Table of Contents

Contrairement aux systèmes linéaires où la sortie est directement proportionnelle à l'entrée et au principe de superposition, les systèmes non linéaires ne suivent pas le principe de superposition (linéarité et homogénéité). Ces comportements non linéaires peuvent compliquer considérablement l'analyse des systèmes, la conception du contrôle et la prédiction des performances. La compréhension et la gestion efficace de ces non-linéarités sont essentielles pour assurer la stabilité du système, atteindre les performances souhaitées et maintenir la fiabilité dans les applications réelles dans les secteurs allant de l'automobile et de l'aérospatiale à la robotique et à l'électronique de puissance.

Quelles sont les non-linéarités dans les systèmes de contrôle?

La théorie du contrôle non linéaire est le domaine de la théorie du contrôle qui traite des systèmes non linéaires, des variables temporelles ou des deux. En termes pratiques, les non-linéarités se produisent lorsque la relation entre les entrées et les sorties du système ne peut pas être décrite avec précision par des équations différentielles linéaires.

Bien que de nombreux systèmes puissent être approchés comme linéaires dans certaines conditions d'exploitation, cette approximation se décompose lorsque le système fonctionne en dehors d'une plage limitée ou rencontre des conditions spécifiques qui déclenchent un comportement non linéaire. La non-linéarité dans un système de contrôle de rétroaction peut résulter de n'importe quel de ses composants : l'installation, l'actionnement, le contrôleur ou la détection (feedback).

Classement des non-linéarités

Les non-linéarités dans les systèmes de contrôle peuvent être classées de plusieurs façons pour mieux comprendre leurs caractéristiques et élaborer des stratégies de gestion appropriées.

Non-linéarités statiques et non-linéarités dynamiques

La non-linéarité statique existe lorsqu'il existe une relation non linéaire entre l'entrée et la sortie sans qu'il y ait d'équation différentielle. La non-linéarité dynamique implique l'entrée et la sortie liées par une équation différentielle non linéaire. Les non-linéarités statiques sont généralement plus faciles à analyser et à compenser, car elles représentent des relations entrées-sorties instantanées.

Non-linéarités dures

Les non-linéarités, comme les frictions, les zones mortes, la saturation, la précharge, les rétro-slashs et l'hystérie, sont appelées non-linéarités dures et sont courantes dans la plupart des systèmes de contrôle, surtout dans les systèmes électromécaniques. Les non-linéarités dures sont caractérisées par des changements brusques du comportement du système et des discontinuités dans la relation entrée-sortie.

Types communs de non-linéarités dans les systèmes de contrôle

Il est essentiel de comprendre les types spécifiques de non-linéarités qui se produisent dans les systèmes de contrôle pour élaborer des stratégies de gestion efficaces.

Saturation Non-linéarité

La non-linéarité de la saturation est un type commun de non-linéarité. Par exemple, voyez cette non-linéarité dans la saturation de la courbe magnétisante du moteur DC. La saturation se produit lorsqu'un composant du système atteint ses limites physiques et ne peut plus répondre proportionnellement à des signaux d'entrée croissants.

Dans les systèmes électriques, la saturation apparaît couramment dans les amplificateurs, les circuits magnétiques et les actionneurs. Même type de saturation non linéarité aussi nous pouvons voir dans un amplificateur pour lequel la sortie est proportionnelle à l'entrée seulement pour une plage limitée de valeurs d'entrée. Lorsque l'entrée dépasse cette plage, la sortie tend à devenir non linéarité.

La courbe d'aimantation d'un moteur DC fournit un excellent exemple de saturation. Au départ, à mesure que le courant d'entrée augmente, la force du champ magnétique augmente proportionnellement. Cependant, au-delà d'un certain point, le matériau magnétique approche la saturation, et des augmentations supplémentaires du courant produisent des augmentations décroissantes de la force du champ magnétique.

Non-linéarité de la zone morte

Une bande morte ou une bande morte (également appelée zone morte ou zone neutre) est une bande de valeurs d'entrée dans le domaine d'une fonction de transfert dans un système de contrôle ou un système de traitement de signaux où la sortie est nulle (la sortie est « morte » - aucune action n'est effectuée).

La non-linéarité de la zone morte est montrée dans divers dispositifs électriques comme les moteurs, les servomoteurs à courant continu, les actionneurs, etc. Les non-linéarités de la zone morte se rapportent à une condition dans laquelle la sortie devient nulle lorsque l'entrée franchit une certaine valeur limite.

Dans le système de servomoteur réel, la zone morte, la saturation et l'hystérie sont quelques-unes des caractéristiques non linéaires les plus courantes. Parmi elles, la zone morte est la plus grave pour les performances du système. Les zones mortes peuvent causer des erreurs d'équilibre, des cycles limites et des performances de suivi médiocres, en particulier à basse vitesse ou lorsque le positionnement précis est nécessaire.

Les régions à bande morte peuvent être utilisées dans des systèmes de contrôle tels que les servoamplificateurs pour prévenir l'oscillation ou les cycles répétés d'activation-désactivation (appelés « chasse » dans les systèmes de contrôle proportionnels).

Hystéries

L'hystérie est une non-linéarité où la sortie dépend non seulement de l'entrée courante mais aussi de l'historique des entrées passées. Le système présente des relations entrées-sorties différentes selon que l'entrée augmente ou diminue. Les thermostats simples (en mode simple) présentent une hystérésis. Par exemple, le four dans le sous-sol d'une maison est réglé automatiquement par le thermostat pour être allumé dès que la température au thermostat tombe à 18 °C et le four est éteint par le thermostat dès que la température au thermostat atteint 22 °C.

Dans les systèmes de commande par relais, en pratique, le relais ne répond pas instantanément. Pour les courants d'entrée entre les deux instants de commutation, le relais peut être dans une position ou une autre selon l'historique précédent de l'entrée. Cette caractéristique est appelée ON/OFF avec hystérésis.

Il est à noter que les non-linéarités d'entrée de zone morte et d'hystérie sont non lisses et que l'entrée de contrôle apparaît dans la fonction système comme une forme non affine, ce qui rend la conception de contrôleur assez complexe. La nature dépendante de la mémoire de l'hystérie rend particulièrement difficile de modéliser et de compenser, nécessitant souvent des cadres mathématiques spécialisés tels que les modèles Preisach ou Duhem.

Non-linéarités de la friction

Tout ce qui s'oppose au mouvement relatif du corps est appelé friction. C'est une sorte de non linéarité présente dans le système. L'exemple commun dans un moteur électrique où on trouve la traînée de friction de coulomb en raison du contact de frottement entre les pinceaux et le commutateur.

La friction statique agit sur les corps au repos et doit être surmontée avant que le mouvement ne commence. La friction dynamique agit pendant le mouvement relatif et peut être subdivisée en frictions coulissantes et en frictions de roulement. La friction de Coulomb, aussi connue sous le nom de friction sèche, produit une force d'opposition constante indépendante de la vitesse mais dépendante de la direction du mouvement. La friction visqueuse, en revanche, produit une force proportionnelle à la vitesse.

Dans les systèmes de commande mécanique, les non-linéarités de frottement peuvent causer des mouvements de glissement, des cycles limites et des erreurs de suivi, particulièrement à faible vitesse. La nature discontinue du frottement à vitesse zéro crée des défis importants pour la conception du contrôle, car elle introduit une discontinuité dans la dynamique du système qui ne peut être capturée par des modèles mathématiques lisses.

Cliquetis

Une autre non linéarité importante qui se produit couramment dans le système physique est l'hystérie dans la transmission mécanique, comme les trains de vitesse et les liaisons. Cette non linéarité est quelque peu différente de l'hystérie magnétique et est généralement réaffranchie comme non linéarités de clash.

Une forme de bande morte qui se produit dans les systèmes mécaniques, machines composées comme les trains de vitesse est rétro-éclairée. Backlash crée une zone morte dans les systèmes de transmission mécanique où le mouvement d'entrée ne produit aucun mouvement de sortie jusqu'à ce que l'ouverture mécanique soit prise. Ce phénomène est particulièrement problématique dans les systèmes de positionnement de précision et peut conduire à des oscillations, de mauvaises performances de suivi, et une bande passante réduite du système.

Le contre-slash de l'hystérie entre l'entrée et la sortie est toujours présent dans la plateforme stabilisée par inertie, ce qui affectera sérieusement les performances dynamiques du système de plate-forme à basse vitesse. Ainsi, le contre-slash a été de plus en plus porté attention à l'utilisation dans la plate-forme stabilisée par inertie. L'impact du contre-slash devient plus grave dans les applications nécessitant une précision élevée ou des retournements fréquents de direction.

Non-linéarité du relais

La non-linéarité intentionnelle la plus répandue est le relais. Les non-linéarités de relais représentent des actions de contrôle ON/OFF où la sortie se déplace entre des états discrets basés sur le signal d'entrée. Un exemple de non-linéarité intentionnelle est un système de relais ou ON/OFF. Par exemple, dans un système de chauffage domestique, le four s'allume lorsque la température tombe sous une valeur définie et OFF lorsqu'il dépasse une autre valeur.

Les relais électromécaniques sont fréquemment utilisés dans les systèmes de commande où la stratégie de commande nécessite un signal de commande à deux ou trois états. Ceci est également appelé contrôleur ON/OFF ou deux contrôleurs d'état. Bien que la commande de relais soit simple et rentable, elle introduit intrinsèquement un comportement non linéaire qui peut conduire à limiter les cycles et à discuter.

Ce cycle de la température autour de la température désirée est appelé cycle limite, et est caractéristique des systèmes de commande non linéaire. Comprendre et gérer ces cycles limites est essentiel pour atteindre des performances acceptables dans les systèmes commandés par relais.

Exemples et applications du monde réel

Des non-linéarités apparaissent dans presque tous les domaines d'ingénierie, affectant les performances du système dans diverses applications. Comprendre comment ces non-linéarités se manifestent dans les systèmes réels aide les ingénieurs à développer des stratégies de contrôle plus efficaces.

Systèmes automobiles

Les systèmes de commande automobile rencontrent de nombreuses non-linéarités qui doivent être gérées pour une performance optimale. La réponse aux gaz présente un comportement non linéaire dû à la dynamique complexe du moteur, y compris les effets du mélange air-carburant, les non-linéarités de combustion et les caractéristiques de liaison mécanique.

Les systèmes de freinage présentent des caractéristiques de saturation lorsque la force de freinage maximale est atteinte, ainsi que l'hystérie de la pédale de frein due à la conformité et au frottement du système hydraulique.

Les systèmes de suspension présentent des caractéristiques non linéaires de ressort et d'amortisseur, en particulier dans les systèmes de suspension modernes. La relation entre la déflexion de suspension et la force est souvent intentionnellement non linéaire pour fournir des caractéristiques de conduite différentes dans diverses conditions de conduite.

Robotique et mécatronique

Les systèmes robotiques sont particulièrement sensibles aux non-linéarités en raison de leurs structures mécaniques complexes et de diverses méthodes d'actionnement. La friction articulaire représente un défi important, affectant les mouvements précis et le suivi de trajectoire. Les caractéristiques de friction varient en fonction de la vitesse, de la charge et de la température articulaires, créant une relation complexe non linéaire qui change au fil du temps en tant que composant usure.

Les rétro-slashs de vitesse dans les transmissions robotiques introduit des zones mortes qui peuvent causer des erreurs de positionnement et des oscillations, particulièrement problématiques dans les applications nécessitant une précision élevée, comme les robots chirurgicaux ou les équipements de fabrication de semi-conducteurs.

La saturation de l'actionneur limite le couple ou la force maximum qui peut être appliqué à chaque joint, limitant ainsi les capacités dynamiques du robot. Lorsqu'il se produit une saturation, le robot ne peut suivre les trajectoires commandées, ce qui peut entraîner une instabilité ou une panne de tâches.

Les robots à câbles font face à des non-linéarités supplémentaires dues à l'élasticité du câble, au frottement dans le routage du câble et à la nature unidirectionnelle des forces du câble (les câbles ne peuvent tirer, pas pousser).

Applications aérospatiales

En raison de la forte non-linéarité et du mécanisme de travail complexe d'un moteur aérodynamique, il est difficile d'obtenir un modèle mathématique précis. Par conséquent, plusieurs chercheurs se sont concentrés sur la recherche et l'application du contrôle adaptatif sur les moteurs aérodynamiques.

Les actionneurs de surface de commande présentent une saturation, des limites de vitesse et parfois des contre-coups dans les liaisons mécaniques. Ces non-linéarités deviennent critiques lors de manœuvres à haute performance ou de situations d'urgence où l'aéronef opère près de ses limites de performance.

La commande du moteur à réaction présente des non-linéarités particulièrement difficiles en raison de la dynamique de combustion, des caractéristiques de décrochage du compresseur et des limites de température de la turbine. La réponse du moteur aux commandes de gaz varie de façon non linéaire en fonction de l'altitude, de la vitesse et des conditions ambiantes.

Électronique de puissance et systèmes électriques

Les systèmes électroniques de puissance fonctionnent par essence avec un comportement de commutation non linéaire. Convertisseurs, onduleurs et moteurs moteurs commutent entre des états discrets, créant des relations de courant de tension non linéaires qui impactent l'efficacité et le contrôle. L'action de commutation introduit l'harmonique et nécessite une conception de contrôle soigneuse pour maintenir un fonctionnement stable et une qualité de puissance acceptable.

Les composants magnétiques tels que les transformateurs et les inducteurs présentent des caractéristiques de saturation qui influent sur leur performance à des niveaux de courant élevés. La courbe B-H non linéaire des matériaux magnétiques doit être prise en compte dans la conception des circuits électroniques de puissance pour éviter des pertes excessives et une instabilité potentielle.

Les systèmes de commande de moteur sont confrontés à de multiples non-linéarités, notamment la saturation magnétique, le couple de coupe et le frottement. Les méthodes de commande de vecteur et de commande directe du couple doivent tenir compte de ces non-linéarités pour obtenir un fonctionnement à haute performance.

Les onduleurs connectés au réseau doivent gérer les non-linéarités dans l'impédance du réseau et gérer les sags de tension, les houles et les harmoniques tout en maintenant une exploitation stable et la qualité de l'alimentation.

Contrôle des procédés et génie chimique

Les processus chimiques présentent souvent de fortes non-linéarités dues à la cinétique de la réaction, aux changements de phase et aux effets thermodynamiques. La relation entre les variables manipulées (comme la position de la valve ou la puissance du chauffage) et les variables contrôlées (comme la température, la pression ou la composition) est généralement très non linéaire et varie selon les conditions de fonctionnement.

Les vannes de commande présentent des caractéristiques de débit non linéaires, avec la relation entre la position de la vanne et le débit selon la conception de la vanne, la chute de pression et les propriétés du fluide.

pH control represents an extreme example of process nonlinearity, with the relationship between reagent addition and pH being highly nonlinear due to the logarithmic nature of the pH scale and buffer effects. Effective pH control requires specialized techniques that account for this severe nonlinearity.

Systèmes biomédicaux

Les systèmes de contrôle biomédical rencontrent des non-linéarités uniques découlant de processus physiologiques.Les systèmes de distribution de médicaments doivent tenir compte de la pharmacocinétique non linéaire et de la pharmacodynamique, où la relation entre la dose de médicament et l'effet physiologique varie selon l'état du patient, la concentration du médicament et le temps.

Les systèmes artificiels de pancréas pour la prise en charge du diabète font face à des non-linéarités sévères dans la dynamique glucose-insuline. La réponse de l'organisme à l'insuline varie de façon non linéaire avec les niveaux de glucose, l'activité physique, le stress et d'autres facteurs.

Les membres et exoskeletons prothétiques doivent gérer les non-linéarités dans l'activation musculaire, la dynamique articulaire et l'interaction homme-machine. Le système de contrôle doit s'adapter aux intentions de l'utilisateur tout en tenant compte de la biomécanique non linéaire et des conditions environnementales variables.

Impact des non-linéarités sur la performance du système

Les non-linéarités peuvent dégrader de façon significative le rendement du système de contrôle si elles ne sont pas correctement traitées.

Questions de stabilité

Les non-linéarités peuvent causer des problèmes de stabilité qui ne se produisent pas dans les systèmes linéaires. Les systèmes non linéaires peuvent avoir plusieurs points d'équilibre isolés, et la stabilité de ces points d'équilibre peut différer. Un système peut être stable pour de petites perturbations mais instable pour les grandes, un phénomène connu sous le nom de région de stabilité finie ou domaine d'attraction.

Les cycles limites représentent des oscillations durables qui peuvent survenir dans les systèmes non linéaires même sans excitation externe. Bien que parfois acceptables ou même souhaitables (comme dans les circuits oscillateurs), les cycles limites indiquent souvent des performances de contrôle médiocres et peuvent entraîner une usure excessive, une consommation d'énergie et une précision réduite.

Les phénomènes de saut et les bifurcations peuvent se produire dans les systèmes non linéaires, où de petits changements de paramètres ou de conditions d'exploitation provoquent des changements soudains et dramatiques du comportement du système.

Dégradation des performances

Les non-linéarités dégradent généralement les performances de suivi, ce qui fait que la sortie du système s'écarte des trajectoires souhaitées. Les zones mortes et les rétro-slashs introduisent des erreurs d'équilibre et empêchent un positionnement précis.

La friction et l'hystérie créent des erreurs de suivi, particulièrement à basse vitesse ou lors des retournements de direction. Ces non-linéarités peuvent provoquer un mouvement de glissement de bâton, où le système alterne entre le collage (sans mouvement) et le glissement (déplacement rapide), ce qui entraîne un mouvement maussade et imprécis.

Les non-linéarités réduisent souvent la largeur de bande du système et le temps de réponse. Le gain effectif d'un élément non linéaire varie selon les conditions d'exploitation, ce qui rend difficile l'obtention de performances cohérentes sur toute la gamme d'exploitation.

Robustesse et sensibilité

Les systèmes non linéaires présentent souvent une sensibilité accrue aux variations, aux perturbations et aux erreurs de modélisation des paramètres. De petits changements dans les paramètres du système peuvent entraîner des changements importants dans le comportement, en particulier près des points de bifurcation ou lorsque le fonctionnement est proche des limites de stabilité.

L'interaction entre plusieurs non-linéarités peut créer un comportement complexe et imprévisible. Par exemple, la combinaison de saturation et de friction peut conduire à des cycles limites qui ne se produiraient pas avec l'une ou l'autre non-linéarité seule.

Méthodes d'analyse pour les systèmes non linéaires

L'analyse des systèmes de contrôle non linéaires nécessite des techniques mathématiques spécialisées qui diffèrent de celles utilisées pour les systèmes linéaires. Les techniques mathématiques qui ont été développées pour les manipuler sont moins générales, souvent appliquées uniquement à des catégories étroites de systèmes.

Méthode de description de la fonction

La fonction de description est une procédure approximative pour analyser certains problèmes de contrôle non linéaires dans l'ingénierie de contrôle. Cette méthode rapproche l'élément non linéaire par sa réponse harmonique fondamentale aux entrées sinusoïdales, traitant efficacement la non-linéarité comme un gain quasi linéaire qui varie avec l'amplitude d'entrée.

La méthode de description de la fonction est particulièrement utile pour prédire les cycles limites dans les systèmes avec une seule non-linéarité dans le chemin de rétroaction. En combinant la fonction de description de la non-linéarité avec la réponse de fréquence de la partie linéaire du système, les ingénieurs peuvent prédire si des cycles limites se produiront et estimer leur amplitude et leur fréquence.

Bien que la méthode de description de la fonction fournisse des indications précieuses, elle a des limites. Elle suppose que les harmoniques plus élevées sont filtrées par la partie linéaire du système et peut ne pas prédire avec précision le comportement lorsque cette hypothèse est violée. La méthode est la plus précise pour les systèmes avec des caractéristiques de faible passage et des non-linéarités relativement lisses.

Analyse de la phase de plan

L'analyse de phase plan fournit une approche géométrique pour comprendre les systèmes non linéaires de second ordre. En traçant les trajectoires du système dans l'espace d'état (généralement position versus vitesse), les ingénieurs peuvent visualiser le comportement du système, identifier les points d'équilibre et évaluer la stabilité.

Les méthodes de plan de phase révèlent des caractéristiques importantes telles que les cycles limites, les séparateurs (limites entre différents types de comportement) et le bassin d'attraction pour des points d'équilibre stables. Cette approche visuelle permet une compréhension intuitive de la dynamique du système qui peut ne pas être apparente à partir des équations seules.

La méthode est limitée aux systèmes ou systèmes de deuxième ordre qui peuvent être réduits à un second ordre. Pour les systèmes de plus grande ordre, l'analyse de phase plan devient peu pratique et d'autres méthodes doivent être utilisées.

Théorie de stabilité de Lyapunov

La théorie de la stabilité de Lyapunov fournit un cadre puissant pour analyser la stabilité des systèmes non linéaires sans résoudre explicitement les équations différentielles. La méthode consiste à construire une fonction Lyapunov, une fonction scalaire de type énergie qui diminue le long des trajectoires du système.

Si l'on peut trouver une fonction Lyapunov qui diminue le long de toutes les trajectoires, le système est stable. Cette approche est particulièrement utile car elle fournit des conditions suffisantes pour la stabilité sans exiger une solution complète de la dynamique du système. Cependant, trouver des fonctions Lyapunov appropriées peut être difficile et nécessite souvent une perspicacité et une expérience.

Les méthodes Lyapunov constituent le fondement de nombreuses techniques modernes de conception de contrôle non linéaire, y compris le contrôle adaptatif, le contrôle du mode coulissant et le rétrogradage. La théorie s'étend à des concepts tels que la stabilité d'entrée à l'état et fournit des outils pour analyser la robustesse aux perturbations et aux incertitudes.

Simulation numérique

Les systèmes non linéaires sont souvent analysés à l'aide de méthodes numériques sur ordinateurs, par exemple en simulant leur fonctionnement en utilisant un langage de simulation. Les outils informatiques modernes permettent de simuler en détail des systèmes non linéaires complexes qui défient la solution analytique.

La simulation numérique permet aux ingénieurs d'explorer le comportement du système dans diverses conditions, de tester les stratégies de contrôle et d'identifier les problèmes potentiels avant sa mise en œuvre.

Bien que la simulation soit inestimable, elle ne peut pas prouver la stabilité ou garantir la performance pour toutes les conditions possibles. Les résultats de la simulation doivent être interprétés avec soin et complétés par des méthodes analytiques lorsque c'est possible.

Méthodes de gestion et de compensation des non-linéarités

La gestion efficace des non-linéarités exige une combinaison de stratégies d'analyse, de conception et de mise en oeuvre. Le choix de la méthode dépend du type de non-linéarité, des besoins du système et des ressources disponibles.

Linéarisation autour des points d'exploitation

Dans certaines circonstances, près d'un point d'intérêt stable, ces systèmes peuvent être rapprochés de systèmes linéaires par linéarisation permettant d'utiliser des techniques linéaires. La linéarisation implique de rapprocher le système non linéaire d'un modèle linéaire valable dans une petite région autour d'un point d'exploitation.

Le processus de linéarisation implique généralement le calcul de la matrice jacobin de la dynamique du système au point d'exploitation. Le modèle linéaire résultant capture le comportement local et permet l'application de méthodes classiques de conception de contrôle telles que le locus racine, la réponse de fréquence et le contrôle optimal.

La linéarisation est plus efficace lorsque le système fonctionne principalement à proximité d'un seul point d'exploitation et que les écarts sont faibles. Pour les systèmes à grandes plages de fonctionnement ou à forte non-linéarité, la linéarisation peut fournir des performances inadéquates.

Gagner l'horaire

Le système est linéarisé à plusieurs points de la plage de fonctionnement, et un contrôleur est conçu pour chaque linéarisation. Pendant le fonctionnement, les paramètres du contrôleur sont ajustés (programmés) en fonction des conditions de fonctionnement mesurées ou estimées.

Cette approche est largement utilisée dans les applications aérospatiales où les conditions de vol varient considérablement en fonction de l'altitude, de la vitesse et de la configuration des aéronefs.

La planification des gains peut fournir de bonnes performances sur une large gamme de fonctionnement, mais nécessite une conception soignée pour assurer des transitions en douceur entre les points d'exploitation et maintenir la stabilité pendant les changements de paramètres.

Linéarisation de la rétroaction

La linéarisation des retours est une technique de contrôle non linéaire qui utilise la rétroaction non linéaire pour annuler les non-linéarités du système, transformant le système en boucle fermée en un système linéaire équivalent. Cette approche diffère fondamentalement de la linéarisation autour d'un point d'exploitation, car elle permet une linéarisation exacte (du moins théoriquement) sur une large gamme d'exploitation.

La méthode exige une connaissance exacte du modèle du système et la capacité de mesurer ou d'estimer tous les états pertinents. Lorsque ces conditions sont remplies, la linéarisation de rétroaction peut fournir une excellente performance. La technique est particulièrement efficace pour les systèmes avec une dynamique non linéaire bien définie, comme les manipulateurs de robots et certains processus chimiques.

La linéarisation de la rétroaction a des limites. Elle nécessite l'annulation exacte des non-linéarités, ce qui la rend sensible aux erreurs de modélisation et aux incertitudes des paramètres.

Contrôle du mode coulissant

Stratégies de contrôle non linéaires : Développer des techniques de contrôle spécialement adaptées aux systèmes non linéaires, comme le contrôle du mode coulissant, le contrôle adaptatif et le contrôle du marche arrière. Le contrôle du mode coulissant (SMC) est une technique robuste de contrôle non linéaire qui force les trajectoires du système à atteindre et à rester sur une surface coulissante prédéfinie dans l'espace de l'état.

L'avantage clé de la MCS est sa robustesse inhérente aux incertitudes et aux perturbations appariées. L'action de contrôle discontinue permet de rejeter fortement les perturbations qui entrent par le même canal que l'entrée de contrôle.

Le principal défi avec SMC est le bavardage, les oscillations à haute fréquence causées par l'action de contrôle discontinu. Le bavardage peut exciter une dynamique de haute fréquence non modélisée, causer une usure excessive et augmenter la consommation d'énergie. Diverses techniques ont été développées pour réduire le bavardage, y compris les méthodes de couche limite, les modes coulissants de plus haut ordre et les approximations continues de la loi de contrôle discontinu.

Contrôle adaptatif

Sur la base du système de toutes les entrées et sorties d'informations, un certain indicateur de performance est mesuré et comparé à celui souhaité. Ensuite, le mécanisme d'adaptation peut modifier les paramètres du contrôleur ou générer un signal auxiliaire pour le système afin d'appliquer les exigences de performance et de rester cohérent avec eux. La méthode a un bon effet de contrôle sur l'incertitude et la non-linéarité du système.

Le contrôle adaptatif ajuste les paramètres du contrôleur en temps réel en fonction des performances du système et des conditions changeantes. Cette approche est particulièrement utile lorsque les paramètres du système sont inconnus, que les conditions de fonctionnement varient considérablement.

Référence du modèle Le contrôle adaptatif (MRAC) ajuste les paramètres pour que le système se comporte comme un modèle de référence avec les caractéristiques souhaitées. Les régulateurs autotuniseurs (STR) identifient les paramètres du système en ligne et ajustent le contrôleur en conséquence.

Le contrôle adaptatif nécessite une conception soignée pour assurer la stabilité et la convergence. Le mécanisme d'adaptation doit être conçu pour garantir que les estimations des paramètres convergent pour corriger les valeurs ou au moins maintenir un comportement limité. Des conditions d'excitation persistantes peuvent être nécessaires pour la convergence des paramètres, et le taux d'adaptation doit être choisi pour équilibrer les performances de suivi avec la robustesse du bruit et des perturbations.

Contrôle de l'arrière-plan

La technique consiste à construire une fonction Lyapunov et à contrôler la loi étape par étape, en partant de l'équation la plus interne et en travaillant vers l'extérieur. À chaque étape, une entrée de contrôle virtuel est conçue pour stabiliser le sous-système, et le processus se poursuit jusqu'à ce que l'entrée de contrôle réel soit atteinte.

Le dosselage fournit un cadre systématique pour la conception de contrôle non linéaire avec une stabilité garantie. La méthode peut gérer les systèmes avec des incertitudes paramétriques par le biais du dossetage adaptatif, où les estimations des paramètres sont mises à jour avec la loi de contrôle.

La principale limite du contre-étape est l'exigence d'une structure de système spécifique (rétroaction restreinte ou pure rétroaction). La méthode peut également conduire à des lois de contrôle complexes, en particulier pour les systèmes à ordre élevé, et peut nécessiter une mesure ou une estimation de tous les états.

Modèle de contrôle prédictif

Les auteurs mettent en œuvre et testent deux stratégies de contrôle différentes basées sur Model Predictive Control (MPC) : la première s'appuie sur Hybrid MPC, la seconde est basée sur l'inversion de la zone morte et sur la norme MPC. Model Predictive Control (MPC) est une stratégie de contrôle avancée qui traite explicitement les contraintes et les non-linéarités en résolvant un problème d'optimisation à chaque étape.

MPC est particulièrement efficace pour les systèmes avec des contraintes sur les entrées, les sorties ou les états. La méthode peut directement intégrer des modèles non linéaires et gérer plusieurs entrées et sorties. Des contraintes telles que la saturation du vérin, les limites de vitesse et les limites de sécurité sont explicitement appliquées dans le problème d'optimisation.

Le principal défi avec MPC non linéaire est la complexité computationnelle. Résoudre le problème d'optimisation non linéaire en temps réel peut être exigeant, en particulier pour les systèmes rapides ou les modèles complexes.

Méthodes de contrôle intelligentes

Les méthodes de contrôle intelligentes, y compris le contrôle logique flou, le contrôle du réseau neuronal et les systèmes neuro-fuzzy, offrent des approches alternatives pour gérer les non-linéarités.

Le contrôle logique flou utilise des règles linguistiques pour coder les connaissances d'experts et gérer les non-linéarités. L'approche est intuitive et peut être efficace lorsque des modèles précis ne sont pas disponibles. Les réseaux neuraux peuvent apprendre les cartes non linéaires à partir de données et s'adapter aux conditions changeantes.

Ces méthodes ont été appliquées avec succès à diverses applications, notamment la saturation, la zone morte, les clashs et l'hystérie, sont les non-linéarités des actionneurs les plus courantes dans les systèmes de contrôle pratique.

Rémunération directe en cas de non-linéarité

La compensation directe consiste à ajouter des non-linéarités inverses pour annuler les effets des non-linéarités du système. Par exemple, si un actionneur présente une zone morte connue, le contrôleur peut ajouter un signal de compensation qui remplit la zone morte, linéarisant efficacement la réponse du actionneur.

Pour la saturation, les systèmes anti-ventilation empêchent l'élimination de l'intégrateur lorsque les actionneurs saturent. Pour les zones mortes, les fonctions de zone morte inverse peuvent être ajoutées au signal de commande. Pour les frictions, divers systèmes de compensation de frottement ont été développés, y compris des méthodes de compensation et d'adaptation basées sur des modèles.

L'efficacité de la compensation directe dépend de la précision du modèle de non-linéarité. Les incertitudes liées aux caractéristiques de non-linéarité peuvent conduire à une compensation incomplète ou même à une dégradation des performances.

Considérations pratiques de mise en œuvre

La mise en oeuvre réussie de stratégies de contrôle non linéaires exige une attention particulière aux questions pratiques qui peuvent ne pas être évidentes par l'analyse théorique.

Mesure et estimation de l'état

De nombreuses techniques de contrôle non linéaires nécessitent des mesures ou des estimations des états du système. Le bruit du capteur, les retards de mesure et la disponibilité limitée du capteur peuvent avoir un impact significatif sur les performances.

Les observateurs non linéaires, tels que les filtres Kalman étendus, les filtres Kalman non parfumés et les observateurs à haut gain, étendent les techniques d'estimation de l'état aux systèmes non linéaires. Le choix de l'observateur dépend des caractéristiques du système, des ressources informatiques et des exigences de performance.

Exigences informatiques

Les algorithmes de contrôle non linéaires nécessitent souvent plus de calcul que les contrôleurs linéaires. L'implémentation en temps réel doit garantir que les calculs de contrôle se terminent pendant la période d'échantillonnage. Les systèmes numériques peuvent gérer les systèmes de contrôle non linéaires plus efficacement que le type analogique de systèmes.

Les microcontrôleurs modernes, les processeurs de signaux numériques et les tableaux de portes programmables sur le terrain fournissent une puissance de calcul suffisante pour de nombreuses applications de contrôle non linéaires.

Robustesse et tolérance aux fautes

Les systèmes de contrôle non linéaires doivent maintenir des performances acceptables malgré les incertitudes, les perturbations et les défaillances des composants. Des techniques de conception robustes de contrôle garantissent que les spécifications de performance sont respectées malgré les incertitudes limitées.

Les essais et la validation sont essentiels pour les systèmes de contrôle non linéaires. Le comportement complexe des systèmes non linéaires rend difficile la prédiction de tous les scénarios possibles par l'analyse seule.

Tuning et mise en service

Les contrôleurs non linéaires peuvent être plus difficiles à régler que les contrôleurs linéaires. Les performances peuvent varier considérablement en fonction des conditions d'exploitation, et les compromis entre différentes mesures de performance peuvent être plus complexes.

Les procédures de mise en service doivent vérifier que le système de contrôle fonctionne de manière acceptable sur toute la plage d'exploitation et dans diverses conditions de perturbation.

Sujets avancés et recherche actuelle

La recherche sur le contrôle non linéaire continue de progresser, s'attaquant à des systèmes de plus en plus complexes et développant de nouveaux cadres théoriques et outils pratiques.

Contrôle fondé sur l'apprentissage

L'apprentissage automatique et l'intelligence artificielle sont de plus en plus intégrés aux systèmes de contrôle. L'apprentissage renforcé permet aux contrôleurs d'apprendre des politiques optimales grâce à l'interaction avec le système, en découvrant des stratégies qui surpassent les conceptions traditionnelles.

Ces approches sont prometteuses mais posent aussi des défis en matière de sécurité, de garanties de stabilité et d'interprétation. La combinaison de méthodes fondées sur l'apprentissage et de la théorie traditionnelle du contrôle pour fournir des garanties de sécurité tout en exploitant les capacités d'apprentissage est un domaine de recherche actif.

Contrôle distribué et réseau

Les systèmes de contrôle modernes impliquent souvent plusieurs agents ou sous-systèmes qui communiquent sur les réseaux. La dynamique non linéaire combinée aux contraintes de communication, aux retards et aux pertes de paquets crée de nouveaux défis.

Les applications incluent des sections de véhicules autonomes, des réseaux intelligents et des systèmes multi-robots. La recherche aborde les problèmes de consensus, le contrôle de la formation et l'optimisation distribuée en présence de non-linéarités et de contraintes de communication.

Systèmes cyberphysiques

Les systèmes cyberphysiques intègrent le calcul, la communication et les processus physiques. Les non-linéarités du système physique interagissent avec des événements discrets et la logique dans le système cyber, créant une dynamique hybride qui combine un comportement continu et discret.

Les préoccupations de sécurité ajoutent une autre dimension, car les systèmes cyberphysiques peuvent être vulnérables aux attaques qui exploitent des non-linéarités ou créent un comportement malveillant non linéaire.

Contrôle d'utilisation des données

Les méthodes de contrôle axées sur les données permettent de concevoir des contrôleurs directement à partir de données mesurées sans identifier explicitement un modèle de système.Ces approches sont particulièrement attrayantes lorsque la modélisation précise est difficile, mais les données sont facilement disponibles.

Pour les systèmes non linéaires, les méthodes fondées sur les données doivent gérer la complexité des relations non linéaires tout en assurant la stabilité et les performances.

Lignes directrices et pratiques exemplaires en matière de conception

La gestion réussie des non-linéarités dans les systèmes de contrôle nécessite une approche systématique combinant l'analyse, la conception et la mise en oeuvre.

Analyse et caractérisation du système

Commencez par caractériser en profondeur les non-linéarités présentes dans le système. Identifier les non-linéarités qui ont l'impact le plus significatif sur les performances et qui peuvent être négligées ou approximatives.

Élaborer des modèles précis de non-linéarités critiques grâce à une combinaison d'analyse des premiers principes et d'identification du système. Valider les modèles par rapport aux données expérimentales dans la gamme de fonctionnement prévue. Quantifier les incertitudes dans les modèles pour guider la conception robuste de contrôle.

Sélection de la stratégie de contrôle

Choisir des stratégies de contrôle adaptées aux exigences spécifiques en matière de non-linéarité et de performance. Des approches simples comme la linéarisation avec calendrier de gain peuvent suffire pour les non-linéarités légères et les exigences de performance modérées.

Considérez les compromis entre performance, complexité et robustesse. Des stratégies de contrôle plus complexes peuvent offrir de meilleures performances nominales, mais elles pourraient être plus sensibles aux erreurs de modélisation ou plus difficiles à mettre en oeuvre et à maintenir.

Simulation et validation

La simulation est essentielle pour les systèmes de commande non linéaires. Testez le système de commande dans diverses conditions d'exploitation, perturbations et variations de paramètres.

La simulation du matériel dans la boucle permet de relier la simulation pure et les essais complets du système. Cette approche permet de tester le matériel et le logiciel de contrôle réel pendant que l'installation est simulée, permettant de détecter les problèmes d'implémentation avant le déploiement.

Documentation et entretien

Documenter la conception du système de contrôle en profondeur, y compris la justification des choix de conception, des hypothèses et des limites. Fournir des conseils clairs pour l'accord, la mise en service et le dépannage.

Planifiez l'entretien et les mises à jour à long terme. Les non-linéarités peuvent changer au fil du temps en raison de l'usure, du vieillissement ou des facteurs environnementaux.

Outils et logiciels pour le contrôle non linéaire

Les outils logiciels modernes facilitent grandement l'analyse et la conception des systèmes de contrôle non linéaires. MATLAB et Simulink fournissent des environnements complets pour la modélisation, la simulation et la conception de contrôle, avec des boîtes à outils spécialisées pour le contrôle non linéaire, l'optimisation et l'identification du système.

Python est devenu une alternative puissante, avec des bibliothèques telles que le contrôle, la scisie et des paquets spécialisés pour le contrôle non linéaire et l'optimisation. Les outils open-source offrent flexibilité et personnalisation, bien qu'ils puissent nécessiter plus d'expertise de programmation que les paquets commerciaux.

Des logiciels spécialisés existent pour des applications spécifiques, comme les environnements de simulation robotique (Gazebo, V-REP), la simulation électronique de puissance (PLECS, PSIM) et le contrôle des processus (Aspen Plus, gPROMS).

Les plates-formes de contrôle en temps réel, y compris dSPACE, les instruments nationaux et divers systèmes embarqués, permettent de prototyper et de déployer rapidement des algorithmes de contrôle non linéaires, qui permettent de combler l'écart entre la simulation et la mise en œuvre, en soutenant l'ensemble du cycle de développement, du concept à la production.

Études de cas et exemples de réussite

L'examen des applications réussies du contrôle non linéaire fournit des indications précieuses et démontre les avantages pratiques d'une gestion adéquate des non-linéarités.

Contrôle de vol des aéronefs

Les avions de chasse modernes utilisent des systèmes de contrôle non linéaire sophistiqués pour atteindre une maniabilité sans précédent. Ces systèmes gèrent des non-linéarités aérodynamiques sévères, des contraintes de vérin et des conditions de vol changeant rapidement.

Le succès de ces systèmes démontre la valeur du contrôle non linéaire dans les applications exigeantes où la performance et la sécurité sont essentielles. Les leçons apprises comprennent l'importance d'une conception robuste, des essais approfondis et une intégration soigneuse de fonctions de contrôle multiples.

Robotique industrielle

Les robots industriels obtiennent systématiquement une précision remarquable malgré des non-linéarités importantes, notamment le frottement des articulations, la rétro-éclairage des rapports et la dynamique des liaisons flexibles.

L'évolution du contrôle robot illustre comment les techniques de contrôle non linéaires sont passées des concepts de recherche à des solutions industrielles fiables.

Systèmes automobiles

Les systèmes de contrôle moteur utilisent des stratégies de flux et de rétroaction non linéaires pour optimiser la combustion à des vitesses et des charges variables. Les systèmes de contrôle de stabilité électroniques utilisent des algorithmes non linéaires pour maintenir la stabilité du véhicule pendant les manœuvres extrêmes.

Le succès de l'industrie automobile dans le déploiement de contrôles non linéaires à l'échelle démontre que ces techniques peuvent être rentables et fiables dans les applications de masse. Les facteurs clés comprennent une conception soignée, une validation approfondie et une amélioration continue basée sur l'expérience sur le terrain.

Orientations futures et nouveaux défis

Les systèmes autonomes, des voitures autoconduites aux drones de livraison, nécessitent un contrôle non linéaire robuste pour fonctionner en toute sécurité dans des environnements complexes et incertains. Ces systèmes doivent gérer des non-linéarités sévères tout en offrant des garanties de sécurité et en s'adaptant à des situations imprévues.

Les systèmes énergétiques deviennent de plus en plus complexes, avec des sources d'énergie renouvelables, le stockage de l'énergie et des charges flexibles créant une dynamique non linéaire à plusieurs échelles.

Les applications biomédicales présentent des défis uniques, avec des systèmes physiologiques hautement non linéaires, des incertitudes importantes et des exigences de sécurité rigoureuses.

L'intégration de l'intelligence artificielle aux systèmes de contrôle ouvre de nouvelles possibilités mais soulève aussi des questions sur la sécurité, l'interprétation et la certification.

Conclusion

Les non-linéarités sont inhérentes aux systèmes de contrôle du monde réel et ont un impact significatif sur les performances, la stabilité et la robustesse. La compréhension des types de non-linéarités, de leurs effets et des stratégies de gestion disponibles est essentielle pour les ingénieurs de contrôle dans tous les domaines d'application.

Le domaine a mûri de façon significative, avec une riche base théorique et des techniques pratiques éprouvées. Les outils modernes et les capacités informatiques permettent la mise en œuvre de stratégies de contrôle non linéaires sophistiquées qui ont été des exercices purement académiques.

Les ingénieurs qui maîtrisent ces techniques seront bien placés pour développer les systèmes de contrôle avancés nécessaires pour les applications futures. La recherche et le développement continus permettront d'élargir les capacités et l'applicabilité des contrôles non linéaires, permettant de nouvelles technologies et améliorant les systèmes existants.

Pour ceux qui cherchent à approfondir leur compréhension, de nombreuses ressources sont disponibles, y compris des manuels, des documents de recherche, des cours en ligne et des conférences professionnelles. Des organisations comme IEEE Control Systems Society[ et International Federation of Automatic Control fournissent des forums pour l'apprentissage et la collaboration.

Le parcours de maîtrise du contrôle non linéaire est stimulant mais enrichissant, offrant la satisfaction de résoudre des problèmes complexes et des technologies habilitantes qui améliorent notre monde. Que vous conceviez des véhicules autonomes, optimisiez les processus industriels ou développiez des dispositifs médicaux, la compréhension et la gestion de non-linéarités seront au cœur de votre succès.