Upload
jawher-matmati
View
216
Download
0
Embed Size (px)
DESCRIPTION
Automatique non-linéaire
Citation preview
16/10/2015
1
Cours Commande Adaptative M. KSOURI 1
Estimation Paramétrique
Estimation paramétrique
Cours Commande Adaptative M. KSOURI 2
Plan
Introduction
Estimation d’un paramètre
Cas de plusieurs paramètres
mise en équation, MC, MCR
Applications
Cours Commande Adaptative M. KSOURI 3
1. Introduction la méthode des moindres carrés
Proposée par en 1821 par K. F. Gauss, cette méthode a permis de résoudre le problème de la détermination de paramètres d’orbites à partir d’observations entachées d’erreurs.
Elle a retrouvé un regain d’intérêt avec la formulation récursive proposée par R. L. Plackett en 1950 : les estimations peuvent être corrigées en temps réel, au fur et à mesure de l’acquisition de nouvelles données.
Cours Commande Adaptative M. KSOURI 4
2. ExempleEstimation d’un paramètre
Enoncé du problème
Un mobile se déplace à une vitesse constante v sur une trajectoire linéaire, par la mesure de sa position y(t), on désire estimer sa vitesse v.
Donnéest ( s) 0 1 2 3 4 10 12 18
y ( m) 5.71 9 15 19 20 45 55 78
16/10/2015
2
Cours Commande Adaptative M. KSOURI 5
Résolution
Pour résoudre ce problème on a besoin tout d’abord d’écrire un modèle mathématique représentatif.
Dans ce cas il s’agit simplement de l’équation :
y(t) = y(0) + v t
On se propose d’abord de répondre à la question par l’approche graphique, puis on développera une approche des moindres carrés
Cours Commande Adaptative M. KSOURI 6
0 2 4 6 8 10 12 14 16 180
10
20
30
40
50
60
70
80
Approche graphique
1. Porter les points
2. Tracer une droite
3. Calculer la pente
4. Déduire la vitesse
Cours Commande Adaptative M. KSOURI 7
Le tracé de la droite est subjectif
Pour que le résultat soit le même quelque soit l’opérateur, il faut
un critère
par exemple
Min J = Si²
avec i l’erreur donnée par l’écart entre la valeur mesurée n°i et la valeur donnée par le modèle.
Cours Commande Adaptative M. KSOURI 8
Les calculs
Modèle : yi = y(0) + v ti
Erreur : i = ymesurée(i) – yi
i = ymesurée(i) – [y(0) + v ti]
En écrivant le minimum de J par rapport à v, on
en déduit:
AN
N
iimesurée
tiN
iiv yyt
10
1
)(
1
2ˆ
m/s 02.4ˆv
16/10/2015
3
Cours Commande Adaptative M. KSOURI 9
Forme récurrente
On cherche à exprimer la valeur estimée dès qu’une nouvelle mesure arrive.
Ce qui permet d’avoir une idée sur la valeur de celle-ci tout en observant sa convergence.
On doit donc écrire la valeur estimée à l’instant tk en fonction de celle à l’instant tk-1.
Cours Commande Adaptative M. KSOURI 10
kkk bPv̂
La forme récurrente s’obtient facilement dans ce cas (une seule variable à estimer )
kkk tPK avec :
121
2211 1
kkkkkk tPtPPP kkkk tybb 1
k
1iimesurée0
1
kt )i(v̂ yyt
k
1i
2i
1
1
2
k
iik tP
k
iiik tyb
1
On pose : )(0
iymesuréeyiy
kkkkkk tvyKvv 11ˆˆˆ
Cours Commande Adaptative M. KSOURI 11
L’algorithme récurrent se fait en 3 étapes répétitives en plus de l’étape initialisation
0v̂On se donne des valeurs initiales : P0 et
Etape initialisation
Etape 1
Etape 2
Etape 3
À chaque instant tk on effectue les 3 étapes:
121
2211 1
kkkkkk tPtPPPOn calcule Pk
kkk tPK On calcule Kk
kv̂ kkkkkk tvyKvv 11ˆˆˆ On calcule
Cours Commande Adaptative M. KSOURI 12
Application Numérique
0ˆ0 vP0= 1;
0ˆ0 vP0= 100;
SIMULATION
16/10/2015
4
Cours Commande Adaptative M. KSOURI 13
Conclusions à tirer de cet exemple1.D’après la forme
récurrente, l’estimateur peut être considéré comme une méthode de gradient, car l’estimé est corrigé par un terme qui mesure le gradient à un gain près.
kkkkkk tv̂yKv̂v̂ 11
Erreur d’estimation
Terme de correction
2.Le gain Kk est une fonction décroissante de K et décroît très rapidement.
3.Il est nécessaire de se donner des CI pour démarrer l’algorithme.
Cours Commande Adaptative M. KSOURI 14
Soient n paramètres à estimer : 1, 2, …, n. Ils sont
supposés invariants dans le temps.
Modèle linéaire : y = 1 x1+ 2 x2 + … + n xn
On suppose x1, x2, …, xn connus exactement et
linéairement indépendants.
y est une mesure entachée d’erreur .
3. Cas de plusieurs paramètres
Cours Commande Adaptative M. KSOURI 15
Mise en équations
On pose : nT 21
n
xxxhT 21
Thy
kTkk
T
T
hy
hy
hy
222
111
On pose :
ky
y
Y 1
Tk
T
h
h
H 1
k
1
Si on effectue k mesures entachées chacune d’une erreur, on obtient:
Cours Commande Adaptative M. KSOURI 16
Critère quadratique
HYHYJTT
k
ii
1
2
Minimisation de J 0min
JJ
YHHH TTk
1ˆ
(HTH) est inversible si k n et xi linéairement indépendants
16/10/2015
5
Cours Commande Adaptative M. KSOURI 17
Rappels sur la dérivation vectorielle
ff
ffT
T
2
HH
TT WW
2
02 HYHT
Cours Commande Adaptative M. KSOURI 18
HHP Tk 1 YHb T
k 1. On pose :kkk bP̂
k
i
Tii
Tk
T
kT
k hh
h
h
hhHHP1
1
11
2. On a :
Tkkkk hhPP
1
11
3. Lemme d’inversion matriciel :
1111111 ABBABCBAABCBA TTT
kkTk
kTkkk
kkhPh
PhhPPP
1
111
1
4. On en déduit :
Recherche d’une forme récurrente
Cours Commande Adaptative M. KSOURI 19
kk
kkTk
kkk hP
hPh
hPK
1
1
1 11 k
Tkkkkk
ˆhyKˆˆ
Recherche d’une forme récurrente ( suite)
kkk
k
iii
Tk yhbyhYHb
1
1
5. On a :
kkkk yhbb 1
1
1
11
ˆ1
ˆˆ
k
Tkk
kkTk
kkkk hy
hPh
hP
6. Finalement :
Cours Commande Adaptative M. KSOURI 20
En résumé,l’algorithme récurrent se fait en 3 étapes répétitives
en plus de l’étape initialisation
0̂On se donne des valeurs initiales : P0 et
Etape initialisation
Etape 1
Etape 2
Etape 3
À chaque instant k on effectue les 3 étapes:
1
1
111 1
kTkkk
Tkkkkk PhhPhhPPPOn calcule Pk
kkk hPK On calcule Kk
k̂ 11 kTkkkkk
ˆhyKˆˆ On calcule
16/10/2015
6
Cours Commande Adaptative M. KSOURI 21
Application 1
Reprendre le problème du mobile, sachant que la position initiale y0 est inconnue, il faut aussi l’estimer en même temps que la vitesse.
Ecrire l’algorithme récursif et en utilisant MATLAB, estimer les paramètres.
Etudier l’influence de l’initialisation sur la convergence.
Cours Commande Adaptative M. KSOURI 22
Application 2
Soit un processus du premier ordre, proposer l’estimation en ligne de son gain statique et de sa constante de temps.
Simuler avec MATLAB.
Envisager le cas d’un gain statique qui varie brusquement d’une valeur à une autre. Observer et conclure.
Cours Commande Adaptative M. KSOURI 23
Reprendre l’exercice du chapitre 1 et réaliser un estimateur du gain permettant la commande adaptative avec programmation du gain.
Comparer avec la mesure directe du gain.
Envisager le cas de la variation de la constante de temps.
Application 3