Chapitre 2 Analyse des performances 25
2.3 Majorant du coût garanti
Dans cette section, nous nous intéresserons à la détermination d’un
majo-rant du coût gamajo-ranti. Le majomajo-rant est déterminé grâce à la résolution d’un
pro-blème d’optimisation convexe sous des contraintes LMI. On détermine un
en-semble de fonctions de Lyapunov qui dépendent du paramètre de
commuta-tionσ(k)et dont la valeur à l’instant initial est supérieure au coût garantiJˆ(x
0).
En considérant la structure particulière du coût garanti, nous avons cherché
des fonctions de Lyapunov de forme quadratique par rapport à la condition
initiale en x
0. On obtient alors un majorant du coût garanti. Néanmoins, ce
majorant dépend de la direction de la condition initiale. Pour obtenir un
ré-sultat plus général, on souhaite s’affranchir de cette direction. Pour cela, on
détermine un majorant des fonctions de Lyapunov obtenues précédemment.
On obtiendra alors une inégalité de la forme suivante
ˆ
J(x
0)≤V(x
0, σ(0)) ≤βkx
0k
22. (2.13)
Nous allons dans ce chapitre travailler avec les hypothèses suivantes :
Hypothèse 1 Les paires(A
i, C
i)sont observables pour touti∈Σ.
Cette hypothèse permet d’assurer la proposition suivante :
Proposition 1 Sous l’hypothèse 1, si le coût garanti Jˆ(x
0) a une valeur finie pour
toute condition initialex
0, alors le système (2.1) est asymptotiquement stable.
Preuve 8 Si le coût garantiJˆ(x
0)a une valeur finie pour toute condition initiale, on
peut en déduire que le critère associé pour chaque mode figéi ∈ Σest aussi de valeur
finie. Ces critères sont définis à l’aide d’une série qui est alors convergente. Les termes
de la série tendent vers zéro, et l’on a alors
C
ix
k= 0, (2.14)
C
ix
k+1= C
iA
ix
k= 0, (2.15)
C
ix
k+2= C
iA
2ix
k= 0, (2.16)
..
.
C
ix
k+nx−1= C
iA
nx−1 ix
k= 0. (2.17)
On obtient alors
C
iC
iA
i..
.
C
iA
nx−1 i
x
k=C(C
i, A
i)x
k= 0. (2.18)
On reconnait alors la matrice d’observabilité de Kalman, qui est de rang plein sous
l’hypothèse1. L’état tend donc bien vers l’origine. Le système (2.1) est stable.
Hypothèse 2 Les matrices A
ipouri ∈ Σsont de type Schur, c’est-à-dire à valeurs
propres de module strictement inférieur à 1.
La stabilité du système à commutations (2.1) doit être assurée pour toute
séquence de commutations. Si un des sous-systèmes est instable alors on ne
peut pas garantir la stabilité du système et le coût devient infini.
On souhaite obtenir un majorant le plus proche possible du coût
ga-ranti. On résout alors un problème d’optimisation sous deux ensembles de
contraintes LMI. Il s’en suit le théorème suivant :
Théorème 12 Soit le système défini par (2.1). Pour touti∈Σ, s’il existe des matrices
G
i∈R
nx×nx,S
i∈R
nx×nxtel queS
i=S
Ti
et un scalaireβ, tels que les LMI
G
i+G
T i−S
i? ?
A
iG
iS
j?
C
iG
i0
mz×nxI
mz
>0
2nx+mz, ∀(i, j)∈Σ
2(2.19)
et
βI
nx?
I
nxS
i>0
2nx, ∀i∈Σ, (2.20)
soient faisables alors le majorant recherché est solution du problème d’optimisation
suivant :
min
G
i, S
i, β,
sous les contraintes (2.19) et (2.20)
β (2.21)
et l’inégalité suivante est vérifiée :
ˆ
J(x
0)≤V(x
0, σ(0))≤βkx
0k
22(2.22)
oùV(x
0, σ(0)) =x
T0
S
σ−(0)1x
0.
Remarque 12 Définissons la fonctionV¯ telle que :
¯
V :
(
R
nx−→ R
+x
07−→ V¯(x
0) = max
i∈ΣV(x
0, i). (2.23)
Cette fonction correspond à la plus grande valeur des fonctions de Lyapunov pour les
différents modes. Les majorations données par (2.22) peuvent être complétées par :
ˆ
J(x
0)≤V(x
0, σ(0))≤V¯(x
0)≤βkx
0k
22.
Pour analyser la stabilité et les performances du système à
commu-tations (2.1), on résout un problème d’optimisation convexe sous deux
ensembles de contraintes LMI. Le premier ensemble qui correspond aux
LMI (2.19) permet l’analyse de la stabilité du système et mène à l’obtention
de fonctions de Lyapunov de forme quadratique dont la valeur à l’instant
ini-tial est supérieure au coût garanti. On obtient alors l’inégalité suivante :
ˆ
J(x
0)≤V(x
0, σ(0)).
Malheureusement, ce majorant dépend de la direction de la condition
ini-tiale. Le deuxième ensemble de LMI (2.20) permet de s’affranchir de la
direc-tion de la condidirec-tion initiale et mène à l’inégalité suivante :
ˆ
J(x
0)≤V(x
0, σ(0)) ≤βkx
0k
22.
Remarque 13 Le premier bloc en pointillés de la LMI (2.19) qui est le suivant :
G
i+G
T i−S
i?
A
iG
iS
j>0
2nx(2.24)
correspond à l’analyse de la stabilité du système à commutations (2.1) [DRI02].
Remarque 14 La faisabilité de l’inégalité (2.19) est équivalente à celle de
PP
jA
i iP?
j??
C
i0
mz×nxI
mz
>0
2nx+mz(2.25)
en la variableP
i. La démonstration de l’équivalence entre les conditions (2.19) et (2.25)
est similaire à celle présentée dans [DRI02] pour l’analyse de stabilité. L’introduction
de variables supplémentairesG
iest initialement apparue dans [OBG99] dans le cas de
systèmes linéaires incertains invariant dans le temps en temps discret. Ces variables
sont utiles pour des problèmes de conception de lois de commande contraintes comme
cela a été démontré dans [DRI02]. Nous avons fait le choix de travailler avec la
condi-tion (2.19) plutôt que la condition (2.25) puisque nous nous intéresserons dans la
suite à la conception de lois de commande. Pour obtenir un majorant solution du
pro-blème d’optimisation (2.21) en utilisant comme contrainte l’inégalité (2.25), la seconde
contrainte (2.20) doit être remplacée par l’inégalité suivante :
P
i−βI
nx<0
nx. (2.26)
Preuve 9 Quand l’inégalité (2.19) est vérifiée, on aG
i+G
Ti
−S
i> 0etS
i>0, ce
qui implique queG
iest de rang plein. En développant(S
i−G
i)
TS
i−1(S
i−G
i), on a
G
Ti
S
i−1G
i≥G
i+G
Ti
−S
i>0. Alors l’inégalité (2.19) conduit à
G
T iS
i−1G
i(A
iG
i)
T(C
iG
i)
TA
iG
iS
j0
nx×mzC
iG
i0
mz×nxI
mz
>0
2nx+mz. (2.27)
En pré-multipliant cette inégalité par diag{G
−Ti
, S
−1j
, I
mz}et en la post-multipliant
par sa transposée, on obtient l’inégalité suivante
S
−1 i? ?
S
j−1A
iS
j−1?
C
iG
i0
mz×nxI
mz
>0
2nx+mz. (2.28)
Le changement de variablesP
i=S
i−1permet d’écrire
PP
jA
i iP?
j??
C
i0
mz×nxI
mz
>0
2nx+mz. (2.29)
Il vient alors
P
σ(kP
+1)σ(kA
)σ(k)P
σ(?
k+1)??
C
σ(k)0
mz×nxI
mz
>0
2nx+mz. (2.30)
L’utilisation judicieuse de deux compléments de Schur [BEFB94] mène à l’inégalité
suivante :
A
Tσ(k)P
σ(k+1)A
σ(k)−P
σ(k)<−C
σ(k)TC
σ(k), (2.31)
On considère ensuite une fonction de Lyapunov qui dépend des paramètres [DRI02].
Une fonction de Lyapunov dépendante du paramètre de commutation est définie comme
suit :
V(x
k, σ(k)) =x
TkP
σ(k)x
k.
En pré-multipliant l’inégalité (2.31) parx
Tk
et en la post-multipliant parx
k, on a :
x
TkC
σ(k)TC
σ(k)x
k≤V(x
k, σ(k))−V(x
k+1, σ(k+ 1)). (2.32)
On somme toutes ces dernières inégalités et on obtient
+∞
X
k=0
x
TkC
σ(k)TC
σ(k)x
k≤V(x
0, σ(0)) =x
T0P
σ(0)x
0, (2.33)
parce que le système est stable c’est-à-dire lim
k→+∞
V(x
k, σ(k)) = 0.
Pour s’affranchir de la direction des vecteursx
0, on utilise un complément de Schur
pour la LMI (2.20). Il vient alors
P
σ(0)< βI
2nx. (2.34)
En pré-multipliant la dernière inégalité par x
T0
et en la post-multipliant par sa
transposée, il s’en suit
x
T0P
σ(0)x
0≤x
T0βI
2nxx
0. (2.35)
Ce qui conduit, pour toutσ(0)∈Σ, à l’inégalité
x
T0P
σ(0)x
0≤βkx
0k
22. (2.36)
Théorème 13 Si les LMI (2.24) sont faisables alors le système à commutations (2.1)
est exponentiellement stable et la valeur du coût garanti est finie.
Lorsqu’un système est instable, le critère n’a pas de valeur finie. Cependant,
si un système est asymptotiquement stable, cela ne permet pas de garantir que
le critère converge. Pour être certain d’avoir un critère à valeur finie, il faut en
plus de la stabilité, garantir que le critère converge suffisamment rapidement.
Le système doit donc être stable et converger rapidement. La stabilité
quadra-tique ou exponentielle d’un système permet ainsi d’assurer que le critère est à
valeur finie.
Preuve 10 Si les LMI (2.24) sont faisables alors l’inégalité suivante est vérifiée
L
ij=A
TiP
jA
i−P
i<0
nx, ∀(i, j)∈Σ
2. (2.37)
On note
ij= −λ
max(L
ij)
2 , ∀(i, j)∈Σ
2.
L’inégalité suivante est alors vérifiée :
A
TiP
jA
i−P
i<−
ijI
nx, ∀(i, j)∈Σ
2(2.38)
On recherche ensuite la plus petite valeur des
ij:
= min
(i,j)∈Σ2
ij.
On a donc ∀(i, j) ∈ Σ
2, −
ij≤ − et comme le nombre de modes est fini on a
également >0, ce qui conduit à
A
TiP
jA
i−P
i<−I
nx<0
nx, ∀(i, j)∈Σ
2(2.39)
De même, on a C
iTC
i> 0
nx. On note ξ la plus grande valeur propre desC
iTC
ipour touti∈Σ:
ξ= max
i∈Σ
λ
max(C
iTC
i).
Il s’en suit l’inégalité suivante
∀i∈Σ, −ξI
nx≤ −C
iTC
i<0
nx.
On poseP˜
i=
ξP
i. On multiplie l’inégalité (2.39) par
ξet on obtient
A
TiP˜
jA
i−P˜
i<−ξI
nx. (2.40)
On a alors également
A
TiP˜
jA
i−P˜
i<−C
iTC
i. (2.41)
Cette inégalité correspond à l’inégalité (2.31).
Remarque 15 Si les LMI (2.19) sont faisables alors les LMI (2.24) le sont également.
En effet, les LMI (2.19) permettent d’assurer la stabilité du système (2.1) et de
dé-terminer un majorant fini du coût garanti. De même, la faisabilité des LMI (2.24)
implique celle des LMI (2.19). Les LMI (2.24) assurent la stabilité du système (2.1) et
permettent d’affirmer que le coût garanti est à valeur finie. Il est donc possible d’obtenir
un majorant à partir des fonctions de Lyapunov.
On a ainsi déterminé un majorant aussi petit que possible du coût garanti
dans la classe de fonctions de Lyapunov considérée et non pas la valeur de ce
coût garanti. Cependant, on ne sait pas si ce majorant et ce coût garanti sont
proches ou non. En effet, nous avons déterminé des fonctions de Lyapunov
qui étaient cherchées parmi une classe particulière puisqu’elles étaient choisies
sous forme quadratique avec les matrices de Lyapunov fonction du paramètre
de commutation. Cette restriction peut donc être la cause d’un certain
conser-vatisme et les valeurs du majorantβkx
0k
22et du coût garantiJˆ(x
0)peuvent ne
pas être proches l’une de l’autre. Il est donc pertinent de s’intéresser à l’écart
existant entre le majorant obtenu par le théorème 12 et le coût garanti Jˆ(x
0).
La section suivante s’intéresse ainsi à la détermination d’un minorant du coût
garanti.
Dans le document
Synthèse de lois de commande pour les systèmes à commutation avec contraintes de performances
(Page 44-49)