COMMANDE ADAPTATIVE

1. Principe de la commande adaptative

Les méthodes classique sont basées sur :

• La connaissance de la dynamique du procédé.

• La dynamique invariante.
• La connaissance de la perturbation.

En pratique :

• La dynamique est inconnue ou variable.

• Les perturbations sont stochastiques.
• Changement fréquemment des points du fonctionnement et des caractéristiques
des procédés.
 • Pourquoi l’adaptation ?

Ajuster le comportement à de nouvelles circonstances

Changement de structure

Changement de fonction

Changement en réponse après changement des conditions de l’environnement

Le rôle donc de la commande adaptive est d’ajuster de manière automatique en temps

réel les paramètres du régulateur afin d’obtenir un certain niveau de performance
quand le comportement dynamique du procédé est mal connu ou variable.
• Résolution du problème de commande en temps réel

Les techniques de commande adaptive classiques destinées à contrôler

Les systèmes physiques sont :

• Commande par modèle de référence

• Contrôleur auto ajustable

• Type prédictif

• Variance minimale
• Variance minimale généralisée
• Commande prédictive généralisée.

• Placement de pôles
• Principe d’un schéma de commande adaptative :

Principe d’un schéma de commande adaptative

 • Conception de la loi de commande

Deux étapes fondamentales sont à la base de la conception d’une loi de commande :

• Consiste à décrire de manière réaliste le procédé et la dynamique des perturbations,

afin de connaître l’évolution du procédé et son interaction avec l’environnement.

• Consiste à spécifier la classe des commandes admissibles et par suite déterminer

la solution optimale minimisant un certain critère de performance en tenant compte

de l’information cumulée sur le procédé.

Conclusion

Trois points principaux seront pris en compte :

• Structure du modèle du procédé : modèle linéaire d’ordre fini.

• Méthode de synthèse du régulateur : théorie de la commande linéaire.

• Estimateur des paramètres : théorie de l’identification des systèmes.

• Deux méthodes de commande se distinguent :

• Méthode directe : (implicite)

Elle comporte une seule étape, les paramètres du régulateur sont

directement estimés en temps réel.

• Méthode indirecte : (explicite)

Elle comporte deux étapes, on estime récursivement les paramètres

du modèle ensuite on utilise les estimés pour calculer les paramètres
du régulateur.
 2. Classe des systèmes à commander

Nous considérons la classe de procédé dont le comportement peut être

approximer par un modèle paramétrique linéaire que l’on peut décrire sous
la forme polynomiale :
 A( q 1 ) y (t )  q  d B ( q 1 )u (t )   (t )

t  kTs , k  1,2, 

q 1 x (t )  x(t  1) est l' opérateur retard

A( q 1 )  1  a1q 1    ana q  na

B ( q 1 )  bo  b1q 1    bnb q  nb

d est le retard pour une période d échantillonnage

on dit que le système est stable si les zéros de A(q 1 ) sont à l’intérieur du cercle unité .

1
le système est à phase minimale si les zéros de B(q ) sont à l’intérieur du cercle unité .
• Modèle des perturbations externes :

C (q 1 )
D(q ) (t )  C ( q )e(t )   (t ) 
1 1
e(t )
D(q 1 )
 C (q 1 )  1  c1q 1    cnc q  nc polynôme stable
 D(q 1 )  0  q  1 (Racine sur C(0,1))
 D(q 1 )  1  q 1
 D(q 1 )  1  q  p

e(t ) : Séquence aléatoire indépendante de moyenne nulle, de variance finie.

  2 si k  1
E  e(k )e(l )    (k  1)  
2

 0 si k  1
 D(q 1 ) (t )  0 Modéle ARX
 D(q 1 )  1 Modéle ARMAX
 D(q 1 )  1 - q 1 Modéle ARIMAX
3. Commande à variance minimale - Prédiction optimale

• Synthèse des prédicteurs : Prédicteur à j-pas

Il s’agit de construire un prédicteur à j-pas de y (t  j ) que l’on notera yˆ (t  j / t )

à partir des informations disponibles à l’instant t.

Le prédicteur est optimal s’il minimise le critère :

J  E  y (t  j )  yˆ (t  j / t )

Le schéma bloc :
 Prédicteur à d-pas

Considérons un procédé dont le comportement entrée-sortie est décrit par le modèle :

A(q 1 ) y (t )  q  d B (q 1 )u (t )  C (q 1 ) (t )
na
A(q )  1   ai q i
1

i 1
nb
B(q )   bi q i
1

i 1
nc
C (q )  1   ci q i
1

i 1

A(q 1 ), B(q 1 ) et C (q 1 ) sont des polyômes stables

 (t ) est une séquence de variable aléatoire S (0,  2 ), de moyenne nulle et l' écart type 
Objectif
Déterminer un prédicteur à d-pas de y (t  d ) au sens de la minimisation

de la variance de l’erreur de prédiction définie par

 (t  d )  y (t  d )  yˆ (t  d / t )
yˆ (t  d / t ) est la prédiction à d - pas de y (t  d ) à l' instant t.

Le critère à minimiser est :


J  E  2 (t  d ) / t 
La sortie à l’instant (t+d) est donnée par :

B C
y (t  d )  u (t )   (t  d )
A A
 (t  d ) contient les termes connus à l’instant t (présent) et les termes futurs.

C
On effectue donc la division euclidienne de et on sépare les termes connus et les
A
termes futurs.
 C (q 1 ) F (q 1 )
 E (q 1 )  q  d
A(q 1 ) A(q 1 )
deg E  d  1
deg F  n  1 (n  n a  nb  n c )

Rappels

Soient u et v deux polynômes tels que

deg u  nu et deg  n
u j
Rj  deg Q j  j  1
 Qj  q ( ) 
   deg R j  max (n  1, nu  1)
on obtient donc
C (q 1 )  A(q 1 ) E (q 1 )  q  d F (q 1 )
 On décompose C (q 1 )
1
 (t  d ) en deux termes :
A(q )

• Termes complètement disponibles à l’instant t.

• Termes imprédictible à l’instant t.

Pour simplifier l’écriture, on va omettre q 1 des équations :

B F
y (t  d )  u (t )   (t )  E (t  d )
A A

D’autre part :
A B
 (t )  y (t )  q  d u (t )
C C
B F F
y (t  d )  (1  q  d )u (t )  y (t )  E (t  d )
A C C
 B F B F
(1  q  d )  (1  q  d d
)
A C A AE  q F

 F BE 
y (t  d )   y (t )  u (t )   E (t  d )
 C C 

B AE  q  d F  q  d F
 ( d
)
A AE  q F

BE

C

Le critère J à minimiser devient :

  F BE 
2

J  E   ( y (t )  u (t )  E (t  d ))  yˆ (t  d / t ) 
  C C  
La perturbation  (t  d ) ne dépend ni de u(t) ni y(t) et par la suite les termes

croisés s’annulent et le critère devient :

 F
J  E  ( y (t ) 
BE 

u (t )  yˆ (t  d / t )) 2   E ( E (t  d )) 2 
 C C 

or E E (t  d )  0 et inconnue.
2

F BE
yˆ (t  d / t )  y (t )  u (t )
C C

ou encore

C yˆ (t  d / t )  F y (t )  BE u (t )
 Conclusion

La prédiction à d-pas de y (t  d ) est yˆ (t  d / t ) donnée par

F G
yˆ (t  d / t )  y (t )  u (t )
C C

Ou F et G sont tels que :

C  AE  q  d F
G  BE
Avec : deg E  d  1 deg F  n  1

Nous avons considéré le pas de prédiction égale au retard pur du procédé (j = d).
Cas général

 Fj BE j

yˆ (t  j / t )   C y (t )  C u (t  j  d) 0jd
 y (t  j ) j 0
où
C  AE j  q  j F j
G j  BE j
Avec : deg E j  j  1 deg F j  max (na  1, nc  1)

 0  j  d pour que yˆ (t  j / t ) soit complétement prédictible.

 0  j  d  u (t  j  d) est connue.
 j  d  u (t  j  d) est future.
 4 . Commande à variance minimale :

• Synthèse du régulateur à variance minimale :

Procédé à commander:

A(q 1 ) y (t )  q  d B(q 1 )u (t )  C (q 1 ) (t )

A, B et C sont des polynômes stables d’ordre n et  (t )  S (0,  2 )

Les premiers travaux sur la commande adaptative on été portés sur la C.A.V.M.

• Minimisation du critère 
J  E ( y (t )) 2 
• Minimisation du critère 
J  E ( y (t  d )) 2 
Pour la synthèse de la loi de commande, il suffit de déterminer u (t) qui minimise J.
  
 F
J  E ( y (t  d )) 2  E  ( y (t ) 
BE
u (t ))  E ( E (t  d )) 2 

 C C 

La commande u(t)est déterminée à partir de la condition d’optimalité

J 
 0
u(t)  u uopt

 F (q 1 ) y (t )  G (q 1 )u (t )  0 avec G  BE

Pour retourner à la forme linéaire déjà étudiée on pose :

S ( q 1 )  F (q 1 )
R(q 1 )  G (q 1 )
T (q 1 )  0
La loi de commande devient ainsi :

R (q 1 )u (t )  S (q 1 ) y (t )  0

La commande optimale :

F (q 1 )
u (t )   1 1
y (t )
B (q ) E (q )

Conclusion

La résolution du problème de la commande à variance minimale est achevée

en deux étapes :

Résoudre le problème de prédicateur optimal.

Prendre comme stratégie de commande la loi qui annule cette prédiction.
 • Version non adaptative

F F
u (t )  y (t )   y (t )
G BE
C  AE  q  d F
Avec deg E  d  1 et deg F  n  1

A, B et C sont supposés connus

Pour obtenir la commande engendrée par le régulateur à variance minimale deux

cas possibles :

 En utilisant la division euclidienne de C par A

E (q 1 ) est le quotient

q d F est le reste de la division

 En identifiant les coefficients des différentes puissances en q 1

 n
A(q )  1   ai q i
1

i 1
n
B (q )   bi q i
1

i 0
n
C (q )  1   ci q i
1

i 1
 d 1
E (q )  1   ei q i
1

i 1
 n 1
1
F (q )  fq
i 0
i
i

G (q 1 )  B (q 1 ) E (q 1 )

Le degré ng est imposé par celui de B (q 1 ) et E (q 1 )

d' après l' identité : C  AE  q  d F

1  c1q 1    cn q  n 
(1  a1q 1    an q  n )(1  e1q 1    ed 1q  d 1 )  q  d ( f 0  f1q 1    f n 1q  n 1 )
L’identification terme à terme donne :

c1  a1  e1
c 2  a 2  a1 e1  e1

c d 1  a d 1  a d 1 e1  a d  2 e 2    a1 e d  2  e d 1
c d  a d  a d 1 e1  a d  2 e 2    a1 e d 1  f 0
c d 1  a d 1  ....................  f 1
.
c n  a n  a n 1 e1  a n  2 e 2    a n  d 1e d 1  f n  d
.
.
0  a n 1 e d 1  f n 1
• Version adaptative

Cette version consiste à associer à l’algorithme de commande un algorithme

d’adaptation. Soit pour l’ajustement des paramètres du régulateur dans le
schéma de commande direct, soit pour l’ajustement des paramètres du modèle
du procédé dans le schéma de commande indirect.

• Schéma indirect de la commande à V.M

Cette forme de l’algorithme consiste à remplacer les paramètres inconnus

a i , bi et c i par leur estimés pour calculer les paramètres du régulateur f i et g i

en résolvant l’équation polynomiale.

• Étapes de l’algorithme :

A chaque pas d’échantillonnage t  kTs on réitère les étapes suivantes :

  Lecture de y(t)

 Estimer les paramètres du modèle :

aˆi , bˆi et cˆi (Type moindres carrés)

 Déterminer les paramètres du régulateur f i et g i

(résolution de l’équation polynomiale).

F
 Engendrer la commande u (t )   y (t )
G
 Appliquer u(t) et revenir à la première étape.

• Schéma direct de la commande à V.M

En considérant la commande à variance minimale, cherchons une forme

particulière du modèle où apparaissent les paramètres du régulateur.
La sortie du procédé s’écrit :
A(q 1 ) y (t )  q  d B (q 1 )u (t )   (t )
F
avec u (t )   y (t )
G
à l' instant t  d :

y (t  d )  yˆ (t  d / t )   (t  d )
y (t  d )  Fy (t )  Gu (t )   (t  d )
y (t  d )  Sy (t )  Ru (t )   (t  d )

 y (t )  S (q 1 ) y (t  d )  R (q 1 )u (t  d )   (t )
avec
S (q 1 )  s0  s1q 1    sns q  ns , ns  n f  n  1
R (q 1 )  r0  r1q 1    rnr q  nr , nr  ng  n  d  1
L’expression de la loi de commande s’écrit :

nr ns
r0 u (t )   r u(t  i)   s y(t  i)
i 1
i
i 1
i

n ns
1 r
r0 i 1 
u (t )   [ ri u (t  i )   s y(t  i)]
i 1
i

Etapes de l’algorithme :

A chaque pas d’échantillonnage : t  kTs on réitère les étapes suivantes :

 Estimation des paramètres du régulateur : c.à.d déterminer les paramètres rˆi et sˆi
du modèle suivant :
nr ns
y (t )   r u(t  d  i)   s y(t  d  i)   (t )
i 1
i
i 0
i

 Calcul de la commande :
n ns
1 r
r0 i 1 
u (t )   [ ri u (t  i )   s y(t  i)]
i 1
i
Commande adaptative à variance minimale :

F
u (t )   y (t )
BE

Hypothèse :

 B ( q 1 ) stable

• Connaissance exacte du retard pur du procédé (d : Horizon de prédiction).

Applicabilité :

Systèmes stables à phase minimale et à retard connu.

5. Commande à variance minimale généralisée :

• Objectif

Elargir le domaine d’application du régulateur à variance minimale n introduisant

dans le critère une pondération sur la commande.

• Position du problème

Procédé à commander :

A(q 1 ) y (t )  q  d B (q 1 )u (t )  C (q 1 ) (t )

calculer u(t) qui minimise J



J  E  P (q

1
) y (t  d )  N (q 1
) y r (t )  2
 Q(q 1 )u 2 (t )


y r (t ) est le signal de référence

N, P et Q sont des polynômes en q 1 stables(fonctions de pondération)

 • Synthèse de la loi de commande :

Soit  (t  d ) la sortie généralisée définie par :

 (t  d )  Py (t  d )  Qu (t )  Ny r (t )
  (t  d )  ˆ (t  d )   ' (t  d )
Le régulateur à variance minimale de la sortie généralisée est obtenu en
minimisant le critère :


J1  E  2 (t  d ) / t 
la loi de commande u(t) est obtenue en annulant la prédictions de la sortie
généralisée.

ˆ (t  d / t )  Pyˆ (t  d )t )  Qu (t )  Ny r (t )  0
or on sait que :
F BE
yˆ (t  d / t )  y (t )  u (t )
C C
C  AE  q  d F

avec deg E  d  1 et deg F  n  1

PF PBE
 ˆ (t  d / t )  y (t )  (  Q)u (t )  Ny r (t )  0
C C

 PFy (t )  ( PBE  CQ)u (t )  CNy r (t )  0

on obtient la forme de la commande linéaire à V.M.G :

R(q 1 )u (t )  S (q 1 ) y (t )  T (q ) y r (t )

avec :

R  PBE  CQ, S  PF et T  CN
• Version adaptative

La forme adaptative est obtenue en combinant à la loi de commande développée

à un algorithme récursif d’estimation des paramètres.

• Cas indirect

• Calcul des paramètres estimés

• Les paramètres du régulateur sont calculés à partir des paramètres estimés

• Cas direct

Le modèle est reparamétré en termes de paramètres de régulateur

 (t  d )  ˆ (t  d )   ' (t  d )

ˆ (t  d )  Ru (t )  Sy (t )  Ty r (t )

 ˆ (t )  Ru (t  d )  S ( y (t  d )  Ty r (t  d )   ' (t )

  (t )   T    ' (t )
 • Analyse de la boucle fermée

1
u (t )    Sy (t )  Ty r (t )
R
BT CR
y (t )  q  d y r (t )   (t )
d d
AR  q BS AR  q BS

en remplaçant R, S et T par leurs expressions :

BN PBE  CQ
y (t )  q  d yr (t )   (t )
PB  AQ PB  QA

La stabilité du système dépend des racines du polynôme caractéristique PB  QA

Les pondérations P et Q sont choisis de façon à assurer la stabilité du système en boucle fermée.
Dans certains cas des systèmes instables et à phase non minimale, ce choix n’est pas toujours
possible si la dynamique du système est variable.

Applicabilité
• Systèmes linéaires à phase minimale ou non, voir instables
• Limitation si le retard est variable ou mal connu.
6. Commande adaptative par placement de pôles :

• Objectif

Stratégie de commande applicable aux systèmes ayant des zéros et des pôles
stables ou instables.

• Idée

Concevoir un système de commande linéaire, par l’approche polynomiale, assurant la

stabilité du système en boucle fermé avec une dynamique spécifié à priori.

• Modèle du procédé :

A(q 1 ) y (t )  q  d B (q 1 )u (t )  C (q 1 ) (t )

Considérons loi de commande linéaire :

R ( q 1 )u (t )  s (q 1 ) y (t )  T ( q 1 ) y r (t )
R,S,T sont des polynôme en q-1 et de degrés appropriés

Le système en boucle fermée :

BT RC
y (t )  q  d y (t )   (t )
d d
AR  q BS AR  q BS

La méthode à placement de pôles consiste à assigner au système en boucle fermée

une dynamique choisie à priori :

1 d B M ( q 1 )
GM (q )q stable
AM ( q 1 )
d’où

BT BM

AR  q  d BS AM
 • Cas d’un placement de pôles sans simplification des zéros

Un tel objectif est réalisé par la loi de commande.

R(q 1 )u (t )  S ( q 1 ) y (t )  T (q 1 ) y r (t )

avec R et S sont la solution de l’équation polynomiale

AR  q  d BS  P f (q 1 )

P f (q 1 ) est un polynôme stable spécifiant les pôles désirés en boucle fermée ( Ex : P f  Am )

et 
1
 si B (1)  0
T ( q  1)  Pf ( q  1),    B (1)
 1 si B (1)  0

Le scalaire  est introduit pour avoir un gain statique unitaire de la dynamique de poursuite.

Un tel choix permet de spécifier complètement la dynamique de poursuite par

celle du modèle de référence.
 Calcul de R (q 1 ) et S ( q 1 ) :
Le problème de placement de pôles est équivalent au problème algébrique :
Déterminer : R et S tel que :
AR  q  d BS  P f
Soit : n  max(na , nb  d )
Généralement, cette équation admet plusieurs solutions ; il existe une solution
unique et minimale par rapport aux degrés de R et S.
d  Pf  2n  1
d  S  2n  1
d R  n  1

• Méthode résolution numérique

Forme matricielle de l’équation polynomiale :

AR  q  d BS  Pf  MX  P  X  M 1 P

X T  1, r1 , , rn 1 , s 0, , s n 1 
P T  1, p0 , , p 2n 1 
M : matrice contenant les paramètres dynamiques du procédé, supposés connus,
si non on les estime.

 1 b0'   1   1 
     
 a1 1 b1' b0'   r1   p1 
 . a1 . . b1' .   .   . 
     
 . . . . . . . .   .   .
 
 . . . 1 . . . . b0'   rn 1.  p n 1. 
   
 an . . a1 bn' . . . '
b1  s0   p n 
   .   . 
 an . . . bn' . . .     
 . . . . . .   .   . 
  
 . . . .   .   . 
  
 an bn'   s n 1   p 2n 1 


M : Matrice de Sylvester
 où bi'  0 pour i  0,1,  , d
bi'  bi  d pour i  d
bi  0 pour i  nb
ai  0 pour i  na

Théorème :
M est invisible <=> A et B sont premiers entre eux

• Algorithme adaptatif à placement de pôles

Ay (t )  q  d Bu (t )  C (t )

Ay (t )  q  d B ' u (t )  C (t )

Hypothèses :
 na et n b connus
 A et B premiers entre eux
La loi de commande à placement de pôles est donnée par

Ru (t )  Sy (t )  Ty (t )

Où R et S sont tels que :

AR  q  d BS  Pf

1
T  Pf et  ; Pf : Polynôme stable choisi arbitrairement
B (1)

La réalisation de cette loi de commande nécessite la connaissance des paramètres

du modèle du procédé. En pratique, ces paramètres sont inconnus, d’où la nécessité
de l’estimer.
• Schéma de commande adaptative

A chaque t=k Te, on réitère les étapes suivantes :

• Estimation récursive des paramètres du modèle du procédé

• Calcul des paramètres du régulateur

Aˆ (t , q 1 ) R(t , q 1 )  q  d Bˆ (t , q 1 ) Sˆ (t , q 1 )  Pˆ f (q 1 )

d  Pf  2n  1; d  R  n  1, d S  n  1 avec (n  max(na , nb  d ))

• Calcul la loi de commande

Rˆ (t , q 1 )u (t )  Sˆ (t , q 1 ) y (t )  ˆPf (q 1 ) y r (t )

• Application de u(t) et retour à l’étape n°1

 Schéma de commande

• Analyse de la boucle fermée

en considérant une situation idéale  (t )  0

BT
y (t )  q  d y r (t )
d
AR  q BS

BT
y (t )  q  d y r (t )  P f y (t )  q  d BTyr (t )  0
Pf

La dynamique de poursuite est fixée par :

BM
ym (t )  q  d yr (t )
AM

Pour le placement de pôles, l’objectif de poursuite est réalisé si

y (t )  ym (t )  0

1
T  P f  Pf
B(1)
 d B (q 1 )
P f y (t )  q BTy r (t )  0  P f ( y (t )  y M (t ))  0
B(1)

 lim ( y (t )  y M (t ))  0
t 
7. Exemples de simulations

• Rappels

Modèle du processus

A( q 1 ) y (t )  B (q 1 )(u (t )  v(t ))

Loi de contrôle

R(q 1 )u (t )  T (q 1 )uc  S (q 1 ) y (t )

Système en boucle fermée

uc est le signal référence

 BT BR
y (t )  uc (t )  v(t )
AR  BS AR  BS

AT BS
u (t )  uc (t )  v(t )
AR  BS AR  BS

Ac est le polynôme caractéristique en boucle fermée

AR  BS  Ac est appelée équation de Diophantine

Modèle de poursuite

BT
Réponse en boucle fermée : y (t )  uc (t )
AR  BS

Réponse désirée : Am ( q 1 ) ym (t )  Bm (q 1 )uc (t )

BT BT Bm
 
AR  BS Ac Am
 Considérons le système décrit par l’équation :

y (t )  a1 y (t  1)  a2 y (t  2)  b0u (t  1)  b1u (t  2)

a1  1,6
a2  0,6

b0  0,09
b1  0,1

Par application des moindres carrés avec facteur d’oubli, l’évolution des paramètres estimés
est donné par les figures suivantes :
La commande u(t), la référence uc et la sortie y(t) sont illustrées sur les figures suivantes
• Système perturbé
Système filtré