Synthèse d’observateur robuste pour les systèmes non linéaires

Robust observer design for nonlinear systems

• Auteur / Autrice : Francisco Gonzalez de Cossio
• Direction : Pascal Dufour, Madiha Nadri
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 05/12/2019
• Etablissement(s) : Lyon
• Ecole(s) doctorale(s) : École doctorale Électronique, électrotechnique, automatique (Lyon)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Claude Bernard (Lyon ; 1971-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Automatique, de Génie des Procédés et de génie Pharmaceutique (Lyon)
• Jury : Président / Présidente : Bernhard Maschke
• Jury : Examinateurs / Examinatrices : Pascal Dufour, Madiha Nadri, Vincent Andrieu, Pauline Bernard, Dragan Nesic
• Jury : Rapporteurs / Rapporteuses : Alain Rapaport, Sergey Dashkovskiy

Mots clés

Mots clés contrôlés

Commande robuste

Stabilité de Liapounov

Filtrage de Kalman

Systèmes non linéaires

Mots clés libres

Systèmes non linéaires

Capteurs non linéaires

Mesures discrètes

Robustesse au bruit

Observateurs non linéaires

Filtre de Kalman

Stabilité de Lyapunov

Stabilité entrée à état

Nonlinear systems

Nonlinear sensors

Discrete measurements

Noise robustness

Nonlinear observers

Kalman filter

Lyapunov stability

Input to state stability

Résumé

L’estimation d’état d’un système non linéaire est essentielle pour la réussite des objectifs importants tels que : la surveillance, l’identification et le contrôle. Les observateurs sont des algorithmes qui estiment l’état actuel en utilisant, entre autres informations, les mesures effectuées par des capteurs. Le problème de synthèse d’observateur pour les systèmes non linéaires est un sujet de recherche majeur traité depuis plusieurs décennies dans le domaine de la théorie du contrôle. Récemment, les recherches ont également porté sur la synthèse des observateurs pour des modèles de plus en plus réels, qui peuvent prendre en compte des perturbations, des capteurs non linéaires et des sorties discrètes. Dans ce contexte, le but de cette thèse concerne la synthèse d’observateurs robustes pour certaines classes de systèmes non linéaires. Dans ce manuscrit, nous distinguons trois parties principales. La première partie porte sur l’analyse des systèmes affines en état, affectés par le bruit, et l’estimation de l’état via le filtre de Kalman à grand gain. Les propriétés de convergence de cet observateur sont fortement influencées par deux variables : le paramètre de réglage du gain de l’observateur et l’entrée du système. Nous présentons un nouvel algorithme d’optimisation, basé sur une analyse de Lyapunov, qui adapte ces deux variables en fonction des perturbations affectant la dynamique et la sortie du système. La nouveauté de cette approche est qu’elle fournit une méthode systématique de réglage du gain et de sélection d’entrée simultanément ce qui améliore l’estimation de l’état en présence de telles perturbations et évite l’utilisation des méthodes basées de type essais-erreurs. La deuxième partie concerne le problème de “redesign” d’observateurs pour des systèmes non linéaires sous une forme générale dont les sorties sont transformées par des fonctions non linéaires. En effet, l’observateur risque alors de ne pas estimer correctement l’état du système si elle ne prend pas en compte les non-linéarités des capteurs. Nous présentons une refonte d’observateur qui consiste en l’interconnexion de l’observateur originel avec un estimateur de sortie basé sur une inversion dynamique, et nous démontrons sa convergence asymptotique via des résultats du petit-gain. Nous illustrons notre méthode en utilisant deux classes de systèmes non linéaires courant dans la littérature : les systèmes affines en l’état avec injection de sortie, et les systèmes avec non-linéarité sous la forme canonique. Enfin, la troisième partie étend notre approche présentée pour les systèmes continus aux systèmes dont les sorties sont non seulement transformées mais également discrétisées dans le temps. Cette propriété ajoutée introduit un défi important ; nous implémentons les techniques de “sample-and-hold” qui mènent à un gain de l’observateur basé sur des inégalités matricielles linéaires. La principale caractéristique des méthodes proposées est la possibilité d’adapter un grand nombre d’observateurs de la littérature à des scénarii plus réalistes. En effet, les capteurs classiques utilisés dans les applications d’ingénierie sont souvent non linéaires ou discrets, alors qu’une hypothèse récurrente dans la conception d’observateurs est la linéarité ou la continuité de la sortie

Estimating the state of a nonlinear system is an essential task for achieving important objectives such as: process monitoring, identification and control. Observers are algorithms that estimate the current state by using, among other information, sensor measurements. The problem of observer design for nonlinear systems has been a major research topic in control for many decades. Recently, there has been an increasing interest in the design of observers for more realistic models, which can include disturbances, sensor nonlinearities and discrete outputs. This thesis concerns the design of robust observers for selected classes of nonlinear systems and we can distinguish three main parts. The first part studies state-affine systems affected by noise, and analyses the state estimation via the so-called high-gain Kalman filter. The convergence properties of this observer are strongly influenced by two variables: its tuning parameter and the properly excited system input. We present a new optimization algorithm, based on Lyapunov analyses, that adapts these variables in order to minimize the effect of both dynamic and output disturbances. The novelty of this approach is that it provides a systematic method of simultaneous tuning and input selection with the goal of improving state estimation in the face of disturbances, and that it avoids the use of trial-and-error based methods. The second part studies the problem of observer redesign for general nonlinear systems whose outputs are transformed by nonlinear functions. Indeed, a given observer might not estimate the system state properly if it does not take into account sensor nonlinearities and, therefore, such an output mismatch needs to be addressed. We present an observer redesign that consists in the interconnection of the original observer with an output estimator based on a dynamic inversion, and we show its asymptotic convergence via small-gain arguments. We illustrate our method with two important classes of systems: state-affine systems up to output injection and systems with additive triangular nonlinearity. Finally, the third part extends our redesign method to systems whose outputs are not only transformed but also discretized in time. This added assumption introduces important challenges; we now implement sample-and-hold techniques leading to an observer gain based on linear matrix inequalities. The main feature of our redesign methods is the possibility to adapt a large number of observers from the literature to more realistic scenarios. Indeed, classical sensors in engineering applications are often nonlinear or discrete, whereas a recurrent assumption in observer design is the linearity or continuity of the output