Professional Documents
Culture Documents
Rsum Lobjectif de cet article est de prsenter un nouvel doptimisation de type moindres carrs quil est facile de
algorithme didentification rcursive des sous-espaces dont minimiser par des algorithmes rcursifs simples. Elle sap-
la qualit premire est sa stabilit numrique. Cette am-
lioration concerne plus prcisment la phase de mise jour puie plus prcisment sur deux tapes :
dun oprateur linaire appel propagateur, oprateur par- la mise jour, en ligne et partir des donnes dentre-
tir duquel il est facile de construire une base de lespace sortie perturbes, dun vecteur particulier nomm vec-
dobservabilit. Nous montrons que, par application de rota-
tions hyperboliques et de Givens, il est possible dimposer la
teur dobservation,
dfinie-positivit de certaines matrices, condition ncessaire lobtention dune estime de la matrice dobservabilit
la robustesse numrique de lalgorithme. Par ailleurs, la par estimation rcursive de loprateur propagateur.
description dune technique particulire destimation rcur- Jusquici, la premire phase reposait soit sur une approxi-
sive dun vecteur concentrant lensemble des informations
des donnes dentre-sortie est galement dveloppe. Son mation [9], soit sur la mise jour dune factorisation QR
principal avantage est de possder un cot calculatoire plus [10]. Afin dviter limprcision de la premire solution tout
faible que la mise jour dune factorisation QR utilise jus- en attnuant le cot calculatoire de la seconde, nous pro-
quici. La partie application met en vidence les bnfices
de ces deux techniques sur un exemple de simulation.
posons dactualiser, chaque acquisition, une projection
orthogonale particulire (cf. III) laide du lemme din-
Mots-cls Identification rcursive, mthodes des sous-
espaces, lemme dinversion matricielle, rotations hyperbo- version matricielle [11]. Enfin, puisque nous avons remar-
liques, rotations de Givens, stabilit numrique. qu quune des matrices de covariance exploites par lalgo-
rithme EIVPM pouvait tre mal conditionne et non semi-
dfinie positive, nous exposons une amlioration de lalgo-
I. Introduction rithme de minimisation en imposant des conditions de sta-
Le problme didentification que nous souhaitons r- bilit numrique (cf. IV-B). Cette robustesse est atteinte
soudre consiste estimer rcursivement une ralisation en contraignant la dfinie positivit de cette matrice de co-
dtat du systme tudi chaque mise jour des don- variance via lutilisation de rotations hyperboliques et de
nes dentr-sortie perturbes. Les solutions proposes au Givens [11].
sein de cet article sont fondes sur une approche de type
II. Problmatique et notations
sous-espaces. Elles sinspirent plus particulirement de la
dmarche suivie par les techniques didentification MOESP Considrons la reprsentation dtat dun modle discret
[1]. Leur objectif premier est dobtenir une estime consis- linaire dordre n dfini par :
tante de la matrice dobservabilit du systme, directement
x(t + 1) = Ax(t) + Bu(t) + w(t)
partir des donnes dentre-sortie, sans calcul explicite du (1)
y(t) = Cx(t) + Du(t)
vecteur dtat. Il est en effet ais den extraire ensuite des
estimes fiables des matrices dtat du systme [2]. Puisque o u(t) Rm1 et y(t) Rl1 sont respectivement les vec-
la reprsentation dtat est plurielle, nous nous intressons teurs dentre et de sortie non perturbes, x(t) Rn1 le
plus prcisment lestimation rcursive dune base de les- vecteur dtat et w(t) Rn1 le bruit dtat. Les vecteurs
pace dobservabilit. Plusieurs solutions ont t proposes dentre et de sortie sont caractriss de la faon suivante :
dans la littrature [3], [4], [5], [6]. Lune dentre elles [7]
u(t) = u(t) + f (t)
repose sur ladaptation de la mthode du propagateur [8] (2)
y(t) = y(t) + v(t)
notre problme didentification. Cette technique, nomme
EIVPM, permet dobtenir une estime consistante dune avec f (t) Rm1 et v(t) Rl1 des bruits de mesure.
base du sous-espace dobservabilit partir dun problme Les bruits sont supposs tre trois vecteurs de bruit blanc
statistiquement indpendants. Nous faisons de plus lhypo- en la mise jour, chaque nouvelle acquisition, de les-
thse que la ralisation dtat du modle est minimale. time du vecteur dobservation zi . La solution propose
Comme prcis dans lintroduction, les mthodes dve- dans la suite de cette section sappuie sur ladaptation, au
loppes au sein de cet article sinspirent dune technique cas rcursif, dun problme similaire rencontr en identi-
particulire du traitement du signal. Afin de mettre en vi- fication hors ligne des sous-espaces : liminer de lespace
dence lanalogie entre la problmatique didentification et Imcol {Yt,i,j } le terme relatif Imcol {Hi } :
celle rencontre en traitement dantennes [12], introduisons
le vecteur de sorties dcales yi (t) Rli1 suivant : Zt,i,j = Yt,i,j Hi Ut,i,j (8)
T o Yt,i,j Rlij et Ut,i,j Rmij sont les matrices de
yi (t) = yT (t) yT (t + i 1) (3) Hankel des donnes dentre-sortie :
o i est un entier fix par lutilisateur tel que i > n et y(t) y(t + j 1)
t = t + i 1. Il est alors facile de montrer rcursivement y(t + 1)
y(t + j)
que ce vecteur vrifie1 : Yt,i,j = .. . . .
. . (9)
. . .
yi (t) = i x(t i + 1) + Hi ui (t) y(t + i 1) y(t + i + j 2)
+ Hw wi (t) Hi fi (t) + vi (t) (4)
| i {z } En effet, lanalogie entre ces deux situations est facilement
bi (t) mise en vidence en considrant les galits suivantes2 :
dobservabilit en introduisant une variable instrumentale Cette technique, robuste numriquement, prsente lincon-
[14] particulire au sein du critre minimis (cf. IV-A). vnient de ncessiter un nombre doprations assez cons-
quent (cf. III-B). La solution dveloppe dans cet article
III. Estimation du vecteur dobservation par mise
repose sur la mise jour directe de la projection orthogo-
jour dune projection orthogonale
nale Yt,i,j+1 Ut,i,j+1
.
Comme prcis dans la section prcdente, la premire
tape de notre technique didentification rcursive consiste 2 t= t + i + j 2.
3 Il est dmontr dans [10] que cette mise jour fournit, au signe
1 u (t), wi (t), fi (t) et vi (t) sont dfinis de manire similaire yi (t). prs, une estimation fiable du vecteur dobservation.
i
A. Mise jour directe de la projection orthogonale * Finalement, nous obtenons :
Lobjectif est dajuster, notre problme de mise jour,
une technique propose par H. Oku [15]. Pour cela, consi- Yj+1 Uj+1
= Yj Uj 0
drons quun nouveau couple de donnes est accessible 1
linstant t + 1 = t + i + j 1. Les matrices de Hankel den- + 2 Yj UTj i yi iT Uj
+ i
tre et de sortie sont alors modifies de la faon suivante4 : h i
= Yj 1 T
Uj 2 + zi i Uj
i
z
2 + i i
(25)
Yj+1 Yj yi
z }| { z }| { z }| {
Yt,i,j+1 = [ Yt,i,j yi (t + 1)] (14) avec :
Ut,i,j+1 = [ Ut,i,j ui (t + 1)]. (15)
zi = 2 yi Yj UTj i . (26)
| {z } | {z } | {z } + i
Uj+1 Uj ui
La relation entre zi et zi est dmontre en considrant
Lide est de mettre jour directement la relation suivante :
le produit Zj+1 ZTj+1 . En effet, partir de lquation (11),
Yj+1 U = nous avons :
j+1
n 1 o
Yj+1 I UTj+1 Uj+1 UTj+1 Uj+1 (16) Zj+1 ZTj+1 =
T
T
afin destimer le vecteur dobservation zi . Pour cela, calcu- Yj+1
Uj+1 Y j+1
Uj+1 = Yj+1
Uj+1 Yj+1 . (27)
lons, dans un premier temps, la projection orthogonale sur
le noyau de Uj+1 tape par tape : Or, en associant les quations (14) et (25), il est facile de
1 montrer que :
U = I UTj+1 Uj+1 UTj+1
j+1
Uj+1 . (17)
T 2 T T
* A partir de (15) : Yj+1
Uj+1 Yj+1 = Yj Uj Yj + zi zi . (28)