Introduction à la commande stochastique v.0.9 - Jean-Pierre ...
Introduction à la commande stochastique v.0.9 - Jean-Pierre ...
Introduction à la commande stochastique v.0.9 - Jean-Pierre ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
90 6. LE RÉGULATEUR LQG<br />
COROLLAIRE 1.7. Le filtre approché:<br />
ˆx a k+1 = (A − ˜KC) ˆx a k + ˜Ky k , (1.8)<br />
où ˜K est défini par (1.6), a comme variance d’erreur asymptotique var(x −<br />
ˆx a ) <strong>la</strong> solution positive de (1.5).<br />
PREUVE. En effet notons ˜x def<br />
= x −ˆx a on a alors<br />
˜x k+1 = (A − ˜KC) ˜x k + w k − ˜K v k ,<br />
et puisque les valeurs propres de A− ˜KC sont plus petites que 1 ce système<br />
linéaire gaussien est stable. Donc <strong>la</strong> loi de ˜x k converge vers une loi gaussienne<br />
centrée de variance donnée par<br />
= (A − ˜KC)(A − ˜KC) ′ + ˜KN ˜K ′ + M ,<br />
c.a.d. (1.5).<br />
2. LE PROBLÈME LQG<br />
2.1. LA DYNAMIQUE DU SYSTÈME<br />
Les systèmes dynamiques considérés ont pour état x k , observation y k et<br />
<strong>commande</strong> u k . Ils sont donnés par les équations récurrentes <strong>stochastique</strong>s<br />
suivantes :<br />
{<br />
xk+1 = Ax k + Bu k + w k , x 0 = ξ,<br />
(2.1)<br />
y k = Cx k + v k .<br />
On suppose que :<br />
1. x k (resp. y k ) (resp. u k )dedimensionn (resp. p) (resp. m),<br />
2. les v.a. ξ, w k et v k sont indépendantes gaussiennnes,<br />
3. ξ est de moyenne m 0 et de variance P 0 ,<br />
4. w k (resp. v k ) sont centrées, de variance M (resp. N).<br />
Les w (resp. les v) correspondent au bruit sur l’état (resp. l’observation).<br />
On peut faire dépendre les matrices A, B, C, M, N du temps k si c’est<br />
nécessaire.<br />
2.2. LA STRUCTURE DES COMMANDES<br />
A un instant k donné, on dispose des observations passées et présentes<br />
(y i , i = 0, ··· , k). Il est naturel d’imposer au contrôle u k de n’être fonction<br />
que de ces informations, donc d’être de <strong>la</strong> forme :<br />
u k = s k (y 0 , ··· , y k ), k ≥ 0. (2.2)<br />
Précisons un peu plus cette condition (2.2). Désignons par<br />
1. (, A, P), un espace de probabilité sur lequel sont définies les v.a.<br />
ξ, (w k ,v k ), k ≥ 0,<br />
2. H = L 2 (, A, P) l’espace de Hilbert des v.a. de carréintégrable,<br />
3. H m×T l’espace produit, des u = (u k , k = 0, ··· , T − 1) avec u k ∈<br />
H m ,