Master Maxplus

Sur la Commande des Systèmes (max,+) Linéaires.
DEA Automatique et Informatique Appliquée - Angers
Laurent Hardouin
Décembre 2004
2
Table des matières
1 Introduction 7
2 Préliminaires algébriques 9
2.1 Dioïdes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Equations au point fixe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3 Théorie de la Résiduation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4 Le dioïde Zmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.1 Somme de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4.2 Produit de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5 Solution de x = ax ⊕ b . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5.1 Equations ax ¹ b . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.5.2 Théorie spectrale des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3 Modélisation de systèmes 17
3.1 Equations aux dateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 Equations aux compteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.3 Dioïdes de séries formelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.1 Dioïde Zmax [[γ]] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3.2 Dioïde Zmin [[δ]] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.3 Représentation Bi-dimensionnelle, Max in [[γ, δ]] . . . . . . . . . . . . . . . . . . 25
4 Commande de systèmes 29
4.1 Commande Optimale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 Synthèse d’un correcteur de type précompensateur . . . . . . . . . . . . . . . . . . . . 31
4.2.1 Illustration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3 Synthèse d’un correcteur de type retour de sortie . . . . . . . . . . . . . . . . . . . . . 35
4.3.1 Illustration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.4 Synthèse d’un correcteur de type retour d’état . . . . . . . . . . . . . . . . . . . . . . . 37
4.5 Synthèse d’un observateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.5.1 Application : contrôle de type retour de sortie avec observateur . . . . . . . . . . 40
4.5.2 Illustration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.6 Commande en présence de perturbations . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.6.1 Application : contrôle par retour d’état en présence de perturbations . . . . . . . 44
4.6.2 Illustration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.7 Synthèse de contrôleurs robustes pour les GET . . . . . . . . . . . . . . . . . . . . . . 46
4.7.1 Notation et préliminaires algébriques . . . . . . . . . . . . . . . . . . . . . . . 47
4.7.2 Modélisation de GET incertains . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.7.3 Synthèse de contrôleurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3
4 TABLE DES MATIÈRES
5 Annexe A 51
5.1 Propriétés de l’opérateur ∗ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.2 Propriétés des résiduées des applications La et Ra . . . . . . . . . . . . . . . . . . . . . 51
Notations
B[[γ, δ]] : dioïde des séries formelles en γ et δ à exposants dans Z et à coefficients booléens.
Max
in [[γ, δ]] : quotient du dioïde B[[γ, δ]] par la relation d’équivalence :
¡ ¢∗ ¡ ¢∗
∀A, B ∈ B[[γ, δ]] , A ≡ B ⇐⇒ γ ∗ δ −1 A = γ ∗ δ −1 B.
Max+ ax
in [[γ, δ]] : dioïde des élément causaux de Min [[γ, δ]].
ImΠ : image de l’application Π : S → T , ImΠ = {Π(s) | s ∈ S}.
Π|A : restriction de l’application Π au domaine A.
B| Π : restriction de l’application Π au codomaine B (avec ImΠ ⊂ B).
B| Π|A : restriction de l’application Π au domaine A et au codomaine B (avec Π(A) ⊂ B).
Π] : application résiduée de l’application Π : S → T , Π] (t) = Sup {s ∈ S | Π(s) ¹ t}.
La : produit à gauche par a, La (x) = a ⊗ x.
Ra : produit à droite par a, Ra (x) = x ⊗ a.
L]a : résidué de l’application La .
Ra] : résidué de l’application Ra .
a\◦ b : notation utilisée pour représenter L]a (b).
b/◦ a : notation utilisée pour représenter Ra] (b).
L
S : application étoile de Kleene définie sur un dioïde complet, S(x) = x∗ = xi .
i≥0
L
P : application "plus" dérivée de l’étoile de Kleene, P (x) = x+ = x ⊗ x∗ = xi .
i≥1
IC : injection canonique d’un sous-ensemble C de D, IC : C → D.
PrC : application résiduée de l’injection canonique, PrC : D → C.
I(D) : dioïde d’intervalles.
V ∗ : plus grand idéal principal A-invariant inclus dans un idéal principal K.
V̂ : plus grand idéal principal (A ⊕ BF )-invariant inclus dans un idéal principal K.
e : plus grand idéal principal (A ⊕ BF C)-invariant inclus dans un idéal principal K.
V
5
6 TABLE DES MATIÈRES
Chapitre 1
Introduction
Sous l’appellation Systèmes (Dynamiques) à Evénements Discrets (SED) sont regroupés certains
systèmes, généralement de conception humaine1 , dont le comportement dynamique ne peut être décrit
par des équations différentielles ou aux différences. Cette classe de systèmes regroupe aussi bien les
systèmes de production (ateliers flexibles, lignes d’assemblage) [Cohen et al., 1983, Cohen et al., 1985],
les réseaux de communication (réseaux informatiques) [LeBoudec and Thiran, 2002] que les systèmes
de transport (routier, ferroviaire ou aérien) [Lotito et al., 2001, Braker, 1993, Olsder et al., 1998].
L’importance prise par ces systèmes dans notre société a conduit de nombreux chercheurs à proposer
des modèles mathématiques permettant de décrire leur comportement afin d’en évaluer les performances
et d’optimiser leur conception ou leur pilotage. La diversité de ces systèmes conduit naturellement à
différents modèles, citons les modèles à base d’automates à états finis, les chaînes de Markov et les
Réseaux de Petri. Le cadre de notre étude se situe dans le contexte des systèmes qui admettent un
modèle linéaire dans les algèbres de type (max,+). L’un des premiers ouvrages concernant ces structures
algébrique est sans doute celui de R.A. Cuninghame-Green ([Cuninghame-Green, 1979]), mais c’est en
Août 1981 ([Cohen et al., 1999]) que l’équipe "(max,+)" de l’INRIA a assuré le lien avec les systèmes à
événements discrets. L’idée forte fut de montrer qu’en changeant d’algèbre, le comportement de certains
systèmes à événements discrets pouvait être décrit à l’aide d’équations linéaires. Il s’agit des systèmes
caractérisés uniquement par des phénomènes de synchronisation et de retard. Ils correspondent à une
sous classe de réseaux de Petri temporisés, les Graphes d’Evénements Temporisés (GET).
Au cours des années 80, cette équipe a ainsi construit une théorie des systèmes (max,+) linéaires à
l’image de celle qui existait pour les systèmes linéaires dans l’algèbre classique. Ce travail donna lieu à
un ouvrage collectif paru en 1992 ([Baccelli et al., 1992], disponible depuis http://maxplus.org)
) et à plusieurs thèses ([Moller, 1988], [Gaubert, 1992], [Braker, 1993]). Au sein du Laboratoire d’Ingé-
nierie des Systèmes Automatisés (LISA, FRE 2656 CNRS), c’est Jean-Louis Boimond qui s’intéressa le
premier, en 1991, à cette théorie.
Ce polycopié a donc pour objectif de rappeler les résultats proposés au cours des vingt années
passées et tout particulièrement les résultats relatifs à la commande de ces systèmes. Comme en
automatique classique, par commande, il faut comprendre le contrôle des entrées afin d’atteindre des
performances spécifiées au préalable. Compte tenu de leur nature, le contrôle des entrées d’un GET
consiste à retarder le plus possible l’entrée de jetons tout en respectant les performances imposées par
une spécification, ce qui correspond à la problématique de commande en juste-à-temps2 .
1
En opposition aux systèmes "naturels" décrits par les lois de la physique.
2
Juste-à-temps est une traduction littérale du terme anglais "just-in-time". Il doit être interprété comme la "quantité juste"
(satisfaisant le besoin) au "temps voulu" (date du besoin).
7
8 CHAPITRE 1. INTRODUCTION
Chapitre 2
Préliminaires algébriques
2.1 Dioïdes
Ce paragraphe a pour vocation de donner de manière informelle les définitions et les princi-
paux outils algébriques utilisés par la suite. Je renvoie le lecteur intéressé au chapitre 4 du livre
([Baccelli et al., 1992]) et également aux supports de cours de G. Cohen et S. Gaubert disponibles sur les
pages web des auteurs (accessibles depuis http://maxplus.org. Les actes de l’école de printemps
de Noirmoutier sont également une source didactique (notamment [Cohen, 1998], [Olsder, 1998]). Je
recommande également les thèses de B. Cottenceau [Cottenceau, 1999], de C.A. Maia [Maia, 2003, en
portugais] et de M. Lhommeau [Lhommeau, 2003](voir http://www.istia.univ-angers.fr/
~hardouin).
La théorie des systèmes (max,+) repose amplement sur la théorie des treillis et l’inversion d’ap-
plications définies sur des ensembles ordonnés, je recommande donc également la lecture de
[Davey and Priestley, 1990], et de [Blyth and Janowitz, 1972].
L’algèbre (max,+) et autres algèbres assimilées ont une structure de demi-anneau idempotent. Nous par-
lerons ici de dioïde.
Définition 1 (Monoïde) (M, ⊕, ε) est un monoïde si ⊕ est une loi interne, associative, et admettant un
élément neutre ε (∀m ∈ M, m ⊕ ε = ε ⊕ m = m). Si la loi ⊕ est commutative, le monoïde est dit
commutatif.
Définition 2 (Dioïde) (D, ⊕, ⊗) est un dioïde si
• (D, ⊕, ε) est un monoïde commutatif idempotent, ∀a ∈ D, a ⊕ a = a,
• (D, ⊗, e) est un monoïde,
• la loi ⊗ distribue à gauche et à droite par rapport à la loi ⊕,
• ε est absorbant pour la loi ⊗, ∀a ∈ D, a ⊗ ε = ε ⊗ a = ε.
Si (D, ⊗, e) est un monoïde commutatif, le dioïde (D, ⊕, ⊗) est dit commutatif.
Puisqu’un dioïde D bénéficie naturellement d’une structure de monoïde commutatif idempotent
(D, ⊕), D peut être muni d’une relation d’ordre a º b ⇐⇒ a = a ⊕ b. Par conséquent, un dioïde
est un sup-demi treillis. De plus si le dioïde est complet (i.e., les sommes infinies sont définies, et la loi
⊗ distribue sur ces sommes infinies), le dioïde a une structure de treillis, on note > (pour Top) la borne
supérieure du treillis.
Exemple 1 (Algèbres (max,+)) Zmax = (Z ∪ {−∞, +∞}, max, +) est un dioïde commutatif complet
pour lequel ε = −∞, e = 0, et > = +∞. L’ordre ¹ associé à Zmax est total et coïncide avec l’ordre
naturel ≤.
9
10 CHAPITRE 2. PRÉLIMINAIRES ALGÉBRIQUES
Exemple 2 (Algèbres (min,+)) Zmin = (Z ∪ {−∞, +∞}, min, +) est un dioïde commutatif complet
pour lequel ε = +∞, e = 0, et > = −∞. L’ordre ¹ associé à Zmin est total et coïncide avec l’ordre
naturel ≥.
Définition 3 (Sous-dioïde) Soit (D, ⊕, ⊗) un dioïde et Dsub ⊂ D. (Dsub , ⊕, ⊗) est dit sous-dioïde de
D si ε, e ∈ Dsub et si Dsub est fermé pour les lois ⊕ et ⊗.
2.2 Equations au point fixe

Par définition tous les éléments de D ne sont pas symétrisables pour les lois ⊕, et tous les éléments
de D ne sont pas inversibles. Cependant, moyennant quelques hypothèses1 , il est possible de résoudre
des équations aux points fixes définies sur ces structures algébriques et de considérer le problème d’in-
version d’applications définies sur des ensembles ordonnés. Nous retrouvons ici quelques définitions et
les résultats sur lesquels repose la résolution des problèmes de commande présentés par la suite.
Théorème 1 ([Baccelli et al., 1992]) L(D, ⊕, ⊗) un dioïde et Π : D → D une application semi-

L Soient
continue inférieurement (i.e., Π( x) = Π(x) ). La plus petite solution de l’équation x º Π(x)⊕b
x∈D x∈D
est x = Π∗ (b), où
L L
Π0 = IdD , Πn = Π ∗
| ◦ Π ◦{z. . . ◦ Π} et Π = Πn = IdD ⊕ Πn+1 .
n∈N n∈N
n fois
De plus, x = Π∗ (b) est solution de x = Π(x) ⊕ b.
Exemple 3 L’équation implicite

x=a⊗x⊕b (2.1)
L
admet x = a∗ b = ( ak )b comme plus petite solution. Par la suite nous noterons S : D → D, x 7→
k≥0
L k
x∗ = x . Nous renvoyons à l’annexe pour un rappel des propriétés de cette application.
k≥0
2.3 Théorie de la Résiduation

Définition 4 (Applications Résiduables) Une application f : (D, ¹) → (C, ¹) isotone est dite rési-
duable, si l’équation f (x) ¹ b admet une plus grande solution dans D pour tout b ∈ C.
Le théorème suivant fournit une caractérisation de ces applications.
Théorème 2 ([Blyth and Janowitz, 1972]) Soit f : (D, ¹) → (C, ¹) une application isotone. Sont
équivalents
(i) f est résiduable.
(ii) il existe une application isotone f ] : C → D telle que f ◦ f ] ¹ IdC et f ] ◦ f º IdD .
Théorème 3 Soit f : (D, ¹) → (C, ¹) une application résiduable, alors :

(i) f ◦ f ] ◦ f = f
(ii) f ] ◦ f ◦ f ] = f ]
1
Essentiellement des hypothèses de semi-continuité.
2.3. THÉORIE DE LA RÉSIDUATION 11
Théorème 4 Soit f : (D, ¹) → (C, ¹) et g : (C, ¹) → (E, ¹) 2 applications résiduables, alors :

(i) (g ◦ f )] = f ] ◦ g ]
Exemple 4 Dans [Cohen, 1998], sont considérées les applications suivantes :
La : D → D
: x →7 a⊗x (produit à gauche par a),
(2.2)
Ra : D → D
: x 7→ x ⊗ a (produit à droite par a).
Il est montré que ces applications sont résiduables. Les applications résiduées sont notées :
L]a (x) = a\◦ x (division à gauche par a),

(2.3)
Ra] (x) = x/◦ a (division à droite par a).
Le lecteur trouvera en annexe un ensemble de propriétés relatives à ces "opérateurs".
Exemple 5 ([Blyth and Janowitz, 1972], [Menguy, 1997], [Cohen, 1998], [Lhommeau, 2003]) Il est pos-
sible de montrer que les applications suivantes sont résiduables, avec D et C des ensembles ordon-
nés et C op le dual de l’ensemble C, c’est-à-dire le même ensemble équipé de l’ordre inverse (i.e.,
a ¹C op b ⇔ a ºC b).
Λa : D → C op
x 7→ x\◦ a,
(2.4)
Ψa : C op → D
x 7→ a/◦ x.
Les applications résiduées sont respectivement :
Λ]a = Ψa : C op → D
x 7 → a/◦ x,
] (2.5)
Ψa = Λa : D → C op
x 7→ x\◦ a.
Remarque 1 Ce résultat montre que la plus grande solution dans D de l’inégalité x\◦ a º b est a/◦ b, de
même b\◦ a est la plus grande solution de l’inégalité a/◦ x º b.
Ci-dessous nous considérons des applications particulières : les fermetures. Nous rappelons notam-
ment qu’une fermeture est résiduable si son co-domaine est restreint à son image. Cette propriété est à la
base des résultats concernant la synthèse de correcteurs de type boucle fermée.
Théorème 5 L’équation implicite

x = a\◦ x ∧ b
admet x = a∗\◦ b comme plus grande solution.
Définition 5 (Fermeture) On appelle fermeture une application Π : D → D, qui a les propriétés

suivantes :
• elle est extensive : Π º IdD ,
• elle est idempotente : Π ◦ Π = Π,
• elle est isotone : ∀x, x0 ∈ D, x ¹ x0 ⇒ Π(x) ¹ Π(x0 ).
Définition 6 (Injection canonique d’un sous-ensemble) Soit U un sous-ensemble de l’ensemble D. L’in-

jection canonique de U dans D est l’application IU : U → D, définie par IU (u) = u pour tout u ∈ U.
Définition 7 (Application image) L’application image de Π : D → C est l’injection canonique de

Π(D) dans C ; cette application sera notée IImΠ .
Définition 8 (Restriction d’une application à un domaine) Soit Π : D → C et U un sous-ensemble de

D. Nous noterons Π|U : U → C l’application vérifiant
Π|U = Π ◦ IU
où IU : U → D représente l’injection canonique de U dans D. L’application Π|U sera appelée restriction

de Π au domaine U.
Définition 9 (Restriction d’une application à un co-domaine) Soit Π : D → C et ImΠ ⊂ V ⊂ C.

Nous noterons V| Π : D → V l’application définie par l’égalité
¡ ¢
Π = (IV ) ◦ V| Π
où IV : V → C représente l’injection canonique de V dans C. L’application V| Π sera dite restriction de

Π au codomaine V.
Proposition 1 ([Blyth and Janowitz, 1972]) Soit Π : D → D une fermeture. La restriction ImΠ| Π est
résiduable et sa résiduée
¡ ¢]
ImΠ| Π = IImΠ
avec IImΠ l’injection canonique de ImΠ dans D.
Exemple 6 ([Cottenceau, 1999]) L’application S : D → D, x 7→ x∗ est une fermeture. Par conséquent

(ImS| S) est résiduable et sa résiduée est (ImS| S)] = IImS . En d’autres termes, l’inégalité x∗ ¹ a∗ admet
x = a∗ comme plus grande solution.
L i
Exemple 7 ([Cottenceau, 1999]) L’application P : D → D, x 7→ x = x+ est une fermeture. Par
i≥1
conséquent (ImP | P ) est résiduable et sa résiduée est (ImP | P )] = IImP . En d’autres termes, l’inégalité
x+ ¹ a+ admet x = a+ comme plus grande solution.
Exemple 8 ([Lhommeau et al., 2004a]) L’application isotone Qa : D → D, x 7→ (xa)∗ x est une fer-
meture. Par conséquent ImQa | Qa est résiduable et sa résiduée est (ImQa | Qa )] = IImQa . En d’autres
termes, l’inégalité (xa)∗ x ¹ b, avec b ∈ ImQa , admet x = b comme plus grande solution, de plus on a
(ba)∗ b = b.
Exemple 9 ([Cottenceau, 1999], [Cottenceau et al., 2001]) Soient l’application isotone Mh : D →

D, x 7→ h(xh)∗ définie sur des dioïdes complets et les ensembles
G1 = {g ∈ D | ∃a ∈ D, g = a∗ h} ,
G2 = {g ∈ D | ∃b ∈ D, g = hb∗ } .
Nous avons montré que G1 | Mh et G2 | Mh étaient résiduables avec :
(G1 | Mh )] (x) = h\◦ x/◦ h,
(G2 | Mh )] (x) = h\◦ x/◦ h.

2.4. LE DIOÏDE ZMAX 13
Ci-dessous nous rappelons que l’injection canonique d’un sous-dioïde complet dans un dioïde com-
plet est résiduable et par conséquent qu’il est possible de considérer les problèmes d’inversion d’ap-
plications définies sur ces sous-ensembles. Cette propriété nous a été fort utile pour nous restreindre
aux éléments causaux d’un dioïde, (voir [Cottenceau et al., 1999]) et pour nous restreindre aux dioïdes
de couples ordonnés lors de l’introduction d’un dioïde d’intervalle (voir [Lhommeau et al., 2004a] et
[Lhommeau, 2003]).
Théorème 6 (Lemme de projection [Blyth and Janowitz, 1972]) Soient D un dioïde complet et Dsub
un sous-dioïde complet de D contenant le plus petit élément εD de D. L’injection canonique IDsub :
]
Dsub → D, x 7→ x est résiduable. L’application résiduée PrDsub = ID sub
vérifie :
(i) PrDsub ◦ PrDsub = PrDsub ,
(ii) PrDsub ¹ IdD ,
(iii) x ∈ Dsub ⇐⇒ PrDsub (x) = x.
Proposition 2 ([Cottenceau, 1999]) Soient Π : C → D une application résiduable définie sur des
dioïdes complets et ICsub l’injection canonique du sous-dioïde complet Csub dans C. L’équation Π ◦
ICsub (x) ¹ b est résiduable et sa résiduée est donnée par
¡ ¢]
Π|Csub (b) = (Π ◦ ICsub )] (b) = PrCsub ◦ Π] (b). (2.6)
Proposition 3 ([Cottenceau, 1999]) Soient Π : C → D une application résiduable définie sur des
dioïdes complets et IDsub l’injection canonique du sous-dioïde complet Dsub (avec ImΠ ⊂ Dsub ⊂ D)
dans D. L’application Dsub | Π est résiduable et
¡ ¢] ¡ ¢
Dsub | Π = Π] ◦ IDsub = Π] |D .
sub
La définition du noyau d’une application (i.e., l’ensemble {x|Π(x) = ε}) n’a que peu de sens
lorsque les applications sont définies sur des treillis. En revanche la définition suivante, classique pour
ces applications, est essentielle pour appréhender les problèmes de commande (voir 4.6).
Définition 10 (Noyau) Le noyau de l’application linéaire C : X → Y, noté ker C, est défini par la
relation d’équivalence
ker C
x ≡ x0 ⇐⇒ C(x) = C(x0 ). (2.7)
Cette relation définit une congruence. L’ensemble quotient X/ ker C est donc l’ensemble des classes
d’équivalence modulo ker C.
Notation 1 Une classe d’équivalence de X/ ker C sera notée [x]C .
Proposition 4 ([Cohen et al., 1996]) Si C : X → Y est une application résiduable alors chaque classe
d’équivalence [x]C contient un et un seul élément de ImC ] qui, de plus, est le plus grand élément dans
cette classe.
2.4 Le dioïde Zmax

L’objet de ce paragraphe est de familiariser le lecteur avec la manipulation d’éléments du dioïde
(max,+), noté Zmax et introduit dans l’exemple 1.
2.4.1 Somme de matrices

n×p
Soit deux matrices A et B ∈ Zmax , la somme de matrices est définie comme suit :
(A ⊕ B)ij = Aij ⊕ Bij
µ ¶ µ ¶
2 5 e 8
Exemple 10 Soit A = et B = on a :
3 7 1 3
µ ¶
2 8
A⊕B =
3 7
2.4.2 Produit de matrices

m×p p×n m×n
Soit trois matrices A ∈ Zmax , B ∈ Zmax et C ∈ Zmax , le produit de matrices est défini comme
suit :
Mp
Cij = (A ⊗ B)ij = Aik ⊗ Bkj
k=1
Par convention nous noterons ε la matrice nulle, c’est à dire la matrice dont tous les éléments sont égaux
à ε.
De même nous noterons e, la matrice nulle, c’est à dire la matrice dont tous les éléments sont égaux à ε
à l’exception des éléments de la diagonale qui sont égaux à e.
Par extension pour n ∈ N on a An = |A ⊗ A {z ⊗ ... ⊗ A} avec A0 = e la matrice identité.
nf ois
 
2 5 µ ¶
e
Exemple 11 Soit A = ε 3 et B = on a :
1
1 8
 
6
C = A ⊗ B = 4
9
Rappelons que e = 0 et ε = −∞.
2.5 Solution de x = ax ⊕ b
Cette équation peut admettre une infinité Lde solution et, en accord avec le corollaire 3, elle admet
une plus petite solution, notée a∗ b avec a∗ = i∈N ai . Classiquement, le calcul des étoiles de matrices
se réduit au calcul d’étoiles de scalaire après avoir procédé à une élimination de Gauss. Par exemple
n×n
l’algorithme de Jordan ci-dessous conduit au calcul de l’étoile de la matrice A ∈ Zmax .
A(0) = A;
f or(k = 1; k == n; k + +)
{
f or(i = 1; i == n; i + +)
{
f or(j = 1; j == n; j + +)
{
(k) (k−1) (k−1) (k−1) (k−1)
Aij = Aij ⊕ Aik (Akk )∗ Akj
}
}
}
A∗ = e ⊕ A(n)
2.5. SOLUTION DE X = AX ⊕ B 15
F IG . 2.1 – Graphe associé à une matrice 2 × 2
Remarque 2 µ Il est possible

¶ de donner une interprétation en terme de graphe à ces matrices. Soit la
a11 a12
matrice A = à laquelle on associe le graphe de la figure 2.1. L’élément aij caractérise le
a21 a22
poids associé à l’arc qui relie le noeud j à i. De même Ak fournit le poids des chemins de longueur k
reliant chaque noeud, c’est à dire que (Ak )ij caractérise le poids le plus élevé des chemins de longueur
k reliant le sommet j à i.
Exemple 12 Soit le système    
ε ε ε 2
  
x = 2 ε 3 x ⊕ ε
4 ε ε 5
le calcul de a∗ donne :
       
e ε ε ε ε ε ε ε ε e ε ε
a∗ = ε e ε ⊕ 2 ε 3 ⊕ 7 ε ε ⊕ ε = 7 e 3
ε ε e 4 ε ε ε ε ε 4 ε e
qui donne  
2
x = a b = 9
∗ 
6
2.5.1 Equations ax ¹ b
Dans un dioïde complet l’équation ax ¹ b admet une plus grande solution notée a\◦ b (voir l’exemple
4), qui repose sur la résiduation de l’application La : x 7→ ax. De même xa ¹ b admet b/◦ a comme plus
m×n m×p n×p
grande solution. En considérant A, D ∈ Zmax , B ∈ Zmax , C ∈ Zmax , nous avons :
V
m
Cij = (Aki\◦ Bkj )
k=1
p
V
Dij = (Bik/◦ Cjk )
k=1
   
2 5 6
Exemple 13 Soit A = ε 3 et B = 4 alors :
  
1 8 9
µ ¶
4
C = A\◦ B = .
1
Notons que dans le cas présent A ⊗ (A\◦ B) = B et que cet exemple est à comparer avec l’exemple 11.
2.5.2 Théorie spectrale des matrices

Nous donnons ici 2 définitions relatives à la théorie des graphes. Nous renvoyons à l’annexe ?? pour
une présentation plus étoffée.
Définition 11 (Graphe fortement connexe) Un graphe est dit fortement connexe si pour deux noeuds i
et j quelconques il existe un chemin allant de i à j.
n×n
Définition 12 (Matrice irréductible) Une matrice A ∈ Zmax est dite irréductible si le graphe associé
est fortement connexe, sinon, A est dite réductible.
Définition 13 (Trace d’une matrice) La trace d’une matrice est définie classiquement :
n
M
trace(A) = (A)ii .
i=1
Remarque 3 La remarque 2 précise que (Aj )ii représente le poids maximum de tous les circuits de
L
n
longueur j passant par i. De la définition 13, il découle que (Aj )ii = trace(Aj ) est le plus grand
i=1
parmi tous les poids maximum associé à chaque noeud i ∈ [1, n].
( 1j )
Définition 14 (trace(Aj )) correspond au poids moyen associé aux circuits de longueur j.
Définition 15
n
M (1)
λ= (trace(Aj )) j
j=1
est appelé le cycle moyen maximum de la matrice A. Il s’agit du plus grand poids moyen pour tous les
chemins de longueur variant de 1 à n (n est la longueur maximale d’un circuit élémentaire).
n×n
Définition 16 (Vecteur propre, valeur propre) Soit une matrice A ∈ Zmax , λ un scalaire, et x un
vecteur. On dit que λ est une valeur propre si :
Ax = λx
, x est appelé vecteur propre.
Théorème 7 Si A est irréductible, il existe une unique valeur propre. Elle est égale au cycle moyen
maximum de la matrice A.
 
2 5 ε ε
ε ε 3 3
Exemple 14 Considérons la matrice A =  
e ε ε ε le cycle moyen de cette matrice irréductible
ε e ε ε
est égale à λ = 8/3.
Chapitre 3
Modélisation de systèmes
3.1 Equations aux dateurs

C’est au début des années 80 [Cohen et al., 1983], que l’équipe (max,+) de l’INRIA s’est intéressée
à la modélisation de graphes d’événements temporisés (sous classe de réseaux de Petri temporisés dont
chaque place n’admet qu’une transition amont et qu’une transtion avale). Elle a montré que ces systèmes
dynamiques, a priori non linéaires, pouvaient être représentés par un système d’équations linéaires pour
peu que l’on change de structure algébrique et admet un modèle linéaire sous forme canonique dans les
algèbres de type (max,+). C’est à dire un modèle sous la forme :
x(k) = Ax(k − 1) ⊕ Bu(k) (3.1a)

y(k) = Cx(k) (3.1b)
La figure 3.1 représente un GET. Les transitions sont étiquetées u1 ,u2 pour les transitions d’entrée,
xi , i ∈ [1, 6] pour les transitions internes et y pour la transition de sortie. A chaque place est associée
une temporisation qui caractérise le temps minimum qu’un jeton devra passer dans une place avant de
contribuer au franchissement de la transition située en aval de la place. Une transition est franchie par un
jeton lorsque chaque place amont contient un jeton actif, c’est à dire un jeton présent depuis au minium
la durée indiquée par la temporisation.
Ce GET peut représenter le comportement d’un atelier d’assemblage, constitué de 3 machines M1 , M2
F IG . 3.1 – Exemple d’atelier d’assemblage.
17
18 CHAPITRE 3. MODÉLISATION DE SYSTÈMES
et M3 . La transition u1 caractérise l’entrée de matière première dans l’atelier, la transition x1 représente

l’introduction de la matière dans la machine M1 , pour cela il doit y avoir un jeton dans la place située
entre x2 et x1 (c’est à dire que la machine doit être libre), et la transition u1 doit être tirée depuis 1 unité
de temps. Après 2 unités de temps la transition x2 sera franchie (sortie de la machine). La transition x5
représente l’entrée dans la machine M3 qui assure l’assemblage de produit provenant des machines M1
et M2 .
Le comportement de ce système peut se représenter à l’aide d’équations dynamiques. Pour cela une
fonction dateur est associée à chacune des transitions, elle sera chargée de dater l’occurrence du fran-
chissement des transitions (on se place dans le domaine événementiel), formellement pour la transition
xj , Z → Z, k 7→ xj (k) avec xj (k) la date de passage du jeton numéroté k.
Pour le GET de la figure 3.1 nous obtenons :
x1 (k) = max(1 + u1 (k), x2 (k − 1))

x2 (k) = 2 + x1 (k)
x3 (k) = max(2 + u2 (k), x4 (k − 1))
x4 (k) = 5 + x3 (k) (3.2)
x5 (k) = max(3 + x4 (k), 1 + x2 (k), x6 (k − 3))
x6 (k) = 2 + x5 (k)
y(k) = x6 (k)
Il s’agit en fait d’un ensemble d’équations linéaires dans le semi-anneau idempotent Zmax (cf. défi-
nition 1), soit :
x1 (k) = 1 ⊗ u1 (k) ⊕ x2 (k − 1)
x2 (k) = 2 ⊗ x1 (k)
x3 (k) = 2 ⊗ u2 (k) ⊕ x4 (k − 1)
x4 (k) = 5 ⊗ x3 (k) (3.3)
x5 (k) = 3 ⊗ x4 (k) ⊕ 1 ⊗ x2 (k) ⊕ x6 (k − 3)
x6 (k) = 2 ⊗ x5 (k)
y(k) = x6 (k)
¡ ¢t
ou encore, en introduisant les vecteurs d’état x(k) = x1 (k) x2 (k) x3 (k) x4 (k) x5 (k) x6 (k) ,
¡ ¢t
de commande u(k) = u1 (k) u2 (k) et de sortie y(k) = (y(k)) :
       
ε ε ε ε ε ε ε 0 ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε
2 ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε
       
ε ε ε ε ε ε ε ε ε 0 ε ε ε ε ε ε ε ε ε ε ε ε ε ε
x(k) =   x(k)⊕  x(k−1)⊕  x(k−2)⊕  x(k−
ε ε 5 ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε
ε 1 ε 3 ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε 0
ε ε ε ε 2 ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε
 
1 ε
ε ε
 
 ε 2
3) ⊕   u(k)
ε ε
ε ε
ε ε
¡ ¢
y(k) = ε ε ε ε ε 0 x(k)
3.1. EQUATIONS AUX DATEURS 19
F IG . 3.2 – Exemple d’atelier d’assemblage (extension événementielle).
D’une manière générale, on obtient donc la forme sur Zmax :
L
a L
b
x(k) = Ai x(k − i) ⊕ Bj u(k − j),
i=0 j=0
Lc
y(k) = Cl x(k − l).
l=0
Il est possible avec quelques manipulations [Cohen, 1995], de passer à une forme récurrente qui corres-
pond à une forme où le retard est au plus de de 1 sur le vecteur d’état et de 0 sur le vecteur de commande.
On se ramène alors à un système sous la forme :
x(k) = A0 x(k) ⊕ A1 x(k − 1) ⊕ B0 u(k),

y(k) = C0 x(k).
Pratiquement il s’agit d’étendre le graphe afin que chaque place ne contienne initialement pas plus
d’un jeton, la figure 3.2 donne une extension du GET précédent, soit le modèle :
     
ε ε ε ε ε ε ε ε ε e ε ε ε ε ε ε 1 ε
2 ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε
     
ε ε ε ε ε ε ε ε ε ε ε e ε ε ε ε ε 2
     
ε ε 5 ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε
x(k) =   x(k) ⊕   x(k − 1) ⊕   u(k)
 ε 1 ε 3 ε ε ε ε ε ε ε ε ε ε ε e ε ε
     
 ε ε ε ε 2 ε ε ε ε ε ε ε ε ε ε ε ε ε
ε ε ε ε ε ε ε ε ε ε ε ε ε e ε ε ε ε
ε ε ε ε ε ε ε ε ε ε ε ε ε ε e ε ε ε
¡ ¢
y(k) = ε ε ε ε ε 0 ε ε x(k)
L’équation (3.3.1) est implicite en x(k). En appliquant le Théorème 3, on peut passer à la forme ARMA1
explicite suivante :
x(k) = Ax(k − 1) ⊕ Bu(k) (3.4)

y(k) = Cx(k) (3.5)
avec A = A∗0 A1 et B = A∗0 B0 . Dans notre exemple nous obtenons :
1
ARMA pour Auto Regressive - Moving Average
     
e ε ε ε ε ε ε ε ε e ε ε ε ε ε ε 1 ε
2 e ε ε ε ε ε ε ε 2 ε ε ε ε ε ε 3 ε
     
ε ε e ε ε ε ε ε ε ε ε e ε ε ε ε ε 2
     
ε ε 5 e ε ε ε ε ε ε ε 5 ε ε ε ε ε 7
A∗0 =   A = A∗0 A1 =   B = A∗0 B0 =  
3 1 8 3 0 ε ε ε ε 3 ε 8 ε ε ε e 4 10
     
5 3 10 5 2 0 ε ε ε 5 ε 10 ε ε ε 2 6 12
ε ε ε ε ε ε 0 ε ε ε ε ε ε e ε ε ε ε
ε ε ε ε ε ε ε 0 ε ε ε ε ε ε e ε ε ε
La contribution (max, +) de Scilab est très efficace pour simuler un tel système (voir http://
scilabsoft.inria.fr/).
3.2 Equations aux compteurs

De manière duale, le comportement du système précédent peut se représenter à l’aide d’équations
dynamiques entre compteur. C’est à dire qu’une fonction compteur est associée à chacune des transitions,
elle sera chargée de compter le nombre de franchissement des transitions à une date t (on se place dans
le domaine temporel), formellement pour la transition xj , Z → Z, t 7→ xj (t) avec xj (t) le nombre de
fois que la transition xj a été franchie.
Pour le GET de la figure 3.1 nous obtenons :
x1 (t) = min(u1 (t − 1), 1 + x2 (t))

x2 (t) = x1 (t − 2)
x3 (t) = min(u2 (t − 2), 1 + x4 (t))
x4 (t) = x3 (t − 5) (3.6)
x5 (t) = min(x4 (t − 3), x2 (t − 1), 3 + x6 (t))
x6 (t) = x5 (t − 2)
y(t) = x6 (t)
Il s’agit en fait d’un ensemble d’équations linéaires dans le semi-anneau idempotent Zmin (cf. défi-
nition 2), soit :
x1 (t) = u1 (t − 1) ⊕ 1 ⊗ x2 (t)
x2 (t) = x1 (t − 2)
x3 (t) = u2 (t − 2) ⊕ 1 ⊗ x4 (t)
x4 (t) = x3 (t − 5) (3.7)
x5 (t) = x4 (t − 3) ⊕ x2 (t − 1) ⊕ 3 ⊗ x6 (t)
x6 (t) = x5 (t − 2)
y(t) = x6 (t)
¡ ¢t
ou encore, en introduisant les vecteurs d’état x(t) = x1 (t) x2 (t) x3 (t) x4 (t) x5 (t) x6 (t) , de
¡ ¢t
commande u(t) = u1 (t) u2 (t) et de sortie y(t) = (y(t)) :
       
ε 1 ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε
ε ε ε ε ε ε ε ε ε ε ε ε e ε ε ε ε ε ε ε ε ε ε ε
       
ε ε ε 1 ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε
x(t) =   x(t)⊕  x(t−1)⊕  x(t−2)⊕  x(t−
ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε
ε ε ε ε ε 3 ε e ε ε ε ε ε ε ε ε ε ε ε ε ε e ε ε
ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε ε e ε ε ε ε ε ε ε
3.2. EQUATIONS AUX COMPTEURS 21
F IG . 3.3 – Exemple d’atelier d’assemblage (extension temporelle.
     
ε ε ε ε ε ε e ε ε ε
ε ε ε ε ε ε ε ε ε e
     
ε ε ε ε ε ε ε ε ε ε
3) ⊕   x(t − 5) ⊕   u(t − 1) ⊕   u(t − 2)
ε ε e ε ε ε ε ε ε ε
ε ε ε ε ε ε ε ε ε ε
ε ε ε ε ε ε ε ε ε ε
¡ ¢
y(t) = ε ε ε ε ε e x(t)
D’une manière générale, on obtient donc la forme sur Zmin :
a
M b
M
x(t) = Ai x(t − i) ⊕ Bj u(t − j), (3.8)
i=0 j=0
Mc
y(t) = Cl x(t − l). (3.9)
l=0
Il est possible avec quelques manipulations [Cohen, 1995], de passer à une forme récurrente qui
correspond à une forme où le retard temporel est au plus de de 1 sur le vecteur d’état et de 0 sur le
vecteur de commande. On se ramène alors à un système sous la forme :
x(t) = A0 x(t) ⊕ A1 x(t − 1) ⊕ B0 u(t), (3.10)

y(t) = C0 x(t). (3.11)
Pratiquement il s’agit d’étendre le graphe afin que la temporisation associée à chaque place soit au
plus égale à 1 unité de temps, et égale à 0 au niveau de la matrice d’entrée B. La figure 3.3 donne une
extension du GET précédent, soit les matrices A0 , A1 , B et C :
A01,2 = 1
A03,4 = 1
A05,6 = 3
A11,15 = e
A12,16 = e
A13,8 = e
A14,12 = e
A15,2 = e A15,14 = e
A16,17 = e
A18,7 = e
A19,3 = e
A110,9 = e
A111,10 = e
A112,11 = e
A113,4 = e
A114,13 = e
A116,1 = e
A117,5 = e
B7,2 = e
B15,1 = e
C1,6 = e
En appliquant le Théorème 3, on peut naturellement passer à la forme explicite suivante :
x(t) = Ax(t − 1) ⊕ Bu(t) (3.12)

y(t) = Cx(t) (3.13)
avec A = A∗0 A1 et B = A∗0 B0 . Le script Scilab donné en annexe fourni directement :

A1,15 = e A1,16 = 1
A2,16 = e
A3,8 = e A3,12 = 1
A4,12 = e
A5,2 = e A5,14 = e A5,17 = 3
A6,17 = e
A8,7 = e
A9,3 = e
A10,9 = e
A11,10 = e
A12,11 = e
A13,14 = e
A14,13 = e
A16,1 = e
A17,5 = e
B7,2 = e
B15,1 = e
C1,6 = e
3.3 Dioïdes de séries formelles

Il est également possible de modéliser les GET de manière plus synthétique dans des dioïdes de séries
formelles, dont le dioïde des séries formelles en deux variables commutatives, γ et δ, à exposants dans
Z, noté Max in [[γ, δ]] (voir [Cohen, 1993]). Ce para graphe à pour objectif de rappeler la construction de ce
dioïde. Un document intéressant est ([Cohen, 1993] ou [?]) qui est disponible sur la page de l’auteur.
3.3. DIOÏDES DE SÉRIES FORMELLES 23
3.3.1 Dioïde Zmax [[γ]]

Définition 17 La transformée en γ d’un signal est définie de la manière suivante :
M
d(γ) = d(k) ⊗ γ k
i∈Z
Remarque 4 Ce type de transformée est l’analogue de la transformée en z de l’automatique classique

qui permet de coder une trajectoire discrete sous la forme de série.
L L
Remarque 5 Puisque γ ⊗ d(γ) = d(k) ⊗ γ k+1 = d(k − 1) ⊗ γ k , l’opérateur γ peut être vu
i∈Z i∈Z
comme un opérateur de retard, i.e., x(k − 1) = γx(k).
Définition 18 (Dioïde Zmax [[γ]]) L’ensemble des séries formelles en γ à exposant dans L
Z et coefficients
dans Zmax a une structure de dioïde. L’élément neutre de l’addition est la série ε = εγ k (où ε =
i∈Z
−∞ est l’élément neutre de l’addition dans Zmax ). L’élément neutre de la multiplication est la série
e(γ) = eγ 0 (où e = 0 est l’élément neutre de la multiplication de Zmax ). La somme et le produit de
séries formelles sont définis comme suit :
L
d1 (γ) ⊕ d2 (γ) = Lk∈Z (d1 (k) ⊕ d2 (k))γ k
d1 (γ) ⊗ d2 (γ) = k
j∈Z (d1 (j) ⊕ d2 (k − j))γ
Le système d’équations 3.4 correspond au modèle standard d’un GET dans Zmax et peut se transposer
dans le dioïde Zmax [[γ]] :
x(γ) = γAx(γ) ⊕ Bu(γ)
y = Cx(γ)
En appliquant le résultat de l’exemple 3, apparaît une relation de transfert qui caractérise le comportement
entrée/sortie du système :
y(γ) = C(γA)∗ Bu(γ) = Hu(γ)
De manière équivalente il est possible de considérer le modèle 3.3.1 dans le dioïde Zmax [[γ]] :
L
a L
b
x(γ) = γ i Ai x(γ) ⊕ γ j Bj u(γ),
i=0 j=0
Lc
y(γ) = γ l Cl x(γ).
l=0
qui conduit à un modèle de la forme :
x(γ) = Ax(γ) ⊕ Bu(γ)

y = Cx(γ)
L
a L
b L
c
avec A = γ i Ai , B = γ j Bj et C = γ l Cl . Les éléments des matrices A,B et C sont alors des
i=0 j=0 l=0
polynômes. Cette formulation n’est pas standard. Le pouvoir de modélisation est cependant équivalent
et les composantes du vecteur d’état représentent directement une transition du GET. Ce type de modèle
sera systématiquement considéré par la suite.
Trajectoires monotones
Les trajectoires solutions des systèmes d’équations précédents ne sont pas nécessairement mono-
tones, néanmoins par définition une trajectoire issue d’un GET est nécessairement monotone croissante
(la date d’occurrence de d(k) est nécessairement supérieure à d(k − 1)). Formellement,
∀k ∈ Z d(k) ≥ d(k − 1) ⇔ d(k) = d(k) ⊕ d(k − 1).
qui est équivalent à

d(γ) = d(γ) ⊕ γd(γ) ⇔ d(γ) = γ ∗ d(γ).
C’est à dire que la transformée en γ d’une trajectoire monotone s’écrit forcément γ ∗ d(γ) et que
la multiplication par γ ∗ d’une trajectoire non monotone donne une trajectoire monotone croissante. Il
s’agit d’une sorte de filtre. L’ensemble des trajectoires monotones (i.e., qui s’écrivent γ ∗ d(γ)) forment
un dioîde noté γ ∗ Zmax [[γ]]. Pour s’en persuader il faut noté que la somme et le produit d’éléments de cet
ensemble sont fermés. Il en découle que l’égalité d’éléments doit s’entendre "modulo γ ∗ ". Par exemple :
3γ ⊕ 1γ 7 ⊕ 5γ 9 = 3γ ⊕ 5γ 9
De façon plus générale les règles de calcul suivantes devront être considérées :
0 0
γn ⊕ γn = γ min(n,n )
L’élément neutre pour la multiplication de γ ∗ Zmax [[γ]] est donc la série e(γ) = e⊕eγ ⊕eγ 2 ⊕...⊕eγ +∞ .
L’élément neutre pour l’addition de γ ∗ Zmax [[γ]] est donc ε(γ) = ε⊕εγ ⊕εγ 2 ⊕...⊕εγ +∞ , avec ε = −∞
l’élément neutre de l’addition de Zmax .
Remarque 6 Dans la suite nous ne manipulerons que des séries monotones. Afin d’alléger les écritures,
en l’absence d’ambiguïté, Zmax [[γ]] devra être compris comme γ ∗ Zmax [[γ]]. Les éléments neutres seront
notés e et ε.
3.3.2 Dioïde Zmin [[δ]]

De manière duale il est possible de définir une transformée pour les séries considérées dans le do-
maine temporel.
Définition 19 La transformée en δ d’un signal est définie de la manière suivante :

M
d(δ) = c(t) ⊗ δ t
i∈Z
Définition 20 (Dioïde Zmin [[δ]]) L’ensemble des séries formelles en δ à exposant dans L
Z et coefficients
dans Zmin a une structure de dioïde. L’élément neutre de l’addition est la série ε = εγ k (où ε =
i∈Z
+∞ est l’élément neutre de l’addition dans Zmin ). L’élément neutre de la multiplication est la série
e(δ) = eδ 0 (où e = 0 est l’élément neutre de la multiplication de Zmin ). La somme et le produit de séries
formelles sont définis comme suit :
L
c1 (δ) ⊕ c2 (δ) = Lt∈Z (c1 (t) ⊕ c2 (t))δ t
c1 (δ) ⊗ c2 (δ) = t
j∈Z (c1 (j) ⊕ c2 (t − j))γ
Le système d’équations 3.12 correspond au modèle standard d’un GET dans Zmin et peut se trans-
poser dans le dioïde Zmin [[δ]] :
x(δ) = δAx(δ) ⊕ Bu(δ)
y = Cx(δ)
En appliquant le résultat de l’exemple 3, apparaît une relation de transfert qui caractérise le comportement
entrée/sorite du système :
y(δ) = C(δA)∗ Bu(δ) = Hu(δ)
De manière équivalente il est possible de considérer le modèle 3.3.1 dans le dioïde Zmin [[δ]] :
L
a L
b
x(δ) = δ i Ai x(δ) ⊕ δ j Bj u(δ),
i=0 j=0
Lc
y(δ) = δ l Cl x(δ).
l=0
qui conduit à un modèle de la forme :
x(δ) = Ax(δ) ⊕ Bu(δ)

y = Cx(δ)
L
a L
b L
c
avec A = δ i Ai , B = δ j Bj et C = δ l Cl . Les éléments des matrices A,B et C sont alors des
i=0 j=0 l=0
polynômes.
Trajectoires monotones
Tout comme dans le domaine événementiel les trajectoires associées à un graphe d’événements sont
monotones (le nombre d’événements ayant eu lieu à l’instant (t+1), c(t+1), est nécessairement supérieur
au nombre ayant eu lieu à l’instant t, c(t)). Formellement,
∀t ∈ Z c(t) º c(t + 1) ⇔ c(t) = c(t + 1) ⊕ c(t).
qui est équivalent à

c(δ) = δ −1 c(δ) ⊕ c(δ) ⇔ c(δ) = (δ −1 )∗ c(δ).
C’est à dire que la transformée en δ d’une trajectoire monotone appartient au dioïde (δ −1 )∗ Zmin [[δ]].
Il en découle les règles de calcul suivantes :
0 0
δt ⊕ δt = δ max(t,t )
L’élément neutre pour la multiplication de (δ −1 )∗ Zmin [[δ]] est la série e(δ) = e ⊕ eδ ⊕ eδ 2 ⊕ ... ⊕ eδ +∞ .
L’élément neutre pour l’addition (δ −1 )∗ Zmin [[δ]] est la série ε(δ) = ε ⊕ εδ 1 ⊕ εδ 2 ⊕ ... ⊕ εδ +∞ , avec
ε = +∞ l’élément neutre de l’addition de Zmin .
3.3.3 Représentation Bi-dimensionnelle, Max

in [[γ, δ]]
Au travers d’un exemple nous allons rappeler comment modéliser un GET dans un dioïde de séries
formelles en deux variables commutatives, γ et δ, à exposants dans Z et à coefficients booléens. Ce dioide
sera systématiquement utilisé dans les illustrations de ce mémoire. Pour l’exemple de la figure 3.1 nos
obtenons directement :
      
x1 ε γ ε ε ε ε x1 δ ε
x2  δ 2 ε ε ε ε ε  x2  ε ε 
      µ ¶
x3      2
  =  ε ε ε γ ε ε  x3  ⊕ ε δ  u1
x4   ε ε δ 5 ε ε ε  x4  ε ε  u2
      
x5   ε δ ε δ 3 ε γ 3  x5  ε ε 
x6 ε ε ε ε δ2 ε x6 ε ε
 
x1
x2 
 
¡ ¢ x3 
y = ε ε ε ε ε e  
x4 
 
x5 
x6
qui correspond à la forme standard suivante :
x = Ax ⊕ Bu
(3.14)
y = Cx.
A chaque transition du GET est associée une composante des vecteurs x ∈ Max n
in [[γ, δ]] (vecteur associé
aux transitions internes, ici n = 6), u ∈ Max m
in [[γ, δ]] (vecteur associé aux transitions d’entrée, ici m = 2)
et y ∈ Min [[γ, δ]] (vecteur associé aux transitions de sortie, ici l = 1). Les matrices A ∈ Max
ax l
in [[γ, δ]]
n×n ,
B ∈ Max in [[γ, δ]]

n×m , C ∈ Max [[γ, δ]]l×n , représentent l’interaction entre ces transitions. Les compo-
in
santes des matrices sont des polynômes de Max 3
in [[γ, δ]]. La composante A5,6 = γ traduit la présence de 3
jetons dans la place séparant les transitions x6 et x5 , de manière duale, la composante A4,3 = δ 5 indique
qu’une temporisation de 5 unités de temps est attachée à la place séparant les transitions x3 et x4 .
La résolution de l’équation au point fixe permet d’établir un modèle entrée-sortie du système. Dans notre
exemple, cette matrice de transfert H ∈ Max in [[γ, δ]]
l×m est :
¡ ¢
H = CA∗ B = δ 6 (γδ 2 )∗ δ 12 (γδ 5 )∗ . (3.15)
De manière générale, les éléments de la matrice de transfert représentant un GET sont des séries pério-
diques et causales de la forme : p ⊕ qr∗ , avec p et q des polynômes à exposants dans N et r un monôme
à exposants dans N. Le polynôme p caractérise le comportement transitoire de la série, le polynôme q
représente un motif qui se répète périodiquement, la périodicité étant fournie par r = γ ν δ τ où ν/τ ca-
ractérise le taux de production de la série. Un exemple de série périodique est représenté figure 3.4.
Il faut donc retenir ici, qu’un GET admet un modèle dans le sous dioïde des séries périodiques et causales.
F IG . 3.4 – Représentation graphique de la série s = p ⊕ qr∗ = e ⊕ γδ ⊕ γ 4 δ 3 ⊕ (γ 5 δ 5 ⊕ γ 7 δ 6 )(γ 4 δ 3 )∗ .
Pour conclure ce paragraphe rappelons que 2 boîtes à outils Scilab permettent de simuler ces sys-
tèmes (voir http://www.maxplus.org/). La première est la contribution officielle de l’équipe
(max,+) de l’INRIA, les systèmes sont alors représentés dans Zmax . La seconde permet de se placer
dans Maxin [[γ, δ]], elle reprend une partie des algorithmes développés dans la thèse de Stéphane Gau-
bert [Gaubert, 1992], et ceux proposés dans le DEA de Benoit Gruet [Gruet, 1995] (des raffinements
sont également présentés dans la thèse de Bertrand Cottenceau [Cottenceau, 1999], et le DEA de Mehdi
Lhommeau [Lhommeau, 2000]) (voir http://www.istia.univ-angers.fr/~hardouin).
Chapitre 4
Commande de systèmes
4.1 Commande Optimale

Les premiers résultats concernant la commande des GET, obtenus par une approche (max,+), ap-
paraissent dans [Cohen et al., 1989], des extensions ont ensuite été proposées par J-L. Boimond et E.
Menguy [Menguy, 1997],[Menguy et al., 2000]. La commande optimale proposée est élaborée dans un
objectif de poursuite de trajectoire de sortie connue a priori. Il s’agit d’une stratégie de type boucle
ouverte.
Le problème résolu est le suivant. Partant d’un GET dont on connaît la matrice de transfert H ∈
Max
in [[γ, δ]]
l×m et un vecteur de sortie désiré yc ∈ Max l
in [[γ, δ]] (consigne de sortie connue a priori), il est
montré qu’il existe une plus grande entrée uopt ∈ Min [[γ, δ]]m telle que la sortie résultant de cette entrée
ax
(yopt = Huopt ) soit inférieure à la sortie désirée yc1 . La commande uopt est alors optimale vis-à-vis du
critère de juste-à-temps, c.-à-d. que l’entrée de jetons est la plus tardive tout en satisfaisant la contrainte
imposée par la trajectoire de consigne (la sortie yopt est en juste-à-temps). Formellement, en rappelant
que le produit à gauche est une application résiduable (voir 4) la commande uopt est donnée par :
uopt = H\◦ yc.
Cette commande joue naturellement un rôle primordial dans un contexte de planification d’événements.
En rappelant que H = CA∗ B est la plus petite solution du système :
x = Ax ⊕ Bu
(4.1)
y = Cx.
il est possible de donner une représentation interne de la commande optimale (voir le théorème ??) :
ξ = A\◦ ξ ∧ C\◦ yc
(4.2)
u = B\◦ ξ
ξ est appelé co-état du système, il s’agit du plus grand vecteur d’état qui satisfait la contrainte.
Exemple 15 (Commande en Juste à Temps) L’atelier de la figure 3.1 doit respecter la consigne yc
suivante :
1
Pratiquement le tir des transitions d’entrée sera le plus tardif possible tout en garantissant que le tir des transitions de sortie
aura lieu avant celui imposé par la consigne.
29
30 CHAPITRE 4. COMMANDE DE SYSTÈMES
numéro de pièces (k) 0 1 2 3

dates désirées ( yc(k) ) 10 12 12 +∞
La trajectoire yc peut naturellement se coder dans Max

in [[γ, δ]] :
yc (γ, δ) = γ 0 δ 10 ⊕ γ 1 δ 12 ⊕ γ 2 δ 12 ⊕ γ 3 δ +∞
Soit le système 4.2 à résoudre. En considérant les résultats sur la manipulation de matrice, ce système
s’écrit :
V
n V
l
ξi = (Aki\◦ ξk ) (Cki\◦ yck ) avec i ∈ [1, n]
k=1 k=1
V
n
uj = (Bkj \◦ ξk ) avec j ∈ [1, m]
k=1
 
δ −2 ξ2
γ −1 ξ1 ∧ δ −1 ξ5 
 
 δ −5 ξ4 

ξ =  −1  ∧ yc
−3 
γ ξ3 ∧ δ ξ5 
 δ −2 ξ6 
−3
µ −1 γ¶ ξ5
δ ξ1
u =
δ −2 ξ3
que l’on peut naturellement transcrire dans le domaine des dateurs et qui conduit à l’algorithme
suivant (les co-états sont initialisés à +∞, i.e., ξ1 (3) = ξ2 (3) = ξ3 (3) = ξ4 (3) = ξ5 (3) = ξ6 (3) =
+∞) :
 
−2ξ2 (k)
ξ1 (k + 1) ∧ −1ξ5 (k)
 
 −5ξ4 (k) 

ξ(k) =   ∧ yc(k)

ξ3 (k + 1) ∧ −3ξ5 (k)
 −2ξ6 (k) 
µ ξ5 (k
¶ + 3)
−1ξ1 (k)
u(k) =
−2ξ3 (k)
Le script Scilab donne directement le résultat (ici on utilise la librairie lminmaxgd) :
/////////////////////////////////////////////////////////////////////\\
// Backward Equations , Optimal control \\
/////////////////////////////////////////////////////////////////////
mode(-1);
A = smatrix(6,6); // state matrix

B = smatrix(6,2); //
C = smatrix(1,6);
mode(7);
//state matrix declaration

A(1,2)=series(eps,[1 0],e); // 1 token and 0 time unit between x_2 and x_1
A(2,1)=series(eps,[0 2],e); // 0 token and 2 time units between x_1 and x_2
A(4,3)=series(eps,[0 5],e);
4.2. SYNTHÈSE D’UN CORRECTEUR DE TYPE PRÉCOMPENSATEUR 31
A(6,5)=series(eps,[0 2],e)
//Input and Output matrices

B(1,1)=series(eps,[0 1],e);
B(3,2)=series(eps,[0 2],e)
C(1,6)=series(eps,[0 0],e);
//Transfer matrix
H = C*stargd(A)*B
//output trajectory desired : z >= y=h*u

z = series(eps,[0 10 ; 1 12 ; 2 12 ; 3 %inf],[0 %inf])
//Optimal command (denoted u_opt) : u_opt = H \z

u_opt = H\z
//Ouput y=h*u_opt
y = H*u_opt
//which is less than or equal to z
disp(z)
qui conduit au résultat suivant après execution :
--> //Optimal command (denoted u_opt) : u_opt = H \z
--> u_opt= H\z

u_opt =
[1,1] g^0d^2+g^1d^4+g^2d^6+(g^3d^+˚˚)[g^0d^+˚˚]* [2,1]

g^0d^-10+g^1d^-5+g^2d^0+(g^3d^+˚˚)[g^0d^+˚˚]*
--> //Ouput y=h*u_opt

--> y = H*u_opt
y =
[1,1] g^0d^8+g^1d^10+g^2d^12+(g^3d^+˚˚)[g^0d^+˚˚]*
--> //which is less than or equal to z

z = [1,1] g^0d^10+g^1d^12+(g^3d^+˚˚)[g^0d^+˚˚]*
c’est à dire que la sortie optimale (celle qui satisfait la demande et minimise les stocks internes) est la
suivante :
dates optimales de sortie ( y(k) = (Huopt )(k) ) 8 10 12 +∞
4.2 Synthèse d’un correcteur de type précompensateur

La correction de la dynamique d’un système H ∈ Max in [[γ, δ]]
l×m (correspondant à un GET) se fait
ax
ici par l’action d’un précompensateur P ∈ Min [[γ, δ]] m×m (situé entre la consigne v et la commande
u). Il s’agit de modifier de manière structurelle le comportement du système. Ce travail a été initié dans
le cadre du DEA de B. Gruet ([Gruet, 1995], [Hardouin et al., 1997]). On le retrouve également dans la
thèse de B. Cottenceau [Cottenceau, 1999] et dans la thèse de C.A. Maia [Maia, 2003].
Le problème de commande consiste simplement à choisir le transfert du précompensateur P de telle
sorte que le système contrôlé GP ∈ Max in [[γ, δ]]
l×m possède la dynamique décrite par un modèle de
F IG . 4.1 – Commande avec modèle de référence : correction d’un système H par un précompensateur
P.
référence Gref ∈ Maxin [[γ, δ]]

l×m spécifié sous forme de matrice de transfert. Ce modèle caractérise le
comportement structurel voulu pour le système.

Formellement, on cherche :
Popt = sup{ P | HP ¹ Gref }.
La solution optimale est immédiate, puisque LH est résiduable :
Popt = H\◦ Gref . (4.3)
Remarque 7 (Correcteur Neutre) Notons qu’un modèle de référence intéressant d’un point de vue
pratique est Gref = H, l’objectif est alors de maintenir les performances entrée/sortie du système,
tout en augmentant autant que faire se peut la commande. Cette stratégie conduit au précompensateur
Popt = H\◦ H, qualifié de neutre. Il exprime simplement le fait que l’on peut toujours "filtrer" le flux
d’entrée d’un système H par un précompensateur sans dégrader les performances initiales.
4.2.1 Illustration
Cette illustration montre comment filtrer les entrées du système avec un correcteur neutre. Sur la
figure 4.2 nous retrouvons un exemple d’atelier d’assemblage. La machine M1 peut traiter une pièce
toutes les 2 unités de temps, la machine M2 peut traiter une pièce toutes les 3 unités de temps, et la
machine M3 , chargée d’assembler les pièces sortant des deux précédentes, peut traiter une pièce toutes
les 2 unités de temps. Le transfert du système H est décrit par :
¡ ¢
H = δ 4 (γδ 2 )∗ δ 5 (γδ 3 )∗ .
L’objectif est donc ici de laisser le comportement entrée/sortie du système inchangé, tout en retardant
au plus les entrées dans le système.
¡ ¢
Gref = H = δ 4 (γδ 2 )∗ δ 5 (γδ 3 )∗ .
Le correcteur Popt = (H\◦ Gref ) = H\◦ H est donné ci-dessous et une réalisation de ce correcteur est
donné sur la figure 4.2 :
µ 2 ∗ ¶
(γδ ) δ(γδ 3 )∗
P = .
ε (γδ 3 )∗
4.2. SYNTHÈSE D’UN CORRECTEUR DE TYPE PRÉCOMPENSATEUR 33
F IG . 4.2 – Réalisation du précompensateur permettant d’approcher au mieux Gref .
A parti de la réalisation de la figure 4.2, la loi de commande peut s’écrire :

µ ¶ µ 2 ¶µ ¶ µ ¶µ ¶
ξ1 γδ ε ξ1 e ε v1
= 3 ⊕
µξ2 ¶ µ ε ¶γδ µ ¶ ξ2 ε e v2
u1 e δ ξ1
=
u2 ε e ξ2
ou encore dans le domaine temporel (dioïde Zmin ) :
ξ1 (t) = 1ξ1 (t − 2) ⊕ v1 (t)
ξ2 (t) = 1ξ1 (t − 3) ⊕ v2 (t)
u1 (t) = ξ1 (t) ⊕ 1ξ2 (t)
u2 (t) = ξ2 (t)
Pour évaluer l’impact de ce précompensateur, la commande suivante est appliquée (3 tirs à l’instant
0 sur chaque entrée) :
dates de tir ( v1 (k) ) 0 0 0 +∞
dates de tir ( v2 (k) ) 0 0 0 +∞
soit les trajectoires dans Max
in [[γ, δ]] :
v1 (γ, δ) = e ⊕ γ ⊕ γ 2 ⊕ γ 3 δ +∞
v2 (γ, δ) = e ⊕ γ ⊕ γ 2 ⊕ γ 3 δ +∞
En l’absence de correcteur, on a :
u = v
y = Hu = δ 5 ⊕ γ 1 δ 8 ⊕ γ 2 δ 1 1 ⊕ γ 3 δ +∞
Avec le correcteur nous obtenons :
µ 1 ¶
δ ⊕ γ 1 δ 4 ⊕ γ 2 δ 7 ⊕ γ 3 δ +∞
u = Popt v =
e ⊕ γ 1 δ 3 ⊕ γ 2 δ 6 ⊕ γ 3 δ +∞
y = Hu = δ 5 ⊕ γ 1 δ 8 ⊕ γ 2 δ 1 1 ⊕ γ 3 δ +∞
Clairement la commande en présence du correcteur est plus grande (plus tardive) et les sorties identiques.
Le script Scilab et le résultat obtenu sont fournis ci-dessous.
/////////////////////////////////////////////////////////////////////
// OPtimal Precompensator Synthesis
/////////////////////////////////////////////////////////////////////
mode(-1);
A = smatrix(6,6); // state matrix

B = smatrix(6,2); //
C = smatrix(1,6);
H= smatrix(1,2); // transfer matrix
Gref=smatrix(1,2); // reference model
P_opt=smatrix(2,2); // precompensator transfer
Hc=smatrix(1,2); // transfer with the precompensator
v=smatrix(2,1); // input of the controlled system
u=smatrix(2,1); // control law
y_u=smatrix(1,1); // output when we apply u
y_v=smatrix(1,1); // output when we apply v
mode(7);
//state matrix declaration

A(2,1)=series(eps,[0 2],e); // 0 token and 2 time units between x_1 and x_2
A(3,4)=series(eps,[1 0],e); // 1 token and 0 time unit between x_4 a,d x_3
A(6,5)=series(eps,[0 2],e)
//Input and Output matrices

B(1,1)=series(eps,[0 0],e);
B(3,2)=series(eps,[0 0],e)
C(1,6)=series(eps,[0 0],e);
//Transfer matrix
H = C*stargd(A)*B
//refrence model
// Gref(1,1)=series(eps,[0,4],[1 2]);
// Gref(1,2)=series(eps,[0,5],[1 3]);
Gref=H
//Optimal precompensator (denoted P_opt) : P_opt = H \Gref

P_opt = H\Gref
//transfer of corrected system Ouput Hc=H*P_opt

Hc = H*P_opt
//which is less than or equal to Gref, but the best than we can do
disp(Gref)
// For a control v (3 tokens on each input at time zero

v(1,1)=series(eps,[0 0 ; 1 0 ; 2 0 ; 3 %inf],[0 %inf]);
v(2,1)=series(eps,[0 0 ; 1 0 ; 2 0 ; 3 %inf],[0 %inf])
// output with control applied without precompensator

y_v=H*v
4.3. SYNTHÈSE D’UN CORRECTEUR DE TYPE RETOUR DE SORTIE 35
// input filtered, it is greater than v

u=P_opt*v
// output with optimal control, it is the same than without
y_u=H*u
qui conduit aux résultats suivants :

//Optimal precompensator (denoted P_opt) : P_opt = H \Gref
>>
--> P_opt = prcaus(H\Gref)
P_opt =
[1,1] eps+(g^0d^0)[g^1d^2]* [1,2] eps+(g^0d^1)[g^1d^3]* \\
[2,1] eps+(eps)[g^0d^0]* [2,2] eps+(g^0d^0)[g^1d^3]*
>>
--> //transfer of corrected system Output Hc=H*P_opt
--> Hc =
H*P_opt;
>>
-->//which is less than or equal to Gref, but the best than we can
do
>>
--> disp(Gref);
[1,1] eps+(g^0d^4)[g^1d^2]* [1,2] eps+(g^0d^5)[g^1d^3]*

--> //
For a control v (3 tokens on each input at time zero)
--> v(1,1)=series(eps,[0 0 ; 1 0 ; 2 0 ; 3 %inf],[0 %inf]);
--> v(2,1)=series(eps,[0 0 ; 1 0 ; 2 0 ; 3 %inf],[0 %inf])
v =
[1,1] g^0d^0+(g^3d^+˚˚)[g^0d^+˚˚]* \\
[2,1] g^0d^0+(g^3d^+˚˚)[g^0d^+˚˚]*
>>
--> // output with control applied without precompensator -->
y_v=H*v
y_v =
[1,1] g^0d^5+g^1d^8+g^2d^11+(g^3d^+˚˚)[g^0d^+˚˚]*
>>
--> // input filtered, it is greater than v --> u=P_opt*v
u =
[1,1] g^0d^1+g^1d^4+g^2d^7+(g^3d^+˚˚)[g^0d^+˚˚]* \\
[2,1] g^0d^0+g^1d^3+g^2d^6+(g^3d^+˚˚)[g^0d^+˚˚]*
>>// output with optimal control, it is the same than without
--> y_u=H*u
y_u =
[1,1] g^0d^5+g^1d^8+g^2d^11+(g^3d^+˚˚)[g^0d^+˚˚]*
Remarque 8 La résiduation doit s’entendre ici comme la résiduée de l’application LH :

rat rat rat
Maxin [[γ, δ]] → Max
in [[γ, δ]], x 7→ Hx, avec Maxin [[γ, δ]] le dioïde des séries causales et pério-
ax
diques. Il s’agit d’un sous-dioïde (non complet) de Min [[γ, δ]]. Sous Scilab, la boîte à outils Minmaxgd
per
manipule des séries périodiques (éléments de Max in [[γ, δ]]), il faudra donc penser à projeter le ré-
ax rat
sultat dans le sous-dioïde Min [[γ, δ]], (voir [Cottenceau, 1999], [Lhommeau et al., 2004a] pour des
exemples, utilisation du projecteur prcaus).
4.3 Synthèse d’un correcteur de type retour de sortie

La structure considérée ici est représentée sur la figure 4.3. Il s’agit ici de modifier la dynamique
d’un système H ∈ Max in [[γ, δ]]
l×m par l’ajout d’un correcteur F ∈ Max [[γ, δ]]m×l (situé entre la sortie
in
et l’entrée de H). L’objectif de commande est d’imposer au système bouclé la dynamique décrite par
F IG . 4.3 – Commande avec modèle de référence : correction d’un système H par un correcteur F de
type retour de sortie.
un modèle de référence Gref ∈ Max in [[γ, δ]]

l×m spécifié sous forme de matrice de transfert. En théorie
des systèmes linéaires, ce problème de commande est similaire au problème classique de poursuite de
modèle (model matching problem [Wang and Desoer, 1972]). Ce travail est détaillé dans la thèse de B.
Cottenceau [Cottenceau, 1999] et dans les articles [Cottenceau et al., 1999],[Cottenceau et al., 2001].
La figure 4.3 présente la structure adoptée. Elle conduit au système d’équations suivant :
½
u = v ⊕ Fy
y = Hu.
Les relations de transfert entre la consigne v et la commande u, puis la sortie y sont données ci-dessous :
u = (F H)∗ v
(4.4)
y = H(F H)∗ v = GF v.
Nous avons montré, dans [Cottenceau et al., 2001], que l’inégalité GF = H(F H)∗ ¹ Gref admet une
plus grande solution
Fopt = H\◦ Gref /◦ H, (4.5)

si Gref ∈ G1 ∪ G2 , avec les ensembles G1 et G2 définis comme suit :
© ª
G1 = ©G ∈ Max in [[γ, δ]]
l×m | ∃M ∈ Max [[γ, δ]]l×l , G = M ∗ H ,
in ª
G2 = G ∈ Max in [[γ, δ]]
l×m | ∃N ∈ Max [[γ, δ]]m×m , G = HN ∗ .
in
L’inégalité H(F H)∗ ¹ Gref signifie que le système corrigé sera plus rapide que le modèle de référence.
Le plus grand correcteur sera celui qui induira la plus grande commande pour atteindre cet objectif, c.-
à-d. , celui qui retardera le plus l’entrée des jetons dans le système.
Remarque 9 (Correcteur Neutre, [Cottenceau et al., 1999]) Il est naturellement possible de synthéti-
ser un correcteur neutre. Le modèle de référence est alors Gref = H ∈ G1 ∪ G2 , et le correcteur optimal
est Fopt = H\◦ H/◦ H.
4.3.1 Illustration
Nous considérons ici l’exemple de GET de la figure 3.1. Nous rappelons le modèle entrée/sortie de
ce système : ¡ ¢
H = δ 6 (γδ 2 )∗ δ 12 (γδ 5 )∗ .
4.4. SYNTHÈSE D’UN CORRECTEUR DE TYPE RETOUR D’ÉTAT 37
F IG . 4.4 – Réalisation du correcteur retour de sortie Fopt .
Nous choisissons le modèle de référence suivant : Gref = (γδ 5 )∗ H ∈ G1 . Il spécifie que les 2 compo-
santes de la matrice de transfert devront avoir le même taux de production.
¡ ¢
Gref = (γδ 5 )∗ H = δ 6 (γδ 5 )∗ δ 12 (γδ 5 )∗ .
Le correcteur de type retour de sortie optimal est donné par le calcul de
Fopt = µ
H\◦ Gref /◦ H ¶
γ 2 δ 4 (γδ 5 )∗
= ,
γ 3 δ 3 (γδ 5 )∗
où Fopt est le plus grand retour de sortie causal (et réalisable). On peut voir une réalisation de ce correc-
teur sur la figure 4.4. Il conduit au transfert suivant :
u = (F ∗
µ opt H)2 v10 5 ∗ ¶
e ⊕ γ δ (γδ ) γ 2 δ 16 (γδ 5 )∗ (4.6)
= v,
γ 3 δ 9 (γδ 5 )∗ e ⊕ γ 3 δ 15 (γδ 5 )∗
y = ¡H(Fopt H)∗ v ¢ (4.7)

= δ 6 ⊕ γδ 8 ⊕ γ 2 δ 16 (γδ 5 )∗ δ 12 (γδ 5 )∗ v.
4.4 Synthèse d’un correcteur de type retour d’état

Nous avons proposé dans [Cottenceau et al., 2001] la synthèse de correcteurs de type de retour d’état,
la structure est donnée figure 4.5.
On rappelle qu’il est toujours possible d’obtenir la représentation d’état d’un GET sous la forme
½
x = Ax ⊕ Bu
(4.8)
y = Cx
avec A ∈ Max in [[γ, δ]]

n×n , B ∈ Max [[γ, δ]]n×m et C ∈ Max [[γ, δ]]l×n . La commande est donnée par
in in
l’expression suivante :
u = Kx ⊕ v
avec K ∈ Max
in [[γ, δ]]
m×n . La représentation du système corrigé par K devient donc
½ ½
x = Ax ⊕ B(Kx ⊕ v) x = (A ⊕ BK)x ⊕ Bv
⇒
y = Cx y = Cx
finalement, le transfert entrée-sortie du système muni du correcteur K devient
y = C(A ⊕ BK)∗ Bv = GK v.
GK = CA∗ (A∗ BK)∗ A∗ B
= CA∗ B(KA∗ B)∗ .
L’objectif est de synthétiser le plus grand correcteur K, tel que GK ¹ Gref . Ce correcteur optimal
existe si Gref ∈ G1 , il est donné par [Cottenceau et al., 2001] :
Kopt = (H\◦ Gref /◦ A∗ B). (4.9)
Remarque 10 Il est à noter que les correcteurs de type retour de sortie et de type retour d’état sont liés
par la relation suivante :
Fopt = Kopt/◦ C
c.-à-d. que Fopt C = (Kopt/◦ C)C ¹ Kopt . Il apparaît donc que (Fopt H)∗ = (Fopt CA∗ B)∗ ¹
(Kopt A∗ B)∗ ⇒ CA∗ B(Fopt CA∗ B)∗ = GFopt ¹ CA∗ B(Kopt A∗ B)∗ = GKopt . En d’autres termes,
l’utilisation d’un correcteur de type retour d’état améliore les performances, c.-à-d. engendre une com-
mande plus grande et un système corrigé plus proche du modèle de référence. En contrepartie le choix
de ce dernier est plus restreint puisque la condition suffisante est Gref ∈ G1 .
F IG . 4.5 – Commande avec modèle de référence : correction d’un système par un correcteur de type
retour d’état.
4.5 Synthèse d’un observateur

Les résultats présentés dans cette partie sont originaux. Ils ont été développés lors du séjour de C.A.
Maia en tant que Professeur Invité en Mars 2004. Le paragraphe précédent (remarque 10) a montré qu’un
correcteur de type retour d’état permettait d’améliorer les performances du système corrigé. L’hypothèse
était que l’état était accessible à la mesure. Afin de lever cette hypothèse on propose ici un reconstruc-
teur d’état. La démarche adoptée correspond à celle suggérée lors de la synthèse d’observateur pour les
4.5. SYNTHÈSE D’UN OBSERVATEUR 39
systèmes continus classiques (voir par exemple [Luenberger, 1971]). La figure 4.6 présente la structure
considérée.
F IG . 4.6 – Structure de l’observateur.
Nous supposons disposer des matrices A, B et C. Nous avons l’équation du système :
x = Ax ⊕ Bu = A∗ Bu (4.10)
y = Cx
et l’équation de l’observateur :
x̂ = Ax̂ ⊕ Bu ⊕ L(ŷ ⊕ y) = A∗ Bu ⊕ L(ŷ ⊕ y) (4.11)

ŷ = C x̂.
Notre objectif est de calculer la matrice L pour assurer que la sortie estimée ŷ soit inférieure ou égale
à la sortie mesurée y, soit formellement :
ker C
ŷ ¹ y ⇔ C x̂ ¹ Cx ⇔ C(x ⊕ x̂) ¹ Cx ⇔ ex̂x ≡ x. (4.12)
C’est-à-dire que l’on recherche une matrice L telle que ex̂x soit équivalent à x modulo ker C, c.-à-d.
telle que, ex̂x ∈ [x]C .
Les équations (4.10) et (4.11) conduisent à :
x̂ ⊕ x = Ax̂ ⊕ Bu ⊕ LC(x̂ ⊕ x) ⊕ Ax ⊕ Bu
ex̂x = (A ⊕ LC)ex̂x ⊕ Bu (4.13)
∗
= (A ⊕ LC) Bu.
La condition (4.12), doit être respectée ∀u, elle peut donc s’écrire :
ker C
(A ⊕ LC)∗ B ≡ A∗ B. (4.14)
F IG . 4.7 – Contrôle utilisant l’observateur
Proposition 5 La plus grande matrice L qui satisfait la condition 4.14 est donnée par :
Lopt = CA∗\◦ CA∗ B/◦ CA∗ B. (4.15)
Preuve 1 La relation (4.14) est équivalente à C(A ⊕ LC)∗ B = CA∗ B.

Notons tout d’abord que ∀L, nous avons C(A ⊕ LC)∗ B º CA∗ B.
Inversement nous montrons ci-dessous que Lopt est la plus grande solution de l’inégalité :
C(A ⊕ LC)∗ B ¹ CA∗ B.
En effet, nous avons les équivalences suivantes :
C(A ⊕ LC)∗ B ¹ CA∗ B

⇔ CA∗ (LCA∗ )∗ B ¹ CA∗ B (voir 5.5)
⇔ (CA∗ L)∗ CA∗ B ¹ CA∗ B (voir 5.4)
⇔ (CA∗ L)∗ ¹ CA∗ B/◦ CA∗ B
⇔ (CA∗ L) ¹ CA∗ B/◦ CA∗ B (voir 6)
⇔ L ¹ CA∗\◦ CA∗ B/◦ CA∗ B = Lopt .
Remarque 11 En l’absence de condition initiale, l’équation (4.10) et l’équation de l’observateur (4.11)

impliquent que x̂ º x, par conséquent la sortie estimée ŷ sera égale à la sortie du système y.
4.5.1 Application : contrôle de type retour de sortie avec observateur

Classiquement l’observateur est utilisé pour estimer l’état nécessaire à la mise en place d’un correc-
teur de type retour d’état 4.4. Bien que seules les sorties soient accessibles à la mesure, nous verrons
qu’une telle stratégie est plus performante qu’un contrôle de type retour de sortie tel qu’il est proposé
dans le paragraphe 4.3.
La stratégie de contrôle est décrite figure 4.7. Elle conduit aux expressions de l’état estimé x̂ et de
l’état du système x suivantes :
4.5. SYNTHÈSE D’UN OBSERVATEUR 41
x̂ = (A ⊕ LC)∗ Bu (4.16)
∗
x = A Bu. (4.17)
La loi de commande est donnée par :

u = K x̂ ⊕ v. (4.18)
La commande s’écrit donc :
u = K(A ⊕ LC)∗ Bu ⊕ v
= (K(A ⊕ LC)∗ B)∗ v. (4.19)
L’état estimé (4.16) devient :
x̂ = (A ⊕ LC)∗ B(K(A ⊕ LC)∗ B)∗ v.
L’état du système devient :
x = A∗ Bu
= A∗ B(K(A ⊕ LC)∗ B)∗ v. (4.20)
De même la sortie du système devient :
y = CA∗ B(K(A ⊕ LC)∗ B)∗ v. (4.21)
Proposition 6 Si le modèle de référence Gref ∈ G1 (c’est-à-dire s’écrit Gref = M ∗ H avec H = CA∗ B

la relation de transfert du système), alors il existe un plus grand correcteur K tel que le transfert en
boucle fermée soit inférieur ou égal à Gref . Ce correcteur s’exprime :
Kopt = H\◦ Gref /◦ ((A ⊕ LC)∗ B). (4.22)
Preuve 2 On recherche le plus grand K tel que
CA∗ B(K(A ⊕ LC)∗ B)∗ ¹ Gref = M ∗ H.
Nous avons les équivalences suivantes :
CA∗ B(K(A ⊕ LC)∗ B)∗ ¹ M ∗ H = M ∗ CA∗ B

⇔ (K(A ⊕ LC)∗ B)∗ ¹ (CA∗ B)\◦ (M ∗ CA∗ B) = ((CA∗ B)\◦ (M ∗ CA∗ B))∗ (voir 5.16)
⇔ K(A ⊕ LC)∗ B ¹ (CA∗ B)\◦ (M ∗ CA∗ B) (voir 6)
⇔ K ¹ (CA∗ B)\◦ (M ∗ CA∗ B)/◦ ((A ⊕ LC)∗ B) = Kopt .
Pour résumer, nous avons l’expression du régulateur :

µ ¶
v
x̂ = (A ⊕ Lopt C ⊕ BKopt )x̂ ⊕ (B Lopt ) (4.23)
y
u = Kopt x̂ ⊕ v. (4.24)
Ci-dessous nous analysons les performances (vis-à-vis du critère de juste à temps) du système
contrôlé par ce régulateur. Nous montrons que cette stratégie est plus performante que celle utilisant
un retour de sortie (Fopt , voir équation (4.5)). Nous noterons ux̂opt la commande calculée à partir de Kopt
et uyopt celle obtenue à l’aide du correcteur Fopt .
ux̂opt = Kopt x̂ ⊕ v (4.25)

uyopt = Fopt y ⊕ v. (4.26)
Notre objectif est de montrer que la fonction de transfert entre ux̂opt et v est plus grande que celle
entre uyopt et v. En considérant les équations (4.19) et (4.4), ces équations deviennent :
ux̂opt = (Kopt (A ⊕ Lopt C)∗ B)∗ v (4.27)

uyopt = (Fopt CA B) v. ∗ ∗
(4.28)
D’après la proposition 5, la matrice Lopt est telle que C(A ⊕ Lopt C)∗ B = CA∗ B. Par conséquent
l’équation (4.28) peut s’écrire :
uyopt = (Fopt C(A ⊕ Lopt C)∗ B)∗ v. (4.29)
Proposition 7 Si le modèle de référence Gref ∈ G1 , la commande utilisant un observateur Lopt et un

retour d’état Kopt est plus grande que la commande utilisant un retour de sortie Fopt , c.-à-d. :
uyopt ¹ ux̂opt .
Preuve 3 Les équations (4.29) et (4.27) font clairement apparaître qu’il est suffisant d’avoir :
Fopt C ¹ Kopt .
Les équations (4.5) et (4.22) donnent :
Fopt = H\◦ Gref /◦ (CA∗ B) = H\◦ Gref /◦ (C(A ⊕ Lopt C)∗ B)
Kopt = H\◦ Gref /◦ ((A ⊕ Lopt C)∗ B)
c.-à-d. , Fopt = Kopt/◦ C, par conséquent Fopt C = (Kopt/◦ C)C ¹ Kopt , ce qui termine la preuve.
4.5.2 Illustration
Nous reprenons l’exemple de la figure (3.1), avec les mêmes objectifs que ceux adoptés au paragraphe
(4.3.1). Nous rappelons le modèle entrée/sortie du système :
¡ ¢
H = δ 6 (γδ 2 )∗ δ 12 (γδ 5 )∗
et le modèle de référence choisi : Gref = (γδ 5 )∗ H ∈ G1 :
¡ ¢
Gref = (γδ 5 )∗ H = δ 6 (γδ 5 )∗ δ 12 (γδ 5 )∗ .
En appliquant les résultats de la proposition (5), nous obtenons :
Lopt = CA∗\◦ CA∗ B/◦ CA∗ B
 3 
γ δ(γδ 2 )∗
γ 2 δ(γδ 2 )∗ 
 
 ε 

=  
ε 
 
 γ(γδ 2 )∗ 
(γδ 2 )∗
4.6. COMMANDE EN PRÉSENCE DE PERTURBATIONS 43
et en appliquant les résultats de la proposition 6, nous avons le correcteur :
Kopt = H
µ \G4ref /((A
◦ ◦ ⊕ Lopt C)∗ B) ¶
γδ (γδ ) 5 ∗ γδ 2 (γδ 5 )∗ δ 4 (γδ 5 )∗ γδ 4 (γδ 5 )∗ γδ(γδ 5 )∗ γ 2 δ 4 (γδ 5 )∗
= ,
γ 2 δ 3 (γδ 5 )∗ γ 2 δ(γδ 5 )∗ γδ 3 (γδ 5 )∗ γ 2 δ 3 (γδ 5 )∗ γ 2 (γδ 5 )∗ γ 3 δ 3 (γδ 5 )∗
qui donne les transferts suivants :
u = (K
µ opt (A5 ⊕ Lopt C)∗ B)∗ v¶
(γδ )∗ δ 6 (γδ 5 )∗
= 2 4 5 ∗ v
γ δ (γδ ) (γδ 5 )∗
y = CA ∗ ∗ ∗
¡ 6 B(K opt (A ⊕ Lopt¢C) B) v
= δ (γδ 5 )∗ δ 12 (γδ 5 )∗ v,
qui sont clairement plus grands que ceux obtenus par un simple retour de sortie (voir les équations (4.6)
et (4.7)).
4.6 Commande en présence de perturbations

Dans le cadre de la thèse de M. Lhommeau [Lhommeau, 2003], nous avons considéré le problème
standard du rejet de perturbations. En automatique classique ce problème consiste à synthétiser un cor-
recteur permettant de maintenir les trajectoires d’état dans le noyau de la matrice de sortie. A partir de
cette définition ce problème peut être transposé aux systèmes (max,+) linéaires. Compte tenu de la dé-
finition du noyau d’une application dans ces structures algébriques, l’objectif n’est alors pas d’annuler
l’effet de la perturbation mais de la prendre en compte au mieux lors de l’élaboration de la commande.
De manière analogue à l’algèbre classique, ce problème nous a conduits à introduire la notion de sous
ensemble invariant. Nous nous contenterons ici de rappeler les définitions et les résultats importants,
nous renvoyons le lecteur au chapitre 5 de la thèse de M. Lhommeau pour une présentation exhaustive.
Définition 21 (A-invariant) Soit A : Max n ax n

in [[γ, δ]] → Min [[γ, δ]] une application définie sur un dioïde.
L’ensemble N ⊂ Max n
in [[γ, δ]] est dit A-invariant si AN ⊂ N .
En d’autres termes, N est un ensemble A-invariant si toute trajectoire issue de N reste dans N ,
c’est-à-dire pour tout x ∈ N , Ax ∈ N .
Définition 22 (Idéal principal) Soit k̂ ∈ Max n

in [[γ, δ]] , nous définissons par
n o
K = x ∈ Max in [[γ, δ]]n | x ¹ k̂ ,
ax [[γ, δ]]n généré par l’élément k̂ ; clairement sup K = k̂.

l’idéal principal de Min
Définition 23 ((A ⊕ BF )-invariant) Un sous-ensemble non vide N de Max n

in [[γ, δ]] est dit (A ⊕ BF )-
invariant s’il existe F tel que (A ⊕ BF )N ⊂ N .
Proposition 8 ([Lhommeau, 2003]) Soit K un idéal principal de Max n

in [[γ, δ]] généré par un élément k̂.
Le plus grand idéal principal A-invariant inclus dans K, noté V ∗ , est donné par
n o
V∗ = x ∈ Max in [[γ, δ]]n | x ¹ A∗\
◦ k̂ .

in [[γ, δ]] généré par un élément k̂.
Le plus grand idéal principal (A ⊕ BF )-invariant inclus dans K, noté V̂, est donné par
n o
V̂ = x ∈ Max in [[γ, δ]] n
| x ¹ (A ⊕ BF )∗◦
\k̂ .

in [[γ, δ]] généré par un élément
∗
k̂. Le plus grand correcteur F de type retour d’état tel que V̂ = V est donné par
F̂ = B\◦ (A∗\◦ k̂)/◦ (A∗\◦ k̂).
Remarque 12 Ce correcteur est le plus grand qui laisse V ∗ (le plus grand idéal principal) inchangé.
4.6.1 Application : contrôle par retour d’état en présence de perturbations

Dans cette section nous considérons le système décrit par la figure 4.8. Le vecteur d’entrée q ∈
Max r
in [[γ, δ]] représente les entrées exogènes non contrôlables, ce sont les perturbations qui agissent sur
le système au travers d’une matrice S ∈ Max in [[γ, δ]]
n×r . Ces entrées ont pour effet d’accroître le vecteur
d’état2 .
F IG . 4.8 – Schéma de la commande en boucle fermée (retour d’état).
La loi de commande est de type retour d’état :
u = Fx (où F ∈ Max
in [[γ, δ]]
m×n ).
Sous l’action de cette loi de commande, l’équation d’état s’écrit :
x = (A ⊕ BF )x ⊕ Sq
= (A ⊕ BF )∗ Sq (4.30)
= (A∗ BF )∗ A∗ Sq
où (A ⊕ BF )∗ S représente la matrice de transfert liant la perturbation q à l’état x. L’équation de
sortie est alors donnée par
y = C(A ⊕ BF )∗ Sq.
2
Si le système est un GET, ces entrées ont pour effet d’autoriser ou d’inhiber le tir des transitions, elles retardent donc leur
tir. Elles peuvent, dans un contexte manufacturier, modéliser une panne machine, ou une rupture d’approvisionnement.
4.6. COMMANDE EN PRÉSENCE DE PERTURBATIONS 45
L’objectif du correcteur F est de prélever des informations sur l’action de la perturbation au niveau
du vecteur d’état afin d’en tenir compte au moment de l’élaboration de la commande u = F x.
Le correcteur recherché devra accroître la commande sans modifier le comportement de la sortie.
Dans le contexte des GET, il s’agit d’un correcteur qui génère une commande qui retarde l’entrée des
jetons sans modifier la trajectoire de sortie, ou, autrement dit, qui retarde sans altérer les performances du
système. Il ne fait qu’éviter l’entrée prématurée de jetons. Formellement, nous cherchons un correcteur
F tel que
C(A ⊕ BF )∗ Sq = CA∗ Sq
pour toute perturbation q ∈ Max r
in [[γ, δ]] , soit un correcteur F tel que :
ker C
(A ⊕ BF )∗ S ≡ A∗ S.
Nous rappelons ci-dessous que le plus grand élément de la classe [A∗ S]C (voir 1) s’exprime de la manière
suivante :
ΠC (A∗ S) = C\◦ CA∗ S. (4.31)
Il génère l’idéal principal suivant
© ª
K = k ∈ Max
in [[γ, δ]]
n×n | k ¹ ΠC (A∗ S) . (4.32)
Naturellement nous avons

[A∗ S]C ⊂ K. (4.33)
Autrement dit la classe d’équivalence modulo ker C générée par A∗ S est incluse dans l’idéal principal
K.
Proposition 11 ([Lhommeau, 2003]) Soit V ∗ le plus grand idéal principal A-invariant inclus dans
l’idéal principal K. Soit V̂ le plus grand idéal principal (A⊕BF )-invariant inclus dans l’idéal principal
K. Le correcteur
¡ ¡ ¢¢ ¡ ¢
F̂ = B\◦ A∗\◦ ΠC (A∗ S) /◦ A∗\◦ ΠC (A∗ S) = (CA∗ B)\◦ (CA∗ S) /◦ (CA∗\◦ CA∗ S) (4.34)
est le plus grand correcteur de type retour d’état tel que V ∗ = V̂, c’est-à-dire tel que (A ⊕ B F̂ )V ∗ ⊂
V ∗ ⊂ K.
Proposition 12 ([Lhommeau, 2003]) Le correcteur F̂ = (CA∗ B)\◦ (CA∗ S) /◦ (CA∗\◦ CA∗ S) garantit
que (A ⊕ B F̂ )∗ S ∈ [A∗ S]C .
Remarque 13 La proposition 11 indique qu’un élément k ∈ V ∗ reste dans V ∗ lorsqu’on applique la

commande u = F̂ x. En outre, F̂ est le plus grand correcteur satisfaisant cette propriété. De plus la
proposition 12 indique que l’état obtenu en présence du correcteur appartient à [A∗ S]C .
Remarque 14 Notons que la relation de transfert entre la perturbation q et l’état x en présence de

contrôleur, (A ⊕ B F̂ )∗ S, est supérieure ou égale à celle obtenue en l’absence de contrôleur, A∗ S.
C’est-à-dire que l’état x sera plus grand en présence du contrôleur bien que la sortie soit inchangée.
Dans la thèse de M. Lhommeau est également traitée la synthèse de correcteur de type retour de
sortie.
4.6.2 Illustration
F IG . 4.9 – GET avec des entrées non contrôlables et le correcteur de type retour d’état.
La figure 4.9 représente un GET avec 2 entrées contrôlables (u1 , u2 ), 1 sortie y et 3 entrées non
contrôlables (q1 , q2 , q3 ). Les matrices A ∈ Max
in [[γ, δ]]
n×n , B ∈ Max [[γ, δ]]n×m , C ∈ Max [[γ, δ]]l×n , et
in in
ax
S ∈ Min [[γ, δ]]n×r sont données ci-dessous :
   11   
γ 2δ6 ε ε δ ε ¡ ¢ e ε ε
A= ε γ 2δ8 ε  , B =  ε δ 11  , C = ε ε δ et S = ε e ε .
δ7 δ8 γ 2δ7 ε ε ε ε e
La proposition 11 nous donne l’expression du correcteur F̂ ∈ Max in [[γ, δ]]

m×n qui prend au mieux en
compte l’action du vecteur q, il est représenté en pointillé sur la figure 4.9.

µ 4 3 2 7 ∗ ¶
γ δ (γ δ ) γ 4 δ 6 (γ 2 δ 8 )∗ γ 6 δ 3 (γ 2 δ 7 )∗
F̂ = .
ε γ 4 δ 5 (γ 2 δ 8 )∗ ε
4.7 Synthèse de contrôleurs robustes pour les GET

Dans le cadre de la thèse de M. Lhommeau [Lhommeau, 2003] (voir aussi l’article
[Lhommeau et al., 2004a] fourni en annexe), nous nous sommes intéressés à la commande de systèmes
(max,+)-linéaires incertains. Plus précisément il s’agit des graphes d’événements temporisés dans les-
quels le nombre de jetons initial et/ou la durée des temporisations associées aux places sont incertains,
mais supposés appartenir à un intervalle. Il s’agit d’une alternative à l’approche stochastique classique-
ment adoptée pour l’étude des performances des GET incertains. La seule hypothèse faite ici est que les
variations paramétriques sont bornées.
4.7. SYNTHÈSE DE CONTRÔLEURS ROBUSTES POUR LES GET 47
Pour modéliser ce type de système nous avons introduit un dioïde d’intervalles (isomorphe à un
dioïde de couples ordonnés), et proposé le calcul de la résiduation des applications La et Ra définies sur
ce dioïde. Nous rappelons ci-dessous quelques notations et les principaux résultats avant de présenter la
modélisation et la synthèse de contrôleurs robustes dans ce contexte incertain.
4.7.1 Notation et préliminaires algébriques

Définition 24 (Intervalle) Un intervalle fermé dans un dioïde D, noté x = [x, x], est l’ensemble satis-
faisant
x = {x ∈ D | x ¹ x ¹ x} , (4.35)
où x, x ∈ D (x ¹ x) sont appelés, respectivement, la borne inférieure et la borne supérieure de l’inter-
valle x.
Notation 2 (Dioïde I(D)) Soit (D, ⊕, ⊗) un dioïde. L’ensemble des intervalles fermés de D muni des
opérations ⊕ et ⊗ qui sont définies par
x⊕y = [x ⊕ y, x ⊕ y] et x⊗y = [x ⊗ y, x ⊗ y]
est un dioïde noté I(D).
Remarque 15 L’opération ⊕ engendre une relation d’ordre canonique ¹ dans I(D) :
x¹y ⇐⇒ x ¹ y et x ¹ y dans D.
Remarque 16 L’image par Π, une application isotone, d’un intervalle x est définie par
Π(x) = {Π(x) | x ∈ x} .
Comme la fonction Π est isotone, on peut calculer les valeurs de Π(x) directement à partir des bornes
de l’intervalle x, c’est-à-dire Π(x) = [Π(x), Π(x)], en particulier x∗ = [x∗ , x∗ ].
Proposition 13 ([Lhommeau et al., 2004a]) Soit D un dioïde complet. L’application La : I(D) →

I(D), x 7→ a⊗x est résiduable. L’application résiduée L]a est donnée par
L]a (b) = a\◦ b = [a\◦ b ∧ a\◦ b, a\◦ b].
Remarque 17 De la même manière, l’application Ra : I(D) → I(D), x 7→ x⊗a est résiduable.
4.7.2 Modélisation de GET incertains

Pour représenter les incertitudes lors de la modélisation de GET nous supposons que les matrices
A, B et C du système peuvent prendre n’importe quelle valeur dans des intervalles. Nous proposons ici
une modélisation dans le dioïde d’intervalle I(Max
in [[γ, δ]]). Le système pourra donc s’écrire :
x = Ax⊕Bu (4.36)
y = Cx (4.37)
n×n n×m l×n
où A ∈ A ∈ (I (Max in [[γ, δ]])) , B ∈ B ∈ (I (Max
in [[γ, δ]])) et C ∈ C ∈ (I (Maxin [[γ, δ]])) .
ax
Autrement dit, les éléments des matrices A, B et C appartiennent au dioïde des intervalles I(Min [[γ, δ]]),
et les bornes de chaque élément appartiennent au dioïde Max in [[γ, δ]].
F IG . 4.10 – Modélisation incertaine d’un graphe d’événements temporisé.
A partir de cette représentation d’état, nous pouvons donner l’expression de l’intervalle contenant
l’ensemble des transferts entrée-sortie possibles pour le GET incertain. Nous avons x = A∗ Bu qui est
la plus petite solution de (4.36). Cette matrice d’intervalles est la plus petite contenant l’ensemble
{A∗ B | A ∈ A, B ∈ B} .
De même, nous avons :
y = CA∗ Bu = Hu, (4.38)
l×p
où H = CA∗ B ∈ (I (Max in [[γ, δ]])) représente l’intervalle contenant l’ensemble des relations entrée-
sortie du GET incertain :
H = {CA∗ B | C ∈ C, A ∈ A, B ∈ B} . (4.39)
La figure 4.10 représente un exemple de GET incertain.
Les transitions u1 , u2 et y désignent les entrées et la sortie du système, les jetons en pointillés repré-
sentent le fait qu’une ressource peut être présente ou absente, les temporisations entre crochets donnent
respectivement le temps de séjour obligé minimal et obligé maximal d’un jeton dans une place avant de
pouvoir contribuer au tir de la transition aval.
Par exemple, la machine M2 a la possibilité de traiter 2 ou 3 pièces en même temps et chaque
traitement dure 3 unités de temps. Ensuite chaque jeton traité reste entre 2 et 6 unités de temps dans la
place aval avant de contribuer au tir de la transition x3 . Donc la machine M2 peut traiter au mieux 3 pièces
toutes les 3 unités de temps et au pire 2 pièce toutes les 3 unités de temps. La composante de la matrice
A associée est par conséquent a22 = [γ 3 δ 3 , γ 2 δ 3 ] où la borne inférieure de l’intervalle a22 = γ 3 δ 3
représente le fonctionnement le plus rapide (le plus petit au sens du dioïde) et a22 = γ 2 δ 3 représente
le fonctionnement le plus lent (le plus grand au sens du dioïde). De même, l’intervalle a32 = [δ 2 , δ 6 ]
représente l’intervalle dans lequel la temporisation associée à la place située entre la transition x2 et la
transition x3 .
En appliquant la même démarche à l’ensemble du GET, nous obtenons le modèle suivant :
   
[γ 2 δ 2 , γδ 5 ] [ε, ε] [ε, ε] [e, e] [ε, ε]
A =  [ε, ε] [γ 3 δ 3 , γ 2 δ 3 ] [ε, ε]  , B = [ε, ε] [e, e]
3 4 2 6 (4.40)
¡ [γδ , γδ ] [δ ¢, δ ] [γ δ 2 , γδ 3 ]
3 [ε, ε] [ε, ε]
C = [ε, ε] [ε, ε] [e, e] .
4.7. SYNTHÈSE DE CONTRÔLEURS ROBUSTES POUR LES GET 49
De cette représentation , il est possible de donner l’intervalle contenant l’ensemble des transferts
entrée-sortie du système.
¡ 3 2 2 ∗ ¢
H = CA∗ B = [γδ (γ δ ) , γδ 4 (γδ 5 )∗ ] [δ 2 (γ 3 δ 3 )∗ , δ 6 (γδ 3 )∗ ] . (4.41)
4.7.3 Synthèse de contrôleurs
L’introduction de ce modèle de GET incertain permet de revisiter les différentes stratégies de contrôle
introduites dans le contexte déterministe. Nous résumons ici le problème de la synthèse de correcteurs
de type retour de sortie (voir 4.3) dans un contexte incertain. Cette étude est détaillée dans la thèse
de M. Lhommeau [Lhommeau, 2003], et dans l’article [Lhommeau et al., 2004a] fourni en annexe. Le
problème se formalise de la manière suivante : nous supposons connu un modèle incertain sous la forme
d’un intervalle H, nous supposons donné Gref un intervalle spécifiant l’ensemble des comportements
admissibles du système corrigé, et nous cherchons à caractériser l’ensemble des correcteurs déterministes
qui assurent que le transfert du système corrigé soit inclus dans l’intervalle de référence de manière
garantie, c.-à-d. ∀H ∈ H ⊂ H. Formellement, cela revient à s’intéresser à l’ensemble suivant :
F = {F | (HF )∗ H ⊂ Gref } . (4.42)
m×l
Si le modèle de référence est inclus dans l’image de l’application, MH : (I(Max in [[γ, δ]])) →
ax l×m ∗
(I(Min [[γ, δ]])) , F 7→ (HF ) H, alors il existe un plus grand intervalle de correcteurs (noté F̂ ) au
sens de l’ordre ¹(I(Max [[γ,δ]])) qui est inclus dans l’ensemble F. Ce plus grand intervalle F̂ ⊂ F est
in
donné par :
L
F̂ = n o
F = H\◦ Gref /◦ H.
m×l
F ∈(I(Max
in [[γ,δ]])) | (HF )∗ H¹Gref
D’un point de vue pratique, l’intervalle de contrôleur est donné par :
F̂ = [F̂ , F̂ ] = H\◦ Gref /◦ H = [H\◦ Gref /◦ H ∧ H\◦ Gref /◦ H, H\◦ Gref /◦ H]. (4.43)
Remarque 18 Notons qu’ici la théorie de la résiduation offre une solution à un problème d’inclusion
d’ensemble, alors qu’elle est habituellement l’outil permettant de résoudre des problèmes d’inégalités.
Cette propriété est obtenue au prix d’une restriction sur le choix de l’intervalle de modèle de référence.
Il serait sans doute intéressant de lever cette restriction en re-formulant dans le dioïde I(Maxin [[γ, δ]]),
les stratégies de commande proposées dans le paragraphe ??.
F IG . 4.11 – Un GET incertain avec une réalisation du correcteur F̂ (en pointillé).
L’exemple qui suit est tiré de l’article [Lhommeau et al., 2004a] fourni en annexe. Nous allons syn-
thétiser l’intervalle F̂ , afin que le GET incertain donné figure 4.10, ait son transfert inclus de manière
garantie dans l’intervalle de référence suivant :
µ µ 2 ¶¶∗
γ
Gref = H 2 H
¡ 3γ 3 5 ¢
= [γδ ⊕ γ δ (γδ)∗ , γδ 4 (γδ 5 )∗ ] [δ 2 ⊕ γ 2 δ 4 (γδ)∗ , δ 6 ⊕ γδ 9 ⊕ γ 2 δ 12 ⊕ γ 3 δ 15 ⊕ γ 4 δ 18 ⊕ γ 5 δ 21 ⊕ γ 6 δ 25 (γδ 5 )∗ ] .
Cette spécification signifie qu’au plus 2 jetons peuvent être introduits dans le GET au même moment. Le
plus grand intervalle (au sens de I(Max in [[γ, δ]])) qui assure cet objectif est donné par :
F̂ = H
µ \◦ Gref /◦ H ¶
[γ 2 (γδ)∗ , γ 2 (γδ 5 )∗ ]
= .
[γ 2 (γδ)∗ , γ 2 ⊕ γ 3 δ 3 ⊕ γ 4 δ 6 ⊕ γ 5 δ 9 ⊕ γ 6 δ 13 (γδ 5 )∗ ]
Tous les correcteurs dont la relation de transfert est incluse dans cet intervalle répondent à notre spé-
cification. La réalisation d’une telle commande nécessite de faire un choix dans cet ensemble F̂. La
borne supérieure F̂ garantit que le comportement entrée sortie du système corrigé sera dans l’intervalle
[(H F̂ )∗ H, (H F̂ )∗ H], i.e., un intervalle qui a la même borne supérieure que l’intervalle de spécification
Gref . La borne inférieure F̂ , garantit que le comportement entrée sortie du système corrigé sera dans
l’intervalle [(H F̂ )∗ H, (H F̂ )∗ H], i.e., un intervalle qui a la même borne inférieure que l’intervalle de
spécification Gref .
Ce dernier correcteur (F̂ ) semble pratiquement intéressant puisqu’il s’agit du correcteur qui retarde le
plus l’entrée des jetons tout en conservant la possibilité de voir le système corrigé se comporter comme
Gref , c.-à-d. la possibilité d’atteindre le comportement entrée/sortie le plus rapide de cette spécification
(ici Gref = (γδ 3 ⊕ γ 3 δ 5 (γδ)∗ δ 2 ⊕ γ 2 δ 4 (γδ)∗ )). La figure 4.11 propose une réalisation de correcteur
dont le transfert est : ¡ ¢
F̂ = γ 2 (γδ)∗ γ 2 (γδ)∗ .
Chapitre 5
Annexe A
5.1 Propriétés de l’opérateur ∗

L
Ci-dessous nous rappelons quelques propriétés des fonctions S : x 7→ x∗ = xk et P : x 7→
k≥0
L k
x+ = x (voir [Gaubert, 1992] et [Cottenceau, 1999] pour les preuves).
k≥1
Soit D un dioïde complet. ∀a, b ∈ D
a+ ¹ a∗ (5.1)
∗ ∗ ∗
(a ) = a (5.2)
+ ∗ ∗
(a ) = a (5.3)
∗ ∗
a(ba) = (ab) a (5.4)
∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗
(a ⊕ b) = (a b) a = b (ab ) = (a ⊕ b) a = b (a ⊕ b) (5.5)
∗ ∗ ∗
a a = a (5.6)
∗ + ∗
(a ) = a (5.7)
+ + +
(a ) = a (5.8)
∗ + ∗
(ab ) = a(a ⊕ b) (5.9)
∗ ∗ ∗
(ab ) = e ⊕ a(a ⊕ b) (5.10)
En outre, lorsque D est commutatif
(a ⊕ b)∗ = a∗ b∗ . (5.11)
5.2 Propriétés des résiduées des applications La et Ra
Le tableau qui suit présente un ensemble de propriétés concernant les résiduées des applications La
et Ra . Nous renvoyons le lecteur à [Baccelli et al., 1992, p. 182-185], et à [Gaubert, 1992, §5.3] pour les
preuves.
51
52 CHAPITRE 5. ANNEXE A
a(a\◦ x) ¹ x (x/◦ a)a ¹ x (f.1)
a\◦ (ax) º x (xa)/◦ a º x (f.2)
a(a\◦ (ax)) = ax ((xa)/◦ a)a = xa (f.3)
a\◦ (x ∧ y) = a\◦ x ∧ a\◦ y (x ∧ y)/◦ a = x/◦ a ∧ y/◦ a (f.4)
(a ⊕ b)\◦ x = a\◦ x ∧ b\◦ x x/◦ (a ⊕ b) = x/◦ a ∧ x/◦ b (f.5)
(ab)\◦ x = b\◦ (a\◦ x) x/◦ (ba) = (x/◦ a)/◦ b (f.6)
b(a\◦ x) ¹ (a/◦ b)\◦ x (x/◦ a)b ¹ x/◦ (b\◦ a) (f.7)
(a\◦ x)b ¹ a\◦ (xb) b(x/◦ a) ¹ (bx)/◦ a (f.8)
Propriété 1 Soit x, a ∈ D un dioïde complet.
a∗\◦ x = a∗\◦ (a∗\◦ x) x/◦ a∗ = (x/◦ a∗ )/◦ a∗ (5.12)

∗ ∗◦ ∗ ∗
a x = a \(a x) xa = (xa∗ )/◦ a∗ (5.13)
∗◦ ∗ ∗◦
a \x = a (a \x) x/◦ a∗ = (x/◦ a∗ )a∗ (5.14)
Propriété 2 ([?], [Cottenceau, 1999]) Soient D un dioïde complet et A ∈ Dp×n et B ∈ Dn×p deux
matrices. Alors A\◦ A et B/◦ B sont des matrices dans Dn×n vérifiant
A\◦ A = (A\◦ A)∗ ,

(5.15)
B/◦ B = (B/◦ B)∗ .
Propriété 3 Soient D un dioïde complet, A ∈ Dp×n , M ∈ Dp×p et N ∈ Dn×n trois matrices. Alors
A\◦ (M ∗ A) et A\◦ (AN ∗ ) sont des matrices dans Dn×n vérifiant
A\◦ (M ∗ A) = (M ∗ A)\◦ (M ∗ A) = (A\◦ (M ∗ A))∗

(5.16)
(AN ∗ )/◦ A = (AN ∗ )/◦ (AN ∗ ) = ((AN ∗ )/◦ A)∗ .
Bibliographie
[Ästrom, 1980] Ästrom, K. (1980). Robustness of a design method based on assignment of poles and
zeros. IEEE Trans. on Automatic Control, 25 :588–591.
[Ästrom and Wittenmark, 1984] Ästrom, K. and Wittenmark, B. (1984). Computer Controlled Systems
- Theory and Design. Prentice-Hall.
[Baccelli et al., 1992] Baccelli, F., Cohen, G., Olsder, G., and Quadrat, J. (1992). Synchronization and
Linearity : An Algebra for Discrete Event Systems. Wiley and Sons.
[Blyth and Janowitz, 1972] Blyth, T. and Janowitz, M. (1972). Residuation Theory. Pergamon press.
[Braker, 1993] Braker, H. (1993). Algorithms and Applications in Timed Discrete Event Systems. PhD
thesis, Delft University of Technology.
[Cohen, 1993] Cohen, G. (1993). Two-dimensional domain representation of timed event graphs. In
Summer School on Discrete Event Systems. Spa, Belgium.
[Cohen, 1995] Cohen, G. (1995). Théorie algébrique des systèmes à événements discrets. Polycopié de
cours donné à l’INRIA.
[Cohen, 1998] Cohen, G. (1998). Residuation and applications. Algèbres Max-Plus et applications en
informatique et automatique, Ecole de printemps d’informatique théorique.
[Cohen et al., 1983] Cohen, G., Dubois, D., Quadrat, J., and Viot, M. (1983). Analyse du comportement
périodique des systèmes de production par la théorie des dioïdes. Rapport de recherche 191, INRIA,
Le Chesnay, France.
[Cohen et al., 1985] Cohen, G., Dubois, D., Quadrat, J., and Viot, M. (1985). A linear system theoretic
view of discrete event processes and its use for performance evaluation in manufacturing. IEEE Trans.
on Automatic Control, AC–30 :210–220.
[Cohen et al., 1996] Cohen, G., Gaubert, S., and Quadrat, J. (1996). Kernels, images and projections in
dioids. In Proceedings of WODES’96, Edinburgh.
[Cohen et al., 1999] Cohen, G., Gaubert, S., and Quadrat, J.-P. (1999). Max-plus algebra and system
theory : Where we are and where to go now. Annual Reviews in Control, 23 :207–219.
[Cohen et al., 1989] Cohen, G., Moller, P., Quadrat, J., and Viot, M. (1989). Algebraic Tools for the
Performance Evaluation of Discrete Event Systems. IEEE Proceedings : Special issue on Discrete
Event Systems, 77(1) :39–58.
[Cottenceau, 1999] Cottenceau, B. (1999). Contribution à la commande de systèmes à événements dis-
crets : synthèse de correcteurs pour les graphes d’événements temporisés dans les dioïdes. Thèse,
LISA - Université d’Angers.
[Cottenceau et al., 1999] Cottenceau, B., Hardouin, L., Boimond, J.-L., and Ferrier, J.-L. (1999). Syn-
thesis of greatest linear feedback for Timed Event Graphs in dioid. IEEE Transactions on Automatic
Control, vol. 44, n˚6 :1258–1262.
53
54 BIBLIOGRAPHIE
[Cottenceau et al., 2001] Cottenceau, B., Hardouin, L., Boimond, J.-L., and Ferrier, J.-L. (2001). Model
reference control for timed event graphs in dioids. Automatica, vol. 37 :1451–1458.
[Cuninghame-Green, 1979] Cuninghame-Green, R. (1979). Minimax Algebra. Number 166 in Lecture
notes in Economics and Mathematical Systems. Springer.
[Davey and Priestley, 1990] Davey, B. and Priestley, H. (1990). Introduction to Lattices and Order.
Cambridge University Press.
[Falb and Wolovich, 1967] Falb, P. and Wolovich, W. (1967). Decoupling in the design and synthesis of
multivariable control systems. IEEE Transactions on Automatic Control, 12 :651–659.
[Gaubert, 1992] Gaubert, S. (1992). Théorie des Systèmes Linéaires dans les Dioïdes. Thèse, École des
Mines de Paris.
[Gruet, 1995] Gruet, B. (1995). Structure de commande en boucle fermée des systèmes à événements
discrets. DEA, LISA - Université d’Angers - France.
[Hardouin et al., 1997] Hardouin, L., Menguy, E., Boimond, J.-L., and Ferrier, J.-L. (1997). SISO Dis-
crete Event Systems Control in Dioids Algebra. Special issue of Journal Européen des Systèmes
Automatisés (JESA), vol. 31, n˚3 :433–452.
[Hautus and Heymann, 1983] Hautus, M. and Heymann, M. (1983). Linear feedback decoupling - trans-
fer function analysis. IEEE Transactions on Automatic Control, 28 :823–832.
[Jaulin et al., 2004] Jaulin, L., Ratschan, S., and Hardouin, L. (2004). Set computation for non-linear
control. Reliable Computing, vol. 10 :1–26.
[Lagrange, 2002] Lagrange, S. (2002). Sur le problème du rejet de perturbations dans les dioïdes,
application à une ligne de fabrication de sommiers (en collaboration avec le site de production Rec-
ticel/Bultex de Noyen sur Sarthe). DEA, LISA - Université d’Angers - France.
[LeBoudec and Thiran, 2002] LeBoudec, J.-Y. and Thiran, P. (2002). Network Calculus. Springer Ver-
lag.
[Lhommeau, 2000] Lhommeau, M. (2000). Sur l’analyse de la robustesse de correcteurs dans les
dioïdes. DEA, LISA - Université d’Angers - France.
[Lhommeau, 2003] Lhommeau, M. (2003). Etude de systèmes à événements discrets dans l’algèbre
(max,+) : 1. Synthèse de correcteurs robustes dans un dioïde d’intervalles. 2. Synthèse de correcteurs
en présence de perturbations. Thèse, LISA - Université d’Angers.
[Lhommeau et al., 2004a] Lhommeau, M., Hardouin, L., Cottenceau, B., and Jaulin, L. (2004a). Interval
analysis and dioid : Application to robust controller design for timed event graphs. Automatica, to
appear.
[Lhommeau et al., 2004b] Lhommeau, M., Hardouin, L., Maia, C., and Santos-Mendes, R. (2004b).
Control and Robustness Analysis for (max,+) Linear Systems. In International Worshop on Discrete
Event Systems, WODES 2004, Reims, France.
[Lotito et al., 2001] Lotito, P., Mancinelli, E., and Quadrat, J.-P. (2001). A minplus derivation of the
fundamental car-traffic law. Report 324, INRIA.
[Luenberger, 1971] Luenberger, D. (1971). An introduction to observers. IEEE Trans. on Automatic
Control, 16(6) :596–602.
[Maia, 2003] Maia, C. (2003). Identification et Commande de systèmes à événements discrets dans
l’algèbre (max,+). Thèse, LISA - Université d’Angers - France, Université de Campinas - Brésil.
[Maia et al., 2003a] Maia, C., Hardouin, L., Santos-Mendes, R., and Cottenceau, B. (2003a). Optimal
closed-loop control of Timed Event Graphs in Dioid. IEEE Transactions on Automatic Control, vol.
48, n˚12 :2284–2287.
BIBLIOGRAPHIE 55
[Maia et al., 2003b] Maia, C., Santos-Mendes, R., and Hardouin, L. (2003b). Some Results on Identi-
fication of Timed Event Graphs in Dioid. In 11th IEEE Mediterranean Conference on Control and
Automation, MED’2003, Rhodes, Grèce.
[Menguy, 1997] Menguy, E. (1997). Contribution à la commande des systèmes linéaires dans les
dioïdes. Thèse, LISA - Université d’Angers.
[Menguy et al., 2000] Menguy, E., Boimond, J.-L., Hardouin, L., and Ferrier, J.-L. (2000). Just in time
control of timed event graphs : update of reference input, presence of uncontrollable input. IEEE
Transactions on Automatic Control, vol. 45, n˚11 :2155–2159.
[Moller, 1988] Moller, P. (1988). Théorie algébrique des Systèmes à Événements Discrets. Thèse, École
des Mines de Paris.
[Olsder, 1998] Olsder, G. (1998). Course notes : Max algebra approach to discrete event systems. Al-
gèbres Max-Plus et applications en informatique et automatique, Ecole de printemps d’informatique
théorique.
[Olsder et al., 1998] Olsder, G., Subiono, and Gettrick, M. M. (1998). Course notes : On large scale
max-plus algebra model in railway systems. Algèbres Max-Plus et applications en informatique et
automatique, Ecole de printemps d’informatique théorique.
[Schutter and van den Boom, 2001] Schutter, B. D. and van den Boom, T. (2001). Model predictive
control for max-plus-linear discrete event systems. Automatica, vol. 37(7).
[Wang and Desoer, 1972] Wang, S. and Desoer, C. (1972). The exact model matching of linear multiva-
riable systems. IEEE Trans. on Automatic Control, 17(3) :347–349.
[Wonham and Morse, 1970] Wonham, W. and Morse, A. (1970). Decoupling and pole assignment in
linear multivariable systems : A geometric approach. SIAM J.Control, 8(1).
56 BIBLIOGRAPHIE

Master Maxplus

Transféré par

Droits d'auteur :

Formats disponibles

Master Maxplus

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Master Maxplus

Transféré par

Droits d'auteur :

Formats disponibles

Sur la Commande des Systèmes (max,+) Linéaires.

DEA Automatique et Informatique Appliquée - Angers

2.2 Equations au point fixe

Théorème 1 ([Baccelli et al., 1992]) L(D, ⊕, ⊗) un dioïde et Π : D → D une application semi-

De plus, x = Π∗ (b) est solution de x = Π(x) ⊕ b.

Exemple 3 L’équation implicite

2.3 Théorie de la Résiduation

Le théorème suivant fournit une caractérisation de ces applications.

Théorème 3 Soit f : (D, ¹) → (C, ¹) une application résiduable, alors :

Théorème 4 Soit f : (D, ¹) → (C, ¹) et g : (C, ¹) → (E, ¹) 2 applications résiduables, alors :

Exemple 4 Dans [Cohen, 1998], sont considérées les applications suivantes :

L]a (x) = a\◦ x (division à gauche par a),

Le lecteur trouvera en annexe un ensemble de propriétés relatives à ces "opérateurs".

Théorème 5 L’équation implicite

Définition 5 (Fermeture) On appelle fermeture une application Π : D → D, qui a les propriétés

Définition 6 (Injection canonique d’un sous-ensemble) Soit U un sous-ensemble de l’ensemble D. L’in-

Définition 7 (Application image) L’application image de Π : D → C est l’injection canonique de

Définition 8 (Restriction d’une application à un domaine) Soit Π : D → C et U un sous-ensemble de

où IU : U → D représente l’injection canonique de U dans D. L’application Π|U sera appelée restriction

Définition 9 (Restriction d’une application à un co-domaine) Soit Π : D → C et ImΠ ⊂ V ⊂ C.

où IV : V → C représente l’injection canonique de V dans C. L’application V| Π sera dite restriction de

Exemple 6 ([Cottenceau, 1999]) L’application S : D → D, x 7→ x∗ est une fermeture. Par conséquent

Exemple 9 ([Cottenceau, 1999], [Cottenceau et al., 2001]) Soient l’application isotone Mh : D →

(G1 | Mh )] (x) = h\◦ x/◦ h,

(G2 | Mh )] (x) = h\◦ x/◦ h.

Notation 1 Une classe d’équivalence de X/ ker C sera notée [x]C .

2.4 Le dioïde Zmax

2.4.1 Somme de matrices

2.4.2 Produit de matrices

F IG . 2.1 – Graphe associé à une matrice 2 × 2

Remarque 2 µ Il est possible

2.5.2 Théorie spectrale des matrices

, x est appelé vecteur propre.

3.1 Equations aux dateurs

x(k) = Ax(k − 1) ⊕ Bu(k) (3.1a)

F IG . 3.1 – Exemple d’atelier d’assemblage.

et M3 . La transition u1 caractérise l’entrée de matière première dans l’atelier, la transition x1 représente

Pour le GET de la figure 3.1 nous obtenons :

x1 (k) = max(1 + u1 (k), x2 (k − 1))

F IG . 3.2 – Exemple d’atelier d’assemblage (extension événementielle).

D’une manière générale, on obtient donc la forme sur Zmax :

x(k) = A0 x(k) ⊕ A1 x(k − 1) ⊕ B0 u(k),

x(k) = Ax(k − 1) ⊕ Bu(k) (3.4)

avec A = A∗0 A1 et B = A∗0 B0 . Dans notre exemple nous obtenons :

3.2 Equations aux compteurs

Pour le GET de la figure 3.1 nous obtenons :

x1 (t) = min(u1 (t − 1), 1 + x2 (t))

F IG . 3.3 – Exemple d’atelier d’assemblage (extension temporelle.

D’une manière générale, on obtient donc la forme sur Zmin :

x(t) = A0 x(t) ⊕ A1 x(t − 1) ⊕ B0 u(t), (3.10)

x(t) = Ax(t − 1) ⊕ Bu(t) (3.12)

avec A = A∗0 A1 et B = A∗0 B0 . Le script Scilab donné en annexe fourni directement :

3.3 Dioïdes de séries formelles

3.3.1 Dioïde Zmax [[γ]]

Remarque 4 Ce type de transformée est l’analogue de la transformée en z de l’automatique classique

qui conduit à un modèle de la forme :

x(γ) = Ax(γ) ⊕ Bu(γ)

∀k ∈ Z d(k) ≥ d(k − 1) ⇔ d(k) = d(k) ⊕ d(k − 1).