Documente Academic
Documente Profesional
Documente Cultură
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 1 / 21
Introduction
Principe du multimodèle
ξ1 (t ) ξ1 (t )
zone de
fonctionnement 1
zone de
fonctionnement 2
Espace de
zone de
fonctionnement fonctionnement 3
zone de
fonctionnement 4
ξ2 (t ) ξ2 (t )
2 Résultats principaux
Stabilité du multimodèle découplé
Estimation d’état
3 Exemple
4 Conclusion
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 3 / 21
Structures des multimodèles
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 4 / 21
Structures des multimodèle
Structure classique
Multimodèle de Takagi-Sugeno : Multimodèle à état unique
L L
ẋ(t) = { ∑ µi (ξ (t))Ai }x(t) + { ∑ µi (ξ (t))Bi }u(t),
i=1 i=1
L
y (t) = { ∑ µi (ξ (t))}Ci x(t),
i=1
L
∑ µi (ξ (t)) = 1, ∀t
µi (ξ (t)) i=1 ξ (t) : variable de décision
0 ≤ µi (ξ (t)) ≤ 1
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 5 / 21
Structures des multimodèle
Nouvelle structure
Multimodèle découplé
ẋi (t) = Ai xi (t) + Bi u(t),
yi (t) = Ci xi (t),
L
y (t) = ∑ µi (ξ (t))yi (t),
i=1
L
∑ µ (ξ (t)) = 1, ∀t
µi (ξ (t)) i=1 i ξ (t) : variable de décision
0 ≤ µi (ξ (t)) ≤ 1
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 6 / 21
Résultats principaux
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 7 / 21
Stabilité du multimodèle découplé
Réécriture des équations du multimodèle
ẋi (t) = Ai xi (t) + Bi u(t), ẋ(t) = Ãx(t) + B̃u(t),
yi (t) = Ci xi (t), ⇔ y (t) = C̃(t)x(t),
L
y (t) = ∑ µi (ξ (t))yi (t),
i=1
L
xi ∈ Rni ⇔ x ∈ Rn , n = ∑ ni
i=1
avec :
µ1 (t)C1T
T
A1 0 0 0 0 B1
.. ... ..
0 0 0. 0
B .
à = µi (t)Ci
, B̃ = i , C̃(t) =
0 0 Ai 0 0 T
.
..
.. .
..
0 0 0 . 0
0 0 0 0 AL BL µL (t)CLT
T
et x(t) = x1T (t) · · · xiT (t) · · · xLT (t) ∈ Rn .
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 8 / 21
Stabilité du multimodèle découplé
Critère de stabilité
Le multimodèle découplé est stable si et seulement si tous les
sous-modèles sont stables
Analyse de la stabilité
Étude des valeurs propres de la matrice à :
A1 0 0 0 0
..
0 . 0 0 0
à = 0 0 Ai 0 0 ,
..
0 0 0 . 0
0 0 0 0 AL
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 9 / 21
Estimation d’état
Structure de l’observateur
Extension de l’observateur de Luenberger classiquement utilisé :
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 12 / 21
Remarques sur la convergence exponentielle
Re r Re
−α
−α
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 13 / 21
Placement des valeurs propres
Théorème
Les pôles de l’observateur sont placés dans la région S(α , r ) du plan
complexe s’il existe une matrice symétrique et définie positive P, une
matrice G et deux scalaires positifs α et r vérifiant les LMIs suivantes :
" #
−rP P Ã − GC̃i
< 0,
ÃT P − (GC̃i )T −rP
(Ã + α I)T P + P(Ã + α I) − (GC̃i )T − GC̃i < 0,
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 14 / 21
Exemple
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 15 / 21
Exemple
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 16 / 21
Exemple
Les valeurs propres de la matrice à sont toutes dans le demi-plan
gauche du plan complexe, le multimodèle est donc stable.
Une solution, satisfaisant le théorème 2, est donnée par :
T
−0.268 0.227 −0.084 −0.008 0.064
K̃ = ,
−0.031 0.183 −0.299 −0.300 −0.148
| {z } | {z }
K1T K2T
e1(t) e4(t)
0.5
0
0
0 5 10 15
1
−0.5
e2(t) 0 2 4 6 8 10 12 14 16 18 20
0.5
0
0 5 10 15
−0.2
e (t)
0
5 −0.4
e3(t)
−0.5 −0.6
−1
−0.8
0 5 10 15 0 2 4 6 8 10 12 14 16 18 20
temps (s) temps (s)
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 17 / 21
Application au diagnostic
Un banc d’observateurs est utilisé afin de générer des signaux
indicateurs de défaut (résidus) ri,j
δ1 δ2
y1(t )
U (t ) SYSTEME
NON LINEAIRE
y2(t )
r1,1(t )
OBSERVATEUR 1
r2,1(t )
r1,2(t )
OBSERVATEUR 2
r2,2(t )
r1,3(t )
OBSERVATEUR 3
r2,3(t )
δ1 entre 5 ≤ t ≤ 7.5 0
−1
Configuration r1,1 et r2,1 alors 0 5 10 15 20 25
δ2 entre 12.5 ≤ t ≤ 15
1 r12
0
−1
0 5 10 15 20 25
1 r
22
0
−1
0 5 10 15 20 25
1 r13
0
−1
0 5 10 15 20 25
1 r
23
0
−1
0 5 10 15 20 25
temps (s)
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 19 / 21
Conclusion et perspectives
Conclusion
Le multimodèle découplé est une alternative au multimodèle de
Takagi-Sugeno
La dimension des sous-modèles peut être différente
Utilisation du multimodèle découplé pour l’estimation d’état d’un
système non linéaire
Perspectives
Réduire le conservatisme des conditions obtenues dû à la
recherche d’une matrice P de grande dimension
Synthèse d’autres types d’observateurs, par exemple,
observateur proportionnel intégral et observateur à entrées
inconnues
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 20 / 21
Merci ! ! !
Orjuela, Marx, Ragot, Maquin (CRAN) Estimation d’état des systèmes non linéaires JDMACS 2007 21 / 21