Chapitre 2.Équations différentielles
6 oct. 2008 y? ? y2 = C : équation décrivant par exemple la chute d'un corps freiné par une ... y?? = xy : équation d'Airy qui intervient en optique
3. Houle infinitésimale dAiry
D'après ces différentes hypothèses le modèle de houle d'Airy est défini résoudre le système d'équations différentielles :.
CHAPITRE VII ELASTICITE PLANE
Equation à satisfaire par la fonction d'Airy dans le cas de forces de volume nulles veut résoudre expérimentalement un problème de déformation plane.
Introduction aux Equations aux Dérivées Partielles
L'exemple le plus simple est celui du mouvement d'un corps (identifié) `a un On obtient une nouvelle équation (plus facile `a résoudre) qui a la forme.
CHAPITRE 2 Élasticité Équations déquilibre
C'est une plaque soumise à. 1- Contrainte normale cte suivant x. 2- Contrainte normale cte suivant y. 3- Contrainte de cisaillement cte suivant xy
ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES ALGÉBRIQUES
5 mars 2010 Résoudre l'équation différentielle linéaire algébrique générale d'ordre 1 (= le sys- ... Exemple 1.1.11 (Équation différentielle d'Airy).
Éléments délasticité plane
On peut alors résoudre l'équation d'équilibre (2.34) en introduisant une fonction scalaire ?(x2) appelée fonction d'Airy ou fonction de contraintes (6)
Automatique: Dynamique et contrôle des systèmes
5 déc. 2009 k notée V (t) ? Rn on doit résoudre le système linéaire dépendant du temps ... Un exemple est l'équation d'Airy [1] : d2.
Agrégation Externe de Mathématiques Equations différentielles
Application à la résolution d'une EDO simple : Par exemple pour résoudre le problème suivant y = y2. On dit que d'après le théorème de Cauchy-Lipschitz
RESOLUTION NUMERIQUE DISCRETISATION DES EDP ET EDO
Recherche d'un modèle mathématique réprésentant la physique. Mise en équation. • Elaboration d'un maillage. Discrétisation des équations de la physique.
2MiB}+ `2b2`+? /Q+mK2Mib- r?2i?2` i?2v `2 Tm#@
HBb?2/ Q` MQiX h?2 /Q+mK2Mib Kv +QK2 7`QK
i2+?BM; M/ `2b2`+? BMbiBimiBQMb BM 6`M+2 Q` #`Q/- Q` 7`QK Tm#HB+ Q` T`Bpi2 `2b2`+? +2Mi2`bX /2biBMû2 m /ûT¬i 2i ¨ H /BzmbBQM /2 /Q+mK2Mib b+B2MiB}[m2b /2 MBp2m `2+?2`+?2- Tm#HBûb Qm MQM-Tm#HB+b Qm T`BpûbX
miQKiB[m2, .vMKB[m2 2i +QMi`¬H2 /2b bvbiK2b hQ +Bi2 i?Bb p2`bBQM, LB+QHb S2iBi- SB2``2 _Qm+?QMX miQKiB[m2, .vMKB[m2 2i +QMi`¬H2 /2b bvbiK2bX 1M;BM22`BM; b+?QQHX JAL1a S`Bbh2+?- kyyN- TTXkjeX +2H@yy9jNyeRAutomatique
Dynamique et contrôle des systèmes
Nicolas Petit Pierre Rouchon
MINES ParisTech
CAS - Centre Automatique et Systèmes
Unité Mathématiques et Systèmes
1 Avant propos : un bref rappel de l"histoire de l"AutomatiqueLes mécanismes de régulation et d"adaptation, largement répandus dans la na- ture, sont aussi à la base du fonctionnement des systèmes créés et utilisés par l"homme. Depuis très longtemps, on les retrouve dans diverses machines et inventions. Avec la révolution industrielle et le régulateur de Watt, on a vu apparaître les premières formalisations modernes : modélisation (avec les équations différentielles inventées par Newton) et stabilité. Le point de dé- part de la théorie mathématique des systèmes remonte ainsi aux travaux du mathématicien et astronome anglais G. Airy. Il fut le premier à tenter une analyse du régulateur de Watt. Ce n"est qu"en 1868, que le physicien écos- sais J. C. Maxwell publia une première analyse mathématique convaincante et expliqua certains comportements erratiques observés parmi les nombreux régulateurs en service à cet époque. Ses travaux furent le point de départ de nombreux autres sur la stabilité, notion marquée par le travail de H. Poincaré et A. M. Lyapounov, sa caractérisation ayant été obtenue indépendamment par les mathématiciens A. Hurwitz et E. J. Routh. Durant les années 1930, les recherches aux "Bell Telephone Laboratories" sur les amplificateurs ont été à l"origine de notions encore enseignées aujourd"hui. Citons par exemple les travaux de Nyquist et de Bode caractérisant à partir de la réponse fré- quentielle en boucle ouverte celle de la boucle fermée. Tous ces développements ont vu le jour dans le cadre des systèmes li- néaires ayant une seule commande et une seule sortie. On disposait d"une mesure sous la forme d"un signal électrique. Cette dernière était alors en- trée dans un amplificateur qui restituait en sortie un autre signal électrique qu"on utilisait comme signal de contrôle. Ce n"est qu"après les années 1950 que les développements théoriques et technologiques (avec l"invention des cal- culateurs numériques) permirent le traitement des systèmes multi-variables linéaires et non linéaires ayant plusieurs entrées et plusieurs sorties. Citons comme contributions importantes dans les années 1960 celles de R. Bellmann avec la programmation dynamique, celles de R. Kalman avec la commanda- bilité, le filtrage et la commande linéaire quadratique; celles de L. Pontryagin avec la commande optimale. Ces contributions continuent encore aujourd"hui à alimenter les recherches en théorie des systèmes. Le champ d"application s"est considérablement étendu. Alors qu"aujourd"hui l"Automatique est omni- présente dans les domaines industriels tels que l"aéronautique, l"aérospatiale, l"automobile, ou le génie des procédés, certaines recherches actuelles s"ap- puyant sur des notions clés présentées dans ce cours concernent la construc- tion d"un premier calculateur quantique. 2 Objectif de ce coursLe but est de présenter les notions et outils fon- damentaux nécessaires à l"analyse et au contrôle des systèmes. Ce cours est articulé autour des trois thèmes suivants : Systèm esdynamiques : stabi lité,robustesse, théorie de p erturbations. Co mmandabilité: stabilisation par b ouclage,planification et suivi de trajectoire. Observ abilité: estimation, observ ateurasymptotique, filtrage et diag- nostic. Le cours part de quelques exemples issus du monde industriel ou acadé- mique. Chaque exemple motive et justifie les définitions et résultats abstraits sur lesquels reposent une classe d"algorithmes de contrôle et/ou d"estimation. Dans bien des domaines scientifiques, une théorie a très souvent pour origine une petite collection d"exemples représentatifs bien compris et analysés. Nous nous inscrivons dans cette démarche. Une approche qui part du particulier pour aller vers le général permet aussi de mieux comprendre les ressorts fon- damentaux sur lesquels reposent certains résultats mais aussi de bien cerner leur limitations. L"Automatique est un domaine actif de recherche scienti- fique. Le cours abordera certaines questions qui n"admettent pas de réponse claire aujourd"hui bien qu"elles aient de fortes motivations pratiques. Note de cette éditionNous vous serions reconnaissants de nous faire part de vos critiques et des erreurs que vous auriez découvertes par un message explicatif à nicolas.petit@mines-paristech.frou à pierre.rouchon@mines-paristech.fr en identifiant votre message par "Poly Mines corrections".Nicolas Petit et Pierre Rouchon
Février 2009
Table des matières
1 Systèmes dynamiques et régulateurs
71.1 Systèmes dynamiques non linéaires
71.1.1 Existence et unicité des solutions
111.1.2 Sensibilité et première variation
141.1.3 Stabilité locale autour d"un équilibre
151.2 Systèmes dynamiques linéaires
181.2.1 L"exponentielle d"une matrice
181.2.2 Forme de Jordan et calcul de l"exponentielle
191.2.3 Portraits de phases des systèmes linéaires
221.2.4 Polynôme caractéristique
241.2.5 Systèmes linéaires instationnaires
271.2.6 Compléments : matrices symétriques et équation de
Lyapounov
281.3 Stabilité des systèmes non linéaires
291.3.1 Étude au premier ordre
291.3.2 Fonctions de Lyapounov
311.3.3 Robustesse paramétrique
361.3.4 Compléments : caractère intrinsèque des valeurs propres
du système linéarisé tangent 371.3.5 Compléments : les systèmes dynamiques dans le plan
381.4 Systèmes multi-échelles lents/rapides
451.4.1 Perturbations singulières
461.4.2 Feedback sur un système à deux échelles de temps
511.4.3 Modèle de contrôle et modèle de simulation
521.5 Cas d"étude
541.5.1 Présentation du système
551.5.2 Un régulateur PI
561.5.3 Une modélisation simplifiée
581.5.4 Passage en temps continu
591.5.5 Simulations en boucle ouverte et en boucle fermée
603
4TABLE DES MATIÈRES
1.5.6 Un résultat général : régulateur PI sur un système non
linéaire du premier ordre 621.5.7 Dynamiques négligées : rôle du contrôle dans l"approxi-
mation 671.5.8 Intérêt de la pré-compensation (feedforward)
691.5.9 Pré-compensation et suivi de trajectoires sur un sys-
tème linéaire du premier ordre 711.6 Cas d"étude
732 Fonctions de transfert
772.1 Passage à la fonction de transfert
782.1.1 Questions de robustesse
782.1.2 Principe des calculs
792.1.3 Régime asymptotique forcé
802.1.4 Simplifications pôles-zéros
822.1.5 Formalisme
832.1.6 Du transfert vers l"état : réalisation
842.2 Schémas blocs et fonctions de transfert
872.2.1 De la forme d"état vers le transfert
872.2.2 Transfert avec perturbation et bouclage
892.3 Marge de robustesse
912.3.1 Critère de Nyquist
912.3.2 Marge de phase
992.3.3 Marge de gain
1022.3.4 Lecture des marges sur le diagramme de Bode
1032.3.5 Pôles dominants
1042.4 Compléments
1052.4.1 Calcul de tous les contrôleurs PID stabilisant un sys-
tème du premier ordre à retard 1052.4.2 Méthodes de réglage de Ziegler-Nichols
1082.4.3 Prédicteur de Smith
1112.4.4 Systèmes à non minimum de phase
1133 Commandabilité, stabilisation
1153.1 Un exemple de planification et de suivi de trajectoires
1163.1.1 Modélisation de deux oscillateurs en parallèle
1163.1.2 Planification de trajectoires
1173.1.3 Stabilisation et suivi de trajectoires
1183.1.4 Autres exemples
1203.2 Commandabilité non linéaire
124TABLE DES MATIÈRES5
3.2.1 Exemple de non commandabilité par la présence d"in-
tégrale première 12 53.3 Commandabilité linéaire
1273.3.1 Matrice de commandabilité et intégrales premières
1283.3.2 Invariance
1303.3.3 Critère de Kalman et forme de Brunovsky
1313.3.4 Planification et suivi de trajectoires
1373.4 Commande linéaire quadratique LQR
1393.4.1 Multiplicateurs de Lagrange en dimension infinie
1423.4.2 Problème aux deux bouts dans le cas linéaire quadratique
1473.4.3 Planification de trajectoires
1493.4.4 Régulateur LQR
1513.5 Compléments
1593.5.1 Linéarisation par bouclage
1593.5.2 Stabilisation par méthode de Lyapounov et backstepping
1664 Observabilité, estimation et adaptation
1694.1 Un exemple
1704.1.1 Un modèle simple de moteur à courant continu
1714.1.2 Estimation de la vitesse et de la charge
1 714.1.3 Prise en compte des échelles de temps
1734.1.4 Contraintes sur les courants
1744.2 Observabilité non linéaire
1754.2.1 Définition
1754.2.2 Critère
1764.2.3 Observateur, estimation, moindres carrés
1784.3 Observabilité linéaire
1804.3.1 Le critère de Kalman
1804.3.2 Observateurs asymptotiques
1824.3.3 Observateurs réduits de Luenberger
1834.4 Observateur-contrôleur
1834.4.1 Version état multi-entrée multi-sortie (MIMO)
1. . . .183
4.4.2 Version transfert mono-entrée mono-sortie (SISO)
2. .185
4.5 Filtre de Kalman
1864.5.1 Formalisme
1874.5.2 Hypothèses et définition du filtre
1884.6 Compléments
1954.6.1 Estimation de paramètres et commande adaptative
195 1. MIMO : pour Multi-Input Multi-Output
2. SISO : pour Single-Input Single-Output
6TABLE DES MATIÈRES
4.6.2 Linéarisation par injection de sortie
1 974.6.3 Contraction
1 98A Sur le théorème de Cauchy-Lipchitz
203B Autour des fonctions de Lyapounov
211C Moyennisation
217C.1 Introduction
217C.2 Le résultat de base
218C.3 Un exemple classique
220C.4 Recherche d"extremum (extremum seeking)
221C.5 Boucle à verrouillage de phase PLL
222Références
224Index 2 29
Chapitre 1
Systèmes dynamiques et
régulateurs1.1 Systèmes dynamiques non linéaires
Nous nous intéressons à des systèmes dynamiques représentés par un nombre fini d"équations différentielles du premier ordre couplées entre elles que nous écrivons ddt x1=v1(x1;:::;xn;u1;:::;um;t) ddt x2=v2(x1;:::;xn;u1;:::;um;t) ddt xn=vn(x1;:::;xn;u1;:::;um;t) où les grandeursx1,...,xnsont appeléesétats, les grandeursu1,...,umsont lesentrées(oucommandes), etnetmsont des entiers. Le tempstest ici considéré de manière générale dans le second membre des équations. Lesfonctions(vi)i=1;:::;nsont à valeur réelle. En toute généralité, leur régularité
peut être très faible, même si, comme on le verra par la suite, de nombreuses propriétés fondamentales proviennent justement de leur régularité. Il est commode d"écrire le système différentiel précédent sous la forme vectorielle (appeléeforme d"état) ddt x=v(x;u;t)(1.1) Pour calculer l"évolution future d"un tel système, il faut connaître les gran- deurst7!u(t)ainsi que la condition initiale de l"état. On dit que l"étatx 78CHAPITRE 1. SYSTÈMES DYNAMIQUES ET RÉGULATEURS
du système représente sa mémoire. Étant donnée l"évolution du système, on s"intéresse souvent à un certain nombre de grandeurs (par exemple car elles ont un intérêt pratique) qu"on nommesortiesoumesures. Leséquations de sortiesque nous considérons sont de la forme y=h(x;u;t)2Rq(1.2) oùqest un entier souvent inférieur àn1.Le formalisme (
1.1 1.2 ) que nous venons de présenter est très général. On trouve un vaste choix d"exemples dans les domaines de la mécanique (les équations d"Euler-Lagrange, voir [ 38] par exemple, exprimant le prin- cipe de moindre action sont des équations d"ordre 2 dans les variables de configurations (positions généralisées), l"état est alors constitué des positions généralisées et leur vitesses), les machines électriques (voir [ 40
]), l"aéronau- tique (voir l"Exemplequotesdbs_dbs47.pdfusesText_47
[PDF] modèle d'affiche word
[PDF] modèle d'article
[PDF] modèle darticle de presse
[PDF] modèle d'article scientifique
[PDF] modèle d'une charte
[PDF] modèle de biographie professionnelle gratuit
[PDF] modèle de bohr cours
[PDF] modèle de bohr pdf
[PDF] modèle de cahier de remédiation
[PDF] modele de compromis de vente
[PDF] modele de contrat de mariage marocain
[PDF] modele de convention de stage en anglais
[PDF] modèle de courriel
[PDF] modèle de cv québécois