1.1.

INTRODUCERE
Observerele sunt folosite pentru estimarea vectorului de stare al sistemului condus
(aparatului de zbor) folosind semnalele de intrare şi de ieşire ale acestuia. Prin măsurarea
unor componente ale vectorului de stare (componentele vectorului de ieşire), se reduce
numărul senzorilor din sistemul de conducere, mai ales al celor pentru măsurarea unor
variabile de stare greu accesibile sau greu măsurabile, cum este, de exemplu, cazul defor-
mărilor elastice [50], [196], [231].
Primele structuri de observere au fost descoperite de Luenbergher în anii 1966,
1971. Observerele sunt folosite atât pentru sisteme cu intrări cunoscute, cât şi pentru sis-
teme cu intrări necunoscute, proiectarea lor aparţinând mai multor cercetători (Bhatta-
Charyya, 1978; Chen şi Patton, 1999; Chorless şi Tu, 1998; Darouach, 1994; Hostetter
şi Meditch, 1973; Hou şi Müller, 1992; Hui şi Zak, 1993 şi 2005; Kudva, 1980; Kurek,
1983; Wang, 1975; Yang şi Wilde, 1988; Krzminski şi Kakzorek, 2005 ş.a.). Observere-
le recente sunt dedicate sistemelor cu o parte din intrări necunoscute, respectiv sisteme-
lor cu subsisteme a căror dinamică este necunoscută. Pentru astfel de sisteme se proiec-
tează observere cu ordin redus; intrările necunoscute pot fi perturbaţii, erori etc.
Dintre observerele pentru estimarea stării sistemelor stochastice, cel mai cunoscut
este estimatorul (filtrul) Kalman-Bucy [81], [112], [130]. În cazul sistemelor neliniare
cu intrări parţial necunoscute sau cu subsisteme necunoscute, se construiesc observere
adaptive care utilizează reţele neuronale [87], [98], [107], [132], [146]. Cercetări mai
recente se referă la proiectarea observerelor pentru sisteme cu întârziere internă [42],
[69], [86], [219], bazate pe teoria lui Lyapunov; proiectarea observerelor presupune re-
zolvarea unor inegalităţi matriceale. Observerele de stare liniare sunt folosite pentru
estimarea stării x a sistemelor liniare pe baza vectorului y al variabilelor măsurate şi al
vectorului de intrare sau a unor componente ale acestuia.
 x t   Axt   Bu t  ,
 (1.1)
 y t   Cxt   Du t 

1.4. PROIECTAREA OBSERVERELOR LINIARE

UTILIZÂND FORMULA BASS-GURA
Se consideră sistemul descris de ecuaţiile (1.1) cu D=0. Notând cu x̂ vectorul de
stare estimat, se construieşte un observer descris de ecuaţia [67]

xˆ t   Aˆ xˆ t   Ly t   Hu t  . (1.30)

Matricele Aˆ , L şi H se calculează astfel încât, în regim staţionar, xˆ t   xt  . Se con-

sideră eroarea observerului et   xt   xˆ t  ; derivând în timp eroarea et  se obţine

et   Ax t   Bu t   Aˆ xt   et   LCx t   Hu t  

(1.31)
 
 Aˆ et    Aˆ  A  LC xt   B  H  u t  .
12 ESTIMAREA STĂRII APARATELOR DE ZBOR

Trebuie îndeplinite simultan condiţiile

 B  H  0  B  H ,
 ˆ (1.32)
 A  A  LC  0  Aˆ  A  LC .

În aceste condiţii, eroarea de estimare devine [67]

et   Aˆ et  ; (1.33)

eroarea converge la zero et   0 dacă Â este o matrice stabilă.

Având în vedere ecuaţiile (1.32), ecuaţia (1.30) a estimatorului de stare se scrie

xˆ t   Axˆ t   Bu t   L y t   Cxˆ t  , (1.34)

adică forma generală Luenberger
Făcând notaţia [67]
r t   y t   yˆ t   y t   Cxˆ t  , (1.35)
ecuaţia (1.34) devine
xˆ t   Axˆ t   Bu t   Lr t  , (1.36)
în care r(t) se numeşte reziduul estimatorului de stare.
Există o multitudine de metode pentru determinarea matricei de amplificare a
observerului L. Cum estimatorul de stare are forma filtrului Kalman, matricea L poate
fi determinată prin rezolvarea unei probleme optimale. O altă variantă ar fi determina-
rea matricei prin metoda poziţionării polilor. Metoda Bass-Gura reprezintă o alternativă
la metoda poziţionării polilor. Pentru descrierea metodei, se consideră a(s) şi âs   poli-
noamele caracteristice ale matricelor A, respectiv Â

a s   det sI-A , aˆ s   det sI-Aˆ .   (1.37)

Cele două polinoame caracteristice se scriu
n n
a s   s n  as i
n-i
, aˆ s   s n   aˆ s i
n-i
, (1.38)
i 1 i 1

unde n este numărul de linii şi de coloane ale matricei A. Dependenţa între cele două
polinoame caracteristice este [67]

aˆ s   a s   a s C sI n  A L
1
(1.39)
şi, utilizând formula Leverreim-Souriau,
s n-1 I n  s n-2  A  a1 I n   s n-3  A 2  a1 A  a2 I n      A n 1  a1 A n  2    an 1 I n  (1.40)
sI n  A
1
 ,
a s 
PROIECTAREA OBSERVERELOR LINIARE 13

ecuaţia (1.39) conduce la

aˆ1  a1  CL ,
ˆ
a 2  a 2  CAL  a1CL ,
 (1.41)
aˆ 3  a 3  CA 2 L  a1CAL  a 2 CL ,


aˆ n  a n  CA n  1 L  a1CA n  2 L    a n  1CL .

Sistemul de ecuaţii (1.41), considerându-se vectorii

a  a1 a 2  a n  , aˆ  aˆ1 aˆ 2  aˆ n  ,
T T
(1.42)
se scrie
aˆ  a  Ta O A, C L , (1.43)

în care O A, C este matricea de observabilitate asociată sistemului (1.1), adică

O A, C  C CA CA 2  CA n 1  ,
T
(1.44)

iar Ta este o matrice inferior triunghiulară având forma

 1 0 0  0
 a 1 0  0
 1
Ta   a2 a1 1  0 . (1.45)
 
     
an 1 an  2 an  3  1

Matricea de amplificare a observerului (L) se determină din ecuaţia (1.43) astfel [67]


L  Ta O A , C  aˆ  a  ,
1
(1.46)

după ce, în prealabil, s-au determinat matricele O A, C şi Ta. Deoarece Ta este o matrice
inferior triunghiulară  det Ta   1  Ta  matrice nesingulară. Pentru ca formula Bass-
Gura să poată fi aplicată, matricea O A, C trebuie să fie inversabilă, deci rang O A, C   n
(sistemul descris de ecuaţiile (1.1) trebuie să fie observabil).
Observaţii
1. În Matlab/Simulink, polinomul caracteristic asociat unei matrice se determină cu
ajutorul comenzii poly [75];
2. În (1.46), vectorul â se determină impunând valori proprii dorite pentru observer;
3. Considerând A - matrice pătratică de ordinul n  A  M n  n şi că sistemul (1.1) are
s ieşiri  C  M s  n , dimensiunile matricelor Ta şi O A, C sunt, respectiv, Ta  M nn ,
14 ESTIMAREA STĂRII APARATELOR DE ZBOR

O A, C  M sn n . Pentru a putea efectua produsul matricelor Ta şi O A , C din ecuaţia (1.46),
este nevoie ca s  n  n  s  1 (sistemul trebuie să aibă o singură ieşire). Cu alte cu-
vinte, o condiţie necesară a metodei Bass-Gura pentru proiectarea observerelor este ca
sistemul descris de ecuaţiile de stare (1.1) să aibă o singură ieşire.
Aşadar, algoritmul Bass-Gura pentru proiectarea observerului este [67]:
Algoritmul Bass-Gura
Pasul 1: Cunoscându-se matricea A a sistemului, se determină polinomul caracteristic
a(s) asociat acestei matrice.
Pasul 2: Se impun valori proprii dorite pentru observer şi se determină polinomul carac-
teristic â s  asociat matricei Aˆ  A  LC .
Pasul 3: Se calculează matricea Ta cu formula (1.45) şi matricea de observabilitate a
sistemului O A , C utilizând ecuaţia (1.44).
Pasul 4: Se calculează matricea de amplificare a estimatorului de stare cu ecuaţia
(1.46) şi se proiectează observerul descris de ecuaţia (1.34).
În cele ce urmează, se validează algoritmul Bass-Gura de proiectare a observerelor
liniare pentru două cazuri concrete ale mişcărilor longitudinală, respectiv laterală ale
aeronavelor. Pentru început, se consideră mişcarea longitudinală a unei aeronave descri-
să de ecuaţia de stare
 Vx   0.007 0.012  9.81 0   V x   0 
    
     0.128  0.54 0 1      0.04 (1.47)
 p
    0 0 0 1      0 
      

 y   0.065 0.96 0  0.99  y    12.5 

şi de ecuaţia de ieşire y=Cx cu C=[0 0 1 0]. Pentru observer, se impun valorile proprii
dorite -1, -2, -3 şi -4. Se obţin, succesiv, conform algoritmului de mai sus,
a s   s 4  1.537 s 3  0.413 s 2  0.635 s - 0.861 , aˆ s   s 4  10 s 3  69 s 2  50 s  24 ,
 1 0 0 0  0 0 1 0 
 1.537 1 0 
0  0 0 0 1 
Ta   , O A, C   , (1.48)
- 0.413 1.537 1 0  0.065 0.96 0 - 0.99 
   
 0.635 - 0.413 1.537 1 - 0.187 - 1.468 - 0.637 1.94 
L   - 276.462 56.405  .
T
41.643 8.463

Utilizând mediul Matlab/Simulink, s-au obţinut caracteristicile de timp din fig. 1.1
(erorile de estimare a variabilelor de stare cu estimatorul de stare Bass-Gura pentru
u=0) şi caracteristicile de timp din fig. 1.2 pentru legea de comandă u   Kxˆ (matricea
K calculată cu algoritmul ALGLX [140]); caracteristicile exprimă variabilele de stare
xi (t )  cu linie continuă şi xˆ i (t )  cu linie întreruptă.
PROIECTAREA OBSERVERELOR LINIARE 15

140 5

A doua componenta a erorii

120

Prima componenta a erorii

0
100

80 -5
60
40 -10

20
-15
0

-20 -20
0 5 10 15 20 0 5 10 15
Timp [s] Timp [s]
5
10
A treia componenta a erorii

A patra componenta a erorii

5
3
0
2

1 -5

0 -10

-1
0 2 4 6 8 10 -15
0 5 10 15
Timp [s] Timp [s]

Fig. 1.1. Erorile de estimare a stării estimatorului Bass-Gura (K=0)

150 20
x1 x2
15
x̂1 x̂2
100
10
V x m/s

5
 grd

50
0

-5
0
-10

-50 -15
0 5 10 15 20 0 5 10 15 20
Timp [s] Timp [s]
10 60
x3 x4
40
x̂3 x̂4
5
20
 y grd/s 
 grd 

0
0
-20

-40
-5
-60

-10 -80
0 5 10 15 20 0 1 2 3 4 5 6 7
Timp [s] Timp [s]

Fig. 1.2. Variabilele de stare xi (t ) şi xˆ i (t ) - mişcarea longitudinală K  0

Se implementează software observerul Bass-Gura şi pentru cazul mişcării laterale

a unei aeronave Boeing 747, care zboară cu M=0.8 la H=40000 ft; ecuaţia de stare a
mişcării laterale este

    0.0558  0.9968 0.0802 0.0415     0.0073 0 

 
  z   0.598  0.115  0.0318 0   z   0.475 0.123  d 

    . (1.49)
 x   0.305 0.388  0.465 0   x   0.153 1.063    e 
      
    0 0.0805 1 0      0 0 

S-au impus aceleaşi valori proprii dorite ca şi în cazul mişcării longitudinale şi se obţin
16 ESTIMAREA STĂRII APARATELOR DE ZBOR

a s   s 4  0.635s 3  0.669s 2  0.234s - 0.0127 , aˆ s   s 4  10s 3  69s 2  50s  24 ,

 1 0 0 0  0 0 1 0 
0.635 1 0 0   0 0 0 1 
Ta   , O A, C   , (1.50)
0.669 0.635 1 0  0.065 0.96 0 - 0.99
   
0.234 0.669 0.635 1  - 0.187 - 1.468 - 0.637 1.94 
L  17.73 64.215 57.207 9.364 .
T

Erorile de estimare a variabilelor de stare sunt prezentate în fig. 1.3 (pentru K=0),
iar variabilele de stare xi (t ) şi xˆ i (t ) pentru K calculat cu algoritmul ALGLX [140] sunt
prezentate în fig. 1.4.
10 5

8 0
A doua componenta a erorii
Prima componenta a erorii

6 -5

4 -10

2 -15

0 -20

-2 -25

-4 -30
0 5 10 15 20 0 5 10 15
Timp [s] Timp [s]
5 8
A treia componenta a erorii

0
A patra componenta a erorii

-5
4
-10
2
-15

0
-20

-25 -2
0 1 2 3 4 5 0 1 2 3 4 5
Timp [s] Timp [s]

Fig. 1.3. Erorile de estimare a stării estimatorului Bass-Gura (K=0)

20 30
x1 x2
15 x̂1 20 x̂2

10
 z grd/s 

10
 grd 

5 0

0 -10

-5 -20
0 5 10 15 20 0 5 10 15
Timp [s] Timp [s]
10 20

0 x4
15 x̂4
-10 x3
 x grd/s

x̂3
 grd 

-20 10

-30
5
-40

-50 0
0 2 4 6 8 10 0 5 10 15 20
Timp [s] Timp [s]

Fig. 1.4. Variabilele de stare x i (t ) şi xˆ i (t ) - mişcarea laterală K  0