2019-04-03 14:59:33 +02:00
\documentclass { ../../td}
2019-01-15 15:57:03 +01:00
\begin { document}
2019-04-03 14:59:33 +02:00
\subsection * { Exercice}
2019-01-15 15:57:03 +01:00
On considère le système suivant:
\[ \left \{ \begin { matrix }
\dot { x_ 1} = x_ 3^ 2 + u_ 1 + u_ 2\\
\dot { x_ 2} = x_ 2x_ 3 + u_ 2\\
\dot { x_ 3} = u_ 1 \\
y_ 1 = x_ 1 - x_ 3
y_ 2 = x_ 2
\end { matrix} \right . \]
\begin { enumerate}
\item Pour vérifier si le système est linéarisable par retour statique on commence par calculer les dérivées successives:
\begin { align*}
\dot { y_ 1} & = \dot { x_ 1} - \dot { x_ 3} = x_ 3^ 2 + u_ 2 \Rightarrow r_ 1 = 1\\
\dot { y_ 2} = x_ 2x_ 3 + u_ 2 \Rightarrow r_ 2 = 1
\intertext { ainsi r= 2}
\begin { pmatrix} \dot { y_ 1} \\ \dot { y_ 2} \end { pmatrix} = \begin { pmatrix} x_ 3^ 2 \\ x_ 2 x_ 3 \end { pmatrix} + \begin { pmatrix} 0 & 1 \\ 0 & 1\end { pmatrix} \begin { pmatrix} u_ 1 \\ u_ 2\end { pmatrix}
\end { align*}
u s'exprime donc en fonction de $ D ^ { - 1 } $ , D n'est pas inversible implique qu'il n'y a pas de bouclage linéarisant statique.\\
\item Pour le bouclage dynamique, les commandes sont dépendantes du temps.
Si on ne rajoute pas de dynamique, on ne trouve pas un r assez grand, on rajoute donc $ \dot { x _ 4 } = \omega $ et $ \dot { u _ 2 } = \omega $ est une nouvelle commande:
\begin { align*}
\ddot { y_ 1} & = 2x_ 3\dot { x_ 3} + \dot { u_ 2} \\
& =2 x_ 3u_ 1 + \dot { u_ 2} \text { donc $ r _ 1 = 2 $ } \\
\ddot { y_ 2} & = \dot { x_ 2} x_ 3 + x_ 2 \dot { x_ 3} + \dot { u_ 2} \\
& = x_ 2x_ 3^ 2 + x_ 4x_ 3 + x_ 2x2u_ 1+\omega
\end { align*}
Ainsi, le système se met sous forme normale:
\begin { align*}
z_ 1 & = y_ 1\\
z_ 2 & = y_ 2\\
\dot { z_ 1} & = z_ 3\\
\dot { z_ 3} & = 2x_ 3u_ 1 + \omega = v_ 1\\
\dot { z_ 2} & = z_ 4\\
\dot { z_ 4} & = x_ 2x_ 3^ 2 + x_ 4x_ 3 + x_ 2u_ 1 + \omega = v_ 2
\intertext { ainsi, on a:}
\begin { pmatrix}
v_ 1\\ v_ 2
\end { pmatrix} & = \begin { pmatrix}
0\\ x_ 2x_ 3^ 2 + x_ 4x_ 3
\end { pmatrix} + \begin { pmatrix}
2x_ 3 & 1\\ x_ 2 & 1
\end { pmatrix} \begin { pmatrix}
u_ 1 \\ \omega
\end { pmatrix}
\end { align*}
Ainsi, D(x) (la matrice devant le vecteur de commande, hein!) est inversible si $ 2 x _ 3 - x _ 2 \neq 0 $ .\\
Si cette condition est réalisable alors le modèle est linéarisable.
2019-04-03 15:43:18 +02:00
%\imgt{1}
2019-01-15 15:57:03 +01:00
\end { enumerate}
2019-04-03 14:59:33 +02:00
\end { document}