Sixième conférence internationale des Sciences et des Techniques de l’Automatique – STA’2005

19 au 21 décembre 2005 – Sousse – Tunisie

Stabilisation Robuste et Placement de Pôles des Systèmes

Dynamiques Flous Incertains
Hafedh Abid (1) Mohamed Chtourou (2) Ahmed Toumi (3)
(1) Institut Supérieur des Etudes Technologiques de Sousse
(2) Unité de Commande Intelligente, design et optimisation des Systèmes complexes
(ICOS) ENIS, B.P. W, 3038 Sfax, Tunisie
(3) Unité de Commande Automatique (UCA) ENIS, B.P. W, 3038 Sfax, Tunisie

E-mail [Link]@[Link] [Link]@[Link] [Link]@[Link]

Résumé : Dans ce travail, nous nous intéressons à la stabilité par placement de pôles des systèmes
flous de type Takagi-Sugeno. Nous adoptons une commande par retour d’état de type compensation
parallèle distribuée (PDC). Nous rappelons les conditions de base de la stabilité et de la D-stabilité,
pour les systèmes linéaires continus et discrets. De même nous mettons en évidence les conditions
suffisantes de la stabilité pour les systèmes flous certains et incertains. Puis terminer avec la D-
stabilité des systèmes flous incertains. Nous utilisons la programmation des algorithmes convexes en
utilisant les inégalités matricielles linéaires LMI pour conclure à la stabilité. L’approche a été
appliquée à l’exemple du pendule inverse.

Mots clés : Système dynamique flou; Stabilité ;D-stabilité ; stabilisation ; commande PDC ; LMI ; Placement
de pôles.

I. Introduction présentons des résultats de simulation au cas

La commande floue devient de plus en plus du pendule inverse.
répandue dans l'industrie. L'une des premières
questions qui se posent dans ce contexte est la 2. Modélisation floue
stabilité des systèmes flous. Un processus non linéaire peut être représenté
Dans la littérature Tanaka et al [3] ont prouvé par un modèle flou de type Takagi-Sugeno (T-
des conditions suffisantes pour la stabilité S) [2]. Ce modèle est décrit par les règles
asymptotique des systèmes flous en se basant d’inférence floues SI-ALORS, qui représentent
sur le théorème de Lyapunov. D'autres travaux une collection de modèles d'état locaux du
ont porté sur la stabilité des systèmes flous système non linéaire. La ième règle de ce
discrets, comme Fang et Cao [5] ; Thathachar modèle flou est de la forme suivante:
[6], en se basant sur la notion de norme Si z1 est M i1 et z 2 est M i2 et .. et z n est M in
matricielle.
Dans cette communication, nous présentons le ⎧x& (t) = A i x(t) + Bi U(t) , (1)
alors ⎨
modèle dynamique flou de type Takagi- ⎩ y(t) = Ci x(t) ; i = 1,2,...r
Sugeno [2]. Nous mettons en évidence les
conditions de stabilité pour les systèmes Où, {Mij} sont les sous-ensembles flous, x(t)
continus et discrets. Pour cela nous appliquons est le vecteur d'état, u(t) est le vecteur de
l'approche basée sur le théorème de Lyapunov. commande, Ai est la matrice d'état du modèle
Nous l’adoptons aux systèmes ayant une local, Bi est la matrice d'entrée du modèle
commande par retour d'état. local, z(t)=[z1(t)……zn(t)] est le vecteur des
Ensuite, nous rappelons les fonctions prémisses.
caractéristiques des domaines de stabilité pour x(t)∈ Rn ; Ai ∈Rnxn ; Bi ∈ Rnxm.
les deux types de systèmes continus et discrets. r est le nombre de règles floues.
Nous mettons en évidence les théorèmes de Le modèle global du système flou est
stabilisation des systèmes flous continus et représenté par l'équation (2).
discrets. Nous commençons par les systèmes
certains puis les systèmes incertains. Par la
suite la D-stabilisation des systèmes flous
incertains. Dans le dernier paragraphe, nous

STA05-CM-58
 r utilise une loi linéaire pour chaque modèle
∑ w (z(t))[A x(t) + B
i i i u (t)] local. Le résultat global est non linéaire. L’idée
x& (t) = i =1
r
(2) est de créer un compensateur pour chaque
∑ w i (z(t))
i =1
règle du modèle flou. La procédure est la
suivante :
A chaque règle Ri est attribué un poids wi(z(t)) - Représenter le système à commander par un
qui dépend du choix de la loi attribuée à modèle flou de T S,
l’opérateur "ET" des prémisses et du degré - Chaque règle de commande est conçue à
d'appartenance des variables des prémisses partir de la règle du modèle flou
zj(t) aux ensembles flous Mij. Généralement précédemment défini,
dans ce type de modèle le produit est choisi - Un gain de commande par retour d’état
pour modéliser cet opérateur. D'où: constitue la partie conclusion de chaque sous
c modèle flou.
w i (z(t)) = ∏ µ ij (z j (t)); Le régulateur ainsi conçu partage la même
j=1
partie prémisse pour la base de règles que le
Où, µij(zj(t)) représente le degré d'appartenance
modèle flou.
de z j(t) au sous-ensemble flou Mij.
Si on traite le cas de systèmes discrets, la iéme
Le régulateur flou est alors défini de la façon
régle du modèle flou est de la forme:
suivante pour la ième règle :
Si z1 est M i1 et z 2 est M i2 et .. et z n est M in
⎧ x(k + 1) = A i x(k) + Bi U(k) , (3) si z1 est Mi1 et z2 est Mi2 et … et Zn est Min
alors ⎨ Alors: u (t) = - Gix(t) (7)
⎩ y(k) = Ci x(k); i = 1, 2,..., n Toute règle Ri du régulateur possède le même
Le modèle d'état global du système flou est le poids wi(z(t)) que celui de la ième règle du
suivant: modèle et possède une équation de sortie
r linéaire. La sortie globale du régulateur flou
∑ w i (z(k))[A i x(k) + B i u (k)]
i =1 est inférée par l’équation suivante :
x(k + 1) = r
(4) r
∑ w i (z(k)) ∑ w i (z(t))G i x(t)
i =1
u(t) = − i=1 r
L'équation d'état du système peut s'écrire sous ∑ w (z(t))
la forme polytopique : i=1 i
- système continu r
r u(t) = − ∑ h i (z(t))G i x(t). (8)
x& (t) = ∑ h i (z (t))[A i x(t) + B i u(t)] (5) i =1
i =1 La conception du régulateur revient à
- système discret déterminer les gains locaux par retour d'état
r
x(k + 1) = ∑ h i (z (k))[A i x(k) + B i u(k)] (6) Gi dans la partie conclusion des règles de la loi
i =1 de commande (PDC).
avec L'équation du système continu en boucle
r r fermée est donnée par (9).
∑
i =1
w i (z) > 0; ∑ h (z) = 1
j=1
j r r
x& (t) = ∑ ∑ h i (z(t))h j (z(t))[A i − B i G j ]x(t).(9)
i =1 j=1
w j (z)
h j (z) = ; 0<hj(z)<1; i=1, … r ; De même, l’équation du système discret en
r
∑ w i (z(t)) boucle fermée est donnée par (10).
i =1
wi(z) >0 ; Pour i=1, … r ;
( )
r r
x(k + 1) = ∑ ∑ h i (z(k))hj (z(k)) A i − Bi G j x(k) (10)
i =1 j=1
3. Commande PDC par retour d’état des La condition suffisante correspondante pour
systèmes dynamiques flous conclure à la stabilité de (9) ou (10) peut être
obtenue en terme de l’application de la
Wang et al.[10] ont proposé une technique de méthode directe de Lyapunov et résulte en une
commande par retour d’état qui peut être formulation LMI.
utilisée pour la conception des régulateurs
flous de T-S. Cette dernière est appelée 4. Stabilité et stabilisation
compensation parallèle distribuée (PDC). Elle

2
 M, les valeurs propres de la matrice A sont
Nous rappelons les conditions de base de la situées dans la région D si et seulement si il
stabilité pour les systèmes linéaires continus et existe une matrice Xpol symétrique définie
discrets puis nous abordons les systèmes flous positive telle que :
certains et incertains.
[λ Xij pol + µ ij AX pol + µ ij X pol AT ]1≤ij≤ m
p 0 (17)
4.1 Stabilité des systèmes linéaires
Un système linéaire est décrit par l’une des Nous donnons les domaines les plus utilisés et
équations suivantes : leur fonction caractéristique fD.
⎧x& (t) = A x(t) + B U (t)
- Cas continu : ⎨ - Domaine limité par une bande verticale
⎩U(t) = −G x(t) (11)

⎧x(k + 1) = A x(k) + B U(k)

- Cas discret : ⎨
⎩U(k) = −G x(k) (12)

Nous rappelons brièvement les conditions de

stabilité :
- Cas continu: (A− BG)T P + P(A− BG) p 0 (13)
- Cas discret: (A− BG)T P(A− BG)− P p 0 (14) Figure 1 : Domaine de stabilité : bande verticale
4.2 D- stabilité des systèmes linéaires et LMI
La fonction caractéristique est :
Parfois, nous sommes obligés à limiter le
domaine de stabilité en boucle fermée pour ⎡2δ 2 X pol + ( X pol A + AT X pol) 0 ⎤
⎢ ⎥ (18)
fixer certaines performances du système. Nous ⎢⎣ 0 - 2δ1 X pol − ( X pol A + AT X pol)⎥⎦
utilisons le concept de région LMI pour
formuler les objectifs de placement de pôles en - Domaine limité par un disque de centre
termes LMI. Les régions LMI, sont des sous- (-q+ 0 j) (q>0) et de rayon ρ (ρ<q).
ensembles D convexe du plan complexe.
Im

a) Cas continu
Le domaine de stabilité dans le cas continu est r
décrit par l’équation suivante : ρ

{
D = z ∈ C : L + MZ + M T Z ≤ 0 } (15) ρ
0
T -q Réel
Où : M et L=L sont des matrices réelles
fonctions du domaine (ou encore appelé
région).

La fonction caractéristique du domaine D est :

f = L + MZ + M T Z (16) Figure 2 : Domaine de stabilité : disque.

D

Plus particulièrement les régions LMI incluent La fonction caractéristique est :

différents domaines tels que secteur, disque, ⎡ − ρX pol (A + qI)T X pol ⎤
⎢ X (A + qI) (19)
bande verticale, etc .
⎣ pol − ρX pol ⎥⎦
Parmi les points forts de région LMI est la
validité du théorème de Lyapunov pour
n’importe quelles régions. En effet, si - Domaine limité par un secteur conique de
centre zéro et d’angle interne θ.
{λ } ij 1≤ij≤m et {µ }
ij 1≤ij≤m dénotent
respectivement les éléments des matrices L et

3
 ⎡ − (1 − 2α ) X pol AX pol ⎤
⎢ X AT − X pol ⎦
⎥ (22)
⎣ pol

4.3 Stabilisation des systèmes flous certains

Nous rappelons les théorèmes de stabilisation

des systèmes flous certains de T-S via la
commande par retour d’état basé sur le modèle
flou de T-S, pour les systèmes continus et
discrets.
Figure 3 : Domaine de stabilité limité par un secteur
a) cas continu
La fonction caractéristique est :
La condition suffisante de stabilité proposée
⎡ sin(θ / 2)( X pol A + AT X pol ) − cos(θ / 2)( X pol A − AT X pol )⎤
⎢cos(θ / 2)( X A − AT X ) sin(θ / 2)( X A + AT X ) ⎥ (20) par Tanaka et al [3] pour conclure à la stabilité
⎣ pol pol pol pol ⎦
des systèmes flous continus avec retour d’état
PDC, est donnée par le théorème suivant :
Tous les autres domaines ou régions résultent
d’une intersection de deux ou trois domaines Théorème 1 [3]:

b) Cas discret Le système flou continu décrit par l’équation

(9) est asymptotiquement stable s’il existe une
Tous les domaines de stabilité dans le cas matrice commune P symétrique définie
discret sont inclus dans le disque centré à positive telle que :
l’origine et de rayon l’unité.
G iiT P + PG ii < 0 (23)
D’une façon similaire que dans le cas continu
T
les valeurs propres d’une matrice A sont ⎛ G ij + G ji ⎞ ⎛ G + G ji ⎞
situées dans le disque D (0,1-α) ⎜⎜ ⎟⎟ P + P⎜⎜ ij ⎟⎟ < 0 ; i < j
avec, 0 ≤ α ≤ 1. ⎝ 2 ⎠ ⎝ 2 ⎠
si et seulement si il existe une matrice Xpol pour hi(z(t)) . hj(z(t)) ≠ 0 ∀ t; i = 1,2,…,r;
symétrique définie positive telle que : j= 1, 2,…,r.
2αX pol + A T X pol A − X pol p 0 (21) avec :
Gii= Ai - Bi Gi ; Gij= Ai - Bi Gj
- Domaine disque de centre (0) et de rayon
Démonstration voir [3].
( 1 - α ) ≤ 1 , α f 0;
b) Système discret
Im
La condition suffisante de stabilité proposée
par Tanaka et al [3] pour conclure à la stabilité
des systèmes flous discrets avec retour d’état
ρ
PDC est donnée par le théorème suivant :
Réel
0
0
1-
Théorème 2 [3]:
1
Le système flou discret décrit par l’équation
(10) est asymptotiquement stable s’il existe
une matrice commune P symétrique définie
positive qui vérifie les inégalités suivantes :
G iiT PG ii − P < 0 (24)
T
Figure 2 : Domaine de stabilité de centre (0) et de ⎛ G ij + G ji ⎞ ⎛ G ij + G ji ⎞
rayon (1-α) avec α>0. ⎜⎜ ⎟⎟ P⎜⎜ ⎟⎟ − P < 0 ; i < j
⎝ 2 ⎠ ⎝ 2 ⎠
La fonction caractéristique est alors : pour hi(z(t)) . hj(z(t)) ≠ 0 ∀ t; i = 1,2,…,r;
j= 1, 2,…,r.
avec :

4
 Gii= Ai - Bi Gi ; Gij= Ai - Bi Gj
4.4 Stabilisation des systèmes flous
Démonstration voir [3]. incertains
Dans ce paragraphe, nous présentons les
c) Remarque conditions suffisantes qui garantissent la
stabilité asymptotique des systèmes flous de T-
Nous rappelons que les inégalités matricielles S en présence des incertitudes paramétriques.
(2 3) et (24) ne sont des LMI que si les gains
Gi sont déterminés par d’autres moyens. Hypothèse : Nous supposons que les
Il est impossible de déterminer simultanément incertitudes sont bornées en normes et
la matrice P et les vecteurs Gi à partir des s’expriment comme suit :
inégalités (23) ou (24) puisque ces dernières
comportent le produit GiTBiTP .
Pour convertir les inégalités (23) et (24) en
[∆A i ]
∆Bi = D i Fi [E ai E bi ] (28)
LMI, nous multiplions à gauche et à droite P-1
et nous posons Q=P-1 et Mi=GiQ, puis nous Où Di Eai et Ebi sont des matrices réelles
utilisons le complément de Schur. Les constantes connues de dimensions appropriées.
nouvelles variables des LMI deviennent alors, Fi est une matrice inconnue à éléments
Q et Mi . Lebesgue mesurable et satisfait FiT Fi ≤ I ,
D’où nous obtenons les théorèmes suivants avec I la matrice identité .
pour les systèmes flous continus et discrets.
a) cas continu
Théorème 3 [3]
Le système flou de T-S continu à paramètres
Le système continu (9) est asymptotiquement incertains est décrit par l’équation suivante :
stable s’il existe une matrice Q symétrique r
définie positive qui vérifie les inégalités x&(t) = ∑ h i (z (t)) ( (Ai +∆Ai )x(t)+ (Bi +∆Bi )U) (31)
i=1
suivantes :
Où,
r
QA iT + A i Q − M iT Bi − Bi M i < 0 (25) u(t) = − ∑ h i (z(t))G i x(t). (32)
i =1
QA iT + A i Q + QA Tj + A j Q − M iT B Tj − M Tj BiT Les conditions suffisantes pour conclure à la
stabilité asymptotique du système continu à
− Bi M j − B j M i < 0 ; i< j paramètres incertains de T-S sont données par
le théorème suivant :
avec Gi= Mi Q-1. Théorème 5 [9]

Pour les systèmes flous discrets nous obtenons S’il existe une matrice Q symétrique définie
le théorème suivant. positive, des matrices Gi, et des scalaires εij
(i,j=1,2,…,r) tel que les inégalités matricielles
Théorème 4 [3] linéaires suivantes sont vérifiées, alors le
Le système discret (10) est asymptotiquement système flou continu de T-S est
stable s’il existe une matrice Q symétrique asymptotiquement stable via la commande par
définie positive qui vérifie les inégalités (26) et retour d’état basé sur le modèle flou de T-S :
(27).
i)
⎡ −Q *⎤ ⎡ φii QETai − MiTETbi Di ⎤
p 0(26) ⎢E Q − E M 0 ⎥ p0
i) ⎢⎣(Ai Q − Bi Mi ) − Q⎥⎦ ⎢ ai T bi i
− εiiI
⎥
(33)
i = 1,...,r ⎣⎢ Di 0 − εii-1I⎦⎥
avec,
⎡ − 4Q *⎤ φ ii = QA T
i + A i Q − M iT B iT − B i M i
ii) ⎢ ⎥ p0 , i p j ≤ r (27) (1 ≤ i ≤ r)
⎣(Ai Q+ AjQ−Bi Mj − BjMi ) −Q⎦
ii)
* dénote le transposé.

5
⎡ θij * * * * ⎤
⎢E Q−E M −εijI * * * ⎥
⎢ ai bi j ⎥ ⎡ − 4Q * * * * * ⎤
⎢EajQ−EbjMi 0 −εijI * * ⎥ ≤ 0 (34
⎢ ⎥ ⎢ ϕij −Q * * * * ⎥⎥
⎢ Di
T
0 0 −εij−1I * ⎥ ⎢
⎢ Dj
⎣
T
0 0 0 −εij I ⎥⎦
−1
⎢EaiQ− EbiMj 0 −εijI * * * ⎥
⎢ ⎥ p0
⎢EajQ− EbjMi 0 0 −εijI * * ⎥
avec, ⎢ 0 DiT 0 0 −εij−1I * ⎥
θij = QAiT + AiQ + QATj + AjQ − MTjBiT − Bi Mj − MiTBTj − BjMi ⎢ ⎥
⎣⎢ 0 DTj 0 0 0 −εij−1I ⎦⎥
Démonstration [9] avec,
b) cas discret ϕij = (Ai Q- Bi Mj + AjQ- Bj Mi ) (38)
Le système flou de T-S discret à paramètres
incertains est décrit par l’équation suivante : Démonstration [9]
r
x(k+1) = ∑ hi (z(k)) ( (Ai +∆Ai )x(k)+ (Bi +∆Bi )U(k))(35)4. 5 D-Stabilisation des systèmes flous
i=1 incertains
Où,
r Dans ce paragraphe nous ne cherchons pas
u(k) = − ∑ h i (z(k))G i x(k). (36) uniquement la stabilisation du système mais,
i =1
nous imposons aussi aux pôles des modèles
Les conditions suffisantes pour conclure à la
locaux du système de se situer dans un
stabilité asymptotique du système discret à
domaine bien spécifique.
paramètres incertains de T-S sont données par
le théorème suivant : a) cas continu
Théorème 6 [9] Nous donnons par le théorème suivant la
condition suffisante pour la stabilisation du
S’il existe une matrice Q symétrique définie
système flou de T-S continu à paramètres
positive, des matrices Gi, et des scalaires εij
incertain via la commande par retour d’état et
(i,j=1,2,…,r) tel que les inégalités matricielles
le placement des pôles des modèles locaux qui
linéaires suivantes sont vérifiées, alors le
le constituent dans un domaine D bande
système flou discret de T-S est
verticale limitée par (δ1 et δ2) .
asymptotiquement stable via la commande par
retour d’état basé sur le modèle flou de T-S : Théorème 7
Soit un système flou de T-S à paramètres
⎡ −Q * * * ⎤
⎢A Q − B M − Q * incertains décrit par(31), il existe une loi de
⎢ i i i * ⎥⎥ commande par retour d’état (32) stabilisante
p 0 (37)
⎢EaiQ − EbiMi − εiiI * ⎥ telle que les pôles des modèles locaux du
⎢ ⎥ système flou sont contenus dans la bande
⎣ 0 DiT 0 − εii-1I⎦
verticale D (δ1 ; δ2) s’il existe une matrice Q
symétrique définie positive, des matrices Gi, et
des scalaires εij (i,j=1,2,…,r) tels que les
inégalités matricielles linéaires suivantes sont
vérifiées :

6
 ⎡ − 4Q * * * * * ⎤
⎡ ψii * * * * * ⎤ ⎢ ϕij −Q * * * * ⎥⎥
⎢E Q − E M − ε I * ⎥ ⎢
⎢ ai bi i ii * * * ⎥ ⎢EaiQ − EbiMj 0 − εijI * * * ⎥
⎢ DiT 0 − εii-1I * * * ⎥ ⎢ ⎥ p0
⎢ ⎥ p 0(39) ⎢EajQ − EbjMi 0 0 − εijI * * ⎥
⎢ 0 0 0 ϕii * * ⎥ ⎢ 0 DiT 0 0 − εij−1I * ⎥
⎢ 0 0 0 EaiQ − EbiMi − εiiI * ⎥ ⎢ ⎥
⎢ ⎥ ⎢⎣ 0 DjT
0 0 0 − εij−1I ⎥⎦
⎢⎣ 0 0 0 - DiT 0 − εii-1I⎥⎦
avec,
avec : (
ϕij = Ai Q - Bi Mj + AjQ- Bj Mi ) (42)
ψ ii = 2 δ 1 + QA T
i + A i Q − M iT B iT − B i M i

(1 ≤ i ≤ r)
ϕ ii = − 2 δ 2 − QA T
i − A i Q + M iT B iT + B i M i 5. Illustration:
(1 ≤ i ≤ r)
5.1 Description du système
ii) Comme exemple d'application, nous avons
choisi le pendule inverse, ce dernier est très
⎡ ψij * * * * ⎤ utilisé dans la littérature en tant que système
⎢E Q−E M −εijI * * * ⎥ non-linéaire.
⎢ ai bi j ⎥
⎢EajQ−EbjMi 0 −εijI * * ⎥ ≤ 0 (40
⎢ ⎥ 5.1 Cas continu « Pendule inverse »
⎢ Di
T
0 0 −εij−1I * ⎥
⎢ DTj 0 0 0 −εij−1I ⎥ Les équations dynamiques du pendule inverse
⎣ ⎦
placé dans un chariot sont [7]:
avec,
ψij = QAiT + AiQ + QATj + AjQ − MTjBiT − Bi Mj − MiTBTj − BjMi ⎧x& 1 (t ) = x 2 (t)
⎪
b) cas discret ⎨x& 2 (t ) = f(x 1 , x 2 ) + g(x 1 , x 2 )u (43)
⎪ y(t) = x (t )
Nous décrivons par le théorème suivant la ⎩ 1

condition suffisante pour la stabilisation du

système flou de T-S discret à paramètres Où f(x1, x2) et g(x1, x2) sont données par :
incertains via la commande par retour d’état et
le placement des pôles des modèles locaux qui cosx 1
le constituent dans un domaine D disque centré g(x 1 , x 2 ) = (45)
m l cos x 1 − 4l (m + M)
2
à l’origine et de rayon (1-α). 3
Théorème 8
Où:
Soit un système flou de T-S à paramètres x1 est l’angle en radian du pendule par rapport
incertains décrit par (35), il existe une loi de à l’axe vertical; x2 est la vitesse angulaire en
commande par retour d’état (36) stabilisante rad/s; g est l’accélération de la pesanteur; m et
telle que les pôles des modèles locaux du 2l sont respectivement la masse et la longueur
système flou sont contenus dans le disque D du pendule; M est la masse du chariot et u est
(0; 1-α) s’il existe une matrice Q symétrique la force appliquée au chariot.
définie positive, des matrices Gi, et des Les valeurs nominales des paramètres sont:
scalaires εij (i,j=1,2,…,r) tels que les inégalités g=9.81m/s2, m=2 kg, M=8 kg, 2 l =1m.
matricielles linéaires suivantes sont vérifiées : Les fonctions d’appartenance sont:
x i ∈ [ − π /2; π /2] .

⎡ − (1 − 2α)Q * * * ⎤
⎢A Q − B M − Q * * ⎥
⎢ i i i ⎥ p0 (41)
⎢EaiQ − EbiMi 0 − εiiI * ⎥
⎢ ⎥
⎣ 0 DiT 0 − εii-1I⎦

7
 Plusieurs essais ont été fait avec des variations
paramétriques bornées à 30%, avec α1 =1.5 et
α2= 5.5.
Les figures 2, 3 et 4 représentent
respectivement l’évolution des variables d’état
x1, x2 et les pôles des différents sous modèles
avec et sans incertitudes paramétriques.

E volution de x1
0

-0.01

-0.02

x 1 rad
-0.03

Figure 1 : fonctions d’appartenance du système flou -0.04

En régime continu, le modèle de Takagi-

Sugeno du système décrit par (43) est défini -0.05

par deux règles dont les paramètres sont les

-0.06
suivantes: 0 50 100 150 200 250
temps en m s
300 350 400 450 500

Les matrices d’état Ai des systèmes locaux et Figure 2 : Evolution de x1.

les vecteurs d’entrée Bi sont : Evolution de x2
0.12

⎡0 1⎤ ⎡0 ⎤
A1 = ⎢ ; B1 = ⎢
0⎥⎦ ⎥ 0.1

⎣17.294 ⎣- 0.1765⎦
0.08

⎡0 1⎤ ⎡0 ⎤
x 2 rad/s

A2 = ⎢ ⎥ ; B2 = ⎢ ⎥ (46)
0.06

⎣9.3600 0⎦ ⎣- 0.0052⎦
0.04

Le régulateur flou traduisant la commande

0.02
PDC par retour d’état est défini par les règles
suivantes : 0

Règle 1: Si x1(t) est au voisinage de 0 Alors 0 50 100 150 200 250 300
temps en ms
350 400 450 500

u f (t) = -G1 x(t)

Figure 3 : Evolution de x2.
Règle 2: Si x1(t) est au voisinage de ± π 2
P lacem ent de pôles

Alors u f (t) = -G 2 x(t)

8

6
En résolvant les inéquations données par (39)
et (40), on obtient les matrices P et Q et les 4

gains Gi suivants : 2

⎡17.0338 1.6905 ⎤
Im ag

P=⎢
0

⎥
⎣ 1.6905 0.4733⎦ -2

-4

G1=[-299.0923 -42.475]; -6

G2=[-7329.4 -1518.1], -8
-6 -5.5 -5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1
Réel

⎡ 0.0909 − 0.3248⎤ Figure 4 : Placement de pôles des sous modèles

Q=⎢ ⎥
⎣− 0.3248 3.2732 ⎦

8
La figure 4 montre le placement de pôles avec Les figures 5, 6 et 7 représentent
et sans incertitudes dans le domaine limité par respectivement l’évolution des variables d’état
une bande verticale. x1, x2 et les pôles des différents sous modèles
avec et sans incertitudes paramétriques.
5.2 Cas discret
E volution de x1
0.6
Considérons le système flou [11] définie par
les règles suivantes: 0.5

0.4
Si y(k) est M i
0.3
⎧ x(k + 1) = A i x(k) + B i U(k) ,
Alors ⎨ (47)

x1
⎩ y(k) = C x(k); i = 1; 2;
0.2

0.1

C= [1 0],M1 et M2 sont les ensembles flous 0

décrits par la figure suivante :

-0.1
0 5 10 15 20 25 30 35 40 45 50

M(y(k))
M1 M2
Figure 5 : Evolution de x1.
1
-3
x 10 E volution de x2
2

-2

-4

y(k) -6
x2

0 0 0.8 1 -8

-1 -10

-12

Figure 5 : Fonctions d’appartenance

-14

-16
0 5 10 15 20 25 30 35 40 45 50

⎡ 0.6 1⎤ ⎡ 0 1⎤
A1 = ⎢ ⎥ ; A2 = ⎢ ⎥ Figure 6 : Evolution de x2
⎣− 0.6 1.6⎦ ⎣− 0.9 1.8⎦ P lac em ent des pôles des sous systèm es avec et sans incertitudes

⎡0⎤ ⎡0⎤
0.6

B1 = ⎢ ⎥ ; B2 = ⎢ ⎥
⎣1.2⎦ ⎣1.4⎦ 0.4

0.2
En résolvant les inéquations données par (41)
et (42), de façon que les pôles des différents
Im ag

sous-systèmes sont situés à l'intérieur du cercle

de centre « 0 » et de rayon (1-α), avec α= 0.2 , -0.2

et une incertitude paramétrique de 30%. -0.4

On obtient les matrices P et Q et les gains Gi
suivants : -0.6
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5

⎡0.0494 0.0137⎤ Réel

P=⎢ ⎥
⎣0.0137 0.2189⎦ Figure 7 : Placement de pôles des sous modèles
6. Commentaire
G1=[-0.3948 1.1335],
Nous remarquons que les systèmes sont stables
G2=[-0.6461 1.3516]; et que les pôles des différents sous modèles
sont situés dans les domaines définie
⎡ 20.6124 − 1.2886⎤ précédemment.
Q=⎢ ⎥
⎣− 1.2886 4.6487 ⎦

9
 [8] Hafedh Abid, Mohamd Chtourou et Ahmed
Toumi " Stabilisation robuste des systèmes
[Link]
dynamiques flous incertains ” Proceding du
Dans ce travail, nous avons présenté des Cinquième Séminaire Tunisien
conditions de stabilité pour les systèmes flous d’Automatique, 20-22 décembre 2004,
continus et discrets. Nous avons commencé par Hammamet pp(1-9) (2003)..
rappeler le modèle dynamique flou de Takagi- [9] Ho Jae Lee, Jin Bae Park and Guanrong
Sugeno. Dans une seconde phase nous avons Chen “Robust Fuzzy Control of Nonlinear
rappelé la technique de placement des pôles et Systems with Parametric Uncertainties" IEEE
les théorèmes de stabilité des systèmes flous Trans on Fuzzy Syst,Vol 9 N°2 April 2001
certains puis incertains. Ensuite, nous avons pp (369-379).
proposé une démarche qui permet de calculer vol 122 pp 73-82 (2001)..
les gains par retour d’état pour garantir le [10][Link], Kazuo Tanaka and Michael
placement des pôles des sous systèmes dans [Link]. "An approch to fuzzy control of
une région bien spécifique. Nous avons nonlinear systems: stability and design Issues".
appliqué la méthode sur deux exemples le IEEE Trans on Fuzzy Syst,Vol 4 N°1 Feb
premier est décrit en continu et le second et 1996.
décrit en discret, les deux systèmes sont stable [11] Jun Yoneyama, Masahiro Nishikawa,
pour des variations paramétriques bornées à Hitoshi Katayama, Akira Ichikawa “Output
30% des valeurs nominales . stabilization of Takagi{Sugeno fuzzy systems”
Fuzzy Sets and Systems 111 (2000) pp(253-
Bibliographie 266)
[12] Jooyoung Park, Jinsung Kim and Daihee
[1] Michio Sugeno “ On Stability of fuzzy Park "LMI-Based design of stabilizing fuzzy
Systems expressed by rules with singleton controllers for nonlinear systems described by
consequents”. IEEE Trans on Fuzzy Syst,Vol 7 Takagi-Sugeno fuzzy model"Fuzzy set and
N°2 Feb 1999. systems vol 122 pp 73-82 (2001)..
[2] [Link] and [Link]. "Fuzzy [13] Kwangtae Kim, Joongseon Joh, Reza
identification of systems and its applications to Langari and Woohyen Kwon "LMI-Based
modeling and control", IEEE trans syst. design of Takagi-Sugeno fuzzy Controllers for
Man,Cybern. Vol15. 116-132 Jan/Feb1985. Nonlinear Dynamic systems Using Fuzzy
[3] Kazuo Tanaka, Takayuki Ikeda and Hua Estimators" International Journal of Fuzzy
[Link]." Fuzzy régulators and fuzzy Systems vol. 1, N° 2, pp(133-144), December
observers: relaxed stability conditions and 1999 .
LMI-base designs" in proc IEEE Trans on
fuzzy systems vol 6.N°2 May 1988.
[4] Kazuo Tanaka, Takayuki Ikedaand Hua
[Link]. "Robust stabilization of a class of
uncertain nonlinear systems via fuzzy control:
Quadratic stability, H∞ Control Theory, and
linear Matrix Inequalities". IEEE Trans on
Fuzzy Syst,Vol 4 N°1 Feb 1996.
[5][Link],[Link] and [Link] "Stability
Analysis of fuzzy Control Systems" IEEE Trans
on Syst,Man , And Cybernetics-Part B Vol 26
N°1 Feb 1996.
[6]M.A.L. Thathachar and Pramod Viswanath
"On the Stability of Fyzzy Systems" IEEE
Trans on Fuzzy Syst,Vol 5 N°1 Feb 1997.
[7] Hafedh Abid, Mohamd Chtourou et Ahmed
Toumi "Sur la stabilisation des systèmes
dynamiques flous” Proceding du Quatrième
Séminaire Tunisien d’Automatique, 21-23
décembre 2003, Sousse pp(54-59) (2003)..

10