1 / 25

Groupe identification 26 Septembre 2002

Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres dans un contexte à erreur bornée. Groupe identification 26 Septembre 2002. T. RAISSI, N. RAMDANI et Y.CANDAU

hue
Download Presentation

Groupe identification 26 Septembre 2002

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres dans un contexte à erreur bornée. Groupe identification 26 Septembre 2002 T. RAISSI, N. RAMDANI et Y.CANDAU Centre d’Etude et de Recherche en Thermique, Energétique et Systèmes Université Paris XII-Val de Marne, Créteil.

  2. Plan • - Introduction • Rappel sur le développement de Taylor • (pour les intervalles) • Application à l’estimation d’état pour les • systèmes continus • Estimation de paramètres • Conclusions et perspectives

  3. x(k+1) = y(k) = g(x(k), u(k)) x(0) = x0 Estimation d’état : cas discret xIRn: vecteur d’état à estimer y IRm : vecteur des mesures (sortie) Deux types d’estimateur : Estimateur causal (on n’a que les mesures des instants précédents) Estimateur non causal ( on a toutes les mesures)

  4. f x(0) x(1) x(n) g g y(1) y(n) Estimateur causal (Jaulin et al. 2001) On attribue un domaine a priori pour l’état à chaque instant, puis on fait une propagation dans le sens direct on trouve l’ensemble des valeurs de l’état qui sont cohérentes avec les mesures

  5. Algorithme State_estimation(Jaulin et al., 2001) Entrée : [x(0)] Pour k = 1 à N, la mesure [y(k)] est disponible [x](k) = f([x(k-1)])  g-1([y(k)]) Sortie : [x(1)], [x(2)] … [x(N)] C’est un estimateur à deux étapes: prédiction et correction

  6. = y = g(x(t), u(t)) x(t0) = x0 Systèmes continus Calcul Symbolique Solution explicite Inversion ensembliste (SIVIA, CSP,…) Généralement, PAS de solution EXPLICITE pour les systèmes non-linéaires

  7. y = g(x(t)) x(t0) = x0 Intégration de f x(0) x(1) x(n) g g y(1) y(n) Systèmes continus : suite = Pour estimer l’état à des instants définis, il faut intégrer numériquement l’équation d’état

  8. Outils Mathématiques(Développement de Taylor: Rappel) Si  : IRnIRm CK dans un voisinage D d’un vecteur de réels a Alors  x  D, (x) = (a) + (i)(a) + rK(x)

  9. = x(t0) = x0 Si f : IRnIRm est de classe Ck x[i] : le ième coefficient de Taylor x[i] = Taylor hi x[i](x(tj)) + hkx[k]( ) x(tj+1) = x(tj) + Avec : h = tj+1 - tj Application à l’intégration de l’équation d’état

  10. x[1] = = f(x) = f[1] x[2] = = ( ) = (f(x)) = = J(f[1])f = f[2] x[i] = = ( ) = (f[i-1]) = f[i] = = f[i] Calcul explicite des coefficients de Taylor A chaque pas, calcul du jacobien du coefficient précédent Méthode récursive pour calculer les coefficients de Taylor

  11. = x(t0) = [x0] • Ce calcul se fait en 2 étapes : • Trouver un encadrement a priori de la solution qui garantit que:  t  [tj, tj+1], xt  [ ] • Utiliser un développement de Taylor pour réduire cet encadrement • Améliorer la qualité de la solution Développement de Taylor(version Intervalles)

  12. hi f[i] ([x(tj)]) + hkf[k]([ ]) [x(tj+1)] = [x(tj)] + Problème de surestimation w([xj+1])=w([xj])+ hi w(f[i] ([x(tj)])) +w( f[k]([ ])) ≥ w([xj]) å Intégration des équations d’état  Calcul d’une solution a priori contenant de manière garantie la solution exacte: Théorème du point fixe + l’opérateur de Picard Lindelöf (Nedialkov, 1997) Trouver [w] Tel que : [xj] + f([w])[0,h]  [w]  Pour faire le développement de Taylor (intervalle) on remplace chaque occurrence de x par un intervalle [x] :  - k 1 = i 0

  13. f[i] ([xj])  f[i]( ) + J(f[i], )([xj] - ), i = 1,…,k  [xj] qui peut être le milieu de [xj] Valeur Moyenne  : IRnIR, une fonction dérivable dans un domaine [a]  x, y  [a],  (y)   (x) + ’([a])([a] – x) : forme moyenne i-ème coefficient de Taylor avec la forme moyenne :

  14. hi f[i] ( ) + hkf[k]( ) I + hjJ(f[i],[xj])([xj] - ) [xj+1] = + + [Vj+1] + [Sj]([xj] - ) [Vj+1] = + hi f[i] ( ) + hkf[k]( ) ˆ x [Sj] = I + hjJ(f[i],[xj]) j Taylor + forme moyenne(Nedialkov et Al. 1997) Développement de Taylor pour l’état x avec la forme moyenne pour les coefficients de Taylor : = C’est une méthode directe pour intégrer une équation différentielle

  15. ~ ˆ x x j j [Vj+1] + [Sj]([xj] - ) [xj+1] = [Vj+1] = + hi f[i] ( ) + hkf[k]([ ] ) ˆ x [Sj] = I + hjJ(f[i],[xj]) j Algorithme de la méthode directe Entrées : [x0], h pour j = 1 à N, calculer : Sorties : [x1], [x2],…, [xN]

  16. [V1] + [S0]([x0] - ) [V2] + [S1]([x1] - ) [V2] + [S1]([V1] - ) + [x1] = [x2] = [x2] = [S1]([S0]([x0] - ) + [Sj]([Sj-1]([Sj-2](…([S0]([x0] - ) w(([Sj][Sj-1][Sj-2]…[S0])([x0] - ) ) w([Sj]([Sj-1]([Sj-2](…([S0]([x0] - )) >> Inconvénient : surestimation [Vj+1] + [Sj]([Vj] - ) + [Sj]([Sj-1]([Vj-1] - ) [xj+1] = + Une grande surestimation introduite à chaque pas

  17. ~ x j [Vj+1] = + hi f[i] ( ) + hkf[k]( ) ˆ x [Sj] = I + hjJ(f[i],[xj]) [qj+1] = ([Sj]Aj)[pj] + [Sj]([Vj] - ) [Vj+1] + [qj+1] [xj+1] = j [pj+1] = ( ([Sj]Aj)[pj] + ( [Sj])([Vj] - ) Méthode de la valeur moyenne étendue(Rihm, 1994) Initialisation : [x0], [p0], A0 = I Pour j = 1 à N, calculer : • Un encadrement à priori [ ] pour la solution • 2) Sorties :x1, x2, …, xN

  18. Application à l’estimation d’état Deux étapes à chaque pas : Prédiction et Correction • Algorithme • Entrées : [x0] , [p0], A = I • Pour j = 1 à N • Etape de prédiction : calculer [xj+1] par Intégration de f avec la Méthode de la valeur moyenne étendue • Etape de correction : • [xj+1] = [xj+1]  g-1([yj+1]) • Sorties : [x1], [x2], … , [xN]

  19. = (1 – 0.01 x2)x1 = (-1 + 0.002x1)x2 y = x1(t) + x(t0) = [x0] Exemple (Lotka-Volterra) [x(t0)] = [49, 51][49, 51] h = 0.005 Bruit numérique de 5% de la mesure Modèle de Taylor d’ordre 4 Nombre de pas N = 1400

  20. Sans mesures Avec mesure Résultats Prédiction assez bonne Les mesures permettent de réduire le phénomène d’enveloppement

  21. Estimation de paramètres = y = g(x(t), p) x(t0) = x0 Estimation des paramètres p : trouver l’ensemble des paramètres tel que le système précédent possède une solution IP = {p IRnp |  t  IR, g(x(t,p))  [y(t)] } Trouver l’ensemble des paramètres qui sont cohérents avec les mesures et avec l’état prédit Soit param_estimation_test un test qui peut prendre trois valeurs { vrai, faux, indéterminé} Vrai : Si g(x,p)  [y] Faux : Si g(x,p)  [y] =  Indéterminé sinon param_estimation_test

  22. e e Entrées :f, g, [p], , [x0], [y1], [y2], …,[yN] 1) Si param_estimation_test (p) = faux; fin // [p] n’est pas une solution 2) Si param_estimation_test (p) = vrai IPin [p] ; 3) Si w(p) < IPind[p] 4) bissecter([p] en [p1] et [p2]) et aller à 1) Sorties : IPin , IPout = IPin IPind Algorithme Parameter estimation( SIVIA, Jaulin et al. 1993)

  23. Exemple = (1 – p1x2)x1 = (-1 + p2x1)x2 [x(t0)] = [49, 51][49, 51] h = 0.005 [p0] = [-1,1][-1,1] y = x1(t)) + x(t0) = [x0] Erreur maximale de 5%

  24. Conclusions • Résolution des équations différentielles à l’aide du développement de Taylor • Application à l’estimation d’état dans le cas des systèmes continus : des résultats relativement corrects si on fait attention au phénomène de surestimation. • Faisabilité de l’estimation de paramètres sans discrétisation de l’équation d’état grâce à une intégration numérique garantie de l’équation d’état

  25. Perspectives • On propose de réaliser un estimateur non causal pour réduire l’effet de surestimation en utilisant des techniques de propagation de contraintes • Appliquer ces algorithmes pour l’estimation de paramètres thermiques

More Related