Contrôleur RST : Théorie, Conception et Applications
1. Introduction
Le contrôleur RST est une approche de contrôle basée sur la synthèse polynomiale pour les
systèmes linéaires et discrets. Son nom provient des trois polynômes R, S et T, qui
définissent respectivement la rétroaction, la commande et la référence du système. Cette
approche permet un contrôle précis de la dynamique du système, tout en offrant une
flexibilité dans le placement des pôles et la définition de la réponse en régime permanent
et transitoire.
L’utilisation des contrôleurs RST est particulièrement répandue dans les systèmes
industriels, l’automatisation, la robotique et les applications où la performance dynamique
et la robustesse sont critiques.
2. Théorie de base des contrôleurs RST
Pour un système discret représenté par une fonction de transfert :
𝐵(𝑧)
𝐺(𝑧) =
𝐴(𝑧)
le contrôleur RST est défini par les polynômes R(z), S(z) et T(z) :
𝑅(𝑧) ⋅ 𝑦(𝑘) = 𝑇(𝑧) ⋅ 𝑟(𝑘) − 𝑆(𝑧) ⋅ 𝑢(𝑘)
où :
𝑦(𝑘)est la sortie,
𝑟(𝑘)est la référence,
𝑢(𝑘)est la commande appliquée.
L’objectif principal est de choisir R, S et T pour :
1. Placer les pôles du système fermé à des positions désirées.
2. Obtenir la réponse transitoire souhaitée.
3. Garantir une erreur nulle en régime permanent pour certaines références.
3. Conception des polynômes R, S et T
3.1 Méthode directe
La conception directe résout l’équation de Diophantine :
𝐴(𝑧) ⋅ 𝑅(𝑧) + 𝐵(𝑧) ⋅ 𝑆(𝑧) = 𝐴 (𝑧)
où 𝐴 (𝑧)est le polynôme caractéristique désiré du système fermé.
Ensuite, le polynôme T(z) est calculé pour assurer le suivi correct de la référence :
𝐴 (𝑧)
𝑇(𝑧) =
𝐵(1)
3.2 Placement des pôles
Le concepteur choisit les pôles fermés pour obtenir le comportement dynamique souhaité.
Pour un système discret du second ordre :
𝑧 , =𝑒 ± 𝑗 1 − (𝜁) ⋅ 𝑒
où 𝜁est le facteur d’amortissement, 𝜔 la pulsation naturelle, et 𝑇 la période
d’échantillonnage.
4. Analyse de stabilité et performances
La stabilité est garantie si tous les pôles de 𝐴 (𝑧)sont à l’intérieur du cercle unité dans le
plan z.
Les performances sont évaluées via :
Temps de réponse : durée pour atteindre un certain pourcentage de la valeur finale.
Dépassement : amplitude maximale dépassant la consigne.
Robustesse : sensibilité aux variations de paramètres.
5. Implémentation numérique
Pour un système discret, l’algorithme RST suit ces étapes :
1. Mesurer 𝑦(𝑘), la sortie actuelle.
2. Calculer la commande :
𝑇(𝑧)𝑟(𝑘) − 𝑆(𝑧)𝑢(𝑘 − 1)
𝑢(𝑘) =
𝑅(𝑧)
3. Appliquer 𝑢(𝑘)au système.
Dans MATLAB/Simulink, les polynômes peuvent être saisis comme coefficients et simulés
pour évaluer la réponse en boucle fermée.
6. Applications pratiques
6.1 Contrôle moteur
Moteurs DC et pas-à-pas utilisent RST pour un positionnement précis et un suivi de vitesse
stable, compensant les perturbations et les variations de charge.
6.2 Robotique
Dans les robots industriels, RST régule les actionneurs pour maintenir des trajectoires
exactes et sécurisées.
6.3 Systèmes industriels
Utilisé dans la régulation de température, pression et débit, RST assure un contrôle précis
dans les procédés chimiques et thermiques.
7. Comparaison avec d’autres régulateurs
Type Avantages Limites
Réglage empirique, moins performant sur systèmes
PID Simple et largement utilisé
complexes
Optimal selon critères
LQR Complexité, nécessite modèle exact
quadratiques
Placement précis des pôles, Complexité mathématique, implémentation plus
RST
suivi exact lourde
8. Optimisation et tuning
Les polynômes R, S et T peuvent être ajustés :
Méthodes analytiques : placement exact des pôles.
Méthodes itératives : minimisation des critères ISE, IAE ou ITAE pour améliorer la
performance transitoire et en régime permanent.
9. Études de cas et simulations
Exemple moteur DC
.
Modèle discret : 𝐺(𝑧) =
.
RST calculé pour un temps de réponse de 0.5s
Simulation MATLAB : suivi précis, dépassement <5%, erreur en régime permanent
nulle
Les résultats confirment que RST offre :
Suivi exact de référence
Robustesse face aux perturbations
Performance supérieure au PID classique
10. Conclusion
Le contrôleur RST est un outil puissant pour les systèmes linéaires discrets et temps réel. Il
permet :
Placement précis des pôles
Suivi exact de référence
Compensation des perturbations
Perspectives : intégration avec l’intelligence artificielle et méthodes adaptatives pour
systèmes complexes et industriels.
.