Stability analysis and stabilization of linear aperiodic sampled-data systems subject to input constraints

Motivé par l'utilisation croissante de contrôleurs embarqués dans différentes applications, où un protocole de communication est responsable par la transmission de données entre les algorithmes numériques, les actionneurs et les capteurs, l'analyse et la conception de contrôle pour les systèmes de contrôle échantillonnées ont été abordées dans de nombreux travaux. Dans ce contexte, l'échantillonnage apériodique peut être considéré comme une abstraction mathématique employée pour représenter, dans un cadre théorique, l'effet des imperfections sur le canal de communication telles que la gigue d'échantillonnage, les fluctuations et, dans certains cas, les pertes de paquets. De plus, en raison des limitations physiques des actionneurs, les contraintes d'entrée et, en particulier, la saturation des entrées sont omniprésentes dans les problèmes de contrôle réels. Ces contraintes sont une source de comportements non-linéaires et de dégradation de la performance. Dans de nombreux cas, seule la stabilité locale (ou régionale) du système en boucle fermée peut être assurée en présence de contraintes et de non-linéarités des actionneurs, même pour les systèmes linéaires.Ce travail traite des systèmes linéaires échantillonnées apériodiquement où l'entrée de commande, soumise à des contraintes (par exemple la saturation), est calculée sur la base d'un retour d'état du système. Il se concentre sur deux problèmes principaux. Le premier consiste en l'analyse de stabilité de l'origine de tels systèmes avec la détermination d'estimations de la région d'attraction de l'origine (RAO). Le deuxième, à son tour, correspond à la conception de la commande, où une loi de commande à retour d'état est calculée afin d'agrandir une estimation de la RAO du système en boucle fermée résultant. Les méthodes proposées sont basées sur la programmation semi-définie ou linéaire et peuvent donc être facilement appliquées dans la pratique.L'une des méthodes proposées considère un retour d'état linéaire soumis à la saturation et des fonctions de Lyapunov quadratiques, conduisant à des estimations ellipsoïdales de la RAO du système. Deux autres méthodes traitent de l'analyse de stabilité du système échantillonné soumis à la saturation des entrées fournissant des estimations polyédriques de la RAO. En raison de leur flexibilité, l'adoption de polyèdres au lieu d'ellipsoïdes permet une réduction du conservatisme mais est très exigeante en termes de complexité de calcul. Motivée par ce fait, cette thèse propose également une méthode de conception de contrôle basée sur une stratégie alternative, où la complexité des polyèdres est fixée textit{a priori}. Cette idée se traduit par un problème d'optimisation avec des contraintes bilinéaires, où une loi de commande linéaire par morceaux stabilisante de complexité relativement faible est trouvée pour le système échantillonné.Les méthodes mentionnées ci-dessus considèrent un cadre non stochastique, où des limites inférieure et supérieure sont imposées pour l'intervalle d'échantillonnage inconnu et variable dans le temps du système. Comme contribution supplémentaire, cette thèse considère également un cadre stochastique. Une méthode de conception de contrôle est proposée pour la stabilisation globale dans le sens quadratique moyen du système échantillonné, où la loi de contrôle linéaire de retour d'état est soumise à des non-linéarités délimitées par secteur et les intervalles d'échantillonnage sont supposés être des variables aléatoires avec la distribution d'Erlang. La possibilité de pertes de paquets est aussi explicitement prise en compte via la distribution de Bernoulli. De plus, l'approche proposée, qui est basée sur le cadre des processus de Markov déterministes par morceaux, conduit à des conditions de stabilisation non conservatrices dans le cas linéaire sans contraintes.Motivated by the growing use of embedded controllers in different applications, where a communication protocol is responsible for the transmission of data between computer algorithms, actuators and sensors, the analysis and control design for sampled-data control systems have been addressed in many works. In this context, aperiodic sampling can be seen as a modeling abstraction employed to represent, in a theoretical framework, the effect of imperfections on the communication channel such as sampling jitters, fluctuations and, in some cases, packet dropouts. Moreover, due to physical limitations of actuators, input constraints and, in particular, input saturation are ubiquitous in real control problems. These constraints are source of nonlinear behaviors and performance degradation. In many cases, only local (or regional) stability of the closed-loop system can be ensured in the presence of actuators constraints and nonlinearities, even for linear plants.This work deals with linear aperiodic sampled-data systems where the control input, subject to constraints (e.g. saturation), is computed based on a feedback of the system state. It focuses on two main problems. The first one regards the stability analysis of the origin of such systems, with the determination of estimates of the region of attraction of the origin (RAO). The second one, in turn, corresponds to the control design, where a state-feedback control law is computed in order to enlarge an estimate of the RAO of the resulting closed-loop system. The proposed methods are based on the use of semidefinite or linear programming and can therefore be easily applied in practice.One of the proposed methods considers a linear saturating feedback of the system state and quadratic Lyapunov functions, leading to ellipsoidal estimates of the RAO of the system. Two other methods deal with the stability analysis of the sampled-data system subject to input saturation providing polyhedral estimates of the RAO. Because of their flexibility, adopting polyhedrons instead of ellipsoids allows a reduction of conservatism, but is very demanding in terms of computational complexity. Motivated by this fact, this thesis also proposes a control design method based on an alternative strategy, where the complexity of the polytopes is fixed textit{a priori}. This idea results in an optimization problem with bilinear constraints, where a stabilizing piecewise linear control law of relatively low complexity is found for the sampled-data system.The aforementioned methods consider a non-stochastic framework, where lower and upper bounds are imposed for the unknown, time-varying sampling interval of the system. As an additional contribution, this thesis also considers a stochastic setting. A control design method is proposed for the global stabilization in the mean square sense of the sampled-data system, where the linear feedback control law is subject to sector bounded nonlinearities and the sampling intervals are assumed to be random variables with the Erlang distribution. The possibility of packet dropouts is also explicitly taken into account through the Bernoulli distribution. Moreover, the proposed approach, which is based on the framework of Piecewise Deterministic Markov Processes, leads to non-conservative stabilization conditions in the unconstrained linear case