12.07.2015 Views

Commande boucle fermée multivariable pour le vol en ... - ISAE

Commande boucle fermée multivariable pour le vol en ... - ISAE

Commande boucle fermée multivariable pour le vol en ... - ISAE

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.

I.2 Deuxième algorithme 353˜x (k) ) est <strong>en</strong>core plus proche de X que ˜x (k) :‖x (k) − X‖ 2 ≤ ‖˜x (k) − X‖ 2 ≤ ‖x (k−1) − X‖ 2(I.18)L’algorithme converge alors vers ˆx qui est <strong>le</strong> point <strong>le</strong> plus proche du point X sur l’hyper-ellipsoïde.En réalité, l’algorithme est répété jusqu’à ce que l’écart <strong>en</strong>tre x (k) et x (k−1) soit suffisamm<strong>en</strong>tfaib<strong>le</strong> :‖x (k) − x (k−1) ‖ 2 < ε(I.19)Nous avons constaté qu’il converge rapidem<strong>en</strong>t même dans <strong>le</strong> cas d’un hyper-ellipsoïde de dim<strong>en</strong>sioné<strong>le</strong>vée (n = 30). En outre, beaucoup de temps de calcul peut être économisé <strong>en</strong> utilisant <strong>le</strong> point finaldu dernier lancem<strong>en</strong>t comme point initial si <strong>le</strong> point X n’a pas beaucoup changé.S’il suffit de savoir si la distance <strong>en</strong>tre <strong>le</strong>s points ˆx et X est inférieure à 1 ou non, l’algorithme peutêtre interrompu dès que d (k) < 1. Le cas contraire n’est malheureusem<strong>en</strong>t pas possib<strong>le</strong> parce que d (k)est toujours une sur-estimation de la distance <strong>en</strong>tre <strong>le</strong>s points ˆx et X. Dans <strong>le</strong> cas d (k) > 1, il fautdonc att<strong>en</strong>dre la converg<strong>en</strong>ce de l’algorithme.I.2 Deuxième algorithmeL’idée principa<strong>le</strong> du deuxième algorithme est que, au point ˆx de l’hyper-ellipsoïde qui est <strong>le</strong> plusproche du point X, <strong>le</strong> vecteur normal n à l’hyper-ellipsoïde est parallè<strong>le</strong> au vecteur ˆx − X. D’ail<strong>le</strong>urs,une optimisation basée sur la méthode de Lagrange mène au même résultat. Le vecteur normal aupoint ˆx est égal au gradi<strong>en</strong>t de la fonction x T P x évalué au point ˆx :n = ∇(x T P x) ∣ ∣ˆx= 2P ˆx (I.20)La relation suivante <strong>en</strong>tre <strong>le</strong>s vecteurs 2P ˆx et ˆx − X est donc vraie :2P ˆx = c(ˆx − X) ou (I.21)2p k ˆx k = c(ˆx k − X k ), k ∈ {1, . . . , n}avecc > 0, c ∈ RLe scalaire c est forcém<strong>en</strong>t positif car X se trouve à l’intérieur de l’hyper-ellipsoïde et <strong>le</strong> vecteurnormal est toujours dirigé vers l’extérieur de l’hyper-ellipsoïde.Nous pouvons réarranger l’Éq. (I.21) comme suit :ˆx = −( 2c P − I n) −1X ou (I.22)ˆx k =cc − 2p kX k , k ∈ {1, . . . , n}Visib<strong>le</strong>m<strong>en</strong>t, cette inversion n’est possib<strong>le</strong> que <strong>pour</strong> c ≠ 2p k . Nous considérerons ce problème unpeu plus tard. Dans la suite, nous utiliserons uniquem<strong>en</strong>t la version scalaire de l’Éq. (I.22).Le calcul du point ˆx (ou de ses élém<strong>en</strong>ts ˆx k ) suppose que l’on connaisse <strong>le</strong> scalaire c. Or, nous ne<strong>Commande</strong> <strong>bouc<strong>le</strong></strong> <strong>fermée</strong> <strong>multivariab<strong>le</strong></strong> <strong>pour</strong> <strong>le</strong> <strong>vol</strong> <strong>en</strong> formation de vaisseaux spatiaux

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

Saved successfully!

Ooh no, something went wrong!