2.3 Optimisation LMI d´ependant de param`etres
2.3.3 D´efinition des probl`emes consid´er´es
Dans l’ensemble des fonctions continues de R dans R, l’ensemble des fonctions
po-lynˆomiales et l’ensemble des fonctions rationnelles occupent une place fondamentale. En
effet, toute fonction continue peut ˆetre approch´ee avec une pr´ecision arbitrairement fix´ee
sur un compact par une fonction polynˆomiale ou une fonction rationnelle [Che82]. Comme
l’´evaluation de ces fonctions pour une valeur de son argument d’entr´ee revient `a effectuer
des additions, multiplications et inversions, op´erations ´el´ementaires que tout calculateur
peut r´ealiser, on dispose ainsi d’une m´ethode efficace pour ´evaluer toute fonction
conti-nue avec un certain degr´e de pr´ecision `a partir des ces op´erations ´el´ementaires. D’autre
part, si on consid`ere une fonction polynˆomiale et une fonction rationnelle qui approchent
avec une mˆeme pr´ecision une fonction continue, l’´evaluation de la fonction rationnelle
n´ecessite un nombre d’op´erations beaucoup plus faible que l’´evaluation de la fonction
po-lynˆomiale [Che82]. En effet, l’´evaluation d’une fonction popo-lynˆomiale et l’´evaluation d’une
fonction rationnelle de mˆeme degr´e n´ecessitent le mˆeme nombre d’op´erations coˆuteuses.
`
A degr´e ´egal, une fonction rationnelle a un «pouvoir d’approximation» beaucoup plus
important. Cheney [Che82] donne l’ordre de grandeur suivant : une fonction rationnelle
dont le num´erateur est de degr´en et dont le d´enominateur est de degr´e m (elle est donc
de degr´e max{m, n}) a le pouvoir d’approximation d’une fonction polynˆomiale de degr´e
n+m. Il est donc particuli`erement pertinent de travailler sur l’ensemble des fonctions
rationnelles. Nous choisissons donc des fonctions rationnelles pour les donn´ees et les
va-riables de d´ecision de la contrainte LMI d´ependant de param`etres. Ce choix a un fort
impact `a deux niveaux.
Le premier niveau d’impact concerne les r´esultats de ce chapitre. Dans la suite de ce
chapitre, nous ´etudierons la transformation d’un probl`eme d’optimisation LMI d´ependant
deθen un probl`eme d’optimisation LMI ind´ependant deθ. La taille de ce dernier probl`eme
d’optimisation (taille des donn´ees et nombre de variables de d´ecision de la contrainte LMI
ind´ependant de θ) va ˆetre une fonction polynˆomiale du degr´e des fonctions polynˆomiales
ou des fonctions rationnelles consid´er´ees. Dans les deux cas des fonctions polynˆomiales
et rationnelles, les fonctions d´efinissant la taille du probl`eme d’optimisation ind´ependant
de θ obtenu apr`es transformation ont le mˆeme terme dominant. Par suite, les fonctions
rationnelles permettant une meilleure approximation, travailler sur les fonctions
ration-nelles m`ene `a des probl`emes d’optimisation LMI de taille moins importante que travailler
sur les fonctions polynˆomiales, ce qui am´eliore l’efficacit´e.
Le second niveau d’impact concerne les probl`emes d’Automatique que l’on peut
formu-ler comme des probl`emes d’optimisation LMI d´ependant rationnellement de param`etres.
Dans ces probl`emes, les param`etres θ sont des param`etres du syst`eme (au sens large) ou
de la propri´et´e consid´er´ee (de stabilit´e ou de performance). Les donn´ees d´efinissant la
contrainte LMI sont construites `a partir du mod`ele du syst`eme `a analyser ou `a
comman-der. Elles d´ependent aussi de la propri´et´e consid´er´ee. Les variables de d´ecision d´efinissent
des fonctions de Lyapunov, de stockage, multipliers, etc., garantissant que la propri´et´e
est satisfaite. Dans le cas d’un probl`eme de commande, elles contiennent de plus les
pa-ram`etres du correcteur mis au point.
Pour de nombreux syst`emes `a analyser ou `a commander, les mod`eles sont tr`es souvent
rationnels en les param`etres de la propri´et´e consid´er´ee (de stabilit´e ou de performance).
Une telle propri´et´e est d’ailleurs `a l’origine du d´eveloppement important de la µ–analyse
(analyse de la robustesse des syst`emes incertains [Doy82]) durant ces vingt derni`eres
ann´ees. Si ce n’est pas le cas, un mod`ele rationnel en les param`etres peut quand mˆeme
ˆetre obtenu puisque les fonctions rationnelles ont un bon pouvoir d’approximation.
Dans le cas d’un probl`eme de commande, il est important que les param`etres du
cor-recteur soient des fonctions rationnelles en les param`etres θ du fait de la simplicit´e de
l’´evaluation de ces fonctions par des op´erations ´el´ementaires. Ce peut ˆetre par exemple
pour une impl´ementation du correcteur (voir le Chapitre 3, Section 3.2.1, page 104).
Nous consid´erons donc dans la suite du document deux cas de figure int´eressants et
pertinents :
1. les donn´ees et les variables de d´ecision de la contrainte LMI d´ependant de θ sont
des fonctions rationnelles d’une variable :n
θ= 1, P= [θ;θ] est un intervalle born´ee
deR, i.e. θ et θ sont finies ;
2. les donn´ees et les variables de d´ecision de la contrainte LMI d´ependant deθ sont des
fonction rationnelles de plusieurs variables : n
θest un entier strictement sup´erieur
`a 1,P = [θ
1;θ
1]× · · · ×[θ
nθ;θ
nθ] un compact born´e de R
nθ, i.e., pour tout i, θ
iet
θ
isont finies.
Probl`eme d’optimisation LMI d´ependant d’un param`etre consid´er´e Dans le
cas o`u la contrainte LMI ne d´epend que d’un param`etre, le Probl`eme 2.1 se r´ecrit de la
mani`ere suivante.
Probl`eme 2.2 (LMI d´ependant d’un param`etre). Soient n
Run entier naturel non nul,
[θ;θ] un intervalle born´e de R, i.e. θ et θ sont finies, et pour i= 1,· · · , n
R,
F
c: [θ;θ] → R
m×mθ 7→ F
c(θ)
F
ig: [θ;θ] → R
m×mθ 7→ F
ig(θ)
F
d i: [θ;θ] → R
m×mθ 7→ F
d i(θ)
des matrices de fonctions rationnelles en θ, bien pos´ees sur [θ;θ]et admettant une
repr´e-sentation LFT. Soit N un entier naturel.
Trouver, si elles existent, pour i= 1,· · · , n
R,
R
i(θ) =
P
Nj=0
R
ijθ
jP
Nj=0