03.01.2015 Views

THÈSE DE DOCTORAT Ecole Doctorale « Sciences et ...

THÈSE DE DOCTORAT Ecole Doctorale « Sciences et ...

THÈSE DE DOCTORAT Ecole Doctorale « Sciences et ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Chapitre 2. Commande adaptative échantillonnée de systèmes non linéaires 27<br />

Chapitre 2<br />

Commande adaptative<br />

échantillonnée de systèmes non<br />

linéaires<br />

2.1 Introduction<br />

Bien que de nombreuses méthodes de commande adaptative soient disponibles pour les<br />

systèmes non linéaires en temps continu, très peu d’études se sont penchées sur le cas où<br />

la commande est implémentée numériquement. C<strong>et</strong> état de fait se justifie par les difficultés<br />

induites par l’échantillonnage. En eff<strong>et</strong>, lorsque la synthèse du contrôleur discr<strong>et</strong> est réalisée à<br />

partir d’un modèle discr<strong>et</strong> approximé, les incertitudes dues à l’approximation viennent s’ajouter<br />

à l’ignorance de la valeur du paramètre. Il s’agit dès lors de proposer un contrôleur pour<br />

un système non linéaire discr<strong>et</strong> incertain à la fois au niveau des paramètres <strong>et</strong> du modèle,<br />

tâche qui est loin d’être aisée. De plus, si le système original dépend du paramètre inconnu<br />

de manière linéaire, ce ne sera plus le cas du modèle discr<strong>et</strong> (à l’exception des modèles approximés<br />

d’Euler par exemple). Or la commande adaptative pour les systèmes paramétrés<br />

non linéairement est extrêmement ardue : rares sont les études a proposé des solutions, voir<br />

[7, 12, 100, 120, 145, 146, 178] par exemple.<br />

Les principales études disponibles pour la commande adaptative des systèmes non linéaires<br />

à données échantillonnées sont rappelées. Dans [68], l’objectif est de transposer les lois de<br />

commande adaptative linéarisantes initialement développées en temps continu dans [18, 195].<br />

Nous avons vu au Chapitre 1 que la linéarisabilité par r<strong>et</strong>our d’état d’un système peut être<br />

détruite par l’échantillonnage, à l’instar de la dépendance linéaire du paramètre inconnu. Pour<br />

ces raisons, les auteurs de [68] se concentrent sur les systèmes linéarisables par r<strong>et</strong>our d’état<br />

sans avoir recours à un difféormorphisme dépendant du paramètre. Considérant des modèles<br />

approximés discr<strong>et</strong>s d’ordre élevé, la dépendance linéaire du paramètre inconnu devient polynomiale.<br />

Le problème est alors surparamétré : à chaque puissance est associé un nouveau

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!