Cap.

1 Introducere
Majoritatea tehnicilor curente pentru proiectarea sistemelor de conducere se bazeaz pe o bun nelegere a procesului ce trebuie condus, precum i a condiiilor de funcionare a acestuia. n practic, exist multe situaii n care procesul ce trebuie condus este foarte complex, iar fenomenele fizice care se produc n diversele subprocese ale acestuia nu sunt complet cunoscute. n aceste cazuri, tehnicile de proiectare a comenzilor trebuie augmentate cu o tehnic de identificare, care s aib drept scop o mai bun nelegere a procesului de condus. Se ajunge astfel la o agregare a operaiilor de conducere i a celor identificare. De cele mai multe ori, cele dou operaii sunt tratate separat. Dac ns, identificarea sistemului este recursiv adic modelul procesului este actualizat periodic pe baza estimrilor anterioare i a datelor noi culese din proces operaiile de identificare i control pot fi realizate concurent. Conducerea adaptiv va fi privit ca o agregare direct a unei metodologii (neadaptive) de control cu o anumit metod de identificare recursiv a procesului.

1.1. Etapele proiectrii unui sistem de conducere

n multe aplicaii de conducere, proiectarea unui regulator (controller) care s poat influena sau modifica comportarea i rspunsul unui proces incomplet cunoscut sau necunoscut, pentru a satisface anumite cerine de performan, poate fi o problem dificil, dar i interesan i provocatoare. Prin proces, n general, vom nelege orice Ieiri Intrri proces caracterizat printr-un anumit numr de Proces P y u intrri, notate cu u, i ieiri, notate cu y, reprezentat schematic ca n Fig. 1.1. Intrrile u Fig.1.1. Reprezentarea unui proces sunt prelucrate pentru a produce anumite ieiri y, care reprezint, de obicei, rspunsurile msurate ale instalaiei. Scopul proiectrii unui sistem de conducere const n alegerea intrrii u astfel nct ieirea y(t) s satisfac anumite performane impuse. Deoarece, n practic, procesul ce trebuie condus este foarte complex, n sensul c poate conine diverse pri mecanice, electrice, electronice, hidraulice etc., interconectate n diverse structuri funcionale, face ca o alegere corespunztoare a lui u s nu fie o problem simpl. Etapele de proiectare parcurse de majoritatea proiectanilor de sisteme de conducere, respectiv de determinare a comenzii u, sunt prezentate n Fig. 1.2 i explicare mai jos. Etapa 1. Modelarea n aceast etap, inginerul proiectant trebuie s analizeze i s neleag funcionarea procesului, care, pentru un semnal de intrare u(t), produce un semnal
1-1

de ieire (rspuns) y(t); este etapa n care relaiile intrare-ieire pot fi descrise prin anumite ecuaii matematice. Aceste ecuaii constituie modelul matematic al procesului. Un model exact al procesului ar trebui s produc un rspuns identic cu cel al procesului real, dac intrarea n model i condiiile iniiale sunt identice cu cele aplicate procesului real. Complexitatea majoritii proceselor fizice fac ca dezoltarea unui astfel de model (exact) s fie nejustificat sau chiar imposibil. Dar, chiar dac modelul exact al procesului poate fi obinut, dimensiunea acestuia ar putea fi foarte mare, ar putea fi puternic neliniar i variabil n timp, ceea ce face apropape imposibil utilizarea sa pentru proiectarea unui sistem de conducere. Aceasta face ca sarcina modelrii s fie chiar mai dificil, dar i mai interesant, deoarece proiectantul trebuie s obin n final un model matematic care s descrie cu acuratee comportarea intrare/ieire (I/O - Input/Output) a procesului i, n plus, s fie destul de simplu pentru a putea fi utilizat pentru proiectarea sistemului de conducere propus. Un model simplu conduce de regul la un controller simplu, care este uor de neles i implementat, i mult mai sigur pentru scopuri practice. u
Procesul

P
Pasul 1: Modelarea

Modelul procesului Pm

Pasul 2: Proiectarea controllerului Incertitudine Intrare de referin Controller C

Modelul procesului Pm

Pasul 3: Implementarea Intrare de referin Controller C

Proces

Fig.1.2. Etapele proiectrii unui sistem de conducere

Un model al procesului poate fi dezvoltat prin folosirea legilor fizicii sau prin procesarea datelor de intrare/ieire (I/O) ale procesului, date obinute prin efectuarea unor experimente. Totui, un astfel de model poate fi destul de complicat din punctul de vedere al proiectantului sistemului de conducere, fiind
1-2

astfel necesar o simplificare ulterioar a acestuia. Pentru a obine un model simplificat, cteva dintre abordrile cele mai utilizate sunt: (i) Liniarizarea n jurul punctelor de funcionare; (ii) Tehnici de reducere a ordinului modelului. n prima abordare (i), procesul este aproximat printr-un model liniar, care este valid numai n jurul unui punct de funcionare. Puncte de funcionare diferite pot conduce la modele liniare diferite, care pot fi folosite ca modele valide ale procesului n jurul acelor puncte. Liniarizarea se obine fie prin dezvoltarea n serie Taylor a modelului neliniar i aproximarea liniar a acestuia, fie prin potrivirea datelor experimentale la un model liniar, fie prin alte metode. n cea de-a doua abordare (ii), efectele nesemnificative i fenomenele situate n afara domeniului de frecvene de interes sunt neglijate conducnd la un model al procesului mai simplu i de ordin mai sczut. Pentru detalii privind tehnicile de aproximare i reducere a ordinului modelelor folosind metoda perturbaiilor singuare se poate consulta [1]. n general, modelarea implic o bun nelegere a instalaiei de automatizat, a funcionarii acesteia i a cerinelor de performan impuse i poate reclama o anumit experien a inginerului automatist. Etapa a 2-a. Proiectarea algoritmului de conducere Odat ce dispunem de un model al procesului se poate trece la etapa proiectrii sistemului de conducere. Controllerul se proiecteaz pe baza acestui model astfel nct sistemul de conducere (n circuit nchis) s satisfac performanele impuse. Dac modelul reprezint o bun aproximare a procesului, atunci putem spera c performanele controllerului, respectiv ale sistemului de conducere, proiectat pe baza modelului procesului, ar putea fi apropiate de performanele sistemului obinute cnd acelai controller se aplic procesului real. Deoarece modelul reprezint ntotdeauna o aproximare a procesului real, efectul oricrei discrepane ntre proces i model asupra performanelor controllerului nu va fi cunoscut dect dup implementarea i testarea controllerului direct pe instalaia real (etapa a 3-a). Din aceast cauz, se poate introduce o etap intermediar n care performanele controllerului proiectat pentru un anumit model al procesului se pot analiza utiliznd acelai model la care se include ns o clas de incertitudini ale modelului procesului notate cu n Fig. 1.2. Dac conine majoritatea fenomenelor nemodelate ale procesului, reprezentarea sa prin ecuaii matematice nu este posibil. Dar, n multe aplicaii, caracterizarea sa prin anumite limite cunoscute poate fi posibil. Prin considerarea existenei unei clase generale de incertitudini , care ar putea fi prezente n proces, proiectantul poate modifica sau reproiecta controllerul astfel nct acesta s fie mai puin senzitiv la incertitudini, adic s fie mai robust n raport cu incetitudinea . Aceast analiz a robusteii precum i reproiectarea controllerului mbuntesc potenialul pentru o implementare practic de succes (Etapa a 3-a).

1-3

Etapa a 3-a. Implementarea n acest etap, un controller proiectat n etapa a 2-a, care satisface performanele impuse pentru modelul procesului i este robust n raport cu posibilele incertitudini de modelare , este gata pentru a fi utilizat pentru conducerea procesului real (incomplet cunoscut). Implementarea poate fi realizat utiliznd un calculator numeric, chiar dac n anumite aplicaii pot fi folosite i regulatoare analogice. Indiferent de tipul calculatorului utilizat, tipul interfeei ntre calculator i proces, software-ul corespunztor etc. trebuie s fie alese a priori. Viteza de calcul i acurateea pot constitui restricii asupra complexitii controllerului, care l pot determina pe proiectant s se rentoarc la etapa a 2-a sau chiar la pasul (etapa) 1 pentru a obine un controller mai simplu fr a afecta ns performanele impuse. Un alt aspect important al implementrii este ajustarea final a parametrilor numit adesea acordare a controllerului pentru mbuntirea performanelor de compensare a incertitudinilor de modelare, care nu au fost rejectate prin procesul de proiectare. Acordarea se face de regul prin ncercri i depinde foarte mult de experiena i intuiia proiectantului. n acest curs ne vom concentra atenia pe etapa a 2-a. Ne vom ocupa de proiectarea algoritmilor de conducere pentru o clas de modele descrise prin ecuaii difereniale linare de forma:

& x = Ax + Bu ; x(0) = x0 y = C T x + Du

(1.1.1)

n (1.1.1), x n este starea modelului, u r este intrarea procesului, iar y l este ieirea modelului procesului. Matricele A n n , B n r , C nl i D l r pot fi constante sau variabile n timp. Aceast clas de modele este destul de general deoarece ea poate servi i ca un aproximant al proceselor neliniare n jurul punctelor de funcionare. Este de ateptat ca un controller proiectat pe baza modelului liniar (1.1.1) s fie mai simplu i mai uor de neles dect un controller proiectat pe baza unui model mai complicat (exact), dar neliniar. Mai mult, clasa modelelor descrise prin (1.1.1) poate fi generalizat, dac se consider c elementele matricelor A, B sau C sunt fie complet necunoscute, fie se modific n timp sau cu schimbarea condiiilor de funcionare. Conducerea proceselor descrise prin modelele (1.1.1) cu A, B, C i D parial cunoscute sau necunoscute este inclus n domeniul sistemelor adaptive i constituie subiectul pricipal al acestui curs.

1.2. Controlul adaptiv

Corespunztor dicionarului Webster, a adapta nseamn "a se schimba (pe sine) astfel nct comportarea sa s fie n concordan cu noile circumstane sau cu circumstanele modificate". Cuvintele "sisteme adaptive" i "control adaptiv" au fost utilizate nainte de anul 1950 [2, 3].
1-4

Unul din motivele iniiale care au determinat cercetri active asupra controlului adaptiv, nainte de 1950, l-a constituit proiectarea autopiloilor pentru aparate de zbor de nalt performan. Aparatele de zbor funcioneaz ntr-un domeniu larg de viteze i altitudini, iar dinamicile lor sunt neliniare i variabile n timp. Totui, pentru un punct de funcionare dat, precizat prin viteza aparatului (numrul Mach) i altitudinea sa, dinamica complex a aparatului poate fi aproximat printr-un model liniar de forma (1.1.1). De exemplu, pentru un punct de funcionare i, modelul liniar al aparatului are urmtoarea form [4]:
& x = Ai x + Bi u ; x(0) = x0 y = CiT x + Di u (1.2.1)

unde Ai, Bi, Ci i Di corespund punctului de funcionare i. Cum, aparatul trece prin diferite condiii de zbor, punctele de funcionare se schimb conducnd la diferite valori pentru Ai, Bi, Ci i Di. Deoarece rspunsul y(t) conine informaie despre starea x, precum i despre parametrii aparatului, se poate argumenta c, n principiu, un controller cu reacie (dup stare sau ieire) ar putea fi capabil s sesizeze schimbarea parametrilor procesului prin procesarea rspunsului y(t) i s foloseasc factori de amplificare corespunztori pentru a se adapta la variaiile acestora. Acest argumentaie conduce la o structur de conducere cu reacie pe care se bazeaz controlul adaptiv. Structura sistemului adaptiv const dintr-o bucl de reacie i un controller cu factori de aplificare ajustabili, reprezentat n Fig. 1.3. Procedeul de schimbare a factorilor de amplificare, ca rspuns la schimbrile din dinamica instalaiei i a perturbaiilor, face distincia dintre o schem i o alta.

Intrare de referin

Controller C

Proces P

Strategia pentru ajustarea factorilor de amplificare

u(t) y(t)

Fig.1.3. Structura controllerului cu factori de amplificare variabili

1.2.1. Controlul robust

Controlul robust presupune proiectarea unui controller cu amplificare constant, care s fac fa schimbrii parametrilor procesului, cu condiia ca aceste schimbri s rmn n interiorul unor anumite limite. O schem bloc a unui astfel de controller este prezentat n Fig. 1.4, unde G(s) este funcia de transfer a procesului, iar C(s) este funcia de transfer a controllerului.
1-5

y* +

C(s)

Proces G(s)

Fig.1.4. Controller cu factor de amplificare constant

Funcia de transfer de la y* la y este:

y C ( s )G ( s ) = * y 1 + C ( s )G ( s ) (1.2.2)

unde C(s) trebuie aleas astfel nct sistemul n circuit nchis este s fie stabil, n pofida schimbrii parametrilor sau incertitudinilor n G(s), i y y * n domeniul frecvenelor de interes. Aceast ultim condiie poate fi realizat dac C(s) se alege astfel nct factorul de aplificare al buclei |C(j)G(j)| este ct mai mare posibil, n spectrul de frecven a lui y*, cu condiia ca acest valoare a factorului de amplificare s nu afecteze cerinele de stabilitate n circuit nchis. Obiectivele de urmrire i stabilitate pot fi realizate prin proiectarea lui C(s) cu condiia ca schimbrile din G(s) s se situeze ntre anumite limite. Mai multe detalii despre controlul robust vor fi prezentate ntr-un capitol viitor. Un sistem de conducere robust nu este considerat un sistem adaptiv, chiar dac acesta poate trata anumite clase de incertitudini parametrice i dinamice.
1.2.2. Planificarea amplificrii (Gain Scheduling)

Se consider modelul aparatului de zbor (1.2.1) unde, pentru fiecare punct de funcionare i, i = 1, 2, ..., N, parametrii Ai, Bi, Ci i Di se consider a fi cunoscui. Pentru fiecare astfel de punct de funcionare i, considernd modelul liniar corespunztor, din condiiile de satisfacere a performanelor impuse, se poate proiecta un controller cu factorul de amplificare constant, i . Se obine astfel un controller, C(), care conine un set de factori de amplificare {1 , 2 ,K, i ,K, N } corespunztori celor N puncte de funcionare. n timpul funcionrii, atunci cnd este detectat un punct de funcionare i, amplificarea controllerului se poate schimba la valoarea corespunztoare a lui i , valoare obinut dintr-un set de factori de amplificare precalculai. Tranziiile dintre diferitele puncte de funcionare, care conduc la schimbri semnificative ale parametrilor, pot fi rezolvate prin interpolare sau prin creterea numrului de puncte de funcionare. Pentru implementarea metodei Gain Scheduling sunt eseniale dou elemente: (i) un tabel predefinit n care se memoreaz valorile lui i i (ii) msurtorile auxiliare din proces corelate cu schimbrile corespunztoare punctelor de funcionare. Aceast abordare se numete planificare a amplificrii (gain scheduling) i este ilustrat n Fig. 1.5. Planificatorul amplificrii (gain scheduler) const ntr-un tabel predefinit cu factori de amplificare, o logic corespunztoare pentru detectarea punctului de
1-6

funcionare i alegerea din tabel a valorii corespunztoare a lui i . n cazul aparatelor de zbor, msurtorile auxiliare sunt numrul Mach i presiunea dinamic. Cu aceast abordare, variaiile parametrilor procesului pot fi compensate prin schimbarea amplificrii controllerului n funcie de msurtorile auxiliare.
i
Program sau semnal de referin

Gain Scheduling
u

Msurtori auxiliare

Controller C()

Poces

Fig.1.5. Schema Gain scheduling

Avantajul planificrii amplificrii const n aceea c amplificrile controllerului pot fi schimbate cu aceeai vitez cu care msurtorile auxiliare rspund la modificrile valorilor parametrilor. Totui, schimbri frevente i rapide ale amplificrilor controllerului pot conduce la instabilitate [5]; de aceea, exist o limit a ct de lent (obinuit) sau ct de rapid pot fi schimbate amplificrile controllerului. Unul din dezavantajele metodei gain scheduling const n faptul c n mecanismul de ajustare, amplificrile sunt precalculate off-line i, de aceea, nu furnizeaz informaie (reacie) pentru a compensa programele incorecte. Schimbrile neprevzute n dinamica procesului pot conduce la deteriorarea performanelor sau chiar la avarie. Un alt posibil dezavantaj al gain scheduling const n costurile mari de proiectare i implementare care cresc cu numrul de puncte de funcionare. n pofida limitrilor sale, gain scheduling este o metod popular pentru tratarea variaiei parametrilor n controlul zborului [4, 6] i a altor sisteme [7].
1.2.3. Controlul adaptiv direct i indirect

Un controller adaptiv se obine prin combinarea unui estimator on-line al parametrilor, care furnizeaz estimri ale parametrilor necunoscui la fiecare moment de timp t, cu o lege de comand, calculat pentru cazul parametrilor cunoscui ai procesului. Modul n care estimatorul parametrilor, referit de multe ori i lege adaptiv, se combin cu legea de comand, d natere la dou abordri diferite. n prima abordare, denumit control adaptiv indirect, mai nti parametrii procesului sunt estimai on-line i apoi sunt folosii n calcularea parametrilor controllerului. Aceast abordare a fost de asemenea referit i sub denumirea de control adaptiv explicit, deoarece proiectarea se bazeaz pe un model explicit al procesului. n cea de-a doua abordare, denumit control adaptiv direct, modelul procesului este parametrizat n funcie de parametrii controllerului, care sunt
1-7

estimai direct, fr alte calcule intermediare, care s implice estimarea parametrilor procesului. Aceast abordare este de asemenea referit i prin control adaptiv implicit, deoarece proiectarea se bazeaz pe estimarea unui model implicit al procesului. n controlul adaptiv indirect, modelul procesului P(*) este parametrizat n raport cu elementele vectorului parametrilor necunoscui *. De exemplu, pentru un model liniar invariant n timp (LTI-Linear Time Invariant) cu o singur intrare i o singur ieire (Single-Input Single-Output (SISO)), * poate reprezenta coeficienii necunoscui ai numrtorului i numitorului funciei de transfer a modelului. Prin prelucrarea intrrii procesului u i a ieirii y, un estimator on-line al parametrilor genereaz, la fiecare moment t, o estimare (t) a lui *. Parametrul estimat (t) precizeaz un model estimat al procesului descris prin P((t )) . n procesul de ((t )) este considerat drept model "adevrat" i este folosit proiectare a comenzii, P pentru calcularea parametrilor controllerului sau a vectorului de amplificare c(t) prin rezolvarea, la fiecare moment t, a unei anumite ecuaii algebrice c(t) = F((t)). Forma legii de comand C(c) i ecuaia algebric c = F() sunt alese astfel nct s fie identice cu cea a legii de comand C (* ) i respectiv a ecuaiei c * = F (* ) , care ar fi fost utilizate pentru satisfacerea cerinelor de performan c corespunztoare modelului P(*), n situaia n care * ar fi fost considerat cunoscut. Este clar c, n aceast abordare, C(c(t)) se proiecteaz astfel nct, la fiecare moment t, pentru modelul estimat P ((t )) - care poate diferi de modelul * necunoscut P( ) - sistemul n circuit nchis s satisfac performanele impuse. De aceea, principala problem n controlul adaptiv indirect const n alegerea clasei de legi de comand C(c) i a clasei de estimatoare ale parametrilor, care s genereze (t), precum i a ecuaiei algebrice c(t) = F((t)), astfel nct C(c(t)) s satisfac cerinele de performan pentru modelul P(*) cu * necunoscut. Aceast problem va fi studiat n detaliu n Cap. 4, iar proprietile de robustee n controlul adaptiv indirect vor fi considerate n Cap. 5. Schema bloc a unui sistem de control adaptiv indirect este prezentat n Fig. 1.6.
y

r - Intrare
de referin

Controller C(c)

Proces P()
Estimarea on-line a parametrului *

(t) Calcule c(t) = F((t))

Fig.1.6. Controlul adaptiv indirect 1-8

n control adaptiv direct, modelul procesului P(*) este parametrizat n funcie de vectorul parametrilor necunoscui * ai controllerului, pentru care C( * ) c c satisface cerinele de performan pentru a obine modelul Pc( * ) cu aceleai c * caracteristici de intrare/ieire ca i P( ). n loc de a utiliza P(*), estimatorul on-line al parametrilor se proiecteaz pe baza lui Pc( * ), sarcina sa fiind de a furniza direct, la fiecare moment de timp t, c prin prelucrarea intrrii u i ieirii y, estimrile c(t) ale lui * . Pentru actualizarea c vectorului c al parametrilor controllerului va fi folosit estimarea c(t), fr alte calcule intermediare. Alegerea clasei legilor de comand C(c) i a estimatoarelor parametrilor, care s genereze c(t) pentru care C(c(t)) satisface cerinele de performan pentru modelul P(*), constituie problema fundamental n controlul adaptiv direct. Proprietile modelului P(*) sunt eseniale n obinerea modelului parametrizat Pc( * ) - convenabil n estimarea on-line. Drept urmare, controlul c adaptiv direct este restricionat la o anumit clas de modele ale procesului. Aa cum se va arta n Cap. 5, o clas de modele convenabil pentru controlul adaptiv direct o constituie clasa modelelor SISO-LTI cu minim de faz, adic, cu zerourile plasate n Re[s] < 0. Schema bloc a unui sistem de control adaptiv direct este prezentat n Fig 1.7.

r - Intrare
de referin

Controller C(c)

Proces P ( ) Pc (* ) c
*

Estimarea on-line a parametrului * c

Fig.1.7. Controlul adaptiv direct

Principiul din spatele proiectrii schemelor de control adaptiv direct i indirect, prezentate n Fig. 1.6 i 1.7 este, conceptual, simplu. Proiectarea lui C(c) consider estimrile c(t) (n cazul controlului adaptiv direct) sau estimrile (t) (n cazul controlului adaptiv indirect) ca i cnd acestea ar fi parametrii adevrai. Aceast abordare a proiectrii se numete echivalen cert (certainty equivalence) i poate fi utilizat pentru a genera o clas larg de scheme de control adaptiv prin combinarea diferitelor estimatoare on-line ale parametrilor cu diferite legi de comand. Ideea din spatele echivalenei certe const n aceea c estimrile parametrilor c(t) i (t) converg ctre valorile lor adevrate * , respectiv *, performana c
1-9

controllerului adaptiv C(c) tinde ctre aceea realizat de C( * ) n cazul c parametrilor cunoscui. Pentru majoritatea cititorilor, distincia ntre controlul adaptiv direct i indirect poate fi confuz din urmtoarele motive: Structura controlului adaptiv direct prezentat n Fig. 1.7 poate fi fcut identic cu cea a controlului adaptiv indirect prin includerea unui bloc pentru efectuarea calculelor cu o transformare identitate ntre parametrii actualizai i parametrii controllerului ( c (t ) = F ((t )) = c (t ) ). n general, pentru un anumit model, distincia dintre abordarea direct i cea indirect devine clar numai dac se intr n detalii de proiectare i analiz. De exemplu, pentru un proces cu minim de faz, se poate arta c metoda de control adaptiv direct poate satisface cerine de performan, care implic stabilitatea i urmrirea asimptotic. Nu este nc clar cum se proiecteaz scheme directe pentru procese fr minim de faz. Dificultatea apare din faptul c, n general, o parameterizare convenabil (n scopul estimrii) a modelului procesului n funcie de parametrii deferii ai controllerului nu este posibil pentru modele fr minim de faz. Pe de alt parte, controlul adaptiv indirect, este aplicabil att proceselor cu minim de faz, ct i fr minim de faz. Cu toate acestea, nu se poate garanta c legtura dintre (t) i c(t), definit prin ecuaia algebric c (t ) = F ((t )) , exist la fiecare moment t, determininnd aa-numita problem a stabilizabilizrii, care va fi discutat n Cap. 5. Aa cum vom arta n Cap. 5, soluii ale problemei de stabilizabilitate vor fi posibile cu preul unei complexiti suplimentare. O serie de eforturi pentru a relaxa ipoteza de minim de faz n controlul adaptiv direct i a rezolva problema de stabilizabilitate n controlul adaptiv indirect conduc la scheme de control adaptiv unde att parametrii controllerului ct i cei ai procesului sunt estimai on-line, obinnd scheme combinate direct/indirect, care de regul sunt mult mai complexe [8].
1.2.4. Controlul adaptiv cu model de referin

Controlul adaptiv cu model de referin (MRAC-Model Reference Adaptive Control) deriv din problema urmririi modelului sau problema controlului cu model de referin (MRC-Model Reference Control). n MRC, o bun nelegere a procesului i a cerinelor de performan trebuie s-i permit proiectantului s formuleze (propun) un model numit model de referin, care s descrie proprietile I/O dorite ale sistemului n circuit nchis. Obiectivul MRC const n a gsi o lege de comand cu reacie care s schimbe structura i dinamica sistemului (n circuit nchis) astfel nct proprietile sale I/O s fie identice cu cele ale modelului de referin. Structura unui MRC corespunztoare unui proces SISO-LTI, este reprezentat n Fig. 1.8. Funcia de transfer a modelului de referin Wm(s) este aleas astfel nct pentru un semnal de referin r(t), ieirea ym(t) a modelului de referin s reprezinte rspunsul dorit pe care ar trebui s-l urmreasc ieirea y(t) a procesului. Controllerul, notat prin C( * ), este proiectat astfel nct toate semnalele s fie mrginite i funcia de c
1-10

transfer a sistemului n circuit nchis de la r la y s fie egal cu Wm(s). Aceast potrivire (ajustare) a funciei de transfer garanteaz c pentru orice referin r(t),
eroarea de urmrire e1 = y ym , care reprezint diferena dintre ieirea procesului i traiectoria dorit ym, converge n timp la zero. Ajustarea funciei de transfer este obinut prin compensarea zerourilor funciei de transfer a procesului G(s) i nlocuirea acestora cu cele ale lui Wm(s) prin intermediul controllerului (cu reacie) C( * ). Compensarea zerourilor procesului impune ca procesul s fie cu minim de c faz, adic, trebuie s aib zerourile stabile. Dac un zerou al procesului este instabil, compensarea sa poate s conduc la semnale nemrginite. Proiectarea lui C( * ) impune cunoaterea coeficienilor funciei de transfer a c procesului G(s). Dac * este un vector care conine toi coeficienii lui G(s) = G(s,*), atunci vectorul parametru * poate fi calculat prin rezolvarea unei ecuaii c algebrice de forma:
* = F (* ) c

(1.2.3)

Este deci clar c, pentru atingerea obiectivului MRC, modelul procesului trebuie s fie cu minim de faz, iar vectorul parametrilor * trebuie s fie cunoscut cu exactitate. ym Model de referin Wm(s) _ e1 r + y Controller u Proces G(s) C( * ) c
Fig.1.8. Schema de control cu model de referin

Cnd * este necunoscut, schema MRC din Fig. 1.8 nu poate fi implementat deoarece * nu poate fi calculat utiliznd (1.2.3) i este deci necunoscut. O metod c de a trata cazul parametrului necunoscut const n folosirea echivalenei certe, care ne permite nlocuirea n legea de comand a parametrului * necunoscut cu c estimarea sa c(t), obinut utiliznd abordarea direct sau indirect. Schemele de control rezultate sunt cunoscute ca MRAC i pot fi clasificate n MRAC indirect, prezentat n Fig. 1.9 i MRAC direct, prezentat n Fig. 1.10. Alegeri diferite ale estimatoarelor on-line ale parametrilor conduc la o alt clasificare a MRAC. Aceste clasificri, precum i proprietile de stabilitate att ale MRAC direct, ct i indirect, vor fi studiate n detaliu n Cap. 5. Pentru proiectarea schemelor MRAC directe i indirecte pot fi utilizate i alte abordri similare abordrii echivalenei certe. Structura acestor scheme se obine prin modificarea schemelor din Fig. 1.9 i 1.10 i vor fi studiate n Cap. 5.
1-11

Model de referin

ym _ + y e1

Wm(s)

r Intrare
de referin

Controller C( * ) c

Proces G(s)
Estimarea on-line a parametrului * (t) Calcule c(t) = F((t))

Fig.1.9. MRAC indirect Model de referin

ym _ + y e1

Wm(s)

r Intrare
de referin

Controller C( * ) c
c

Proces * P ( ) Pc (* ) c
Estimarea on-line a parametrului * c

Fig.1.10. MRAC direct

1.2.5. Controlul adaptiv cu plasarea polilor

Controlul adaptiv cu plasarea polilor (APPC - Adaptive Pole Placement Control) este derivat din problema controlului cu plasarea polilor (PPC - Pole Placement Control) i problema reglrii utilizat n cazul proceselor LTI cu parametrii cunoscui. n PPC, cerinele de performan se transpun n alegerea unor locaii dorite ale polilor sistemului n circuit nchis. Se dezvoltat apoi o lege de comand cu reacie, care plaseaz polii sistemului n circuit nchis n locaiile dorite. O structur tipic a unui PPC, pentru un proces SISO-LTI, este prezentat n Fig. 1.11.
1-12

r Intrare
de referin

Controller C( * ) c

Proces G(s)

Fig.1.11. Controlul cu plasarea polilor

Structura controllerului C( * ) i a vectorului parametru * sunt alese astfel c c nct polii funciei de transfer a sistemului n circuit nchis de la r la y s fie egali cu cei dorii. Vectorul * se calculeaz utiliznd o ecuaie algebric de forma c
* = F (* ) c

(1.2.4)

unde * este un vector care conine coeficienii funciei de transfer ai procesului G(s). Dac * este cunoscut, atunci * este calculat din (1.2.4) i folosit n legea de c comand. Cnd * este necunoscut, * este de asemenea necunoscut i schema c PPC din Fig. 1.11 nu poate fi implementat. Ca i n cazul MRC, putem trata cazul parametrului necunoscut prin intermediul metodei echivalenei certe, care ne permite nlocuirea vectorului necunoscut * cu estimarea sa c(t). Schema astfel c obinut este denumit controlul adaptiv cu plasarea polilor (APPC). Dac c(t) este actualizat direct printr-un estimator on-line al parametrilor, schema este referit prin APPC direct. Dac c(t) este calculat prin intermediul ecuaiei
c(t) = F((t))
*

(1.2.5)

unde (t) este estimarea lui generat printr-un estimator on-line, schema este referit ca APPC indirect. Structura unui APPC direct i respectiv indirect este aceeai cu cea prezentat n Fig. 1.6 i respectiv 1.7 corespunztoare cazului general. Proiectarea schemelor APPC este foarte flexibil n raport cu alegerea formei controllerului C(c) i a estimatorului on-line al parametrului. De exemplu, legea de comand poate fi bazat pe tehnica proiectrii liniarptratice, tehnici de proiectare n domeniul frecven, sau orice alt metod PPC utilizat n cazul n care parametrul se consider a fi cunoscut. Diverse combinaii ale estimatoarelor on-line i ale legilor de comand conduc la o clas larg de scheme APPC care vor fi studiate n detaliu n Cap. 5. n literatura dedicat controlului adaptiv, schemele APPC sunt adesea referite ca regulatoare cu autoacordare (self-tuning regulators) i sunt distincte fa de MRAC. Distincia dintre APPC i MRAC este mai mult istoric dect conceptual, deoarece, aa cum se va arta n Cap. 5, MRAC poate fi considerat ca o clas special a APPC. MRAC a fost iniial dezvoltat pentru procese continue n timp pentru urmrirea modelului, pe cnd APPC a fost iniial dezvoltat pentru procese discrete n timp n domeniu stochastic utiliznd tehnici de minimizare.
1-13

1.2.6. Proiectarea on-line a estimatoarelor parametrilor

Aa cum s-a menionat n subcapitolele anterioare, un controller adaptiv poate fi considerat ca o combinaie a unui estimator on-line al parametrilor necunoscui cu o lege de control proiectat pentru cazul n care parametrii se consider cunoscui. Modul n care se face aceast combinare i tipul estimatorului i a legii de comand utilizat dau natere unei clase de controllere adaptive diferite, cu diferite proprieti. n literatura dedicat controlului adaptiv, estimatorul on-line al parameterului (parametrilor) a fost de obicei denumit lege de adaptare, lege de actualizare sau mecanism de ajustare. n acest curs, acesta va fi denumit lege de adaptare. Proiectarea legii de adaptare este crucial pentru proprietile de stabilitate ale controllerului adaptiv. Aa cum vom vedea n acest curs, legea de adaptare introduce o neliniaritate multiplicativ care face ca sistemul n circuit nchis s fie neliniar i de regul variabil n timp. Din aceast cauz, analiza i nelegerea stabilitii i robusteii schemelor de control adaptiv sunt mult mai interesante (provocatoare). Cteva dintre metodele de baz utilizate pentru proiectarea legilor adaptive sunt: (i) Metoda de senzitivitate; (ii) Metoda de pozitivitate i proiectare Lyapunov; (iii) Metoda gradientului i metode ale celor mai mici ptrate bazate pe funcia cost a erorii de estimare. Aceste metode vor fi utilizate n Cap. 4 i 5 pentru proiectarea unor clase de legi de adaptare. Metoda senzitivitii este una dintre cele mai vechi metode utilizate n proiectarea legilor de adaptare i va fi prezentat pe scurt n acest paragraf.
(i) Metoda de senzitivitate

Aceast metod a devenit foarte popular n anii 1960 [9, 10] i este nc folosit n multe aplicaii industriale pentru conducerea proceselor cu incertitudini. n controlul adaptiv, metoda senzitivitii este utilizat pentru proiectarea legii adaptive astfel nct parametrii estimai s fie ajustai ntr-o direcie care s minimizeze o anumit funcie cost (performan). Legea de adaptare este obinut din derivata parial a funciei performan n raport cu parametrii estimai, multiplicat cu un semnal de eroare care caracterizeaz nepotrivirea (diferena) dintre comportarea actual i comportarea dorit. Aceast derivat este denumit funcie de senzitivitate i, dac ea poate fi generat on-line, atunci legea adaptiv este implementabil. n practic ns, n majoritatea cazurilor de control adaptiv, funcia de senzitivitate nu poate fi generat on-line, i acesta constituie unul din principalele dezavantaje ale metodei. Pentru implementarea metodei, se ncerc folosirea funciilor de senzitivitate aproximative, care sunt implementabile, dar care conduc la scheme de control adaptiv ale cror proprieti de stabilitate sunt fie slabe, fie nu pot fi stabilite. Ca exemplu, considerm proiectarea unei legi adaptive pentru actualizarea vectorului parametru al controllerului c din schema MRAC direct din Fig. 1.10.
1-14

Eroarea de urmrire e1 reprezint diferena dintre ieirea procesului y i cea a modelului de referin ym, adic, e1 = y - ym. Deoarece, n regim staionar, c = * c are drept urmare e1 = 0, se poate considera c o valoare nenul a lui e1 implic c * . Deoarece y depinde de c, adic y = y(c), se obine c e1 = e1(c) i deci, o c metod de reducere a lui e1 la zero const n a ajusta c ntr-o direcie care s minimizeze o anumit funcie cost (performan) ce depinde de e1. O funcie cost simpl ce depinde de e1 este funcia ptratic: e 2 ( ) J ( c ) = 1 c . (1.2.6) 2 O metod simpl pentru adjustarea lui c care minimizeaz J(c) este metoda celei mai rapide descreteri sau metoda gradientului (vezi Anexa B) care furnizeaz legea de adaptare: & = J ( ) = e e ( ) (1.2.7)
c c 1 1 c

unde
e e e e1 (c ) = 1 , 1 ,K, 1 cn c1 c 2 T

(1.2.8)

este gradientul lui e1 n raport cu c = [c1 , c 2 ,K, cn ] T . Deoarece e1 (c ) = y (c ) , se obine & c = J (c ) = e1y (c ) (1.2.9) unde > 0 este o constant arbitrar de proiectare denumit factor de amplificare a legii de adaptare (adaptive gain), iar y / ci , i = 1, 2,K, n sunt funciile de senzitivitate ale lui y n raport cu elementele vectorului parametrilor controllerului c. Funciile de senzitivitate y / ci reprezint senzitivitatea ieirii procesului la schimbrile parametrilor c ai controllerului. n (1.2.7) vectorul parametrilor c este ajustat n direcia celei mai rapide descreteri a lui J (c ) = e12 (c ) / 2 . Dac J(c) este o funcie convex, atunci aceasta are un minim global care satisface y (c ) = 0 , adic, n punctul de minim, & = 0 i adaptarea se oprete.
c

Implementarea lui (1.2.9) necesit generarea on-line a funciilor de senzitivitate y care, de regul, depind de parametrii necunoscui ai procesului i de aceea nu sunt disponibile. n aceste cazuri, n locul funciilor de senzitivitate actuale (reale) sunt folosite valorile lor aproximate. Pentru a calcula funciile de senzitivitate, o metod de aproximare necesit i utilizeaz a priori o anumit informaie despre parametrii procesului. O metod cunoscut pentru calculul funciilor de senzitivitate aproximative este aa-numita regul MIT. Cu aceast regul, parametrii necunoscui, dar necesari n generarea funciilor de senzitivitate, sunt nlocuii cu estimrile lor on1-15

line. n general, prin utilizarea funciilor de senzitivitate aproximative, nu este posibil demonstrarea stabilitii globale n circuit nchis i convergena la zero a erorii de urmrire. Totui, n simulri, s-a observat c regula MIT, dar i alte tehnici de aproximare, lucreaz bine cnd factorul de amplificare al legii de adaptare i amplitudinea semnalului de referin sunt mici. Pentru a confirma aceste observaii i a demonstra stabilitatea local a unei anumite clase de semnale de referin n [11] sunt utilizate tehnici de mediere. Cu toate acestea, global, schemele bazate pe regula MIT i pe alte aproximri pot duce la instabilitate. Exemple de instabilitate sunt prezentate n [12, 13, 14]. Vom ilustra utilizarea regulii MIT pentru proiectarea unei scheme MRAC pentru procesul: && = a1 y a2 y + u & y (1.2.10) & unde a1 i a2 sunt parametrii necunoscui ai procesului, iar y i y sunt msurabile. Modelul de referin ce urmeaz a fi urmrit de ctre sistemul n circuit nchis este descris prin &&m = 2 ym ym + r & y Legea de comand
* & u = 1 y + * y + r 2

(1.2.11) (1.2.12) (1.2.13)

unde
* 1 = a1 2 ; * = a2 1 2

va realiza urmrirea perfect a modelului. Ecuaia (1.2.13) se numete ecuaie de ajustare (a parametrilor regulatorului). Deoarece a1 i a2 sunt necunoscui, valorile * dorite ale parametrilor controllerului 1 i * nu pot fi calculate din (1.2.13). De 2 aceea, n locul lui (1.2.12) se utilizeaz legea de comand: & u = 1 y + 2 y + r unde 1 i 2 sunt ajustai utiliznd regula MIT astfel:
y & y & 1 = e1 , 2 = e1 1 2

(1.2.14)

(1.2.15)

unde e1 = y - ym. Pentru a implementa (1.2.15), trebuie generate on-line funciile de senzitivitate y / 1 , y / 2 . Utiliznd (1.2.10) i (1.2.14) se obine
& & && y y y y y & = a1 a2 + y + 1 + 2 1 1 1 1 1 & & y y y y && y + 2 + y + 1 a2 = a1 2 2 2 2 2
1-16

(1.2.16) (1.2.17)

& & Presupunnd c viteza de adaptare este lent, adic, 1 i 2 sunt mici, iar & schimbrile lui && i y n raport cu 1 i 2 sunt de asemenea mici, putem y interschimba ordinea de difereniere i se obine:

d2 y d y y & = (1 a1 ) + ( 2 a2 ) +y d t 1 1 d t 2 1 d2 y d y y = (1 a1 ) + ( 2 a 2 ) +y 2 d t 2 2 d t 2 care poate fi rescris sub forma y 1 & = 2 y 1 p (1 a1 ) p ( 2 a2 ) y 1 = 2 y 2 p (1 a1 ) p (2 a2 ) unde p () =

(1.2.18) (1.2.19)

(1.2.20) (1.2.21)

d () este operatorul diferenial. dt Deoarece a1 i a2 sunt necunoscui, funciilor de senzitivitate de mai sus nu pot fi utilizate. Folosind regula MIT, nlocuim n ecuaia de ajustare (1.2.13) pe a1 i a2 cu estimrile lor a1 i a2 , adic, facem legtura ntre estimrile a1 i a2 i 1 i 2 folosind

a1 = 1 + 2 , a2 = 2 + 1 i obinem funciile de senzitivitate aproximative:

y y 1 1 & 2 2 y, y 2 p + 2 p + 1 1 p + 2 p + 1

(1.2.22)

(1.2.23)

Ecuaiile descrise prin (1.2.23) sunt cunoscute ca filtre sau modele de senzitivitate, i pot fi uor implementate pentru a genera funciile de senzitivitate aproximative pentru legea de adaptare (1.2.15). Aa cum s-a artat n [12, 11], schema MRAC bazat pe regula MIT este local stabil cu condiia ca amplificarea s fie mic, semnalul de referin s aib o amplitudine mic i un numr suficient de frecvene, iar condiiile iniiale 1 (0) i * 2 (0) sunt apropiate de 1 , respectiv * . 2 * Pentru valori mari ale lui i 1 (0) i 2 (0) deprtate de 1 i * , regula MIT 2 poate duce la instabilitate i semnal rspuns nemrginit. Lipsa stabilitii schemelor de control adaptiv bazate pe regula MIT a stimulat numeroi cercettori s caute alte metode pentru proiectarea legilor adaptive. Aceste metode includ pozitivitatea i tehnica Lyapunov precum i metodele de gradient i metodele bazate pe tehnica celor mai mici ptrate, care la rndul lor sunt

1-17

bazate pe minimizarea unor criterii ale erorii de estimare. Aceste metode ce vor fi studiate n detaliu n Cap. 4 i 8, sunt prezentate succint n cele ce urmeaz.
(ii) Metoda de pozitivitate i proiectare Lyapunov

Aceast metod de dezvoltare a legilor adaptive este bazat pe metoda direct Lyapunov i legtura sa cu funciile real-pozitive. n aceast abordare, problema proiectrii unei legi adaptive este formulat ca o problem de stabilitate, unde ecuaia diferenial a legii de adaptare este aleas astfel nct s fie satisfcute condiiile de stabilitate cert bazate pe teoria Lyapunov. Legea adaptiv astfel dezvoltat este foarte asemnatoare celei bazate pe metoda senzitivitiii. Singura diferen const n aceea c funciile de senzitivitate din prima abordare sunt nlocuite cu alte funcii care pot fi generate on-line. n plus, schemele de conducere adaptiv bazate pe tehnici Lyapunov nu au nici unul din neajunsurile (dezavantajele) schemelor bazate pe regula MIT. Proiectarea legilor adaptive utiliznd metoda Lyapunov direct a fost sugerat de Grayson [15], Parks [13] i Shackcloth i Butchart [14] nainte de anul 1960. Ulterior, metoda a fost dezvoltat i generalizat la o clas larg de procese de ctre Phillipson [16], Monopoli [17], Narendra [18] .a. O parte nsemnat din Cap. 4 i 6 vor fi dedicate dezvoltrii legilor adaptive folosind abordarea Lyapunov.
(iii) Metode de gradient i metode ale celor mai mici ptrate bazate pe funcia cost a erorii de estimare

Principalul neajuns al metodelor de senzitivitate folosite n anii 1960 const n aceea c minimizarea funciei cost conduce la funcii de senzitivitate care nu sunt implementabile. O cale de a evita acest neajuns const n alegerea unei funcii criteriu care s conduc la funcii de senzitivitate care depind de semnale ce sunt disponibile (pot fi msurate). O clas de astfel de funcii cost se bazeaz pe aanumita eroarea de estimare, care furnizeaz o msur a diferenei dintre parametrii estimai i cei actuali. Legtura erorii de estimare cu parametrii estimai este aleas astfel nct funcia cost s fie convex, iar gradientul su n raport cu parametrii estimai s fie implementabil. Pentru a genera funcii de senzitivitate corespunztoare pot fi utilizate numeroase funcii cost i pot fi adoptate o serie de metode cum ar fi metodele de gradient i metode ale celor mai mici ptrate. Ca exemplu, vom proiecta legea adaptiv pentru schema MRAC direct (1.2.14) pentru procesul (1.2.10). Mai nti rescriem ecuaia procesului n funcie de parametrii dorii ai * controllerului dai prin (1.2.13), adic, vom substitui a1 = 2 + 1 , a2 = 1 + * n 2 (1.2.10) rezultnd
* && = 2 y y 1 y * y + u & & y 2

(1.2.24)

care poate fi rescris ca

1-18

* & y = 1 y f + * y f + u f 2

(1.2.25) (1.2.26)

unde
& yf =

1 1 1 & y , yf = 2 y , uf = 2 u s 2 + 2s + 1 s + 2s + 1 s + 2s + 1

sunt semnale ce pot fi generate prin filtrare. * Dac acum n ecuaia (1.2.25) nlocuim 1 i * cu estimrile lor 1 i 2 , 2 vom obine: & y =1 y f + 2 y f + u f (1.2.27)
* unde y este estimarea lui y bazat pe estimrile 1 i 2 ale lui 1 i * . De 2 aceea, eroarea

& 1 = y y = y 1 y f 2 y f u f

(1.2.28)

* este o msur a diferenei dintre 1 , 2 i 1 , * pe care o vom numi eroare de 2 estimare. Acum, estimrile 1 i 2 pot fi ajustate ntr-o direcie care s minimizeze o anumit funcie criteriu care implic 1. Un astfel de criteriu este 2 1 2 & J (1 , 2 ) = 1 = y 1 y f 2 y f u f (1.2.29) 2 2 care urmeaz a fi minimizat n raport cu 1 , 2 . Este clar c J (1 , 2 ) este o funcie convex de 1 , 2 i ca urmare, minimul este dat de J = 0 . Dac acum utilizm metoda gradientului pentru a minimiza J (1 , 2 ) , vom obine urmtoarele legi de adaptare:

J J & & & 1 = 1 = 11 y f , 2 = 2 = 2 1 y f 1 2

(1.2.30)

& unde 1 , 2 > 0 sunt factori de amplificare, iar 1 , y f , y f sunt toate semnale
implementabile. n locul lui (1.2.29), pentru 1 se poate utiliza o funcie cost diferit i o metod de minimizare diferit obinnd o clas larg de legi adaptive. n Cap. 4, 5, 6 vom examina proprietile de stabilitate ale unei largi clase de scheme de control adaptiv bazate pe folosirea unui funcii criteriu a erorii de estimare i metode de gradient i ale celor mai mici ptrate din tehnicile de optimizare.

Bibliografie
1. Kokotovic, P.V., H.K. Khalil and J. O'Reilly, Singular Perturbation Methods in Control: Analysis and Design, Academic Press, New York, 1986. 2. Aseltine, J.A., A.R. Mancini and C.W. Sartune, A Survey of AdaptiveControl Systems, IRE Transactions on Automatic Control, Vol. 3, no. 6, pp. 102-108, 1958. 3. Caldwell, W.I., Control System with Automatic Response Adjustment. American patent, 2,517,081. Filed 25, April 1947, 1950. 1-19

4. McRuer, D., I. Ashkenas and D. Graham, Aircraft Dynamics and Automatic Control, Princeton University Press, Princeton, New Jersey, 1973. 5. Tsakalis, K.S. and P.A. Ioannou, Linear Time Varying Systems: Control and Adaptation, Prentice Hall, Englewood Cliffs, New Jersey, 1993. 6. Stein, G., Adaptive Flight Control - A Pragmatic View, in K.S. Narendra and R.V. Monopoli (Eds.), Applications of Adaptive Control, Academic Press, New York, 1980. 7. Andreiev, N., A Process Controller that Adapts to Signal and Process Conditions, Control Engineering, Vol. 38, 1977. 8. Kreisselmeier, G., An indirect adaptive controller with a self-excitation capability, IEEE Transactions on Automatic Control, Vol. 34, no. 5, pp. 524-528, 1989. 9. Cruz, Jr, J.B. System Sensitivity Analysis, Dowden, Hutchinson & Ross Inc., Stroudsburg, Pennsylvania, 1973. 10. Kokotovic, P.V. Method of Sensitivity Points in the Investigation and Optimization of Linear Control Systems, Automation and Remote Control, Vol. 25, pp. 1512-1518, 1964. 11. Mareels, I.M.Y., B.D.O. Anderson, R.R. Bitmead, M. Bodson, and S.S.Sastry, Revisiting the MIT Rule for Adaptive Control, Proceedings of the 2nd IFAC Workshop on Adaptive Systems in Control and Signal Processing, Lund, Sweden, 1986. 12. James, D.J., Stability of a Model Reference Control System, AIAA Journal, Vol. 9, no. 5, 1971. 13. Parks, P.C. Lyapunov Redesign of Model Reference Adaptive Control Systems, IEEE Transactions on Automatic Control, Vol. 11, pp. 362-367, 1966. 14. Shackcloth, B. and R.L. Butchart, Synthesis of Model Reference Adaptive Systems by Lyapunov's Second Method, Proc. of the 2nd IFAC Symposium on the Theory of SelfAdaptive Control Systems, Teddington, England, 1965. 15. Grayson, L.P., Design via Lyapunov's Second Method, Proceedings of the 4th JACC, Minneapolis, Minnesota, 1963. 16. Phillipson, P.H., Design Methods for Model Reference Adaptive Systems, Proc. Inst. Mech. Engrs., Vol. 183, no. 35, pp. 695-700, 1969. 17. Monopoli, R.V., Lyapunov's Method for Adaptive Control Design, IEEE Transactions on Automatic Control, Vol. 12, no. 3, pp. 334-335, 1967. 18. Narendra, K.S. and A.M. Annaswamy, Stable Adaptive Systems, Prentice Hall, Englewood Cliffs, New Jersey, 1989.

1-20

Cap. 2 Modele pentru sisteme dinamice

2.1. Introducere
n acest capitol prezentm o scurt descriere a diferitelor modele i parametrizri ale sistemelor liniare invariante n timp (LTI-Linear Time Invariant). Accentul se pune pe acele idei care sunt utile n studiul problemelor de identificare a parametrilor i de control adaptiv ce vor fi prezentate n capitolele viitoare. Pentru nceput, vom prezenta pe scurt cteva modele canonice de stare pentru sistemele LTI, precum i caracteristicile lor. n continuare, pentru aceeai clas de sisteme, vom studia descrierile I/O utiliznd funcia de transfer i operatorii difereniali. Vom defini funcia de transfer ca raportul a dou polinoame i vom prezenta cteva proprieti de baz ale polinoamelor folosite n proiectarea controlului i modelarea sistemelor. Aceste modele parametrice ce vor fi prezentate, precum proprietile lor sunt eseniale n problemele de identificare a parametrilor i control adaptiv ce vor fi prezentate n capitolele viitoare. Scopul acestui capitol nu este acela de a da o descriere complet a tuturor aspectelor legate de modelarea i reprezentarea sistemelor LTI, ci mai degrab de a prezenta un rezumat al acelor idei care vor fi utilizate n capitolele urmtoare. Pentru detalii privind modelarea i proprietile sistemelor liniare, se recomand urmtoarele cri standard ncepnd cu cele elementare [44, 57, 121, 180] i continund cu cele avansate [30, 42, 95, 237, 238].

2.2. Modele n spaiul strilor

2.2.1. Descriere general O serie de sisteme sunt descrise prinr-un set de ecuaii difereniale de forma:

& x(t ) = f ( x(t ), u (t ), t ), y (t ) = g ( x(t ), u (t ), t )

x(t 0 ) = x 0

(2.2.1)

unde t este variabila timp, x(t) este un vector n-dimensional cu elemente reale care reprezint starea sistemului, u(t) este un vector r-dimensional cu elemente reale care reprezint intrarea sau comanda sistemului, y(t) este un vector l-dimensional cu elemente reale care reprezint variabilele de ieire i care pot fi msurate, f i g sunt funcii vectoriale de variabile vectoriale reale, n este dimensiunea strii x denumit i ordin al sistemului, x(t0) reprezint valoarea lui x(t) la momentul iniial t = t0 0. Cnd f i g sunt funcii liniare de x i u, (2.2.1) ia forma:
2-1

& x = A(t ) x + B(t )u , y = C T (t ) x + D (t )u

x(t 0 ) = x 0

(2.2.2)

unde A(t) nn , B(t) nr , C(t) nl i D(t) lr sunt matrice cu elemente variante n timp. Dac n plus, f i g nu depind de timpul t, se obine & x = A x + Bu , x(t 0 ) = x 0 (2.2.3) y = C T x + Du unde A, B, C i D sunt matrice avnd aceleai dimensiuni ca cele din (2.2.2) dar cu elemente constante. Sistemul (2.2.2) va fi referit ca sistem liniar finit-dimensional variabil n timp (LTV-Linear Time-Varying), iar (2.2.3) ca sistem LTI finit dimensional. Soluia x(t), y(t) a sistemului (2.2.2) este dat de
x(t ) = (t , t0 ) x(t0 ) + t (t , ) B ()u ( ) d
0

(2.2.4)

y (t ) = C (t ) x(t ) + D(t )u (t ) unde (t ,t0 ) este matricea de tranziie definit ca o matrice care satisface ecuaia liniar matriceal omogen: (t , t0 ) = A(t ) (t , t0 ), (t0 , t0 ) = I t

Pentru sistemul LTI (2.2.3), (t ,t0 ) depinde numai de diferena t-t0, adic, (t , t0 ) = (t t0 ) = e A(t t 0 ) iar soluia x(t), y(t) a lui (2.2.3) este dat de x(t ) = e A(t t 0 ) x(t0 ) + t e A(t ) Bu () d
0

(2.2.5)

y (t ) = C x(t ) + Du (t ) unde eAt poate fi calculat cu e At = L--1 {( sI A) 1} , unde L-1 reprezint transformarea Laplace invers, iar s este variabila Laplace. Uzual, matricea D din (2.2.2), (2.2.3) este zero, deoarece n majoritatea sistemelor fizice nu exist o conexiune direct ntre intrri i ieiri. n acest curs, ne vom concentra n principal asupra sistemelor SISO-LTI, cu D = 0, dar vor exista i cteva paragrafe, n care se vor analiza pe scurt i sisteme de forma (2.2.2) i (2.2.3).
2.2.2. Forme canonice n spaiul strilor Considerm sistemul SISO-LTI: & x = A x + Bu , x(t0 ) = x0

y = CT x unde x n .
2-2

(2.2.6)

Matricea de controlabilitate Pc asociat sistemului (2.2.6) este definit prin:

Pc = [ B, AB,K An 1B ]

O condiie necesar i suficient pentru ca sistemul (2.2.6) s fie complet controlabil este ca Pc s fie nesingular. Dac (2.2.6) este complet controlabil, transformarea liniar xc = Pc1 x transform sistemul (2.2.6) n forma sa canonic controlabil
0 1 & c = 0 x M 0 0 L 0 a0 1 0 L 0 a1 0 1 L 0 a2 xc + 0 u 0 O M 0 0 M 1 an 1

(2.2.7)

(2.2.8)

T y = Cc x c

unde ai sunt coeficienii ecuaiei caracteristice asociat lui A, adic:

T det( sI A) = s n + an 1s n 1 + L + a0 , iar Cc = C T Pc .

Dac n locul lui (2.2.7) utilizm transformarea xc = M 1Pc1 x , unde

a2 a1 a3 a2 M M , 1 an 1 0 1 obinem urmtoarea form canonic a controllerului L L O L L 1 an 1 0 1 M = M M 0 0 0 0

(2.2.9)

an 1 an 2 1 0 & xc = 0 1 M M 0 0
T y = C0 xc

L L L O L

a1 a0 1 0 0 0 0 0 xc + 0 u M M 1 0 0

(2.2.10)

T unde C0 = C T Pc M . Prin rearanjarea elementelor vectorului de stare xc, (2.2.10) poate fi rescris n urmtoarea form care apare deseori n crile de teoria sistemelor liniare

2-3

1 0 0 0 & xc = M M 0 0 a0 a1 y = C1T xc

0 L 0 0 0 L 0 xc + 0 u O M 0 L 1 L an 2 an 1 1 0 1

(2.2.11)

unde C1 este definit corespunztor. Matricea de observabilitate Po asociat sistemului (2.2.6) se definete prin:

CT T Po = C A M C T An 1

(2.2.12)

O condiie necesar i suficient pentru ca sistemul (2.2.6) s fie complet observabil este ca Po s fie nesingular. Urmnd dualitatea argumentelor prezentate mai sus pentru forma canonic controlabil i a controllerului, se ajunge la forma observabil i a observerului cu condiia ca Po s fie nesingular [95]. Forma canonic observabil a lui (2.2.6) obinut prin transformarea xo = Pox este:
1 0 0 0 &o = M x M 0 0 a0 a1 y = [1, 0,K, 0] xo iar forma canonic a observerului este an1 a n2 & xo = M a 1 a0 1 0 M 0 0 0 L 0 1 L 0 O 0 xo + B1 u , 0 L 1 L 0 0 L 0 L 0 O 0 xo + Bo u 0 L 1 L an 2 an 1 0 1

(2.2.13)

(2.2.14)

y = [1, 0, K , 0] xo unde Bo, B1 pot fi diferite. Dac pentru sistemul (2.2.6) de ordin n, rangul matricei de controlabilitate asociate Pc este mai mic dect n, atunci se spune c (2.2.6) este necontrolabil. Similar, dac rangul matricei de observabilitate Po este mai mic dect n, atunci (2.2.6) este neobservabil.

2-4

Sistemul reprezentat prin (2.2.8), (2.2.10) sau (2.2.11) este complet controlabil dar nu necesar i observabil. Similar, sistemul reprezentat prin (2.2.13) sau (2.2.14) este complet observabil, dar nu necesar i controlabil. Dac sistemul (2.2.6) de ordin n este fie neobservabil, fie necontrolabil atunci proprietile sale I/O din condiii iniiale nule, adic x0 = 0, sunt caracterizate complet printr-un sistem complet controlabil i observabil de ordin mai mic dect n, descris prin: & xco = Aco xco + Bco u , xco (t0 ) = 0
T y = Cco xco

(2.2.15)

unde xco n r cu nr < n. Trebuie precizat c, nu mai sunt posibile reduceri ulterioare ale ordinului sistemului (2.2.15) fr afectarea proprietilor I/O, oricare ar fi tipul intrrii aplicate. Din acest motiv, (2.2.15) este referit ca reprezentare minimal n spaiul strilor (de stare) a sistemului; aceasta se distinge de reprezentarea neminimal de stare care corespunde fie unui sistem necontrolabil, fie unui sistem neobservabil. Un model minimal de stare nu descrie prile necontrolabile sau neobservabile ale sistemului. n reprezentarea neminimal de stare, aceste pri pot conduce la anumite stri nemrginite dac sistemul evolueaz din condiii iniiale nenule asociate acestor pri. Dac n schimb prile necontrolabile sau neobservabile sunt asimptotic stabile [95], ele vor tinde exponenial la zero i, n multe aplicaii, efectul lor poate fi ignorat. Un sistem ale crui pri necontrolabile sunt asimptotic stabile se numete stabilizabil, iar sistemul ale crui pri neobservabile sunt asimptotic stabile se numete detectabil [95].
Exemplul 2.2.1. Considerm cruciorul cu dou pendule inverse prezentat n Fig. 2.1, unde M este masa cruciorului, m1 i m2 sunt masele celor dou greuti, iar l1 i l2 sunt lungimile celor dou pendule. Utiliznd legile lui Newton i presupunnd c deviaiile unghiulare | 1 |, | 2 | sunt mici, ecuaiile de micare sunt date de: & M v = m1 g 1 m2 g 2 + u & m (v + l && ) = m g
1 1 1 1 1

& m2 (v + l2&&2 ) = m2 g 2 1 l1 u m1 2 m2 l2

Fig. 2.1. Crucior cu dou pendule inverse 2-5

unde v este viteza cruciorului, u este o for extern, iar g este acceleraia gravitaional. Pentru a simplifica calculele, presupunem c m1 = m2 = 1 kg, iar M = & & & 10 m1. Dac notm x1 = 1, x2 = 1 , x3 = 1 2 , x4 = 1 2 variabilele de stare, obinem urmtoarea reprezentare de stare a sistemului: & x = Ax + Bu unde x1 0 x 1.21 x = 2 , A = 0 x3 1.2( ) x 1 2 4
1 0 0.11 0 0 0 0 2 0.1(1 2 ) 0 0 0 , B= 1 0 1 0 1 2

i 1 = g/l1, 2 = g/l2, 1 = -0.1/l1, 2 = -0.1/l2. Matricea de controlabilitate a sistemului este dat de Pc = [B, AB, A2B, A3B]. Se poate arta c (0.011) 2 g 2 (l1 l2 ) 2 det Pc = 4 l14l2 ceea ce nseamn c sistemul este controlabil dac i numai dac l1 l2 . Presupunem c 1 este singura variabil msurabil, adic, ieirea msurabil a sistemului este y = CTx, cu C = [1, 0, 0, 0]T. Matricea de observabilitate a sistemului bazat pe aceast ieire este dat de:

CT T Po = CT A C A2 T 3 C A

Efectund calculele, vom obine, det Po = 0.01 g 2 / l12 , evident nenul, ceea ce nseamn c sistemul este observabil pentru y = 1. Cnd l1 = l2, sistemul este necontrolabil. n acest caz, 1 = 2, 1 = 2, iar matricea A i vectorul B devin:
0 1.21 A= 0 0

1 0 0 0.11 0 0 0 1

0 0 0 , B = 1 1 0 0 0

evideniind faptul c intrarea de comand u nu poate influena variabilele de stare x3, x4. Se poate arta c pentru x3(0), x4(0) 0, toate variabilele de stare vor crete la infinit pentru toate intrrile posibile u. Pentru l1 = l2, controlul celor dou pendule identice este posibil numai dac unghiurile iniiale i vitezele unghiulare & & sunt identice, adic, 1 (0) = 2 (0) i 1 (0) = 2 (0) , care face ca x3(0) = x4(0) = 0.

2-6

2.3. Modele intrare/ieire 2.3.1. Funcii de transfer

Funciile de transfer joac un rol important n caracterizarea proprietile I/O ale sistemelor LTI i sunt larg utilizate n teoria controlului clasic. Vom defini mai nti funcia de transfer a unui sistem LTI pornind de la ecuaia diferenial care descrie dinamica acestui sistem. Considerm un sistem descris prin urmtoarea ecuaie diferenial de ordin n:
y ( n ) (t ) + an 1 y ( n 1) (t ) + L + a0 y (t ) = bmu ( m ) (t ) + bm 1u ( m 1) (t ) + L + b0u (t ) (2.3.1)
di di y (t ) , iar u (i ) (t ) = i u (t ) ; u(t) este variabila de intrare, iar y(t) dti dt este variabila de ieire; coeficienii ai, bj, i = 0, 1, ... , n - 1; j = 0, 1, ... , m, sunt constani, iar n i m sunt constante ntregi. Pentru a obine funcia de transfer a sistemului (2.3.1), aplicm trasformata Laplace ambilor membri ai ecuaiei (2.3.1) considernd condiiile iniiale nule. Se obine:

unde y (i ) (t ) =

(s

+ an1s n1 + L + a0 Y ( s ) = bm s m + bm1s m1 + L + b0 U ( s )

unde s este variabila Laplace. Funcia de transfer G(s) a lui (2.3.1) este definit prin: Y ( s) b s m + bm 1s m 1 + L + b0 G(s) = = mn . (2.3.2) U ( s) s + an 1s n 1 + L + a0 Funcia obinut prin aplicarea transformatei Laplace inverse lui G(s), adic g(t) = L -1[G(s)], este cunoscut sub denumirea de rspuns la impuls al sistemului (2.3.1). Atunci, y(t) = g(t) u(t), unde reprezint produsul de convoluie. Cnd u(t) = (t ) , unde (t ) este funcia delta definit prin:
I(t ) I(t ) , 0 unde I (t) este funcia treapt unitate, atunci y(t) = g (t ) (t ) = g(t). De aceea, cnd intrarea ntr-un sistem LTI este o funcie delta (denumit adesea impuls unitate) la t = 0, ieirea sistemului este egal cu g(t), rspunsul la impuls. Spunem c G(s) este proprie dac G( ) este finit, adic n m, este strict proprie dac G( ) = 0 , adic n > m i improprie, dac n = m. Gradul relativ n* a lui G(s) se definete ca n* = n - m, adic, n* = gradul numitorului gradul numrtorului lui G(s). Ecuaia caracteristic a sistemului (2.3.1) este definit prin ecuaia: s n + an1s n1 + L + a0 = 0 . (t ) = lim ntr-o manier similar, funcia de transfer a unui sistem LTI poate fi definit pornind i de la descrierea sistemului prin ecuaiile de stare (2.2.3). Aplicarea transformatei Laplace fiecrui membru din (2.2.3) conduce la:
2-7

sX ( s ) x(0) = A X ( s ) + BU ( s ) Y ( s ) = C T X ( s ) + DU ( s ) sau Y ( s ) = C T ( s I A) 1 B + D U ( s ) + C T ( s I A) 1 x(0) Considernd condiiile iniiale nule, adic, x(0) = 0, se obine: Y (s) = G(s)U(s)

(2.3.3)

(2.3.4)

unde G ( s ) = C T ( s I A) 1 B + D se numete funcie de transfer matriceal, n cazul sistemelor cu mai multe intrri i mai multe ieiri, i, funcie de transfer n cazul sistemelor SISO. G(s) se poate de asemenea reprezenta prin: G(s) = C T {adj ( s I A)}B +D det( s I A) (2.3.5)

unde adj(Q) reprezint adjuncta matricei ptratice Q n n . Elementul (i, j) notat cu qij al adj(Q) se calculeaz ca qij = (1)i + j det(Qij ) , i, j = 1, 2,K, n , unde
Q ji ( n 1)( n 1) este o submatrice a lui Q obinut prin eliminarea liniei j i a

coloanei i a matricei Q. Din (2.3.5) este clar c polii lui G(s) sunt inclui n valorile proprii ale lui A. Spunem c A este stabil dac toate valorile sale proprii sunt situate n Re[s] < 0, caz n care G(s) este o funcie de transfer stabil. Rezult c det( sI A) = 0 este ecuaia caracteristic a sistemului cu funcia de transfer dat de (2.3.5). Dac n (2.3.3) i (2.3.4) trecerea de la reprezentarea de stare la o descriere printr-o funcie de transfer s-a fcut ntr-o manier foarte simpl, calea invers, adic trecerea de la o descriere printr-o funcie de transfer proprie, la o reprezentare de stare, nu este aa de simpl. Este totui adevrat afirmaia c, pentru fiecare funcie de transfer proprie G(s) exist matricele A, B, C i D astfel nct G ( s ) = C T ( s I A) 1 B + D . Ca exemplu, considerm un sistem cu funcia de transfer b s m + bm1s m1 + L + b0 Y ( s ) = G(s) = m n U ( s) s + an1s n1 + L + a0 unde n > m. Atunci, sistemul poate fi reprezentat n forma controlabil

an 1 an 2 1 0 &= 0 x 1 M M 0 0 sau n forma observabil

L L L O L

a1 a0 1 0 0 0 0 0 x + 0 u M M 0 1 0

(2.3.6)

y = [0, 0, K, bm , bm 1 ,K, b0 ] x

2-8

 an 1 an 2 & x= M a1 a0

1 0 M 0 0

0 L 0 0 1 L 0 M O 0 x + bm u M 0 L 1 0 L 0 0

(2.3.7)

y = [1, 0,K, 0] x Dar, pentru acelai sistem se pot genera nc multe alte reprezentri de stare care s-i descrie proprietile I/O. Formele canonice (2.3.6) i (2.3.7), au cteva proprieti importante care vor fi utilizate n capitolele urmtoare. De exemplu, dac notm cu (Ac, Bc, Cc) i (Ao, Bo, Co) matricele corespunztoare din forma controlabil (2.3.6) i respectiv din forma observabil (2.3.7), se pot stabili relaiile:
[adj ( sI Ac )]Bc = [ s n 1 ,K, s,1]T = n 1 ( s )
T Co adj ( s I Ao ) = [ s n 1 ,K, s,1] = T 1 ( s ) n

(2.3.8)
(2.3.9)

ale cror pri drepte sunt independente de coeficienii lui G(s). O alt proprietate important const n aceea c cei n+m+1 coeficieni al lui G(s) apar explicit n tripletele (Ac, Bc, Cc) i respectiv (Ao, Bo, Co), sau altfel spus tripletul (Ac, Bc, Cc), respectiv (Ao, Bo, Co), este caracterizat complet de cei n + m + 1 parametri care sunt egali cu coeficienii polinoamelor din G(s). Dac n G(s) nu exist simplificri poli-zerouri atunci att (2.3.6) ct i (2.3.7) constituie reprezentri minimale de stare ale aceluiai sistem. Dac n G(s) exist simplificri poli-zerouri, atunci (2.3.6) este neobservabil, iar (2.3.7) este necontrolabil. Dac simplificrile poli-zerouri ale lui G(s) se fac n Re[s] < 0, adic, polii stabili se simplific cu zerouri stabile, atunci (2.3.6) este detectabil, iar (2.3.7) este stabilizabil. Similar, un sistem descris printr-o reprezentare de stare este neobservabil sau necontrolabil, dac i numai dac funcia de transfer a sistemului conine simplificri poli-zerouri. Dac prile neobservabile sau necontrolabile ale sistemului sunt asimptotic stabile, atunci simplificrile polizerouri apar n Re[s] < 0.

O alt abordare pentru reprezentarea ecuaiei difereniale (2.3.1) const n d () , care are urmtoarele proprieti: utilizarea operatorului diferenial p () = dt & & & (i ) p( x) = x ; (ii ) p( x y ) = x y + x y
& unde x i y sunt orice funcii derivabile ce depind de timp i x = d x(t ) / d t . -1 Operatorul invers a lui p, notat cu p sau cu 1/p este definit prin t 1 ( x) = 0 x( ) d + x(0) , t 0 , p unde x(t) este o funcie integrabil. Operatorii p i 1/p sunt legai de operatorul Laplace s prin urmtoarele ecuaii:
2-9

L { p ( x)} x ( 0 ) = 0 = s X ( s ) , respectiv L {(1 / p)( x)} x ( 0) = 0 = (1 / s ) X ( s )

unde L este transformata Laplace i x(t) este orice funcie derivabil n raport cu timpul. Utiliznd definiia operatorului diferenial, relaia (2.3.1) poate fi scris n forma compact: R(p)(y) = Z(p)(u) unde R ( p ) = p + an1 p + L + a0 , Z ( p ) = bm p + bm1 p operatori difereniali polinomiali [226]. Ecuaia (2.3.10) are aceeai form ca R(s)Y(s) = Z(s)U(s)
n n 1 m m 1

(2.3.10) + L + b0 se numesc

(2.3.11)

obinut prin aplicarea transformatei Laplace ambilor membri ai ecuaiei (2.3.1), n condiii iniiale nule. De aceea, pentru condiii iniiale nule, se poate trece de la reprezentarea (2.3.10) la (2.3.11) i vice versa prin simpla nlocuire a lui s cu p sau p cu s. De exemplu, sistemul s+b Y (s) = 2 0 U (s) s + a0 & poate fi scris sub forma, (p2 + a0)(y) = (p + b0)(u), cu y(0) = y (0) = 0, u(0) = 0 sau, prin abuz de notaie (deoarece niciodat nu vom definit operatorul (p2 + a0)-1), sub forma: p+b y (t ) = 2 0 u (t ) p + a0 Observaie. Datorit similaritii formelor (2.3.11) i (2.3.10), vom utiliza s pentru a nota att operatorul diferenial, ct i variabila Laplace, i vom exprima sistemul (2.3.1), n condiii iniiale nule, sub forma:
y= Z (s) u R( s) (2.3.12)

unde y i u reprezint Y (s ) i respectiv U(s), cnd s este folosit ca operator Laplace, iar y i u reprezint y(t) i respectiv u(t), cnd s este folosit ca operator diferenial. Relaia G(s) = Z(s)/R(s) din (2.3.12) este deseori referit ca filtru cu intrarea u(t) i ieirea y(t).
Exemplul 2.3.1. Considerm sistemul de ecuaii care descrie micarea cruciorului cu dou pendule din Exemplul 2.2.1, unde y = 1 este singura ieire & msurat. Eliminarea variabilelor 1, 2 i 2 prin substituire, conduce la urmtoare ecuaie diferenial de ordinul patru:

y ( 4 ) 1.1(1 + 2 ) y ( 2) + 1.21 2 y =1 u ( 2) 1 2 u unde i, i, i = 1, 2, sunt cele definite n Exemplul 2.2.1, care leag intrarea u cu ieirea msurat y. Aplicnd transformata Laplace ambilor membri ai acestei ecuaii, n condiii iniiale nule, se obine:
2 - 10

[ s 4 1.1(1 + 2 ) s 2 + 1.21 2 ]Y ( s ) = (1 s 2 1 2 )U ( s ) De aici, se deduce c funcia de transfer a sistemului de la u la y va fi: Y ( s) 1 s 2 1 2 = G(s) = 4 U ( s ) s 1.1(1 + 2 ) s 2 + 1.21 2 Pentru l1 = l2, avem 1 = 2, 1 = 2, i

G(s) =

1 ( s 2 1 ) ( s 2 1 ) = 2 1 2 s 4 2.21 s 2 + 1.21 ( s 1 )( s 2 1.21 )

are dou simplificri poli-zerouri. Deoarece 1 > 0, una dintre cele dou simplificri pol-zerou se face n Re[s] > 0 ceea ce arat c orice reprezentare de stare a sistemului cu o funcie de transfer de ordinul patru nu este stabilizabil.
2.3.2. Polinoame coprime

Proprietile I/O ale majoritii sistemelor studiate n acest curs sunt reprezentate prin funcii de transfer proprii exprimate ca raport a dou polinoame n s cu coeficieni reali, adic, Z ( s) G (s) = , (2.3.13) R( s) unde Z ( s ) = bm s m + bm1s m1 + L + b0 , R ( s ) = s n + an 1s n 1 + L + a0 i n m. Proprietile sistemului asociat cu G(s) depind foarte mult de proprietile lui Z(s) i R(s). n aceast paragraf, vom reaminti cteva proprieti generale ale polinoamelor ce vor fi utilizate n capitolele urmtoare pentru analiza i proiectarea algoritmilor de comand. Definiia 2.3.1. Se consider polinomul X ( s ) = an s n + an 1s n 1 + L + a0 . Se spune c X(s) este monic dac an = 1 i X(s) este Hurwitz dac toate radcinile lui X(s) = 0 sunt plasate n Re[s] < 0. Spunem c gradul lui X(s) este n dac coeficientul an a lui sn satisface an 0. Definiia 2.3.2. Un sistem cu o funcie de transfer dat de (2.3.13) este cu minim de faz dac Z(s) este Hurwitz; sistemul este stabil dac R(s) este Hurwitz. Aa cum s-a menionat n paragraful 2.3.1, o reprezentare a sistemului este minimal dac funcia de transfer corespunztoare nu conine simplificri polizerouri, adic, dac polinoamele de la numrtorul i numitorul funciei de transfer nu au ali factori comuni dect o constant. Definiia urmtoare este des utilizat n teoria controlului pentru caracterizarea polinoamelor cu factori necomuni. Definiia 2.3.3. Se spune c dou polinoame a(s) i b(s) sunt coprime (sau relativ prime) dac ele nu au ali factori comuni dect o constant. O caracterizare important a coprimaritii a dou polinoame este dat de urmtoarea Lem. Lema 2.3.1. (Identitatea Bezout). Dou polinoame a(s) i b(s) sunt coprime dac i numai dac exist polinoamele c(s) i d(s) astfel nct:
2 - 11

c(s)a(s) + d(s)b(s) = 1 Pentru demonstraia Lemei 2.3.1, vezi [73, 237]. Pentru o pereche de polinoame coprime a(s) i b(s), identitatea Bezout poate avea un numr infinit de soluii c(s) i d(s) aa cum reiese din exemplul urmtor. Exemplul 2.3.2. Considerm polinoamele coprime a( s ) = s + 1 , b( s ) = s + 2 . Atunci, identitatea Bezout este satisfcut pentru c( s ) = s n + 2s n 1 1 , d ( s ) = s n s n1 + 1 i orice n 1 . Coprimaritatea este o proprietate important i intens exploatat n teoria controlului pentru proiectarea schemelor de conducere corespunztoare sistemelor LTI. O teorem important, foarte utilizat n proiectarea i analiza controlului, este urmtoarea. Teorema 2.3.1. Dac a(s) i b(s) sunt polinoame coprime cu gradele na i respectiv nb, cu na > nb, atunci, pentru orice polinom arbitrar a*(s) cu gradul na* na, ecuaia polinomial a(s)l(s) + b(s)p(s) = a*(s) (2.3.14) are o soluie unic polinoamele l(s) i p(s) ale cror grade nl i respectiv np, satisfac condiiile np < na, nl max(na* - na, nb - 1). Demonstraie. Din Lema 2.3.1, rezult c exist polinoamele c(s) i d(s) astfel nct a(s)c(s) + b(s)d(s) = 1. (2.3.15) nmulind ambii membri ai ecuaiei (2.3.15) cu polinomul a*(s), obinem: a*(s)a(s)c(s) + a*(s)b(s)d(s) = a*(s). mprim a (s)d(s) prin a(s), adic, a* ( s )d ( s ) p( s) = r ( s) + a( s) a( s) unde r(s) este polinomul ct de grad na* + nd - na, na*, na i nd fiind gradele lui a*(s), a(s) i respectiv d(s), iar p(s) este restul cu gradul np < na. Utiliznd a*(s)d(s) = r(s)a(s) + p(s), membrul stng al lui (2.3.16) se exprim sub forma a*(s)a(s)c(s) + r(s)a(s)b(s) + p(s)b(s) = [a*(s)c(s) + r(s)b(s)]a(s) + p(s)b(s), care ne permite s rescriem (2.3.16) sub forma l(s)a(s) + p(s)b(s) = a*(s),
* *

(2.3.16)

(2.3.17)

unde l(s) = a (s)c(s) + r(s)b(s). Din ecuaia anterioar se deduce c gradul lui l(s)a(s) = gradul lui (a*(s) - p(s)b(s)) max{na*, np + nb}. Deci, gradul lui l(s), notat cu nl, satisface nl max{ na* - na, np + nb na}. Mai mult, putem stabili c polinoamele l(s) i p(s) din (2.3.17) cu gradele nl i np satisfac urmtoarele inegaliti: nl max{ na* - na, np + nb na} i respectiv np < na. Cum din np < na se deduce c np na - 1, gradul nl satisface de asemenea nl max{ na* - na, nb 1}.
2 - 12

Vom demonstra unicitatea lui l(s) i p(s) procednd astfel: Presupunem c (l1(s), p1(s)), (l2(s), p2(s)) sunt dou soluii ale lui (2.3.17) adic, a(s)l1(s) + b(s)p1(s) = a*(s), respectiv a(s)l2(s) + b(s)p2(s) = a*(s), care satisfac urmtoarele condiii de grad: np < na, nl max{ na* - na, nb 1}. Scznd a doua ecuaie din prima, se obine a(s)(l1(s) - l2(s)) + b(s)(p1(s) - p2(s)) = 0 care va determina b( s ) l ( s ) l1 ( s ) = 2 a ( s ) p1 ( s) p2 ( s ) (2.3.19) (2.3.18)

Deoarece np < na, rezult c n (2.3.19) polinoamele b(s), a(s) au factori comuni, ceea ce contrazice ipoteza c a(s) sunt b(s) coprime. Astfel, l1(s) = l2(s) i p1(s) = p2(s), ceea ce conduce la faptul c soluia l(s) i p(s) a lui (2.3.17) este unic, i demonstraia este complet. Dac nu se impun constrngeri asupra gradelor lui l(s) i p(s), ecuaia (2.3.14) are o infinitate de soluii. Ecuaiile de forma (2.3.14) se numesc ecuaii Diofantice i sunt utilizate n proiectarea algebric a regulatoarelor pentru procese LTI. Exemplul urmtor ilustreaz modul de utilizare a Teoremei 2.3.1 pentru proiectarea unui sistem de conducere stabil.
Exemplul 2.3.3. Considerm procesul descris prin: s 1 y= 3 u (2.3.20) s Se dorete o alegere a intrrii u(t) astfel nct ecuaia caracteristic a sistemului n circuit nchis s fie descris prin a*(s) = (s + 1)5, adic, u trebuie aleas astfel nct sistemul n circuit nchis s fie descris prin:

(s + 1)5 y = 0. Considerm o comand de forma p( s) u= y l ( s)

(2.3.21) (2.3.22)

unde l(s) i p(s) sunt polinoame cu coeficieni reali ale cror grade i coeficieni trebuie s fie determinate. nlocuind (2.3.22) n (2.3.20), se obine urmtorul sistem n circuit nchis, s 3l ( s ) y = ( s 1) p( s ) y , sau, [ s 3l ( s) + ( s 1) p ( s)] y = 0 . Dac l(s) i p(s) se aleg astfel nct s satisfac ecuaia Diofantic: l(s)s3 + p(s)(s - 1) = (s + 1)5, (2.3.23) atunci sistemul n circuit nchis devine identic cu cel dorit, dat de (2.3.21). ntruct (2.3.23) poate avea un numr infinit de soluii pentru l(s) i p(s), pentru a alege l(s) i p(s) cu gradul cel mai mic folosim Teorema 2.3.1. Conform Teoremei 2.3.1, ecuaia (2.3.23) are o soluie unic l(s), p(s) cu gradul cel mult 2. Ca urmare, presupunem c l(s), p(s) au forma: l(s) = l2s2 + l1s + l0 , respectiv p(s) =
2 - 13

p2s2 + p1s + p0, pe care le introducem n (2.3.23) i obinem urmtoarea ecuaie polinomial l2s5+l1s4+(l0+p2)s3+(p1-p2)s2+(p0-p1)s-p0 = s5+5s4+10s3+10s2+5s+1. Egalnd coeficienii acelorai puteri ale lui s din cei doi membrii ai ecuaiei anterioare, se obin ecuaiile algebrice: l2 = 1, l1 = 5, l0 + p2 = 10, p1 - p2 = 10, p0 - p1 = 5, -p0 = 1, care au soluia unic l2 = 1, l1 = 5, l0 = 26, p2 = -16, p1 = -6, p0 = -1. Deci, l(s) = s2 + 5s + 26, p(s) = -16s2 - 6s 1. Rezult ca mrimea de comand din (2.3.22) este dat de: 16s 2 + 6s + 1 y. s 2 + 5s + 26 O alt caracterizare a coprimaritii pe care o vom folosi n capitolele urmtoare este dat de urmtoarea teorem: Teorema 2.3.2 (Teorema lui Sylvester). Dou polinoame u= a( s ) = an s n + an1s n1 + L + a0 , b( s) = bn s n + bn1s n1 + L + b0 sunt coprime dac i numai dac matricea Sylvester Se asociat lor este nesingular, unde Se este o 2n 2n matrice definit prin:
an an 1 . . . a Se = 1 a0 0 0 M M 0 0 an an 1 . . . a1 a0 0 M M 0 0 0 an an 1 . . . . L L O . . . . . . O . O L 0 0 0 O . . . . . . a0 0 0 0 M M 0 an an 1 . . . a1 a0 bn bn 1 . . . b1 b0 0 0 M M 0 0 bn bn 1 . . . b1 b0 0 0 M 0 0 0 bn bn 1 . . . . . O L L O . . . . . . . O L 0 0 0 O . . . . . . b0 0 0 0 M M 0 bn bn 1 . . . b1 b0

(2.3.24)

Demonstraie. Necesitatea. Considerm urmtoarea ecuaie polinomial: a(s)c(s) + b(s)d(s) = 1

n-1 n-2 n-1 n-2

(2.3.25)

unde c(s) = cn-1s +cn-2s + L + c0, d(s) = dn-1s +dn-2s + L + d0, sunt polinoame arbitrare cu gradul n-1. Egalnd coeficienii puterilor egale ale lui s din cei doi membri ai lui (2.3.25), se obine ecuaia algebric

S e p = e2 n ,

(2.3.26)

unde e2n = [0, 0, ... , 0, 1]T 2 n i p = [cn-1, cn-2, ... , c0, dn-1, dn-2, ... , d0]T 2 n . Ecuaiile (2.3.25) i (2.3.26) sunt echivalente n sensul c orice soluie a lui (2.3.26) satisface (2.3.25) i vice versa. ntruct Se este nesingular, ecuaia
2 - 14

(2.3.26) are soluie unic pentru p. Rezult c (2.3.25) are de asemenea soluie unic pentru c(s) i d(s) care, conform Lemei 2.3.1, conduce la concluzia c a(s), b(s) sunt coprime. Suficiena. Vom arta c dac a(s) i b(s) sunt coprime, atunci pentru toate polinoamele nenule p(s) i q(s) cu gradele np < n i respectiv nq < n, avem a(s)p(s) + b(s)q(s) 0 (2.3.27) Dac (2.3.27) nu este adevrat, exist polinoamele nenule p1(s) i q1(s) cu gradele n p1 < n i respectiv nq1 < n , astfel nct a(s)p1(s) + b(s)q1(s) 0 Din ecuaia (2.3.28) se vede c b(s)/a(s) poate fi exprimat ca b( s ) p ( s) = 1 a( s) q1 ( s ) care, deoarece n p1 < n i nq1 < n , conduc la ideea c a(s) i b(s) au factori comuni, prin aceasta contrazicnd ipoteza c a(s), b(s) sunt coprime. Deci, afirmaia este adevrat i (2.3.27) rmne adevrat. Relaia (2.3.27) poate fi rescris sub forma (2.3.28)

Se x 0

(2.3.29)

unde x 2 n conine coeficienii lui p(s) i q(s). Deoarece (2.3.27) este adevrat pentru toate polinoamele nenule p(s) i q(s) cu gradele np < n i respectiv nq < n, atunci (2.3.29) rmne adevrat pentru toi vectorii x 2 n cu x 0 , care face ca Se s fie nesingular. Determinantul lui Se este cunoscut sub denumirea de rezultant Sylvester i poate fi folosit la examinarea coprimaritii unei perechi de polinoame. Dac polinoamele a(s) i b(s) din Teorema 2.3.2 au grade diferite s presupunem nb < na - atunci b(s) se poate exprima ca un polinom cu gradul na prin augmentarea lui cu puteri adiionale n s ai cror coeficieni sunt considerai nuli.
Exemplul 2.3.4. Considerm polinoamele: a(s) = s2 + 2s + 1, b(s) = s - 1 = 0s2 + s 1. Matricea Sylvester asociat este:

0 0 1 1 Cum det Se = 4 0, rezult c a(s) i b(s) sunt polinoame coprime. 0 1 2 1 0 1 1 0 Proprietile matricei Sylvester sunt utile n rezolvarea n raport cu l(s) i p(s) a unei clase de ecuaii Diofantice de forma l(s)a(s) + p(s)b(s) = a*(s), unde a(s), b(s) i a*(s) sunt polinoame precizate.
2 - 15

1 2 Se = 1 0

De exemplu, ecuaia a(s)l(s) + b(s)p(s) = a*(s) cu na = n, na* = 2n 1 i nb = m < n conduce la ecuaia algebric Se x = f (2.3.30) unde S e 2 n 2 n este matricea Sylvester asociat lui a(s) i b(s), x 2 n este un vector care conine coeficienii polinoamelor l(s) i p(s) ale cror grade, conform Teoremei 2.3.1 sunt cel mult n 1, iar f 2 n conine coeficienii lui a*(s). Deci, dndu-se a*(s), a(s) i b(s), se poate rezolva (2.3.30) n raport cu x, vectorul coeficienilor lui l(s) i p(s). Dac a(s) i b(s) sunt coprime, S e1 exist i deci, soluia lui (2.3.30) este unic i este dat de x = Se1 f . Dac a(s) i b(s) nu sunt coprime, atunci Se nu este inversabil, i (2.3.30) are o soluie dac i numai dac dimensiunea vectorului f este egal cu rangul lui Se. Prin calcule algebrice, se poate arta c aceast condiie este echivalent cu faptul c a*(s) conine factorii comuni ai lui a(s) i b(s). Exemplul 2.3.5. Considerm aceeai problem de proiectare a comenzii ca cea din Exemplul 2.3.3, unde comanda u de forma u = -(p(s)/l(s)) y este utilizat s 1 pentru a fora sistemul y = 3 u s satisfac ecuaia caracteristic (s + 1)5 y = 0. s Trebuie s artm c polinoamele l(s) i p(s) satisfac ecuaia Diofantic l(s)a(s) + p(s)b(s) = (s + 1)5
3

(2.3.31)

unde a(s) = s iar b(s) = s - 1. Matricea Sylvester Se corespunztoare lui a(s) i b(s) este 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 0 0 Se = 0 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 0 1 Cum, det Se = -1, se deduce c a(s) i b(s) sunt coprime. Ca i n Exemplul 2.3.3, se dorete rezolvarea lui (2.3.31) pentru coeficienii necunoscui li, pi, i = 0, 1, 2 ai polinoamelor l(s) = l2s2 +l1s+l0 i p(s) = p2s2 +p1s+p0. Prin egalarea coeficienilor puterilor egale ale lui s din cei doi membri ai lui (2.3.31), se obine ecuaia algebric Se x = f (2.3.32) unde f = [1, 5, 10, 10, 5, 1]T i x = [l2, l1, l0, p2, p1, p0]T. Deoarece Se este nesingular, soluia lui (2.3.32) este dat de x = Se1 f = [1, 5, 26, 16, 6, 1]T , care este identic cu soluia obinut n Exemplul 2.3.3.

2 - 16

2.4. Modele parametrice ale procesului

Considerm procesul reprezentat prin urmtoarea form minimal de stare:

& x = Ax + Bu, x(0) = x0

y = CT x

(2.4.1)

unde x n , u 1 , y 1 , iar A, B i C au dimensiuni corespunztoare. Tripletul (A, B, C) conine n2+2n elemente numite parametri ai procesului. Dac (2.4.1) este n una din formele canonice prezentate n paragraful 2.2.2, atunci n2 elemente din (A, B, C) sunt fixate (cunoscute), fie 0 fie 1, ceea ce nseamn c pentru a specifica proprietile procesului sunt necesare cel mult 2n elemente. Aceste 2n elemente sunt coeficienii numrtorului i numitorului funciei de transfer Y(s)/U(s). De exemplu, aplicnd transformarea Laplace n (2.4.1), se obine Y (s) = CT (sI - A)-1BU(s) + CT (sI - A)-1x0, de unde se deduce c Z (s) C T {adj ( sI A)} Y (s) = U (s) + x0 (2.4.2) R( s) R( s) unde R(s) este un polinom de gradul n, iar Z(s) de grad cel mult n - 1. Dac n (2.4.2), x0 = 0, se obine funcia de transfer descris prin: y= Z (s) u, R( s) (2.4.3)

unde, fr pierderea generalitii, se poate presupune c Z(s) i R(s) sunt de forma:

Z ( s ) = bn 1s n 1 + bn 2 s n 2 + L + b1s + b0 R ( s ) = s n + an 1s n 1 + an 2 s n 2 + L + a1s + a0

(2.4.4)

Dac Z(s) are gradul m < n 1 , atunci coeficienii bi, i = n 1, n 2,K, m + 1 sunt egali cu zero. Ecuaiile (2.4.3) i (2.4.4) arat c pentru a preciza univoc proprietile I/O ale procesului (2.4.1) sunt necesari cel mult 2n parametri. Dac n (2.4.3), pentru a specifica aceleai proprieti I/O, sunt utilizai mai mult dect 2n parametri, se spune c modelul este supraparametrizat. De exemplu, modelul y= Z ( s) ( s) u, R( s) ( s) (2.4.5)

unde (s) este Hurwitz i are gradul r > 0 , are aceleai proprieti I/O ca i procesul descris prin (2.4.3), i, din aceast cauz, se spune c (2.4.5) este supraparametrizat. n plus, orice reprezentare de stare a lui (2.4.5) de ordin n + r > n este neminimal. Pentru anumite probleme de estimare i control, parametrizrile sigure ale procesului sunt mult mai convenabile dect alte tipuri de parametrizri. O parametrizare a procesului util n problemele de estimare i control este cea n care parametrii sunt considerai mpreun (reunii ntr-un vector), dar separai de
2 - 17

semnalele msurabile. Precizm c n problemele de estimare a parametrilor, parametrii sunt considerai constante necunoscute care trebuie estimate din msurtorile semnalelor de I/O ale procesului. n paragraful urmtor, pentru un acelai proces, se prezint o serie de parametrizri, utile pentru proiectarea estimatoarelor parametrilor (ce vor fi prezentate n capitolele viitoare).
2.4.1. Modele liniar-parametrizate

Parametrizarea 1 Ecuaia (2.4.3) poate fi exprimat ca o ecuaie diferenial de ordinul n descris prin: & & y ( n ) + an 1 y ( n 1) + an 2 y ( n 2 ) + L + a1 y + a0 y = bn 1u ( n 1) + bn 2u ( n 2 ) + L + b1u + b0u (2.4.6) Dac vom introduce toi parametrii din (2.4.6) n vectorul parametrilor * = [bn 1 , bn 2 ,K, b1 , b0 , an 1 , an 2 ,K, a1 , a0 ]T , iar semnalele de I/O precum i derivatele lor, n vectorul semnalelor & & Y = [u ( n 1) , u ( n 2 ) ,K, u , u , y ( n 1) , y ( n 2 ) ,K, y, y ]T = [T 1 ( s )u , T 1 ( s ) y ]T n n unde i ( s ) = [ s i , s i 1 ,K, s,1]T , atunci (2.4.6) i implicit (2.4.3), se poate exprima n urmtoarea form compact (unde s trebuie interpretat ca operator diferenial):
y ( n ) = * Y
T

(2.4.7)

Ecuaia (2.4.7) este liniar n raport cu parametrul * , proprietate care, aa cum se va vedea n Cap. 4 i 5, este esenial pentru proiectarea estimatoarelor pentru estimarea lui * din msurtorile lui y(n) i Y. Deoarece, n majoritatea aplicaiilor, singurele semnale disponibile pentru a fi msurate sunt intrarea u i ieirea y, iar folosirea derivatelor acestora nu este indicat, folosirea semnalelor y(n) i Y trebuie evitat. O cale de a evita folosirea lui y(n) i Y const n a filtra fiecare membru din (2.4.7) cu un filtru stabil de ordin n, de forma 1/(p) sau 1/(s), obinnd:
z = * ,
T

(2.4.8)
y ,
T

unde
T ( s ) 1 ( n) sn T ( s ) z= y = y , = n 1 u , n 1 ( s) (s) ( s) ( s)

iar ( s ) = s n + n 1s n 1 + n 2 s n 2 + L + 1s + 0 este un polinom Hurwitz arbitrar n s.

2 - 18

Este clar c semnalul scalar z i vectorul semnalelor pot fi generate fr a folosi derivatele, prin simpla filtrare a intrrii u i a ieirii y cu filtrele stabile strict proprii s i / ( s ) , i = 0, 1, ..., n. Dac rescriem pe (s) sub forma ( s ) = s n + T n 1 ( s ) , unde = [ n 1 , n 2 ,K, 0 ]T , z din (2.4.8) se poate scrie n forma: z= de unde y = z + T
T

( s) ( s ) T n 1 ( s ) sn y = y T n 1 y , y= ( s) ( s) ( s) n 1 ( s ) y. (s)
T T

* Deoarece z = * = 1 1 + * 2 , unde 2 * 1 = [bn 1 , bn 2 ,K, b1 , b0 ]T , * = [an 1 , an 2 ,K, a1 , a0 ]T , 2

1 =

T 1 ( s ) T ( s ) n u , 2 = n 1 y (s) ( s) T T T T

* * rezult c, y = 1 1 + * 2 T 2 = 1 1 + (* T ) 2 . Deci, 2 2

y = * ,
T T

(2.4.9)

* unde * = [1 , * T ]T . Ecuaiile (2.4.8) i (2.4.9) sunt reprezentate prin 2 schema bloc din Fig. 2.2.

n 1 ( s ) (s)

* 1

+ _

y +
* 2
T

n 1 ( s) ( s)

+ Fig.2.2. Parametrizarea 1 a procesului

O reprezentare de stare pentru generarea semnalelor din (2.4.8) i (2.4.9) poate fi obinut folosind identitatea [adj ( sI c )] l = n 1 ( s ) , unde c i l sunt date prin:

2 - 19

 n1 n2 1 0 c = 0 1 M M 0 0 care implic

L 1 0 1 0 L 0 0 L 0 0 , l = 0 M O M 0 L 1 0
n 1 ( s ) . ( s)

det( sI c ) = ( s ) , ( sI c ) 1 l = Atunci, din (2.4.8) i Fig. 2.2 rezult c: & = + lu , n

1 c 1 1

& 2 = c 2 ly , 2 n y = * z = y + T 2 = *
T T

(2.4.10)

Deoarece ( s ) = det(sI c ) i (s ) este Hurwitz, rezult c c este o matrice stabil. Modelul parametric (2.4.10) este o reprezentare de stare neminimal a procesului (2.4.3). Este neminimal deoarece pentru a reprezenta un sistem de ordinul n sunt folosite 2n integratoare. ntr-adevr, funcia de transfer Y(s)/U(s) calculat folosind (2.4.10) sau Fig. 2.2, Y (s) Z (s) (s) Z (s) = = U ( s ) R( s) ( s ) R( s) implic n simplificri poli-zerouri stabile. Sistemul (2.4.10) are acelai rspuns I/O ca i (2.4.3) i (2.4.1) cu condiia ca toate condiiile iniiale s fie nule, adic, x0 = 0, 1 (0) = 2 (0) = 0 . ntr-un proces real, starea x din (2.4.1) poate reprezenta variabile fizice, iar starea iniial x0 poate fi nenul. Efectul strii iniiale x0 poate fi inserat n modelul (2.4.10) utiliznd aceeai procedur prezentat aplicat ecuaiei (2.4.2) i nu ecuaiei (2.4.3). Se poate arta c dac se consider efectul condiiei iniiale x0, se va obine urmtoarea reprezentare de stare: & 1 = c 1 + lu , 1 (0) = 0 & 2 = c 2 ly , 2 (0) = 0 (2.4.11) T y = * + 0 z = y + T 2 = * + 0 unde 0 este ieirea urmtorului sistem: & = c , (0) = 0
T 0 = C0 T

(2.4.12)

2 - 20

unde n , 0 = B0 x0 i C0 n , B0 n n sunt matrice constante care

T satisfac egalitatea: C0 {adj ( sI c )}B0 = C T {adj ( sI A)} . ntruct c este o matrice stabil, din (2.4.12) rezult c i 0 converg la zero exponenial. Atunci, efectul condiiei iniiale nenule x0 const n apariia n ieirea y i respectiv z a termenului 0 cu descretere exponenial la zero.

Parametrizarea 2 Considerm modelul parametric (2.4.9),

y = * ,
T

identitatea

Wm ( s )Wm 1 ( s ) = 1 , unde Wm(s) = Zm(s)/Rm(s) este o funcie de transfer cu gradul

relativ 1, iar Zm(s) i Rm(s) sunt polinoame Hurwitz. Deoarece * este un vector constant, (2.4.9) se poate exprima sub forma:
y = Wm ( s )* Wm 1 ( s ) . T

Dac n aceast relaie notm

=

T ( s ) T 1 ( s ) 1 n = n 1 u, Wm ( s ) Wm ( s ) ( s ) Wm ( s ) ( s )
T

y ,

unde este dat n (2.4.8), obinem:

y = Wm ( s )* .

(2.4.13) n 1 ( s ) sunt funcii de transfer cel mult Wm ( s ) ( s )

ntruct toate elementele lui

T proprii, cu polii stabili, rezult c starea = [1 , T ]T , unde 2 n1 ( s ) n 1 ( s ) 1 = u , 2 = y Wm ( s ) ( s ) Wm ( s ) ( s ) poate fi generat fr derivarea lui y sau u. Dimensiunea lui depinde de ordinul n al lui (s) i de ordinul lui Zm(s). Cum Zm(s) poate fi arbitrar, dimensiunea lui poate fi de asemenea arbitrar. Figura 2.3 prezint schema bloc a parametrizrii procesului descris prin (2.4.13) pe care o vom denumi Parametrizarea 2.

1 n 1 ( s ) Wm ( s ) ( s )

* 1

+ _

+
* 2
T

Wm(s)
2

n1 ( s ) Wm ( s ) ( s )

Fig.2.3. Parametrizarea 2 a procesului 2 - 21

n [201], Parametrizarea 2 este denumit reprezentare cu model de referin i este folosit n proiectarea estimatoarelor parametrilor pentru estimarea lui * , cnd Wm(s) este o funcie de transfer strict real-pozitiv (vezi definiia din Cap. 3). 1 , Un caz special al lui (2.4.13) este prezentat n Fig. 2.4, unde Wm ( s ) = s + 0 iar s + 0 este factor a lui (s), adic ( s ) = ( s + 0 ) q ( s ) = s n + n1s n1 + n2 s n2 + L + 1s + 0 , unde q ( s ) = s n 1 + qn 2 s n 2 + L + q1s + 1 . Parametrizarea 2 din Fig. 2.4 a fost sugerat pentru prima dat n [131], unde a fost folosit pentru dezvoltarea observerelor adaptive stabile. O alternativ a modelului parametric al procesului din Fig. 2.4 poate fi obinut prin intermediul primei separri a elementelor improprii ale lui n1 ( s ) / q ( s ) , astfel:
u

n1 ( s) q (s)

* 1

+ _

+
* 2
T

1 s + 0
2

y
n 1 ( s ) q (s)

Fig.2.4. Parametrizarea 2 a procesului cu ( s ) = ( s + 0 ) q ( s ) i Wm ( s ) = 1 /( s + 0 )

Pentru orice vector c = [cn 1 , cn 2 ,K, c1 , c0 ]T n , avem

cT n 1 ( s ) cn 1s n 1 c T n 2 ( s ) = + q (s) q (s) q ( s)

(2.4.14)

unde c = [cn 2 ,K, c1 , c0 ]T , n 2 = [ s n 2 ,K, s,1]T . Cum q ( s ) = s n 1 + q T n 2 ( s ) , unde q = [qn 2 ,K, q1 ,1]T , avem s n 1 = q ( s ) q T n 2 ( s ) , care, dup substituire conduce la: cT n 1 ( s ) (c cn 1q )T n 2 ( s ) = cn 1 + q (s) q ( s) Folosid (2.4.15) se obin urmtoarele expresii:
* 1 T

(2.4.15)

n 1 ( s ) *T n 2 ( s ) u = bn 1u + 1 u, q ( s) q ( s)

T (s) (s) *T * T n 1 y = ( n 1 an 1 ) y 2 n 2 y 2 q ( s) q ( s)

(2.4.16)

2 - 22

unde

* 1 = b bn 1 q ,

* 2 = a (an 1 n 1 ) q

a = [an 2 ,K, a1 , a0 ]T ,

b = [bn 2 ,K, b1 , b0 ]T , = [ n 2 ,K, 1 , 0 ]T . Utiliznd (2.4.16), Fig. 2.4 poate fi reconfigurat ca n Fig. 2.5.
u
n 2 (s) q (s) 1
* 1 T

+ + bn-1

+
* 2 T

1 s + 0
2

y
n 2 (s) q (s)

n 1 an 1

Fig.2.5 Echivalentul Parametrizrii 2 din Fig.2.4

Din Fig. 2.5 se obine urmtoarea reprezentare de stare neminimal a procesului: T & x1 = 0 x1 + * , x1 1 & 1 = c 1 + l u , 1 n1 (2.4.17) & 2 = c 2 l y , 2 n1 y = x1 unde
T T * * * = [bn 1 , 1 , n 1 an 1 , 2 ]T , = [u, 1 , y , 2 ]T i T T

qn 2 qn 3 L q0 1 1 0 L 0 , l = 0 c = M M O M 0 0 L 1 0

Ca i n cazul Parametrizrii 1, dac se dorete o justificare a condiiei iniiale x(0) = x0 0 , se obine:

T & x1 = 0 x1 + * , x1 (0) = 0 & 1 = c 1 + l u , 1 (0) = 0 & = l y , (0) = 0 2 c 2 2

(2.4.18)

y = x1 + 0 unde 0 este ieirea sistemului:

& = c , (0) = 0 , n
T 0 = C0

2 - 23

unde c , C0 i 0 sunt cele definite n (2.4.12).

Exemplul 2.4.1 (Parameterizarea 1). Considerm ecuaia diferenial

y(4) + a2y(2) + a0y = b2u(2) + b0u

(2.4.19)

care descrie micarea cruciorului cu dou pendule considerat n Exemplele 2.2.1, 2.3.1, unde a2 = 1.1(1 + 2 ) , a0 = 1.2 1 2 , b2 = 1 , b0 = 1 2 . Ecuaia (2.4.19) are aceeai form ca cea din (2.4.6) cu n = 4 i coeficienii a3 = a1 = b3 = b1 = 0. Conform (2.4.7), ecuaia (2.4.19) se poate rescrie n forma compact
y ( 4 ) = * Y0 0
T

(2.4.20)

unde * = [b2 , b0 , a2 a0 ]T , Y0 = [u ( 2 ) , u , y ( 2) , y ]T . ntruct y i u sunt singurele 0 semnale care se msoar, rezult c y(4) i Y0 nu sunt msurabile. Dac fiecare membru din (2.4.20) este trecut prin filtrul 1 / ( s ) , unde (s) = ( s + 2) 4 = s4 + 8s3 + 24s2 + 32s + 16, se va obine
z = * 0 0
T

(2.4.21)
T

s2 s4 s2 1 1 y i 0 = u, u, y, y sunt 4 4 4 4 4 ( s + 2) ( s + 2) ( s + 2) ( s + 2) ( s + 2) acum semnalele care pot fi generate prin filtrarea msurtorilor lui y i u. Deoarece n (2.4.19) elementele a3 = a1 = b3 = b1 = 0, dimensiunea lui * , respectiv 0 este 4 0 n loc de 8, aa cum ar fi rezultat din (2.4.8). Similar, conform (2.4.9) se obine: unde z = y = * , unde * = [0, b2 , 0, b0 ,8, a2 24, 32, a0 16]T , T (s) T ( s) = 3 4 u , 3 4 y , 3 ( s ) = [ s 3 , s 2 , s, 1]T . ( s + 2) ( s + 2) n (2.4.22) se pot separa elementele lui * , care nu depind de parametrii lui (2.4.19) i se obine:
T y = * 0 + h0 0 T T T

(2.4.22)

unde * = [b2 , b0 , a2 24, a0 16]T , h0 = [0, 0, 0, 0,8, 0, 32,0]T . Folosind 0 (2.4.10), se obine o reprezentare de stare a lui (2.4.21) i (2.4.22), dat de:

2 - 24

& 1 = c 1 + l u , 1 4 & 2 = c 2 l y , 2 4
T y = * = * 0 + h0 0 T T

z = * 0 0 unde 1 0 8 24 32 16 0 0 0 , l = 0 , = 0 1 c = 0 0 0 0 1 0 0 0 0 0 0 1 0 unde = [8, 24, 32, 16]T .

Exemplul 2.4.2 (Parametrizarea 2). Considerm acelai proces ca cel din

1 0 0 0

0 0 0 0

0 1 0 0

0 0 0 0

0 0 1 0

0 0 0 0

0 0 0 1
T

T i = [1 , T ]T . n loc de (2.4.22), se poate de asemenea scrie y = * 0 T 2 , 2 0

Exemplul 2.4.1, adic y = * , unde

T ( s) T ( s) = [0, b2 , 0, b0 ,8, a2 24, 32, a0 16] , = 3 4 u , 3 4 ( s + 2) ( s + 2) Rescriem acum pe y sub forma:

y .

T ( s ) 1 *T T ( s ) y= , unde = 3 3 u , 3 3 y . s+2 ( s + 2) ( s + 2) Prin cteva calcule simple, se obine:

1 3 ( s) = 3 ( s + 2) ( s + 2)3

s 3 1 1 s 2 0 s = 0 + ( s + 2) 3 1 0

6 12 1 0 0 1 0 0

8 0 ( s) , 0 2 1 y ,
T

unde 2(s) = [s2, s, 1]T. Atunci, poate fi exprimat sub forma (s) T ( s ) (s) T ( s ) = u T 2 3 u , 2 3 u , y + T 2 3 y, 2 3 ( s + 2) ( s + 2) ( s + 2) ( s + 2) unde = [6, 12, 8]T , iar * poate fi exprimat ca
* = *
T T T

(2.4.23)
T

unde T ( s) T ( s ) = [b2 , 0, b0 , 8, a2 + 24, 64, a0 + 48] , = 2 3 u , y, 2 3 y . ( s + 2) ( s + 2) Atunci,

* T

2 - 25

1 *T s+2 O realizare de stare a lui (2.4.24) este T & x1 = 2 x1 + * , x1 1 y= & 1 = c 1 + l u , 1 3 & 2 = c 2 l y , 2 3 y = x1 unde
6 12 8 1 T T = [ 1 , y , 2 ]T , c = 1 0 0 , l = 0 . 0 1 0 0

(2.4.24)

2.4.2. Modele parametrice biliniare

Considerm parametrizarea unei clase speciale de sisteme exprimate prin y = k0 Z 0 (s) u, R0 ( s ) (2.4.25)

unde k0 este un scalar, R0(s) este monic de grad n, iar Z0(s) este monic i Hurwitz de grad m < n. n plus, Z0(s) i R0(s) satisfac ecuaia Diofantic unde k0Z0(s)P(s) + R0(s)Q(s) = Z0(s)A(s)

(2.4.26)

Q( s ) = s n 1 + qT n 2 ( s ) , P( s ) = pT n 1 ( s ) , i ( s ) = [ s i , s i 1 ,K, s,1]T , q n 1 , p n sunt vectorii coeficienilor lui Q( s ) s n 1 , respectiv ai lui P(s), iar A(s) este un polinom Hurwitz monic de grad 2n m 1 . Ecuaia Diofantic (2.4.26) care pune n relaie pe Z0(s), R0(s), k0 cu P(s), Q(s) i A(s) apare n proiectarea comenzilor, cum ar fi controlul cu model de referin, care va fi discutat n capitolele ulterioare. Polinoamele P(s) i Q(s) sunt de regul polinoamele asociate controllerului care, pentru un A(s) dat, trebuie calculate prin rezolvarea ecuaiei (2.4.26). Pentru aceasta, obiectivul nostru const n a obine o parametrizare a lui (2.4.25), n funcie de coeficienii lui P(s) i Q(s), care s fie independent de coeficienii lui Z0(s) i R0(s). Acest obiectiv se atinge folosind (2.4.26) pentru a elimina dependena lui (2.4.25) de Z0(s) i R0(s) dup cum urmeaz: Prin rescrierea lui (2.4.25) sub forma R0(s)y = k0Z0(s)u i nmulind fiecare membru cu Q(s), se obine: Q(s)R0(s)y = k0Z0(s)Q(s)u (2.4.27) nlocuind n (2.4.27) pe Q(s)R0(s) = Z0(s)(A(s) - k0P(s)) obinut din (2.4.26), se obine: Z0(s)(A(s) - k0P(s))y = k0Z0(s)Q(s)u
2 - 26

(2.4.28)

Cum Z0(s) este Hurwitz, vom filtra fiecare membru din (2.4.28) prin 1/Z0(s) obinnd A(s)y = k0P(s)y + k0Q(s)u Rescriem (2.4.29) sub forma A( s ) y = k0 [ pT n 1 ( s ) y + qT n 2 ( s )u + s n 1u ] (2.4.30) Acum exist mai multe variante. Se poate filtra fiecare membru din (2.4.30) cu filtrul stabil 1/A(s) obinnd: (s) (s) s n1 u y + q T n2 u + y = k0 pT n1 A( s ) A( s ) A( s ) care poate fi scris n forma compact y = k0 (* + z0 ) unde T ( s ) T ( s ) = [q , p ] , = n 2 u , n 1 A( s ) A( s )
*
T T T T

(2.4.29)

(2.4.31) s n 1 y i z0 = u. A( s )
T

Se poate de asemenea filtra fiecare membru din (2.4.30) utiliznd un filtru arbitrar stabil 1/(s) al crui ordin n satisface 2n m 1 n n 1 , obinnd y = W ( s )k 0 (* + z0 ) unde acum T ( s ) T ( s ) ( s) s n 1 = n 2 u , n 1 este o funcie de transfer y , z0 = u i W ( s ) = ( s) ( s) A( s ) ( s) proprie. n (2.4.31) i (2.4.32), i z0 pot fi generate prin filtrarea intrrii u i a ieirii y a procesului. De aceea, dac u i y sunt msurabile, atunci toate semnalele din (2.4.31) i (2.4.32) pot fi generate, singurele necunoscute posibile fiind k0 i * . Dac k0 este cunoscut, el poate fi absorbit n semnalele i z0, conducnd la modele care sunt afine n * , de forma: y = W ( s )*
T T T

(2.4.32)

(2.4.33)

unde y = y W ( s ) k0 z , iar = k0 . Dac k0 este totui necunoscut i este parte a parametrilor de interes, atunci (2.4.31) i (2.4.32) nu sunt afine n raport cu parametrii k0 i * , dar k0 i * apar ntr-o form special biliniar. Din acest motiv, definim (2.4.31) i (2.4.32) ca modele parametrice biliniare pentru a le distinge de cele de forma (2.4.7)-(2.4.9) i (2.4.33), care sunt referite ca modeleparametrice liniare sau modele parametrice afine (sau modele afine n raport cu parametrii). Aceste forme de modele (parametrizate liniar i bilinear) sunt destul de
2 - 27

generale pentru a include i parametrizrile anumitor sisteme ale cror dinamici nu sunt neaprat liniare, aa cum se vede n exemplul urmtor.
Exemplul 2.4.3. Considerm sistemul neliniar scalar

& x = a0 f ( x, t ) + b0 g ( x, t ) + c0u

(2.4.34)

unde a0, b0 i c0 sunt scalari constani, f ( x, t ) i g ( x, t ) sunt funcii neliniare cunoscute care pot fi calculate la fiecare moment de timp t, iar u i x sunt intrarea i starea sistemului. Presupunem c f, g i u sunt astfel nct pentru fiecare condiie iniial x(0) = x0, (2.4.34) are o singur soluie definit pentru orice t [0, ) . Dac x i u sunt msurabile, prin filtrarea fiecrui membru al lui (2.4.34) cu un filtru stabil strict propriu cu funcia de transfer Wf(s), modelul (2.4.34) poate fi exprimat n forma modelului parametric (2.4.33):

z = W f ( s )*
relaia (2.4.34) se poate rescrie n forma

(2.4.35)

unde z = sW f ( s ) x , * = [a0 , b0 , c0 ]T i = [ f ( x, t ), g ( x, t ), u ]T . n loc de (2.4.35),

& x = am x + am x + * cu am > 0, sau T 1 x= a x + * m s + am

Atunci,
z=x
T 1 am * x= s + am s + am

(2.4.36)

care are aceeai form cu (2.4.35) cu Wf(s) = 1/(s+am). Se poate continua i rescrie (2.4.35) (respectiv (2.4.36)) sub forma

z = * f , f = W f (s )

(2.4.37)

care este de forma (2.4.8). Exemplul prezentat demonstreaz faptul c dei parametrul * apare liniar n (2.4.35) i (2.4.37) nu nseamn c are o dinamic liniar.
2.5. Probleme

2.1. Fie a(s) = (s + )3, b(s) = , unde , sunt constante cu 0 . (a) Scriei matricea Sylvester asociat lui a(s) i b(s). (b) Considerm c p0(s), l0(s) este o soluie a ecuaiei polinomiale a(s)l(s) + b(s)p(s) = 1. (2.5.1) Artai c (p1(s), l1(s)) este o soluie a lui (2.5.1) dac i numai dac p1(s), l1(s) pot fi exprimate sub forma p1(s) = p0(s) + r(s)a(s), l1(s) = l0(s) - r(s)b(s) pentru orice polinom r(s).
2 - 28

(c) Gsii soluia lui (2.5.1) pentru care p(s) are cel mai mic grad i p(s)/l(s) este o funcie raional proprie. 2.2. Se consider procesul de ordinul trei y = G(s)u, unde G(s) = b2 s 2 + b1s + b0 s 3 + a2 s 2 + a1s + a0

(a) Scriei modelul parametric al procesului n forma (2.4.8) sau (2.4.13) cnd

* = [b2, b1, b0, a2, a1, a0]T.

(b) Dac a0, a1 i a2 sunt cunoscute, adic, a0 = 2, a1 = 1 i a2 = 3, scriei un model parametric al procesului n funcie de * = [b2, b1, b0]T. (c) Dac b0, b1 i b2 sunt cunoscute, adic, b0 = 1, b1 = b2 = 0, dezvoltai un model parametric n funcie de * = [a2, a1, a0]T. 2.3. Se consider sistemul cu amortizare de mai jos: unde k este constanta resortului, f este coeficientul de frecare vscoas sau de amortizare, m este masa sistemului, u este fora de intrare, iar x este deplasarea masei M. Dac se consider un resort "liniar", adic, fora ce acioneaz asupra resortului este proporional cu deplasarea, iar fora de frecare este & proporional cu viteza x , utiliznd legea lui Newton, se obine urmtoarea ecuaie diferenial: & M && = u k x f x x care descrie dinamica sistemului. (a) Precizai o reprezentare de stare a sistemului. (b) Calculai funcia de transfer dintre x i u. (c) Obinei un model parametric liniar de forma z = * , unde * = [M, k, f]T, iar z, sunt semnale care pot fi generate din msurtorile lui u i x, fr a utiliza elemente derivative. 2.4. Verificai dac (2.4.11) i (2.4.12) sunt reprezentri de stare neminimale ale sistemului descris prin (2.4.1). Artai c pentru aceeai intrare u(t), ieirea y(t) este identic pentru cele dou sisteme. (Indicaie: Verificai c
T C0 [adj ( sI c )]B0 = C T [adj ( sI A)] T

pentru anumii C0 n , B0 n n folosind identitatea [adj(sI - A)] = sn-1I + sn-2(A + an-1I) + sn-3(A2 + an-1A + an-2I) + ... + (An-1 + an-1An-2 + ... + a1I) i alegnd C0 astfel nct (C0, c) s fie o pereche observabil. 2.5. Scriei o reprezentare de stare pentru urmtorul sistem: (s) (a) = n 1 u , (s) este monic de ordin n. ( s)
2 - 29

(b) = (c) =

n 1 ( s ) u , 1(s) este monic de ordin n - 1. 1 ( s )

m (s) u , m n 1 , 1(s) este monic de ordin n - 1. 1 ( s )

T 2.6. Artai c ( sI c ) 1 l = Co ( sI o ) 1

n 1 ( s ) , unde (c, l) este (s)

forma controller, iar (Co, o) este forma observer.

Bibliografie
[30] Chen, C.T., Introduction to Linear System Theory, Holt, Rinehart and Winston Inc., New York, 1970. [42] Desoer, C.A. and M. Vidyasagar, Feedback Systems: Input-Output Properties, Academic Press Inc., New York, 1975. [44] Dorf, R.C. Modern Control Systems, 6th Edition, Addison-Wesley Publishing Company, Reading, Massachusetts, 1991. [57] Franklin, G.F., J.D. Powell and A. Emami-Naeini, Feedback Control of Dynamic Systems, 2nd Edition, Addison-Wesley, Reading, Massachusetts, 1991. [73] Goodwin, G.C. and K.C. Sin, Adaptive Filtering Prediction and Control, Prentice Hall, Englewood Cliffs, New Jersey, 1984. [95] Kailath, T., Linear Systems, Prentice Hall, Englewood Cliffs, New Jersey, 1980. [121] Kuo, B. C. Automatic Control Systems, 6th Edition, Prentice Hall, Englewood Clis, New Jersey, 1991. [131] Luders, G. and K.S. Narendra, "A New Canonical Form for an Adaptive Observer", IEEE Transactions on Automatic Control, Vol. 19, no. 2, pp. 117-119, 1974. [180] Ogata, K. Modern Control Engineering, 2nd Edition, Prentice Hall, Englewood Cliffs, New Jersey, 1990. [201] Sastry, S. and M. Bodson, Adaptive Control: Stability, Convergence and Robustness, Prentice Hall, Englewood Cliffs, New Jersey, 1989. [226] Tsakalis K.S. and P.A. Ioannou, Linear Time Varying Systems: Control and Adaptation, Prentice Hall, Englewood Cliffs, New Jersey, 1993. [237] Wolovich, W.A., Linear Multivariable systems, Springer-Verlag, New York, 1974. [238] Wonham, W.M., Linear Multivariable Control: A Geometric Approach, 3rd Edition, Springer-Verlag, New York, 1985.

2 - 30

Cap. 3 Stabilitate
3.1. Introducere
Conceptul de stabilitate este legat de investigarea i caracterizarea comportrii sistemelor dinamice. Stabilitatea joac un rol important n teoria sistemelor i ingineria controlului i a fost intens investigat n secolele trecute. Cteva dintre conceptele fundamentale de stabilitate au fost introduse de matematicianul i inginerul rus Alexandr Lyapunov (vezi [133]). Lucrarea lui Lyapunov a fost extins i adus n atenia unei largi comuniti din ingineria controlului i matematicii aplicate prin LaSalle i Lefschetz [124, 125, 126], Krasovskii [107], Hahn [78], Massera [139], Malkin [134], Kalman i Bertram [97] i muli alii. n sistemele de conducere, suntem interesai de schimbarea proprietilor sistemelor dinamice n aa fel nct acestea s aib o comportare acceptabil chiar dac asupra lor acioneaz perturbaii externe. Scopul acestui capitol este acela de a prezenta cteva definiii i rezultate de baz ale stabilitii utilizate n proiectarea i analiza sistemelor de conducere. Multe din rezultatele prezentate sunt generale i pot fi gsite n crile standard de specialitate. Altele sunt mai specifice i sunt dezvoltate pentru sisteme adaptive. Demonstraiile majoritii rezultatelor generale sunt omise, dar sunt precizate referinele corespunztoare. Sunt prezentate de asemenea o serie de exemple edificatoare.

3.2. Preliminarii
3.2.1 Norme i spaii Lp Definiia 3.2.1. Norma | x | a unui vector x este o funcie real cu urmtoarele proprieti: (i) | x | 0 cu | x | = 0 dac i numai dac x = 0 (ii) | x | = | | | x | pentru orice scalar (iii) | x + y | | x | + | y | (inegalitatea triunghiului) Norma | x | unui vector x poate fi interpretat ca mrimea sau lungimea vectorului x. Similar, | x y | poate fi interpretat ca distana dintre vectorii x i y.

O m n matrice A reprezint a aplicaie liniar de la spaiul n-dimensional n spaiul m-dimensional m . Vom defini norma indus a lui A astfel:
n

Definiia 3.2.2. Fie | | norma unui vector. Atunci, pentru fiecare matrice

A m n , cantitatea || A || definit prin

3-1

|| A || = sup

x0 x n

| Ax | = sup | Ax | = sup | Ax | | x | | x|1 | x | =1

se numete norma (matriceal) indus a matricei A corespunztoare normei vectorului | | . Norma (matriceal) indus satisface proprietile (i) - (iii) din Definiia 3.2.1. Cteva dintre proprietile normei induse ce vor fi des utilizate n acest curs sunt urmtoarele: (i) | Ax | || A || | x |, x n (ii) || A + B || || A || + || B || (iii) || A B || || A || || B || unde A i B sunt matrice arbitrare cu dimensiuni compatibile. Tabelul 3.1 prezint cteva dintre cele mai utilizate norme n n .
Tabelul 3.1. Norme uzuale

Norma pe n | x | = max i | xi | (norma infinit)

Norma indus pe m n || A || = max i j | aij | (suma liniilor)

| x |1 = i | xi |
| x |2 =

( | x | )
i i

|| A ||1 = max j i | aij | (suma coloanelor)

2 1/ 2

(norma Euclidian)

|| A ||2 = m ( AT A) , unde m (M ) este valoarea proprie maxim a lui M

1/ 2

Trebuie notat c funcia || A ||s = max ij | aij | , unde A m n i aij este elementul
(i, j ) al lui A satisface proprietile (i) - (iii) din Definiia 3.2.1. Totui aceasta nu este o norm matriceal indus deoarece nu exist o norm vectorial astfel nct || ||s s fie norma indus corespunztoare.
Exemplul 3.2.1. (i) Fie x = [1, 2, -10, 0]T. Folosind Tabelul 3.1, se obine: | x | = 10 , | x |1 = 13 , | x |2 = 105

0 5 (ii) Fie A = 1 0 , B = 1 5 . Folosind Tabelul 3.1, se obine: 0 2 0 10

|| A ||1 = 15 , || A ||2 = 11.18 , || A || = 10 || B ||1 = 7 , || B ||2 = 5.465 , || B || = 6 || A B ||1 = 35 , || A B ||2 = 22.91 , || A B || = 20 care pot fi folosite pentru a verifica proprietatea (iii) a normei induse.
Pentru funcii de timp, se definete norma Lp

|| x || p =

| x( ) | p d

1/ p

3-2

pentru p [1, ) . Spunem c x L p cnd || x || p exist (adic, cnd || x || p este finit). Norma L este definit prin
|| x || = sup | x(t ) |
t0

i se spune c x L cnd || x || exist. n definiiile normelor Lp i L de mai sus, x(t) poate fi o funcie scalar sau vectorial. Dac x este o funcie scalar, atunci | | desemneaz valoarea absolut. Dac x este o funcie vectorial n n , atunci | | desemneaz orice norm n n . Similar, pentru secvene de numere se definete norma lp prin || x || p = | xi | p i =1 i norma l ca
1/ p

, 1 p <

|| x || = sup | x i |
i 1

unde x = ( x1 , x2 ,K ) i xi . Spunem c x l p (respectiv x l ) dac || x || p (respectiv || x || ) exist. De multe ori ne confruntm cu clase de funcii de timp care nu aparin lui Lp. Pentru a folosi astfel de funcii se definete norma Lpe:
|| xt || p =

( | x() | d )
t p 0
0 t

1/ p

pentru p [1, ) i spunem c x L pe cnd || xt || p exist pentru orice t finit. Similar, norma Le este definit prin
|| xt || = sup | x() | i se spune c x L cnd || x || exist. Funcia t2 nu aparine lui Lp, dar t 2 L pe . Similar, orice funcie de timp continu aparine lui Lpe, dar ea poate s nu aparin lui Lp. Pentru fiecare p [1, ] , mulimea funciilor care aparin lui Lp (respectiv lui Lpe) formeaz un spaiu vectorial liniar numit spaiul Lp (respectiv, spaiul Lpe) [42]. Dac se definete funcia trunchiat ft prin
f ( ), 0 t f t () = >t 0, pentru orice t [0, ) , atunci, este clar c, pentru orice p [1, ) , f L pe determin ca f t L p pentru orice t finit. Spaiul Lpe se numete spaiul Lp extins i este definit ca mulimea tuturor funciilor f cu proprietatea c f t L p .

3-3

3.2.2. Proprieti ale funciilor

Prezentm mai nti cteva definiii.

Defniia 3.2.3. (Continuitate). O funcie f : [0, ) este continu pe [0, ) dac pentru orice 0 > 0 dat, exist un ( 0 , t0 ) astfel nct t0 , t [0, ) pentru care | t t0 | < ( 0 , t0 ) avem | f (t ) f (t0 ) | < 0 . Defniia 3.2.4. (Continuitate uniform). O funcie f : [0, ) este uniform continu pe [0, ) dac pentru orice 0 > 0 dat, exist un ( 0 ) astfel nct t0 , t [0, ) pentru care | t t0 | < ( 0 ) avem | f (t ) f (t0 ) | < 0 . Defniia 3.2.5. (Continuitate pe poriuni). O funcie f : [0, ) este continu pe poriuni pe [0, ) dac f este continu pe orice interval finit [t0 , t1 ] [0, ) cu excepia unui numr finit de puncte. Defniia 3.2.6. (Continuitate absolut). O funcie f : [a, b] este absolut continu pe [a, b] dac i numai dac pentru orice 0 > 0 dat, exist un > 0 astfel nct

| f (i ) f (i ) |< 0
i =1

pentru orice mulime finit de subintervale

( i , i )

ale lui [a, b]

cu

n | i i =1

i | < .

Defniia 3.2.7. (Lipschitz). O funcie f : [a, b] este Lipschitz pe [a, b] dac | f ( x1 ) f ( x2 ) | k | x1 x2 |, x1 , x2 [a, b] , unde k 0 este o constant denumit constant Lipschitz.

Funcia f (t ) = sin(1 / t ) este continu pe (0, ) , dar nu este uniform continu (de verificat). O funcie definit printr-o und ptratic cu o anumit frecven nu este continu pe [0, ) , dar este continu pe poriuni. Menionm c o funcie uniform continu este de asemenea continu. O & funcie f cu f L este uniform continu pe [0, ) . De aceea, o cale uoar de a & verifica continuitatea uniform a lui f(t) const n a verifica mrginirea lui f . Dac f este Lipschitz pe [a, b] , atunci f este absolut continu. Cteva dintre cele mai importante leme, frecvent utilizate n analiza schemelor adaptive, sunt urmtoarele:
Lema 3.2.3. Pentru funciile scalare sunt adevrate urmtoarele afirmaii: (i) O funcie f(t) care este mrginit inferior i este necresctoare are o limit cnd t .
3-4

(ii) Considerm funciile scalare nenegative f(t) i g(t) definite pentru t 0 . Dac f (t ) g (t ), t 0 i g L p , atunci f L p pentru toi p [1, ] . Demonstraia. S-a omis. Lema 3.2.3 (i) nu conduce i la f L . De exemplu, funcia f(t) = 1/t cu t (0, ) este mrginit inferior, adic, f (t ) 0 i este necresctoare, dar ea devine nemrginit (superior) cnd t 0 . Dac totui f(0) este finit atunci, din proprietatea de necretere f (t ) f (0), t 0 , rezult c f L . n acest curs & vom folosi un caz special al Lemei 3.2.3 care apare cnd f 0 i f 0 .
Lema 3.2.4. Fie f , V : [0, ) . Atunci & V V + f , t t 0
0

determin ca V (t ) e (t t 0 )V (t0 ) + t e (t ) f () d, t t0 0
0

pentru orice constant finit . Demonstraie. S-a omis. & Lema 3.2.5. Dac f , f L i f L p pentru anumii p [1, ) , atunci f (t ) 0 cnd t . Rezultatul Lemei 3.2.5 este un caz special al unui rezultat mult mai general dat prin Lema lui Barblat, prezentat mai jos.
Lema 3.2.6. (Lema lui Barblat [192]). Dac limt 0 f ()d exist i este
t

finit, iar f(t) este o funcie uniform continu, atunci limt f (t ) = 0 . Demonstraie. S-a omis. Demonstraia Lemei 3.2.5 rezult direct din cea a Lemei 3.2.6 cu meniunea c & funcia f p (t ) este uniform-continu pentru orice p [1, ) deoarece f , f L . Condiia ca f(t) s fie uniform continu este crucial pentru rezultatele Lemei 3.2.6.
3.2.3. Matrice pozitiv definite

O matrice ptratic A n n se numete simetric dac A = AT. O matrice simetric A se numete pozitiv semidefinit dac pentru fiecare vector x n , xT A x 0 i pozitiv definit dac xT A x > 0 , x n cu | x | 0 . Ea se numete negativ semidefinit (negativ definit) dac -A este pozitiv semidefinit (pozitiv definit). Definiia unei matrice pozitiv definite poate fi generalizat i la matrice nesimetrice. n acest curs, cnd se consider proprietile de pozitivitate sau negativitate definit sau semidefinit, vom considera ntotdeauna c matricea este simetric.
3-5

Vom scrie A 0 dac A este pozitiv semidefinit i A > 0 dac A este pozitiv definit. Vom scrie A B i A > B dac A B 0 i respectiv A B > 0 . O matrice simetric A n n este pozitiv definit dac i numai dac oricare dintre urmtoarele condiii sunt valabile: (i) i ( A) > 0, i = 1, 2,K, n unde i ( A) reprezint a i-a valoare proprie a lui A, care este real deoarece A = AT. (ii) Exist o matrice nesingular A1 astfel nct A = A1 A1T . (iii) Fiecare minor principal al lui A este pozitiv. (iv) xT A x | x |2 pentru anumii > 0 i x n .
T Decompoziia A = A1 A1 din (ii) este unic cnd A1 este de asemenea simetric. n acest caz, A1 este pozitiv definit, ea are aceeai vectori proprii ca i A, iar valorile proprii ale sale sunt egale cu rdcinile ptrate ale valorilor proprii corespondente ale matricei A. Vom specifica aceast decompoziie unic a lui A notnd A1 ca A1 / 2 , adic, A = A1 / 2 AT / 2 unde A1 / 2 este o matrice pozitiv definit iar AT / 2 reprezint transpusa lui A1 / 2 . O matrice simetric A n n are n vectori proprii ortogonali i poate fi descompus ca (3.2.5) A = U T U T unde U este o matrice unitar (ortogonal) (adic, U U = I) format cu vectorii proprii ai lui A, iar este o matrice diagonal compus din valorile proprii ale lui A. Folosind (3.2.5), rezult c dac A 0 , atunci pentru orice vector x n

min ( A) | x |2 xT A x max ( A) | x |2 Mai mult, dac A 0 atunci || A ||2 = max ( A) , iar dac A > 0, avem
|| A1 ||2 = 1 min ( A)

unde max ( A) , min ( A) reprezint valorile proprii maxim i minim ale lui A. Menionm c dac A > 0 i B 0 , atunci A + B > 0, dar n general nu este adevrat c A B 0 .

3.3. Stabilitate intrare/ieire

Sistemele ntlnite n acest curs pot fi descrise printr-o relaie intrare-ieire (I/O) care asociaz fiecrei intrri o ieire corespondent, sau printr-o reprezentare n variabile de stare. n acest paragraf vom prezenta cteva rezultate de baz legate de stabilitatea I/O. Aceste rezultate sunt bazate pe tehnici din analiza funcional [42] i multe dintre ele pot fi aplicate att sistemelor continue ct i sistemelor
3-6

discrete n timp. Rezultate similare sunt prezentate n paragraful 3.4 folosind abordarea prin variabile de stare i teoria Lyapunov.
3.3.1. Stabilitatea Lp

Consideram un sistem liniar invariant n timp (LTI) descris prin convoluia a dou funcii u , h : + , definit prin: y (t ) = u h = 0 h(t ) u () d = 0 u (t ) h() d

(3.3.1)

unde u i y sunt intrarea i respectiv ieirea sistemului. Fie H(s) transformata Laplace a operatorului I/O, h() . H(s) se numete funcie de transfer, iar h(t) rspuns la impuls al sistemului (3.3.1). Sistemul (3.3.1) poate fi de asemenea reprezentat n forma Y (s) = H(s)U(s) (3.3.2) unde Y (s) i U(s) sunt transformatele Laplace ale lui y i respectiv u. Se spune c sistemul reprezentat prin (3.3.1) sau (3.3.2) este Lp stabil dac u L p y L p i || y || p c || u || p pentru anumite constante c 0 i orice u L p . Cnd p = , stabilitatea Lp, adic stabilitatea L , este de asemenea referit ca stabilitate intrare-mrginit ieire-mrginit (BIBO stability). Pentru sistemul (3.3.1) sunt valabile urmtoarele rezultate.
Teorema 3.3.1. Dac u L p i h L1 , atunci

|| y || p || h ||1 || u || p unde p [1, ] .

(3.3.3)

Cnd p = 2, pentru || y || p se obine o margine mai precis (abrupt) dect cea din (3.3.3), dat prin urmtoarea lem.
Lema 3.3.1. Dac u L2 i h L1 , atunci || y ||2 sup | H ( j) ||| u ||2

(3.3.4)

Pentru demonstrarea Teoremei 3.3.1 i Lemei 3.3.1 vezi [42]. Considerm cazul n care h(t) din (3.3.1) este rspunsul la impuls al unui sistem LTI a crui funcie de transfer H(s) este o funcie raional n s. Sunt valabile urmtoarele teoreme i corolarii. Teorema 3.3.2. Fie H(s) o funcie raional n s strict proprie. Atunci H(s) este analitic n Re[ s ] 0 dac i numai dac h L1 .
Corolarul 3.3.1. Dac h L1 , atunci

(i) h descrete exponenial , adic, | h(t ) | 1e 0 t pentru anumii 1 , 0 > 0 ; & (ii) u L1 y L1 I L , y L1 , y este continu i limt | y (t ) |= 0 ; & (iii) u L2 y L2 I L , y L2 , y este continu i limt | y (t ) |= 0 ;
3-7

& (iv) Pentru p [1, ], u L p y , y L p i y este continu.

Pentru demonstrarea Teoremei 3.3.2 i Corolarului 3.3.1, vezi [42].

Corolarul 3.3.2. Fie H(s) proprie i analitic n Re[ s ] 0 . Atunci u L2 I L i limt | u (t ) |= 0 determin ca y L2 I L i limt | y (t ) |= 0 . Demonstraie. 3.3.2. Norma L2 i stabilitatea I/O

Definiiile i rezultatele din paragrafele anterioare sunt foarte folositoare n dezvoltarea rezultatelor de stabilitate I/O (bazate pe o norm diferit) dar n particular sunt utile i n analiza schemelor adaptive. n acest paragraf se consider norma L2 ponderat exponenial definit prin: || xt ||2 =

( e

t (t ) T x 0

() x() d

1/ 2

unde 0 este o constant. Spunem c x L2 dac || xt ||2 exist. Cnd = 0 el nu mai apare ca indice i se va folosi notaia x L2 e . Vom defini || () ||2 norma L2 . Pentru orice timp finit t, norma L2 satisface proprietile normei date prin Definiia 3.2.1, adic, (i) || xt ||2 0 (ii) || xt ||2 = | | || xt ||2 pentru orice constant scalar (iii) || ( x + y )t ||2 || xt ||2 + || yt ||2 (inegalitatea triunghiului) Rezult c: (iv) || xt ||2 || xt ||2 supt | (t ) | pentru orice L Noiunea de norm L2 a fost introdus n principal pentru a simplifica analiza stabilitaii i robusteii sistemelor adaptive. Pentru a evita orice confuzie, precizm c norma L2 definit aici este diferit de norma ponderat exponenial folosit n multe cri de analiz funcional, care este definit prin

( e
0

t T

x () x() d

1/ 2

Principala diferen este aceea c aceast norm ponderat exponenial este o funcie nedescresctoare de t, pe cnd norma L2 poate s nu fie.
Lema 3.3.3. Considerm sistemul liniar variabil n timp descris prin & x = A(t ) x + B (t ) u, x(0) = x0

y = C T (t ) x + D(t ) u

(3.3.15)

unde x n , y r , u m , iar elementele matricelor A, B, C i D sunt funcii de timp continue i mrginite. Dac matricea de tranziie (t , ) a lui (3.3.15) satisface || (t , ) || 0e 0 (t ) (3.3.16)
3-8

pentru anumii 0 , 0 > 0 i u L2 e , atunci pentru orice [0, 1 ) , unde 0 < 1 < 2 0 este arbitrar, se obine c 0 (i) | x(t ) | || ut ||2 + t 2 0 (ii) || xt ||2 c 0 || ut ||2 + t (1 )(2 0 1 )

(iii) || yt ||2 c0 || ut ||2 +t unde c 0 c0 = sup || C T (t ) || + sup || D(t ) || , c = sup || B(t ) || t t (1 )(2 0 1 ) t i t este un termen ce descrete exponenial la zero deoarece x0 0 . Demonstraie. S-a omis.
Definiia 3.3.3. Perechea (C(t), A(t)) din (3.3.15) este uniform complet observabil (UCO) dac exist constantele 1 , 2 , > 0 astfel nct pentru toi t0 0 2 I N (t0 , t0 + ) 1I

unde N (t0 , t0 + ) = t

t0 +
0

T (, t0 ) C () C T () (, t0 )d este aa numitul grammian

de observabilitate [1, 201], iar (t , ) este matricea de tranziie asociat matricei A(t).

3.4. Stabilitate Lyapunov

3.4.1. Definiii ale stabilitii

Se consider sistemele descrise prin ecuaii difereniale ordinare de forma: & (3.4.1) x = f (t , x), x(t0 ) = x0 unde x n , f : I B (r ) , I = [t0 , ) i B (r ) = { x n | | x | < r } . Presupunem c f este astfel nct pentru fiecare x0 B(r ) i fiecare t0 + , (3.4.1) are o soluie unic x(t; t0, x0).
Definiia 3.4.1. Se spune c o stare xe este o stare de echilibru a sistemului (3.4.1) dac

f (t , xe ) 0 pentru toi t t0 .
Definiia 3.4.2. O stare de echilibru xe se numete stare de echilibru izolat

dac exist o constant r > 0 astfel nct B ( xe , r ) = { x | | x xe |< r } n nu conine o alt stare de echilibru a sistemului (3.4.1) n afar de xe.
3-9

Definiia 3.4.3. Se spune c starea de echilibru xe este stabil (n sens Lyapunov) dac pentru orice t0 i > 0 (arbitrar), exist un (, t0 ) astfel nct | x0 xe | < determin | x(t ; t0 , x0 ) xe | < pentru toi t t0 . Definiia 3.4.4. Starea de echilibru xe este uniform stabil (u.s.) dac ea este stabil i dac (, t0 ) din Definiia 3.4.3 nu depinde de t0. Definiia 3.4.5. Starea de echilibru xe este asimptotic stabil (a.s.) dac (i) ea stabil, i (ii) exist un (t0 ) astfel nct | x0 xe | < (t0 ) determin ca limt | x(t ; t0 , x0 ) xe | = 0 . Definiia 3.4.6. Mulimea tuturor punctelor x0 n astfel nct x(t ; t0 , x0 ) xe cnd t pentru anumii t0 0 se numete regiune (domeniu) de atracie a strii de echilibru xe. Dac condiia (ii) din Definiia 3.4.5 este satisfcut, se spune c starea de echilibru xe este atractiv. Definiia 3.4.7. Starea de echilibru xe este uniform asimptotic stabil (u.a.s.) dac (i) ea este uniform stabil, i (ii), pentru fiecare > 0 i orice t0 + , exist un 0 > 0 independent de t0 i i un T () > 0 independent de t0 astfel nct | x(t ; t0 , x0 ) xe | < pentru toi t t0 + T () cnd | x0 xe | < 0 . Definiia 3.4.8. Starea de echilibru xe este exponenial stabil (e.s.) dac exist un > 0 i, pentru fiecare > 0 , exist un () > 0 astfel nct

| x(t ; t0 , x0 ) xe | e (t t 0 ) pentru toi t t0 cnd | x0 xe | < 0 .

Definiia 3.4.9. Starea de echilibru xe este instabil dac ea nu este stabil.

Cnd (3.4.1) are soluie unic pentru fiecare x0 n i t0 + , pentru caracterizarea global a soluiilor sunt necesare urmtoarele definiii.
Definiia 3.4.10. O soluie x(t ; t0 , x0 ) a sistemului (3.4.1) este mrginit dac exist un > 0 astfel nct | x(t ; t0 , x0 ) | < pentru toi t t0 , unde poate depinde de fiecare soluie. Definiia 3.4.11. Soluiile lui (3.4.1) sunt uniform mrginite (u.b.) dac pentru orice > 0 i t0 + , exist un = () independent de t0 astfel nct dac | x0 | < , atunci | x(t ; t0 , x0 ) | < pentru toi t t0 . Definiia 3.4.12. Soluiile lui (3.4.1) sunt uniform mrginite n final (uniformly ultimately bounded - u.u.b.) (cu marginea B) dac exist un B > 0 i dac corespunztor oricrui > 0 i t0 + , exist un T = T () > 0 (independent de t0) astfel nct | x0 | < determin | x(t ; t0 , x0 ) | < B pentru toi t t0 + T .

3 - 10

Definiia 3.4.13. Punctul de echilibru xe al sistemului (3.4.1) este asimptotic stabil n mare (a.s. n mare) dac el este stabil i fiecare soluie a lui (3.4.1) tinde la xe cnd t (adic, domeniul de atracie al lui xe este n ). Definiia 3.4.14. Punctul de echilibru xe al sistemului (3.4.1) este uniform asimptotic stabil n mare (u.a.s. n mare) dac (i) el este uniform stabil, (ii) soluiile lui (3.4.1) sunt uniform mrginite, i (iii) pentru orice > 0 , orice > 0 i t0 + , exist T (, ) > 0 independent de t0 astfel nct dac | x0 xe | < atunci | x(t ; t0 , x0 ) xe | < pentru toi t t0 + T (, ) . Definiia 3.4.15. Punctul de echilibru xe al sistemului (3.4.1) este exponenial stabil n mare (e.s. n mare) dac exist > 0 i pentru orice > 0 , exist k () > 0 astfel nct

| x(t ; t0 , x0 ) | k () e (t t 0 ) pentru toi t t0 cnd | x0 xe | < . & Definiia 3.4.16. Dac x(t ; t0 , x0 ) este o soluie a lui x = f (t , x) , atunci traiectoria x(t ; t0 , x0 ) se spune a fi stabil (u.s., a.s., u.a.s., e.s., instabil) dac punctul de echilibru ze = 0 al ecuaiei difereniale & z = f (t , z + x(t ; t0 , x0 )) f (t , x(t ; t0 , x0 )) este stabil (u.s., a.s., u.a.s., e.s., respectiv instabil).
3.4.2. Metoda Lyapunov direct

Proprietile de stabilitate ale strii de echilibru sau soluiei sistemului (3.4.1) pot fi studiate folosind aa-numita metod direct a lui Lyapunov (cunoscut ca metoda a doua a lui Lyapunov) [124, 125]. Obiectivul acestei metode const n a rspunde ntrebrilor legate de stabilitatea sistemului (3.4.1) folosind ns forma lui f (t , x) din (3.4.1) i nu soluiile explicite ale acestuia. Prezentm mai nti urmtoarele definiii [143].
Definiia 3.4.17. Se spune c o funcie continu : [0, r ] + (sau o funcie

continu : [0, ) + ) aparine clasei K, adic K dac (i) (0) = 0 (ii) este strict cresctoare pe [0, r] (sau pe [0, ) ).
Definiia 3.4.18. Se spune c o funcie continu : [0, ) + aparine clasei KR, adic KR dac (i) (0) = 0 (ii) este strict cresctoare pe [0, ) (iii) lim r ( r ) = .

3 - 11

Funcia (| x |) =

x2 definit pe [0, ) aparine clasei K dar nu i clasei KR. 1 + x2 Funcia (| x |) = | x | aparine clasei K i clasei KR. Este clar c KR detremin K , dar nu i invers.
Definiia 3.4.19. Se spune c dou funcii 1 , 2 K definite pe [0, r] (sau pe [0, ) ) sunt de acelai ordin de mrime, dac exist constantele pozitive k1 i k2 astfel nct k11 (r1 ) 2 (r1 ) k 2 1 (r1 ) , r1 [0, r ] (sau r1 [0, ) )

Funciile 1 (| x |) = se verifica).

x2 x2 i 2 (| x |) = sunt de acelai ordin de mrime (a 1 + 2x2 1 + x2

Definiia 3.4.20. O funcie V (t , x) : + B(r ) cu V (t , 0) = 0, t + este pozitiv definit, dac exist o funcie continu K astfel nct

V (t , x) (| x |), t + , x B (r ) i r > 0 . V (t , x) este negativ definit dac V (t , x) este pozitiv definit. Funcia V (t , x) =
1 2 x2 x cu x B (1) este pozitiv definit, pe cnd V (t , x) = 2 1+ t 1 x x2 este pozitiv definit pentru orice x . nu este. Funcia V (t , x) = 1 + x2

Definiia 3.4.21. O funcie V (t , x) : + B (r ) cu V (t , 0) = 0, t + este pozitiv (negativ) semidefinit dac V (t , x) 0 ( V (t , x) 0 ) pentru orice

t + i x B(r ) cu r > 0 .
Definiia 3.4.22. O funcie V (t , x) : + B(r ) cu V (t , 0) = 0, t + este descresctoare dac exist K astfel nct | V (t , x) | (| x |) , t 0 i x B(r ) cu r > 0 . 1 2 1 2 x este descresctoare deoarece V (t , x) = x x2 , Funcia V (t , x) = 1+ t 1+ t t + , dar V (t , x) = t x 2 nu este. Definiia 3.4.23. O funcie V (t , x) : + n cu V (t , 0) = 0, t + este radial nemrginit dac exist KR astfel nct V (t , x) (| x |) , pentru

toi x n i t + .

3 - 12

Funcia V ( x) =

x2 satisface condiiile (i) i (ii) din Definiia 3.4.23 (adic, se 1 + x2 | x |2 alege (| x |) = ). Totui, deoarece V ( x) 1 , nu se poate gsi o funcie 1+ | x |2

(| x |) KR care satisface V (t , x) (| x |) pentru toi x n . Deci, V nu este radial nemrginit. Din Definiia 3.4.23 se deduce c dac V (t, x) este radial nemrginit, ea este de asemenea pozitiv definit pentru toi x n dar reciproca nu este adevrat. Presupunem (fr pierderea generalitii) c xe = 0 este un punct de echilibru & al sistemului (3.4.1) i definim V derivata n raport cu timpul a funciei V(t, x) de-a lungul (n virtutea) soluiei lui (3.4.1), adic, & V + (V )T f (t , x) V= (3.4.3) t
V V V , ,K, unde V = xn x1 x2
T

este gradientul lui V n raport cu x. A doua

metod a lui Lyapunov este rezumat prin urmtoarele teoreme.

Teorema 3.4.1. Presupunem c exist o funcie pozitiv definit V (t , x) : + B (r ) cu r > 0 cu derivate pariale de ordinul nti n raport cu x

i t continue i V (t , 0) = 0, t + . Atunci, urmtoarele afirmaii sunt adevrate: & (i) Dac V 0 , atunci xe = 0 este stabil. & (ii) Dac V este descresctoare i V 0 , atunci xe = 0 este uniform stabil (u.s.). & (iii) Dac V este descresctoare i V < 0 , atunci xe = 0 este uniform asimptotic stabil (u.a.s.). (iv) Dac V este descresctoare i exist 1 , 2 , 3 K cu acelai ordin de mrime astfel nct & 1 (| x |) V (t , x) 2 (| x |) , V (t , x) 3 (| x |)

pentru toi x B(r ) i t + , atunci xe = 0 este exponenial stabil (e.s.).

n aceast teorem, starea x este restricionat a fi n interiorul sferei B(r) de raz r > 0. De aceea, rezultatele (i)-(iv) din Teorema 3.4.1 sunt referite ca rezultate locale. Afirmaia (iii) este echivalent cu aceea c exist 1 , 2 , 3 K , unde 1 , 2 , 3 nu trebuie s aib acelai ordin de mrime, astfel nct & (| x |) V (t , x) (| x |) , V (t , x) (| x |) .
1 2 3

Teorema 3.4.2. Presupunem c (3.4.1) are soluii unice pentru toi x0 n . Presupunem c exist o funcie pozitiv definit, descresctoare i radial
3 - 13

nemrginit V (t , x) : + n + cu derivate pariale de ordinul nti n raport cu x i t continue i V (t , 0) = 0, t + . Atunci, urmtoarele afirmaii sunt adevrate: & (i) Dac V < 0 , atunci xe = 0 este u.a.s. n mare. (ii) Dac exist 1 , 2 , 3 KR cu acelai ordin de mrime astfel nct & (| x |) V (t , x) (| x |) , V (t , x) (| x |)
1 2 3

atunci xe = 0 este exponenial stabil (e.s.) n mare.

Afirmaia (i) din Teorema 3.4.2 este de asemenea echivalent cu aceea c exist 1 , 2 K i 3 KR astfel nct & (| x |) V (t , x) (| x |) , V (t , x) (| x |) , x n
1 2 3

Pentru a demonstra Teoremele 3.4.1, 3.4.2, cititorul poate utiliza [32, 78, 79, 97, 124].
Teorema 3.4.3. Presupunem c (3.4.1) are soluii unice pentru toi x0 n . Dac exist o funcie V(t, x), definit pe | x | R (unde R poate fi orict de mare) i t [0, ) , cu derivate pariale de ordinul nti n raport cu x i t continue i dac exist 1 , 2 KR astfel nct (i) 1 (| x |) V (t , x) 2 (| x |) & (ii) V (t , x) 0 pentru toi | x | R i t [0, ) ,

atunci, soluiile lui (3.4.1) sunt u.b. Dac n plus exist 3 K definit pe [0, ) i & (iii) V (t , x) 3 (| x |) , pentru toi | x | R i t [0, ) atunci, soluiile lui (3.4.1) sunt u.u.b.
& Examinm afirmaia (ii) din Teorema 3.4.1 unde V descresctoare i V 0 determin ca xe = 0 s fie u.s. Dac n (ii) se renun la restricia ca V s fie & descresctoare, se obine afirmaia (i), adic din V 0 rerult c xe = 0 este stabil dar nu neaprat u.s. De aceea, cineva ar fi tentat s cread c dac n afirmaia (iii) se renun la condiia ca V s fie descresctoare, se obine c xe = 0 este a.s., adic, & numai din V < 0 se obine c xe = 0 este a.s. Aceast concluzie intuitiv nu este adevrat, aa cum s-a demonstrat printr-un contraexemplu n [206] unde, pentru a & arta c V < 0 nu implic a.s., s-a folosit o ecuaie diferenial de ordinul nti i o funcie V (t, x) pozitiv definit, nedescresctoare.

Sistemul (3.4.1) se numete neautonom. Cnd funcia f din (3.4.1) nu depinde explicit de timpul t, sistemul se numete autonom. n acest caz, se scrie & (3.4.4) x = f (x) Teoremele 3.4.1-3.4.3 sunt valabile i pentru sistemele (3.4.4) deoarece acestea sunt un caz special al sistemelor (3.4.1). Totui, n cazul lui (3.4.4), V (t, x) = V(x), adic, ea nu depinde explicit de timpul t, i toate referirile la cuvintele
3 - 14

"descresctor" i "uniform" pot fi terse. Aceasta, deoarece V(x) este ntotdeauna descresctoare i stabilitatea (respectiv a.s.) echilibrului xe = 0 al lui (3.4.4) determin u.s. (respectiv u.a.s.). Pentru a.s. a sistemului (3.4.4) se poate obine un rezultat mai puternic dect cel din Teorema 3.4.2, care se va prezenta mai jos.
Definiia 3.4.24. O mulime din n este invariant n raport cu ecuaia (3.4.4) dac fiecare soluie a lui (3.4.4) ce pleac din rmne n pentru orice t. Teorema 3.4.4. Presupunem c (3.4.4) are soluii unice pentru toi x0 n . Presupunem c exist o funcie pozitiv definit i radial nemrginit V ( x) : n + cu derivate de ordinul nti n raport cu x continue i V (0) = 0 . Dac: & (i) V 0 , x n (ii) Originea x = 0 este singura submulime invariant a mulimii & = { x n | V = 0} atunci echilibrul lui (3.4.4), xe = 0, este a.s. n mare.

Teoremele 3.4.1-3.4.4 sunt denumite teoreme tip Lyapunov. Funcia V(t, x) sau V(x) care satisface oricare dintre teoremele tip Lyapunov se numete funcie Lyapunov. Funciile Lyapunov pot fi de asemenea utilizate pentru a verifica proprietile de instabilitate ale strii de echilibru xe. Mai multe teoreme de instabilitate bazate pe cea de-a doua metod Lyapunov se gsesc n [232]. Exemplele urmtoare demonstreaz modul de utilizare a metodei directe Lyapunov pentru a analiza stabilitatea sistemelor neliniare.
Exemplul 3.4.2. Considerm sistemul 2 & x1 = x2 + cx1 ( x12 + x2 )

(3.4.5) 2 & x2 = x1 + cx2 ( x12 + x2 ) unde c este o constant. Notm c xe = 0 este singura stare de echilibru. Alegem 2 V ( x) = x12 + x2 ca un candidat pentru o funcie Lyapunov. V(x) este pozitiv definit, descresctoare i radial nemrginit. Derivata sa n timp de-a lungul soluiei lui (3.4.5) este & V ( x) = 2c( x 2 + x 2 ) 2 (3.4.6)
1 2

& Dac c = 0, atunci V = 0 i deci, xe = 0 este u.s. Dac c < 0, atunci 2 2 2 & V ( x) = 2 | c | ( x1 + x2 ) este negativ definit i deci, xe = 0 este u.a.s. n mare. Dac c > 0, xe = 0 este instabil (deoarece n acest caz V este strict cresctoare t 0 ), i deci soluia lui (3.4.5) este nemrginit [232].
Exemplul 3.4.3. Considerm urmtorul sistem care descrie micarea unui pendul simplu
3 - 15

& x1 = x2 (3.4.7) & x2 = k sin x1 unde k > 0 este o constant, x1 este unghiul, iar x2 este viteza unghiular. Ca i candidat pentru o funcie Lyapunov considerm funcia V(x) reprezentnd energia total a pendulului, dat ca suma dintre energia sa cinetic i energia potenial: x1 1 2 1 2 V ( x) = x2 + k 0 sin d = x2 + k (1 cos x1 ) 2 2 V(x) este pozitiv definit i descresctoare x B() dar nu i radial nemrginit. & De-a lungul soluiei lui (3.4.7) avem V = 0 . De aceea, starea de echilibru xe = 0 este u.s.
Exemplul 3.4.5. Considerm urmtoatele ecuaii difereniale care apar foate des n analiza sistemelor adaptive: & x = x + x (3.4.9) & = x2

Starea de echilibru este xe = 0, e = c , unde c este orice constant, i deci, starea de echilibru nu este izolat. ~ Definind = c , sistemul (3.4.9) se transfor n: ~ & x = (1 c) x + x (3.4.10) ~ & = x2 Suntem interesai de stabilitatea punctului de echilibru xe = 0, e = c al lui (3.4.9), ~ sau, echivalent, de stabilitatea echilibrului xe = 0, e = 0 al lui (3.4.10). Alegem funcia pozitiv definit, descresctoare, radial nemrginit: ~ ~ x2 2 V ( x, ) = + (3.4.11) 2 2 Atunci, & ~ V ( x, ) = (1 c) x 2 ~ & Dac c > 1, atunci V > 0 pentru x 0 ; deci xe = 0, e = 0 este instabil. Dac ~ totui, c 1 , atunci xe = 0, e = 0 este u.s. Pentru c < 1 avem: & ~ V ( x, ) = c0 x 2 0 (3.4.12) unde c0 = 1 soluiile x(t), & lui V i V i - c > 0. Din Teorema 3.4.3 se poate de asemenea concluziona c ~ e (t ) sunt u.b. dar nimic mai mult. Putem totui exploata proprietile

concluziona c x(t) 0, cnd t . ~ Deoarece V (t ) = V ( x(t ), (t )) este mrginit inferior i necresctoare n timp, din (3.4.11) i (3.4.12) se deduce c aceasta are o limit, adic, limt V (t ) = V . Acum, din (3.4.12) avem:
3 - 16

V (0) V < t c0 ~ & adic, x L2 . Deoarece soluia x(t), e (t ) este u.b., din (3.4.10) rezult c x L , care mpreun cu x L2 determin ca (vezi Lema 3.2.5) x(t) 0, cnd t . lim 0 x 2 d = 0 x 2 d =
t

Exemplul 3.4.6. Considerm ecuaiile difereniale & x1 = 2 x1 + x1 x2 + x2

& x2 = x12 x1
2 & Considerm V ( x) = x12 / 2 + x2 / 2 . Avem V ( x) = 2 x12 0 i echilibrul x1e = 0, x2e = 0 este u.s. Mulimea definit n Teorema 3.4.4 este dat prin = { x1 , x2 | x1 = 0 } .

& Deoarece pe , x1 = x2 , rezult c orice soluie care pleac din cu x2 0 prasete . Deci, x1 = 0, x2 = 0 este singura mulime invariant a lui . De aceea, echilibrul x1e = 0, x2e = 0 este a.s. n mare.
Principalul dezavantaj al metodei directe Lyapunov const n aceea c, n general, nu exist o procedur pentru gsirea unei funcii Lyapunov corespunztoare care s satisfac condiiile din Teoremele 3.4.1-3.4.4 exceptnd cazul n care (3.4.1) reprezint un sistem LTI. Dac totui starea de echilibru xe = 0 a lui (3.4.1) este u.a.s. existena unei funcii Lyapunov este asigurat aa cum se arat n [139].
3.4.3. Funcii tip Lyapunov

n multe cazuri, n analiza unei largi clase de scheme de control adaptiv, alegerea unei funcii Lyapunov corespunztoare pentru a stabili stabilitatea folosind Teoremele 3.4.1-3.4.4 poate s nu fie evident sau posibil. Totui, anumite funcii care sunt asemntoare unor funcii Lyapunov, dar care nu posed toate proprietile necesare pentru a aplica Teoremele 3.4.1-3.4.4, pot fi utilizate pentru a analiza anumite proprieti de stabilitate i mrginire ale sistemelor adaptive. Vom referi o astfel de funcie, funcie tip Lyapunov (Lyapunov-like function). Exemplul urmtor ilustreaz folosirea unei funcii tip Lyapunov.
Exemplul 3.4.8. Considerm urmtorul sistem de trei ecuaii difereniale: & x1 = x1 x2 x3 , x1 (0) = x10

& x2 = x1 x3 , & x3 = x12 ,

3

x2 (0) = x20 x3 (0) = x30

(3.4.13)

care are n punctele de echilibru neizolate definite prin x1 = 0, x2 = constant, x3 = 0 sau x1 = 0, x2 = 0, x3 = constant. Se dorete a se analiza proprietile de stabilitate ale soluiilor lui (3.4.13) folosind o funcie Lyapunov corespunztoare i aplicnd Teoremele 3.4.1-3.4.4. Dac dorim s aplicm Teoremele 3.4.1-3.4.4,
3 - 17

atunci ar trebui s ncepem prin a alege o funcie V(x1, x2, x3) pozitiv definit n 3 . Noi ns, vom considera o funcie ptratic mai simpl x2 x2 V ( x1 , x2 ) = 1 + 2 , 2 2 care este pozitiv semidefinit n 3 i care deci, nu satisface condiia de pozitivitate definit n 3 cerut de Teoremele 3.4.1-3.4.4. Derivata n timp a lui V de-a lungul soluiei ecuaiilor difereniale (3.4.13) satisface & V ( x) = x12 0 , (3.4.14) care precizeaz c V este o funcie de timp necresctoare. Rezult c,
V ( x1 (t ), x2 (t )) V ( x1 (0), x2 (0)) = V0 i V , x1 , x2 L . Mai mult, V are o limit cnd t , adic, lim V ( x1 (t ), x2 (t )) = V
t t

i (3.4.14) determin ca

0 x1 () d = V0 V (t ),
2

t 0

x12 () d = V0 V <

adic, x1 L2 . Cum x1 L2 , din (3.3.13) se obine c x3 L i din x1 , x2 , x3 L , & & c x1 L . Folosind x1 L , x1 L2 i aplicnd Lema 3.2.5 se obine c x1(t) 0, cnd t . Prin utilizarea proprietilor din pozitivitatea semidefinit a funciei V ( x1 , x2 ) , am stabilit c soluia lui (3.4.13) este uniform mrginit i x1(t) 0, cnd t pentru orice condiie iniial finit x1(0), x2(0), x3(0). Deoarece abordarea folosit este asemntoare cu abordarea cu funcie Lyapunov, suntem motivai s numim pe V ( x1 , x2 ) funcie tip Lyapunov (Lyapunov-like function). n analiza anterioar s-a presupus de asemenea c (3.4.13) are o soluie unic. Pentru discuii i analiz referitoare la existena i unicitatea soluiilor lui (3.4.13) cititorul poate apela la [191]. Vom folosi funcii tip Lyapunov i argumentaii similare celor din exemplul prezentat pentru a analiza stabilitatea unei clase largi de scheme adaptive considerare n acest curs.
3.4.4. Metoda Lyapunov indirect

n anumite condiii, din studiul comportrii unui anumit sistem liniar obinut prin liniarizarea sistemului neliniar (3.4.1) n jurul strii sale de echilibru se pot obine o serie de concluzii despre stabilitatea echilibrului su. Aceast metod este cunoscut ca prima metod a lui Lyapunov sau ca metoda Lyapunov indirect i este prezentat n [32, 232] sub urmtoarea form:

3 - 18

Fie xe = 0 o stare de echilibru a lui (3.4.1) i presupunem c f(t, x) este continuu difereniabil n raport cu x pentru orice t 0 . Atunci, n vecintarea lui xe = 0, f admite o dezvoltare n serie Taylor care poate fi scris sub forma:
& x = f (t , x) = A(t ) x + f1 (t , x)

(3.4.15)

unde A(t ) = f

x =0

reprezint matricea Jacobian a lui f evaluat n x = 0, iar f1(t, x)

conine termenii rmai din dezvoltarea n serie Taylor.

Teorema 3.4.5. Presupunem c A(t) este uniform mrginit i c: | f (t , x) | lim sup 1 = 0. | x | 0 t 0 | x|

Fie ze = 0, echilibrul sistemului & z (t ) = A(t ) z (t ) . Pentru echilibrul xe = 0 al sistemului (3.4.15) sunt adevrate urmtoarele afirmaii: (i) Dac ze = 0 este u.a.s., atunci xe = 0 este u.a.s.; (ii) Dac ze = 0 este instabil, atunci xe = 0 este instabil; (iii) Dac ze = 0 este u.s. sau stabil, nu se pot obine concluzii despre stabilitatea lui xe = 0. Pentru o demonstraie a Teoremei 3.4.5 vezi [232].
Exemplul 3.4.9. Considerm ecuaia diferenial de ordinul doi & m && = 2( x 2 1) x k x x unde m, i k sunt constante pozitive, care este cunoscut sub numele de oscilatorul Van der Pol. Ea descrie micarea unui amortizor cu resort i mas (mass-spring-damper) cu coeficientul de amortizare 2( x 2 1) i constanta & resortului k, unde x este poziia masei m. Definind strile x1 = x, x2 = x , se obin ecuaiile: & x1 = x2

k 2 2 x1 ( x1 1) x2 m m care au un echilibru n x1e = 0, x2e = 0. Liniarizarea acestui sistem n jurul lui (0, 0) conduce la & z1 0 1 z1 z2 = k / m 2 / m z2 & & x2 = Deoarece m, > 0, cel puin una dintre valorile proprii ale matricei A este pozitiv i deci echilibrul (0, 0) este instabil.
3.4.5. Stabilitatea sistemelor liniare

Ecuaia (3.4.15) arat c anumite clase de sisteme neliniare pot fi aproximate prin sisteme liniare n vecintatea unor puncte de echilibru, sau, cum se numete n
3 - 19

practic, puncte de funcionare. Din acest motiv, suntem interesai n studiul stabilitii sistemelor liniare de forma: & x(t ) = A(t ) x(t ) , (3.4.16) unde elementele lui A(t) sunt continue pe poriuni pentru orice t t0 0 . Sistemele de forma (3.4.16) pot fi privite ca o clas special de sisteme neliniare (3.4.1) sau ca o aproximare a sistemului liniarizat (3.4.15). Soluia lui (3.4.16) este dat de [95]: x(t ; t0 , x0 ) = (t , t0 ) x0 pentru orice t t0 , unde (t , t0 ) este matricea de tranziie a strilor i satisface ecuaia diferenial matriceal: (t , t0 ) = A(t ) (t , t0 ), t t0 t (t0 , t0 ) = I Cteva proprieti utile ale lui (t , t0 ) sunt: (i) (t , t0 ) = (t , ) ( , t0 ), t t0 (proprietatea de semigrup) (ii) (t , t0 ) 1 = (t0 , t ) (t , t0 ) = (t , t0 ) A(t0 ) (iii) t0 Condiiile necesare i suficiente de stabilitate a strii de echilibru xe = 0 a sistemului (3.4.16) sunt date de urmtoarele teoreme.
Teorema 3.4.6. Fie || (t , ) || norma indus a matricei (t , ) la fiecare moment t . Starea de echilibru xe = 0 a sistemului (3.4.16) este: (i) stabil, dac i numai dac soluiile lui (3.4.16) sunt mrginite sau echivalent
c(t0 ) = sup || (t , ) || < ;
t t0

(ii) u.s., dac i numai dac

c0 = sup c(t0 ) = sup sup || (t , ) || < ; t t t0 0 t0 0 0 (iii) a.s., dac i numai dac lim || (t , ) ||= 0 pentru orice t0 + ; t

(iv) u.a.s., dac i numai dac exist constantele pozitive i astfel nct || (t , ) || e(t t 0 ) , t t0 ; (v) e.s., dac i numai dac ea este u.a.s.; (vi) a.s., u.a.s., e.s. n mare, dac i numai dac ea este respectiv a.s., u.a.s., e.s.
Teorema 3.4.7 [1]. Presupunem c elementele lui A(t) sunt u.b. pentru toi t + . Starea de echilibru xe = 0 a sistemului liniar (3.4.16) este u.a.s., dac i
3 - 20

numai dac, dndu-se orice matrice Q(t) pozitiv definit, care este continu n raport cu t i satisface 0 < c1I Q(t ) c2 I < pentru orice t t0 , funcia scalar definit prin V (t , x) = xT

T (, t ) Q( ) ( , t ) d x

(3.4.17)

exist (adic, integrala definit prin (3.4.17) este finit pentru valori finite ale lui x i t) i este o funcie Lyapunov a lui (3.4.16) cu: & V (t , x) = xT Q (t ) x . Folosind proprietile lui (t , t0 ) se obine c P(t ) = t T ( , t ) Q() (, t ) d satisface ecuaia & P (t ) = Q (t ) A T (t ) P (t ) P (t ) A (t ) (3.4.18)

adic, funcia Lyapunov (3.4.17) poate fi rescris sub forma V (t , x) = xT P(t ) x , unde P(t) = PT(t) satisface (3.4.18).
Teorema 3.4.8. O condiie necesar i suficient pentru ca starea de echilibru xe = 0 a sistemului liniar (3.4.16) s fie u.a.s este ca s existe o matrice simetric P(t) i anumite constante v > 0, astfel nct, t 0 , s fie satisfcute relaiile
1 I P (t ) 2 I & P (t ) + AT (t ) P (t ) + P (t ) A(t ) + C (t )C T (t ) O

unde 1 > 0, 2 > 0 sunt constante i C(t) este astfel nct (C(t), A(t)) este o pereche UCO (vezi Definiia 3.3.3). Cnd A(t) = A este o matrice constant, condiiile pentru stabilitatea echilibrului xe = 0 al sistemului & x = Ax (3.4.19) sunt date de urmtoarea teorem.
Teorema 3.4.9. Starea de echilibru xe = 0 a sistemului (3.4.19) este stabil dac i numai dac: (i) Toate valorile proprii ale lui A au prile reale nepozitive. (ii) Pentru fiecare valoare proprie i cu Re{ i } = 0 , i este un zerou simplu al polinomului minimal al lui A (adic, al polinomului monic () de gradul cel mai mic, astfel nct ( A) = 0 ). Teorema 3.4.10. O condiie necesar i suficient pentru ca starea xe = 0 s fie a.s. n mare este ca oricare din urmtoarele condiii s fie satisfcute: (i) Toate valorile proprii ale matricei A au prile reale negative. (ii) Pentru fiecare matrice pozitiv definit Q, urmtoarea ecuaie matriceal Lyapunov
3 - 21

AT P + P A = Q are o soluie unic P care de asemenea este pozitiv definit. (iii) Pentru orice matrice C cu (C, A) observabil, ecuaia AT P + P A = C T C are o soluie unic P care este pozitiv definit. Este uor de verificat c pentru sistemul LTI (3.4.19), dac xe = 0 este stabil, el este de asemenea u.s. Dac xe = 0 este a.s., el este de asemenea u.a.s. i e.s. n mare. n cele ce urmeaz vom face un abuz de notaie i vom spune ca matricea A din (3.4.19) este stabil cnd echilibrul xe = 0 este a.s., adic cnd toate valorile proprii ale lui A au prile reale negative i marginal stabil cnd xe = 0 este stabil, adic A satisface (i) i (ii) din Teorema 3.4.9. Considerm din nou sistemul liniar variabil n timp (3.4.16) i presupunem c pentru fiecare t fixat toate valorile proprii ale matricei A(t) au prile reale negative. n perspectiva Teoremei 3.4.10, cineva se poate ntreba dac aceast condiie pentru A(t) poate s asigure aceeai form de stabilitate pentru echilibrul xe = 0 al lui (3.4.16). Din pcate, n general, rspunsul este negativ (vezi exemplul din [232]).

3.5. Funcii real-pozitive i stabilitate

3.5.1. Funcii de transfer real-pozitive i strict real-pozitive

Conceptele de funcii de transfer real-pozitive (PR- Positive Real) i strict realpozitive (SPR- Strictly Positive Real) joac un rol important n analiza stabilitii unei clase largi de sisteme neliniare, care include i sistemele adaptive. Definiia funciilor de transfer PR i SPR rezult din teoria reelelor electrice. Astfel o funcie de transfer PR (SPR) raional poate fi privit ca fiind impedana unei reele pasive (disipative). n consecin, o reea pasiv (disipativ) are o impedan care este o funcie raional i PR (SPR). O reea pasiv este o reea care nu produce energie, adic, o reea alctuit numai din rezistene, capaciti i inductane. O reea disipativ disipeaz energie, ceea ce nseamn c aceasta conine numai rezistoare i condensatoare i bobine conectate n paralel cu rezistoarele. n [177, 204], folosind teoria circuitelor, sunt prezentate urmtoarele definiii echivalente ale funciilor de transfer PR.
Definiia 3.5.1. O funcie raional G(s) de variabil complex s = + j se numete PR dac: (i) G(s) este real pentru s real. (ii) Re[G(s)] 0 pentru toi Re[s] > 0. Lema 3.5.1. O funcie de transfer raional proprie G(s) este PR dac i numai dac: (i) G(s) este real pentru s real.
3 - 22

(ii) G(s) este analitic n Re[s] > 0 i polii plasai pe axa j sunt simpli, iar reziduurile asociate acestora sunt reale i pozitive. (iii) Pentru toate valorile reale pentru care s = j nu este un pol al lui G(s), Re[G(j)] 0. Pentru funcii de transfer SPR avem urmtoarea definiie.
Definiia 3.5.2. [177] Presupunem c G(s) nu este identic nul pentru toi s. Atunci, G(s) este SPR dac G(s - ) este PR pentru > 0.

Teorema urmtoare furnizeaz condiiile necesare i suficiente n domeniul frecven pentru ca o funcie de transfer s fie SPR:
Teorema 3.5.1. [89] Presupunem c funcia raional G(s) de variabil complex s = + j este real pentru s real i nu este identic nul pentru toi s. Fie

n* gradul relativ al lui G(s) = Z(s)/R(s), cu | n* | 1 . Atunci, G(s) este SPR dac i numai dac (i) G(s) este analitic n Re[s] 0; (ii) Re[G(j)] > 0, (, ) ; (iii) (a) Cnd n* = 1 , lim|| 2 Re[G ( j)] > 0 ;

(b) Cnd n* = 1 , lim||

G ( j) >0. j

Menionm c dac n* = 0 , condiiile (i) i (ii) din Teorema 3.5.1 sunt necesare i suficiente pentru ca G(s) s fie SPR. Totui aceasta nu este adevrat pentru n* = 1 sau -1. De exemplu, G ( s ) = ( s + + ) /[( s + )( s + )] cu , > 0 satisface (i) i (ii) din Teorema 3.5.1, dar nu este SPR deoarece aceasta nu satisface (iiia). Totui, ea este PR. Cteva proprieti utile ale funciilor SPR sunt date de urmtorul corolar.
Corolarul 3.5.1. (i) G(s) este PR (SPR) dac i numai dac 1/G(s) este PR (SPR); (ii) Dac G(s) este SPR, atunci | n* | 1 i polii i zerourile lui G(s) se afl n Re[s] < 0; (iii) Dac | n* | > 1 , atunci G(s) nu este PR.

O condiie necesar pentru ca G(s) s fie PR este ca hodograful Nyquist al lui G(j) s se afle n semiplanul complex drept, care determin ca saltul n faz al ieirii unui sistem cu funcia de transfer G(s), ca rspuns al unei intrri sinusoidale, s fie mai mic dect 900. Relaiile dintre funciile de transfer PR sau SPR i stabilitatea Lyapunov a sistemelor dinamice corespunztoare au condus la dezvoltarea a numeroase criterii
3 - 23

de stabilitate pentru sisteme cu reacie cu pari LTI i neliniare. Aceste criterii includ celebrul criteriu al lui Popov i variantele sale [192]. Legtura esenial ntre funcii sau matrice de transfer PR sau SPR i existena unei funcii Lyapunov pentru stabilirea stabilitii este dat prin urmtoarele leme.
Lema 3.5.2. (Lema Kalman-Yakubovich-Popov (KYP))[7, 192] Date fiind o matrice ptratic A cu toate valorile proprii n semiplanul stng nchis al planului complex, un vector B astfel nct perechea (A, B) este controlabil, un vector C i un scalar d 0 , funcia de transfer definit prin

G ( s ) = d + C T ( s I A) 1 B

este PR dac i numai dac exist o matrice P simetric i pozitiv definit i un vector q astfel nct:
AT P + P A = q qT PB C = q 2d

Lema 3.5.3. (Lema Lefschetz-Kalman-Yakubovich (LKY)) [89, 126]. Date fiind o matrice stabil A, un vector B astfel nct perechea (A, B) este controlabil, un vector C i un scalar d 0 , funcia de transfer definit prin

G ( s ) = d + C T ( s I A) 1 B

este SPR dac i numai dac pentru orice matrice pozitiv definit L, exist o matrice simetric i pozitiv definit P, un scalar > 0 i un vector q astfel nct:

AT P + P A = q qT L PB C = q 2d

Lemele de mai sus sunt aplicabile sistemelor LTI care sunt controlabile. Cerina de controlabilitate este relaxat n [142, 172].
Lema 3.5.4. (Lema Meyer-Kalman-Yakubovich (MKY)). Date fiind o matrice stabil A, vectorii B, C i un scalar d 0 , sunt valabile urmtoarele: Dac G ( s ) = d + C T ( s I A) 1 B

este SPR, atunci pentru orice matrice L = LT > 0, exist un scalar > 0, un vector q i o matrice P = PT > 0 astfel nct: AT P + P A = q qT L PB C = q 2d .

n multe aplicaii ale conceptelor de SPR la sisteme adaptive, funcia de transfer G(s) impune simplificri zerouri-poli stabile, care determin ca sistemul asociat cu tripletul (A, B, C) s fie necontrolabil sau neobservabil. n aceste situaii este indicat utilizarea Lemei MKY.

3 - 24

Bibliografie
[1] Anderson, B.D.O., "Exponential Stability of Linear Equations Arising in Adaptive Identification," IEEE Transactions on Automatic Control, Vol. 22, no. 2, pp. 83-88, 1977. [32] Coppel, W.A., Stability and Asymptotic Behavior of Differential Equations, Heath and Company, Boston, Massachusetts, 1965. [42] Desoer, C.A. and M. Vidyasagar, Feedback Systems: Input-Output Properties, Academic Press Inc., New York, 1975. [78] Hahn, W. Theory and Application of Lyapunov's Direct Method. Prentice Hall, Englewood Cliffs, New Jersey, 1963. [79] Hale, J. K., Ordinary Differential Equations, Wiley, New York, 1969. [89] Ioannou, P.A. and G. Tao, "Frequency Domain Conditions for Strictly Positive Real Functions," IEEE Transactions on Automatic Control, Vol. 32, no. 1, pp. 53-54, 1987. [95] Kailath, T., Linear Systems, Prentice Hall, Englewood Cliffs, New Jersey, 1980. [97] Kalman, R. E., and J. E. Bertram, "Control Systems Analysis and Design via the 'Second Method' of Lyapunov," Journal of Basic Engineering, Vol. 82, pp. 371-392, 1960. [107] Krasovskii, N.N. Stability of Motion: Application of Lyapunov's Second Method to Differential Systems and Equations with Delay, Stanford University Press, Stanford, California, 1963. [124] LaSalle, J.P., and S. Lefschetz, Stability by Lyapunov's Direct Method with Application, Academic Press, New York, 1961. [125] LaSalle, J.P., "Some Extensions of Lyapunov's Second Method." IRE Transactions on Circuit Theory, pp. 520-527, December 1960. [126] Lefschetz, S., Stability of Nonlinear Control Systems, Academic Press, New York, 1963 [133] Lyapunov, A.M. "The General Problem of Motion Stability" (1892) In Russian. Translated to English, Ann. Math. Study, no. 17, 1949, Princeton University Press, 1947. [134] Malkin, I.G., "Theory of Stability of Motion," Technical Report Tr. 3352, U.S. Atomic Energy Commission, English Ed., 1958. [139] Massera, J.L., "Contributions to Stability Theory," Annals of Mathematics, Vol. 64, pp. 182-206, 1956. [142] Meyer, K. R., "On the Existence of Lyapunov Functions for the Problem on Lur'e," SIAM Journal of Control, Vol. 3, pp. 373-383, 1965. [143] Michel, A. and R.K. Miller, Ordinary Differential Equations, Academic Press, New York, 1982. [172] Narendra, K.S. and A.M. Annaswamy, Stable Adaptive Systems, Prentice Hall, Englewood Cliffs, New Jersey, 1989. [177] Narendra, K.S. and J.H. Taylor, Frequency Domain Criteria for Absolute Stability, Academic Press, New York, 1973. [191] Polycarpou, M. and P.A. Ioannou, "On the Existence and Uniqueness of Solutions in Adaptive Control Systems," IEEE Transactions on Automatic Control, Vol. 38, 1993. [192] Popov, V. M., Hyperstability of Control Systems, Springer-Verlag, New York, 1973. [201] Sastry, S. and M. Bodson, Adaptive Control: Stability, Convergence and Robustness, Prentice Hall, Englewood Cliffs, New Jersey, 1989. [204] Siljak, D.D. "New Algebraic Criteria for Positive Realness", J. Franklin Inst., Vol. 291, no. 2, pp. 109-120, 1971. 3 - 25

[232] Vidyasagar, M., Nonlinear Systems Analysis, 2nd Edition, Prentice Hall, Englewood Cliffs, New Jersey, 1993.

3 - 26

Cap. 5 Conducerea adaptiv a sistemelor neliniare

Tehnicile de conducere convenional, ca de pild algoritmii PID, sau algoritmii de minim varian, au fost i sunt folosii n multe situaii pentru conducerea proceselor neliniare [2], [5], [6], [7]. Aceste tehnici au marele dezavantaj de a se baza pe o aproximare liniar a modelului, neinnd cont de puternicele neliniariti ale procesului, precum i de variaia n timp a parametrilor acestuia. De aceea, n problema proiectrii algoritmilor de conducere, o mbuntire a performanelor sistemelor de conducere se poate obine prin exploatarea structurii neliniare a modelului procesului. n acest sens, n acest paragraf se vor prezenta o serie de algoritmi de conducere neliniar a proceselor neliniare utiliznd o tehnic de proiectare numit conducere liniarizant exact [5], [6], [8]. Deosebirea dintre tehnica liniarizrii exacte i tehnica conducerii convenionale rezult din modul de introducere a liniarizrii n problema proiectrii. Astfel, ntr-o abordare standard, convenional, se calculeaz mai nti o aproximare liniar a modelului n jurul unui punct de funcionare i apoi, pe baza performanelor impuse, se proiecteaz un regulator liniar (de tip PID) corespunztor acestui model aproximativ. Evident c mrimea de comand a regulatorului se aplic procesului neliniar, astfel nct sistemul n circuit nchis rmne, n ansamblu, neliniar. Sistemul n circuit nchis va avea o comportare corespunztoare numai n punctul de funcionare ales sau ntr-o vecintate restrns a acestuia, nu i pentru alte puncte de funcionare sau n jurul unei traiectorii de funcionare. n abordarea conducerii liniarizante exacte, se obine un regulator neliniar proiectat astfel nct sistemul n circuit nchis s aib o comportare liniar necondiionat stabil, oricare ar fi punctul de funcionare sau traiectoria de stare a procesului. Schemele bloc corespunztoare celor dou tehnici sunt prezentate n Fig. 5.1. Dei n domeniul conducerii adaptive a sistemelor neliniare exist relativ puine chestiuni teoretice generale, totui conducerea adaptiv a fost dezvoltat cu succes pentru cteva clase importante de sisteme neliniare, care satisfac, de obicei, urmtoarele condiii: dinamica neliniar a instalaiei poate fi parametrizat liniar, toate variabilele de stare sunt cunoscute, neliniaritile sistemului pot fi compensate stabil prin mrimea de comand, dac parametrii acestuia sunt cunoscui. Ca i n cazul liniar, pentru sistemele neliniare, pot fi formulate scheme de conducere adaptiv direct i indirect. Diferena dintre ele const n modul de proiectare a legii de adaptare a parametrilor. ntr-o schem direct, adaptarea parametrilor este determinat chiar de eroarea de urmrire, pe cnd ntr-o schem indirect, de o eroare auxiliar de estimare sau de predicie.
5-1

MODEL LINIAR Referin REGULATOR LINIAR Comand PROCES NELINIAR Ieire

Sistem n circuit nchis - NELINIAR a) Metoda liniarizrii procesului (conducere convenional) Referin REGULATOR NELINIAR Comand Variabile de stare PROCES NELINIAR Ieire

Sistem n circuit nchis - LINIAR b) Metoda liniarizrii exacte (comand neliniar) Fig. 5.1. Metode de conducere a sistemelor neliniare

Fa de cazul liniar, o dificultate specific n conducerea sistemelor neliniare reiese din faptul c liniarizarea acestora n raport cu starea necesit transformri de coordonate neliniare, parametrizate, realizate prin intermediul unor diffeomorfisme corespunztoare. n acest paragraf se prezint cteva aspecte teoretice legate de liniarizarea sistemelor neliniare prin legi de comand cu reacie dup stare, att pentru cazul sistemelor monovariabile, ct i multivariabile. Pentru sistemele monovariabile i multivariabile cu minim de faz se prezint modul de obinere a unei comenzi cu adaptarea parametrilor pentru a obine o compensare asimptotic exact.

5.1. Conducerea liniarizant a unei clase de sisteme neliniare

n ultimii ani s-a acordat o atenie deosebit utilizrii reaciei dup stare pentru liniarizarea exact a comportrii intrare-ieire a sistemelor de conducere neliniare descrise prin ecuaii de stare de forma:

& x = f ( x) + g i ( x) ui
i =1

(5.1)

y1 = h1 ( x),K, y p = h p ( x) unde x n ; u, y p ; f, gi : n n i h j : n .
Teoria liniarizrii exacte prin reacie dup stare a fost dezvoltat i sistematizat prin eforturile a numeroi cercettori [5], [6], [7], [8] pentru procese
5-2

continue i [9], [10] pentru procese discrete i cu eationare i continu i n prezent. Exist numeroase aplicaii ale acestei teorii n diverse domenii: aeronautic, robotic, maini i acionri electrice, mecatronic, chimie i biochimie, biotehnologie: [1], [2], [3], [7], [8], [11], [12], [13] etc. Marele dezavantaj al tehnicii liniarizrii exacte const n faptul c pentru a se obine o comportare liniar intrare-ieire este necesar realizarea unei compensri exacte a neliniaritilor procesului. n consecin, dac modelul conine erori de modelare a termenilor neliniari, compensarea nu mai poate fi exact, iar comportarea sistemului nu mai este liniar. De aceea, n acest paragraf, se sugereaz o conducere adaptiv capabil s realizeze o compensare robust a termenilor neliniari n situaia n care incertitudinea n aceti termeni este parametric, iar procesele sunt cu minim de faz. Deoarece liniarizarea intrare-ieire prin reacie dup stare are la baz conceptele geometriei difereniale, n paragraful urmtor vor fi prezentate cteva definiii i concepte de baz cu care opereaz aceasta.
5.1.1. Elemente de baz ale geometriei difereniale

Derivate Lie. Definiii i notaii

Fie h( x) : n o funcie scalar. Gradientul (sau difereniala exact) a h este vectorul linie, definit prin: funciei h, notat cu h sau dh sau x

h( x) = dh( x) =

h h h ,K, = x x1 xn

Fie f i g dou funcii vectoriale (cmpuri de vectori), definite prin: f ( x) : n n i g ( x) : n n . Gradienii lui f i g notai cu df , respectiv d g se definesc prin urmtoarele matrice jacobiene: f1 f1 g1 g1 f1 g1 x L x x x L x x n n f 1 g 1 df ( x) = = M O M = M , dg ( x) = = M O M = M x x fn L fn fn gn L gn gn x1 x x1 xn xn x unde fi i gi, (i = 1, K , n) sunt componentele funciilor f i respectiv g. Derivata lui h de-a lungul vectorului n-dimensional f sau derivata Lie [5] a lui h de-a lungul lui f este funcia scalar neted:

L f h = d h, f =

h fi i =1 xi
n

(5.2)

Derivata de ordin k a lui h de-a lungul lui f se poate explicita prin:

5-3

Lkf h = L f Lkf1h = d Lkf1h, f , k = 1, 2, ...

(5.3)

Derivata funciei n-dimensionale f de-a lungul vectorului n-dimensional g sau derivata Lie a funciei f de-a lungul lui g este vectorul obinut prin nmulirea lui f i g(x). Aceasta se noteaz prin g(f) sau Lg f , este definit prin: x
Lg f ( x ) = f g ( x) x

(5.4)

i este un vector ale crui elemente sunt: n f j x g i ( x) , i =1 i

j = 1, K , n .

(5.5)

Dac funcia f este derivat de k ori de-a lungul aceleiai funcii g, se folosete notaia Lk f . Funcia Lk f (x) satisface relaia recursiv: g g Lk f ( x) = g Lk 1 f g x

) g ( x) cu

L0 f ( x) = f ( x) . g

(5.6)

Cu ajutorul cmpurilor de vectori f i g se poate defini produsul Lie [5] al lui f i g, definit prin:
g f f ( x) g ( x) = ad f g x x care este un nou cmp de vectori, n-dimensional. Pentru a pune n eviden repetarea produsului Lie a cmpului g cu un acelai cmp f, se folosete relaia recursiv: [ f , g ]( x) =

ad k g ( x) = ad f ad k 1 g ( x) = [ f , ad k 1 g ]( x) , k 1 f f f cu ad 0 g ( x) = g ( x) . f Varieti i distribuii
Definiia 5.1 [5]. O submulime M n este o varietate r-dimensional (r < n) a lui n dac pentru fiecare x M exist o mulime deschis U, cu x U i funciile netede hr +1 ( x), K , hn ( x) astfel nct { d hr +1 ( x), K , d hn ( x) } este o mulime liniar-independent de vectori linie pentru orice x U i U M = { x M : hi ( x) = 0, r + 1 i n } . Precizm c funciile hr +1 ( x), K , hn ( x) din aceast definiie nu sunt unice. Definiia 5.2 [5]. Spaiul vectorial determinat de d funcii vectoriale netede f1 , K , f d : W n n se noteaz prin: D(x) = span { f1 ( x), K , f d ( x) }
5-4

i se numete distribuie. Dimensiunea distribuiei D(x) ntr-un punct x n este dat de dimensiunea spaiului vectorial D(x). O distribuie D, definit pe o mulime U n este nesingular dac exist un ntreg d, astfel nct, dim(D(x)) = d, x U , adic funciile f1 ( x), K , f d ( x) sunt liniar independente, oricare ar fi x U .
Definiia 5.3 [5]. O distribuie D este involutiv dac produsul Lie [ 1 , 2 ] al oricrei perechi de vectori 1 i 2 aparinnd lui D este un vector ce aparine lui D.

Diffeomorfisme n analiza i sinteza sistemelor neliniare, de multe ori, se folosesc transformri neliniare de coordonate. O schimbare de variabile poate fi descris printr-o relaie de forma: z = ( x)
unde ( x) reprezint o n - funcie de n variabile, adic (5.7)

1 ( x) 1 ( x1 , K , xn ) z1 =M M ( x) = M = n ( x) n ( x1 , K , xn ) z n cu urmtoarele proprieti: (i) (x) este inversabil, adic exist funcia 1 ( z ) astfel nct 1 ( ( z )) = x , x n (ii) (x) i 1 ( z ) sunt aplicaii netede, adic au derivate pariale continue de orice ordin. O transformare de acest tip se numete diffeomorfism global. Deoarece proprietile (i) i (ii) sunt dificil de ndeplinit pentru orice x din , n multe cazuri ne rezumm la astfel de transformri, dar definite numai n vecintatea unor puncte x0 date. O transformare de acest tip se numete diffeomorfism local.
n

Teorema 5.1 (Funcii inverse) [8]. Fie U o submulime deschis a lui n i = [ 1 , K , n ]T :U n o aplicaie liniar. Dac matricea jacobian:

1 1 x L x n d 1 = M O M dx n L n x1 xn
5-5

este nesingular n anumite puncte x0 U , atunci exist o vecintate V U a lui x0 astfel nct : V (V ) este un diffeomorfism. Teorema 5.1 poate fi reformulat astfel:
Teorema 5.2 [8]. Dac rang {d 1 , K , d n } = n n anumite puncte x0 U ,

unde U este o submulime deschis a lui n , atunci exist o vecintate V U a lui x0, astfel nct : V (V ) este un diffeomorfism. Transformri de coordonate Considerm un sistem neliniar cu o intrare u i o ieire y, descris prin ecuaiile de stare: & x(t ) = f ( x) + g ( x)u (5.8) y (t ) = h( x)
unde x n este vectorul de stare, f i g sunt funcii neliniare de stare, netede, ndimensionale, iar h este o funcie scalar, neted, depinznd de asemenea de starea sistemului.
Definiia 5.4 [5]. Se spune c sistemul (5.8) are gradul relativ ntr-un punct x0 dac: (i) Lg h( x) = Lg L f h( x) = L = Lg Lf2 h( x) = 0 , pentru orice x dintr-o vecintate

a lui x0 ; (ii) Lg Lf1h( x0 ) 0 .

& Exemplul 5.1. S calculm gradul relativ al sistemului liniar: x = A x + bu ,

y = cT x . n acest caz: f(x) = Ax, g(x) = b, h( x) = cT x . Obinem: Lkf h( x) = cT Ak x

i
Lg Lkf h( x) = c T Ak b .

Atunci,

ntregul

se

obine

din

condiiile:

cT Ak b = 0, k < 1 i cT A1b 0 . Se tie c ntregul care satisface aceste condiii este egal cu diferena dintre gradele polinoamelor de la numitorul i numrtorul funciei de transfer H ( s ) = cT ( s I n A) 1 b a acestui sistem, unde s este variabila complex.
Exemplul 5.2. Considerm c la momentul t0, sistemul (5.8) se afl n starea x(t0) = x0. Dorim s calculm valoarea ieirii y(t) i derivatele acesteia y ( k ) (t ) , k = 1, 2,K, la momentul t = t0. Obinem:

y (t 0 ) = h( x(t0 )) = h( x0 ) , h d x h ( f ( x(t )) + g ( x(t ))u (t ) ) = L f h( x(t )) + Lg h( x(t ))u (t ) . y (1) (t ) = = x dt x

Dac gradul relativ > 1 pentru orice x n jurul lui x0 avem Lg h( x(t0 )) = 0 i deci:
5-6

y (1) (t0 ) = L f h( x(t0 )) .

Atunci,

y ( 2 ) (t ) =

( L f h) d x ( L f h ) ( f ( x) + g ( x)u (t )) = L2f h( x(t )) + Lg L f h( x(t ))u (t ) = x dt x

pentru orice t n jurul lui t0 i orice x(t) n jurul lui x0. Dac > 2 , atunci Lg L f h( x0 ) = 0 i:
y ( 2) (t0 ) = L2f h( x(t 0 )) .

Continund n acest fel, obinem:

y ( k ) (t 0 ) = Lkf h( x(t0 )) , pentru orice k < ;

y ( ) (t0 ) = Lf h( x0 ) + Lg Lf1h( x0 )u (t0 ) .

Deci, pentru un sistem neliniar, gradul relativ este egal cu numrul derivrilor mrimii de ieire y n raport cu timpul pentru obinerea unei relaii explicite intrare-ieire. Funciile h( x), L f h( x), K , Lf1h( x) au o importan deosebit. Se poate arta c acestea pot fi folosite n scopul definirii unei transformri locale de coordonate n jurul punctului x0. Acest fapt se bazeaz pe urmtoarea proprietate:
Lema 5.1 [5], [7]. Considerm c sistemul (5.8) are gradul relativ n x0. Atunci, vectorii linie dh( x0 ), dL f h( x0 ), K , dLf1h( x0 )

sunt liniar independeni. Propoziia 5.1 [5]. Considerm c sistemul (5.8) are gradul relativ n n x0. Notm: 1 ( x) = h( x)

2 ( x ) = L f h( x) .......... ........... ( x) = Lf1h( x)

(5.9)

Dac este strict mai mic dect n, este ntotdeauna posibil s gsim n funcii +1 , + 2 , K , n astfel nct aplicaia: 1 ( x) ( x) = M n ( x ) (5.10)

s aib o matrice jacobian nesingular n x0 i de aceea poate fi calificat drept o transformare de coordonate ntr-o vecintate a lui x0. Valoarea n x0 a acestor
5-7

funcii adiionale poate fi aleas arbitrar. Mai mult, este ntotdeauna posibil s alegem +1 ( x), +2 ( x), K , n ( x) nct: Lg i ( x) = 0 pentru orice + 1 i n i orice x n vecintatea lui x0.

(5.11)

Descrierea sistemului n noile coordonate zi = i ( x) , 1 i n , se deduce foarte uor, astfel:

Pentru z1 , K , z1 avem:
1 d x h d x = = L f h( x(t )) = 2 ( x(t )) = z 2 (t ) x dt x dt ....................................................................................... 2 d x L f h d x & z 1 = 1 = Lf1h( x(t )) = ( x(t )) = z (t ) = x dt x dt & z1 =

Pentru z obinem:
& z = Lf h( x(t )) + Lg Lf1h( x(t ))u (t )

n membrul drept al acestei ecuaii trebuie s nlocuim pe x(t) cu expresia sa ca funcie de z(t), adic x(t ) = 1 ( z (t )) . Dac notm:
a ( z ) = Lf h( 1 ( z )) i b( z ) = Lg Lf1h( 1 ( z )) ,

(5.12) (5.13)

ecuaia de mai sus poate fi rescris sub forma: & z = a ( z (t )) + b( z (t ))u (t )

Precizm c, prin definiie z0 = ( x0 ) i b( z0 ) 0 . Astfel, coeficientul b(z) este nenul pentru orice z dintr-o vecintate a lui z0. n ceea ce privete celelalte noi coordonate, dac pentru ecuaiile corespunztoare nu se specific nimic altceva, nu ne ateptm s aib o structur special. Totui, dac +1 ( x), +2 ( x), K , n ( x) se aleg astfel nct Lg i ( x) = 0 , atunci:
& zi =

i ( f ( x(t )) + g ( x(t ))u (t ) ) = L f i ( x(t )) + Lg i ( x(t ))u (t ) = L f i ( x(t )) x q j ( z ) = L f j ( 1 ( z )) , +1 j n

Notnd: (5.14) (5.15) ultimele n ecuaii se rescriu sub forma: & z j = q j ( z (t ))

Rezumnd, ecuaiile de stare ale sistemului (5.8) n noile coordonate z vor fi:

& zi = zi+1 , i = 1, K , 1
5-8

& z = a ( z ) + b( z )u (t ) & z j = q j ( z) , + 1 j n

(5.16)

iar mrimea de ieire se exprim prin:

y = z1.

Ecuaiile de stare astfel obinute se spune c sunt n forma normal. Observaia 5.1. Nu ntotdeauna este simplu s construim n funcii +1 , + 2 , K , n astfel nct Lg i ( x) = 0 , deoarece aceasta implic rezolvarea unui sistem de n ecuaii difereniale cu derivate pariale. Atunci, este mult mai simplu a alege funciile +1 ( x), K , n ( x) , astfel nct acestea s satisfac proprietatea ca matricea jacobian a lui ( x) s fie nesingular n x0. Aceast condiie este suficient pentru a defini o transformare de coordonate. Folosind o transformare construit n acest fel, se gsete aceeai structur pentru primele ecuaii, adic: & zi = zi +1 , i = 1, K , 1 & z = a ( z ) + b( z )u (t ) , dar nu este posibil obinerea unei structuri speciale pentru ultimele n ecuaii. Acestea vor avea, de obicei, o structur de forma:
& z +1 = q+1 ( z ) + p+1 ( z )u ..................................... & z n = q n ( z ) + p n ( z )u

n care apare explicit i intrarea u. Forma ecuaiilor nu este cea normal. Teorema lui Frobenius [7]. Dndu-se o mulime de cmpuri de vectori liniar independeni {Yi | Yi : n n , i = 1, K , } , exist n funcii scalare
q j : n , j = 1, K , n cu

q1 ( x0 ) x rang M = n q n x ( x0 ) astfel nct qi Yi = 0 , i = 1, K , x dac i numai dac {Yi | Yi : n n , i = 1, K , } este involutiv.

5-9

5.1.2. Liniarizarea intrare-ieire a sistemelor monovariabile

Vom arta c prin alegerea unei legi de comand neliniar cu reacie dup stare, comportarea intrare-ieire a unei clase largi de sisteme neliniare poate fi fcut liniar. Considerm clasa sistemelor neliniare cu o intrare u i o ieire y, descrise prin ecuaii de stare de forma: & x(t ) = f ( x) + g ( x)u y (t ) = h( x) (5.17)

cu x n , iar f, g i h funcii neliniare netede (adic funcii infinit derivabile). Derivnd y n raport cu timpul, obinem: & (5.18) y = L f h ( x ) + Lg h ( x )u unde L f h( x) : n i Lg h( x) : n reprezint derivatele Lie [6] ale lui h n raport cu f, respectiv g. Dac Lg h( x) 0 , x n , ceea ce nseamn c sistemul (5.17) are gradul relativ [6] = 1 , legea de comand cu reacie dup stare: u= 1 L f h( x ) + v Lg h( x )

(5.19)

unde v este o nou intrare de comand, conduce la sistemul liniar (de la v la y): & y = v. n cazul n care Lg h( x) 0 , x n , ceea ce nseamn c > 1 , derivnd (5.18) n raport cu timpul, obinem: y ( 2) = L2f h( x) + ( Lg L f h( x)) u unde L2f h( x) = L f ( L f h)( x) i Lg L f h( x) = Lg ( L f h( x)) . Dac 1 L2f h( x) + v Lg L f h ( x ) y ( 2) = v . n cazul general, n care gradul relativ al sistemului (5.17) este > 0 , ceea ce nseamn c Lg Lif h( x) 0 , i = 1, K , 2 i Lg Lf1h( x) 0 , legea de comand: u= 1 L g Lf1 h( x) (5.20) Lg L f h ( x ) 0 ,

x n , ceea ce nseamn c = 2 , legea de comand: u=

(5.21)

liniarizeaz intrare-ieire sistemul (5.20) i conduce la:

( L

h( x ) + v

(5.22)

conduce la urmtoarea dinamic n circuit nchis:

5 - 10

y ( ) = v . Dac = n , atunci sistemul obinut prin schimbarea de coordonate (5.7): z = (x) , unde ( x) : n n este un diffeomorfism, n noile coordonate zi, cu zi = i ( x) = Lif1h( x) , 1 i n are forma (5.16): & zi = zi +1 , y = z1 cu a(z) i b(z) dai de (5.12) cu = n . Pentru sistemul (5.25), legea de comand: i = 1, K , n 1 (5.25) & z n = a( z ) + b( z )u (t ) , b( z ) 0 (5.24) (5.23)

1 ( a( z ) + v ) b( z ) face ca sistemul n circuit nchis, descris prin: u=

(5.26)

& zi = zi+1 , i = 1, K , n 1 & zn = v

y = z1 s fie liniar i controlabil. n vechile coordonate x, comanda u din (5.26) are forma: u= 1 Lg Lnf1h( x) (5.27)

( L h( x) + v )
n f

(5.28)

Dac < n , conform Lemei 5.1 i Propoziiei 5.1, putem gsi n funcii +1 ( x), K , n ( x) astfel nct sistemul (5.17) s fie adus n forma normal (5.16) [5], [7]: & zi = zi +1 , i = 1, K , 1
& z = Lf h( 1 ( z )) + Lg Lf1h( 1 ( z ))u (t ) & z j = L f j ( 1 ( z )), + 1 j n y = z1 O lege de comand de forma: u= 1 Lf h( 1 ( z )) + v Lg Lf1h( 1 ( z )) (5.29)

(5.30)

ne conduce la urmtorul sistem n circuit nchis:

5 - 11

& zi = zi +1 , i = 1, K , 1 & z = v & z j = L f j ( 1 ( z )), + 1 j n y = z1

5.1.3. Liniarizarea intrare-ieire a sistemelor multivariabile

(5.31)

Reacie static dup stare Considerm clasa sistemelor neliniare ptrate (numrul de intrri este egal cu numrul de ieiri) de forma:

& x = f ( x ) + g i ( x )u i
i =1

(5.32)

y1 = h1 ( x),K, y p = h p ( x) unde x n , u p , y p , iar f, gi (i = 1, K , p) sunt funcii vectoriale neliniare netede i hj ( j = 1, K , p) sunt funcii scalare neliniare netede. Derivnd ieirea yj n raport cu timpul, obinem:

& y j = L f h j + ( Lg i h j ) u i ,
i =1

j = 1, K , p

(5.33)

Dac n toate cele p relaii din (5.33), ( Lgi h j )( x) 0, x n , atunci nici una din cele p intrri nu apare n aceste relaii. Definim j cel mai mic ntreg pozitiv, astfel nct cel puin una dintre cele p intrri u1, ... , up apare n y j yj
( j ) ( j )

, adic, (5.34)

= L f j h j + Lg i L f j h j u i
1 i =1

cu Lgi L f j h j 0 pentru cel puin un j = 1, K , p i pentru anumii x n . Definim ( p p ) -matricea A(x) prin: Lg Lf1 1h1 ( x) L Lg Lf1 1h1 ( x) p 1 M O M A( x) = Lg Lf p 1h p ( x) L Lg Lf p 1h p ( x) p 1 Atunci (5.35) se poate rescrie sub forma: y1( 1 ) Lf1 h1 ( x) u1 + A( x) M (M ) = M y p p L f p h p ( x) u p
5 - 12

(5.35)

(5.36)

Dac A( x) p p este nesingular (ceea ce nseamn c A-1(x) exist pentru orice x din n i are norma mrginit), atunci legea de comand cu reacie dup stare: Lf1 h1 ( x) 1 M u = A1 ( x) + A ( x) v p L f h p ( x) (5.37)

unde v p sunt noile mrimi de comand, determin urmtorul sistem liniar n circuit nchis: y1( 1 ) v1 (5.38) (M ) = M p y p v p Precizm c sistemul (5.38) este, n plus, decuplat, n sensul c fiecare mrime de ieire va fi modificat numai de o singur mrime de comand. Evident c decuplarea este asigurat prin intermediul comenzii (5.37). O consecin a acestei proprieti const n faptul c un mare numr de rezultate corespunztoare sistemelor monovariabile poate fi extins la cazul sistemelor multivariabile. Legea de comand (5.37) este referit ca lege de comand liniarizant cu reacie static dup stare [5], [7], [147].
Reacie dinamic dup stare Dac A(x) din (5.35) este singular i primul termen din membrul drept n (5.36) nu are rangul lui A(x), liniarizarea poate fi totui obinut prin utilizarea reaciei dinamice dup stare. Pentru claritate, metoda va fi exemplificat pe cazul sistemelor cu dou intrri i dou ieiri ( p = 2) . ntruct rangul matricei A(x) este

1, exist o matrice T ( x) 22 nesingular astfel nct A(x) poate fi adus la o form cu o singur coloan:
a 0 A( x) T ( x) = 11 . a21 0

(5.39)

Definind noile intrri w = T 1 ( x)u , (5.36) devine:

( y1 1 ) Lf1 h1 a11 0 ( 2 ) = 2 + a 0 w1 . y1 L f h2 21

(5.40)

Similar, (5.32) se poate rescrie sub forma:

& x = f ( x) + g1 ( x) w1 + g 2 ( x) w2

(5.41)

unde [ g1 ( x) g 2 ( x)] = [ g1 ( x) g 2 ( x)]T ( x) . Derivnd (5.40) i folosind (5.41) se obine:

5 - 13

 y1( 1 +1) Lf1 +1h1 + Lg1 Lf1 h1w1 + L f a11 w1 + Lg1 a11 w12 ( 2 +1) = 2 +1 2 2 y1 L f h2 + Lg1 L f h2 w1 + L f a21 w1 + Lg1 a21 w1 a L L1 h + Lg a11w1 w1 & 2 + 11 g 2 f2 1 . a21 Lg 2 L f h2 + Lg 2 a21w1 w2

sau
( & y1 1+1) w1 ( 2 +1) = C ( x, w1 ) + B ( x, w1 ) w . 2 y1

(5.42)

& n (5.42) se observ apariia termenului w1 care este echivalent cu introducerea unui integrator naintea lui w1 adic cu adugarea unei noi dinamici la regulator. Dac B ( x, w1 ) 0, atunci legea de comand:
& w1 v1 1 1 w = B ( x, w1 )C ( x, w1 ) + B ( x, w1 ) v , 2 2

(5.43)

conduce la urmtorul sistem liniar:

y1( 1 +1) v1 ( 2 +1) = v . y1 2

(5.44)

Legea de comand (5.43) este o lege de comand liniarizant decuplant cu reacie dinamic dup stare. Dac B ( x, w1 ) este singular, procedura prezentat se repet utiliznd ns B( x, w1 ) n locul lui A(x). Procedura se termin ntr-un numr finit de pai dac sistemul este invesabil la dreapta.

5.2. Sisteme cu minim de faz

Cnd sistemului (5.17) i se aplic comanda (5.19) se obine un sistem liniar intrare-ieire de ordinul 1, de forma y(1) = v. n consecin, prin aceast reacie dup stare, n 1 din cele n variabile de stare ale sistemului original sunt fcute & neobservabile. Pentru claritate, considerm cazul unui sistem liniar: x = A x + bu ,
y = cT x , pentru care f ( x) = A x , g(x) = b i h( x) = cT x . Atunci, condiia Lg h( x) 0 este echivalent cu cT b 0 , iar legea de comand (5.19) devine: u=

1 ( c T A x + v ) c b
T

(5.45)

i conduce la urmtorul sistem n circuit nchis:

5 - 14

 bcT b & x = I T Ax + T v c b c b y = cT x

(5.46)

Datorit faptului c legea de comand (5.45) conduce la o funcie de transfer de la v la y, de forma H vy ( s ) = 1 / s , rezult c n 1 valori proprii ale matricei sistemului n circuit nchis ( I bc T / c T b) A sunt plasate n zerourile sistemului iniial, iar ultima, n origine. Astfel, legile de comand liniarizante pot fi gndite ca fiind o replic neliniar a acestui plasament al polilor. Dinamica strilor fcute neobservabile reprezint ntr-adevr aa-numita dinamic a zerourilor sistemului. Pentru a obine stabilitate intern (i deci stri mrginite) este necesar ca sistemul n circuit nchis s realizeze o compensare poli-zerouri stabil, adic sistemul s fie cu minim de faz. Aceasta motiveaz nelegerea i definirea sistemelor neliniare cu minim de faz.
Cazul sistemelor monovariabile Considerm c sistemul (5.17) are gradul relativ < n (Sistemul (5.17) are gradul relativ dac ieirea sa y trebuie derivat de pentru a obine o relaie explicit intrare-ieire). Atunci, conform Propoziiei 5.1, exist o schimbare de coordonare z = ( x) nct, n noile coordonate, sistemul s fie adus n forma normal:

& z1i = z1,i +1 , i = 1, K , 1 & z1 = f1 ( z1 , z 2 ) + g1 ( z1 , z 2 )u , & z 2 j = j ( z1 , z 2 ) , + 1 j n y = z11

(5.47)

unde f1 ( z1 , z 2 ) i g1 ( z1 , z 2 ) reprezint Lf h( x) , respectiv Lg Lf1h( x) n noile coordonate, iar

j ( z1 , z 2 )

reprezint

L f j ( x) ,

j = + 1, K , n

cu

z1 = [ z11 , K , z1 ]T i z 2 = [ z 2,+1 ,K, z 2,n ]T n . Se observ c intrarea u nu influeneaz direct strile z2j. Dac x = 0 este un punct de echilibru al sistemului necontrolat, adic f (0) = 0 i h(0) = 0 , atunci dinamicile

& z 2 j = j (0, z 2 ) , + 1 j n ,
L0 = x U 0 | h( x) = 0, L f h( x) = 0, K , Lf1h( x) = 0

(5.48)

sunt referite ca dinamicile zerourilor. Precizm, de asemenea, c submulimea:

(5.49)

poate fi fcut invariant definind

5 - 15

u=

1 ( f1 ( z1 , z2 ) + v ) . g1 ( z1 , z 2 )

(5.50)

Dinamicile (5.48) sunt definite pe subspaiul L0 din (5.49).

Definiia 5.5 [14]. Sistemul neliniar (5.17) este un sistem cu minim de faz global (local) dac dinamicile zerourilor sunt global (local) asimptotic stabile.

Utilitatea definiiei dinamicii zerourilor sistemelor cu minim de faz apare n contextul operaiei de urmrire. Astfel, dac obiectivul conducerii este ca ieirea y(t) s urmreasc o traiectorie de referin prespecificat ym(t), atunci comanda
( ( v = ym ) + ym1) y ( 1) + L + 1 ( ym y )

(5.51)

conduce la urmtoarea ecuaie a erorii de urmrire e = y ym : e ( ) + e ( 1) + L + 1e = 0 , i , i = 1, K , (5.52) Precizm c legea de comand (5.51) nu se implementeaz prin derivarea repetat a ieirii, ci printr-o lege cu reacie dup stare, deoarece: & y = L f h, y ( 2) = L2f h, K , y ( 1) = Lf1h . (5.53)

Dac ym(t) este ieirea urmtorului model de referin liniar i invariant n timp al crui grad relativ m , unde este gradul relativ al procesului, iar r este semnalul de referin: & xm = Am xm + bm r (5.54) T y m = cm xm atunci, legea (5.50) cu v dat de (5.51) devine:
u=
1 1 ( ( L f h + ym ) + i +1 ymi ) y (i ) 1 Lg L f h i =0

1 1 T T T i L f h + cm Am xm + cm Am1bm r + i +1 cm Am xm Lif h 1 Lg L f h i =0

(5.55)

i conduce la aceeai ecuaie a erorii de urmrire dat de (5.52). Dac 1 , K , se aleg astfel nct s + s 1 + L + 1 = 0 s fie polinom hurwitzian, atunci e(t)
(1 ( tinde la zero cnd t . Mai mult, dac ym , ym ) , K , ym1) , sunt mrginite, atunci i y = z1 este mrginit. Propoziia urmtoare garanteaz mrginirea erorii de urmrire:

Propoziia 5.2 [14]. Dac dinamicile zerourilor sistemului neliniar (5.17) definite de (5.48) sunt global exponenial stabile i j ( z1 , z 2 ) din (5.47) au
(1 ( derivate pariale continue i mrginite n raport cu z1 i z2, iar ym , ym ) , K , ym1) ,

5 - 16

sunt mrginite, atunci legea de comand (5.50) cu v dat de (5.51) conduce la o eroare de urmrire mrginit, adic x n este mrginit i y(t) converge la ym(t).
Cazul sistemelor multivariabile Definiia dinamicii zerourilor pentru sisteme neliniare multivariabile ptrate de forma (5.32) este mult mai subtil (vezi [4]). Exist trei ci diferite de definire a acestora depinznd de definiia zerourilor unui sistem liniar invariant n timp aleas pentru a fi generalizat: a) dinamicile mulimii invariante controlate maxime din nucleul ieirii; b) dinamicile ieirilor cu constrngeri (de exemplu, ieiri constrnse a fi 0); c) dinamicile sistemului invers.

Trebuie notat c cele trei definiii coincid n situaia n care sistemul neliniar poate fi decuplat prin reacie static, caz n care definiia este analoag cu dezvoltarea din cazul monovariabil. Mai exact, dac A(x) definit n (5.35) este nesingular, se procedeaz astfel. Definim 1 + L + p = m i z1 m prin
T z1 = [h1 , L f h1 , K , Lf1 1h1 , h2 , L f h2 , K , Lf2 1h1 , K , h p , L f h p , K , Lfp 1h p ]

Definim z 2 nm prin z 21 = 1 ( x),K, z 2,nm = nm ( x)

T T cu z = [ z1 , z 2 ]T reprezentnd un diffeomorfism al strii x. n aceste coordonate, ecuaiile (5.32) capt forma:

& & z11 = z12 , K , z11 = f1 ( z1 , z 2 ) + g1 ( z1 , z 2 ) u1 & & z1,1 +1 = z1,1 + 2 , K , z12 = f 2 ( z1 , z 2 ) + g 2 ( z1 , z 2 ) u 2 & & z1,m p +1 = z1,m p +2 , K , z1m = f p ( z1 , z 2 ) + g p ( z1 , z 2 ) u p & z 2 = ( z1 , z 2 ) + ( z1 , z 2 ) u y1 = z11 , y2 = z1,1 +1 , K , K y p = z1,m p +1 n (5.56), f1 ( z1 , z 2 ) reprezint Lf1 h1 ( x) , iar g1 ( z1 , z 2 ) este prima linie a matricei A(x) n coordonatele ( z1 , z 2 ) . Dinamicile zerourilor sunt definite dup cum urmeaz. Fie u o comand liniarizant, de exemplu: g1 ( z1 , z 2 ) u ( z1 , z 2 ) = M g p ( z1 , z 2 )
1

(5.56)

f1 ( z1 , z 2 ) M f p ( z1 , z 2 )

(5.57)

Atunci, dac 0 n este un punct de echilibru a sistemului necontrolat, adic f (0) = 0 i h1 (0) = L = h p (0) = 0 , dinamica zerourilor este definit prin:

& z 2 = (0, z 2 ) + (0, z 2 ) u (0, z 2 ) .

5 - 17

(5.58)

n [4] se arat c dinamica lui z2 din (5.58) este independent de alegerea legii liniarizante. n situaia n care sistemul (5.32) nu este decuplabil prin reacie static, definiia dinamicii zerourilor este considerabil mai complicat. Ca i n cazul monovariabil, n contextul operaiei de urmrire, se consider un model de referin de forma: & xm = Am xm + Bm r (5.59) y m = C m xm unde Bm nm p , Cm pnm . Ieirile modelului (5.59), ym1 cu gradul relativ 1 , ym2 cu gradul relativ 2 etc. trebuie s fie urmrite de ieirile corespunztoare ale procesului. Aceasta se obine, dac eroarea de urmrire e = y ym satisface relaia M ( s ) e = 0 , unde
1 1 M ( s ) = diag ,K, . 1 1 p 1 1 p s + p p s + L + p1 s + 11 s + L + 11

5.3. Conducerea adaptiv a sistemelor neliniare cu minim de faz

La implementarea practic a legilor de comand liniarizante exacte, principalul dezavantaj este acela c acestea se bazeaz pe compensarea exact a termenilor neliniari ai procesului. Dar, pentru orice incertitudine n cunoaterea funciilor neliniare f () i g () , compensarea nu mai este exact, iar ecuaia intrare-ieire nu mai este liniar. De aceea, n continuare, vom prezenta modul de utilizare a unei comenzi cu adaptarea parametrilor pentru a obine o compensare asimptotic exact, cu precizarea c funcia h() este cunoscut cu exactitate. Sisteme monovariabile cu gradul relativ = 1 . Considerm un sistem neliniar monovariabil de forma (5.17) cu | Lg h( x) | > 0 , n care se presupune c funciile f(x) i g(x) sunt de forma: f ( x) = 1i f i ( x) , g ( x) = 2 j g j ( x)
i =1 j =1 n1 n2

(5.60)

unde 1i , i = 1, K , n1 i 2 j , j = 1, K , n2 sunt parametri necunoscui, iar fi(x), gj(x) sunt funcii cunoscute. La momentul t, estimrile funciilor f i g vor fi: f ( x) = 1i f i ( x) , g ( x) = 2 j g j ( x)
i =1 j =1 n1 n2

(5.61)

unde 1i i 2 j sunt estimrile parametrilor 1i , respectiv 2 j . Atunci, legea de comand liniarizant (5.19) se va nlocui cu
5 - 18

u= unde ( L f h) e , ( Lg h ) e

1 ( L f h( x)) e + v ( Lg h( x)) e

)
L f h , respectiv

(5.62) Lg h

reprezint estimrile lui

n1 n2

corespunztoare expresiilor (5.61), adic: ( L f h( x)) e = 1i L fi h( x) , ( Lg h( x)) e = 2 j Lg j h( x) .

i =1 j =1

(5.63)

vectorul parametrilor nominali (reali), (t ) n1 +n2 vectorul estimrilor parametrilor i ~ = eroarea de estimare a parametrilor, nlocuind (5.62) n (5.18), dup cteva calcule obinem: ~T ~T & (5.64) y = v + 1 w1 + 2 w2 cu Lf h Lg h 1 1 ( L f h) e v (5.65) , w1 n1 , w2 n2 . w1 = M , w2 = M ( Lg h ) e L f h Lg h n1 n2 Definind

T = [ 1 , T ]T n1 + n2 2

Pentru ca y(t) s urmreasc referina ym(t), comanda v definit prin:

& v = ym + ( ym y ) , > 0 ,

(5.66)

conduce la urmtoarea relaie ntre eroarea de urmrire e = ym - y i eroarea de ~ ~T ~T estimare a parametrilor = [ 1 , 2 ]T : ~ & (5.67) e + e = T w , unde w n1 + n2 este definit prin concatenarea lui w1 i w2.
Teorema 5.3. Considerm un sistem neliniar de forma (5.17) cu dinamica zerourilor exponenial stabil, pentru care se presupune c funciile f () i g () sunt date de (5.60). Definim legea de comand

u=

1 & ( L f h( x)) e + ym + ( ym y ) . ( Lg h( x)) e

(5.68)

Dac ( Lg h) e definit n (5.63) este mrginit, adic | ( Lg h( x)) e | > 0 i ym este mrginit, atunci legea de adaptare a parametrilor de tip gradient ~ & = e w , (5.69)

conduce la mrginirea lui y(t) i la convergena asimptotic a acestuia la ym(t). n plus variabilele de stare ale sistemului (5.17) sunt mrginite. Demonstraie. Funcia Liapunov definit prin:
5 - 19

~ 1 1~ ~ V (e, ) = e 2 + T 2 2 este descresctoare de-a lungul traiectoriilor sistemului (5.67), (5.69), deoarece ~ & ~ V (e, ) = e 2 0 , pentru > 0 . Rezult c e i sunt mrginite i e L2 . Pentru a stabili c e este uniform continu (pentru a utiliza lema lui Barblat) sau & echivalent c e(t ) este mrginit, trebuie ca w, care este o funcie continu de x (deoarece | ( Lg h( x)) e | > 0 ), s fie mrginit. Dac se consider c eroarea e este mrginit, cum ym este mrginit, rezult c ieirea y este mrginit. Din mrginirea lui y i Propoziia 5.2 referitoare la ipoteza stabilitii exponeniale a dinamicii zerourilor sistemelor cu minim de faz, rezult c starea x(t) este mrginit. n concluzie, w este mrginit i eroarea de urmrire e este uniform continu. Conform lemei lui Barblat, rezult c lim e(t ) = 0 . Deci y(t) tinde asimptotic la
t

ym(t).
Comentarii: 1. Teorema precedent garanteaz convergena la zero a erorii e cnd t , fr s precizeze nimic de convergena parametrilor. Se poate arta c att e ct i converg exponenial la zero dac w este de tip excitaie persistent, adic dac exist constantele 1 , 2 , > 0 astfel nct:

2I

t0 + t0

ww

dt 1 I .

(5.70)

Din nefericire, condiia (5.70) este de regul imposibil de verificat explicit, deoarece w este o funcie neliniar complicat ce depinde de starea x. 2. O metod des folosit n conducerea proceselor cu incertitudini parametrice const n nlocuirea comenzii (5.68) cu o comand de tip sliding mode:
u=

1 & ( L f h( x)) e + ym + k sgn ( ym y ) ( Lg h( x)) e

(5.71)

Ecuaia erorii (5.67) se nlocuiete prin

& e + k sgn e = d (t )

(5.72)

unde d(t) este un termen de nepotivire (depinznd de diferena dintre Lgh i (Lgh)e, L f h i ( L f h) e , ... ). Aceasta poate fi mrginit utiliznd marginile lui fi, gj i wi definite mai sus. Se observ c dac k > sup | d (t ) | este posibil ca eroarea s tind
t

la zero n timp finit. Aceasta metod este avantajoas cnd eroarea w(t) este mic. Dac w(t) este mare, amplificarea k trebuie s fie mare, conducnd la apariia fenomenului de chatter-ing, comenzi mari i alte comportri nedorite.
Sisteme monovariabile cu gradul relativ > 1 . Considerm extensia rezultatelor de mai sus la cazul sistemelor cu o singur intrare i o singur ieire cu
5 - 20

gradul

relativ

> 1,

adic 1

Lg h( x) = Lg L f h( x) = L = Lg Lf2 h( x) = 0

Lg Lf1h( x0 ) 0 . Legea de comand liniarizant neadaptiv este de forma:

u=

Lg Lf1h( x)

( L h( x) + v )
f

(5.73)

Dac f i g nu sunt complet cunoscute, dar au forma (5.60), atunci Lf h i Lg Lf1h din (5.73) trebuie inlocuii cu estimrile lor definite prin: ( Lf h) e = Lf h , ( Lg Lf1h) e = Lg Lf1h (5.74)

Precizm c pentru 2 , (5.74) nu sunt liniare n parametrii necunoscui i . De exemplu, ( L2f h) e = L fi ( L f j h) 1i 1 j , ( Lg L f h) e = Lgi ( L f j h) 2i 1 j
i =1 j = 1 i =1 j = 1 n1 n1 n2 n1

(5.75)

Dezvoltrile din paragraful anterior pot fi repetate dac fiecare produs al parametrilor 1i 1 j i 2i 1 j n (5.75) se consider ca un nou parametru. Fie k vectorul parametrilor 1i , 2 j , 1i 2 j , 1i 1 j , ... . n scopul urmririi, noua intrare ce trebuie implementat este
( ( v = ym ) + ym1) y ( 1) + L + 1 ( ym y )

(5.76) stare sub forma despre exacte

unde
L f h( x),

& y y , &&, K
L2f
L2f

sunt

obinute n

prin absena

reacie unei

dup

& & y = L f h( x), y =

h( x), K .

informaii

h( x), K , expresia legii de urmrire se va implementa sub forma:

( ( ve = ym) + ym1) ( Lf1h) e + L + 1 ( ym y )

(5.77)

Atunci, legea adaptiv va fi: u= 1 ( Lf h) e + ve ( Lg Lf1h) e Lg Lf1h ( Lg Lf1h) e

e e

)
)

(5.78)

Aceasta determin urmtoarea ecuaie a erorii e ( ) + e ( 1) + L + 1e = Lf h + + Lg Lf1h ( Lg Lf1h) e

( ( L h)
f

+ ve v = Lf h ( Lf h) e

L ] (((L Lh) h+) v ) + v

e 1 g f

~ ~ v = T w1 + T w2 , i , i = 1, K , (5.79)

5 - 21

~ unde = (t ) reprezint eroarea de estimare a parametrilor. Cei doi termeni din membrul drept apar respectiv datorit nepotrivirii dintre legea liniarizant ideal i cea actual i nepotrivirii dintre legea de urmrire ideal v si ca actual ve. Pentru claritate, se consider cazul = 2 i n1 = n2 = 1 . Atunci, = [1 , 2 , 11 , 1 2 ]T i se obine ( L2f h) e + ve T w1 = 0 0 L2f1 h Lg1 L f1 h ( Lg L f h ) e

) ,

T w2 = 1 L f1 h 0 0 0

(5.80)

unde w1 i w2 pot fi concatenai i reprezint regresorul w. Trebuie precizat c, n acest caz, 2 nu poate fi identificat explicit deoarece termenii corespondeni din regresor sunt nuli. Precizm de asemenea c att w ct i (t ) sunt funcii ce depind de x. Pornind de la ecuaia erorii (5.79), pentru obinerea unei legi de adaptare, se poate utiliza o eroare de forma: e1 = e ( 1) + L + 1e cu funcia de transfer strict real pozitiv: s 1 + L + 1 s + s 1 + L + 1 (5.82) (5.81)

Dac e1 ar fi un semnal msurabil, teorema de baz a urmririi s-ar putea deduce cu uurina. Dificultatea construirii semnalului (5.81) const n faptul c & && e, e , K , e ( 1) nu sunt msurabile, deoarece:
( & & && e = L f h y m , e = L2f h &&m , K , e ( 1) = L(f1) h y m1) , y

n care Lif h nu sunt explicit cunoscute. n acast situaie se poate utiliza urmtoarea abordare. Totui, clasa roboilor manipulatori al cror model are o form special (vezi (5.93)) constituie o excepie. Pentru aceste sisteme, 1 , K , pot fi alei astfel nct funcia de transfer (5.82) s fie strict real pozitiv.
Controlul adaptiv folosind o eroare augmentat

Definind polinomul L( s ) = s + s 1 + L + 1 , ecuaia (5.79) se poate rescrie sub forma ~ e = L1 ( s ) ( T w) . Definim eroarea augmentat
5 - 22

(5.83) (5.84)

e1 = e + [T L1 ( s ) w L1 ( s ) (T w)] , care se poate rescrie sub forma ~ ~ e1 = e + [ T L1 ( s ) w L1 ( s ) ( T w)] .

(5.85) (5.86)

Precizm c e1 din (5.85) poate fi obinut din semnalele disponibile, spre eosebire de (5.86) care este util numai n etapa de analiz. Cu (5.84), (5.86) capt urmtoarea form liniar: ~ ~ e1 = T L1 ( s )( w) = T (5.87) unde s-a notat = L1 ( s )( w) . Pentru erori descrise prin ecuaii liniare de forma (5.87) una dintre legile de adaptare a parametrilor utilzeaz un algoritm de tip gradient normalizat de forma: e & & ~ == 1T (5.88) 1+ Propoziia 5.3 [13]. Se consider ecuaia erorii ~ e1 = T (5.89) cu legea de adaptare ~ e & = 1T (5.90) 1+ ~ ~ ~ & Atunci, L , L2 L i | T (t ) | ( 1+ || ||t ) , t , pentru anumii L2 L . Demonstraia se poate efectua asemntor demonstraiei Teoremei 2.4.2 din [13].
Teorema 5.4. Teorema urmririi pentru sisteme monovariabile cu gradul relativ mai mare ca 1. Se consider c sistemului neliniar (5.17) cu minim de faz exponenial stabil i a crui incertitudine parametric este dat de (5.60) i se aplic ( & legea de comand (5.77), (5.78). Dac y m , y m , K , ym1) sunt mginite, ( Lg Lf1h) e

este mrginit i diferit de zero, f, g, h, Lkf h , Lg Lkf h sunt funcii Lipschitz continue i w( x, ) are derivatele n raport cu x i mrginite, atunci, legea de adaptare a parametrilor ~ & = e1 1 + T (5.91)

cu = L1 ( s )( w) , conduce la o urmrire mrginit, adic y ym cnd t i x este mrginit. Pentru demonstraie se poate consulta [13].
5 - 23

Controlul adaptiv al sistemelor multivariabile cu reacie static dup stare

Din paragrafele anterioare se deduce c pentru sistemele ptratice cu minim de faz, comand liniarizant decuplant cu reacie static dup stare, poate fi tranformat ntr-o comand adaptiv prin nlocuirea comenzii (5.37) prin Lf1 h1 ( x) 1 M u = A ( x) e + A ( x) e v L f p h p ( x) e

(5.92)

Reamintim c dac A(x) este inversabil, atunci comanda liniarizat este de asemenea i comand decuplant. Atunci, dac A(x) i Lfi hi depind liniar de parametrii necunoscui, schemele prezentate n paragrafele anterioare, n special cele pentru care 1 = 2 = L = p = 1 pot fi adaptate cu usurin. Deoarece prezentarea ar fi laborioas, n cele ce urmeaz ne vom rezuma la o prezentare succint a acestei tehnici utiliznd modelul matematic corespunztor clasei manipulatoarelor robotice. Dac q n reprezint unghiurile la mbinarea articulaiilor, dinamica unui bra robotic poate fi descris printr-o ecuaie de forma:

&& & M ( q ) q + C ( q, q ) = u

(5.93)

& unde M (q) nn este matricea de inerie pozitiv definit, C (q, q) reprezint vectorul termenilor datorai forelor Coriolis, forelor gravitaionale i forelor de frecare, iar u n reprezint intrrile de comand (cupluri) n articulaiile & motoare. n aplicaii, M(q) i C (q, q) nu sunt cunoscute cu exactitate, dar acestea depind liniar de anumii parametri necunoscui, Atunci,

& & M (q) = i 2 M i (q ) , C ( q, q ) = j1C j (q, q)

i =1 j =1

n1

n2

(5.94)

& Definind vectorul de stare x prin x T = [q T , q T ] i ieirea y = q , se vede c sistemul este decuplabil cu 1 = L = n = 2 i
A( x) = M 1 (q ) , Lf1 h1 1 & M = M ( q ) C ( q, q ) n L f hn
legea de comand decuplant fiind dat de

(5.95)
(5.96)

& u = C ( q, q ) + M ( q ) v
5 - 24

(5.97)

Precizm c elementele matricei M din (5.94) depind de parametrii necunoscui 1 i 2 n forme ce pot fi foarte complicate, n timp ce ecuaia (5.97) depinde liniar de M i C. n scopul urmririi, v se alege sub forma

&& & & v = q m + 2 ( q m q ) + 1 ( q m q )

(5.98)

i legea de comand (5.97), (5.98) reprezint schema de calcul a cuplului. Pentru a face aceast comand adaptiv, legea (5.98) se nlocuiete cu

& u = Ce ( q , q ) + M e ( q ) v
Fie e = qm q . Atunci,
n1 n2 ~ ~ && + 2 e + 1e = M e1 (q) C j (q, q) 1 j +M e1 (q ) M i (q) q 2i & & && e j =1 i =1

(5.99)

(5.100)

Aceasta poate fi rescris ca ~ & && unde W n( n1 +n2 ) este o funcie de q, q i q , iar este vectorul erorii parametrilor. Legea de actualizare a parametrilor este ~ & = W T e1 (5.102) ~ && + 2 e + 1e = W , & e (5.101)

& unde e1 = e + 1e se alege astfel nct ( s + 1 ) /( s 2 + 2 s + 1 ) este stric real pozitiv. Se poate arta c aceasta conduce la o urmrire mrginit. Precizm ca sistemul este cu minim de faz - de fapt nu exist o dinamic a zerorilor. Un && neajuns l reprezint faptul c W depinde de q , dar aceast dependen poate fi evitat prin modificarea corespunztoare a schemei de comand.
Lema 5.2 (Barblat) [15]. Dac (t ) este o funcie real de t definit i
t

uniform continu pentru t t0 , t0 + , adic : + i dac lim ( ) d

t t0

exist i este finit, atunci lim (t ) = 0 .

t

5.4. Principiul comenzii liniarizante exacte

Considerm un sistem neliniar monovariabil de forma (5.17) & x(t ) = f ( x) + g ( x)u

y (t ) = h ( x )
n care se presupune c funciile f () i g () sunt de forma:

(5.103)

5 - 25

f ( x, 1 ) = 1i f i ( x) , g ( x, 2 ) = 2 j g j ( x)
i =1 j =1

n1

n2

(5.104)

unde 1i , i = 1, K , n1 i 2 j , j = 1, K , n2 sunt parametri necunoscui, iar fi(x), gj(x) sunt funcii cunoscute. Conducerea procesului (5.103) are drept obiectiv ca ieirea y(t) s urmreasc un semnal de referin y * (t ) n condiiile aciunii unor perturbaii externe i n condiiile n care anumii parametri i/sau cinetici ale procesului sunt complet necunoscui/necunoscute sau insuficient cunoscui/cunoscute. n cazul particular al unei referine constante, y * (t ) este constant i se numete valoare impus, iar conducerea se numete reglare. Principiul conducerii liniarizante exacte const n a gsi o lege de comand u ( x, y * , ) neliniar, unde = (1 , 2 ) , astfel nct eroarea de urmrire ( y * y ) , s verifice o ecuaie diferenial liniar, stabil, prespecificat, numit model de referin, sau, altfel spus, s stabilizeze sistemul i s realizeze o comportare liniar intrare-ieire a sistemului n circuit nchis. Proiectarea comenzii liniarizante exacte poate fi privit ca o procedur care se desfoar n trei pai, astfel [2]:

Pasul 1. Obinerea unui model intrare-ieire. Acesta se realizeaz prin derivarea succesiv a ecuaiilor modelului (5.103). Modelul intrare-ieire va avea forma unei ecuaii difereniale neliniare de ordinul : y ( ) (t ) = f1 (t , ) + f 2 (t , ) u
(5.105)

cu f1 = Lf h i f 2 = L g Lf1h , f 2 (t ) 0 , unde este gradul relativ al modelului (5.103), Lf h( x) : n i Lg Lf1h( x) : n reprezint derivatele Lie ale lui

h n raport cu f i respectiv g de ordinele precizate. Precizm c: (i) - depinznd de aplicaie, respectiv de forma modelului dinamic, funciile f1 i f2 pot fi funcii foarte complexe ce depind de starea x, i parametrii , precum i de derivatele lor succesive; (ii) - avnd n vedere structura specific a modelului dinamic general (5.103), rezult c modelul intrare-ieire (5.105) este liniar n raport cu mrimea de comand u. Pasul 2. Alegerea unui model de referin liniar-stabil pentru eroarea de urmrire ( y * y ) . Un astfel de model este dat de urmtoarea ecuaie diferenial liniar cu coeficieni constani:

j +1

j =0

dj * y (t ) y (t ) = 0 dt j

(5.106)

unde j , cu +1 = 1 . Acest model descrie modul de descretere a erorii de urmrire a procesului. De exemplu, n Fig. 5.2 este prezentat evoluia erorii de
5 - 26

urmrire ( y * y ) n situaia n care aceasta verific urmtoarele ecuaii difereniale liniare: 1. 2. 3.

d * ( y y) + ( y* y) = 0 dt d2 * d ( y y ) + 3 ( y * y ) + 2( y * y ) = 0 dt dt2 d3 * d2 d ( y y ) + 6 2 ( y * y ) + 11 ( y * y ) + 6( y * y ) = 0 3 dt dt dt

Eroarea de urmarire (y*-y)

Timp

Fig. 5.2. Evoluia erorii de urmrire

n general, coeficienii i , (i = 1,K, ) sunt arbritrari, cu excepia celor care trebuie alei, astfel nct ecuaia diferenial (5.106) s fie stabil. Se observ c modelul de referin (5.106) este independent de punctul de funcionare al procesului.

Pasul 3. Calculul comenzii liniarizante. n final, proiectarea algoritmului de conducere const n calculul mrimii de comand u, astfel nct modelul intrareieire (5.105) s aib o comportare identic cu cea a modelului de referin (5.106). Acest lucru se obine prin eliminarea lui y ( ) (t ) ntre ecuaiile (5.105) i (5.106). Rezult astfel urmtoarea lege de comand liniarizant exact: u (t , ) =
* j 1 1 f1 (t , ) + j +1 d y * (t ) y (t ) + d y (t ) (5.107) j f 2 (t , ) dt dt j =0

n cazul unor incertitudini parametrice, se pot utiliza scheme de conducere adaptiv directe sau indirecte. n comanda (5.107) parametrii necunoscui care apar n funciile f1 i f2 se nlocuiesc cu valorile lor estimate furnizate de
5 - 27

estimatoare ale parametrilor (bazate pe observer de stare sau liniar recursive [12], [16]).
Exemplul 5.3. Vom prezenta modul de obinere a comenzilor liniarizante n cazul unor bioprocese foarte simple pentru care se presupune c modelul este complet cunoscut. Considerm procesul de cretere microbian simpl al crui model dinamic este descris de urmtoarele ecuaii: & X = ( X , S ) X D X (5.108a)

& S = k1 ( X , S ) X D S + D Sin

(5.108b)

unde X i S reprezint biomasa (microorganismele vii), respectiv substratul, considerate msurabile, iar ( X , S ) reprezint viteza specific de cretere microbian, considerat cunoscut. Presupunem c viteza specific de cretere microbian este descris prin modelul Haldane: ( S ) = 0 KM S (t ) + S (t ) + S (t ) 2 / K I (5.109)

unde 0 = * 1 + K M / K I , K M > 0 este constanta Monod, iar K I > 0 este o constant de inhibare. n Fig. 5.3 este reprezentat o lege Haldane pentru 0 = 6.3 h-1, KM = 8 g/l, KI = 0.3 g/l.
Viteza specific de cretere [h-1]

Concentraia substratului S [g/l]

Fig. 5.3. Viteza specific de cretere tip Haldane

Se vede c bioprocesul (5.108) este puternic neliniar, datorit neliniaritii cineticii . Cazul 1. Bioprocesul (5.108) poate reprezinta un proces de depoluare foarte simplu pentru care dorim s reglm concentraia S = y a substratului (poluantului) la o valoare impus, constant S * = y * . Pentru aceasta, dac alegem drept mrime de comand u = F2 = DSin, observm c ecuaia (5.108b) este un model intrareieire cu gradul relativ = 1 .
5 - 28

Atunci, pentru eroarea de urmrire ( S * S ) , vom alege un model de referin de ordinul 1, descris prin ecuaia diferenial: d * ( S S ) + 1 ( S * S ) = 0, 1 > 0 (5.110) dt Comanda liniarizant exact se obine prin eliminarea lui dS / dt ntre ecuaiile (5.108b) i (5.110). Avnd n vedere c y * = S * = constant, rezult: u = F2 = k1 ( X , S ) X + D S + 1 ( S * S ) (5.111) Dac drept mrime de comand se alege viteza de diluie D, atunci u = D i comanda liniarizant va fi dat de: 1 u=D= k1 ( X , S ) X + 1 ( S * S ) (5.112) Sin S

Cazul 2. Pentru bioprocesul (2.71) presupunem c dorim s reglm concentraia biomasei X = y la o valoare dorit X * = y * = constant, considernd drept mrime de comand tot fluxul de alimentare cu substrat, deci u = F2 = DSin. Considerm, de asemenea, c viteza de diluie D este constant. Observm c ecuaia (5.108a) a modelului procesului nu constituie un model intrare-ieire corespunztor pentru obinerea comenzii liniarizante, deoarece nu exprim explicit legtura dintre debitul de alimentare F2 i biomasa X. Pentru obinerea unei legturi directe ntre F2 i X vom deriva ecuaia (5.108a). Rezult:
d 2 X d X d S dX = 2 X d t + S d t X + (( X , S ) D ) d t dt

nlocuind n aceast relaie pe dX / dt i dS / dt prin expresiile lor din modelul (5.108), obinem:
d 2 X = 2 X X D + (X DX ) S X (k1X + DS ) + S X F2 (5.113) dt X 0 , reprezint un model intrare-ieire corespunztor avnd S gradul relativ = 2 . Atunci, pentru eroarea de urmrire vom alege un model de referin de ordinul 2, descris printr-o ecuaie liniar de forma:

care, pentru

d2 d ( X * X ) + 2 ( X * X ) + 1 ( X * X ) = 0, 1 , 2 > 0 2 dt dt sau, echivalent, cnd X * se presupune constant: && & X = 2 X + 1 ( X * X ) = 0, 1 , 2 > 0

(5.114a)

(5.114b)

&& Legea de comand liniarizant se obine prin eliminarea lui X , ntre modelul intrare-ieire (5.113) i ecuaia (5.114b), rezultnd:
5 - 29

 u = F2 = S X
1

( ( X
1

X ) 2 (X DX )

)
1

S X X X D + (X DX ) + S X S (k1X + DS )X (5.115)

5.5. Conducere unui bioproces de cretere microbian

5.5.1. Comanda liniarizant exact

Pentru bioprocesul (5.108) se dorete reglarea concentraiei S = y a substratului la o valoare impus, constant S * = y * , utiliznd drept mrime de comand viteza de diluie D, deci u = D. n aceast situaie, se observ c (5.108b) este un model intrare-ieire cu gradul relativ = 1 . n cazul ideal, n care modelul procesului este complet cunoscut (variabilele X, S i Sin sunt msurabile, iar k1 i sunt cunoscute), comanda liniarizant exact 1 u=D= k1 ( X , S ) X + 1 ( S * S ) , (5.116) Sin S asigur pentru sistemul n circuit nchis o comportare intrare-ieire descris prin urmtoarea ecuaie diferenial stabil de ordinul I: d * ( S S ) + 1 ( S * S ) = 0, 1 > 0 . dt

Se observ c oricare ar fi 1 > 0 , eroarea sistemului S * S exponenial la zero.

5.5.2. Strategii de conducere adaptiv a unui bioproces de cretere microbian

tinde

Cazul 1. Considerm c n modelul (5.108) variabila X este nemsurabil, variabilele S i Sin sunt msurabile on-line, iar k1 i sunt cunoscute. n aceste condiii, o prim variant adaptiv a comanzii (5.112) este dat de: 1 u=D= k1 ( X , S ) X + 1 ( S * S ) (5.117) S in S unde X reprezint estimarea on-line a variabilei nemsurabile X furnizat de un observer asimptotic de stare [12], care, n acest caz, se deduce dup cum urmeaz. Se definete variabila auxiliar z = k1 X + S (5.118) a carei dinamic, dedus din modelul (5.108) este dat de & z = D z + D S in . (5.119) Se observ c dinamica lui z este descris printr-o ecuaie diferenial liniar, nedepinznd de neliniaritatea .

5 - 30

Din (5.118) i (5.119) se deduce urmtorul observer asimptotic pentru estimarea on-line a variabilei X: & z = D z + D S in (5.120) X = ( z S ) / k1 Dac coeficientul k1 este necunoscut, din (5.118) se obine c k1 X = z S , (5.121) iar comanda adaptiv ((5.112)) capt forma: 1 u=D= ( z S ) ( X , S ) + 1 ( S * S ) (5.122) S in S

Cazul 2. Considerm acum c n modelul (5.108) variabile X, S i Sin sunt msurabile on-line, coeficientul k1 este cunoscut, iar este complet necunoscut. n aceste condiii, o a doua variant adaptiv a comanzii (5.112) este dat de: 1 u=D= k1 X + 1 ( S * S ) (5.123) S in S unde reprezint estimarea on-line a parametrului necunoscut furnizat de un estimator al parametrilor. n acest caz, pentru estimarea parametrului necunoscut vom folosi un estimator al parametrilor bazat pe observer de stare [16] care pentru procesul analizat se particularizez sub forma: & X = X D X + 1 ( X X ) & S = k1 X D S + D S in + 2 ( S S ) (5.124) & = X ( X X ) k X (S S )

2 1

unde 1 , 2 , 1 i 2 sunt parametrii pozitivi de proiectare pentru a controla stabilitatea i convergena estimatorului.
Cazul 3. Considerm acum c n modelul (5.108) singurele variabile msurabile on-line sunt S i Sin, variabila X este nemsurabil, coeficientul k1 este necunoscut, iar este complet necunoscut. n aceste condiii, o a treia variant adaptiv a comanzii (5.112) este dat de: 1 u=D= ( z S ) + 1 ( S * S ) (5.125) S in S unde z S = k X este furnitat de urmtorul observer asimptotic pentru estimarea

on-line a variabilei X:
& z = D z + D S in , k X =zS
1

(5.126)

iar reprezint estimarea on-line a parametrului necunoscut furnizat de un estimator al parametrilor bazat pe observer de stare [12] care pentru cazul analizat se particularizez sub forma:
5 - 31

& S = ( z S ) D S + D S in + ( S S ) & = ( z S ) (S S )

(5.127)

unde i sunt parametrii pozitivi de proiectare pentru a controla stabilitatea i convergena estimatorului.

BIBLIOGRAFIE
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. ASTOLFI A., KARAGIANNIS D., ORTEGA R.. Nonlinear and Adaptive Control with Applications, Springer-Verlag London Limited, 2008. BASTIN G., DOCHAIN D., On-line Estimation and Adaptive Control of Bioreactors, Elsevier, Amsterdam, 1990. IOANNOU P.A., SUN J., Robust Adaptive Control, Prentice-Hall, Upper Saddle River, 1996. ISIDORI A., MOOG C.H., On the nonlinear equivalent of the notion of transmission zeros, Modeling and Adaptive Control, C. Byrnes and A. Kurszanscki (Eds.), Lecture Notes in Information and Control, Springer-Verlag, 1987. ISIDORI A., Nonlinear Control Systems, Springer-Verlag, Berlin, 2nd edition, 1989. ISIDORI A., Nonlinear Control Systems, Springer-Verlag, Berlin, 3rd edition, 1995. LIN C.F., Advanced Control Systems Design, PTR Prentice Hall, Englewood Cliffs, New Jersey, 1994. MARINO R., TOMEI P., Nonlinear Control Design, Prentice Hall Inter., London, 1995. MONACO S., NORMAND-CYROT D., Nonlinear systems in discrete time, Algebraic and Geometric Methods in Nonlinear Control Theory, M. Fliess and M. Hazewinkel (Eds.), Riedel, Dordrecht, 1986. MONACO S., NORMAND-CYROT D., STORNELLI S., On the linearizind feedback in nonlinear sampled data control schemes, Proc. of the 25th IEEE Conf. of Decision and Control, Athens, Greece, pp. 2056-2060, 1986. NARENDRA K.S., ANNASWAMY A.M., Stable Adaptive Systems, Prentice-Hall, Englewood Cliffs, 1989. PETRE E., Sisteme automate neliniare - Aplicaii n biotehnologie, Ediia a 2-a, Editura Universitaria, Craiova, 2008. SASTRY S., BODSON M., Adaptive Control: Stability, Convergence and Robustness, Prentice-Hall, London, 1989. SASTRY S., ISIDORI A., Adaptive control of linearizable systems. IEEE Trans. Automatic Control, vol. 34, no. 11, pp. 11231131, 1989. HALANAY A., RSVAN V. Applications of Liapunov Methods in Stability, Kluwer Academic, 1993. PETRE E., SELITEANU D. Modelarea i identificarea bioproceselor de depoluare, Ed. Universitaria, Craiova, 2005.

5 - 32