UNIVERSITE TECHNIQUE DE SOFIA

Emil NIKOLOV
Daniel JOLLY
Nina NIKOLOVA
Bela BENOVA

COMMANDE
ROBUSTE

SOFIA

2005
 Le présent livre est un manuel, rédigé conformément à la première partie (Mé-
thodes fréquentielles et systèmes à propriétés robustes) du programme éducatif
pour la discipline “Commande robuste” - obligatoire dans les plans d’études de la
spécialité 02 21 08 “Automatisation de la production” pour les étudiants dans la Fi-
lière Francophone de Génie Electrique de l’Université Technique - Sofia.

Dans le manuel sont tracés, argumentés et analysés les directions d’une ap-
proche nouvelle pour la conception de stratégie de commande - l’approche de la
contre-réaction combinée aux conséquences des perturbations, aussi bien qu’à cer-
taines sources de fluctuations paramétriques et structurelles présentes dans les
systèmes de commande. Les aspects liés à l’instrumentation, la configuration et la
systématisation de cette approche sont basés sur l’utilisation combinée de la syn-
thèse robuste, de la stabilisation paramétrique et de l’absorption de perturbations à
structure d’onde, permettant d’atteindre ainsi une plus grande efficacité.

L’ouvrage considère les classes typiques de systèmes de commande à pro-

priétés robustes (réalisant l’approche de la contre-réaction combinée aux perturba-
tions, aussi bien qu’aux facteurs d’action permanente qui réparamétrisent ou res-
tructurent le système), les méthodes fréquentielles de synthèse principales, les mé-
thodes d’analyse et d’analyse robuste de performance, certains problèmes d’appli-
cation de ces systèmes.

Les auteurs tiennent à exprimer leur gratitude au rapporteur Maître de Confé-

rences Dr. Kostadin Georgiev Kostov pour l’objectivité et l’utilité de ses notes de
rédaction, mentions, recommandations et propositions pour des corrections du ma-
nuscrit, qui ont contribué à l’amélioration de ses qualités. Les auteurs remercient
également leurs collègues du Département “Automatisation de la production conti-
nue” de la Faculté d’Automatique à l’Université Technique de Sofia et du Labora-
toire de Génie Informatique et d’Automatique de la Faculté des Sciences Appliquées
à l’Université d’Artois pour les opinions et les propositions lors des discutions de ré-
daction qui ont aidé à la finalisation de ce livre.
 COMMANDE ROBUSTE

TABLE DE MATIERES

INTRODUCTION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1. Chapitre 1. PERTURBATIONS ET INCERTITUDE DANS

LES PROCEDES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1. Conditions d’exploitation et spectre de l’incertitude. . . . . . . . . . . . . . 11
1.1.1. Bruit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.2. Disturbances. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.3. Perturbations paramétriques. . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2. Modèles de l’incertitude. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.1. Caractéristiques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.2. Modèle de la caractéristique en fréquence perturbée. . . . . . 14
1.2.3. Modèle avec vecteur des paramètres composés . . . . . . . . . . 15
1.2.3.1. Vecteur composé avec composante mesurable . . . 15
1.2.3.2. Vecteur composé - fonction du temps,
non stationnarité. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.4. Modèles M −Δ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.4.1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.4.2. Types de modèles . . . . . . . . . . . . . . . . . . . . . . . . . . 16
− tieme
1.2.5. Modèle avec la k itération du mouvement forcé
du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2.6. Modèles dans la théorie des perturbations singulières. . . . . 22
1.2.6.1. Perturbations régulières. . . . . . . . . . . . . . . . . . . . . . 23
1.2.6.2. Perturbations singulières. . . . . . . . . . . . . . . . . . . . . 23
1.2.7. Modèles à structure d’onde . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.2.7.1. Modèles avec des équations semi-déterminée . . . . 25
1.2.7.2. Modèles d’état avec des équations
semi déterminées. . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.2.7.3. Modèles à structure d’onde, utilisant
décomposition en série de puissance. . . . . . . . . . . . 31
1.3. Classifications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.3.1. Actions perturbatrices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.3.2. Procédés de commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.4. Applications. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.4.1. Modèles des processus technologiques principaux -
débit, chute de pression, pression, niveau . . . . . . . . . . . . . . 33
1.4.2. Structure des modèles pour l’analyse par simulation. . . . . . . 35
1.5. Conclusions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

2. Chapitre 2. PERFORMANCE DES SYSTEMES DE COMMANDE EN

CONDITIONS D’INCERTITUDE. . . . . . . . . . . . . . . . . . . . 37
2.1. Introduction et définition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2. Stabilité robuste et performance robuste. . . . . . . . . . . . . . . . . . . . . . 38
2.2.1. Fonctions de la sensibilité et de la sensibilité
complémentaire des systèmes de commande . . . . . . . . . . . 38
2.2.2. Erreur dynamique dans les systèmes et critères lors de
la conception d’une commande optimale - H 2 H ∞ . . . . . 42
2.2.3. Stabilité robuste. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2.4. Performance robuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.3. Critères de performance, utilisés lors de la synthèse
de systèmes robustes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

ISBN 954 438 500 2 3

 COMMANDE ROBUSTE

2.3.1. Critères de stabilité robuste et performance robuste;

analyse robuste - définition . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.3.2. Critère de minimisation de la norme - H 2 de la fonction
de sensibilité e du système pondérée par W v . . . . . . . . . . . 49
2.3.3. Critère de minimisation de la norme - H ∞ de la fonction
de sensibilité e du système pondérée par W v . . . . . . . . . . . 50
2.3.4. Critère quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.3.5. Critère de minimisation des variations des indices
de performance du processus transitoire
(avec les pôles du système en boucle fermée donnés) . . . . 50
2.3.6. Critère de minimisation des variations de la marge
de stabilité. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.3.7. Critère de la déviation prédéfinie de la trajectoire
nominale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.4. Méthodes pour la synthèse de systèmes robustes . . . . . . . . . . . . . . 52
2.4.1. Synthèse de la commande optimale - H 2 H ∞ . . . . . . . . . 53
2.4.2. Minimisation de la norme - H ∞ de T y 1 u1 par F . . . . . . . . 53
2.4.3. Minimisation de la valeur singulière structurée
de T y 1 u 1 par F ( μ - synthèse) . . . . . . . . . . . . . . . . . . . . . . 54

3. Chapitre 3. SYSTEMES ROBUSTES A DEVIATION MINIMALE

DE LA TRAJECTOIRE NOMINALE . . . . . . . . . . . . . . . . 55
3.1. Synthèse de systèmes robustes sous critère “déviation minimale
de la trajectoire nominale”. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.1.1. Mise en tâche. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.1.2. Synthèse structurelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.1.3. Méthode pour la synthèse analytique
d’un système robuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.1.4. Analyse de la solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2. Problèmes d’application. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.2.1. Synthèse d’un système robuste
(problème avec modèle linéaire). . . . . . . . . . . . . . . . . . . . . . 64
3.2.1.1. Synthèse analytique - exemple numérique. . . . . . . 64
3.2.1.2. Analyse robuste. . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.2.1.3. Méthode d’analyse comparative et estimation
de performance par des indices généralisés. . . . . . . 68
3.2.1.4. Analyse de performance en fonction des conditions
initiales de la synthèse. . . . . . . . . . . . . . . . . . . . . . . . 84
3.2.2. Performance du système robuste pour la commande
d’un procédé non linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.3. Conclusions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4. Chapitre 4. SYSTÈMES ROBUSTES À MODÈLE INTERNE . . . . . 101
4.1. Structure des systèmes robustes à modèle interne. . . . . . . . . . . . . . 101
4.2. Relations de base et transformations structurelles dans
les systèmes robustes à modèle interne. . . . . . . . . . . . . . . . . . . . . . 101
4.3. Mise en tâche du problème de synthèse. . . . . . . . . . . . . . . . . . . . . . 102
4.4. Critère et méthode de synthèse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
4.5. Algorithme de synthèse analytique de systèmes robustes
à modèle interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.6. Synthèse d’un système robuste de commande
à modèle interne - exemple numérique. . . . . . . . . . . . . . . . . . . . . . . 106
4.7. Analyse de la performance du système robuste de commande
à modèle interne synthétisé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
4.8. Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

ISBN 954 438 500 2 4

 COMMANDE ROBUSTE

5. Chapitre 5. SYSTÈMES À COMPENSATION PARAMÉTRIQUE . . 115

5.1. Introduction; méthodes d’analyse et de synthèse . . . . . . . . . . . . . . . 115
5.2. Structures des systèmes à compensation paramétrique . . . . . . . . . 116
5.3. Méthodes de synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.3.1. Mise en oeuvre du problème de stabilisation en série. . . . . . 118
5.3.2. Méthode de l’équation de compensation de
la balance paramétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
5.3.3. Synthèse de système de stabilisation en série. . . . . . . . . . . 124
5.3.4. Mécanisme de la compensation paramétrique . . . . . . . . . . . 125
5.3.5. Méthode de l’équation de compensation de la balance
paramétrique pour stabilisation additive et combinée. . . . . . 126
5.4. Problèmes d’application. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.4.1. Mise en oeuvre du problème pour la synthèse
de systèmes avec stabilisation additive et combinée . . . . . . 128
5.4.2. Synthèse de systèmes avec stabilisation additive
et combinée – exemple numérique. . . . . . . . . . . . . . . . . . . . 137
5.5. Analyse et estimation de performance . . . . . . . . . . . . . . . . . . . . . . . 138
5.5.1. Indices généralisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
5.5.2. Estimations de la performance et schéma d’estimation. . . . . 139
5.6. Avantages des systèmes à compensation paramétrique . . . . . . . . . 141
5.6.1. Analyse de performance et indices de performance . . . . . . . 141
5.6.2. Résultats de l’analyse robuste et
de l’analyse comparative. . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
5.7. Système à compensation paramétrique pour la commande
de la température de vapeur surchauffée. . . . . . . . . . . . . . . . . . . . . 150
5.8. Systèmes robustes avec déviation minimale de la trajectoire
nominale stabilisée. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.8.1. Mise en tâche et méthode de synthèse. . . . . . . . . . . . . . . . . 152
5.8.2. Relations principales dans l’algorithme de synthèse. . . . . . . 153
5.9. Problèmes d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
5.9.1. Performance d’un système robuste avec déviation
minimale de la trajectoire nominale stabilisée pour
la commande d’un procédé non linéaire . . . . . . . . . . . . . . . . 156
5.9.2. Estimation des résultats de la synthèse, analyse robuste,
analyse comparative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
5.10. Conclusionv. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160

6. Chapitre 6. SYSTÈMES ABSORBANTS LES PERTURBATIONS. . 161

6.1. Introduction et définitions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
6.2. Modèles d’état des perturbations à structure d’onde. . . . . . . . . . . . . 162
6.3. Réalisation du principe de l’absorption complète de l’effet
des perturbations sur l’état et la variable réglée du système . . . . . . 163
6.4. Constructeur d’état pour des perturbations à structure d’onde . . . . . 165
6.4.1. Constructeur combiné d’état de la perturbation
d’ordre plain. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
6.4.2. Constructeur combiné d’état d’ordre diminué . . . . . . . . . . . . 167
6.5. Absorption de l’influence des perturbations à structure d’onde
sur la grandeur réglable du système. . . . . . . . . . . . . . . . . . . . . . . . . 168
6.6. Tâches d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
6.6.1. Réalisation des régulateurs absorbant les perturbations. . . . 169
6.6.2. Réalisation des régulateurs minimisant les perturbations . . . 171
6.6.3. Réalisation des régulateurs partiellement absorbant
les perturbations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
6.6.4. Fonctions de transfert des régulateurs absorbant
les perturbations à structure d’onde . . . . . . . . . . . . . . . . . . . 173
6.6.5. La mise en tâche et méthodes pour la synthèse
de systèmes partiellement absorbants les perturbations
pour la commande de procédés à minimum de phase. . . . . 177

ISBN 954 438 500 2 5

 COMMANDE ROBUSTE

6.6.6. Analyse de la solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195

6.6.7. Performance de systèmes partiellement absorbants
les perturbations lors de la commande
d’un procédé nonlinéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
6.6.8. Analyse robuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
6.6.9. Systèmes à compensation paramétirque, partiellement
absorbants les perturbations . . . . . . . . . . . . . . . . . . . . . . . . 199
6.6.10. Systèmes robustes avec déviation minimale et stabilisée
de la trajectoire optimale, partiellement absorbant
les perturbations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
6.6.11. Estimation de la performance des systèmes partiellement
absorbants les perturbations. . . . . . . . . . . . . . . . . . . . . . . . . 202
6.7. Système partiellement absorbant les perturbations pour
la commande de la température de vapeur surchauffée. . . . . . . . . . 204
6.8. Conclusions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207

BIBLIOGRAPHIE. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209

ISBN 954 438 500 2 6

 COMMANDE ROBUSTE

INTRODUCTION

Le but principal lors de la commande des procédés est la stabilisation des grandeurs qui
les décrivent. La stratégie de commande dans ce cas est celle de contre-réaction aux perturba-
tions. C’est pourquoi les méthodes utilisés s’opposent à l’ensemble d’action nuisibles (paramé-
triques, structurelles et de signal), générées par le milieu de fonctionnement des procédés.
Dans les conditions d’incertitude a priori dans le modèle du procédé commandé et en fonc-
tionnement multi-régime, le système de commande doit satisfaire à certaines exigences de sta-
bilité, rapidité et précision. L’efficacité réelle d’un système industriel est déterminée par la per-
formance robuste et l’aptitude de fonctionnement multi-régime. Les critères sévères dans ce
domaine sont liés à l’efficacité et l’amélioration des instrumentations techniques de commande
dans de telles conditions et déterminent les tendances dans leur développement selon trois
axes de conception. Les systèmes adaptatifs, les systèmes avec modèle et les systèmes robus-
tes traitent l’incertitude de manière différente.
Les premiers [6,7,17,92,130 ÷ 132] utilisent l’approche de l’adaptation (Athans M., As-
trom, K., Wittenmark B., Kuo S. M., Morgan D.R., Landau J. D., Ackermann J., Giri F.,
Dugard M. L., Dion J. M., Ротач В. Я., Цыпкин Я.З., Фомин В .Н., Фрадков А. Л.,
Якубович В. А., Томов И. И. etc.) aux variation dans le procédé à travers une réparamétrisa-
tion correspondante du dispositif de commande.
Dans le deuxième cas [58 ÷ 60,104] (Prett D., Arkun, Y., J. Hollett, W. Canney B., Mo-
rari M., Mehra, R., Rouhani R., Zafiriou E., Richalet, J., Rault A., Testud J., Papon J.,
Хаджийски М. Б. etc.)), l’approche proposée par Garcia C. et Morari M., qui ont développé
l’idée de Richalet J., consiste en une commande prédiction selon le modèle du procédé.
Pour le troisième type de systèmes [1,3,4,8,9,11,12,14 ÷ 22,24 ÷ 29,31,33,35,37 ÷ 41,
43 ÷ 51, 54 ÷ 57,62 ÷ 64,66,67,69 ÷ 73,81,82,86 ÷ 88,90,91,94,97,117,120 ÷ 125,127,130 ÷ 132], (Youla
D. C., Zames G., Doyle J. C., Francis B. A., Kwakernaak H., Chen B. S., Bernussou J.,
Томов И. И., Петков П. Х., Христов Н. Д. etc.) on fait recours à la synthèse robuste dans
une intervalle d’incertitude connue (fixée) a priori pour lе modèle du procédé considéré.
L’utilisation de chacune parmi ses trois approches en tant que stratégie de contre-réaction
aux perturbations mène bien sûr à certaines difficultés. Les algorithmes adaptatifs, en principe,
réalisent des procédures d’optimisation en temps réel sous certaines conditions limitatives,
mais cependant leur stabilité (la convergence, la vitesse de convergence et la convergence de
calcul), compliquent leur applicabilité pratique. Pour le deuxième cas, l’efficacité de la com-
mande prédictive est déterminée par les possibilités d’utilisation des modèles (statiques ou dy-
namiques) du procédé dans tous les régimes possibles. Quant aux systèmes robustes, le pro-
blème est leur conservatisme pour surdimensionnement lors de la synthèse des intervalles
d’incertitude.
Une relation (Fig.i) existe entre la performance d’un système et le degré d’incertitude
dans les conditions d’exploitation de ce système. En présence d’incertitude élevée, les systè-
mes conçus selon la stratégie de contre-réaction seulement aux perturbations de signal, ne
peuvent pas fournir la performance exigée. Les indices de performance des systèmes se dé-
gradent lors de reparamétrisation et restructuration (fluctuations de l’ordre et du type de l’équa-
tion) du modèle du procédé en dessus de la limite supérieure (vers le cas de limite et perte de
stabilité). Les stratégies de la commande adaptative, la commande avec modèle et commande
robuste peuvent traiter l’incertitude et fournir ainsi une efficacité d’exploitation supérieure à
celle des systèmes conçus selon la stratégie de contre-réaction seulement aux perturbations de
signal.

ISBN 954 438 500 2 7

 COMMANDE ROBUSTE

Durant les dernières années sont proposées des solutions, basées sur une différente stra-
tégie de contre-réaction aux perturbations en présence d’incertitude. Combinant les aspects
instrumental, configurationnel et systématique, ces solutions traitent en même temps les per-
turbations externes (de signal) et les conséquences de l’incertitude, aussi bien que les facteurs
d’action permanente, qui réparamétrisent ou restructurent le système, tels le bruit acoustique
dans les vannes automatiques ou les champs électromagnétiques.
performance

stratégie de
contre-réaction aux
5 perturbations et aux facteurs
d’action permanente
qui modulent des
4 perturbations paramétriques

stratégie de
contre-réaction aux
2 perturbations stratégie de
paramétriques contre-réaction aux
perturbations
de signal
1

0
0 1 2 3 4 5 6 7 8 9 10 11 12

(Fig.i) incertitude
La stratégie combinée place le point de fonctionnement décrivant l’état initial aussi bien
que l’état d’exploitation courant dans cette région de la caractéristique « degré d’incertitude –
performance du système » Fig.i, où la performance du système domine l’incertitude y présente.
Evidemment, durant les processus transitoires et lors de l’exploitation, la réparamétrisation et
la restructurisation nuisent aux indices de performance. Bien sûr, en régimes transitoires ou de
travail, la reparamétrisation et la restructuration dans le procédé causent la dégradation des in-
dices de performance. Ceci dit, une tendance dans la conseption des systèmes est le déve-
loppement d’une approche de contre-réaction combinée aux perturbations, aussi bien qu’aux
facteurs de présence permanente réparamétrisant et/ou restructurant le système.

Cette stratégie combinée est réalisée par les systèmes à propriétés robustes, qui com-
binent de manière efficace les propriétés:
- des systèmes à compensation paramétrique dans la classe Gain Scheduled Control
Systems - systèmes avec variation planifiée des paramètres du dispositif de commande, confor-
mément à des facteurs de régime mesurables (Hyde R., Glover K., Rugh W., Shamma J.,
Athans M., Wang J., Rugh W. etc.);
- des systèmes robustes dans la classe Robust Model Matching Systems - systèmes à
modèle interne (Chen B. S., Lin C. L., Томов И. И. etc.);

ISBN 954 438 500 2 8

 COMMANDE ROBUSTE

- des systèmes absorbants les perturbations (Disturbance Absorbing System) (John-

son C. D.);
- des systèmes d’ordre non entier (Commande Robuste d`Ordre Non Entier) (Ousta-
loup A.);
- des systèmes intelligents, basés à la théorie des ensembles flous (Yager R.R., Tong
R. M., Takagi T., Sugeno M., Ross T. J., Pedrycz W., Mamdani E., Assilian S., Mamdani
E. N., Lee C. C., Verbruggen H. B., Bruijn P. M., Hellendorn H., Reinfrank M. etc.), aux
réseaux de neurones (Cichocki A., Unbehauen R., Demuth H., Beale M., Kosko B., Lipp-
man R. P., Nauck D., Kruse R., Wasserman P. D., Yang Y.Y., Linkens D. A. etc.), à la théo-
rie du chaos (Poincare H., Lorenz E.N., Ott L., Grebogi C., York A., Vincent T. L., Yu J.,
Paskota M., Tel T., Hиnon M., Ogata K. etc.).

En tant que des systèmes robustes typiques, dans le livre sont considérés:
- systèmes robustes à déviation minimale de la trajectoire nominale avec retour condi-
tionnel et modèle interne du procédé;
- systèmes robustes à modèle interne;
- systèmes à compensation paramétrique et stabilisation en série;
- systèmes à compensation paramétrique et stabilisation additive et combinée;
- systèmes robustes à déviation minimale de la trajectoire nominale stabilisée;
- systèmes partiellement absorbants les perturbation;
- systèmes à compensation paramétrique, partiellement absorbant les perturbations;
- systèmes robustes avec déviation minimale de la trajectoire nominale, partiellement
absorbants les perturbations;
- systèmes robustes à déviation minimale de la trajectoire nominale stabilisée, partielle-
ment absorbant les perturbations.

Egalement sont décrites et analysées les méthodes de synthèse utilisées de:

- la stabilité robuste et la performance robuste;
- la stabilité robuste et la performance robuste selon un paramètre libre;
- l’équation de compensation de la balance paramétrique sous critère °valeur constante
des coefficients de transfert du système°;
- l’équation de balance de stabilité sous critère °déviation minimale et performance ro-
buste°;
- l’équation de compensation de la balance paramétrique sous critère généralisé °déviation
minimale et stabilité robuste° et ° valeur constante des coefficients de transfert du système°;
- l’équation de balance de l’absorption des perturbations sous critère °égalité des marges
de stabilité°, °module optimal° ou bien °ressemblance maximale°;
- la balance paramétrique avec l’équation de balance de l’absorption des perturbations
sous critère généralisé °valeur constante des coefficients de transfert du système avec égalité
des marges de stabilité°;
- l’équation de balance de la stabilité, de la balance paramétrique et de l’absorption des
perturbations sous critère généralisé °déviation minimale et stabilité robuste avec valeur cons-
tante des coefficients de transfert du système selon module optimal°.

ISBN 954 438 500 2 9

 COMMANDE ROBUSTE

Une attention spéciale est portée aux méthodes existantes pour l’estimation quantitative
et qualitative de l’efficacité et de la supériorité des systèmes robustes. L’analyse robuste de
performance utilise les normes des matrices des systèmes en boucle fermée, fait preuve de la
stabilité et de la performance robuste. Ses résultats permettent aussi une estimation quantita-
tive de la performance augmentée à l’aide des marges de stabilité robuste. Cette estimation
traite la valeur singulière maximale structurée de la fonction de transfert en boucle fermée ma-
tricielle - la norme de la matrice de commande pour la μ - synthèse.
Pour les buts de l’analyse technologique d’ingénieur et de l’analyse systématique de la
performance des systèmes robustes, mis en conditions réelles d’exploitation sous l’effet de
l’intégralité du spectre de perturbations (de signal, paramétriques, structurelles), sont considé-
rées également les méthodes de la modélisation et de l’analyse comparative par simulation.
Elles sont utilisées pour l’estimation quantitative de la performance suivant les indices généra-
lisés °déviation de la trajectoire nominale°, °erreur dynamique° pour une longue période du
fonctionnement du système. L’analyse parallèle par simulation (avec modélisation des pertur-
bations généralisées), confirme que pour toutes les autres conditions étant les mêmes, par
rapport aux systèmes réagissant seulement aux perturbations de signal, pour les robustes (se-
lon la stratégie de contre-réaction combinée): les marges de stabilité et de stabilité robuste
restent constantes, l’erreur dynamique et la déviation de la trajectoire nominale sont diminuées
considérablement.
Les résultats dans le livre sont représentatifs, tant qu’ils soient obtenus à partir de modè-
les de procédés qui reflètent des fluctuations paramétriques et structurelles. Parmi ces modè-
les sont ceux des caractéristiques d’exploitation des vannes automatiques, la dynamique de la
régulation dans les vannes automatiques pour un fluide en mouvement forcé, etc. Les modèles
des procédés généralisés permettent la simulation de variations de la charge hydraulique, pro-
ches ou supérieures aux réelles. Cela donne la possibilité d’analyse des caractéristiques fré-
quentielles f 1 et temporelles f 2 des systèmes dynamiques considérés, selon les aspects de
nonlinéarité, nonstationarité et par la méthode des «coefficients fixés», en tant que des fonc-
tions multidimansionnelles de:
- la fréquence, la reparamétrisation et la charge dans le temps

f 1 ( ω , ξ t , s t );

- le temps, la consigne, la reparamétrisation et la charge dans le temps

(
f 2 t, y t , ξ t , s t
0
);
- la fréquence, la reparamétrisation et la charge, dans le temps et des procédés dans les
vannes automatiques VA (à caractéristique linéaire VALIN ou à caractéristique logarithmique
respectivement VALOG ) par un réglage du débit à caractère lisse

( )
f 1„ ( ω , ξ t , s t , c 1 ) , f 2„ t , y t , ξ t , s t , c 1 .
0

A part les propriétés structurelles, les principes de conception, les méthodes et les algo-
rithmes de synthèse et d’analyse des systèmes robustes, dans le livre pour la discipline “Com-
mande Robuste”, sont considérés aussi bien les solutions de plusieurs problèmes d’applica-
tion de la pratique et des exemples industriels, dont certains sont généralisés et formulés en
tant que des approches d’ingénieur.

ISBN 954 438 500 2 10

 COMMANDE ROBUSTE

Chapitre 1
PERTURBATIONS ET INCERTITUDE DANS LES PROCEDES

1.1. Conditions d’exploitation et spectre de l’incertitude.

Lors de la synthèse d’un système de commande, l’information a priori pour le modèle du
procédé est imprécise et/ou incomplète. Les valeurs des paramètres, utilisées pour la synthèse,
représentant un point de fonctionnement déterminé de la caractéristique du procédé, sont les
valeurs nominales ou les paramètres nominaux.
En conditions d’exploitation, les valeurs des paramètres varient par rapport à celles, utili-
sées dans la synthèse, sous l’action de différents facteurs (productivité, charge, durée de tra-
vail sans avarie en régime continu, changement de régimes de travail, etc.), mais surtout à
cause des actions perturbatrices du milieu sur le procédé et sur le système qui le commande.
Les conditions du milieu exercent sur les systèmes de commande deux types d’actions
perturbatrices - paramétriques (modulées par le système lui-même, internes, appelées en géné-
ral perturbations) et de signal (générées en dehors du système, externes, appelées aussi per-
turbations). La différence entre ces deux types de perturbations quant à leur effet définitif sur
la(les) grandeur(s) réglable(s) du système n’est pas explicite ou évidente, mais d’après cet effet,
les actions nuisibles qu’exerce le milieu sur le système sont soit de type “bruit”, soit de type à
structure d’onde (Fig.1.1).
Cette information imprécise et/ou incomplète pour le modèle analytique du procédé est ap-
pelée incertitude a priori. Elle est une fonction de la manifestation des perturbations et
dépend d’elles.

1.1.1. Bruit.
Le bruit est un signal nuisible, superposé à la(les) grandeur(s) réglable(s), de caractère
chaotique, avec des inflexions brusques, sans structure ondulatoire. La description du bruit est
effectuée à travers les propriétés stochastiques du signal (valeur moyenne, dispersion, densité
spectrale, etc.), tandis que sa modélisation analytique se fait à l’aide de la théorie classique des
processus aléatoires (“bruit blanc”, “bruit coloré”, etc.).

1.1.2. Disturbances.
Les perturbations externes (disturbances) sont des signaux qui, dans le cas général, ne
peuvent pas être mesurés, dont le comportement ne peut pas être influencé. Le modèle analyti-
que du procédé est conçu en tenant compte de ce type de perturbations externes, si leurs
points d’application sont connus - par exemple les perturbations externes localisées à l’entrée
ou à la sortie du procédé.
Dans le cas d’une description finie dans l’espace d’état, le modèle est de la forme
x& = A x + B μ + G ξ , où la structure de la matrice G est déterminée par les points d’application
de la perturbation externe ξ . Si ces derniers ne sont pas connus, la disturbance ξ est modéli-
sée en la considérant ramenée à la sortie du procédé.
Les perturbations externes (disturbances) sont systématisées comme suit:
1. Disturbances dont le comportement dans le temps n’est pas connu, mais pour les-
quelles on peut supposer une forme pour leur variation. Dans ce cas on admet que le signal
perturbant est limité en amplitude dans une marge connue a priori.
2. Disturbances avec une forme déterminée, mais avec des valeurs inconnues des pa-
ramètres (par exemple - signal harmonique, mais d’amplitude et/ou de fréquence inconnue),
pour lesquelles sont connues a priori les marges de variation.

ISBN 954 438 500 2 11

 COMMANDE ROBUSTE

3. Disturbances avec une forme déterminée, les paramètres sont quasi-stationnaires -

varient peu, comme des grandeurs aléatoires de distribution connue.
4. Disturbances représentant des processus aléatoires de propriétés stochastiques
connues - “bruit blanc”, bruit corrélé exponentiellement, etc.
5. Disturbances représentant des processus aléatoires de propriétés stochastiques par-
tiellement connues - bruit de Gauss avec densité spectrale d’amplitude inconnue, considérée
comme bornée, avec les deux limites connues.
Les disturbances ne doivent pas être traitées en tant que cause pour l’incertitude a prio-
ri.
ε
40

t
1

-60

ε
50

perturbation de type bruit

t
1

Fig.1.1
perturbation à structure d’onde
-50

1.1.3. Perturbations paramétriques.

Ce type de perturbations internes représente une variation aléatoire courte ou continue
des propriétés dynamiques et/ou statiques du procédé. Elles se manifestent par une modula-
tion paramétrique dans le canal de la commande.
Cette “technologie” de pénétration est utilisée directement dans une classe de modèles
- les perturbations paramétriques généralisées dépendantes de l’entrée citées dans & 1.4.1.
Ce sont les perturbations internes paramétriques qui causent l’apparition de l’incertitude
dans le modèle du procédé. Elles sont systématisées comme suit:
1. Perturbations introduisant une incertitude structurelle dans le modèle de structure
fixe, mais de paramètres indéterminés. Dans le cas d’incertitude structurelle ou des perturba-
tions structurelles :
1.1. Les valeurs des paramètres du modèle sont inconnues, mais les marges de
leurs variations sont connues.
1.2. Les paramètres sont des grandeurs aléatoires de distribution mutuelle intégra-
lement ou partiellement connues.
2. Perturbations, introduisant l’incertitude non structurelle, dans le modèle avec des pa-
ramètres aléatoires qui est créé en négligeant certaines dépendances technologiques non pri-
mordiales. Dans ce cas l’incertitude non structurelle est difficile à être caractérisée. Une des ap-
proches possibles est proposée par la théorie des perturbations singulières, qui précise la dy-
namique du procédé et de manière analytique ajoute dans le modèle “nominal” les
dépendances négligées, par annulation d’un ou de quelques paramètres. Une autre approche,
utilisée aussi dans la commande adaptative, est la création d’un modèle d’ordre très élevé.

ISBN 954 438 500 2 12

 COMMANDE ROBUSTE

perturbation à structure d’onde

certitude totale
40

certitude totale
1

-60

50

structure d’onde
spectre d’incertitude
0

-50

40

bruit coloré
perturbation de type bruit
1

-60
40

bruit blanc
1

-60

incertitude totale Fig.1.2

La sensibilité des systèmes à contre-réaction est définie par rapport aux deux types de
perturbations, mais elle est déterminée surtout par les disturbances à travers le niveau de bruit,
mesuré à la sortie du système.
Un système de commande est d’autant plus robuste pendant son fonctionnement que sa
dépendance vis-à-vis des perturbations internes partiellement non structurelles est moindre.
C’est pourquoi la sensibilité et la robustesse sont mutuellement complémentaires. La robus-
tesse est utilisée en tant qu’estimation de l’effet des perturbations internes sur la performance
du système.
L’indice fondamental de robustesse est la stabilité robuste - le système reste stable pour
toute perturbation appartenant à l’intervalle délimitée lors de la conception de ce système.
La performance robuste reflète la stabilité robuste et démontre que certains indices de
performance spécifiques (inertie, degré d’amortissement, etc.) ne varient pas pour toute pertur-
bation appartenant à cette intervalle.
L’incertitude a priori peut être paramétrique ou structurelle, si, respectivement, elle
concerne les valeurs des paramètres pour une structure fixe du modèle ou bien cette même
structure (l’ordre de l’équation caractéristique). Une représentation possible du spectre de
l’incertitude est montrée à la Fig.1.2.

1.2. Modèles de l’incertitude.

1.2.1. Caractéristiques.
Si pour un modèle analytique du procédé, formé à partir d’une équation différentielle,
comprenant la perturbation paramétrique ξ ( t ) , du type (1.1)
dny (t ) d x(t )
m

(1.1) a n + .... + a 0 y ( t ) = b m + .. . . + b 0 x ( t ) + ξ (t ),
dt n
m
dt

ISBN 954 438 500 2 13

 COMMANDE ROBUSTE

où
⎛ i di ⎞
(1.2) A ( D ) y ( t ) = B ( D ) x ( t )+ ξ ( t ) ⎜
, D = ⎟ ,
⎜ dt
i ⎟
⎝ ⎠
où D est l‘opérateur de dérivation, y ( t ) et x ( t ) sont les grandeurs réglable et réglante,
alors:
- les caractéristiques structurelles du modèle (1.1) sont déterminées en fonction des
rangs m et n des polynômes;
- les caractéristiques de performance du modèle (1.1) sont déterminées à partir des va-
leurs α i du vecteur α des paramètres du modèle, de dimension dim α = n + m + 1 , et sont
comme suit:
(1.3) α = [ a n a n −1 . . . a 0 b m b m −1 . . . b 0 ] T
,

• stabilité, si les zéros de A ( D ) (1.2) sont dans la partie gauche du plan

complexe;
• minimum de phase, si les zéros de A ( D ) et de B ( D ) sont dans la partie
gauche du plan complexe;
• simplicité, si A ( D ) et B ( D ) ne possèdent pas de zéros communs
( A ( D ) et B ( D ) mutuellement simples), ce qui permet un passage de la
description temporelle (1.2) vers une description par fonctions de transfert
(1.4):
⎧ y ( p ) = W1 ( p ) x ( p )+W 2 ( p ) ξ ( p )⎫
⎪ ⎪
(1.4) ⎨ B( p) 1 ⎬ .
⎪ W1 ( p ) = , W2 ( p )= ⎪
⎩ A( p ) A( p) ⎭

Les différentes approches pour la description de l’incertitude sont classées en fonction

du spectre et des buts de la commande.

1.2.2. Modèle de la caractéristique fréquentielle d’amplitude et de

phase perturbée.
Pour un modèle unidimensionnel linéaire du procédé [17,92,101,130], il est convenable
de représenter l’incertitude non structurelle par la caractéristique fréquentielle d’amplitude et
de phase perturbée du type (1.5), où H 0 ( jω ) est la caractéristique nominale non perturbée et
P ( jω ) introduit l’effet de la perturbation.
La dimension possible de la perturbation qui cause l’incertitude non structurelle est ca-
ractérisée par une zone de variation de l’amplitude P ( jω ) et de la phase A R G ( P ( jω ) ) .
Le modèle proposé (1.5) est identique au modèle nominal pour (1.6)

(1.5) H ( jω ) = H 0 ( jω ) . P ( jω ) ,

(1.6) P ( jω ) = 1 , A R G ( P ( jω ))=0 .

ISBN 954 438 500 2 14

 COMMANDE ROBUSTE

1.2.3. Modèle avec vecteur des paramètres composé.

L’incertitude est présentée par deux composantes du vecteur des paramètres α (1.7)
(1.7-1) α = α H + α~ , (α~ ∈ Ω α~ ) ,

(1.7-2) α = α H + f ( ρ ) ,
où α~ reflète les déviations possibles, appartenantes à l’espace connu a priori Ω α~ , des para-
mètres de leurs valeurs nominales, α H est la composante des valeurs nominales [130,131,132].
Une telle description de l’incertitude est convenable pour les cas de faible variation des proprié-
tés du procédé, lors du fonctionnement du système dans des conditions d’exploitation réelles
quand la trajectoire est divisée en secteurs de comportement quasi-stationnaire.
1.2.3.1. Vecteur composé avec composante mesurable.
Pour des perturbations paramétriques mesurables la description de l’incertitude est du
type (1.7-2), où f ( η ) est une fonction vectorielle et η est le vecteur des perturbations para-
métriques mesurables.
1.2.3.2. Vecteur composé -fonction du temps, non stationnarité.
Pour des procédés non stationnaires, l’incertitude a priori est décrite par un vecteur
composé [33,95,130], qui reflète le fait que les fluctuations des paramètres dépendent du temps
(1.8)
(1.8) α = α H + α~ , (α~ = Ψ ( t , α t ) ) ,

(1.9) { F }⇔ y ( t )= f ( x ( t )) ,
(1.10) y ( t ) = L x ( t
) .
Pour le modèle du procédé (1.1) la fonctionnelle { F } (1.9) reflète la dépendance entre
les deux grandeurs (vecteurs), représentée de façon équivalente par l’opérateur L (1.10). Les
conditions pour la linéarité du système (1.1), exprimées par la linéarité de l’opérateur L (1.10)
se résument dans le principe de la superposition et dans l’exigence d’uniformité de l’opérateur
L (1.11)
⎧ L ( x 1 ( t ) + x 2 ( t ) ) = L ( x 1 ( t ) ) + L ( x 2 ( t ) ) − principe de la superposition ⎫
(1.11) ⎨ ⎬ .
⎩ L ( a . x 1 ( t ) ) = a . L ( x 1 ( t ) ) − uniformité de lopérateur ⎭
Si pour tout nombre réel τ ( τ = const ) la condition (1.12) est satisfaite, alors L est dé-
terminé en tant qu’opérateur linéaire stationnaire, et le système (1.1) l’est aussi
(1.12) y ( t − τ ) = L ( x ( t − τ )) .
S’il existe un nombre τ ( τ = const ), pour lequel (1.12) n’est pas satisfait, alors L est dé-
terminé en tant qu’opérateur non stationnaire et le système (1.1) l’est aussi.

1.2.4. Modèles M −Δ .
1.2.4.1. Définitions.
Les valeurs singulières de la matrice A ∈ C m xn de rang r sont désignées par le symbole
σ j . Elle sont les racines carrées non négatives des valeurs propres de la matrice A H A , en sé-
rie descendante (σ 1 ≥ σ 2 ≥ σ 3 ≥. . . .≥ σ p , p = min ( m , n ) ) , où (1.13)

ISBN 954 438 500 2 15

 COMMANDE ROBUSTE

(1.13) σ r + 1 = σ r + 2 = σ r + 3 = . . . . = σ r + p = 0 .

Il existent deux matrices unitaires U ∈ C m x m , V ∈ C n x n et une matrice diagonale

Σ ∈ R m x n , telles que la décomposition suivant les valeurs singulières de la matrice A soit pos-
sible, où Σ r = diag { σ 1 ,σ 2 ,σ 3 , . . . . σ r } (1.14)

⎡Σ r 0⎤
(1.14) A = U Σ V H
=U ⎢ ⎥V
H
.
⎣ 0 0⎦

Les propriétés les plus importantes des valeurs singulières sont (1.15) :
Ax Ax
(1.15-1) σ ( A )= max = A 2
, (1.15-2) σ ( A ) = min ,
x ∈Cn x x ∈Cn x

( A ) ≤ λi ( A ) (A), (1.15-4) σ ( A ) = σ ( A −1 ) −1
(1.15-3) σ ≤σ ,

( A ) = σ ( A −1 ) , (1.15-6) σ ( α A ) = α σ ( A ) ,
−1
(1.15-5) σ

(1.15-7) σ ( A + B ) = σ ( A )+σ ( B ) , (1.15-8) σ ( A B ) = σ ( A ) σ ( B ) .

Pour les fonctions G ( p ) ∈ L n2xm , y ( p ) ∈ L m2 , p = min ( m , n ) les normes des espaces
fonctionnels sont déterminées comme suit:
1. H 2 (1.16)
+∞ p

(1.16) H 2 = G ( jω ) 2
=
∫ ∑ (σ
−∞ i =1
i ( jω ) ) 2 d ω .

2. H ∞ (1.17), si pour y ( p ) = G ( p ) u ( p ) la condition y 2

≤ G ∞
u 2
est vala-
ble
(1.17) H ∞ = G ( jω ) ∞
= sup σ ( G ( jω ) ) .
ω

1.2.4.2. Types de modèles.

Pour l’étude de l’influence de l’incertitude [1,2,12,37,46,89,126] sur les propriétés robus-

tes du système, il est convenable de traiter les perturbations paramétriques représentées par la
matrice Δ comme une contre-réaction, appliquée au système représenté par la matrice M
(Fig.1.3). Soit Δ de norme limitée Δ ∞ ≤ 1 . Un critère pour la stabilité robuste du système
synthétisé est donné par:

Fig.1.3 M

ISBN 954 438 500 2 16

 COMMANDE ROBUSTE

Théorème: Soit la fonction de transfert matricielle M stable et la perturbation paramé-

trique Δ , le système fermé perturbé (Fig.1.3) sera stable si et seulement si le lieu géométrique
de det ( I − M Δ ( jω ) ) ne comprend pas l’origine du plan complexe. La condition nécessaire et
suffisante pour la stabilité du système fermé si Δ ∞ ≤ 1 , est la validité d’une des expres-
sions équivalentes suivantes (1.18):
⎧ det ( I − M Δ ( jω ) ) ≠ 0 , ∀ω ⇔ ⎫
⎪ ⎪
(1.18) ⎨ ρ ( M Δ ( jω ) ) < 1 , ∀ω ⇔ ⎬ .
⎪ σ ( M Δ ( jω ) ) < 1 , ∀ω ⇔ ⎪
⎩ ⎭
Dans le cas considéré, quand la matrice Δ est complète, l’incertitude qu’elle modélise
est non structurelle. Celle-ci est décrite dans le schéma structurel du système en introduisant la
matrice L ( p ) de la même dimension que la matrice de transfert du procédé. Les approches
~
les plus connues pour cette description sont données par les schémas de Fig.1.4, où G est la
fonction de transfert matricielle du procédé nominal. Les perturbations paramétriques (1.19)
sont, respectivement, additive ( L a ) , en série ( L s ) , multiplicative d’entrée ( L i ) directe et in-
verse, multiplicative de sortie directe ( L o ) et inverse ( L e )
~ ~
G = G + La , La = G − G

(1.19)
G = G .( I + L i ) ,
~ ~
( ~
L i = G −1 . G − G
.
)
G = ( I + L o ) .G ,
~
( ~ ~
L o = G − G . G −1 )
G = ( I − Le ) . G ,
−1 ~
( ~ ~
L e = G − G . G −1 )
G
La

~
G

Ls ~
G

Li G
Li

~
G

Li G

~
G

G Lo

~
G

G
Le

~
G
Fig.1.4

ISBN 954 438 500 2 17

 COMMANDE ROBUSTE

Pour les cas cités ci-dessus la grandeur de la perturbation L peut être la limite supé-
rieure de σ ( L ) c’est-à-dire σ ( L ) ≤ l ( ω ) , ∀ ω , où l ( ω ) = max σ ( L ) sur l’espace des
procédés perturbés. La limite l ( ω ) peut être interprétée comme le poids scalaire de la per-
turbation paramétrique normalisée Δ ( p )
(1.20) L ( p ) = l ( p ) Δ ( p ) , σ ( Δ ( j ω )) ≤ 1 .
La limite considérée l ( ω ) (1.20) peut s’avérer une description trop conservative de
l’incertitude réelle avec ses différentes sources, c’est pourquoi ces dernières doivent être pré-
sentées par les différentes matrices des perturbations paramétriques Δ j , σ ( Δ j ( j ω ) ) ≤ 1 .
De cette manière la matrice possède la forme diagonale en blocs et l’incertitude qu’elle modé-
lise est structurelle. Pour la décrire, il est nécessaire de concevoir une approche spéciale qui
effectue le calcul de la valeur singulière structurelle.
Soit X ν (1.21) l’espace de toutes les perturbations paramétriques complexes de struc-
ture diagonale en blocs spécifiques et de norme spectrale inférieure à ν
(1.21) X ν = {Δ = diag {Δ 1 , Δ 2 , . . .. ,Δ m } σ (Δ j ) ≤ ν }.
À l’aide de Δ ∈ X ν , on peur démontrer que la stabilité robuste du système est assurée si
et seulement si la condition (1.22) est satisfaite
⎧ det ( I − M Δ ) ≠ 0 , ∀ Δ ∈ X ν
⎪
(1.22) ⎨ ρ ( M Δ ) < 1 , ∀ Δ ∈ X ν .
⎪
⎩ ν < σ −1 ( M )
Définition: La fonction μ ( M ) , appelée valeur singulière structurelle est déterminée de
telle façon que μ −1 ( M ) soit égale à la plus petite σ ( Δ ) nécessaire pour que ( I − M Δ ) soit
singulière, c’est-à-dire (1.23)
(1.23) μ −1
( M ) = min {ν , Δ ∈ X V det ( I − M Δ ) = 0 }.
V

S’il n’existe pas un Δ , tel que det ( I − M Δ ( j ω ) ) = 0 , alors μ ( M ) = 0 .

Considérons ci-dessous le théorème de stabilité robuste en conditions d’incertitude pa-
ramétrique non structurelle.
Théorème: Soit la fonction de transfert matricielle M stable et la perturbation paramé-
trique Δ soit telle, que le système fermé perturbé (Fig.1.3) sera stable si et seulement si le lieu
géométrique de det ( I − M Δ ( j ω ) ) ne comprend pas l’origine du plan complexe. La condition
nécessaire et suffisante pour la stabilité du système fermé pour Δ ∈ X ν est (1.24)
(1.24) μ ( M ( j ω ) ) < 1 , ∀ ω .
Les quatre propriétés suivantes de la valeur singulière structurelle μ font d’elle un outil
puissant pour l’analyse et la synthèse de systèmes robustes:
1. μ (α M ) = α μ ( M ) , où α est scalaire.
2. ρ ( M ) ≤ μ ( M ) ≤ σ ( M ).
3. Si la matrice U appartient à l’ensemble de matrices unitaires qui possèdent la même
structure diagonale en blocs et si en même temps Δ ∈ X ν , alors U Δ ∈ X ν et
μ ( M U ) = μ ( M ) . Dans ce cas ρ ( M U ) ≤ μ ( M ) et max ρ ( M U ) ≤ μ ( M ) . Le problème
U

mathématique d’optimisation est non convexe.

ISBN 954 438 500 2 18

 COMMANDE ROBUSTE

4. Soit D appartenante à l’ensemble de matrices diagonales réelles positives de struc-

ture D = diag { d i l i }, où la dimension de chaque bloc correspond à la dimension des blocs
Δ i.
Si Δ ∈ X ν , alors D Δ D −1 ∈ X ν et μ ( D M D −1 ) = μ ( M ) , et dans ce cas
μ (M ) ≤ σ (D M D ) −1
,μ (M ) ≤ in f σ D M D ( −1
).
U

Le problème mathématique d’optimisation est convexe et pour un nombre de blocs infé-

rieur ou égal à 3 on obtient une égalité. Pour un nombre de blocs supérieur, la minimisation de
DM D
−1
donne une approximation convenable pour σ ( DM D −1 ) , ce qui est une consé-
F

quence de la propriété de la norme matricielle de Frobenius n −0 , 5 A F

≤σ (A ) ≤ A F
,
où n est la dimension de A . La diminution de la norme de Frobenius mène à une diminution
de la norme spectrale ce qui explique la qualité de l’approximation, ramenée à l’algorithme sim-
ple suivant.
Algorithme pour la minimisation de DM D −1 : Soit m le nombre de blocs en Δ .
F

Un des scalaires de d i peut être constant ( d i = 1 ) sans perte de généralité. Les valeurs opti-
males d 1 , d 2 , . .. . , d m −1 sont obtenues de manière itérative à partir de certaines valeurs initiales,
comme suit: pour le bloc j ( 1 ≤ j ≤ m − 1 )
(1.25) D = diag {D 1, j , d j l j , D3, j },
⎡ M 11 , j M 12 , j M 13 , j ⎤
⎢ ⎥
(1.26) M = ⎢ M 21 , j M 22 , j M 23 , j ⎥ .
⎢M M M 33 , j ⎥⎦
⎣ 31 , j 32 , j

Alors
⎡ D 1 , j M 11 , j ( D 1 , j ) −1 D 1 , j M 12 , j d −1
D 1 , j M 13 , j ( D 3 , j ) −1
⎤
⎢ ⎥
j

= ⎢ d j M 21 , j ( D 1 , j ) (D )
−1 −1
(1.27) D M D −1 M 22 , j djM 23 , j 3 ,j ⎥ ,
⎢ ⎥
⎢⎣ D 3 , j M 31 , j ( D 1 , j ) (D )
−1 −1
D 3 ,j M 32 , j D 3 ,j M 33 , j 3 ,j ⎥⎦

ou
⎧
⎪
D M D −1 2
F1
= D 1, j M 11, j (D ) 1, j
−1 2
F1
+ D 1, j M (D ) 13, j 3, j
−1 2
F1
+ M 22, j
2

F1
+ ⎫
⎪
⎪ ⎪
⎪ + D 3, j M 31, j (D ) 1, j
−1 2
F1
+ D 3, j M (D )
33 , j + 3, j
−1 2
F1 ⎪
⎪⎪
(1.28) ⎨ +d
2
j1
[M 21, j (D ) 1, j
−1 2
F1
+ M 23, j (D ) ]+ 3, j
−1 2
F1
⎪⎪
⎬ .
⎪
⎪ +d
−2
j1
[D 1, j M 12, j 2
F1
+ D 3, j M 32, j
2
F1
]= ⎪
⎪
⎪ −2
⎪
⎪ =α +d β +d γ ⎪
4 2 4 4

⎩⎪ ⎭⎪
j1 j1 j1 j1 j1

Pour la k − tieme itération on pose j : = 1 + mod ( k , m − 1 ) , k : = k + 1 , d j : = γ j / β j . La pro-

cédure converge vite aux coefficients optimaux. La valeur singulière structurelle μ permet de
ramener le problème d’analyse de la performance robuste à celui d’analyse de la stabilité ro-
buste, si l’indice de performance est introduit en tant que borne sur la norme H ∞ de la fonction

ISBN 954 438 500 2 19

 COMMANDE ROBUSTE

de sensibilité normalisée. Il est évident que la condition W 2 E W 1 ∞

< 1 est satisfaite si et
seulement si le système W 2 E W 1 possède la stabilité robuste pour une perturbation paramé-
trique Δ P de norme bornée σ ( Δ P ) ≤ 1 .

ΔP

ΔU

M
Fig.1.5
y 0' ε′

Pour l’analyse [17,46,89,97] de la performance robuste, on ajoute un bloc Δ P à la ma-

trice Δ U qui décrit l’incertitude structurelle et on analyse la stabilité robuste du système ainsi
modifié M ′ (Fig.1.5) pour une perturbation paramétrique Δ = diag { Δ U , Δ P }. La raison fon-
damentale pour la mesure de la performance robuste à l’aide de la norme H ∞ vient du théo-
rème suivant.
Théorème: Le système nominal stable M (Fig.1.5) avec une perturbation paramétrique
de structure diagonale en blocs Δ U (σ ( Δ U ) ≤ 1 ) satisfait à la condition de performance ro-
′⎞
buste F (G , Δ U ) < 1 , ⎜ ε ′ = F (G , Δ U
⎛
)y 0
⎟ si et seulement si la condition (1.29) est sa-
∞
⎝ ⎠
tisfaite, où μ est calculée par rapport à la perturbation paramétrique de structure diagonale en
blocs (1.30)
(1.29) μ ( M ) < 1 , ∀ω ,
(1.30) Δ = diag {Δ u ,Δp }.

1.2.5. Modèle avec la k − tieme itération du mouvement forcé du sys-

tème.
Chaque type de fluctuation paramétrique influence le mouvement libre et le mouvement
forcé du système de commande. L’ensemble α = [ α 1 , α 2 , . . . ,α n ] T des paramètres fixes ou
nominaux α 1 , α 2 , α 3 , α 4 ,. . . ,α n représente la base du système de commande. Il correspond
à l’ensemble Ψ i des variables d’état de ce système
(1.31) Ψ i = Ψ i ( t , α ) .
L’ensemble (1.31) est appelé mouvement établi ou libre du système considéré où
(1.32) Ψ i = Ψ i ( t , α 1 , α 2 , α 3 , α 4 , . . . ,α n ) .
Il existe une correspondance univoque entre le mouvement libre Ψ i et l’indice (le cri-
tère) de performance principal J , par l’intermédiaire de la base du système J i = J i ( α ) . S’il
apparaît une fluctuation α~ dans les valeurs de la base α , dont l’expression analytique est

ISBN 954 438 500 2 20

 COMMANDE ROBUSTE

α i = α i + α~ i , cela cause des variations dans le mouvement libre Ψ i , décrites par l’expres-
sion (1.33)

(1.33) Ψ i = Ψ i ( t , α 1 + α~ 1 , α 2 + α~ 2 , α 3 + α~ 3 , α 4 + α~ 4 , . . , α n + α~ n ) = Ψ i ( t , α + α~ ) ,

à laquelle correspond un autre indice de performance, par exemple (1.34)

(1.34) J i = J i (α 1 + α~ 1 , α 2 + α~ 2 , α 3 + α~ 3 , α 4 + α~ 4 , . . . ,α n + α~ n ).

Le vecteur Δ Ψ i ( t ,α ) exprimé par (1.35) est appelé mouvement complémentaire ou

forcé du système, causé par les variations du vecteur - base. Si Y est une fonction des va-
riables x i (1.36)
(1.35) Δ Ψ i ( t , α ) = Δ Ψ i = Ψ i ( t , α + α~ ) − Ψ i ( t , α ) ,

(1.36) Y = Y ( x 1 , x 2 , x 3 , x 4 , . . ., x r ) ,
et ses dérivées partielles sont continues et déterminées de manière univoque par rapport à cha-
que argument x i (c’est-à-dire, dans les cas où ces arguments sont des variables indépendan-
tes), alors la différentielle totale d’ordre k de la fonction Y est donnée par (1.37)
( k )
⎛ ∂Y ∂Y ∂Y ∂Y ⎞
(1.37) d ( k )
Y=⎜ d x1 + d x2 + d x 3 + . . . .+ d xr ⎟ .
⎜ ∂x ∂ x2 ∂ x3 ∂ xr ⎟
⎝ 1 ⎠

En considérant (1.37) et le développement en série de Taylor, le mouvement forcé du

système peut être décrit aussi par (1.38)

⎧ Δ Ψ i (t , α ) = ⎫
⎪ ⎪
⎪ = Ψ i ( t , α + α~ ) − Ψ i ( t , α ) = ⎪
⎪ 1 1 1 ⎪
⎪ d Ψ i (t , α ) + d 2 Ψ i (t , α ) + d 3Ψ i ( t , α ) + . . . . ⎪⎬ .
(1.38) ⎨
⎪ 1! 2! 3! ⎪
⎪ 1 n 1 ⎪
⎪ + d Ψ i (t , α ) + d ( n + 1 ) Ψ i ( t , α + α~ ) ⎪
⎪⎩ n! ( n+1 ) ! ⎪⎭

Dans ce cas on considère t un paramètre invariable ( t = const ) . De cette expression on

peut tirer pour la k − tieme itération du mouvement forcé du système, généré par les fluctuations
de la base qui prend la forme (1.39)
1 ( )
(1.39) Δ k Ψ = d k
Y ,
k!
ou

1 ⎛⎜ ∂ Ψ ( t , α ) ~ ∂ Ψ (t , α ) ~ ∂ Ψ (t , α ) ~ ∂ Ψ ( t , α ) ~ ⎞⎟
k

(1.40) Δ k Ψ = α1 + α2+ α 3 + ...+ αn ,

k ! ⎜⎝ ∂ α1 ∂α2 ∂ α3 ∂αn ⎟
⎠
qui représente l’effet des fluctuations, c’est-à-dire de l’incertitude paramétrique.

ISBN 954 438 500 2 21

 COMMANDE ROBUSTE

1.2.6. Modèles dans la théorie des perturbations singulières [126].

La sensibilité d’un système (Fig.1.6) est déterminée à partir du rapport de l’état du sys-
tème sur les fluctuations de ses paramètres. Pour un système, décrit par des équations dif-
férentielles ordinaires du type (1.41)
ζ
μ y
système
Fig.1.6 dynamique

(1.41) y& = f ( y,μ , t,ς ),

l’état y et la commande μ sont des vecteurs de dimension donnée, le temps t est la variable
indépendante, ς est un paramètre indépendant, caractérisant la perturbation.
La commande μ (pour un système sans contre-réaction) est une fonction prédéfinie du
temps et ne dépend pas du paramètre ς . Dans ces conditions la sensibilité est d’écrite par une
équation du type (1.42) ou par une équation linéairisée du type (1.43), où f y = ∂ f ∂ y ;
f ς = ∂ f ∂ ς , en supposant a priori que ces dérivées partielles existent. En décomposant
y ( t , ς ) en série de Taylor suivant les puissances de ς , on obtient (1.44)
∂ y (t , ς )
(1.42) S ( t , ς ) = ,
∂ ς

(1.43) S& = f y S + f ς ,

(1.44) y ( t , ς + Δ ς ) = y ( t , ς ) + S ( t , ς ) . Δ ς + ο ( Δ ς ) .

La norme de la sensibilité peut être utilisée en tant qu’estimation des variations du vec-
teur d’état y , exprimées par de petites variations du paramètre ς .
Tant que la commande μ ne dépend pas de l’état courant, le système est considéré
sans contre-réaction. Si on considère une loi de commande avec contre-réaction du type (1.45),
alors la sensibilité du système est donnée par (1.46)

(1.45) μ = R ( y , t , ς ) ,

(1.46) S& = ( f y + f μ R y ) . S + f μ R ς + f ς .

L’analyse de la sensibilité vise surtout la comparaison des sensibilités de différentes

structures de commande, en choisissant une telle loi de commande, qui minimise l’erreur du
système, causée par l’incertitude sur les paramètres du procédé.
On peut dire que la théorie de la sensibilité a pour but principal de caractériser les varia-
tions de la solution optimale (représentée par des grandeurs ou des points optimaux), se pro-
duisant sous l’effet des variations du modèle mathématique.
Dans ce sens, on appelle les perturbations régulières, si leur effet sur le système
n’amène pas un changement structurel du modèle et singulières, si un tel changement est ob-
servé.

ISBN 954 438 500 2 22

 COMMANDE ROBUSTE

1.2.6.1. Perturbations régulières.

Pour illustrer les perturbations régulières l’exemple typique du problème classique du

calcul variationnel est utilisé. Soit l’indice de performance du système J décrit par (1.47)
t1

(1.47) J ( y ( . ) , ς ) =
∫ L ( y ( t ) , t , y& ( t ) , ς ) d t → in f (
, y ( t 0 ) = y 0 , y (t 1 ) = y 1 ),
t0

où y ( . ) est une fonction pleine / plate / lisse [ t 0 , t 1 ], y ( . ) - la dérivée suivant t et ς - un

paramètre scalaire, caractérisant la perturbation régulière.
Le problème mathématique est correctement introduit/posé, si sa solution est continue
par rapport aux données de départ, c’est-à-dire si des variations suffisamment petites de ces
données amènent les déviations les plus petites possibles de l’indice de performance J par
rapport à sa valeur optimale.
)
Soit y ( . , ς ) la solution du problème posé et Ĵ ( ς ) = J ( ŷ ( . , ς ) ) - la valeur optimale
de la fonctionnelle. Le problème mathématique est correctement introduit en termes de conver-
gence de la fonctionnelle si J ( ς ) → J ( ς 0 ) pour ς → ς 0 . Ici ς = ς 0 détermine le problème
à la limite (ou de sortie) et correspond au problème “perturbé”. Le problème est correctement
introduit en termes de convergence de la fonctionnelle si pour ς → ς 0 y ( . , ς ) → y ( . , ς 0 ) ,
pour un type déterminé de cette convergence.

I.2.6.2. Perturbations singulières.

Un processus technologique peut comporter plusieurs sous-processus interconnectés,

caractérisés par différentes échelles temporelles. Ces différentes dynamiques se manifestent
par le fait qu’au moment de la variation remarquable des processus lents, les processus rapi-
des ont déjà atteint leurs valeurs établies.
Pour un système dynamique, modélisé par une équation différentielle, cette situation est
décrite par la présence dans les dérivées des variables rapides d’un paramètre appelé “petit”.
Ce paramètre caractérise une perturbation qui peut considérablement changer la structure du
modèle mathématique du système.
En conditions à la limite quand ce petit paramètre s’annule vite, l’équation différentielle
qui décrit aussi la vitesse des sous-processus est ramenée à une équation algébrique, c’est-à-
dire que la structure (l’ordre) du système varie.
Cela est accompagné par des effets mathématiques défavorables, tels l’incertitude,
l’effet de la couche limite, etc., et cause la perte de stabilité.
Les perturbations, caractérisées par un petit paramètre dans certaines de leurs dérivées
sont appelées singulières.
Par exemple, soit (1.48)

⎧⎪ y& = A 1 ( t ) y + A 2 x + B 1 ( t ) μ , y ( 0 ) = y 0
(1.48) ⎨ ,
⎪⎩ β . x& = A 3 ( t ) x + A 4 y + B 2 ( t ) μ , x ( 0 ) = x
0

ISBN 954 438 500 2 23

 COMMANDE ROBUSTE

le modèle d’un système avec des perturbations singulières, décrit par une équation différen-
tielle linéaire, où x ( t ) ∈ R m , y ( t ) ∈ R n , μ ( t ) ∈ R r , et β est le petit paramètre.
Les états y et x représentent respectivement les processus lents et rapides. Pour β = 0
l’ordre du système m + n se réduit à m , ce qui donne au modèle la forme (1.49)

y& = A 1 ( t
) y + A2 x + B1 ( t ) μ , y (0 )= y0
(1.49) ,
0 = A3 ( t ) x + A4 y+ B2 ( t ) μ

où t ∈ [ 0 , 1 ] (la condition initiale x ( 0 ) = x 0 n’est pas prise en compte, étant donné l’im-
possibilité de la satisfaire).
En supposant que la matrice A 4 ( t ) n’est pas permutée et en résolvant l’équation par
rapport à x , on obtient le modèle (1.50)

(1.50) y& ( t ) = A 0 ( t ) y + A2 x+ B0 (t )μ , y (0 )= y0 ,

où

(1.51) A 0 = A 1 − A 2 A 4−1 A 3 , B 0 = B 1 − A 2 A 4−1 B 2 .

De façon analogique à l’exemple avec la perturbation régulière, le problème classique

variationnel pour le cas de perturbation singulière est donné par (1.52)
t1

(1.52) J ( y ( . ) , ς )=
∫ L ( y ( t ) , t , ς . y& ( t ) ) d t → i n f ( )
, y ( t 0 ) = y 0 , y ( t 1 )= y 1 .
t0

Si ς . y& ( t ) = μ , alors l’équation d’Euler comporte le paramètre ς dans la dérivée

(1.53).

d Lμ
(1.53) L y − ς =0 .
dt

Si ς est une grandeur petite, alors la substitution de ς par ς = 0 , qui définit correcte-
ment le problème à la limite, réduit cette équation à une forme algébrique ce qui peut amener à
des effets défavorables comme celui de la couche limite.

ISBN 954 438 500 2 24

 COMMANDE ROBUSTE

I.2.7. Modèles à structure d’onde.

I.2.7.1. Modèles avec des équations semi-déterminées [80,131].

En conditions d’exploitation le type de perturbations agissant sur le système ne peut
pas être déduit de leur effet final sur la (les) grandeur(s) réglable(s) dont le trend (la forme du
signal d’un enregistrement industriel reel) ne précise pas si les perturbations sont paramétri-
ques et/ou de type signal. À partir de leur effet sur le comportement du système de commande,
on ne peut en déduire le type des perturbations que s’il est de type bruit ou à structure d’onde.
Les formes les plus rencontrées des perturbations à structure d’onde ξ ( t ) sont don-
nées à la Fig.1.7. Leur modélisation repose sur des équations semi déterminées du type (1.54)
(1.54) ξ (t ) = ℜ [ f ( t ) , f ( t ) , f ( t ) ,... , f ( t ); c
1 2 3 M 1 ,c 2 ,c 3 ,... , c L ],
où: f i ( t ) , ( i = 1 ÷ M ) sont des fonctions connues ou choisies a priori, dont le nombre M
est fini; c k , ( k = 1 ÷ L ) sont des paramètres inconnus, qui à différents moments du temps
peuvent changer leur valeur suivant une loi constante par intervalles. Les modèles mathémati-
ques de ce type (1.54) sont appelés à structure d’onde. En ayant recours aux fonctions connues
a priori dans le modèle (1.54), elles peuvent représenter toutes les formes d’onde observées
lors de l’exploitation d’un système.

(t )
100

80 ξ
60

40

20

0
t
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

-20

-40

-60

-80

-100

Fig.1.7
Une des équations les plus utilisées est le modèle à structure d’onde (1.55)
(1.55) ξ ( t ) = c 1 f 1 ( t ) + c 2 f 2 ( t ) + c 3 f 3 ( t ) + . . . . + c M f M ( t ) , ( M = L ) .
Cette description (1.55) de ξ ( t ) peur être traitée comme une image de la perturbation
réelle ξ ( t ) dans l’espace fonctionnel dont la base sont les fonctions
{ f ( t ) , f ( t ) , f ( t ),. . . . , f ( t ) }
1 2 3 M

et les paramètres c 1 , c 2 , c 3 , . . . ,c M sont des coefficients de poids constants par intervalles.

De cette manière la perturbation indéterminée ξ ( t ) peut être représentée par le modèle à
structure d’onde (1.55) à n’importe quel moment du temps t comme une combinaison de poids
linéaire de fonctions de base f i ( t ) connues a priori avec des coefficients de poids c i in-
connus (dans le temps c i peuvent varier brusquement suivant une loi continue par intervalles).
La Fig.1.8 illustre une telle perturbation à structure d’onde. Le modèle forme les valeurs
de ξ ( t ) à partir d’une combinaison de poids linéaire comportant des “échelles” et des fonc-
tions de pente constante. ξ ( t ) est donnée avec une précision suffisante par (1.56)
(1.56) ξ ( t ) = c 1 + c 2 t , ( f 1 ( t ) = 1 , f 2 ( t ) = t ) ,

ISBN 954 438 500 2 25

 COMMANDE ROBUSTE

20

15 ξ ( t )= c1 + c 2 t c1
c2
10 c1+c2*t

5
t
0
1 3 5 7 9 11 13 15 17 19 21
-5

-10

-15
{ f i (t )} = {1 , t }
-20

Fig.1.8
où sont utilisées deux fonctions de base ( M = 2 ) , tandis que les coefficients de poids c K
( K = 2 ) varient suivant une loi continue par intervalles. Pour une forme arbitraire (un trend),
comme celle de la Fig.1.8, les coefficients constants par intervalles c i peuvent être calculés.
Cependant, ils restent inconnus aussi dans le déroulement du processus après la représenta-
tion de la perturbation qui en a été donné initialement, puisqu’ils varient avec le temps, même si
on suppose que la perturbation ξ ( t ) maintienne sa structure d’onde de la Fig.1.8. Quant au
modèle mathématique des perturbations expectées ξ ( t ) , si la réalisation ξ ( t ) (donnée par
le trend de la Fig.1.8) s’avère représentative pour le comportement global futur de ξ ( t ) , on ne
peut pas affirmer que le comportement futur de ξ ( t ) va être décrit par (1.56), où les paramè-
tres sont totalement inconnus et varient parfois brusquement suivant une loi inconnue continue
par intervalles.
D’autres exemples de perturbations industrielles à structure d’onde affectant la gran-
deur réglable sont donnés à la Fig.1.9 avec les modèles analytiques semi déterminés corres-
pondants.

ξ (t )
100

80

60

40

20
t
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
-20

-40
ξ 1
c1+(c2*(e^(-a*t)))
-60
ξ 2 c1+c2*t
-80
ξ 3
(c1+c2*t)*(e^(-a*t))+(c3+c4*t)*(e^(-b*t))

-100
ξ c1+c2*SIN(-a*t)+c3*COS(-a*t)+c4*SIN(-b*t)+c5*COS(-b*t)

Fig.1.9 4

Les modèles à structure d’onde considérés permettent de décrire l’ensemble des formes
ou comportements probables pour la réalisation inconnue de la perturbation ξ ( t ) à n’importe
quel moment du temps.
Du point de vue de la théorie des processus aléatoires, le modèle considéré (1.55) peut
être traité comme une expression analytique de la famille à M paramètres de réalisations
{ ξ ( t ) } parmi laquelles peut être extraite la manifestation de la perturbation réelle ξ ( t ) .

ISBN 954 438 500 2 26

 COMMANDE ROBUSTE

Le modèle à structure d’onde (1.55) n’est pas la description d’un processus aléatoire.
L’ensemble des fonctions de base { f i ( t ) } n’est pas composé conformément aux propriétés
statistiques de la perturbation, même si ces dernières sont connues. Les fonctions de base
dans le cas général sont choisies par le concepteur du système de façon à pouvoir représenter
avec une précision suffisante les formes observées typiques des perturbations. De plus, cha-
que réalisation concrète de la perturbation ξ ( t ) peut avoir un ensemble autonome de pro-
priétés statistiques. De cette manière la représentation en forme d’onde est applicable même
pour des fonctions de la perturbation ξ ( t ) totalement non ergodiques, par exemple des fonc-
tions pour lesquelles chaque réalisation de ξ ( t ) est une grandeur absolument arbitraire.
La création du modèle ondé comporte deux étapes.
1. Le choix d’un système convenable de fonctions de base { f i ( t ) }, qui peut être ob-
tenu par l’analyse visuelle et numérique des trends expérimentaux et/ou par l’analyse des ca-
ractéristiques dynamiques du processus physique qui a généré la perturbation ξ ( t ) .
2. La détermination du modèle d’état à structure d’onde, correspondant au modèle ondé
(1.54), (1.55). Le modèle d’état à structure d’onde représente l’équation différentielle satisfaite
par l’expression analytique de la perturbation à structure d’onde. Le modèle d’onde de ξ ( t )
doit donc être toujours cherché en tant que solution de l’équation différentielle inconnue. C’est
le problème inverse dans la théorie des équations différentielles. L’équation différentielle (ou le
système d’équations différentielles) avec pour solution le modèle ondé ξ ( t ) n’est pas (ou ne
sont pas) pas unique(s) dans le cas général.
La méthode efficace pour garantir la convergence de l’algorithme pour la solution du
problème inverse consiste en:
Supposer que pour chaque fonction f i ( t ) choisie à partir du système de base
{ f i ( t ) } il existe une transformation de Laplace correspondante f i ( p ) qui a la forme ap-
propriée des fonctions rationnelles (1.57)
Pm i (p)
(1.57) f i ( p )= ,
Q ni (p)
où P m i
( p ) et Q ni ( p ) sont des polynômes suivant les puissances de p avec les rangs
correspondants pour lesquels 0 ≤ m i ≤ n i ≤ ∞ . Dans ce cas, si les coefficients de poids c i
sont considérés comme des constantes, la transformation de Laplace du modèle à structure
d’onde de la perturbation ξ ( t ) peut être représenté par (1.58)
(p)
∑
M
Pm i
(1.58) ξ ( p ) = L [ξ ( t ) ] = c 1 f1 ( p )+ c 2 f2 ( p ) +. . . . . + c M fM ( p )= ci .
i =1
Qni (p)
En ramenant au même dénominateur, la relation (1.58) représente un rapport de deux po-
lynômes (1.59)
(p)
P
(1.59) ξ ( p )= ,
Q(p)
où: celui du numérateur P ( p ) comporte les coefficients c i , tandis que celui du dénominateur
Q ( p ) est le plus petit dénominateur commun parmi les polynômes des dénominateurs
{ 1 2 3 M
}
Q n ( p ) , Q n ( p ) , Q n ( p ) , . . , Q n ( p ) en (1.58). Cela garantit la dimension minimale
du modèle définitif de ξ ( t ).

ISBN 954 438 500 2 27

 COMMANDE ROBUSTE

On suppose que le polynôme dans le dénominateur Q ( p ) est décrit par (1.60)

⎛ ⎞
∑
M

(1.60) Q ( p ) = p + . . . + q 2 p + q 1 , ⎜⎜ ρ ≤ n i ⎟⎟ .
ρ ρ −1 ρ −2
+ qρ p + q ρ −1 p
⎜ ⎟
⎝ i =1 ⎠
De (1.59) il s’ensuit que la perturbation ξ ( t ) peut être représentée en tant que gran-
deur de sortie d’un système dynamique linéaire fictif avec fonction de transfert (1.61)
1
(1.61) G ( p )= ,
Q (p)
sous les conditions initiales { ξ ( 0 ) , ξ& ( 0 ) , ξ&& ( 0 ) , . . . } qui, à partir des transformations de
Laplace, déterminent le polynôme du numérateur P ( p ) .
Dans ces conditions le modèle à structure d’onde (1.55) de la perturbation ξ ( t ) satis-
fait à la solution d’une équation différentielle linéaire homogène à coefficients constants du
type (1.62)
ρ
d ξ (t ) d
ρ −1
ξ (t ) d
ρ −2
ξ (t ) d
ρ −3
ξ (t ) dξ (t )
(1.62) +qρ + q ρ −1 + q ρ −2 + .... + q 2 + q1ξ ( t )=0 ,
dtρ d t ρ −1 d t ρ −2 d t ρ −3 dt

où les coefficients constants q i , ( i = 1 , 2 , . . , ρ ) sont connus a priori de manière univoque,

puisqu’ils ne dépendent pas de c i est sont déterminés à partir du système de fonctions de
base { f i ( t ) } qui aussi est a priori connu (donné ou choisi) de manière univoque. Cela re-
présente la solution du problème inverse. Les coefficients de poids c i , traités comme
constants (pour les buts de la transformation) dans l’équation (1.55), en effet sont constants par
intervalles. Pour déterminer de manière analytique leur variation suivant une telle loi, à
l’équation homogène (1.62) est ajoutée une fonction externe générique ν ( t ) , composée par
une suite de fonctions impulsionnelles complètement inconnues, d’intensité arbitraire, géné-
rées de manière arbitraire après une intervalle minimale positive dans le temps (fonctions de
Dirac unitaires, doubles, triples, etc.).
Cela fait varier le modèle à structure d’onde (1.62) de ξ ( t ) selon la forme (1.63)
ρ
d ξ (t ) d
ρ −1
ξ (t ) d
ρ −2
ξ (t ) dξ (t )
(1.63) + qρ + q ρ −1 + .... + q 2 + q1ξ (t ) =ν (t ),
dtρ d t ρ −1 d t ρ −2 dt

où la fonction impulsionnelle ν ( t ) est complètement inconnue et fait partie du modèle d’état

(1.63) de façon symbolique pour réaliser la description analytique des variations brusques de
c i dans l’équation (1.55) du modèle ondé de ξ ( t ) .

De cette manière, si les fonctions de base { f i ( t ) } du modèle ondé (1.55) ont pour
transformation de Laplace (1.57), alors la détermination du modèle d’état de ξ ( t ) (1.55)
(c’est-à-dire de l’équation différentielle, dont l’intégrale de solution est le modèle (1.55)) n’est
nécessaire que pour le calcul des coefficients { q 1 , q 2 , . . . . , q ρ } d’après les équations (1.62)
et (1.63), et après - l’utilisation du modèle commun d’état (1.63) d’ordre ρ celui-ci dépendant du
choix des fonctions de base { f i ( t ) } dans le modèle à structure d’onde (1.55) de ξ ( t ) .

ISBN 954 438 500 2 28

 COMMANDE ROBUSTE

I.2.7.2. Modèles d’état avec des équations semi déterminées.

En suivant les deux étapes de la procédure décrite ci-dessus pour la détermination du
modèle d’état à structure d’onde, à l’équation semi-déterminée du type (1.64)
(1.64) ξ ( t ) = c 1 + c 2 t ,
avec base fonctionnelle { f i ( t ) } possédant une transformée de Laplace, correspond une
transformée dans l’espace de l’opérateur p du type (1.65)
c1 c2 c1 p+c2 (p)
P
(1.65) ξ ( p )= + = = ,
p p2 p2 Q(p)

(1.66) Q ( p ) = p ρ + q ρ p ρ −1 + . . . + q 2 p + q 1 = p 2 ,
qui détermine le caractère des polynômes du numérateur et du dénominateur. Dans le cas
considéré, le polynôme Q ( p ) est du type (1.66), où ρ = 2 , q 2 = 0 , q 1 = 0 , ce qui veut dire que
l’équation semi-déterminée est la solution de l’équation différentielle du type (1.67)
d ξ
ρ
(t ) d
ρ −1
ξ (t ) dξ (t ) d ξ
2
(t )
(1.67) ρ
+q ρ ρ −1
+. . . . + q 2 + q 1ξ (t ) = 2
= 0 ,
dt dt dt dt
ou, en prenant en considération le caractère des coefficients de poids constants par intervalles,
elle est la solution de l’équation différentielle du type (1.68)
d ξ
2
(t )
(1.68) 2
=ν (t ),
d t
qui représente aussi l’état à structure d’onde cherché, correspondant, en tant que solution du
problème inverse, à l’équation semi-déterminée du modèle ondé. Pour les bases fonctionnelles
{ f i ( t ) } les plus utilisées (Tableau 1.1), la correspondance “modèle ondé ⇔ modèle d’état”
est donnée à la Fig.1.9, Fig.1.10.
100 x =c 1+c2*t+c3*t^2

ξ (t )
x =c 1+c2*t+c3*(t^2)+c 4*(t^3)
x =c 1+c2*e^(-2*t)+c3*e^(-3*t)+c4*e^(-4*t)
80
x =c 1+c2*e^(-2*t)+c3*e^(-3*t)+c4*e^(-4*t)+c5*t+c6*(t^2)+c 7*(t^3)
x =c 1+c2*(1-e^(-2*t))

60 x =c 1+c2*(1-e^(-2*t))+c 3*t*e^(-2*t)
x =c 1+c2*(1+5*e^(-t))+c3*((-5*t)+6)*e^(-t))
x =c 1+c2*t*e^(-5*t)+c 3*t*e^(-t)+c 4*e^(-5*t)+c 5*(t-2+(t+2)*e^(-t))
40

20
t
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

-20

-40

-60

-80

-100
Fig.1.10

Si les foncions de base sont choisies de manière à approximer ξ ( t ) pour une longue
intervalle du temps, alors la solution est obtenue pour une petite valeur de M . Cela mène à une
faible valeur de ρ . D’autre côté, si les fonctions de base { f i ( t ) } sont choisies de façon à
approximer ξ ( t ) pour de petites intervalles du temps, la solution exige des valeurs plus gran-
des pour M et ρ .

ISBN 954 438 500 2 29

 COMMANDE ROBUSTE

Tableau 1.1.
№ ξ ( t ) ⇒ modèle Q ( D ) ξ ( t ) = ν ( t ) ⇒ état
d ξ
2

1 ξ ( t ) = c1 + c2 t 2
=ν (t )
dt
d ξ
3

2 ξ ( t ) = c1 + c 2 t + c3 t 2
3
=ν (t )
dt
d ξ
4

3 ξ ( t ) = c1 + c2 t + c3 t + c4 t 2 3
4
=ν (t )
dt
d ξ dξ
2

4 ξ ( t ) = c1 + c2 e −α t
2
+α =ν (t )
dt dt
d ξ d ξ
4 3

+ (α + β + γ ) +
ξ ( t ) = c1 + c 2 e −α t +
4 3
dt dt
5
+ c 3 e − β t + c 4 e −γ t d ξ dξ
2

+ (α β + α γ + β γ ) 2
+α β γ =ν (t )
dt dt
d 7ξ d 6ξ
+ (α + β + γ ) +
ξ ( t ) = c1 + c 2 t + c3 t 2 + c4 t 3 + d t7 dt6
6 −α t −β t −γ t
+ c5 e + c6 e + c7 e d 5ξ d 4ξ
+ (α β + β γ + α γ ) +α β γ =ν (t )
dt5 dt4
d 4ξ d 3ξ d 2ξ
+α β
2 2
+ α +β ( 2 2
) +
ξ ( t ) = (c1 + c 2 t ) e −α t + dt4 dt3 dt2
7
+ ( c 3 + c 4 t ) e −β t dξ
+α β + (α + β ) ξ ( t )=ν ( t )
dt
d ξ dξ
2

8 ξ ( t ) = c1 + c 2 1− e ( −t
) 2
+ =ν (t )
dt dt
d ξ d ξ dξ
3 2

9 ξ ( t ) = c1 + c2 1− e ( −t
)+ c 3t e
−t
3
+2 2
+ =ν (t )
dt dt dt

10
(
ξ ( t ) = c1 + c2 1+ ( α −1 ) e − t + ) d ξ
3

+2
d ξ
2

+
dξ
=ν (t )
+ c 3 (( 1−α ) t +α ) e −t
dt
3
dt
2
dt
d ξ d ξ
5 4

+ (2 +α ) +
ξ ( t ) = c1 + c 2 t e −α t + c3 t e − t + dt
5
dt
4

11
+ c4 e
−α t
(
+ c5 t − 2 + ( t + 2 ) e
−t
) d 3ξ d 2ξ
+ ( 1 + 2α ) +α =ν (t )
dt3 dt2
ξ ( t ) = c 1 + c 2 sin (α t ) +
d ξ d ξ dξ
5 3

12 + c 3 cos (α t ) + c 4 sin ( β t ) +
5
(
+ α +β
2 2
) 3
+α β
2 2
=ν (t )
+ c 5 cos ( β t )
dt dt dt

ISBN 954 438 500 2 30

 COMMANDE ROBUSTE

I.2.7.3. Modèles à structure d’onde, utilisant décomposition en

série de puissance.
Si le concepteur du système ne possède pas des données expérimentales pour la per-
turbation, dans ce cas la forme d’onde de ξ ( t ) n’est pas fiable et la synthèse est basée sur la
supposition que toute forme ondée de la perturbation, pour des petites intervalles du temps,
pourrait être décrite par un polynôme suivant les puissances de t du type (1.64). Ce modèle
(1.64) est le cas particulier du modèle à structure d’onde (1.55), où est utilisée une approche
pour la modélisation de formes ondées à partir la décomposition en série de puissance de fonc-
tions indéterminées. Le modèle avec des séries de puissance (1.64) est convenable pour l’ap-
proximation de perturbations à faible variation (quasi-stationnaires). De cette manière, le
modèle d’état (1.63), correspondant à une perturbation inconnue, donnée par l’équation du type
(1.69), est obtenu dans la forme (1.70)
(1.69) ξ ( t )= c1 +c 2 t +c3 t 2 + ... + c ρ t ρ −1
,

ρ
d ξ (t )
(1.70) ρ
=ν (t ) .
dt
L’introduction de la dépendance (1.69) dans la représentation de la forme ondée est très
efficace pour tous les cas pratiques, même si lors de la synthèse, la structure du modèle d’onde
ξ ( t ) est connue. Cela est argumenté par l’existence d’imprécision entre les valeurs des para-
mètres du système physique et de son modèle analytique. Cette supposition mène, aussi dans
les cas des modèles à structure d’onde des perturbations, à des éléments appelés “perturbés”
dans la description du système. A titre d’exemple la description d’un système non perturbé de
ce type est donnée ci après
(1.71) x& = A x + B μ (t ).
Du fait de l’incertitude présente, le système réel perturbé obéit à une description du type
(1.72), qui est ramené à (1.73). La relation (1.73) permet, en prenant en considération les pertur-
bation paramétriques, de représenter le modèle analytique par (1.74)
(1.72) x& = ( A + Δ A ) x + ( B + Δ B ) μ (t ),
(1.73) x& = A x + B μ + Δ A x + Δ B μ (t ),
(1.74) x& = A x + B μ ( t ) + ξ (t ),
(1.75) ξ ( t ) = Δ A x + Δ B μ ( t ) ,
où la perturbation ajoutée à l’équation, est la généralisation des termes représentant l’erreur du
modèle, c’est-à-dire (1.75).
Δ A et Δ B étant inconnus, la forme ondée de la perturbation ξ ( t ) dans les équations
(1.74), (1.75) est de même inconnue et dans ce cas de description des perturbations paramétri-
ques inconnues, le modèle à structure d’onde (1.51) n’est pas applicable.

I.3. Classifications.

I.3.1. Actions perturbatrices.

- du type bruit;
- perturbations de signal à structure d’onde:
− mesurables, avec des points d’application connus:

ISBN 954 438 500 2 31

 COMMANDE ROBUSTE

− de consigne (dans le cas des systèmes de stabilisation);

− de charge (à l’entrée, à la sortie, ramenées à l’entrée, à la sortie du pro-
cédé);
− de mesure (bruit);
− non mesurables, avec des points d’application inconnus:
− le signal est de forme (description) connue, avec des paramètres de va-
leur inconnues, variantes dans une intervalle connue;
− le signal est de forme (description) connue, avec des paramètres de fai-
ble variation (quasi-stationnaires), comme des grandeurs arbitraires de
distribution connue;
− la perturbation est la réalisation d’un processus arbitraire de propriétés
stochastiques connues;
− la perturbation est la réalisation d’un processus arbitraire de propriétés
stochastiques partiellement connues;
- perturbations paramétriques à structure d’onde:
− structurées, régulières;
− modèle analytique de structure connue, avec des valeurs des paramè-
tres inconnues, variants dans des intervalles connues;
− modèle analytique de structure connue, avec des paramètres qui sont
des grandeurs arbitraires de distribution mutuelle intégralement ou par-
tiellement connue;
− indirectement mesurables à partir de la variable accessible qui les
génère, avec bonnes connaissances sur le régime de pénétration;
− non mesurables;
− additives;
− en série;
− multiplicatives, dépendantes de l’entrée;
− multiplicatives, dépendantes de la sortie;
− généralisées, dépendantes de l’entrée;
− généralisées, dépendantes de la sortie (ou bien d’une sortie in-
termédiaire);
− indépendantes;
− non structurées, singulières.

I.3.2. Procédés de commande.

Les procédés industriels de commande, caractérisés par l’incertitude a priori, font partie
d’un des groupes suivants:
1. Procédés quasi-stationnaires
1.1. Avec variation lente des paramètres
1.2. Avec variation cyclique interne des paramètres de type discret-continu (cycli-
que).
1.3. Avec variation contrôlable des paramètres conforme aux facteurs du régime:
- avec régime de variation quasi-stationnaire;
- avec variation lente;
- avec variations quasi-linéaires des paramètres;
- avec variations variables des paramètres.
2. Procédés non stationnaires (avec variation des paramètres arbitraire non controlable).

ISBN 954 438 500 2 32

 COMMANDE ROBUSTE

I.4. Applications.

I.4.1. Modèles des processus technologiques principaux – dé-

bit, chute de pression, pression, niveau.
Les modèles structurels de certains processus technologiques sont illustrés comme
suit:
1. Débit Q (1.76), Fig.1.11, Fig.1.12, où:
l Q
Fig.1.11

Δ Plin

WΦ1 WΦ2

Δ P VA
Ψ1 ( t,l) Ψ2 ( t, s)

W ( p ,Ψ 1 ( t , l ) ,Ψ 2 ( t , s ) ) Fig.1.12
l Q
- l - position du système de régulation de la vanne automatique VA ;
- s - charge hydraulique de VA dans le système;
-Ψ 1 ( t , l ) - perturbation paramétrique généralisée, dépendante de l’entrée;
-Ψ 2 ( t , s ) - perturbation paramétrique généralisée, dépendante de la sortie
d Q( t )
(1.76) T o ( l t , s t ) + Q( t )= k o (l t , s t ) l (t ) .
dt
2. Chute de pression Δ P (1.77), Fig.1.13, Fig.1.14, où:

P1 α1 PV α2 P2
V ,Θ

ΔP Fig.1.13

α1 , α2
( P1 , P2 )
WΦ1 WΦ 2 WΦ 4 WΦ3

Ψ4 ( t, k )
Ψ 1 ( t , P1 , P2 ) Ψ 2 ( t , α 1 ,α 2 ) Ψ 3 ( t , PV ) PV

W ( p ,Ψ 1 ( t , P1 , P2 ) , Ψ 2 ( t , α 1 ,α 2 ) , Ψ 3 ( t , PV ) ,Ψ 4 ( t , k ) )
P1 , P2
ΔP
( α 1 ,α 2 )
Fig.1.14
-Ψ 1 ( t , l ) - perturbation paramétrique généralisée, dépendante de l’entrée;
-Ψ 2 (t , α 1 ,α 2 ) - perturbation paramétrique généralisée indépendante;
ISBN 954 438 500 2 33
 COMMANDE ROBUSTE

-Ψ 3 ( t , P V ) - perturbation paramétrique généralisée, dépendante de la sortie intermé-

diaire;
-Ψ 4 ( t , k ) - perturbation paramétrique-structurelle généralisée combinée dépendante de
l’entrée
V dΔ P V ⎛ d P1 d P2 ⎞ α 1 P1 + α 2 P2
(1.77) +ΔP= ⎜α1 +α 2 ⎟+ .
RΘ (α 1 + α 2 ) d t R Θ (α 1 + α 2 ) ⎜⎝ dt d t ⎟⎠ α1 +α 2
3. Pression P (1.78), Fig.1.15, Fig.1.16, où:
P1 α1 PV α2 P2
V ,Θ
ΔP
α1 , α2
Fig.1.15
( P1 , P2 )

WΦ1 WΦ 2 WΦ3

Ψ 1 ( t , P1 , P2 ) Ψ 2 ( t , α 1 ,α 2 ) Ψ 3 ( t , PV ) PV
Fig.1.16
W ( p , Ψ 1 ( t , P1 , P2 ) , Ψ 2 ( t , α 1 ,α 2 ) , Ψ 3 ( t , PV ))
P1 , P2
PV
( α 1 ,α 2 )
-Ψ 1 ( t , l ) - perturbation paramétrique généralisée, dépendante de l’entrée;
-Ψ 2 (t , α 1 , α 2 ) - perturbation paramétrique généralisée indépendante;
-Ψ 3 (t , P V ) - perturbation paramétrique généralisée, dépendante de la sortie;
-Ψ 4 ( t , k ) - perturbation paramétrique-structurelle généralisée combinée dépendante de
l’entrée
V dΔ P α 1 P1 + α 2 P2
(1.78) + PV = .
R Θ (α 1 + α 2 ) d t α1 +α 2
4. Niveau H (1.79), Fig.1.17, Fig.1.18, où :
Q1

l
H
Fig.1.17
ν,ρ densité (viscosité)

WΦ 1 WΦ 2 WΦ 3

Ψ1 ( t,l ) Ψ 2 ( t ,ν , ρ ) Ψ3 ( t, H ) H
Fig.1.18
W ( p ,Ψ 1 ( t , l ) ,Ψ 2 ( t , ν , ρ ) ,Ψ 3 ( t , H ) )
Q1 H

ISBN 954 438 500 2 34

 COMMANDE ROBUSTE

-Ψ 1 ( t , l ) - perturbation paramétrique généralisée, dépendante de l’entrée ;

-Ψ 2 ( t , ρ ,ν ) - perturbation paramétrique généralisée indépendante ;

-Ψ 2 ( t , H ) - perturbation paramétrique généralisée, dépendante de la sortie

ρ dH(t ) Q1 ( t )
(1.79) ⋅ + H ( t )= .
A (H , kl , ks ) dt A (H , kl , k s )

1.4.2. Structure des modèles pour l’analyse par simulation.

Des modèles pour l’analyse par simulation sont données par les structures Fig.3.1,
Fig.3.4 ÷ Fig.3.41, Fig.3.43 ÷ Fig.3.48, Fig.4.1 ÷ Fig.4.4, Fig.4.6, Fig.5.9, Fig.5.17, Fig.5.19, Fig.5.21,
Fig.5.22, Fig.5.27, Fig.5.29, Fig.5.34, Fig.5.38, Fig.5.41, Fig.5.42, Fig.6.3, Fig.6.17.
Ces modèles sont développés et sont utilisés dans les chapitres suivants pour approu-
ver l’efficacité et l’applicabilité des systèmes robustes considérés, réalisant les méthodes: de
contre-réaction efficace aux perturbations, d’estimation quantitative des indices généralisés
des systèmes analysés.
Ces modèles permettent également lors des simulations d’obtenir les résultats confor-
mément à la méthode des «coefficients fixes» (Fig.1.19, Fig.1.20) ou en tant que des fonctions
multivariables (Fig.1.21, Fig.1.22), qui est indicatif surtout pour les systèmes dynamiques nonli-
néaires.

system classic robast system

1

0.5
Imag G ( jω )

D A S C R O N E ( s t ,ξ t )
D A S C R O N E ⋅ G S C ( s t ,ξ t )

-0.5
C L A S S ( j ω , s t ,ξ t )
Φ y y ( jω )
0

-1
-1 -0.5 0 0.5 1 1.5 2
Real G ( jω )
Fig.1.19 Fig.1.21
system classic disturbance absorbing system

Φ y y ( jω )
0

D A S C R O N E ⋅ G S C ( j ω , s t ,ξ t )
D A S C R O N E ( jω , s t ,ξ t )

C L A S S ( j ω , s t ,ξ t )

Fig.1.20 Fig.1.22

ISBN 954 438 500 2 35

 COMMANDE ROBUSTE

I.5. Conclusions.

Dans ce chapitre sont spécifiés:

- Les types de perturbations et les procédés de commande;
- L’origine des actions perturbatrices;
- Les conséquences des perturbations;
- Les moyens analytiques et les modèles pour l’analyse des perturbations internes (pa-
ramétriques et structurelles) imposant une réparamétrisation et/ou une restructuration
du modèle du procédé à commander.

Les définitions et les principes fondamentaux pour les chapitres suivants sont détermi-
nés et cités.

En tant que des applications originales (aidant la réalisation de contre-réaction efficace

aux perturbations en conditions d’incertitude) dans ce chapitre sont donnés:
- Les correspondances “modèle ondé ⇔ modèle d’état” déterminées, calculées et mon-
trées dans le Tableau 1.2. pour les bases fonctionnelles les plus utilisées { f i ( t ) };
- Les résultats des simulations de certains modèles ã structure d’onde des perturbations
(Fig.1.9, Fig.1.10);
- La classification des actions perturbatrices;
- La classification des procédés à régler;
- Les modèles de certains processus technologiques de base (1.76-1.79).

ISBN 954 438 500 2 36

 COMMANDE ROBUSTE

Chapitre 2
PERFORMANCE DES SYSTEMES DE COMMANDE EN CONDITIONS D’INCERTITUDE

2.1. Introduction et définition.

Une suite de découvertes importantes est à l’origine de la théorie contemporaine de la
commande par contre-réaction.
En 1976 Youla D. C. [120,121] prouve la possibilité de paramétrisation efficace de tous
les régulateurs stabilisants un système donné, ce qui permet de chercher dans l’espace de tou-
tes les matrices de transfert qui définissent un système en boucle fermée stable, ces régula-
teurs qui possèdent des propriétés spécifiques désirées.
En 1979-1981 Zames G. [122,123] propose un indice de performance dans les termes dе
la norme- H ∞ , qui est très proche des besoins pratiques, par rapport aux indices traditionnels,
basés sur la norme H 2 . C’est le début de l’époque de la théorie de la commande optimale H ∞ .

Doyle J. C. [43÷51] propose une approche pour la description de l’incertitude à l’aide de

perturbations paramétriques de norme délimitée et engendre le développement de la puissante
méthode de la valeur singulière structurée, pour la vérification de la stabilité et de la perfor-
mance des systèmes, qui utilise l’indice de performance H ∞ . La performance des systèmes est
définie en tant que l’ensemble des propriétés stabilité, rapidité et précision.
Ces découvertes créent la théorie de la commande robuste, dont le but est le dévelop-
pement d’une approche élaborée pour l’analyse et la synthèse de systèmes pour la commande
en conditions d’incertitude, conformément aux exigences par rapport:
1. au modèle du processus à commander qui doit être connu;
2. aux limites de l’incertitude dans la description du modèle;
3. à la description des grandeurs d’entrée (consigne et actions perturbatrices);
4. à la performance du système.
Robuste est chaque propriété du système, qui est maintenue durant l’application de cha-
cune des actions perturbatrices prévues lors de la synthèse.
La robustesse est une propriété du système de commande. Un système est d’autant
plus robuste, qu’il est moins dépendant, lors de son fonctionnement, des perturbations partiel-
lement non structurées.
La robustesse est utilisée en tant qu’estimation des actions perturbatrices sur la per-
formance du système de commande. En présence de robustesse, il est nécessaire de spécifier
le type de robustesse en fonction de la performance du système.
L’exigence principale de robustesse par rapport à un système est sa stabilité robuste,
cela signifie que le système reste stable pour toutes les perturbations internes appartenants à
l’intervalle prévu lors de la conception.
La performance robuste signifie stabilité robuste et démontre que certains indices spéci-
fiques de la performance du système (inertie, degré d’amortissement, etc.) restent invariants
pour toutes les perturbations internes appartenants à l’intervalle prévu lors de la conception.
Les systèmes de commande, caractérisés par la performance robuste, sont appelés sys-
tèmes robustes (ou systèmes de propriétés robustes), et leurs régulateurs - régulateurs robus-
tes.

ISBN 954 438 500 2 37

 COMMANDE ROBUSTE

2.2. Stabilité robuste et performance robuste.

2.2.1. Fonctions de la sensibilité et de la sensibilité complémentaire des

systèmes de commande.
Le schéma structurel d’un système linéaire classique avec contre-réaction est donné à
la Fig.2.1. R est le régulateur, G - le procédé de commande, W3 - l’influence des perturbations
ς sur la grandeur réglable y et y 0 , u , ε , ϑ , n - la consigne, la commande, l’erreur, la charge,
le bruit de mesure dans le système. Dans le cas où la sortie est connue précisément
(W 4 ( p ) = 1 , n ( p ) = 0 ) , le schéma structurel simplifié d’un système linéaire classique en
boucle fermée (Fig.2.2) est utilisé.
y0 ' (p) ϑ '( p ) ς' (p)
W1 (p) W2 (p) W3 (p)
y
0
(p) ϑ (p) ς (p)
ε (p) u (p) y (p)
R (p) G (p)
−
Fig.2.1
ym (p) n (p)
W4 (p)

y0 (p) ε(p) u (p) ϑ (p) ς (p) y (p)

R (p) G (p)
Fig.2.2 −

Les procédés industriels pour la commande en tant que systèmes dynamiques repré-
sentent des filtres basse fréquence et sont caractérisés par la présence de retard et d’inertie. Ils
sont modélisés à l’aide d’unités dynamiques d’ordre élevé. L’approximation du retard par un
modèle de dimension finie (avec retard “pur” représenté par une série finie comme celle de
Padé) est adéquate pour l’intervalle de fréquences de fonctionnement du système. Cependant,
pour les hautes fréquences, la différence entre le retard réel et son approximation par un mo-
dèle de dimension finie, peut être considérée comme une incertitude. Cela implique que le ré-
gulateur dans le système soit conçu conformément à cette incertitude, c’est-à-dire en tant que
régulateur robuste. L’incertitude peut être décrite par différents moyens. Une des possibilités
pour modéliser l’incertitude dans le procédé réel de commande à partir des caractéristiques fré-
quentielles est l’ensemble fonctionnel Π ( jω ) (2.1), où Π ( jω ) ∈ G ( jω )

⎧ Δ G ( jω ) : G ( jω ) − G * ( jω ) ≤ l a ( ω ) , ( ω ∈ [ 0 ; ∞ ) ) ⎫
⎪⎪ ⎪⎪
(2.1) Π ( jω ) = ⎨ G ( jω ) − G * ( jω ) ⎛ la ( ω ) ⎞ ⎬ .
Δ ( ω ) ≤ l ( ω ) ⎜ l (ω )= ⎟
⎪ G j : ,
⎜ ⎟ ⎪
G * ( jω ) G * ( jω )
m m
⎪⎩ ⎝ ⎠ ⎪⎭

Cet ensemble est déterminé par les variations Δ G ( jω ) de la caractéristique du procédé

réel G ( jω ) autour de son modèle nominal G * ( jω ) . Les variations de G ( jω ) sont la suite de
l’action de la perturbation additive l a ( jω ) ou multiplicative l m ( jω ) dans le procédé. La va-
leur maximale de cette reparamétrisation et/ou restructuration l a ( ω ) (ou l m ( ω ) ) détermine
le modèle “perturbé à la limite supérieure” du procédé G „ ( jω ) . Les variations de G ( jω )

ISBN 954 438 500 2 38

 COMMANDE ROBUSTE

provoquent des changements dans la caractéristique du système en boucle ouverte, modélisé

par l’ensemble fonctionnel π ( jω ) (2.2)
(2.2) π ( jω ) ∈ W ( jω ) , ( ω ∈ [0 ; ∞ ) ) .
En utilisant la méthode d’analyse de Nyquist, la forme de l’ensemble π ( jω ) (2.2) est
représentée graphiquement par une famille de cercles π ( jω i ) (Fig.2.3). A la Fig.2.3.а et
Fig.2.3.b sont montrées les caractéristiques d’un système astatique et d’un système statique,
respectivement. Les centres des cercles π ( jω i ) sont les points ω i du lieu géométrique du
système nominal en boucle ouverte, représenté par W * ( jω i ) = R ( jω i ) G * ( jω i ) . Pour
chaque valeur ω i de la fréquence ω , le cercle correspondant π ( jω i ) est le lieu géométrique
de points, possible pour le point ω = ω i , résultant des variations du système réel, déterminé
par W ( jω i ) = R ( jω i ) G ( jω i ) , délimité entre le système nominal W * ( jω i ) et le système
“perturbé à la limite supérieure” W „ ( jω i ) = R ( jω i ) G „ ( jω i ) . Le rayon r 0 ( ω i ) du cer-
cle π ( jω i ) (Fig.2.3), correspondant à chaque valeur ω i , est donné par (2.3), et son équation
paramétrique π 0 ( jω i ) (Fig.2.3) - par (2.4)

(2.3) r 0 ( ω i )= la ( ωi ) R ( ωi ) = lm ( ωi ) R ( ωi ) G* ( ωi ) ,

⎧⎪ Re 0 ( ω i ) = Re* ( ω i ) + r ( ω i ) c o s Ω , ( Ω ∈ [0 , ∞ ) )
(2.4) π 0 ( jω i ) = ⎨ .
⎪⎩ Im 0 ( ω i ) = Im* ( ω i ) + r ( ω i ) s i n Ω , ( Ω ∈ [0 , ∞ ) )

Nyquist plot
0.5

( −1, j 0 )
0
Imag (jw)

ω 3 ω 3 W
„
( jω )
ω 2
-0.5
ω 2
ω 1

ω
W * ( jω )
1
-1

ω ∈ [0 ; ∞ )
-1.5 -1 -0.5 0 0.5
Real (jw) Fig.2.3.а

ISBN 954 438 500 2 39

 COMMANDE ROBUSTE

Nyquist plot
1
W
„
( jω )
0.8

0.6
W * ( jω )
0.4

ω ∈ [0 ; ∞ )
0.2
( −1, j 0 )
Imag (jw)

-0.2
ω
ω
i
-0.4 1

ω i
-0.6 ω
ω
2
1

-0.8
ω 2
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real (jw)
Fig.2.3.b
La synthèse d’un régulateur dans le système de commande exige la connaissance du
modèle de l’incertitude, en présence duquel, le système en boucle fermée doit être stable. Dans
le cas contraire le régulateur réalisé ne serait pas efficace. C’est pourquoi, lors de la conception
de régulateur, le système de commande doit posséder la stabilité robuste et la performance ro-
buste. Dans le cas réel, l’action à l’entrée (externe, de signal) du système est généralisée et
peut être représentée par le vecteur v des perturbations externes de signal (2.5):
(2.5) v ( p ) = y 0 ( p ) ϑ ( p ) ς ( p ) [= Wv ( p ) v ′ ( p ) . ] T

Pour pouvoir appliquer un vaste spectre d’entrées (échelons, impulsions, sinusoïdes,

etc.) lors de la synthèse et l’analyse des systèmes de commande, les actions perturbatrices
sont normalisées par des normes matricielles vectorielles convenables. Pour la normalisation
′
de y 0 à y 0 , de ϑ ′ à ϑ et de ς ′ à ς , par exemple, W1 , W2 et W3 sont les fonctions de normali-
sation correspondantes.
′
y
0
( p ) = W1 ( p ) y
0
( p ) ; ϑ ( p ) =W 2 ( p ) ϑ ′ ( p ) ; ς ( p ) = W 3 ( p ) ς ′ ( p ) .
Dans le cas considéré pour l’action généralisée v (2.5), la fonction de normalisation (de
poids) W v ( p ) est utilisée et les relations, entre les grandeurs du système de commande, les
entrées normalisées ( y 0 , ϑ ) et les perturbations ς ramenées à la sortie du procédé (Fig.2.2),
sont données par (2.6) ÷ (2.8) ou sous forme matricielle par (2.9)
R( p ) G( p ) G( p ) R( p ) G( p )
(2.6) y ( p ) = y0 ( p )+ ϑ (p) − ς (p) ,
1+ R ( p ) G ( p ) 1+ R ( p ) G ( p ) 1+ R ( p ) G ( p )
R( p ) R ( p )G ( p ) R( p ) G( p )
(2.7) u ( p ) = y0 ( p )− ϑ (p) − ς (p) ,
1 + R ( p )G ( p ) 1+ R ( p ) G ( p ) 1+ R ( p ) G ( p )

ISBN 954 438 500 2 40

 COMMANDE ROBUSTE

1 G( p ) 1
(2.8) ε ( p ) = y0 (p) − ϑ (p) − ς (p) ,
1 + R ( p )G ( p ) 1+ R ( p ) G ( p ) 1+ R ( p ) G ( p )

⎡ R( p ) G( p ) G( p ) − R( p ) G( p) ⎤
⎢ ⎥
⎢ 1+ R( p ) G( p ) 1+ R( p ) G( p ) 1+ R( p ) G( p ) ⎥
⎡ y ( p )⎤ ⎢ ⎥ ⎡ y 0 ( p )⎤
R( p ) − R ( p )G ( p ) − R( p )
(2.9) ⎢⎢ u ( p ) ⎥⎥ =⎢ ⎥⋅⎢ϑ( p )⎥ .
⎢ 1+ R( p ) G( p ⎢ ⎥
⎢⎣ ε ( p ) ⎥⎦ ) 1+ R( p ) G( p ) 1+ R( p ) G( p ) ⎥ ⎢
ς(p)⎥
⎢ ⎥ ⎣ ⎦
⎢ 1 − G( p ) −1 ⎥
⎢ ⎥
⎣ 1+ R( p ) G( p ) 1+ R( p ) G( p ) 1+ R( p ) G( p ) ⎦

Pour le cas considéré, la condition nécessaire et suffisante de stabilité exige que toutes
les racines du polynôme caractéristique ( 1 + R ( p ) G ( p ) = 0 ) soient dans la partie gauche
du plan complexe. Pour l’estimation des propriétés du système, la théorie de la commande dé-
finit:
- la fonction de la sensibilité e (2.10), qui exprime l’influence de la perturbation rame-
née ς sur la grandeur réglable y et qui est primordiale lors de l’estimation de la performance
du régulateur dans le système en boucle fermée
1 ) ε(p) y( p
(2.10) e ( p ) = = = ;
1+ R( p ) G( p ) ς ( p ) y 0 ( p )
- la fonction de sensibilité complémentaire η (2.11), qui exprime l’influence du bruit
mesurable n sur la grandeur réglable y
R( p ) G( p ) y( p )
(2.11) η ( p ) = = .
1+ R( p ) G( p ) y0 ( p )− n ( p )
Les fonctions de la sensibilité e et de la sensibilité complémentaire η satisfont toujours
à l’exigence (2.12)
(2.12) e ( p ) + η ( p ) = 1 .
Lors de la conception des systèmes de commande des exigences sont en vigueur pour:
- obtenir une réduction du bruit mesurable n , c’est-à-dire e ( p ) ≈ 1 , η ( p ) ≈ 0 ;
- obtenir un suivi précis de la valeur y 0 par la grandeur réglable y et une contre-réac-
tion efficace aux perturbations, c’est-à-dire e ( p ) ≈ 0 , η ( p ) ≈ 1 .
Ces deux exigences sont contradictoires. Si le niveau du bruit mesurable n est bas
( n ( p ) → 0 ) et en prenant en considération le fait que, l’exigence principale par rapport aux
systèmes de commande robuste est la contre-réaction efficace aux perturbations internes (re-
paramétrisation et/ou restructuration dans le modèle analytique du procédé de commande),
alors lors de la conception de systèmes robustes on accentue la seconde exigence – pour le
suivi précis de la valeur de la consigne par la grandeur réglable et une contre-réaction efficace
aux perturbations (2.13)
⎧ 1 y( p) ε(p)
⎪ e ( p )= = = 0 ≈0
⎪ 1 + G ( p )R ( p ) ς ( p ) y ( p )
(2.13) ⎨ .
⎪ G ( p )R ( p ) y( p)
⎪ η ( p )= = 0 ≈1
⎩ 1 + G ( p )R ( p ) y ( p ) − n ( p )

ISBN 954 438 500 2 41

 COMMANDE ROBUSTE

Cette exigence (2.13) détermine le but principal lors de la commande du système - la mi-
nimisation de l’erreur ε (2.14) qui apparaît entre la grandeur réglable y et la consigne y 0 (lors-
que le système est soumis à des actions externes suivant y 0 et suivant ς )
(2.14) ε ( p ) = y 0 ( p ) − y ( p ),
et la nécessité que le module de la fonction de sensibilité e ( ω) (2.15) soit minimal, aussi
bien que le module de la fonction de sensibilité complémentaire η ( ω ) soit avec une valeur
la plus proche de l’unité (2.16), (2.17)
1
(2.15) lim e ( ω ) = lim =0 ,
ω→ ∞ ω→∞ 1 + G ( ω )R ( ω )

G ( ω )R ( ω )
(2.16) lim η (ω ) = lim =1 ,
ω →∞ ω →∞ 1 + G ( ω )R ( ω )
(2.17) e ( ω ) + η (ω ) =1 .

Il faut prendre en considération (en utilisant les théorèmes de l'Hôpital pour les limites),
que l’exigence (2.15) peut être satisfaite si et seulement si est satisfaite la condition (2.18)
(2.18) lim G ( ω ) R ( ω ) =0.
ω→∞

Mais pour les systèmes réels de commande (2.18) n’est en vigueur que pour des fré-
quences (2.19), supérieures à une valeur limite donnée ( ω * )
(2.19) lim G ( ω ) R (ω ) = 0 ,∀ ω > ω* .
ω→∞

Cette limitation réelle (2.19) ne permet pas la réalisation d’une “commande idéale” de
sensibilité nulle e ( ω ) = 0 pour l’intervalle de fréquence entier ω ∈ [0 ,∞ ) .

2.2.2. Erreur dynamique dans les systèmes et critères lors de la concep-

tion d’une commande optimale - H 2 H ∞ .
Dans le cas de l’action généralisée v , l’erreur ε (2.14) dans le système est exprimée de
manière analytique avec les relations (2.20) et (2.21)
1
(2.20) ε ( p ) = v ( p )= e ( p )v ( p ) ; ( ε (ω ) = e (ω )v (ω ) ),
1+ R ( p ) G ( p )

⎛ 1 ⎞
2
⎛ 1
2
⎞
(2.21) ε ( p ) = v ( ⎟ ; ⎜ ε (ω ⎟ .
p )⎜ ) = v( ω ) 2
⋅
2 2 2
⎜ 1+ R ⎜⎜ ⎟⎟
⎝ ( p )G ( p ) ⎟⎠ 1+ R ( ω ) G ( ω )
⎝ ⎠
Lors de la conception de systèmes robustes on choisit pour critère de performance
l’erreur intégrale-quadratique minimale ℑ (2.22) sous l’action généralisée. L’analogue de ℑ
dans le domaine des caractéristiques fréquentielles est donné par σ (2.23)
∞

(2.22) ℑ = min max

R G ∈Π ∫
0
ε 2 (t )dt ,

ISBN 954 438 500 2 42

 COMMANDE ROBUSTE

∞ 2

∫
1 1
(2.23) σ = min max ⋅ v (ω ) dω .
2

R G ∈Π 2π 1 + G ( ω )R ( ω )
−∞

Le critère pour la commande optimale - H 2 consiste en la minimisation de la norme -

H 2 (1.16) du vecteur normalisé de l’erreur ε ( p ) pour n vecteurs unitaires donnés des en-
trées normalisées, qui est exprimé de manière équivalente par la minimisation de la valeur
moyenne de la fonction de la sensibilité pondérée.
Le critère de commande optimale - H ∞ consiste en la délimitation de la norme - H 2
(1.16) du vecteur de l’entrée normalisée généralisée, qui est exprimé de manière équivalente par
la minimisation de la norme - H ∞ (1.17) de la valeur de pic de la fonction pondérée de la sensi-
bilité.
Lors de la synthèse de la commande optimale - H 2 , le régulateur R doit être conçu de
manière à minimiser, sous l’action généralisée v , l’erreur intégrale-quadratique minimale ℑ
(2.22). Le problème d’optimisation (2.24), résolu lors de la synthèse du régulateur optimal - H 2 ,
peut être représenté dans le domaine fréquentiel en ayant recours au théorème de Parseval,
par (2.25)
∞

(2.24) ε ( t ) =
∫ ε ( t ) dt ,
2 2
2

∫
1
(2.25) min ε ( ω ) = min ε (ω ) dω ,
2 2

2π
2
R R
−∞

où le résultat de l’intégration détermine la valeur moyenne de ε (ω ) . A partir de la relation

(2.5), en tant qu’équivalent de (2.25), on obtient (2.26)
∞

∫
1
(2.26) min e (ω )v (ω ) = min e (ω )v (ω ) dω .
2 2

2π
2
R R
−∞

L’expression sous l’intégrale en (2.26) est la valeur moyenne du module de la fonction

de la sensibilité e , pondérée par Wv . De cette manière le régulateur optimal - H 2 minimise la
valeur moyenne du module ou minimise la norme - H 2 de la fonction de la sensibilité e , pondé-
rée par Wv .
Dans le cadre de la résolution du problème d’optimisation (2.26) lors de la conception du
régulateur optimal - H 2 ce n’est que le module du poids W v , qui est significatif et non pas - l’ar-
gument.
Lors de la synthèse de la commande optimale - H ∞ , on suppose que les éléments com-
posant l’action généralisée v appartiennent à l’ensemble V de fonctions de norme délimitée
(2.27). Dans ce cas, le régulateur optimal - H ∞ est conçu de manière à minimiser l’erreur ε
(2.28), qui peut être le résultat de l’action d’une des entrées v ∈ V . L’erreur peut aussi être dé-
limitée (2.29). Alors, en utilisant la définition (2.30) pour V ' , l’exigence lors de la synthèse du
régulateur optimal - H ∞ est donnée par (2.31)

ISBN 954 438 500 2 43

 COMMANDE ROBUSTE

⎧ v(ω )
2 ∞
v (ω )
2 ⎫

∫
⎪ 1 ⎪
(2.27) V = ⎨ v : v ' ( ω ) = = dω ≤ 1 ⎬ ,
2

⎪
2
Wv (ω ) 2π Wv (ω ) ⎪
⎩ 2 −∞ ⎭

(2.28) min sup ε ( ω ) 2

= min sup e ( ω ) Wv ( ω ) v' ( ω ) 2
,
R v ∈ V R v' ∈ V '

∞ ∞

∫ ∫
1 1
(2.29) sup e W v v ' = sup d ω ≤ sup e W v v ' dω ,
2 2 2
e W v v' sup
2π 2π
2
v ' ∈V ' v' ∈V ' ω v ' ∈V '
−∞ −∞

⎧ ∞ ⎫

∫ v'
⎪ ⎪
(2.30) V ' = ⎨ v ' : v '
2
2
= 2
(t ) dt ≤ 1 ⎬ ,
⎪ ⎪
⎩ 0 ⎭

(2.31) sup e ( ω ) Wv ( ω ) v' ( ω ) ≤ sup e (ω )v (ω ) ,

2 2
2
v' ∈V ' ω

et la fonction de but lors de l’optimisation est la norme de la fonction de poids/pondération de

la sensibilité (2.32)
(2.32) e ( ω ) v ( ω ) ∞
= sup e ( ω ) v ( ω ) .
ω

Dans ce sens, le régulateur optimal - H ∞ minimise la norme - H ∞ de la fonction de la

sensibilité e , pondérée par W v (2.33); le régulateur optimal - H 2 minimise la valeur moyenne,
tandis que le régulateur optimal - H ∞ minimise la valeur de pic du module de la fonction de la
sensibilité pondérée. Pour l’optimisation (2.33) ce n’est que le module du poids W v , qui est si-
gnificatif et non pas - l’argument

(2.33) min e(ω ) v (ω ) ∞

= min sup e (ω )v (ω ).
R R ω

Si on suppose que pour le poids W v , la valeur optimale de la fonction de but (2.32) est
de valeur unité, alors de (2.33) il s’en suit que pour toute valeur de ω , (2.34) est en vigueur.
Cela démontre que, lors de la synthèse du régulateur, on peut imposer une limite pour la
fonction de la sensibilité (2.34). Si le régulateur est tel que la relation (2.35) soit en vigueur,
alors la limite (2.34) est atteinte.
Dans le cas où cette limite est déterminée selon la fonction de sensibilité du système
avec modèle nominal du procédé (2.36), alors elle forme l’expression analytique pour la per-
formance nominale du système de commande

(2.34) e ( ω ) < v (ω ) −1
,∀ω ,

(2.35) e ( ω ) v ( ω ) ∞
< 1,

(2.36) e * ( ω ) < v (ω ) −1
,∀ω .

ISBN 954 438 500 2 44

 COMMANDE ROBUSTE

2.2.3. Stabilité robuste.

La condition de stabilité robuste du système peut être obtenue à l’aide de l’analyse de

Nyquist de la manière suivante.
A la Fig.2.4.а et Fig.2.4.b sont données respectivement les caractéristiques d’un système
astatique et d’un système statique. Pour que le système soit stable pour tout l’intervalle
Π ( jω ) des variations Δ G ( jω ) , il faut que l’ensemble π ( jω ) , correspondant à Π ( jω ) , ne
comporte pas (Fig.2.4) le point ( − 1 , j 0 ) pour aucune valeur de la fréquence ω dans l’inter-
valle ω ∈ [0 ,∞ ) . Cela n’est possible que dans les cas (Fig.2.4), pour lesquels la distance entre
le point ( − 1 , j 0 ) et n’importe quel point ω = ω i de W * ( jω ) , déterminé par la valeur du mo-
dule 1 + G * ( ω i ) R ( ω i ) , soit supérieure au rayon (2.37) r 0 ( ωi )

(2.37) r 0 ( ω i ) = G* ( ω i ) R( ωi ) lm ( ωi ).
De manière analytique l’exigence de stabilité robuste du système par rapport à tous les
points de l’ensemble π ( jω ) (2.2), est donnée par (2.38), (2.39)

(2.38) 1 + G * ( ω ) R ( ω ) > r 0 ( ω ), ∀ω ,

(2.39) 1 + G * ( ω ) R ( ω ) > G* ( ω ) R ( ω ) lm ( ω ), ∀ω .

Nyquist plot

0 W„ ( jω ) W* ( jω )
( − 1; )
| 1+

j0
R(
ω

-0.2
i
)G

)|
* (ω

ω
i
*(
i

)G

π0 ( jω i )
)|

0 ω
i

-0.4 r
(
|R
| 1+R (ω ) G []
Imag (jw)

| 1+R (ω i

-0.6
π ( jω i )
i

ωi
) G (ω i )
(ω i ) |

| 1+

-0.8
R(
ω i)
|

G(ω

-1 ωi
i
)|

r 0 ( ω i )= l m ( ω i ) R ( ω i ) G* ( ω i )
-1.2 -1 -0.8 -0.6 -0.4 -0.2 0
Real (jw)
Fig.2.4.а

ISBN 954 438 500 2 45

 COMMANDE ROBUSTE

Nyquist plot

W„ ( jω ) W * ( jω )
0.2

0.1
( − 1; j0 )
0 0
| 1+ r
R(
ω )|
* (ω
i )G i
-0.1 * (ω )G
| 1+R

(ω i
π0 ( j ω i )
i )| |R
Imag (jw)

(ω i ) G

-0.2
| 1+

π ( jω i )
ωi
R(
[] (ω i ) |

-0.3 |1
+R
ω i)

(
G(

ω
-0.4 i )G
ω i)

ω
i )|
ωi
|

-0.5

-0.6

-0.7 r
0
( ω i )= lm ( ωi ) R ( ω i ) G* ( ω i )
-1 -0.8 -0.6 -0.4 -0.2 0
Fig.2.4.b Real (jw)

En considérant
G* ( jω ) R ( jω ) ( 1 + G * ( j ω ) R ( jω ) ) − 1 = η* ( jω ) ,
alors (2.38), (2.39) sont exprimés de manière équivalente par (2.40), (2.41)
G* ( ω )R ( ω )
(2.40) lm ( ω ) = η* ( ω ) lm ( ω ) < 1 , ∀ω ,
1 + G* ( ω )R ( ω )
(2.41) η * ( ω ) > l m ( ω ) , ∀ω .
−1

En supposant que le régulateur R est optimal, ajusté par rapport au modèle nominal du
procédé G * , selon un critère local σ de performance concret, c’est-à-dire:
R ( j ω ) ⇔ G * ( jω ) ,
{σ = const }

alors de (2.40) et (2.41) il s’ensuit que le système de commande a de stabilité robuste avec le
régulateur R ( jω ) (stable pour tout l’intervalle Π ( jω ) des variations Δ G ( jω ) ) si et seule-
ment si la fonction de la sensibilité complémentaire η * ( jω ) du système pour le modèle nomi-
nal du procédé G* ( jω ) satisfait à l’exigence de limitation stricte (2.42)
(2.42) η * ( ω ) l m ( ω ) ∞ = sup η * ( ω ) l m ( ω ) < 1 , ∀ω .
ω

L’exigence (2.42) est la condition nécessaire et suffisante de stabilité robuste du sys-

tème. Si (2.42) n’est pas satisfaite, dans l’ensemble Π (2.1) existe un procédé G , pour lequel le
système en boucle fermée avec le régulateur R est instable ou il est à la limite de stabilité.
C’est pourquoi, la stabilité robuste n’est pas suffisante à elle seule et la conception d’un
régulateur tend à satisfaire une exigence plus forte, déterminée par les conditions de perfor-
mance robuste du système de commande.

ISBN 954 438 500 2 46

 COMMANDE ROBUSTE

2.2.4. Performance robuste.

Le but de la commande optimale - H 2 est la conception d’un tel régulateur, qui pour le
procédé G ∈ Π , dont le modèle “perturbé à la limite supérieure” est G „ , minimise l’erreur
dans le système, formée suite à l’action de ς . Le procédé de modèle G „ est celui, dont la com-
mande est liée à l’apparition de l’erreur supérieure dans le système. Le but de la synthèse de la
commande optimale - H 2 est représenté de manière analytique par (2.43)
∞ ∞ 2

∫ ∫
1 1
(2.43) min max (ε ( t ) ) 2
dt =
ˆ min max v
2
dω .
R G ∈Π R G ∈Π 2π 1+ G ( ω )R ( ω )
0 −∞

Il est évident que ce but n’est atteint que dans les cas (Fig.2.4), où la distance entre le
point ( − 1 , j 0 ) et n’importe quel point ω = ω i de W * ( jω ) , réduite par la valeur du rayon
r 0 ( ω i ) , ne soit pas supérieure à la distance correspondante à la fréquence ω = ω i de
W ( jω ) au point ( − 1 , j 0 ) . Les expressions analytiques des exigences pour tous les points de
l’ensemble π ( jω ) sont données par (2.44)
(2.44) 1 + G ( ω ) R ( ω ) ≥ 1 + G* ( ω )R ( ω ) − r 0 ( ω ) , ∀ G ∈ Π ;∀ω .

Suite aux transformations (2.45) ÷ (2.49), la relation (2.44) est exprimée par (2.50)

(2.45) 1 + G ( ω ) R ( ω ) ≥ 1 + G* ( ω )R ( ω ) − G* ( ω )R ( ω ) lm ( ω ) , ∀ G ∈ Π ; ∀ω ,
1 1
(2.46) ≤ , ∀ G ∈ Π ;∀ω ,
1+ G ( ω )R ( ω ) 1 + G* ( ω )R ( ω ) − G* ( ω )R ( ω ) lm (ω )
1 + G* ( ω ) R ( ω ) ⎛ 1 ⎞
(2.47) e ( ω ) ≤ ⎜ ⎟ ,
1 + G* ( ω ) R ( ω ) ⎜ 1 + G* ( ω ) R ( ω
⎝ ) − G* ( ω ) R ( ω ) lm ( ω ) ⎟⎠
1 1
(2.48) e ( ω ) ≤ ⋅ ,
1 + G* ( ω )R ( ω ) ⎛ 1 + G* ( ω )R ( ω ) − G* ( ω )R ( ω ) lm (ω ) ⎞
⎜ ⎟
⎜ 1 + G* ( ω )R ( ω ) ⎟
⎝ ⎠
1
(2.49) e ( ω ) ≤ e * ( ω ) ⋅ , ∀ G ∈ Π ;∀ω ,
⎛ G* ( ω ) R ( ω ) ⎞
⎜1 − ⋅ lm ( ω ) ⎟⎟
⎜ 1 + G* ( ω ) R ( ω )
⎝ ⎠
e* ( ω )
(2.50) e ( ω ) ≤ , ∀ G ∈ Π ;∀ω ,
1 − η* ( ω ) ⋅ lm (ω )
et modifie l’expression de l’erreur (2.51) dans le système (2.52)
2
1
(2.51) ε 2
(t ) =
ˆ ε (ω ) 2
≡ v (ω )2,
1+ G ( ω ) R ( ω )
2
1
(2.52) ε ( t ) =ˆ
2
ε (ω ) 2
≡ e* ( ω )⋅ v ( ω ) 2
, ∀ G ∈ Π ;∀ω .
1 − η* ( ω ) ⋅ lm (ω )

ISBN 954 438 500 2 47

 COMMANDE ROBUSTE

D’ici il s’ensuit que l’exigence principale pour la commande optimale - H 2 peut être ex-
primée par (2.53), et pour la commande optimale - H ∞ par (2.54) ou (2.55). En prenant en consi-
dération (2.50), l’exigence (2.55) se transforme en (2.56) et (2.57)
∞ 2

∫
1 1
(2.53) min e* ( ω ) v ( ω ) dω ,
2

R 2π 1− η* ( ω ) lm (ω )
−∞

(2.54) max e ( ω ) v ( ω ) ∞
= max sup e ( ω ) v (ω ) <1 ,
G∈Π G∈Π ω

(2.55) e ( ω )v ( ω ) ∞
= sup e ( ω ) v (ω ) < 1 , ∀ G∈Π ,
ω

e* ( ω ) v ( ω )
(2.56) < 1 , ∀ω ,
1 − η* ( ω ) lm (ω )

(2.57) η * ( ω ) lm (ω ) + e* ( ω ) v ( ω ) < 1 , ∀ω .

Le système en boucle fermée satisfait les exigences (2.55), si et seulement si le système

en boucle fermée nominal ( G ( p ) ≡ˆ G * ( p ) ) est stable et les fonctions de sensibilité e* et de
sensibilité complémentaire η * satisfont à l’exigence (2.58)
(2.58) η * ( ω ) l m (ω ) + e* ( ω ) v ( ω ) = 1 , ∀ω .

La performance robuste est définie par (2.57) et signifie stabilité robuste (2.42) ajoutée
à la performance nominale (2.36). L’amélioration des indices de performance nominale (la dimi-
nution de la valeur du module e * ( ω ) v ( ω ) ) réduit la robustesse en augmentant la valeur
du module η * ( ω ) l m ( ω ) et rapproche le système en boucle fermée du point d’instabilité
pour le procédé G ∈ Π . Pour garantir la performance robuste, le régulateur optimal pour le
système doit satisfaire aux exigences (2.59)
(2.59) min sup ( η * ( ω ) lm (ω ) + e* ( ω ) v ( ω ) ).
R ω

2.3. Critères de performance, utilisés lors de la synthèse de systèmes

robustes.

2.3.1. Critères de stabilité robuste et performance robuste; analyse ro-

buste - définition.
Le critère consiste en les exigences que le système possède des propriétés robustes.
En utilisant les notations: (2.60) et (2.61) pour les perturbations additive ξ a et multiplicative
ξ m , respectivement, (2.62) - pour la sensibilité complémentaire η ( j ω ) (2.11) et (2.63) - pour la
sensibilité du système e ( j ω ) (2.10), Φ y y ( j ω ) et Φ y ε ( j ω ) - caractéristiques fréquentielles
0 0

du système de commande en boucle fermée du procédé G avec régulateur R

⎧ Δ G ( j ω ) = G ( j ω ) − G * ( j ω ) = l a ( j ω )⎫
(2.60) ξ a ⇔ ⎨ ⎬ ,
⎩ l a ( jω ) ≤ la ( ω ) ⎭

ISBN 954 438 500 2 48

 COMMANDE ROBUSTE

⎧ l a ( jω ) G ( jω )− G* ( jω ) ⎫
⎪Δ G ( jω )= = = l m ( j ω )⎪
(2.61) ξ m ⇔⎨ G* ( jω ) G* ( jω ) ⎬ ,
⎪ ⎪
⎩ l m ( jω ) ≤ lm ( ω ) ⎭
R ( j ω )G ( j ω )
(2.62) η ( j ω ) = = 1 − e ( j ω )= Φ ( jω ) ,
1+ R( jω ) G ( jω )
0
y y

1
(2.63) e ( j ω ) = = 1 −η ( j ω ) = Φ ( jω ) ,
1+ R( jω ) G ( jω )
y ε
0

alors le critère lors de la synthèse consiste en l’exigence:

- de stabilité robuste (2.42) - le système doit satisfaire à la relation (2.64) pour l’ensemble
Π (2.1) ;
- de performance robuste (2.57) - le système doit satisfaire à la relation (2.65) pour
l’ensemble Π (2.1) ;
- de stabilité robuste (2.42) et de performance robuste (2.57) - le système doit satisfaire à
la relation (2.66) pour l’ensemble Π (2.1)
⎧ G ( j ω )−G * ( j ω ) ⎫
⎪ Δ G: ≤ lm ( ω ) ⎪
⎪ G* ⎪
⎪ ⎪
(2.64) Π = ⎨ η* ( ω ) lm (ω ) ∞
= sup η* ( ω ) lm ( ω ) < 1 , ∀ω ⎬ ,
⎪ ω ⎪
⎪ lm ( ω ) < η*( ω ) −1
, ∀ω ⎪
⎪ ⎪
⎩ ⎭
⎧ G ( jω )− G* ( j ω ) ⎫
⎪⎪ Δ G: ≤ lm ( ω ) ⎪⎪
(2.65) Π = ⎨ G* ( jω ) ⎬,
⎪ ⎪
⎪⎩ η * ( ω ) l m ( ω ) + e * ( ω ) v ( ω ) < 1 , ∀ω ⎪⎭

⎧ G ( j ω )−G* ( j ω ) ⎫
⎪ Δ G: ≤ lm ( ω ) ⎪
⎪ G* ⎪
⎪ ⎪
lm ( ω ) < η*( ω )
−1
(2.66) Π = ⎨ , ∀ω ⎬ .
⎪ ⎪
⎪ η * ( ω ) l m ( ω ) + e* ( ω ) v ( ω ) < 1 , ∀ω ⎪
⎪ ⎪
⎩ ⎭
L’analyse robuste consiste en la vérification que le système satisfait aux exigences de
(2.64), ou bien de (2.65) ou de (2.66) conformément au critère concret, utilisé lors de la syn-
thèse.

2.3.2. Critère de minimisation de la norme - H 2 de la fonction de

sensibilité e du système pondérée par W v .
Le critère est utilisé lors de la conception de la commande optimale - H 2 et est exprimée
de manière analytique par les exigences (2.67)
∞

∫
1
(2.67) min e (ω )v (ω ) = min e (ω )v (ω ) dω .
2 2

2π
2
R R
−∞

ISBN 954 438 500 2 49

 COMMANDE ROBUSTE

2.3.3. Critère de minimisation de la norme - H ∞ de la fonction de

sensibilité e du système pondérée par W v .

Le critère est utilisé lors de la conception de la commande optimale - H ∞ et est expri-

mée de manière analytique par les exigences (2.68)

(2.68) e ( ω ) v ( ω ) ∞
= sup e ( ω ) v ( ω ) .
ω

2.3.4. Critère quadratique [17 ÷ 20,31,67,82,130,131].

Le critère quadratique est lié à l’exigence de minimisation de l’indice quadratique (2.69)
du système pour la commande d’un procédé avec modèle du type (2.70). La réalisation du cri-
tère est effectuée par la matrice K dans la loi de commande (2.71)
∞

(2.69) J =
∫ (x )
Qx + u T R u d t ,
T

(2.70) x& ( t ) = A x ( t ) + B u ( t ) , x ( 0 ) = x 0 ,

(2.71) u = − K x ,

où les symboles Q et R désignent des matrices définies positives.

2.3.5. Critère de minimisation des variations des indices de perfor-

mance du processus transitoire (avec les pôles du système en
boucle fermée donnés) [15,16,27,130].

La détermination de la position des pôles désirés du système en boucle fermée est ré-
alisée conformément aux indices désirés de performance du processus transitoire qui
d’habitude sont donnés de manière analytique par des inégalités.
Cela détermine le type de la solution du problème pour la position des pôles désirés
sous forme d’un domaine Γ 1 de l’espace de dimension “ p ” pour une valeur fixée du vecteur
α (1.7-1), par exemple α = α 1 , et une structure déterminée pour le régulateur dans le système.
A partir de ce domaine Γ 1 le domaine Ω 1 (α 1 ) est formé à partir des paramètres possibles
(pour α = α 1 ) du régulateur.
Pour une valeur de α (1.7-1), par exemple α = α 2 (qui représente la limite de l’incerti-
tude et la variation des paramètres du procédé), la solution du problème est un domaine Γ 2 ,
qui forme le domaine Ω 2 (α 2 ) des valeurs possibles des paramètres du régulateur (pour
α = α 2 ).
Le critère de minimisation des variations des indices de performance du processus tran-
sitoire (selon des pôles donnés du système en boucle fermée) consiste en la résolution du pro-
blème de détermination de la position des pôles dans la zone constituée de l’ensemble super-
posé des domaines Ω 1 (α 1 ) et Ω 2 (α 2 ) .

ISBN 954 438 500 2 50

 COMMANDE ROBUSTE

2.3.6. Critère de minimisation des variations de la marge de stabilité

[99].

On utilise le modèle de la caractéristique fréquentielle “perturbée” (1.5) pour représenter

l’incertitude paramétrique. Les perturbations dans le procédé G se manifestent dans le module
de sa caractéristique fréquentielle G ( j ω ) , qui devient G ′ ( j ω ) (2.72)

(2.72) G ′ ( j ω ) = G ( j ω ) + Δ G ( j ω ) ,

et dans la fréquence de coupure ω u du système, qui devient ω 'u (2.73)

(2.73) ω u' = ω u + Δ ω u .

Si R ( j ω ) est la caractéristique fréquentielle de régulateur dans le système, la marge de

stabilité de phase Φ m du système est (2.74)

(2.74) Φ m = a r g R ( j ω u ) + a r g G ( j ω u ) .

Les perturbations dans le procédé transforment la relation (2.74) en (2.75)

(2.75) Φ m' = a r g R ' ( j ω u' ) + a r g G ' ( j ω u' ) ,
ce qui correspond à une variation dans la valeur de la marge de phase du système, donnée par
(2.76)

Δ Φ m = Φ m' − Φ m =
(2.76) ,
(
= a r g R ′ j ω u' ) − ar g R( jω ) + ar g G ( jω ) − ar g G ( jω )
u
' '
u u

qui peut être exprimée aussi par (2.77)

(2.77) Δ Φ m = Δ φ r + Δ φ p ,

où sont utilisées les notations (2.78)

(2.78-1) Δ φ r = a r g R ' ( j ω u' ) − a r g R ( j ω u ) ,

(2.78-2) Δ φ p = a r g G ' ( j ω u' ) − a r g G ( j ω u ) .

La composante Δ φ r exprime la variation de la phase du régulateur et la composante

Δ φ p représente la variation de la phase du procédé, provoquée par les variations de la fré-
quence Δ ω u autour de ω u .

(2.79) Δ φ r = 0 .

Les exigences du critère de minimisation des variations de la marge de phase du sys-

tème sont exprimées par (2.79). D’autres méthodes fréquentielles pour la synthèse de systèmes
robustes peuvent être trouvées dans [17,18 ÷ 20,31,67,82,131].

ISBN 954 438 500 2 51

 COMMANDE ROBUSTE

2.3.7. Critère de la déviation prédéfinie de la trajectoire nominale

[130].
On considère un système de commande en boucle fermée, en supposant que la base du
vecteur des paramètres nominaux α H (1.7-1) est un vecteur donné des paramètres nominaux
du régulateur dans le système, par exemple R H . Cela permet de décrire l’état nominal ou non
perturbé du système (2.80), appelé trajectoire nominale du système
(2.80-1) x& α H
= Aα H (t ) xα H + Bα H ( t ) u R ( t ) , (ξ ( t ) = 0 ) ,
H

(2.80-2) y α H
= CαH ( t ) xα H
+ EαH (t ) u RH ( t ) , (ξ ( t ) = 0 ) ,
tandis que l’équation (2.81) illustre l’état “perturbé” du système
(2.81-1) x& α H +α~ = A α H + α~ ( t ) xα H + α~ + B α H + α~ ( t ) u R H ( t )+ F ( t ) ξ ( t ) ,

(2.81-2) y α H +α~ = C α H + α~ ( t ) xα H + α~ + E α H + α~ ( t ) u R ( t )+ G ( t ) ξ ( t ) .
H

La différence entre les grandeurs réglables y dans les deux descriptions du système
(2.80) et (2.81), donnée par la relation (2.82)
(2.82) e Y = y α H +α~ − y α H ,

détermine la déviation e Y du système de mouvement “nominal” ou de la trajectoire nomi-

nale du système y α H
(2.80-2), le régulateur, décrit par R H étant synthétisé pour le cas nomi-
nal.
Le critère de déviation prédéfinie de la trajectoire nominale est exprimé par l’exigence
que la déviation e Y se trouve dans des limites Δ e technologiques, prédéfinies lors de la Y

synthèse du système, données par l’expression (2.83)

(2.83) e Y ≤ Δ e , Y

qui représente une exigence de minimisation.

2.4. Méthodes pour la synthèse de systèmes robustes.

Les méthodes pour la synthèse de systèmes robustes, utilisant les critères de perfor-
mance considérés, peuvent être rangées [1,3,4,5,8,9,11,12,14,15,17 ÷ 20,24 ÷ 29,31 ÷ 33,35,
37 ÷ 41,43 ÷ 51,54 ÷ 57,62 ÷ 64,67,69,82,86 ÷ 88,90,91,94,97,104,106,117,118,120 ÷ 123,127,130,132]
dans les classes: (Frequency Domain Methods) - méthodes dans le domaine fréquentiel,
QFT (Quantitative Feedback Theory) - méthodes de la théorie quantitative de la contre-réac-
tion et RMM (Robust Model Matching Methods) - méthodes de modélisation robuste. Dans
[1,3,4,8,9,11,12,29] sont considérées: les méthodes de synthèse de Haritonov pour garantir la
performance désirée et le degré de stabilité en utilisant des fonctions rationnelles; de systèmes
avec modèle interne [27], qui garantissent la stabilité robuste [26,28,32]. Dans [99,100] sont
considérées des méthodes fréquentielles pour la synthèse de systèmes robustes avec deux
composantes dans la commande, avec modèle nominal du procédé commandé et retour condi-
tionnel dans la structure. Dans [99,100] sont étudiées les méthodes de l’équation de balance
pour la stabilité robuste du système; les équations de stabilité robuste et de balance paramétri-
que, les critères de stabilité robuste, de déviation minimale de la trajectoire nominale et dévia-
tion minimale stabilisée de la trajectoire nominale.

ISBN 954 438 500 2 52

 COMMANDE ROBUSTE

2.4.1. Synthèse de la commande optimale - H 2 H ∞ .

Le problème de la conception [35 ÷ 38,54 ÷ 56,63,64,88,91,94,97,118] du régulateur ro-

buste pour un procédé de commande donné, sous critère de performance du système synthé-
tisé pour incertitude paramétrique décrite, peut être éclairci à l’aide de la Fig.2.5, où F ( p )
désigne la loi de commande avec contre-réaction u 2 ( p ) = F ( p ) y 2 ( p ) , et T ( p ) est le
modèle développé du procédé, comportant la description de l’incertitude et le critère de per-
formance.

u1 (p) y1 (p)

u2 (p) T (p) y2 (p)

F (p) Fig.2.5

La fonction de transfert matricielle du système en boucle fermée est donnée par (2.84)

(2.84) M ( p ) = T y 1 u1 ( p ) = T 11 ( p ) + T 12 ( p ) [ I − F ( p ) T 22 ( p ) ] −1 F ( p ) T 21 ( p ) .

Les méthodes pour chercher la loi de commande robuste avec contre-réaction, diffèrent
par les exigences par rapport à la fonction de transfert matricielle du système en boucle fermée
T y u ( p ) et par l’approche pour satisfaire à ces exigences. Les méthodes sont:
1 1

- minimisation de la norme - H ∞ de T y 1 u1 par F ;

- minimisation de la valeur singulière structurée de T y 1 u1 par F ( μ - synthèse).

2.4.2. Minimisation de la norme - H ∞ de T y 1 u1 par F .

La méthode [24] consiste en la minimisation de la norme de la matrice (2.85)

(2.85) m i n T y 1 u1 (p) ∞
,
F ( p )

(2.86) T y 1 u1 (p) ∞
< 1,

ou satisfait aux exigences de l’inégalité (2.86).

L’avantage de cette méthode réside dans la possibilité de synthèse directe d’un régula-
teur, qui satisfait aux exigences de stabilité et de performance, posées à travers la limitation de
la valeur singulière maximale de T y u . 1 1

Les défauts de la méthode sont: l’impossibilité de détecter sans conservatisme

l’incertitude structurelle, la possibilité d’obtenir un régulateur instable, la complexité des cal-
culs.

ISBN 954 438 500 2 53

 COMMANDE ROBUSTE

2.4.3. Minimisation de la valeur singulière structurée de T y 1 u1 par F

(μ- synthèse).

Cette méthode consiste en la conception d’un régulateur de stabilisation F ( p ) et

d’une matrice diagonale de normalisation D ( p ) pour l’approximation (2.85) et (2.86), de ma-
nière à satisfaire aux exigences de l’inégalité (2.87)

(2.87) D ( p )T y 1 u 1 ( p ) D −1 ( p ) < 1 .
∞

La procédure de synthèse est composée des phases suivantes, comportant deux pro-
blèmes d’optimisation, résolus en fixant soit F ( p ) , soit D ( p ) :

А. On pose D ( p ) = 1 et on cherche F ( p ) , qui minimise la fonctionnelle (2.88)

(2.88) D( p ) T y1u1 ( p ) D −1 ( p ) .
∞

B. Pour le régulateur ainsi fixé F ( p ) , on fait l’approximation de la valeur singulière

structurée de T y u ( p ) pour différentes matrices diagonales D ( p ) , nécessaires à son cal-
1 1

cul.

C. Pour la matrice optimale D ( p ) de la phase “B”, une approximation d’ordre faible

est cherchée.

D. Si D ( p )T y1 u1 ( p ) D −1 ( p ) < 1 , la procédure de synthèse est finie. Dans le

∞

cas contraire, on pose D ( p ) égal à l’approximation du pas “C” et on a recours de la phase

“A”.

L’avantage de cette méthode est dans la prise en considération de l’incertitude paramé-

trique structurée lors de la synthèse, c’est-à-dire dans la possibilité de résoudre le problème
entier de synthèse robuste.

Les défauts sont: l’absence de garantie sur la convergence de la procédure d’optimisa-

tion et l’ordre élevé du régulateur obtenu.

ISBN 954 438 500 2 54

 COMMANDE ROBUSTE

Chapitre 3
SYSTEMES ROBUSTES A DEVIATION MINIMALE DE LA TRAJECTOIRE
NOMINALE

3.1. Synthèse de systèmes robustes sous critère “déviation minimale de la

trajectoire nominale” [99,100].
Dans [99,100] sont considérées les méthodes: équation de balance pour la stabilité ro-
buste du système; les équations de stabilité robuste et de balance paramétrique sous critères
de: stabilité robuste, de déviation minimale de la trajectoire nominale, de déviation minimale de
la trajectoire nominale stabilisée. Ces méthodes appartiennent aux classes FDM (Frequency
Domain Methods), QFT (Quantitative Feedback Theory) et RMM (Robust Model Mat-
ching Methods).
3.1.1. Mise en tâche.
Soit le système classique avec contre-réaction (Fig.3.1) pour la stabilisation du procédé
linéaire à minimum de phase G ( p ) . Le régulateur de base R * ( p ) (3.1) est de structure et
paramètres fixes, synthétisé conformément au but de synthèse et au critère de performance
pour le cas du modèle nominal du procédé G ( p ) ≡ G * ( p ) (3.1), sous-entendant que le pro-
cédé n’est pas perturbé
(3.1) R * ( p ) ⇔ G* ( p ) , (β* ⇔α H , β * ( p ) = R* ( p ) ⋅G* ( p ) ) .
ν (p) ξ (p)

y
0
(p) ε(p) u (p) y (p)
R* ( p ) G* ( p )
- Fig.3.1

ν (p) ξ (p)
ΔG
y (p)
ν (p) ξ (p) G*
u (p)

y
0
(p) ε(p) u (p) y (p)
R* ( p ) G (p)
-
Fig.3.2
perturbation paramétrique multiplicative

système classique procédé nominal

Fig.3.3
perturbation paramétrique additive

ISBN 954 438 500 2 55

 COMMANDE ROBUSTE

La description (3.2) ÷ (3.5) du système nominal non-perturbé (Fig.3.1) utilise les nota-
tions: y 0 ( p ) - consigne; ε ( p ) - erreur; ν ( p ) - disturbance; u ( p ) - grandeur de com-
mande; y ( p ) - grandeur réglable; Φ i , j ( p ) - fonction de transfert du système en boucle fer-
mée avec entrée i et sortie j
(3.2) Φ yoy
( p ) = R * ( p ) G ( p ) [ 1 + R * ( p ) G * ( p ) ] −1 ,

(3.3) Φ y o
ε
( p ) = 1 [ 1 + R * ( p ) G * ( p ) ] −1 ,

(3.4) Φ ν y ( p ) = G* ( p ) [ 1 + R* ( p ) G* ( p ) ] − 1 ,

(3.5) Φ ν ε ( p ) = − G* ( p ) [ 1 + R* ( p ) G* ( p ) ] − 1 .
Les variations du procédé, causées par la perturbation paramétrique ξ ( p ) , sous
conditions initiales nulles, (Fig.3.2), sont données par (3.6). Ici G „ ( p ) est la fonction “pertur-
bée”, tandis que Δ G „ ( p ) = l a ( p ) représente ses variations autour de G * ( p )

(3.6) G „ ( p ) = G * ( p ) + Δ G „ ( p ) , [Δ G „ ( p ) = G„ ( p )− G* ( p ) = l a ( p ) ] .
La dynamique du système classique non-perturbé par ξ ( p ) (Fig.3.2, Fig.3.3) est don-
née par (3.7) ÷ (3.11):
( p ) = R* ( p ) G „ ( p ) [ 1 + R* ( p ) G „ ( p ) ] −1
(3.7) Φ ,
„

yo y

( p ) = 1 [ 1 + R* ( p ) G „ ( p ) ]
„ − 1
(3.8) Φ y oε
,

( p ) = G „ ( p ) [ 1 + R* ( p ) G „ ( p ) ]
„ −1
(3.9) Φ ν y ,

( p )= − ( p ) [1 + R * ( p ) G „ ( p ) ]
„ −1
(3.10) Φ ν ε G„ ,

( p ) = Δ G „ ( p ) [ 1 + R* ( p ) G „ ( p ) ]
„ −1
(3.11) Φ ξ y .
La perturbation ξ ( p ) fait varier les valeurs des paramètres de l’équation caractéristi-
que et déplace les pôles du système nominal en nuisant à sa performance. Le régulateur de
base R * ( p ) (3.1) et le système classique (Fig.3.2) sont une solution non efficace de la tâche
pour la stabilisation en conditions d’incertitude avec Δ G „ ( p ) .
La trajectoire du système nominal est une conséquence des variations de y 0 ( p ) et
ν ( p ) . La notion trajectoire nominale du système (3.15) est définie comme la réaction du sys-
tème (3.12) ÷ (3.14) à une action perturbatrice généralisée ϑ

ϑ= ν [ (p) ξ (p) yo ( p)]

T
,

[
(3.12) y α H
( p ) ]ν = y ( G* ) ( p ) = [G * ( p ) [ 1 + R * ( p ) G * ( p ) ] − 1 ] ν ( p ) ,

[
(3.13) y α H
( p ) ]ξ =0 ,

ISBN 954 438 500 2 56

 COMMANDE ROBUSTE

[
(3.14) y α H
( p )] y o
= y ( G* ) ( p ) = [R* ( p ) G* ( p ) [ 1 + R* ( p ) G* ( p ) ] − 1 ]y o
(p) ,

(3.15) [y α H
( p ) ]O G =G *
[
= Φ νy 0 Φ ξ y ] [ν ( p ) ξ (p) yo ( p )] .
T

La description du système perturbé (3.16) ÷ (3.18) est donnée en tant que trajectoire per-
turbée du système (3.19):

(3.16) y α [ H +α~ ( p ) ]ν = y (G * +Δ G„ ) ( p ) = G „ ( p [ ) [1 + R * ( p ) G „
( p )]
−1
]ν ( p ) ,
(3.17) y α[ H +α~ ( p )]ξ = y (G * +Δ G„ ) ( p ) = Δ G „ [ ( p ) [1 + R * ( p ) G „ ( p ) ]
− 1
]ξ ( p ) ,
(3.18) [ y α H +α~ ( p )] y o = y ( G * +Δ G „ ) ( p ) = R * [ ( p ) G „ ( p ) [ 1 + R* ( p ) G „ ( p ) ]
−1
]y o
(p) ,

(3.19) [y α H + α~ ( p ) ]„ G =G „
= ⎡Φ ν
⎢⎣
„
y Φ
„

ξ y Φ
„

yoy
[
⎤ ν
⎥⎦
(p) ξ (p) y
o
( p )]
T
.

Le module du décalage entre (3.19) et (3.15) e Y = y α H +α~ − yαH détermine la dévia-

tion de la trajectoire nominale du système perturbé comme (3.20).

On pose la tâche pour la synthèse d’un système robuste de stabilisation, minimisant

la déviation (3.20).
⎡
⎢ [ e ( p ) ] = ⎡⎢ y α H +α~ ( p ) „ G =G „ −
⎣
[ ] [y α H
( p ) ]O G =G*
⎤=
⎥⎦
⎤
⎥
⎢ ⎥
(3.20) ⎢ ⎡ ⎤ ⎡ ν ( p ) ⎤⎥ .
⎢ =⎢ G„ G* Δ G„ R* G „ R* G* ⎢ ⎥⎥
− − ⎥ ⎢ ξ ( p ) ⎥⎥
⎢⎣ ⎣
[
⎢ ⎢ 1 + R* G „ [1 + R* G* ] ]
1 + R* G „ [ ] [1 + R * G ] „
[ 1 + R * G * ] ⎥⎦ ⎢⎣ y o ( p ) ⎥⎦ ⎥⎦

3.1.2. Synthèse structurelle.

Soit la classe de systèmes robustes où la contre-réaction à ξ ( p ) s’effectue par une
composante additionnelle u 2 ( p ) dans l’action de commande. Leur structure utilise l’idée des
systèmes avec retour conditionnel (Fig.3.4), qui, à part le régulateur de base R * ( p ) , comporte
le modèle nominal du procédé G * ( p ) et le filtre dynamique D F ( p ) . Pour la structure
(Fig.3.4) sont valables les expressions (3.21) ÷ (3.24):

(3.21) u ( p ) = u 1 ( p ) + u 2 ( p ) ,
(3.22) u ( p ) = R * ( p ) ε ( p ) + [ R * ( p ) G * ( p )ε ( p ) − y ( p ) ] D F ( p ) ,
(3.23) u 2 ( p ) = [ R * ( p ) G* ( p ) ε ( p ) − y ( p ) ] DF ( p ) ,

(3.24) u 2 ( p )=0 , [G „
( p ) ≡ G* ( p ) , Δ G „ ( p ) = 0 ].

ISBN 954 438 500 2 57

 COMMANDE ROBUSTE

ξ (p)
régulateur robuste (p)
ν ΔG
y
0
(p) ε (p) u1 ( p ) y (p)
R* ( p ) G* ( p )
- u2 (p)

G* ( p ) ε* (p)
DF (p)
Fig.3.4 -
La description du système robuste non-perturbé (Fig.3.4) ROB 1 (Robust System with a
Minimum Deviation from the Nominal Trajectory) est donné par (3.2) ÷ (3.5) et du système
perturbé - par (3.25) ÷ (3.29):
(p)
G
„

(3.25) Φ ν y ( p ) = ,
„

(1 − G „
( p ) D F ( p ) ) + R * ( p ) G „ ( p ) (1 − G * ( p ) D F ( p ) )

(p)
Δ G„
( p )=
„
(3.26) Φ ,
ξ y
(1 − G „
( p ) D F ( p ) ) + R * ( p ) G „ ( p ) (1 − G * ( p ) D F ( p ) )

R * ( p )G ( p ) (1 − G * ( p ) D F ( p ) )
„

(3.27) Φ
„
( p )= ,
y o
y
(1 − G „
( p ) D F ( p ) ) + R * ( p ) G „ ( p ) (1 − G * ( p ) D F ( p ) )

(1 − G ( p ) D
„
( p ))
(3.28) Φ
„
( p )= F
,
y 0
ε
(1 − G „
( p ) DF ( p )) + R* ( p ) G „
( p ) (1 − G * ( p ) D F ( p ) )

(p)
−G
„

(3.29) Φ ν ε ( p )= .
„

(1 − G „
( p ) D F ( p ) ) + R * ( p ) G „ ( p ) (1 − G * ( p ) D F ( p ) )
En prenant en considération (3.30), le système perturbé peut être décrit par l’intermé-
diaire des relations (3.31) ÷ (3.33)
(3.30) A = ( 1 − G * D F ) (
, B = 1− G „ DF ) ( )
, C = 1 − G „ DF ⋅ (1 − G* DF )−1 = B A −1 ,

G(p)„

(3.31) Φ ν y ( p )= ,
„

B ( p ) + R * ( p )G ( p ) A ( p )
„

Δ G„ ( p
)
(3.32) Φ ξ y ( p )= ,
„

B ( p )+ R* ( p ) G „ ( p ) A ( p )

R * ( p )G „
( p ) A( p ) R * ( p )G „ ( p )
(3.33) Φ
„
( p )= = .
B ( p ) + R * ( p )G ( p ) A ( p ) C ( p ) + R * ( p )G ( p )
yo y „ „

La déviation (3.34) du système perturbé ROB 1 (Fig.3.4) de la trajectoire nominale (3.20)

est formée à partir des différences correspondantes (3.34)

ISBN 954 438 500 2 58

 COMMANDE ROBUSTE

⎡ ⎤ ⎡ν ( p )⎤
G„ G* ΔG R* G „ R* G* ⎢ ⎥
(3.34) [ e ( p )] = ⎢ .
− − ⎥ ⎢ξ ( p)⎥
⎢⎣ B + R * G * A 1 + R * G * B + R* G „ A C + R* G „ 1 + R * G * ⎥⎦ ⎢⎣ y o ( p ) ⎥⎦

La tâche pour la synthèse est ramenée à la conception du filtre dynamique D F ( p )

dans le système (Fig.3.4). La solution doit satisfaire aux conditions de:

1. Stabilité robuste du système pour Δ G „ ( p ) (stabilité de chacun des polynômes,

participant à la formation de la déviation).
2. Performance robuste du système (la synthèse paramétrique de chacun des éléments,
participants à la formation du vecteur des paramètres doit être effectuée suivant un seul
critère).
3. Définition de tâches locales pour la structure robuste concrète avec une composante
additionnelle dans la commande.

Dans le cas du système considéré (Fig.3.4), la définition d’une déviation Δ e de la trajec-

toire nominale (conformément aux exigences (2.83) et la résolution de (3.35)) n’est pas facile.

Cela est dû à la dimension supérieure et au caractère de la trajectoire nominale et de la

déviation qui dans ce cas représente une somme de produits de fonctions de transfert et de
perturbations ne dépendant pas du système.

Il est convenable de remplacer de façon équivalente les exigences considérées du cri-

tère de déviation par l’exigence de minimisation de la norme de la matrice [ e ( p ) ] , qui ex-
prime la déviation du système de la trajectoire nominale (3.35)

(3.35) e Y ≤ Δ e Y
⇔ e (p) = [e ( p )]ο .

3.1.3. Méthode pour la synthèse analytique d’un système robuste

[99,100].
Dans [99,100] est considérée une méthode pour la synthèse analytique d’un système ro-
buste suivant le critère °déviation minimale de la trajectoire nominale et stabilité°
(conformément à la structure de Fig.3.4). La méthode de l’équation de balance de la
stabilité est basée sur les conditions initiales suivantes:
A. On suppose que: le procédé est à minimum de phase, avec modèle nominal
G * ( p ) , le régime d’exploitation est caractérisé par l’ incertitude pa-
ramétrique due à la perturbation additive ξ ( p ) .
B. On suppose que: la limite supérieure des variations Δ G „ ( p )= la ( p )
(3.6) qui mènent aux variations dans le modèle G „ ( p ) du procédé est
connue (ou bien prévue par la synthèse).

Du point de vue de la stabilité du système, le cas le plus difficile est la limite supérieure
des variations du coefficient de transfert du procédé k ob et/ou τ ob T ob . Par exemple, si le mo-
dèle nominal du procédé est du type (3.36), le procédé perturbé à la limite supérieure G „ (p)
est donné par (3.37)

ISBN 954 438 500 2 59

 COMMANDE ROBUSTE

(3.36) G * ( p ) = 0 , 5 e −180 p ( 1350 p + 1 ) − n ,

⎧
(3.37) ⎪⎨ G ( p )≡ G„ ( p ) = G * ( p ) + Δ G „ ( p ) = G * ( p ) + l a ( p ) = [ 5 , 85 e −255 p ( 520 p + 1 ) − n ] .
[
⎪⎩ l a ( p )=Δ G „ ( p ) = G [] ( p ) − G * ( p ) = 5 , 85 e −255 p ( 520 p + 1 ) −n − 0 , 5 e −180 p ( 1350 p + 1 ) −n ]

La déviation du système de la trajectoire nominale est donnée par (3.38)

⎡ ⎤ ⎡ ν ⎤
G„ G* ΔG R* G „ R* G * ⎢ ⎥ .
(3.38) [ e ] ROB
=⎢ − − ⎥ ⎢ ξ ⎥
⎢⎣ B + R * G * A 1 + R * G * B + R* G „ A C + R* G „ 1 + R * G * ⎥⎦ ⎢⎣ y o ⎥⎦

C. Soit dans le système non-perturbé hypothétique pour la commande du pro-

cédé à minimum de phase G „ ( p ) (Fig.3.5), le régulateur “hypothéti-
que” R „ ( p ) (3.40) à être synthétisé conformément au but et aux critè-
res de performance préalablement définis pour la commande du
procédé nominal G * ( p ) (3.39) (Fig.3.4), c’est-à-dire selon une procé-
dure correspondante à celle pour la synthèse de R * ( p ) ou (3.39)

(3.39) R * ( p ) ⇔ G * ( p ) , ( β * ⇔ α H , β * ( p ) = R * ( p ) ⋅ G * ( p )) ,

(3.40) R „ ( p ) ⇔ G „ ( p ) , (β „ ⇔ α H + α~ , β „ ( p ) = R „ ( p ) ⋅ G „ ( p )) .

ν (p) ξ (p)
y 0
(p) ε (p) u (p) y (p)
R
„
(p) G
„
(p)
-
Fig.3.5

Dans ce cas la solution du problème pour la synthèse d’un régulateur robuste est rame-
né à la conception du filtre dynamique D F ( p ) qui accomplit les exigences de l’équation de
balance de la stabilité (3.41), correspondante au critère de °déviation minimale et stabilité° du
système (Fig.3.4) qui démontre l’essence de la méthode de synthèse proposée et satisfait aux
exigences de:

- stabilité de tous les éléments de la matrice [ e ( p ) ] ROB ;

- stabilité robuste du système (Fig.3.4) pour Δ G „ ;
- stabilité de l’estimation [ ê ( t ) ] ROB de la déviation de la trajectoire nominale;
- performance robuste du système (Fig.3.4) pour Δ G „ ;
- réalisabilité physique et technique de D F ( p ) ;
- régime d’exploitation des systèmes de stabilisation avec des actions à travers les va-
riables ν ( p ) et ξ ( p ) du vecteur généralisé ϑ ( p ) (3.32).

ISBN 954 438 500 2 60

 COMMANDE ROBUSTE

D. La dynamique désirée du filtre D F ( p ) est déterminée de manière analyti-

que à partir de la solution (3.41) en tant que (3.46) - base pour l’algo-
rithme de la méthode de l’équation de balance de la stabilité
„ „
G G
(3.41) = ,
(1 − G „
)
D F + R * G „ (1 − G *D F ) 1+ R„ G„

(3.42) 1 − G „ D F + R * G „ − R * G * G „ D F = 1 + R „ G „ ,

(3.43) ( 1 + R * G „ ) − G „ D F ( 1 + R * G * ) = 1 + R „ G „ ,

(3.44) − G „ D F ( 1 + R * G * ) = 1 + R „ G „ − 1 − R * G „ ,

(3.45) G „ D F ( 1 + R * G * ) = − G „ ( R „ − R * ) ,

( p ) − R* ( p )
R
„

(3.46) D F ( p ) = − .
1 + R* ( p )G* ( p )

3.1.4. Analyse de la solution.

La solution (3.46) pour le filtre dynamique D F ( p ) concrétise la description du système

perturbé ROB 1 avec (3.47) ÷ (3.49) et sa trajectoire du mouvement perturbé de réparamétrisa-
tion avec (3.50)

R* G
„
( 1 − G *D F ) R* G
„
(1 + R „
G* )
(3.47) Φ y
„
(p) = = ,
o
y {G = G } „
(1 + R „
G„ ) (1 + R „
G„ ) ( 1 + R* G* )
G„
(3.48) Φ ν y
„
(p) = ,
{ G = G } (1 + R „ G „
„
)
Δ G„
(3.49) Φ ξ y
„
(p) = ,
{G = G } (1 + R „ G „
„
)

(3.50) [y α H + α~ ( p ) ]„
ROB

G =G
„
= ⎡Φ ν y
⎢⎣
„
Φξy
„
Φy
„
o
y ⎥⎦
[
⎤ ν( p ) ξ(p) y
o
( p )]
T
,

aussi bien que la description du système robuste non-perturbé avec (3.51) ÷ (3.53)
R* G*
(3.51) Φ s y (p) = ,
{ G = G* } (1 + R* G* )
G*
(3.52) Φ ν y ( p ) = ,
{ G = G* } (1 + R * G * )
(3.53) Φ ξ y (p) = 0 .
{ G = G* }

ISBN 954 438 500 2 61

 COMMANDE ROBUSTE

Les équations (3.47) ÷ (3.53) permettent de déterminer la déviation de la trajectoire nomi-

nale du système perturbé ROB 1 (3.54), comportant le filtre (3.46) D F ( p )

(3.54) [ e ] ROB ⎡ G
„
G* ΔG R* G
„
(1 + R „
G* ) R* G* ⎤ ⎡ν
⎢ ξ
⎤
⎥ ,
=⎢ − − ⎥
„
⎢⎣ 1 + R G „
(1 + R * G * ) (1 + R „
G„ ) (1 + R „
G„ ) ( 1 + R * G * ) ( 1 + R * G * ) ⎥⎦ ⎢
⎢⎣ y o
⎥
⎥⎦

qui est de norme minimale e ( p ) , puisque sont valables les relations (3.55)

⎪
[
⎧ y
α H + ~( p )
α ]
„ ROB
G =G „
[
− yα H ( p )
O
]
G = G*
[
< y α H + α~ ( p )
„
G =G „
]
− yα H ( p )
O
[ ] G = G*
⎫
⎪
⎪ ⎪
⎪
⎪
[
y α H + α~ ( p )
„
]
ROB

G = G „
[
< y α H + α~ ( p )
„
G =G „
] ⎪
⎪
⎪ [ e ( p ) ] ROB < [ e ( p ) ] ⇔ [ e ( p ) ] ROB = m i n e ( p ) ⎪
⎪ ⎪
⎪ ⎧ G
„
G* G
„
G* ⎫ ⎪
⎪ ⎪ − < − ⎪ ⎪
(3.55) ⎨ ⎪
⎪ ⎪
1+ R G
„ „
(1 + R * G * ) 1 + R* G [ „
[1 + R * G * ] ] ⎪
⎪
⎬ .
⎪
⎪ ⎪ Δ G„ Δ G„ ⎪⎪ ⎪
⎪ ⎪ < ⎪
⎪ ⎨ (
1+ R G
„ „
)
1 + R* G [ „
] ⎬ ⎪
⎪ ⎪ ⎪ ⎪
⎪ ⎪ R* G „ (
1 + R„ G* ) R* G „
⎪ ⎪
⎪ ⎪ ⎪
R* G* R* G*
− < − ⎪
⎪ ⎪ 1 + R „ G „ ( 1 + R* G* ) ( 1 + R* G* )
⎩ ⎪⎩
( ) 1 + R* G „ [[ 1 + R *G * ] ] ⎪
⎪⎭
⎪
⎭

Les particularités suivantes de la solution proposée sont évidentes (3.46):

- En différence par rapport au système classique, le système robuste proposé ROB 1 est
caractérisé par les polynômes stables (3.47) ÷ (3.53) pour l’état perturbé aussi bien
que pour l’état non-perturbé. Cela est caractéristique aussi pour la déviation (3.54)
de la trajectoire nominale du système robuste (le minimum de la norme de la dé-
viation). Avec ces propriétés le système proposé satisfait à l’exigence de stabilité
robuste (voir la preuve dans les problèmes d’application & 3.2);

- Dans la méthode considérée le régulateur de base R * ( p ) , aussi bien que le filtre dy-
namique D F ( p ) et le régulateur “hypothétique” R „ ( p ) sont synthétisés sous
le même critère de performance, ce qui garantit que le système ROB 1 possède la
propriété correspondante à l’exigence de performance robuste du système (voir la
preuve dans les problèmes d’application & 3.2);

- En l’absence de ξ ( p ) , les fonctions de transfert de ROB 1 (Fig.3.4) coïncident avec

celles du système classique (Fig.3.1). Dans le contour supplémentaire du système
robuste est formée une composante additionnelle u 2 ( p ) ≠ 0 sur le procédé
commandé, pour ξ ( p ) ≠ 0 . Le filtre dynamique D F ( p ) agît si ξ ( p ) ≠ 0 . Avec
cette propriété, garantie par sa structure et la méthode de synthèse, le système ro-
buste (Fig.3.4) satisfait à l’exigence d’accomplir des tâches locales dans la struc-
ture de commande.

ISBN 954 438 500 2 62

 COMMANDE ROBUSTE

L’analyse robuste (& 3.2.1.2) de la solution prouve l’applicabilité et la convergence de la

méthode de synthèse considérée.

La méthode [99,100] pour la synthèse basée sur l’équation de balance de la stabilité

(3.41) selon le critère °déviation minimale de la trajectoire nominale et stabilité° consiste en la
synthèse paramétrique des deux composantes dans la structure prédéfinie R * ( p ) et
R „ ( p ) d’un régulateur robuste, en supposant:

1. Synthèse, suivant des méthodes connues, du régulateur R * ( p ) correspondant au

modèle nominal G * ( p ) du procédé, conformément aux critères locaux d’optimalité.

2. Définition (obtention, détermination) de la limite maximale supérieure des perturba-

tions Δ G „ ( p ) = l a ( p ) (3.6), qui mènent à des variations dans le modèle du procédé
G „ ( p ) ; synthèse de régulateur R „ ( p ) correspondant au modèle du procédé
G„ ( p ) perturbé à la limite supérieure, conformément aux critères locaux d’optimalité
(les mêmes que pour le régulateur R * ( p ) ).

3. Conception du filtre dynamique D F ( p ) conformément à (3.46).

ν (p) ξ (p)
ΔG
régulateur robuste
y 0
( p ) ε( p ) y (p)
(
R* 1 − R G* „
)( 1 − R * G * ) −1
ΔG
u( p)
- y (p) -
(R „
− R* )( ( 1 − R * G * ) R * ) −1

Fig.3.6

Le système robuste ROB 1 est illustré à la Fig.3.6 (équivalente à Fig.3.4).

Ici sont relevées les propriétés structurelles du régulateur robuste, synthétisé selon le
critère °déviation minimale de la trajectoire nominale et stabilité°.

Les nouveautés dans ce système robuste avec modèle interne du procédé à commander
et retour conditionnel sont la méthode fréquentielle [99,100] et le critère °déviation minimale de
la trajectoire nominale et stabilité° pour la synthèse du compensateur dynamique.

En effet, c’est une méthode typique pour la synthèse robuste dans une des classes
FDM (Frequency Domain Methods), QFT (Quantitative Feedback Theory) et RMM (Ro-
bust Model Matching Methods).

ISBN 954 438 500 2 63

 COMMANDE ROBUSTE

3.2. Problèmes d’application.

3.2.1. Synthèse d’un système robuste (problème avec modèle li-
néaire).
Soient donnés (connus):
les modèles nominal G * ( p ) (3.56) et perturbé à la limite supérieure G „ ( p )
(3.57) d’un procédé linéaire à minimum de phase G ( p ) , fonctionnant en conditions
d’incertitude a priori avec des fluctuations paramétriques de G ( p ) autour de
G * ( p ) dans l’ensemble Π ∈ G *, G .
„
[ ]
Il est nécessaire de:
I. Synthétiser le système robuste ROB 1 pour la stabilisation par la méthode [340,361]
de l’équation de balance de la stabilité sous critère (3.41) en utilisant l’algorithme
de synthèse (3.46).
II. Effectuer l’analyse robuste du système robuste synthétisé.
III. Etudier les indices de performance du système robuste, en les comparant aux indi-
ces du système classique pour G * ( p ) , en déterminant la déviation (3.54) de la tra-
jectoire nominale (3.15) et en estimant l’efficacité de la solution du problème pour la
minimisation de la déviation.

3.2.1.1. Synthèse analytique - exemple numérique.

La solution du problème de synthèse par (3.46) avec modèle linéaire suit les étapes:
I.1. La synthèse d’un système pour stabilisation (Fig.3.1) d’un procédé linéaire à mini-
mum de phase avec modèle nominal connu (3.56) qui est un problème, dont la solution com-
porte R * ( p ) (3.58), optimal par rapport à G * ( p ) ; dans le cas concret dans le début sont uti-
lisées les méthodes de Chien-Hrones-Reswick et de Zigler-Nichols. L’ajustement définitif de
R * ( p ) (Tableau 3.1) est précisé à l’aide d’une procédure itérative d’optimisation [99,100] avec
convergence prouvée et vitesse de convergence connue. Pris en considération sont le but (sta-
bilisation), les exigences de performance (stabilité, rapidité, précision) et les indices qualitatifs
(processus transitoires apériodiques critiques). Un tel système classique est efficace pour la
stabilisation de procédés non perturbés (3.56)
−τ p −1 p
k ob . e 1. e
(3.56) G * ( p ) = = ,
( T ob p + 1 ) ( 10 p + 1 )
„
k ob „ . e − τ p
8. e −8 p
(3.57) G „
( p )= = ,
(T ob „ p +1 ) ( 10 p + 1 )
k R ( T i p + 1 )( T d p + 1 ) 3 ( 10 p + 1 )( 2 p + 1 )
(3.58) R * ( p ) = = ,
T i p ( aT d p + 1 ) 10 p ( 0 , 22 p + 1 )

k (T p +1 )( T p+1 ) 0.1 ( 10 p + 1 )( 1 p + 1 )
(3.59) R „ ( p )= R„ i„ d„
= .
Ti„ p ( a Ti p + 1 ) 10 p ( 0 , 21 p + 1 )

Le modèle du système classique est donné à la Fig.3.3. Les résultats de la simulation du

système sont montrés par Fig.3.7 ÷ Fig.3.14.

ISBN 954 438 500 2 64

 COMMANDE ROBUSTE

G ( j ω ) = G* ( j ω ) G ( j ω ) = G* ( j ω )

= (1 + R* G* )
−1
Φy 0
ε

Φ νy = G * ( 1 + R * G * ) − 1

= R* G* (1 + R* G * )
−1
Φy 0
y

Fig.3.7 Fig.3.8
„
G = G* ; G = G G =G
„

ϕ G* ( ω ) ϕ G„ (ω ) classique
classique

AG „ (ω )

A G* ( ω )

Fig.3.9 Fig.3.10
Φy 0
y
(
= R * G 2„ 1 + R * G 2„ ) −1

„ R* G* Φy 0
y
(
= R * G 3„ 1 + R * G 3„ ) −1

R * G 15 „
R* G 1
„
R* G 2
„
R* G 3
„
R* G 4
„
R* G 5 Φy 0
y
(
= R * G 4„ 1 + R * G 4„ ) −1

„
R* G 6 Φy 0
y
= R* G * (1 + R* G * )
−1 Φy 0
y
= R* G 5 „
(1 + R * G ) „
5
−1

Fig.3.11 Fig.3.13
(
système classique G = G * ; y y , ν = 10 % ; ε y , ν = 10 %
0
) ( 0
) système classique y y ( 0
, ξ → k ob = 2.35 ,τ = 2.35 )
y

Fig.3.12 Fig.3.14
En régime nominal avec modèle du procédé G * ( p ) , le système (Fig.3.12) satisfait aux
exigences imposées par la synthèse.
En régime d’exploitation pour procédé perturbé à la limite supérieure G „ ( p ) avec le
modèle (3.57), le système classique (Fig.3.1) est instable (Fig.3.9, Fig.3.10, Fig.3.11, Fig.3.13).
Fig.3.14 donne la réponse indicielle pour un échelon additif ξ a ( p ) [ ξ a ( p ) ⇔ Δ G ( p , ξ ) ]

ISBN 954 438 500 2 65

 COMMANDE ROBUSTE

(3.15), signal qui le ramène à la limite de stabilité. Dans ce cas le procédé est modelisé par
(3.61)
−2 , 35 p −1 , 0 p
2 , 35. e 1 , 0. e
(3.60) Δ G ( p , ξ ) = − ,
( 10 p + 1 ) ( 10 p + 1 )
−2 , 35 p
2 , 35. e
(3.61) G ( p ) = .
( 10 p + 1 )
I.2. La même procédure pour la synthèse d’un système hypothétique (Fig.3.5) pour la
stabilisation de G „ ( p ) (3.57), conformément aux exigences et aux critères de performance
pour la stabilisation de G * ( p ) , mène à R „ ( p ) (3.59).
I.3. En tant qu’élément principal, R „ ( p ) détermine la conception de D F ( p ) (3.62)
dans le système robuste ROB 1 pour stabilisation de G ( p ) conformément à la structure de
Fig.3.4, Fig.3.6. Le modèle du système robuste synthétisé est donné par Fig.3.15, Fig.3.16
0.1 ( 10 p + 1 )( 1 p + 1 ) 3 ( 10 p + 1 )( 2 p + 1 )
−
R ( p )− R* ( p )
„
10 p ( 0 , 21 p + 1 ) 10 p ( 0 , 2 2 p + 1 )
(3.62) D F ( p )= = .
1 + R* ( p ) G* ( p ) 3 ( 10 p + 1 )( 2 p + 1 ) 1. e
−1 p

1+
10 p ( 0 , 22 p + 1 ) ( 10 p + 1 )

Fig.3.15 Fig.3.16 Step Input

Switch

-
1
8.384 +
10s+1 Sum7
Slider Gain2 Transfer Fcn4 Transport
Delay1
1
1
10s+1
Slider Gain1 Transport
Transfer Fcn3
Delay2
+ + 1
+ + 1 +
- + 10s+1

ξ (p) Sum1 PID controler Sum

Slider Gain
Transfer Fcn Transport
Delay
+
régulateur robuste ν(p) ΔG
Sum5

y
0
(p) ε (p) u1 ( p ) y (p) 1
1 +
R* ( p ) G* ( p ) 10s+1 -

- u2 (p)
Gain2
Transfer Fcn1 Transport Delay2 Sum3

+ 1
-
1 10s+1
G* ( p )
Sum2
ε* (p) PIDcontroler1 Gain1 Transfer Fcn2 Transport Delay1
-
+
DF (p) Sum4

-
PID controler_

3.2.1.2. Analyse robuste.

II. Les résultats de l’analyse robuste (2.60) ÷ (2.66) du système (Fig.3.15, Fig.3.16) sont
donnés par Fig.3.17 et Fig.3.18. Le module (3.63) de la fonction inverse de la sensibilité com-
−1
plémentaire η ROB (Fig.3.17) pour toutes les fréquences est supérieur au module de la pertur-
bation multiplicative l m ( ω ) (la ligne brisée de Fig.3.17)

(3.63) l m ( ω ) < η ( ω ) −1
ROB
, ∀ω .

Ceci est la preuve que le système analysé (Fig.3.15, Fig.3.16) est de stabilité robuste
pour l’ensemble Π de G ( p ) (des fluctuations paramétriques de G ( p ) autour G * ( p ) ) et
pour des conditions initiales lors de la synthèse du système (3.64)
[
(3.64) Π ∈ G *, G „ . ]
ISBN 954 438 500 2 66
 COMMANDE ROBUSTE

La stabilité robuste du système η ( ω ) l m ( ω ) ROB < 1 est illustrée par Fig.3.18. Pour
comparaison est donnée η ( ω ) −1
CLASS
(3.65), qui ne satisfait pas aux exigences de stabilité et
de performance robustes
(3.65) l m ( ω ) < η ( ω ) −1
CLASS
, ∀ω .

En même temps, pour l’ensemble considéré (3.64), le système satisfait aux exigences de
performance robuste (3.66)
(3.66) η ( ω ) lm ( ω ) + e (ω ) s(ω ) < 1 , ∀ω .

La performance robuste du système est démontrée à la Fig.3.18. Les résultats de l’ana-

lyse robuste confirment que les exigences de performance sont satisfaites.
Les résultats négatifs de l’analyse robuste du système classique pour l’ensemble (3.64),
confirment la nécessité d’appliquer des systèmes robustes pour la commande de procédés en
conditions d’incertitude a priori avec fluctuations paramétriques dans un ensemble du type
(3.64).

stabilité robuste performance robuste

(l m (ω )< η (ω ) −1
ROB
1 ) ( η lm + e y0 < 1 )

−1
η
−1
ROB
1 = Φ y
0
y
(ω ) 1
ROB

l ( jω )= Δ G ( jω )
m

G ( j ω )− G * ( j ω )
„
l ( jω )=
G* ( jω )
m

l m ( jω ) ≤ lm (ω )

Fig.3.17

performance
robuste
η lm + e y0 < 1

stabilité robuste η lm < 1

Fig.3.18

ISBN 954 438 500 2 67

 COMMANDE ROBUSTE

3.2.1.3. Méthode d’analyse comparative et estimation de per-

formance par des indices généralisés [99,100].
III.1. La performance d’un système (stabilité, rapidité et précision) est estimée de point
de vue quantitatif par des indices dans les espaces de la description analytique (marges de sta-
bilité, temps de régulation, erreur dynamique, etc.). L’analyse de la performance consiste en
l’étude de ces indices dont les résultats représentent une preuve analytique pour l’efficacité du
système en présence de perturbations de signal. Pour l’estimation de l’aptitude des systèmes
de réaliser une contre-réaction efficace aux perturbations paramétriques, existent les indices
quantitatifs.
La stabilité robuste est exprimée de manière quantitative par l’estimation de la valeur
singulière structurée maximale de la fonction de transfert matricielle du système en boucle fer-
mée - la norme de T y 1 u 1 ∞ ( μ - synthèse).
L’analyse robuste de la performance traite les normes des matrices de transfert du sys-
tème, dont les résultats représentent une preuve pour l’efficacité du système en présence de
perturbations paramétriques.
Pour l’analyse technologique de la performance du système estimé, perturbé dans le
spectre complet d’exploitation (perturbations paramétriques et de signal), mis dans les condi-
tions réelles ou proches aux réelles, dans [99,100] sont considérés les indices généralisés:

● déviation de la trajectoire nominale du système analysé [ e ] estim , qui caractérise in-

sys

directement la stabilité robuste, pour des perturbations paramétriques et de signal avec

base pour la comparaison - le système nominal, correspondant au modèle du procédé
nominal (système non perturbé linéaire);

● précision dynamique du système analysé [ ε ] estim dans des conditions d’exploitation

sys

(ou proches à celles-ci), pour des perturbations paramétriques et de signal avec base
pour la comparaison - le système classique correspondant;

● pertes hydrodynamiques du système analysé [ E Δ ] estim dans des conditions d’exploi-

sys

tation (ou proches à celles-ci), le système perturbé dans le spectre complet, avec base
pour la comparaison - le correspondant système classique paramétriquement perturbé;

[ ]
sys
[ ê ] , [ ε̂ ]
sys sys
estim
et Ê Δ
estim
étant les estimations pour les autres conditions étant les mêmes,
estim

avec action multidimensionnelle du type ϑ (3.67) avec variables ν ≡ s , ξ et y o , qui simule

les différents régimes d’exploitation du système [sans émission de bruit dans la vanne automa-
tique VA du système par υ 1 ( ) , avec émission de bruit sporadique dans VA par υ 2 ( ≈ ) , avec
émission de bruit constante dans VA par υ 3 ( ~ ) ]

⎪
[ ]
⎧ ν ( p ) ξ ( p ) y o ( p ) T pour systèmes robuste et classique analyses ⎫
⎪
⎪
(3.67) ϑ = ⎨ [
ν( p ) 0 ]
y ( p ) pour système nominal
o T ⎪
⎬ .
⎪
( ) (
⎪⎩ υ 1 = f 1 ( υ , q , V ) ; υ 2 = f 2 υ , q ,V ; υ 3 = f 3 υ , q , V
≈ ≈ ~
)
~ ⎪
⎪⎭

En [99,100] est considéré la méthode pour l’analyse comparative et pour l’estimation

quantitative de la performance des systèmes par les indices généralisés °déviation de la trajec-
toire nominale°, °erreur dynamique° et °pertes d’énergie° pour une durée considérable de fonc-
tionnement du système. La méthode traite deux directions de l’analyse comparative ayant re-

ISBN 954 438 500 2 68

 COMMANDE ROBUSTE

cours à la simulation parallèle des systèmes synthétisés pour les mêmes conditions initiales en
utilisant les modèles de VA :
- analyse d’un groupe de modèles des systèmes comparés, mis dans les mêmes
conditions du milieu d’exploitation ϑ (3.67);
- analyse de groupes homogènes de modèles des systèmes comparés, mis dans des
différents régimes d’exploitation ϑ 1 , ϑ 2 ,. . , ϑ n (3.67).
L’essentiel de la méthode [99,100] est le suivant :
En conditions de simulation parallèle en tant qu’estimations [ ê ] estim de [ e ] estim sont uti-
sys sys

lisées les relations de l’action généralisée ϑ (3.67) avec:

- les grandeurs réglables du système analysé et du système nominal -
[ y) ( t ) ]„ et [ y α ( t )]O
sys
estim )
αH + α~ et leurs différences (3.68);
G =G „ H G = G*

- les estimations intégrales de ces grandeurs et de leurs différences (3.69);

- les estimations intégrales des modules de ces grandeurs et de leurs différences (3.70);
- les estimations intégrales ramenées des modules de ces grandeurs (3.71) par rapport à
la déviation estimée de la trajectoire nominale,
sys

[ ) ]„ [ ŷ (t , ϑ ) ]O
syst estim
(3.68) [ ê ( t )] = ŷ α H +α~ ( t , ϑ
NOM
estim
a − αH ,
„
G = G*
G =G

t t

∫ [ ŷ (t , ϑ ) ]
∫ [ ŷ (t , ϑ ) ]O
sys sys

(3.69) [ ê ( t )]
NOM
„ estim
estim
b = α + α~ „
dt − αH dt ,
H
G =G G = G*
0 0

t t

∫ [ ŷ (t , ϑ ) ]
∫ [ ŷ (t , ϑ ) ]O
sys sys

(3.70) [ ê ( t )]
NOM
„ estim
estim
c = α + α~ „
dt − αH dt ,
H
G =G G = G*
0 0

t t

∫ [ ŷ (t , ϑ ) ]
∫ [ ŷ (t , ϑ ) ]O
sys
NOM
„ estim
α + α~ dt − αH dt
H
G =G „ G = G*
sys
(3.71) [ ê ( t ) ) ] estim
d = 0
t
0
100 , % .

∫ [ ŷ ( t , ϑ ) ]„
sys
estim
α + α~ dt
H
G =G „
0

sys
En fonction de l’estimation concrète utilisée [ ê ( t ) ] estim
i , l’analyse démontre avec com-

bien ou combien de fois la trajectoire [ ŷ α + α~ ( t , ϑ ) ]

sys
„
du système analysé paramétrique-
estim
H G =G „

ment perturbé dévie de la trajectoire nominale du système

[ ê ( t ) ] O [
≡ ŷ α H ( t , ϑ ) ]O
NOM

G = G*
.

Il faut prendre en considération l’existence de la déviation [ e ] CLASS (3.72)

(3.72) [ e ] CLASS = [y α H +α~ ( p ) ]„

CLASS

G =G
„
− yα H[ ( p )] 0
NOM

G =G*
,

ISBN 954 438 500 2 69

 COMMANDE ROBUSTE

aussi bien que les estimations [ ê ( t ) ] CLASS

i (3.73) ÷ (3.76) pour la déviation [ e ] CLASS du système
classique de la trajectoire nominale [ ê ( t ) ]O [
≡ ŷ α H ( t ) ]O
NOM

G = G*
, analogiques à (3.68) ÷ (3.71)

(3.73) [ ê ( t ) ] CLASS
e = ŷ α [ H + α~ ( t , ϑ ) ]„
CLASS

G =G
„
− [ ŷ αH (t , ϑ ) ]O
NOM

G = G*
,

t t

(3.74) [ ê ( t )]
∫ [ ŷ (t , ϑ ) ]
∫ [ ŷ (t , ϑ ) ]O
CLASS NOM
„
= dt − dt ,
CLASS
f α + α~ αH
H
G =G „ G = G*
0 0

t t

(3.75) [ ê ( t ) ] CLASS
∫ [ ŷ ( t , ϑ ) ]„
∫ [ ŷ (t , ϑ ) ]O
CLASS NOM
g = α + α~ „
d t− αH dt ,
H
G =G G = G*
0 0

t t

∫ [ ŷ ( t , ϑ ) ]„
∫ [ ŷ (t , ϑ ) ]O
CLASS NOM
α + α~ „
dt − αH dt
H
G =G G = G*

(3.76) [ ê ( t ) ] CLASS
h = 0
t
0
100 , % .

∫ [ ŷ ( t , ϑ ) ]„
CLASS
α + α~ dt
H
G =G „
0

Les modèles du système robuste et du système classique sont comparés à partir des re-
lations du type
⎛ sys
⎞
[ ê ( t ) ] iΔ = f i ⎜⎜ [ ê ( t ) ] CLASS
i , [ ê ( t ) ] estim
i
⎟⎟ ,
⎝ ⎠
qui reflètent la différence dans leurs déviations (3.73) ÷ (3.76) de la trajectoire nominale.
En conditions de simulation parallèle, en tant qu’estimations [ ε̂ ] estim de [ ε ] estim , sont
sys sys

utilisées les relations entre des grandeurs caractérisant la réaction du système à une action gé-
néralisée ϑ (3.67).
Pour une base de l’estimation comparative de la précision dynamique du système ana-
lysé est pris le système classique paramétriquement perturbé, correspondant au modèle
nominal du procédé commandé. Le système analysé est estimé en fonction de la trajectoire de
base (3.77) (l’erreur dynamique du système classique paramétriquement perturbé). La trajec-
toire de l’erreur dynamique estimée est donnée par (3.78)

(3.77) ε CLASS o
⎡
(ν , ξ , y ) ( p ) = ⎢⎣ Φ ν ε
„

CLASS
Φ ξε
„

CLASS
Φ y ε
„
o
CLASS ⎥⎦
[
⎤ ν( p ) ξ( p ) y
o
( p )] ,
T

⎡ ⎤
[ ( p )]
sys
( p ) = ⎢Φ ν ε ⎥ ν( p ) ξ( p )
„ „ T
(3.78) ε (estim Φ ξε Φ .
„

ν ,ξ, y ) o
yo ε
yo
⎣ ⎦
sys sys sys
estim estim estim

Le cas optimal pour la valeur de l’erreur dynamique est qu’elle soit nulle - une erreur in-
férieure dans le système détermine une précision dynamique supérieure. C’est la raison pour le
fait que la différence strictement positive dans les trajectoires des systèmes [ Δ ε ( p ) ] Δ (3.79)
définit les avantages dans la précision dynamique du système analysé par rapport au classi-
que, qui est exprimé par les estimations correspondantes [ e ( t ) ] εi (3.80), données par
)

(3.81) ÷ (3.84)

ISBN 954 438 500 2 70

 COMMANDE ROBUSTE

sys
(3.79) [ Δ ε ( p )] Δ
= ε ( yo CLASS
,ν , ξ ) ( p ) −ε (y
estim
o
,ν , ξ ) ( p ),
sys
(3.80) [ e ( t
)
) ] εi = [ Δ ε) ( t ) ] Δ = ε) CLASS ) estim
( y , ν , ξ ) ( t ) −ε ( y , ν , ξ ) ( t ) ,
o o

) ] a =[ε α ( t ,ϑ ) ] [ ]
sys
) )
(3.81) [ ê ( t − ε α H +α~ ( t ,ϑ )
CLASS
ε „ estim
+α~
O
,
H
G =G „ G =G „

t t

∫ [ε ( t ,ϑ ) ]
∫ [ε ( t ,ϑ ) ]
sys
) )
(3.82) [ ê ( t )]b
CLASS
ε „ estim
= dt − dt ,
O
α + α~ „ α + α~ „
H
G =G H
G =G
0 0

t t

∫ [ε ( t ,ϑ ) ]
∫ [ε ( t ,ϑ ) ]
sys
) )
(3.83) [ ê ( t )]c
CLASS
ε „ estim
= dt− dt ,
O
α + α~ „ α + α~ „
H
G =G H
G =G
0 0

t t

∫ [ε ( t ,ϑ ) ]
∫ [ε ( t ,ϑ ) ]
sys
) „
CLASS ) estim
dt −
O
α + α~ α +α~ dt
H
G =G „ H
G =G „

(3.84) [ ê ( t ) ] εd = 0
t
0
100 , % .

∫ [ )
ε α H + α~ ( t ,ϑ ) ]„
CLASS

G =G „
dt
0

Les systèmes analysé et classique sont comparés en utilisant des relations du type
( )
[ ê ( t ) ] Δj = f j [ ê ( t ) ] εi , qui reflètent les différences entre les erreurs dynamiques.

[ ]
sys
En conditions de simulation parallèle en tant qu’estimations Ê Δ estim de [ E Δ ] estim sont
sys

utilisées des relations qui déterminent la réaction du système à l’action généralisée ϑ (3.67).
La base pour l’estimation comparative des pertes du système analysé est le correspon-
dant système classique paramétriquement perturbé pour les mêmes et pour des différents régi-
mes de fonctionnement. Les pertes dans le système classique paramétriquement perturbé et
dans le système analysé sont estimée selon les relations (3.85) ÷ (3.87)

(3.85) ŷ CLASS
(t , y o
,ν , ξ ) = y (t , y
CLASS
o
,ν , ξ ) − y (t , y
NOM
o
,ν ) ,

sys sys
(3.86) ŷ ( t , y estim
o
,ν , ξ )= y ( t , y
estim
o
,ν , ξ )− y (t , y
NOM
o
,ν )
,

sys
) CLASS ) estim
(3.87) Δ εˆ (Δt , y o
,ν , ξ )
= ε ( t , y ,ν , ξ )
o − ε (t , y o ,ν , ξ ) .

En résumé, la méthode pour l’analyse comparative et l’estimation de la performance par

les indices généralisés °déviation de la trajectoire nominale° et °erreur dynamique° pour une
durée considérable de fonctionnement du système sous l’action ϑ (3.67), utilise les résultats
(3.85) ÷ (3.87) de la simulation parallèle, en fournissant:

ISBN 954 438 500 2 71

 COMMANDE ROBUSTE

● Δ-estimations de I-er niveau de la performance par les indices généralisés pour les
mêmes conditions d’exploitation (de simulation), selon les relations (3.88) ÷ (3.91);
● Δ-estimations de II-eme niveau de supériorité dans la performance par les indices
généralisés de la performance pour les mêmes conditions d’exploitation (de simulation),
fonction des Δ-estimations de I-er niveau, par (3.92) ÷ (3.95);
● Δ-estimations de I-er niveau d’efficacité par les indices généralisés pour des diffé-
rents régimes d’exploitation, par (3.96) ÷ (3.99);
● Δ-estimations de II-eme niveau de supériorité dans la performance par les indices gé-
néralisés pour des différents régimes d’exploitation, par (3.100) ÷ (3.103);
[ ]
● Ê Δ -estimations des pertes hydrodynamiques pour les mêmes et pour des diffé-
rents régimes d’exploitation, selon les relations (3.100) ÷ (3.105),

Les estimations sont systématisées dans le Tableau 3.1. Les résultats de l’application de
la méthode et l’analyse des estimations sont une confirmation expérimentale (pour les modèles
concrets) de:
- la conclusion de l’analyse robuste, qui prouve la stabilité robuste et la performance ro-
buste des systèmes analysés;
- l’accomplissement des conditions du critère, utilisé lors de la synthèse;
- l’avantage des systèmes analysés par rapport au système classique, exprimé par
l’amélioration de la performance et la diminution des pertes.

Les Δ -estimations (3.88) ÷ (3.95) démontrent:

- avec combien de pourcents ou combien de fois les indices généralisés de la perfor-
mance des systèmes analysés sont meilleurs par rapport aux indices du système classique cor-
respondant;
- le rapport entre les indices généralisés des systèmes analysés dans le groupe;
- quel système du groupe est le meilleur ( * ) et quelle est son supériorité par rapport
aux autres.

Les ∇ -estimations (3.96) ÷ (3.103) reflètent:

- l’aptitude de chaque système de maintenir les indices de sa performance et
l’estimation de la déviation de la trajectoire nominale et de l’erreur dynamique pour incertitude,
en conditions d’exploitation plus difficiles ( ϑ 1 , ϑ 2 ,. . , ϑ n );
- l’efficacité du meilleur système (* ) à maintenir ses indices constants, pendant que
ceux des autres systèmes dans le groupe diminuent, en conditions d’exploitation plus difficiles
( ϑ 1 , ϑ 2 ,. . , ϑ n ).

[ ]
Les Ê Δ - estimations (3.104), (3.105) mesurent:
- l’augmentation ramenée des pertes intégrales par rapport à celles du système le plus
économique;
- la variation des pertes intégrales lors du passage vers des conditions d’exploitation
plus difficiles
t t
⎛ ⎞
∫ ∫
sys sys
(3.88) [ ê ( t ) ]1 ⎜⎜ [ ê ( t )] g , c
Δ CLASS
= CLASS
ŷ ( t , y o ,ν , ξ )
d t− ŷ (estim d t = f estim
⎟⎟ ,
,ν , ξ ) 1
o

⎝ ⎠
t ,y

0 0

ISBN 954 438 500 2 72

 COMMANDE ROBUSTE

⎡ ⎛ t t ⎞⎤
⎜ ⎟⎥ ⎛ ⎞
∫ ∫
sys sys
[ ê ] 2 = ⎢1−⎜ [ ]
Δ CLASS
(3.89) estim
ŷ ( t , y o dt CLASS
ŷ ( t , y o ,ν , ξ )
d t ⎟⎥ 100 , % = f ⎜ ê estim
⎟⎟ ,
⎢ ⎜ ,ν , ξ ) 2⎜ g ,c

⎢⎣ ⎝ ⎟⎥ ⎝ ⎠
0 0 ⎠⎦
⎡⎛ ) ⎞ ⎤
( [ê ( t ) ] )
sys
)
(3.90) [ ê ( t ) ] 3Δ = ⎢ ⎜⎜ ε (CLASS
t , y o ,ν , ξ )
ε estim
o
,ν , ξ )
⎟⎟ − 1 ⎥ = f 3 ε
a ,
⎣⎝ ⎠
(t , y
⎦
⎡ ⎛ t t ⎞⎤
(3.91) [ ê ( t )]4
Δ ⎢ ⎜
= 1−⎜
⎢ ∫ ε
) sys
estim
o
,ν , ξ )
dt
∫
) CLASS
ε ( t , y o ,ν , ξ )
⎟
dt ⎟⎥= f4
⎥
( [ ê ( t ) ] ) ,
ε
d
⎜ ⎟⎥
(t , y
⎢⎣ ⎝ 0 0 ⎠⎦

[) ] ⎛ ⎛ ) i ⎞⎞
sys sys

= ⎜ 1−⎜ [e ]1 [ e) ] 1estim ⎟ ⎟ 100 % ,

∗
(3.92) Δ [ e) ]
i
estim ∗
1 ⎜ ⎜ ⎟⎟
⎝ ⎝ ⎠⎠

[ ] ⎛ ⎛ ) i ) estim ∗ ⎞⎟ ⎞⎟
sys
) sys
(3.93) Δ [ = ⎜ 1−⎜ [e ]2 [ e ] 2 ⎟ ⎟ 100 % ,
i
) estim ∗
e ]2 ⎜ ⎜
⎝ ⎝ ⎠⎠

[ ] ⎛ ⎛ ) i ) estim ∗ ⎞⎟ ⎞⎟
sys
) sys
(3.94) Δ [ e) ] = ⎜ 1−⎜ [e ]3 [ e ] 3 ⎟ ⎟ 100 % ,
i
estim ∗
3 ⎜ ⎜
⎝ ⎝ ⎠⎠

[ ] ⎛ ) estim ∗ ⎞⎟
sys
) sys
) i
(3.95) Δ [ e) ] = ⎜ 1−[e ]4 [ e ] 4 ⎟ 100 % ,
i
estim ∗
4 ⎜
⎝ ⎠
⎛ [ e) ] 1~ − [ e) ] 1≈ ⎞
(3.96) ∇ e)1 [) ] i
=⎜
⎜
⎟ 100 , % ,
⎟
⎝ [ e) ] 1≈ ⎠
⎛ [ e) ] ~2 − [ e) ] ≈2 ⎞
(3.97) ∇ e)2 [) ] i
=⎜
⎜
⎟ 100 , % ,
⎟
⎝ [ e) ] ≈2 ⎠
⎛ [ e) ] 3~ − [ e) ] 3≈ ⎞
(3.98) [∇ ]
)
=⎜ ⎟ 100 , % ,
i
)
e3
⎜ [ e) ] 3≈ ⎟
⎝ ⎠
⎛ [ e) ] 4~ − [ e) ] 4≈ ⎞
(3.99) ∇ e)4 [) ] i
=⎜
⎜
⎟ 100 , % ,
⎟
⎝ [ e) ] 4≈ ⎠
⎛ ⎞⎞
(3.100) [∇ ] [ ] [∇) ]
) sys
⎛ ) sys

= ⎜ 1 − ⎜⎜ ∇ e)1 ⎟ ⎟ 100 % ,
i ∗ i
1 estim ∗ estim
)
⎜ e1 ⎟⎟
⎝ ⎝ ⎠⎠
⎛ ⎛)i ∗ ⎞ ⎞
[) ]
sys
sys ) estim
= ⎜ 1−⎜ ∇ 2 ⎟ ⎟ 100 % ,
i
estim ∗
(3.101) ∇ 2 ∇2
⎜ ⎜ ⎟⎟
⎝ ⎝ ⎠⎠
⎛ ⎞⎞
[) ] ⎛ )
[ ] [∇) ]
sys sys

= ⎜ 1 − ⎜⎜ ∇ e)3 ⎟ ⎟ 100 % ,
i ∗ i
estim ∗
(3.102) ∇ 3 estim
)
⎟⎟
⎜ e3
⎝ ⎝ ⎠⎠
⎛ ⎞⎞
[) ] ⎛ )
[ ] [∇) ]
sys sys

= ⎜ 1 − ⎜⎜ ∇ e)4 ⎟ ⎟ 100 % ,
i ∗ i
estim ∗
(3.103) ∇ 4 estim
)
⎟⎟
⎜ e4
⎝ ⎝ ⎠⎠

ISBN 954 438 500 2 73

 COMMANDE ROBUSTE

⎡ ) estim ⎤
≈ ⎛ ⎛ t t ⎞⎞
⎜ ⎜ ⎟⎟
∫ ∫
sys sys
∗ i ) estim ∗ )i
(3.104) ⎢ Ε Δ ⎥ = ⎜ 1−⎜ ΔE≈ dt Δ E ≈ d t ⎟ ⎟ 100 % ,
⎣⎢ ⎦⎥ ⎜ ⎜ ⎟⎟
⎝ ⎝ 0 0 ⎠⎠

Tableau 3.1 - 1
notation formule signification
indices généralisés de la performance
déviation de la trajectoire nominale du système analysé paramé-
[ e ] estim
sys
(3.20)
triquement perturbé
sys erreur dynamique du système analysé paramétriquement per-
[ε ] estim (3.79)
turbé
I-er niveau Δ -estimations des indices généralisés de la performance selon:
diminution de la déviation intégrale du système analysé en com-
[ ê ]1Δ (3.88)
paraison avec le système classique correspondant
diminution en pourcents de la déviation intégrale de la trajec-
[ ê ] Δ2 (3.89)
toire nominale du système analysé
[ ê ] 3Δ diminution en pourcents de l’erreur du système analysé en com-
(3.90)
paraison avec le système classique correspondant
taux de diminution de l’erreur intégrale ramenée du système
[ ê ] Δ4 (3.91) analysé (par rapport à celle du système classique correspon-
dant)
II-nd niveau Δ -estimations de la supériorité en:
diminution en pourcents de la déviation intégrale ramenée du
[Δ) [ ] ] meilleur système (*) parmi les en comparaison avec le système
sys
(3.92)
i
) estim ∗
e 1 classique correspondant et avec les autres systèmes analysés
pour les mêmes conditions
diminution de la déviation intégrale ramenée du meilleur sys-
[Δ) [ ] ] tème (*) parmi les en comparaison avec le système classique
sys
(3.93)
i
) estim ∗
e 2 correspondant et avec les autres systèmes analysés pour les
mêmes conditions
diminution en pourcents de l’erreur du meilleur système (*) par-
[Δ) [ ] ] mi les en comparaison avec le système classique correspon-
sys
(3.94)
i
) estim ∗
e 3 dant et avec les autres systèmes analysés pour les mêmes
conditions
précision dynamique du meilleur système (*) parmi les en com-
[Δ) [ ] ]
sys
(3.95) paraison avec le système classique correspondant et avec les
i
) estim ∗
e 4

autres systèmes analysés pour les mêmes conditions

I-er niveau ∇ -estimations de l’efficacité du système en maintien de:

[∇) )
e1 ] i
(3.96)
déviation intégrale ramenée minimale pour changement des
conditions d’exploitation vers des plus difficiles
[∇) )
e2 ] i
(3.97)
déviation minimale pour changement des conditions d’exploita-
tion vers des plus difficiles
[∇) )
e3 ] i
(3.98)
diminution constante en pourcents de l’erreur pour changement
des conditions d’exploitation vers des plus difficiles
[∇) )
e4 ] i
(3.99)
précision dynamique constante pour changement des condi-
tions d’exploitation vers des plus difficiles

ISBN 954 438 500 2 74

 COMMANDE ROBUSTE

Tableau 3.1 - 2
notation formule signification
II-nd niveau ∇ -estimations de la supériorité en:
diminution en pourcents de la déviation intégrale ramenée du
[∇) ]
sys
1 estim
∗ i
(3.100) meilleur système (*) pour changement des conditions d’exploi-
tation vers des plus difficiles
diminution de la déviation intégrale ramenée du meilleur sys-
[∇) ]
sis
2 estim
∗ i
(3.101) tème (*) pour changement des conditions d’exploitation vers
des plus difficiles
diminution en pourcents de l’erreur du meilleur système (*) pour
[∇) ]
sys
3 estim
∗ i
(3.102) changement des conditions d’exploitation vers des plus diffici-
les
précision dynamique robuste du meilleur système (*) pour chan-
[∇) ]
sys
4 estim
∗ i
(3.103)
gement des conditions d’exploitation vers des plus difficiles
[Ε) Δ ]-estimations des pertes hydrodynamiques
~
augmentation ramenée des pertes hydrodynamiques intégrales
⎡ ) estim
sys
∗ i ⎤ en comparaison avec celles du système le plus économique ( ~ )
⎢Ε Δ ⎥ (3.104)
⎣⎢ ⎦⎥ en conditions d’émission de bruit (efficacité hydrodynamique du
meilleur système)
variation des pertes hydrodynamiques intégrales pour passage
[Ε) ]~
≈
i
(3.105) vers des conditions d’exploitation plus difficiles (de normales
sans émission de bruit vers émission sporadique ou constante)

III.2. Les résultats de la simulation du modèle du système robuste sont donnés par
Fig.3.19 ÷ Fig.3.22. Le système robuste (Fig.3.21) réalise une contre-reaction efficace à la per-
turbation ξ ( p ) ⇔ Δ G ( p , ξ ) (3.106),(3.107) [pendant que le classique (Fig.3.1) perd la
stabilité]. Il maintient la stabilité robuste aussi bien pour ξ ( p ) ⇔ Δ G ( p , ξ ) (3.108),(3.109)
mais non pas - les performances robustes (Fig.3.22) (dans le cas le critère est “processus tran-
sitoire apériodique critique”).
L’étendue limite de ξ ( p ) , pour laquelle le système considéré (Fig.3.6) maintient en
même temps la stabilité et les performances robustes, est ξ ( p ) ⇔ Δ G ( p , ξ ) (3.110), (3.111).
Cette propriété du système robuste pour l’ensemble Π est illustrée par Fig.3.22. Si
l’étendue de ξ ( p ) surpasse sa valeur limite (3.110), traitée par la synthèse, les indices de la
performance ne sont plus maintenus.
Pour perturbation additive ξ a ( p ) d’étendue ξ ( p ) ⇔ Δ G ( p , ξ ) (3.112), (3.113) ou su-
périeure, les processus dans le système sont avec un dépassement σ > 0 (Fig.3.22)
−2 , 384 p −1 , 0 p
2 , 384. e 1 , 0. e
(3.106) Δ G ( p , ξ ) = − ,
( 10 p + 1 ) ( 10 p + 1 )
−2 , 384 p
2 , 384. e
(3.107) G ( p ) = ,
( 10 p + 1 )
−16 , 824 p −1 , 0 p
16 , 824. e 1 , 0. e
(3.108) Δ G ( p , ξ ) = − ,
( 10 p + 1 ) ( 10 p + 1 )

ISBN 954 438 500 2 75

 COMMANDE ROBUSTE

−16 , 824 p
16 , 824. e
(3.109) G ( p ) = ,
( 10 p + 1 )
−8 , 0 p −1 , 0 p
8 , 0. e 1 , 0. e
(3.110) Δ G lim ite ( p , ξ ) = − ,
( 10 p + 1 ) ( 10 p + 1 )
−8 , 0 p
8 , 0. e
(3.111) G ( p ) = ≡ G norm ( p ) ,
„

( 10 p + 1 )
−10 , 0 p −1 , 0 p
10 ,0. e 1 , 0. e
(3.112) Δ G ( p , ξ ) = − ,
( 10 p + 1 ) ( 10 p + 1 )
−10 , 0 p
10 ,0. e
(3.113) G ( p ) = .
( 10 p + 1 )
Les Fig.3.23, Fig.3.24, Fig.3.25, Fig.3.26 montrent les caractéristiques des systèmes
classique et robuste en boucle fermée dans le cadre de reparamétrisation du modèle du procé-
dé.

G ( jω ) =G ( jω ) G ( jω ) =G „ ( jω )
„
robuste robuste

Fig.3.19 Fig.3.20

systèmes classique et robuste (

y y 0 , ξ → k ob = 2.384 , τ = 2.384 ) système robuste ( ) (
y y 0 , ξ надгранично ; y y 0 , ξ гранично → k ob = 10 , τ = 10 )
y y
robuste
en dessus
de la limite
ξ
limite ξ

classique

Fig.3.21 Fig.3.22

ISBN 954 438 500 2 76

 COMMANDE ROBUSTE

Φ iROB
, y y
0 (
j ω , R* , G i
„
) Φ i CLASS
,ζ y (j ω , R * , G i„ )
système classique

système robuste Φ i ROB

,ζ y (
j ω , R * , G i„ )
système robuste

Fig.3.23 Fig.3.25
Φ iCLASS
0
, y y
(j ω , R *, G i„ ) système classique système
„
G3 classique
G2
„
„
Φ i ROB
,ζ ε (
j ω , R* ,G i
„
)
G4

système robuste

G*
„
G i„
G 30
„ Φ i CLASS
,ζ ε
G2

Fig.3.24 Fig.3.26
Les résultats de la simulation paramétrique de processus dans des points caractéristi-
ques de la structure (Fig.3.6) du système robuste sont donnés par Fig.3.27 ÷ Fig.3.30. Les condi-
tions de la simulation (selon le modèle de Fig.3.15, Fig.3.16) traitent les perturbations suivantes:

1. Échelon additif ξ a ( t ) [ ξ ( p ) ⇔ Δ G ( p , ξ ) ] avec pas de variation 0.5 des paramè-

tres de (3.114) à (3.115) dans t = 60, s (Tableau 3.2)
−1 , 0 p −1 , 0 p
1 , 0. e 1 , 0. e
(3.114) Δ G ( p , ξ ) = − ,
( 10 p + 1 ) ( 10 p + 1 )
−9 , 5 p −1 , 0 p
9 , 5. e 1 , 0. e
(3.115) Δ G ( p , ξ ) = − =la (p).
( 10 p + 1 ) ( 10 p + 1 )
Tableau 3.2
Fig.3.27.a Fig.3.27.b Fig.3.27.c Fig.3.27.d

y = y (t , ξ ) ε = ε (t , ξ ) ε* = ε * ( t , ξ ) u = u (t , ξ )

2. Consigne échelon y 0 ( t ) = 1 ( t ) pour une famille de systèmes robustes avec les mê-
mes paramètres, dans lesquels le modèle du procédé est donné par (3.116) à (3.117) avec pas
de variation 0.5 des paramètres (Tableau 3.3)
−1 , 0 p
1 , 0. e
(3.116) G ( p ) = ,
( 10 p + 1 )

ISBN 954 438 500 2 77

 COMMANDE ROBUSTE

−9 , 5 p
9 , 5. e
(3.117) G ( p ) = .
( 10 p + 1 )
Tableau 3.3
Fig.3.28.a Fig.3.28.b Fig.3.28.c Fig.3.28.d

(
y = y t,y o ) (
ε =ε t,y o ) ε* = ε * t , y o( ) (
u =u t,y o )
3. Signal échelon pour la charge à l’entrée du procédé ν ( t ) = 1 ( t ) pour une famille de
systèmes robustes avec les mêmes paramètres, dans lesquels le modèle du procédé est donné
par (3.116) à (3.117) avec pas de variation 0.5 des paramètres (Tableau 3.4).

Tableau 3.4
Fig.3.29.a Fig.3.29.b Fig.3.29.c Fig.3.29.d

y = y (t , ν ) ε = ε (t , ν ) ε* = ε * ( t , ν ) u = u (t , ν )

4. Signaux échelons pour la consigne y 0 ( t ) = 1 ( t ) et la charge à l’entrée du procédé

ν ( t ) = 1 ( t ) pour une famille de systèmes robustes avec les mêmes paramètres, dans les-
quels le modèle du procédé est donné par (3.116) à (3.117) avec pas de variation 0.5 des para-
mètres (Tableau 3.5).

Tableau 3.5
Fig.3.30.a Fig.3.30.b Fig.3.30.c Fig.3.30.d

(
y = y t , y0 ,ν ) (
ε = ε t , y0 ,ν ) ε* = ε* t , y0 ,ν( ) (
u = u t , y0 ,ν )
5. Échelon additif ξ a ( t ) et échelon multiplicatif ξ m ( t ) [ ξ ( p ) ⇔ Δ G ( p , ξ ) ] avec
étendue des valeurs des paramètres de (3.118) à (3.119) pour ξ a ( t ) et de (3.120) à (3.121) pour
ξ m ( t ) dans t = 60, s (Tableau 3.6)

−1 , 0 p −1 , 0 p
1 , 0. e 1 , 0. e
(3.118) Δ G a = − ,
( 10 p + 1 ) ( 10 p + 1 )
−8 , 0 p −1 , 0 p
8 , 0. e 1 , 0. e
(3.119) Δ G a = − =la ,
( 10 p + 1 ) ( 10 p + 1 )

⎛ 1 ,0. e −1 , 0 p ( 10 p + 1 ) ⎞
(3.120) Δ G m = ⎜ ⎟−1 ,
⎜ ( 10 p + 1 ) 1 ,0. e −1 , 0 p ⎟
⎝ ⎠

⎛ 8 ,0. e −8 , 0 p ( 10 p + 1 ) ⎞
(3.121) Δ G m = ⎜ ⎟−1 = l .
⎜ ( 10 p + 1 ) 1 ,0. e −1 , 0 p ⎟ m
⎝ ⎠

ISBN 954 438 500 2 78

 COMMANDE ROBUSTE

Tableau 3.6
Fig.3.31.a Fig.3.31.b Fig.3.31.c Fig.3.31.d

y = y (t , ξ ) ε = ε (t , ξ ) ε * = ε * (t , ξ ) u = u (t , ξ )

Pour la comparaison des processus du système robuste, en fonction de la perturbation

paramétrique, sont données les différences correspondantes (Tableau 3.7).
Tableau 3.7
Fig.3.32.a Fig.3.32.b Fig.3.32.c Fig.3.32.d

Δ y = y (ξ m ) − y (ξ a ) Δ u = u (ξ m ) − u (ξ a ) Δ ε = ε (ξ m ) − ε (ξ a ) Δ ε * = ε * (ξ m ) − ε * (ξ a )

6. Échelon additif ξ a ( t ) et échelon multiplicatif ξ m ( t ) [ ξ ( p ) ⇔ Δ G ( p , ξ ) ] avec

étendue des paramètres de (3.122) à (3.123) dans t = 60, s (Tableau 3.8)

(3.122) Δ G a = Δ G m = 0 ,

−8 , 0 p
8 , 0. e
(3.123) Δ G a = Δ G m = .
( 10 p + 1 )
Tableau 3.8
Fig.3.33.a Fig.3.33.b Fig.3.33.c Fig.3.33.d

y = y (t , ξ ) ε = ε (t , ξ ) ε * = ε * (t , ξ ) u = u (t , ξ )

Pour comparaison des processus du système robuste, en fonction de la perturbation pa-

ramétrique, sont données les différences correspondantes (Tableau 3.9).
Tableau 3.9
Fig.3.34.a Fig.3.34.b Fig.3.34.c Fig.3.34.d

Δ y = y (ξ m ) − y (ξ a ) Δ u = u (ξ m ) − u (ξ a ) Δ ε = ε (ξ m ) − ε (ξ a ) Δ ε * = ε * (ξ m ) − ε * (ξ a )

ISBN 954 438 500 2 79

 COMMANDE ROBUSTE

y ( ξ ) , k ob = 1 → 9 ,5 , τ = 1 → 9 ,5 , D F = D F 8
t = 60 s t = 60 s
y y ( ), k
0
ob = 1 → 9 ,5, τ = 1 → 9 ,5, DF = DF 8

y(t ) y(t )

Fig.3.27.a Fig.3.28.a
u ( ξ ) , k ob = 1 → 9 ,5 , τ = 1 → 9 ,5 , D F = D F 8
( )
u y 0 , k ob = 1 → 9 , 5 , τ = 1 → 9 , 5 , D F = D F 8
t = 60 s t = 60 s

u(t ) u(t )

Fig.3.27.b Fig.3.28.b
ε ∗ ( ξ ) , k ob = 1 → 9 ,5 , τ = 1 → 9 ,5, D F = D F 8
t =60s t =60s ε ∗
( y ), k
0
ob = 1 → 9 , 5 , τ = 1 → 9 , 5, D F = D F 8

ε* ( t ) ε* ( t )

Fig.3.27.c
ε ( ξ ) , k ob = 1 → 9 ,5 , τ = 1 → 9 ,5 , D F = D F 8 Fig.3.28.c
t =60s t =60s ( )
ε y 0 , k ob = 1 → 9 , 5 , τ = 1 → 9 , 5 , D F = D F 8

ε (t )
ε (t )

Fig.3.27.d Fig.3.28.d

ISBN 954 438 500 2 80

 COMMANDE ROBUSTE

y (ν ) , k ob = 1 ÷ 9 ,5 , τ = 1 ÷ 9 ,5 , D F = D F8 ( )
y y 0 ,ν , k ob = 1 ÷ 9 , 5 , τ = 1 ÷ 9 , 5 , D F = D F 8

y (t ) y (t )

Fig.3.29.a Fig.3.30.a

u ( ν ) , k ob = 1 ÷ 9 , 5 , τ = 1 ÷ 9 , 5 , D F = D F 8 ( )
u y 0 , ν , k ob = 1 ÷ 9 , 5, τ = 1 ÷ 9 , 5, D F = D F 8

u(t ) u(t )

Fig.3.29.b Fig.3.30.b
ε ( ν ) , k ob = 1 ÷ 9 , 5 , τ = 1 ÷ 9 , 5, D F = D F 8 ( )
ε y 0 , ν , k ob = 1 ÷ 9 , 5, τ = 1 ÷ 9 , 5, D F = D F 8

ε (t ) ε (t )

Fig.3.29.c Fig.3.30.c
ε * ( ν ) , k ob = 1 ÷ 9 , 5 , τ = 1 ÷ 9 , 5 , D F = D F 8 ( )
ε * y 0 , ν , k ob = 1 ÷ 9 , 5, τ = 1 ÷ 9 , 5 , D F = D F 8

ε* ( t ) ε* ( t )

Fig.3.29.d Fig.3.30.d

ISBN 954 438 500 2 81

 COMMANDE ROBUSTE

( )
y y 0 , ξ , k ob = 1 → 8, τ = 1 → 8, D F = D F 8 ( ) (
Δ y = y y0 , ξm − y y0 , ξa )
t= 60 s t= 60 s

(
y y0 , ξm )
y (y 0
, ξa )

( )
Fig.3.31.a Fig.3.32.a
u y 0 , ξ , k ob = 1 → 8, τ = 1 → 8, D F = D F 8
t =60 s t= 60 s
(
Δu = u y0 , ξm ) − u (y 0
,ξa )

(
u y0 , ξa )

(
u y , ξm
0
)
Fig.3.31.b
( )
ε y 0 , ξ , k ob = 1 → 8, τ = 1 → 8, D F = D F 8
t= 60 s t= 60 s
( )
Δε =ε y0 , ξm − ε y0 , ξa( ) Fig.3.32.b

(
ε y0 , ξa )
ε (y 0
, ξm )

Fig.3.31.c
( )
ε * y 0 , ξ , k ob = 1 → 8, τ = 1 → 8, D F = D F 8
t= 60 s t= 60 s
( ) (
Δε* = ε* y0 , ξ m − ε* y0 , ξa ) Fig.3.32.c

(
ε* y0 , ξa )

(
ε* y0 , ξm )
Fig.3.31.d Fig.3.32.d

ISBN 954 438 500 2 82

 COMMANDE ROBUSTE

( )
y y 0 , ξ , k ob = 1 → 8, τ = 1 → 8, D F = D F 8
t=60 s t=60 s
(
Δ y = y y0 , ξm ) − y (y 0
, ξa )
(
y y ,ξ m
0
)
(
y y , ξa
0
)

Fig.3.33.a Fig.3.34.a
( )
u y , ξ , k ob = 1 → 8, τ = 1 → 8, D F = D F 8
0

t= 60 s t= 60 s
( )
Δu = u y , ξm − u y , ξa
0
( 0
)

(
u y0 , ξa )
u (y , ξm )
0

Fig.3.33.b
( )
Fig.3.34.b
ε y 0 , ξ , k ob = 1 → 8, τ = 1 → 8, D F = D F 8
t= 60 s t= 60 s
( )
Δε =ε y0 , ξm − ε y0 , ξa ( )

(
ε y0 , ξa )
ε (y 0
, ξm )

Fig.3.33.c Fig.3.34.c
( )
ε * y , ξ , k ob = 1 → 8, τ = 1 → 8, D F = D F 8
0

t= 60 s t= 60 s
( )
Δε* = ε* y , ξm − ε* y , ξa
0
( 0
)

(
ε* y0 , ξa )
(
ε* y0 , ξm )
Fig.3.33.d Fig.3.34.d

ISBN 954 438 500 2 83

 COMMANDE ROBUSTE

III.3. La déviation de la trajectoire nominale du système robuste synthétisé est à la base

des principes de la méthode, présentés en & 3.1. La simulation est effectuée suivant le schéma
de la Fig.3.35. Les Fig.3.36 ÷ 3.39 (Tableau 3.10) donnent les résultats de simulation. ϑ ( t )
(3.67), qui est appliquée simultanément aux modèles (Fig.3.15) des systèmes nominal, classi-
que et robuste (Fig.3.35), est formée par trois générateurs indépendants de bruit blanc, connec-
tés à ν ( t ) , ξ ( t ) et y 0 ( t ) . La perturbation paramétrique ξ ( t ) est donnée par (3.60). Son
étendue maximale est conforme à l’exigence par rapport au système classique de pouvoir fonc-
tionner jusqu’à la limite de stabilité. La consigne simulée y 0 ( t ) varie dans l’intervalle
0 ÷ 100 % et la charge ν ( t ) - dans l’intervalle 0 ÷ 25 % .

consigne estimations de la déviation diminuée

Band-Limited
White Noise
y0 modèle
) NOM
y
de la trajectoire optimale
du système

[ ê ( t ) ]1Δ

algorithme d’estimation
nominal
action généralisée

[ ê ( t ) ] Δ2
charge
Band-Limited
White Noise
ν modèle
) CLASS
y
du système

perturbation
classique ) CLASS
ε [ ê ( t ) ] 3Δ
[ ê ( t ) ] 4Δ
paramétrique
Band-Limited
) ROB
White Noise
modèle y
du système

Fig.3.35 ξ robuste
ε
) ROB estimations de la
ϑ= y [ 0
( t ) ,ν ( t ) , ξ ( t ) ]
T
précision dynamique augmentée

3.2.1.4. Analyse de performance en fonction des conditions ini-

tiales de la synthèse.

Soient donnés (connus) :

Le modèle nominal G * ( p ) (3.56) et, partiellement, le modèle perturbé à la limite
supérieure G „
( p ) (3.57) du procédé linéaire à minimum de phase en conditions
d’incertitude a priori, définie par l’ensemble Π ∈ G *, G „ . [ ]
Il est nécessaire :
D’analyser la dépendance de la performance du système considéré (donnée par
[ ê ( t ) ] ROB
d ) par rapport aux conditions initiales de la synthèse ( G „ , l , D F ) et à
l’étendue maximale de la perturbation paramétrique réelle ξ i en conditions d’ex-
ploitation, simulées à l’aide de l’action généralisée ϑ ( p ) (3. 67).

La solution du problème fait référence aux faits suivants :

Les fluctuations paramétriques partiellement connues G „ ( p ) autour de G * ( p ) peu-
„
vent être représentées dans l’ensemble Π à l’aide du sous-ensemble Π , en définissant l’in-
„
tervalle Π (3.124) avec ses bornes inférieure G min et supérieure G max .
„ „

⎧ Π ∈ G* , Π „
⎪
[ ⎫
⎪
]
(3.124) ⎨ „ ⎡ „ „
⎤ ⎬ .
⎪ Π ∈ ⎢⎣ G min , G max ⎥⎦ ⎪
⎩ ⎭

ISBN 954 438 500 2 84

 COMMANDE ROBUSTE

Tableau 3.10
Fig.3.36.a Fig.3.36.b Fig.3.36.c Fig.3.36.d Fig.3.36.e Fig.3.36.f
[
ϑ = y 0 ,ν , ξ ] T
[ ŷ αH ( t , ϑ ) ]O
NOM

G = G*
[ ê ( t ) ] aROB [ ê ( t ) ] bROB [ ê ( t ) ] ROB
c [ ê ( t ) ] dROB
estimation de la déviation du système robuste
de la trajectoire nominale
≤ 50 % ≤ 2.5 % ≤ 14.5 % 2 , 5 fois

Fig.3.36.c Fig.3.36.d Fig.3.36.e Fig.3.36.f

estimation de la déviation du système [ ê ( t ) ] CLASS
e [ ê ( t ) ] CLASS
f [ ê ( t ) ] CLASS
g [ ê ( t ) ] CLASS
h
classique de la trajectoire nominale
≤ 450% ≤ 5 .8 % ≤ 162 .5 % 25 fois
Fig.3.36.b Fig.3.36.d Fig.3.36.e Fig.3.36.f
[ ê ( t ) ] +
CALSS
e [ ê ( t ) ] +
CALSS
f [ ê ( t ) ] CALSS
g + [ ê ( t ) ] CALSS
h +
− [ ê ( t ) ] a − [ ê ( t ) ] b − [ ê ( t ) ] c − [ ê ( t ) ] d
estimation de la supériorité du système ro- ROB ROB ROB ROB
buste par rapport au classique à la base de
la déviation de la trajectoire nominale
≤ 400% ≤ 6.2% ≤ 150% 23 fois
Fig.3.37.a Fig.3.37.b Fig.3.37.c Fig.3.37.d Fig.3.37.e Fig.3.37.f
[
ϑ = y ,ν , ξ
0
]
T )
ε (NOM
t , y ,ν )
o
) ROB
ε (y o
,ν , ξ )( t ) [ ê ( t ) ] b ε ROB
[ ê ( t ) ] cε ROB
[ ê ( t ) ] εd ROB
estimations de l’erreur dynamique dans
le système robuste ≤ 30% ≤ 20% ≤ 50% ≤ 18%

Fig.3.37.c Fig.3.37.d Fig.3.37.e Fig.3.37.f

) CLASS
estimations de l’erreur dynamique dans
ε (y o
,ν , ξ )( t ) [ ê ( t ) ] εb CLASS [ ê ( t ) ] εc CLASS [ ê ( t ) ] εdCLASS
le système classique
≥ 68% ≥ 80% ≥ 350% ≥ 68%
Fig.3.37.b Fig.3.37.d Fig.3.37.e Fig.3.37.f
) CLASS
ε ( t )+
( y ,ν , ξ )
[ ê ( t ) ] εb [ ê ( t ) ] εc [ ê ( t ) ] εd
o
estimation de la différence entre les er-
) ROB
reurs dynamiques en faveur du système
− ε ( y ,ν , ξ ) ( t )
o
robuste par rapport au classique
≥ 68% ≥ 80% ≥ 350% ≥ 50%
analyse comparative de performance généralisée des systèmes robuste et classique
Fig.3.38.a Fig.3.38.b Fig.3.38.c Fig.3.39.a Fig.3.39.b Fig.3.39.c
[
ϑ = y ,ν , ξ
0
]
T
[ ê ( t ) ] 1 Δ
[ ê ( t ) ] 2 Δ
[
ϑ = y ,ν , ξ0
]
T
[ ê ( t ) ] 3 Δ
[ ê ( t ) ] 4Δ
déviation de la trajectoire nominale réduite du précision dynamique améliorée du système
système robuste par rapport au classique ≥ 78% robuste par rapport au classique 25 fois

L’ensemble Π „
, pour la situation la plus difficile G * ( p ) ≡ G min ( p ) , avec un pas uni-
„

forme des valeurs des paramètres du modèle, est donné dans le Tableau 3.10 par G 1 ÷ G 15 .
„ „

„
Dans le tableau sont donnés les paramètres de G * et de G i . 15 systèmes robustes
( ROB DF ÷ ROB DF ) sont conçus selon la méthode proposée et les critères considérés, pour
1 15

„ „
des conditions initiales de ( G *, G 1 , l 1 , D F ) à ( G *, G 15 , l 15 , D F ). Les régulateurs cor-
1 15

respondants R * ( p ) ⇔ G * ( p ) et R i ( p ) ⇔ D F ( p ) ⇔ G max i ( p ) , sont donnés dans le Ta-

„ „

bleau 3.10. Les systèmes ROB DF et le système nominal correspondant avec régulateur de
i

base R * ( p ) ⇔ G * ( p ) sont modélisés.

ISBN 954 438 500 2 85

 COMMANDE ROBUSTE

[ )]
Fig.3.36.a ϑ Fig.3.37.a
⎧ ⎫
( ) ( ) (
T
⎪ ν p ξ p yo p pour systèmes robuste et classique analyses ⎪
ϑ =⎨ ⎬
⎪⎩ [ν ( p ) 0 yo ( p ]
) pour système nominal
T
⎪⎭

ξ
ξ y0 y0
White Noise Band-Limited
Noise Power 20000
simple time 30 s
ξ
0
y
ν ν
White Noise Band-Limited
Noise Power 20000
simple time 50 s

ν
White Noise Band-Limited
Noise Power 20000

Fig.3.36.b
simple time 15 s

) ) ROB Fig.3.37.b
[ e) ( t ) ]CLASS − [e ( t ) ] ROB )( t ) − ε ( y , ν )( t )
)
[ e ( t ) ]O ε CLASS
l a (y o ,ν , ξ o
,ξ
)
ε NOM
(t , y o
,ν )

Fig.3.36.c ) ) Fig.3.37.c
[ e) ( t ) ] CLASS [ e) ( t ) ] ROB ε
)( t ) ε
)( t )
CLASS ROB
l a (y ,ν , ξ
o
(y ,ν , ξ
o

Fig.3.36.d Fig.3.37.d
[ e) ( t ) ] bROB [ e) ( t ) ] CLASS
f [ ê ( t ) ] εb ROB [ ê ( t ) ] εb CLASS
[ ê ( t ) ] εb

[ e) ( t ) ]
C LA S S
f
− [ e ( t) ] b
) ROB

Fig.3.36.e Fig.3.37.e
[ e) ( t ) ] CLASS [ ê ( t ) ] εc CLASS
g

[ e) ( t ) ] CLASS
g − [e
)
( t ) ] cROB

[ ê ( t ) ] εc
[ e) ( t ) ] cROB [ ê ( t ) ] εc ROB

Fig.3.36.f [ ê ( t ) ] εd CLASS
Fig.3.37.f
[ e) ( t ) ] CLASS
h

[ ê ( t ) ] εd
[ e) ( t ) ] CLASS
h − [e
)
( t ) ] ROB
d [ ê ( t ) ] εd ROB
[e)
( t ) ] ROB
d

ISBN 954 438 500 2 86

 COMMANDE ROBUSTE

⎧
⎪ν
ϑ=⎨
[ ( p ) ξ ( p ) yo ( p )]
T ⎫
pour systèmes robuste et classique analyses ⎪
⎬
⎪⎩ [ν ( p ) 0 yo ( ]
p ) pour système nominal
T
⎪⎭

ξ ξ
y0
y0

ν ν

Fig.3.38.a Fig.3.39.a

[ ê ( t ) ] 1Δ [ ê ( t ) ] 3Δ ,%

Fig.3.38.b Fig.3.39.b

[ ê ( t ) ] Δ2 , % [ ê ( t ) ] 4Δ

Fig.3.38.c Fig.3.39.c

ISBN 954 438 500 2 87

 COMMANDE ROBUSTE

La simulation est conforme aux schémas et à la mise en œuvre, donnés par Fig.3.40,
Fig.3.41, Fig.3.42 et à la logique de l’analyse, présentée à la Fig.3.23. Une telle simulation résout
le problème de détermination et d’analyse de la relation fonctionnelle entre la performance des
systèmes ROB DF et: i

• les conditions initiales de la synthèse ( G i , l i , D F ) de ROB DF pour la même action

„

i i

généralisée, exprimée par l’étendue maximale de la perturbation paramétrique réelle ξ i ;

• l’action généralisée ϑ , qui coïncide avec les conditions ( G i , l i , D F ) pour la synthèse

„

des systèmes ROB DF , exprimée par l’étendue maximale de la perturbation paramétrique réelle
i

ξ i ≡ li;

• les conditions d’exploitation, considérablement différentes des conditions initiales

„
( G i , l i , D F ) des systèmes ROB DF , exprimées par l’étendue maximale de la perturbation pa-
i i

ramétrique réelle ξ i >> l i .

Les résultats de la simulation (Fig.3.40, Fig.3.41, Fig.3.42) permettent l’analyse de la dé-

pendance de la déviation de la trajectoire nominale par rapport aux facteurs énumérés ci-
dessus pour les systèmes considérés ROB DF , à l’aide de l’estimation [ ê ( t ) ] ROB
i d i
, comme
suit :
1. Les propriétés des systèmes robustes ROB DF (synthétisés sous critère de déviation
i

minimale de la trajectoire nominale) en conditions d’exploitation dépendent des conditions ini-

tiales ( G i , l i , D F ).
„

2. La robustesse et les propriétés robustes des ROB DF sont maintenues, si la valeur

i

maximale de l’intervalle de variation de ξ i est plusieurs fois supérieure à celle de la perturba-

tion - limite l i ( ξ i >> l i ). Plus forte la dépendance ξ i >> l i - plus forte est aussi la suivante:
[ ê ( t ) ] ROB
d i
> [ ê ( t ) ] d i , min .
ROB

3. Si le perturbation réelle ξ i apparaît surtout dans l’inertie du procédé, l’affirmation ci-

dessus est moins exprimée.

4. En conditions d’exploitation si ξ i << l i , l’estimation [ ê ( t ) ] ROB

d i
de la déviation est
d’autant plus petite que l i se rapproche au dessus de ξ i selon les conditions initiales
( G i , l i , D F ).
„

5. La sur-assurance lors de la conception, traduite par la relation l i >> ξ i , est la raison

de la croissance non argumentée de la durée des processus transitoires, proportionnellement à
cette sur-assurance.

6. Si la perturbation réelle ξ i apparaît surtout dans l’inertie du procédé, l’affirmation ci-

dessus est moins exprimée.

ISBN 954 438 500 2 88

 COMMANDE ROBUSTE

7. La déviation la plus petite possible (3.125), pour toutes les autres conditions étant les
mêmes, est celle d’un système, synthétisé pour des conditions initiales ξ i ≡ l i , ce qui
confirme expérimentalement la preuve analytique des relations (3.55)

⎛ „ ⎞
ROB ⎜ G i , l i , D Fi ⎟ ⎛ ⎞
(3.125) [ ê ( t )] = mi n ⇔ [ e ( t ) ] ROB ⎜⎝ G
„

d
⎝ ⎠
i
i , l i , D Fi ⎟
⎠ = mi n e (t ) .

8. Il n’est pas raisonnable de choisir des conditions initiales plus difficiles que les plus
difficiles réellement possibles il faut respecter l i ≤ ξ i , étant donné que la sur-assurance pour-
rait amener à la perte de performance robuste en conditions réelles d’exploitation.

9. La solution optimale lors de la synthèse est guidée par le choix d’une valeur limite l i ,
qui correspond à la valeur maximale de la perturbation réelle l i ≡ ξ i l i ≡ ξ i .

Tableau 3.11
G k ob τ ob , s T ob , s R kp Ti , s Td , s

G* 1,000 1,000 10,000 R* 3 10 2

„ „
G1 2,000 2,000 10,000 R1 1,8 10 0,6
„ „
G2 4,000 4,000 10,000 R2 0,45 10 0,7
„ „
G3 6,000 6,000 10,000 R3 0,2 10 0,8
„ „
G4 8,000 8,000 10,000 R4 0,1 10 1
„ „
G5 10,000 10,000 10,000 R5 0,074 10 3
„ „
G6 12,000 12,000 10,000 R6 0,05 10 5
„ „
G7 14,000 14,000 10,000 R7 0,036 10 6
„ „
G8 16,000 16,000 10,000 R8 0,0285 10 6,4
„ „
G9 18,000 18,000 10,000 R9 0,0223 10 6,5
„ „
G 10 20,000 20,000 10,000 R 10 0,02 10 7
„ „
G 11 22,000 22,000 10,000 R 11 0,0175 10 8
„ „
G 12 24,000 24,000 10,000 R 12 0,015 10 9
„ „
G 13 26,000 26,000 10,000 R 13 0,012 10 10
„ „
G 14 28,000 28,000 10,000 R 14 0,01 10 11
„ „
G 15 30,000 30,000 10,000 R 15 0,008 10 12

ISBN 954 438 500 2 89

 COMMANDE ROBUSTE

t t

∫ [ ŷ ( t , ϑ ) ]„
∫ [ ŷ ( t ,ϑ ) ] O
ROB NOM
α H +α~ „
dt − αH dt
G =G G = G*

ϑ NOM [ ê ( t , DF i ) ] ROB
d
=
0
t
0
100 ,%

∫ ( ŷ ( t ,ϑ ) ) „ ROB
ROB DF1 α H +α~ dt
G =G „
0
ROB DF2

ϑ (l a2) ROB DF3

A
[ ê ( DF 5 ) ] ROB
d

[ ê ( DF 4 ) ] ROB
ROB DF4

ROB DF5 d

[ ê ( DF 3 ) ] ROB
d

[ ê ( DF 2 ) ] ROB
d

[ ê ( DF 1 ) ] ROB
[ ] T d
ϑ = y 0ν ξ 2
ξ 2 = l a 2 = 1 , 5 e −1 , 5 p ( 10 p + 1 ) −1

Fig.3.40.a
t t

∫ [ ŷ ( t , ϑ ) ]„
∫ [ ŷ ( t , ϑ ) ]O
ROB NOM
dt − dt
ϑ
α H +α~ „ αH
NOM G =G G = G*

[ê (t , DF ,l )] ROB
=
0 0
100 ,%
ϑ (l a 1)
i ai d t
ROB DF1
∫ [ ŷ (t , ϑ )] „ ROB
α H +α~ dt
G =G „
ϑ (l a 2) ROB DF2 0
A
ϑ (l a 3) ROB DF3

ϑ (l a 4) ROB DF4 [ê ( DF 5 ,l a 5 )] ROB

d

ϑ (l a 5) ROB DF5
[ê ( DF ,l a4 )] ROB

[ ]
4 d
T
ϑ = y 0 ν l ai
[ê ( DF 3 ,l a3 )] ROB

−2 p −1 d
ξ 1 = l a1 = 2e ( 10 p + 1 )
ξ 2 = l a 2 = 4e −4 p ( 10 p + 1 ) −1 [ê ( DF 2 ,l a2 )] ROB
d

ξ 3 = l a3 = 6e −6 p
( 10 p + 1 ) −1

ξ 4 = l a4 = 8e −8 p
( 10 p + 1 ) −1 [ê ( DF 1 ,l a1 )] ROB
d

ξ 5 = l a5 = 10e −10 p ( 10 p + 1 ) −1

Fig.3.41.a t t

∫ [ ŷ α ( t , ϑ ) ]„ ∫ [ ŷ ( t , ϑ ) ]O
ROB NOM
+α~ „
dt − αH dt
H
G =G G =G*
ϑ NOM
[ê( t ,l ai ) ]ROB =
0 0
100 ,%
d t
ϑ (l a 1)
∫ [ ŷ (t , ϑ )] „ ROB
αH +α~ dt
G =G „
ϑ (l a 2) 0
A
ϑ (l a 3) ROB DF3
[ê (l a5 )] ROB
d
ϑ (l a 4)
ϑ (l a 5) [ê (l a4 )] ROB
[ê (l a3 )] ROB
d

[
ϑ = y 0ν ξ i ] T
d [ê (l a2 )] ROB
d [ê (l a1 )] ROB
ξ 1 = l a1 = 1 , 5e −1 , 5 p ( 10 p + 1 ) −1 d

ξ 2 = l a 2 = 2 , 5e − 2 , 5 p ( 10 p + 1 ) −1
ξ 3 = l a3 = 3 , 5e −3 , 5 p ( 10 p + 1 ) −1
ξ 4 = l a4 = 4 , 5e −4 , 5 p ( 10 p + 1 ) −1
ξ 5 = l a5 = 5 , 5e −5 , 5 p ( 10 p + 1 ) −1

Fig.3.42.a

ISBN 954 438 500 2 90

 COMMANDE ROBUSTE

y ROB ( t , DF i ) ROB
y DF
ϑ NOM 15
ROB ROB ROB ROB
ROB DF1 y DF y DF y DF y DF
2 3 4 5
ROB
ROB DF2 y DF
1
A
ϑ (l a 2) ROB DF3

ROB DF4

ROB DF5
DF5
DF1 système nominal

ϑ = y0 ν ξ2[ ] T

ξ 2 = l a 2 = 1 , 5 e −1 , 5 p ( 10 p + 1 ) −1

Fig.3.40.b
y
ROB
( t , DF i ) ROB
y DF
ϑ NOM ROB ROB ROB ROB
15

y DF y DF y DF y DF
ROB DF1 2 3 4 5

ROB DF2 ROB

A y DF
ϑ (l a 2) ROB DF3
1

ROB DF4

ROB DF5
DF5
DF1
système nominal

[
ϑ = y 0ν ξ 2 ] T

ξ 2 = l a 2 = 1 , 5 e − p ( 10 p + 1 ) −1

Fig.3.40.c
y
ROB
( t , DF i )
ϑ NOM
DF5
ROB DF1 système nominal

ROB DF2
A
ϑ (l a 2) ROB DF3 ROB
y DF
1
ROB DF4 DF1 ROB
y DF
ROB DF5 ROB
2

y DF
3

ROB
y DF
4

ROB
y DF
5

ϑ = y 0ν ξ 2[ ] T

ξ 2 = l a 2 = 1 e −1 , 5 p ( 10 p + 1 ) −1

Fig.3.40.d

ISBN 954 438 500 2 91

 COMMANDE ROBUSTE

ϑ NOM y
ROB
(t , DF i , li )
ϑ (l a 1) ROB DF1

ϑ (l a 2) ROB DF2
A
ϑ (l a 3) ROB DF3 ROB
y DF
ϑ (l a 4) ROB DF4 15

ϑ (l a 5) ROB DF5
ROB
y DF
5

[
ϑ = y 0 ν l ai ] T
ROB
y DF
4

ξ 1 = l a1 = 2 e −2 p ( 10 p + 1 ) −1 ROB
y DF
ξ 2 = l a 2 = 4 e −4 p ( 10 p + 1 ) −1 3

ROB
ξ 3 = l a3 = 6 e −6 p ( 10 p + 1 ) −1 y DF
2

ξ 4 = l a4 = 8 e −8 p
( 10 p + 1 ) −1
y DF
ROB
système nominal

ξ 5 = l a5 = 10 e −10 p ( 10 p + 1 ) −1
1

Fig.3.41.b
DF1 DF5

ϑ
(t , DF i )
NOM ROB
y , li
ϑ (l a 1) ROB DF1

ϑ (l a 2) ROB DF2
A
ϑ (l a 3) ROB DF3 ROB
y DF
ϑ (l a 4) ROB DF4 15

ROB
ϑ (l a 5) ROB DF5 y DF
5

[ ]
ROB
T y DF
ϑ = y 0 ν l ai 4

ξ 1 = l a1 = 2 e − p ( 10 p + 1 ) −1
ROB
y DF
3

ξ 2 = l a 2 = 4 e − p ( 10 p + 1 ) −1 ROB
y DF
ξ 3 = l a3 = 6 e − p ( 10 p + 1 ) −1
2

système nominal
ROB
ξ 4 = l a 4 = 8 e − p ( 10 p + 1 ) −1 y DF
1

ξ 5 = l a5 = 10 e −p
( 10 p + 1 ) −1

Fig.3.41.c DF1 DF5

ϑ NOM y
ROB
(t , DF i , l i )
ϑ (l a 1) ROB DF1 DF5
ϑ (l a 2) ROB DF2
DF1
A
ϑ (l a 3) ROB DF3

ϑ (l a 4) ROB DF4

ϑ (l a 5) ROB DF5 système nominal

[
ϑ = y 0 ν l ai ] T ROB
y DF
1

ξ 1 = l a1 = 1 e −2 p
( 10 p + 1 ) −1 ROB
y DF
2

ξ 2 = l a2 = 1 e −4 p
( 10 p + 1 ) −1 ROB
y DF
ξ 3 = l a3 = 1 e −6 p
( 10 p + 1 ) −1
ROB
3

y DF
ξ 4 = l a4 = 1 e −8 p ( 10 p + 1 ) −1 4

ROB ROB
y DF y DF
ξ 5 = l a5 = 1 e −10 p ( 10 p + 1 ) −1 5
15

Fig.3.41.d

ISBN 954 438 500 2 92

 COMMANDE ROBUSTE

ROB
y DF (t , ξ i )
ϑ NOM 3

ϑ (l a 1)
ϑ (l a 2)
A ROB
y DF (ξ5 )
ϑ (l a 3) ROB DF3 3

ϑ (l a 4) ROB
y DF (ξ 4
3
)
ϑ (l a 5) ROB
y DF
3
( ξ3 )
[
ϑ = y0 ν ξi ] T ROB
y DF
3
(ξ2 )
ξ 1 = l a1 = 1 , 5 e −1 , 5 p
( 10 p + 1 ) −1
ROB
y DF ( ξ1 )
ξ 2 = l a 2 = 2 , 5 e −2 , 5 p ( 10 p + 1 ) −1
3

ξ 3 = l a3 = 3 , 5 e −3 , 5 p ( 10 p + 1 ) −1 système nominal

ξ 4 = l a4 = 4 , 5 e −4 , 5 p
( 10 p + 1 ) −1

ξ 5 = l a5 = 5 , 5 e −5 , 5 p ( 10 p + 1 ) −1

Fig.3.42.b
ROB
y DF (t , ξ i )
ϑ NOM 3

ϑ (l a 1) ROB
y DF (ξ 5 )
ϑ (l a 2) 3
A
ϑ (l a 3) ROB DF3
ROB
y DF (ξ 4
3
)
ϑ (l a 4) ROB
y DF (ξ 3 )
ϑ (l a 5) 3

ROB
(ξ 2 )
[
ϑ = y0 ν ξi ] T y DF
3

ξ 1 = l a1 = 1 , 5 e − p ( 10 p + 1 ) −1
ROB
y DF
3
(ξ 1 )
ξ 2 = l a 2 = 2 , 5 e − p ( 10 p + 1 ) −1
ξ 3 = l a3 = 3 , 5 e − p ( 10 p + 1 ) −1
système nominal

ξ 4 = l a4 = 4 , 5 e − p ( 10 p + 1 ) −1
ξ 5 = l a5 = 5 , 5 e − p ( 10 p + 1 ) −1

Fig.3.42.c
ROB
y DF (t , ξ i )
ϑ NOM 3

ϑ (l a 1) système nominal

ϑ (l a 2)
A
ϑ (l a 3) ROB DF3

ϑ (l a 4)
ROB
y DF
3
( ξ1 )
ϑ (l a 5) ROB
y DF (ξ2 )
[ ]
3
T
ϑ = y0 ν ξi
y DF
ROB
( ξ3 )
ξ 1 = l a1 = 1 e −1 , 5 p
( 10 p + 1 ) −1 3

ξ 2 = l a 2 = 1 e − 2 , 5 p ( 10 p + 1 ) −1
y DF
ROB
3
( ξ4 )
ξ 3 = l a3 = 1 e −3 , 5 p ( 10 p + 1 ) −1
ROB
y DF (ξ5 3
)
ξ 4 = l a4 = 1 e −4 , 5 p
( 10 p + 1 ) −1

ξ 5 = l a5 = 1 e −5 , 5 p
( 10 p + 1 ) −1

Fig.3.42.d

ISBN 954 438 500 2 93

 COMMANDE ROBUSTE

3.2.2. Performance du système robuste pour la commande d’un procé-

dé non linéaire.
Soient donnés (connus) :
1. Le modèle nominal G (∗μ 25 % ) ( p )= y( p )/ μ ( p
) (3.97), (3.126) dans un voisinage li-
mité ( ± 5 % ) du point de fonctionnement μ 25 % de la caractéristique statique y = y ( μ ) du
procédé généralisé non linéaire à minimum de phase G ( p ) .
2. Le modèle G „ ( p ) = y ( p ) / μ ( p ) du procédé généralisé G ( p ) , perturbé à la li-
mite supérieure (3.98), (3.127). Les propriétés du procédé sont données: pour charge de la VA
dépendante de l’entrée – dans le Tableau 3.12 et sur les Fig.3.43.a, Fig.3.43.b, Fig.3.43.c,
Fig.3.43.d; pour une charge combinée de la VA – dans le Tableau 3.13 et sur les Fig.3.44.a,
Fig.3.44.b, Fig.3.44.c, Fig.3.44.d.
3. Le type de VA (vanne automatique à caractéristique logarithmique VALOG ), utilisée
dans le procédé généralisé, avec son modèle analytique pour une charge dépendante de l’en-
trée et pour une charge combinée, en conditions normales d’exploitation, en absence d’émis-
sion de bruit dans la VA .
ν (p) ξ (p) s (p) ξ (p)
vanne
q (p) processus vanne
q (p) processus

(p) (p)
automatique technologique automatique technologique
l y (p) l (p) y
G1 (p) G2 ( p ,ξ t ) G1 ( p ,s t ) G2 ( p ,ξ t )
l =μ μ max
kl k PLANT kl k PLANT
l =μ μ max
k TOTAL PLANT = k ob k TOTAL PLANT = k ob
G ( p ,ξ t ) procédé généralise G ( p , s t , ξ t ) procédé généralise

Fig.3.43.a Fig.3.44.a

μ y ξ = const = 0 k ob (μ ) ξ = const = 0 0,8 k ob (μ ) ξ = const = 0 kob 1

μ1 0,7
kob 1
μ2 0,6 kob 2
y1
μ3 kob 2 0,5

0,4 kob 3
y2
μ4 kob 3
0,3 kob 4
kob 4
μ5 y3
0,2 kob 5
kob 5 0,1
y4
y5 μ5 μ4 μ3 μ 2 μ1
0 μ
15 25 35 45 55 65 75 85 95

Fig.3.43.b Fig.3.43.c Fig.3.43.d

μ y ξ = const = 0 k ob ( μ, s) ξ = const = 0 k ob ( μ , s ) ξ = const = 0
μ1 s1 < s2 < s3 0,8
y1 s1 < s2 < s3
μ2 s1
s2
s1
s2
μ3 s3 s3 0,6
μ4 y2
μ5 0,4
y3
0,2
y4
0
y5 15 35
μ 55
75
0,6
0,75
0,9
s
s1=0.60 , s2=0.75 , s3=0.90 s1=0.60 , s2=0.75 , s3=0.90

Fig.3.44.b Fig.3.44.c Fig.3.44.d

ISBN 954 438 500 2 94

 COMMANDE ROBUSTE

Tableau 3.12
grandeur μ ,% 25 % 95 %
d'entrée
l 0.25 0.95
para- k ob ( l ) 0.265 0.784
mètres
T ob 10, s 10, s
τ ob 1,s 1, s
−1 p
0.265e
modèles G* ( p ) (3.126)
10 p + 1
du
procédé 0.784 e −1 p
G „
(p)
10 p + 1
(
2.2 1 + 5.5 p + 14.3 p
2
)
résultats R* ( p ) (3.128)
5.5 p
de la
synthèse (
0.9 1 + 10 p + 16 p 2 )
R „
(p)
10 p

Tableau 3.13
s 1.00 1.00 0.9 0.9 0.75 0.75 0.6 0.6
μ ,% 25 % 95 % 25 % 95 % 25 % 95 % 25 % 95 %
l 0.25 0.95 0.25 0.95 0.25 0.95 0.25 0.95
k ob ( l , s ) 0.265 0.784 0.302 0.900 0.362 0.951 0.418 0.990
T ob 10, s 10, s 10, s 10, s 10, s 10, s 10, s 10, s
τ ob ( l , s ) 1,s 2.5, s 1.4, s 2.9 1.7, s 3.0, s 1.9, s 3.2, s
−1 p
0.265 e
G* ( p ) (3.126)
10 p + 1
0.99 e −3.2 p
G „
(p) (3.127)
10 p + 1
(
2.2 1 + 5.5 p + 14.3 p 2 )
R* ( p ) 5.5 p
(
0.5 1 + 10 p + 50 p 2 )
R„ (p) (3.129)
10 p
„
( p )− R* ( p )
(p)
R
DF (3.131) −
1 + R* ( p ) G * ( p )

Il est nécessaire de:

a) synthétiser un système robuste pour la stabilisation avec déviation minimale de la

trajectoire nominale ROB 1 (Robust Systems with a Minimum Deviation from
the Nominal Trajectory) selon la méthode présentée en [99,100] ;

b) analyser les propriétés de ROB 1 en fonction des variations Δ G ( p ) de ξ ( p ) à

G „ ( p ) et les comparer à ceux du système classique pour la stabilisation de
G ( p ).

ISBN 954 438 500 2 95

 COMMANDE ROBUSTE

La synthèse du système robuste avec une déviation minimale ROB 1 pour des condi-
tions initiales, déterminées par G * ( p ) (3.126), G „ ( p ) (3.127) et l’étendue maximale de la
perturbation paramétrique l a (3.130)

0.99 e −3.2 p 0.265 e −1 p

(3.130) l a ( p ) = − ,
10 p + 1 10 p + 1

est ramenée à la conception de R * ( p ) (3.128), de R „ ( p ) (3.129) et du filtre dynamique en

tant que (3.87), (3.131), montrés dans le Tableau 3.13
(
0.5 1 + 10 p + 50 p 2 ) (
2.2 1 + 5.5 p + 14.3 p 2 )
−
R„ ( p ) − R* ( p ) 10 p 5.5 p
(3.131) D F ( p )= − =− .
1 + R* ( p ) G* ( p ) (
0.583 1 + 5.5 p + 14.3 p 2 e −1 p )
1+
5.5 p ( 10 p + 1 )
Selon le schéma d’analyse comparative (Fig.3.45) sont modélisés et simulés: les systè-
mes correspondants nominal (Fig.3.46) et classique (Fig.3.47) (Fig.3.48), les systèmes robustes
synthétisés - ROB ν pour une charge hydraulique de la VA , dépendante de l’entrée et ROB s
pour une charge combinée.
Les résultats sont donnés à la Fig.3.49 pour ROB ν et à la Fig.3.50 pour ROB s . Les es-
timations obtenues à la suite de l’analyse sont montrées dans le Tableau 3.14. Elles confirment
que les exigences de la synthèse sont satisfaites pour cet exemple avec un modèle non linéaire
et représentent une estimation quantitative pour la performance du système robuste qui est évi-
demment supérieur au classique, pour les mêmes conditions. Egalement, pour les deux cas de
ROB ν et de ROB s , la commande formée vers la VA dans les deux systèmes est montrée.

Tableau 3.14
déviation diminuée par rapport au erreur dynamique diminuée par
système système classique rapport au système classique
analysé [ e) ] 1 [ e) ] 2 [ e) ] 3 [ e) ] 4
ROB ν 25 % 52 % 80 % 0 , 5 fois
ROB s 35 % 52 % 90 % 20 fois

yo
ynominal
Band-Limited système
White Noise
nominal
εnominal
yclassique
perturbation généralisée

algorithme d’estimation

système
s (ν ) classique estimation intégrale
Band-Limited
ε classique de la déviation diminuée
White Noise

estimation intégrale
yROB s de la précision
ξ dynamique
système robuste
Band-Limited (s) augmentée
White Noise
ε ROBs
yROBν
système robuste
(n) ε ROBν

Fig.3.45

ISBN 954 438 500 2 96

 COMMANDE ROBUSTE

ν (p)
y
0
(p) ε (p) u (p) y (p)
R* (p) G* (p)
- R* ( p ) ⇔ G* ( p )

Fig.3.46
ν (p) s (p) ξ (p)

vanne q (p) processus

y0 (p) ε (p) u ( p )≡ l ( p ) automatique technologique
y (p)
R* (p) G1 ( p , st ) G2 ( p,ξt )
- R* ( p ) ⇔ G* ( p )

régulateur de base de paramètres fixes procédé généralise

Fig.3.47

ν (p) s (p) ξ (p)

régulateur robuste pour déviation vanne processus
minimale de la trajectoire optimale automatique technologique
y
0
(p) ε( p ) u1 (p) y (p)
R* ( p ) G1 ( p , st ) G2 ( p,ξt )
-
u ( p )≡ l ( p ) q (p)
G* (p) ε*( p ) u2 (p)
DF (p) procédé généralise
- Fig.3.48.a

y0
MODELE
REGULATEUR
NOMINAL
DE BASE
DU PROCEDE

FILTRE
régulateur robuste pour déviation
DUNAMIQUE minimale de la trajectoire optimale
ACTIONNEUR

MATIERE PREMIERE (ENERGIE) P1 P2 y ROB

l = μ μ max PROCESSUS
TECHNOLOGIQUE
procédé généralise

Fig.3.48.b

ISBN 954 438 500 2 97

 COMMANDE ROBUSTE

y
0
ξ ν y0 ξ ν

Fig.3.49.a Fig.3.49.a
ν
ν
y NOM
y CLASS
y ROB q NOM q CLASS q ROB

Fig.3.49.b Fig.3.49.c
[ ê ( t ) ] 1
Δ
[ ê ( t ) ] 3Δ , 100 ,%

Fig.3.49.d Fig.3.49.f
[ ê ( t ) ] Δ2 , 100,% [ ê ( t ) ] 4Δ

Fig.3.49.e Fig.3.49.g

ISBN 954 438 500 2 98

 COMMANDE ROBUSTE

y0 ξ s y
0
ξ s

Fig.3.50.a Fig.3.50.a
s
NOM CLASS ROB NOM CLASS ROB s
y y y q q q

Fig.3.50.b Fig.3.50.c

[ ê ( t ) ] 1Δ [ ê ( t ) ] 3Δ , 100,%

Fig.3.50.d Fig.3.50.f

[ ê ( t ) ] Δ2 , 100 ,% [ ê ( t ) ] 4Δ

Fig.3.50.e Fig.3.50.g

ISBN 954 438 500 2 99

 COMMANDE ROBUSTE

3.3. Conclusions.
Dans ce chapitre les solutions des problèmes pour la synthèse, l’analyse robuste et
l’analyse comparative de systèmes robustes avec déviation minimale de la trajectoire nominale
sont considérées.
Également sont utilisées des méthodes originales:
● de l’équation de balance de la stabilité pour la synthèse analytique de systèmes
robustes (selon une structure connue), sous critère de déviation minimale et de sta-
bilité robuste (3.41), l’algorithme de la méthode étant (3.46) [99,100];
● d’analyse comparative et d’estimation intégrale de performance selon les indices
généralisés de déviation de la trajectoire nominale, erreur dynamique et pertes
d’énergie pour une période importante du fonctionnement du système [99,100];
Ces méthodes fréquentielles de synthèse font partie des classes FDM (Frequency
Domain Methods), QFT (Quantitative Feedback Theory) et RMM (Robust Model Mat-
ching Methods). La différence de ces méthodes par rapport aux classiques, connues de la lit-
térature [29, 31, 35, 37 ÷41, 43 ÷51, 54 ÷57, 62 ÷64, 67, 69, 82, 86 ÷88, 90, 91, 94, 97, 117, 118,
120 ÷123, 127,130 ÷132], est dans la présence de deux composantes dans la commande, d’un
modèle nominal du procédé et d’une contre-réaction conditionnelle.
Les systèmes synthétisés sont appliqués pour la commande des procédés en condi-
tions d’incertitude a priori et avec modèle nominal du procédé connu ou donné.
Dans le chapitre sont considérés:
- l’analyse des domaines d’application des méthodes et de la convergence des algorith-
mes;
- l’analyse de performance en fonction des conditions initiales de la synthèse;
- la confirmation et l’estimation par simulation de l’efficacité des solutions; l’analyse ro-
buste des solutions.
Les solutions des problèmes posés sont analysées de point de vue comparatif à travers
la simulation parallèle des modèles développés des systèmes et des actions généralisées de
l’environnement industriel conformément au schéma proposé pour l’estimation de la perfor-
mance selon des indices généralisés.

ISBN 954 438 500 2 100

 COMMANDE ROBUSTE

Chapitre 4
SYSTÈMES ROBUSTES À MODÈLE INTERNE

4.1. Structure des systèmes robustes à modèle interne.

La structure d’un système robuste à modèle interne [30,53,59 ÷ 61,65,84,97,128,129] est
donnée à la Fig.4.1. Par G est désigné le procédé de commande est par Q - le régulateur dans
le système. La fonction G ( p ) est inconnue, mais on suppose que le modèle nominal G * ( p )
est connu a priori. Dans la structure (Fig.4.1), le modèle nominal G * est le modèle interne du
système de commande. Le signal y CR de la contre-réaction est donné par (4.1). Si
G ( p )≡ ˆ G * ( p ) et le système ne subit pas des perturbations de signal ( ς ( p ) = 0 ), alors la
grandeur à la sortie du modèle interne dans le système y * et la grandeur réglable y sont éga-
les, tandis que la valeur de y CR (4.1) est nulle

(4.1) y CR ( p ) = ( G ( p )− G* ( p ) ) u ( p )+ ς ( p ) = y ( p )− y* ( p ) .

y0 (p) ϑ (p) ς (p)

ε (p) u (p) y (p)
Q (p) G (p)
−
y CR (p) y* ( p )
R( M ) (p) G* ( p )
−
Fig.4.1
4.2. Relations de base et transformations structurelles dans les systèmes
robustes à modèle interne.
La transformation structurelle équivalente du schéma de Fig.4.1 , mène de façon univo-
que au schéma de Fig.4.2. Si dans la structure (Fig.4.2) Q ( p ) et G * ( p ) sont unie dans une
même fonction de transfert R( M ) ( p ) (4.2), alors la structure du système robuste est analogique
à celle du système classique (Fig.2.2), dans laquelle le régulateur est R ( M ) (Fig.4.3).

y
0
(p) ς (p)
ε (p) u (p) y (p)
Q (p) G( p )
− +
y* ( p )
G* ( p )
R( M ) (p)
Fig.4.2

Q( p )
(4.2) R( M ) ( p )= .
1 − G* ( p)Q( p)

ISBN 954 438 500 2 101

 COMMANDE ROBUSTE

y0 (p) ϑ (p) ς (p)

ε (p) u (p) y (p)
R( M ) (p) G (p)
−
Fig.4.3

Dans le sens inverse, la correspondance entre les structures du système classique avec
R( M ) (Fig.4.3) et du système robuste à modèle interne avec Q (Fig.4.1) est complète. Si dans la
structure du système classique avec R( M ) (Fig.4.3) sont ajoutés deux blocs avec fonction de
transfert G * ( p ) , comme cela est montré à Fig.4.4, alors de manière univoque a partir d’elle on
obtient la structure d’un système robuste à modèle interne (Fig.4.1). Il s’ensuit que la dépen-
dance des grandeurs u et y par rapport à la consigne y 0 et la perturbation ς dans les systè-
mes de commande classique et robuste est équivalente pour les deux structures et les régula-
teurs R( M ) et Q sont liés par (4.2) et (4.3). La correspondance entre le système classique et le
système robuste permet de réduire la procédure de synthèse du système robuste équivalent à
la conception de Q (Fig.4.1), ou bien à la conception de R ( M ) (Fig.4.3)
R( M ) (p)
(4.3) Q ( p )= .
1 + G* ( p ) R( M )( p )

y0 (p) ς (p)
ε (p) u (p) y (p)
R( M ) (p) G (p)
−
y* ( p ) y* ( p )
G* ( p ) G* ( p )
− Q (p) +
Fig.4.4

4.3. Mise en tâche du problème de synthèse.

Les relations « entrée-sortie » pour la structure du système robuste sont données par
(4.4). La fonction de la sensibilité e (4.5) relie les grandeurs externes y 0 et ς avec l’erreur dy-
namique ε (2.14) du système et possède un rôle primordial pour la détermination de la perfor-
mance robuste. La fonction de la sensibilité complémentaire η relie la grandeur réglable y à la
consigne y 0 (4.7) et détermine la stabilité robuste

G( p
) Q( p ) 1 − G* ( p ) Q( p
)
(4.4) y ( p ) = y0 ( p )+ ς( p ) ,
1 + Q( p ) ( G( p )− G* ( p ) ) 1+ Q( p ) ( G( p )− G*( p ) )

ε (p) y( p
) 1− G*( p ) Q( p )
(4.5) = = =e( p ) ,
ς ( p )− y 0 ( p ) ς(p) 1 + Q ( p )( G ( p ) − G * ( p ) )

y( p ) G ( p ) Q( p )
(4.6) = = η ( p).
y0 ( p ) 1 + Q( p ) ( G( p ) − G*( p ) )

ISBN 954 438 500 2 102

 COMMANDE ROBUSTE

Si G ( p ) ≡
ˆ G * ( p ) , alors les relations (4.5) et (4.6) se transforment en (4.7) et (4.8)

(4.7) e * ( p ) = 1 − G * ( p ) Q * ( p ) ,

(4.8) η * ( p ) = G * ( p ) Q * ( p ) .

Le régulateur Q* est lié avec e* et η * par une relation linéaire qui facilite sa concep-
tion. La relation entre R ( M ) et les fonctions de la sensibilité et de la sensibilité complémentaire
est plus complexe, dans ce cas ( G ( p ) ≡ ˆ G * ( p ) ) , l’exigence (2.13) lors de la synthèse du ré-
gulateur Q peut être satisfaite en prenant en considération les relations (4.9) ÷ (4.10)

(4.9) e * ( p ) = 1 − G * ( p ) Q * ( p ) ≈ 0 ,

(4.10) η * ( p ) = G * ( p ) Q * ( p ) ≈ 1 ,

en choisissant Q coïncidant avec le modèle nominal du procédé (4.11)

(4.11) Q ( p ) ≡ Q * ( p ) ≡ ( G * ( p ))− 1 .
Une telle commande serait caractérisée par ε ( t ) = 0 , (∀ y 0 , ς , t ) pour toutes les va-
leurs de la consigne (∀ y 0 , ς , t ). De point de vue pratique, la commande « idéale » est irréa-
lisable, à cause de la spécificité de la relation (4.12)

Q* ( p )
(4.12) lim R( M ) ( p )= lim =∞ .
{Q* = ( G* ) }
-1
{Q* = ( G* ) } 1 − G * ( p ) Q * ( p )
-1

Le degré de réalisabilité d’une telle commande dépend de Q (ou de R ( M ) ). Le modèle

inverse ( G * ( p ) ) − 1 ne peut pas être utilisé lors de la synthèse de régulateur, parce que:
● pour un modèle nominal G * à minimum de phase, ( G * ( p ) )
−1
est un système insta-
ble;
● il faudrait réaliser la fonction « dérivation » du régulateur Q , qui est techniquement et
physiquement impossible;
● cette solution (qui n’utilise qu’un point de l’ensemble Π ( jω ) (2.1) du modèle de
l’incertitude) ne satisfait au critère (2.40) de stabilité robuste, donné par (4.13), que pour les
basses fréquences ( lm ( ω ) < 1 ; e * ( ω ) ≈ 0 (2.13)), vu que pour les hautes fréquences
( lm ( ω ) > 1 ; e * ( ω ) ≈ 0 ), les exigences (4.13) ne peuvent pas être satisfaites

(4.13) ( 1 − e* ( ω )) ⋅ lm ( ω ) < 1, ∀ω ; ( lm ( jω ) ≡ lm (ω )) .

4.4. Critère et méthode de synthèse.

La conception du régulateur Q dans le système doit être effectuée conformément à une
relation fonctionnelle du type Q = Q ( Q * ) . Une solution possible pour la conception de Q , qui
relève l’essentiel de la méthode du paramètre libre pour la synthèse de systèmes robustes à
modèle interne, est d’ajouter en série à Q * un filtre F λ , qui transforme la relation fonctionnelle
Q = Q ( Q * ) en (4.14)

ISBN 954 438 500 2 103

 COMMANDE ROBUSTE

(4.14) Q ( p ) = Q* ( p ) Fλ ( p ) .

La solution (4.14) exige que la détermination de la structure et des paramètres de F λ

soit réalisée de manière à atteindre le compromis optimal entre la performance robuste et la
stabilité robuste ( e ≈ 0 , η ≈ 1 ou e ≈ 1, η ≈ 0 ). Si dans le système le filtre F λ utilisé est du type
donné par (4.15)

( p ) = ( β m −1 ) 1
(4.15) F λ p m −1 + K + β 1 p + 1 ,
(λ p +1 )
ρ

alors la détermination des valeurs des paramètres du filtre λ , β i et ρ (en tant qu’une solution
du problème d’optimisation), permet de réaliser ce compromis. Ici ρ et λ (ce dernier étant le
paramètre libre du filtre F λ ) peuvent être choisis avec des valeurs suffisamment grandes
pour que Q puisse satisfaire aux critères posés (2.25), (2.42), (2.57). Les valeurs de β i doivent
être choisies de manière à satisfaire aux exigences (4.16) (c’est-à-dire l’exigence que le filtre
soit un système statique)
k
d
(4.16) lim k
( 1 − Fλ ( p ) ) = 0 , ( 0 < k < m ) .
p →0 dp
La forme généralisée du filtre (4.15) peut être concrétisée par un bloc d’ordre inférieur -
par exemple par un système statique d’ordre m = 0 (4.17) ou m = 1 (4.18), pour lequel les exi-
gences (4.16) sont en vigueur
1 nλ p + 1
(4.17) F λ ( p )= , (4.18) F λ ( p ) = .
(λ p+1 )
ρ
(λ p +1 ) ρ
Le critère lors de la synthèse du système par la méthode du paramètre libre est stabili-
té robuste (2.42) et performance robuste (2.57). Pour satisfaire à cette exigence (2.42), la fonc-
tion de la sensibilité complémentaire η * du système doit satisfaire à (4.19). Pour réaliser (2.57),
la synthèse doit prendre en considération (4.20)
(4.19) η * ( ω ) l m ( ω ) ∞
= G*( ω ) Q( ω ) l m ( ω ) ∞
< 1 , ∀ω ,

⎧⎪ e* ( ω
) v ( ω ) + η* ( ω ) lm ( ω ) =
(4.20) ⎨ .
⎪⎩ = ( 1 − G*( ω ) Q ( ω ) ) v ( ω ) + G*( ω ) Q( ω ) l m ( ω ) < 1 , ∀ω

4.5. Algorithme de synthèse analytique de systèmes robustes à modèle

interne.
La synthèse analytique de systèmes robustes à modèle interne suivant la méthode du
paramètre libre est dans deux directions possibles: la conception de Q conformément à la
structure de Fig.4.1 ou la conception de R ( M ) selon la structure de Fig.4.3. Pour les deux direc-
tions, les conditions initiales exigent de connaître a priori le modèle nominal G * du procédé de
commande, comme:
● l’algorithme réalisant la méthode pour la conception du régulateur Q (Fig.4.1) utilise
deux étapes de la procédure de synthèse. La première est liée avec la conception de régula-
teur Q * (qui peut être de type arbitraire, y compris un régulateur linéaire standard) sous critère
«erreur intégrale quadratique minimale» (2.25). Dans ce cas, la fonction de la sensibilité du sys-
tème est décrite par (4.7) et la fonction de la sensibilité complémentaire - par (4.8). La solution

ISBN 954 438 500 2 104

 COMMANDE ROBUSTE

de cette étape de l’algorithme peut avoir recours à des méthodes analytiques et d’ingénieur
connus, pour le choix du régulateur et pour le réglage de ses paramètres sous critère local de
performance - erreur intégrale quadratique minimale. La deuxième étape, pour structure et pa-
ramètres de Q * déterminés, doit satisfaire aux exigences des critères (4.19) et (4.20) lors de la
conception du régulateur Q ( p ) = Q * ( p ) F λ ( p ) suivant (4.14). En la présence du filtre dans
la structure du système (Fig.4.1), les fonctions e * ( p ) et η * ( p ) sont décrites par (4.21), (4.22)

(4.21) η * ( p ) = G * ( p ) Q ( p ) ≡ G * ( p ) Q * ( p ) F λ ( p ) ,

(4.22) e * ( p ) = 1 − G * ( p ) Q ( p ) ≡ 1 − G * ( p ) Q * ( p ) F λ ( p ) .

Si (4.19) et (4.20) sont exprimés en prenant en considération (4.21) et (4.22), alors les cri-
tères de stabilité robuste et de performance robuste deviennent (4.23) et (4.24), respectivement
(4.23) η* ( ω ) lm ( ω ) ∞
= G * ( ω ) Q * ( ω ) Fλ ( p ) lm ( ω ) ∞
< 1 , ∀ω ,

⎧ e* ( ω ) v ( ω ) + η* ( ω ) lm ( ω ) =
(4.24) ⎪⎨ .
⎪⎩ = ( 1 − G * ( ω )Q * ( ω ) F λ ( ω ) )v ( ω ) + G * ( ω )Q * ( ω ) F λ ( p ) l m ( ω ) < 1 , ∀ω

A cette deuxième étape l’algorithme de synthèse suppose la résolution du problème

d’optimisation multi-critérial: par le choix de la structure du filtre F λ (4.17), (4.18) et par le choix
de ses paramètres ρ et λ , le système conçu doit satisfaire aux exigences (4.23), (4.24). La so-
lution du problème d’optimisation est réalisée par une procédure itérative bidimensionnelle qui
cherche les valeurs de ρ et λ pour une structure fixée de F λ .

● l’algorithme réalisant la méthode pour la conception du régulateur R ( M ) (Fig.4.3) sup-

pose une structure préalablement fixée de R ( M ) (PID-régulateur standard avec un filtre
connecté en série), basée sur la transformation de (4.2) en (4.25)
⎛ 1 ⎞ 1
) ( p ) = k R ( ) ( λ ) ⎜ 1+τ D ( λ ) p +
(4.25) R (
⎜ ⎟ ,
τ I ( λ ) p ⎟⎠ (τ F ( λ )p +1 )
M M
⎝
où k R ( M )
, τ D , τ I , τ F et λ sont les paramètres ajustables de R ( M ) (4.25). Le Tableau.4.1. est
utilisé lors de la synthèse paramétriques de R ( M ) dans les systèmes robustes à modèle in-
terne pour la commande de procédés, modelés à l’aide de fonctions rationnelles et irrationnel-
les. Pour l’utilisation du Tableau.4.1, le retard τ dans le procédé doit être approximé par une
série de Padé d’ordre nonélevé (par exemple e − τ p ≅ ( − τ p + 2 ) (τ p + 2 ) − 1 ). L’algorithme
consiste en le suivant.
La connaissance préalable du modèle nominal G * du procédé de commande et du type
du signal d’entrée y 0 guident le concepteur de façon univoque à avoir recours à la ligne cor-
respondante du Tableau.4.1., où sont définies les relations paramétriques (4.26) pour R ( M )
(4.26) k R ( M )
( λ ),τ D ( λ ),τ I ( λ ),τ F ( λ ) .
Pour calculer à travers (4.26) les valeurs concrètes des paramètres ajustables de R ( M )
(4.27)
(4.27) k R ( M )
,τ D ,τ I ,τ F ,
il est nécessaire de déterminer la valeur de λ . La recherche de cette valeur est itérative:

ISBN 954 438 500 2 105

 COMMANDE ROBUSTE

1. Choix de la valeur initiale de λ i , ( i = 1 , i ∈ [ 1 , q ] ) dans la procédure itérative.

2. Calcul des paramètres à partir de la ligne correspondante du Tableau.4.1

(4.28) k Ri ( M )
( λ i ) , τ Di ( λ i ) , τ Ii ( λ i ) , τ Fi ( λ i ) .
3. Modélisation de R (i M ) suivant (4.29) et du système robuste (Fig.4.3) avec R (i M )

⎛ 1 ⎞ 1
(4.29) R (i M ( p ) = k Ri ( ⎜ 1 + τ Di p + ⎟ .
) M ) ⎜
⎝ τ Ii p ⎟
⎠ (τ i
F p +1 )
4. Simulation du modèle du système robuste (Fig.4.3) avec R (i M ) .

5. Estimation des résultats de simulation pour vérification des exigences (2.25), (4.24) et
(4.23).
6. Variation de la valeur de λ i à λ i + 1 et reprise de la procédure de l’algorithme à partir
du pas „1” jusqu’au pas „5”, si les exigences (2.25), (4.24) et (4.23) ne sont pas satis-
faites.
L’essentiel de la procédure itérative „1” ÷ „6” est la résolution du problème d’optimisa-
tion multi-critérial: par le choix de la valeur de λ qui satisfait aux exigences (2.25), (4.24), (4.23)
par rapport au système synthétisé. La procédure itérative suppose la variation de la valeur de
λ à partir de λ i jusqu’à λ i + 1 après le pas „5” et ainsi de suite jusqu’à la valeur λ = λ q , pour
laquelle les exigences (2.25), (4.24), (4.23) par rapport au système synthétisé sont satisfaites.
Pour une convergence rapide de la procédure „1” ÷ „6” ( q → m i n ) , il est recommandé
que la valeur initiale λ i , ( i = 1 ) soit choisie en tant qu’un nombre entier positif arbitraire, tandis
que pour les cas où le modèle nominal du procédé de commande comprend aussi un retard τ -
en tant qu’un nombre entier positif, qui satisfait à l’exigence, posée par la synthèse.

4.6. Synthèse d’un système robuste de commande à modèle interne -

exemple numérique [128].

I. Soit donné:
- Le modèle nominal G * ( p ) (4.30) d’un procédé à minimum de phase G ( p ) - une
chaudière;
- le modèle perturbé à la limite supérieure G „ ( p ) (4.31);
- le critère pour la synthèse.

II. Il est nécessaire de:

- Suivant la procédure itérative pour la détermination de la valeur de λ , choisir une telle
valeur du paramètre libre λ q ∈{ Λ } , pour laquelle le système possède la stabilité ro-
buste, la performance robuste et satisfait au critère local de performance - processus
transitoire avec erreur intégrale quadratique minimale;

- En utilisant des méthodes analytiques et d’ingénieur connues pour le choix du régula-

teur et pour l’ajustage de ses paramètres sous critère local de performance - erreur inté-
grale quadratique minimale, concevoir un PID-régulateur standard.

ISBN 954 438 500 2 106

 COMMANDE ROBUSTE

Tableau 4.1
G* y o k R ∗ k τ I τ D τ F

k 1 τ
A τ p +1 p λ
τ - -

k 1 (τ + τ2)
(τ + τ2)
τ1 τ2
(τ p + 1)(τ 2 p + 1) (τ +τ2 ) -
1
B
λ
1
1 p 1

k 1 2ξ τ τ
2ξ τ -
C (τ 2
p 2 + 2 ξ τ p + 1) p λ 2ξ

(− β + 1 ) 1 τ βλ
D k
(τ p + 1 ) p ( 2β + λ ) τ - (2 β + λ )

(− β p + 1 ) 1 (γ + τ ) (γ + τ ) γ τ1 β (γ + λ )
p (τ 2 p + 1 ) ( γ +τ )
1
E k
(τ p + 1 )
1 (2 β − γ + λ ) 1
1 (2 β − γ + λ )

k (− β p + 1) 1 2ξ τ τ βλ
F 2ξ τ
(τ 2
p 2 + 2ξ τ p + 1 ) p ( 2β + λ ) 2ξ ( 2β + λ )

k 1 1
G p p λ
- - -

k 1 2
H 2λ - -
p p2 λ

k 1 1
I p (τ p + 1 ) p λ
- τ -

k 1 (2λ + τ ) (2λ + τ )
2λτ
J p (τ p + 1 ) p2 λ 2
(2 λ + τ ) -

k (− β p + 1) 1 1 βλ
K p p (2 β + λ ) - - (2 β + λ )

k (− β p + 1) 1 1 β (γ + λ )
L p p (τ p +1) (2 β − γ + λ ) - γ
(2 β − γ + λ )
2

k (− β p + 1) 1 2 (β + λ ) 2β λ (β λ + 4 β λ )
2 2

M ( 2β 2 + λ 2 ) (2 β + λ ) (β +λ )
p p2 (2 β + λ )
2 2

k (− β p + 1) 1 1 βλ
N p (τ p + 1) p (2 β + λ ) - τ
(2 β + λ )

k (− β p + 1) 1 2 (β + λ ) + τ 2 τ (β + λ ) β λ2
( 2β + λ ) + τ (2 β + 4 β λ + λ 2 )
O p (τ p + 1) p2 2 β 2 + 4 β λ + λ2 2 (β + λ ) + τ 2

Après la décomposition du retard de (4.30) en série de Padé de premier ordre, le modèle

du procédé prend la forme (4.32)

ISBN 954 438 500 2 107

 COMMANDE ROBUSTE

−τo p −2 p
ko e 1 , 25 e
(4.30) G * ( p ) = = ,
To p + 1 10 p + 1
−10 p
2e
(4.31) G „
( p )= ,
10 p + 1
ko( ( −τ o 2 ) p + 1 )
(4.32) G * ( p ) = .
( To p +1 ) ( (τ o 2 ) p +1 )
Pour l’exemple numérique concret (4.30), la ligne „F” de Tableau.4.1, détermine (pour
une entrée échelon unitaire) les paramètres pour le régulateur R ( M ) (4.25), donnés par (4.33),
(4.34), (4.35) et (4.36)
11
(4.33) k R = , (4.34) τ I = 11 ,
1 , 25 ( 2 + λ )
λ
(4.35) τ D = 0 , 909 , (4.36) τ F = .
2+λ
En suivant la procédure itérative „1” ÷ „6” est choisie la valeur du paramètre libre λ = 5 ,
pour laquelle le système possède la stabilité robuste (4.23) et la performance robuste (4.24) et
satisfait au critère local de performance – processus transitoire avec erreur intégrale quadrati-
que minimale (2.25).
Les exigences (2.25), (4.23), (4.24) par rapport au système robuste de commande à mo-
dèle interne synthétisé pour λ = 5 sont satisfaites avec R ( M ) (4.37)

⎛ 1 0 , 909 p 1 ⎞
(4.37) R ( M ) ( p ) = 0 , 4 ⎜ + + ⎟ .
⎜ ( 0 , 909 p + 1 )
⎝ ( 0 ,909 p + 1 ) ( )
9 , 999 p + 0 , 909 p ⎟⎠
2

4.7. Analyse de la performance du système robuste de commande à

modèle interne synthétisé.
Le système robuste de commande à modèle interne synthétisé est modelisé
(4.30) ÷ (4.37). L’analyse robuste effectuée, en prenant en considération (2.66), fournit les résul-
tats de Fig.4.5, et prouve la stabilité robuste et la performance robuste du système
(4.30) ÷ (4.37).
Pour déterminer les avantages du système robuste synthétisé (4.30) ÷ (4.37), un système
classique linéaire „ CLASS ” avec PID-régulateur standard (4.38) est conçu par la méthode de
Ziegler-Nichols sous critère erreur intégrale quadratique minimale dans le système pour la
commande de G * (4.30)
(5 p + 1) (2 p + 1)
(4.38) R PID ( p ) = 0 ,13 .
5p ( 0 ,4 p + 1 )
Les systèmes robuste de commande à modèle interne RMM (4.30) ÷ (4.37) et classique
linéaire CLASS (4.38) synthétisés sont modélisés et simulés parallèlement suivant le schéma
de Fig.4.6. Selon les résultats des simulations (Fig.4.7), les deux systèmes sont comparés, en
ayant recours aux expressions pour leurs erreurs dynamiques, toutes les autres conditions
étant les mêmes:
- le modèle nominal G * (4.30);

ISBN 954 438 500 2 108

 COMMANDE ROBUSTE

- les fluctuations paramétriques Δ G avec limite supérieure G „ (4.31) autour du modèle

nominal du procédé G * , représentées par l’ensemble Π (2.1), correspondantes à (4.23) et
(4.24);
- les fluctuations de termes et de la consigne y 0 dans l’action généralisée ϑ ;
- le critère local de performance (2.25).
Encore plus significatives sont les relations (4.39) et (4.40), qui donnent l’estimation
quantitative de la précision dynamique augmentée du système robuste par rapport au classique
(4.39) [ ê ( t ) ] 3RMM = [ ( ε) ( CLASS
t, y o
,ϑ , ξ
)
) ε (t,y
RMM
o
,ϑ , ξ ) )−1],
⎡ ⎛ t t ⎞⎤
⎜ ⎟⎥
⎢
∫ ∫
) )
(4.40) [ ê ( t )] RMM
4 = 1− ⎜
⎢
ε (t, y
RMM
o
,ϑ , ξ ) dt ε (t,y CLASS
o
,ϑ , ξ ) d t ⎟⎥ .
⎜ ⎟⎥
⎣⎢ ⎝ 0 0 ⎠⎦
Robust Analysis Stability
35

30 η RMM (ω ) −1

25

20 stabilité robuste
Magnitude System (dB)

lm ( ω ) < η RMM (ω ) −1
, ∀ω
15

10

-5 lm ( ω )
-10

-15
0 0.5 1 1.5 2 2.5 3 3.5 4
Frequency (rad/sec)
Fig.4.5.a

Robust Analysis - Robust Performance and Robust Stability

-5

e ( ω )v ( ω ) + η RMM ( ω ) lm ( ω ) < 1 , ∀ω
-10

performance robuste
Magnitude System (dB)

-15

-20

-25

stabilité robuste
-30
η RMM ( ω ) l m ( ω ) ∞ < 1 , ∀ω
-35
0 0.5 1 1.5 2 2.5 3 3.5 4
Frequency (rad/sec) Fig.4.5.b

ISBN 954 438 500 2 109

 COMMANDE ROBUSTE

0
y
Band-Limited
White Noise y CLASS

perturbation généralisée

algorithme d'estimation
CLASS
ν estimation intégrale
Band-Limited
White Noise de la précision
dynamique
ξ
y RMM augmentée
Band-Limited
White Noise
RMM

Fig.4.6

120
%
100

80 ϑ
0
y
60

40

CLASS
20 y
Fig.4.7.a y RMM
t , sec
0
200 400 600 800 1000
Time (second)

100 [ ê ( t ) ] 3RMM

80

60

40

Fig.4.7.b 20

t , sec
0
200 400 600 800 1000
Time (second)
40
[ ê ( t ) ] 4RMM

Fig.4.7.c
t , sec

ISBN 954 438 500 2 110

 COMMANDE ROBUSTE

Step Response Step Response

( G* ) ( t )
1.2 3
y CLASS y RMM ( G* ) ( t ) y CLASS ( G „ ) ( t )
2.5
1

2
0.8
Amplitude (-)

Amplitude (-)
1.5
0.6
1 y RMM ( G „ ) ( t )
0.4
0.5

0.2
0

0 -0.5
0 50 100 150 0 50 100 150
Time (sec) Time (sec)
Fig.4.8.a Fig.4.9.a
Nyquist Plot Nyquist Plot
0.2 0.6

W CLASS ( G* ) ( jω ) W CLASS ( G „ ) ( j ω )
0.5

0.4

0
0.3

Imag (jw)
Imag (jw)

0.2

0.1
-0.2

W RMM ( G* ) ( jω ) -0.1
W RMM ( G „ ) ( j ω )
-0.4 -0.2
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2

Fig.4.8.b Fig.4.9.b
Real (jw) Real (jw)

Nichols Plot Nichols Plot

20 20

15
15 W CLASS ( G „ ) ( j ω )
10
W CLASS ( G* ) ( jω ) 10
20log10[G(jw)] (db)

20log10[G(jw)] (db)

0 5

-5
0

-10

-15 W RMM ( G* ) ( jω ) -5
W RMM ( G „ ) ( j ω )
-20 -10
-200 -180 -160 -140 -120 -100 -80 -200 -180 -160 -140 -120 -100 -80
Frequence (rad/s) Frequence (rad/s)

Fig.4.8.c Fig.4.9.c
Bode plot Bode plot
40 40

( G* ) ( j ω ) W CLASS ( G „ ) ( j ω )
20.log10[G(jw)] (db)

20.log10[G(jw)] (db)

20 W CLASS 20

0 0

W RMM ( G „ ) ( j ω )
-20 -20

-40 W RMM ( G* ) ( jω ) -40

-60 -60
-2 -1 0 1 -2 -1 0 1
10 10 10 10 10 10 10 10

-100
0

-100
0
(
arg W CLASS ( G „ ) ( j ω ))
Phase (deg)

Phase (deg)

arg (W CLASS ( j ω ))
-200 -200

( ))
-300 ( G* ) -300

arg (W RMM arg W RMM ( G „ ) ( j ω

( G* ) ( j ω ) )
-400 -400

-500 -500
-2 -1 0 1 -2 -1 0 1
10 10 10 10 10 10 10 10
Frequency (rad/sec) Frequency (rad/sec)

Fig.4.8.d Fig.4.9.d

ISBN 954 438 500 2 111

 COMMANDE ROBUSTE

Nyquist plot
1

0
π o
( jω1 )
-1
ω3 πo ( jω 2 )
-2

ω3 ω2 π o
( jω 3 )
-3
Imag (jw)

-4
ω1
-5 ω2

-6
ω↑
-7 W CLASS ( G „ )
1
W CLASS ( G* ) ( jω )
-8

-9
ω1

-10
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5
Real (jw)

Fig.4.10.a Nyquist plot

1

-1
ω3 π o
( jω3 )
ω3
-2
Imag (jw)

ω2 π o
( jω 2 )

-3 ω2
π o
( jω1 )

-4 ω1
W CLASS ( G „ )
2
W CLASS ( G* ) ( jω )
-5
ω1
ω↑
-6
-2 -1.5 -1 -0.5 0 0.5 1
Real (jw)
Fig.4.10.b

ISBN 954 438 500 2 112

 COMMANDE ROBUSTE

Nyquist plot
0.5
( −1, j 0 )
0 π o
( jω1 )

π o
( jω 2 )
-0.5
ω3 π o
( jω3 )

-1 ω2
Imag (jw)

ω3 ω1
-1.5
W RMM ( G* )
-2 ω2

-2.5

-3 ω1
W RMM ( G „ ) ( j ω )
ω↑ 1
-3.5
-1.5 -1 -0.5 0 0.5 1 1.5 2
Real (jw)
Fig.4.11.a
Nyquist plot
0.5

( −1, j 0 )
0

π o
( jω3 )
-0.5
Imag (jw)

ω3 π o
( jω 2 )

ω2
-1 ω3 π o
( jω1 )

ω1
ω2
-1.5 W RMM ( G* )

W RMM ( G „ ) ( j ω ) ω↑
2
ω1
-2
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8
Real (jw) Fig.4.11.b

ISBN 954 438 500 2 113

 COMMANDE ROBUSTE

Tableau 4.2
procédé per-
procédé turbé à la
paramètres du nominal limite régulateur du système
système
G* ( p ) supérieure
G
„
(p)
−10 p
1 , 25 e −2 p 2e ⎛ 1 0 , 909 p 1 ⎞
( p ) = 0 ,4 ⎜⎜ + + ⎟
(9 ,999 p )
RMM R( M )
( 10 p + 1 ) ( 10 p + 1 ) ⎝ ( 0 , 909 p + 1 ) ( 0 , 909 p + 1 )
2
+ 0 , 909 p ⎟⎠

1 , 25 e −2 p 2e
−10 p
(5 p + 1) (2 p + 1)
CLASS R PID ( p ) = 0 ,13
( 10 p + 1 ) ( 10 p + 1 ) 5p ( 0 ,4 p + 1 )

Les fonctions indicielles de transfert y RMM ( t ) , y CLASS ( t ) des systèmes en boucle fer-
mée aussi bien que les caractéristiques fréquentielles W RMM ( j ω ) , W CLASS ( j ω ) des systèmes
en boucle ouverte RMM et CLASS (4.30) ÷ (4.37) et (4.38), respectivement, sont déterminés se-
lon Tableau 4.2 et sont montrés par:
- le procédé nominal G * (4.30) - Fig.4.8;
- le procédé perturbé à la limite supérieure G „ (4.31) - Fig.4.9.
L’analyse de Nyquist est effectuée pour deux variantes de procédés perturbés à la limite
supérieure:
- G „ (4.41), (Fig.4.10.а et Fig.4.11.а) avec variation du gain du procédé;
- G „ (4.42), (Fig.4.10.b et Fig.4.11.b) avec variation du gain et du retard du procédé.
−2 p −10 p
2.75 e 2e
(4.41) G 1 „
( p )= , (4.42) G 2 „
( p )= .
10 p + 1 10 p + 1
Les résultats de l’analyse robuste (Fig.4.5), de l’analyse Nyquist (Fig.4.10 pour CLASS
et Fig.4.11 pour RMM ), et de la méthode de simulation parallèle avec estimation comparative
(Fig.4.7) sont :
● la prevue de satisfaction des critères utilises (Fig.4.5, Fig.4.11) pour la synthèse du
système robuste (4.23), (4.24), (2.25);
● les avantages en termes de performance améliorée concernant l’erreur dynamique de
RMM par rapport à CLASS sont expérimentalement prouvés;
● l’analyse comparative des caractéristiques (Fig.4.8, Fig.4.9, Fig.4.10, Fig.4.11) confirme
les avantages du système à modèle interne RMM par rapport au classique CLASS . Les fluc-
tuations paramétriques Δ G avec limite supérieure G „ (4.31) autour du procédé nominal G * ,
données par Π (2.1), correspondantes à (4.23) et (4.24), sont la raison pour l’incapacité de
CLASS de satisfaire au critère de performance et pour sa perte de stabilité. Pour les mêmes va-
leurs de Δ G , RMM maintient ses stabilité et performance.

4.8. Conclusion.
Dans le chapitre sont traités les systèmes à modèle interne et leurs particularités. Une
méthode pour leur synthèse, connue de la littérature [30,53,59 ÷ 61,65,84,97,128,129] est consi-
dérée. Une proposition est faite pour le développement de cette méthode dans l’aspect de son
application pour la conception de systèmes robustes pour la commande de procédés indus-
triels, sous critère « erreur quadratique intégrale minimale ». L’efficacité des systèmes ainsi
synthétisés est prouvée théoriquement et affirmée et estimée expérimentalement. Dans ce but
sont utilisés les méthodes de l’analyse robuste, de l’analyse de Nyquist, de la simulation paral-
lèle et de l’analyse comparative des systèmes synthétisés. Les résultats de ce chapitre confir-
ment les possibilités d’application de la classe de systèmes considérée et l’efficacité de la mé-
thode de synthèse du paramètre libre.

ISBN 954 438 500 2 114

 COMMANDE ROBUSTE

Chapitre 5
SYSTÈMES À COMPENSATION PARAMÉTRIQUE

5.1. Introduction ; méthodes d’analyse et de synthèse.

En 1972 Smith H. et Davison E. [116] considèrent une structure pour la compensation

paramétrique dans des systèmes de stabilisation programmables multi-régime. Elle comporte
deux composantes de la commande, formées par la réaction et la contre-réaction du système et
appartient à la classe Feedback/Feedforward Redundant Control System. La méthode de
synthèse s’appelle de la surassurance et concerne la variation planifiée des paramètres dans le
dispositif de commande, correspondant au régime de fonctionnement et aux facteurs qui le ca-
ractérisent. Le critère utilisé est de stabilité robuste en la présence de perturbations paramétri-
ques mesurables dans le procédé commandé. Les premières applications concernent la com-
mande de la vitesse d’un moteur électrique pour les différents régimes de charge.

En ayant recours à l’algèbre des tenseurs, la dérivation abstraite et les filtres réjecteurs,
dix ans plus tard l’idée de Smith-Davison еst développée selon deux directions. La première,
issue des travaux de Sain M. [103,109,110], trouve un prolongement et des applications consi-
dérables. C’est une commande avec des régulateurs de variations planifiées des paramètres
(Controller Scheduling). L’autre direction de recherche, entamée par Kamen E. et Khargone-
kar P. [83], concerne la commande par des régulateurs réjecteurs suivant les perturbations pa-
ramétriques.

Très proche de l’idée de Sain est celle de Wang J. et Rugh W. pour l’utilisation de re-
tours linéarisants dans le système de commande qui effectuent la compensation paramétrique
conformément au régime de fonctionnement. La méthode de synthèse proposée [119] est de la
paramétrisation statique et dynamique linéaire et elle trouve un développement dans la mé-
thode de Rugh W. [98,107,108] des retours linéarisants élargis qui utilise l’idée de Baumann
W. [13] pour la paramétrisation linéaire élargie.

Baumann W. et Banach A. [10] proposent une approche, basée sur la méthode des
inéquations aux dérivées partielles, pour la synthèse de systèmes à compensation paramétri-
que à travers la variation planifiée des paramètres dans la classe de Gain Scheduled Control
Systems. Cette approche est une précision contemporaine de la classe Feedback/Feedforward
Redundant Control Systems.

Rugh W. [98,107,108] prouve la liaison entre les méthodes de synthèse des Gain Sche-
duled Control Systems (avec les inéquations aux dérivées partielles et des retours linéarisants
élargis) et l’idée du Controller Scheduling linéarisé.

En comparant les performances des systèmes avec des régulateurs et des systèmes
adaptatifs à modèle étalon dans des exemples concrets de l’industrie chimique, Dumont G. et
Marten-Sanchez [52] déterminent la nécessité du développement des systèmes à compensa-
tion et prouvent l’efficacité de la classe Gain Scheduled Control Systems.

Le domaine et les conditions d’application de la classe de systèmes à compensation pa-

ramétrique sont analysés en détail par Rugh W. [98,107,108], leur stabilité asymptotique est
prouvée mathématiquement, leurs caractéristiques typiques sont déterminées - la rapidité éle-
vée lors des variations des régimes de fonctionnement, la possibilité d’utilisation de méthodes
fréquentielles et quadratiques linéaires pour leur synthèse, la possibilité de mesure directe des
indices de performance et l’efficacité en condition d’incertitude.

ISBN 954 438 500 2 115

 COMMANDE ROBUSTE

Pour la conception de systèmes multimesures à variation planifiée des paramètres, on a

recours aux méthodes à variation planifiée des paramètres, proposées par Shahrudz S. et Ba-
nach A. [111], qui utilisent le principe des retours linéarisants élargis et par Shahruz S. et G.
Langari [115], avec compensateur à variation planifiée des paramètres. Ces systèmes trouvent
des applications très efficaces pour la commande de trajectoire de vols, de la valeur de pH et
des paramètres des moteurs à combustion interne.

Une étape importante de l’évolution des systèmes à compensation paramétrique sont

les travaux de Shamma J. et Athans M. [85,112,113], qui proposent une solution du problème
de stabilité et de robustesse lors de la commande de procédés à variations lentes et contrôla-
bles des paramètres, selon des facteurs du régime. Ces auteurs développent également une
commande de procédés non linéaires typiques [114] à l’aide de systèmes à variation planifiée
des paramètres (Gain Scheduled Control Systems).

Hyde R., K. Glover [68] proposent une méthode pour la synthèse H ∞ -optimale
Controller Scheduling avec un observateur et une contre-réaction d’état selon une procédure
de variation planifiée de deux paramètres dans le système, en introduisant la notion “régulateur
à contour paramétrique loop-shaping”. Par l’analyse de la valeur singulière maximale de la
fonction de transfert matricielle du système en boucle fermée sont déterminées les estimations
quantitatives de la stabilité robuste de cette solution proposée, qui trouve ces applications
dans des systèmes pour la commande de vols.

En [114], Shamma et Athans utilisent une méthode des équations intégro-diférentielles

de Volterra et une variante de la méthode des “coefficients fixés” pour l’analyse de perfor-
mance des Gain Scheduled Control Systems lors de la commande de procédés non linéaires.
Ces auteurs introduisent la notion de “trajectoire temporelle étalon” de la variation planifiée des
paramètres et font l’étude de la stabilité et de la robustesse dans l’ensemble des trajectoires
possibles de la commande des Gain Scheduled Control Systems. Les problèmes discutés trai-
tent de la convergence et de la stabilité des algorithmes Controller Scheduling pour la varia-
tion planifiée des paramètres. Les résultats de ces travaux sont fondamentaux pour la stabilité
et la performance robuste des systèmes considérés lors de variations lentes des paramètres du
procédé selon une “trajectoire étalon”. En [114], les mêmes auteurs analysent l’indice de stabi-
lité quantitatif - les marges de gain et de phase des Gain Scheduled Control Systems et étu-
dient les possibilités pour le développement et l’application de cette classe à travers une mé-
thodologie linéaire robuste pour la commande de procédés non linéaires.

5.2. Structures des systèmes à compensation paramétrique.

Les systèmes à compensation paramétrique ( PCS - Parametric Compensated System)

sont conçus pour la commande de procédés en conditions d’incertitude et un vecteur des per-
turbations ν ( p ) mesurable, générant la modulation paramétrique dans les caractéristiques
des procédés. La systématisation et l’analyse des structures à compensation paramétrique
fondamentales dans la classe Gain Scheduled Control Systems est présentée en [131].

Dans la plupart des cas ce sont des systèmes pour la commande de procédés générali-
sés avec variation contrôlable des paramètres, suivant des facteurs du régime dont la variation
peut être quasi-stationnaire, lente, quasi-linéaire, non constante. Lors de la synthèse de ces
systèmes un modèle de l’incertitude du type “vecteur composé avec composante mesurable”
est utilisé.

ISBN 954 438 500 2 116

 COMMANDE ROBUSTE

WAME
ν (p)

y
0
(p) ε(p) μ (p) y (p)
R (p) G (p)
-
α
Fig.5.1

La structure PCS (Fig.5.1) comporte une chaîne de compensation additionnelle. La

commande additionnelle à μ ( p ) est formée à partir d’une variation des paramètres dynami-
ques du régulateur dont la fonction de transfert est R ( p ) . De cette manière, par des variations
paramétriques dans le régulateur, les variations paramétriques du procédé généralisé dont la
fonction de transfert est G ( p ) sont compensées.
La chaîne additionnelle réalise l’algorithme de compensation paramétrique ( ACP ) et
forme la variable de compensation α (Fig.5.2).

WACPR WAME ν (p)

ε (p) μ (p) y (p)

R (p) G (p)
y0 (p)
-
α
Fig.5.2

Dans les PCS un algorithme pour la mesure et l’estimation ( AME ) du vecteur des per-
turbations et un algorithme pour le calcul des valeurs des paramètres du régulateur R ( p )
( ACPR ) sont utilisés. Dans les cas d’un système de correspondance ou de suivi (par exemple
pour la saisie d’un missile, quand la consigne y 0 est très bruitée) ou d’un système de stabilisa-
tion programmable multi-régime, la structure PCS utilisée est celle de Fig.5.3, qui réalise la va-
riation planifiée des paramètres du régulateur après une analyse des situations de variation des
paramètres de y 0 . Dans ce cas la variable de compensation α est formée conformément à
la structure de Fig.5.4.

WAME WACPR

ε (p) μ (p) y (p)

R (p) G (p)
y 0
(p) -
α
Fig.5.3

ISBN 954 438 500 2 117

 COMMANDE ROBUSTE

α1
algorithme
d’analyse 1

α2
algorithme
d’analyse 2

a
algorithme
n αn
Fig.5.4
( )
d’analyse
0
s y

Pour l’application efficace de PCS il est nécessaire :

- le choix convenable de la variable de compensation et précision dans la mesure de
l’action perturbatrice;
- une bonne connaissance: des propriétés physiques du procédé généralisé (modèle
analytique adéquat du procédé), du mécanisme de pénétration et de modulation en paramétri-
que de la perturbation de signal, de l’interaction du procédé avec la variable de compensation;
- l’utilisation d’une telle procédure de variation des paramètres du régulateur (formation
de la variable de compensation), qui garantit la maintenance de la performance et de la stabilité
du système.

5.3. Méthodes de synthèse [99,100].

En [23,34,42,93,98,99,100,102,108] des méthodes de synthèse de PCS sont considérés,
qui diffèrent des méthodes connues des équations aux dérivées partielles et des retours linéa-
risants élargis, utilisés dans le cas des Gain Scheduled Control Systems.
Les structures de systèmes à variation planifiée des paramètres suivant la variation d’un
facteur mesurable du régime, qui module des perturbations paramétriques dans le procédé et
engendre l’incertitude, sont l’objet de l’analyse de [99,100]. Ce facteur est la charge hydraulique
s dans les systèmes, pour lesquels la commande est réalisée à l’aide de régulation dans la
vanne automatique VA [99,100].
En [99] sont utilisés des modèles, sur lesquels les critères de stabilisation dans le point
optimal du coefficient du procédé généralisé et du coefficient du système sont formulés. L’utili-
sation d’un critère de ce type dans les systèmes de stabilisation est une approche pour leur li-
néarisation et la manifestation de possibilités de synthèse de l’organe de régulation selon des
méthodes fréquentielles ou quadratiques.
Comme une manifestation du critère de stabilisation, les méthodes de l’équation de la
balance paramétrique pour la synthèse de systèmes avec procédure additive et combinée de
variation planifiée des paramètres sont considérées. Ces méthodes effectuent la synthèse ana-
lytique des variables de compensation dans le système.
5.3.1. Mise en oeuvre du problème de stabilisation en série.
On considère un système de stabilisation (Fig.5.5) du débit Q .
ε (p) l (p) Q (p)
P (p) VA ( p )
Q 0
(p) - s (p)
Fig.5.5

ISBN 954 438 500 2 118

 COMMANDE ROBUSTE

Le procédé est le processus de régulation, se déroulant dans la vanne automatique

( VA ) , la perturbation ν est la charge hydraulique s (facteur du régime), Q 0 ( p ) - consigne
pour le débit Q ( p ) = q ( p ) , l - la position de commande de VA par un réglage du débit à ca-
ractère plat / lisse.
Soient les paramètres optimaux du régulateur de base R sous critère υ , fixés pour le
point de travail "1 " de la caractéristique du procédé q ( l ) (Fig.5.6). Ce point est caractérisé
par les valeurs
(
l = l 0∗ et s = s 0∗ ou "1 " ⇔ q 1 l 0∗ , s 0∗ ) ⇔ (k p ,Ti ,Td ) opt

et pour Δ q 1 (Fig.5.7) qui est le coefficient de transfert total de la VA et pour k l 1 (Fig.5.8) qui
est le coefficient de transfert courant, déterminé géométriquement à partir de la pente de la tan-
gente dans le point considéré de q ( l ) (Fig.5.6).
Chaque variation des paramètres de la perturbation ∇s par rapport à la base des para-
mètres optimaux s 0∗ (malgré la valeur constante de la position l 0∗ = const ) mène à :

- un changement de la position du point de fonctionnement dans q ( l ) du système

classique de "1 " en " 2 " , qui est sur une courbe de la famille de caractéristiques q ( l , s )
(Fig.5.6) avec indice s = s 0∗ + ∇s et abscisse l = l 0∗ ;

- un changement du coefficient de transfert total Δ q (Fig.5.7) et du coefficient de trans-

fert courant k l 1 (Fig.5.8) du procédé, déterminé par les relations (5.1), (5.2)

⎧ ( ∂ q ∂ l ) Δ l + ( ∂ q ∂ s )Δ s k l ∗ Δ l + k s ∗ Δ s
dq ⎪⎪ =
0 0

(5.1) k l 1 = = ⎨ dl dl ,
dl ⎪
⎩⎪
(
t g (α 1 ) , t g (α 1 ) ⇔ ( k p , T i , T d ) opt )
⎧ ( ∂ q ∂ l ) Δ l + ( ∂ q ∂ s ) ( Δ s + ∇ s ) k l ∗ Δ l + k s ∗ ( Δ s + ∇s )
dq ⎪⎪ =
0 0

(5.2) k l 2 = = ⎨ dl dl .
dl ⎪
⎩⎪
(
t g (α 2 ) , t g (α 2 ) ≠ t g (α 1 ) ⇔ ( k p , T i , T d ) opt )
La différence entre les valeurs k l 2 ≠ k l1 crée des difficultés d’exploitation concernant
l’obtention d’une précision dynamique élevée et de la rapidité désirée dans le système classi-
que. Le coefficient k l 2 (5.3) ne correspond pas à k p opt

⎧ k l 2 ≠ k l1 ⎫
⎪⎪ ⎪
(5.3) ⎨ k l 0∗ Δ l + k s 0∗ ( Δ s + ∇s ) k l ∗ Δ l + k s ∗ Δ s ⎪⎬ .
≠
0 0
⎪ ⎪
⎩⎪ dl dl ⎪⎭

Le débit q ( l , s ) est non univoque, ce qui ne satisfait pas aux exigences du critère υ .
Le système (Fig.5.5) est optimal (dans le contexte de υ ) si et seulement si il ne quitte pas un
petit voisinage autour du point "1" (Fig.5.6). Le système (Fig.5.5) avec un régulateur classique
ne peut pas satisfaire à υ pour tous les points de la caractéristique q ( l , s ) .

ISBN 954 438 500 2 119

 COMMANDE ROBUSTE

Fig.5.6.a
α1 α >α
VA lin
2 CLASS

α
1

=α
q = Q Q max 3 PCS 1
1
s 1 = 0 , 04

q lin 1 s 2 = 0 , 20 s = 1 ,00
0,8

∇ s
1 → 3 Δ = q 1∗ − q 3∗ PCS
0,6

2 1 → 2 Δ = q 1∗ − q 2∗ CLASS

0,4
∗
s1 = s0
∇s = s1 −s2 = s1 −s3
0,2 ∇ l ⇔ ∇s
∇l ( ) −1
⎡ P o − P1 ⎤
∗ s =⎢ +1 ⎥
l 0 Valve Position ll ⎢⎣ ( P1 − P2 ) ⎥⎦

[ ( )]
0 0,2 0,4 0,6 0,8 1

q VA lin = 1 − s 1 − l −2 − 0 .5
[
q VA log = 1 − s 1 − e 2 n ( 1−l ) ( )] − 0.5

α1
1

q log α 3 PCS =α 1
∗
0,8 s1 = s 0

∇s = s1 −s2 = s1 −s3
s = 1 ,00
∇ l ⇔ ∇s
0,6 s 1 = 0 , 06 α 2 CLASS <α 1
1
1 → 3 Δ = q 1∗ − q 3∗ PCS
0,4
3
∇ s

∗ ∗
1→ 2 Δ =q 1 −q 2 CLASS s 2 = 0 , 60

0,2 2
∇l
l
0
0 0,2 0,4 0,6 ∗ 0,8 1 (
⎡ P o − P1 ⎤ ) −1

VA log l = μ μ max l 0
s=⎢
⎢⎣ ( P1 − P2 )
+1 ⎥
⎥⎦

Fig.5.6.b

ISBN 954 438 500 2 120

 COMMANDE ROBUSTE

Fig.5.7.a

VA lin gain de transfert plain

Δ q VA lin

2
0
-2
-4
-6
-8
-10
s -12
0,9 -14
0,7
0,5 0,81 0,99
0,3 0,41 0,61 −1
⎡ ( P o − P1 ) ⎤
0,1 0,21
0,02 s =⎢ +1 ⎥
−
l ⎣ ( P1 P 2 ) ⎦

∂ q (l ,s ) ∂ q (l , s ) ∂ q (l , s ) ∂ q (l , s )
Δ q VA lin = Δl + Δ s= Δ q VAlog = Δl + Δs=
∂l ∂s ∂l ∂s

s (
− 0 ,5 l
−2
−1 ) ⎛ 2.0.49847. n s e 2 n ( 1−l )
⎜
⎞
⎟
⎛
⎜ −0.5 e ( 2 n ( 1−l )
) −1 ⎞
⎟
= Δl+ Δs =⎜ ⎟ Δ l+ ⎜ ⎟Δ s
l
3
(1 − (1 − l ))
−2 1 ,5
(1 − (1 − l ))
−2 1 ,5 ⎜
⎝ (
s e 2 n ( 1−l ) + 1 − s
3
) ⎟
⎠
⎜
⎝ (s e 2 n ( 1−l )
+1− s )
3
⎟
⎠

Δ q VA log
8

2
s
0,9 1
0,5

0,1 0
0,61 0,81 0,99
0,02 0,21 0,41
l
VA log gain de transfert plain Fig.5.7.b

ISBN 954 438 500 2 121

 COMMANDE ROBUSTE

VA lin gain de transfert du VA kl

k l 2class > k l1 k l3 PCS 1 = k l1
2 2

1,8
k l3 PCS 1 1,8

1,6 k l 2class 1,6

1,4
2 1,4

1,2
k l1 ∇ s
1,2

1 1

0,8
1s 1l 3 0,8
s 0,04 s 0,1 s 0,2 s=0,20
0,6 0,6
s 0,3 s 0,4 s 0,5
0,4 s=0,04 0,4

0,2
s
l 0,04

l 0,3
l 0,1

l 0,4
l 0,2

l 0,5
∇ l l 0,2

0 0
0,04 0,1 0,2 0,3 0,4 0,5

Fig.5.8.a dq (∂ q ∂ l )Δ l + (∂ q ∂ s )Δ s
k l1 = =
dl dl
dq ( ∂ q ∂ l ) Δ l + ( ∂ q ∂ s )( Δ s + ∇ s )
k l 2 class = =
dl dl
dq ( ∂ q ∂ l )( Δ l + ∇l ) + ( ∂ q ∂ s )( Δ s + ∇ s )
k l3PCS = =
dl dl

5 s= 0,06 s= 0,2 s= 0,3 s= 0,4 s=0,60 5

s= 0,5 s= 0,6 s= 0,7 s= 0,8

4,5
s= 0,9
l 0,3
s= 1
l 0,4
l 0,06
l 0,5
l 0,2
l 0,6
k l3 PCS 1 4,5
l 0,7 l 0,8 l 0,9 l1

4 4

3,5 3,5

3
k l1 3
1l
2,5 2,5

3
2 1s ∇ s 2

1,5
k l 2 class 2
1,5

1
s=0,06 1

0,5
s ∇ l l 0,5

0 0
0,06 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

k l 2 class < k l1 k l 3 PCS 1 = k l1

VA log gain de transfert du VA kl

Fig.5.8.b

ISBN 954 438 500 2 122

 COMMANDE ROBUSTE

On pose le problème pour la synthèse d’un système à compensation paramétrique de

stabilisation en série PCS 0 (Fig.5.1), qui :
- stabilise k l (Fig.5.8) à la valeur k l i = k l1 ⇔ k p opt , indépendamment de la position du
point de travail du système;
- à l’aide de la variable en série a (5.4-1), crée pour toute variation des paramètres ∇s
dans la perturbation mesurable s ( ∇s ± s 0∗ ≠ s 0∗ ), une action de compensation correspondante
∇ l (Fig.5.6) vers la VA , de façon qu’avec ∇ l les exigences (5.4-2) soient toujours accomplies

[
⎧ k R = [ a ( ∇ s ) ] . k p opt l 0∗ , s 0∗ , ϑ
⎪
( )]
(5.4-1) ∃ a = a ( ∇ s ) : ⎨
k
⎪⎩ il ( ∇ s ) = k
l0
∗ = const ⇔ k p opt l ∗
0 , s ∗
0 , ϑ
,
( )

( ∗
k l ∗ l0 , s0
∗
) ( Δ l + ∇ l ) + k (ls
∗ 0
∗
∗
, s0 ) (Δ s + ∇ s ) ( ∗
∗
)
k l ∗ l 0 , s 0 Δ l + k s ∗ l0 , s0 Δ s ( ∗
∗
)
(5.4-2) = .
0 0 0 0

Δl Δl

La structure à la Fig.5.9 illustre le but (5.4) de la synthèse de PCS 0 . Lors de la formation

de n’importe quelle (selon le signe et l’amplitude) variation des paramètres ∇ s par rapport à
s 0∗ (Fig.5.6), le système génère une variation complètement correspondante des paramètres
∇ l vers la position l 0∗ de la VA (en l’amenant à l = l 0∗ + ∇ l ) de manière que le coefficient de
transfert du procédé (5.2) reste à une valeur égale à celle déterminée par les paramètres opti-
maux (5.1).
∇s (p)

calcul mesure s (p)

y
0
(p) ε(p) l (p) y (p)
R (p) VA ( p )
-
α ξ
Fig.5.9

Graphiquement, cela veut dire, qu’à la différence du système classique, la variation for-
cée de l de l = l 0∗ en l = l 0∗ + ∇ l , dans le PCS 0 “déplace” le point de travail "1" de la caracté-
ristique statique du procédé q ( l ) (Fig.5.6) en " 3 " , et non pas en " 2 " . Le nouveau point de
travail " 3 " diffère de "1" et de " 2 " par le fait qu’il se trouve sur une ligne de la famille q ( l , s )
avec indice s = s 0∗ + ∇ s , mais d’abscisse l = l 0∗ + ∇ l . En " 3 " , la ligne est de pente k l 3 (5.5),
correspondante à (5.4-2) et équivalente à k l 1 (5.1) (Fig.5.8). De (5.5) est déterminée la compen-
sation additionnelle ∇ l , en prenant en considération que k l i = k l 3 = k l1 = const

⎧ k l ∗ (Δ l + ∇ l ) + k s ∗ (Δ s + ∇s ) kl ∗ Δ l + ks ∗ Δ s ⎫
⎪ ⎪
(5.5) ⎨ = ⎬ ,
0 0 0 0

⎪⎩ dl dl ⎪⎭

où:

ISBN 954 438 500 2 123

 COMMANDE ROBUSTE

- ∇ s est pratiquement mesurable, conformément aux suppositions prises lors de la

mise en oeuvre de la synthèse;
- l’abscisse caractéristique l 0∗ du point de travail "1" pour s = s 0∗ = const est déterminée
en conditions d’exploitation à l’aide de l’erreur ε du système en tant que (5.6);
- k s et k l sont des constantes connues - leurs valeurs en (5.7) sont calculées confor-
∗ ∗
0 0

mément au type de VA selon les données pour l 0∗ et s 0∗ du point de travail "1" de la synthèse
optimale du système selon les relations (5.6) ou bien (5.7)
⎧⎪ ε . k p opt
∗
= l0 , (∇ s = 0 , ∗
s = s 0 = const ) k s∗
(5.6) ⎨ , (5.7) ∇ l = − ∇s.
0

∗ −1
⎪⎩ ε =l 0 k p opt kl∗
0

5.3.2. Méthode de l’équation de compensation de la balance pa-

ramétrique.
La méthode [99] de synthèse de PCS 0 prend en compte l’exigence selon laquelle la va-
riable doit satisfaire à l’équation de compensation de la balance paramétrique (5.8), où: l 0∗ est
le point de travail de base; ∇ l - la variation de position nécessaire (5.7), conforme à ∇ s ; ε -
l’erreur dans le système (5.6), qui satisfait au critère (5.5) °valeur constante des coefficients de
transfert° :
(5.8) a ( ∇ s ) . ε . k p opt = l ∗0 + ∇ l , ( ∇ s ≠ 0 ) .
De l’équation (5.8), la variable a est déterminée en tant que (5.9) et en prenant en consi-
dération (5.7) - en tant que (5.10)
⎧ k p opt .l ∗0 ⎧ ∇l
⎪a. = l 0 + ∇l , ( ∇ s ≠ 0 )
∗ ⎪ a (∇s ) = 1+ ∗
⎪⎪ k p opt ⎪⎪ l 0
(5.9) ⎨ , (5.10) ⎨ ks ∗ .
⎪ ∇ l ⎪ (∇ ) = − 1
∗ ∗
⎪ a .l 0 = l 0 + Δ l , a − 1 = ∗ ∇s
0

⎪a s 1 ∗
⎪⎩ l0 ⎪⎩ l0 kl∗
0

5.3.3. Synthèse de système de stabilisation en série.

Les relations (5.7) et (5.10) forment la base de la procédure de synthèse de PCS 0 .
Pour le cas de VALIN et de VALOG (vanne automatique a caractéristique linéaire ou
logarithmique respectivement), en prenant en considération les coefficients [99,100], la variable
de compensation a est donnée par (5.11) et (5.12), respectivement
⎧ − 0.5 l 2 − 1 l 3 ( )
⎪ ∇ l VALIN = ∇s
⎪ s
(5.11) ⎨ ,
⎪a − 0.5 l 2 − 1 l 3 ( )
⎪ VALIN = 1 − ∗
∇s
⎩ s l 0

⎧ ( )
− 0.5 e 2 n ( 1− l ) − 1 n s e 2 n ( 1− l )
⎪ ∇ l VALOG = − ∇s
⎪⎪
(5.12) ⎨
(
s e 2 n ( 1− l ) + 1 − s
3
) .
⎪ ( )
− 0.5 e 2 n ( 1− l ) − 1 n s e 2 n ( 1− l )
⎪ a VALOG = 1 + ∇s
⎪⎩ s e (
2 n ( 1− l )
+ 1 − s
3
. l ∗
o )

ISBN 954 438 500 2 124

 COMMANDE ROBUSTE

Les variables de compensation ∇ l et a ( ∇ s , l ∗0 ) sont illustrées sur les Fig.5.10,

Fig.5.11, Fig.5.12, Fig.5.13 comme fonction de ∇ s et de l 0∗ pour une valeur constante (par
exemple s 0∗ = 0 , 5 , qui assure l’étendue maximale de l’argument ∇ s , 0.0 < ∇ s < 0.5 ) de la
charge hydraulique. La variable a est caractérisée par un gradient variable.

Δs=0, l=lo*
Δl 0.2

0.15
0.1
Δl2
0.05
0
-0.05 Δl1
-0.1
l o* 1
-0.15
l=lo*+ Δ l 0.9 -0.2
0.6 s= -0.5
0.3
2 s= -0.3
l=lo* 0.02 s= 0.2
s= -0.1
s
lo*= s= 0.4
Fig.5.10

1.6
a 1.4

a2 1.2 a=1, Δ s=0

1
a1
0.8

0.6

0.4 2
l o*
s= -0.5 s= -0.3 0.02
s= -0.1 1s= 0.2
s s= 0.4
0.5 lo*=
1 Fig.5.11

5.3.4. Mécanisme de la compensation paramétrique.

Les Fig.5.10 et Fig.5.11 présentent le mécanisme de fonctionnement de PCS 0 avec sta-
bilisation en série. Le point de départ "1" reflète les paramètres ajustables optimaux
( ∗
q 1 l0 , s0
∗
) ⇔ (k p ,Ti ,Td ) opt

du régulateur de base dans le système avec

l = l 0∗ = 0 , 5 , s = s 0∗ = 0 , 5 , ∇ s = 0 , ∇ l = ∇ l 1 = 0 , a = a 1 = 1 .
Soit PCS 0 perturbé à travers la charge hydraulique de valeur ∇ s = 0 , 2 par exemple.
Cette nouvelle situation est représentée par le point " 2 " , à partir duquel sont déterminées les
valeurs pour la compensation additionnelle ∇ l = ∇ l 2 , la variable a = a 2 et la nouvelle position
l = l 0∗ + ∇ l (5.11), qui garantit la conservation de la différentielle complète et du coefficient de
transfert suivant la commande, ceci correspondant au réglage optimal.

ISBN 954 438 500 2 125

 COMMANDE ROBUSTE

Les flèches sur les Fig.5.12 et Fig.5.13 illustrent l’effet de la procédure de compensation
paramétrique. Il est évident que les signes de ∇ l et de a dépendent de la direction de varia-
tion de ∇ s , aussi bien que de l’allure univoque et plate / lisse des caractéristiques considérées.
Les valeurs de la variable a (5.11) sont un indice indirect pour la multiplicité de la varia-
tion du coefficient de transfert du procédé en fonction de ∇ s , pour s = s 0∗ = 0 , 5 .

0.1
0.08

Δl 0.06
0.04
0.02
0
-0.02
-0.04
-0.06
0.91
-0.08 0.61
-0.1 0.31
Fig.5.12 s= 0.5
s= 0.2 0.02
s= -0.2 l=
s= -0.5

1.6
1.4
1.2
1 a
0.8
0.6
0.4
0.9 s= -0.5
0.6 s= -0.2
0.3
0.02 s= 0.2
Fig. 5.13 lo*=
s= 0.5

5.3.5. Méthode de l’équation de compensation de la balance pa-

ramétrique pour une stabilisation additive et combinée.
Une variante de la méthode considérée est celle de l’équation de compensation de la ba-
lance paramétrique pour une stabilisation additive [99,100], où l’équation (5.13), qui décrit de
manière analytique le but de PCS , est directement prise pour une équation de compensation
de la balance paramétrique pour une stabilisation additive. L’inconnu dans cette équation est
∇ l (5.14). Dans le cas considéré ∇ l est la variable de compensation additive

( )
k l ∗ Δ l + ∇ l + k s ∗ ( Δ s + ∇s ) kl∗ Δ l +ks∗ Δ s
(5.13) = ,
0 0 0 0

dl dl

ks∗
(5.14) ∇ l = − ∇s .
0

kl∗
0

ISBN 954 438 500 2 126

 COMMANDE ROBUSTE

Soit le procédé généralisé (Fig.5.14), caractérisé par la variable de régulation l t (la posi-
tion de commande de la VA ), variable intermédiaire q t et variable de commande y t (niveau,
température ou n’importe quelle autre grandeur technologique).
s (p) ξ (p)
vanne processus
automatique q (p) technologique
l (p) y (p)
G1 ( p , st ) G2 ( p,ξt )
kl k PLANT
k TOTAL PLANT

procédé généralise Fig.5.14

Soit, dans PCS pour la stabilisation de ce procédé généralisé, la compensation paramé-
trique additive du débit q t réalisée à l’aide de ∇ l (5.14), en effectuant la tâche de stabilisation
paramétrique (5.15) du réglage de débit, comme ceci est montré ci-dessus
(5.15) k l ( ξ , t ) = k l ,i = const ⇔ ( k p , T i , T d ) opt .
Si dans ce cas, la stabilisation paramétrique (5.16) du coefficient de transfert k SYS ( ξ , t )
du système, est additionnelle à (5.15)
⎧ k SYS ( ξ , t ) = k SYS = const ⇔ ( k p , T i , T d ) , ( k l ( ξ , t ) = k l1 = const )
⎪ 1 opt
⎪
(5.16) ⎨ k SYS ( ξ , t ) = k P opt ,υ k l ( ξ , t ) k PLANT ( t ) = k P opt ,υ k l1 k PLANT ( ξ , t ) = const ,
⎪
⎪⎩ k SYS ( ξ , t ) = k P opt ,υ k TOTAL PLANT ( ξ , t ) = k SYS 1

alors la solution est possible à travers une réalisation technique en PCS de l’exigence, donnée
par l’équation (5.17-3)
(5.17-1) k SYS ( ξ , t ) = k P opt ,υ k l ( ξ , t ) k PLANT ( t ) = ∇a t k P opt ,υ k l k PLANT ( ξ , t ) = const ,

(5.17-2) k SYS = ∇a t k P opt , υ k TOTAL

1 PLANT (ξ , t ) ,
(5.17-3) k SYS = ∇a t k P opt , υ k̂
1 TOTAL PLANT (ξ , t ) .
Cela décrit la méthode de l’équation de compensation de la balance paramétrique pour
une stabilisation combinée (additive et en série) [99,100]. Ici la variable de compensation ∇a t
(5.18) est du type série, déterminée en tant qu’inconnu dans l’équation (5.17-3)
⎧ k SYS 1 k SYS 1 k SYS 1
⎪ 1
(5.18) ⎨ ∇a t = = = ,
⎪⎩ kP opt , υ
. k l . k̂ PLANT (ξ , t ) kP opt , υ
.k̂ TOTAL PLANT (ξ , t ) kP opt , υ
d ( y t ) / d (l t )
en prenant en considération la possibilité pour l’évaluation de l’estimation k̂ PLANT ou de
l’estimation k̂ TOTAL PLANT (5.19) (par exemple avec Δ - accroissements après le filtrage et la limi-
tation)
(5.19) k̂ TOTAL PLANT ( ξ , t ) = Δ ( l t ) Δ ( y t ) ≈ k̂ PLANT ( ξ , t ) = Δ ( q t ) Δ ( y t ) .
La forme définitive de la variable ∇a t est (5.20)

ISBN 954 438 500 2 127

 COMMANDE ROBUSTE

⎛ d (y t ) ⎞ ⎛ Δ ( yt ) ⎞⎟
−1 −1

(5.20) ∇ a t = c 0∗ ⎜
⎜ d (l ) ⎟
⎟ ≈ c0
∗ ⎜
⎜ Δ (l ) ⎟⎠
, (c ∗
0 = k SYS k −1
p opt , υ
= const , )
⎝ t ⎠ ⎝ t

où sont utilisées les notations: k P opt ,υ - coefficient du régulateur de base dans le système;
k PLANT ( ξ , t ) - coefficient de transfert du processus technologique dans le procédé;
k TOTAL PLANT ( ξ , t ) - coefficient de transfert du procédé généralisé; k̂ TOTAL PLANT ( ξ , t ) - estima-
tion du coefficient de transfert du procédé généralisé; c 0∗ - constante.

5.4. Problèmes d’application.

5.4.1. Mise en oeuvre du problème pour la synthèse de systèmes

avec stabilisation additive et combinée PCS 1 , PCS 2 .
On considère le système (Fig.3.15).
Soit R ajusté sous critère υ pour le point de travail "1" de la caractéristique statique
( )
y ( l , s ) du procédé généralisé "1" ⇔ y 1 l 0∗ , s 0∗ ⇔ ( k p , T i , T d ) opt , pour lequel la relation
(
"1 " ⇔ q 1 l 0 , s 0
∗ ∗
) ⇔ (k p ,Ti ,Td ) opt
de q ( l ) (Fig.3.6) de la VA est valable. En prenant en
considération Δ q (Fig.3.7) :
- le coefficient de transfert de la VA suivant la commande k l1 (Fig.3.8) dans le point "1"
est donné par (5.21-1);
- le coefficient de transfert du système k SYS 1 est donné par (5.21-2)

⎧ d q (∂ q ∂ l ) Δ l + (∂ q ∂ s ) Δ s k l ∗ Δ l + k s ∗ Δ s
⎪⎪ = =
0 0

(5.21-1) k l1 =⎨ dl dl dl ,
t g (α 1 ) ⇔ ( k p , T i , T d ) opt
⎪
⎪⎩

(5.21-2) k SYS 1 = k p k l 1 k PLANT 1 = k p k TOTAL PLANT 1 ⇔ (k p , T i , T d ) opt

.

s (p) ξ (p)
vanne processus
automatique q (p) technologique
y0 (p) ε (p) u ( p ) =l ( p ) y (p)
R (p) G1 ( p , st ) G2 ( p,ξt )
- k p opt kl k PLANT

régulateur classique k TOTAL PLANT

avec paramètres fixes procédé généralise
k SYS
Fig.5.15

ISBN 954 438 500 2 128

 COMMANDE ROBUSTE

La variation externe au système ∇ s = s 0∗ − s 2 de la charge s 0∗ , “déplace” le point de

fonctionnement du système classique de "1" en " 2 " (Fig.5.6).
En point " 2 " le coefficient de transfert k l 2 de la VA est (5.22) (Fig.5.8)

⎧ ( ∂ q ∂ l ) Δ l + ( ∂ q ∂ s )( Δ s + ∇s ) k l ∗ Δ l + k s ∗ ( Δ s + ∇s )
⎪⎪ =
0 0

(5.22) k l 2 =⎨ dl dl .
⎪
⎪⎩ k l 2 ( ∇s ) = t g (α 2 class )

La différence des valeurs k l 2 ≠ k l 1 est la cause des difficultés d’exploitation et d’ob-

tention d’une précision dynamique élevée et d’une rapidité suffisante dans le système classi-
que. Son coefficient de transfert k SYS pour chaque point différent de "1" est déterminé non
seulement par k l ( ∇s t , t ) de VA mais aussi par le procédé généralisé de stabilisation avec le
coefficient k TOTAL PLANT ( ∇s t , ξ t , t ) où ξ t sont les perturbations paramétriques dans le proces-
sus technologique. k SYS i ( ∇s t , ξ t , t ) est une grandeur variable (5.23)
⎧ k SYS 2 ( ∇s t , ξ t , t ) = k p . k TOTAL PLANT 2 ( ∇s t , ξ t , t )
⎪
(5.23) ⎨ k SYS 2 ( ∇s t , ξ t , t ) = k p . k l ( ∇s t , t ). k PLANT 2 (ξ t , t ) .
k SYS 2 ( ∇s t , ξ t , t ) ≠ k SYS 1
⎪
⎩
La différence des valeurs k SYS 2 ≠ k SYS 1 représente un problème pour l’obtention de
performances élevées avec la structure du système classique. Pour éliminer ces difficultés, le
but lors de la synthèse de PCS est précisé dans les deux directions suivantes (5.24), qui reflè-
tent le critère de synthèse :
A − >> la stabilisation de k l de la VA par compensation paramétrique;
B − >> la stabilisation simultanée de k l de la VA et de k SYS par compensation paramé-
trique
⎧ k l i ( ∇s t , t ) = k l1 = const ⇔ ( k p , T i , T d )
⎪ A − >> opt
⎪
⎪
(5.24) ⎨ .
⎪ ⎧⎪ k l i ( ∇s t , t ) = k l 1 = const ⇔ ( k p , T i , T d ) opt ⎫⎪
⎪ B − >>
⎪⎩ k SYS i ( ∇s t , ξ t , t ) = k SYS 1 = const ⇔ ( k p , T i , T d ) opt
⎪ ⎨ ⎬
⎩ ⎪⎭
Pour chacune de ces deux directions " A " et " B " (5.24) en [99,100] sont considérés
des variantes autonomes de variation de la structure du système classique PCS . L’approche
utilisée est pour la réalisation du but donné par (5.24) et consiste en une compensation pa-
ramétrique additive ( PCS 1 ) ou combinée (additive et en série) ( PCS 2 ).
A − >> PCS 1
(avec variable de compensation additive ∇l t ) qui :
( t ) , indépendamment des
1
A 1 − >> stabilise le coefficient de transfert k lPCS
fluctuations de la charge ∇s t = s 0∗ − s i , t , à la valeur k l1
( t ) = k l i, t = k l 3 = k l 1 = const ⇔ ( k p , T i , T d )
1
( k lPCS opt
)
1
à l’aide de la variable de compensation additive ∇l tPCS (Fig.5.16) conformément
à (5.25), (5.26)

ISBN 954 438 500 2 129

 COMMANDE ROBUSTE

Fig.5.16.a

VA lin
∇l

∂q ∂s 0,8
∇l = ∇s ∇l s 0∗ = 0 ,09 = const
∂q ∂l

0,4

-0,4 0,4

∇s
0,2

l 0∗ -0,1
-0,3
-0,8
0,02 0,2 -0,5 (
⎡ P o − P1 ⎤ ) −1

0,4 0,6 s =⎢ + 1⎥
⎣⎢ ( P1 − P2 )
0,8 1 ⎥⎦
∇ s = s 0∗ − s i −1

−2
− 0 ,5 l − 1 l(3
) ∇l VA log = −
− 0 ,5 e ( 2 n ( 1− l )
−1 )
∇s
∇l VA lin = − ∇s 2 n ( 1− l )
s 0 , 996948 n s e

∇l
∂q ∂s
∇ l= ∇s
∂q ∂ l
1,2
∇l
s 0∗ = 0 ,09 = const
0,8

0,4

-0,4

-0,8
0,4
0,2
-1,2
0,02 -0,1
0,2 (
⎡ P o − P1 ⎤ ) −1

l 0∗
0,4
0,6
-0,3
∇s s =⎢ + 1⎥
0,8
1
-0,5 ⎣⎢ ( P1 − P2 ) ⎥⎦
∇ s = s 0∗ − s i −1
VA log
Fig.5.16.b

ISBN 954 438 500 2 130

 COMMANDE ROBUSTE

⎧ ( t ) = k l i, t = k l 3 = k l1 = const ⇔ ( k p , T i , T d )
1
k lPCS
⎪
( )
opt
⎪
(5.25) ⎨ k l ∗ Δ l + ∇l t + k s ∗ ( Δ s + ∇s t ) kl∗ Δ l + ks∗ Δ st ,
⎪ 0 0
=
0 0

⎪⎩ dl dl

⎧ k s∗
⎪ ∇l t
PCS 1
= −
0
∇s t ;
⎪ k
⎪ ∗
(5.26) ⎨ l0
.
⎪
⎪ ∇ l t , va log =
0.5 e 2 n ( 1 − l ) − 1 ( )
0 ,5 l − 2 − 1 l 3 ( )
( )
∇s t ; ∇l t , valin = ∇s t
⎪⎩ n s e 2n 1− l s

La structure de PCS 1 est donnée à la Fig.5.17, l’algorithme de PCS 1 (5.26) – à la

Fig.5.18 et le principe de fonctionnement – par le point " 3 " de la Fig.5.6 et de la Fig.5.8.
B − >> PCS 2
(avec variables de compensation additive ∇l t et en série ∇a t ) qui :
( t ) indépendamment des fluc-
2
B 1 − >> stabilise le coefficient de transfert k lPCS
tuations de la charge ∇s t = s 0∗ − s i ,t , à la valeur k l1
( t ) = k l i, t = k l 3 = k l 1 = const ⇔ ( k p , T i , T d )
2
( k lPCS opt
)
2
à l’aide de la variable de compensation additive ∇l tPCS (Fig.5.16) conformément
à (5.25), (5.27)

⎧ k s∗
⎪
2
∇l t = − ∇s t ;
PCS 0

⎪
⎪ k ∗
(5.27) ⎨ l0
.
⎪
⎪ ∇ l t , VA log =
( )
0.5 e 2 n 1 − l − 1 ( )
0 ,5 l − 2 − 1 l 3 ( )
( )
∇s t ; ∇ l t , VAlin = ∇s t
⎪⎩ n s e 2 n 1−l s

( t ) à la valeur
2 2
B 2 − >> stabilise le coefficient k SYS
PCS PCS
k SYS 1

i ( ∇s t , ξ t , t ) = k SYS 1 = const ⇔ ( k p , T i , T d )
2 2
( k SYS
PCS PCS
opt
),
correspondante au point de travail "1" indépendamment de ∇s t , ξ t , à l’aide de la
variable de compensation en série ∇a t , en ayant recours à la stabilisation obtenue
( t ) = k l i, t = k l 3 = k l 1 = const ⇔ ( k p , T i , T d )
2
( k lPCS opt
) de B.1.

( t ) surmonte les difficultés à l’aide de la compensation para-

2
La stabilisation de k SYS
PCS

métrique en série, pour laquelle (5.28) est transformé en l’équation de la balance (5.29)
⎧ k PCS
⎪ SYS i
2
( ∇s t , ξ t , t ) = k SYS 2 ( ∇s t , ξ t , t ) = k p . k l
PCS 2 PCS 2
( ∇s , t ) . k
t PLANT (ξ t ,t)
(5.28) ⎨ ,
⎪⎩
PCS
k SYS i
2
( ∇s t , ξ t , t ) = k p . k l1
PCS
.k
2

PLANT (ξ , t )
t

⎧ k PCS ( t ) = ∇a . k . k PCS .k
⎪ SYS i
2

t p l1
2

PLANT (ξ t , t ) = k SYS
PCS
1 = const ⇔ ( k p , T i , T d
2
) opt
(5.29) ⎨ .
⎪ k SYS i ( t ) = ∇a t . k p . k l 1 .k̂
⎩
PCS 2
PCS 2
PLANT (ξ t , t )= k PCS 2
SYS 1 = const ⇔ ( k p , T i , T d ) opt

ISBN 954 438 500 2 131

 COMMANDE ROBUSTE

Fig.5.17.a s (p) ξ (p)

algorithme pour la stabilisation de kl

∇l ( p )= u2 ( p )
P
0
(p) k
∇l ( p )= s
∇s (p) vanne processus
ku automatique technologique

y
0
(p) ε (p) y (p)
R (p) G1 ( p , st ) G2 ( p,ξt )
- u1 (p)
u (p) q (p)

u ( p ) = u 1 ( p )+ u 2 ( p )

régulateur à compensation
paramétrique avec stabilisation procédé généralise
additive

−1 −1
PO ⎛ P 0 − P1 ⎞ ⎛ Δ P1 lin ⎞
A1 s1 = ⎜ +1⎟ = ⎜ +1⎟
⎜ P −P ⎟ ⎜ ΔP ⎟
−1 ⎝ 1 ⎠ ⎝ ⎠
⎛ P 0 − P1 ( t ) ⎛ Δ Plin ( t ) ⎞⎟
−1
2 1

⎞
st = ⎜ ⎟
−1 −1

= ⎜
P1 P2 ⎛ P 0 − P3 ⎞ ⎛ Δ P2 lin ⎞
+1 A2 s2 = ⎜
⎜ P −P
+1⎟
⎟
= ⎜
⎜ ΔP
+1⎟
⎟
⎜ P ( t )− P ( t ) ⎟ ⎜ ΔP (t ) ⎟⎠
⎝ 3 4 ⎠ ⎝ 2 ⎠

⎝ 1 2 ⎠ ⎝ VA P3 P4 ⎛ P 0 − P5 ⎞
−1
⎛ Δ P3 lin ⎞
−1

s3 = ⎜ +1⎟ = ⎜ +1⎟
Δ PVA ( t )
A3 ⎜ P −P ⎟ ⎜ ΔP ⎟
⎝ 5 6 ⎠ ⎝ 3 ⎠

st = P5 P6 ⎛ P 0 − P7
s4 = ⎜
⎞
+1⎟
−1
⎛ Δ P4 lin
= ⎜
⎞
+1⎟
−1

Δ PVA max A4 ⎜
⎝ P7 − P8
⎟
⎠
⎜
⎝ Δ P4
⎟
⎠

P7 P8
Fig.5.17.b

P
0 ∂q ∂s régulateur à
algorithme pour la ∇l t = ∇s t
stabilisation du ∂q ∂l compensation
coefficient de ⎛ P O − P1 ( t ) ⎞
−1 paramétrique
−⎜ +1⎟
∗
transfert de VA ∇s t = s 0
⎜ P ( t )− P ( t ) ⎟
avec stabilisation
Δ P , P1 ⎝ 1 2 ⎠

additive 1
y0
μ 1∗ μ 2∗ = ∇ l
y PCS 1 REGULATEUR
DE BASE
μ*
ACTIONNEUR

MATIERE PREMIERE (ENERGIE) P1 P2 y PCS 1

l = μ* PROCESSUS
TECHNOLOGIQUE
procédé généralise

Fig.5.17.c

ISBN 954 438 500 2 132

 COMMANDE ROBUSTE

ALGORITHME POUR LA COMPENSATION PARAMETRIQUE 1

CONSTANTES GRANDEURS MESUREES

nombre l*0 n s*0 kp Ti Td Po( t ) P1 ( t ) Δ P ( t ) y (t) yo ( t )
1
ALGORITHME POUR LA FORMATION DE VARIABLE DE COMPENSATION

−1
⎛ P O ( t ) − P1 ( t ) ⎞
s ( t )= ⎜ +1⎟
⎜ ΔP (t ) ⎟
⎝ ⎠

1ALGORITHME AVEC COMPENSATION PARAMETRIQUE

ALGORITHME
s (t ) PID
CLASSIQUE

∇ s ( t )= s0 − s ( t )
∗

∇s (t )
PID CLASSIQUE

∇ l va log ( t ) = −
−50 e ( (
2 n 1− l 0
∗
) −1 ) ∇s( t )
0 , 996948 n s 0 e
∗ (
2 n 1− l 0
∗
)
ALGORITHME

∇ l valin ( t ) = −
((
− 50 l 0
∗
) −2
−1 l0 )( ∗
) 3

∇s( t )
s 0∗

μ 2∗ ( t ) = ∇ l (t ) μ 1∗ ( t )

l ( t ) = μ ( t ) = μ 1∗ ( t ) + μ 2∗ ( t )

l ( t ) , % deplacement d ' actionneur

ACTIONNEUR
Fig.5.18

ISBN 954 438 500 2 133

 COMMANDE ROBUSTE

La variation externe au système ∇a t est utilisée pour la stabilisation de k PLANT (ξ t , t ).

À partir de (5.29), ∇a t est déterminé en tant que (5.30), par les estimations k̂ PLANT ou
k̂ TOTAL PLANT (par exemple avec Δ - accroissements (5.31) après filtration et limitation)

⎧
2 2 2
PCS PCS PCS
k SYS k SYS k SYS 1
⎪ ∇a t = 1
=
1
=
1

⎪ k p . k lPCS . k̂ PLANT ( ξ , t ) k p . k̂ TOTAL PLANT ( ξ , t ) k p d ( y t ) / d (l t )

2

⎪
(5.30) ⎨ ,
⎛ d ( yt ) ⎞ ⎛ Δ ( yt ) ⎞
−1 −1
⎪
⎪ ∇a t = c 0
∗⎜
⎜
⎟ ≈ c0 ⎜
⎟
∗
⎜
⎟ , c 0∗ = k SYS
⎟
PCS 2 −1
1 . k p = const ( )
⎪⎩ ⎝ d (l t ) ⎠ ⎝ Δ (l t ) ⎠

(5.31) k̂ TOTAL PLANT ( ξ ,t )= Δ (l )

t Δ (yt ) ; k̂ PLANT (ξ , t ) = Δ (q ) t Δ (y ).
t

La conception de PCS 1 et PCS 2 se fait d’après la méthode de l’équation de la balance

paramétrique [99,100] pour la synthèse analytique des variables de compensation ∇l tPCS ,
1

, ∇a tPCS , suivant les algorithmes (5.26), (5.27), (5.30), sous les critères – (5.24), (5.25) et
2 2
∇l tPCS
(5.29).

La structure de PCS 2 est donnée à la Fig.5.19, l’algorithme - à la Fig.5.20, le principe de

fonctionnement selon ∇l tPCS - par point " 3 " de la Fig.5.6 et de la Fig.5.8. Il faut prendre en
2

considération que:
- ∇s est une perturbation de signal mesurable (Fig.5.17.b et Fig.5.19.b);
( )
- la réalisation technique de PCS 1 2
est montrée à la Fig.5.17.c et la Fig.5.19.c;
- l’abscisse l 0∗ du point de travail "1" pour s = s 0∗ = const est déterminée en conditions
d’exploitation à partir de l’erreur ε dans le système selon (5.6);
- k s et k l sont des constantes connues, dont les valeurs dans (5.7) sont calculées se-
∗ ∗
0 0

lon le type de VA suivant les données l 0∗ et s 0∗ pour le point de travail "1" [99], comme cela
est montré par les relations simplifiées pour PCS 1 avec (5.26) et pour PCS 2
avec (5.27);
- ∇s , k s et k l ainsi déterminés, permettent la formation des variables de compensa-
∗ ∗
0 0
1 2
tion ∇l tPCS dans PCS 1
selon (5.26) et de ∇l tPCS dans PCS 2
selon (5.27);
2
- l’illustration du principe de la compensation paramétrique dans PCS 2
selon ∇l tPCS
( t ) coïncide avec ∇l tPCS pour
2 1
(5.27) pour la stabilisation de k lPCS PCS
1
(5.26), (Fig.5.6);

- le processus de la compensation paramétrique dans PCS 2

selon ∇a t (5.30) pour la
( t ) est donné à la Fig.5.19.b avec les variations du facteur du régime
2
stabilisation de k SYS
PCS

∇s t , de la perturbation paramétrique ξ t et de la consigne y 0 en même temps que les proces-

2
sus de la compensation paramétrique dans PCS 2
et dans PCS 1
selon ∇l tPCS et selon
1
∇l t
PCS
.

ISBN 954 438 500 2 134

 COMMANDE ROBUSTE

s (p) ξ (p) Fig.5.19.a

algorithme pour la stabilisation de kl
∇l ( p )= u2 ( p )
P
0
(p) ks
∇l ( p )= ∇s (p) vanne processus
ku automatique technologique
y
0
(p) ε (p) y (p)
R (p) G1 ( p , st ) G2 ( p,ξt )
u1
- X
u (p) q (p)
⎛ y (p)
−1
⎞
∇a ( p ) = c 0 ⎜ ⎟
∗
⎜ u ( p) ⎟
∇a (p) ⎝ ⎠

u ( p ) = ∇a ( p ) u 1 ( p ) + u 2 ( p )
algorithme pour la stabilisation de k SYS

régulateur à compensation
paramétrique avec stabilisation procédé généralise
combinée
−1 −1
PO ⎛ P 0 − P1 ⎞ ⎛ Δ P1 lin ⎞
A1 s1 = ⎜ +1⎟ = ⎜ +1⎟
⎜ P −P ⎟ ⎜ ΔP ⎟
−1 ⎝ 1 ⎠ ⎝ ⎠

⎛ P 0 − P1 ( t ) ⎛ Δ Plin ( t ) ⎞⎟
−1
2 1

⎞
st = ⎜ ⎟
−1 −1

= ⎜
P1 P2 ⎛ P 0 − P3 ⎞ ⎛ Δ P2 lin ⎞
+1 A2 s2 = ⎜
⎜ P −P
+1⎟
⎟
= ⎜
⎜ ΔP
+1⎟
⎟
⎜ P ( t )− P ( t ) ⎟ ⎜ ΔP (t ) ⎟⎠
⎝ 3 4 ⎠ ⎝ 2 ⎠

⎝ 1 2 ⎠ ⎝ VA P3 P4 ⎛ P 0 − P5 ⎞
−1
⎛ Δ P3 lin ⎞
−1

s3 = ⎜ +1⎟ = ⎜ +1⎟
Δ PVA ( t )
A3 ⎜ P −P ⎟ ⎜ ΔP ⎟
⎝ 5 6 ⎠ ⎝ 3 ⎠

st = P5 P6 ⎛ P 0 − P7
s4 = ⎜
⎞
+1⎟
−1
⎛ Δ P4 lin
= ⎜
⎞
+1⎟
−1

Δ PVA max A4 ⎜ P −P
⎝ 7 8
⎟
⎠
⎜ ΔP
⎝ 4
⎟
⎠

P7 P8

Fig.5.19.b
0
P ∂q ∂s
algorithme pour la ∇l t = ∇s t
stabilisation du ∂q ∂l
algorithme pour
la stabilisation coefficient de ⎛ P O − P1 ( t ) ⎞
−1

∇s t = s 0 − ⎜ +1⎟
∗

transfert de VA ⎜ P ( t )− P ( t ) ⎟
du coefficient du
système
Δ P , P1 ⎝ 1 2 ⎠

y0
f ( Ti , Td )

μ 1∗ μ 2∗ = ∇ l régulateur à
kp compensation
y PCS 2 ∇a *
paramétrique
∗
co
l μ* avec stabilisation
y ACTIONNEUR additive 2

MATIERE PREMIERE (ENERGIE) P1 P2 y PCS 2

l = μ* PROCESSUS
TECHNOLOGIQUE
procédé généralise

Fig.5.19.c

ISBN 954 438 500 2 135

 COMMANDE ROBUSTE

ALGORITHME POUR LA COMPENSATION PARAMETRIQUE 2

CONSTANTES GRANDEURS MESUREES

P o( t ) P1( t ) Δ P( t ) l ( t )
c*0
nombre l*0 n s*0 kp Ti Td y ( t ) yo( t )
1

2
ALGORITHME POUR LA FORMATION DE VARIABLE DE COMPENSATION

(t )

ALGORITHME POUR LA FORMATION DE VARIABLE DE COMPENSATION

⎛ P O ( t ) − P1 ( t ) ⎞
−1
k pε
s ( t )= ⎜ +1⎟
⎜ ΔP (t ) ⎟
⎝ ⎠

2
c 0 (l t )
∗
yt

ALGORITHME AVEC COMPENSATION PARAMETRIQUE

s (t )

∇ s ( t )= s0 − s ( t ) ∇a
∗
X

f ( T i ,T d )
∇s (t )
PID ALGORITHME 2

∇ l va log ( t ) = −
−50 e ( (
2 n 1− l 0
∗
) −1 ) ∇s( t )
0 , 996948 n s 0 e
∗ (
2 n 1− l 0
∗
)

∇ l valin ( t ) = −
((
− 50 l 0
∗
) −2
−1 l0 )( ∗
) 3

∇s( t )
s 0∗

μ 2∗ ( t ) = ∇ l (t ) μ 1∗ ( t )

l ( t ) = μ ( t ) = μ 1∗ ( t ) + μ 2∗ ( t )

l ( t ) , % deplacement d ' actionneur

ACTIONNEUR
Fig.5.20

ISBN 954 438 500 2 136

 COMMANDE ROBUSTE

5.4.2. Synthèse de systèmes avec stabilisation additive et combinée

– exemple numérique.

Les conditions initiales pour la synthèse sont données dans le Tableau 5.1.: le modèle
nominal G * ( p ) du procédé et le type de VA sont connus. Il faut synthétiser PCS 1 et PCS 2
pour la stabilisation du procédé généralisé G ( p ) , dont le modèle perturbé à la limite supé-
rieure est G „ ( p ) .
La conception des systèmes est menée en deux étapes: pour le régulateur R * ( p ) de
base et pour les variables de compensation dans le système.
La synthèse de système pour la stabilisation d’un procédé linéaire à minimum de phase
avec modèle nominal connu G * ( p ) est un problème dont la solution est donnée par R * ( p ) ,
d’ajustement optimal par rapport à G * ( p ) .
Dans le cas concret les méthodes de Chien-Hrones-Reswick et de Zigler-Nichols sont
utilisées. L’ajustement définitif de R * ( p ) (Tableau 5.1) est précisé en utilisant une procédure
itérative d’optimisation [99,100] de convergence prouvée et de vitesse de convergence connue
[100]. On prend en considération le but (la stabilisation), les exigences de performance (stabili-
té, rapidité, précision) et les indices qualitatifs (processus transitoires apériodiques critiques).

La synthèse analytique des variables de compensation ∇l tPCS , ∇l tPCS , ∇a tPCS dans

1 2 2

PCS
1
et PCS 2 selon la méthode de l’équation de la balance paramétrique a recours à
l’algorithme (5.26), (5.27), (5.30) [99,100] sous critère (5.24), (5.25) et (5.29). Les résultats sont
montrés dans le Tableau 5.1.

Tableau 5.1
conditions initiales G* ( p ) G „
(p ) type de la VA
−2 p −10 p
1 , 239 e 2 , 439 e
pour la synthèse VALOG VALIN
( 10 p + 1 ) ( 10 p + 1 )
1 résultat de 1
paramètres du PCS la synthèse du PCS
(5 p + 1) (2 p + 1) (5 p + 1) (2 p + 1)
algorithme R * ( p ) de base 0 ,13 0 ,13
( 5 p ) (0 ,4 p + 1 ) ( 5 p ) (0 ,4 p + 1 )
variable de compensation (
0.5 e 2 n ( 1 − l ) − 1 )
1 ∇s t
∇l PCS
t nse 2n ( 1 − l )

2 résultat de 2
paramètres du PCS la synthèse du PCS
(5 p + 1) (2 p + 1) (5 p + 1) (2 p + 1)
algorithme R * ( p ) de base 0 ,13 0 ,13
( 5 p ) (0 ,4 p + 1 ) ( 5 p ) (0 ,4 p + 1 )
variable de compensation (
0.5 e 2 n ( 1 − l ) − 1 )
2 ∇s t
∇l
PCS 2n ( 1 − l )
t nse

variable de compensation
2 c 0∗ ( d ( y t ) d ( lt ) ) −1
∇a tPCS

Les systèmes PCS 1 et PCS 2 , synthétisés selon la méthode de l’équation de la balance

paramétrique de l’exemple numérique concret sont modélisés. Leurs propriétés sont analysées
dans & 5.5 selon les résultats des simulations en fonction de perturbations paramétriques et de
signal de spectre varié, proches de la réalité, présents en conditions d’exploitation.

ISBN 954 438 500 2 137

 COMMANDE ROBUSTE

5.5. Analyse et estimation de performance.

5.5.1. Indices généralisés.

Par simulation, aussi bien que d’un point de vue comparatif dans des conditions déter-
minées, on peut estimer les avantages de la performance d’une classe de systèmes par rapport
à une autre. Cela est effectué :
- par rapport au système nominal et/ou classique avec une contre-réaction et un régula-
teur d’algorithme linéaire et de structure fixe, ajusté de façon optimale selon un critère choisi;
- pour des conditions équivalentes avec les mêmes : modèle du procédé, but de la com-
mande, critères locaux d’optimalité, milieu de fonctionnement avec les actions sur le procédé.
Le système nominal et/ou classique, conçu selon le modèle nominal du procédé est uti-
lisé en tant que base pour la comparaison et l’analyse de l’efficacité et des performances de la
classe de systèmes considérée. L’analyse par simulation donne la possibilité de trouver des so-
lutions aux problèmes d’analyse comparative de nombre et type arbitraires de modèles selon
divers indices de comparaison.
Les performances d’un système: la stabilité, la rapidité et la précision sont estimées se-
lon des indices quantitatifs connus dans différents espaces de description analytique. La sta-
bilité robuste a son expression quantitative (& 2.2.3) en fonction de l’estimation de la valeur
singulière structurée maximale de la fonction de transfert matricielle du système en boucle fer-
mée - la norme de T y1 u1 ∞ ( μ - synthèse), à la base de laquelle certains auteurs introduisent
l’estimation de la marge de stabilité robuste.
De point de vue technologique et d’exploitation, les indices qui donnent l’information
pour la stabilité et la précision dans les conditions réelles du milieu industriel en présence de
perturbations paramétriques et de signal (dans le cas généralisé dans tous les points d’applica-
tions et dans toute l’étendue de leur spectre de variation) sont aussi importants.
Pour l’analyse et l’estimation de la performance d’un système industriel, les indices gé-
néralisés suivants sont utilisés :
- déviation de la trajectoire nominale qui caractérise la stabilité robuste (& 3.1, & 3.2,
& 3.3) du système, pour des actions perturbatrices paramétriques et de signal avec comme
base - le système nominal linéaire non perturbé ;
- précision dynamique du système en exploitation avec comme base - le système clas-
sique perturbé ;
- action perturbatrice multidimensionnelle généralisée du type ϑ ( t ) (5.32) avec les
variables ν ( t ) ≡ s ( t ) , ξ ( t ) et y o ( t ) .
Lors de la simulation des modèles des systèmes analysés, les variables dans ϑ ( t )
(5.32) sont formés par trois générateurs de bruit blanc indépendants et limités dans des inter-
valles de variation réels (5.32). L’action perturbatrice généralisée ϑ ( t ) permet la simulation
des perturbations paramétriques aussi bien qu’à partir du signal issu du milieu industriel

ϑ ( t )= ⎨
[
⎧⎪ ν ( t ) ξ ( t ) y o ( t ) ] pour systèmes robuste et classique analyses ⎫⎪
T

⎬
(5.32) ⎪⎩ [ν ( t ) 0 ( t ) y o ( t ) ] T pour système nominal ⎪⎭ .
( 10% ≤ ν ( t ) ≤ 90% , 10% ≤ y o ( t ) ≤ 90% d' echele )

ISBN 954 438 500 2 138

 COMMANDE ROBUSTE

5.5.2. Estimations de la performance et schéma d’estimation.

La déviation de la trajectoire nominale d’un système en conditions d’exploitation est une
estimation quantitative indirecte pour sa stabilité robuste. La base pour l’analyse par simulation
de la déviation du système PCS 1 ( 2 ) , est le système nominal NOM correspondant (modèle li-
néaire du système non perturbé paramétriquement d’ajustement optimal et de paramètres fixes
(Fig.5.21). Sa trajectoire (5.33) pour l’action perturbatrice généralisée ϑ ( t ) est considérée
comme nominale
(5.33) [y αH ( p ) ]O G = G*
= Φ νy [ 0 Φ y y
o ] [ν ( p ) ξ (p) yo ( p )] .
T

Soit la trajectoire du système analysé PCS 1 ( 2 ) en conditions d’exploitation donnée par

(5.34) où G „ ( p ) est le modèle du procédé perturbé à la limite supérieure

(5.34) y α [ H + α~ ( p ) ]„ G =G „
= ⎡Φ νy
⎢⎣
„
Φ ξy
„
Φy
„
o
y
⎤ν
⎥⎦
[ (p) ξ(p) y
o
( p )] .
T

La différence dans (5.33) et (5.34) détermine la déviation de la trajectoire nominale du

système analysé PCS 1 ( 2 ) perturbée paramétriquement en tant que (5.35)

(5.35) [ e ( p ) ] PCS
1 ( 2 )
= ⎡ y α H +α~
⎢⎣
[ ( p ) ]„ G =G „
− yα H [ ( p ) ]O G = G*
⎤.
⎥⎦

Les relations de ϑ ( t ) sont utilisées en tant qu’estimations de (5.35) :

t t

(5.36) [ ê ( t )]
∫ ∫
PCS 1 ( 2 ) 1 ( 2 )
= dt − ) dt ,
CLASS
1 ŷ ( t , y o ,ν , ξ )
ŷ (PCS
t, y
o
,ν , ξ

0 0

⎡ ⎛ t t ⎞⎤
⎜ ⎟
(5.37) [ ê ( t )] = ⎢1−⎜
∫ ŷ ( ∫ ŷ ( d t ⎟ ⎥ 100 , % ,
1 ( 2 ) 1 ( 2 )
PCS PCS CLASS
2 ⎢ ⎜ o
,ν , ξ ) dt t , yo ,ν , ξ ) ⎥
⎟⎥
t, y

⎣⎢ ⎝ 0 0 ⎠⎦
à la base de (5.38) (5.39)
(5.38) ŷ (CLASS
t , y ,ν , ξ )
= y (CLASS
t , y ,ν , ξ )
o − y (NOM
t,y o o
,s ),
( )
1 2
PCS 1 ( 2 )
(5.39) ŷ (PCS
t,y o
,ν , ξ )
= y (t , yo ,ν , ξ ) −
NOM
y (t , yo ,s ).
La base pour l’estimation comparative de la précision dynamique du système analysé
PCS 2 ) est le système classique perturbé paramétriquement CLASS (Fig.5.22). PCS 1 ( 2 ) est
1 (

estimé par rapport à la trajectoire de base (5.40) à travers l’erreur dynamique du système clas-
sique perturbé paramétriquement
(5.40) ε (CLASS
y ,ν , ξ )o ( p ) = ⎡⎢ Φ ν ε
⎣
„
Φ ξε
„
Φ y ε
„
o [
⎤ν
⎥⎦
(p) ξ (p) y
o
( p )] .
T

( )
L’erreur dynamique estimée de PCS 1 2
est donnée par (5.41)
(5.41) ε PCS
(y ,ν , ξ ) o
1 ( 2 )
( p ) = ⎡⎢ Φ ν ε
⎣
„
Φ ξε
„
Φ
„

yoε
⎤ ν
⎥⎦
[ (p) ξ (p) y
o
( p )] .
T

La variante optimale pour l’erreur dynamique est qu’elle soit nulle. Une moindre erreur dans le
système reflète une précision dynamique supérieure, c’est la raison pour laquelle une diffé-
rence (5.42) ÷ (5.43) constamment positive entre les trajectoires des erreurs dynamiques des
systèmes comparés reflète la précision dynamique augmentée du système analysé par rapport
au classique.

ISBN 954 438 500 2 139

 COMMANDE ROBUSTE

(5.42) [ Δ ε ( p ) ] Δ = ε (CLASS
( )
(p) (p),
1 2

y ,ν , ξ ) o − ε (PCS
y o ,ν , ξ )

(5.43) [ e ( t
)
) ] iε = [ Δ ε) ( t ) ] Δ = ε) (CLASS
y ,ν , ξ )
(t ) o
) PCS 1 ( 2 )
− ε ( y o ,ν , ξ ) ( t ),

Les systèmes PCS 1 ( 2 ) et CLASS sont comparés à travers des relations pour les diffé-
rences entre les estimations des erreurs dynamiques, toutes les autres conditions étant les mê-
mes. Les relations (5.44) et (5.45) sont représentatives
(5.44) [ ê ( t ) ] 3PCS
1 ( 2 )
= [ (ε) ( CLASS
t, y o
,ν , ξ )
ε (PCS
)
t, y
1

o
( 2 )

,ν , ξ
) ]
) −1 ,
⎡ ⎛ t t ⎞⎤
⎜ ⎟
= ⎢ 1 −⎜
∫ ε( ∫ε( dt ⎟⎥ .
) )
(5.45) [ ê ( t )] PCS 1 ( )
PCS 1 ( )
2 2
CLASS
4 ⎢ ⎜ t, y
o
,ν , ξ ) dt t, y
o
,ν , ξ )
⎟ ⎥⎥
⎢⎣ ⎝ 0 0 ⎠⎦
L’algorithme d’estimation (3.36) ÷ (3.45) est donné à la Fig.5.23.

s (p)

vanne processus
automatique technologique
y0 (p) ε (p) u (p) y (p)
R (p) *
G TOTAL PLANT (p)
- kp ⇔
∗
G TOTAL ( p ) k ( p ) = k TOTAL PLANT
opt
{ l =l ∗
0 ,s = s ∗
0 } PLANT TOTAL PLANT 1

modèle du régulateur classique modèle nominal

avec paramètres fixes du procédé généralise
(linéaire) (linéaire)

k SYS NOMINAL ( p ) = k SYS NOMINAL 1

Fig.5.21 s (p) ξ (p)

vanne processus
automatique technologique
y
0
(p) ε (p) u (p) y (p)
R (p) G TOTAL PLANT ( p , st , ξ t )
- kp opt
{ l =l
⇔
∗ ∗
0 , s=s 0 }
∗
G TOTAL PLANT ( p ) k TOTAL PLANT (p, s t , ξ t , y t0 )

modèle du régulateur classique

procédé généralise
avec paramètres fixes

k SYSTEM CLASSIC (p, s t , ξ t , y t0 )

Fig.5.22

ISBN 954 438 500 2 140

 COMMANDE ROBUSTE

[ ê ] 1Δ
y 1

système
nominal
ε f3 [ ê ] Δ2 1

[ ê ] Δ3
système f1 1

classique f2 f4 [ ê ] Δ4 1

système f1
estime f2

perturbe paramétriquement
nonperturbe
avec émission de bruit dans
paramétriquement
la VA, avec même type de:
ξ =0
ξ =la ,s
I- er niveau
Δ- estimations
même type de: G * , y 0 , ν

Fig.5.23

5.6. Avantages des systèmes à compensation paramétrique.

5.6.1. Analyse de performance et indices de performance [99,100].

La supériorité de PCS 1 ( 2 ) par rapport au système classique est déterminée et approu-
vée à travers l’analyse comparative avec estimation quantitative de: la performance, la stabilité
robuste et la performance robuste de ces systèmes. Les relations (5.36) ÷ (5.45) sont des es-
timations quantitatives, résultant des comparaisons pour les mêmes conditions d’exploitation
des systèmes nominal, classique et estimés. Ces relations reflètent de combien les indices gé-
néralisés de performance (5.35), (5.41), (5.43) des systèmes estimés sont meilleurs que ceux du
système classique correspondant.

5.6.2. Résultats de l’analyse robuste et de l’analyse comparative.

Les systèmes synthétisés avec stabilisation additive et combinée PCS 1 ( 2 ) (5.27),

(5.30), ainsi que les systèmes nominal et classique correspondants (Tableau 5.1) sont modéli-
sés.
La simulation des fonctions de sensibilité et de sensibilité complémentaire de PCS 1 ( 2 )
et des conditions (2.66) (Fig.5.24, Fig.5.25) permet l’analyse robuste de PCS 1 ( 2 ) qui consiste
en la vérification que les exigences (2.66) sont satisfaites. Les résultats de l’analyse sont don-
nés par Fig.5.24 et Fig.5.25. Ils prouvent la stabilité robuste et la performance robuste des
systèmes PCS 1 ( 2 ) (5.27), (5.30) synthétisés.
Les Fig.5.26 et Fig.5.27 montrent les réponses indicielles y PCS 1( 2 ) ( t ) des systèmes en
boucle fermée (avec le procédé perturbé à la limite supérieure G „ ) et les caractéristiques fré-
quentielles W PCS ( ) ( j ω ) des systèmes en boucle ouverte PCS 1 ( 2 ) (5.27), (5.30), détermi-
1 2

nées selon les modèles (Tableau 5.1).

La stratégie de l’analyse comparative est donnée par Fig.5.28 et Fig.5.29 - le schéma uti-
lisé pour l’analyse des modèles selon l’exemple numérique concret de & 5.4.2.

ISBN 954 438 500 2 141

 COMMANDE ROBUSTE

Les modèles des systèmes (Tableau 5.1) sont simulés pour les mêmes conditions
d’exploitation. Le schéma suppose les mêmes:
• modèle nominal G * du procédé généralisé, qui reflète les propriétés dans le modèle
de VA [99,100];
• fluctuations paramétriques Δ G autour du modèle nominal du procédé G * avec li-
mite supérieure G „ (Tableau 5.1);
• critère local de performance (processus transitoires apériodiques critiques);
• modèle du type ϑ ( t ) (5.32) de simulation des actions du milieu sur le système;
Les processus transitoires des grandeurs principales y t , l t , ∇l t , ∇a t , k sys , k lt ,
q t / l t (Fig.5.30.a ÷ Fig.5.31.b) sont représentés en tant que résultats de la simulation parallèle
(Fig.5.30.a).
Les estimations indirectes de la stabilité robuste (Tableau 5.2) sont données par
l’analyse comparative de la déviation de la trajectoire nominale de PCS 1 ( 2 ) et du système
classique [ ê ( t ) ] 1PCS , [ ê ( t ) ] 2PCS
1 ( )
2 ( )1 2
(Fig.5.32.b) y t0 , s t , ξ t (Fig.5.32.a).
Les estimations quantitatives de la précision dynamique (Tableau 5.2) sont données par
l’analyse comparative de l’erreur dynamique [ ê ( t ) ] 3PCS , [ ê ( t ) ] 4PCS
( ) ( )
1 2 1 2
(Fig.5.32.c,
Fig.5.32.d) de PCS 1 ( 2 ) et du système classique perturbé paramétriquement en tant que résul-
tats de la simulation parallèle (Fig.5.32.a).

η −1
PCS 1 PCS 1

lm ( ω ) < η (ω ) −1
, ∀ω η (ω ) lm ( ω ) ∞
< 1 , ∀ω

lm ( ω ) η ( ω ) lm ( ω ) + e( ω ) v( ω ) < 1 , ∀ω

Fig.5.24.a Fig.5.24.b

η −1
PCS 2 PCS 2

η (ω ) lm ( ω ) ∞
< 1 , ∀ω

lm ( ω ) < η (ω ) −1
, ∀ω

lm ( ω ) η ( ω ) lm ( ω ) + e( ω ) v( ω ) < 1 , ∀ω

Fig.5.25.a Fig.5.25.b

ISBN 954 438 500 2 142

 COMMANDE ROBUSTE

y PCS 1 ( G „ ) ( t ) y PCS 2 ( G „ ) ( t )

Fig.5.26.a Fig.5.27.a
W PCS 1 ( G „ ) ( j ω ) W PCS 2 ( G „ ) ( j ω )

Fig.5.26.b Fig.5.27.b

W PCS 1 ( G „ ) ( j ω ) W PCS 2 ( G „ ) ( j ω )

(
arg W PCS 1 ( G „ ) ( j ω )) (
arg W PCS 2 ( G „ ) ( j ω ))

Fig.5.26.c Fig.5.27.c

W PCS 1 ( G „ ) ( j ω ) W PCS 2 ( G „ ) ( j ω )

Fig.5.26.d Fig.5.27.d

ISBN 954 438 500 2 143

 COMMANDE ROBUSTE

SUPERIORITE
de PCS1 (PCS2)
par rapport aux systèmes classiques

PERFORMANCE
AMELIOREE

PRECISION STABILITE
DYNAMIQUE ROBUSTE
indices généralises pour l’estimation de performance
a la base de résultats de la simulation parallèle

AUGMENTEE AUGMENTEE
déterminée déterminée
par estimation quantitative par estimation quantitative
de la diminution de la diminution
de l’erreur de la déviation de la
du système trajectoire nominale

diminution de la déviation intégrale de la

diminution en pourcents de l'erreur de PCS en
trajectoire nominale de PCS en comparaison
comparaison avec du système classique
avec celle du système classique

[ ê ( t ) ] 3Δ [ ê ( t ) ] 1Δ

estimation de la diminution en pourcents de la

estimation de la multiplicité de la diminution
déviation intégrale ramenée de PCS par
de l’erreur intégrale ramenée PCS
rapport a la trajectoire nominale

[ ê ( t ) ] 4Δ [ ê ( t ) ] Δ2
Fig.5.28

ISBN 954 438 500 2 144

 COMMANDE ROBUSTE

yo
Band-Limited NOM
White Noise ynominal

perturbation généralisée

algorithme d'estimation
s
CLASS estimation intégrale
Band-Limited yclassique
White Noise de la déviation diminuée

estimation intégrale
yPCS2
ξ de la précision
Band-Limited
White Noise
PCS 2 dynamique augmentée
yPCS1

PCS 1
Fig.5.29.a

y0 MODELE DE REGULATEUR DE BASE

REGULATEUR OP
DE BASE NOM

y NOM
PROCESSUS
“V P”=OP TECHNOLOGIQUE
MODELE DE PROCEDE GENERALISE
Fig.5.29.b

y0 REGULATEUR CLASSIQUE
REGULATEUR OP
DE BASE CLASS
ACTIONNEUR

MATIERE PREMIERE (ENERGIE) P1 V P=OP P2

y CLASS
PROCESSUS
TECHNOLOGIQUE
PROCEDE GENERALISE
Fig.5.29.c

PO REGULATEUR A
∂q ∂s
ALGORITHME POUR LA ∇ l ( t) = ∇ s (t) COMPENSATION
STABILISATION DU ∂q ∂l
COEFFICIENT DE
TRANSFERT DE VA
⎛ P O − P1 ( t )
∇ s t = s ∗0 − ⎜
⎞
+ 1⎟
−1
PARAMETRIQUE 2
Δ P, P1
⎝ P1 ( t ) − P 2 ( t ) ⎠

y0 a = OP1 OP2 = ∇l
PCS 2
CON
kp TRO

* LLER

PV OP
OP ACTIONNEUR

MATIERE PREMIERE (ENERGIE) P1 P2

y PCS 2
V P=OP
PROCESSUS
TECHNOLOGIQUE
PROCEDE GENERALISE
Fig.5.29.d

PO ∂q ∂s
ALGORITHME POUR LA ∇ l ( t) =
∂q ∂l
∇ s (t) REGULATEUR A
STABILISATION DU
COEFFICIENT DE ⎛ P O − P1 ( t ) ⎞
−1 COMPENSATION
TRANSFERT DE VA ∇ s t = s ∗0 − ⎜ + 1⎟

Δ P, P1
⎝ P1 ( t ) − P2 ( t ) ⎠
PARAMETRIQUE 1
0
y
OP1 OP2 ∇l
PCS 1
REGULATEUR
DE BASE
OP
ACTIONNEUR

y PCS 1
MATIERE PREMIERE (ENERGIE) P1 V P=OP P2
PROCESSUS
TECHNOLOGIQUE
PROCEDE GENERALISE
Fig.5.29.e

ISBN 954 438 500 2 145

 COMMANDE ROBUSTE

L’action perturbatrice multidimensionnelle utilisée ϑ ( t ) (5.32) simule un spectre plus

riche de conditions plus difficiles que les perturbations réelles lors de l’exploitation, ce qui
donne foi aux résultats obtenus et aux conclusions en tirées (Tableau 5.2).
La conclusion selon laquelle les systèmes estimés PCS 1 et PCS 2
surpassent le sys-
tème classique pour l’exemple concret est évidente (Tableau 5.2):
1. Les résultats de l’analyse par simulation confirment que la stabilisation de k l et de
k SYS dans des conditions proches de celles d’exploitation garantissent un effet positif sur la
performance du système, décrit quantitativement par l’augmentation de la précision dynamique
(diminution de l’erreur dynamique) et par l’amélioration de la stabilité robuste (diminution de la
déviation de la trajectoire nominale).
2. Les systèmes synthétisés PCS 1 ( 2 ) (Fig.5.30.d, Fig.5.30.f), satisfont en régime dyna-
mique aux critères (5.24), (5.25) et (5.29), utilisés pour la synthèse.
3. En comparaison avec les indices de performance (5.35), (5.44), (5.45) du système clas-
sique:
- PCS 1 réduit de 45 % et PCS 2
- de 55 % la déviation intégrale ramenée de la trajec-
toire nominale (l’estimation [ ê ( t ) ] 2PCS
1 ( 2 )
de Fig.5.31.b) ;
- PCS 1 ( 2 ) réduit de 70 % l’erreur absolue ( [ ê ( t ) ] 3PCS
1 ( 2 )
l’estimation de
Fig.5.31.c) ;
- PCS 1 réduit 33 fois et PCS 2 - 33 fois l’erreur intégrale ramenée (l’estimation
[ ê ( t ) ] 4Δ de Fig.5.31.d).
4. Le système combiné PCS 2 surpasse l’additif PCS 1 avec déviation de la trajectoire
nominale diminuée et avec une précision dynamique augmentée (Tableau 5.2).
5. Pour toutes les conditions possibles ϑ ( t ) (5.32), la grandeur de commande l ( t )
dans PCS 1 ( 2 ) à travers ∇l t et/ou ∇l t et ∇a t réalise une avance de phase en comparaison
avec le système classique (Fig.5.32).

Tableau 5.2
(p) (p)
2

paramètres G* R* ∇l t , va log
ROB
∇a tROB

du PCS 1 et du PCS 2 1 , 239 e

−2 p
(
0.5 e
2n ( 1−l )
−1 )
c0 (d ( yt ) d (l t ) ) −1
∗
∇s t
synthétisés ( 10 p + 1 ) nse
2 n ( 1− l )

diminution de la déviation par rapport du augmentation de la précision dynamique

système estime système classique par rapport du système classique

par rapport du système [ e) ] 1 [ e) ] 2 [ e) ] 3 [ e) ] 4

classique
PCS
1
5% 45 % 71 % 35 пъти
PCS
2
18 % 55 % 80 % 55 пъти
diminution de la déviation augmentation de la précision dynamique
estimation comparative du PCS 2 par rapport du PCS 1 du PCS 2 par rapport du PCS 1
de la
supériorité du PCS 2 27 % 81 % 88 % 63 %
par rapport du PCS 1

ISBN 954 438 500 2 146

 COMMANDE ROBUSTE

1 2 PCS 1 PCS 2
CLASS
y PCS , y PCS , y CLASS , y o , s , ξ k sys , k sys , k sys
CLASS

PCS1

PCS2

Fig.5.30.a Fig.5.30.d
l PCS 1 , l PCS 2 , l CLASS k PCS
1
,k PCS
2
,k CLASS
⇒ dq dl
l l l

PCS1
PCS2 CLASS
CLASS

PCS2 PCS1

Fig.5.30.b Fig.5.30.f
∇l PCS 1 , ∇l PCS 2 , ∇ a PCS 2 (q l ) PCS 1 , (q l ) PCS 2 , (q l ) CLASS
∇ a PCS 2 ∇l PCS
1 = ∇l PCS
2 CLASS PCS2 PCS1

Fig.5.30.c Fig.5.30.e

ISBN 954 438 500 2 147

 COMMANDE ROBUSTE

∇l PCS 1 ,∇ l PCS 2 , ∇ a PCS 2

∇l PCS 1 = ∇ l PCS 2

∇a PCS 2

Fig.5.31.a

l PCS 1 , l PCS 2 , l CLASS

l PCS 1 , l PCS 2

l CLASS

Fig.5.31.b

ISBN 954 438 500 2 148

 COMMANDE ROBUSTE

yi 1 2
y PCS , y PCS , y CLASS , y o , s , ξ

Fig.5.32.а

[ e) ] 2
PCS2

PCS1

[ e) ] 1
Fig.5.32.b

[ e) ] 3
PCS2

PCS1

Fig.5.32.c

[ e) ] 4 PCS2

PCS1

Fig.5.32.d

ISBN 954 438 500 2 149

 COMMANDE ROBUSTE

5.7. Système à compensation paramétrique pour la commande de

la température de vapeur surchauffée.

Une partie du schéma technologique d’une chaudière en tambour pour la préparation de

vapeur surchauffée à destination de la turbine de la centrale thermique Pernik est donnée à la
Fig.5.33. Le procédé de commande est la température Θ de la vapeur surchauffée pour une
consigne située dans l’intervalle 480 o C ≤ y 0 ≤ 540 o C . La grandeur de commande est le débit
Q (Fig.5.34) de l’eau d’alimentation à travers la 1ère et la 2ème injection de l’installation. Pour des
raisons techniques et étant donné les spécificités du combustible, la stabilisation de la tempé-
rature Θ de la vapeur surchauffée n’est effectuée qu’à travers la variation du débit Q I de la 1ère
injection, le débit Q II de la 2ème injection étant maintenu constant.
La Fig.5.35 donne les résultats de la détermination expérimentale des paramètres de
G * ( p ) et de G ( p ) à l’aide de la méthode de Chien-Hrones-Reswick en utilisant les don-
„

nées de trends réels pour Θ . Le Tableau 5.3 donne les résultats de la synthèse analytique d’un
système classique et d’un système à compensation paramétrique PCS 2 pour la stabilisation
de la température de la vapeur surchauffée.
La Fig.5.36 montre l’évolution du trend réel de la température Θ ( t ) comme une gran-
deur principale de l’installation. Cette dernière grandeur est commandée à l’aide du système
classique synthétisé et la Fig.5.37 donne les résultats des simulations des systèmes classique
et PCS 2 pour la commande de la température Θ dans les conditions les plus proches de cel-
les d’exploitation. Pour le trend considéré (Fig.5.37), les avantages de PCS 2 par rapport au
système classique sont évidents.

Tableau 5.3
conditions initiales pour la synthèse

G* ( p ) avec VALOG 1 , 2133e

−70 , 70 sec p
1 , 2133e
−1 , 178 min p

G* ( p ) = =
O
(vanne automatique a C/%
caractéristique loga- 102 ,074 sec p + 1 1 ,70 min p + 1
rithmique)

„
G ( p ) avec VALOG −90 , 70 sec p −1 , 52 min p
1 , 812e 1 , 812e
(vanne automatique a G „
(p )= =
O
C/%
caractéristique loga- 102 ,074 sec p + 1 1 ,70 min p + 1
rithmique
2
paramètres du PCS synthétisé
algorithme (77 ,0077 p + 1 ) ( 127 , 2293 p + 1 )
R* ( p ) 0 ,143755
de base
(77 ,0077 p ) ( 25 , 44 p + 1 )
( 2 n ( 1−l )
−1 )
(s )
2
variable ∇l tPCS PCS 2
0.5 e ∗ ∗
∇l t = 2 n ( 1−l )
∇s t , 0 = 0 ,732 , l 0 = 0 , 81
de compensation nse
2
variable ∇a tPCS ∗
(d ( yt ) d (l t ) ) −1
2
∇a t = c0
PCS

de compensation

ISBN 954 438 500 2 150

 COMMANDE ROBUSTE

eau d'alimentation
eau d'alimentation Q I Q II

I-ere injection
μ II-eme injection
vapeur
surchauffée
Θ
turbine

réchauffeur réchauffeur réchauffeur rechauffeur

CHAUDIERE

CHAMBRE DE COMBUSTION Fig.5.33

s(p ) f [ s ( p )]
ε (p) μ(p)
y 0
( p) y(p)
R(p) G VA (p) G 1 (p) G 2 (p)

- procédé généralise
Θ 0 Q I
Q II = const Θ
Fig.5.34

kcr= 14,37566
Tcr = 167,407 sec = 2,7901 min
Kp = 0,143755
Ti = 77,0077 sec = 1,2834 min
Td = 127,2293 sec = 2,1204 min

360 mm/h
60 % charge

93 mm
t28=104,107 s = 1,735 min , t40=122,666 s = 2,044 min
Tu=70,70 s = 1,178 min Tg=102,074 s = 1,701 min
kob=1,2133, OC / %
−70 , 70 sec p − 1 , 178 min p
1 , 2133 e 1 , 2133 e
G* ( p )= =
O
, C/%
102 ,074 sec p + 1 1 ,70 min p + 1
Fig.5.35

ISBN 954 438 500 2 151

 COMMANDE ROBUSTE

450 o C
Θ vapeur
surchauffee

500 o C
CLASS

550 o C
1800 sec 3600 sec 5400 sec 7 2 0 0 se c

Fig.5.36

Θ vapeur , % d ' echelle

surchauffee

CLASS

PCS 2

Fig.5.37

5.8. Systèmes robustes avec déviation minimale de la trajectoire nomi-

nale stabilisée [99,100].
5.8.1. Mise en tâche et méthode de synthèse.
Le modèle le plus proche des conditions d’exploitation du système (Fig.3.43, Fig.3.44)
est simulé en prenant en considération les caractéristiques de la VA dans le procédé générali-
sé. La solution du problème reposant sur un modèle non linéaire (& 3.2.2) confirme l’effet positif
de l’application d’un système robuste avec contre réaction conditionnelle et avec modèle in-
terne ROB 1 .
En [99,100] une structure nouvelle de système robuste avec déviation minimale stabili-
sée ROB 2 est considérée. Une procédure de compensation des fluctuations paramétriques est
ajoutée dans la structure nouvelle ROB 2 à la contre-réaction conditionnelle de ROB 1 , modu-
lées par la charge s t (Fig.5.38) de la VA (5.46), Δ P étant la chute de pression:

−1 −1
⎛ P 0 − P1 ( t ) ⎞ ⎛ Δ P lin ( t ) ⎞ Δ PVA ( t )
(5.46) s t = ⎜ + 1⎟ = ⎜ +1⎟ = .
⎜ P ( t )− P ( t ) ⎟ ⎜ ΔP (t ) ⎟ Δ PVA
⎝ 1 2 ⎠ ⎝ VA ⎠ max

La combinaison de la contre-réaction conditionnelle et de la variation planifiée des pa-

ramètres du système conformément à des facteurs mesurables du régime en conditions d’ex-
ploitation est très efficace. La charge s t est une des principales causes de la modulation des
perturbations paramétriques dans le procédé généralisé. La procédure est complètement réali-
sable, puisque s t est une grandeur mesurable dans les systèmes où la grandeur réglante est le
flux de fluide (combustible, source d’énergie, matière traitée, matière première).

ISBN 954 438 500 2 152

 COMMANDE ROBUSTE

En [99,100], une méthode pour la synthèse analytique de systèmes robustes avec dévia-
tion minimale de la trajectoire nominale stabilisée ( ROB 2 Robust Systems with a Stabilized
Minimum Deviation from the Nominal Trajectory ) est considérée.

Cette méthode de l’équation de compensation paramétrique, de l’équation de balance de

la déviation et de la stabilité, comprend un critère généralisé (5.47) de stabilisation paramétri-
que combinée du coefficient de transfert k lROB
i (∇ s t , t ) de la VA par ∇l tROB , additive, et du
coefficient de transfert du système k SYS i ( ∇s t , ξ t , t ) par la variable en série ∇a t , de dévia-
ROB ROB

tion minimale et de stabilité robuste du système ROB 2

⎧
⎪ A − >> k lROB
i [ ∇s t , t ] = k lROB
1 = const ⇔ ( k p , T i , T d )
opt
⎪
⎪⎪ ⎧ k
⎪ [ ∇ s t , t ] = k = const ⇔ ( k p , T i , T d opt ⎫⎪
ROB
li
ROB
l1 )
(5.47) ⎨ B − >> ⎨ ROB ⎬ .
⎪ [ ]
⎪⎩ k SYS i ∇ s t , ξ t , t = k SYS 1 = const ⇔ ( k p ,T i ,T d ) opt ⎪⎭
ROB

⎪
⎪ C − >>
⎪⎩
[ ] [
[ e ( p ) ] ROB = ⎡⎢ y α H +α~ ( p ) „ G =G „ − y α H ( p ) O G =G* ⎤⎥ = m i n
⎣ ⎦
]

5.8.2. Relations principales dans l’algorithme de synthèse.

La Fig.5.38 donne la structure d’un système robuste avec déviation minimale stabilisée
( ROB ) qui comporte un régulateur de base, le modèle nominal, un filtre dynamique et un
2

contour combiné de compensation.

Pour satisfaire à (5.47), la commande u est formée par deux composantes additives
( u 2 et u 3 ) et une en série ( u 1 ) de u 0 . Le problème de synthèse est ramené à la conception du
filtre dynamique D F et des variables de compensation ∇l ROB et ∇a ROB . La solution doit satis-
faire aux exigences de: stabilité robuste, performance robuste, stabilisation des coefficients de
transfert et aux exigences des problèmes locaux, liés au critère technologique d’optimalité.
L’algorithme de la méthode est basé sur les relations (5.48) ÷ (5.52)

( p ) − R * ( p ) ⎫⎪ ⎪ R * ( p ) ⇔ G * ( p ) , ( β ∗ ⇔ α H )
„ ⎧
R
(5.48) D F ( p ) = − ⎬⎨ ,
1 + R * ( p ) G * ( p ) ⎪⎭ ⎪ „
R ( p ) ⇔ G ( p ) , ( β ⇔ α + α~ )
„
⎩ „ H

⎧ k s∗ ⎫
= const ⇔ ( k p , T i , T d ) opt
⎪ ∇ ROB
= − ∇s t ⎪
(t ) = k l
0

⎧ k ROB ROB
⎫ t
⎪
l l1
⎪ ⎪ k ∗ ⎪
⎪⎪ ⎪
l0

(5.49) ⎪
⎪ ⎪ ⎪⎪ 0.5 e (2 n ( 1−l )
−1 ) ⎪⎪ ,
⎬ ⎨ ∇ l t , va log = ∇s t
ROB
⎨ ⎬
( ) nse ( )
2 n 1−l
⎪ k ∗ Δ l + ∇l + k ∗ ( Δ s + ∇s t ) k l 0∗ Δ l + k s 0∗ Δ s t ⎪⎪ ⎪⎪ ⎪
⎪ l0
⎪
t s0
=
⎪ ⎪
(−2
0 ,5 l − 1 l )
3 ⎪
⎪
⎭ ⎪ ∇ l t , valin = ∇s t
ROB
⎩ dl dl
⎪
s
⎩⎪ ⎭⎪

⎧ k SYS
⎪
ROB
i ( t ) = ∇a t .k p .k l 1
ROB
.k PLANT ( ξ t , t ) = k SYS
ROB
1 = const ⇔ ( k p , T i , T d ) opt
(5.50) ⎨ ROB ,
⎪⎩ k SYS i ( t ) = ∇a t .k p .k l 1 . k̂
ROB
PLANT ( ξ t , t ) = k SYS 1
ROB
= const ⇔ ( k p , T i , T d ) opt

ISBN 954 438 500 2 153

 COMMANDE ROBUSTE

⎧ ROB
k SYS 1
ROB
k SYS 1
ROB
k SYS 1 1
⎪ ∇a t =
ROB
= =
⎪⎪ k p . k lPCS . k̂ PLANT ( ξ , t ) k p . k̂ TOTAL PLANT ( ξ , t ) k p d ( y t ) / d (l t )
2

(5.51) ⎨ ,
⎛ d ( yt ) ⎞ ⎛ Δ ( yt ) ⎞
−1 −1
⎪
⎪ ∇a t = c 0
ROB ∗ ⎜
⎜
⎟ ≈ c0 ⎜
⎟
∗
⎜ ⎟
(
⎟ , c 0∗ = k SYS ROB −1
1 . k p = const )
⎩⎪ ⎝ d (l t ) ⎠ ⎝ Δ (l t ) ⎠

(5.52) k̂ TOTAL PLANT (ξ , t ) = Δ ( l t ) Δ ( y t ) ; k̂ PLANT (ξ , t ) = Δ ( q t ) Δ ( y t ) ,

partant de:

- l’équation de balance (3.42), reflétant le critère de déviation minimale et de stabilité du

système robuste;

- l’équation de compensation de la balance paramétrique pour la stabilisation combinée

(additive et en série) (5.17-3).

Les conditions initiales de la synthèse sont connues a priori ou donnés :

- modèle nominal G * ( p ) (3.56) dans un voisinage délimité d’un point de fonctionne-

ment de la caractéristique statique et critère local de performance;

- modèle G „ ( p ) (3.57) du procédé généralisé perturbé à la limite supérieure en pré-

sence d’incertitude a priori dans l’ensemble Π ∈ G *, G „ (3.124); [ ]
- valeur maximale de la perturbation paramétrique l ;

- type de la VA (vanne automatique a caractéristique linéaire VALIN ou logarithmique

VALOG ).

La conception de D F et des variables de compensation ∇l ROB et ∇a ROB du système

robuste avec déviation minimale de la trajectoire nominale stabilisée représente une procédure
qui suit les étapes:

1. Synthèse du régulateur R * ( p ) de base et du régulateur R „ ( p ) “hypothétique”,

correspondants aux modèles G * ( p ) nominal du procédé généralisé et G „ ( p ) du
procédé généralisé perturbé à la limite supérieure (conformément aux critères technolo-
giques d’optimalité).

2. Conception du filtre dynamique D F ( p ) (5.48).

3. Conception des algorithmes de compensation pour les variables de compensation
∇l ROB selon (5.49) et pour ∇a ROB selon (5.50).

ISBN 954 438 500 2 154

 COMMANDE ROBUSTE

s (p) ξ (p)
algorithme pour la stabilisation de kl
∇l ( p )≡ u3 ( p )
P
0
(p) ks
u3 ( p )
∇ll ( p ) =
∇ ∇s (p) vanne processus
ku automatique technologique

y0 (p) ε( p ) u1 (p) y (p)

R* ( p ) G1 ( p , st ) G1 ( p,ξt )
u0 X
- u2 (p) u (p) q (p)
G* ( p ) u = ∇a u 0 + ∇ l + u 2
ε*( p )
DF (p)
- kl k PLANT
⎛ y( p ) ⎞⎟
−1

∇a ( p ) = c 0 ⎜ = k ob
∗
⎜ u( p ) ⎟⎠ k
∇a (p) ⎝ TOTAL PLANT

algorithme pour la stabilisation de kSYS

régulateur robuste pour déviation G ( p , st , ξ t )
minimale stabilisée de la trajectoire
optimale procédé généralise
−1
Fig.5.38.b
−1
PO ⎛ P 0 − P1 ⎞ ⎛ Δ P1 lin ⎞
A1 s1 = ⎜ +1⎟ = ⎜ +1⎟
⎜ P −P ⎟ ⎜ ΔP ⎟
−1 ⎝ 1 ⎠ ⎝ ⎠
⎛ P 0 − P1 ( t ) ⎛ Δ Plin ( t ) ⎞⎟
−1
2 1

⎞
st = ⎜ ⎟
−1 −1

= ⎜
P1 P2 ⎛ P 0 − P3 ⎞ ⎛ Δ P2 lin ⎞
+1 A2 s2 = ⎜
⎜ P −P
+1⎟
⎟
= ⎜
⎜ ΔP
+1⎟
⎟
⎜ P ( t )− P ( t ) ⎟ ⎜ ΔP (t ) ⎟⎠
⎝ 3 4 ⎠ ⎝ 2 ⎠

⎝ 1 2 ⎠ ⎝ VA P3 P4 ⎛ P 0 − P5 ⎞
−1
⎛ Δ P3 lin ⎞
−1

s3 = ⎜ +1⎟ = ⎜ +1⎟
Δ PVA ( t )
A3 ⎜ P −P ⎟ ⎜ ΔP ⎟
⎝ 5 6 ⎠ ⎝ 3 ⎠

st = P5 P6 ⎛ P 0 − P7
s4 = ⎜
⎞
+1⎟
−1
⎛ Δ P4 lin
= ⎜
⎞
+1⎟
−1

Δ PVA max A4 ⎜ P −P
⎝ 7 8
⎟
⎠
⎜ ΔP
⎝ 4
⎟
⎠

P7 P8
Fig.5.38.c
régulateur robuste pour déviation
minimale stabilisée de la trajectoire optimale

ALGORITHME
∇l
DE MODELE
P0 STABILISATION NOMINAL
Δ P , P1 DU PROCEDE

0
y ε
REGU
FILTRE
kp LA DYNAMIQUE
* TEUR

∇a PV
OP
ACTIONNEUR ε*

P1 P2 y ROB 2
MATIERE PREMIERE (ENERGIE)
l = μ μ max PROCESSUS
TECHNOLOGIQUE
procédé généralise q

Fig.5.38.a

ISBN 954 438 500 2 155

 COMMANDE ROBUSTE

5.9. Problèmes d’application.

5.9.1. Performance d’un système robuste avec déviation minimale
de la trajectoire nominale stabilisée pour la commande d’un pro-
cédé non linéaire.
Pour la vérification des possibilités et l’estimation de la performance du système ro-
buste avec trajectoire nominale stabilisée (Fig.5.38), on conçoit un tel système ( ROB 2 ), un
système robuste avec déviation minimale ( ROB 1 ), un système classique correspondant
( CLASS ) et un système nominal ( NOM ) pour le même procédé non linéaire avec les données
du Tableau 5.4.

Le modèle du procédé non linéaire comportant dans sa structure une VALOG , est mo-
délisé selon les relations connues [99,100] pour une charge hydraulique combinée s en
conditions normales d’exploitation sans émission de bruit. La solution de ce problème utilise le
principe de la méthode d’analyse comparative selon des indices généralisés de performance.

Tableau 5.4
s 1.00 0.6
μ ,% 25 % 95 %
l 0.25 0.95
k ob ( l , s ) 1.239 1.960
T ob 10, s 10, s
τ ob (l , s ) 2, s 4, s
critère
processus transitoires apériodiques processus transitoires apériodiques
de la
critiques du système critiques du système
synthèse
G* ( p )
G * ( p ) = 1 , 239 e ( 10 p + 1 ) −1
−2 p

(5.53)
G„ (p) G
„
( p ) = 1.96 e −4 p ( 10 p + 1 ) −1
(5.54)
R* ( p ) (5 p + 1) (2 p + 1)
R * ( p ) = 0 ,13
(5.55) ( 5 p ) ( 0 ,4 p + 1 )
R„ (p) ( 12 , 8 p + 1 ) ( 5 p + 1 )
R„ ( p ) = 0 , 35
(5.56) ( 12 , 8 p ) ( p + 1 )
(p) R ( p ) − R* ( p )
„
DF
DF ( p )= −
(5.57) 1 + R* ( p ) G* ( p )

∇l tROB
2

ROB 2
(
0.5 e 2 n ( 1−l ) − 1 )
, va log
∇l = ∇st
n s e 2 n ( 1−l )
t , va log
(5.27)
∇a t
ROB

= c0 (d ( y t ) d (l t ) ) −1
∗
∇a t
ROB

(5.30)

ISBN 954 438 500 2 156

 COMMANDE ROBUSTE

5.9.2. Estimation des résultats de la synthèse, analyse robuste, ana-

lyse comparative.
Le système robuste avec déviation minimale stabilisée ROB 2 (5.55), (5.56), (5.27), (5.30)
(Tableau 5.4) est modélisé. La simulation des fonctions de sensibilité et de sensibilité complé-
mentaire du modèle du système permet l’analyse robuste du ROB 2 qui comporte la vérification
des conditions (2.66) (Fig.5.39).
Les résultats de l’analyse sont donnés à la Fig.5.39. Ils prouvent la stabilité et la perfor-
mance robustes du système synthétisé. La Fig.5.40 montre la réponse indicielle y ROB ( t ) des 2

systèmes en boucle fermée (avec modèle du procédé perturbé à la limite supérieure G „ ) et les
caractéristiques fréquentielles W ROB ( j ω ) des systèmes en boucle ouverte ROB 2 (5.27),
2

(5.30), déterminés selon les modèles du Tableau 5.4.

η −1
ROB 2 ROB 2

lm ( ω ) < η (ω ) −1
, ∀ω η (ω ) lm ( ω ) ∞
< 1 , ∀ω

lm ( ω ) η ( ω ) lm ( ω ) + e( ω ) v( ω ) < 1 , ∀ω

Fig.5.39.a Fig.5.39.b

y ROB 2 ( G „ ) ( t ) W ROB 2 ( G „ ) ( j ω )

Fig.5.40.a Fig.5.40.b

W ROB 2 ( G „ ) ( j ω )

W ROB 2 ( G „ ) ( j ω )

(
arg W ROB 2 ( G „ ) ( j ω ))

Fig.5.40.c Fig.5.40.b

ISBN 954 438 500 2 157

 COMMANDE ROBUSTE

Le schéma de l’algorithme pour des Δ -estimations de 1er niveau et Δ -estimations de

2nd niveau est donné à la Fig.5.41. Les résultats des simulations (Fig.5.42) de ROB 1 , ROB 2 et
des systèmes CLASS et NOM correspondants, sous l’action perturbatrice généralisée ϑ
(5.47), sont donnés par Fig.5.43 et Fig.5.44. Les avantages de ROB 2 par rapport à ROB 1 sont
représentés quantitativement par les estimations de la performance améliorée [ e ] iROB (Ta-
) 2

bleau 5.5).
Les Δ -estimations intégrales de 2nd niveau comparant ROB 2 et ROB 1 -

[Δ [ ] ] [Δ [ ] ] [Δ [ ] ]
2 2 2
) ROB
) ROB
) ROB
selon [ e ] 1 , selon [ e ] 2 , selon [ e ] 3 et
) 1
) ) 1
) ) 1
)
e ROB e ROB e ROB
1 2 3

[ Δ) [ ] ]
2
ROB
selon [ e ] 4 , sont significatives.
) 1
)
e ROB
4

Tableau 5.5
système estime par rap-
port du système
[ e) ] 1 [ e) ] 2 [ e) ] 3 [ e) ] 4
l i 1 25 % 25 % 80 % 50 fois
ROB
2
ROB 35 % 66 % 90 % 62 fois

système ROB 2 estime augmentation de la précision dynamique

par rapport du du ROB 2 par rapport du ROB 1

[Δ [ ] ] [Δ [ ] ] [Δ [ ] ] [Δ [ ] ]
2 2 2
ROB 2
1 ) ROB
) ROB
) ) ROB
ROB )
e ROB 1
)
e ROB
1
)
e ROB 1
)
e ROB
1
1 2 3 4

estimation comparative
de la supériorité du 40.0 % 164.0 % 12.5 % 24.0 %
ROB 2 par rapport du
ROB 1

y [ ê ] Δ1 1

système ε f3 [ ê ] Δ2
nominal 1
f5
[ ê ] Δ3
système f1 1

classique f2 f4 [ ê ] Δ4 1
f6

système f1
estime 1 [ ê ] 1Δ
f2 f3 2

f5
[ ê ] Δ2 2 f7
système f1
[Δ) ]
2
)
e2

estime 2 f2 f4
[ ê ] 3
Δ
2

f6
[ ê ] Δ4 2
f8
système
estime n
[Δ) ]
2
)
e4

système paramétriquement
système nonperturbe
perturbe avec émission de
paramétriquement
bruit, avec même type de:

ξ =0 ξ =la ,s
I- er niveau II- ème niveau
même type de: G *, y , ν
0 Δ- estimations Δ- estimations

Fig.5.41

ISBN 954 438 500 2 158

 COMMANDE ROBUSTE

Fig.5.42
ynominal
yo
Band-Limited
White Noise NOM
εnominal
yclassique

perturbation généralisée

algorithme d'estimation
estimation intégrale
s CLASS
εclassique
de la déviation diminuée
Band-Limited
White Noise

estimation intégrale
yROB1 de la précision
ξ dynamique
Band-Limited ROB 1 augmentée
White Noise
εROb1

ROB 2
yROB2 εROB2

y0 ξ s yNOM yROB1 yROB2 yCLASS y0 ξ s yNOM yROB1 yROB2 yCLASS

y( t ) y( t )

Fig.5.43.a Fig.5.43.a
[ e) ] 1 [ e) ] 3
[ e) ] 3ROB
2

[ e) ] 1ROB [ e) ] 1ROB
2 1

[ e) ] 3ROB
1

Fig.5.43.b Fig.5.43.b
[ e) ] 2 [ e) ] 4
[ e) ] 2ROB
2

[ e) ] 4ROB
1

[ e) ] 4ROB
2

[ e) ] 2ROB
1

Fig.5.43.c Fig.5.43.c

ISBN 954 438 500 2 159

 COMMANDE ROBUSTE

5.10. Conclusion.

Dans ce chapitre sont considérées les solutions des problèmes de synthèse et d’analyse
comparative des systèmes à compensation paramétrique avec stabilisation en série, additive et
combinée et des systèmes robustes avec déviation minimale de la trajectoire nominale stabili-
sée. On a recours à:
- l’introduction des variables de compensation en série et additive pour l’action paramé-
trique correspondante;
- des algorithmes pour la conception de systèmes à compensation paramétrique en
conditions d’incertitude;
- la description analytique et la représentation du mécanisme de compensation paramé-
trique;
- l’analyse des domaines d’application des méthodes et de la convergence des algorith-
mes pour la conception;
- la confirmation et l’estimation de l’efficacité des solutions par simulation de problèmes
d’application et d’exemples industriels.
Les solutions des problèmes sont analysées et comparées à travers la simulation paral-
lèle des modèles et des actions généralisées en milieu industriel. Un schéma d’estimation de
performance selon des indices généralisés est introduit et utilisé. Les simulations [99,100]
confirment la supériorité de PCS par rapport à CLASS , qui est exprimée par les indices de per-
formance améliorés. Elles fournissent également les estimations quantitatives de la précision
dynamique et de la stabilité robuste améliorées.
Des réalisations originales de la contre-réaction aux perturbations en conditions d’incer-
titude sont donnés en [99,100]:

1. les méthodes de l’équation de compensation de la balance paramétrique pour la syn-

thèse analytique des systèmes à compensation paramétrique (5.8),(5.17-3), sous
critère valeur constante des coefficients de transfert (5.24), (5.25) et (3.29);

2. les méthodes [99,100] de l’équation de compensation paramétrique et de l’équation de

balance de la déviation sous critère généralisé déviation minimale et stabilité ro-
buste et stabilisation paramétrique (5.47) pour la synthèse analytique des systè-
mes robustes [99,100] selon la structure et l’algorithme proposés (5.48) ÷ (5.52);

3. l’algorithme (5.18) pour la stabilisation paramétrique avec compensation en série;

4. l’algorithme (5.26), (5.27), (5.30) pour la stabilisation paramétrique avec compensation

additive et combinée;

5. les structures des systèmes à compensation paramétrique avec stabilisation additive

PCS (Fig.5.17) et combinée PCS (Fig.5.19),
1 2

dans la classe Gain Scheduled Control Systems - systèmes avec variation planifiée des para-
mètres de l’organe de régulation. Ces méthodes différent de celles des inégalités aux dérivées
partielles et aux contre-réactions élargies linéarisantes, connues dans la littérature [10,13,52,68,
83,85,103,107,109 ÷ 112,114,115], par l’utilisation des modèles des caractéristiques d’exploita-
tion des VA . Les résultats sont destinés à la commande de procédés en conditions d’incerti-
tude avec vecteur de la perturbation mesurable qui génère une modulation lente des paramè-
tres dans les caractéristiques et qui permettent la réalisation de la grandeur de commande par
une régulation uniforme dans la VA .

ISBN 954 438 500 2 160

 COMMANDE ROBUSTE

Chapitre 6
SYSTÈMES ABSORBANTS LES PERTURBATIONS

6.1. Introduction et définitions.

Les systèmes absorbants les perturbations DAS (Disturbance Absorbing System) sont
conçus pour la commande de procédés dans les conditions d’incertitude structurelle. La biblio-
graphie [21,22,66,70 ÷ 81,124,125] concernant la théorie et les applications de cette classe de
systèmes est restreinte. L’essentiel consiste en l’utilisation d’une compensation de signaux se-
lon le principe d’absorbation des perturbations à structure d’onde, proposé en 1975 par
Johnson C.D. [80].
Ce principe est réalisé à l’aide d’une composante additionnelle dans la commande, en
satisfaisant aux conditions imposées par l’équation de balance pour la compensation (absorp-
tion) intégrale ou partielle de toutes les composantes de la perturbation à structure d’onde sur
l’état et/ou la grandeur réglable (sans considération si l’action perturbatrice est paramétrique
ou de signal).
En comparaison avec le principe de la composante de commande additionnelle (utilisé
dans les systèmes avec retour conditionnel et dans les systèmes robustes, synthétisés sous
critère déviation minimale de la trajectoire prédéfinie), le principe d’absorption consiste en la
comparaison des réactions du procédé commandé et de son modèle "nominal". Ce principe
n’exige pas que la structure des systèmes avec absorption comprenne un modèle du procédé à
commander.
Il existe une différence considérable entre la “technologie” du principe d’absorption et
du principe de bi-chaîne (utilisé lors de la conception des systèmes invariantes et autonomes
en présence de disturbances). Le premier de ces deux principes est pour la compensation des
perturbations et des disturbances non-mesurables, tandis que le deuxième suppose que les
disturbances dans le système sont de points d’application connus.
Le trait caractéristique des DAS est l’utilisation dans le dispositif de commande d’un
modèle d’état des perturbations à structure d’onde, élaboré lors de la conception du système. Il
existe différentes approches de synthèse de régulateurs pour la contre-réaction (compensation)
optimale des perturbations à structure d’onde.

• L’exigence pour l’exclusion complète de toutes les actions perturbatrices est accom-
plie lors de la synthèse des régulateurs absorbants les perturbations.

• Dans les cas où il est impossible d’accomplir cette exclusion complète, il faut cher-
cher des solutions pour la compensation optimale par la synthèse des régulateurs minimi-
sants les perturbations (minimisants leurs manifestations).

• Si la perturbation est d’un tel type qu’elle possède une influence positive sur le com-
portement du système (si elle “aide” le régulateur d’amener le système dans un état désiré), la
solution est d’utiliser des régulateurs s’adaptant aux perturbations.

• Pour les cas où lors de l’introduction du système en exploitation (mise en marche

et/ou changement du régime de fonctionnement), l’erreur est considérable et la perturbation est
à être utilisée, tandis que pour les régimes établis d’erreur minimale, quand les perturbations
doivent être absorbées, la solution est par des régulateurs multifonctionnels absorbants les
perturbations.

ISBN 954 438 500 2 161

 COMMANDE ROBUSTE

6.2. Modèles d’état des perturbations à structure d’onde.

Soit le système paramétriquement perturbé décrit par les équations du type (6.1.a,b) et le
système non-perturbé – par les équations (6.1.c,d), où sont utilisées les notations:
− x = [x 1 x2 .... xn ] - vecteur d’état du système;
T

− u = [u 1 u2 .... ur ] - vecteur de la commande (de l’action de commande);

T

− ξ = [ξ 1 ξ2 .... ξρ ] - vecteur des perturbations;

T

− y =[y1 y2 .... ym ] - vecteur des grandeurs réglables;

T

− A ( t ) , B ( t ) ,C ( t ) , E ( t ) , F ( t ) , G ( t ) - matrices intégralement ou partiellement

connues
(6.1.a) x& = A ( t ) x + B ( t ) u ( t ) + F ( t )ξ ( t
) ,
(6.1.b) y = C ( t ) x + E ( t ) u ( t ) + G ( t )ξ ( t ) ,
(6.1.c) x& = A ( t ) x + B ( t ) u ( t ) ,
(6.1.d) y = C ( t ) x + E ( t ) u ( t ) .
Dans l’équation (6.1), la perturbation considérée ξ ( t ) est traitée en tant qu’ensemble
de toutes les fonctions des perturbations à structure d’onde (6.2)
(6.2) ξ ( t ) = [ ξ 1 ( t ) , ξ 2 ( t ) , ξ 3 ( t ) , . . . . , ξ ρ ( t )] ,
qui peuvent être modelisées à l’aide des équations d’état des perturbations, dans la forme li-
néairisée générale: (6.3)
(6.3.a) ξ ( t ) = H ( t ) z + L ( t ) x ,
(6.3.b) z& = D ( t ) z + M ( t ) x + σ ( t ).
qui est appelée modèle d’état de la perturbation ξ ( t ) où:
- z =[ z1 z2 ... z ρ ] est le vecteur d’état de la perturbation ξ de dimension ρ ;
T

- H ( t ) , L ( t ) , D ( t ) , M ( t ) sont des matrices connues [ L ( t ) , M ( t ) matrices nulles].

L’équation d’ordre ρ (6.4), qui est la solution du problème inverse, peut être représen-
tée dans la forme d’un système d’équations différentielles de premier ordre, par exemple on
peut représenter (6.4) dans la forme canonique connue “complètement observable” (6.5)
d ρξ (t ) d ρ −1
ξ (t ) d ρ −2
ξ(t ) dξ ( t )
(6.4) ρ
+qρ ρ −1
+ q ρ −1 ρ −2
+ .... + q 2 + q 1 ξ ( t ) =ν ( t ) ,
dt dt dt dt

⎧ξ ( t )= z 1
⎪
⎪ z& 1 = z 2 + σ 1 ( t )
⎪ z& = z + σ ( t )
⎪
(6.5.a) ⎨ 2 3 2
,
⎪ .
⎪ .
⎪
⎩⎪ z& ρ −1 = z ρ −1 + σ ρ −1 (t )
(6.5.b) z& ρ = − q 1 z 1 − q 2 z 2 − . . . . . − q ρ z ρ + σ ρ ( t ) ,

ISBN 954 438 500 2 162

 COMMANDE ROBUSTE

où l’action de ν ( t ) est représentée de manière symbolique par (6.4) équivalent à (6.5) à l’aide
de σ i ( t ) , ( i = 1,2, , , , ρ ) . Les éléments σ i ( t ) de (6.5) en effet sont une suite de δ -fonctions
de Dirac complètement inconnues, générées de façon arbitraire, avec intensité arbitraire. Des
exemples typiques sont donnés (6.6) ÷ (6.9) (Tableau 1.1)

⎧ d 2ξ ( t ) ⎛ z1 ⎞
⎪⎪ = ν ( t ) ⇔ ξ ( t ) = ( 1 , 0 ) ⎜
⎜z ⎟
⎟
(6.6) ⎨ d t 2 ⎝ 2 ⎠ ,
⎪
⎪⎩ z& 1 = z 2 + σ 1 ( t ) , z& 2 = 0 + σ 2 ( t )

⎧ d 2ξ ( t ) dξ ( t ) ⎛ z1 ⎞
⎪ + α = ν ( t ) ⇔ ξ ( t ) = ( 1 , 0 ) ⎜⎜ ⎟⎟
(6.7) ⎨ d t 2 dt ⎝ z2 ⎠ ,
⎪
⎩ z& 1 = z 2 + σ 1 ( t ) , z& 2 = − α z 2 + σ 2 ( t )

⎧ ⎛ z1 ⎞
⎪ ⎜ ⎟
⎪ d 5ξ ( t ) ⎜ z2 ⎟
d ξ(t ) dξ (t )
3

⎪
⎪ dt5
+ α( 2
+ β 2
) 3
+ α 2
β 2
=ν ( t ) ⇔ ξ ( t = ( 1 ,0 ,0 ,0 ,0 ⎜
) ( ) ⎜
z3 ⎟
⎟
dt dt
⎪ ⎜ z4 ⎟
(6.8) ⎨ ,
⎪
⎜
⎝ z 5 ⎟⎠
⎪ z& 1 = z 2 + σ 1 ( t ) , z& 2 = z 3 + σ 2 ( t )
⎪
⎪ z& 3 = z 4 + σ 3 ( t ) , z& 4 = z 5 + σ 4 ( t )
⎪&
⎩ z 5 = −α β z 2 − α + β
2 2
( 2 2
)
z 4 +σ 5 ( t )

⎧ ⎛ z1 ⎞
⎪ d 4ξ ( t ) ⎜ ⎟
d ξ (t ) d ξ (t ) dξ (t )
3 2
⎪ ⎜z ⎟
⎪ dt 4
+k1 3
+k2 2
+k3 +k4ξ ( t ) =ν ( t ) ⇔ ξ ( t ) = (1 ,0 ,0 ,0 ) ⎜ 2 ⎟
dt dt dt z
(6.9) ⎪ ⎜ 3 ⎟.
⎜z ⎟
⎨ ⎝ 4 ⎠
⎪ z& = z + σ ( t ) , z& = z + σ ( t ) ,
⎪ 1 2 1 2 3 2

⎪ z& 3 = z 4 + σ 3 ( t ) ,
⎪
⎩ z& 4 = − k 4 z 1 − k 3 z 2 − k 2 z 3 − k 1 z 4 + σ 4 ( t )
La matrice D ( t ) (6.3) est l’élément primordial dans les considérations et reflète la di-
versité des mouvements ondulatoires. La matrice H ( t ) (6.3) définit la combinaison linéaire
des fonctions de base { f i ( t ) } du modèle à structure d’onde, pour composer le système des
perturbations réelles ξ 1 ( t ) , ξ 2 ( t ) , ξ 3 ( t ) , . . . . , ξ ρ ( t ) . Le modèle d’état de la perturbation
ξ ( t ) (6.3) ÷ (6.4) peut être décrit de façon efficace et applicable par n’importe quel modèle à
structure d’onde de ξ ( t ) .

6.3. Réalisation du principe de l’absorption complète de l’effet des per-

turbations sur l’état et la variable réglée du système.
Pour l’élimination définitive de l’effet de ξ ( t ) sur le système (6.1), la commande u ( t )
dans DAS est formée de façon à compenser complètement l’effet des termes de F ( t ) ξ ( t ) et
G ( t )ξ ( t ) en (6.1) et en même temps de commander x ( t ) et/ou la grandeur réglable y ( t ) ,
conformément au but et aux critères de performances imposés au système considéré. C’est

ISBN 954 438 500 2 163

 COMMANDE ROBUSTE

pourquoi les systèmes absorbants les perturbations supposent la présence de deux composan-
tes dans le vecteur de commande u ( t ) (6.10)
(6.10) u ( t ) = u d ( t ) + u p ( t ) ,
où u d ( t) réalise la tâche d’absorption (de compensation) de la perturbation ξ ( t ) et u p ( t )
est la composante pour la commande de x ( t ) et/ou de la grandeur réglable y ( t ) , conformé-
ment au but et aux critères de performance imposés au système considéré.
Pour ce cas de présence de deux composantes dans le vecteur de commande u ( t )
(6.10), la description correcte du système (6.1) est (6.11)
(6.11.a) x& = A x + B u d + B u p + F ξ ( t ) ,
(6.11.b) y = C x + E u d + E u p + G ξ ( t ) .
De (6.11) s’ensuit que l’absorption complète (la compensation) de ξ ( t ) peut être effec-
tuée si et seulement si les conditions imposées par l’équation de balance (6.12) sont accom-
plies pour tous les vecteurs possibles de la perturbation à structure d’onde ξ ( t )
(6.12.a) B u d ( t ) = − F ξ ( t ) ,
(6.12.b) E u d ( t ) = − G ξ ( t ) .
L’intervalle de valeurs possibles pour ξ ( t ) est donné par (6.3), où z et x ( t ) sont des
vecteurs arbitraires de dimensions ρ et n respectivement. En utilisant le modèle d’état (6.3),
les conditions pour la conception du système absorbant complètement les perturbations, sont
définies par (6.13) ou en forme matricielle (6.13.b), où la matrice [ z x ] est arbitraire.
⎧⎪ B u d ( t ) = − F H z − F L x
(6.13.a) ⎨ ,
⎪⎩ E u d ( t ) = − G H z − G L x
T
⎡B⎤ ⎡F H F L⎤ ⎡z⎤
(6.13.b) ⎢ ⎥ u d ( t ) = − ⎢ .
⎣E⎦ ⎣G H G L ⎥⎦ ⎢⎣ x ⎥⎦

La condition nécessaire et suffisante pour l’existence de la composante u d ( t ) dans la

commande u ( t ) (6.10), satisfaisante à (6.13), est la condition donnée par les exigences (6.14)
quant au rang des matrices (6.14)
[Γ ]
⎡B FH F L⎤ ⎡B⎤ ⎡F H F L⎤ ⎡B⎤
(6.14) r a n k ⎢ ⎥ = r ank ⎢ ⎥ , (6.15) ⎢ ⎥ = ⎢ ⎥ .
⎣E GH GL⎦ ⎣E⎦ ⎣G H GL⎦ ⎣E⎦
La condition (6.14) en effet est le critère de réalisation de l’absorption complète (la
compensation). Pour satisfaire à ce critère, il est nécessaire d’accomplir la condition (6.15)
pour une matrice inconnue [ Γ ] . La forme généralisée de la solution de l’équation (6.13) par
rapport à la composante u d ( t ) , absorbant la perturbation, est (6.16)

⎡Γ 1 ⎤ ⎡ z ⎤ ⎡Γ1 ⎤
T T
⎡z⎤
(6.16) u d = −Γ ⎢ ⎥ = ⎢ ⎥ ⎢ ⎥ = −Γ1 z−Γ2 x , Γ = ⎢ ⎥ ,
⎣x⎦ ⎣Γ 2 ⎦ ⎣ x ⎦ ⎣Γ 2 ⎦

⎡B⎤
+
⎡F ⎤ ⎡H ⎤ ⎛ +
⎞
(6.17) Γ = ⎢ ⎥ + ⎜ I − ⎡B⎤ ⎡B⎤ ⎟ Q ,
⎢G ⎥ ⎢ L ⎥ ⎜ ⎢E⎥ ⎢E⎥ ⎟ Γ
⎣E⎦ ⎣ ⎦ ⎣ ⎦ ⎝ ⎣ ⎦ ⎣ ⎦ ⎠

ISBN 954 438 500 2 164

 COMMANDE ROBUSTE

qui exprime l’essentiel de la synthèse de DAS , où pour matrice Γ peut être choisie n’importe
quelle des matrices de la famille (6.17).
Dans (6.17) la matrice Q Γ еst absolument arbitraire, avec des paramètres réels. Le sym-
bole [ . ] + utilisé désigne la matrice inverse [ . ] selon Moore-Penrose. D’habitude la matrice Γ
est choisie de manière que sa norme euclidienne Γ soit minimale dans un certain sens. Le
∗
choix éventuel de Q Γ en tant que Q Γ = 0 mène à une solution particulière Γ =Γ de (6.17),
∗
où chaque colonne de la matrice Γ possède la norme minimale. Si le rang de la matrice
[ B E ] T est désigné par r (6.18)
⎡B⎤
(6.18) r a n k ⎢ ⎥ ≡ r ,
⎣E⎦
−1
⎡B⎤
+
⎡ ⎡B⎤
T
⎡ B⎤⎤ ⎡B⎤
T

(6.19) ⎢ ⎥ = ⎢ ⎢E⎥ ⋅ ⎢ ⎥⎥ ⋅ ⎢ ⎥ ,
⎣E⎦ ⎢⎣ ⎣ ⎦ ⎣ E ⎦ ⎥⎦ ⎣E⎦

alors de l’équation (6.17) est déterminée la solution unique Γ = Γ ∗ .

Le critère de base pour la réalisation de l’absorption complète de la perturbation ξ ( t )
dans le modèle (6.1), est donné par (6.14).
En effet, les relations (6.16) et (6.17) sont une description analytique du régulateur, assu-
rant de l’absorption complète de la perturbation ξ ( t ) . Elles peuvent être unies dans une rela-
tion commune du type (6.19), (6.20)
(6.20) u d ( t ) = − Γ 1 ẑ − Γ 2 x̂ , (u ( t ) = u ( t ) − Γ
p 1 ẑ − Γ 2 x̂ ) ,

où les estimations de la perturbation ẑ et de l’état x̂ du système sont réalisées par un cons-

tructeur d’état commun.

6.4. Constructeur d’état pour des perturbations à structure d’onde.

L’état courant x ( t ) d’un système dynamique linéaire non-perturbé (6.21)

(6.21.a) x& = A ( t ) x + B ( t ) u ( t ) ,
(6.21.b) y = C ( t ) x + E ( t ) u ( t ) ,
est estimé en temps réel à l’aide d’un dispositif (algorithme) qui utilise la variable de y ( t ) et la
variable de commande à l’entrée u ( t ) . Ce dispositif (algorithme) pour le traitement de don-
nées est appelé observateur ou constructeur d’état. Dans la théorie des systèmes absorbants
les perturbations, par différences des systèmes linéaires, le terme utilisé est “constructeur” au
lieu d’“observateur”.
Si les perturbations indéterminées ξ ( t ) dans l’équation (6.1) possèdent une structure
d’onde, dans le sens des équations semi-déterminées et si ces modèles peuvent être décrits à
l’aide de modèles d’état linéaires du type (6.5) ÷ (6.9), il est possible de former un constructeur
d’état, qui, dans certaines conditions techniques, fournit en temps réel des estimations préci-
)
ses z ( t ) de l’état courant de la perturbation z ( t ) . Un tel constructeur d’état n’utilise que les
données mesurées pour les variables de sortie y ( t ) et d’entrée u ( t ) . Il peut être modifié,
)
pour réaliser de même, en échelle réelle du temps, une estimation x ( t ) de l’état x ( t ) . Cette
forme du constructeur est appelée constructeur combiné d’état et elle est utilisée pour la réali-
sation physique des régulateurs absorbants les perturbations (6.22)

ISBN 954 438 500 2 165

 COMMANDE ROBUSTE

(6.22-1) u ( t ) = ϕ [ x ( t ) , z ( t ) , t ] ,
) )

(6.22-2) u ( t ) = ϕ [ x ( t ) , z ( t ) , t ] ,
) )
où x ( t ) et z ( t ) sont les estimations courantes pour x ( t ) et z ( t ) , obtenues à l’aide du
constructeur combiné d’état qui fonctionne à la base des données pour y ( t ) (6.1), la com-
mande u ( t ) et des composantes mesurables du vecteur des perturbations ξ ( t ) (si elles exis-
) )
tent). Si les erreurs dans les estimations ε x = x ( t ) − x ( t ) et ε z = z ( t ) − z ( t ) tendent plus
vite vers zéro que les processus dans le système en boucle fermée convergent vers la consi-
gne, alors le régulateur physiquement réalisé (6.22) est une meilleure approximation de la loi de
régulation généralisée par (6.22).

6.4.1. Constructeur combiné d’état de la perturbation d’ordre plein.

Soit s le nombre des composantes de la perturbation ξ i directement mesurables. Dans
ce cas, elles peuvent être désignées par le sous-ensemble ξ m = (ξ m1 , ξ m 2 , ξ m 3 , . . . . , ξ ms ), dé-
crit par le vecteur général de la perturbation à structure d’onde ξ m = (ξ 1 , ξ 2 , ξ 3 , . . . . , ξ ρ )
comme (6.23)
(6.23) ξ m = J ξ ,
~
(6.24) G = G J ,
où J ( s ∗ ρ ) еst une matrice de rang s . Si aucune parmi les composantes du vecteur de la per-
turbation ξ ( t ) n’est mesurable, alors s = 0 et J = 0 .
~
Soit G (6.24) le rapport entre G et J . Alors le constructeur combiné d’état pour les
équations (6.1) et (6.2) est déterminé en tant que (6.25)
⎧ ⎡ ⎡ K 11 ⎤ ~ ⎛ ⎡ K 11 ⎤ ~ ⎞ ⎤
⎪ ) ⎢ A + F L + K 11 C + ⎢ ⎥ G L ⎜ F + ⎢ ⎥ ⎟
G ⎟ H ⎥ )
⎪ ⎡ x& ⎤ ⎢ ⎜ ⎥ ⎡x⎤
⎣ K 12 ⎦ ⎝ ⎣ K 12 ⎦ ⎠
⎪ ⎢ )& ⎥ = ⎢ ⎥ ⎢ z) ⎥ +
⎪⎣z⎦ ⎢ ⎡ K 21 ⎤ ~ ⎡ K 21 ⎤ ~ ⎣ ⎦
(6.25) ⎨ M + K 21 C + ⎢ ⎥ GL D+ ⎢ ⎥ GH ⎥ ,
⎢ K K ⎥
⎪ ⎣ ⎣ 22 ⎦ ⎣ 22 ⎦ ⎦
⎪
⎪ ⎡ K 11 ⎤ ⎡ K 12 ⎤ ⎡ B + K 11 E ⎤
⎪
−⎢ ⎥ y− ⎢ ⎥ ξ m + ⎢ ⎥ u
⎩ ⎣ K 21 ⎦ ⎣ K 22 ⎦ ⎣ K 21 E ⎦
~
où A , B , C , D , E , F , G , G , H , J , L , M sont les matrices, utilisées dans les équations (6.1), (6.2),
(6.25). Les symboles y , ξ m et u en (6.25) désignent respectivement les valeurs courantes me-
surées du vecteur de la variable de sortie y ( t ) , des éléments mesurables de la perturbation
ξ ( t ) et de la variable de commande u ( t ) . Les matrices K 11 , K 12 , K 21 , K 22 (6.25) sont choi-
sies par des raisons de stabilité. La structure du constructeur combiné d’état est donnée à la
Fig.6.1.
) )
On peut juger de la performance des estimations ( x ( t ) , z ( t ) ), formées par le cons-
tructeur d’état (6.25), à partir du comportement du vecteur combiné (6.26), défini à l’aide des er-
reurs dans les estimations de la perturbation et de l’état
)
⎡ε x ⎤ ⎡ x ( t )⎤ ⎡ x ( t )⎤
(6.26) ⎢ ⎥ = ⎢ ⎥ − ⎢) ⎥ .
⎣ε z ⎦ ⎣ z ( t )⎦ ⎣ z ( t )⎦

ISBN 954 438 500 2 166

 COMMANDE ROBUSTE

u )
B x
E L
F k 12 ∫ C
y
k 11 A M
G
k 21 D
ξ J
k 22 ∫ H
)
z

Fig.6.1
⎡ε x ⎤
À partir des équations (6.1) et (6.2) il s’ensuit directement que la matrice colonne ⎢ ⎥
⎣ε z ⎦
est décrite par un système de ( n + ρ ) équations différentielles de premier ordre du type (6.27)

⎡ ⎡ K 11 ⎤ ~ ⎛ ⎡ K 11 ⎤ ~ ⎞ ⎤
⎢ A + F L + K 11 C + ⎢ ⎥ GL ⎜F+
⎜ ⎢ ⎥ G ⎟⎟ H ⎥
⎡ ε& x ⎤ ⎢ ⎣ K 12 ⎦ ⎝ ⎣ K 12 ⎦ ⎠ ⎥ ⎡ε x ⎤ ⎡ 0 ⎤
(6.27) ⎢ ⎥ = ⎢ ⎥ ⎢ ⎥ + ⎢σ ( )⎥ .
⎣ ε& z ⎦ ⎢ ⎡ K 21 ⎤ ~ ⎡ K 21 ⎤ ~ ⎥ ε
⎣ z⎦ ⎣ t ⎦
M + K 21 C + ⎢ ⎥ GL D+⎢ ⎥ GH
⎢ ⎥
⎣ ⎣ K 22 ⎦ ⎣ K 22 ⎦ ⎦
)
De cette manière, pour assurer la convergence vite de x ( t ) → x ( t ) et de
)
z ( t ) → z ( t ) il еst nécessaire de choisir quatre matrices K 11 , K 12 , K 21 , K 22 , telles que toutes
les solutions de l’équation soient asymptotiquement stables par rapport au point ε x = ε z = 0 .

6.4.2. Constructeur combiné d’état d’ordre diminué.

Le constructeur combiné d’état de la perturbation (6.25) est un système dynamique
d’ordre ( n + ρ ) , où n est la dimension du vecteur d’état x du système et ρ - celle du vecteur
d’état de la perturbation z . Une autre forme est possible pour le constructeur combiné d’état -
d’ordre ( n + ρ − m − s ) diminué, où m est la dimension du vecteur de la variable de sortie
y ( t ) dans l’équation (6.1) et s - celle de la composante mesurable du vecteur des perturba-
tions dans l’équation (6.24), en supposant (6.28)
⎡C +GL GH ⎤
(6.28) r a n k ⎢ = m+ s.
⎣ JL J H ⎥⎦

La supposition (6.28) signifie que y i et ξ mi ont une dépendance fonctionnelle par rap-
port à t .
La description du constructeur combiné d’état de la perturbation (6.29) ÷ (6.30) d’ordre
) )
diminué, est basée sur les relations suivantes. Les estimations x ( t ) et z ( t ) sont déterminées
)
conformément aux dépendances algébriques (6.29) et (6.30), où ξ est le vecteur de dimension
( n + ρ − m − s ) , décrit par l’équation différentielle (en échelle réelle du temps) (6.31)

ISBN 954 438 500 2 167

 COMMANDE ROBUSTE

)
(6.29) x = (T 11 , 1 − T 12 Σ 1 ) ( y − E u ) + (T − T 12 Σ 2 ) ξ m + T 12 ξ ,
)
11 , 2
)
(6.30) z = (T 21 , 1 − T 22 Σ 1 ) ( y − E u ) + (T − T 22 Σ 2 )ξ m + T 22 ξ ,
)
21 , 2

) ) ⎛ ⎡Σ1 ⎤⎞
(6.31) ξ& = ( D + Σ H ) ξ +Ψ 1 ( y − E u ) +Ψ 2 ξ m + Ω u , ⎜ Σ = ⎢ ⎥ ⎟⎟ .
⎜ Σ
⎝ ⎣ 2 ⎦⎠
Les matrices T i j , k , T si , Σ , D , H , Ψ i , Ω dans les équations (6.29) et (6.30) sont com-
posées conformément à certaines exigences de système. Les erreurs dans les estimations
( x − x) ) et ( z − z) ) et dans le constructeur combiné d’état d’ordre diminué (6.29) et (6.30) sont
déterminées conformément aux dépendances (6.32) et (6.33), où ε ( t ) est représenté par
l’équation (6.34)
)
(6.32) ( x − x ) = T 12 ε ( t ) ,
)
(6.33) ( z − z ) = T 22 ε ( t ) ,
(6.34) ε& = ( D + Σ H ) ε + T 22 σ ( t ) .
La comparaison entre (6.28) ÷ (6.31) et (6.25) démontre que le constructeur combiné
d’état de la perturbation d’ordre diminué possède une structure plus compliquée.

6.5. Absorption de l’influence des perturbations à structure d’onde sur la

grandeur réglable du système.
L’influence de ξ ( t ) se manifeste dans le comportement du système par rapport à l’état
x ( t ) et par rapport à la variable réglable y ( t ) . La solution (6.20) a pour but la réalisation de
contre-réaction complète à l’influence de la perturbation sur x ( t ) et sur y ( t ) . Il n’est possible
d’éliminer l’influence de ξ ( t ) que sur la variable réglable y ( t ) du système. La description gé-
nérale de DA S (6.1) démontre que l’effet de ξ ( t ) sur y ( t ) comporte deux composantes.
L’une participe à x ( t ) [à travers C ( t ) x ( t ) ], tandis que l’autre fait partie directement de
y ( t ) [à travers G ( t ) ξ ( t ) ]. Pour réaliser l’absorption complète de l’influence de ξ sur
y ( t ) (6.1), dans la théorie de DAS est utilisée l’approche suivante.
De point de vue technologique, lors de la conception, la composante de la commande
u p ( t ) (6.10) est synthétisée par étapes avant la composante u d ( t ) . De manière condition-
nelle, u p ( t ) peut être représentée comme une somme de deux termes (6.35)
(6.35) u p ( t ) = K ( t ) x + u~ p ( t ) ,
où u~ p ( t ) comprend les composantes de la commande principale u p , qui ne dépendent pas
de x ( t ) (comme par exemple, la consigne). Dans ce cas, la solution générale de y ( t ) en
(6.11) va être (6.36)
⎧ t

⎪y
⎪
⎪
(t ; x 0 ,t0,ξ)= C (t )Φ ( t , t )x
0 0 + C(t
∫
) Φ ( t , τ ) B ( τ ) u~ p ( τ ) d τ +
t0
⎪
(6.36) ⎨ + E ( t ) u~ p ( t ) + E ( t ) u d ( t )+ G ( t ) ξ ( t )+ ,
⎪ t
⎪
) Φ (t , τ ) [ B ( τ ) u d ( τ ) + F ( τ ) ξ ( τ ) ] d τ
⎪
⎪
+C(t
∫
⎩ t0

ISBN 954 438 500 2 168

 COMMANDE ROBUSTE

où sont utilisées les notations: C = C + E K , A = A + B K , x 0 = x ( t 0 ) , Φ ( t , t 0 ) - matrice de

transfert d’état pour A ( t ) . Pour obtenir l’absorption complète, il est nécessaire et suffisant
que la composante u d ( t ) de la commande (6.10) puisse satisfaire à la condition (6.37)

) Φ (t , τ ) [ B ( τ ) u d ( τ ) + F ( τ ) ξ ( τ ) ] d τ ≡ 0 ,
(6.37) E ( t ) u d ( t ) + G ( t ) ξ ( t ) + C ( t
∫
t0

pour toutes les valeurs de t et pour tout ξ ( t ) . Cette condition est déterminée de manière ana-
lytique en tant que (6.38)
(6.38) u d ( τ ) = Λ 1 ( τ ) z ( τ ) + Λ 2 ( τ ) x ( τ ) ,
⎡ Λ1 (τ )⎤
(6.39) Λ ( τ ) = ⎢ ⎥ .
⎣ Λ 2 ( τ )⎦
La possibilité de remplacer (6.38) en (6.37) démontre que (6.37) peut être réalisé si et
seulement si la matrice Λ ( τ ) (6.39) est choisie telle que le couple d’égalités (6.40) soit satis-
fait pour tout t 0 ≤ τ ≤ t et pour tout t 0 ≤ t

Λ1 ( τ ) ⎤ H ( τ )⎤
(6.40.a) E ( τ ) ⎡⎢ ⎥+G(τ ) ⎡⎢ ⎥ ≡0 ,
⎣ Λ2 ( τ ) ⎦ ⎣ L(τ ) ⎦
⎧ ⎡ Λ1 ( τ ) ⎤ H ( τ )⎤ ⎫
(6.40.b) C ( t ) Φ ( t , τ ) ⎨ B ( τ )⎢ ⎥ + F (τ ) ⎡⎢ ⎥⎬ ≡ 0 .
⎩ ⎣ Λ2 ( τ ) ⎦ ⎣ L(τ ) ⎦ ⎭
Si la matrice Λ ( τ ) (6.39) satisfait à l’équation (6.40.a) ou bien à l’équation (6.40.b), les
conditions d’existence de Λ ( τ ) (6.39) sont, respectivement: (6.41) ou bien (6.42), pour tout
t 0 ≤ τ ≤ t et pour tout t 0 ≤ t , où Ψ ( t , τ ) est n’importe quelle matrice de rang maximal, dont
les colonnes forment la base de l’espace [ C ( t ) Φ ( t , τ ) ]
(6.41) r a n k [ E G H L] ≡ r ank
T
[E ] ,
⎧ ⎡ Λ1 (τ )⎤ H ( τ )⎤ ⎫
(6.42) r a n k Ψ ( t , τ ) ⎨ B (τ ) ⎢ ⎥ + F (τ ) ⎡⎢ ⎥ ⎬ ≡ r a n k [Ψ ( t ,τ )] .
⎩ ⎣ Λ2 ( τ ) ⎦ ⎣ L (τ ) ⎦ ⎭

Par exemple, on peut choisir la matrice Ψ ( t , τ ) = Φ −1 ( t , τ ) Ω ( t ) , où Ω ( t ) est

n’importe quelle matrice de rang maximal, dont les colonnes forment la base C ( t ) . Dans tous
les cas de la pratique les matrices E ( τ ) et G ( τ ) sont nulles, suite de quoi (6.40.b) reste la
seule condition d’intérêt.

6.6. Tâches d’application.

6.6.1. Réalisation des régulateurs absorbant les perturbations.

Pour réaliser les composants de u d en (6.20) ou bien (6.38), il est possible de remplacer
) )
z ( t ) avec z ( t ) et x ( t ) avec x ( t ) dans les équations (6.20) ou bien (6.38). L’analyse du
système obtenu (6.11), comprenant dans sa structure un constructeur, est effectuée en utili-
sant les relations (6.43)

ISBN 954 438 500 2 169

 COMMANDE ROBUSTE

) ) )
(6.43.a) ( z − z ) = ε z ⇔ z = z − ε z , − z = − z + ε z ,
) ) )
(6.43.b) ( x − x ) = ε x ⇔ x = x − ε x , − x = − x + ε x ,
c’est-à-dire, la commande va être u ( t ) = u p ( t ) − Γ 1 ẑ − Γ 2 x̂ . Dans ce cas, la description du
système perturbé (6.11) devient (6.44) et après – (6.45), tandis que la description du système
perturbé avec un constructeur est donnée par (6.46)
(6.44.a) x& = A ( t ) x + B ( t ) u p − B ( t ) Γ 1 ( t ) ẑ − B ( t ) Γ 2 ( t ) x̂ + F H z + F L x ,

(6.44.b) y = C ( t ) x + E ( t ) u p − E ( t ) Γ 1 ( t ) ẑ − E ( t ) Γ 2 ( t ) x̂ + G H z + G L x ,

x& = A ( t ) x + B ( t ) u p − B ( t )Γ 1 ( t ) z − B ( t ) Γ 2 ( t ) x+
(6.45.a) ,
+ B ( t )Γ 1 ( t ) ε z + B ( t ) Γ 2 ( t ) ε x + FH z + FL x

y =C(t ) x + E ( t ) u p − E ( t ) Γ 1 ( t ) ẑ − E ( t )Γ 2 ( t ) x̂ +
(6.45.b) ,
+ E ( t ) Γ 1 ( t ) ε z + E ( t )Γ 2 ( t ) ε x + G H z + G L x

(6.46.a) x& = A ( t ) x + B ( t ) u p + B ( t ) Γ 1 ( t ) ε z + B ( t ) Γ 2 ( t ) ε x ,
(6.46.b) y = C ( t ) x + E ( t ) u p + E ( t ) Γ 1 ( t ) ε z + E ( t )Γ 2 ( t ) ε x .
Le sens des équations (6.46) reflète l’essentiel des systèmes absorbants les perturba-
tions qui est formulé de la façon suivante.
La convergence des erreurs dans les estimations vers zéro ( ε z → 0 et ε x → 0 )
élimine complètement (6.46) l’influence de ξ ( t ) sur x ( t ) et y ( t ) .
Dans ce cas le système perturbé avec constructeur est décrit par (6.47)
(6.47.a) x& = A( t ) x + B ( t ) u p ,
{ε z → 0, ε x → 0 }

(6.47.b) y = C ( t )x + E ( t ) u ,
{ε z → 0, ε x → 0 } p

ce qui coïncide avec la description du système non-perturbé (6.1.c) ÷ (6.1.d).

Le problème pour la commande absorbante la perturbation (6.38) est résolu d’une ma-
nière semblable. En prenant en considération (6.48)
)
(6.48) u p = K ( t ) x + u~ p = K ( t ) x + u~ p − K ( t ) ε x ,
la dépendance (6.11) prend la forme (6.49)
⎧ x& = A ( t ) x + B ( t ) u~ p + [ B ( t ) Λ 1 ( t ) + F ( t ) H ( t )] z +
⎪
(6.49.a) ⎨ [
+ B ( t )Λ 2 ( t ) + F ( t ) L ( t ) x + ] ,
⎪
⎩ − B ( t )Λ 1 ( t ) ε z − B ( t ) Λ 2 ( t ) + K ( t ) ε x [ ]
(6.49.b) y = C ( t ) x + E ( t ) u~ p − E ( t ) Λ 1 ( t ) ε z − E ( t ) [ Λ 2 ( t )+ K ( t ) ] ε x ,
(6.50) [ B ( t ) Λ 1 ( t ) + F ( t ) H ( t ) ] z + [ B ( t ) Λ 2 ( t ) + F ( t ) L ( t ) ] x ,
où selon la condition (6.40.b) pour ε z → 0 et ε x → 0 la composante (6.50) n’influence pas
le comportement de la composante C ( t ) x de la variable de sortie du système y ( t ) . De cette
manière l’influence combinée de la perturbation ξ ( t ) sur la variable de sortie y ( t ) du sys-
tème est complètement éliminée pour ε z → 0 et ε x → 0 dans l’équation (6.49.b).

ISBN 954 438 500 2 170

 COMMANDE ROBUSTE

6.6.2. Réalisation des régulateurs minimisant les perturbations.

L’élimination complète de l’influence de la perturbation sur x ( t ) et/ou sur y ( t ) n’est
pas toujours possible mathématiquement. Il y a des cas, où les critères (6.15) ou bien (6.41) ne
peuvent pas être satisfaits.
Dans ce cas est synthétisée une telle composante de la commande u d en (6.27), qui mi-
nimise l’influence de la perturbation par rapport à un critère de performance du système (par
exemple ℑ ). il existent plusieurs variantes en fonction du critère ℑ qui est choisi conformé-
ment aux exigences par rapport au système de commande.
Soit la composante u d exprimée par (6.51), où les variables z et x lors de la réalisation
sont remplacés par ẑ et x̂ , générées en temps réel par le constructeur d’état. Une des varian-
tes pour le critère ℑ lors de la synthèse des régulateurs minimisant les perturbations traite
la norme des membres de l’équation (6.11). Par exemple, si l’influence de la perturbation ξ ( t )
sur x ( t ) est traitée en tant que principale, on forme une telle exigence pour la synthèse, que la
composante u d minimise la norme euclidienne (6.52)
(6.51) u d = u d ( z , x ) ,

⎡ H ( t )⎤ ⎡ z ⎤
(6.52) ℑ = B ( t ) u d + F ( t ) ⎢ ⎥ ⎢ ⎥ ,
⎣ L( t ) ⎦ ⎣ x ⎦
d’où u d doit être déterminé en tant que (6.53), où Q m est une matrice arbitraire des paramètres

⎡ z ⎤
(6.53.a) u o
d = −B F+⎢
⎢
H ⎥ ⎡ z⎤ +
(
x ⎥ ⎢ ⎥ + I − B B Qm , )
⎣ x⎦
⎢⎣ L ( t ) ⎥⎦

⎡ H ( t )⎤ ⎡ z ⎤
(6.53.b) u do = − B + F ⎢ ⎥ ⎢ ⎥ , (Q m = 0 ) .
⎣ L( t ) ⎦ ⎣x⎦
Si la perturbation est principale selon x ( t ) et selon y ( t ) , alors la condition pour
l’absorption complète peut être approximée par un critère du type (6.54)

⎡ B( t )⎤
ud
⎡F H F L⎤ ⎡z⎤
(6.54) ℑ = ⎢ ⎥ + ⎢ ,
⎣ E ( t )⎦ ⎣G H G L ⎥⎦ ⎢⎣ x ⎥⎦

⎡H ⎤
+
⎡B⎤ ⎡F⎤ ⎣
⎢ L ⎥⎦ ⎡z ⎤ ⎛ +
⎡B⎤ ⎡F⎤ ⎞
(6.55) u =− ⎢ ⎥ ⎢ ⎥ ⎜ ⎟ Q ,
⎢x ⎥ + ⎜ I − ⎢ E ⎥ ⎢G ⎥
o
d
⎣ E ⎦ ⎣G ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎟ m
⎝ ⎠
qui est réalisé par la composante minimisant les perturbations u d du type (6.55).
Pour le cas de minimisation de l’influence de la perturbation ξ ( t ) seulement sur la va-
riable d’entrée mesurable y ( t ) , on peut chercher une solution pour u d , minimisant une des
normes euclidiennes des matrices, données par (6.56)
(6.56.a) ℑ = E u d + G ξ ,

(6.56.b) ℑ = α B u d + F ξ +β Eud +G ξ , (α >0 , β >0 ) .

ISBN 954 438 500 2 171

 COMMANDE ROBUSTE

6.6.3. Réalisation des régulateurs partiellement absorbant les per-

turbations.
Si la composante u d dans la commande (6.10) ne peut pas effectuer une contre-réaction
intégrale au vecteur complet de la perturbation ξ ( t ) , suite de l’impossibilité pour une réalisa-
tion des conditions pour absorption complète (6.14), dans ce cas on a recours à une autre va-
riante pour la construction de la composante u d , selon laquelle soit absorbé un nombre maxi-
mal d’éléments ξ i ( t ) du vecteur ξ ( t ) .
En pratique, cette variante avec l’absorption partielle des perturbations est à préférer,
puisqu’elle n’exige pas la conception d’une contre-réaction séparée pour chaque scalaire com-
posé ξ i ( t ) du vecteur complet de la perturbation ξ ( t ) (même si une telle stratégie est réali-
sable). La construction d’une telle composante u d dans le vecteur de la commande est appelée
réalisation de régulateurs avec absorption partielle maximale d’éléments de la perturba-
tion.
Soit en (6.11) E = 0 , G = 0 . Il est possible que la matrice F (6.11) soit décomposée en
colonnes (6.57) suite de quoi, la forme équivalente de l’équation (6.11.a) est donnée par (6.56),
en supposant que toutes les composantes ξ i ( t ) de ξ ( t ) (6.58) sont indépendantes.

(6.57) F = [f 1
f
2
f
3
... f
p
] ,
(6.58) x& = A x + B u p + B u d + ξ 1 ( t ) f 1
+ξ 2 ( t ) f 2
+ ... + ξ p (t ) f p ,
Si en pratique ce n’est pas valable, on peut assembler les composantes dépendantes ξ i (t )
en groupes pour obtenir des perturbations indépendantes.
De l’analyse de (6.58), il s’ensuit que la composante u d pourrait éliminer (absorber)
complètement l’influence de chacun des éléments de la perturbation [par exemple de ξ i ( t )
sur x ( t ) ] si et seulement s’il existe un tel vecteur γ i ( t ) , qui satisfait à la condition (6.59). La
condition pour l’existence du vecteur γ i ( t ) (6.59) est donnée par (6.60). Dans ce cas la com-
posante u d de la commande (6.10) est choisie en tant que (6.11), où h i ( t ) et l i ( t ) sont,
respectivement, les i − emes lignes des matrices H ( t ) et L ( t ) en (6.3)

(6.59) f i
( t )= B( t ) γ i ( t ) ,
(6.60) r a n k B [ f
i
] T
= r ank [ B ],
(6.61) u d = − γ i
(t ) ξi (t )=− γ i (t ) h i (t ) z −γ i (t ) l i (t )x .
L’impossibilité de satisfaire à (6.59) suivant toutes les colonnes f i de la matrice F si-
gnifie que l’absorption complète de l’influence de ξ ( t ) n’est pas réalisable. Si ξ i ( t ) en
(6.58) est une composante de la perturbation ξ ( t ) dépendante, pour le cas où l’absorption
complète n’est pas réalisable, la condition généralisée (6.14) n’est pas satisfaite. Dans ce cas
on suppose que la base fonctionnelle f
i
f {
i i
f ... 1
f
i
représente l’ensemble
2 3 q
}
de colonnes dans l’équation (6.57), satisfaisante aux conditions de la relation (6.59) et il est
possible que la composante u d en (6.58) soit formée suivant (6.62):

(6.62) u d = − γ[ i1
h
i1
+ ... + γ
iq
h
iq
] z − [γ i1
l
i1
+ ... + γ
iq
l
iq
]x+u d .

ISBN 954 438 500 2 172

 COMMANDE ROBUSTE

Dans ce cas la composante u d (6.62) assure la contre-réaction efficace à un nombre

maximum d’éléments ξ i ( t ) de la perturbation ξ ( t ) . Le membre additionnel u d est inclus
pour effectuer la “soupression” des autres ( p − q ) éléments ξ j ( t ) de la perturbation ξ ( t ) ,
pour lesquels la contre-réaction n’est pas réalisable à cause du fait que f j ne satisfait pas aux
exigences de (6.59). C’est pourquoi il est nécessaire de désigner les colonnes correspondantes
dans l’équation (6.57) par f { i q +1
f
i
f
i
q+2
... f
i
. Cela, dans le sens de la relation
q +3 p
}
(6.51) veut dire qu’on peut choisir une telle composante u d , qui minimise les éléments “non-
absorbables” du vecteur (6.63), (6.64), (6.65)
⎡ H ( t )⎤
(6.63) ℑ = B ( t ) u d + F ( t )⎢ ⎥ ,
⎣ L(t )⎦

(6.64) F = f [ i q +1
f
i q+2
f
i q +3
... f
i p
],
⎡ h i q +1 ⎤ ⎡ l i q +1 ⎤
⎢ i q+2 ⎥ ⎢ i q+2 ⎥
⎢h ⎥ ⎢l ⎥
(6.65) H = ⎢ . ⎥ L= ⎢ . ⎥ ,
⎢ ⎥ ⎢ ⎥
⎢ . ⎥ ⎢ . ⎥
⎢ hip ⎥ ⎢ lip ⎥
⎣ ⎦ ⎣ ⎦
⎡ H ( t )⎤ ⎡ z ⎤
(6.66) u do = − B + F ⎢ ⎥ ⎢ ⎥ + (I − B + B )Q m .
⎣ L( t ) ⎦ ⎣x⎦
Les solutions u do , minimisant le critère de performance (6.63), sont déterminées à partir
des relations du type (6.66). En particulier, le vecteur de la norme minimale u do , qui minimise
(6.63), est déterminé par (6.67)
⎡ H ( t )⎤ ⎡ z ⎤
(6.67) u do = − B + ( t ) F ( t )⎢ ⎥ ⎢ ⎥ .
⎣ L ( t ) ⎦ ⎣x⎦

6.6.4. Fonctions de transfert des régulateurs absorbant les perturba-

tions à structure d’onde.
On considère le cas (6.68) d’une commande scalaire u , perturbation nonmesurable ξ
( ξ -scalaire) et grandeur réglable y ( y -scalaire) dans les équations (6.1) et (6.3), avec les ma-
trices correspondantes: E = 0 , G = 0 , L = 0 , M = 0
(6.68.a) x& = A x + b u + f ξ ,
(6.68.b) y = c , x ,
(6.68.c) ξ = h , z ,
(6.68.d) z& = D z + σ ( t ) .
Pour un régulateur, complètement absorbant les perturbations ξ , la commande u doit
satisfaire à l’exigence (6.13.b), qui, conformément à (6.14), est accomplie pour (6.69)
(6.69) r a n k [ b f H ] T
= r ank [b ] ,
(6.70) Γ = Γ 1 = γ 1 ⇔ γ 1 =αh .

ISBN 954 438 500 2 173

 COMMANDE ROBUSTE

Dans le cas de la dernière condition (6.69) le vecteur f est colinéaire avec le vecteur b ,
ce qui garantit:
• l’existence d’une constante scalaire nonnulle α , pour laquelle f = b α ;
• l’existence d’une correspondance avec l’équation (6.16), qui peut être exprimée en
tant que (6.70) ;
• la détermination de la composante u d dans la commande (6.10) (u = u p + u d ) , ab-
sorbant la perturbation ξ et correspondant à la commande, exprimée par (6.20), en tant que
(6.71)
) ) )
(6.71) u d = − Γ 1 z − Γ 2 x ⇔ u d = − α ( h , z ) ; γ 1 = α h ; b γ 1 = f h .
La forme de la composante u p dépend de la tâche principale que la commande u doit
accomplir. Soit elle donnée par une relation concrète, décrivant le problème de stabilisation de
l’état x = 0 , qui dans le cas est (6.72), où (6.72.b) est l’équation de la dynamique désirée du sys-
tème après l’absorption de la perturbation ξ , qui coïncide avec l’équation du système “nonper-
turbé”
)
(6.72.a) u p = k , x ,
(6.72.b) x& = ( A + b k ) x .
La prise en considération de (6.71) et de (6.72) permet de réduire le constructeur d’état
combiné (6.25) à la forme (6.73), ce qui permet de représenter la commande u par (6.74)
) )
x& ⎞ ⎡ A + b k + k 11 c
y
⎛ 0⎤ ⎛ x ⎞ ⎛ k 11 ⎞
(6.73) ⎜⎜ )⎟=⎢ ⎥ ⎜⎜ ) ⎟⎟ − ⎜⎜ ⎟ ,
⎝ z& ⎟⎠ ⎣ k 21 c D⎦ ⎝ z ⎠ ⎝ k 21
⎟
⎠
)
⎛ k ⎞ ⎛x⎞
(6.74) u = ⎜⎜ ⎟⎟ ⎜⎜ ) ⎟⎟ .
⎝−αh⎠ ⎝z⎠
Les transformations de Laplace des relations (6.73) et (6.74) qui sont, respectivement,
(6.75) et (6.76), déterminent la fonction de transfert du régulateur G DAS
R ( p ) , absorbant ξ , en
tant que (6.77)
) ( )
⎛ x ( p )⎞ ⎛ ⎡ A + b k + k 11 c ⎞
y p
⎛ k 11 ⎞ 0⎤
⎟⎟ = − [ I p − ℜ ] ⎜ , ⎜ℜ= ⎢
⎟ ⎟ ,
−1
(6.75) ⎜⎜ ) ⎥
⎝ z( p ) ⎠
⎜ k 21 ⎟ ⎜ k 21 c D⎦ ⎟
⎝ ⎠ ⎝ ⎣ ⎠
)
⎛ k ⎞ ⎛ x( p ) ⎞
(6.76) u ( p ) = ⎜⎜ ⎟⎟ ⎜⎜ ) ⎟⎟ ,
⎝−α h ⎠ ⎝ z( p )⎠
⎧ ⎛ k ⎞ k 11
⎪ − ⎜⎜ ⎟⎟ a d j [ I p − ℜ ]
⎪ u( p ) ⎝α h ⎠ (p)
(6.77) ⎪⎨ G DAS
k 21 Pc
( p ) = = = .
⎪
R
[ ]
y ( p ) d e t I p − ( A + b k + k 11 c ) d e t [ I p − D ] Q C 1 ( p ) Q CDAS
2 ( p )
⎪
[ ]
⎪⎩ Q C 1 ( p ) = d e t I p − ( A + b k + k 11 c ) , Q C 2 ( p ) = d e t [ I p − D ]
DAS

En prenant en considération (6.78), qui est la suite logique de (6.77), la fonction de trans-
fert du procédé G H ( p ) , décrit par (6.68.a) et (6.68.b) prend la forme (6.79)

⎧⎪ y ( p ) = c , [ I p − A ] −1 b u ( p ) + c , [ I p − A ] −1 f ξ (p) , (f = bα )
(6.78) ⎨ ,
⎪⎩ y ( p ) = G H ( p ) ( u ( p ) + α ξ ( p ) )

ISBN 954 438 500 2 174

 COMMANDE ROBUSTE

c , ad j [ I p − A ]b PH (p)
(6.79) G H ( p )= = .
d et [ I p − A ] QH ( p )

ξ ( p )
α

y
o
( p ) y( p )
PC (p) PH (p)
GR ( p )= GH ( p )=
Q C1 ( p ) Q C2 ( p ) QH (p)
- u( p )
Fig.6.2
Le schéma structurel, correspondant aux relations (6.68) ÷ (6.73) dans le contexte des
fonctions de transfert du régulateur G DAS R ( p ) et du procédé G H ( p ) dans le système
(6.77) ÷ (6.79), est donné à la Fig.6.2. En comparant cette structure à celle d’un système linéaire,
on remarque que:
● Le terme Q CDAS2 ( p ) dans le dénominateur de la fonction de transfert du régulateur

G RDAS ( p ) correspond au polynôme caractéristique de la classe de perturbations expectées ξ ,

modelées par la relation (6.68.c) ÷ (6.68.d). Il détermine la propriété d’absorption du régulateur,
c’est pourquoi ce terme est l’absorbateur dans la structure. Si la perturbation ξ ( p ) est à
structure d’onde (par exemple (6.6)), alors D = 0 (6.68.d), à la suite de quoi la fonction de trans-
fert G RDAS ( p ) possède un pole double pour p = 0 . Dans ce cas la commande suit une loi
d’intégration double. Si ξ ( p ) est sinusoïdale, alors G RDAS ( p ) possède des pôles donnés
par p = ± j ω et le système bouclé de commande par rapport à la perturbation G y ξ ( p ) se
comporte comme un filtre bande-passante (6.80).
La fonction de transfert du système en boucle fermée par rapport à la perturbation
ξ ( p ) est (6.80)
) y( p
α P H ( p ) Q C 1 ( p ) Q CDAS2 ( p )
(6.80) G yξ ( p )= = .
ξ ( p ) Q H Q C 1 ( p ) Q CDAS
2 ( p ) + P H ( p ) P C ( p )
● Le polynôme Q C1 ( p ) en G RDAS ( p ) , correspond, même n’étant pas équivalent, au
polynôme caractéristique de l’équation décrivante la dynamique désirée du système (6.72.b)
pour une commande du type (6.72.a). Le polynôme Q C 1 ( p ) = d e t [ I p − ( A + b k + k 11 c ) ]
possède des racines dans le semi-plan droit même si toutes les racines de ( A + b k ) appartien-
nent au polynôme gauche. C’est pourquoi le régulateur absorbant la perturbation G RDAS ( p )
représente un élément instable.
● La fonction de transfert du système en boucle fermée G y ξ ( p ) comporte dans son
numérateur le polynôme Q CDAS2 ( p ) , qui est égal au polynôme caractéristique (6.68.c) ÷ (6.68.d)

de la classe de perturbations expectées ξ ( p ) . La réaction du système est donnée par (6.81)

( p ) Q C 1 ( p ) Q CDAS
α PH 2 ( p ) h , ad j [ I p − D ] σ ( p )
(6.81) y ( p ) = ,
Q H Q C 1 ( p ) Q C2 ( p ) + P H ( p ) PC ( p ) (p)
DAS DAS
Q C2

ISBN 954 438 500 2 175

 COMMANDE ROBUSTE

où
h , ad j [ I p − D ] σ (p)
(6.82) ξ ( p )= ,
Q CDAS
2 (p)
(6.83) ξ ( t ) = t k , ξ ( t ) = e α t , ( k > 0 , α > 0 ) .
Le polynôme Q CDAS 2 ( p ) est instable si la perturbation ξ ( t ) en (6.68) comprend dans
la base fonctionnelle des fonctions de puissance ou exponentielles du type (6.83). Dans ces cas
[décrits par (6.83)], la relation Q CDAS
2 ( p ) Q CDAS2 ( p ) (6.81) mène à une élimination de pô-
les et de zéros dans le polynôme droit. Cette élimination est inacceptable par la synthèse de ré-
gulateurs faisant partie du contour interne de la commande [par exemple entre G H ( p ) et
G RDAS( p ) ], elle est tolérée si elle concerne le système avec ces actions externes [par exemple
entre G ξ y ( p ) et ξ ( p ) ].
C’est à la base de ce mécanisme que la classe de régulateurs considérée réalise l’ab-
sorption de l’influence des perturbations.
De cette manière, après l’élimination des polynômes Q CDAS
2 ( p ) dans le numérateur et
dans le dénominateur (6.81), la réaction du système en boucle fermée, déterminée par le poly-
nôme caractéristique du système “nonperturbé”, est décrite par l’équation (6.84)
α PH ( p ) Q C1 ( p ) h , a d j [ I p − D ] σ ( p )
(6.84) y ( p ) = .
Q H Q C 1 ( p )Q CDAS
2 ( p ) + P H ( p ) PC ( p )
Ce polynôme peut être décomposé en éléments, si la commande u en (6.68.a) est ex-
primée par (6.85)
(6.85) u = k x − α h z = k ( x − ε x ) − α h ( z − ε z ) ,
) )

et si on prend en considération aussi la relation (6.25) dans l’expression analytique décrivant

l’état du système (6.68.a), c’est-à-dire (6.86)
⎛ x& ⎞ ⎡ A+bk −bk α bh ⎤ ⎛ x ⎞ ⎛0⎞
⎜ ⎟ ⎢ ⎥ ⎜ ⎟ ⎜ ⎟
(6.86) ⎜ ε& x ⎟ = ⎢ 0 A + k 11 c f h ⎥ ⎜ε x ⎟ + ⎜0⎟ ,
⎜⎜ ⎟⎟ ⎢ ⎜ ⎟⎟ ⎜ ⎟
⎝ ε& z ⎠ ⎣ 0 k 21 c D ⎥⎦ ⎜⎝ ε z ⎠ ⎝0⎠
⎛ x ⎞
⎜ ⎟
(6.87) y = [ c 0 0] ⎜ε x ⎟ .
⎜⎜ ⎟⎟
⎝ε z ⎠
Les relations (6.85) et (6.86) permettent de déterminer la réaction du système en boucle
fermée en tant que (6.87).
À partir de (6.87), il s’en suit que le polynôme caractéristique déterminant le comporte-
ment du système en boucle fermée y , peut être représenté en tant qu’un produit (6.88), où : la
matrice ( A + b k ) caractérise la réaction désirée du système, qui dépend de la matrice des
~
coefficients de contre-réaction k dans les équations (6.72.a) et D est la matrice des coef-
ficients dans l’équation décrivant la dynamique de l’erreur du système (6.89)
(6.88) d e t [ I p − ( A + b k ) ] . d e t [ I p − D ] ,
~

⎡c⎤
⎢ ⎥
~ ⎡A f h ⎤ ⎡ k 11 ⎤ ⎣0⎦ ⎡ A + k 21 c f h⎤
(6.89) D = ⎢ + ⎢ ⎥ = ⎢ ⎥ .
⎣0 D ⎥⎦ ⎣ k 21 ⎦ ⎣ k 21 c D ⎦

ISBN 954 438 500 2 176

 COMMANDE ROBUSTE

6.6.5. Mise en tâche et méthodes pour la synthèse de systèmes par-

tiellement absorbants les perturbations pour la commande de
procédés à minimum de phase [99,100].
La possibilité de commande de procédés à minimum de phase, traitée en & 6.6.4 pour la
détermination des fonctions de transfert des régulateurs avec absorption des perturbations, est
à la base des méthodes fréquentielles [99,100] pour la solution du problème de synthèse de
DA S . La mise en tâche suppose que:

Soient donnés:
les modèles nominal G * ( p ) (5.53) et perturbé à la limite supérieure G „ ( p )
(5.54) à un procédé linéaire à minimum de phase G ( p ) (Tableau 5.4, Tableau 6.1),
fonctionnant en conditions d’incertitude a priori avec des fluctuations paramétri-
[ ]
ques de G ( p ) autour de G * ( p ) dans l’ensemble Π ∈ G * , G „ , le critère local
de performance et les intervalles (6.90) de variations des grandeurs d’action princi-
paux y o , ν , l a en conditions d’exploitation
(6.90) { 10% ≤ ν ( t ) ≤ 90% d' echelle ; 10% ≤ y o ( t ) ≤ 90% d' echelle ; ξ = l a = G „ − G ∗ } .
Il faut:
I. Synthétiser un système partiellement absorbant les perturbations DAS (Disturbance
Absorbing System) pour la commande (stabilisation) du procédé donné.
II. Étudier les indices de performance de DAS , en les comparant à ceux du système
classique correspondant pour G * ( p ) .

La synthèse fréquentielle de DAS est paramétrique (puisque la structure de DAS est

considérée connue a priori - Fig.6.3.b). Pour la synthèse analytique de DAS ici sont considé-
rées [99]:
● la méthode de l’équation de balance pour absorption de la perturbation
(6.12) sous critère °égalité des marges de stabilité°;
● la méthode de l’équation de balance pour absorption de la perturbation
(6.12) sous critère °module optimal°;
● la méthode de l’équation de balance pour absorption de la perturbation
(6.12) sous critère °ressemblance maximale°.
Les algorithmes de chacune parmi ces méthodes comportent quatre étapes de concep-
tion:
I.1. du système classique de stabilisation (Fig.6.3.a) selon G * ( p ) en prenant en consi-
dération le critère local de performance;
I.2. du modèle à structure d’onde de la perturbation, à partir d’une analyse du trend de
la grandeur réglable du système classique en conditions d’exploitation;
I.2.a. choix d’une base de fonctions convenable { f i ( t ) };
I.2.b. détermination du “modèle d’état à structure d’onde”, correspondant au
modèle à structure d’onde (1.54) ÷ (1.55);
I.3. l’absorbateur des perturbations A DAS ( p ) à structure d’onde en DAS ;

I.4. le régulateur partiellement absorbant les perturbations R DAS ( p ) en DAS .

Les dépendances principales, décrivant les étapes des algorithmes, sont les suivantes:

ISBN 954 438 500 2 177

 COMMANDE ROBUSTE

I.1. La conception du système classique de stabilisation. La synthèse (Tableau 6.1) du

système classique [99] pour la stabilisation (Fig.6.3.b) d’un procédé linéaire à minimum de
phase avec modèle nominal donné (6.53) est un problème, dont la solution est satisfaite par
R * ( p ) (6.55) de réglage optimal par rapport à G * ( p ) (dans le cas selon les méthodes de
Chien-Hrones-Reswick et Zigler-Nichols) conformément au critère local de performance. Le
but (stabilisation), les exigences pour performance (stabilité, rapidité, précision) et les indices
quantitatifs (processus transitoires apériodiques-critiques), étant prédéfinis.
ν (p) ξ (p)

y0 (p) ε (p) u (p) y (p)

R* (p) G* (p)
-

régulateur classique modèle du procédé

avec paramètres fixes (linéaire)

Fig.6.3.a système classique

ν (p) ξ (p)

y0 (p) ε(p) y (p)

R* (p) A( p ) G* (p)
- (p)
R DAS (p) u

régulateur classique filtre absorbant

avec paramètres fixes les perturbations
régulateur avec absorption modèle du procédé
des perturbations (linéaire)

Fig.6.3.b système avec absorption des perturbations

Tableau 6.1

G* ( p ) (5.53) G * ( p ) = 1 , 239 e − 2 p ( 10 p + 1 ) − 1

G„ (p) (5.55) G „ ( p ) = 1.96 e −4 p ( 10 p + 1 ) − 1

(5 p + 1 ) (2 p + 1 )
R* ( p ) (5.56) R * ( p ) = 0 ,13
( 5 p ) ( 0 ,4 p + 1 )
(p) ( p ) = 0.00065 ( p 3 + 2 p 2 + p )
−1
A DAS A
DAS

(5 p + 1) (2 p + 1) 0.00065
DAS
(p) (6.132) R DAS ( p ) = 0 ,13
( 5 p ) ( 0 ,4 p + 1 ) ( p 3 + 2 p 2 + p )
R

I.2. La conception du modèle à structure d’onde de la perturbation.

I.2.a. Le choix d’une base de fonctions convenables. La formation du modèle à struc-
ture d’onde de la perturbation est possible après une analyse du comportement du système
dans les conditions d’exploitation concrètes ou bien à partir d’une information a priori à la dis-
position du concepteur. Pour résoudre le problème considéré, le système classique synthétisé
(Tableau 6.1) (Fig.6.3.b) est modelé. Après la simulation de l’action généralisée ϑ ( t ) (6.91), on
considère un trend de l’évolution de la grandeur réglable (l’erreur) du système classique, donné
à la Fig.6.4
{ [
(6.91) ϑ ( t ) = ν ( t ) ξ ( t ) y o ( t )
T
. ] }
ISBN 954 438 500 2 178
 COMMANDE ROBUSTE

Fig.6.4.a
Les formes à structure d’onde sont évidentes dans le trend (Fig.6.4), elles sont générées
par l’action généralisée ϑ ( t ) (6.91) sur le système et sont typiques pour les systèmes de com-
mande (stabilisation) de procédés industriels. Après la résolution préliminaire du problème
inverse et des simulations d’un nombre important de trends réelles, typiques pour de différen-
tes procédés industriels continus (systématisées par le Tableau 6.2), on a recours à
la méthode [99] pour la détermination de la base approximante de fonctions
pour la formation du modèle à structure d’onde de la perturbation illustrée
dans le Tableau 6.2.

L’algorithme de cette méthode consiste en le suivant.

Parmi les modèles à structure d’onde considérés, illustrés et décrits mathématiquement
dans le Tableau 6.2, à partir d’une analyse et comparaison visuelle, on peut choisir l’approxima-
tion concrète la plus convenable de la base fonctionnelle { f i ( t ) }. L‘ensemble { f i ( t ) } et les
fonctions f i ( t ) elles-mêmes, sont choisies par le concepteur du système de commande. Elles
sont utilisées pour modéliser avec une précision suffisante les formes ondées des perturba-
tions, observées dans le trend réel (Fig.6.4) de la grandeur réglable (l’erreur) du procédé de
commande.
Si les fonctions de la base { f i ( t ) } sont choisies de manière à approximer ξ ( t ) sur
un intervalle de temps assez long, la solution est obtenue pour une petite valeur de M , ce qui
mène à une valeur faible pour ρ ; dans l’autre cas - si l’intervalle du temps est relativement
court, des valeurs supérieures pour M et ρ sont nécessaires.
Dans le cas considéré (Fig.6.4), il faut noter la forme typique à structure d’onde du trend,
couvrant un intervalle de 200 s, indiquée par des flèches à la Fig.6.4. Sa comparaison avec le
groupe de combinaisons typiques de fonctions de base, reflète sa proximité maximale à
{ f i ( t ) } (6.101) - Tableau 6.2.

ISBN 954 438 500 2 179

 COMMANDE ROBUSTE

Fig.6.4.b

20 20

15 15

10 10

5 5

0 0

-5 -5

-10 -10

-15 -15
c1

-20 c2 -20

-25 c3 -25

-30 -30
0 100 200 0 100 200
ξ ( t ) = c1 + ξ ( t ) = c1 +
(
+ c 2 1 + ( α − 1 ) e −t + ) (
+ c 2 1 + ( α − 1 ) e −t +)
+ c3 ((1 −α ) t + α ) e −t
+ c 3 (( 1 −α ) t + α ) e −t (
ε = ε t , y o ,ν , l )
Fig.6.5.a Fig.6.5.b Fig.6.5.c

ISBN 954 438 500 2 180

 COMMANDE ROBUSTE

Tableau 6.2.
№ f ( t ) ⇒ modèle { f ( t )}
i Q ( D )ξ ( t ) = ν ( t )⇒ état DAS
QC 2 ( jω )
100
ξ( t) = c1 + c 2 t
80

60

d 2ξ
{1 , t }
40

=ν ( t )
20

(6.92) 0
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
2
-20

-40 ξ
dt
-60 ξ

-80 ξ

ξ
-100

ξ( t) = c1 + c 2 t + c 3 t 2
100

80

{1 , t , t }
60

d 3ξ
40

2
=ν ( t )
20

(6.93) 0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

dt3
-20

-40

-60

-80

-100

ξ( t) = c1 + c 2 t + c 3 t 2 + c 4 t 3
100

80

{1 , t , t }
60

d 4ξ
40

2
,t3 =ν ( t )
20

(6.94) 0

-20
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 8 1 2

4
-40
dt
-60

-80

-100

ξ( t ) = c 1 + c 2 e − α t
100

80

{1, e }
60

d ξ dξ
40
2
−α t
+α =ν ( t )
20

(6.95) 0

-20
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

2
-40
dt dt
-60

-80

-100

{ 1, e
ξ( t ) = c 1 + c 2 e − α t + c 3 e − β t + c 4 e − γ t
100

d ξ d ξ
4 3
−α t
80

+ (α + β + γ ) +
60

40
, dt
4
dt
3

}
(6.96)
20

−β t −γ t d ξ dξ
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 2

+ (αβ +αγ + βγ ) =ν ( t )
-20

-40
e ,e 2
+α β γ
-60
dt dt
-80

-100

ξ( t ) = c 1 + c 2 t + c 3 t 2 + c 4 t 3 +

{ 1, t , t
100

80

+ c 5 e − α t + c 6 e −β t + c 7 e − γ t d 7ξ d 6ξ
2 3 + (α + β + γ )
60

+
40

,t , dt7 dt6

}
20

(6.97) 0

d ξ d 4ξ
e − α t , e −β t , e − γ t
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

-20
5
-40
+ (αβ + βγ +αγ ) 5
+α β γ =ν ( t )
-60

-80
dt dt 4
-100

{e
100

ξ( t ) = ( c 1 + c 2 t ) e − α t + ( c 3 + c 4 t )e − β t
d 4ξ d 3ξ d 2ξ
80

60
−α t −α t +α 2 β + α ( +β ) +
40

,t e , dt 4
2

dt 3
2 2

dt2

}
20

(6.98) 0

dξ
e −β t , t e −β t
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

+ (α + β ) ξ ( t ) = ν ( t )
-20

-40
ξ +α β
-60

-80 ξ
dt
-100 ξ

ξ( t) = c1 + c 2 ( 1 − e − t )
100

80

{1 , (1 − e )}
60

d 2ξ dξ
40

−t
=ν ( t )
20

(6.99) 0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 8 1 2

2
+
dt dt
-20

-40

-60

-80

-100

ξ( t ) = c 1 + c 2 ( 1 − e − t ) + c 3 t e − t
100

80

60

{1 , (1 − e ) , t e } d ξ d ξ dξ
40
3 2
−t −t
=ν ( t )
20

(6.100) 0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

3
+2 2
+
dt dt dt
-20

-40

-60

-80

-100

ξ( t) = c1 + c 2 ( 1 + ( α − 1) e − t ) +
100

{1 , 1 + ( α − 1 ) e − t ,
80

60
+ c 3 ( ( 1 − α) t + α) e −t
d ξ d ξ dξ
40
3 2

(t )
( ( 1 − α ) t + α ) e −t }
=ν
20

(6.101) 0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

3
+2 2
+
dt dt dt
-20

-40

-60

-80

-100

ξ ( t ) = c1 + c 2 t e − α t + c 3 t e − t +
100

d ξ d ξ
5 4

{1 , 2 , t e ,
80

+ c 4 e − α t + c 5 ( t − 2 + ( t + 2) e − t ) −α t + (2 +α ) +
60

40
5 4
dt dt

( t + 2 ) e − t , e −α t }
20

(6.102) 0

d ξ d ξ
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

-20 3 2

+ ( 1 + 2α ) +α =ν ( t )
-40

-60

3 2
-80

-100
dt dt

ξ( t ) = c1 + c 2 sin ( α t) + c 3 cos ( α t) +
100

d ξ d ξ
5 3

( )
80

+ c 4 sin ( β t) + c 5 cos ( β t)
{1, sin (α t ) , cos (α t ) , + α +β +
60 2 2
40

5 3
20
dt dt
(6.103)
sin ( β t ) , cos ( β t ) }
0

dξ
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

-20

-40

-60
ξ
+α β
2 2
=ν (t )
-80

-100
ξ
dt

ISBN 954 438 500 2 181

 COMMANDE ROBUSTE

C’est une raison de choisir, lors de la formation du modèle à structure d’onde de la per-
turbation, la base fonctionnelle { f i ( t ) } de l’équation-modèle du type (6.104) avec paramètres:
M = 3 , ρ = 4 , (6.101) dans le Tableau 6.2.

(6.101) { f i ( t ) } = {1,1 + (α − 1 ) e −t , ( ( 1 − α ) t + α ) e − t } ,

[
⎧ ℜ f 1 ( t ) , f 2 ( t ) , f 3 ( t ) ,. . . , f M ( t ) ; c 1 , c 2 , c 3 , . . . , c L ]⎫
⎪⎪ ⎪⎪
(6.104) ξ ( t ) = ⎨ [
ℜ 1,1 + ( α − 1 ) e , ( ( 1 − α ) t + α ) e ; c 1 , c 2 , c 3
−t −t
] ⎬ .
⎪
⎩⎪ ( )
c 1 + c 2 1 + (α − 1 ) e −t + c 3 ( ( 1 − α ) t + α ) e − t
⎪
⎭⎪

À la Fig.6.5 sont donnés:

- la partie typique à structure d’onde du trend (Fig.6.5.c);
- son approximation (Fig.6.5.b) avec l’équation semi-déterminée du modèle à structure
d’onde (6.104);
- le modèle à structure d’onde (6.104) avec les valeurs (Fig.6.5.a) des coefficients cons-
tants par intervalles c i en (6.104).

I.2.b. La détermination du “modèle d’état à structure d’onde”. Ce modèle (6.104)

possède une image de Laplace (6.105) dans l’espace de l’opérateur p , ce qui permet de repré-
senter la perturbation ξ en tant que “grandeur de sortie” d’un système linéaire dynamique fictif
de fonction de transfert G ( p ) (6.106)

P( p)
(6.105) ξ ( p )= ,
Q( p)

1 1
(6.106) G ( p ) = = .
Q( p ) (p)
DAS
Q C2

Dans le cas considéré, le polynôme Q ( p ) = Q CDAS

2 ( p ) est du type (6.107)

(6.107) Q ( p ) = p ρ + q ρ p ρ −1 + . . . + q 2 p + q 1 = p 3 + 2 p 2 + p = Q CDAS
2 (p) ,
Ou ρ = 4 ; q 4 = 1 , q 3 = 2 , q 2 = 1 , q 1 = 0 .
Cela signifie que l’équation semi-déterminée (6.104) considérée est une solution possi-
ble de l’équation différentielle du type (6.108)
d ξ d ξ dξ
3 2

(6.108) 3
+2 2
+ =ν (t ) .
dt dt dt
La fonction générante externe ν ( t ) en (6.108) relève les variations des coefficients de
poids continus par intervalles c i de l’équation (6.105) du modèle à structure d’onde. Elle est
formée en tant qu’une série de fonctions de Dirac (unitaires, doubles, triples etc.), com-
plètement inconnues, d’intensité aléatoire, générées de manière aléatoire par un intervalle
positif minimal.

ISBN 954 438 500 2 182

 COMMANDE ROBUSTE

I.3. La conception d’absorbateur des perturbations.

Le polynôme A DAS ( p ) décrit l’absorbateur convenable dans le système avec absorp-

tion des perturbations DAS , en prenant en considération la relation (6.109).
Il est évident que tous les absorbateurs, correspondants aux modèles typiques à struc-
ture d’onde systématisés dans le Tableau 6.2, représentent des filtres réjecteurs d’ordre
réglable élevé

(6.109) [ Q ( p ) ] −1 [
= Q CDAS
2 ( p )]
−1
= A DAS (p) .

I.4. La conception du régulateur partiellement absorbant les perturbations.

Pour des fonctions de transfert R * ( p ) et A DAS ( p ) connues, la conception du régula-

teur partiellement absorbant les perturbations R DAS ( p ) dans la structure DAS (Fig.6.3.b) est
basée à la relation (6.110)

⎛ 1 ⎞
(6.110) R DAS ( p ) = R * ( p ) A DAS ( p ) , ⎜ A DAS ( p )= ⎟ ,
⎜ Q CDAS2 (p) ⎟
⎝ ⎠

où les paramètres dynamiques de réglage du régulateur de base R * ( p ) sont ceux qui partici-
pent à la conception du R * ( p ) dans le système classique optimal (Tableau 6.1).
Les charactéristiques R * ( j ω ) , A DAS ( j ω ) , R DAS ( j ω ) sont données à la Fig.6.6, tan-
dis que
A DAS ( j ω), A DAS ( j ω ) , a r g A
DAS
( ( jω))
démontre les possibilités de l’absorbateur d’effectuer un déphasage de − π 2 à − 3 π 2 .
Ces propriétés de A ADS ( j ω ) se manifestent aussi bien dans la structure du régulateur
avec absorption des perturbations, où il est inclus.
Le régulateur partiellement absorbant les perturbations R DAS ( j ω ) effectue un dépha-
sage de − π à − 3 π 4 et de − 3 π 4 à − 3 π 2 . C’est pourquoi, a r g ( R DAS ( j ω ) ) est
déplacée parallèlement à − π 2 de phase par rapport à a r g ( R * ( j ω ) ) , de manière que
a r g ( R DAS ( j ω ) ) conserve complètement le caractère de a r g ( R * ( j ω ) ) , qui démontre les
propriétés de R * ( j ω ) d’effectuer un déphasage de − π 2 à 0 π et de 0 π à − 1 π 4 .

ISBN 954 438 500 2 183

 COMMANDE ROBUSTE

A
DAS
( jω )

R* ( j ω )

R
DAS
( jω )

Fig.6.6.a

ar g ( R* ( j ω ))

(
ar g A
DAS
( jω ))

ar g R( DAS
( jω ))

Fig.6.6.b

R DAS
( jω )
R* ( j ω )

A DAS ( jω )

Fig.6.6.c

ISBN 954 438 500 2 184

 COMMANDE ROBUSTE

R* ( j ω ) G* ( j ω ) R DAS ( j ω ) G* ( j ω )

Fig.6.7.a

a r g R DAS( ( j ω ) G* ( j ω ) )

ar g ( R* ( j ω ) G* ( j ω ) )

Fig.6.7.b

R* ( j ω ) G* ( j ω )

R
DAS
( j ω ) G* ( j ω )

Fig.6.7.c

ISBN 954 438 500 2 185

 COMMANDE ROBUSTE

Φ DAS
y y
0 ( jω )

Φ CLASS
y0 y
( jω )

Φ CLASS
( jω )
( jω )
0

Φ
y y DAS
0
y y

Fig.6.8.a Fig.6.8.d
Φ DAS
y ε
0 ( jω )
Φ CLASS
y0ε
( jω )

Φ CLASS
y ε
0 ( jω )

Φ DAS
y ε
0 ( jω )

Fig.6.8.b Fig.6.8.e
Φ νCLASS
y ( jω )

Φ νCLASS
y ( jω )

Φ νDAS
y ( jω )

Φ νDAS
y ( jω )

Fig.6.8.c Fig.6.8.f
CLASS
ν
ν
CLASS

0
y

DAS
DAS
ξ

Fig.6.9.a Fig.6.9.b

ISBN 954 438 500 2 186

 COMMANDE ROBUSTE

I.4.a. La conception du régulateur partiellement absorbant les perturbations - ana-

lyse.
Le système DAS est modelisé. Les résultats de la simulation (Fig.6.7, Fig.6.8, Fig.6.9)
démontrent la supériorité de la performance de DAS .

En comparaison avec le système classique, DA S est caractérisé par des marges de sta-
bilité (6.111) de gain B mDAS > B mCLASS et (6.112) de phase Φ mDAS > Φ mCLASS élargies, temps de ré-
glage des processus transitoires apériodiques réduit, sensibilité aux disturbances diminuée
(6.113), (6.114).

L’absorption des perturbations (Fig.6.9.a) en DA S , s’effectue aussi quand le système

subit l’effet des perturbations suivant la charge. L’analyse relève cependant une sensibilité aug-
mentée (6.115) par rapport aux fluctuations paramétriques de l’inertie (le retard) dans le modèle
du procédé
⎧
⎪ Bm = 1 − R
DAS DAS
( j ω π ) G* ( j ω π ) ,
(6.111) ⎨ ,
(
⎪⎩ ω π ⇔ a r g R
DAS
(
( j ω ) G* ( j ω ) = − π ) )
[
⎧ Φ mDAS = − π − a r g R DAS ( j ω 0 ) G * ( j ω 0 )
⎪ ( )] ,
(6.112) ⎨
⎪⎩ (
ω 0 ⇔ 20 l o g 10 R DAS ( j ω ) G * ( j ω ) = 0 ) ,

⎧ Φ DAS ( j ω ) = R DAS ( j ω ) G * ( j ω
⎪ 0
y ε
( ) ) −1
,
(6.113) ⎨ ,
⎪ Φ CLASS ( j ω ) = ( R* ( j ω ) G* ( j ω )) −1

⎩
0
y ε

⎛ ⎞ ⎛ ⎞
(6.114) ⎜ Φ DAS „
y ε
0 ( jω ) ⎟ << ⎜ Φ
CLAS „
y ε
0 ( jω ) ⎟ ,
⎝ y ,ν ⎠ max ⎝ y ,ν ⎠ max
0 0

⎛ ⎞ ⎛ ⎞
( jω ) ( jω )
„ „
(6.115) ⎜ Φ DAS
y ε
0 ⎟ > ⎜ Φ
CLAS
y ε
0 ⎟ .
⎝ ξ ⎠ max ⎝ ξ ⎠ max

Il est évident que lors de la conception de R DAS ( j ω ) , il faut diminuer la sensibilité de

DAS par rapport aux perturbations paramétriques. Une des possibilités est d’augmenter les
marges de stabilité B mDAS (6.111) et Φ mDAS (6.112).
Dans ce cas, il est convenable d’utiliser la méthode de correction fréquentielle avec
coefficient de poids k DAS (6.116) dans la liaison série de A DAS ( j ω ) vers R DAS ( j ω )

( )
1
(6.116) R DAS k , j ω = R* ( j ω ) k .
DAS DAS

QC
DAS
2 ( jω )

À la Fig.6.10 sont données les charactéristiques de R DAS ( k DAS , j ω ), tandis qu’à la

Fig.6.11 - les charactéristiques de DAS pour de différentes valeurs de k DAS . En effectuant une
analyse comparative de ces résultats (Fig.6.11) avec l’utilisation de k DAS en R DAS ( j ω ) , il est
évident que le régulateur absorbant les perturbations possède encore une propriété très impor-

ISBN 954 438 500 2 187

 COMMANDE ROBUSTE

tante. Avec la diminution de la valeur de k DAS

, un changement positif s’effectue (6.117) - di-
minution de la sensibilité de DAS

⎛ ⎞ ⎛ ⎞
( jω ) ( jω )
„ „
(6.117) ⎜ Φ DAS
y0ε
⎟ << ⎜ Φ
CLAS
y0ε
⎟ ,
⎝ ξ ⎠ max ⎝ ξ ⎠ max

⎧ 1
= Φ y0ε ( j ω ) ≤ 1 , ∀ω
DAS „
⎪
⎪ ( jω ) G ( jω )
„
(6.118) ⎨ 1 + R
DAS
,
⎪
⎪⎩ Φ y0ε ( j ω ) ≡ Φ y0ε ( j ω ) ≤ 1 , ∀ω
DAS „ DAS

⎧ 1
⎪ ≡
⎪⎪ 1+ R DAS
(k DAS
, jω G„ ) ( jω )
(6.119) ⎨ .
⎪ 1
⎪≡ ≤ 1 , ∀ω
⎪⎩ 1+ R
DAS
(k DAS
)
, j ω G* ( jω )
Les modules des DAS non-perturbé et perturbé (6.118), (6.119) démontrent que la fré-
quence de résonance du système diminue, et dans le cas d’exigence pour un processus tran-
sitoire apériodique, les marges de stabilité B mDAS et Φ mDAS augmentent. De cette manière, l’inva-
riance de DAS par rapport aux fluctuations paramétriques dans le modèle du procédé devient
prédominante.

I.4.b. La conception du régulateur partiellement absorbant les perturbations - syn-

thèse analytique du régulateur partiellement absorbant les perturbations dans
la structure de DAS .
La conception du régulateur partiellement absorbant les perturbations R DAS ( j ω ) sui-
vant le principe d’absorption et la méthode de la correction fréquentielle avec coefficient de
poids, introduit k DAS lors de l’attachement de l’absorbateur A DAS ( j ω ) dans la structure de
R DAS ( j ω ) , conformément à la relation (6.120)

⎛ k
DAS
⎞
(6.120) R ( j ω ) = R* ( j ω ) ( jω ) , ⎜ A ( jω )= ⎟ .
DAS DAS DAS
A
⎜ Q CDAS2 ( jω ) ⎟
⎝ ⎠

La valeur de k DAS
agit sur B mDAS et surtout sur Φ DAS
m .
À la Fig.6.12 et Fig.6.13 sont données les charactéristiques de systèmes classiques non-
perturbé et perturbé à la limite supérieure et celles de DAS pour régulateur partiellement ab-
sorbant les perturbations R DAS ( k DAS , j ω ).
Le coefficient k DAS est utilisé pour la correction des charactéristiques et sa valeur est
choisie de telle manière, que les marges de stabilité B mDAS et Φ mDAS augmentent.

ISBN 954 438 500 2 188

 COMMANDE ROBUSTE

R* ( jω )

R DAS
(k DAS
, jω )
A
DAS
( jω )

= 0.0001 ; k = 0.001 ; k = 0.01 ; k = 0 .1 ; k =1

DAS DAS DAS DAS DAS
k
Fig.6.10.a

ar g ( R* ( j ω ) )

ar g A ( DAS
( jω ))

a r g R DAS( ( jω ))

Fig.6.10.b

R DAS
(k DAS
, jω )
k
DAS
=1 R* ( j ω )
= 0.1
DAS
k
= 0.01
DAS
k
= 0.001
DAS
k
k DAS
= 0.0001

A
DAS
( jω )

Fig.6.10.c

ISBN 954 438 500 2 189

 COMMANDE ROBUSTE

R* ( j ω ) G* ( j ω )

R
DAS
(k DAS
)
, j ω G* ( j ω )

Fig.6.11.a k DAS
= 0.0001 ; k DAS
= 0.001 ; k DAS
= 0 .01 ; k DAS
= 0 .1 ; k DAS
=1

ar g R ( DAS
( j ω ) G* ( j ω ) )

ar g ( R* ( j ω ) G* ( j ω ) )

Fig.6.11.b

k DAS
= 0 .0001 ; k DAS
= 0 .001 ; k DAS
= 0.01 ; k DAS
= 0 .1 ; k DAS
=1 Φ yCLASS
ε 0 ( jω )

Φ DAS
y0ε
(k DAS
, jω )

Fig.6.11.c

ISBN 954 438 500 2 190

 COMMANDE ROBUSTE

La détermination analytique de k optDAS

est effectuée [99] pour:
- la correction fréquentielle selon les charactéristiques fréquentielles du sys-
tème DAS en boucle ouverte - par la méthode de l’équation de ba-
lance d’absorption de la perturbation (6.12) sous critère °égalité des
les marges de stabilité° (6.124) avec algorithme (6.125);
- la correction fréquentielle selon les charactéristiques fréquentielles du sys-
tème DAS en boucle fermée - par la méthode de l’équation de ba-
lance d’absorption de la perturbation (6.12) sous critère °module op-
timal° (6.126) avec algorithme (6.129);
- la correction fréquentielle selon les charactéristiques fréquentielles du sys-
tème DAS en boucle fermée - par la méthode de l’équation de ba-
lance d’absorption de la perturbation (6.12) sous critère °ressem-
blance maximale° avec algorithme (6.131).
La première méthode (Fig.6.12) utilise les relations (6.121) ÷ (6.125) pour °l’égalité des
marges°.
⎧ B DAS „ = 1 − R DAS j ω DAS „ G „ j ω DAS „
⎪ m
(6.121) ⎨
π π ,
,
( ) ( )
(
⎪ ω πDAS ⇔ a r g R DAS ( j ω ) G „ ( j ω ) = − π
⎩
„
( ) )
⎧ B mCLASS = 1 − R * j ω πCLASS G * j ω πCLASS
⎪ ,( ) ( )
(6.122) ⎨ ,
⎪⎩ ω π
CLASS
(⇔ a r g ( R* ( j ω ) G* ( j ω ) ) = −π )
(6.123) R DAS
( jω DAS
π
„
) G ( jω
[] DAS
π
„
) (
= R * j ω πCLASS G * j ω πCLASS ) ( ) ,

( ) ( jω )=
DAS

( ) ( )
DAS „
k opt DAS „
(6.124) R * j ω G„ R * j ω πCLASS G * j ω πCLASS ,
π
Q DAS
C 2 ( jω DAS
π
„
) π

(
R * jω πCLASS ) G* ( j ω CLASS
π )Q DAS
C 2 ( jω DAS
π
„
)
(6.125) k DAS
= .
( ) G ( jω )
opt „
B mDAS = B mCLASS
DAS „ „ DAS „
R* j ω π π

Pour les données concrètes (Tableau 5.1), l’algorithme (6.125) de la première méthode
détermine la valeur optimale de k DAS en tant que k opt
DAS
„ = 0.0008735 .
B mDAS = B mCLASS

Avec le deuxième méthode, le choix de la valeur de k DAS est effectuée sous critère °mo-
dule optimal° (ou bien °sensibilité minimale°). L’expression analytique pour la notion °module
optimal°, est de satisfaire à l’exigence (6.126), (6.127) où ω „ est la fréquence, pour laquelle le
système classique perturbé à la limite supérieure possède un extrêmum du module de la sen-
sibilité ⎛⎜ Φ CLAAS „
( jω ) = m a x ⎞⎟
⎝ y0ε ⎠
1
(6.126) 20 l o g 10 ≤ 0 , ∀ ω ≥ 0 .1 ω „ ,
1+ R DAS
(k DAS
, jω G ) „
( jω )

1
( jω )
„
(6.127) = Φ yDAS ≤ 1 , ∀ ω ≥ 0 .1 ω „ .
(k ) ( jω )
0
„ ε
1+ R
DAS DAS
, jω G

ISBN 954 438 500 2 191

 COMMANDE ROBUSTE

R* ( jω ) G ( jω )

R
DAS
(k DAS
, jω G ) ( jω )

Fig.6.12.a k
DAS
= 0.0001 ; k
DAS
= 0.001 ; k
DAS
= 0.01 ; k
DAS
= 0.1

(
a r g R DAS ( j ω ) G* ( j ω ) )
ar g R ( DAS
( jω ) G„ ( jω ))
ar g ( R* ( j ω ) G* ( j ω ) )

ar g ( R * ( j ω )G „
( jω ))

Fig.6.12.b

( jω )
„
Φ CLASS
y ε
0

Φ yCLASS
ε0 ( jω )

0 (
Φ yDASε k DAS , j ω ) ≡ Φ y ε
DAS „
0 (k DAS
, jω )

ω„

Fig.6.13
k DAS
= 0 .0001 ; k DAS
= 0 . 001 ; k DAS
= 0 . 01 ; k DAS
= 0 .1

ISBN 954 438 500 2 192

 COMMANDE ROBUSTE

La valeur de ω „ est déterminée en tant que solution de l’équation (6.128)

⎧⎪ d 1 d ⎫⎪
( )
„
(6.128) ⎨ ω „ ⇔ = Φ yCLAAS jω =0⎬ .
1 + R* ( j ω ) G„ ( )
0
jω
ε
⎪⎩ dω dω ⎪⎭

La détermination analytique de la valeur optimale k opt DAS

sous critère °module optimal°
est basée à la solution de l’équation (l’inéquation) (6.129) – algorithme de la deuxième méthode
pour la synthèse de DAS
−1
⎡ ⎡ DAS
⎤ ⎤
( ( ) ) G ( j ( 0 .1 ω ) )
k opt
⇔ ⎢ 1 + ⎢ R * j 0 .1 ω ⎥ ⎥
„ „
(6.129) k opt
DAS []
≤1 .
⎢
⎣
⎢⎣ Q CDAS2 ( j ( 0 .1 ω ) )
„
⎥⎦ ⎥
⎦

Pour le cas concret (Tableau 6.1), la valeur de ω „ (Fig.6.13) est ω „ =0.01 rad s .
L’algorithme (6.129) de la deuxième méthode détermine la valeur optimale de k DA S en
tant que k opt
DAS
„
=0.00065 .
ω = 0.01 rad s

Les résultats pour k opt

DAS
, obtenu avec les premières deux méthodes, sont très proches.
Evidemment le choix de k opt
DAS
obéit au principe de la ressemblance maximale entre les charac-
téristiques de R DAS ( j ω ) et de R * ( j ω ) . Le sens de ce principe est le suivant: la valeur opti-
male de k DAS est celle, qui garantit, pour un intervalle fréquentiel suffisamment large, l’exis-
tence de ressemblance entre a r g ( R DAS ( j ω ) ) et a r g ( R * ( j ω ) ) d’une part, et entre
R DAS
( jω ) et R* ( j ω
) d’autre. À droite cet intervalle est limité (6.130) par la fréquence
ω * (Fig.6.14) du point d’inflexion en a r g ( R * ( j ω ) ) et la fréquence ω * de l’extrêmum de
a r g ( R DAS ( j ω ) ) . À la base de tout cela, d’après l’algorithme de la troisième méthode, la va-
leur de k opt
DAS
est obtenue en tant que solution de (6.131) ou bien de l’équation (6.132), déter-
minantes la zone de ressemblance ( 10 − 3 ω * ÷ ω * ) des charactéristiques
⎧ d ⎫
⎪
(6.130) ω * ⇔ ⎨ d ω
(
a r g R DAS ( j ω ) = 0 ( )) ⎪
⎬ ,
⎪ ⎪
⎩ a r g ( R * ( j ω * ) ) =0 ⎭
⎧ DAS ⎫
⎪ k opt ⎪
(6.131) k DAS
⇔ ⎨ R* ( j ω ) < R* ( j ω ) −3
⎬ , ∀ ω > 10 ω * ,
( jω )
opt
⎪⎩ Q CDAS2 ⎪⎭

⎧ ⎛ ⎞ ⎫
⎪ ⎜ DAS ⎟ ⎪
⎪ ⎜
( ( ⎟
))⎪
d −3
k
(6.132) k opt
DAS
⇔⎨ ⎜ 20 l o g 10 R* j 10 ω* ⎟ =0 ⎬ .
⎪dk
⎜
DAS
⎛ ⎛ −3 ∗ ⎞ ⎞ ⎟ ⎪
⎜ 2 ⎜ j ⎜ 10
Q CDAS ω ⎟⎟ ⎟
⎪ ⎝ ⎝ ⎠ ⎠ ⎠ ⎪
⎩ ⎝ ⎭
Pour le cas concret, ω * = 0.275 rad s , la valeur du coefficient de poids conformément
au principe de la ressemblance maximale est k opt
DAS
= 0.0005 . Les résultats définitifs pour la so-
lution de la tâche de synthèse de DAS (Tableau 6.1) sont donnés par (6.133)
(5 p + 1 ) (2 p + 1 ) 0.00065
(6.133) R DAS ( p ) = 0 ,13 ⋅ .
( 5 p ) ( 0 ,4 p + 1 ) (p 3
+ 2p + p
2
)

ISBN 954 438 500 2 193

 COMMANDE ROBUSTE

R* ( jω )

R DAS
(k DAS
opt , jω )
10 −3 ω * ω*

Fig.6.14.a

ar g ( R* ( j ω ) )

( (
a r g R DAS k opt
DAS
, jω )) ω*

Fig.6.14.b

R* ( j ω )
ω*

ω*

R
DAS
(k DAS
opt , jω )

Fig.6.14.c

ISBN 954 438 500 2 194

 COMMANDE ROBUSTE

6.6.6. Analyse de la solution.

II. Étudier les indices de performance du système synthetisé. À la Fig.6.15 sont don-
nés en comparaison les charactéristiques du système classique non-perturbé, de celui, per-
turbé à la limite supérieure et de DAS (Tableau 6.1), synthétisés en tant que solution du pro-
blème avec modèle linéaire du procédé. Il est évident, que les critères utilisés pour la synthèse
sont satisfaits et que les indices de performance de DAS sont supérieures à ceux du système
classique CLASS .
( j ω ) ⇒ Φ νDAS ( jω )
„

système classique système avec absorption Φ νDAS

y y
système avec absorption
système classique
Φ yDASy ( j ω ) ⇒ Φ yDASy ( jω )
„

0 0

( j ω ) ⇒ Φ yCLASS ( jω ) ( j ω ) ⇒ Φ νCLASS ( jω )
„ „

Φ CLASS Φ νCLASS
y y
y0 y y 0

Fig.6.15.a Fig.6.15.b
système classique système avec absorption
système classique système avec absorption
„

Φ CLASS
y0ε
( p )⇒ Φ
CLASS
y0ε
( p ) Φ CLASS
y0 y
( jω ) Φ DAS
( jω )
0
y y

Φ CLASS „
y0 y
( jω ) Φ DAS
0
„
( jω )
y y

( p )⇒ Φ ( )
„
Φ DAS
y ε
0
DAS
y ε
0 p

Fig.6.15.c Fig.6.15.d
6.6.7. Performance de systèmes partiellement absorbants les perturba-
tions lors de la commande d’un procédé nonlinéaire.
Pour l’analyse de la performance et de l’efficacité de DAS pour la commande d’un pro-
cédé nonlinéaire sont donnés :
1. Le modèle nominal G (∗ μ ( p )= y ( p ) / μ ( p ) (5.53) dans un voisinage délimité
25% )

( ±5% ) du point de travail μ 25% de la charactéristique statique y = y ( μ ) du procédé non-

linéaire généralisé à minimum de phase G ( p , s , μ ) (Tableau 5.4, Tableau 6.3).
2. Le modèle G „ ( p ) = y ( p ) / μ ( p ) du procédé généralisé perturbé à la limite supé-
rieure (5.54) G ( p , s , μ ) (Tableau 5.4, Tableau 6.3).

La nonlinéairité du procédé G ( p , s , μ ) est obtenue avec l’introduction dans sa struc-

ture d’un modèle de la VA . Ici est utilisée la VALOG , modelisée avec charge hydraulique s , en
conditions d’exploitation normales, sans émission de bruit [99,100].

ISBN 954 438 500 2 195

 COMMANDE ROBUSTE

La synthèse de DA S pour la commande du modèle donné est effectuée suivant les éta-
pes I .1 ÷ I .4 , de manière analogique au cas de la synthèse de DAS avec modèle linéaire. On
prend en considération G (∗ μ ) ( p ) et G ( μ ) ( p ) . Le résultat de la synthèse est donné par
„

25% 95%

(6.133), les estimations de performance de DAS sont données dans le Tableau 6.4 et à la
Fig.6.18.

Tableau 6.3
s 1.00 0.6
μ ,% 25 % 95 %
l 0.25 0.95
k ob ( l , s ) 1.239 1.960
T ob 10, s 10, s
τ ob ( l , s ) 2, s 4, s
critère processus transitoire apériodique-critique processus transitoire apériodique-critique

−2 p
1 , 239 e
G ( μ 25% ) ( p ) =
∗ ∗
G ( μ 25% ) (5.53)
10 p + 1
−4 p
1.96 e
„
G ( μ 95% )
„
(5.54) G ( μ ) ( p )=
10 p + 1
95%

(5 p + 1) (2 p + 1)
R* (5.55) 0 ,13
( 5 p ) (0 ,4 p + 1 )
( 12 , 89 p + 1 ) ( 5 p + 1 )
R
„ (5.56) R„ ( p ) = 0 , 35
( 12 , 8 p ) ( p + 1 )
R ( p ) − R* ( p )
„

DF (5.57) DF ( p )= −
1 + R* ( p ) G* ( p )
2
(5.27) ∇ l ROB =
2 (
0.5 e 2 n ( 1− l ) − 1 )
∇l ROB
t ,VALOG t ,VALOG 2 n ( 1−l )
∇s t
nse

∇a tROB (5.30) ∇a tROB = c 0∗ ( d (y ) t d (lt )) −1

( p ) = 0.00065 ( p 3 + 2 p 2 ) −1
A DAS A DAS +p
(5 p + 1 ) (2 p + 1 ) 0.00065
DAS
(6.132)
DAS
( p ) = 0 ,13
R
(p )
R
( 5 p ) ( 0 ,4 p + 1 ) 3
+ 2p
2
+p

6.6.8. Analyse robuste.

Le système robuste synthétisé avec déviation minimale stabilisée et absorption partielle
DAS (5.275), (5.30), (5.55) ÷ (5.57), (6.132) (Fig.6.17.c) (Tableau 6.3) est modélisée.
La simulation des fonctions de sensibilité et de sensibilité complémentaire, aussi bien
que celle des conditions (2.66) (Fig.6.16), permettent l’analyse robuste du système, qui consiste
en la vérification si les exigences (2.66) sont satisfaites par le système conçu. Les résultats de
l’analyse sont donnés à la Fig.6.16.
Les résultats de la simulation des modèles font preuve de la stabilité et de la perfor-
mance robuste du système synthétisé.

ISBN 954 438 500 2 196

 COMMANDE ROBUSTE

DAS ( ω )
−1
η

lm ( ω ) < η DAS ( ω )
−1
,∀ ω
stabilité robuste

lm (ω )

Fig.6.16.a

η DAS (ω )lm (ω ) + e DAS (ω )y 0 <1 ,∀ω

performance robuste

η DAS (ω )lm (ω ) < 1, ∀ω

stabilité robuste

Fig.6.16.b

ISBN 954 438 500 2 197

 COMMANDE ROBUSTE

s (p)

vanne processus
automatique technologique
y 0
(p) ε (p) u (p) y (p)
R* (p) ∗
G TOTAL PLANT ( p , st , ξ t , u )

- kp ⇔
∗
G TOTAL ( p ) k ( p )= k
{ l =l }
opt ∗
PLANT TOTAL PLANT TOTAL PLANT 1
0 , s = s ∗0

modèle du régulateur classique modèle nominal

avec paramètres fixes du procédé généralise
(linéaire) (linéaire)

système nominal
Fig.6.17.a
s (p) ξ (p)

vanne processus
automatique technologique
y 0
(p) ε (p) u (p) y (p)
R* (p) G TOTAL PLANT ( p , st , ξt , u )

- kp ⇔
∗
G TOTAL ( p )
{ l =l }
opt ∗
PLANT
0 , s = s ∗0

modèle du régulateur classique k TOTAL PLANT ( p, s t , ξ t , y t0 )

avec paramètres fixes procédé généralise

Fig.6.17.b système classique

s (p) ξ (p)
vanne processus
automatique technologique
y
0
(p) ε(p) y (p)
R* (p) A( p ) G TOTAL PLANT ( p , st , ξ t , u )

- kp ⇔ ∗
G TOTAL ( p )
(p)
( p, s )
{ l =l }
opt PLANT
∗
0 , s=s 0
∗
u
R
DAS
(p) k TOTAL PLANT t , ξ t , y t0

régulateur classique filtre absorbant

avec paramètres fixes les perturbations

régulateur partiellement absorbant

procédé généralise
les perturbations
Fig.6.17.c système partiellement absorbant les perturbations
s (p) ξ (p)

algorithme pour la stabilisation de kl

∇ll = u 2
∇ (p)
P0 (p) ks
(p)
∇l ( p )= ∇s (p) u2
kl vanne processus

y
0
(p) ε (p) u1 (p)
automatique technologique
y (p)
kp R* (p) G1 ( p , st ) G2 ( p,ξt )
- X

u0 (p) u (p) q (p)

f ( Ti , Td ) A
DAS
(p) u ( p )= u1 ( p , ∇a ) + u 2 (p)
R
DAS
(p) kl k PLANT
−1
⎛ y( p)⎞
∇a ( p ) = c o∗ ⎜ ⎟ k TOTAL = k ob
∇a (p) ⎜ u( p)⎟
⎝ ⎠
PLANT

algorithme pour la stabilisation de kSYS

G ( p , st , ξ t )
régulateur à compensation paramétrique
partiellement absorbant les perturbations et procédé généralise
stabilisation combinée

système à compensation paramétrique partiellement absorbant les

perturbations et stabilisation combinée
−1 −1
PO ⎛ P 0 − P1 ⎞ ⎛ Δ P1 lin ⎞
A1 s1 = ⎜ +1⎟ = ⎜ +1⎟
⎜ P −P ⎟ ⎜ ΔP ⎟
⎝ 1 ⎠ ⎝ ⎠
−1
⎛ P − P1 ( t ) ⎛ Δ Plin ( t ) ⎞⎟
−1
2 1
0
⎞
st = ⎜ ⎟
−1 −1

= ⎜
P1 P2 ⎛ P 0 − P3 ⎞ ⎛ Δ P2 lin ⎞
+1 A2 s2 = ⎜
⎜ P −P
+1⎟
⎟
= ⎜
⎜ ΔP
+1⎟
⎟
⎜ P ( t )− P ( t ) ⎟ ⎜ ΔP (t ) ⎟⎠
⎝ 3 ⎠ ⎝ ⎠

Fig.6.17.d
4 2

⎝ 1 2 ⎠ ⎝ VA P3 P4 ⎛ P 0 − P5 ⎞
−1
⎛ Δ P3 lin ⎞
−1

s3 = ⎜ +1⎟ = ⎜ +1⎟
Δ PVA ( t )
A3 ⎜ P −P ⎟ ⎜ ΔP ⎟
⎝ 5 6 ⎠ ⎝ 3 ⎠

st = P5 P6 ⎛ P 0 − P7
s4 = ⎜
⎞
+1⎟
−1
⎛ Δ P4 lin
= ⎜
⎞
+1⎟
−1

Δ PVA max A4 ⎜
⎝ P7 − P8
⎟
⎠
⎜
⎝ Δ P4
⎟
⎠

P7 P8

ISBN 954 438 500 2 198

 COMMANDE ROBUSTE

s (p) ξ (p)

régulateur classique filtre absorbant vanne processus

avec paramètres fixes les perturbations automatique technologique

y 0
(p) ε (p) u1 (p) y (p)
R* (p) A
DAS
(p) G1 ( p , st ) G2 ( p,ξt )
- R DAS (p) u ( p )= l ( p ) q (p)
(p) u2 (p)
G*
ε* (p) (
k TOTAL PLANT p , s t , ξ t , y t0 )
DF (p)
( p , st , ξ t )
- G

régulateur robuste partiellement

absorbant les perturbations
pour déviation minimale de procédé généralise
la trajectoire nominale

système robuste partiellement absorbant les perturbations et

déviation minimale de la trajectoire nominale Fig.6.17.e

s (p) ξ (p)

algorithme pour la stabilisation de kl

∇l = u 2 (p)
P
0
(p)
∇l ( p )=
ks
∇s (p) u2 (p)
kl vanne processus
automatique technologique
y
0
( p )ε ( p ) u1 (p) y (p)
kp R* (p) G1 ( p , st ) G2 ( p,ξt )
- u0 (p)
X

u (p) q (p)

f ( Ti , Td ) A DAS (p) u ( p ) = u1 ( p , ∇a ) + u 2 ( p )+ u 3 ( p )
R
DAS
(p) kl k PLANT

(p) k TOTAL = k ob
G* u3 (p) PLANT

DF (p)
G ( p , st , ξ t )
( p ) ⎞⎟ − 1
⎛ y
∇a ( p ) = c o∗ ⎜⎜ ⎟
∇a (p) ⎝u( p)⎠

algorithme pour la stabilisation de kSYS

régulateur à compensation paramétrique
partiellement absorbant les perturbations procédé généralise
et stabilisation combinée

système à compensation paramétrique partiellement absorbant les

perturbations et stabilisation combinée Fig.6.17.f
−1 −1
PO ⎛ P 0 − P1 ⎞ ⎛ Δ P1 lin ⎞
A1 s1 = ⎜ +1⎟ = ⎜ +1⎟
⎜ P −P ⎟ ⎜ ΔP ⎟
⎝ 1 ⎠ ⎝ ⎠
−1
⎛ P 0 − P1 ( t ) ⎛ Δ Plin ( t ) ⎞⎟
−1
2 1

⎞
st = ⎜ ⎟
−1 −1

= ⎜
P1 P2 ⎛ P − P3 0
⎞ ⎛ Δ P2 lin ⎞
+1 A2 s2 = ⎜
⎜ P −P
+1⎟
⎟
= ⎜
⎜
+1⎟
⎟
⎜ P ( t )− P ( t ) ⎟ ⎜ ΔP (t ) ⎟⎠
⎝ 3 4 ⎠ ⎝ Δ P2 ⎠

⎝ 1 2 ⎠ ⎝ VA P3 P4 ⎛ P 0 − P5 ⎞
−1
⎛ Δ P3 lin ⎞
−1

s3 = ⎜ +1⎟ = ⎜ +1⎟
Δ PVA ( t )
A3 ⎜ ⎟ ⎜ ⎟
⎝ P5 − P6 ⎠ ⎝ Δ P3 ⎠

st = P5 P6 ⎛ P 0 − P7
s4 = ⎜
⎞
+1⎟
−1
⎛ Δ P4 lin
= ⎜
⎞
+1⎟
−1

Δ PVA max A4 ⎜
⎝ P7 − P8
⎟
⎠
⎜
⎝ Δ P4
⎟
⎠

P7 P8

6.6.9. Systèmes à compensation paramétirque, partiellement

absorbants les perturbations.
Les résultats de analyse de performance, aussi pour la commande d’un procédé nonli-
néaire, confirment l’effet positif de l’application des DAS . C’est pourquoi, en [99,100] est
considéré une nouvelle structure de systèmes à compensation paramétirque, partiellement ab-
sorbant les perturbations PCS 3 (Fig.6.17.d), qui diffère des systèmes connus par la présence,
a part le régulateur de base R * ( p ) , des modules pour la compensation des fluctuations pa-
ramétriques, engendrés par la charge s t de la VA (5.46) avec ∇l t (5.27) pour la stabilisation de
k l ( t ) et avec ∇a t (5.30) pour la stabilisation de k SYS ( t ) (Fig.3.19), d’un filtre absorbant les
perturbations A DAS ( p ) , analogique à celui dans la structure de DAS (Fig.6.17.c).

ISBN 954 438 500 2 199

 COMMANDE ROBUSTE

L’absorbateur et le régulateur de base forment le régulateur partiellement absorbant les

perturbations R DAS ( p ) . La combinaison des principes d’absorption de la perturbation et de la
variation planifiée des paramètres du système suivant les facteurs du régime en conditions
d’incertitude, a un grand effet positif.
La charge s t est une des sources principales de modulation des perturbations paramé-
triques dans le procédé généralisé. On peut réaliser une procedure, vu que s t est une grandeur
mesurable dans les systèmes, où la variable de régulation est le flux commandé de fluide (com-
bustible, porteur d’énérgie, matière traitée, matière première). Les indices généralisés de perfor-
mance de PCS 3 sont supérieurs à ceux de PCS 2 et de DAS .

Les relations de base lors de la synthèse de PCS 3 sont les suivantes:

Pour une structure connue (Fig.6.17.d), la tâche pour la synthèse de PCS 3 est ramenée
à la conception des modules pour la formation de ∇l t , ∇a t et de R DAS ( p ) . La solution doit
satisfaire au conditions de: valeur constante du coefficient de transfert de la VA ; valeur cons-
tante du coefficient de transfert du système; absorption des perturbations à la base de leur mo-
dèle à structure d’onde et des problèmes locaux liés au critère local de performance. Pour la
synthèse analytique de systèmes à compensation paramétirque, partiellement absorbants les
perturbations en [99,100] on utilise :
- la méthode de synthèse analytique de systèmes à compensation paramétirque, partiel-
lement absorbants les perturbations sous critère de performance complexe, qui
comprend;
- la méthode de équation de compensation de la balance paramétrique (5.8), (5.17-3)
sous le critère °valeur constante des coefficients de transfert du système° (5.24),
(5.25), (5.29) avec algorithme (5.26), (5.27), (5.30);
- la méthode de l’équation de balance d’absorption de la perturbation (5.12) sous critère
°égalité des marges de stabilité° (6.124) avec algorithme (6.125); (ou bien critère
°module optimal° (6.126) avec algorithme (6.129), ou bien critère °ressemblance
maximale° avec algorithme (6.131)).

Les conditions initiales pour la synthèse suivant la méthode proposée sont de connaître
a priori:

- le modèle nominal G * ( p ) (6.53) dans un voisinage délimité autour du point de travail

dans la charactéristique statique et le critère local de performance;

- le modèle G „ ( p ) (6.54) du procédé généralisé perturbé à la limite supérieure pour le

[
cas d’incertitude a priori dans l’ensemble Π ∈ G * , G „ ;]
- la valeur maximale de la perturbation paramétrique l ;

- la trend de la variable réglable du système en conditions d’exploitation ou bien une in-

formation a priori pour la structure d’onde de la perturbation;

- la type de la VA utilisée dans le procédé généralisé (vanne automatique a caractéristi-

que linéaire VALIN ou vanne automatique a caractéristique logarithmique res-
pectivement VALOG ).

ISBN 954 438 500 2 200

 COMMANDE ROBUSTE

La conception des variables de compensation ∇l t et ∇a t d’une part et du régulateur

partiellement absorbant les perturbations R DAS ( p ) d’aute, ne représentent pas une procédure
entreconnectée.
L’algorithme de cette méthode suit les étapes de conception:
1. du régulateur de base R * ( p ) , correspondant au modèle du procédé G * ( p )
(conformément aux critères d’optimalité) selon des méthodes connues.
2. des variables de compensation ∇l t (5.27) et ∇a t selon (5.30) le type de VA .
3. du modèle à structure d’onde de la perturbation.
3.a. choix de base fonctionnelle convenable (6.104) (Tableau 6.2).
3.b. détermination du modèle à structure d’onde avec l’équation différentielle
décrivant la perturbation à structure d’onde (6.106).
4. de l’absorbateur des perturbations A DAS ( p ) à structure d’onde en PCS
3
(6.109).
5. du régulateur partiellement absorbant les perturbations R DAS ( p ) en PCS
3

(6.120) ÷ (6.131).

6.6.10. Systèmes robustes avec déviation minimale et stabilisée de la

trajectoire nominale, partiellement absorbants les perturbations.
Le contenu de & 6.6.9 est une raison pour la considération en [99,100] de nouvelles
structures de systèmes robustes avec déviation minimale et stabilisée de la trajectoire nomi-
nale, partiellement absorbants les perturbations ROB 3 , ROB 4 , qui diffèrent des structures
connues préalablement (Fig.6.17.e, Fig.6.17.f) par l’existence, a part le régulateur de base
R * ( p ) , le retour conditionnel (ou bien les modules de compensation paramétrique des fluc-
tuations paramétriques avec ∇l t et avec ∇a t , modulée par la charge s t de la VA ), d’un filtre
A DAS ( p ) , absorbant les perturbations, analogique à la structure DAS (Fig.6.17.c).
L’absorbateur et le régulateur de base forment le régulateur partiellement absorbant les
perturbations R DAS ( p ) . Les indices généralisés de performance de ces nouveaux systèmes
sont meilleurs à ceux de ROB 1 et de DAS .
La combinaison du principe du retour conditionnel (ou bien de la variation planifiée des
paramètres du système suivant des facteurs du régime mesurables en conditions d’incertitude)
et du principe d’absorption de la perturbation, est d’un grand effet positif.
Les relations principales pour la synthèse de ROB 3 , ROB 4 sont les suivantes:
Pour une structure connue (Fig.6.17.e), la tâche de synthèse de ROB 3 est ramenée à la
conception du filtre dynamique D F et du régulateur partiellement absorbant les perturbations
R DAS
( p ) . La solution doit satisfaire aux exigences pour: stabilité robuste; performance ro-
buste; absorption des perturbations à la base de leur modèle à structure d’onde et des problè-
mes locaux posés, liés au critère technologique d’optimalité critère local de performance.
Pour la synthèse analytique des systèmes robustes avec déviation minimale et stabili-
sée de la trajectoire optimale, partiellement absorbant les perturbations en [99,100], est utilisée
une:

ISBN 954 438 500 2 201

 COMMANDE ROBUSTE

- méthode de synthèse analytique de systèmes robustes avec déviation minimale et sta-

bilisée de la trajectoire optimale, partiellement absorbant les perturbations sous
critère complexe de performance, qui comprend:
- méthode de l’équation de balance pour la synthèse analytique de systèmes robustes
avec déviation minimale de la trajectoire nominale (suivant une structure connue)
sous critère °déviation minimale et stabilité robuste° (3.41) et algorithme (3.46),
réalisant la méthode [99,100];
- méthode de l’équation de compensation de la balance paramétrique (5.8), (5.17-3) avec
le critère de °valeur constante des coefficients de transfert du système° (5.24),
(5.25), (5.29) avec algorithme (5.26), (5.27), (5.30);
- méthode de l’équation de balance d’absorption de la perturbation (6.12) sous critère
°égalité des les marges de stabilité° (6.124) avec algorithme (6.125); (ou bien cri-
tère °module optimal° (6.126) avec algorithme (6.129), ou bien critère °ressem-
blance maximale° avec algorithme (6.131) ).

Les conditions initiales de la synthèse comprennent la connaissance a priori:

- du modèle nominal G * ( p ) (6.53) dans un voisinage délimité du point de travail de la
caractéristique statique;
- du modèle G „ ( p ) (6.54) du procédé généralisé perturbé à la limite supérieure en
[
conditions d’incertitude dans l’ensemble Π ∈ G * , G „ ; ]
- de la valeur maximale de la perturbation paramétrique l ;

- du trend de la grandeur réglable dans le système en conditions d’exploitation ou bien

une information a priori pour la structure d’onde de la perturbation.
La conception de la filtre dynamyque D F (ou bien des variables de compensation ∇l et
∇a ) d’une part et du régulateur partiellement absorbant les perturbations R DAS
( p ) d’autre,
ne représentent pas une procédure interconnectée. L’algorithme de cette méthode suit les éta-
pes de conception:
1. du régulateur de base R * ( p ) et régulateur «hypotetique» R „ ( p ) , correspondants
aux modèles du procédé G * ( p ) et G „ ( p ) (suivant les critères technologiques d’optimalité),
suivant des méthodes connues.
2. du filtre dynamique D F ( p ) (3.46).
3. des variables ∇l (5.27) et ∇a (5.30), suivant le type de VA (seulement pour ROB 4 ).
4. du modèle à structure d’onde de la perturbation.
4.a. choix d’une base fonctionnelle convenable (6.104) à partir du Tableau 6.2.
4.b. détermination du modèle à structure d’onde avec l’équation différentielle, ex-
primante la perturbation à structure d’onde (6.106).
5. de l’absorbateur des perturbations A DAS ( p ) à structure d’onde en ROB (6.109).
3

6. du régulateur partiellement absorbant les perturbations R DAS ( p ) en ROB 3

(6.121) ÷ (6.129).

ISBN 954 438 500 2 202

 COMMANDE ROBUSTE

6.6.11. Estimation de la performance des systèmes partiellement ab-

sorbants les perturbations.

Pour l’analyse des propriétés et l’estimation de l’effet des systèmes partiellement absor-
bants les perturbations pour la commande (la stabilisation) du modèle non-linéaire donné
(Tableau 5.4), sont conçus et modelés DAS , ROB 3 , ROB 4 , PCS 3 et les correspondants sys-
tèmes classique CLASS et nominal NOM (Fig.6.17) avec les données de Tableau 6.3.
L’analyse comparative (Tableau 6.4) est effectuée sur les résultats (Fig.6.18) de la simu-
lation parallèle des modèles de ces systèmes sous l’action généralisée ϑ ( t ) (6.134) et les es-
timations quantitatives sont données dans le Tableau 6.4

⎧
⎪⎪ ϑ ( t ) =
⎧⎪
⎨
[s ( t ) ξ (t ) yo (t ) ] − pour des systèmes analyses ⎫⎪
T

⎬
(6.134) ⎨ ⎪⎩ [s ( t ) 0(t ) y o ( t ) ] − pour des systèmes nominales ⎪⎭ .
T

⎪
(
⎩⎪ 0 ≤ s ( t ) ≤ 1 , 10% ≤ y o ( t ) ≤ 90% d' echelle , ξ = l a = G „ − G ∗ )
Les estimations intégrales de DAS , ROB 3 , ROB 4 et de PCS 3 pour la déviation dimi-
nuée de la trajectoire nominale et pour la précision dynamique augmentée sous l’effet de
ϑ ( t ) (6.134), confirment les avantages en performance des systèmes partiellement absor-
bants les perturbations devant le système classique.
La comparaison des résultats, généralisés en Tableau 6.4 et ceux de Tableau 5.4, fait
preuve de la supériorité en performance des systèmes robustes partiellement absorbants les
perturbations ROB 3 , ROB 4 par rapport aux systèmes robustes avec déviation minimale
ROB , ROB .
1 2

Ces comparaisons démontrent l’effet positif de l’élargissement des classes de systèmes

robustes et à compensation paramétrique, par l’introduction d’un absorbateur des pertur-
bations dans leurs structures.

Tableau 6.4
systèmes, estimés par la dévia- estimation de déviation estimation de précision
tion de la trajectoire nominale diminuée augmentée

et par précision en comparai-

son avec le système classique [ e) ] 2 [ e) ] 4

DAS ≤ 35 % ≤ 20 fois

ROB
3
≤ 45 % ≤ 34 fois

PCS
3
≤ 73 % ≤ 45 fois

ISBN 954 438 500 2 203

 COMMANDE ROBUSTE

3 4 3
NOM CLASS DAS ROB ROB PCS
y ,y ,y ,y ,y ,y
y0 , ξ, s

Fig.6.18.a

[ e) ] 2
ROB 4

3
PCS

3
ROB

DAS

Fig.6.18.b

[ e) ] 4 ROB
4

3
PCS
3
ROB

Fig.6.18.c
DAS

6.7. Système partiellement absorbant les perturbations pour la com-

mande de la température de vapeur surchauffée.
Le système absorbant les perturbations pour la commande de la température Θ de va-
peur surchauffée est avec consigne dans l’intervalle 480 o C ≤ y 0 ≤ 540 o C . Le schéma tech-
nologique de la chaudière en tambour pour la préparation de la vapeur surchauffée pour en di-
rection de la turbine dans la centrale thermique Pernik est donnée à Fig.5.33. La grandeur de

ISBN 954 438 500 2 204

 COMMANDE ROBUSTE

commande (Fig.5.34) est le débit Q d’eau d’alimentation entre le 1er et le 2nd point d’injection de
l’installation. La détermination des paramètres du procédé généralisé de commande est don-
née à Fig.5.35. La Fig.6.19 relève un trend typique de la température, commandée par un sys-
tème classique (Tableau 6.5). Les résultats de l’approximation par l’équation semi-déterminée,
ainsi que la caractéristique de l’absorbateur (Tableau 6.5) sont donnés à Fig.6.20. La Fig.6.21
représente le trend de la température stabilisée par le système classique et les résultats de la
simulation des modèles synthétisés de CLASS et DAS pour la commande de Θ en conditions
le plus proches possible à celles de production. Les avantages de DAS par rapport au système
classique sont évidents Fig.6.21.

360 mm/h

360 mm

Fig.6.19.a

450 o C

360 mm/h

500 o C
CL A S S
Θ vapeur
surchauffée

550 o C 900 sec 1800 sec 3600 sec

Fig.6.19.b

ISBN 954 438 500 2 205

 COMMANDE ROBUSTE

0 800 1600 2400 3200 4000

450
Θ vapeur { f ( t ) } = {1 , e
i
−α t
}
( t ) = c 1 + c 2 e −α t
surchauffée
f
d ξ dξ
2

2
+α =ν ( t )
dt dt
500

A DAS
( jω )

550

Fig.6.20

Tableau 6.5
conditions initiales pour la synthèse
−70 , 70 sec p −1 , 178 min p
1 , 2133e 1 , 2133e
G* ( p ) с VALOG G* ( p ) = = O
C/%
102 ,074 sec p + 1 1 ,70 min p + 1
−90 , 70 sec p −1 , 52 min p
1 , 812e 1 , 812e
G „
( p ) с VALOG G „
( p )= = O
C/%
102 ,074 sec p + 1 1 ,70 min p + 1
paramètres du systeme synthétisé DAS
algorithme (77 ,0077 p + 1 ) ( 127 , 2293 p + 1 )
R* ( p ) R * ( p ) = 0 ,143755
de base
(77 ,0077 p ) ( 25 , 44 p + 1 )
( p ) = 0.000332 (12 p 2 + p )
−1
A
DAS
(p) A DAS
( 77 ,0077 p + 1 ) ( 127 , 2293 p + 1 ) 0.000332
(p)
DAS
( p ) = 0 ,143755
(12 p )
DAS R
R ( 77 ,0077 p ) ( 25 ,44 p + 1 ) 2
+p

Fig.6.21.a

450 o C
Θ vapeur
surchauffée
o
500 C

550 o C
1800 sec 3 6 0 0 sec 5 4 0 0 sec 7 2 0 0 se c

ISBN 954 438 500 2 206

 COMMANDE ROBUSTE

Θ , % d ' echelle
vapeur
surchauffée
CLASS

DAS

Fig.6.21.b
6.8. Conclusions.
Les problèmes considérés sont ceux de: spécification des applications possibles de la
théorie d’absorption des perturbations; synthèse robuste et analyse comparative de: systèmes,
absorbant les perturbations; systèmes à compensation paramétrique, partiellement absorbants
les perturbations; systèmes robustes avec déviation minimale de la trajectoire nominale, par-
tiellement absorbants les perturbations; systèmes robustes avec déviation stabilisée de la
trajectoire nominale, partiellement absorbants les perturbations. Les solutions de ces problè-
mes représentent une originalité en termes de contre-réaction efficace aux perturbations en
conditions d'incertitude.
Pour la synthèse analytique de DAS pour la commande de procédés à minimum de
phase en [99,100], sont utilisées:
- la méthode de l’équation de balance d’absorption de la perturbation (6.12) sous critère
°égalité des les marges de stabilité° (6.124) avec algorithme (6.125) pour la cor-
rection fréquentielle des caractéristiques du système en boucle ouverte DAS ;
- la méthode de l’équation de balance d’absorption de la perturbation (6.12) sous critère
°module optimal° (6.126) avec algorithme (6.129) pour la correction fréquentielle
selon les caractéristiques du système en boucle fermée DAS ;
- la méthode de l’équation de balance d’absorption de la perturbation (6.12) sous critère
°ressemblance maximale° avec algorithme (6.131) pour la correction fréquen-
tielle selon les caractéristiques du système en boucle fermée DAS ;
- la méthode et l’algorithme pour la détermination d’une base fonctionnelle
d’approximation pour la conception du modèle à structure d’onde de la perturba-
tion, illustrée dans le Tableau 6.2.

En tant qu’élargissement de la classe DAS , en [99,100], sont considérés aussi:

- la structure d’une nouvelle classe de systèmes à compensation paramétrique, absor-
bant les perturbations PCS 3 (Fig.6.17.d) [99,100], qui diffère des structures
connues, par la présence, a part le régulateur de base R * ( p ) et les modules de
compensation paramétrique des fluctuations paramétriques, d'un filtre absorbant
les perturbations A DAS ( p ) ;
- la méthode pour la synthèse analytique de systèmes à compensation paramétrique,
partiellement absorbants les perturbations sous critère complexe de perfor-
mance [99,100], qui comprend;

ISBN 954 438 500 2 207

 COMMANDE ROBUSTE

- la méthode de équation de compensation de la balance paramétrique (5.8), (5.17-3)

avec le critère de °valeur constante des coefficients de transfert du système°
(5.24), (5.25), (5.29) avec algorithme (5.26), (5.27), (5.30);
- la méthode de l’équation de balance d’absorption de la perturbation (6.12) sous critère
°égalité des les marges de stabilité° (6.124) avec algorithme (6.125); (ou bien cri-
tère °module optimal° (6.126) avec algorithme (6.129), ou bien critère °ressem-
blance maximale° avec algorithme (6.131));
- la structure d’une nouvelle classe de systèmes robustes avec déviation minimale et
stabilisée de la trajectoire nominale, partiellement absorbants les perturbations
ROB 3 , ROB 4 (Fig.6.17.e, Fig.6.17.f) [99,100], qui diffèrent des connus par la pré-
sence, a part le régulateur de base R * ( p ) et le retour conditionnel (ou bien les
modules de compensation des fluctuations paramétriques), un filtre absorbant
les perturbations A DAS ( p ) ;
- la méthode pour la synthèse analytique de systèmes robustes avec déviation minimale
et stabilisée de la trajectoire nominale, partiellement absorbants les perturba-
tions sous critère complexe de performance [99,100], qui comprend;
- la méthode de l’équation de balance pour la synthèse analytique de systèmes robustes
avec déviation minimale de la trajectoire nominale (selon une structure connue)
sous critère °déviation minimale et stabilité robuste° (3.41), et algorithme (3.46),
réalisant la méthode [99];
- la méthode de équation de compensation de la balance paramétrique (5.8), (5.17-3)
avec le critère de °valeur constante des coefficients de transfert du système°
(5.24), (5.25), (5.29) avec algorithme (5.26), (5.27), (5.30);
- la méthode de l’équation de balance d’absorption de la perturbation (6.12) sous critère
°égalité des les marges de stabilité° (6.124) avec algorithme (6.125) (ou bien cri-
tère °module optimal° (6.126) avec algorithme (6.129), ou bien critère °ressem-
blance maximale° avec algorithme (6.131)).
Les méthodes fréquentielles considérées sont pour la synthèse de systèmes dans la
classe Disturbance Absorbing System, pour la commande de procédés à minimum de phase
par un réglage à caractère plat / lisse. Leur différence par rapport aux méthodes connues dans
la littérature [1,3,4,8,9,11,12,14 ÷ 22,24 ÷ 29,31,33,35,37 ÷ 41,43 ÷ 51,54 ÷ 57,62 ÷ 64,66,67,69 ÷ 73,
81,82,86 ÷ 88,90,91,94,97,117,120 ÷ 125,127,130 ÷ 132], est dans la synthèse de deux composan-
tes de la commande, qui sont le modèle nominal du procédé et le retour conditionnel, dans
l'utilisation de chaînes à compensation paramétrique pour l’augmentation de l’efficacité des
systèmes synthétisés en conditions d’incertitude, à l’aide d’une variation planifiée des paramè-
tres, suivant des facteurs du régime dans la classe de Gain Scheduled Control Systems.
En tant qu’une approche possible de contre-réaction aux perturbations, les résultats
sont applicables pour la commande de procédés à minimum de phase en conditions
d’incertitude a priori avec modèle nominal donné (connu), aussi bien que dans les cas avec
vecteur mesurable de la perturbation, quand cette dernière génère une modulation paramétri-
que lente dans les caractéristiques et la commande est réalisée par un réglage à caractère plat /
lisse.
Des problèmes concrets d’application avec des exemples numériques et industriels sont
considérés; les domaines d’application des méthodes et algorithmes de conception sont analy-
sés; avec les résultats de l’analyse robuste est prouvée la performance désirée des systèmes,
absorbant les perturbations; l’efficacité et l’apptitude des solutions sont confirmées par simula-
tion; les solutions des problèmes posés sont soumises à une analyse comparative à travers la
simulation des modèles développés et des actions généralisées de l’environnement industriel.

ISBN 954 438 500 2 208

 COMMANDE ROBUSTE

BIBLIOGRAPHIE

1. Ackermann J., D. Kaesbauer, R. Muench (1991), Robust gamma-stability analy-

sis in a plant parameter space. Automatica, 27, 75-78
2. Ackermann J., H. Hu (1991), Robustness of sampled-data control systems with un-
certain physical plant parameters, Automatica, 27, 705-710
3. Ackermann J., H. Z. Hu, D. Kaesbauer (1990), Robustness analysis: a case study,
IEEE Trans. Aut. Control, AC-35, 352-356
4. Anderson B. D. O., E. I. Jury, M. Mansour (1987), On robust Hurwitz polynomials,
IEEE Trans. Aut. Control, AC-32, 909-913
5. Arkun, Y., J. Hollett, W. Canney, M. Morari (1986), Experimental study of internal
model control, Ind. Eng. Chem. Process Des. Dev., 25, 102-108
6. Åström K., (1983), Theory and applications of adaptive control - A survey, Auto-
matica,19, No 5, 471-486
7. Åström, K., B. Wittenmark (1984), Computer controlled systems: Theory and design,
©Prentice-Hall, Englewood Cliffs, NJ
8. Bahnasavi A. A., M. S. Mahmoud (1989), Control of partially-known dynamical
systems, Lecture Notes in Control and Information Sciences, Vol. 124. ©Springer-
Verlag, Berlin
9. Balakrishnan V., S. Boyd, S. Balemi (1991), Branch and bound algorithm for com-
puting the minimum stability degree of parameter-dependent linear systems, Int. J. of
Robust and Nonlinear Control, 1, 295-317
10. Banach A., W. Baumann (1990), Gain-scheduled control of partial differential
equations, In: Proceedings of the 29th Conference on Decision and Control, 387-
392
11. Barmish B. R., R. Tempo (1991), On the spectral set for a family of polynomials,
IEEE Trans. Aut. Control, AC-36, 111-115
12. Barmish B. R., Z. Shi (1990), Robust stability of a class of ploynomials with coeffi-
cients depending multilinearly on perturbations, IEEE Trans. Aut. Control, AC-35,
1040-1043
13. Baumann W. (1988), Feedback control of multiinput nonlinear systems by extended
linearization, IEEE Trans. Aut. Control, vol. 33, N0 2, 193-197
14. Bernstein D. S., C. V. Hollot (1989), Robust stability for sampled data control sys-
tems, Systems and Control Letters, 13,217-226
15. Bernstein D. S., W. M. Haddad (1989), Robust stability and performance analysis
for linear dynamic systems, IEEE Trans. Aut. Control, AC-34, 751-758
16. Bernstein D. S., W. M. Haddad (1990), Robust stability and performance via fixed-
order dynamic compensation with guaranteed cost bounds, Mathematics of Control,
Signal Systems, 3, 139-163
17. Bernussou J. (1996), Commande robuste - développements et application, ©Hermès
(Traité des Nouvelles Technologies - Série Automatique), Paris, 1996, 382 p.

ISBN 954 438 500 2 209

 COMMANDE ROBUSTE

18. Bernussou J., P. L. D. Peres, J. C. Geromel (1989), A linear programming ori-

ented procedure for quadratic stabilization of uncertain systems, Systems and Con-
trol letters, (1989)13, 65-72
19. Bhattacharyya S. P. (1987), Robust stabilization against structured perturbations,
Lecture Notes in Control and Information Sciences, Vol. 99, ©Springer-Verlag,
Berlin
20. Bhattacharyya S. P., L. H. Keel (Eds) (1991), Control of Uncertain Dynamic Sys-
tems, ©CRC Press, London
21. Boykin T. D., C. D. Johnson (1995), A Generalized Solution Expression for Linear,
Homogeneous, Constant-Coefficient Difference Equations, Journal of the Franklin
Institute, Vol. 332 B, No. 2, pp. 227-235
22. Bukley A. P., C. D. Johnson (1998), Complexity Mitigation by Active Control, In:
Proc. 1998 AIAA Guidance, Navigation and Control Conference, paper #AIAA-
98-4514, Boston, August 1998, p. 1956
23. Carter L., J. S. Shamma (1996), Gain-scheduled bank-to-turn autopilot design us-
ing linear parameter varying transformations, Journal of Guidance, Control, and
Dynamics, 19(5), 1056-106
24. Chang B. C., O. Ekdal, H. H. Yeh, S. S. Banda (1991), Computation of the real
structured singular value via polytopic polynomials, J. of Guidance, Control and
Dynamics,14, 140-147
25. Chang J. (1991), Robust finite settling time stabilization of discrete time system with
structured uncertainty, Systems and Control Letters, 16, 49-58
26. Chang K. C., H. C. Lu (1990), Robust stabilization for multivariable systems with
constrained control: frequency domain approach, Mathematics of Control, Signal
Systems, 3, 81-96
27. Chen B. S., C. L. Lin (1989), Robust controllers for multivariable model-matching
systems, Int. J. Control, 50, 1717-1730
28. Chen B. S., W. S. You (1987), Robust stabilization in an observer-controller feed-
back system under nonlinear time-varying perturbations or unmodeled dynamics,
IEEE Trans. Aut. Control, AC-32, 1131-1135
29. Chen C. L., N. Munro (1991), Calculation of the largest generalized stability hyper-
sphere in the robust stability problem for the maximum settling-time and minimum
damping-ratio cases, IEEE Trans. Aut. Control, AC-36, 756-759
30. Chen D., Dale E. Seborg (2003), Design of decentralized PI control systems based
on Nyquist stability analysis, Journal of Process Control 13 (2003) 27-39
31. Chen Y. H. (1990), Robust control system design: non-adaptive versus adaptive, Int.
J. Control, 51, 1457-1477
32. Chen, B. M., A. Saberi, P. Sannuti (1991), A new stable compensator recovery,
Automatica, 27, 257-277
33. Chien C. M., B. C. Wang (1990), Design technique for a SISO system with uncer-
tain nonminimum-phase plant, IEEE Proceedings, Part D, 137, 381-384

ISBN 954 438 500 2 210

 COMMANDE ROBUSTE

34. Costa E. F., Vilma A. Oliveira (2002), Gain scheduled controllers for dynamic sys-
tems using sector nonlinearities, Automatica, Volume 38, Issue 7, July 2002, pp.
1247-1250
35. Curtain R. F. (1991), State space approaches to H ∞ -control for infinite-dimensional
linear systems, In: Proc. Conf. Robust Control System Design Using H ∞ and Re-
lated Methods, 21-22 March, Cambridge, U. K.
36. Cutler C., B. Ramaker (1979), Dynamic matrix control - A computer control algo-
rithm, AIChE National Mtg., Houston, TX
37. D'Azzo J. J., C. H. Houpis (1988), Linear Control System Analysis and Design:
Conventional and Modern, (3rd ed.), © McGrow-Hill, New York.
38. Desoer C. A., A. N. Gundes (1986), Decoupling Linear Multi-Input Multi-Output
Plants by Dynamic Output Feedback, IEEE Trans. Autom. Control, AC-31, 744-750
39. Desoer C. A., C. A. Lin (1985), A Comparative Study of Linear and Nonlinear
MIMO Feedback Configurations, Intl. J. Syst. Sci., 16, 789-813
40. Desoer C. A., J. D. Schuiman (1974), Zeros and Poles of Matrix Transfer Func-
tions and Their Dynamical Interpretation, IEEE Trans. Circuits and Systems, CAS-
21, 3
41. Desoer C. A., M. Vidyasagar (1975), Feedback System: Input-Output Properties,
© Academic Press, New York.
42. Doyle III F. J., H. S. Kwatra, J. S. Schwabert (1998), Dynamic gain scheduled
process control, Chemical Engineering Science, Vol. 53, No. 15, 1998, 2675-
2690
43. Doyle J. C. (1979), Robustness of multiloop linear feedback systems, Proc. 17th
IEEE Conf. Decision and Control, pp. 12-18
44. Doyle J. C. (1982), Analysis of feedback systems with structured uncertainties,
IEEE Proc., 129, 242-250
45. Doyle J. C. (1984), Lecture Notes, ONR/Honeywell workshop on advances on multi-
variable control, Minneapolis, MN
46. Doyle J. C. (1985), Structured Uncertainty in Control System Design, In: Proc.
IEEE Conf. on Decision and Control, Ft. Lauerdale, FL
47. Doyle J. C., B. A. Francis, A. Tannenbaum (1991), Feedback Control Theory,
©Macmillan, New York.
48. Doyle J. C., G. Stein (1981), Multivariable Feedback Design: Concepts for a Clas-
sical/Modern Synthesis, IEEE Trans. Autom. Control, AC-26, 4
49. Doyle J. C., J. E. Wall (1982), Performance and Robustness Analysis for Structured
Uncertainty, In: Proc. IEEE Conf. on Decision and Control, Orlando, FL
50. Doyle J. C., K. Glover, P. P. Khargonekar, B. A. Francis (1989), State space so-
lutions to standard H 2 and H ∞ - control problems, IEEE Trans. Aut. Control, 34,
831-847

ISBN 954 438 500 2 211

 COMMANDE ROBUSTE

51. Doyle J. C., R. S. Smith, D. F. Enns (1987), Control of Plants with Saturation
Nonlinearities, In: Proc. American Control Conf., Minneapolis, MN, 1034-1039
52. Dumont G., J. Marten-Sanchez, C. Zervos (1989), Comparison of an auto-tuned
PID regulator and an adaptive predictive control system on an industrial bleach plant,
Automatica, Vol. 25, No 1, 33-40
53. Economou C., M. Morari (1986), Internal Model Control - 6. Multiloop Design,
Ind. Eng. Chem. Proc. Des. & Dev., 25, 411-419
54. Francis B. A. (1987), A course in H ∞ - control. Lecture Notes in Control and Infor-
mation Sciences, Vol. 88. ©Springer-Verlag, Berlin
55. Francis B. A. (1990), Lectures on H ∞ -control and sampled data systems, In E. Mo-
sca and L. Pandolfi (Eds), H ∞ -Control Theory, Como 1990, Lecture Notes in
Mathematics, 1496, ©Springer-Verlag, Berlin
56. Francis, B. A., J. C. Doyle (1987), Linear control theory with an H ∞ optimality cri-
terion, SIAM J. Control Opt., 25, 815-844
57. Freudenberg J. S., D. J. Looze (1988), Frequency domain properties of scalar and
multivariable feedback systems, Lecture Notes in Control and Information Sci-
ences. 104. ©Springer- Verlag, Berlin.
58. Garcia C., A. Morshedi (1986), Quadratic programming solution of dynamic ma-
trix control (QDMC), Chemical Engineering Communications, 46, 73-87
59. Garcia C., M. Morari (1982), Internal model control - 1. A unifying revew and
some new results, Ind. Eng. Chem. Process Des. & Dev., 21, 308-323
60. Garcia C., M. Morari (1985), Internal Model Control - 2. Design Procedure for
Multivariable Systems, Ind. Eng. Chem. Process Des. & Dev., 24, 472-484
61. Garcıa-Sanz M., J. C. Guillien, J. J. Ibarrola (2004), Robust controller design
for uncertain systems with variable time delay, Control Engineering Practice 9
(2001) 961-972
62. Glover K., D. J. Limebeer, J. C. Doyle, E. M. Kasenally, M. G. Safonov
(1991), A characterization of all solutions to the four block general distance problem,
SIAM J. Control and Optimization, 29, 283-324
63. Glover K., J. C. Doyle (1989), A state space approach to H ∞ optimal control, In H.
Nijmeijer and J. M. Schumacher (Eds), Three Decades of Mathematical System
Theory, Lecture Notes in Control and Information Sciences, 135. ©Springer-Ver-
lag, Berlin.
64. Green M. (1989), H ∞ - controller synthesis by J -lossless coprime factorization, De-
partment of Electrical Engineering, Imperial College, London. SIAM J. Control
and Optimization
65. Hagiwara T. (2002), Nyquist stability criterion and positive-realness of sampled-data
systems, Systems & Control Letters 45 (2002) 283-291

ISBN 954 438 500 2 212

 COMMANDE ROBUSTE

66. Haleem M. A., C. D. Johnson (1996), Optimal Discrete-Continuous Control for

the Linear-Quadratic Regulator Problem, In: Proc. 1996 Southeastern Symposium
on System Theory (SSST), LSU, Baton Rouge, LA, p. 184
67. Horowitz I. (1991), Survey of quantitative feedback theory (QFT), Int. J. Control,
53, 255-291
68. Hyde R., K. Glover (1991), Meeting VSTOL aircraft performance requirements us-
ing scheduled H ∞ controllers, Proceed. American Contr. Conf., 577-582

69. Jaimoukha I. M., D. J. Limbeer (1991), State-space algorithm for the solution of
the two-block super-optimal distance problem, Preprints 30th IEEE Conference on
Decision and Control, Brighton, U.K.
70. Johnson C. D. (1999), On the Complete “Discretization” of an nth-Order Linear
Differential Equation Model, Journal of Mathematical and Computer Modeling of
Dynamical Systems, Vol. 5, No. 1, 1999, pp. 74-84
71. Johnson C. D. (1996), Accommodation of Zero-Valued Characteristic Roots in the
Solution Expression for Linear, Constant-Coefficient, Difference Equations, Journal
of Mathematical Problems in Engineering, Vol. 2, p. 393
72. Johnson C. D. (1996), Sensor-Imperfection Compensation; A New Tool for Low-
Cost Performance Enhancements in Guidance and Control Implementations, In:
Proc. 1996 Congress of the International Federation of Automatic Control
(IFAC), San Francisco, CA, 1996, Vol. P, p. 121.
73. Johnson C. D. (1998), Identification of Unknown, Time-Varying Forces/Moments
in Dynamics and Vibration Problems Using a New Approach to Deconvolution, In:
Proc. 67th Shock and Vibration Symposium, Monterey, Calif., Nov. 1996, p. 141;
also, Shock and Vibration Journal, Vol. 5, p. 181
74. Johnson C. D. (1967), Optimal Control of the Disturbed Linear Regulator, Convair
Division of General Dynamics, Huntsville Operation, GDC Rpt., Chapter 3
75. Johnson C. D. (1968), IEEE Trans. Auto. Cont., AC 13, 416
76. Johnson C. D. (1970), IEEE Trans. Auto. Cont., AC 15, 222
77. Johnson C. D. (1970), IEEE Trans. Auto. Cont., AC 15, 516
78. Johnson C. D. (1971), IEEE Trans. Auto. Cont., AC 16, 635
79. Johnson C. D. (1972), IEEE Trans. Auto. Cont., AC 17, 836
80. Johnson C. D. (1975), A Preliminary Study of Disturbance Absorbing Controllers,
©Redstone, Alabama
81. Johnson, C. D., B. Morgan (1998), Some Little-Known Results of Bob Bass in Ma-
thematical System Theory, In: Proc. of the 1998 American Control Conf.,
Philadelphia, PA, June 1998, p. 424.
82. Juang, Y. T., T. S. Kuo, C. F. Hsu (1987), Stability robustness analysis of digital
control systems in state-space models, Int. J. Control, 46, 1547-1556

ISBN 954 438 500 2 213

 COMMANDE ROBUSTE

83. Kamen E., P. Khargonekar (1984), On the control of linear systems whose coeffi-
cients are functions of parameters, IEEE Trans. Aut. Control, vol. AC-29, No 1, 25-
33
84. Kaya I. (2004), IMC based automatic tuning method for PID controllers in a Smith
predictor configuration, Computers and Chemical Engineering 28 (2004) 281-290
85. Kellett M. (1991). Continuous scheduling of H ∞ -controllers for a MS760 Paris air-
craft, In: Proc. Conf. Robust Control System Design Using H ∞ and Related
Methods, 21-22 March, Cambridge, U. K.
86. Kwakernaak H. (1985), Minimax frequency domain performance and robustness
optimization of linear feedback systems, IEEE Trans. Aut. Control, AC-30, 994-
1004
87. Kwakernaak H. (1986), A polynomial approach to minimax frequency domain op-
timization of multivariable systems, Int. J. Control, 44, 117-156
88. Kwakernaak H. (1990), MATLAB macros for polynomial H ∞ control system opti-
mization, Memorandum No. 881, Department of Applied Mathematics, University
of Twente, Ensvhede, The Netherlands.
89. Kwakernaak H. (1993). Robust Control and H ∞ -Optimization - Tutorial Paper,
Automatica, 255-273
90. Kwakernaak, H. (1983), Robustness optimization of linear feedback systems, Pre-
prints 22nd IEEE Conference on Decision and Control, San Antonio, TX.
91. Kwakernaak, H. (1990), The polynomial approach to H ∞ -optimal regulation, In:
E. Mosca and L. Pandolfi (Eds), H ∞ -Control, Como 1990, Lecture Notes in
Mathematics, 1496. ©Springer-Verlag, Heidelberg
92. Landau I., L. Dugard (1986), Commande adaptative - aspect pratiques et théori-
ques, Paris, ©Masson, 468 p.
93. Lee C. H., M. Ho Shin, M. Jin Chung (2001), A design of gain-scheduled control
for a linear parameter varying system: an application to flight control, Control Engi-
neering Practice, Volume 9, Issue 1, January 2001, 11-2
94. McFarlane D. C., K. Glover (1990), Robust controller design using normalized co-
prime factor plant descriptions, Lecture Notes in Control and Information Sci-
ences, Vol. 138. ©Springer-Verlag, Berlin.
95. Mehra R., R. Rouhani (1980), Theoretical considerations on model algorithmic con-
trol for non-minimum phase systems, Joint American Control Conference, San
Francisco
96. Mehra R., R. Rouhani, J. Eterno, J. Richalet, A. Rault (1982), Model algorithmic
control: Revew and recent developments, Engineering Foundation Conference on
Chemical Processes
97. Morari M., E. Zafiriou (1988), Robust Process Control, ©Prentice-Hall Int., Inc,
Englewood Cliffs, NJ

ISBN 954 438 500 2 214

 COMMANDE ROBUSTE

98. Nichols R. A., R. T. Reichert, W. J. Rugh (1993), Gain scheduling for H-infinity
controllers: A flight control example, IEEE Transactions on Control Systems
Technology, 1, 69-79
99. Nikolov E. (2003), Applied Methods for Process Control - I, © 2003 Еd. of Technical
University Sofia, Sofia, ISBN 954-438-334-4, 2003, 358 p.
100. Nikolov E. (2003), Control Instrumentations - II, © 2003 Еd. of Technical Univer-
sity Sofia, Sofia, ISBN 954-438-336-6, 2003, 296 p.
101. Oustaloup A. (1994), La robustesse (analyse et synthèse de commandes robustes),
©Hermès (Traité des Nouvelles Technologies - Série Automatique), Paris, 530
p.
102. Palm R., D. Driankov (1997), Stability of fuzzy gain-schedulers: sliding mode ba-
sed analysis, FUZZ-IEEE’97, Barcelona, July 1-5, 1997, 177-183
103. Peczkowski J., M. Sain (1985), Synthesis of system responses: A nonlinear multi-
variable control design approach, In: Proceed. American. Contr. Conf., 1322-132
104. Prett D., C. Garcia (1989), Fundamental process control, ©Butterworth-Heine-
mann
105. Richalet J., A. Rault, J. Testud, J. Papon (1978), Model predictive heuristic
control: Applications to industrial processes, Automatica, 14, 413
106. Ricker N. (1985), Use of quadritic programming for constrained internal model
control, Ind. Eng. Chem. Process Des. Dev., 24, 925-936
107. Rugh W. (1990), Analytical framework for gain scheduling, Proceed. American
Contr. Conf., 1688-1694
108. Rugh W. J., J. S. Shamma (2000), Research on gain scheduling, Automatica,
36(10), 1401-1425
109. Sain M., J. Peczkoszki (1982), Nonlinear multivariable design by total synthesis,
In: Proceed. American. Contr. Conf., 252-260
110. Sain M., S. Yurkovich (1982), Controller scheduling: A possible algebraic view-
point, In: Proceed. American Contr. Conf., 261-269
111. Shahrudz S., S. Bentash (1990), Design of controllers for linear parameter-vary-
ing systems by the gain scheduling technique, In: Proceedings of the 29th Confer-
ence on Decision and Control, 2490-2491
112. Shamma J., M. Athans (1987), Stability and robustness of slowly time-varying li-
near systems, In: Proceedings of the 26th Conference on Decision and Control,
434-439
113. Shamma J., M. Athans (1988), Guaranteed properties for nonlinear gain sched-
uled control systems, In: Proceedings of the 27th Conference on Decision and
Control, 2202-2208
114. Shamma J., M. Athans (1990), Analysis of gain scheduled control for nonlinear
plants, IEEE Trans. Aut. Control, vol. 35, No 8, 898-907
115. Shamma J., M. Athans (1991), Gain scheduling: Potential hazards and possible
remedies, In: Proceed. American Contr. Conf., 516-521

ISBN 954 438 500 2 215

 COMMANDE ROBUSTE

116. Smith H., E. Davison (1972), Design of industrial regulators - Integral feedback
and feedforward control, In: Proc. IEEE, vol 119, No 8, 1210-1216
117. Vidyasagar M. (1985), Control Systems Synthesis -A Factorization Approach,
©MIT Press, Cambridge, MA
118. Vidyasagar M., H. Schneider, B. A. Francis (1982), Algebraic and topological
aspects of feedback stabilization, IEEE Trans. Aut. Control, AC-27, 880-894
119. Wang J., W. Rugh (1987), Feedback linearization families for nonlinear systems,
IEEE Trans. Aut. Control, vol. AC-32, No 10, 935-940
120. Youla D.C., H. Jabr, J. Bonjiorno (1976), Modern Winer-Hopf Design of Optimal
Controllers Part II: The Multivariable Case, IEEE Trans. Autom. Control, AC-21,
319-338
121. Youla D.C., J. Bonjiorno, H. Jabr (1976), Modern Winer-Hopf Design of Optimal
Controllers Part I: The Single-Input-Output Case, IEEE Trans. Autom. Control, AC-
21, 3-13
122. Zames G. (1979), Feedback and optimal sensivity: Model reference transforma-
tions, weighted seminorms, and approximate inverses, In: Proc. 17th Allerton Conf.,
pp. 744-752
123. Zames G. (1981), Feedback and optimal sensitivity : Model reference transoforma-
tions, multiplicative seminorms, and approximate inverses, IEEE Trans. Aut. Control,
AC-26, 301-320
124. Zhu J., C. D. Johnson (1990), A Unified Eigenvalue Theory for Time-Varying
Linear Circuits and Systems, (Invited Paper) In: Proc. IEEE 1990 International
Symposium on Circuits and Systems, New Orleans, LA, May 1990
125. Zhu J., C. D. Johnson (1991), Unified Canonical Forms for Matrices Over a Dif-
ferential Ring, Journal of Linear Algebra and Its Applications, Vol. 147, 1991, pp.
201-248
126. Дончев А. (1987), Системы оптимального управления - возмущения, приб-
лижения и анализ чувствительности, М., ©Мир, 1987, 278 стр.
127. Йорданов В. (1997), Синтез чрез J -спектрална факторизация на H ∞ -суб-
оптимален динамичен компенсатор, сп. Автоматика и Информатика, кн.1,
30-32
128. Николова Н. (2004), Изследване на робастни системи за управление.- Авто
реферат на дисертация за присъждане на научната и образователна сте-
пен “доктор”, ТУ- София, 2004, 40 стр.
129. Петков П., М. Константинов (2002), Робастни системи за управление. Ана-
лиз и синтез с MATLAB, София, ABC Техника, ISBN 954-8873-51-6, 418 стр.
130. Томов И. (1990), Системи за оптимално и адаптивно управление (II част),
© Изд. на ТУ София, С., 352 с.
131. Хаджийски М. (1989), Автоматизация на технологичните процеси в хими-
ческата и металургичната промишленост, С., ©Техника, 518 с.
132. Хаджийски М., К. Велев, Г. Сотиров, И. Калайков (1992), Автоматиза-
ция на технологични процеси, методи и алгоритми за управление, С., ©Тех-
ника, 352 с.

ISBN 954 438 500 2 216