Commande Adaptative
- Introduite par
- Karl J. Astrom
- Année
- 1983
- Type
- algorithm
- Famille
- Adaptive Control
Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais
À quoi sert-elle ?
La commande adaptative est une stratégie de contrôle qui ajuste les paramètres du régulateur en temps réel, basée sur l'identification en ligne du système, afin de maintenir les performances malgré les dynamiques changeantes de l'installation ou les paramètres incertains.
Initiée par Astrom et Wittenmark, la commande adaptative permet un fonctionnement robuste dans des environnements variant dans le temps, allant des aéronefs avec épuisement de carburant aux systèmes industriels avec des composants vieillissants.
L’intuition derrière la méthode
La commande adaptative combine deux boucles : une boucle de rétroaction interne rapide pour une stabilisation immédiate, et une boucle externe plus lente qui estime les paramètres changeants du système et met à jour les gains du régulateur. À mesure que l'installation change (le carburant brûle dans l'aéronef, le frottement augmente avec l'âge), la boucle adaptative mesure les erreurs de sortie, déduit les changements de paramètres via l'identification du système, et ajuste le régulateur pour maintenir les performances. Ceci est plus sophistiqué que la commande robuste fixe (qui suppose les paramètres du pire cas) et plus pratique que le réajustement manuel.
Histoire
Astrom a formalisé la théorie de la commande adaptative dans les années 1980, établissant les conditions de convergence et de stabilité. La commande adaptative robuste d'Ioannou (1996) a abordé les problèmes de stabilité en garantissant que les estimations de paramètres restent dans des domaines bornés. La commande adaptative moderne inclut les approches à modèle de référence (MRAC), la planification de gain pour le contrôle dépendant des paramètres, et les méthodes d'apprentissage automatique pour les lois de commande.
Quand l’utiliser
Utilisez la commande adaptative lorsque les paramètres du système varient significativement au fil du temps (vieillissement, température, changements de charge), lorsque les paramètres sont inconnus mais que la structure du système est connue, et lorsque vous avez besoin d'une stabilité garantie malgré l'incertitude paramétrique. Idéal pour le contrôle d'aéronefs (épuisement de carburant, déplacement du centre de gravité), le contrôle de processus industriels (vieillissement du catalyseur) et les systèmes d'énergie renouvelable (vent/solaire variable). Évitez la commande adaptative si les paramètres changent plus vite que l'identification ne peut suivre, si les marges de stabilité doivent être très conservatrices, ou si un régulateur robuste fixe suffit.
Limites et points d’attention
- La phase d'identification nécessite une excitation persistante (entrée suffisamment variée) ; lente dans les environnements calmes.
- La convergence de l'estimation des paramètres peut être lente ; une instabilité transitoire est possible pendant l'adaptation.
- Nécessite une mesure précise des sorties ; le bruit et les retards dégradent l'identification.
- Les preuves de stabilité sont complexes ; les systèmes adaptatifs peuvent être instables malgré la stabilité de leurs composants individuels.
- Le taux d'adaptation doit être plus lent que la boucle de commande ; conflits avec les exigences de suivi rapide.
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Maintient les performances lorsque les paramètres du système dérivent ; aucun réajustement manuel n'est requis.
- Réponse plus rapide aux changements de paramètres que les régulateurs robustes fixes.
- Réduit l'erreur en régime permanent sans surdimensionner pour le pire cas.
- Permet la découverte de paramètres inconnus pendant le fonctionnement.
- Intègre naturellement les données de mesure pour l'apprentissage en temps réel.
Applications
- Aérospatiale : Commande d'aéronefs avec épuisement de carburant et déplacement du centre de gravité, pilote automatique adaptatif pour des conditions aérodynamiques variables.
- Processus industriels : Commande de réacteur avec activité catalytique changeante, optimisation adaptative de processus.
- Systèmes électriques : Commande de générateur avec des paramètres de générateur variables, commande de fréquence-charge.
- Systèmes marins : Maintien de cap de navire avec des conditions de vent et de mer changeantes.
- Énergie renouvelable : Commande de turbine éolienne s'adaptant aux statistiques de vitesse du vent variables.
Comment ça marche
Comment ça marche
Collecter les données d'entrée-sortie et estimer les paramètres actuels du système en utilisant les moindres carrés récursifs ou d'autres algorithmes d'identification en ligne.
Mettre à jour le vecteur de paramètres estimés θ_hat basé sur l'erreur mesurée entre la prédiction du modèle et la sortie réelle.
Calculer les nouveaux gains du régulateur basés sur les estimations actuelles des paramètres en utilisant le placement de pôles, le LQR, ou d'autres méthodes de conception.
Appliquer le régulateur mis à jour avec les nouveaux gains au système ; répéter l'identification et la reconception à un rythme plus lent (par exemple, toutes les secondes tandis que la commande fonctionne à 100 Hz).
Pièges courants
- Gain d'adaptation trop agressif ; provoque une instabilité lorsque les estimations dépassent les vraies valeurs.
- Excitation persistante insuffisante ; les paramètres ne convergent pas et la commande adaptative n'améliore pas les performances.
- Utilisation de la commande adaptative dans un environnement non stationnaire ; l'identification ne converge jamais si l'installation continue de changer.
- Ignorer l'erreur d'estimation ; l'incertitude dans les estimations des paramètres dégrade les performances en boucle fermée.
Questions fréquentes
Qu'est-ce que l'excitation persistante et pourquoi est-elle nécessaire ?
L'excitation persistante signifie que l'entrée de commande présente une variété suffisante (richesse spectrale) pour que les paramètres du système puissent être identifiés de manière unique. Un dither aléatoire ou des changements occasionnels de point de consigne assurent la convergence de l'identification. Sans excitation persistante, le système apparaît dégénéré et les estimations de paramètres ne convergent pas.
Méthodes associées
Sources
Astrom, K. J., & Wittenmark, B. (1983). Computer-Controlled Systems: Theory and Design. Prentice Hall.
Ouvrir la référence de la publicationCopié.Ioannou, P. A., & Sun, J. (1996). Robust Adaptive Control. Prentice Hall.
Ouvrir la référence de la publicationCopié.