jean-pierre richard - inriaresearchers.lille.inria.fr/~jrichard/pdfs/smart-systdyn2016.pdf ·...

Jean-Pierre Richard

Centrale Lille

Equipe-Projet

jean-pierre.richard@ec-lille.fr

Master SMaRT – septembre 2016

http://researchers.lille.inria.fr/~jrichard

pdf disponible sur : http://chercheurs.lille.inria.fr/~jrichard/enseignement.htm

voir aussi le livre en téléchargement https://hal.inria.fr/hal-00519555/

About CRIStAL...

[CRIStAL, May 2016]

approx. 450 people

organized in 9 Groups

UMR 9189

+Inocs

(today)

CFHPjoint team

DEFROSTteam

G T C O 2

‘A’

project-

Presently

3 teams :■ Symbolic computation, high performance [CFHP] F. Boulier

■ Soft robots [DEFROST - Inria] C. Duriez

■ Hybrid, nonlinear, delay systems [SYNER & NON-A – Inria] L. Belkoura

29 perm.staff [3DR+7PU, 7CR+9MC, 3 IR]

31 non perm. [23 PhD, 6 Post-Doc, 2 Ingés]

Recent staff movements (2016) :

■ +2 perm.

o 1 researcher (CR2 Inria)

o 1 engineer (IR Inria)

■ +3 PhD std

o 2 defenses in 2016

o 5 starting 2016-2017

■ -2 post-doc

o 3 out

o 1 in

People & structure

Key strengths and expertise:

■ Interdisciplinarity challenge: [auto + info + maths] for dynamical systems

o robust control and estimation, finite-time convergence

o real-time modeling for control of deformable robots

o symbolic computation, high performance computing, parameter estimation

■ Broad range of application fields:

o Cyber-physical systems, communication, computing: embedded/networked, IoT, crypto, exascale...

o Robotics: soft robots, collaboration, interaction, surgery, handicap, teleoperation

o Fluid mechanics and micro/nano-tech: boundary layer control (Onera-LML-IEMN)

o Biology and information: biologial modelling, ‘living sensors’

o Electrical engineering: power converters, sensorless control…

People & structure

Key strengths and expertise:

■ Interdisciplinarity challenge: [auto + info + maths] for dynamical systems

o robust control and estimation, finite-time convergence

o real-time modeling for control of deformable robots

o symbolic computation, high performance computing, parameter estimation

■ Broad range of application fields:

o Cyber-physical systems, communication, computing: embedded/networked, IoT, crypto, exascale...

o Robotics: soft robots, collaboration, interaction, surgery, handicap, teleoperation

o Fluid mechanics and micro/nano-tech: boundary layer control (Onera-LML-IEMN)

o Biology and information: biologial modelling, ‘living sensors’

o Electrical engineering: power converters, sensorless control…

model analysis,

exact manipulation,

exact resolution

offline / before of after

« control »

plan and track some trajectory

online / real-time

« soft sensors »

obtain unmeasured data

online / real-time

num. simulation

inversion output input

online / real time

Collaborative SLAM (2014) Autonomous wheelchair (2013) Soft robot 3D (2015)

Online estimation (2014) 4 cops and 1 thief (2013) Teleoperation over IP (2012)

Internet of Oysters (2015) Eliminate/Integrate over Maple Nonlinear underactuated (2007)

Active flow control (ongoing) HMI (ongoing) Indoor blimp (ongoing)

Surveillance of area (2015)

Assistance to person (2016) Drones under perturb. (ongoing) xxx

Jean-Pierre Richard

Centrale Lille

Equipe-Projet

jean-pierre.richard@ec-lille.fr

Master SMaRT – septembre 2016

http://researchers.lille.inria.fr/~jrichard

pdf disponible sur : http://chercheurs.lille.inria.fr/~jrichard/enseignement.htm

voir aussi le livre en téléchargement https://hal.inria.fr/hal-00519555/

PLAN D’ENSEMBLE

1. Introduction

2. Basic notions

3. Stability

4. Controllability

5. Observability

6. Delay systems

7. Distributions

Plan plus détaillé…1. Introduction- various examples, including chaotic systems, delay systems…

2. Basic notions- definitions of solutions, flows, transients and invariant solutions, phase portrait

- equilibrium points, periodic solutions, limit cycles

- Lipschitz systems and existence/uniqueness of solutions

- autonomous/time-varying, linear/nonlinear models

- Lie brackets and commutativity of flows

3. Stability- Lyapunov stability, attractivity, attractivity does not imply stability

- exponential stability, stability of linear systems

- absolute stability, BIBO stability

- different criteria of stability of linear systems in different norms (continuous / discrete time)

- Aizerman's conjecture in the nonlinear case

- 1st Lyapunov method, limitations, center manifold theorem

- 2nd Lyapunov method, Lyapunov functions for stability and instability, Chetaev function

4. Controllability- general definition

- linear case, verification for linearization, nonlinear case, accessibility

- difference between controllability and stabilizability

5. Observability- see next page…

J.P. Richard 8h cours

+ C. Fiter 4h TD

D. Efimov

0h cours + 2h TD

C. Fiter

6h cours + 4h TD

Plan plus détaillé…

5. Observability- general notions: state, input, parameters

- model-based vs model-free techniques (geometric vs algebraic frameworks)

- linear systems: definitions (observability, detectability...), full and reduced order observers

- nonlinear case by linearization

- observability, distinguishability and identifiability in nonlinear case

- observer design for nonlinear systems: high-gain, finite-time observer via homogeneity

- adaptive observers

- differentiation algorithms

6. Delay systems- examples, motivation from networked control systems and (a)periodic sampling problems

- Lipschitz conditions in the delayed case

- analysis of FDE: operators, geometry, algebra formalisms

- Smith predictor

- stability, Lyapunov-Krasovskii and Lyapunov-Razumikhin approache

7. Distributions- mathematical tools, applications

D. Efimov

10h cours + 2h TD

C. Fiter

2h Cours + 2h TD

J.P. Richard

2h cours

L. Belkoura 4h Cours

1- Introduction :

Petit rappel sur les systèmes lagrangiens…

1- Introduction : exemple mécanique 1

d frottement

l longueur

m masse

u couple moteur

q angle

g gravité

NB : inversible etc.

exempleacadémique,et... inutile ?

B2, projet IMARA, juin 2003

mais aussi… (2010)

Puma 2009 (GM)

x 2 ò

Monocycle simplifié : entrées = vitesses (pas d’inertie), pas de glissement…(modèle cinématique, pas modèle dynamique)

modélise

ça…

mais pas

1- Introduction : exemple mécanique 3bis

Monocycle simplifié (modèle cinématique, entrées = vitesses)

u1=1/2(v1+v2)u2=1/2(v1 -v2)2005

Tricycle (simplifié)

1- Introduction : exemple électrique 1

Moteur Courant Continu (sortie = position)

courant rotorique (armature)

vitesse angulaire (armature)

position angulaire

flux inducteur (stator)

tension rotorique (armature)

gain moteur («fem/vitesse»)

inertie, frot. charge

résist., self rotoriques

Moteur Shunt x1 position angulaire

x2 vitesse angulaire

x3 courant armature

Moteur Pas-à-Pas (modélisé dans le repère de Park)

1- Introduction : exemple en GdP

Autres exemples …

Site JPR pictures/video movies

Boston Dyn.

BigDog

Jap-Fr

HRP2 2006

(planif !)

Boston Dyn.

Atlas 2015

Boston Dyn.

Atlas 2016

Boston Dyn.

Spot 2016

1- Introduction : exemple en écologieProies-Prédateurs (Lotka-Volterra)

Nbre Herbivores : x seuls : dx/dt = ax, (a > 0)

Nbre Carnivores : y seuls : dy/dt = - by , (b > 0)

Herbivores

Carnivores

ensemble dx/dt = ax - cxy (a,b,c,d > 0)

dy/dt = -by + dxy

Vito Volterra (1860-1940), mathématicien, fondateur de l’analyse fonctionnelle, systèmes héréditaires.

Alfred James Lotka, chimiste : « Elements of Physical Biology », 1925.

NB : Volterra avait remarqué que

(simu)… sacré Vito !… sacré Vito !

1- Introduction : exemple en écologie (suite)

Modèle proies-prédateurs à 3 espèces :

Plants d’herbe : h seuls :

Gazelles : x seuls :

Lions : y seuls : simu…(herbe seule)

saturationanalyse ?

ensemble

1- Introduction : exemple en météorologie

Mêmes CI xyz (t0 ≠)Credit: W. Perruquetti

Sensibilité aux C.I. pressentie vers 1875 par James Clerk Maxwell (1831-1879) puis Henri Poincaré.

Lorenz (Edward Norton Lorenz, météorologiste, 1917- ?) étudie en 1963 l’équation déterministe :

(modèle très simplifié desécoulements dans l’atmosphère)

Chaos : pour C.I. , solutions

pas de cycle limite !

Même t0CI xyz #

1- Introduction : attracteur étrange issu du chaos

Section de Poincaré d’un attracteur étrange (ici, cas d’un pendule forcé) :

La permanence d’une même structuration à différentes échelles signe un objet fractal.

(a) Représentation globale de l’attracteur : structure feuilletée et repliements.

(b) Agrandissement de la partie encadrée : topologie semblable à celle de l’attracteur dans sa totalité.

1- Introduction : un autre exemple de chaos

Attracteur de Rösler :

Question: à partir de quel ordre d’équation différentielle peut-on rencontrer ce type de comportement ?

dx/dt = - x - y

dy/dt = x + 0.2y

dz/dt = 0.2 - 5.8z + xz

rythme gouttes d’eau, rythmes cardiaques, etc.

1- Introduction : un autre exemple de chaos

Système scalaire discret :

Pour quelles valeurs de aa-t-on un phénomène de chaos ?

(click me…)

Valeurs d’adhérence xi

(oh, click me again…)

x densité de population

en début d’année n

f facteur de fécondité,

r ressources nutritives

x(n +1) = f r x(n)

r = r (x) = k (1 - x)

« FONCTION LOGISTIQUE »

Nbre val.adh.

d'après le nom du physicien-mathématicien Mitchell Jay Feigenbaum, PhD MIT 1970 (Feigenbaum = figuier en allemand)

Nombre de Feigenbaum : les mi étant les a de bifurcation, on a une constante d

qui s’avère commune à d’autres systèmes, comme

4,66920160910299067185320382…

« arbre de Feigenbaum »

Un ptit dernier ?

moteurtension u angle mesuré x

écart

e = 0 – x

Un ptit dernier ? (suite)

moteur embarqué

(satellite)

u angle mesuré x(t)

ligne de com. retard h/2

xc = 0

angle transmis x(t-h/2)

commande

transmise e(t-h/2)

h =1.5

et un lien chaos-retard

Retard : un vieux sujet ? (1)(S

pringer,

voir aussi http://www.journals.elsevier.com/automatica/most-downloaded-articles

PhD en cours (Feingesicht + Polyakov, Kerhervé, Richard + IEMN, LML, Onera, LAMIH, etc.)

estimation

algorithmPROCESSse

modelling

errorsmeasurement

noises

control

algorithm

Desired behavior

Modèles ?

- Navier Stokes...

- non linéaire + retard(s)

Retard : un vieux sujet ? (2)

2 EDO : Équations Différentielles Ordinaires

Équations différentielles ordinaires (EDOs) :

* f continue intégrale classique

f mesurable intégrale au sens de Lebesgue ( dérivée de p.p.)

intervalles de IR et de IRn

Problème de Cauchy (PC) :

intervalle centré en t0

(2- EDO, suite)

Définition :On appelle solution de (E) passant par x0 à t0 toute fonction :

- définie sur un intervalle non vide contenant t0 :

- absolument continue* (dérivable presque partout),

- vérifiant (E) presque partout sur

- et telle que : .

On la notera aussi, plus simplement, .

(2- EDO, suite)

Cas « standard » :

Théorème local : valable pour un intervalle de temps centré sur t0Énoncés plus complets et preuves : cf. [RIC02] p. 176-178.

Preuves basées sur approximations des solutions par des suites. © J.P. RICHARD 2016

(2- EDO, suite)

Définitions d’ensembles particuliers :

Point d’équilibre :

soit, si unicité de solution :

Ensemble invariant[positivement] :

« J’y suis, j’y reste. » Marie Edmé Patrice Maurice de Mac-Mahon, 1808-1893

« Ce n’est rien, j’y suis, j’y suis toujours… » Jean Nicolas Arthur Rimbaud, 1854-1891

(2 Outils Mathématiques : EDO, suite)

Question subsidiaire : comment voit-on que

ce comportement n’estpas linéaire ?

Exemple 1 :

! xe = 0oui, mais prouvez-le…

(simu1)

(simu2)

Exemple 2 :

(2 Outils Mathématiques : EDO, suite)

Remarque : non lipschitzienne pour (essayer ).

Essayer les solutions, :

Classification des EDO

Non linéaire, Non stationnaire

Non linéaire, Stationnaire Linéaire, Stationnaire (LTI)

Linéaire, Non stationnaire

« stationnaire » = « autonome » = « time invariant »

Périodique si

Cas particulier NL1 – équations linéaires

44© J.P. RICHARD 2016

Solution ?

sauf si… ?

Cas particulier NL2 – équat. de Lagrange, de Clairaut

(d/dt puis dm/dt)

Cas particulier NL3 – équation de Bernouilli

Cas particulier 3 – équation de Riccati

2 Outils mathématiques pour EDO : flot

(un point un point sur la traj.)|

Propriétés :Définition :

Exemple :

2 Outils Mathématiques : flot, non commutativité

cas linéaire :

Composition de flots : non commutativité

on va définir le « commutateur » des flots, ou

crochet de Lie

qui s’annule lorsqu’il y a commutativité.

2 Outils mathématiques : crochet de Lie(Lie bracket)

* Marius Sophus Lie, 1842-1899, Norvégien, théorie des groupes continus

f,g analytiques

2 Outils mathématiques : crochet de Lie (suite)

Une interprétation du crochet de Lie en termes de commande :Système affine en la commande et « sans dérive » :

proof?wait a mn!

Cas particulier : système linéaire sans dérive

xç = b1u1 + b2u2

g1 = b1

g2 = b2

?proof?do it

yourself!

CQFD53

?proof?

do it yourself! CQFD

xç = g1(x)

Propriétés de

Juste pour l’entrainement…

Encore un p’tit, pour la route ?

Satellite sous-actionné

Pour que la commande soit « reconfigurable »

quel que soit l’actionneur en panne, il faudra(it) et suffira(it) que :

Remarque sur

Comportements asymptotiques :

stabilité, attractivité

3 Définitions : stabilité, attractivité

et (globalement) asymptotiquement stables’il est stable et attractif.

3 Stabilité (définitions, suite)

attractif stable

trop facile…

(simu) (CI auto)

attractif stable

… et sans simulation ?

… étudier ?

Définition (suite) :

Le point d’équilibre

est localement attractif si :

exponentiellement stable (localement pour ) si :

Définition (suite) :

3 Stabilité (définitions, suite)Exemple 1 :

dx/dt = x - x y

dy/dt = - y + x y

Herbivores

Carnivores

Équation de Lotka-Volterra

Exemple 2 :

Équation… de l’herbe ? dx/dt = x ( 1 - x )

Équation de Van der Pol

Exemple 3 :

est …

est ... ?

est …

globalement asympt. stable,

localement asympt. stable.

instable, non attractif,

Définition (suite) : stabilité absolue

DéfinitionLe système (1) est absolument stable si, pour tout gain de la famille ,l’équilibre est globalement asymptotiquement stable.

Définition Le système (2) est BIBO-stable si, pour toute entrée u bornée,

la sortie y reste bornée :

Définition (suite) : stabilité BIBO (bounded input, bounded output)

Cas linéaire :

Pour A, B, C des matrices constantes bornées,

si le spectre de A est dans le demi-plan Re (l) < 0,alors le système (3) est BIBO stable.

Autrement dit : en linéaire, si y converge vers 0 pour u = 0, alors BIBO OK. Question : est-ce général ? Réponse : …

≠ stabilité « interne »

stabilité BIBO (suite)

Et en non linéaire ? Exemple : (E. Sontag)

Donc ici : y converge vers 0 pour u = 0, mais pas BIBO pour autant...

(ici, u tend même vers 0 quand t augmente)

Pas toujours !

Stabilité - rappel en linéaire :

Systèmes en temps continu

Exemples

Stabilité - rappel en linéaire (suite)

3. Stabilité (linéaire continu, suite)

(éq. Lyapunov cont.)

3. Stabilité (linéaire, suite)

Pour rappel, critère des cercles de Gershgorine :

Stabilité - rappel en linéaire :

Systèmes en temps discret

3. Stabilité (linéaire discret, suite)

3. Stabilité : problème en NL

Stabilité en NL : mais pourquoi tant de théorie ?

1) La résolution ?

2) La simulation ?

3) La linéarisation ?

3. Stabilité : problème en NL (suite)

Conjecture d’Aizerman

Contre-exemple (Pliss, 1956)

Alexander Mikhaïlovich

1ère méthode de Lyapunov

Équivalences linéaires locales

2ème méthode de Lyapunov

Méthodes de comparaison

Stabilité : méthodes d’étudenonlinear is kharacho*…

* Le non-linéaire, c’est wonderful…

Mathématicien et physicien russe, membre de l’Académie des sciences.

Après des études à l’université de Saint-Pétersbourg, il est assistant puis

professeur à l’université de Kharkov. En 1902, il est nommé professeur à

l’université de Saint-Pétersbourg. Élève de P. L. Tchebychev, il élabore

dans sa thèse (1892) une méthode générale pour la solution des

problèmes de stabilité. Avant lui, les problèmes de stabilité étaient

habituellement résolus en linéarisant les équations différentielles et en

négligeant tout ce qui était d’ordre supérieur.

3. Stabilité : 1ère méthode de Lyapunov

(linéarisé en 0)

3. Stabilité (1ère m.L., suite)

Exemple

(’tite simu)

3. Stabilité (1ère m.L., suite)

Limites de la 1ère m. L ?

1) Cas critique ( juste stable) non considéréA

1) Théorèmes d’équivalence locale2) 2nde méthode de Lyapunov

1) Cas critique ( juste stable) non considéré

2) Aspect qualitatif seul : sert à «trier» les pts d’équilibre

3. Stabilité :

équivalence locale à un champ linéaire

Exemple 1

3. Stabilité :

équivalence locale à un champ linéaire

Exemple 2

3. Stabilité (équiv. locale, suite)Structure d’un flot en linéaire

3. Stabilité (équiv. locale, suite)Structure d’un flot en NON linéaire

Théorème 1 : (cas hyperbolique) (1964)

Théorème 2 : (cas hyperbolique)

Théorème 3 : (cas non hyperbolique, enfin !)

Théorème 4 : (toujours le cas non hyperbolique)

3. Stabilité (équiv. locale, suite)Exemple

Linéarisé :pas de conclusion par la 1ère M.L. (E)

Variété centre :

développement en série de Taylor :

3. Stabilité (équiv. locale, suite)Exemple (suite)

Dynamique «réduite» à la variété centre :

Variété centre :

Linéarisé :pas de conclusion par la 1ère M.L. (E)

asymptotiquement stable

(non exponentiellement)

3. Stabilité (équiv. locale, suite)Exemple (interprétation)

Linéarisé, variété centre, système réduit…

Mais, que diable, n’aurait-on pas pu faire plus simple ?

« Ceci est une loupe » (R. Magritte)

asymptotiquement stable(non exponentiellement)

3. Stabilité :

2ème méthode de Lyapunov (« méthode directe »)

Étudier la convergence de

sans résoudre cette équation ?xç = f (x); x(0) = x0

Utiliser une « distance » de à l’équilibre , pour se ramener à un système scalaire plus simple (syst. de comparaison).

x(t) xe

3. Stabilité (2ème M.L., suite)Principe des « fonctions de Lyapunov »

connu connu

inconnu

v(x)=cte

v(x)=0

3. Stabilité (2ème M.L., suite)Principe des « fonctions de Lyapunov »

vç = grad v(x)[ ]T

f (x; t)Interprétation de

x(t)grad v(x)

3. Stabilité : Théorèmes

Notations

Définitions

«définie négative»… c’est pareil dans

l’autre sens.

3. Stabilité simple : Théorème

Démonstration ?

3. Stabilité asymptotique : Théorème

Théorème : stabilité asymptotique (Lyapunov, 1892)

L’équilibre du système (S) est asymptotiquement stable s’il existe une

fonction définie positive dont la dérivée (à droite le cas échéant) le

long des traj. (S) soit définie négative.

Démonstration ?

v(x; t )

vç(x; t )

v(x(t )) positive, décroissante, ne peut «s’arrêter» ( ) qu’en .vç(x(t )) = 0 x = 0

v(x(t); t ) = v( x ( t0 ) ; t0 ) + Rt0

tvç ( x ( ò) ; ò) dò v( x ( t0 ) ; t0 )

tw(x(ò))dò

t > t 0;

x(t )6= 0;

3. Stabilité asymptotique globale : Théorème

3. Stabilité asymptotique exponentielle : Théorème

3. Stabilité : Fonction de Lyapunov

3. Stabilité : Théorème d’instabilité

v(x)=0

Démonstration : premier cas évidentdeuxième cas plus amusant

3. Stabilité : principe d’invariance de LaSalle

3. Stabilité locale : domaine d’attraction

Estimation du domaine d’attraction d’un équilibre :(exemple dit « très important »)

(système mécanique à frottement non linéaire)

1ère m.L. As. stable pour .

Points d’équilibre ?

Stabilité ?

Stab. globale ? 2è m.L.

3. Stabilité locale : domaine d’attraction (suite)(suite de l’exemple dit « très important »)

3. Stabilité locale : Théorème d’estimation du domaine d’attraction

Un petit résumé de la démarche « classique »

3. Stabilité : fonctions candidates

Recherche de fonctions de Lyapunov

fonctions « candidates »

dérivable p.p., à sauts bornés

3. Stabilité : fonctions candidates quadratiques

équation de Lyapunov

Fonctions candidates quadratiques

3. Stabilité : fonctions candidates Holder 1

Max des sommes en colonnes < 0

indice ligne

Norme de Holder 1 (de la somme)

indice de colonne

3. Stabilité : fonctions candidates de Holder

Norme de Holder (du max)

Max des sommes en lignes < 0

3. Stabilité : exemples

Exemple 1

3. Stabilité : exemplesExemple 2

CS de stab. asympt. glob. :

Exemple 3

Exemple 4

(inst.)

3. Stabilité : exemplesExemple 5 (pendule sans friction)

(penser énergie…)

jean-pierre richard - inriaresearchers.lille.inria.fr/~jrichard/pdfs/smart-systdyn2016.pdf ·...

Documents

jean-raphaël chaponnière & jean-pierre cling1 ·...

l’histoire de peugeot father of peugeot, jean-pierre...

jean-pierre leclerc - buzz maker (en)

"eit, eclipses and jean-pierre"

amendement jean pierre vial pjlf

icc ruling on jean-pierre bemba

pierre & jean

sales & marketing, jean pierre hessman

jean pierre augier,_esculturas

jean-pierre rampal (1922-2000)

jean-pierre colinge university of california davis, ca, usa...

04 jean-pierre temim

les sculptures de jean-pierre augier

introduction - jean-pierre cometti

jean pierre teullet - repositorio.ftpcl.edu.pe

jean-pierre gibrat

jean-pierre clamadieu

les jean-pierre darroussin - shellac

jean pierre-giolitto.laparoscopic sacropexy.swiss endos

jean-pierre reed,