Documente Academic
Documente Profesional
Documente Cultură
THESE
Prsente la facult de Technologie
Dpartement
Electronique
Pour lobtention du diplme de
Doctorat es sciences
Par
Mme Laarem GUESSAS
Thme
Remerciements
Ce travail de thse sachevant vient le moment des remerciements. Mille excuses ceux
o celles que je vais oublier, mais je vais quand mme tcher de faire de mon mieux, Je tiens
exprimer ma profonde gratitude toutes celles et ceux qui mont apport leur soutien, leur
amiti o leur exprience tout au long de ce travail de thse.
Tout dabord je souhaite remercier Monsieur le Professeur Krim Fateh de lUniversit de
Stif pour lhonneur quil ma fait de bien vouloir prsider ce jury de thse.
Les Professeurs Malek Benslama, Abedelfateh Charef de lUniversit de Constantine, le
Professeur Mohammed Harmas de lUniversit de Stif et le docteur Mohamed Boumahrez de
lUniversit de Biskra ont accept dexaminer ce travail, je leur adresse mes plus sincres remerciements.
Il ne saurait tre question de ne pas parler ici de mon encadreur le professeur Khier
Benmahammed directeur du laboratoire des systmes intelligents et de traitement de signal de
lUniversit de Stif, sans qui ce travail naurait jamais vu le jour, sa culture scientifique a favoris le dveloppement de cette thse.
Un grand merci mes amis collgues, pour certains dj docteurs, et permanents de luniversit de Stif, pour leur aide durant mes travaux de thse.
Merci enfin ma petite famille, poux et enfants pour mavoir toujours soutenu, un salut du
coeur ma mre pour ses prires, ses encouragements et son soutien tout au long de ma thse.
ii
REMERCIEMENTS
Rsum
Dans ce travail nous avons trait le problme de commande de stabilisation, de commande
en poursuite de trajectoire rfrence et de la synchronisation des systmes dynamiques non
linaires chaotiques. Ce travail de recherche est motiv par des dfies aussi bien thoriques
que pratiques poss pour le chercheur. En effet, ces systmes ne peuvent pas tre stabiliss
directement par des commandes lisses invariantes dans le temps, de plus en dpit du nombre
de mthodes disponibles pour la commande locale de ces systmes, peut-on utiliser de nouvelles mthodes telles que le Backstepping et le Backstepping adaptatif dans la formulation du
problme de commande et le besoin de faire face aux singularits rencontres dans quelques
systmes chaotiques ?
Cette thse saddresse certains de ces problmes, formule et rsouds les problmes de commande, de la poursuite de trajectoire et de la synchronisation des systmes dynamiques non
linaires chaotiques.
La thorie du Backstepping est traite en premier, une procdure qui consiste trouver
une fonction stabilisante qui est une commande virtuelle pour chaque sous-systme, base sur la
stabilit de Lyapunov jusqu parvenir dterminer la commande globale au systme. Particulirement, nous montrons que ces systmes dynamiques non linaires peuvent se mettre sous le
modle de forme de boucle de retour strict une forme triangulaire, des transformations des variables dtat et des translations vers des points dquilibres sont introduites pour les reprsenter
sous cette forme, une condition ncessaire pour lapplication de la mthode du backstepping.
Cependant, nous montrons aussi quil est possible datteindre la stabilisation asymptotique globale lorigine en utilisant une telle mthode.
La mthode de Backstepping adaptatif est aussi aborde comme un outil pour la commande
des diffrents systmes dont certains ou tous ses paramtres sont inconnus, ainsi que la conception et lapplication des lois de contrle, des lois de mise jour avec un gain appropri sur des
systmes non-linaires chaotiques, qui sont des systmes de base pour la modlisation et la validation des algorithmes et des approches, tels que les systmes non autonomes du second ordre
comme les oscillateurs gnrateurs de chaos de Duffing et de Van der Pool, les systmes autonomes du troisime ordre comme le systme de Lorenz de Chua et de Rssler. Pour quelques
systmes chaotiques la stabilisation et la poursuite se font par un choix arbitraire des constantes
iv
Rsum
de conception, mais pour dautres la tche ne se fait qu travers un choix optimis de ces
constantes par les algorithmes gntiques , une amlioration du temps de convergence et une
poursuite totale du signal de rfrence ont t remarqu. Pour voir lefficacit de la mthode
une comparaison base sur le contrle actif est utilise.
La dernire partie est consacr llaboration des lois et des applications sur la synchronisation chaotique base sur la mthode de Backstepping et Backstepping adaptatif , une des applications la plus utilise dans la transmission scurise des donnes.Dans certaines applications
linformation ne peut parvenir qu travers plusieurs systmes, nous exploitons la procdure
ainsi aborde pour rsoudre le problme de coordination dun groupe de systmes dynamiques
non linaires chaotiques. Ainsi, les dynamiques indpendants des systmes sont coordonns de
faon avoir une structure densemble unique.
Un intert important est port la procdure du Backstepping est que les non linarits
peuvent tre traites avec plusieurs faons. Les non linarits utiles qui agissent pour la stabilisation peuvent tre retenus, et le secteur des autres non linarits peut tre trait avec un contrle
linaire. Retenir les non linarits au lieu de les liminer exige des modles moins prcis et aussi
un effort de contrle minimal. Plus loin, les rsultats de simulation des lois de contrle peuvent
tre quelquefois optimales en ce qui concerne lindice de performance qui garantit certaines
proprits de robustesse.
Abstract
This thesis addresses two important issues that are applicable to chaotic systems, the control
and the synchronization of the non linear dynamic chaotic systems. This work of research is motivated by as well theoretical as pratical challenges put for the researcher. Indeed, these systems
cannot be stabilized directly by smooth invariant control in the time, besides in spite of the
number of available methods for the control of these systems, one can used of new methods as
the Backstepping and the adaptive Backstepping in the formulation of the control problem and
the need to face the singular terms met in some chaotic systems. This thesis attacks some of
these problems, formulates and solves the problems of the control, the track of a trajectory and
the synchronization of the non linear dynamic chaotic systems.
This thesis is broken up into four parts. The first one contains a historic on the chaos and
the different types of problems of control of the chaotic systems, leading to a definition that
is going to allow to the scientists an understanding and an application more increased of the
chaotic systems, one finds fundamental theoretical concepts for the analysis of the behavior and
different classic methods of control of these systems.
The second part of the thesis includes the theory of the Backstepping, a procedure that is a
step by step design and consists of a recursive procedure, interlacing the choice of a Lyapunov
function with the design of a virtual control at each step, at the last step, the final control is obtained. Strong properties of global and asymptotic stability can be achieved. A major advantage
of this method is that, it has the flexibility to build the control law by avoiding cancellations of
useful nonlinearities, there are not any derivatives in the singular controller, free of all nonlinear
or the second order terms.
Especially, we show that these non linear dynamic systems can get back under the model of
strict feedback form a triangular form, transformations of the variables of state and transfers
toward of equilibrium points are introduced to represent them under this shape, a necessary
condition for the application of the method of the backstepping. However, we show that it is
possible to reach the global asymptotic stabilization to the origin while using such a method.
The third part is dedicated to the method of adaptive Backstepping, a tool for the control of
different systems of which some or all their parameters are unknown, as well as the design and
the application of the update control laws with an appropriated gain on the non-linear chaotic
vi
Abstract
systems that are benchmark systems for the modeling and the validation of the algorithms and
approaches, as the non autonomous systems of the second order as the chaotic oscillators of
the Duffing and the Van der Pool, the autonomous systems of the third order as the systems of
Lorenz , Chua and Rssler.
The last part of the thesis contains the development of the laws and applications on the
chaotic synchronization, one of the applications the more used in the transmission secured of
the data based on the method of Backstepping. Knowing that the chaotic systems are characterized by different evolutions for very near initial conditions, to Synchronize two chaotic signals
it means that they will be identical asymptotiquement in infinite time. The use of the chaos in
the systems of communication can permit to reinforce the transmission security of information
and to reduce the probability of interception. In some application information can only arrive
through several systems, we exploit the procedure thus to solve the problem of coordination of a
group of chaotic non linear dynamic systems. It is possible to drive every system as the control
of the group is registered in a desired design. Thus, the independent dynamics of the systems
are coordinated in order to have an unique general structure. In this chapter we will consider
the problem of formation of two or several systems are synchronized in order to behave like a
virtual structure formation.
To keep the non linearities instead of eliminating requires less precise models and also a
small control effort. Farther, the results of simulation of the control laws can be sometimes
optimal with regard to of performance that guarantees some properties of the hardiness.
Rsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
iii
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
vii
xi
Introduction Gnrale
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.1
12
2.2
Exposant de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . .
14
2.3
15
2.4
La carte de Poincare . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
2.5
Diagramme de Bifurcation . . . . . . . . . . . . . . . . . . . . . . . .
24
28
3.1
29
3.2
chaotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
30
31
4.1
La contrlabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
4.2
32
4.3
33
4.4
Le contrle adaptatif . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
4.5
36
4.6
37
3.3
4
viii
37
4.8
41
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
2 Backstepping pour la stabilisation et la commande en poursuite de trajectoire rfrence des systmes dynamiques non linaires chaotiques
43
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
44
2.1
45
2.2
47
2.3
55
Thorie du Backstepping . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
3.1
57
3.2
Backstepping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
64
67
4.1
68
4.2
75
4.3
80
4.4
86
4.5
92
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
99
2.1
2.2
2.3
2.4
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
127
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
ix
2.3
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
Conclusion Gnrale
159
Bibliographie
163
14
1.2
15
1.3
16
1.4
16
1.5
17
1.6
17
1.7
18
1.8
19
1.9
20
20
22
23
26
26
27
40
2.1
58
2.2
. . . . . . . . . . . . . . . . . .
58
2.3
59
2.4
60
2.5
60
2.6
61
2.7
61
70
70
2.8
2.9
62
63
xii
2.12 Convergence des tats x1 x2 vers le point dquilire xeq = 0 pour loscillateur de
Duffing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
2.13 Convergence des tats x1 x2 vers le point dquilire xeq = 0 pour loscillateur de
Duffing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
74
2.17 Comportement chaotique des tats x1 , x2 pour loscillateur de Van der pool . .
76
2.18 Convergence des tats xi zi vers le point dquilire xeq = 0 pour loscillateur de
Van der pool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
2.19 Variation des lois de commande en fonction de temps pour loscillateur de Van
der pool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
78
2.20 Convergence des tats x1 x2 vers le signal rfrence pour loscillateur de de Van
der pool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
79
2.21 Variation des trois tats en fonction du temps pour le systme de Lorenz . . . .
81
81
2.23 Variation des tats et des fonctions de Lyapunov pour le systme de Lorenz . .
84
84
85
85
86
86
87
88
2.31 Convergence des trois tats vers le point dquilire xeq = 0 pour le circuit de Chua 90
2.32 Variation des lois de commande de stabilisation pour le circuit de Chua . . . .
90
2.33 Variation des tats pour la poursuite de rfrence pour le circuit de Chua . . . .
91
92
2.35 Variation des tats avec des paramtres de conception optimiss pour la poursuite de rfrence pour le systme de Chua . . . . . . . . . . . . . . . . . . . .
92
93
94
2.38 Convergence des trois tats dans le domaine temporel pour le systme de Rssler 95
2.39 Evolution des lois de commande en fonction de temps pour le systme de Rssler 96
2.40 Evolution des tats en poursuite pour le systme de Rssler . . . . . . . . . . .
97
xiii
97
98
2.43 Variation des lois de commande en prsence du PID pour le systme de Rssler
98
2.44 variation des tats et les lois de commande avec les ci optimises pour le systme de Rssler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1
99
3.2
3.3
3.4
Convergence des tats x1 x2 vers le signal de rfrence yr = sin(t) pour loscillateur de Duffing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.5
Variation des paramtres stims dans le temps pour loscillateur de Duffing. . . 111
3.6
3.7
3.8
3.9
. . . 119
3.16 Variation des lois de contrle par le PID dans le temps pour le systme de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
3.17 Convergence adaptative des tats (x1 x2 , x3 ) pour le systme de Lorenz . . . . . 120
3.18 Variation des paramtres stimes dans le temps pour la poursuite pour le systme de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.19 Convergence des commandes virtuelles et finale pour la poursuite adaptative
pour le systme de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
xiv
3.20 Convergence des tats x1 x2 , x3 vers le point dquilire xeq = 0 pour circuit
chaotique de Chua. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
3.21 Variation des paramtres stimes dans le temps pour circuit chaotique de Chua. 123
3.22 Variation de loi de commande adaptative pour le circuit chaotique de Chua. . . 124
4.1
4.2
4.3
4.4
4.5
Variation des tats erreurs dans le temps pour le systme de Lorenz . . . . . . . 135
4.6
134
4.8
Variation des tats erreurs via Backstepping pour le systme de Lorenz . . . . . 136
4.9
4.10 Synchronisation des tats via le contrle actif pour le systme de Lorenz . . . . 138
4.11 Variation des tats via le contrle actif pour le systme de lorenz . . . . . . . . 138
4.12 Synchronisation des tats via Backstepping en forme de navire . . . . . . . . . 139
4.13 Variation des erreurs pour le systme de Lorenz via le Backstepping en forme
de navire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
4.14 Synchronisation des tats des systme 2 et 1 via Backstepping en forme danneau140
4.15 Synchronisation des tats des systme 3 et 2 via Backstepping en forme danneau140
4.16 Synchronisation des tats des systmes 4 et 3 via Backstepping en forme danneau141
4.17 Synchronisation des tats des systmes 5 et 4 via Backstepping en forme danneau141
4.18 Synchronisation des tats des systmes 1 et 5 via Backstepping en forme danneau142
4.19 Synchronisation des tats des systmes via Backstepping en forme danneau . . 142
4.20 Variation des tats erreurs pour la synchronisation pour le systme de Lorenz
en forme danneau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
4.21 Variation des lois de commande synchronisation pour le systme de Lorenz en
forme danneau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
4.22 Synchronisation des tats pour le circuit de Chua via Backstepping . . . . . . . 146
4.23 Variation des tats pour le circuit de Chua via Backstepping . . . . . . . . . . . 146
4.24 Synchronisation des tats pour le circuit de Rsslor via Backstepping . . . . . . 148
4.25 Variation des tats pour le circuit de Rsslor via Backstepping . . . . . . . . . 148
4.26 Synchronisation des tats pour loscillateur de Duffing via Backstepping . . . . 149
4.27 Variation des tats pour loscillateur de Duffing via Backstepping . . . . . . . . 149
xv
4.28 Synchronisation des tats pour loscillateur de Vander Pool via Backstepping . 151
4.29 Variation des tats pour loscillateur de Vander Pool via Backstepping . . . . . 151
4.30 Convergence adaptative des tats rcepteur vers les tats emetteur du systme
chaotique de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
4.31 Variation des lois adaptatives de synchronisation pour le systme chaotique de
Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
4.32 Variation des paramtres stimes 1 , 2 et 3 pour la synchronisation dans le
temps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
4.33 Variation des tats e x , ey etez dans le temps . . . . . . . . . . . . . . . . . . . . 158
xvi
Introduction Gnrale
La thorie du chaos est bien connu comme une des trois rvolutions dans les sciences physiques du vingtime sicle selon le philosophe Daniel Parrochia, La relativit a limin lillusion
Newtonien despace absolu et du temps, la thorie quantique a limin les rves Newtonien dun
processus mesurable et vrifiable et le chaos a limin la fantaisie Laplacienne de prvisibilit
dterministe [1].
En 1963 le mtorologue Edward Lorenz exprimentait une mthode lui permettant de prvoir les phnomnes mtorologiques, cest par pur hasard quil observa quune modification
minime des donnes initiales pouvait changer de manire considrable ses rsultats. Lorenz venait de dcouvrir le phnomne de sensibilit aux conditions initiales [2]. Les systmes rpondant cette proprit seront partir de 1975 dnomms les systmes chaotiques par Tien-Yien
Li et James A Yorke qui ont prsent pour la premire fois le terme chaos, ou plus prcisment,
le chaos dterministe [4], et qui est largement utilis depuis, cest donc au cours des annes
soixante dix que la thorie du chaos a pris son essor. Cependant, les travaux de certains scientifiques [5] cits dans [6] et plus particulirement le physicien mathmaticien belge David
Ruelle, le mathmaticien hollandais Floris Takens [7], [8] menaient bien avant cette dcouverte, et vont tre trs utiles la comprhension de la dynamique chaotique. En effet, vers la
fin du dix-neuvime sicle le mathmaticien, physicien et philosophe franais Henri Poincar
avait dj mis en vidence le phnomne de sensibilit aux conditions initiales lors de ltude
astronomique du problme des trois corps, ainsi on trouve dans le calcul des Probabilits [9]
de Henri Poincar laffirmation suivante :
Une cause trs petite, qui nous chappe, dtermine un effet considrable que nous ne pouvons pas ne pas voir, et alors nous disons que cet effet est du au hasard. Si nous connaissions
exactement les lois de la nature et la situation de lunivers linstant initial, nous pourrions
prdire exactement la situation de ce mme univers un instant ultrieur. Mais, lors mme que
les lois naturelles nauraient plus de secret pour nous, nous ne pourrions connaitre la situation
initiale quapproximativement. Si cela nous permet de prvoir la situation ultrieure avec la
mme approximation, cest tout ce quil nous faut, nous disons que le phnomne a t prvu,
quil est rgi par des lois , mais il nen est pas toujours ainsi, il peut arriver que de petites
INTRODUCTION GNRALE
diffrences dans les conditions initiales en engendrent de trs grandes dans les phnomnes
finaux , une petite erreur sur les premires produirait une erreur norme sur les dernires. La
prdiction devient alors fortuite.
Cette citation dfinit parfaitement le chaos en tant que sensibilit aux conditions initiales
mais aussi le dterminisme qui rside dans le fait que si une condition initiale est parfaitement
dtermine alors lvolution du systme lest aussi. Le dterminisme traduit lunicit de la solution pour lquation diffrentielle dun systme donn, cest le thorme de Cauchy.
Toujours au dix-neuvime sicle, le mathmaticien russe Alexandre Lyapunov effectuait des
recherches sur la stabilit du mouvement. Il introduisait lide de mesurer lcart entre deux trajectoires ayant des conditions initiales voisines, lorsque cet cart volue exponentiellement on
parle de sensibilit aux conditions initiales. Les travaux de Lyapunov, dabord tombaient dans
loubli, seront plus tard trs prcieux pour tudier certains aspects de la thorie du chaos.
Les travaux des prdcesseurs de Lorenz ont donc t trs importants pour la comprhension du chaos dterministe, mais il faut souligner que ce qui va permettre aux scientifiques une
comprhension plus accrue des systmes chaotiques cest lordinateur. En effet, les quations
diffrentielles rgissant un systme chaotique sont ncessairement non linaires et, sans ordinateur, leur rsolution est en gnral impossible.
Plusieurs dfinitions mathmatiques du chaos sont connues [11]- [16], mais toutes exprimaient les caractristiques fermes des systmes dynamiques non linaires sensibles aux conditions initiales. Dans un systme linaire la solution asymptotique est indpendante des conditions initiales du systme, Par contre, pour un systme non linaire, il existe une grande varit
de rgimes permanents, tels que le point dquilibre, la solution priodique, la solution quasipriodique et le chaos. De plus, le systme dynamique est fortement dpendant des conditions
initiales de dpart. le chemin de transition vers le chaos est diffrent, cependant il existe un certain nombre de scnarios de transition vers le chaos qui semblent universels, et permettent de
dcrire lvolution dun systme, parmi ces scnarios est que si la dynamique tudie dpende
des paramtres de contrle, lorsque un paramtre varie, le systme peut passer dun tat stationnaire un tat priodique, puis au-del dun certain seuil, il peut suivre un certain scnario de
transition et devenir chaotique, cest la bifurcation.
Le comportement chaotique a t considr comme un phnomne exotique qui peut tre
seulement dintrt mathmatique et ne serait jamais rencontr dans la pratique. Cependant,
plus tard la possibilit de dynamique chaotique a t dcouverte dans de nombreux systmes
mcaniques, de communication, du laser de la chimie et de la biochimie, de biologie, conomie
et aussi en mdecine.
Le chaos a t largement appliqu beaucoup de disciplines scientifiques mathmatiques, la
INTRODUCTION GNRALE
programmation, la microbiologie, la biologie, linformatique, lconomie, lingnierie, la finance, la philosophie, la physique, la politique, la dynamique de la population, la psychologie
et la robotique [16] et comme premire application du chaos :
- Dans lengineering, le contrle et la stabilisation du comportement irrgulier dans les circuits, le contrle des oscillations dans des ractions chimiques, les turbines, les systmes
de puissance et dans la combustion, dans laccroissement de la puissance dun laser, le
contrle des petites perturbations intervenant lors de son rglage qui gnent la finesse du
faisceau, et dans beaucoup plus de domaines.
- Dans les ordinateurs, on remarque la commutation des paquets dans des rseaux informatiques, le cryptage et le contrle du chaos dans les systmes robotiques.
- Dans les communications, on trouve la compression et le stockage dimage, la conception
et le management des rseaux dordinateurs.
- Dans la mdecine et la biologie, on trouve la cardiologie, lanalyse du rythme du coeur
(EEG), la prdiction et le contrle dactivit irrgulire du coeur.
- Dans Le management et la finance, on a les prvisions conomiques, lanalyse financire,
et la prvision du march.
Une des plus importantes des applications de lingnierie est la communication scurise
grce aux proprits du comportement alatoire et sensibilit aux conditions initiales des systmes chaotiques. La sensibilit aux conditions et de limprvisibilit rend les systmes chaotiques trs convenable pour construire la cryptographie.
Encore un dveloppement supplmentaire a mis en valeur plusieurs applications o les
modes chaotiques peuvent paratre quelquefois comme nuisibles o lon doit le contrler o
le rduire et des classes entires de problmes de contrle qui sont dimportance pratique sont
apparus [16], [17], quelquefois comme utiles o on doit le maintenir ou augmenter son degr
de chaoticit et lide de la synchronisation chaotique a t utilise pour construire des systmes
de communication pour assurer la scurit de linformation transmise [?], [19].
Le terme "contrle du chaos" est utilis principalement pour dnoter la rgion dinterface
dtude entre la thorie du contrle et la thorie des systmes dynamiques tudiant les mthodes de contrle des systmes dterministes avec un comportement chaotique non rgulier.
Le problme de contrle du chaos a attir lattention des chercheurs et des ingnieurs depuis le
dbut des annes 1990, son progrs est remarqu essentiellement sur les techniques de conception de commande des classes des processus dynamiques non linaires. Le concept du contrle
du chaos sest install dans le jargon de la physique moderne pour signifier que tout processus
ou mcanisme dans un systme dynamique qui permet :
- damliorer le chaos o le stabiliser quand celui ci est bnfique.
INTRODUCTION GNRALE
INTRODUCTION GNRALE
Avec le backstepping, les non linarits du systme ne sont pas limins dans la loi de commande. Savoir Comment traiter ces non linarits augmente lavantage du choix de la procdure. Si un non linarit agit pour la stabilisation, il est donc en un sens utile, et doit tre retenu
dans la boucle de retour du systme. Cela mne une robustesse du modle et un petit effort
suffisant pour contrler le systme.
Il a t montr que beaucoup de systmes chaotiques clbres comme paradigmes dans la recherche du chaos, incluant loscillateur de Duffing, loscillateur de van der Pool, le systme de
Rssler et plusieurs types des circuits de Chua, le systme de Lorenz peuvent tre transforms
dans une classe de systme non linaire en forme de boucle de retour stricte, et le backstepping
et le Backstepping adaptatif ont t employs et tendus au contrle de ces systmes chaotiques.
Cependant, le systme de Lorenz, comme indiqu dans [2] [25], ne peut pas tre directement
contrl en utilisant la mthode du backstepping pour son problme de singularit. Comme
outil de conception, la mthode du backstepping est moins restrictive que la linarisation par
retour dentre ou de sortie, dans quelques situations il peut vaincre ces singularits en associant le changement vers la forme de boucle de retour stricte et une mthode doptimisation des
constantes de la conception.
De faon gnrale, on peut dire que notre ligne principale de travail sarticule autour du problme de contrle vers un point dquilibre stable ou vers un cycle limite stable(stabilisation du
systme autour du point dquilibre), de poursuite de trajectoire rfrence et de la synchronisation des systmes chaotique bass sur la technique du Backstepping et Backstepping adaptatif.
Le problme de commande non linaire consiste concevoir une loi de commande u(t, x)
dans la contre raction pour les systmes dynamiques non linaires dcrits par des quations
diffrentielles ordinaires de type :
x = f (x, u)
y = h(x),
x(t0 ) = x0
(1)
Avec x <n le vecteur dtat dentr et y <m le vecteur dtat de sortie, x0 <n le vecteur
des conditions initiales, m, n R.
Qui essaye toujours de supprimer les comportements irrguliers et par consquent, dliminer le chaos afin dviter la complexit qui peut engendrer beaucoup dincidents. Ceci savre
tre quelque chose dimpraticable, peu conomique, et physiquement trs difficile si ce nest
pas impossible.
Le contrle du comportement chaotique a une autre application importante, savoir, la synchronisation des systmes chaotiques. Si on considre deux systmes chaotiques identiques avec des
INTRODUCTION GNRALE
conditions initiales diffrentes, la diffrence dans lvolution de ces deux systmes va se dvelopper exponentiellement en fonction du temps [9], et chacun deux va voluer dune faon trs
diffrente.
Linjection dune une loi de commande u(t, x) lun des deux systmes permettra til rendre
leur volution harmonique et rduire la diffrence zro et pousser les deux systmes dans une
tubulure synchronise ?
Sil est possible de raliser une telle application, il est possible de communiquer laide des
signaux chaotiques et de porter un message utile sur un signal chaotique puis le reconstituer la
rception. Ou mieux encore, utiliser le systme chaotique lui mme comme information, Reste
contrler la trajectoire chaotique pour une telle procdure.
Notre contribution travers le travail dvelopp dans cette thse concerne le dveloppement
des lois de commande u(t, x) afin de pouvoir stabiliser, contrler et conduire la trajectoire des
systmes chaotiques vers des trajectoires bien spcifiques (points dquilibres, cycles limites
stables, des trajectoires rfrences priodiques), De plus, appliquer le contrle du chaos dans la
synchronisation chaotique. Nous avons aussi dvelopp des lois de commande u(t, x) bases sur
dautres mthodes de contrle pour monter lefficacit, le temps de convergence et la robustesse
de la mthode de travail choisie. Ces mthodes correspondent aux :
- Un contrleur PID dont les paramtres sont optimiss par La mthode des algorithmes
gntiques [203], [204] . Pour parvenir contrler plusieurs systmes chaotiques cits au
dessus. Et plus encore, altrer la stabilisation du systme dune orbite priodique instable
chaotique des trajectoires bien spcifiques.
- Le dveloppement dune technique de contrle base sur le contrle actif [228] pour la
synchronisation des systmes chaotiques.
Le travail est prsent selon le plan suivant :
Au premier chapitre et dans un premier temps, nous rappelons les principales dfinitions mathmatiques relatives aux systmes chaotiques, notamment des notions prliminaires sur les dynamiques du comportement chaotique, nous prsentons quelques exemples des systmes chaotiques qui sont des systmes repres pour la modlisation et la validation des techniques et des
algorithmes proposs savoir les systmes non autonomes du second ordre comme les oscillateurs chaotiques Van der Pol, Duffing, et comme systme discret le systme de Hnon, les
systmes autonomes du troisimes ordres comme le systme de Lorenz, le systme de Chua
et le systme de Rossler. Ensuite, nous consacrons la deuxime partie aux tudes des diffrents types de problmes de contrle des processus chaotiques, les problmes de stabilisation,
les problmes du contrle dexcitation ou gnration doscillations chaotiques, les problmes
de synchronisation contrlable. Nous proposons dans la troisime partie du chapitre les plus
INTRODUCTION GNRALE
fiables et les plus connues des mthodes de contrle des processus chaotiques, ces mthodes
sont vises amliorer la suppression du chaos avec la rduction simultane du niveau deffort
externe exig et conduire les trajectoires du systme converger vers lorbite priodique dsire.
Dans le chapitre 2, nous introduisons les techniques de bases du Backstepping, o on donne
quelques concepts sur la thorie de Lyapunov, des conditions suffisantes de stabilit des diffrents tats dquilibres des systmes dynamiques non linaires, la classe de systme est celle
drivant des modles de systmes physiques qui peuvent se prsenter par un ensemble des quations diffrentielles ordinaires. Des mthodes qui permettent de construire une telle fonction de
Lyapunov candidate pour un systme donn, pour la conception dune loi de contrle associe
avec une fonction de Lyapunov constitue ce quon appelle un contrle base sur la thorie de
Lyapunov (Cfl), le Backstepping rsouds ce problme travers une mthode rcursive pour
une classe des systmes non linaire, on donne par la suite des ides de base de la conception
des lois de commande par le Backstepping Nous examinons lefficacit de cette mthode de
contrle par application sur des systmes chaotiques cits au dessus.
Nous consacrons le chapitre 3 une autre mthode de contrle base sur le Backstepping,
savoir le contrle adaptatif, la procdure de conception pour le contrle adaptatif non linaire
est prsent lorsque le systme chaotique est reprsent par un ensemble des quations diffrentielles ordinaires contenant un nombre fini de paramtres de contrle inconnues, la procdure
de conception est rcursive, durant la iime tape, le iim sous systme est stabilis sous une
fonction de Lyapunov approprie par la mise au point dune fonction stabilisante et une fonction
de rglage. La loi de mise jour pour le paramtre estim, et le contrle final nest dtermin
quen dernire tape, le nombre destimation des paramtres est minimal c..d. gal au nombre
de paramtres inconnus [184]. On montre galement comment fournir les outils appropris
pour diriger la trajectoire chaotique vers des trajectoires dsires et converger les paramtres
estimer vers leurs valeurs relles.
Le chapitre 4 regroupe quelques applications sur la synchronisation chaotique de type identique pour les systmes chaotiques cits au paravant, une des applications la plus utilise dans
la transmission scurise des donnes base sur la mthode de Backstepping. Ensuite, pour
faire un comparaison de notre mthode, le contrleur ainsi dvelopp sera compar avec un
contrleur bas sur la mthode de contrle actif. Dans certaines applications linformation ne
peut parvenir qu travers plusieurs systmes, nous exploitons la procdure ainsi aborde pour
rsoudre le problme de coordination dun groupe de systmes dynamiques non linaires chaotiques. Et enfin, nous terminons cette thse par une conclusion gnrale.
Notre objectif est double le premier est de montrer que beaucoup systmes chaotiques comme
paradigmes dans la recherche du chaos peuvent tre transforms dans une classe de systmes
INTRODUCTION GNRALE
non linaires appels forme de boucle de retour stricte, et la seconde est atteindre la mthode du
Backstepping et le Backstepping adaptatif au genre de ces systme, et montrer que la procdure
peut tre naturellement applique et gnralise pour contrler cette classe de systmes chaotiques, pour ses avantages savoir quelle est applicable une varit de systmes chaotiques
contenant o pas une excitation externe, et elle na besoin seulement que dun contrleur pour
raliser la tache demande, donne une certaine flexibilit pour construire une loi du contrle qui
peut tre tendue aux systmes hyper chaotiques de plus haut degrs et le systme de boucle
ferm est globalement asymptotiquement stable.
Chapitre 1
Les systmes dynamiques non linaires
chaotiques comportement et mthodes de
contrle
1 Introduction
La science du 20ime sicle a t marque par trois dcouvertes majeures :
La relativit.
La mcanique quantique.
Le chaos.
Selon le philosophe Daniel Parrochia [1], la thorie du chaos constitue une des trois grandes
rvolutions scientifiques du dix-neuvime sicle et correspond un changement de paradigme
comparable ceux quentranrent la thorie de la relativit et la mcanique quantique. Ce
sicle a vu scrouler lun aprs lautre les murs de certitudes qui entouraient la forteresse de
la physique newtonienne. Einstein avec sa thorie de la Relativit, a limin en 1905 lillusion
newtonienne dun espace et dun temps absolus. Dans les annes 1920 1930, la mcanique
quantique a dtruit la certitude de tout pouvoir mesurer aussi prcisment que possible. Le
chaos, lui a limin lutopie Laplacienne dune prdictibilit dterministe.
Trs succinctement, la thorie du chaos a pour objet ltude des phnomnes non linaires
rgis par des lois simples et dterministes dont le comportement sous certaines conditions,
deviennent imprdictibles. En particulier, cette thorie se constitue, depuis les annes 1970,
partir dune triple confrontation :
La thorie mathmatique des systmes dynamiques.
Ltude du phnomne non linaire, le dsordre, la turbulence dans la nature et o dans
le monde technologique.
11
La possibilit de dynamique chaotique a t dcouverte dans de nombreux diffrents systmes dynamiques et plusieurs applications du chaos dans lengineering o les modes chaotiques peuvent paratre quelque fois comme nuisibles o lon doit le contrler ou le rduire et
des classes entires de problmes de contrle qui sont dimportance pratique sont apparus, et la
combinaison de la thorie et le contrle du chaos ajoute un sens paradoxal et un intrt immense
au sujet.
Les problmes du chaos et du contrle du chaos ont fait lobjet des tudes intenses durant les
deux dernires dcennies. Le terme contrle du chaos est principalement utilis pour dsigner
le domaine dtude :
incluant la thorie du contrle et la thorie des systmes dynamiques,
tudiant les mthodes de contrle des systmes dterministes prsentant un comportement chaotique non rgulier [16].
x = d (x y)
y = x y r x y
z = x y b z
(1.1)
Avec x, y, z < sont les variables des tats dentres et d, r, b sont les paramtres de contrle du
systme. Pour des valeur d = 10, r = 97, b = 23 . Les solutions du systme de Lorenz semblaient
des oscillations non priodiques et les trajectoires dans lespace de phase approchaient des
ensembles limites appels attracteurs caractriss par une forme trange.
Lintention des physiciens et des mathmaticiens, et plus tard des ingnieurs, a t attire
pour ce modle par les travaux de D. Ruelle et F. Takens qui appelaient pour la premire fois attracteurs "trange" et aussi par les travaux de Li et Yorke qui introduisaient le terme chaos pour
dsigner le phnomne non rgulier dans les systmes dterministes, notant que les fondements
mathmatiques apparus pour tudier le phnomne chaotique sont mis ds 1960-1970. Durant
ce temps, le comportement chaotique a t dcouvert dans plusieurs systmes mcaniques, lasers, physiques, chimiques, biologiques et mdicales, circuits lectroniques et dans beaucoup
dautres.
13
x = F(x)
y = h(x),
x(t0 ) = x0
(1.2)
Fig. 1.1 Evolution dans le temps pour deux conditions initiales trs proches.
Il y a dautres dfinitions de lattracteur chaotique et le chaos. Par exemple, la dfinition
de lattracteur chaotique qui souvent inclut des exigences supplmentaires telles que lexistence
des trajectoires ou une famille de trajectoires priodiques. La notion dattracteur chaotique concide souvent avec celui de lattracteur trange introduite en 1971 par Ruelle et Takens comme
un ensemble accessible et nomm plus tard un ensemble fractal.
La preuve stricte de la chaoticit dun systme est difficile mme si la dfinition la plus simple
est utilise. Pour quelques-uns universellement reconnu comme des systmes chaotiques tels
que le systme de Lorenz et les systmes de Henon pour des valeurs standard des paramtres,
les preuves de chaoticit sont maladroites, mme si en, bien quil y ait des dmonstrations
numriques et exprimentales de ce fait. Par consquent, la simulation numrique et lestimation
de plusieurs caractristiques reste la mthode principale dtudier les systmes chaotiques.
Dfinition 2.4 Un systme chaotique est un systme dont lexposant de Lyapunov est strictement positif.
15
(X, Y)
pP n
i=1 (xi
y i )2 .
= Pr ( T )
T = (Ra Z) T
(1.3)
Z = T b T
17
Attracteur de Rssler
Propos par lAllemand Otto Rossler, ce systme est li ltude de la mcanique des
fluides, il dcoule des quations de Navier Stokes. Les quations de ce systme ont t dcouvertes la suite des travaux en cintique chimique. Les quations de ce systme sont les
suivantes :
X = (Y + Z)
Y = X + a Y
(1.4)
Z = b + Z (X c)
y + (y2 1) y + 2 y = 0.
y + p, y q y + q0 y3 = 0.
y + p y + q y signe(y) = 0.
Lattracteur de Moon est nettement plus complexe que les autres attracteurs prsents au
dessus. On ne reprsente quune partie de cet attracteur car on ne pourrait pas distinguer les
19
Pour le temps discret, les exemples de systmes chaotiques existent pour tout dimensionnement de ltat du systme, mme pour n = 1.
Attracteur de Hnon
Le systme de Hnon est un modle propos en 1976 par le mathmaticien Michel Hnon,
il est dfini par les quations aux diffrences suivantes :
xk+1 = 1 xk + yk
yk+1 = xk
(1.5)
Le comportement chaotique de la solution de (1.5) est observ, pour la valeurs des paramtres
= 1.4, = 0.3 et on prendra pour conditions initiales (X0 , Y0 ) = (1, 0). Ces valeurs furent
proposes par Michel Hnon et permettent dobserver un comportement chaotique.
On peut lire la valeur de la pente, ici, on trouve un exposant de Lyapunov dune valeur de 0.46.
21
<N <1 , est une fonction scalaire lisse qui croise transversalement la trajectoire au
point M0 , c..d.
(x0 ) = 0 ,
(x0 )T T (M) 0
est satisfaite.
La solution dbutant au point x = {x : (x) = 0} au voisinage de x0 peut croiser la surface
(x0 ) = 0 au moins une fois.
Soit = (x) est le temps du premier retour, o x() le point du premier retour.
Dfinition 2.5 La carte x x() est appele point ou section de Poincar.
Une application de Poincar peut tre vue comme un systme dynamique discret avec un
espace dtat de dimension gale celle du systme dynamique continu original, moins une.
Comme ce nouveau systme dynamique conserve plusieurs proprits des orbites priodiques
et quasi priodiques du systme original et comme le nouveau systme comporte un espace
dtats de dimension infrieure, il est souvent utile pour lanalyse du systme original. Par
contre, ceci nest pas toujours possible en pratique puisquil nexiste aucune mthode gnrale
de construction de lapplication de Poincar.
Citons quelques mthodes proposes pour tracer une section de poincar :
23
Cette carte est largement utilise pour ltude et le contrle des processus chaotiques.
En ce qui concerne ltude du comportement chaotique, La section de Poincar permet de visualiser sil y a chaos ou non et les zones de stabilit, daprs Poincar qui suggrait dtudier
des intersections de trajectoires multiples avec un plan fictif judicieusement plac, si toutes les
trajectoires restaient dans un tore, la trajectoire est rgulire et prdictible. Si toute la section de
Poincar est perce de trajectoires, celle-ci sera chaotique et trs instable dans le temps. Pratiquement, ces zones stables sont lies aux orbites bien rguliers et aux phnomnes de rsonance.
Pour le contrle des processus chaotiques, en considrant un point de la section de Poincar
pour une valeur du paramtre de contrle, et en supposant que la condition initiale pour le
systme soit trs proche de ce point, lors de son volution, le systme ne se stabilise jamais
de lui-mme autour du point. Ceci signifie qu chaque passage dans la section de Poincar, le
point courant est de plus en plus loign du point considr. Pour contrler le systme, on se
propose de lui imposer de rester autour du point, en modifiant lgrement la valeur du paramtre
de contrle. En introduisant des perturbations sur le paramtre, on modifie le comportement
du systme de faon ramener les valeurs propres, rgissant lvolution dans la section de
Poincar, dans le cercle unit.
On prsente des sections de poincar pour quelques attracteurs
Moon
non
Le doublement de priode
Ce scnario a t dcouvert en mme temps par Mitchell Feigenbaum et par les chercheurs
franais Pierre Coullet et Charles Tresser. Laugmentation dun paramtre provoque, pour un
systme priodique, lapparition dun doublement de sa priode. La priode est ensuite multiplie par 4, 8, 16. Dun doublement au suivant, laugmentation du paramtre est de plus en plus
faible, et, partir dune certaine valeur, le chaos apparat, lorsque la priode devient infinie, les
mouvements deviennent chaotiques. Laugmentation du paramtre conduit ensuite la rapparition de rgimes priodiques intercals dans des zones chaotiques.
Ce scnario peut tre observ dans un grand nombre dexpriences comme un robinet qui fuit,
ltude doscillateurs forcs, ou encore lapparition de la turbulence dans les fluides.
25
Lintermittence
Ce scnario a t dcrit par Yves Pomeau. Lintermittence se caractrise plutt par un
mouvement priodique stable entrecoup par des bouffes chaotiques. Ces perturbations apparaissent de manire irrgulire. Laugmentation dun paramtre produit laugmentation de la
frquence des perturbations, puis le chaos domine le comportement du systme.
Ce scnario a t observ dans des expriences sur la convection des fluides et dans des ractions
chimiques.
La quasi priodicit
Le troisime scnario fait intervenir, pour un systme priodique, lapparition dune deuxime
priode dont le rapport avec la premire nest pas rationnel. Ce rgime est appel quasi priodique. Il peut, de lui-mme o avec lapparition dune troisime frquence gigantesque, donner
un rgime chaotique. Ce scnario intervient quand on considre deux oscillateurs fortement
coupls. Les variations du champ magntique terrestre, le droulement des sismes pourrait
tre expliqu par un modle de ce genre. On le retrouve aussi dans le cas dun pendule qui
serait stimul verticalement.
Une manire plus rapide et plus visuelle de reprsenter ces scnarios de transition vers le chaos
est le diagramme de bifurcations. Ainsi, on peut observer les changements du comportement
dynamique du systme, ou bifurcations, en fonction du paramtre dit de bifurcation. Une bifurcation correspond une sorte de changement dtat du systme, plus exactement un changement
de stabilit du rgime dynamique lorsquun des paramtres du systme varie.
Pour le systme de Hnon le paramtre a revt une importance particulire. Pour certaines
valeurs de ce paramtre, le systme est chaotique, pour dautres, il ne lest pas. En tudiant linfluence de a sur le caractre chaotique ou non du systme, on met en vidence un phnomne
caractristique des systmes chaotiques, le doublement de priode.
Dans le cas gnral, le doublement de priode se traduit par le doublement du nombre de trajectoires observes dans lespace des phases. Les doublements de priode sont ensuite observs
de plus en plus frquemment mesure que a augmente. Pour a = 1.4, on ne distingue plus les
cycles, le systme prsente un caractre chaotique.
Examinons ce quune bifurcation semble dans le plan de phase. Pour cela, nous utiliserons le
systme de Lorenz donn au dessus, pour commencer, utilisons la condition initiale (13, 12, 52)
et fixant = 16, = 4 avec = 5 et une gamme du temps de 0 t 40. En Examinant lespace de phase en traant des valeurs x en fonction des valeurs de z, la solution obtenue est un
tat dquilibre (point dquilibre). Maintenant par augmentation = 15, on observe un autre
tat dquilibre (un cycle limite).
En augmentant encore = 25, puis = 35. Une bifurcation a caus la solution de passer
dun point fixe stable un attracteur chaotique( soit la condition initiale lintrieur de lattracteur ou non). Cest le systme clbre souvent nomm papillon de Lorenz, limage iconique de
la thorie du chaos. Dans cette section on a vu que plusieurs dfinitions mathmatiques du chaos
sont connues mais toutes exprimaient la caractristique ferme des systmes dynamique concernant la dpendance sensible aux conditions initiales, qui se rfre aux trajectoires commenant
partir de deux conditions initiales distinctes et proches deviennent non corrles [16]. la simulation numrique et lestimation de quelques caractristiques telles que lexposant de Lyapunov,
la carte de Poincar et le diagramme de bifurcation restent les mthodes principales dtudier
les systmes chaotiques. La variation de la valeur de certains paramtres de contrle dun systme dynamique peut changer le comportement dynamique dun systme non linaire et devenir
chaotique, comportement que quelque fois nuisible o il faut liminer et stabiliser le systme, et
par fois utile o il faut le crer et le garder et un nombre de problmes de contrle de processus
chaotiques est apparu.
27
(1.6)
Ou x = x(t) Est le vecteur des variables dtat de dimension n, u = u(t) est le vecteur des entres
(les commandes) de dimension m et F(x, u) est le vecteur fonction qui est suppos continu.
Dans la prsence de perturbations externes, le modle non stationnaire est dfini par :
x = F(x, u, t)
(1.7)
Par consquent, il est clair que le comportement dynamique dun systme non linaire peut
tre chang en changeant certaines valeurs de ces paramtres, condition que ces dernires
soient accessibles pour lajustement. De ce fait, le contrle du chaos implique lextraction de
mouvements priodiques dsirs en dehors des zones chaotiques, par lapplication de petites
perturbations judicieusement choisies. La suppression de la dynamique chaotique dans un systme dynamique est le seul but pour un problme de contrle, Dans beaucoup de cas, un modle
x = f (x) + g(x) u
y(t) = h(x(t))
29
(1.8)
La sortie mesure du systme est note par y(t). Elle peut tre dfini comme une fonction de
ltat courant du systme. Maintenant, nous procdons formuler les problmes de contrle de
processus chaotiques.
(1.9)
Pour stabiliser ce mouvement on doit ramener la solution x(t) du systme (1.6) vers x? (t) c..d. :
lim (x(t) x? (t)) = 0
(1.10)
(1.11)
Pour tout solution x(t) de systme (1.6) sous ltat initial x0 , o est un ensemble des
conditions initiales donn, le problme se rduit dterminer une fonction de contrle soit
comme :
une commande en boucle ouverte : u(t) = U(x0 , t).
O une commande contre raction : u(t) = U(x(t)).
O une commande de sortie en contre raction u(t) = U(y(t)).
qui satisfaisant lobjectif du contrle.
Cette formulation du problme de stabilisation de solution priodique est similaire au problme de poursuite de la thorique de contrle conventionnelle. Nanmoins, il existe une distinction fondamentale est que pour contrler les processus chaotiques, on a besoin datteindre
3.2
La deuxime classe inclut les problmes du contrle dexcitation ou de gnration doscillations chaotiques. Ces problmes sont aussi appels la chaotisation ou anti contrle. Ils surviennent o le mouvement chaotique est le comportement dsir du systme.
La forme de lobjectif de contrle pourrait tre reprsent comme (1.11), mais ici la trajectoire
objectif x? (t) nest plus priodique. De plus, il peut tre exig quau lieu du mouvement le long
de la trajectoire donn, le processus de contrle satisfait un certain critre de chaotisation.
Par exemple, tant donne une fonction objective scalaire G(x), et le but de contrle peut tre
formul comme :
lim G(x(t)) = G?
Ou
lim G(x(t)) G?
(1.12)
Pour les problmes du chaotisation, le plus grand exposant de Lyapunov, qui est un critre
principal mesurant la dispersion des trajectoires initialement proches caractrisant linstabilit
locale , est habituellement pris comme une fonction dobjective . Lnergie totale mcanique ou
lectrique des oscillations est prise quelquefois aussi comme G(x).
31
peut pas tre atteinte dans un systme sans contrle (u = 0), alors on peut poser le problme de
dterminer une loi du contrle sous laquelle le systme de boucle ferme est synchronis et par
consquent, la synchronisation peut tre utilise comme le but de contrle de concidence totale
ou partielle des vecteurs dtat telle que lgalit : x1 = x2 .
Qui peut tre une expression formelle du mouvement synchrone de deux sous-systmes avec
les vecteurs dtat : x1 <n et x2 <n .
Lexigence de synchronisation assymptotique des tats x1 et x2 des deux systmes peuvent tre
reprsents aussi comme :
lim (x1 (t) x2 (t)) = 0
(1.13)
Le fait que le comportement dsir nest pas uniquement fix et ses caractristiques sont
dfinies seulement partiellement est commun aux problmes de contrle dexcitation et de synchronisation des oscillations. Ces buts de contrle, souvent peuvent tre rarrangs en termes
plus commode dune fonction dobjective correspondante :
Q(x) =k x1 x2 k2
Q(x) = (x x? )T (x x? )
(1.14)
Ou est une matrice dfinie positive symtrique. On note ici que le choix dune fonction dobjective approprie est une tape importante dans la conception de lalgorithme du contrle.
Un type important de problmes de contrle des processus chaotiques est reprsent par la
modification des attracteurs, par exemple, transformation des oscillations chaotiques vers des
oscillations priodiques ou vice versa. Le dveloppement des approches aux problmes de ce
genre a t stimul par des nouvelles applications dans la technologies des lasers et chimiques,
dans les tlcommunications, la biologie, et la mdecine [32], [50]- [56].
4.1 La contrlabilit
Le problme de caractriser la contrlabilit locale et globale des systmes non linaires
est difficile et fait partie des problmes critiques du domaine de la thorie des systmes non
linaires. Un concept fondamental sur la contrlabilit dun systme non-linaire provient dun
thorme qui nonce que si la linarisation dun systme non linaire autour dun point dquilibre est contrlable alors le systme non linaire est lui mme localement contrlable [59],
[60].
Dfinition 4.1 Le systme non-linaire (1.8) est dit contrlable, si pour tous points x0 , x1 dans
M, il existe un temps fini T t0 0 et une commande admissible u : [t0, T ] U, telle que
lunique solution de (1.8) au temps t = T avec la condition initiale x0 (t0 ) = x0 et pour une
commande u(x, t) donne, x(t) satisfait x(T ) = x1
(1.15)
33
(1.16)
Cette loi est intuitivement justifi parce que la la fonction x? (t) satisfait les quations de mouvement du systme xcit, dans ce cas, lquation de lerreur e = xx? (t), et si le systme linaris
A(t) =
f (x? (t))
x
(1.17)
Q(x)
=
f (x, u)
x
, le taux de changement de cette fonction peut tre diminu au lieu des valeurs de la fonction
objective initiale. Cest lide principale de la mthode du gradient dclin [76] o la loi de
(1.18)
(1.19)
35
linarisation par la contre raction [94], [95], toutes ces mthodes ont t utilis pour rsoudre
les problmes de stabilit dun tat donn ou dun type de problme objectif.
Nous concluons cette section en accentuant encore une fois que les travaux qui utilisent
les mthodes bien dveloppes de la thorie de contrle linaire et non linaire moderne souvent ne font pas suffisamment attention aux processus chaotiques qui se manifestent et nglige
lexigence de petit effort de contrle. En revanche, les publications qui tiennent compte de cette
exigence nutilisent pas la pleine puissance la thorie de contrle moderne. De plus, beaucoup
de publications considrent seulement des exemples de systmes dordre bas et font des suppositions irralistes. Par exemple, quelques publications supposent que le nombre dactions du
contrle est gal la dimension du vecteur dtat du systme [16].
(1.20)
O est le vecteur des paramtres inconnus. Daprs (??), la loi de contrle est aussi mise sous
une forme paramtrique : u = U(x, ), ou
= ()
(1.21)
C..d., le vecteur des paramtres du contrleur est dfini partir du vecteur des paramtres
du systme (1.20).
Le processus est obtenu en mesurant les tats du systme x(t), ou les sorties y(t) = h(x(t)) sont
des paramtres inconnus
utilises en ligne ou autonome pour tablir les valeurs estimes (t)
(t), ou ajuster directement les paramtres du contrleur (t).
Une large varit des mthodes dadaptation existe tel que les mthodes du gradient et le
gradient inclin, les moindres carrs, probabilit maximale, et ainsi de suite peuvent tre utilises pour dvelopper des algorithmes de contrle adaptatif et lidentification paramtrique.
(1.22)
Et la trajectoire objective dsire x? (t) est une solution du systme (3.2) pour u(t) = 0. Cette
trajectoire peut tre priodique ou chaotique, mais dans les deux cas elle est rcurrente. on
construit la surface appele la carte de Poincare :
S = {x : s(x) = 0}
(1.23)
Passant par le point donn x0 = x? (0) transversalement au trajectoire x? (t) et on associe au point
x le point P(x, u).
x P(x, u).
(1.24)
ou P(x, u) est le point du premier retour la surface S de la solution du systme (3.2), commenant au point x et est obtenu pour une entre constante u.
La carte x P(x, u) est appel la carte de Poincare contrlable. grce au proprit de rcurrence de retour de x(t), cette carte est dfinie au moins pour un certain voisinage du point x0 .
En considrant une squence dune telle carte, nous obtenons un systme discret.
xk+1 = P(xk , uk )
(1.25)
37
(1.26)
Ou : x = xk x0 , uk = C xk , C est une matrice qui doit tre choisie pour avoir une erreur e trs
minime.
Diffrents auteurs prsentent des rsultats numriques qui montrent lefficacit de cette approche. Nanmoins ils mentionnent souvent que le taux de convergence du processus est bas
vis vis du cot de stabilisation globale des trajectoires du systme non linaire pour un niveau
minimal de contrle.
(1.27)
(1.28)
Ou : G(P) avec (P = d/dt) est la fonction de transfert du filtre,(1.28) est appel un contrleur
de Pyragas gnralis [107] , [108].
duction la valeur de cout de chaque chromosome est assigne, cette valeur est utilise dans
le processus de la slection pour fournir les individus de plus haut cout, un chromosome de
plus haut cout a une plus haute probabilit dtre slectionn pour la reproduction. Un exemple
dune technique de la mthode de la slection commune est la Roulette. Une section de la roue
39
est alloue chaque individu dans la population, la dimension de la section est proportionnelle
au nombre de lindividu. Un compteur est mis en marche et lindividu qui il est point est
slectionn. Cela continue jusqu ce que le critre de la slection est atteint. La probabilit
quun individuel soit slectionn est donc en rapport avec son aptitude, en sassurant que les
individus de plus grand cout laissent places aux membres de la nouvelle gnration. Des copies
multiples de la mme chaines peuvent tre slectionnes pour la reproduction et les chaines de
plus valeur de cout devraient commencer dominer.
Croisement
est dbut. Les changes des oprations du croisement certaines parties des deux chaines slectionnes dans une offre de capturer les bonnes parties des vieux chromosomes et de crer
mieux nouveaux. Les oprateurs gntiques manipulent directement les caractres dun chromosome, en utilisant la supposition que le gne de certain individu cod produirades individus
en meilleure sant.
La probabilit du croisement indique tous les combien le croisement est excut.La technique
du croisement la plus simple est le croisement en un point seul . En utilisant la slection et le
croisement sur une population produira un grand nombre de chaines diffrentes. Cependant il y
a deux problmes principaux selon la population initiale choisie
il ne peut pas y avoir assez de diversit dans les chaines initiales pour assurer que le GA
explore dans lespace entier de recherche.
Le GA peut converger vers une optimisation locale d un mauvais choix dune population initiale.
Ces problmes peuvent tre vaincus par lintroduction dun oprateur de la mutation dans le
GA.
La mutation
place de la chaine. Il est considr comme un oprateur original dans lalgorithme gntique, la
probabilit de mutation est normalement basse parce quun haut taux de la mutation dtruirait
des chaines de la population et dgnrait lalgorithme gntique dans une recherche alatoire.
La probabilit de la mutation svalue autour de 0.1 ou 0.01.Une fois une chaine est slectionne
pour la mutation, un lment est choisi alatoirement de la chaine est chang ou a subi une
mutation.
Le processus de lalgorithme gntique se rsume dans le diagramme suivant :
Les tapes suivies pour la cration et pour rendre efficace un algorithme gntique sont comme
suit :
Gnration dune population initiale alatoire dindividus pour une dimension fixe.
valuation de la fonction dobjective pour chaque individu de la population.
5 Conclusion
41
solution.
La gamme de chaque paramtre doit tre connue par dautres mthodes, une grande
gamme de combinaisons possibles.
Loptimalit locale est linconvnient majeur pour les algorithmes gntiques.
Le test de simulation pour lalgorithme gntique prouve une difficult d au fait que les
simulations ne sexucutent pas en temps rel.
il a t dcouvert que lalgorithme gntique peut quelquefois crer des gains dun contrleur qui renderait les fonctionnalits totales du systme instables et dautres fonctionnalits sont alors ajouter.
r
X
hi (z) Ci x
(1.29)
i=1
Ou : hi (z) =
w (z )
Pr i i
,
i=1 wi (zi )
wi (zi ) =
Fi j (zi ), z = (z1 , z2 , , zn ).
Avec cette reprsentation, les non linarits sont caches dans la rgle de dfuzzification qui
permet de construire des modles flous pour une classe large de dynamique, y compris les
systmes chaotiques [114].
5 Conclusion
Le contrle du chaos demeure un domaine de recherche intensive. Les domaines des tudes
les plus innovatrices et les puissantes tels que le contrle en boucle ouverte ou contrle vibrationnel, la linarisation de la carte de Poincare et la raction retarde sont explors activement.
Chapitre 2
Backstepping pour la stabilisation et la
commande en poursuite de trajectoire
rfrence des systmes dynamiques non
linaires chaotiques
1 Introduction
Durant ces dernires annes, une grande partie de la communaut scientifique sest intresse la recherche des procdures rcursives pour la mise au point des lois de commande pour
les systmes non linaires, comme par exemple le Backstepping, un certain nombre douvrages
traitant de cette nouvelle approche thorique sont apparus [181]- [190]. Des applications des
procds ont aussi t prsentes dans la littrature [191]- [202]. Ces techniques maintenant
relativement connues sont essentiellement bases sur lutilisation des fonctions de Lyapunov
pour ce qui est de ltude de la stabilit.
La thorie de Lyapunov est un outil important, aussi bien pour les systmes linaires que
les systmes non linaires, malheureusement son utilisation dans le contrle des systmes non
linaires est souvent gne par des difficults de trouver une fonction de Lyapunov approprie
pour un systme donn, si on peut trouver une telle fonction le systme est stable, mais la tache
de la trouver est malheureusement dlaisse pour limagination et lexprience du concepteur
[116].
Le Backstepping est une mthode systmatique pour la conception de contrle non linaire, elle peut tre applique pour une classe gnrale de systmes. Son nom se reporte
la nature rcursive de la conception de la procdure. En premier, un petit sous systme est
44
considr pour lequel une loi de commande virtuelle est conue, puis la conception est tendue sur plusieurs tapes jusqu ce que la loi de commande finale pour le systme globale est
construite. Durant la conception une fonction de Lyapunov du systme contrl est successivement construite.
Une chose important dans le Backstepping est que les non linarits peuvent tre traites en
plusieurs moyens, les non linarits utiles contribuant dans la stabilisation peuvent tre retenues,
tandis que les non linarits non utiles peuvent tre remplaces par un contrle linaire [87].
Contrairement au contrle par boucle de retour linaire, ou les non linarits sont limins en
utilisant une boucle de retour non linaire, gard les non linarits au lieu de les limins exige
un modle moins prcis et un petit effort de contrle et mieux encore, les lois de contrle rsultant peuvent tre considres comme des lois optimales garantissant une certaine proprit de
robustesse.
Lorigine du Backstepping nest pas tout a fait clair, ceci est du lapparition simultan
et souvent implicite dans les articles publis des 1980. Cependant, il est juste de dire que le
Backstepping a reue beaucoup dattention, grce au travaux de professeur V. Kokotovic et ses
collaborateurs [79]- [87]. En 1992 Kannellkapoullos et Al prsentaient un outil mathmatique
"toolkits" pour concevoir des lois de contrle pour une varit des systmes non linaires utilisant la mthode du Backstepping [102]- [104]. Durant les annes suivantes, des manuels dits
sont apparus [105], [106].
Ce chapitre introduit les techniques de bases du Backstepping, ou on donne dans la section 2.2
quelques concepts sur la thorie de Lyapunov, la section 2.3 introduit les ides de base de la
conception des lois de commande par le Backstepping, dans la section 2.4 des applications sur
quelques systmes dynamiques non linaires chaotiques finalement on termine par une conclusion sur les parties formant le chapitre.
(2.1)
45
(2.2)
(2.3)
Ou : x = x(t) <n .
t [t0 ; t0 + T [,
(T ) = x0 .
Dfinition intuitive de la stabilit
Si le systme est initialement "lgrement" perturb de son point dquilibre le systme
reste "proche" de ce point dquilibre.
Notion de distance
Il faut rendre mathmatiquement prcis ce que lon entend par "proche" et "lgrement"
[151].
Dfinition 2.1 Un espace vectoriel est dit norm lorsquil existe une fonction qui associe
tout x la fonction la norme de x : x kxk
de
46
kxk 0,
x , 0
kcxk = ckxk,
et
c <
kx + yk kxk + kyk
kxk = 0
seulement lorsque
x=0
, x
x, y
Dans un espace
vectoriel <n , les normes suivantes sont dfinies :
qP
n
2
kxk2 =
k=1 xi
P
kxk1 = nk=1 |x|i
kxk = maxni=1 xi
Avec x = (x1 , x2 , , xn )T , xi <,
Un point dquilibre xeq est dit stable au sens de Lyapunov, si pour tout
rel strictement positif R 0, il existe un rel strictement positif r 0 tel que pour toute
solution du systme x(x0 , t) (2.3) on a :
kx0 xeq k r kx(x0 , t) xeq k R
.
x(x0 , t) est une solution sous une condition initiale x0
Il est instable sil nest pas stable au sens de Lyapunov.
Un point dquilibre xeq est dit attractif si pour tout rel strictement positif 0, il existe
un scalaire positif (t0 ) 0 tel que :
kx0 k (t0 )) lim x(t, t0 , x0 ) = xeq
t
t t0
47
Un point dquilibre xeq est asymptotiquement stable (AS) sil est stable et en plus il est
attractif, c.a.d. il existe un nombre un rel strictement positif 0 tel que :
kx0 xeq k lim x(t) = xeq
t
Un point dquilibre est globalement asymptotiquement stable (GAS) sil est asymptotiquement stable pour tout tat initial tel que :
lim x(t) = xeq
x0
Dfinition 2.3 Un cycle limite C est dit stable si toutes les trajectoires dans un voisinage du
cycle tendent vers C .
Il est instable si toutes les trajectoires divergent de C.
Il est semi-stable si certaines trajectoires convergent vers C.
La stabilit tait considre comme la capacit du cycle limite de se maintenir mme aprs
perturbation de celui-ci. Ce type de stabilit sera appele asymptotique. La prsente section
donne les nuances entre les types de stabilit ainsi quun traitement approfondi du concept, et
des rsultats relatifs. Elle ne soccupera que de lanalyse dun point dquilibre. Les concepts
pourront alors tre tendus la notion de cycle limite sans trop de difficult.
La stabilit au sens de Lyapunov signifie que la trajectoire dtat peut tre garde arbitrairement prs de xeq , si lon prend une condition initiale suffisamment proche de xeq .
Montrer quun point dquilibre admet une des proprits cites ci-dessus en utilisant les
dfinitions prcdentes est souvent difficile. Notons que gnralement, on ne sait pas rsoudre
explicitement le systme (2.3). Pour cela la thorie de Lyapunov est trs utile pour tudier la
stabilit et la stabilit asymptotique des systmes non linaires [156].
De ce fait, la mthode directe de Lyapunov permet de contourner cet obstacle. Cette mthode
consiste dfinir une fonction particulire dont lexistence garantit la stabilit.
48
et
V(x) 0
et
x , 0
V(x) 0
x , 0
kxk
Maintenant nous pouvons noncer les thormes qui prouvent la stabilit asymptotique globale.
Considrons le systme (2.3) et f (0) = 0
Thorme 2.1 V(x) est une fonction scalaire semi dfinie positive, borne, continue et diffrentiable dans le temps si :
d
V dx V
V(x)
V(x)
= V(x) =
=
x =
f (x) 0
dt
x dt
x
x
x , 0
(2.4)
condition V(x)
0 garantie la stabilit asymptotique, la condition de radialement borne garantie que toutes les courbes de niveau de V(x) sont fermes, toutes ces conditions garantissent
la stabilit asymptotique globale du systme.
est seulement
Dans quelques cas la stabilit asymptotique globale, peut tre montrer quand V(x)
semi dfinie ngative [152].
Considrons le systme (2.3) et f (0) = 0
Thorme 2.2 V(x) est une fonction scalaire Semi dfinie positive, borne, continue et diffrentiable dans le temps si :
V(x)
= V(x) f (x) 0,
x , 0,
S = {x :
V(x)
= 0}
Et supposant que le systme (2.3) admet une solution unique x(t) = xeq . Si x(t) reste au voisinage
de S , alors x = xeq est un point dquilibre globalement asymptotiquement stable (GAS).
Thorme 2.3 Le point dquilibre x = xeq du systme dquation (2.3) est dit uniformment
Asymptotiquement Stable si toute trajectoire solution du systme comprise dans une boule de
rayon R de grandeur quelconque et initialise en x0 dans une boule de rayon R0 dpendant de
R converge vers le point dquilibre quand t tend vers .
R 0, r 0
49
tel que
kx0 k r kxt k R
Cette dfinition signifie que, quelle que soit la boule dexigence de taille R, il est toujours possible de choisir une certaine sous-boule de taille r telle que, pour toutes les conditions initiales
comprises dans cette sous-boule, les trajectoires rsultantes seront, en tout temps, comprises
dans la boule dexigence de taille R.
Dans la thorie de Lyapunov, un des critres prsents consiste en ltude dune fonction
note V(x) lie au systme considr, que lon appelle fonction de Lyapunov. Si cette fonction remplit certaines conditions, alors le point dquilibre xeq du systme est qualifi de stable
[152].
Une des formes du thorme dcrivant ce critre passe par lutilisation des fonctions de classe
K et K . Nous en donnons une dfinition ci-aprs.
Dfinition 2.5 Une fonction continue g(r) o r appartient lintervalle [0; a] < est dite de
classe K si elle est strictement croissante et si g(0) = 0. Elle appartient la classe K si a =
et si g(r) tend vers quand r tend vers . g(r)
krk
(2.5)
V(x)
(kxk)
(2.6)
50
peut trs bien tre relax. Le thorme ne donnera pas une preuve de stabilit au sens de Lyapunov, mais un critre de convergence asymptotique, ceci valant autant pour les points dquilibre
que pour les cycles limites.
Pour prouver les proprits de stabilit dun systme, de nombreuses mthodes sont bases
sur le thorme de Lyapunov, pour les systmes autonomes, il est possible de prouver la stabi
lit asymptotique quand V(x)
0 en considrant le thorme dinvariance de LaSalle, alors que
pour les systmes non autonomes le Lemme de Barbalat est employ pour prouver la stabilit
asymptotique [152].
Thorme 2.5 (Thorme de LaSalle) Le point dquilibre x = xeq de (2.3) est asymptotiquement stable s il existe une fonction V(x) de D < continument diffrentiable ayant les
proprits suivantes :
V(x)
0
x , 0
S = {x : V(x)
= 0}
Ou :
D est un ensemble ouvert de <n et xeq D,
V(x) V(xeq )
x , 0 dans D, (V(x) est minimale en xeq ),
V(x)
0
x D,
(2.7)
51
ou 1 et 2 sont des fonctions de classes K et W est une fonction continue. Alors, toutes les
solutions de (2.3) sont globalement uniformment bornes et satisfont limt W(x(t)) = 0
De plus, si W(x) est dfinie positive, alors le point dquilibre x = 0 est Globalement asymptotiquement uniformment stable (GAUS).
Jusqu prsent on a dfini la stabilit des systmes partir de la stabilit de ltat dquilibre autour dun point, dans un domaine. Il est galement possible de considrer la stabilit
entre/sortie.
Soit le systme :
x = f (x, u)
y = h(x, u)
x(t0 ) = x0
(2.8)
O u est lntre du systme alors que y est la sortie. La stabilit entre/sortie dun point dquilibre (ue , ye ) se dfinit par :
Thorme 2.8 Quelque soit 0, il existe 0 et il existe un domaine de conditions initiales
de ltat du systme tels que si ku ue k pour tout t et que x0 appartient au domaine de
conditions initiales alors ky ye k pour tout t.
Remarque
Ces thormes sont une condition suffisante de stabilit mais ne permet pas de guider lutilisateur dans le choix de la fonction de Lyapunov, nindiquent pas toujours comment trouver la
fonction de Lyapunov, qui satisfait les conditions de (GAUS). Ltude des mthodes qui permettent de construire une fonction de Lyapunov candidate pour un systme donn a motiv
une littrature trs abondante, les formes quadratiques sont les plus utilises notamment les
fonctions dfinies positives qui sont des intgrales premires.
52
(2.9)
est une fonction candidate de Lyapunov. Les quipotentielles de Lyapunov sont des ellipsodes
avec des demis axes dfinis par les valeurs propres et vecteurs propres de P [151]. La drive
au long de la trajectoire de V scrit :
V(x)
= xT P f (x) + f (x)T P x
(2.10)
(2.11)
Norme du max
Soit la fonction :
Cest dire que lon prend la valeur absolue maximale des coefficients du vecteur x. Les quipotentielles de Lyapunov sont des hyper cubes de cots parallles aux axes de lespace vectoriel.
La drive le long des trajectoire scrit :
V(x) = max |xi | = xi signe(xi )
(2.12)
V(x)
= fi (x)signe(xi )
(2.13)
|xi |
(2.14)
Cest dire que lon prend la somme des valeurs absolues des coefficients du vecteur x. Les
quipotentielles de Lyapunov sont des hyper cubes de sommets placs sur les axes de lespace
vectoriel. La drive le long des trajectoires scrit :
X
=
V(x)
fi (x)signe(xi )
(2.15)
53
f (x)
x
Si la matrice F(x) dfinie par F(x) = AT (x) + A(x) est dfinie ngative dans un voisinage de
lorigine :
<N , 0 :
x , 0
c. . d
(xT F(x)x) 0
x , 0, x
Alors :
V(x) = f T (x) f (x)
avec
V 0
V(x) est une fonction de Lyapunov et 0 est un point localement asymptotiquement stable.
Si de plus = <N , et
lim V(x) = +
kxk+
54
Thorme 2.10
<N , P 0etQ 0
F(x) = AT (x)P + P A(x) + Q 0
x , 0 x ,
Alors :
V(x) = f T (x) P f (x) avec V 0.
kxk+
(2.16)
Ou :
V =
V
x1
V
x2
V
. . . x
n
T
(2.17)
Principe de la mthode :
On suppose donne une forme spcifique pour le gradient V en lieu et place dune forme
spcifique pour la fonction candidate. Gnralement, on suppose :
n
X
ai j x j
Vi =
j=1
Vi V j
=
, i , j, (i, j = 1, . . . n)
xi
x j
(2.18)
Procedure :
V est donne par la forme prcdente
Rsoudre les relations croises pour ai j conditions dintgrabilit satisfaites.
Imposer la condition V 0 implique le choix des ai j (x1 , x2 , , xn ); i = 1, 2, , n, pour
que V soit dfinie ngative.
Calculer V par intgration partir de V. lintgration ne dpend pas du chemin :
Z x1
Z x2
Z xn
V1 (1 , 0, , 0)d1 +
V2 (x1 , 2 , 0, , 0)d2 +, , +, , +
Vn (x1 , x2 , , n )dn
0
(2.19)
55
Remarque
La stabilit au sens de Lyapunov est une traduction mathmatique dune constatation lmentaire, si lnergie totale dun systme se dissipe continument (cest--dire dcrot avec le
temps) alors ce systme (quil soit linaire ou non, stationnaire ou non) tend se ramener un
tat dquilibre (il est stable). La mthode directe cherche donc gnrer une fonction scalaire
de type nergtique qui admet une drive temporelle ngative.
Concept de passivit et fonction de Lyapunov
Un systme est passif lorsque la puissance soutire se fait au dtriment du stock interne
dnergie. Ainsi, il ne peut pas y avoir de gnration interne de puissance.
Lide est de considrer des systmes pour lesquels la dissipation est positive ou nulle. En
dautres termes lorsque la puissance est injecte la puissance en entre positive elle est soit
stocke soit dissipe et lorsque le systme restitue de la puissance puissance en entre ngative,
elle est fournie par le stock interne. Il ny a pas de gnration interne de puissance [121]- [124],
[152]- [124].
Dfinissons la fonction de Lyapunov pour un systme sans entre :
x = f (x)
V 0
Tandis que la passivit pour systme entre-sortie est :
x = f (x, u)
V puissance f ournie
y = h(x)
(2.20)
(2.21)
La Passivit permet dobtenir des contrleurs robustes qui ont une interprtation physique claire
en termes dinterconnexions du systme avec son environnement. En particulier, lnergie totale
du systme en boucle ferme est la diffrence entre lnergie du systme et lnergie fournie par
le contrleur .
56
dquilibre x = 0, soit u = k(x) tel que x = 0 est un point dquilibre globalement asymptotiquement stable pour le systme boucle de retour ferm x = f (x, k(x)).
Pour dmontrer le critre de stabilit (GAS), on a besoin de construire une fonction de Lyapunov V(x) , qui satisfait les conditions des thormes prcdents, la conception de la loi de
contrle u = k(x) associe avec la fonction de Lyapunov est ce quon appelle un contrle base
sur la thorie de Lyapunov.
Une approche simple de trouver u = k(x) est de prendre une fonction dfinie positive, bor = V(x) f (x) 0, x , 0.
ne V(x) , et choisir k(x) telle que V(x)
Pour russir dans cette approche V(x) doit tre soigneusement choisie.
Dfinition 2.6 Une fonction dfinie positive, borne V(x) est appele un contrle bas sur la
fonction de Lyapunov (cfl) si :
inf V(x) f (x) 0
x , 0
(2.22)
Etant donn un (Cfl) pour un systme donn, on peut donc trouver facilement une loi de contrle
assurant une stabilit globale du systme, lexistence dune telle loi est quivalente lexistence
dun (cfl) [189], cest--dire pour chaque loi de contrle assurant une stabilit globale, on peut
trouver un (Cfl) et inversement ceci est connue par le thorme dArtstein [160].
Thorme 2.11 (theoreme dArtstein) Un systme dynamique a une loi de contrle base sur
la fonction de Lyapunov si et seuleument si il existe une fonction de stabilisation regulire dans
la boucle de retour u(x).
Les mthodes ci-dessus supposent que si un (Clf) est connu, le systme peut tre contrl, alors
comment peut-on construire une loi de contrle correspondant une fonction de Lyapunov pour
avoir une stabilit globale en boucle ferme, le Backstepping [115]- [120] rsout ce problme
travers une mthode rcursive pour une classe des systmes non linaire (2.3), dans la section
suivante on donne les conceptes de base de la mthode, laquelle peut tre appliqu aux diffrents
systmes chaotiques cits au dessus.
3 Thorie du Backstepping
La technique du backstepping a t dveloppe au dbut des annes 90. Larrive de la commande par le backstepping a donn un nouveau souffle la commande des systmes non linaires, qui malgr les grands progrs raliss, il manquait des approches gnrales. Cette technique est une mthode systmatique et rcurrsive de synthse de lois de commande non linaires
qui utilise le principe de stabilit de Lyapunov et qui peut sappliquer un grand nombre de systmes non linaires.
3 Thorie du Backstepping
57
Lide de base de la commande par le Backstepping est de rendre les systmes boucls
quivalents des sous-systmes dordre un en cascade stable au sens de Lyapunov, ce qui leur
confre des qualits de robustesse et une stabilit globale asymptotique. En dautres termes,
cest une mthode multi-tapes. A chaque tape du processus, une commande virtuelle est ainsi
gnre pour assurer la convergence du systme vers son tat dquilibre. Cela peut tre atteint
partir des fonctions de Lyapunov qui assurent pas pas la stabilisation de chaque tape de
synthse.le Backstepping est :
applicable au systme de type triangulaire infrieur ou appele aussi boucle de retour
stricte c .. d la drive de chaque composante du vecteur dtat doit tre une fonction des
composantes prcdentes et dpendre additivement de la composante suivante.
Commenant avec la premire quation diffrentielle du systme x1 qui est plus loin de
lentre de commande u, et nachve la loi de commande de type dexpression analytique
quen dernire tape.
Elle construit une sortie passive et une fonction de stockage qui est utilise comme une
fonction Lyapunov.
La mthode de linarisation par bouclage de retour limine toutes les non linarits du systme,
la technique du backstepping donne plus de flexibilit au concepteur en exploitant les " bonnes
" non linarits, tandis que les " mauvaises " non linarits ou les non linarits dstabilisantes
sont domines en ajoutant des amortissements non linaires. Ainsi, une robustesse additionnelle
est obtenue [161].
(i = 1, , n 1)
(2.23)
xn = gn (xn , t) u + fn (xn , t)
y = x1
xt0 = x0
O xi = [x1 , x2 , , xi ] <i , (i = 1, , n 1), u < , y < :
Sont respectivement vecteurs des tats dentres et de sortie.
58
quand
(2.24)
3 Thorie du Backstepping
59
(2.25)
Fig. 2.3 Le bloc diagramme du premier sous systme avec une sortie virtuelle z1
fonction Lyapunov partielle de type quadratique :
V1 (z1 ) =
1 2
z
2 1
(2.26)
V 1
1 1
z }|
{
= z1 z1 = g1 z1 z2 + z1 (g1 1 + f1 )
(2.27)
La non linarit est remplac par un controle linaire et 1 est choisie de telle sorte que V1 soit
ngative dfinie :
1
(c1 z1 f1 )
(2.28)
g1
O c1 0 est une constante de conception positive. Notant que 1 a t choisi de manire
liminer la non linarit f1 et davoir V 1 0. On substituant 1 dans V1 et dans on z1 trouve :
1 =
V 1 = c1 z1 + g1 z1 z2
z1 = g1 z2 c1 z1
(2.29)
Pour une stabilit globale, le dernier terme g1 z1 z2 dans V 1 sera limin dans la prochaine tape.
Deuxime tape
Dans cette tape nous utilisons une nouvelle variable z3 = x3 2 comme une sortie pour le
second sous systme avec x3 comme entre et recrivant la seconde quation du systme(2.23) :
z2 = x2 1 = g2 z3 + g2 2 + f2 1
Puisque 1 (x1 ) est la fonction stabilisante du sous systme 2 alors :
(2.30)
60
Fig. 2.5 Le bloc diagramme du deuxime sous systme avec une sortie virtuelle z2
1 =
1 1
1
=
x1 =
(g1 x2 + f1 )
t
x1
x1
(2.31)
En substituant 1 dans z2 .
z2 = g2 z3 + g2 2 + f2
1
(g1 x2 + f1 )
x1
(2.32)
Maintenant nous procdons trouver une fonction de Lyapunov V2 pour le second sous systme,
Parce que z2 est une sortie passive, un choix possible de la fonction du stockage :
V2 (z1 , z2 ) = V1 (z1 ) +
1 2
z
2 2
(2.33)
V 2 = V 1 + z2 z2 =
c1 z21
=c2 z2
}|
{
1
+ g2 z2 z3 + z2 (g1 z1 + g2 2 + f2
(g1 x2 + f1 ))
x1
(2.34)
La proprit cl de cette expression est que tous les termes potentiellement indfinis paraissaient
multipli par z2 . Do, notre contrle virtuelle x3 = 2 (x1 , x2 ) peut tre choisi de faireV2 ngative
dfini. une conception possible est :
2 =
1
1
(c2 z2 g1 z1 f2 +
(g1 x2 + f1 ))
g2
x1
(2.35)
2
2
V2 = c1 z1 c2 z2 + g2 z2 z3
(2.36)
z2 = g2 z3 c2 z2 g1 z1
Pour une stabilit globale, le dernier terme g2 z2 z3 dans V2 sera limin dans la prochaine tape.
3 Thorie du Backstepping
61
Fig. 2.7 Le bloc diagramme du troisime sous systme avec une sortie virtuelle z3
z3 = x3 2 = g3 z4 + g3 3 + f3
2
2
(g2 x3 + f2 )
(g1 x2 + f1 )
x2
x1
(2.37)
Parce que z3 est une sortie passive, un choix possible de la fonction du stockage(Lyapunov) :
V3 (z1 , z2 , z3 ) = V1 + V2 +
1 2
z
2 3
(2.38)
(2.39)
z
c1 z21
c2 z22
=c3 z3
{
2
+ g3 z3 z4 + z3 (g2 z2 + g3 3 + f3
(g1 x2 + f1 )
x1
2
(g2 x3 + f2 ))
x2
}|
(2.40)
62
le contrle virtuelle x4 = 3 (x1 , x2 , x3 ) peut tre choisi en rendant V3 ngative dfini. une
conception possible est :
3 =
1
2
2
(c3 z3 g2 z2 f3 +
(g1 x2 + f1 ) +
(g2 x3 + f2 )
g3
x1
x2
(2.41)
3 est choisie de telle sorte que V3 soit dfinie ngative, c3 est une constante positive de conception. On substituant 3 dans V3 et dans on z3 trouve :
z3 = +g3 z4 c3 z3 g2 z2
V3 = c1 z2 c2 z2 c3 z2 + g3 z3 z4
1
2
3
(2.42)
Pour une stabilit globale, le dernier terme g3 z3 z4 dans V3 sera limin dans la prochaine tape.
La iime Etape
Pour (i = 4, , n 1), Aprs quelques manipulations algbriques la drive de la variable
de la procdure comme sortie virtuelle zi = xi i1 , peut tre exprime comme :
zi = xi i1 = ci zi + gi zi+1 + fith
(2.43)
avec zi+1 = xi+1 i , o i est la loi de commande virtuelle ltape i qui doit tre dtermine.
Fig. 2.8 Le bloc diagramme du iime sous systme avec une sortie virtuelle zi
La loi de commande virtuelle est maintenant conue pour rendre dfinie ngative une fonction
de Lyapunov suivant :
Vi = Vi1 +
1 2
z
2 i
(2.44)
i1
X
=c z
(ck z2k )
z
}|i i
{
+ zi (gi1 zi1 + fith + gi zi+1 + gi i )
(2.45)
k=1
i =
1
(ci zi gi1 zi1 fith )
gi
(2.46)
3 Thorie du Backstepping
63
Avec :
fith = fi
i1
X
i1
k=1
xk
( fk + gk xk+1 )
(2.47)
(2.48)
Fig. 2.9 Le bloc diagramme du nime sous systme avec une sortie virtuelle zn
Cest le dernier pas de conception, du moment que le contrle final u apparat dans la drive
de zn
zn = xn n1 = gn u + fnth
(2.49)
Avec :
fnth = fn
n1
X
n1
k=1
xk
( fk + gk xk+1 )
(2.50)
La loi de contrle u est conu pour rendre ngative dfinie la drive de la fonction Lyapunov
globale :
1 2
z
2 n
(2.51)
+ zn zn
Vn = Vn1
(2.52)
Vn = Vn1 +
Sa drive dans le temps est :
64
Ce qui conduit :
Vn =
n1
X
=c z
(ck z2k )
n n
z
}|
{
+ zn (gn1 zn1 + fnth + gn u)
(2.53)
k=1
1
(cn zn gn1 zn1 fnth )
gn
(2.54)
Nous avons maintenant conu une loi de commande dans la contre raction pour la stabilisation
du systme (2.23) dordre n.
u existe et est une fonction de stabilisation regulire dans la boucle de retour , daprs le theoreme dArtstein le systme dynamique (2.23) a une loi de contrle base sur la fonction de
Lyapunov.
On substituant u dans zn et V n on trouve :
zn = cn zn gn1 zn1
Vn = Pn ck z2
=1
k
V(z)
0
(2.55)
la fonction V(z) est continument diffrentiable ayant les proprits cites dans le thorme de
Lassale, do le systme globale dans les coordonnes (z1 , , zn ) :
z1 = c1 z1 g1 z2
zn = cn zn gn1 zn1
(2.56)
3 Thorie du Backstepping
65
Dfinition 3.1 Quand lobjectif est de forcer la sortie du systme y(t) Rm pour le suivi dune
sortie dsire yr (t) Rm , il sera dfini comme un problme de suivi.
Le problme de commander la sortie dun systme suivre une rfrence donne, peut tre trait
avec diffrentes applications. Une des approches est celle du problme de la stabilisation en un
point, ou le problme de stationnement, qui consiste faire diriger un systme un point de
configuration fixe, peut importe le comportement du systme entre ltat initial et ltat finale.
Dans ce cas, le signal de rfrence yr est stationnaire. Ce problme est connu sous le nom de
problme de rgulation [150].
Dans le problme de poursuite du systme non linaire (2.23), lobjectif de commande nest
pas seulement de stabiliser globalement le procd (2.23), mais aussi de forcer la sortie y(t) = x1
suivre un signal rfrence yr sous les conditions suivantes :
1. gn (.) , 0.
2. le signal de rfrence yr et ses n drives sont connues et bornes et y(n)
r est continue au
moins par morceaux.
Les mmes tapes de conception sont rptes dans ce cas avec des modifications mineures.Les
commande virtuelles i sont alors dtermines aprs la drive de zi et de choisir une fonction
de Lyapunov approprie Vi et la rendre ngative dfinie soit :
Premire tape Pour le premier sous systme, la premire variable du backstepping est
choisie comme lerreur de poursuite :
z1 = x1 yr
1 =
1
(c1 z1 f1 + y r )
g1
(2.57)
(2.58)
Deuxime tape Puisque 1 est la fonction stabilisante du sous systme 2 est1 (x1 , yr , yr ) alors :
1
1
1
x1 +
y r +
yr
x1
yr
yr
(2.59)
1
1
1
(g1 x2 + f1 ) +
y r +
yr
x1
yr
yr
(2.60)
1 =
En remplaant on trouve :
1 =
1
1
1
(c2 z2 g1 z1 f2
(g1 x2 + f1
y r yr )
g2
x1
yr
(2.61)
2
2
2
2
2 3
x1 +
x2 +
y r +
yr +
y
x1
x2
yr
yr
yr r
(2.62)
66
1
2
2
(c3 z3 g2 z2 f3 +
(g1 x2 + f1 ) +
(g2 x3 + f2 )
g3
x1
x2
2
2
2 3
y r +
yr +
y)
yr
yr
yr r
(2.63)
(2.64)
1
(ci zi gi1 zi1 fith )
gi
Avec :
fith = fi
i1
X
i1
k=1
xk
( fk + gk xk+1 )
(2.65)
(2.66)
La nime tape Cest le dernier pas de conception, du moment que le contrle actuel u
appparat dans la drive de zn
zn = xn n1 = gn u + fnth
(2.67)
Avec :
fnth = fn
n1
X
n1
k=1
xk
( fk + gk xk+1 )
(2.68)
La loi de contrle u est conu pour rendre ngative dfinie la drive de la fonction Lyapunov
globale :
1 2
z
2 n
(2.69)
+ zn zn
Vn = Vn1
(2.70)
Vn = Vn1 +
Sa drive dans le temps est :
Ce qui conduit :
Vn =
n1
X
(2.71)
1
(cn zn gn1 zn1 fnth )
gn
(2.72)
k=1
67
zn = cn zn gn1 zn1
Vn = Pn ck z2
=1
k
(2.73)
z1 = c1 z1 g1 z2
zn = cn zn gn1 zn1
(2.74)
Sachant que :
zi = xi xri i1 ;
(i = 1, , n)
(2.75)
4 Conception des lois de commande bases sur le Backstepping pour quelques systmes chaotiques
Dans ltude du comportement des systmes dynamiques non linaires chaotiques et leurs
commandes, plusieurs systmes de dimension infrieur sont frquemment utiliss pour la modlisation des procds naturels et industriele ainsi que des exemples de base pour la vrification
et la validation dune thorie propose, mthode, o algorithme. Ces exemples incluent des
systmes non autonomes du second ordre comme loscillateur de Duffing [164], loscillateur
de Van der pool [165] - [167](pendule de Moon), des systmes autonomes du troisime ordre
comme le systme de Lorenz [2], [168]- [171], le systme de Rssoler [172]- [174] ainsi que
le circuit de Chua [13], [175], [180],qui sont des exemples dattracteur trange se caracterisant
par :
Les attracteurs tranges sont uniques des autres attracteurs despace de phase dans le cas
o on ne sait pas exactement o le systme sera sur lattracteur.
68
Deux points sur lattracteur qui sont prs un moment donn lun de lautre seront arbitrairement spars lointainement temps plus tardifs.La seule restriction est que ltat de
systme reste sur lattracteur.
Les attracteurs tranges sont aussi uniques dans le cas o ils ne se rapprochent jamais
entres eux mmes, le mouvement du systme ne se rpte jamais c. . d non priodique.
Le mouvement dcrit sur ces attracteurs tranges est ce que nous signifions par un comportement chaotique.
Notons que tous ces systmes chaotiques mentionns au-dessus peuvent tre rcrits sous la
forme de boucle de retour stricte.
Pour examiner lefficacit de la conception de la procdure propose, des simulations en Matlab
sur ordinateur ont t ttendues pour tous ces systmes [138], [139].
(2.76)
(2.77)
69
(2.78)
cette quation peut se mettre sous la forme dun systme dquations diffrentielles du
second ordre on pose x = x1 x = x2 :
x1 = x2
x2 = x2 + x1 x3 + cos( t)
1
Pour le cas d un systme non forc :
x1 = x2
x2 = x2 + x1 x3
1
(2.79)
(2.80)
0 1
F
(0, 0) =
(2.81)
x
1
0 1
F
(1, 0) =
(2.82)
x
2
partie relle ngative et par consquent le point dquilibre (1, 0) est stable.
Mise en forme paramtrique de boucle de retour stricte
Dune manire gnrale,par le choix des variables x = x1 x = x2 lquation diffrentielle
(2.78) de loscillateur de Duffing est mise sous la forme de boucle de retour strict non autonome
du deuxime ordre.
x1 = x2
x2 = x2 + (2 x1 x3 ) + cos( t)) + u
0
1
(2.83)
70
Avec :
g1 (x1 , t) = 1, g2 (x1 , x2 , t) =
(2.84)
Pour des valeurs des paramtres du systme = 0.25, = 0.3, 0 = = 1 et des conditions
initiales x10 = x20 = 0.25 ,le systme prsente un comportement chaotique, les figures suivantes
illustrent ce phnomne
Si on observe lvolution temporelle de x(t) on a une allure chaotique.
Fig. 2.10 Comportement chaotique dans lespace temporel pour loscillateur de Duffing
71
(2.85)
(2.86)
Puisque le systme original (2.83) est dcrit par 2 tats seulement, lentre de commande u
apparat dans la deuxime tape, alors Le choix de la loi de contrle finale est donn
u = z1 + 1 20 x + x3 cos( t) c1 z1 + c1 z2
(2.87)
z1 = c1 z1 + z2
z2 = z1 z2
(2.88)
(2.89)
Rsultats de simulations
Les graphes de simulations sont donns pour les valeurs suivantes = 0.25, = 0.3,
0 = = 1 et x10 = x20 = 0.25, c1 = 1. Les figures de convergence des tats vers le point
dquilibre xeq = 0 et la loi de commande pour loscillateur de Duffing sont donnes comme
suit :
72
Fig. 2.12 Convergence des tats x1 x2 vers le point dquilire xeq = 0 pour loscillateur de
Duffing
Fig. 2.13 Convergence des tats x1 x2 vers le point dquilire xeq = 0 pour loscillateur de
Duffing
Backstepping pour la commande en poursuite dun signal rfrence pour loscillateur de
Duffing
Pour la poursuite on utilise une trajectoire rfrence comme un signal sinusoidale damplitude 1 et de pulsation wr = 1, la fonction stabilisante 1 et la loi de commande finale u sont
donnes par : 1 est donne par
1 = c1 z1 + y r
(2.90)
u = z1 + 1 20 x + x3 cos( t) c1 z1 + c1 z2 + y r
(2.91)
73
Fig. 2.14 Variation de la loi de commande en fonction de temps pour loscillateur de Duffing
Rsultats de simulations
Les figure de poursuite des tats vers le signal de rfrence yr = sin(t) et la loi de commande
pour loscillateur de Duffing sont donnes comme suit :
tion du temps
fonction du temps
de x1
Fig. 2.15 Evolution des tats x1 x2 en commande en poursuite pour loscillateur de Duffing
74
Fig. 2.16 Variation de la loi de commande de poursuite en fonction de temps pour loscillateur
de Duffing
On remarque que les tats ont converg assymptotiquement vers ltat dquilibre et vers
la trajectoire de rfrence aprs lapplication des lois de commande en quelques secondes, le
temps de convergence est trs petit.
75
(2.92)
Pour le cas dun systme non forc et aprs une conversion, cette quation peut se mettre sous
la forme dun systme dquations diffrentielles du second ordre, on pose x = x1 x = x2 :
x1 = x2
x2 = x1 (x2 1) x2
1
(2.93)
0 1
F
(0, 0) =
x
1
Qui a pour valeurs propres 1,2 =
est instable.
(2.94)
2 4
,
2
76
1
3
x1 = x2 + x1 3 x1 + p1 + p2 cos( t)
x2 = p3 (x1 + p4 p5 x2 ) + u
(2.95)
g1 (x1 , t) = 1, g2 (x1 , x2 , t) = 1
(2.96)
Fig. 2.17 Comportement chaotique des tats x1 , x2 pour loscillateur de Van der pool
Conception de la loi de commande en stabilisation base sur le Backstepping pour loscillateur de Van der pool
En suivant les mme dmarches que prcdemment on trouve la loi de commande virtuelle
pour le premier sous systme de (2.95)comme :
1 = c 1 z1 + x 1
1 3
x1 + p1 + p2 cos( t)
3
(2.97)
(2.98)
77
Puisque le systme original est dcrit par 2 tats seulement, lentre de commande apparat dans
la deuxime tape, alors Le choix de la loi de contrle finale est donn :
u = c2 z2 + z1 p3 (x1 + p4 p5 x2 ) (c1 z1 + z2 (c1 + (1 x12 )) + p2 sin(t))
(2.99)
z1 = c1 z1 z2
z2 = c2 z2 + z1
(2.100)
(2.101)
Rsultats de simulations
Les figures de convergences des tats vers le point dquilibre xeq = 0, la variation de la loi
de commande en fonction du temps sont donnes comme suivant avec le choix des constantes
de conception c1 = 4 c2 = 3 :
Fig. 2.18 Convergence des tats xi zi vers le point dquilire xeq = 0 pour loscillateur de Van
der pool
78
Fig. 2.19 Variation des lois de commande en fonction de temps pour loscillateur de Van der
pool
Backstepping pour la poursuite dun signal rfrence pour loscillateur de Van der pool
Pour la poursuite, la fonction stabilisante et la loi de commande finale sont : 1 est donne
par :
1 = c 1 z1 + x 1
1 3
x1 + p1 ) + p2 cos( t) y r
3
(2.102)
79
Fig. 2.20 Convergence des tats x1 x2 vers le signal rfrence pour loscillateur de de Van der
pool
Daprs ces figures, on peut voir ltat x1 a eventuellement converg asymptotiquement vers
la trajectoire rfrence yr et par consquent lerreur x1 yr a converg vers 0 aprs un trs peu
de temps et la poursuite est accomplie.
80
x1 = (x1 x2 )
x2 = x1 x3 + x1 x2
(2.104)
x3 = x1 x2 x3 + u
y=x
1
81
Fig. 2.21 Variation des trois tats en fonction du temps pour le systme de Lorenz
Fig. 2.22 Comportement chaotiques dans lespace dtat pour le systme de Lorenz
Calcul des points dquilibres
Le systme prsente un phnomne chaotique, et admet trois points dquilibres.
Les points dquilibres se calculent en faisant f (x) = 0.
p
p
p
p
(2.105)
F
(0, 0, 0) = 1 0
x
0
0
Qui a pour valeurs propres :
1 =
2,3 =
(1+)
(1+)2 +4 ()1
2
(2.106)
82
Translation de lorigine
Pour obtenir un systme du type boucle de retour stricte, on fait une translation de lorigine
du systme (2.104) vers le point dquilibre non stable positif [137] avec le systme suivant :
x
=
x
+
( 1)
1
1
(2.107)
x2 = x2 + ( 1)
x3 = x3 + ( 1)
Le systme ainsi trouv avec = 10, = 28, = 3 est sous la forme paramtrique du type
boucle de retour strict :
x1 = 10 x2 10 x1
x2 = x3 (9 + x1 ) + (x1 x2 )
x3 = 9 (x1 + x2 ) 3 x3 + x1 x2 + u
(2.108)
y = x1
Avec :
quand
t
(2.110)
la fonction stabilisante 1 = 0 V1 est ngative dfinie, le dernier terme sera limin dans la
prochaine tape.
Donc lquation en coordonnes (z1 , z2 ) et valeur de la fonction de Lyapunov du premier sous
systme sont :
z1 = 10 z2 10 z1
V1 = 10 z2 + 10 z2 z1
1
(2.111)
83
(2.112)
11 z1
(9 + z1 )
z2 = z3 (9 + z1 ) + (9 z1 z2 )
V2 = 10 z2 z2 z3 z2 (9 + z1 )
1
2
(2.113)
(2.114)
Pour une stabilit globale le troisime terme sera limin dans la prochaine tape.
Sachant que : z3 = x2 2 ,et que u se trouve dans la troisime quation recrivant :
x3 = z3 2
(2.115)
= 9 (z1 + z2 ) 3 z3 3 2 + z1 z2 + u)
99(10 z2 10 z1 )
(9 + z1 )2
(2.116)
Pour une fonction de Lyapunov approprie du sous systme : V3 = V2 + 21 z23 , avec une drive
dans le temps :
V3 = V2 + z3 z3 = 10 z21 z22 3 z23 + z3 (z2 (9 + z1 ) + 9 (z1 + z2 ) 3 2 + z1 z2 + u
99(10 z2 10 z1 )
(2.117)
(9 + z1 )2
Pour rendre V3 dfinie ngative , u est choisie comme :
u = 9 z1 + 33
(10 z2 10 z1 )
z1
+ 99
(9 + z1 )
(9 + z1 )2
(2.118)
84
dquilire xeq = 0
Fig. 2.23 Variation des tats et des fonctions de Lyapunov pour le systme de Lorenz
(2.119)
Et alors trouver une loi du contrle pour lentre u tel quune sortie scalaire x1 dfinie poursuit
une trajectoire dsire yr y compris les cycles limites stables ou instable aussi bien que les
trajectoires chaotiques. Nous allons suivre les mmes tapes quauparavant except quelerreur
est obtenue entre la sortie du deuxime sous-systme et le signal de rfrence. Le choix de 2
pour rendre ngative dfinie V2 aprs tout le calcul est :
2 =
x1 yr y r
(9 + z1 )
(2.120)
85
3 z1 3 yr 2 y r y r (10 z2 10 z1 yr y r )
+
yr (9 + z1 ) 9 z1
(9 + z1 )
(9 + z1 )2
(2.121)
Rsultats de simulations
Les figure de poursuite des tats vers le signal de rfrence yr = sin(r t) et la variation de la
loi de commande de poursuite pour le systme chaotique de Lorenz sont donnes comme suit :
Fig. 2.26 Variation des lois de commande de poursuite pour le systme de Lorenz
86
1
,
G
87
c1 31 = R1 (32 31 f (31 )
c2 32 = R1 (31 32 ) + i3 )
L i3 = 32
(2.122)
avec : f (31 ) = Gb 31 + 12 (Ga Gb ) (k(31 + 1)
k(31 1)k))),G = R1 .
Dou le systme diffrentiel suivant :
1
1
k(31 1)k)))
((G
(3
3
)
(G
3
+
(G
G
)
(k(3
+
1)
3
2
1
b 1
a
b
1
1
c1
2
32 = c12 (G (31 32 ) i3 )
i3 = 1 32
(2.123)
Pour les valeurs suivantes des paramtres du circuit de Chua, le systme prsente un comportement chaotique [176], c1 = 19 , c1 = 1, G = 0.7, Ga = 0.8, Gb = 0.5, L =
1
7
[176], et
Fig. 2.29 Comportement chaotique dans lespace temporel pour le circuit de Chua
88
1
(G + Gb ) G 0
c1
c1
F
G
G
(0, 0, 0) =
c2
c2
1
0
L 0
(2.124)
x1 = i3
x2 = 32
x3 = 31
Le systme prcdent deviendra :
x1 = xL2
x2 = c12 (G (x3 x2 ) x1 )
1
1
(2.125)
(2.126)
89
Le systme ainsi trouv est sous la forme paramtrique du type boucle de retour stricte, o
u est une fonction de contrle dterminer ultrieurement.
1 = k11 z1
z1 = L1 z2 k1 z1
V 1 = k1 z2 1 z1 z2
1
(2.127)
k11
L
2 = G1 z1 G2 z2
z2 = cG2 z3 k2 z2 L1 z1
V 2 = k1 z21 k2 z22 + cG z2 z3
2
G1 =
G2 =
c2 1
(
G L
c2 1
(
G L
+
+
1
c2
1
c2
+
+
c211
L
c211
L
(2.128)
+ c11 )
+ c11 )
u = A z3 B z2 C z1 g(x2 , x3 )
z3 = k3 z3 cG2 z2
G G2
c2
B = cG2 + k2 G2 +
C = k1 G 1 +
G1
L
G2
L
Et g(x2 , x3 ) =
1
c1
(2.129)
90
Rsultats de simulations
Les figures illustront la convergence des tats vers le point dquilibre et lvolution des lois
de commandes virtuelles et finale avec un choix des constantes de conception k11 = 1, k2 = 1,
k3 = 1, sont donnes par :
Fig. 2.31 Convergence des trois tats vers le point dquilire xeq = 0 pour le circuit de Chua
Fig. 2.32 Variation des lois de commande de stabilisation pour le circuit de Chua
(2.130)
Nous allons suivre les mmes tapes quauparavant except que lerreur est obtenue entre la
sortie du premier sous systme et le signal de rfrence. Le choix de 1 pour rendre ngative
91
(2.131)
c2
GL
yr
(L y r
y r + )
G
c2
c2
u = A z3 B z2 C z1 g(x2 , x3 ) +
z3 = k3 z3 cG2 z2
c2
(L yr
G
GL
c2
y r +
(2.132)
1
y
c2 r
)
(2.133)
Rsultats de simulations
Les figures de poursuite des tats vers le signal de rfrence yr = sin(r t) et la variation de
la loi de commande de poursuite pour le systme chaotique de Chua pour un choix arbitraire de
K11 = 1, k2 = 0.5, K3 = 0.5 sont donnes comme suit :
Fig. 2.33 Variation des tats pour la poursuite de rfrence pour le circuit de Chua
92
Fig. 2.34 Variation des lois de commande de poursuite pour le circuit de Chua
poursuite
Fig. 2.35 Variation des tats avec des paramtres de conception optimiss pour la poursuite de
rfrence pour le systme de Chua
y 1 = y2 y3
y 2 = y1 + a y2
y 3 = b + y3 (y1 c)
93
(2.134)
c c2 4 a b
y
=
c c2 4 a b
y2 = 2 a
y3 = c c22a4 a b
(2.135)
Ce qui, maintenant, peut tre utilis pour prsenter les points dquilibres pour des valeurs don
2
2
2
2
2
2
nes de paramtres : c+ c24 a b , c 2ca4 a b , c+ 2ca4 a b c c24 a b , c+ 2ca4 a b , c 2ca4 a b
Pour les valeurs suivantes a = 0, 1, b = 0.1, c = 13, le systme prsente un phnomne chaotique. les figures du comportement chaotique, variation dans le temps des tats sont donnes
par :
Fig. 2.36 Comportement chaotique dans lespace temporel pour le systme de Rssler
94
sous la forme paramtrique de boucle de retour stricte , avec une petite transformation des
variables dtat o on pose :
x1 = y2
x2 = y1
x3 = y3
(2.136)
x1 = x2 + x1 a
x2 = x3 x1
x3 = x3 (x2 c) + b + u
(2.137)
(2.138)
le systme (2.135)devient :
Avec :
95
1 = c11 z1 + a z1 = c1 z1 + a
z1 = z2 c11 z1
V1 = c11 z2 + z1 z2
(2.139)
2 = c1 c11 z1 + c1 z2
z2 = z3 c1 z2 + c2 z1
V2 = c11 z2 c2 z2 z2 z3
1
(2.140)
Avec : c2 = c1 c11 1.
3. La loi de contrle finale u, z3 , V3 pour le troisime sous systme :
z3 = c3 z3 + z2
V 3 = c11 z2 c1 z2 c1 z2
1
(2.141)
Rsultats de simulations
Les figures de la convergences des tats vers le point dquilibre xeq = 0, la variation de la
loi de commande en fonction du temps sont donnes comme suivant :
Fig. 2.38 Convergence des trois tats dans le domaine temporel pour le systme de Rssler
96
virtuelle 1
virtuelle 2
Fig. 2.39 Evolution des lois de commande en fonction de temps pour le systme de Rssler
Calcul de la loi de commande de poursuite base sur le Backstepping pour le systme de
Rssler
Pour la poursuite les fonctions stabilisantes et la loi de commande finale por le systme de
Rsslor sont : 1 est donne par
1 = c11 z1 + a z1 = c1 z1 + a + y r
(2.142)
(2.143)
(2.144)
Rsultats de simulations
Les figures de la poursuite des tats vers le signal de rfrence yr = sin(wr t), la variation
des lois de commande virtuelle et la loi de commande finale en fonction du temps sont donnes
comme suivant :
Pour des constantes de conception choisies alatoirement c11 = 0.1, c2 = 0.01, c3 = 0.01 :
97
temps
virtuelle 1 depoursuite
virtuelle 2
Fig. 2.41 Evolution des lois de commande en fonction de temps de poursuite pour le systme
de Rssler
Remarque 1
On remarque que pour la poursuite, il ya un certain dcalage dans lamplitude, donc on
peut envisager une correction linaire par un contrleur PID dont les gains sont optimiss par
la mthode des algorithmes gntiques simul sur matlab dont les valeurs sont P = 0.0748, I =
0.0016, D = 0.1505. Les figures de la poursuite de ltatx1 vers le signal de rfrence yr , la
variation des lois de commande du contrleur PID en fonction du temps sont donnes comme
suivant :
98
tion de temps
Rossler
Fig. 2.42 Evolution des tats pour le systme de Rssler en prsence de PID
des contrleurs P, I, D
Fig. 2.43 Variation des lois de commande en prsence du PID pour le systme de Rssler
Remarque 2
Mais Le dcalage persiste toujours car les amplitudes des lois de commandes virtuelles et
finales sont plus intenses que celles des lois de commandes de sortie du contrleur PID, donc
le problmes rside dans le choix des constantes de conception c11 , c2 , c3 . Pour une poursuite
totale, ces constantes vont tre optimises par la mthode des algorithmes gntiques simules
sur matlab.c11 = 16.5460, c2 = 9.5061, c3 = 1.8087, les figures montrant cette poursuite totale
sont donnes comme suit :
5 Conclusion
99
fonction de temps
temps
Fig. 2.44 variation des tats et les lois de commande avec les ci optimises pour le systme de
Rssler
5 Conclusion
Dans ce chapitre, on a tabli des lois de commandes virtuelles, des lois de commande finales et des fonction de Lyapunov quadratiques dfinies ngatives pour la commande vers un
point dquilibre stable pour les systmes chaotiques autonomes du troisime ordre tels que les
circuits de Chua et de Rosslor et le systme de Lorenz, et vers un cycle limite stable pour les
systmes chaotiques non autonomes du second ordre tels que les oscillateurs de Duffung et de
Vander pool, la poursuite de trajectoire rfrence ou un signal sinusoidale est choisi est aussi
applique sur ces systmes. Une stabilisation uniformment globalement exponentielle est obtenue selon le thorme de Lassale et le thorme de LaSalle et Yoshizawa.
Dans un premier temps on a mis ces systmes sous la forme paramtrique stricte conddition ncessaire pour lapplication de la mthode du backstepping, des lois de commande et commande
en poursuite ont ensuite t dveloppe en adoptant un formalisme bas sur le backstepping.
Les systmes chaotiques non autonomes du second ordre etaient plus simple commander et
le choi des constantes de conception ne posait pas de problme, mais pour les systmes chaotiques autonommes du troisime ordre qui reprsentaient quelques singularits, un algorithme
doptimisation des constantes de conception et mme des gains pour les correcteurs PID taient
indispensables pour lamlioration de la convergence vers le point dquilibre stable et la poursuite globale pour une trajectoire rfrence.
Dans le Backstepping, une chose important est que les non linarits peuvent tre traites
en plusieurs moyens, les non linarits utiles contribuant dans la stabilisation ont t retenues
dans la fonction de Lyapunov, tandis que les non linarits non utiles ont t remplaces par
un contrle linaire ce qui ncessite alors un effort de contrle et mieux encore, des lois de
commande rsultantes optimales garantissant une certaine proprit de robustesse.
100
Chapitre 3
Backstepping Adaptatif pour la
commande des systmes dynamiques
chaotiques
le contrle adaptatif des systmes non linaires, est considr comme une rgion de la recherche passionnante impressionnant de sa rapide prosprit grce au rsultats de stabilit globale et de poursuite pour une grande classe des systmes non linaires de forme de boucle de
retour stricte. Bas sur la thorie de Lyapunov, c.--d., la procdure de conception accomplit
les objectifs dsirs en construisant une fonctions de Lyapunov convenable et rendre sa driv
dfinie ngative [181]- [192].
(3.1)
y = x1
xt0 = x0
(i = 1, , m); n m
yr = xr1
O xr = [xr1 , xr2 ,
(3.2)
Notre objectif est de concevoir un contrleur adaptatif dans la contre raction pour le systme (3.1) qui garantit la stabilit globale, et force la sortie y = x1 (t) du systme suivre
asymptotiquement la sortie yr = xr1 (t) du modle rfrence, c. d. :
ky(t) yr k 0
quand
t .
(3.3)
La procdure de conception est rcursive, durant la iime tape, le iim sous systme est
stabilis sous une fonction de Lyapunov approprie Vi par la mise au point dune fonction
stabilisante i et une fonction de rglage i . La loi de mise jour pour le paramtre estim(t),
et le contrle actuel u nest dtermine quen dernire tape.
Premire tape :
Commenons par le sous-systme x1 .Introduisant la premire variable du " backstepping "
comme lerreur de poursuite 1 = x1 xr1 et et lerreur des paramtres inconnus =
Ou : est la valeur du paramtre adaptatif courent
est la valeur du paramtre adaptatif estim,
est la valeur de lerreur sur paramtre adaptatif.
Et comme deuxime variable, 2 = x2 xr2 1
103
O :1 et 2 sont des variables virtuelles de la procdure et 1 est utilis comme une loi de
contrle pour stabiliser la premire quation du systme qui sera dfini plus tard. Rcrivant le
premier sous systme comme :
1 = x1 xr1 ,
1 = g1 (x2 xr2 ) + f1 + T F1 T F1 fr1 + g1 xr2
Pour une uniformit et une simplification de notation pour toutes les tapes on pose :
F1tp = F1
f1tp = f1 fr1 + g1 xr2 .
1 = g1 2 + g1 1 + f1stp + T F1tp T F1tp
(3.4)
Pour trouver cette loi de contrle nous construisons une fonction Lyapunov partielle de type
quadratique :
V1 (1 ) =
1 2 1 T 1
+
2 1 2
(3.5)
(3.6)
1
(c1 1 f1stp T F1stp )
g1
(3.7)
(3.8)
Pour une stabilit globale, le dernier terme g1 1 2 sera limin dans la prochaine tape.
Lquation en boucle ferme est :
1 = c1 1 + g1 2 + T 1 ( 1 )
(3.9)
1
1
1 T
x1 +
xr1 +
x1
xr1
T
1
1
1
(g1 x2 + f1 + T F1 T F1 ) +
( fr1 ) +
1 F1stp
x1
xr1
T
Et introduisant la troisime variable de la procdure
1 =
3 = x3 xr3 2
Avec 2 est utilis comme une loi de contrle pour stabiliser la seconde quation du systme
1
1
1 T
2 = g2 (3 +2 )+ f2 + T F2 T F2 fr2 +g2 xr3 (
(g1 x2 + f1 + T F1 T F1 )+
( fr1 )+
)
x1
xr1
T
Pour une uniformit et une simplification de notation pour toutes les tapes on pose :
F2tp = F2
1
x1
F1
1
x1
(g1 x2 + f1 )
1
xr1
( fr1 )
1
T
1 F1stp
Donc :
1 = g2 3 + g2 2 + f2tp + T F2tp T F2stp
(3.10)
Pour trouver cette loi de contrle nous construisons une fonction Lyapunov partielle de type
quadratique :
V2 (1 , 2 ) = V1 +
1 2 1 T 1
+
2 2 2
(3.11)
(3.12)
2 =
1
(c2 2 g1 1 f2tp T F2tp )
g2
(3.13)
105
(3.14)
Pour une stabilit globale, le dernier terme g2 2 3 sera limin dans la prochaine tape.
Lquation en boucle ferme est :
2 = c2 2 + g2 3 + T 1 ( 2 )
(3.15)
La iimeEtape, , (i = 3, , n 1)
Aprs quelques manipulations algbriques la iime variable de la procdure
i = xi xri i1
Sa drive dans le temps est :
i = gi i+1 + fistp + T Fistp
Avec :
Pi
1 xi1
Fk
k
P
Pi
Pi
i1
i1
1
fitp = fi fri + gi xr(i+1) ik=1 1 xi1
(g
x
+
f
)
(
f
)
k
k+1
k
rk
k=1
k=1 1 T k F kstep
x
k
rk
La fonction stabilisante i et la loi de mise jour sont conu maintenant pour rendre la fonction
Fitp = Fi
k=1
de Lyapunov Vi suivante :
Vi = Vi1 +
1 2 T 1
+
2 i
(3.16)
(3.17)
Ngative dfinie.
Pour le paramtre inconnu , nous employons un nouveau paramtre estimer dans lexpression de i comme :
1
(ci i gi1 i1 fistp T Fistp )
(3.18)
gi
En substituant i dansVi et i on trouve :
P
2
T 1
Vi = i1
k=1 (ck k ) + gi i i+1 + fitp + (ith i F itp )
le terme de lerreur sur le paramtre estimer T peut tre limin par la loi de mise jour :
= F ), Pour une stabilit globale, le dernier terme g sera limin dans la proi =
ith
istp
chaine tape.
i i i+1
n1
xrk
( frk )
Pn1
n1
k=1 T
(3.19)
k Fkstp
La loi de contrle u est conu pour rendre la driv de la fonction Lyapunov globale dfinie
ngative :
1 2 T 1
+
2 n
P
2
T
T 1
Vn = n1
k=1 ck k + n (gn1 n1 + gn u + fntp + F ntp ) + nth
Vn = Vn1 +
(3.20)
1
(cn n gn1 n1 fntp T Fntp )
gn
(3.21)
Vn =
n
X
(3.22)
(3.23)
k=1
Le terme de lerreur dans Vn sera limin par loi de mise jour finale :
nth = n Fnstp Ce qui conduit :
n
X
Vn = (ck k2 )
(3.24)
k=1
(3.25)
(3.26)
n = cn n gn1 n1 + T Fnstp
(3.27)
i = xi xri i1 ;
(i = 1, , n); 0 = 0
(3.28)
(3.29)
107
Thorme 1.1 Le systme adaptatif de boucle ferm (3.1, le modle de la rfrence (3.2, le
contrleur (3.21 et la loi de mise jour des paramtres (3.22 a un point quilibre globalement
uniformment stable au = [1 , 2 ; 3 , , n ]T = 0.
Preuve
Les quations de lerreur (3.25 correspondant au systme adaptatif en boucle ferm pour le
modle du systme (3.1, le modle de la rfrence (3.2, le contrleur (3.21 et la loi de mise
jour du paramtre ((3.22. Le driv de la fonction de Lyapunov le long des quations de lerreur
prouvent que zeq = 0 est globalement uniformment stable.
Remarque
Les systmes en boucle de retour stricte sont seulement des cas ou les paramtres sont incertaines. Les non linarits du systme sont assumes dtre connues et dune dpendance linaire
de ces paramtres inconnus. Pour le cas dune dpendance non linaire prsentes dans le systme, le contrle adaptatif robuste peut garantir la robustesse en ce qui concerne les incertitudes
bornes. Mais en gnral ils ne peuvent pas accomplir la convergence de lerreur de la poursuite
sans un gain haut [81]- [84].
x1 = x2
x2 = 1 x2 2 x1 3 x3 + 4 cos (t) + u
(3.30)
1 = 2 c1 1
1 = 1
2 = 2
3 = 3
=
4
= 2 x2
= 2 x1
(3.32)
= 2 x13
= 2 cos (t)
1 = c1 1
u = c2 2 1 + T 2 T 1 + T x1 + T x3 T cos (t) c1 (2 c1 1 )
1
(3.31)
3 1
(3.33)
1 = 1 (2 1 (1 + c11 ))
2 = 1 (2 1 (1 + c11 )) + 2 (1 + c11 (2 1 (1 + c11 )))
3 = 1 (2 1 (1 + c11 )) + 2 (x1 + c11 (2 1 (1 + c11 ))) 3 x3
T
4 = 4 = 2 cos (t)
(3.34)
V 1 = c1 1 + 1 2
V 2 = c1 2 c2 2 + T 1 1 1 + T 1 2 2 + T 1 3 3 + T 1 4 4
4
3
2
1
2
1
(3.35)
Les figures suivantes illustrent la convergence des tats vers le point dquilibre xeq = 0 et les
paramtres i vers leurs valeures stimes.
109
Fig. 3.1 Convergence des tats x1 , x2 vers le point dquilire xeq = 0 pour loscillateur de
Duffing.
Fig. 3.2 Variation des paramtres stimes dans le temps pour systme de loscillateur de
Duffing
(3.36)
Puisque le systme original est dcrit par 2 tats seulement, lentre de commande u apparat
dans la deuxime tape,
u = c2 2 z1 + 1T 2 1T 1 + 2T x1 + 3T x13 4T cos (t) c1 (2 c1 1 ) y r
(3.37)
Les figures suivantes illustrent la convergence des tats vers le signal de rfrence yr = sin(t) et
les paramtres i vers leurs valeures stimes.
Fig. 3.4 Convergence des tats x1 x2 vers le signal de rfrence yr = sin(t) pour loscillateur
de Duffing.
111
Fig. 3.5 Variation des paramtres stims dans le temps pour loscillateur de Duffing.
2.2
Le systme de loscillateur de Bonhoeffer Van der pol est la gnralisation de van der Pol
oscillateur et, est dcrit par :
1 3
x1 = x1 3 x1 x2 + p1 + p2 cos (wt)
x2 = p3 (x1 + p4 p5 x2 ) + u
(3.38)
1 3
x1 = x1 3 x1 x2 + 1 + 2 cos (wt)
x2 = 3 x1 + 4 5 x2 + u
(3.39)
T = z
2 = z1 cos (wt)
V 1 = c1 12 1 2
= c T T cos (wt)
1
1 1
(3.40)
Maintenant, on passe au sous systme 2. Le choix de la loi de contrle finale est donn de telle
sorte avoir V 2 ngative dfinie :
Et les lois de mise jour suivantes :
3 = 2 = 2 x1
T
4 = 3 = 2
T
5 = 4 = 2 x2
2 = c2 2 + 1 3T x1 4T + 5T x2
V 2 = c1 2 c2 2
1
(3.41)
Les figures suivantes illustrent la convergences des tats vers le point dquilibre xeq = 0 et les
paramtres i vers leurs valeures stimes.
Fig. 3.7 Convergence des tats x1 , x2 vers le point dquilire xeq = 0 pour loscillateur Bonhoeffer Van der pol.
113
Fig. 3.8 Variation des paramtres stimes dans le temps pour loscillateur Bonhoeffer Van
der pol.
Fig. 3.9 Variation de loi de commande adaptative pour loscillateur Bonhoeffer Van der pol.
Commande adaptative en poursuite pour le circuit loscillateur de Van der pool.
En appliquant la procdure pour le premier sous systme 2.72 avec et sachant 2.72 nous
retrouvons la fonction stabilisante les lois de mise jour pour la premire tapes comme :
(3.42)
V 1 = c1 z21 z1 z2
La loi de poursuite et les lois de mise jour pour le second sous sytme de la duxime tape sont :
T
T
u = c2 z2 +z1 3T x1 4T +5T x2 + c1 z1 z2 1T c1 + 1 x12 + 1 + 2 cos (wt) 2T w sin (wt) + y r
(3.43)
Fig. 3.10 Variation de la fonction stabilisante virtuelle pour loscillateur Bonhoeffer Van der
pol.
Et :
V 1 = c1 z21 z1 z2
V 2 = c1 z21 c2 z22
(3.44)
1 = z1
T
2 = z1 cos (wt)
T
3 = 2 = z2 x1
T
4 = 3 = z2
T
= = z x
5
(3.45)
2 2
T
T
T
z2 = c2 z2 + z1 3 x1 4 + 5 x2
z1 = c1 z1 z2 T T cos (wt)
1
2
(3.46)
x1 = 1 (x1 x2 )
x2 = x1 x3 + 2 x1 x2
x3 = x1 x3 3 x3 + u
y = x1
=
Ou : est la valeur du paramtre adaptatif courent
(3.47)
115
1 = x1
2 = x2 1
3 = x3 2
(3.48)
1 = 1T 2 c1 1 1T (2 1 (1 + c11 ))
(3.49)
2 = x1 3 x1 1T 2 1 c11 1T 1T c11 (2 1 (1 + c11 )) 2T x1
= c + x + T x = c + x T w
3
3 3
2 1
3 3
3 3
2 1
Les fonctions stabilisantes des sous systmes et la loi de commande finale sont :
1 = c11 1
2
1
2
1
11
2
1
1 T
u = c3 3 + 2 x1 x1 x2 + T x3 1 c2 1 2
3
(3.50)
11
1 = 1 (2 1 (1 + c11 )) = 1 w1
= 2 + 3 x3
Les fonctions de Lyapunov des trois sous systmes sont :
V 1 = c1 12 + 1T 1 2
V2 = c1 12 c2 22 2 3 x1
V 3 = c1 2 c2 2 c3 2
1
(3.51)
(3.52)
Les figures suivantes illustrent la convergence des tats vers le point dquilibre xeq = 0 et
les paramtres i vers leurs paramtres stimes i pour le systme de Lorenz.
Fig. 3.11 Convergence des tats x1 x2 , x3 vers le point dquilire xeq = 0 pour systme de
Lorenz
Pour Pour voir lfficacit de la mthode du Backstepping faisant une comparaison du temps
de convergence et le niveau de la commande avec une autre mthode et comme exemple utilis
un contrleur en contre raction PId dont les gains sont optimiss par les algorithmes gntiques.
Contrleur PID bas sur les Algorithmes Gntiques.
[202] Le contrle des systmes non linaire est difficile dans labsence dune procdure
systmatique comme celle disponible pour les systmes linaires. Beaucoup de techniques sont
limites dans leur application pour des classes spciales des systmes. Encore, les mthodes
disponibles sont plus communment heuristiques dans leur nature, la technique des algorithmes
Gntique peut rduire dans une grande mesure la conception arbitraire dun contrleur. Les
contrleurs mieux connus utiliss dans les processus du contrle industriels sont des PID (proportionnel, intgrateur et ou driv de lerreur), grce leur structure simple et leur performance
robuste dans une grande gamme des conditions oprationnelles.
Dans les dcennies passes, la thorie du contrle a travers des dveloppements majeurs,et
des algorithmes du contrle intelligents ont t dvelopps. Cependant, le type de contrleur
PID reste le plus populaire dans lindustrie, les tudes indiquent mme quapproximativement
90 pourcent de tous les contrleurs industriels sont du Type PID. Les raisons pour cela sont la
simplicit de la loi de contrle et le nombre minimal de paramtres de rglage. Des centaines
doutils, de mthodes et de thories sont disponibles pour ce but. Cependant, trouver des paramtres appropris pour le contrleur PID est encore une tche difficile, donc dans le contrle
117
Fig. 3.12 Variation des paramtres stimes dans le temps pour le systme de Lorenz
rel souvent les erreurs sont utilise pour le rglage du processus.
Le contrle PID consiste en trois types de contrle, le contrle proportionnel, lintgrateur
et la drive de lerreur entre la sortie courante et une rfrence. Lalgorithme du contrleur
PID peut tre rendu effectif dans beaucoup de formes, mais il est utilis principalement dans la
boucle de la contre raction.
On donne au-dessous un diagramme simple qui illustre le schma du contrleur PID.
Z t
e(t)
u(t) = k p e(t) + kI
e() d kD
t
0
(3.53)
Avec KP, KI, KD sont des les gains respectivement pour les controleurs proportionnel, lintgrateur et drivateur.
La sortie du contrleur proportionnel utilise une proportion de lerreur du systme pour
contrler le systme. Cependant, cela introduit une compensation statique de l erreur dans le
systme.
La sortie du contrleur intgrateur est proportionnelle a la sommation croissante dans le temps
des erreurs prsentes dans le systme. Laction intgrante enlve la compensation introduite par
le Contrleur proportionnel mais introduit un dcalage de phase dans le systme.
La sortie du contrleur drivateur est proportionnelle au taux de changement de lerreur. Le
contrleur drivateur est utilis pour rduire ou liminer le dpassement et introduit une action
principale angulaire qui enlve le dcalage de phase introduit par laction intgrante.
La conception dune fonction dobjective est la partie la plus difficile pour crer un algorithme gntique. Une fonction dobjective pourrait tre cre pour trouver un contrleur qui
donne le plus petit dcalage, un temps de monte le plus rapide ou temps du chute le plus rapide
119
Une valeur de laptitude totale daprs la magnitude de lerreur est assigne au chromosome, le
plus petit lerreur le plus grand la valeur de laptitude.
Les paramtres de lalgorithme gntiques sont
Variable borne entre [-100,100]. Chaque membre de la population est initialis avec
randomly des valeurs slectionn entre -100 et 100.
La taille de la population 80.
Nombre maximalede gnrations = 100.
Fonction de la slection de type stochastique uniforme.
Taux de croisement = 0.8,
Fonction de la mutation estla Gaussian.
Critres darret est le critre de performance de lerreur
Pour valuer les valeurs du controleur PID choisi par lAlgorithme Gntique, une fonction
dobjective est crite bas sur la somme du critre de la performance de lerreur lerreur absolue,
pratiquement ce genre de critre de performance de lerreur est bon pour la simulation.
les valeurs PID du gain du contrleur : KP = 0.9501KI = 0.0579KD = 0.8381 ce qui donne
comme trajectoire pour le systme de Lorenz. Bien quon a une convergence des tats mais
Fig. 3.15 Variation des tats dans le temps avec un PID pour le systme de Lorenz
cette mthode prsente quelques incovinients.
1. Grand space mmoire pour le codage des chaines.
2. Temps de convergence trs long.
3. Optimisation locale.
Donc, dun point de vue pratique, il est souvent dsir de convertir et de contrler convenablement la dynamique du systme avec un effort minime afin que toutes les fois que le mouvement
chaotique est physiquement nuisible qui peut tre conduit vers un etat stable ou un etatdsir.
Fig. 3.16 Variation des lois de contrle par le PID dans le temps pour le systme de Lorenz
Command adaptative en poursuite dun signal rfrence pour le systme de Lorenz
On suivant les mme tapes de la procdure adaptative du Backstepping, et on utilisant un
signal rfrence yr = sin(wr t),et on dmarant par les variables virtuelles
1 = x1
2 = x2 1 yr
3 = x3 2
On trouve les lois de commandes virtuelles et finales suivantes :
1 = c11 1 + x1 yr
c
1
11
11 1
2
2
1
x1
T
T
u = c3 3 + 2 x1 x1 x2 + T x3 1 c2 + y r + y r
1
2
3
11
Fig. 3.17 Convergence adaptative des tats (x1 x2 , x3 ) pour le systme de Lorenz
(3.54)
(3.55)
121
Fig. 3.18 Variation des paramtres stimes dans le temps pour la poursuite pour le systme
de Lorenz
U dans le temps
Fig. 3.19 Convergence des commandes virtuelles et finale pour la poursuite adaptative pour le
systme de Lorenz
Remarque
On remarque que pour la poursuite adaptative dun signal rfrence pour le systme de
Lorenz nest pas totale, on a un dcalage de la sortie x1 , on signale aussi que meme la prsence
dun PID ou optimisation des constantes de conception par lalgoritme gntique ne donnent
quun rsultat locale, c.a.d une convergence des tats vers le point dquilibre stable xeq = 0 une
autre mthode est conseille.
x1 = xL2
x2 = c12 [G (x3 x2 ) x1 ]
i
h
(3.56)
En posant :
1 + Gb
1
1
1
G
G
(Ga Gb ) = 3
= 2 ,
= 1 , = 2 , = 1 ,
L
c2
c1
c1
2c1
Le systme prcdent deviendra :
x1 = xL2 = 1 x2
x = 1 hG (x x ) G x + 1 (G G ) (|x + 1| |x 1|)i + u
3
2
3
b
3
3
c1
Gb b 3 2 a
1+ G
(Ga Gb )
1
(3.57)
x1 = 1 x2
x2 = 2 (x3 x2 ) x1
(3.58)
1 (x1 ) = c11 1
2 =
2
= G1 1 + G2 2
(1 +2 c11 c11 c1 )
G1 =
2
(3.60)
G2 = (c2 2 +c11 1 )
2
1 = 1 2 c1 1
2 = 2 3 c2 2
(3.61)
123
V 1 = c1 12 1 2
V 2 = c2 22 c1 12 + 2 2 3
T
T
T
2
2
2
T 1
T 1
T 1
V3 = c1 1 c2 2 c3 3 + 1 1 1 + 2 2 2 + 3 3 3
(3.62)
Les figures suivantes illustrent la convergences des tats vers le point dquilibre xeq = 0 et les
paramtres i vers leurs valeures stimes.
Fig. 3.20 Convergence des tats x1 x2 , x3 vers le point dquilire xeq = 0 pour circuit chaotique
de Chua.
Fig. 3.21 Variation des paramtres stimes dans le temps pour circuit chaotique de Chua.
Fig. 3.22 Variation de loi de commande adaptative pour le circuit chaotique de Chua.
Commande adaptative en Poursuite pour le circuit chaotique de Chua
Les lois de stabilisation et de contrle adaptatives.
1 (x1 ) = c11 1 + yr
+ yr
2 =
2
= G1 1 + G2 2
G1 =
G2 =
(1 +2 c11 c11 c1 )
2
(c2 2 +c11 1 )
2
1 = 1 2 c1 1
2 = 2 3 c2 2
3 = c3 3 2 2 1 x2 + 2 x3 + 3 (|x3 + 1| |x3 1|)
V 1 = c1 12 1 2
V 2 = c2 22 c1 12 + 2 2 3
T
T
T
V 3 = c1 12 c2 22 c3 32 + 1T 1 1 1 + 2T 1 2 2 + 3T 1 3 3
Les figures suivantes ullistrent la convergences des tats vers le signal rfrence yr = 2 sin(t)
et les paramtres i vers leurs paramtres stimes.
3 Conclusion
125
3 Conclusion
Dans ce chapitre, on a tabli des lois de commandes adaptatives virtuelles, des lois de commande adaptatives finales et des fonction de Lyapunov quadratiques dfinies ngatives, des
rgles de mise a jour pour les paramtres a stimer pour la commande pour les systmes chaotiques autonomes du troisime ordre tels que les circuits de Chua et le systme de Lorenz, pour
les systmes chaotiques non autonomes du second ordre tels que les oscillateurs de Duffung et
de Vander pool vers un point dquilibre stable ou vers un cycle limite stable, la poursuite de
trajectoire rfrence ou un signal sinusoidale est choisi est aussi applique sur ces systmes.
Une stabilisation uniformment globalement exponentielle est obtenue selon le thorme de
Lassale et le thorme de LaSalle et Yoshizawa.
Une comparaison pour la commande adaptative utilisant un PID dont les gains sont optimiss par les algorthmes gntiques est aussi traite, mais on remarque que le temps de convergence et trs long par rapport a la mthode de Backstepping.
Chapitre 4
Backstepping et Backstepping Adaptatif
pour la Synchronisation Chaotique
1 Introduction
La synchronisation des systmes dynamiques au comportement complexe tels que les oscillateurs et les systmes chaotiques a suscit un intrt croissant de par lexistence de nombreux
champs dapplications ou dinvestigations potentiels (exemples en tlcommunication, neurosciences, informatique, ...) [205]- [228].
Les radiocommunications constituent actuellement un domaine en plein essor, depuis quelques
annes, de nombreux chercheurs tudient la possibilit dutiliser des signaux chaotiques pour
transmettre des donnes. Dans les systmes de communication, la synchronisation est fondamentale pour une transmission russie.
Depuis au moins vingt ans la synchronisation des systmes chaotiques fait lobjet de nombreux travaux de recherche. Une des applications de cette synchronisation est la transmission
scurise des donnes (analogiques o numriques). De nombreux schmas de transmission ont
t proposs par le pass : mthode par additions, par inclusion, par commutation, mais toutes
souffrent de dfaut de robustesse. En effet la mthode par addition est sensible une attaque
en frquence et les autres mthodes une attaque texte claire connue. Pour remdier cet
inconvnient majeur,de nombreuses tudes ont t ralises concernant plusieurs systmes de
transmission, ces tudes ont montr que le chaos apparaissait comme une solution prometteuse
pour augmenter la performance des systmes de transmission actuels.
Lemploi du chaos dans les systmes de communication peut permettre de renforcer la scurit
de transmission de linformation et de rduire la probabilit dinterception.
Dans les systmes de communication, la synchronisation est une cl trs importante pour
une transmission russie. La synchronisation classique employe dans les systmes de tl-
128
utiliser la mthode de Backstepping et backstepping adaptatif pour dvelopper des lois de synchronisation pour des systmes chaotiques qui sont des repres pour la validation des concepts
et des approches tels quils sont utiliss aux chapitres prcdents.
129
x1 = 10 (x1 y1 )
y1 = (x1 y1 ) z1 (9 + x1 )
z1 = 9 (x1 + y1 ) 3 z1 + x1 y1
(4.1)
Et considrons un deuxime circuit chaotique de Lorenz avec les mmes paramtres de contrle,
sous dautres conditions initiales comme systme esclave (rcepteur).
x2 = 10 (x2 y2 )
y2 = (x2 y2 ) z2 (9 + x2 )
z2 = 9 (x2 + y2 ) 3 z2 + x2 y2 + U
(4.2)
O U est une fonction de contrle dterminer ultrieurement. Dfinissons les tats erreurs
pour chaque variable dtat :
e x = x2 x1
ey = y2 y1
ez = z2 z1
(4.3)
ex = 10 e x + 10 ey
ey = e x ey 9 ez x2 ez z1 e x
ez = 9 e x + 9 ey 3 ez + y2 e x + x1 ey + U
(4.4)
En cas dabsence de tout contrle U, le systme prcdent admet un point dquilibre (0, 0, 0) et
si U est choisie de telle sorte que le point dquilibre (0, 0, 0) reste inchang alors le problme de
synchronisation de la rponse du systme maitre sera rduit ltude de la stabilit asymptotique
du systme prcdent (4.4).
Mais le but de la synchronisation est de trouver une loi de commande totale U telle que le
systme (4.4) est stabilis lorigine, c.a.d le but de la commande du systme non linaire (4.4)
est davoir :
lim e(t) = 0
130
Lobjectif alors de la conception est de rendre le point dquilibre globalement asymptotiquement (GAS), puisque le systme est constitu de trois tats o de 3 quations diffrentielles non
linaires, alors il y aura une mthode de conception rcursive 3 tapes. On traite le systme
comme 3 sous systmes en cascade chacun avec une seule entre et une seule sortie. On commence la conception avec le sous systme 1 de la premire quation diffrentielle non linaire et
on continue jusquau dernier sous systme. Durant le processus de conception un changement
de coordonnes wi = (x, y, z) comme variable virtuelle est effectu.
Premire tape :
Considrons la stabilit du premier sous systme suivant :
e x = 10 e x + 10 ey
(4.5)
Pour le sous systme 1, on choisit ltat ey comme une entre virtuelle ou fictive de commande
au sous systme 1, rappelons que lobjectif de la commande est de conduire(e x , ey , ez ) = (0, 0, 0)
c.a.d (x2 , y2 , z2 ) = (x1 , y1 , z1 ).
Dfinissons la premire variable virtuelle du " backstepping " w1 et la commande virtuelle 1
comme :
w1 = e x
w2 = ey 1
(4.6)
O 1 est la fonction linarisante du sous systme 1, w2 est une nouvelle variable, cette dernire
ne sera pas utilise dans la premire tape, mais sa prsence est ncessaire puisquon a besoin
de w2 pour lier le nouveau sous systme 1 en w1 au prochain sous systme ou sous systme en
w2 qui sera considr dans la seconde tape. Do, le sous systme 1 devient :
w 1 = ex = 10 w1 + 10 w2 + 10 1
(4.7)
Pour trouver la fonction stabilisante 1 , choisissons une fonction de Lyapunov approprie pour
le sous systme (4.7)comme :
1
V1 (w1 ) = w21
2
(4.8)
V 1 (w1 ) = w1 w1 = 10 w21 + 10 w1 w2 + 10 w1 1
(4.9)
pour rendre V 1 (w1 ) ngative dfinie, on choisi la fonction stabilisante 1 = 0,le second terme
dans V 1 (w1 ) sera limin dans la prochaine tape. Alors lquation du premier sous systme
devient :
w 1 = 10 w2 10 w1
Les coordonnes de conception ont changes de (e x , ey ) vers (w1 , w2 ).
(4.10)
131
Seconde tape :
Considrons la stabilit du deuxime sous systme, ses dynamiques sont calculs en prenant :
e y = e x (1 z1 ) ey ez (9 + x2 )
(4.11)
(4.12)
(4.13)
2 est la fonction stabilisante pour le deuxime sous systme et w3 est une nouvelle variable
dtat.
w 2 = w1 (1 z1 ) w2 w3 (9 + x2 ) 2 (9 + x2 )
(4.14)
(4.15)
(4.16)
pour rendre V 2 (w1 , w2 ) ngative dfinie, on choisi la loi de commande virtuelle 2 comme :
2 =
(11 z1 ) w1
(9 + x2 )
(4.17)
(4.18)
Le troisime terme dans V 2 (w1 , w2 ) sera limin dans la prochaine tape. Alors lquation du
second sous systme devient :
w2 = 10 w1 w2 w3 (9 + x2 )
(4.19)
Troisime tape :
Sachant lquation (4.13), lquation du troisime sous systme devient :
w 3 = ez 2
(4.20)
132
Avec :
e z = w1 (9 + y2 ) + w2 (9 + x1 ) 3 w3 3 2 + U
(4.21)
Et :
2 =
110 w2 (9 + x2 ) 110 w1 (9 + y2 )
(9 + x2 )2
(4.22)
Donc :
w 3 = w1 (9 + y2 ) + w2 (9 + x1 ) 3 w3 3 2 + U
110 w2 (9 + x2 ) 110 w1 (9 + y2 )
(9 + x2 )2
(4.23)
(4.24)
11 w1
110 w2 (9 + x2 ) 110 w1 (9 + y2 )
+
(4.26)
(9 + x2 )
(9 + x2 )2
ex = w1 = 10 w2 10 w1
ey = w2 = 10 w1 w2 w3 (9 + x2 )
ez = 3 w3 + w2 (9 + x2 )
(4.27)
(4.28)
Daprs le thorme de LaSalle, V3 est une fonction continument diffrentiable ayant la proprit positive dfinie, sa drive dans le temps est ngative dfinie, grce lexistance de U,
alors le point dquilibre (e x , ey , ez ) = (0, 0, 0) est asymptotiquement globalement stable.
133
10
Erreur d tat ex
-2
-4
0.2
0.4
0.6
0.8
1
1.2
temps(seconde)
1.4
1.6
1.8
2
4
x 10
temps
temps
temps
134
2
0
-2
-4
-6
-8
-10
0.2
0.4
0.6
0.8
1
1.2
temps(seconde)
1.4
1.6
1.8
2
4
x 10
dans le temps
U dans le temps
Fig. 4.3 Variation des lois de commande de synchronisation pour le Systme de Lorenz
Avec les conditions initiales suivantes
(x10 , y10 , z10 )=(1, 1, 1), (x20 , y20 , z20 )=(100, 100, 100).
Fig. 4.4 Variation des tats dans le temps pour le systme de Lorenz
135
Fig. 4.5 Variation des tats erreurs dans le temps pour le systme de Lorenz
Fig. 4.6 Variation des lois de commande de synchronisation dans le temps pour le systme de
Lorenz
Avec les conditions initiales suivantes
(x10 , y10 , z10 )=(1, 1, 1), (x20 , y20 , z20 )=(5, 5, 5).
Dans ce qui suit , nous donnons pour ces mme conditions une autre mthode pour faire une
comparaison avec la procdure du Backstepping nous utilisons la mthode de contrl actif.
Mthode du Backstepping
136
x1
x2
y1
y2
z1
z2
6
4
3
4
2
2
2
1
0
0
-1
-2
-2
-2
-4
-4
-3
-4
0
0.5
1.5
2.5
3.5
4.5
-6
-6
0
0.5
1.5
2.5
3.5
4.5
0.5
1.5
2.5
3.5
4.5
Fig. 4.7 Synchronisation des tats via le Backstepping pour le systme de Lorenz
4
Erreur d tat ey
Erreur d tat ex
-1
Erreur d tat ez
0
-1
1
0
-2
-1
-2
-3
-2
-3
-4
500
1000
1500
3500
4000
4500
5000
500
1000
1500
3500
4000
4500
5000
-3
500
1000
1500
3500
4000
4500
5000
Fig. 4.8 Variation des tats erreurs via Backstepping pour le systme de Lorenz
Mthode du contrle actif Soit le sytme esclave :
x2 = 10 (x2 y2 ) + u1
y2 = (x2 y2 ) z2 (9 + x2 ) + u2
z2 = 9 (x2 + y2 ) 3 z2 + x2 y2 + u3
(4.29)
Ouui , i = 1 . . . 3 sont les fonctions du control actifs qui seront dtermines ultrirement.Dfinissons
les tats erreurs pour chaque variable dtat :
e x = x2 x1
ey = y2 y1
e z = z2 z1
(4.30)
Et suivons les tapes de la procdure du contrle actif, par soustraction des quations du systmes(4.1)
de ceux des quations du systmes(4.30) on utilisant la dfinition du systme (4.29), on obtient
les dynamiques du systme erreur suivant.
ex = 10 e x + 10 ey + u1
ey = e x ey 9 ez z2 x2 + z1 x1 + u2
ez = 9 e x + 9 ey 3 ez + x2 y2 x1 y1 + u3
(4.31)
30
20
10
0
Loi de commnde U
137
-2
-4
-10
-20
-6
-8
-30
500
1000
1500
3500
4000
4500
5000
-40
1000
2000
3000
4000
temps(seconde)
5000
6000
finale U
Fig. 4.9 Variation des lois de commande de synchronisation via Backstepping pour le systme
de Lorenz
Redfinissons les fonctions de contrle actifs comme :
u1 = v1
u 2 = v 2 + z2 x 2 z1 x 1
u3 = v3 x2 y2 + x1 y1
(4.32)
ex = 10 e x + 10 ey + v1
ey = e x ey 9 ez + v2
ez = 9 e x + 9 ey 3 ez + v3
h
ex
ey
ez
iT
h
= B ex
ey
(4.33)
ez
iT
(4.34)
Dans la mthode du control actif, on choisit une matrice constanteA qui controle les dynamiques
de lerreur () telle que
[v1
v2
h
v 3 ]T = A e x
ey
ez
iT
(4.35)
Plusieurs choix de la matrice A pouront satisfaire les dynamiques de lerreur, mais on pourrai utiliser la matrice A qui satisfait le critre de Routh-Hurwitz pour la stabilite du modle
derreur autour de zro.
Les valeurs propres calcules pour det(B I), avec = Le jacobian.
10 10 0
B = 9
9 3
0
0
Avec : 1 = 10, 2 = 3, 3 = 11. Le choix de A alors sera comme suit :
10 + 10
A = 1
1+
9
9
9
3
(4.36)
(4.37)
138
u1 = v1 = (10 + ) e x 10 ey
u2 = e x + (1 + ) ey + 9 ez + z2 x2 z1 x1
u3 = 9 e x 9 ey + (3 + ) ez x2 y2 + x1 y1
(4.38)
Fig. 4.10 Synchronisation des tats via le contrle actif pour le systme de Lorenz
derreurs e x , ey , ez
contrle actifs U
Fig. 4.11 Variation des tats via le contrle actif pour le systme de lorenz
139
Fig. 4.13 Variation des erreurs pour le systme de Lorenz via le Backstepping en forme de
navire
140
i dans le temps
variation
(a) Synchronisation des tats x2 , x1
de lerreur
Fig. 4.14 Synchronisation des tats des systme 2 et 1 via Backstepping en forme danneau
Fig. 4.15 Synchronisation des tats des systme 3 et 2 via Backstepping en forme danneau
141
Fig. 4.16 Synchronisation des tats des systmes 4 et 3 via Backstepping en forme danneau
Fig. 4.17 Synchronisation des tats des systmes 5 et 4 via Backstepping en forme danneau
x1 = p1 y1
(4.39)
y 1 = p2 ((z1 y1 ) + p3 x1 )
(G
,
c2
p3 =
1
,p
c2 41
G
,
c1
p42 =
Gb
c1
; p43 =
(Ga Gb )
,
c1
On considre un deuxime circuit chaotique de Chua sous dautres conditions initiales comme
un systme esclave.
x2 = p1 y2
y 2 = p2 ((z2 y2 ) + p3 x2 )
(4.40)
142
Fig. 4.18 Synchronisation des tats des systmes 1 et 5 via Backstepping en forme danneau
variation des tats x dans le temps
10
15
x1
x2
x3
x4
x5
8
6
4
20
y1
y2
y3
y4
y5
10
z1
z2
z3
z4
z5
-20
-40
-5
-60
-10
-80
2
0
-2
-4
-6
-8
-10
10
15
-15
10
15
-100
10
15
temps
temps
temps
Fig. 4.19 Synchronisation des tats des systmes via Backstepping en forme danneau
U est une fonction de contrle dterminer ultrieurement.
Dfinissons les tats erreurs pour chaque variable dtat :
e x = x2 x1
ey = y2 y1
e z = z2 z1
(4.41)
On drivant dans le temps les tats erreurs (4.41) puis on substituant (4.40) et (4.39), on obtient :
e x = p1 ey
e y = p2 ez p2 ey + p3 e x
(4.42)
Avec :
f (z1 , z2 ) = p43 (k(z2 + 1)k k(z2 1)k) + p43 (k(z1 + 1)k k(z1 1)k)
(4.43)
10
100
10
ex1
ex2
ex3
ex4
ex5
8
6
143
ey1
ey2
ey3
ey4
ey5
8
6
ez1
ez2
ez3
ez4
ez5
80
60
40
20
4
2
0
-2
-20
-4
-40
0
-2
-4
-6
-60
-6
5000
10000
15000
-8
5000
10000
15000
-80
5000
10000
15000
temps
temps
temps
Fig. 4.20 Variation des tats erreurs pour la synchronisation pour le systme de Lorenz en
forme danneau
variation des lois stabilisantes alpha dans le temps
10
1000
Alpha21
Alpha22
Alpha23
Alpha24
Alpha25
0
-10
U1
U2
U3
U4
U5
500
-20
0
-30
-40
-500
-50
-60
-1000
-70
-80
5000
10000
15000
-1500
10
15
i dans le temps
Fig. 4.21 Variation des lois de commande synchronisation pour le systme de Lorenz en forme
danneau
Premire tape
Dans la premire tape, nous dterminons une loi de commande virtuelle qui permet de stabiliser le premier sous systme. Dou, le sous systme 1 devient :
w1 = ex = p1 ey = p1 w2 p1 1
(4.44)
Pour trouver la fonction stabilisante 1 , choisissons une fonction de Lyapunov approprie pour
le premier sous systme comme :
1
V1 (w1 ) = w21
2
(4.45)
V1 (w1 ) = w1 w1 = w1 (p1 w2 p1 1 )
(4.46)
(4.47)
144
le second terme dans V1 (w1 ) sera limin dans la prochaine tape.Alors lquation du premier
sous systme devient :
w1 = p1 w1 p1 w2
(4.48)
Seconde tape :
Considrons la stabilit du deuxime sous systme, ses dynamiques sont calculs en prenant :
w2 = ey 1 = p2 ez p2 ey + p3 e x + p1 ey
(4.49)
w2 = p2 w3 + p2 2 p2 w2 p2 1 + p3 e x + p1 ey
(4.50)
Soit :
(4.51)
V2 (w1 , w2 ) = V1 (w1 ) + w2 w2
(4.52)
1
(p1 w1 + p2 1 p3 e x p1 ey )
p2
(4.54)
Dou
V2 (w1 , w2 ) = p1 w21 p2 w22 + p2 w2 w3
(4.55)
(4.56)
Troisime tape :
Sachant que : Lquation du troisime sous systme devient :
w3 = p41 ey (p41 + p42 )ez + U + f (z1 , z2 )) 2
(4.57)
145
(4.58)
(4.60)
(4.61)
Alors :
w1 = p1 w1 p1 w2
w2 = p2 w3 p2 w2 + p1 w1
(4.62)
(4.63)
Afin dillustrer notre loi de synchronisation pour le circuit de Chua via Backstepping, nous
testons notre loi de commande avec p1 = 7, p2 = 0.7000, p3 = 1,p41 = 6.3, p42 = 4.5 ;
p43 = 1.35, et des conditions initiales pour chaque systme comme (x1 , y1 , z1 )=(-3.725, 1.325, -0.05), (x2 , y2 , z2 )=(1, 1, 1).
146
15
4
x1
x2
y1
y2
3
variation des tats dans le temps
10
-5
-1
-2
-10
0.5
1.5
2
2.5
3
temps(seconde)
3.5
4.5
-3
0.5
1.5
2
2.5
3
temps(seconde)
3.5
4.5
Fig. 4.22 Synchronisation des tats pour le circuit de Chua via Backstepping
4
2
0
0
-2
-4
-6
-5
-8
ex
ey
ez
-10
-12
0.5
1.5
2
2.5
3
temps(seconde)
3.5
4.5
-10
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
e x , ey , ez dans le temps
Fig. 4.23 Variation des tats pour le circuit de Chua via Backstepping
147
x1 = y1 + a x1
y1 = x1 z1
z1 = b + z1 (y1 c)
(4.64)
x2 = y2 + a x2
y2 = x2 z2
z2 = b + z2 (y2 c) + U
(4.65)
ex = ey + a e x
ey = ez e x
ez = c ez + y2 , z2 y1 , z1 + U
Alors les lois de commande virtuelles et finale sont donnes par :
1 = (a + c1 ) w1
2 = c2 w2 1
U = w2 + c 2 y2 , z2 + y1 , z1 + 2
Le systme final en (e x , ey , ez ) est :
w1 = p1 w1 p1 w2
w2 = p2 w3 p2 w2 + p1 w1
(4.66)
(4.67)
(4.68)
Les figures de simulation des lois pour le circuit de Rsslor via Backstepping sont donnes
par :
148
14
10
x1
x2
12
25
y1
y2
z1
z2
20
10
15
10
6
0
4
5
-2
2
-4
0
-6
-5
-2
-8
-4
-10
10
12
14
-10
0
10
12
14
10
12
14
Fig. 4.24 Synchronisation des tats pour le circuit de Rsslor via Backstepping
variation des des lois virtuelles et finale dans le temps
25
20
200
15
100
10
0
5
-100
0
-10
-200
ex
ey
ez
-5
200
400
600
800
1000
1200
1400
-300
alpha1
alpha2
U
0
200
400
600
800
1000
1200
1400
e x , ey , ez
Fig. 4.25 Variation des tats pour le circuit de Rsslor via Backstepping
x1 = y1
y1 = y1 + x1 x3 + cos( t)
1
(4.69)
x2 = y2
(4.70)
y2 = y2 + x2 x3 + cos( t) + U
2
Le systme driv de lerreur est :
ex = y2 y1
1 = w1
U = w2 (1 ) w1 + (x3 x3 )
2
1
(4.71)
(4.72)
149
Le systme final en w1 , w2 :
w1 = w2 w1
w2 = w2 w1
(4.73)
1.5
0.8
x1
x2
y1
y2
0.6
variation des tats dans le temps
0.5
-0.5
0.4
0.2
0
-0.2
-0.4
-1
-0.6
-1.5
4
5
6
temps(seconde)
10
-0.8
4
5
6
temps(seconde)
10
Fig. 4.26 Synchronisation des tats pour loscillateur de Duffing via Backstepping
0.6
0.25
alpha1
U
0.4
ex
ey
0.2
0.15
0.2
0.1
0.05
0
-0.2
-0.05
-0.1
-0.4
-0.15
-0.6
-0.2
-0.8
1000
2000
3000
4000
5000
6000
7000
8000
9000 10000
-0.25
1000
2000
3000
4000
5000
6000
7000
8000
9000 10000
e x , ey , ez
Fig. 4.27 Variation des tats pour loscillateur de Duffing via Backstepping
150
1
3
x1 = x1 3 x1 y1 + p1 + p2 cos( t)
y 1 = p3 (x1 + p4 p5 y1 )
(4.74)
Et un autre un oscillteur de Vander Pool sous dautres condditions initiales comme esclave.
1
3
x2 = x2 3 x2 y2 + p1 + p2 cos( t)
(4.75)
y 2 = p3 (x2 + p4 p5 y2 ) + u
Le systme driv de lerreur est :
1
1
3
3
ex = e x 3 x2 + 3 x1 ey
ey = p3 e x p3 p5 ey + U
Les lois de commande virtuelle et finale sont donnes par :
1
3
3
1 = k1 w1 + w1 3 (x2 x1 ))
U = w1 p3 w1 + p3 p5 1 + 1
(4.76)
(4.77)
Le systme final en w1 , w2 :
w1 = w2 k1 w1
w2 = p3 p5 w2 + w1
(4.78)
1.5
1
x1
x2
0.8
variation des tats dans le temps
1
0.5
0
-0.5
-1
-1.5
0.6
0.4
0.2
-0.2
-2
-2.5
y1
y2
10
15
20
25
30
temps(seconde)
35
40
45
50
-0.4
8
10
12
temps(seconde)
14
16
18
20
Fig. 4.28 Synchronisation des tats pour loscillateur de Vander Pool via Backstepping
variation des des lois virtuelle et finale dans le temps
1.2
ex
ey
0.5
alpha1
U
2.5
V1
V2
0
2
0.8
-0.5
1.5
0.6
1
-1
0.4
0.5
-1.5
0.2
0
-2
-0.2
-0.5
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
-1
0.5
1.5
2.5
-2.5
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
2
4
x 10
x 10
x 10
e x , ey
tions de Lyuapunov
Fig. 4.29 Variation des tats pour loscillateur de Vander Pool via Backstepping
x1 = (y1 x1 )
y1 = x1 z1 + x1 y1
z1 = x1 y1 z1
(4.79)
Pour les valeur des paramtres de contrle d = 10; r = 28; b = 3. Le systme prsente un
phnomne chaotique Et on considre un deuxime circuit chaotique de Lorenz sous dautres
conditions initiales et avec les valeur des paramtres de contrle inconnues comme systme
esclave.
x2 = 1 (y2 x2 )
y2 = x2 z2 + 2 x2 y2
z2 = x2 y2 3 z2 + U
(4.80)
152
e x = x2 x1
ey = y2 y1
e z = z2 z1
(4.81)
ex = 1 (y2 x2 ) (y1 x1 )
ey = x2 z2 + 2 x2 y2 + x1 z1 x1 + y1
ez = x2 y2 3 z2 + U x1 y1 + b z1
(4.82)
On traite le systme comme 3 sous systmes en cascade chacun avec une seule entre et une
seule sortie. On commence la conception avec le premire quation du systme (4.82) et on
continue jusquau dernier sous systme. Durant le processus de conception un changement de
coordonnes w = (x, y, z) est effectu.
Premire tape :
Considrons la stabilit du premier sous systme suivant :
ex = 1 (y2 x2 ) (y1 x1 )
= 1 (ey e x + y1 x1 ) (y1 x1 )
(4.83)
ex = 1 (ey e x + y1 x1 ) + f1 (x1 , y1 )
= 1 (ey e x + y1 x1 ) 1 (ey e x + y1 x1 ) + f1 (x1 , y1 )
(4.84)
w1 = e x
w 2 = ey 1
(4.85)
o 1 est la fonction linarisante du sous systme 1, w2 est une nouvelle variable, cette
dernire ne sera pas utilise dans la premire tape, mais sa prsence est ncessaire puisquon a besoin de w2 pour lier le nouveau sous systme 1 en w1 au prochain sous systme
ou sous systme en w2 qui sera considr dans la seconde tape. Dou, le sous systme 1
devient :
(4.87)
(4.88)
1 w21
+ 1 w1 w2 + w1 (1 (1 + y1 x1 ) + f1 (x1 , y1 ))
+ T 1 ( w1 (w2 + 1 w1 + y1 x1 ))
(4.90)
1 = y1 + x1
f1 (x1 , y1 )
1
(4.91)
(4.92)
(4.93)
154
(4.94)
(4.95)
ey = x2 ez ey z1 e x + 2 x2 2 x2 x1
(4.96)
(4.97)
(4.98)
(4.99)
On pose f2 () = x1 1
Et une fonction de Lyapunov approprie au second sous systme comme :
1
1
V2 (w1 , w2 , 1 , 2 ) = V1 (w1 ) + w22 + 2T 1 2
2
2
La drive dans le temps est
V2 (w1 , w2 ) = V1 (w1 ) + w2 w2 + 2T 1 2
(4.100)
(4.101)
V2 = 1 w21 w22 x2 w2 w3
+ w2 (1 w1 x2 2 1 z1 w1
T
+ 2 x2 + f2 ()) + T 1 ( 1 ) + 2T 1 ( 2 w2 x2 )
(4.102)
1 w1 1 z1 w1 + 2 x2 + f2 ()
x2
(4.103)
(4.104)
(4.105)
(4.106)
w3 = ez 2
(4.107)
(4.108)
ez = x2 y2 3 z2 + U x1 y1 + b z1
(4.109)
w3 = 3 z2 3 z2 + U + f3 ()
(4.110)
Avec
Donc :
On pose f3 () = x2 y2 + b z1 x1 y1 2 .
Et une fonction de Lyapunov approprie comme:
1
1
V3 (wi , i ) = V1 + V2 + w23 + 3T 1 3
2
2
(4.111)
(4.112)
c w
z
}|3
{
+ w3 (3 z2 + U + f3 ())
V3 =
+ 1T 1 ( 1 1 ) + 2T 1 ( 2 2 ) + 3T 1 ( 3 w3 z2 )
1 w21
w22
3 w23
(4.113)
156
(4.114)
(4.115)
(4.116)
Supposant quun systme recepteur sous des conditions initiales des tatsx2 = 10,y2 = 10,z2 =
10, avec ses paramtres de controle 1 = 16, 2 = 25, 3 = 4, va se synchroniser avec un systme
transmeteur sous des conditions initiales des tats x1 = 1,y1 = 1,z1 = 1, avec ses paramtres
de contrle 1 = 10, 2 = 28, 3 = 3. Par un choix des paramtres de conceptionc1 = 1, c2 =
1, c3 = 10, et la matrice de gain = [0.0000010.0000010.000001]T , les figures de simulation
suivantes montrent une convergence des tats et des paramtres de contrle du recepteur au bout
de quelques secondes aprs application de la loi de contrle de synchronisation.
Fig. 4.30 Convergence adaptative des tats rcepteur vers les tats emetteur du systme chaotique de Lorenz
8 Conclusion
157
Fig. 4.31 Variation des lois adaptatives de synchronisation pour le systme chaotique de Lorenz
Fig. 4.32 Variation des paramtres stimes 1 , 2 et 3 pour la synchronisation dans le temps
8 Conclusion
Dans ce chapitre, nous avons dvelopp une commande non linaire base sur le backstepping pour la synchronisation des systmes dynamiques non linaires chaotiques, par dfinitions
des tats erreurs le problme de synchronisation est transform en un problme de stabilisation
du modle derreur autour de zro.
La synchronisation entre deux systmes chaotiques de Lorenz identiques est accomplie. Des
simulations ont t effectues afin de montrer lefficacit du contrleur, nous avons utilis des
conditions initiales de plus en plus loignes. Ensuite, le contrleur que nous avons dvelopp
a t compar avec un contrleur bas sur la mthode de contrle actif, le premier prsentait
un temps de convergence infrieur et un effort de contrle minime. De mme, nous avons dvelopp aussi des commandes non linaires bases sur le backstepping pour la synchronisation
pour la coordination en communication de plusieurs systmes chaotiques en forme de navire
(commande centralise) et en forme danneau (commande dcentralise) ce type de communication est trs utilis en application militaire. Une des avantages de la mthode du backstepping
158
Conclusion Gnrale
Le travail dveloppe dans le cadre de cette thse, a eu pour objectif la conception des lois de
contrles bases sur la mthode du backstepping et le backstepping adaptatif pour le contrle,
la poursuite dune trajectoire rfrence et la synchronisation des systmes dynamiques non linaires chaotiques non autonomes du deuxime ordre et autonomes du troisime ordre.
Les systmes sous considration dans les deux sujets sont caractriss par la prsence
des ensembles limites non standards et essentiellement dune dynamique non linaire, comme
consquence naturelle le contrle de dynamique chaotique et la synchronisation chaotique demandent lapplication des techniques de contrle non linaire, le contrle du chaos fait rfrence la manipulation du comportement dynamique du systme chaotique, dont lobjectif est
la suppression du chaos quand il nuisible ou au contraire le crer et le prserver quand il est
bnfique, la synchronisation chaotique en revanche fait rfrence la tche de permettre la
synchronie dynamique de plusieurs systmes chaotiques connects au moyen de techniques de
contrle ou travers des configurations couples spcialement conues.
Nous avons abord dans la premire partie, les principales dfinitions mathmatiques relatives aux systmes chaotiques, notamment des notions prliminaires pour lanalyse du comportement chaotique, Les Problmes de contrle des processus chaotiques, La formulation mathmatique des problmes clbres de contrles des processus chaotiques qui sont prcds par
la prsentation des modles de base des systmes chaotiques qui sont souvent utiliss, comme
les oscillateurs chaotiques de Van der Pol, de Duffing, et comme systmes autonomes du troisimes ordres , le systme de Lorenz, le systme de Chua et le systme de Rsslor. Nous avons
aussi propos dans cette partie les plus fiables et les plus connues des mthodes de contrle
des processus chaotiques, ces mthodes sont vises amliorer la suppression du chaos avec la
rduction simultane du niveau deffort externe exig et conduire les trajectoires du systme
converger vers lorbite priodique dsire.
un systme dynamique est le seul objectif pour un problme de contrle. Par consquent, il est
clair que le comportement dynamique dun systme non linaire peut tre chang en changeant
certaines valeurs de ces paramtres o les valeurs de ses variables dtat , condition que ces
dernires soient accessibles pour lajustement. De ce fait, le contrle du chaos implique lextraction de mouvements priodiques dsirs en dehors des zones chaotiques, par lapplication
160
CONCLUSION GNRALE
CONCLUSION GNRALE
161
bilis sous une fonction de Lyapunov approprie par la mise au point dune fonction stabilisate et une fonction de rglage ou de mise jour pour le paramtre estim, le controle
final nest dtermin quen dernire tape.
Les modles mathmatiques les plus connus rencontrs dans la littrature sur contrle de
chaos sont reprsents par les systmes dquations differentiel ordinaires ou quations
dtat seulement.
Les mthode de linarisations par boucle de retour limine toutes les non linarits du
systme, la technique du " backstepping " donne plus de flexibilit au concepteur en
exploitant les " bonnes " non linarits.
Retenir les non linarites au lieu de les limines exigent des modles moins prcis et
aussi un effort de contrle petit.
Tandis que les " mauvaises " non linarits ou les non linarits dstabilisantes sont domines en ajoutant des amortissements non linaires. Ainsi, une robustesse additionnelle
est obtenue.
les rsultats des les lois de contrle peuvent tre quelquefois optimales en ce qui concerne
lindice de performance qui garantit certaines proprits de la robustesse.
Les differents problemes mentionnes ci-dessus sont actuellement au stade de ltude pour le
contrle et la poursuite dun signal rfrence surtout en domaine de mdecine et pour la synchronisation en domaine de communication scurise.
162
CONCLUSION GNRALE
Bibliographie
[1] Daniel Parrochia, Les Grandes Rvolutions scientifiques du XXe sicle, Paris, Presses
Universitaires de France, 1997.
[2] Edward N.Lorenz, Deterministic nonperiodic flow, Journal of the Atmospheric
Sciences,vol. 20, no. 2, pp. 130-141. Journal,1963.
[3] systmesChaotiques.pdf fulltext01.pdf,
[4] Li T.Y., Jorke J.A. Period three implies chaos, American Mathematical Monthly, 82, pp.
481-485,1975.
[5] Stephen Smale, Differentiable Dynamical Systems, Bulletin of the American Mathematical Society,vol. 73, pp. 1-82, 1967.
[6] systmesChaotiques.pdf fulltext01.pdf,
[7] David Ruelle, F. Takens, On the nature of turbulence, Communications in Mathematical
Physics, volume 20, no. 2, pp. 167-192, 1971.
[8] David Ruelle, Hasard et chaos, Paris, ditions du Seuil, Collection Points-Odile Jacob
1993.
[9] Poincar, H. Science et mthode, Edition Ernest Flammarion,Paris 1908, pp. 66.
[10] Poincar, H. Calcul des probabilits, 2nd revised and expanded eddition, Paris,GauthierVillars.
[11] Devaney, R.L, An Introduction to Chaotic Dynamical Systems, Addison-Wesley, New
York, 1987.
[12] Marc Lefranc, Lanalyse topologique du chaos, Caractrisation topologique et contrle
du chaos Lille, expos du 28 mars 2002.
[13] Thomas S. Parker and Leo O Chua, Chaos : A tutorial for engineers, proceeding of the
IEEE vol.75, No.8,august 1987, pp. 982- 1000.
[14] T. S. Parker and L. O. Chua, Practical Numerical Algorithms for Chaotic Systems. New
York : Springer-Verlag, 1989.
[15] R. N. Madan, Ed., Chuas Circuit : A Paradigm for Chaos. Singapore : World Scientific,
1993.
164
BIBLIOGRAPHIE
BIBLIOGRAPHIE
165
[31] Magnitskii N.A.,On Stabilization of Fixed Points of Chaotic Maps, Dokl. Ross. Akad.
Nauk, 1996,volume 351, no. 2, pp. 175-177.
[32] Garfinkel A., Spano M., Ditto W., et al., Controlling Cardiac Chaos, Science, 1992,
volume. 257, pp. 1230-1235.
[33] Genesio R. and Tesi A., Harmonic Balance Methods for the Analysis of Chaotic Dynamics in Nonlinear Systems, Automatica, 1992, volume 28, no. 3, pp. 531-548.
[34] Giona M., Functional Reconstruction of Oscillating Reaction : Prediction and Control
of Chaotic Kinetics, Chemical Engr. Science, 1992, volume 47, pp. 2469-2474.
[35] Giovanardi L., Basso M., Genesio R., et al., Lower Bounds for the Stability Degree of
Periodic Solutions in Forced Nonlinear Systems, International Journal of Bifurcation and
Chaos, 2000, volume 10, pp. 639-653.
[36] Glorieux P., Control of Chaos in Lasers by Feedback and Nonfeedback Methods, International Journal of Bifurcation and Chaos, 1998, volume 8, pp. 1749-1758.
[37] Gora P. and Boyarsky A., A New Approach to Controlling Chaotic Systems, Physica D,
1998, volume 111, no. 1-4, pp. 1-15.
[38] L. M. Pecora and T. L. Carroll, Synchronization in chaotic systems, Physics Review Letter, 1990, volume 64, no 8, pp 821-824.
[39] Carroll, T. L. ,Pecora, L. M. Synchronizing chaotic circuits, IEEE Trans. Circuits Syst
vol 38,453-456,1991.
[40] T. L. Carroll and L. M. Pecora Synchronizing nonautonomous chaotic circuits, IEEE
Trans Circuits Syst 2, Special Issue on Chaos in Nonlinear Electronic Circuits Part C :
Applications, vol. 40, pp 646-650, Oct 1993.
[41] Hunt, E. R, Stabilizing high-period orbits in a chaotic system : The diode resonator,
Physical Review Letters 67,1991, pp. 1953-1955.
[42] Chen G, Dong X, On feedback control of chaotic continuous time systems, Ieee Trans
Circ Syst vol 1 1993,pp 591-601.
[43] M.Lakshmanan and K.Murali,Eds, Chaos in non linear oscillators :controlling and synchronization, Singapore, World Scientific confrence, 1995.
[44] T.Kapitaniak,controlling Chaos , New yorke,Academic,1996.
[45] L.Fradkov and A.Yu pogromsky, Introduction to control of oscillations and chaos, Singapore, World Scientific confrence, 1997.
[46] K. Judd, A. Mees, K.L. Teo and T.L. Vincent, Eds, Con trol and chaos , Boston, Birkhauser, 1997.
166
BIBLIOGRAPHIE
[47] Chen G, Dong X, From chaos to order : methodologies, perspectives and applications,
Singapore, World Scientific confrence, 1998.
[48] Guanrong Chen , Yu X, On time-delayed feedback control of chaotic systems, Ieee Trans
Circ Syst vol 1, 1999,pp 767-772.
[49] G Chen, Eds, Controlling chaos and bifurcation in ingineering systems, Boca Raton :
CRC press, 2000.
[50] G. H. Li, S. P. Zhou, K. Yang, Controlling chaos in Colpitts oscillator, The 2003
IEEE International Symposium on circuits and systems, Bangkok, Thailand. ieeexplore.
ieee.org/iel15/8570/27140/0125756.pdf.
[51] Grebogi C., Lai Y.C., and Hayes S., Control and Applications of Chaos, Int. J. Bifurcat.
Chaos, 1997, volume 7, pp. 2175-2197.
[52] Grebogi C., Lai Y.C., and Hayes, S., Control and Applications of Chaos, J. Franklin Inst.,
1997, volume 334B, pp. 1115-1146.
[53] Mackey M.C. and Glass L., Oscillation and Chaos in Physiological Control Systems,
Science, 1977, volume 197, pp. 287-280.
[54] Naumenko A.V., Loiko N.A., Turovets S.I., et al., Bias Current Impulsive Feedback
Control of Nonlinear Dynamics in External Cavity Laser Diodes, Electron. Lett., 1998,
volume 34, pp. 181-182.
[55] Naumenko A.V., Loiko N.A., Turovets S.I., et al., Chaos Control in External Cavity Laser Diodes Using Electronic Impulsive Delayed Feedback, Int. J. Bifurcat. Chaos, 1998,
volume 8, pp. 1791-1799.
[56] Matsumoto K. and Tsyda I., Noise-induced Order, J. Stat. Phys., 1983, volume 31, pp.
87-106.
[57] Lee, E. B. et Markus., L. (1976). Foundation of Optimal Control. John Wiley., New York,
USA.
[58] Lee E. B., Markus. L., Foundation of Optimal Control,1976, John Wiley, New York,
USA.
[59] Chen, G., On Some Controllability Conditions for Chaotic Dynamics Control, Chaos,
Solutions, Fractals, 1997, volume 8, pp. 1461-1470.
[60] Nijmeijer, H., van der Schaft, A. J., Nonlinear Dynamical Control Systems. SpringerVerlag. New York, USA, 1990.
[61] Lions J.L., On the Controllability of Distributed Systems, Proc. Nat. Acad. Sci. USA,
1997, volume 94, no. 10, pp. 4828-4835.
BIBLIOGRAPHIE
167
[62] Meerkov, S.M., Principle of Vibrational Control : Theory and Applications, IEEE Trans.
Automat. Control , 1980, vol. AC-25, pp. 755-762.
[63] Bellman, R., Bentsman, J., and Meerkov, S., Vibrational Control of Nonlinear Systems,
IEEE Trans. Aut. Control , 1986, vol. AC-31, no. 8, pp. 710-724.
[64] Kapitsa, P.L., Dynamic Stability of Pendulum with Oscillating Suspension Point, Zh.
Teor. Fiz., 1951,volume 21, no. 5.
[65] Stephenson A.,On a New Type of Dynamical Stability, Mem. Proc. Manch. Lit. Phil. Soc.
52, 1-10 ;On Onduced Stability, Phil. Mag., 1908, no. 15, pp. 233-236.
[66] Mirus, K.A. and Sprott, J.C.,Controlling Chaos in a High Dimensional System with Periodic Parametric Perturbations, Phys. Lett. A, 1999, volume 254, pp. 275-278.
[67] Fronzoni L. and Giocondo M., Controlling Chaos with Parametric Perturbations International Journal of Bifurcation and Chaos, 1998, volume 8, pp. 1693-1698.
[68] Hubler, A. and Lusher, E., Resonant Stimulation and Control of Nonlinear Oscillators,
Naturwissenschaft, 1989, vol. 76, pp. 67-72.
[69] Jackson E.A. and Grosu I., An OPCL Control of Complex Dynamic Systems, Physica D,
1995, volume 85, pp. 1-9.
[70] Chen, L.Q. and Liu, Y.Z., A Modified Exact Linearization Control for Chaotic Oscillators, Nonlin. Dynam., 1999, volume 20, pp. 309-317.
[71] Alvarez-Gallegos J., Nonlinear Regulation of a Lorenz System by Feedback Linearization
Technique, J. Dynam. Control , 1994, no. 4, pp. 277-298.
[72] Yu, X.H., Controlling Chaos Using Input-Output Linearization Approach, Int. J. Bifurcat. Chaos 1997, volume 7, pp. 1659-1664.
[73] Wang, J. and Wang, X.H., A Global Control of Polynomial Chaotic Systems, Int. J.
Control , 1999, volume 72, no. 10, pp. 911-918.
[74] Tian, Y.C., Tade, M.O., and Tang, J.Y., Nonlinear Open-Plus-Closed-Loop (NOPCL)
Control of Dynamic Systems, Chaos, Solutions, Fractals, 2000, volume 11, pp. 10291035.
[75] Zhao, H., Wang, Y.H., and Zhang, Z.B., Extended Pole Placement Technique and its
Applications for Targeting Unstable Periodic Orbit, Phys. Rev. E, 1998, vol. 57, pp.
5358-5365.
[76] Fradkov, A.L., Scheme of Speed Gradient and Its Application to Adaptive Control, Avtom. Telemekh.,1979, no. 9, pp. 90-101.
[77] Isodori A, nonlinear control system, second edition, New york, Springer Verlag, 1989,
479Pages.
168
BIBLIOGRAPHIE
[78] Friedel, H., Grauer, R., and Marliani, C., Center Manifold Approach to Controlling
Chaos, Phys. Lett. A, 1997, vol. 236, pp. 45-52.
[79] Krstic, M., Kanellakopoulos, I., and Kokotovich, P., Nonlinear and Adaptive Control
Design, New York : Wiley, 1995.
[80] Krstic, M., Kanellakopoulos, I., and P. Kokotovich, Nonlinear and Adaptive Control
Design,Book Reviews, ieee transactions on automatic control, vol. 41, no. 12, december
1996 1849-1853.
[81] M. Krstic,P.V. Kokotovic, Nonlinear backstepping designs and applications, Adaptive,
Robust, and Optimal. Tutorial Workshop, September 25, ASCC, Singapore, 2002.
[82] Krstic, M., Kanellakopoulos , and P. Kokotovich, Control Lyapunov functions for adaptive nonlinear stabilization,Systems and Control Letters , vol. 26, no. 12, 1995 17-23.
[83] Department
of
Automatic
Control,
Lund
Institute
of
www.control.lth.se/people/personal/rjdir/RiceUniversity/,
Technology,
Backstepping.pdf,
Backstepping-based Techniques.
[84] M. Krstic, I. Kanellakopoulos and P.V. Kokotovic Adaptive nonlinear control without
overparametrization, Systems and Control Letters 19 ,1992 177-185.
[85] Miroslav Krstic,Ioannis Kanellakopoulos,and Petar V. Kokotovic, Nonlinear Design of
Adaptive Controllers for Linear Systems, ieee transactions on automatic control, vol. 39,
no. 4, april 1994.
[86] Sepulchre, R., M. Jankovic and P. Kokotovic 1997. Constructive nonlinear control.
Springer-Verlag.
[87] Miroslav
Krstic,
Nonlinear
Adaptive,
Robust,
and
Backstepping
Optimal,
Designs
September
25,
and
2002
Applications
ASCC,
Singapore
http ://www.ece.nus.edu.sg/ascc2002/workshops.html
[88] Pogromsky, A.Yu.,Passivity Based Design of Synchronizing Systems, Int. J. Bifurcat.
Chaos, 1998, volme 8, no. 2, pp. 295-320.
[89] Keiji K, Michio H, Hideki K, Sliding mode control for a class of chaotic systems, Phys
Lett A 1998, pp 511-517.
[90] Jang M, Sliding mode control of chaos in the cubic Chuas circuit system, Int J Bifurcation Chaos 2002, volume 12,pp 1437-1449.
[91] Yu, X.H., Variable Structure Control Approach for Controlling Chaos, Chaos, Solutions,
Fractals, 1997, vol. 8, pp. 1577-1586.
[92] Curran, P.F., Suykens, J.A.K., and Chua, L.O.,Absolute Stability Theory and MasterSlave Synchronization, Int. J. Bifurcat. Chaos, 1997, volume 7, pp. 2891-2900.
BIBLIOGRAPHIE
169
[93] Suykens, J.A.K., Vandewalle, J., Chua, L.O., Nonlinear H-infinity Synchronization of
Chaotic Lure Systems, Int. J. Bifurcat. Chaos, 1997, volume 7, pp. 1323-1335.
[94] Loria, A., Panteley, E., and Nijmeijer, H., Control of the Chaotic Duffing Equation with
Uncertainty in All Parameters, IEEE Trans. Circ. Syst. I , 1998, volume 45, pp. 12521255.
[95] Obradovic, D. and Lenz, H., When Is OGY Control More Than Just Pole Placement, Int.
J. Bifurcat. Chaos, 1997, volume 7, pp. 691-699.
[96] Astrom, K. J., Wittenmark, B. 1995, Adaptive control, 2nd edition, Reading, MA :
Addison-Wesley,1995.
[97] Goodwin, G. C., Sin, K. S, Adaptive filtering prediction and control, Englewood Cliffs,
NJ, Prentice-Hall, 1984.
[98] Narendra, K. S., Annaswamy, A. M, Stable adaptive systems, Englewood Cliffs, NJ :
Prentice-Hall,1989.
[99] Sastry, S., Bodson, M., Adaptive control : Stability, convergence,and robustness, Englewood Cliffs, NJ : Prentice-Hall,1989.
[100] Zeng, Y.M. and Singh, S.N., Adaptive Control of Chaos in Lorenz System, Dynam.
Control , 1997, vol. 7, pp. 143-154.
[101] Femat, R., Alvarez-Ramirez, J., and Fernandez-Anaya, G., Adaptive Synchronization of
High order Chaotic Systems : A Feedback with Low-order Parametrization, Physica D,
2000, volume 139, pp. 231-246.
[102] Petar Kokotovic Murat Arcak, Nonlinear and Adaptive Control : An Abbreviated Status Report, The 9th Mediterranean Conference on Control and Automation Dubrovnik,
Croatia, June 2001.
[103] A. Bacciotti, L. Rosier Lyapunov functions and stability in control theory, second ed.,
Springer, Berlin, 2005.
[104] Alekseev V.V. and Loskutov A.Yu., Controlling a System with a Strange Attractor by
Periodic Parametric Action, Dokl. Akad. Nauk SSSR, 1987, volume 293, no. 6, pp. 13461348.
[105] Boccaletti S., Grebogi C., Lai Y.C., et al., The Control of Chaos : Theory and Applications, Phys. Reports, 2000, volume 329, pp. 103-197.
[106] Pyragas K., Continuous Control of Chaos by Self-controlling Feedback, Phys. Lett. A,
1992, volume 170. pp. 421-428.
[107] Guan X, Chen C, Fan Z, Peng H, Time-delay feedback control of time-delay chaotic
systems, Int Journ of Bifurcat Chaos 2003, pp 193-206.
170
BIBLIOGRAPHIE
[108] Basso M., Genesio R. and Tesi A., Stabilizing Periodic Orbits of Forced Systems via
Generalized Pyragas Controllers, IEEE Trans. Circ. Syst. I , 1997, volume 44, pp. 10231027.
[109] Hirasawa K., Murata J., Hu J.L., et al., Chaos Control on Universal Learning Networks,
IEEE Trans. Syst. Man Cybern. C-Appl. Rev., 2000, vol. 30, pp. 95-104.
[110] Funke M., Herrmann M., and Der R., Controlling Low-dimensional Chaos : Determination and Stabilization of Unstable Periodic Orbits by Kohonen Neural Nets, Int. J.
Adaptive Control Signal Proc., 1997, volume 11, pp. 489-499.
[111] Kiss I.Z. and Gaspar V., Controlling Chaos with Artificial Neural Network : Numerical
Studies and Experiments, J. Phys. Chem. A, 2000, volume 104, pp. 8033-8037.
[112] Greenwood D.P.A. and Carrasco, R.A., Neural Networks for the Adaptive Control of
Disruptive Nonlinear Network Trafic, IEE Proc. Commun., 2000, vol. 147, pp. 285-291.
[113] Lin C.T. and Jou C.P.,Controlling Chaos by GA-Based Reinforcement Learning Neural
Network, IEEE Trans. Neural Netw, 1999, vol. 10, pp. 846-859.
[114] Tanaka K., Ikeda T., Wang H.O.,A Unified Approach to Controlling Chaos via Arm LMIbased Fuzzy Control System Design, IEEE Trans. Circ. Syst. I , 1998, volume 45, pp.
1021-1040.
[115] I. Kanellakopoulos, P.V. Kokotovic, and A. S. Morse. A Toolkit for Nonlinear Feedback
Design. Technical report no. CCEC-91-0119, 1991. Note : Published in Systems Control
Letters, Feb. 1992 volume 18,pp. 83-92.
[116] R. A. Freeman and P.V. Kokotovic. A New Lyapunov Function for the Backstepping
Design of Softer Robust Nonlinear Control Laws. Technical report no. CCEC-92-0520,
1992
[117] R. Freeman and P.V. Kokotovic. Optimality of Robust Nonlinear Feedback Controls.
Technical report no.CCEC-93-1103, 1993.
[118] Freeman, R. and P. Kokotovic , Robust nonlinear control design. Birkhjuser,Reprint of
the 1996 Edition, Boston , Basel, Berlin, 1996.
[119] Ezal, K., Z. Pan and P.V. Kokotovic, Locally optimal and robust backstepping design,
Ieee Transactions on Automatic Control vol 45,2000, 260-271.
[120] R. Sepulchre, M. Jankovic and P.V. Kokotovic Constructive Nonlinear Control Springer,Santa Barabra, California, August 1996.
[121] H. Sussmann, V. Jurdjevic, Controllability of nonlinear systems, Journal of Differentiel
Equations,volume 12 , p. 95-116,1972.
BIBLIOGRAPHIE
171
[122] J.-L. Lions, Exact controllability, stabilization and perturbations for distributed systems,J. von Neumann lecture, Boston 1986, SIAM review, 30 (1988), p. 1-68.
[123] Ph. Martin et P. Rouchon, Systmes plats : planification et suivi de trajectoires,
[124] Jean-Michel Coron, Quelques rsultats sur la commandabilit et la stabilisation des systmes non linaires, 1999X-UPS.pdf
[125] Hua Deng, Miroslav Krstic Stochastic nonlinear stabilization, A backstepping design
1,Systems and Control Letters, volume 32, 1997,pp 143-150.
[126] Hua Deng, Miroslav Krstic, Stochastic nonlinear stabilization, Inverse optimality 2,Systems and Control Letters vol 32, 1997,pp 151-159.
[127] Cao, Y.J., A Nonlinear Adaptive Approach to Controlling Chaotic Oscillators, Phys. Lett.
A, 2000, volume 270, pp. 171-176.
[128] Liao, T.L. and Lin, S.H., Adaptive Control and Synchronization of Lorenz Systems, J.
Franklin Inst. Eng. Appl. Math., 1999, volume 336, pp. 925-937.
[129] A.M. Harb and M.A. Zohdy, Using non linear chaos and bifurcation control recursive
controller, Nonlinear Analysis Modeling and Control, vol. 7 no.2, 2002, 37-43.
[130] O. Harkegard and S. T. Glad, A backstepping design for flight path angle control, In Proc.
of the 39th Conference on Decision and Control, pages 3570-3575, Sydney, Australia,
Dec. 2000.
[131] Controlling chaotic dynamics using backstepping design with application to the lorenz
system and chuas circuit International Journal of Bifurcation and Chaos, Vol. 9, 7, 1999
pp.1425-1434
[132] J. Lu , J. Lu, Controlling uncertain Lu system using linear feedback, Chaos, Solitons and
Fractals, volume 17, 1,pp. 127-133, 2003.
[133] Fayal Ikhouane and Miroslav Krstic Robustness of the Tuning Functions Adaptive
Backstepping Design for Linear Systems, ieee transactions on automatic control, vol.
43, no. 3, march 1998 431-437.
[134] Miroslav Krstic And Petar V. Kokotovic, Modular Approach to Adaptive Nonlinear Stabilization,Automatica, Vol. 32, No. 4, pp. 625-629, 1996.
[135] KE Hai-sen, YE Xu-dong Robust adaptive controller design for a class of nonlinear
systems with unknown high frequency gains, Ke et al. / j zhejiang univ science a 2006
vol.7 no.3 :315-320.
[136] Dejan M. Bos kovic, Miroslav Krstic Nonlinear stabilization of a thermal convection
loop by state feedback, Automatica vol 37 2001, pp 2033-2040.
172
BIBLIOGRAPHIE
[137] S. Mascolo, Backstepping design for controlling lorenz chaos, proc 36th ieee conf on
decision and control, san digo, ca, usa, 1997, pp 1500-1501.
[138] Laarem Guessas, Khier Benmahammed, Backstepping In Control And Track of Chaotic Sys- tems G, Abstract Submitted for the DPP08 Meeting of The American Physical
Society,Texas 2008.
[139] L. Guessas, K. Benmahammed, Control law based on backstepping for controlling lorenz
chaotic system, Control and Intelligent Systems, Vol. 37, No. 1,p.p 10-14, 2009
[140] Zigang Pan, Kenan Ezal, Arthur J. Krener, and Petar V. Kokotovic Backstepping Design
with Local Optimality Matching,Ieee Transactions On Automatic Control, VOL. 46, NO.
7, JULY 2001,pp 1014-1027.
[141] Abder Rezak. Benaskeur,. Andre Desbiens, Backstepping-Based Adaptive. PID, IEEE
Proc-Control. Theory. Appl. Vol. 149, No. 1, 2002,pp 54-59.
[142] Frdric Mazenc, and Pierre Alexandre Bliman, Backstepping Design for Time-Delay
Nonlinear Systems, Ieee Transactions On Automatic Control,vol 51, no 7, pp 1200-1207,
July, 2006.
[143] O. E. Rssler, An Equation for Continuous Chaos ,Physics Letters, vol. 57A, no 5,
1976,pp. 397-398, 1976.
[144] Mascolo, S. and G. Grassi , Controlling chaotic systems with disturbance using backstepping design and nonlinear damping. In : Proc. IEEE Int. Conf. on Control of Oscillation
and chaos. St. Petersburg, Russia, 2000.
[145] A.M. Harb and B.A. Harb, Chaos control of third-order phaselocked loops using backstepping nonlinear controller, Chaos, Solitons, Fractals, 204, 719-723, 2004.
[146] Raymond Kristiansen, Per J. Nicklasson, Satellite Attitude Control by Quaternion-Based
Backstepping, American Control Conference,Portland, OR, USA, June 8-10, 2005.
[147] Tao Wang, Shaocheng Tong and Yongming Li,Robust adaptive fuzzy control for nonlinear system with dynamic uncertainties based on backstepping , International Journal of
Innovative Computing, Information and Control ICIC International, Volume 5, Number
9, September 2009 pp. 2675-2688.
[148] A. M. Lyapunov, The General Problem of the Stability of Motion. Taylor and Francis,
1992. English translation of the original publication in Russian from 1892.
[149] A. M. Lyapunov, Problme gnral de la stabilit du mouvement, E. Davaux, Trans.
Annales de la Facult des sciences de Toulouse, volume 2,no 9, pp. 203-469 , repr. Princeton : Princeton University Press, Annals of Mathematics Studies 17, 1947.
[150] Khalil, H. Nonlinear systems 2nd ed.1996. Prentice-Hall. New-York.
BIBLIOGRAPHIE
173
[151] Dr Philippe Mullhaupt Systmes Multivariable II, les systmes non linaires,notes de
cours bas sur le livre : Nonlinear Systems, H.K. Khalil, Third Edition, Prentice Hall
2002, ME C2 391,NotesDeCoursSMII.pdf.
[152] D. Arzelier, D. Peaucelle, Systmes et asservissements non linaires, Notes de cours
Version 4 ;SNLv4.pdf.
[153] J. Bokor, G. Szederknyi, K.M. Hangos Analysis and Control of Nonlinear Process
Systems, Springer, TLFeBook, Advanced Textbooks in Control and Signal Processing
Springer,London, Berlin, Heidelberg, New York, Hong Kong, Milan ; Paris, Tokyo TLFeBook,2004,HANGOS.pdf
[154] Sastry, S. Nonlinear Systems : Analysis, Stability and Control. Springer, Verlag,1999.
New York, USA.
[155] E. D. Sontag, An universal construction of Artsteins theorem on nonlinear stabilization.
Systems and Control Letters, 13 :117-123, 1989.
[156] Jean-Jacques Slotine and Weiping Li. Applied Nonlinear Contol. Prentice Hall, Englewood Cliffs, New Jersey, January 1991. bibitem116g Dr Philippe Mullhaupt Introduction
lAnalyse et la Commande des Systmes Non Linaires, 2 mai 2006, PolycopieRelie.pdf bibitem116h0 H. Sussmann et V. Jurdjevic, Controllability of nonlinear systems,
J. Differentiel Equations, 12 (1972), p. 95-116.
[157] J. P. LaSalle, Stability theory for ordinary differential equations, Journal of Differential
Equations 4, pp. 57-65, 1968.
[158] Nicolas Petit Pierre Rouchon,Automatique Dynamique et contrle des systmes , Centre
Automatique et Systmes, cole des Mines de Paris,poly08.pdf.
[159] T. Yoshizawa, Stability Theoty by Lyapunovs Second Method, The Mathematical Society
of Japan, 1966.
[160] Z. Artstein, Stabilization with relaxed controls. Nonlinear Analysis, Theory, Methods and
Applications,volume 7no.11, pp1163-1173, 1983.
[161] Miroslav KrstiC and Petar V. KokotoviC Adaptive Nonlinear Output-Feedback Schemes
with Marino-Tomei Controller, Ieee Transactions on Automatic Control, VOL. 41, NO.
2, February 1996, pp274-280.
[162] Lorenz, E. N. ,Maximum Simplification of the Dynamic Equations. Tellus 12, 243254,1960.
[163] , The Statistical Prediction of Solutions of Dynamic Equations,In International Symposium on Numerical Weather Prediction Tokyo, 1960,Proceedings, Sigekata Syno, Ed.,
pp. 629-635. Tokyo, Meteorological Society of Japan,1962.
174
BIBLIOGRAPHIE
[164] G. Duffing, Erzwungene Schwingungen bei veranderlicher Eigenfrequenz und ihre technische Bedeutung Vieweg, Braunschweig, 1918.
[165] B. van der Pol, ,Forced oscillations in a circuit with nonlinear resistance reception with
reactive triode, Philosophical Magazine, 7, pp. 65-80, 1927.
[166] Balth. van der Pol, J van der Mark, The Heartbeat considered as a Relaxation oscillation, and an Electrical Model of the Heart, Philosophical Magazine Supplement volume
6,1928,pp.763-775.
[167] Shawnee L. Mc Murran, James J. Tattersall, Cartwright and Littlewood on van der
Pols equation, Harmonic analysis and nonlinear differential equations ,Riverside, CA,
1995, Contemporary Mathematics 208, American Mathematical Society Providence, RI,
1997,pp. 265-276.
[168] Lorenz, E. N. ,The Problem of Deducing the Climate from the Governing Equations.
Tellus 16,pp. 1-11,1964.
[169] Sparrow, C. The Lorenz Equations : Bifurcations, Chaos, and Strange Attractors,
Springer-Verlag, NY,1982.
[170] Lorenz, E. N. ,The Essence of Chaos. Seattle, University of Washington Press, 1993.
[171] Celikovsky, S., Chen, G.,On a generalized Lorenz canonical form of chaotic systems,
International Journal Bifurcation and Chaos, in press, 2002.
[172] O. E. Rossler, An equation for continuous chaos, Physics Letters ,Volume 57A, number
5 , 397-398, 12 July 1976.
[173] O. E. Rossler, An equation for hyperchaos, Physics Letters A, 71, 155-157, 1979.
[174] O. E. Rossler, Chaotic behavior in simple reaction systems, Zeitschrift fur Naturforschung A, 31, 259-264,1976.
[175] Shuxian Wu ,Chuas circuit family, proceeding of IEEE, august 1987,volume 75,No.8.
[176] L. O. Chua,Gui Nian Lin,Canonical realisation of Chuas circuitfamily, IEEE Transaction and Circuits Systems, volume 37,No.7,July, 1990, pp. 885-902.
[177] M. P. Kennedy, Three steps to chaos part II : A Chuas circuit primer,IEEE Transaction
and Circuits Systems I, Special Issue on Chaos in Nonlinear Electronic Circuits Part A :
Tutorial and Reviews, volume 40, October, 1993, pp. 657-674.
[178] L. O. Chua, M. Komuro and T. Matsumoto, The double scroll family parts I and II, IEEE
Transaction and Circuits systems Part volume133, no11, pp. 1073-1118, 1996.
[179] Mahesh Mulukutla, Cherif Aissi Implementation of the Chuas circuit and its applicationsProceedings of the 2002 ASEE Gulf-Southwest Annual Conference, The University
of Louisiana at Lafayette, March 20-22, 2002, american Society for Engineering Education
BIBLIOGRAPHIE
175
[180] Leon.O Chua, Chai Wah Wu, Anshan Haung, Guo Qu Zhong A Univeasal circuits for
studying and generating Chaos part 1, routes to chaos, IEEE transcations on circuits and
systems,fundamentals theory and applications, vol 24, No 10, october 1993.
[181] Kanellakopoulos I., P.V. Kokotovic and A.S. Morse, Adaptive feedback linearization of
nonlinear systems. In : Foundations of Adaptive Control P.V. Kokotovic, Edition . pp.
311-346,1991, Springer Verlag. Berlin.
[182] Kanellakopoulos, I., P.V. Kokotovic and A.S. Morse,
176
BIBLIOGRAPHIE
[193] Bader Aloliwi and Hassan K. Khalil, Adaptive Output Feedback Regulation of a Class of
Nonlinear Systems : Convergence and Robustness, IEEE TRANSACTIONS ON AUTOMATIC CONTROL, VOL. 42, NO. 12, DECEMBER 1997,pp.1714-1716.
[194] Shuzhi Sam Ge and J. Wang, Robust Adaptive Tracking for Time-Varying Uncertain
Nonlinear Systems With Unknown Control Coefficients, ieee transactions on automatic
control, vol. 48, no. 8, august 2003.
[195] I. K. Bousserhane, A. Hazzab, M. Rahli, B. Mazariet M. Kamli, Mover Position Control
of Linear Induction Motor Drive Using Adaptive Backstepping Controller with Integral
Action Tamkang Journal of Science and Engineering, Vol. 12, No. 1, pp. 17-28 ,2009.
[196] J.-H. Li, P.-M. Lee, Design of an adaptive nonlinear controller for depth control of an
autonomous underwater vehicle,www.elsevier.com/locate/oceaneng
[197] Changchun Hua, Xinping Guan, Adaptive control for chaotic systems Chaos, Solitons
and Fractals, volume 22,2004,pp. 55-60, www.elsevier.com/locate/chaos.
[198] KE Hai-sen, YE Xu-dong, Robust adaptive controller design for a class of nonlinear
systems with unknown high frequency gains, Ke et al., Journal of Zhejiang University
SCIENCE A, 2006,volume 7, no.3, pp 315-320.
[199] U.E. Vincent , Controlling directed transport in inertia ratchets via adaptive backstepping control, acta physica polonica, Volume 38, No 8, pp. 2459-2469, 2007.
[200] M. French, An Analytical Comparison Between the Nonsingular Quadratic Performance
of Robust and Adaptive Backstepping Designs, IEEE TRANSACTIONS ON AUTOMATIC CONTROL, VOLume 47, NO. 4,pp.670,675, APRIL 2002.
[201] L. Guessas, K. Benmahammed, Adaptive Backstepping In Control and Track of Duffing oscillator, accpt en cinquime Saaudien congrs scientifique, College of Applied
Sciences. Umm Al-Qura University. Makkah, April 16-18, 2012.
[202] Laarem Guessas, Khier Benmahammed, Adaptive Backstepping and PID optimized by
Genetic Algorithm In Control of Chaotic Systems, International Journal of Innovative
Computing, Information and Control IJICIC International, Volume 7, Number 9, Septembre 2011, pp.5299-5312.
[203] Goldberg, David E, Genetic Algorithms in Search, Optimzation and Machine Learning,
Addison-Wesley,1989.
[204] Q.Wang, P.Spronck and R.Tracht, An Overview Of Genetic Algorithms Applied To
Control Engineering Problems, Proceedings of the Second, Conference on Machine
Learning and Cybernetics, 2003.
[205] L. M. Pecora and T. L. Carroll, Driving systems with chaotic signals,Physics Review A,
volume 44, no. 4, pp. 2374-2383, 1991.
BIBLIOGRAPHIE
177
[206] N. F. Rulkov, M. systemsM. Sushchik, L. S. Tsimring, and H. D. Abarbanel, Generalized synchronization of chaos in directionally coupled chaotic systems, Physics Review
Electronics, vol 51, no 2, pp 980-994, Feb 1995.
[207] L. Kocarev, U. Parlitz, and T. Stojanovski, Generalized synchronization of chaotic signals, Proc. NOLTA95, Las Vegas, NV, December 10-14, 1995, pp. 953-956.
[208] L. Kocarev and U. Parlitz, Generalized synchronization, predictability, and equivalence
of unidirectionaly coupled dynamical systems, Physics Review Letter, volume 76, no. 11,
pp. 1816-1819, March 1996.
[209] M. G. Rosenblum, A. S. Pikovsky, and J. Kurths, Phase synchronization of chaotic oscillators, Physics Review Letter, volume 76, no. 11, pp. 1804-1807, Mars 11, 1996.
[210] U. Parlitz, L. Junge, W. Lauterborn, and L. Kocarev, Experimental observation of phase
synchronization, Physics Review E, volume 54, no. 2, pp. 2115-2117, August 1996.
[211] R. He and P. G. Vaidya, Analysis and synthesis of synchronous periodic and chaotic
systems, Physics Review A, volume 46, no. 12, pp. 7387-7392, December 1992.
[212] C. W. Wu and L. O. Chua, A unified framework for synchronization and control of dynamical systems, International Journalof Bifurcation and Chaos, volume 4, no. 4, pp.
979-998, 1994.
[213] J. Schweizer, M. P. Kennedy, M. Hasler, and H. Dedieu, Synchronization theorem for
a chaotic system, International Journalof Bifurcation and Chaos, volume 5, no. 1, pp.
297-302, Febrery 1995.
[214] Yang, T. ,Chua, L. O. Impulsive control and synchronization of nonlinear dynamical
systems and application to secure communication, Int. J. Bifurcation and Chaos vol. 7
num. 3, 645-664, 1997.
[215] A. Pikovsky, M. Rosenblum, J. Kurths, Synchronization : A universal concept in nonlinear science Cambridge University Press, Cambridge, 2001.
[216] H.K. Chen : Synchronization of two different chaotic systems : a new system and each of
the dynamical systems Lorenz, Chen and Lu, Chaos Soliton & Fractals. 25, 1049-1056,
2005.
[217] J. Zhang, C. Li, H. Zhang, J. Yu, Chaos synchronization using variable feedback based
on backstepping method Chaos, Solitons & Fractals 21 1183-1193,2004.
[218] Mohammad Haeri , Behzad Khademian Comparison between different synchronization
methods of identical chaotic systems,Chaos, Sollitons and Fractals 29, 2006, pp 1001022.
[219] J.H. Park, Chaos, Synchronization of Genesio chaotic system via backstepping approach,Solitons & Fractals, 27, pp. 1369-1375, 2006.
178
BIBLIOGRAPHIE
BIBLIOGRAPHIE
179
[234] Baptista, M.S., Macau, E.E., Grebogi, C., et al., Integrated Chaotic Communication
Scheme, Phys. Revol. E, 2000, vol. 64, no. 4, pp. 4835-4845.
[235] Feki, M., An Adaptive Chaos Synchronization Scheme Applied to Secure Communication,
Chaos, Solitons, Fractals, 2003, vol. 18, pp. 141-148.
[236] Andrievsky, B. and Fradkov, A., Information Transmission by Adaptive Synchronization
with Chaotic Carrier and Noisy Channel, Proc. 39th IEEE Conf. Dec. Contr., Sydney,
2000.
[237] Pai, M.-C. , Adaptive sliding mode observer-based synchronization for uncertain chaotic
systems. Asian Journal of Control,2010.
[238] Qingkai Han Lina Hao Hao Zhang Bangchun Wen. Achievement of chaotic synchronization trajectories of master-slave manipulators with feedback control strategy, Acta
Mechanica Sinica, Vol.26 num.3,pp 433-439,2010.
[239] Hengdong Wei and Liping Li, Estimating parameters by anticipating chaotic synchronization, Chaos,2010.
[240] Zhongkui Sun, and Xiaoli Yang Parameters Identification and Synchronization of Chaotic Delayed Systems Containing Uncertainties and Time-Varying Delay 2010,
[241] B.A. Idowu, U.E. Vincent, A.N. Njah Generalized Adaptive Backstepping Synchronization for Non identical Parametrically Excited Systems,Nonlinear Analysis, Modelling
and Control, 2009, Vol. 14, No. 2,pp.165-176.
[242] C. Cruz Hernandez Synchronization of Time-Delay Chua Oscillator with Application to
Secure Communication, Nonlinear Dynamics and Systems Theory, vol.4,No. 1, 2004
pp.1-13.
[243] Jos M. Sausedo-Solorio Chaos and Synchronization Through the Study of Two Coupled
Chuas Circuits, Eighth LACCEI Latin American and Caribbean Conference for Engineering and Technology ACCEI2010, Innovation and Development for the Americas,
June vol.1, No. 4, 2010, Arequipa, Peru.
[244] Chen, H.-K., Chaos and Chaos Synchronization of a Symmetric Gyro with Linear-PlusCubic Damping J. Sound Vibr., 2002, vol. 255, no. 4, pp. 719-740.
[245] J.F. Heagy, T.L. Carroll and L.M. Pecora , Synchronous chaos in coupled oscillator systems, Physical Review E, vol.50, no.3, 1994.
[246] Gza Kolumban, Michael Peter Kennedy, Leon O. Chua The Role of Synchronization
in Digital,Communications Using Chaos Part 2 : Chaotic Modulation and Chaotic Synchronization, IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS I : FUNDAMENTAL THEORY AND APPLICATIONS, VOL. 45, NO. 11, NOVEMBER 1998,
1129-1140.
180
BIBLIOGRAPHIE
[247] M. P. Kennedy, Three steps to chaos part 1 : Evolution,IEEE Trans. Circuits Syst. 1,
Special issue on Chaos in Nonlinear Electronic Circuits Part A : Tutorial and Reviews,
vol. 40, pp. 640-656, OctOBER 1993.
[248] H. Fujisaka and T. Yamada, Stability theory of synchronized motion in coupled oscillator
systems, Progress of Theortical Physics, vol 69, pp 32-47,1983.
[249] N. F. Rulkov, M. M. Sushchik, L. S. Tsimring, and H. D. Abarbanel, Generalized synchronization of chaos in directionally coupled chaotic systems, Physics Review Electronics, vol 51, no 2, pp 980-994, Feb 1995.
[250] A. Pikovsky, M. Rosenblum, J. Kurths, Synchronization : A universal concept in nonlinear science Cambridge University Press, Cambridge, 2001.
[251] H. Fujisaka and T. Yamada, Stability theory of synchronized motion in coupled oscillator
systems, Progress of Theortical Physics, vol 69, pp 32-47,1983.
[252] Yang, T. ,Chua, L. O. Impulsive control and synchronization of nonlinear dynamical
systems and application to secure communication, Int. J. Bifurcation and Chaos vol. 7
num. 3, 645-664,1997.
[253] Baptista, M.S., Macau, E.E., Grebogi, C., et al., Integrated Chaotic Communication
Scheme, Phys. Revol. E, 2000, vol. 64, no. 4, pp. 4835-4845.
[254] Andrievsky, B. and Fradkov, A., Information Transmission by Adaptive Synchronization
with Chaotic Carrier and Noisy Channel, Proc. 39th IEEE Conf. Dec. Contr., Sydney,
2000.
[255] Feki, M., An Adaptive Chaos Synchronization Scheme Applied to Secure Communication,
Chaos, Solitons, Fractals, 2003, vol. 18, pp. 141-148.
[256] H.K. Chen : Synchronization of two different chaotic systems : a new system and each of
the dynamical systems Lorenz, Chen and Lu, Chaos Soliton and Fractals. 25, 1049-1056
(2005)
[257] Chen, H.-K., Chaos and Chaos Synchronization of a Symmetric Gyro with Linear-PlusCubic Damping J. Sound Vibr., 2002, vol. 255, no. 4, pp. 719-740.
[258] Gza Kolumban, Michael Peter Kennedy, Leon O. Chua The Role of Synchronization
in Digital,Communications Using Chaos Part 2 : Chaotic Modulation and Chaotic Synchronization, ieee transactions on Circuits System I : Fundamental Theor. Appl. vol. 45
num.11, 1129-1140,November 1998.
[259] N. F. Rulkov, M. systemsM. Sushchik, L. S. Tsimring, and H. D. Abarbanel, Generalized synchronization of chaos in directionally coupled chaotic systems, Physics Review
Electronics, vol 51, no 2, pp 980-994, Feb 1995.
BIBLIOGRAPHIE
181
[260] Pai, M.-C. , Adaptive sliding mode observer-based synchronization for uncertain chaotic
systems. Asian Journal of Control,2010.
[261] J. Zhang, C. Li, H. Zhang, J. Yu : Chaos synchronization using variable feedback based
on backstepping method Chaos, Solitons and Fractals 21 1183-1193 (2004)
[262] S. S. Ge and C. Wang Synchronization of Uncertain Chaotic Systems via Backstepping
Design,procceding of the 3rd Asian Control Conference, pp594-598.
[263] H. Fujisaka and T. Yamada, Stability theory of synchronized motion in coupled oscillator
systems, Progress of Theortical Physics, vol 69, pp 32-47,1983.
[264] Yang, T. ,Chua, L. O. Impulsive control and synchronization of nonlinear dynamical
systems and application to secure communication, Int. J. Bifurcation and Chaos vol. 7
num. 3, 645-664,1997.
[265] Baptista, M.S., Macau, E.E., Grebogi, C., et al., Integrated Chaotic Communication
Scheme, Phys. Revol. E, 2000, vol. 64, no. 4, pp. 4835-4845.
[266] Andrievsky, B. and Fradkov, A., Information Transmission by Adaptive Synchronization
with Chaotic Carrier and Noisy Channel, Proc. 39th IEEE Conf. Dec. Contr., Sydney,
2000.
[267] Feki, M., An Adaptive Chaos Synchronization Scheme Applied to Secure Communication,
Chaos, Solitons, Fractals, 2003, vol. 18, pp. 141-148.
[268] H.K. Chen : Synchronization of two different chaotic systems : a new system and each of
the dynamical systems Lorenz, Chen and Lu, Chaos Soliton and Fractals. 25, 1049-1056
(2005)
[269] Chen, H.-K., Chaos and Chaos Synchronization of a Symmetric Gyro with Linear-PlusCubic Damping J. Sound Vibr., 2002, vol. 255, no. 4, pp. 719-740.
[270] Gza Kolumban, Michael Peter Kennedy, Leon O. Chua The Role of Synchronization
in Digital,Communications Using Chaos Part 2 : Chaotic Modulation and Chaotic Synchronization, ieee transactions on Circuits System I : Fundamental Theor. Appl. vol. 45
num.11, 1129-1140,November 1998.
[271] N. F. Rulkov, M. systemsM. Sushchik, L. S. Tsimring, and H. D. Abarbanel, Generalized synchronization of chaos in directionally coupled chaotic systems, Physics Review
Electronics, vol 51, no 2, pp 980-994, Feb 1995.
[272] Pai, M.-C. , Adaptive sliding mode observer-based synchronization for uncertain chaotic
systems. Asian Journal of Control,2010.
[273] Qingkai Han Lina Hao Hao Zhang Bangchun Wen. Achievement of chaotic synchronization trajectories of master-slave manipulators with feedback control strategy, Acta
Mechanica Sinica, Vol.26 num.3,pp 433-439,2010.
182
BIBLIOGRAPHIE
[274] Hengdong Wei and Liping Li, Estimating parameters by anticipating chaotic synchronization, Chaos, 2010.
[275] Zhongkui Sun, Xiaoli Yang Parameters Identification and Synchronization of Chaotic
Delayed Systems Containing Uncertainties and Time-Varying Delay, 2010.
[276] J. Zhang, C. Li, H. Zhang, J. Yu : Chaos synchronization using variable feedback based
on backstepping method Chaos, Solitons and Fractals 21 1183-1193 (2004)
[277] S. S. Ge and C. Wang Synchronization of Uncertain Chaotic Systems via Backstepping
Design,procceding of the 3rd Asian Control Conference, pp594-598.
Abstract
Since the early 1990s, the problems of control of chaos attract attention of the researchers and
engineers. Numerous publications have appeared over the recent decade. The chaotic systems
represent a class of indeterminacy models differing from the stochastic models, which is used widely
since then. Various mathematical definitions of chaos are known, but all of them express close
characteristics of the dynamic systems that are concerned with super sensitivity to the initial
conditions.
the robust control scheme based on the Backstepping the adaptive Backstepping design is used to
control, the track and the synchronization of the chaotic systems arising from the autonomous second
order strict feedback form such as the Duffing and Van der pool oscillators, to the autonomous third
order strict feedback form such as the Lorenz, Chua and Rosslor Chaotic systems.
The design procedure is recursive at the ith step, the ith subsystem is stabilized with respect to a
Lyapunov function Vi by the design of a stabilizing function i for the Backstepping and the tuning
function i, and the update law i for the unknowns' adaptive parameters estimates, the feedback
control u is designed at the final step. This procedure possesses strong properties of global stability
and tracking which are built into the nonlinear system in a number of steps, which is never higher than
the system order, without any growth restrictions on nonlinearities.
An important feature of backstepping is that nonlinearities can be dealt with in several ways: useful
nonlinearities, which act stabilizing, can be retained, and sector bounded nonlinearities may be dealt
with using linear control, retaining nonlinearities instead of canceling them requires less precise
models and may also require less control effort. Further, the resulting control laws can sometimes be
shown to be optimal with respect to a meaningful performance index, which guarantees certain
robustness properties. Some simulation results for the chaotic system cited above are shown to
illustrate the parameter convergence with backstepping and the adaptive backstepping design for the
control, the track and the synchronization of chaotic systems.
Keywords: Chaotic systems, Backstepping Adaptive backstepping design, Adaptive parameters
estimates, Lyapunov, Stabilizing and tuning functions, Up date and control laws.
. s1990
.
.
.
Backstepping Backstepping .
Duffing
. Rosslor
i Lyapunov
i i Backstepping
.
nonlinearities
: nonlinearities backstepping
nonlinearities nonlinearities
. nonlinearities
.
backstepping
. backstepping
Lyapunov backstepping Backstepping :
.