Chap 1 Comm Adapta

Pr CHENAFA Mohammed 5ème année Automatique(AAV)
1
2
CHAPITRE 1 COMMANDE ADAPTATIVE
1.1 INTRODUCTION
Un système de commande adaptative est un système

qui ajuste automatiquement en ligne les paramètres de
son contrôleur, de manière à maintenir un niveau de
performance satisfaisant lorsque les paramètres du
système sous contrôle sont inconnus et / ou variables
dans le temps (incertains).
3
Figure 1.1 Schéma
fonctionnel
d'un système de
commande
adaptative général
Pr CHENAFA Mohammed 5ème année Automatique(AAV) 4

Un système de commande adaptative est intrinsèquement
non linéaire, puisque les paramètres du contrôleur sont des
fonctions non linéaires des signaux mesurés via le
mécanisme d'adaptation.
Les deux techniques de base pour contrôler les systèmes à
temps discret avec des paramètres inconnus sont:
le schéma de commande adaptative à modèle de
référence (MRAC)
Model Reference Adaptive Control : MRAC
et les régulateurs d'auto-ajustable (STR)
Self Tuning Regulator : STR
5
- Dans le MRAC, un modèle de référence est utilisé
explicitement dans le schéma de commande et il définit les
performances souhaitées.
 un mécanisme d'adaptation en ligne approprié est conçu
pour ajuster les paramètres du contrôleur à chaque étape, de
sorte que la sortie du système converge vers la sortie du
modèle de référence de manière asymptotique
 simultanément (en même temps) avec le mécanisme
d’adaptation, la stabilité du système en boucle fermée est
assurée en utilisant un critère de stabilité par exemple de
Lyapunov ou un critère d’hyperstabilité de Popov,
6
- Dans les STR, la conception du contrôleur et la procédure
d'adaptation sont distinctes.
 Différents estimateurs de paramètres peuvent être
combinés avec des schémas de contrôle appropriés pour
produire une variété de STR.
Les contrôleurs adaptatifs à modèle de référence peuvent être
directs ou indirects
1-MRAC direct : les paramètres du contrôleur sont
directement ajustés par le mécanisme d'adaptation
7
2- MRAC indirect : le réglage des paramètres du
contrôleur se fait en deux étapes.
- la loi de commande est reparamétrée pour que les

paramètres du plant apparaissent explicitement dans la loi
de commande
- Une relation entre les paramètres du contrôleur et les

paramètres du plant est ainsi établie. Les paramètres du
plant sont ajustés par le mécanisme d'adaptation.
8
- les paramètres du contrôleur sont calculés à partir des
estimations des paramètres du plant.
Les STR peuvent être explicites ou implicites.

- STR explicites, une estimation des paramètres explicites du
modèle du plant est obtenue . Le modèle du plant explicite est
le modèle du plant réel.
- STR implicites, les paramètres du modèle implicite sont

estimés.
- Le modèle implicite est une reparamétrisation du
modèle explicite du plant. Les paramètres du modèle
implicite et ceux du contrôleur sont les mêmes.
Les paramètres du plant explicites ou indirects et les

paramètres du contrôleur implicites ou directs.

10
1.2. CONTRÔLE ADAPTATIF Á MRAC PAR LA
MÉTHODE DU GRADIENT (RÈGLE DE MIT)
Considérons un système avec une seule sortie 𝑦 𝑘𝑇, 𝜃
𝑇 est la période d’échantillonnage

𝜽 le vecteur des paramètres inconnus ;
L'objectif de la commande est de suivre la sortie 𝒚𝒎 𝒌𝑻

11
d'un modèle de référence, dans le sens qu'un indice de
performance particulier, impliquant l'erreur
𝒆 𝒌𝑻, 𝜽 = 𝒚 𝒌𝑻, 𝜽 − 𝒚𝒎 𝒌𝑻 , est un minimum.
Considérons l'indice de performance quadratique
𝟏 𝟐
𝑱 𝒌𝑻, 𝜽 = 𝒆 𝒌𝑻, 𝜽 (1.2.1)
𝟐
12
l’équation aux différences donnant l’évolution temporelle de
𝜃 aux instants d’échantillonnage, est :
𝜕𝐽 𝑘𝑇, 𝜃
𝜃 𝑘𝑇 + 𝑇 − 𝜃 𝑘𝑇 = −𝛾
𝜕𝜃
𝜕𝐽 𝑘𝑇, 𝜃
𝜃 𝑘𝑇 + 𝑇 = 𝜃 𝑘𝑇 − 𝛾
𝜕𝜃
𝜕𝑒 𝑘𝑇, 𝜃
𝜃 𝑘𝑇 + 𝑇 = 𝜃 𝑘𝑇 − 𝛾 𝑒 𝑘𝑇, 𝜃 (1.2.2)
𝜕𝜃
𝛾 est un gain d'adaptation positif constant
13
La dérivée partielle 𝜕𝑒 𝑘𝑇, 𝜃 𝜕𝜃 apparaissant dans
l’équation (1.2.2) est appelée dérivée de sensibilité du
système
Exemple 1.2.1
Considérons un système de premier ordre décrit par
l’équation de différence
𝑦 𝑘𝑇 + 𝑇 = −𝑎 𝑦 𝑘𝑇 + 𝑏 𝑢 𝑘𝑇 (1.2.3)
𝑢 𝑘𝑇 est l'entrée et 𝑦 𝑘𝑇 est la sortie
Objectif : On souhaite obtenir un système en boucle
fermée de la forme (modèle de référence)
𝑦𝑚 𝑘𝑇 + 𝑇 = −𝑎𝑚 𝑦𝑚 𝑘𝑇 + 𝑏𝑚 𝑟 𝑘𝑇 (1.2.4)
𝑟 𝑘𝑇 est une séquence d’entrée de référence bornée

𝑦𝑚 𝑘𝑇 est la sortie du modèle de référence.
une loi de commande par retour de sortie est utilisée,

qui a la forme:
15
𝑢 𝑘𝑇 = −𝑓 𝑦 𝑘𝑇 + 𝑔 𝑟 𝑘𝑇 (1.2.5)
Supposons que les paramètres système 𝑎 et 𝑏

sont inconnus.
- Déterminer le mécanisme d'adaptation approprié pour

les paramètres de contrôleur 𝑓 et 𝑔, en utilisant la
règle de MIT. (fin de l’exemple)

16
Solution:
travail personnel, faire l’exercice comme faire
l’exercice à la maison avec simulation et le remettre
au prof.
Résultats de l’Exemple 1.2.1:
𝒃𝒈 𝒒−𝟏
𝒚 𝒌𝑻 = r(kT);
𝟏+ 𝒂+𝒃 𝒇 𝒒−𝟏
𝑏𝑚 𝑎𝑚 −𝑎
𝑔= , 𝑓= →
𝑏 𝑏
(𝑝𝑜𝑢𝑟𝑠𝑢𝑖𝑡𝑒 𝑑𝑢 𝑚𝑜𝑑è𝑙𝑒 𝑝𝑎𝑟𝑓𝑎𝑖𝑡) cas où a et b connus 17
Cas du système incertains a , b inconnus
L’erreur entre les sorties du système et du modèle de

référence
𝑒 𝑘𝑇 = 𝑦 𝑘𝑇 − 𝑦𝑚 𝑘𝑇 on trouve
𝑏 𝑔 𝑞−1
e 𝑘𝑇 = 𝑟 𝑘𝑇 − 𝑦𝑚 𝑘𝑇
1+ 𝑎+𝑏 𝑓 𝑞−1

En utilisant la règle de MIT :
𝝏𝒆 𝒌𝑻, 𝜽
𝜽 𝒌𝑻 + 𝑻 = 𝜽 𝒌𝑻 − 𝜸 𝒆 𝒌𝑻, 𝜽
𝝏𝜽
𝜽 vecteur des paramètres inconnus qui paramétrise

le contrôleur
𝜽 = 𝒈, 𝒇 𝑻

19
−𝟏
𝒒 r(kT)
𝒈 𝒌𝑻 + 𝑻 = 𝒈 𝒌𝑻 − 𝜸 −𝟏
𝒆 𝒌𝑻
𝟏 + 𝒂𝒎 𝒒
−𝟏
𝒒 y(kT)
𝒇 𝒌𝑻 + 𝑻 = 𝒇 𝒌𝑻 + 𝜸 −𝟏
𝒆 𝒌𝑻
𝟏 + 𝒂𝒎 𝒒
𝒃𝒎
Où 𝜸=𝜸𝒃 ′ 𝒂 = 𝒂𝒎 − 𝒇𝒃 , 𝒃=
𝒈

Le contrôleur ajustable donne :
𝒖 𝒌𝑻 = − 𝒇 𝒌𝑻 𝒚 𝒌𝑻 + 𝒈 𝒌𝑻 𝒓 𝒌𝑻
𝑓 et 𝑔 sont déterminés par la méthode de MIT
Remarque : les lois précédentes sont initialisées avec

𝑔 0 et 𝑓 0 arbitraires

1.3 CONTRÔLE ADAPTATIF Á MODÈLE DE
RÉFÉRENCE - CONCEPTION
D'HYPERSTABILITÉ
1.3.1 Introduction
Le MRAC est une méthode systématique pour contrôler

les plants à paramètres inconnus. Le schéma de base
d'un système MRAC est présenté à la figure 1.2.

Par rapport à la structure générale d'un
système de contrôle adaptatif donnée à la figure
1.1, l'indice de performance souhaité est généré à
l'aide d'un modèle de référence
Le modèle de référence est un système dynamique

dont le comportement est considéré comme idéal
(parfait)
23
Figure1.2.
Diagramme en
blocs du schéma de
contrôle adaptatif à
modèle de référence
(MRAC).

24
1.3.2 Définition du problème de la commande à
modèle de référence
Considérons un système déterministe, SISO, à temps
discret, linéaire, invariant dans le temps, dont le modèle
est décrit par
−1 −1 𝑜𝑢
𝐴 𝑞 𝑦 𝑘+𝑑 =𝐵 𝑞 𝑢 𝑘
−1 −𝑑 −1
𝐴 𝑞 𝑦 𝑘 =𝑞 𝐵 𝑞 𝑢 𝑘 (1.3.1)
Avec la condition initiale 𝑦 0 ≠ 0 . AVEC :

𝑨 𝒒−𝟏 = 𝟏 + 𝒂𝟏 𝒒−𝟏 + ⋯ + 𝒂𝒏𝑨 𝒒−𝒏𝑨
𝐴 𝑞 −1 = 1 + 𝒒−𝟏 𝑨∗ 𝒒−𝟏 (1.3.2
∗ −𝟏 −𝒏𝑨 +𝟏
Où : 𝑨 𝒒 = 𝒂𝟏 + ⋯ + 𝒂𝒏𝑨 𝒒
−𝟏 −𝟏 −𝒏𝑩
𝑩 𝒒 = 𝒃𝟎 + 𝒃𝟏 𝒒 + ⋯ + 𝒃𝒏𝑩 𝒒
−𝟏 −𝟏 ∗ −𝟏
𝑩 𝒒 = 𝒃𝟎 + 𝒒 𝑩 𝒒 (1.3.3
Où : 𝑩∗ 𝒒−𝟏 = 𝒃𝟏 + ⋯ + 𝒃𝒏𝑩 𝒒−𝒏𝑩 +𝟏 𝑏0 ≠ 0

26
où 𝑞−1 : est l’opérateur temporelle de décalage arrière,
𝑑 > 0 : représente le retard temporelle du système,
et 𝑢 𝑘 𝑒𝑡 𝑦 𝑘 : représentent respectivement les
signaux d’entrée et de sortie du système.

27
Les trois hypothèses suivantes sont faites pour le
système sous commande:
1. Les racines de 𝐵 𝑧 −1 , qui sont les zéros du

système, sont toutes à l'intérieur du cercle unité
𝑛𝐵 −1
𝑧 < 1, soit 𝑧𝑖 𝐵 𝑧𝑖 = 0 avec 𝑧 𝑖 < 1.
Ainsi, les zéros du système sont stables et peuvent

être annulés (simplifiés) sans entraîner de signal de
commande illimité.
28
2. Le retard 𝑑 du système est connu (cela implique
𝑏0 ≠ 0).
3. Une limite supérieure pour les ordres 𝑛𝐴 𝑒𝑡 𝑛𝐵 des

polynômes 𝐴 𝑞−1 et 𝐵 𝑞−1 , respectivement,
est donnée.
La méthode n'est donc valable que pour les systèmes

à phase minimale
29
Les objectifs de contrôle sont spécifiés comme suit.
1 La Poursuite :
Pendant la poursuite il est souhaitable que la sortie du
plant 𝑦 𝑘 satisfait à l'équation du modèle de référence
𝑨𝒎 𝒒−𝟏 𝒚 𝒌 = 𝒒−𝒅 𝑩𝒎 𝒒−𝟏 𝒓 𝒌 (𝟏. 𝟑. 𝟒
−1 𝑚 −1 𝑚 −𝑛𝐴𝑚
Avec 𝐴𝑚 𝑞 =1+ 𝑎1 𝑞 + ⋯+ 𝑎𝑛𝐴𝑚 𝑞
−1 𝑚 𝑚 −1 𝑚 −𝑛𝐵𝑚
𝐵𝑚 𝑞 = 𝑏0 + 𝑏1 𝑞 +⋯+ 𝑏𝑛𝐵𝑚 𝑞
𝑟 𝑘 est une séquence de référence bornée et le
−1
polynôme 𝐴𝑚 𝑞 est choisi comme étant
asymptotiquement stable.
2 La Régulation 𝒓 𝒌 ≡ 𝟎, 𝒚𝒎 𝒌 ≡ 𝟎
En régulation, l’influence de toute sortie initiale non nulle
𝑦 0 ≠ 0 (qui correspond à une perturbation d’impulsion),
doit être éliminée par la dynamique définie par
−1
Γ 𝑞 𝑦 𝑘+𝑑 =0 𝑝𝑜𝑢𝑟 𝑘 ≥ 0 (1.3.7)
31
Où 𝚪 𝒌 est un polynôme asymptotiquement stable
du choix du concepteur, ayant la forme
−𝟏 −𝟏 −𝒏𝜞
𝚪 𝒒 = 𝟏 + 𝜸𝟏 𝒒 + ⋯ + 𝜸𝒏𝜞 𝒒 (1.3.8)
Considérons le modèle de référence explicite suivant :

−1 −𝑑 −1
𝐴𝑚 𝑞 𝑦𝑚 𝑘 = 𝑞 𝐵𝑚 𝑞 𝑟 𝑘 (1.3.9
Avec entrée 𝒓 𝒌 et sortie 𝑦𝑚 𝑘

32
On note ici que la séquence 𝑦𝑚 𝑘 en plus d'être
calculée au moyen du modèle de référence (1.3.9),
elle peut également être une séquence prédéfinie
stockée en mémoire.
Il est évident que les deux objectifs de commande (à
savoir, la poursuite et la régulation) peuvent être
atteintes si la loi de commande 𝒖 𝒌 est telle que
l’erreur:
33
−1
𝒆 𝒌+𝒅 =Γ q 𝑒 𝑘+𝑑 (1.3.10)
= Γ q−1 𝑦 𝑘 + 𝑑 − 𝑦𝑚 𝑘 + 𝑑 =0
pour 𝑘 ≥ 0
L'erreur est la sortie modèle du plant – sortie model de réf.
𝒆 𝒌 = 𝒚 𝒌 − 𝒚𝒎 𝒌 (1.3.11)
L'erreur filtrée
𝒆 𝒌 = 𝚪 𝒒−𝟏 𝒆 𝒌 C’est l’erreur d'adaptation a priori
34
Le Γ q−1 est un polynôme de filtrage. Les
performances de commande adaptative dépendent de
manière décisive du choix de 𝚪 𝒒−𝟏 .
Les objectifs précédents seront satisfaits ci-dessous

dans le cas de paramètres connus ou inconnus dans les
polynômes 𝐴 𝑞−1 𝑒𝑡 𝐵 𝑞−1 , en recherchant des
lois de commande appropriées.
35
1.3.3 Conception dans le cas de paramètres connus
Considérons le cas général où 𝑑 > 1. on suppose que
les paramètres du plant apparaissent dans les
polynômes 𝐴 𝑞−1 𝑒𝑡 𝐵 𝑞−1 ,
Nous souhaitons obtenir une loi de commande 𝒖 𝒌

satisfaisant les objectifs de commande et étant causale
c'est-à-dire ne dépendant pas des valeurs futures de
l'entrée et de la sortie
36
la loi de commande aura la forme
𝒖 𝒌 = 𝒇 𝒚 𝒌 ,𝒚 𝒌 − 𝟏 ,⋯,𝒖 𝒌 − 𝟏 ,𝒖 𝒌 − 𝟐 ,⋯
À cette fin, considérons l'équation suivante, qui équivaut à
l'équation. (1.3.1):
∗ −1 −1
𝑦 𝑘 + 𝑑 = −𝐴 𝑞 𝑦 𝑘+𝑑−1 +𝐵 𝑞 𝑢 𝑘
(1.3.12)
Ensuite, nous voulons exprimer l’équation (1.3.12) sous la forme
Γ q−1 𝑦 𝑘 + 𝑑 = 𝒈 𝑦 𝑘 , 𝑦 𝑘 − 1 , ⋯ , 𝑢 𝑘 , 𝑢 𝑘 − 1 , ⋯
37
La forme spécifique de 𝒈 recherchée peut être
déterminée en considérant directement l'identité
−𝟏
polynomiale suivante (décomposition de 𝚪 𝒒 ):
𝚪 𝐪−𝟏 = 𝑨 𝒒−𝟏 𝑺 𝒒−𝟏 + 𝒒−𝒅 𝑹 𝒒−𝟏 (1.3.14
−1 −1
𝑅 𝑞 et 𝑆 𝑞 des polynômes appropriés
Remarque 1.3.1
L'identité ci-dessus (1.3.14) est un cas particulier de
ce que l'on appelle l'équation de Diophantine ou
l'identité de Bezout.
−1
On peut prouver que Γ q peut être factorisé de
manière unique comme dans l’équation (1.3.14), où
−1 −1 −𝑛𝑆
𝑆 𝑞 = 1 + 𝑠1 𝑞 + ⋯ + 𝑠𝑛𝑆 𝑞 (1.3.15
−1 −1 −𝑛𝑅
𝑅 𝑞 = 𝑟0 + 𝑟1 𝑞 + ⋯ + 𝑟𝑛𝑅 𝑞 (1.3.16
𝑛𝑆 = 𝑑 − 1 𝑛𝑅 = 𝑚𝑎𝑥 𝑛𝐴 − 1, 𝑛Γ − 𝑑
−𝟏 −1
Les coefficients des polynômes 𝑺 𝒒 et 𝑅 𝑞
sont uniquement déterminés par la solution de
l’équation algébrique suivante :
39
Pr CHENAFA Mohammed 5ème année Automatique(AAV) (1.3.17) 40
De l'équation (1.3.13) et (1.3.14) on obtient :
−1
Γ q 𝑦 𝑘+𝑑 (1.3.18)
= 𝐴 𝑞 −1 𝑆 𝑞 −1 𝑦 𝑘 + 𝑑 + 𝑞 −𝑑 𝑅 𝑞 −1 𝑦 𝑘 + 𝑑
−1 −1 −1 −1
Γ q 𝑦 𝑘+𝑑 =𝐵 𝑞 𝑆 𝑞 𝑢 𝑘 +𝑅 𝑞 𝑦 𝑘
Soit
𝝍 𝒒−𝟏 = 𝑩 𝒒−𝟏 𝑺 𝒒−𝟏 = 𝒃𝟎 + 𝒒−𝟏 𝝍∗ 𝒒−𝟏
𝜓 𝑞 −1 = 𝑏0 + 𝜓1 𝑞 −1 + ⋯ + 𝜓𝑑+𝑛𝐵 −1 𝑞 − 𝑑+𝑛𝐵 −1
𝜓 ∗ 𝑞 −1 = 𝜓1 + ⋯ + 𝜓𝑑+𝑛𝐵 −1 𝑞 −
𝑑+𝑛𝐵
(1.3.19) 41
où 𝜓1 = 𝑏0 𝑠1 + 𝑏1 , 𝜓2 = 𝑏0 𝑠2 + 𝑏1 𝑠1 + 𝑏2 , ⋯ ,
𝜓𝑑+𝑛𝐵 −1 = 𝑏𝑛𝐵 𝑠𝑑−1 (1.3.20)
Finalement, nous avons
(1.3.21)
Γ q−1 𝑦 𝑘 + 𝑑 = 𝑏0 𝑢 𝑘 + ψ∗ 𝑞−1 𝑢 𝑘 − 1 + 𝑅 𝑞 −1 𝑦
On note que le côté droit de l’équation (1.3.21) est la

fonction 𝑔 apparaissant dans l’équation (1.3.13). L'équation
(1.3.21) peut aussi être écrite comme une paramétrisation
linéaire
42
−1 𝑻 𝑇
Γ q 𝑦 𝑘 + 𝑑 = 𝜽 𝝋 𝒌 = 𝑏0 𝑢 𝑘 + 𝜃0 𝜑0 𝑘
1.3.22
𝜽𝑻 = 𝒃𝟎 ⋮ 𝝍𝟏 , ⋯ , 𝝍𝒅+𝒏𝑩 −𝟏 , 𝒓𝟎 , 𝒓𝟏 , ⋯ , 𝒓𝒏𝑹
𝑻 𝑻
𝜽 = 𝒃𝟎 ⋮ 𝒃𝟎 𝜽𝟎 (1.3.23
et 𝝋 𝒌 est le vecteur de régression ayant la forme
𝜑𝑇 𝑘 = [𝑢 𝑘 ⋮ 𝑢 𝑘 − 1 , ⋯ , 𝑢 𝑘 − 𝑑 − 𝑛𝐵 + 1 ,
𝑦 𝑘 , 𝑦 𝑘 − 1 , ⋯ , 𝑦 𝑘 − 𝑛𝑅 ]
𝑻 𝑻
𝝋 𝒌 = 𝒖 𝒌 ⋮ 𝝋𝟎 𝒌 (1.3.24
43
Dans ce qui suit, nous cherchons à trouver une loi
de commande 𝒖 𝒌 qui ramène à zéro l’erreur
filtrée du modèle-plant
−𝟏
𝒆 𝒌+𝒅 =𝚪 𝒒 𝒆 𝒌+𝒅 .

En utilisant les équations (1.3.21) et (1.3.22), nous avons
−1 −1 −1
Γ q 𝑒 𝑘+𝑑 =Γ q 𝑦 𝑘+𝑑 −Γ q 𝑦𝑚 𝑘 + 𝑑
= 𝑏0 u 𝑘 + ψ∗ q−1 𝑢 𝑘 − 1 + R q−1 𝑦 𝑘
−Γ q−1 𝑦𝑚 𝑘 + 𝑑
(1.3.25)
On résout pour 𝑢 𝑘 , qui entraîne l'erreur filtrée=0,

−1
c'est-à-dire 𝑒 𝑘 + 𝑑 = Γ q 𝑒 𝑘 + 𝑑 = 0,
on arrive à la loi de contrôle souhaitée : (1.3.26)
𝑢 𝑘 =
−1 −1 ∗ −1
Γ q 𝑦𝑚 𝑘 + 𝑑 − R q 𝑦 𝑘 −ψ q 𝑢 𝑘−1
𝑏0
Ou
Γ q−1 𝑦𝑚 𝑘 + 𝑑 +𝜃0𝑇 𝜑0 𝑘
𝑢 𝑘 = ; 𝑏0 ≠ 0
𝑏0 (1.3.27)
Enfin, en utilisant le fait que 𝜓 𝑞−1 = 𝐵 𝑞−1 𝑆 𝑞 −1
l'expression pour 𝑢 𝑘 devient
(1.3.28)
𝑢 𝑘 =
1
Γ q−1 𝑦𝑚 𝑘 + 𝑑 − R q−1 𝑦 𝑘
𝐵 𝑞 −1 𝑆 𝑞 −1
À partir de cette dernière expression pour 𝑢 𝑘 , on voit
aisément pourquoi le processus doit être à phase
minimale, car les zéros du système apparaissent dans le
dénominateur de la loi de commande.
47
On peut voir que la loi de commande (1.3.26), qui
−1
satisfait à l'objectif de commande Γ q 𝑒 𝑘 + 𝑑 = 0 ,
minimise également l'indice de performance quadratique
−1 2
𝐽 𝑘+𝑑 = Γ q 𝑦 𝑘 + 𝑑 − 𝑦𝑚 𝑘 + 𝑑
𝜕𝐽 𝑘+𝑑
(1.3.29)
Assurant ainsi que ≡ 0, pour 𝑘 ≥ 0.
𝜕𝜃
Le schéma de commande analysé ci-dessus pour le cas des

paramètres connus est illustré à la figure 1.3.
48
Figure 1.3 Le schéma de
simulation de contrôle pour le
suivi et la régulation avec une
dynamique indépendante
pour le cas de paramètres
connus.
49
1.3.4 Conception d'hyperstabilité dans le cas de
paramètres inconnus
1 L'algorithme d’adaptation
Lorsque les paramètres du système apparaissant dans
−1 −1
les polynômes 𝐴 𝑞 𝑒𝑡 𝐵 𝑞 sont inconnus, nous
conservons la même structure pour le contrôleur, mais
nous remplaçons la constante 𝑏0 et le vecteur 𝜃0 (qui
sont maintenant inconnus) dans l’équation (1.3.27),
avec les paramètres ajustables variant dans le temps
𝑏0
𝑒𝑡 𝜃0𝑇 𝑘 = 𝜓1 𝑘 , ⋯ , 𝜓𝑑+𝑛𝐵 −1 𝑘 , 𝑟0 𝑘 , 𝑟1 𝑘 , ⋯ , 𝑟𝑛𝑅 𝑘
1.3.30
Cette procédure est largement connue dans la littérature
sous le nom de principe d'équivalence de certitude.
Les paramètres ajustables de l’équation (1.3.30) seront mis à

jour de manière appropriée par le mécanisme
d'adaptation. La loi de contrôle d’équivalence de certitude
devient
−1 𝑇
Γ q 𝑦𝑚 𝑘 + 𝑑 −𝜃0 𝜑0 𝑘
𝑢 𝑘 = (1.3.31)
𝑏0
51
L’expression (1.3.31) peut aussi être écrite
𝑇 −1
𝑢 𝑘 𝑏0 𝑘 +𝜃0 𝑘 𝜑0 𝑘 = Γ q 𝑦𝑚 𝑘 + 𝑑
𝑇 𝑢 𝑘 −1
𝑏0 𝑘 𝜃0 𝑘 =Γ q 𝑦𝑚 𝑘 + 𝑑
𝜑0 𝑘
−1 𝑇
Γ q 𝑦𝑚 𝑘 + 𝑑 = 𝜃 𝑘 𝜑 𝑘 (1.3.32)
𝑇 𝑇
où 𝜃 𝑘 = 𝑏0 𝑘 ⋮ 𝜃0 𝑘 1.3.33
Dans le cas de paramètres du plant inconnus, il n'est
pas possible de conserver l'erreur filtrée 𝒆 𝒌 + 𝒅 =
𝚪 𝒒−𝟏 𝒆 𝒌 + 𝒅 = 𝟎.
L'objectif de conception change maintenant et devient
celui de trouver un mécanisme d'adaptation
approprié pour les paramètres ajustables de l'équation
(1.3.33), ce qui assurera la convergence asymptotique
de 𝒆 𝒌 + 𝒅 → 𝟎, avec des signaux d'entrée et de sortie
limités.
Par conséquent, dans le cas de paramètres du plant
inconnus, l'objectif de contrôle devient
lim 𝑒 𝑘 + 𝑑 =
𝑘→∞
−1
lim Γ 𝑞 𝑦 𝑘 + 𝑑 − 𝑦𝑚 𝑘 + 𝑑 =0
𝑘→∞
𝑑+𝑛𝐵 +𝑛𝑅 +1 (1.3.34)

∀𝑒 0 ≠ 0, 𝜃 0 ∈𝑅
Avec 𝜑 𝑘 bornée pour tous 𝑘.
En utilisant les équations (1.3.22) et (1.3.32), l'erreur
du modèle du plant filtrée (ou l’erreur d'adaptation à
priori) 𝑒 𝑘 + 𝑑 est exprimée comme suit :
𝑒 𝑘 + 𝑑 = Γ 𝑞−1 𝑒 𝑘 + 𝑑
−1
=Γ 𝑞 𝑦 𝑘 + 𝑑 − 𝑦𝑚 𝑘 + 𝑑
𝑒 𝑘 + 𝑑 = 𝜃𝑇 𝑘 𝜑 𝑘 − 𝜃𝑇 𝑘 𝜑 𝑘 (1.3.35)
𝑇
= 𝜃−𝜃 𝑘 𝜑 𝑘
55
𝑇
𝑒 𝑘 = Γ 𝑞−1 𝑒 𝑘 = 𝜃 − 𝜃 𝑘 − 𝑑 𝜑 𝑘−𝑑
On définit les erreurs auxiliaires 𝜀(𝑘) comme (1.3.36)
𝑇
𝜀 𝑘 = 𝜃 𝑘−𝑑 −𝜃 𝑘 𝜑 𝑘−𝑑 (1.3.37)
Et l’erreur à postériori du model-plant filtrée ou l’erreur

augmentée 𝜀(𝑘) comme
𝑇
𝜀 𝑘 =𝑒 𝑘 +𝜀 𝑘 = 𝜃−𝜃 𝑘 𝜑 𝑘−𝑑 (1.3.38)
56
En utilisant l'approche dite d'hyperstabilité , il peut être prouvé
que l'algorithme d'adaptation suivant :
𝑻
𝜽 𝒌 =𝜽 𝒌−𝟏 +𝑭 𝒌 𝝋 𝒌−𝒅 𝝋 𝒌−𝒅 (1.3.39)
𝑑+𝑛𝐵 +𝑛𝑅 +1
assure que pour tous 𝑒 0 ≠ 0 𝑒𝑡 𝜃 0 ∈ 𝑅 ,
𝒍𝒊𝒎 𝜺 𝒌 = 𝟎 𝒆𝒕 𝒍𝒊𝒎 𝒆 𝒌 = 𝒍𝒊𝒎 𝒆 𝒌 = 𝟎

𝒌→∞ 𝒌→∞ 𝒌→∞
(1.3.40)
57
La matrice de gain 𝑭 𝒌 est définie positive et est générée par
−𝟏
𝑭 𝒌+𝟏
−𝟏 𝑻
= 𝝀𝟏 𝒌 𝑭 𝒌 + 𝝀 𝟐 𝒌 𝝋 𝒌 − 𝒅 𝝋 𝒌 − 𝒅 ;
Avec 𝐹 0 >0
𝟎 < 𝝀𝟏 𝒌 ≤ 𝟏 𝑒𝑡 𝟎 < 𝝀𝟐 𝒌 ≤ 𝟐 (1.3.42)

Remarque 1.3.2
Pour appliquer l’algorithme d’adaptation (1.3-39), une forme réalisable
pour l’erreur du modèle du plant filtrée a posteriori 𝜀 𝑘 peut-être
dérivée en utilisant les équations (1.3.32) et (1.3.39), comme suit :
𝜀 𝑘 =𝑒 𝑘 +𝜀 𝑘
𝑇
= Γ 𝑞−1 𝑦 𝑘 − 𝑦𝑚 𝑘 + 𝜃 𝑘−𝑑 −𝜃 𝑘 𝜑 𝑘−𝑑
𝑇
= Γ 𝑞 −1 𝑦 𝑘 − 𝜃 𝑇 𝑘 − 𝑑 𝜑 𝑘 − 𝑑 + 𝜃 𝑘 − 𝑑 − 𝜃 𝑘 𝜑 𝑘−𝑑
−1 𝑇
=Γ 𝑞 𝑦 𝑘 −𝜃 𝑘 𝜑 𝑘−𝑑
−1 𝑇
𝜀 𝑘 =Γ 𝑞 𝑦 𝑘 −𝜃 𝑘−𝑑 𝜑 𝑘−𝑑 (1.3.43)
−𝜑𝑇 𝑘 − 𝑑 𝐹 𝑘 𝜑 𝑘 − 𝑑 𝜀 𝑘
𝜀 𝑘
𝜀 𝑘 = (1.3.44)
1 + 𝜑𝑇 𝑘 − 𝑑 𝐹 𝑘 𝜑 𝑘 − 𝑑
où
𝜀 𝑘 = Γ 𝑞 −1 𝑦 𝑘 − 𝜃 𝑇 𝑘 − 1 𝜑 𝑘 − 𝑑 (1.3.45)

60
Remarque 1.3.3
Au cours de la procédure d'adaptation, nous avons 𝑏0 𝑘 = 0
Pour éviter la division par zéro dans l’équation (1.3.31),

si 𝒃𝟎 𝒌 < 𝜹 𝛿 > 0 pour un certain 𝑘, on répète
l'évaluation de 𝜃 𝑘 à partir de l’équation (1.3.39), en
utilisant les valeurs appropriées pour 𝜆1 (𝑘 −

61
L'algorithme de commande est résumé dans le tableau 14.1.

62
Figure 1.4
Schéma de commande
pour la poursuite et la
régulation avec une
dynamique indépendante
pour le cas de paramètres
inconnus.

63
Exemple 1.3.1 Considérons le système
𝐴 𝑞−1 𝑦 𝑘 = 𝑞−1 𝐵 𝑞−1 𝑢 𝑘 , 𝑦 0 =1 où:
𝑨 𝒒−𝟏 = 𝟏 + 𝟐𝒒−𝟏 + 𝒒−𝟐 𝑒𝑡 𝑩 𝒒−𝟏 = 𝟐 + 𝒒−𝟏 + 𝟎. 𝟓𝒒−𝟐
(asymptotiquement stable). Il est désiré de poursuivre la sortie
du modèle de référence : avec 𝒚𝒎 𝟎 = 𝟐
𝑞 −1 𝐵𝑚 𝑞 −1 1 + 0.3𝑞 −1
𝑦𝑚 𝑘 = 𝑟 𝑘 = 𝑞 −1 −1 −2
𝑟 𝑘
𝐴𝑚 𝑞 −1 1 − 𝑞 + 0.25𝑞
La dynamique pendant la régulation est caractérisée par le polynôme

asymptotiquement stable 𝚪 𝒒−𝟏 = 𝟏 + 𝟎. 𝟓𝒒−𝟏
(a) Déterminer la loi de commande à modèle de
référence(MRAC) qui atteint les objectifs de commande
dans le cas de paramètres connus pour
𝐴 𝑞−1 et 𝐵 𝑞−1 .
(b) Dans le cas de paramètres inconnus, déterminer la
loi de commande et des adaptations appropriées
(conception MRAC) pour satisfaire aux objectifs de
commande de manière asymptotique.
Solution:
−1
a) Dans ce cas 𝑑 = 1, 𝑆 𝑞 = 1 et nous cherchons
𝑅 𝑞 −1 = 𝑟0 + 𝑟1 𝑞 −1 tel que
−1 −1 −1 −2 −1 (
Γ 𝑞 = 1 + 0.5𝑞 = 1 + 2𝑞 + 𝑞 + 𝑞 𝑟0 +
Ou équivalent

On obtient facilement 𝑟0 = −1.5 et 𝑟1 = −1 . De plus
Dans le cas de paramètres connus, la loi de contrôle est

a)Dans le cas de paramètres inconnus, la loi de commande de
l’équivalence de certitude est
Γ 𝑞−1 𝑦𝑚 𝑘 + 1 − 𝜃0𝑇 𝑘 𝜑0 𝑘
𝑢 𝑘 =
𝑏0
𝑢 𝑘−1
𝑢 𝑘−2
1 + 0.5𝑞−1 𝑦𝑚 𝑘 + 1 − 𝜃1 𝜃2 𝜃3 𝜃4
𝑦 𝑘
𝑦 𝑘−1
𝑢 𝑘 =
𝑏0 = 𝜃0
𝑦𝑚 𝑘 + 1 + 0.5𝑦𝑚 − 𝜃1 𝑘 𝑢 𝑘 − 1 − 𝜃2 𝑘 𝑢 𝑘 − 2
𝑢 𝑘 =
𝜃0
−𝜃3 𝑘 𝑦 𝑘 − 𝜃4 𝑘 𝑦 𝑘 − 1
𝜃0
où 𝜃 𝑇 𝑘 est modifié de manière appropriée à chaque étape,
en utilisant l'algorithme d'adaptation donné ci-dessous. Dans
cet algorithme, nous posons 𝜆1 𝑘 = 0.98 𝑒𝑡 𝜆2 𝑘 = 1 .
Ceci correspond à un algorithme de facteur d'oubli
L'algorithme d'adaptation est

69
On peut initialiser 𝜃 𝑇 0 = 1, 0, 0, −1, −1 pour plus de commodité.
La stabilité asymptotique globale est garantie.

Le choix particulier fait pour l’algorithme d’adaptation a
été guidé par l’objectif de la stabilité asymptotique globale
pour l’ensemble du système (1.3.39), (1.3.41), (1.3.42),
(1.3.44), c.-à-d. Stabilité asymptotique pour toute erreur
paramétrique initiale finie et toute erreur de modèle du
plant.

71
le mécanisme d'adaptation doit garantir que l'erreur entre
la sortie du plant et la sortie du modèle de référence tend
à s'annuler asymptotiquement, ce qui est l'objectif de la
commande. repose sur la théorie de l'hyperstabilité. La
stabilité asymptotique globale est garantie.
En effet, la plupart des schémas de commande adaptative,

après une analyse adéquate, conduisent à une équation de la
forme
72
𝑇
𝜐 𝑘 = 𝐻 𝑞−1 𝜃−𝜃 𝑘 𝜑 𝑘−𝑑 (1.3.53)
où 𝜃 est un vecteur de paramètre inconnu
, 𝜃 𝑘 est l'estimé de 𝜃 résultant d'un algorithme
d'adaptation paramétrique approprié, 𝜑 𝑘 − 𝑑 est un
vecteur regresseur mesurable,
𝐻 𝑞 −1 est une fonction de transfert discrète rationnelle de la forme
1 + ℎ1′ 𝑧 −1 + ⋯ + ℎ𝛼′ 𝑧 −𝛼
𝐻 𝑧 −1 =
1 + ℎ1 𝑧 −1 + ⋯ + ℎ𝛽 𝑧 −𝛽 1.3.54
et la quantité mesurable 𝜐 𝑘 est, ce que l'on appelle

l'erreur augmentée traitée.
73
Un cas particulier de l'équation (1.3.53) est donné par
l’équation (1.3.38), où 𝐻 𝑞 −1 = 1 et l'erreur du modèle
du plant filtrée a posteriori 𝜀 𝑘 prend la place de 𝜐 𝑘 .
Alors, un théorème de stabilité donné dans littérature
fournit le mécanisme d'adaptation approprié suivant, qui
utilise de 𝜐 𝑘 comme la base de la loi de mise à jour des
paramètres pour 𝜃 𝑘 :

74
𝜃 𝑘 = 𝜃 𝑘 − 1 + 𝑭 𝑘 𝜑 𝑘 − 𝑑 𝑣(𝑘) 1.3.55
𝐹 −1 𝑘 + 1 = 𝜆1 𝑘 𝐹 −1 𝑘 + 𝜆2 𝑘 𝜑 𝑘 − 𝑑 𝜑𝑇 𝑘 − 𝑑
,𝐹 0 > 0
Avec
0 < 𝜆1 𝑘 ≤ 1, 0 < 𝜆2 𝑘 ≤ 2, ∀𝑘 (1.3.56)
La convergence de l’erreur de modèle du plant 𝑒 𝑘

vers zéro et la bornitude des signaux d'entrée et de
sortie peuvent être prouvés.
75

Chap 1 Comm Adapta

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Chap 1 Comm Adapta

Uploaded by

Copyright:

Available Formats

Pr CHENAFA Mohammed 5ème année Automatique(AAV)

Un système de commande adaptative est un système

Pr CHENAFA Mohammed 5ème année Automatique(AAV) 4

- la loi de commande est reparamétrée pour que les

- Une relation entre les paramètres du contrôleur et les

Les STR peuvent être explicites ou implicites.

- STR implicites, les paramètres du modèle implicite sont

Les paramètres du plant explicites ou indirects et les

Pr CHENAFA Mohammed 5ème année Automatique(AAV)

Considérons un système avec une seule sortie 𝑦 𝑘𝑇, 𝜃

𝑇 est la période d’échantillonnage

L'objectif de la commande est de suivre la sortie 𝒚𝒎 𝒌𝑻

𝒆 𝒌𝑻, 𝜽 = 𝒚 𝒌𝑻, 𝜽 − 𝒚𝒎 𝒌𝑻 , est un minimum.

Considérons l'indice de performance quadratique

𝑟 𝑘𝑇 est une séquence d’entrée de référence bornée

une loi de commande par retour de sortie est utilisée,

Supposons que les paramètres système 𝑎 et 𝑏

- Déterminer le mécanisme d'adaptation approprié pour

Pr CHENAFA Mohammed 5ème année Automatique(AAV)

L’erreur entre les sorties du système et du modèle de

Pr CHENAFA Mohammed 5ème année Automatique(AAV) 18

𝜽 vecteur des paramètres inconnus qui paramétrise

Pr CHENAFA Mohammed 5ème année Automatique(AAV)

Pr CHENAFA Mohammed 5ème année Automatique(AAV) 20

𝑓 et 𝑔 sont déterminés par la méthode de MIT

Remarque : les lois précédentes sont initialisées avec

Pr CHENAFA Mohammed 5ème année Automatique(AAV) 21

Le MRAC est une méthode systématique pour contrôler

Pr CHENAFA Mohammed 5ème année Automatique(AAV) 22

Le modèle de référence est un système dynamique

Pr CHENAFA Mohammed 5ème année Automatique(AAV)

Avec la condition initiale 𝑦 0 ≠ 0 . AVEC :

Où : 𝑩∗ 𝒒−𝟏 = 𝒃𝟏 + ⋯ + 𝒃𝒏𝑩 𝒒−𝒏𝑩 +𝟏 𝑏0 ≠ 0

Pr CHENAFA Mohammed 5ème année Automatique(AAV)

1. Les racines de 𝐵 𝑧 −1 , qui sont les zéros du

Ainsi, les zéros du système sont stables et peuvent

3. Une limite supérieure pour les ordres 𝑛𝐴 𝑒𝑡 𝑛𝐵 des

La méthode n'est donc valable que pour les systèmes

Considérons le modèle de référence explicite suivant :

Avec entrée 𝒓 𝒌 et sortie 𝑦𝑚 𝑘

Les objectifs précédents seront satisfaits ci-dessous

Nous souhaitons obtenir une loi de commande 𝒖 𝒌

On note que le côté droit de l’équation (1.3.21) est la

Pr CHENAFA Mohammed 5ème année Automatique(AAV) 44

On résout pour 𝑢 𝑘 , qui entraîne l'erreur filtrée=0,

Le schéma de commande analysé ci-dessus pour le cas des

Les paramètres ajustables de l’équation (1.3.30) seront mis à

𝑑+𝑛𝐵 +𝑛𝑅 +1 (1.3.34)

On définit les erreurs auxiliaires 𝜀(𝑘) comme (1.3.36)

Et l’erreur à postériori du model-plant filtrée ou l’erreur

𝒍𝒊𝒎 𝜺 𝒌 = 𝟎 𝒆𝒕 𝒍𝒊𝒎 𝒆 𝒌 = 𝒍𝒊𝒎 𝒆 𝒌 = 𝟎

𝟎 < 𝝀𝟏 𝒌 ≤ 𝟏 𝑒𝑡 𝟎 < 𝝀𝟐 𝒌 ≤ 𝟐 (1.3.42)

Pr CHENAFA Mohammed 5ème année Automatique(AAV)

Au cours de la procédure d'adaptation, nous avons 𝑏0 𝑘 = 0

Pour éviter la division par zéro dans l’équation (1.3.31),

Pr CHENAFA Mohammed 5ème année Automatique(AAV)

Pr CHENAFA Mohammed 5ème année Automatique(AAV)

Pr CHENAFA Mohammed 5ème année Automatique(AAV)

La dynamique pendant la régulation est caractérisée par le polynôme

Pr CHENAFA Mohammed 5ème année Automatique(AAV) 66

Dans le cas de paramètres connus, la loi de contrôle est

Pr CHENAFA Mohammed 5ème année Automatique(AAV) 67

L'algorithme d'adaptation est