvons considerer que les équations de Lorenz représentent un boucle de convection thermique. Grosso modo, le système est composé par une roue d’eau placée verticalement où sa moitié supérieure est refroidie et sa moitié inférieure est chauffée (voir Fig. ??). Les états, x1 , x2 et x3 représentent la vitesse du fluide dans le boucle, la différence de temperature verticalement et la difference de temperature horizontalement, respectivement. Le paramètre σ > 0 est le nombre de Prandtl, β > 0 est un paramètre géométrique et ρ > 0 est la chaleur appliquée dans la section inférieure de la rue. Heat sink Horizontal temperature difference proportional to x3 Fluid velocity proportional to x1 Vertical temperature difference proportional to x2 g Heat source convection loop Fig. 1. Boucle de convection thermique. Système de Lorenz 2.2 Système de Rössler Otto Rössler a conçu son attracteur en 1976 dans un but purement théorique, mais ces équations se sont avérées utiles dans la modélisation de l’équilibre dans les réactions chimiques. Physiquement, les états x1 , x2 et x3 représentent les concentrations des substances d’une reaction chimique. Les paramètres intervenants a, b et c sont positifs. 2.3 Système de Duffing L’équation de Duffing est une équation différentielle de deuxième ordre nonlinéaire. Elle est l’exemple d’un système dynamique qui exhibe un comportement chaotique. L’équation décrit le mouvement d’un oscillateur harmonique avec un potentiel plus compliqué qu’un oscillateur simple. En termes physiques, il modélise par exemple, un electron relativiste dans un champ magnétique, des sytèmes micro-electromécaniques, des systèmes nano-electroméchaniques, etc. Ici, on va considerer que ce système modélise un resonateur piézoélectrique (ou oscillateur piézoléctrique) composé par une masse M et un ressort dont la raideur est non linéaire et donnée par le terme : βx + αx3 . γ represent l’amortissement et u le courant injecté au système pour produire la vibration piézoélectrique. 3 ANALYSE NON LINÉAIRE DES SYSTÈMES CHAOTIQUES SANS COMMANDE 1. Choisir un vecteur d’états pour le système de Duffing. 2. Analyser la réponse fréquentielle du système de Duffing. Pour cela, simuler le système à différents valeurs de ω et relever à chaque fois les amplitude maximales des réponses des états x1 et x2 . Pour la programmation de la réponse fréquentielle, il faut utiliser une boucle dans MATLAB qui lance le programme SIMULINK pour différents valeurs de ω à travers la commande sim. 3. Simuler tous les trois systèmes non linéaires. 4. Afin d’observer le comportement chaotique de chaque système, tracer leurs portraits de phase (l’évolution des états dans l’espace, voir Fig. ??). Remarque 1 : pour les systèmes de Lorenz et Rössler utiliser la commande plot3 de MATLAB. Remarque 2 : Pour bien apprécier l’évolution des états, utiliser un temps de simulation t > 100 sec. Fig. 2. Resonateur piézoélectrique 50 40 x3 30 20 10 0 −20 30 20 −10 10 x 0 0 1 −10 10 x2 −20 20 −30 Fig. 3. Portrait de phase du système de Lorenz 4 MODELÉS LINÉAIRE 1. Calculer les points d’équilibre de chaque système. Remarque : dans le cas du système de Duffing, considerer γ = 0. 2. Linéariser chaque système autour d’un point d’équilibre et établir une représentation d’état (voir Eq.??) pour chacun. Pour cela considerer : ♠ ♠ ♠ ♠ ρ comme l’entrée du système de Lorenz qui exerce des changements du taux de chaleur. b comme l’entrée du système de Rössler. u comme la commande du système de Duffing. Tous les états sont mesurés pour tous les trois systèmes. ẋ = Ax + Bu y Cx = 4. Discuter sur la stabilité des systèmes à partir des valeurs propres. 5. Comparer en simulation les réponses des systèmes linéaires avec celles des systèmes non linéaires. (1) 5 COMMANDABILITÉ et OBSERVABILITÉ 1. Calculer la matrice de commandabilité pour les systèmes linéarisés. 2. Transformer les systèmes linéarisés sous la forme canonique de commandabilité. 3. En supposant que y = x1 pour tous les trois systèmes linéarises, analyser l’observabilité de chacun. 6 DISCRETISATION 1. Proposer une période T e convenable pour la discrétisation de chaque système. Justifier le choix. 2. Discrétiser les systèmes linéaires. 3. Comparer en simulation les réponses des systèmes continues avec celles des systèmes discrets.