ENSICA - Premi`re ann´e e e

Repr´sentation et analyse des syst`mes e e lin´aires e
Notes de cours Version 5.0 D. Arzelier
LAAS-CNRS 07 Avenue du colonel Roche 31077 Toulouse cedex 04 France arzelier@laas.fr

Avertissement : ce document est constitu´ de notes de cours et ne pr´tend donc ni ` e e a l’exhaustivit´ ni ` l’originalit´. Ces notes doivent en effet beaucoup aux emprunts faits e a e aux ouvrages r´f´renc´s en bibliographie. Ce document peut ´galement ˆtre t´l´charg´ en ee e e e ee e version .ps ou .pdf a l’adresse http://www.laas.fr/˜arzelier. ` a Remerciement : je tiens ` remercier Marie pour sa relecture attentive du manuscrit et pour les nombreuses corrections apport´es. e

3

Notations
- R : corps des nombres r´els e - A : matrice transpos´e de la matrice A e - A > 0 : A matrice d´finie positive e • : norme Euclidienne pour un vecteur et induite par la norme Euclidienne pour une matrice

- δkl : symbole de Kronecker, δkl = 1 pour k = l et δkl = 0 pour k = l - δ(t) : impulsion de Dirac - 1n : matrice identit´ de dimension n e - Arg[•] : argument du probl`me d’optimisation e - u(t) : fonction de Heaviside - H = [hij ] 1≤i≤m 1≤j≤r : notation de la matrice de dimensions m × r

- h(t) ∗ e(t) : produit de convolution de h(t) par e(t) - diag(A1 , A2 , · · · , An ) : matrice bloc-diagonale ayant A1 , A2 , · · · , An sur sa diagonale - u ∧ v : produit vectoriel des vecteurs u et v

Chapitre I Introduction ` la th´orie de la a e commande

I.1

Introduction

Ce cours constitue une introduction a l’Automatique commun´ment et caricatura` e lement qualifi´e de science des automatismes. Son objet au sens large est donc l’´tude, e e l’analyse, la synth`se et la r´alisation des syst`mes de commande. Ce terme synth´tique e e e e est souvent ambigu et ne d´finit pas un p´rim`tre scientifique aussi clairement identie e e fiable que l’´quivalent anglo-saxon Automatic Control. Il s’agit pourtant bien de la mˆme e e th´orie de la commande fond´e sur la notion centrale de contre-r´action (feedback en e e e anglais) soit une th´orie de la r´gulation. e e Si les syst`mes de commande a contre-r´action sont connus depuis l’Antiquit´, le e ` e e `me e `me e si`cle pour les d´buts industriels et surtout le XX e e pour sa conceptualisation XIX th´orique ont r´ellement su utiliser l’id´e fondamentale de cette structure de commande. e e e Comment expliquer ces si`cles d’obscurantisme scientifique quand la biologie et le compore tement animal offrent tant d’exemples de syst`mes r´gul´s? Ce n’est certainement pas un e e e hasard si la perc´e technologique de la r´tro-action co¨ e e ıncide avec la r´volution industrielle. e Il est ´galement peu douteux que la synth`se de la th´orie de la commande et de la th´orie e e e e de la communication op´r´e par Wiener et donnant naissance a la cybern´tique soit la ee ` e contribution majeure ayant permis de constituer l’Automatique comme champ scientifique ` part enti`re. Le retard dans le d´veloppement des boucles de contre-r´action provient a e e e de l’absence de d´finition math´matique claire de la notion d’information qui leur est e e indispensable. Cela montre a l’´vidence que l’Automatique n’est pas un champ scientifique ferm´. ` e e Ce champ est transversal dans ses applications allant de la r´gulation de l’´conomie ` e e a celle de la machine ´lectrique en passant par le pilotage des lanceurs, l’asservissement e des tˆtes de lecture dans les disques durs... Il emprunte ses outils aux math´matiques e e 5

. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. e e Afin de manipuler et d’utiliser ces concepts. Cette probl´matique est pr´sent´e et ´tudi´e en deuxi`me ann´e pour e e e e e e e e les m´thodes les plus classiques dans le cours de Jo¨l Bordeneuve-Guib´ et en troisi`me e e e e ann´e dans le cours de syst`mes multivariables et dans celui de commande robuste. e e graphiques et informatiques) sont pr´sent´s et ´tudi´s en d´tail et constituent le corps e e e e e technique de ce cours. Le probl`me de synth`se des syst`mes de e e e e e commande ne sera que bri`vement abord´ et aucune technique de synth`se proprement e e e dite ne sera abord´e.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es. Certains de ces outils ont ´t´ d´j` pr´sent´s en cours de traitement ee ea e e du signal et sont donc uniquement rappel´s en annexes.) mais plus important. th´orie des transformations. Enfin. la structure de commande ` contree e a r´action et le concept de stabilit´ des syst`mes dynamiques et le probl`me de stabilit´ e e e e e pos´ par l’introduction de la contre-r´action. e . sa e e e e parent´ avec le traitement du signal ne fait aucun doute. e e le concept d’information y est ´galement primordial. mˆme si le vocabulaire est parfois diff´rent. des outils math´matiques (alg´briques.. e Ce cours de premi`re ann´e a pour objectif d’introduire les principaux concepts de e e l’Automatique : la notion de mod`le d’un syst`me.

). L’´tude minutieuse des ` e e e e diff´rentes sources retra¸ant cette histoire montre que la pratique de l’ex´g`se et le sentie c e e ment national ne donnent pas toujours de bons r´sultats. [7]. [8] [42]. distributeurs automatiques de liquides. les trois fr`res Musa et Ibn e e e al-S¯’¯t¯ utilisent des r´gulateurs a flotteur pour des horloges a eau et autres applia a ı) e ` ` cations. BREF ALBUM CHRONOLOGIQUE 7 I. I. [3]. . I. Al-Jazari en particulier dans son livre ”The book of knowledge e e of ingenious mechanical devices” connu sous le titre abr´g´ ”Automata” propose e e de nombreux m´canismes automatiques (pompes ` eau.250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe. La premi`re pendule ` eau ou clepe e e a sydre (Ktesibios d’Alexandrie -270) utilise un flotteur r´gulant le niveau d’un pree mier bac permettant ainsi de fournir un d´bit constant dans un second bac dont le e niveau ´tablit ainsi la dur´e ´coul´e. Durant cette p´riode. [32].2 Bref album chronologique L’histoire et le d´veloppement de la th´orie de la commande et des syst`mes de come e e mande a contre-r´action sont maintenant bri`vement retrac´s. [5]. : La premi`re mise en oeuvre de syst`me de commande ` contree e a r´action est l’oeuvre des grecs dans l’antiquit´ avec des r´gulations de niveau par e e e flotteur afin de mesurer pr´cis´ment le temps. clepsydres.). le principe de la commande tout ou rien est pour la e premi`re fois utilis´.1 – Clepsydre de Ktesibios [28] Fig.. Nous avons essay´ pour notre e e part de ne pas oublier certains importants contributeurs qui n’avaient pas la chance d’avoir la nationalit´ ad´quate.. e e .300 avant J. [4]. H´ron d’Alexandrie (Pneumaticae e -150) met au point divers dispositifs de r´gulation de niveau a base de flotteurs e ` (horloges a eau.1200 : diff´rents ing´nieurs Arabes (Al-Jazari. [10]. distributeurs automatiques de vin. r´gulateurs de e a e flammes..2.800 .. ` Fig. Philon de Byzance (. [27]. [6].C.I.2 – Clepsydre d’H´ron [22] e . Le principe de la chasse d’eau est fond´ sur e e e e e le mˆme principe.

4 – Sch´ma de l’incubateur Athenor e . l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s. pour l’´closion des oeufs mˆme si le principe du thermostat ne sera e e red´couvert qu’un si`cle plus tard par Bonnemain en 1777.R´gulation de temp´rature (Drebbel-1624. Becher-1680. e e Henry propose de l’utiliser pour les fours chimiques en 1771. Bonnemain-1777) : Cornelius Drebbel. machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. fours.1900 : la r´volution industrielle d´bute r´ellement avec l’av`nement des e e e e proc´d´s de commande a contre-r´action. En effet. R´aumur-1754. alchimiste hollandais du XV II eme si`cle est le premier ` inventer le thermostat en 1624 qu’il souhaite utiliser e a dans les fours pour la transmutation du plomb en or.1600 .3 – Illustration extraite du livre : ”Automata” (1315) [1] . Henrye e e ` 1771. I. e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W. Entre temps. e a e . Son ´chec ` trouver la e a pierre philosophale le conduit n´anmoins a inventer un incubateur automatique. les e e r´gulateurs de temp´rature sont ´tudi´s successivement par Becher en 1680. e ` l’Athenor. oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig. I.

Lee invente une petite roue a vent (fantail) mont´e perpendiculairement ` l’axe ` e a de rotation afin d’orienter la voilure des moulins dans le sens du vent. En particulier.R´gulation des moulins a vent : le flux de grain dans un moulin est r´gul´ e ` e e suivant la vitesse de rotation de la meule en 1588 (par le mill-hoper). BREF ALBUM CHRONOLOGIQUE 9 . En Sib´rie. a .R´gulation de niveaux (Salmon-1746.I. I.6 – Principe de la machine ` vapeur de Polzunov [35] a . I. e ` ` e les fr`res Perier mettent au point la premi`re boucle de r´gulation avec action e e e proportionnelle et int´grale. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig. (Perier-1790) : les r´gulations de niveaux ne sont plus utie lis´es afin de mesurer le temps du fait de l’invention de l’horloge m´canique au e e eme ` si`cle mais dans la chaudi`re des moteurs ` vapeur et pour les syst`mes e e a e XIV de distribution d’eau domestiques. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. Fig. Crapper 1775. Brindley-1758. A la fin de ce si`cle. la chasse d’eau est mise au point par le londonien Crapper en 1775. Polzunove 1765.2. En 1745. Wood-1784). invention pour laquelle il est anobli par la reine Victoria.

James Watt se propose d’adapter le r´gulateur centrifuge de Mead e pour la r´gulation de la vitesse de rotation du moteur a vapeur. (Siemens-1846).9 – Manuscrit de Watt ou Boulder [44] .R´gulation de pression (Papin-1707.10 INTRODUCTION A LA THEORIE DE LA COMMANDE .1800-1935 : cette p´riode pr´classique de la th´orie de la commande fˆt celle pene e e u dant laquelle les principales contributions furent d’ordre math´matique. (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton. il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur. (Porter-1858). Fig. I.R´gulation a gouverne centrifuge (Watt-1788). I. En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs. e ` (Pickering-1862). Murray-1803) : les moteurs a e ` vapeur posent ´galement le probl`me de la r´gulation de la pression de vapeur e e e dans la chaudi`re. ` e e Fig. Delap-1799.8 – Moteur a vapeur de Watt [46] ` Fig.7 – Soupape de s´curit´ de Papin [46] e e . Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803. I. On peut e . Ce type de e ` r´gulation a action proportionnelle est ensuite am´lior´ dans son principe par e ` e e Siemens qui lui substitue l’action int´grale ainsi que technologiquement par e son adaptation a des vitesses de rotation plus ´lev´es.

Lyapua e e nov d´veloppe une th´orie compl`te de la stabilit´ des syst`mes dynamiques e e e e e repr´sent´s par des ´quations diff´rentielles non lin´aires en utilisant la notion e e e e e d’´nergie g´n´ralis´e. (Vyshnegradsky-1877). Il est ` noter que L´on Farcot (1868) est le premier a e e e e a e ` employer les termes de moteur asservi et de servomoteur pour la commande des timoneries de navire et Andr´-Marie Amp`re utilise le premier le mot de e e cybern´tique pour l’art de gouverner. Lagrange sur la repr´sentation e des syst`mes dynamiques par les ´quations diff´rentielles. Airy d´veloppent les premi`res analyses de stabilit´ des syst`mes e e e e r´gul´s. Ind´pendamment. (Poncelet). Routh prolonge le travail de Maxwell et fournit e une condition syst´matique pour tester la stabilit´ des racines d’une ´quation e e e caract´ristique d’un ordre quelconque. (Black-1927).10 – Manuscrit de Adolf Hurwitz [31] Le math´maticien canadien E. (Maxwell1868). (Nyquist-1932). Les premiers ` proposer des conditions de stabilit´ pour les syst`mes e e a e e r´gul´s repr´sent´s par des ´quations diff´rentielles sont J.B. (Routh-1877). Enfin. Minorsky analyse e e e . Maxwell et le e e e e e e russe I.L. Hurwitz suivant les travaux de Vyshnegrasky et de Charles Hermite trouve les mˆmes r´sultats en r´ponse ` un probl`me de r´gulation de turbine e e e a e e ` eau pos´ par l’ing´nieur suisse A. Stodola. (Airy-1840). Poncelet et l’ase e e tronome G. (H´zen-1934) : a la fin du XIX eme si`cle. J. A. Fig. e e e 11 .M.I. (Hurwitz-1895). (Hermite-1854). (Lyapunov-1892) : suivant les travaux de W.V. Vyshnegradsky qui analysent la stabilit´ du r´gulateur a boules de e e ` Watt. a ` le manque de compr´hension th´orique des probl`mes de regulation. BREF ALBUM CHRONOLOGIQUE parler de math´matisation de la th´orie de la r´gulation.Introduction des ´quations diff´rentielles pour l’´tude des syst`mes ` contree e e e a r´action et mise en ´vidence du probl`me de la stabilit´ des syst`mes boucl´s e e e e e e (Lagrange).I. en Russie.D´veloppement de l’analyse des syst`mes dans le domaine fr´quentiel (Minorskye e e ` e 1922).C.J. I. Hamilton et de J.R. (Hamilton).2. e .B. l’absence e e e de langage commun aux diff´rentes disciplines ne permet pas le d´veloppement e e de m´thodes syst´matiques simples d’analyse et de synth`se. le math´maticien suise e e se A.

11 – Manuscrit de Harold Stephen Black sur un exemplaire du New York times (AT & T Archives) Harry Nyquist reprend les m´thodes de repr´sentation dans le plan complexe e e (principe de l’argument) d’Augustin Cauchy pour donner une solution graphique au probl`me de stabilit´ des circuits. seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques. e e a . Le e e ee d´veloppement des techniques de communication permet a Harold Black de e ` proposer la r´tro-action n´gative pour la r´duction des ph´nom`nes de distore e e e e sion ` hautes fr´quences. A cette ´poque. On assiste alors a une math´matisation e e ` e des la th´orie de la r´gulation avec le premier trait´ th´orique sur les sere e e e vom´canismes ´crit par Harold H´zen. I.12 INTRODUCTION A LA THEORIE DE LA COMMANDE ` au d´but du XX eme les r´gulations de position a base de PID (Proportione e ` nel Int´grale D´riv´e) pour la commande des bateaux. a e Fig.

C.1940-1960 : la deuxi`me guerre mondiale a jou´ le rˆle de stimulant intellectuel e e o primordial pour le d´veloppement des syst`mes de commande et a donn´ naissance e e e ` la p´riode dite classique. Bode propose en 1938 d’utiliser le trac´ de l’amplitude et de la phase de la r´ponse fr´quentielle des r´seaux e e e e lin´aires et d´finit les notions de marges de phase et de gain.I. I. Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N. .D´veloppement de la th´orie des servom´canismes dans le domaine fr´quentiel e e e e aux laboratoire des radiations du MIT (Hall-1940). Nichols.13 – Syst`me de RADAR SRC-584 [40] e En parall`le.2.B. les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A. e Fig. BREF ALBUM CHRONOLOGIQUE Nyquist Diagram 5 13 4 3 2 1 Imaginary Axis 0 −1 −2 −3 −4 −5 −7 −6 −5 −4 −3 Real Axis −2 −1 0 1 Fig. I.12 – Lieu de Nyquist . Le groupe dirig´ e e e par Bode au MIT aboutit au d´veloppement du syst`me de RADAR SRC-584 e e coupl´ au pointeur M9. a e . (Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H.W.

Shannon qui publie en 1948 ”The mathematical theory of communication”. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. I.3 dB (at 1.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61.43 rad/sec) .9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0. Wiener et J.25 dB 0. Pm = −44.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT.7 deg (at 1. N. I.5 dB 20 1 dB −1 dB 10 3 dB 6 dB −3 dB −6 dB Open−Loop Gain (dB) −40 −60 −80 −100 180 0 −10 −12 dB −20 −20 dB 90 −30 Phase (deg) 0 −40 −90 −40 dB −180 −50 −270 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 −60 −360 −60 dB −315 −270 −225 −180 −135 −90 −45 0 Open−Loop Phase (deg) Fig. I.D´veloppement de la th´orie de l’information (Shannon-1948) et de la cye e bern´tique (Wiener-1949) : la th´orie math´matique de la communication naˆ e e e ıt entre 1939 et 1948 sous l’impulsion de C. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”. Fig. (Wiener et Bigelowe 1942) : A. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu.15 – Abaque de Black-Nichols .14 – Lieu de Bode Fig. . dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien.N.D´veloppement de l’analyse stochastique (Kolmogorov-1941). . N.

(McColl-1945). I. (Evans-1948). Smith-1942). I. Ceux-ci e mettent en avant essentiellement les techniques fr´quentielles et graphiques e qui favorisent le d´veloppement des m´thodes de l’ing´nieur. J. Les progr`s r´alis´s e e e e durant la guerre ont permis d’´tablir une th´orie math´matique solide des e e e servom´canismes. o e Nichols proposent leurs r´glages des compensateurs PID. e e ` 4 3 2 1 Imag Axis 0 −1 −2 −3 −4 −5 −4 −3 −2 −1 Real Axis 0 1 2 3 Fig. Ziegler et N. Royaume Uni. (Truxal-1955).17 – 1ere ´dition de Cybernetics [2] e Fig.R. de Shannon [42] .18 – M.G. (Ziegler-Nichols-1942).Sc. (Truxall-1955) : W. Evans d´finit sa m´thode du lieu des racines permettant de d´terminer la locae e e lisation des pˆles en boucle ferm´e dans le plan complexe. (McColl-1945). Cette p´riode est principalement marqu´e par la parution e e e des premiers trait´s (S. I.2.B. En 1951 a lieu la e e e premi`re conf´rence d’Automatique a Cranfield.P´riode classique de d´veloppement de la th´orie des servom´canismes (Smithe e e e 1942). BREF ALBUM CHRONOLOGIQUE 15 ` Fig.I.19 – Lieu d’Evans .

1 0 0. I.4 −0. (Narendra-1964). De son cˆt´.1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale.4 0. Ces e probl`mes de stabilit´ absolue sont abord´s ` travers la th´orie de la stabilit´ e e e a e e de Lyapunov alors que les probl`mes de stabilit´ entr´e-sortie sont essentiele e e lement ´tudi´s par Sandberg et Zames donnant naissance aux th´or`mes du e e e e faible gain.1 Imag Axis 0 −0.M.A. introduction du e e formalisme d’´tat (Bellman-1957). Hamel en France et J. (Desoer-1965).3 −0.20 – Application du crit`re du cercle e .4 −0.4 0.2 0. Les techniques fr´quentielles classiques ne suffisent plus et des techniques e temporelles appropri´es doivent ˆtre propos´es pour faire face aux probl`mes non e e e e lin´aires. e e R.16 INTRODUCTION A LA THEORIE DE LA COMMANDE . (Tsypkin-1955). Tsypkin ` d´velopper une th´orie tema e e porelle pour le premier et fr´quentielle pour le second pour l’identification et e l’analyse des cycles limites dans les asservissements ` relais. (Pontryagin-1958).2 −0.5 Fig. V. R. L. .1 −0. Il montre d’autre part e e .3 −0.1 Real Axis 0.2 −0.3 0. Popov proa pose le crit`re de stabilit´ (dit de Popov) pour l’´tude du probl`me de stabilit´ e e e e e absolue propos´ initialement par Lur’e et Postnikov en 1944.5 −0.5 −0.S. Bellman ´tablit le principe d’optimalit´ et d´veloppe la proe e e e grammation dynamique pour r´soudre les probl`mes de commande optimale e e en temps discret.Th´orie de la commande optimale et th´orie de l’estimation. (Popove e 1961).2 0. e e q=5 − mu=1 − a=1 0. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial. Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat. au crit`re du cercle et de la passivit´.3 0.5 0. Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B. (Sandberg-1964).Th´orie de la commande non lin´aire (Hamel-1949). Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e. (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats. (Yakubovich-1962).

e Fig. Ragazzini. I. (Jury-1960). (Astr¨m-1970) : le d´veloppement o e des calculateurs dans les ann´es 50-60 permet leur utilisation a double titre e ` en Automatique. Cette derni`re utilisation conduit au d´veloppement de la th´orie des e e e syst`mes ´chantillonn´s initialement d´velopp´e par J.21 – Livre de Lev Pontryagin .22 – Microprocesseur .Th´orie de la valeur singuli`re structur´e (Doyle-1982). (Safonov-1981) e . Il est n´cessaire de les utiliser hors-ligne pour les calculs de e synth`se et la simulation mais aussi comme ´l´ment dans la chaine de come ee mande. BREF ALBUM CHRONOLOGIQUE 17 la dualit´ existante entre les probl`mes de filtrage et de commande et d´rive e e e les ´quations du filtre de Kalman. I.1980-? : l’introduction des capacit´s de calcul ´tendues et l’extension des logiciels e e de simulation et d’assistance ` la conception s’est traduite par la r´unification des a e th´ories classique et moderne et par l’´mergence du probl`me sp´cifique de la come e e e mande robuste. Zadeh qui suivent les jalons pos´s par C.Intel 4004 [34] .I.R. Shannon dans les ann´es 50. e e Fig. . (Doyle-1981). (Safonov-1982) e e e . G.Commande ´chantillonn´e (Shannon-1950). (Kuo-1963).2. (Ragazzini et Franklin-1958).Th´orie de la commande H∞ (Zames-1971). Franke e e e e lin et L. (Ragazzini et Zadehe e 1952).

techniques neuro-mim´tiques.Introduction de la programmation semi-d´finie positive. Automae e tique symbolique. e 9 8 7 6 max 5 4 3 2 λ 1 5 5 0 0 −5 −5 x2 x1 Fig.18 INTRODUCTION A LA THEORIE DE LA COMMANDE .23 – Surface LMI . e .Th´orie de la commande floue et techniques de supervision associ´es. I.

Les autres entr´es troublent le fonctionnement d´sir´ et sont d´finies comme e e e e des perturbations. I. les entr´es du syst`me. e . c’est ` dire e e e a la combinaison des lois math´matiques pr´c´dentes. e(t) Système s(t) Fig. La mod´lisation. Le syst`me complet ou un des ´l´ments le composant est g´n´ralement repr´sent´ e ee e e e e sch´matiquement par un sch´ma fonctionnel consistant en un rectangle auquel les sie e gnaux d’entr´e repr´sent´s par des fl`ches entrantes sont appliqu´s. Son ´tat est affect´ par une ou plua e e e e sieurs variables. e .3 I. L’ensemble des lois math´matiques e e e e r´gissant la causalit´ entre les entr´es et les sorties du syst`me constitue le mod`le e e e e e math´matique du syst`me.´ ` ´ I.1 Th´orie des syst`mes et th´orie de la commande e e e Notion de syst`me e Un syst`me. Le r´sultat de l’action des entr´es est la r´ponse e e e e e du syst`me qui peut ˆtre caract´ris´e par le comportement d’une ou plusieurs variables de e e e e sorties. ce sont les e e commandes. I.caract´risation des relations entre ces variables. Ainsi la relation entre les entr´es et les e e e sorties du syst`me est l’expression des lois de la physique associ´es au syst`me. aggr´gation d’´l´ments interconnect´s.identification des variables pertinentes pour la caract´risation de chaque ´l´ment e ee constituant le syst`me.3. THEORIE DES SYSTEMES ET THEORIE DE LA COMMANDE 19 I. ind´pendamment de sa nature physique. ´tape pr´liminaire de l’analyse d’un syst`me e e e e e e quelconque. d(t) e(t) Système s(t) Fig. de sa composition et de son degr´ e e de complexit´ comporte donc les ´tapes suivantes : e e .25 – Commandes e(t) et perturbations d(t) Chaque ´l´ment constitutif de l’ensemble syst`me peut ˆtre caract´ris´ par un nombre ee e e e e fini de variables et l’interd´pendance des variables caract´risant chaque ´l´ment peut ˆtre e e ee e exprim´e sous la forme d’une loi math´matique. est constitu´ naturellement ou e e ee e e artificiellement afin d’accomplir une tˆche pr´d´finie.24 – Sch´ma fonctionnel e Les entr´es affectant un syst`me peuvent ˆtre de nature diff´rente.3. Notons ainsi que la notion de syst`me est indissociable de celle de e e signal. Les unes ont pour e e e e but d’exercer des actions entrainant le fonctionnement souhait´ du syst`me. L’action des entr´es e e e e e e produit de mani`re causale des effets mesur´s par les signaux de sortie repr´sent´s par e e e e des fl`ches sortantes.

sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours. En gras. aucune pr´cision n’a ´t´ donn´e sur le type de mod`le math´matique utilis´ e ee e e e e dans le processus de mod´lisation. Ces ´quations peuvent ˆtre ordinaires e e e e dans le cas de syst`mes ` param`tres localis´s dans l’espace ou a d´riv´es partielles pour e a e e ` e e les syst`mes ` param`tres r´partis. e e a . leur comportement sera d´crit par e e des ´quations diff´rentielles dans le cas de mod`les en temps continu ou par des ´quations e e e e r´currentes dans le cas de mod`les en temps discret. La figure I. e e Classification des syst`mes e Jusqu’ici. La mod´lisation d´pend ainsi de la nature physique e e e du syst`me mais aussi des hypoth`ses simplificatrices qu’il est possible de faire. I. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig. Cela signifie qu’en th´orie des syst`mes. o e e l’identit´ physique des variables associ´es ` un syst`me importe moins que les relations e e a e math´matiques entre ces mˆmes variables. e e .formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie.20 INTRODUCTION A LA THEORIE DE LA COMMANDE . Traitant e e uniquement dans ce cours des syst`mes dynamiques.repr´sentation math´matique des int´ractions entre les ´l´ments ` travers la repr´sentation e e e ee a e math´matique des int´ractions entre les variables.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. Il est important de remarquer que tous ces aspects de l’analyse des syst`mes ainsi e que ceux d´velopp´s par la suite sont abord´s en th´orie des syst`mes d’un point de vue e e e e e abstrait plutˆt que d’un point de vue physique.26 donne un aper¸u sommaire d’une classie a e e c fication des mod`les math´matiques associ´s ` diff´rents types de syst`mes.26 – Nature math´matique des syst`mes e e Ce cours a donc pour but l’´tude des syst`mes d´crits par des ´quations diff´rentielles e e e e e ordinaires d´terministes lin´aires ` coefficients constants. .

Principe d’homog´n´it´ : e e e Un syst`me v´rifie le principe d’homog´n´it´ si pour une entr´e αe(t). e e e I. En effet. les performances. la sortie est e e e e e e donn´e par αs(t). cette hypoth`se de lin´arit´ e e e e e peut ˆtre accept´e pour de nombreux syst`mes ´voluant autour d’une position d’´quilibre e e e e e sous l’hypoth`se des faibles d´viations. zone e ıtre e e e e morte. e e e e e e Si elle n’est strictement que rarement v´rifi´e en pratique. ph´nom`nes e e e e e e ´lectrostatiques) ou font apparaˆ des ph´nom`nes non lin´aires (hyst´resis. Il conviendra donc de toujours justifier en pratique l’hypoth`se de e lin´arit´ et d’identifier son domaine de validit´.3. seuil. e e e d’un syst`me peuvent ˆtre analys´es et des m´thodes de correction via l’action d’un e e e e syst`me de commande peuvent ˆtre propos´es. grae e e phiques) tr`s simples et puissants tels que les transform´es de Laplace et de Fourier. e e e Principe de superposition : La r´ponse s(t) d’un syst`me lin´aire a une entr´e e(t) compos´e de la combinaison e e e ` e e n lin´aire de plusieurs entr´es e(t) = e e k=1 αk ek (t) est la somme des r´ponses ´l´mentaires e ee n a e sk (t) ` chacune des entr´es individuelles s(t) = k=1 αk sk (t). e e e Toutefois. frottement sec). e Contre-exemple I. l’hypoth`se de lin´arit´ est valide dans un domaine pr´cis et ne tient pas e e e e compte d’un certain nombre de ph´nom`nes purement non lin´aires. les syst`mes lin´aires v´rifient le principe de e e e superposition et le principe d’homog´n´it´. On parle alors de syst`mes lin´aires. e e e e D’un point de vue purement technique. e e le calcul op´rationnel ou le th´or`me de convolution.3. est par nature un e e e domaine interdisciplinaire d´velopp´ ` partir de solides fondements math´matiques avec e ea e un objectif tr`s concret : d´velopper des correcteurs/r´gulateurs pouvant ˆtre mis en e e e e . branche de la th´orie des syst`mes. Le but d’un syst`me de commande est e e e e donc d’exercer des actions entrainant une am´lioration du comportement du syst`me et de e e ses performances. e e e La th´orie de la commande. la plue e e part des syst`mes physiques sont en r´alit´ non lin´aires (bras de robot.1 e e Le syst`me d´crit par l’´quation entr´e-sortie s = e3 n’est pas lin´aire car ne v´rifiant e e e e pas le principe de superposition alors que le syst`me d´crit par l’´quation entr´e-sortie e e e e s = me + b ne v´rifie par le principe d’homog´n´it´. e e e e Ainsi l’hypoth`se de lin´arit´ va permettre l’utilisation d’outils (analytiques. Un processus de lin´arisation est alors n´cessaire. au sens large.THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES Les syst`mes lin´aires e e 21 Une classe particuli`re dont l’importance pratique est remarquable est celle des syst`mes e e d´crits par des ´quations diff´rentielles lin´aires.2 Th´orie de la commande e Le processus pr´liminaire de mod´lisation achev´. L’ensemble des m´thodes permettant l’analyse du comportement d’un e syst`me donn´ et la synth`se d’un syst`me de commande satisfaisant des sp´cifications e e e e e de performance pr´cises d´finit la th´orie de la commande.

il est toujours possible de classer les e a diff´rentes structures de commande en deux grandes familles. Exemple I. e(t) Loi de commande c(t) Actionneur Système s(t) Entrée de consigne Signal de commande Sortie réelle Fig. Les structures de commande e en boucle ouverte et les structures de commande a contre-r´action appel´es ´galement ` e e e structures de commande en boucle ferm´e. e e l’automobile. e ee e e e Quelle que soit la nature du syst`me ` commander. e e e Le principe de commande en boucle ferm´e est illustr´ sur la figure suivante et d´finit e e e la structure de commande ` contre-r´action (feedback en anglais). le spatial. l’industrie chimique. le g´nie ´lectrique. les signaux de sortie ne seront pas ceux souhait´s.22 INTRODUCTION A LA THEORIE DE LA COMMANDE oeuvre sur des syst`mes technologiques r´els. un lien doit ˆtre cr´´ e e ee entre la r´alit´ et la th´orie math´matique. On parle alors de a e . I.3. e Les signaux d’entr´e e(t) ne sont pas influenc´s par la connaissance des signaux de sortie e e s(t). afin de mettre en pratique la th´orie de la commande. Cela constitue le principe de la commande en boucle ouverte.. e Commande en boucle ouverte En l’absence d’entr´es perturbatrices et en supposant que le mod`le math´matique e e e du syst`me est parfait. e e Toutefois. Le processus de d´veloppement d’un mod`le e e e e e e math´matique constitue ce lien. e e Ainsi. la th´orie de la commande permet la conception de syst`mes de come e e mande pour des domaines aussi vari´s que l’a´ronautique. si le syst`me ` commander n’est pas parfaitement connu ou si des perture a bations l’affectent. Le mod`le ne doit pas ˆtre trop simpliste au risque de ne e e e pas repr´senter la r´alit´ mais doit ˆtre suffisamment simple pour ne pas rendre inutilement e e e e complexes les ´tapes d’analyse des propri´t´s du syst`me et de synth`se des r´gulateurs. il est imaginable de g´n´rer un signal de commande produisant le e e e signal de sortie souhait´. Empruntant ses outils et ses bases th´oriques e e e aux math´matiques.1 (machine ` laver) a L’exemple typique de ce type de structure est constitu´ par la machine a laver fonce ` tionnant sur la base de cycles pr´-programm´s ne poss´dant pas d’informations mesur´es e e e e concernant le degr´ de propret´ du linge.. e Commande en boucle ferm´e e L’introduction d’un retour d’information sur les sorties mesur´es s’av`re alors n´cessaire.27 – Commande en boucle ouverte Cette solution est envisageable dans le cas o` le syst`me est parfaitement connu et u e mod´lis´ et dans le cas o` l’obtention d’une mesure de la sortie n’est pas ´conomiquement e e u e possible.

rejet de perturbation. meilleur suivi de consignes. stabilisation de syst`mes ine e e e stables en boucle ouverte). I.28). Elle n´cessite l’emploi de capteurs qui augmentent le coˆt d’une e u installation.THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES 23 syst`me boucl´ (figure I. e e . Les syst`mes de commande en boucle ferm´e sont ainsi pr´f´rables quand e e ee des perturbations non mod´lisables et/ou des variations impr´visibles des param`tres sont e e e pr´sentes. D’autre part. Signal de référence c(t) Actionneur u(t) Système s(t) e(t) + ε(t) Loi de commande − Signal d’erreur Sortie mesurée Signal de commande Sortie réelle Capteur Fig. e e e moindre sensibilit´ aux variations param´triques du mod`le. par opposition aux syst`mes en boucle ouverte (figure e e e I.27).28 – Commande en boucle ferm´e e Un syst`me boucl´ v´rifie en quelque sorte que la r´ponse du syst`me correspond a e e e e e ` l’entr´e de r´f´rence tandis qu’un syst`me en boucle ouverte commande sans contrˆler l’efe ee e o fet de son action. le probl`me de la stabilit´ et de la pr´cision des syst`mes ` e e e e a contre-r´action se pose de mani`re plus complexe. Cette structure de commande permet ainsi d’am´liorer les performances dynae e miques du syst`me command´ (rapidit´. Il est toutefois important de remarquer que cette structure de commande ne pr´sente e pas que des avantages. Le concept de r´tro-action est toutefois e e e ` la base de tous les d´veloppements th´oriques de l’Automatique moderne et constituera a e e donc le pivot central autour duquel les notions d´velopp´es dans ce cours tourneront.

contre-r´action. Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I.4 Exemples de syst`mes de commande modernes e Quelques exemples remarquables de syst`mes de commande modernes sont d´velopp´s e e e afin d’illustrer de mani`re concr`te les diff´rentes notions introduites pr´c´demment telles e e e e e que r´gulation.2 Contrˆle de la tˆte d’un disque dur o e Afin d’acc´der ` des donn´es enregistr´es sur un disque num´rique tournant.). e e I... e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture. une tension de commande V est d´livr´e ` l’actionneur modifiant en cons´quence le courant parcourant la r´sistance e e a e e R.1 R´gulation de temp´rature dans un four e e Un des probl`mes les plus fr´quemment rencontr´s dans l’industrie est celui de la e e e r´gulation de temp´rature dans une enceinte close (four.4.4. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T .29 – R´gulation de temp´rature e e I. La temp´rature T d’un processus donn´ o e ea e e est r´gul´e dans un four a l’aide d’une r´sistance R. A partir de l’information de position restitu´e par un capteur au correcteur. .29.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I. Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig. etc. I. incubateur. il est e a e e e n´cessaire d’asservir la tˆte de lecture en position afin de la placer sur les pistes de donn´es e e e souhait´es. e .

orienter les moteurs pour les manoeuvres orbitales Un exemple classique est celui du satellite ayant pour charge un ´quipement sciene tifique de mesure n´cessitant un pointage pr´cis sur un objectif donn´ et ceci dans un e e e environnement pour le moins perturb´.31 – Contrˆle d’attitude IRIS [24] o Des objectifs de commande en termes de vitesses de rotation du satellite sur luimˆme et/ou en termes d’attitude peuvent ainsi ˆtre d´finis. I.30 – Disque dur .4. de commander son orientation e (son attitude) dans l’espace.´viter les d´gats solaires ou atmosph´riques sur des composants sensibles e e e .EXEMPLES DE SYSTEMES DE COMMANDE 25 Fig. panneaux solaires ou des instruments de mesure . I. connaissant le mod`le dynamique du satellite.courtesy IBM I. Les objectifs peuvent ˆtre : e . Un autre type de sp´cification e e e e .contrˆler la dissipation de chaleur o .pointer dans la bonne direction les antennes. e Fig.3 Contrˆle d’attitude d’un satellite o Il s’agit. Il doit donc ˆtre isol´ des vibrations et des bruits e e e ´lectriques du corps du satellite.

e I. les ee e ´quations du mouvement peuvent ˆtre simplifi´es et d´coupl´es en ´quations du moue e e e e e vement longitudinal et ´quations du mouvement lat´ral. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I. Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices. Cela revient ` fixer au satellite une vitesse de rotation fix´e autour d’un e a e axe li´ au corps du satellite et d’aligner cet axe avec un axe inertiel fixe. Le mouvement peut e alors ˆtre d´crit par la position et la vitesse du centre de gravit´ ainsi que par l’oriene e e tation et la vitesse angulaire d’un ensemble d’axes li´s ` l’avion par rapport a des axes e a ` de r´f´rence. gravitationnelles et a´rodynamiques. .26 INTRODUCTION A LA THEORIE DE LA COMMANDE consiste ` imposer au satellite un mouvement de spin de vitesse fix´e autour d’un axe a e inertiel donn´. e −Z M T −X θ ε xA zA mg δe Fig.Commande d’altitude et de vitesse de croisi`re : si l’on souhaite maintenir une altie tude constante en maintenant une vitesse de mont´e nulle. e . I. Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me. la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment.32 – Param`tres longitudinaux e . Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis.Commande de la vitesse de mont´e et de la vitesse globale : un pilote automatique e doit ˆtre d´fini afin de soulager le pilote lors des phases de mont´e ` vitesse constante e e e a fix´e.Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR. e e e .4.32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res.4 Commande longitudinale d’un avion civil La plupart des avions sont bien approxim´s comme des corps rigides sur lesquels e agissent des forces propulsives. il se produira n´cessairement e e une certaine d´rive en altitude du fait des erreurs de mesure de cette vitesse de e mont´e.

le mod`le math´matique d’un syst`me e e e e dynamique est d´fini comme un ensemble d’´quations qui repr´sentent le comportement e e e dynamique du syst`me avec la pr´cision souhait´e. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3. Un certain nombre d’hypoth`ses de travail sont ainsi e e e formul´es d´finissant la classe des mod`les utilis´s. non lin´aires.1 Introduction La phase de mod´lisation est essentielle dans le processus d’analyse et de synth`se e e d’un syst`me de commande. Quelle que soit la nature physique du syst`me ` ´tudier. e e e 1.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 . L’ultime phase consiste alors a mettre e e e e ` en oeuvre des m´thodes d’analyse permettant le passage de ces mod`les math´matiques e e e vers des mod`les particuli`rement d´di´s ` l’Automatique. ` coefe e e e e e a ficients constants ou variant dans le temps) qui forment l’expression math´matique du e comportement id´al du syst`me.D´finir le syst`me ` ´tudier et ses composants ´l´mentaires e e ae ee 2. Le mod`le e e ee e math´matique id´al est obtenu en ´crivant les lois physiques r´gissant le comportement e e e e du syst`me.Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II.Ecrire les lois physiques r´gissant le comportement du syst`me et les ´quations e e e diff´rentielles et alg´briques associ´es e e e 4. En Automatique. Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires. e e e e a La d´marche globale peut ainsi se r´sumer de la mani`re suivante.

Il ne s’agit pas de se substituer ` un cours de m´canique du vol ou a e a e de m´canique des corps flexibles mais de disposer d’exemples r´alistes constituant des e e supports illustratifs de ce cours. Il est donc tr`s important d’´tablir e e e un bon compromis entre la pr´cision du mod`le et sa complexit´.28 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES La complexit´ du mod`le r´sultant va conditionner le choix des m´thodes d’analyse e e e e et de synth`se qu’il sera possible de lui appliquer. . Ce chapitre a pour e e e but de donner les principes de base de la mod´lisation des syst`mes dynamiques les plus e e courants rencontr´s dans le domaine a´ronautique et spatial sans pour autant pr´tendre e e e ` l’exhaustivit´.

jI . Nous e e e nous int´ressons au mod`le math´matique du mouvement d’orientation du satellite qui e e e peut ˆtre obtenu a l’aide des ´quations de la cin´matique et de la dynamique.2. Il publie a Linz en 1619 Harmonices ` mundi libri contenant la troisi`me loi dite loi des p´riodes puis les tables astronomiques e e Rudolphine tables ` Ulm en 1628. En dehors de ses travaux d’astronome proprement a dit.´ II. e e Il y suit un cours d’astronomie g´ocentrique (syst`me de Ptol´m´e) e e e e dans un premier temps puis est initi´ au cours d’astronomie avanc´e e e h´liocentrique de Copernic. quie bus astronomiae pars optica traditur en 1604.2. Il est d’ailleurs excome a muni´ en 1612. Ils seront repris de mani`re r´currente dans e e e e e la suite de ce document afin d’illustrer au mieux les notions d’Automatique d´velopp´es. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´.3. On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . Il publie le premier mod`le math´matique cosmologique e e e dans Mysterium cosmographicum en 1596 et l’envoie a l’astronome Tycho Brahe qui ` l’embauche a Prague comme math´maticien assistant.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. Il est mort le 15 Novembre 1630 a Regensburg. EXEMPLES CARACTERISTIQUES 29 II.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1.2 Exemples caract´ristiques e Dans cette section. y. il produit ´galement des travaux en optique (Ad Vitellionem paralipomena. e ` e e Biographie 1 (J. ` Exemple : satellite 1 Le satellite est mod´lis´ comme un corps rigide auquel est attach´ en son centre de masse e e e un r´f´rentiel mobile B : (x. Kepler) Johannes Kepler est n´ le 27 D´cembre 1571 a Weil der Stadt en Souabie d’un p`re e e ` e mercenaire de guerre et de m`re fille d’un tenancier d’auberge. Le mouvement du satellite se compose d’un mouvement d’orbite e e gouvern´ par les ´quations de translation et d’un mouvement d’orientation ou d’attitude e e gouvern´ par les ´quations de rotation. kI ). Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. . e e II. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). Ses ´tudes se d´roulent dans e e e une ´cole locale de Leonberg ainsi qu’au s´minaire a partir duquel il int´gre l’universit´ e e ` e e de T¨bingen r´put´e comme ´tant un bastion de l’´glise r´form´e Luth´rienne. Ses conceptions peu orthodoxes en mati`re e e de religion lui font abandonner son projet d’ordination pour une position d’enseignant en math´matiques ` Graz. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s. z). il propose les deux premi`res lois (de Kepler) dans Astronomia e Nova en 1609 : les orbites des plan`tes autour du soleil sont des ellipses dont un des foyers e est le soleil et parcourues suivant la loi des aires. On suppose que la force d’attraction gravitatione e nelle est la force dominante s’exer¸ant sur le satellite et par cons´quent le mouvement du c e satellite peut ˆtre mod´lis´ ` l’aide du mod`le de Kepler id´al ` deux corps pour lequel e e ea e e a un d´couplage entre le mouvement de translation et de rotation peut ˆtre effectu´.

on obtient : H = Iωm o` I est la matrice d’inertie du satellite : u   Ixx −Ixy −Ixz I =  −Ixy Iyy −Iyz  −Ixz −Iyz Izz D’autre part. la loi de Newton peut se r´´crire : e e e ee M|B = dH + ωm ∧ H|B dt |B (II. II.4) . Si ee l’on consid`re un satellite ` corps rigide alors VB = 0 et l’on obtient finalement : e a VI = VO + ωm ∧ r (II. VB u la vitesse de dm dans le r´f´rentiel B et ωm la vitesse angulaire inertielle du satellite.1 – R´f´rentiels inertiel et en mouvement ee e On note en suivant la figure II.1) Par application de la loi de Newton pour le mouvement en rotation du satellite : M= dH dt |I (II.1 que rI = rO + r et par application de la r`gle de d´rivation dans deux r´f´rentiels diff´rents.2) o` H est le moment cin´tique du satellite calcul´ en O et M la r´sultante inertielle des u e e e moments appliqu´s au satellite. d’apr`s le th´or`me de Coriolis. on obtient : e ee e VI = VO + VB + ωm ∧ r ee o` VI et VO sont respectivement les vitesses de dm et de O dans le r´f´rentiel inertiel.30 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES dm r z o x y B rI ro I oI Fig. Le moment total du satellite se calcule alors par : e H= r ∧ VI dm = r ∧ VO dm + r ∧ (ωm ∧ r)dm = −V0 ∧ rdm + r ∧ (ωm ∧ r)dm Si l’on suppose que O est le centre de masse du satellite et en d´veloppant le second e terme.3) (II.

e ee (II. Tθ ee e     cos ψ − sin ψ 0 cos θ 0 sin θ 0 1 0  Tψ =  sin ψ cos ψ 0  Tθ =  0 0 1 − sin θ 0 cos θ (II. e Les ´quations d’Euler d´crivent la rotation du satellite mais ne d´crivent pas son e e e orientation par rapport au r´f´rentiel inertiel. uz ) forment le vecteur moment de commande. Deux syst`mes de coordonn´es avec une e ee e e origine commune sont li´s par ces trois angles en suivant une s´quence de trois rotations e e (cf. Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes. Ty . l’angle de nutation et φ l’angle e e de rotation propre. Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite.2). on e ee obtient les ´quations d’Euler : e ˙ Mx = Hx + ωy Hz − ωz Hy ˙ My = Hy + ωz Hx − ωx Hz ˙ Mz = Hz + ωx Hy − ωy Hx o` le vecteur de vitesse angulaire ωm = u ωx ωy ωz est exprim´ dans le r´f´rentiel B. La matrice de rotation peut alors ˆtre engendr´e par trois rotations e e ´l´mentaires d´finies par les matrices Tψ .1 Les axes sont les axes principaux d’inertie : Hx = Ixx ωx Hy = Iyy ωy Hz = Izz ωzz Dans ce cas les ´quations de la dynamique du satellite sont : e Ixx ωx = (Iyy − Izz )ωy ωz + ux + Tx ˙ Iyy ωy = (Izz − Ixx )ωx ωz + uy + Ty ˙ Izz ωz = (Ixx − Iyy )ωx ωy + uz + Tz ˙ o` (ux .2.5) ` Hypotheses II. uy . figure II. Les angles d’Euler sont not´s ψ. (Tx .6) . On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel. Tφ .EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler). l’angle de pr´cession θ.7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (II.

D’autres repr´sentations fond´es sur l’utilisation des e e e quaternions et de l’alg`bre associ´e peuvent ´galement ˆtre utilis´es. e e e e e −π ≤ ψ ≤ π −π ≤ θ ≤ π 2 2 −π ≤ φ ≤ π (II.2 – Angles d’Euler En utilisant les angles d’Euler. II.9) (II. la mod´lisation cin´matique du mouvement d’oriene e tation dans le rep`re co¨ e ıncidant avec les axes principaux du satellite est alors r´sum´e e e par : ˙ ˙ ωx = −ψ sin θ + φ ˙ ˙ ωy = ψ cos θ sin φ + θ cos φ ˙ ˙ ωz = ψ cos θ cos φ − θ sin φ Il est ` noter que la param´trisation par les angles d’Euler n’est pas globale puisqu’ils a e doivent v´rifier les conditions (II.9).32 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES z φ y θ ψ Ligne des noeuds x Fig.8) .

i et Σ). Citons entre autres. On suppose que le d´bit ` travers l’orifice de la soupape pilote est proportionnel e a ` x. la r´solution du probl`me aux trois corps. la standardisae tion des notations math´matiques (f (x). Ils sont en particulier. Euler) Leonhard Euler est n´ le 15 Avril 1707 a Basel en Suisse d’un p`re pasteur calviniste. la preuve que e e est irrationnel. de Berlin puis de noua e veau de Saint Petersbourg. Il est successivement math´maticien e e e ` l’acad´mie des sciences de Saint Petersbourg. l’huile suit le trajet repr´sent´ sur la figure.EXEMPLES CARACTERISTIQUES 33 Biographie 2 (L. constante d’Euler.3. Outre les travaux math´matiques. Institutiones calculi differentialis en 1755 et Institutiones calculi integralis en 1770) l’invention du calcul des variations (Methodus inveniendi lineas curvas en 1740). Ses contributions aux diff´rents champs des e math´matiques sont innombrables.10) 1 (p2 − pe )1/2 x w2 = R2 . e o e Exemple : servo hydraulique 1 Un exemple de servom´canisme hydraulique est pr´sent´ figure II. e e formule d’Euler-MacLaurin). preuve du dernier e e th´or`me de Fermat pour n = 3). for¸ant le piston vers e e e c la droite alors que pour x < 0. l’huile suit le trajet inverse entrainant le piston vers la gauche. son travail sur e e la th´orie des nombres (´tude de nombreuses conjectures de Fermat.2 Servom´canisme hydraulique e Les actionneurs hydrauliques sont couramment utilis´s dans les asservissements induse triels du fait qu’ils peuvent fournir de grandes forces avec de faibles inerties et poids. a w1 = 1 (ps − p1 )1/2 x R1 (II. ` II. son travail sur les s´ries infinies (probl`me de Basel. o e e e e Son professeur de math´matiques Johann Bernoulli convaint son e p`re de son avenir de math´maticien. Quand la soupape e e e pilote est en position x = 0. la fondation de l’analyse math´matique (Introductio in analysin infinie torum en 1748.2. largement utilis´s afin de mouvoir les surfaces de contrˆle a´rodynamiques. Il est mort le 18 Septembre 1783 a Saint Petersbourg d’une attaque. π. Pour x > 0.Il e ` e est diplˆm´ de l’universit´ de Basel en 1724 en th´ologie et h´breux. e. les passages d’huile sont ferm´s et aucun mouvement n’en e r´sulte. il contribue ´galement e e e e en m´canique (Mechanica en 1736 et Theoria motus corporum solidorum en 1765) e et en hydrostatique.

14) .11) o` ρ est la densit´ du fluide. II.12) o` m est la masse de l’ensemble piston . e Finalement. L’´quation des forces est donn´e par : u e e e A(p1 − p2 ) − F = m¨ y (II.13) o` I est le moment d’inertie de la surface et de son attache.34 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Soupape pilote x w2 w1 pe θ pe ps w2 w1 p2 y Huile basse-pression p1 l F Fa d Huile haute-pression Surface aérodynamique Fig. l’´quation cin´matique compl`te l’ensemble des ´quations du mouvement : e e e e y = l sin θ (II. F est la force appliqu´e par la tige au point u e d’attache avec la surface. Fa la force a´rodynamique u e appliqu´e sur la surface.3 – Servom´canisme hydraulique e La relation de conservation permet d’´crire : e ρAy = w1 = w2 ˙ (II.tige. L’´quation des moments s’´crit : e e ¨ I θ = F l cos θ − Fa d (II. A la surface du piston.

Si y = a et F = 0. · · · .3 Approximation lin´aire des syst`mes physiques e e Le mod`le math´matique des syst`mes physiques pr´sent´s dans la section pr´c´dente e e e e e e e expriment des lois non lin´aires en les variables pertinentes. xn ) (II. e e e a e . · · · .19) qui est une ´quation d’´tat du mˆme type que pr´c´demment. x2 . x20 . e e La proc´dure de lin´arisation est essentiellement fond´e sur les d´veloppements en e e e e s´ries de Taylor autour d’un point de fonctionnement dont les termes d’ordre sup´rieur e e ` un sont n´glig´s. xn0 ) est e e donn´ par : e y = g(x10 . ` e Il est donc tr`s important de pouvoir disposer de mod`les math´matiques lin´aires suffie e e e samment repr´sentatifs du syst`me physique r´el afin d’y appliquer les nombreux outils e e e d’analyse existant et fournissant des informations essentielles sur le syst`me non lin´aire.´ ` II. √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x.15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . · · · .17) En supposant que sin θ ∼ θ pour θ petit. Il est n´cessaire de v´rifier que cette approximation est valide et par a e e e e cons´quent que l’on est toujours dans un voisinage du point en lequel est effectu´e la e e lin´arisation. e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 . APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II.Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire. Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le. xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II.16) Exemple : servo hydraulique 2 L’actionneur hydraulique est g´n´ralement con¸u de mani`re sym´trique de sorte que e e c e e e a e R1 = R2 et donc ps − p1 = p2 − pe . Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement. on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II. e e e e e .3. x20 . e e .18) (II. ˙ ¨ e e p1 = p2 = ps + pe 2 (II.

les approximations pr´c´dentes restent valides. ` e e e e ωz − Ω sont faibles.36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible. θ0 . La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 . on obtient : e e sin φ cos φ ˙ + ωz ψ = ωy cos θ cos θ ˙ θ = ωy cos φ − ωz sin φ ˙ φ = ωx + ωy tan θ sin φ + ωz tan θ cos φ En consid´rant que ψ − Ωt. on obtient les ´quations cin´matiques e e e lin´aris´es : e e ˙ ψ = ωz ˙ θ = ωy − Ωφ ˙ φ = ωx + Ωθ Ces deux jeux d’´quations peuvent alors ˆtre combin´s afin d’obtenir : e e e ¨ ˙ ˙ Ixx (φ − Ωθ) = (Iyy − Izz )Ω(θ + Ωφ) + ux + Tx ¨ ˙ ˙ Iyy (θ + Ωφ) = (Izz − Ixx )Ω(φ − Ωθ) + uy + Ty ¨ Izz ψ = uz + Tz (II. 0) (II. 0. Il est alors possible de supposer que ωx . φ0 ) = (Ωt. ωy . On peut en d´duire les ´quations dynamiques lin´aris´es au premier ordre : ˙ Ixx ωx = (Iyy − Izz )Ωωy + ux + Tx Iyy ωy = (Izz − Ixx )Ωωx + uy + Ty ˙ Izz ωz = uz + Tz ˙ En inversant les ´quations cin´matiques (II.22) (II. e e Exemple : satellite 2 On suppose que le satellite a une vitesse de rotation constante autour de l’axe inertiel z et aucun moment de commande ou de perturbation n’est appliqu´.24) (II. θ et φ sont petits. 0. ωz0 ) = (0.23) (II.21) . ωy0 .8). Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant.20) (ωx0 .

il soumet son premier article e e e ` la Royal Irish Academy en 1824. il publie Lectures on Quaternions en 1853 puis Elements of Quaternions dont le dernier chapˆtre reste inachev´.1 (formulation Hamiltonnienne de la loi de Newton) Selon la loi de Newton. e Poincar´).4. Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans.4. de Newton et de Laplace. Le e e e e e e concept d’´tat a ´t´ introduit de mani`re syst´matique par R.1 Le mod`le interne . un point de masse m soumis ` une force F (t) ob´it ` l’´quation a e a e dynamique : m¨(t) = F (t) x En notant q(t) = x(t) la coordonn´e g´n´ralis´e et p(t) = mx(t) le moment conjugu´ du e e e e ˙ e syst`me. e Exemple II. Etant donn´ l’´tat d’un syst`me ` un instant donn´. Il publie ` a en 1832 son troisi`me suppl´ment ` son livre Theory of Systems e e a of Rays. il sait le Latin. on obtient les ´quations de Hamilton d´crivant le syst`me : e e e e p d q = m dt p F (t) Si les conditions initiales q(t0 ) p(t0 ) = x(0) mx(0) ˙ .LA REPRESENTATION D’ETAT 37 II.la repr´sentation d’´tat e e e Le concept d’´tat d’un syst`me e e La th´orie moderne de la commande des syst`mes repose en grande partie sur le e e concept d’´tat d’un syst`me et sur le mod`le associ´. Il ´tait d´j` largement utilis´ dans d’autres disciplines scientifiques telles e e ea e que la M´canique (formulation Hamiltonienne) ou la Thermodynamique (travaux de H.4 II. A 5 ans. Il publie On General Method in Dynamics en 1834 et est anobli en 1835. L’´tat d’un syst`me est caract´ris´ par un ensemble de variables dynamiques appel´es e e e e e variables d’´tat non uniques et qui r´sument compl`tement la configuration courante e e e du syst`me.4. e Biographie 3 (Sir W. Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie. La repr´sentation d’´tat. Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton. LE MODELE INTERNE . Polaris) aux d´buts e e e des ann´es 60.R. Kalman et par les e ee e e ing´nieurs travaillant sur les premi`res applications spatiales (Apollo.` ´ ´ II.E. Il meurt d’une ı e s´v`re attaque de goutte apr`s avoir appris son ´lection comme premier membre admis a e e e e ` la National Academy of Sciences des Etats Unis. Apr`s ˆtre entr´ au Trinity College. le Grec et l’H´breu. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal. la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du syst`me. Il marque son int´rˆt e e e pour les math´matiques d`s l’age de 12 ans et commence a ´tudier les travaux de Clairaut e e `e (Algebra).

d´fini comme l’espace e ` e d’´tat. II. e e e e e x(t) = [x1 (t). ´ Definition II. · · · .4) ayant pour entr´es les composantes e e du vecteur u(t) ∈ Rm et pour sorties les composantes du vecteur y(t) ∈ Rr . Les variables d’´tat seront donc e e a e les solutions d’´quations diff´rentielles du premier ordre. xn (t)] . t1 ]. le comportement du syst`me ` n’importe quel instant sera connu.1 (Vecteur d’´tat) e x(t) est un vecteur d’´tat pour le syst`me Σ si c’est un vecteur contenant le nombre e e minimal de variables n´cessaires ` la v´rification de la propri´t´ suivante : e a e ee e e e Si. x(t0 ) est connu alors y(t1 ) et x(t1 ) peuvent ˆtre d´termin´s a de mani`re unique pour tout t1 ≥ t0 si u(t) est connue sur l’intervalle [t0 . l’´tat d’un syst`me est caract´ris´ par diff´rentes variables dynamiques e e e e e e e appel´es variables d’´tat regroup´es dans un unique vecteur appel´ vecteur d’´tat. l’´tat initial d’un syst`me doit constituer sa e e e e e m´moire.4. e e t t0 t t x(t) = −∞ z(ξ)dξ = −∞ z(ξ)dξ + t0 z(ξ)dξ = x(t0 ) + t0 z(ξ)dξ x(t0 ) r´sume le pass´ de la fonction x jusqu’` l’instant t0 . L’´tat du syst`me est e e e e donc compl`tement d´termin´ par la donn´e de ce vecteur o` q et p sont des variables e e e e u d’´tat du syst`me. e e e .4 – Syst`me dynamique multivariable e En g´n´ral. Le vecteur e a q des variables constitue un ensemble de variables n´cesssaire et suffisant pour assurer e p la description compl`te du comportement dynamique du syst`me.38 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES sont connues.4. Parmi les fonctions poss´dant cette propri´t´. L’´volution du syst`me peut ˆtre repr´sent´e au moyen des trajectoires d’´tat. e e II. e Le vecteur d’´tat x(t) appartient a un espace vectoriel E. e e Comme l’exemple pr´c´dent l’a montr´. On consid`re donc le e e e syst`me dynamique multivariable de la figure (II. ` chaque instant t0 .2 Repr´sentation d’´tat des syst`mes dynamiques e e e La repr´sentation d’´tat est un mod`le interne structur´ bati autour du concept d’´tat e e e e e et s’appliquant aux syst`mes temps-variant et/ou non lin´aires. on trouve toutes les fonctions e e ee r´sultant d’une int´gration. e e e e e e e lieu dans l’espace d’´tat E du point de coordonn´es x(t) dans le rep`re choisi. U Vecteur d’entrée X Vecteur d’état dimension n Y Vecteur de sortie dimension m dimension r Fig.

e ` e Pour un choix du vecteur d’´tat e .LA REPRESENTATION D’ETAT 39 x2 x(t0) x(t1) x2(t1) 0 x(t2) t x1 (t1) x1 Exemple II.2 (oscillateur de Van der Pol) En consid´rant le circuit ´lectrique suivant : e e L C Résistance négative Fig. II.25) v(t) . les trajectoires d’´tat peuvent ˆtre repr´sent´es e e e e v(t) ˙ dans l’espace d’´tat a deux dimensions appel´ ici plan de phase.4.LE MODELE INTERNE .5 – Circuit de l’oscillateur de Van der Pol On obtient l’´quation dynamique de l’oscillateur de Van der Pol : e 2 v (t) − (α − βv 2 (t))v(t) + ω0 v(t) = 0 ¨ ˙ (II.

7).5 2 1.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II. En ´crivant les lois de Kirchoff (noeuds e e et mailles). on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig.26) y(t) = h(x(t).5 −1 −1. continue par rapport a u et continue par morceaux par rapport a t. II. y(t) ∈ Rr est u le vecteur de sortie. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat. e e e e e Exemple II.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II.2 (Repr´sentation d’´tat) e e Tout syst`me dynamique Σ peut ˆtre repr´sent´ par ses ´quations d’´tat d´finies comme e e e e e e e un ensemble d’´quations diff´rentielles du premier ordre appel´es ´quations dynamiques e e e e et un ensemble d’´quations alg´briques appel´es ´quations de sortie ou de mesure : e e e e x(t) = f (x(t).27) . t) ´quation dynamique ˙ e (II.5 1 0. u(t).5 dx/dt 0 −0.4. e ´ Definition II.40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2.1 L’int´rˆt de la notion d’´tat et de la repr´sentation d’´tat qui en d´coule r´side principaee e e e e e lement dans le nombre minimal de variables ind´pendantes ` consid´rer pour connaˆ le e a e ıtre comportement interne du syst`me. Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me.4. u(t) ∈ Rm est le vecteur de commande.4. u(t).5 −2 −2. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.

ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire.6 pour diff´rentes e e e a e x1 (0) conditions initiales .31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II.25).29) A partir de la donn´e des conditions initiales du circuit. il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0. [x1 (0) x2 (0)].LE MODELE INTERNE . vR = R(iL (t)). on obtient l’´quation d’´tat non lin´aire : ˙ e e e x1 (t) = x2 (t) ˙ x2 (t) = (α − ˙ βx2 (t))x2 (t) 1 + 2 ω0 x1 (t) (II.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II.28) dx2 1 R (t) = x1 (t) − x2 (t) dt L L Si l’on suppose de plus que l’on mesure la tension aux bornes de la r´sistance. x2 (0) . on obtient l’´quation dynamique d’´tat du r´seau ´lectrique : e e 1 1 dx1 (t) = − x2 (t) + u(t) dt C C (II. e e e 1 1 dx1 (t) = − x2 (t) + u(t) dt C C dx2 1 1 (t) = x1 (t) − R(x2 (t)) dt L L y(t) = R(x2 (t)) Exemple II.7 – Syst`me ´lectrique e e En choisissant comme variables d’´tat la tension aux bornes de la capacit´ et le courant e e e e dans l’inductance. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II. il est e e encore possible de donner une repr´sentation d’´tat non lin´aire. soit [x1 x2 ] = [vC iL ] .30) (II. II.4. En posant e e e x1 = v et x2 = v.

42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II. t) ˙ (II. En effet.Lin´arisation e e e e Une classe particuli`rement importante de mod`les d’´tat est celle des mod`les d’´tat e e e e e lin´aires.32) y(t) = C(t)x(t) + D(t)u(t) o`: u . C.4. le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´.3 Repr´sentation d’´tat lin´aire .2 La repr´sentation d’´tat n’est pas unique.33) On d´finit une trajectoire d’´tat nominale x0 (t) ainsi qu’un vecteur de commande e e e nominal u0 (t) v´rifiant : x0 (t) = f (x0 (t). u0 (t). e . . B. e ´ Definition II. cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique.A(t) ∈ Rn×n est la matrice dynamique.B(t) ∈ Rn×m est la matrice de commande ou d’entr´e.D(t) ∈ Rr×m est la matrice de transmission directe. Si les matrices A. u(t). Une pratique tr`s courante consiste a lin´ariser le mod`le d’´tat non lin´aire e ` e e e e localement autour d’un point de fonctionnement nominal afin de disposer d’un mod`le e lin´aire localement valide sous les hypoth`ses de faibles d´viations autour du point de e e e fonctionnement. Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t).34) . mˆme si aucun syst`me physique naturel ou artificiel ne peut pr´tendre e e e e v´rifier stricto sensu la propri´t´ de lin´arit´.4. Cela signifie que pour un mˆme syst`me phye e e e sique. .C(t) ∈ Rr×n est la matrice de mesure ou de sortie.4. e II. le syst`me est Lin´aire Temps-Invariant e e (LTI). Equation d’´tat lin´aris´e e e e La majorit´ des syst`mes physiques sont en r´alit´ non lin´aires et d´crits par le mod`le e e e e e e e (II.3 (Repr´sentation d’´tat lin´aire) e e e Si Σ v´rifie l’hypoth`se de lin´arit´ alors sa repr´sentation d’´tat est donn´e par : e e e e e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.26). t) ˙ (II. D sont constantes.

Il est donc possible de d´finir les faibles perturbations u(t) et x(t) telles que : e ˜ ˜ ˜ u(t) = u0 (t) + u(t) x(t0 ) = x0 (t0 ) + x(t0 ) ˜ x(t) = x0 (t) + x(t) ˜ t0 ≤ t ≤ tf t0 ≤ t ≤ tf En ´crivant le d´veloppement en s´ries de Taylor au premier ordre de la fonction f e e e autour du point nominal. u0 (t). t) x(t) + Ju (x0 (t). Cela e e e signifie que pour tout t0 ≤ t ≤ tf . la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0. t) + Jx (x0 (t). θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0. x0 (t)) que tr`s faiblement. t)˜(t) + Ju (x0 (t). t) u(t) ˜ A(t) B(t) (II.5 (´quation d’un pendule non contrˆl´) e oe ˙ . (π. u0 (t). 0). t)˜(t) + h(t) ˙ o` Jx (Ju ) est la matrice Jacobienne de la fonction f par rapport au vecteur x (u) : u Jx = ∂fi ∂xj 1≤i≤n 1≤j≤n Ju = ∂fi ∂uj 1≤i≤n 1≤j≤m En n´gligeant le terme h(t). u0 (t). (u (t). u0 (t). 0). Pour k/m = 1/2 g/l = 1.5 θ l 11 00 11 00 11 00 11 00 m .4. on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (t).35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). u0 (t). x(t)) ne diff`rent de (u0 (t).LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales.LE MODELE INTERNE . les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ.

5 Exemple : satellite 3 En reprenant les ´quations lin´aris´es du satellite en spin ` vitesse constante autour de e e e a ˙ ˙ ˙ l’axe z et en choisissant les variables d’´tat x = φ θ ψ φ θ ψ .4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e).38) Dans le cas g´n´ral o` le mod`le est temps-variant. nous nous int´ressons plus particuli`rement ` la solution de l’´quation e e a e diff´rentielle d’´tat (l’´quation dynamique) : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II. il est n´cessaire de d´finir la matrice e e u e e e de transition d’´tat qui intervient dans la solution de l’´quation d’´tat. on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy . e e e l’´quation diff´rentielle du deuxi`me ordre constituant l’´quation lin´aris´e du mouvement e e e e e e de l’attitude du satellite autour d’un axe peut s’´crire sous forme d’une repr´sentation e e d’´tat : e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (II. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.4.44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre. t0 )x0 ∀t ≥ t0 (II.5 A2 = 0 1 1 −0.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie. e e e ´ Definition II.40) . e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II. on obtient la e repr´sentation d’´tat lin´aris´e pour des perturbations nulles : e e e e     0 0 0 1 0 0 0 0 0  0  0 0 0 1 0  0  0 0      0   0 0 0 0 0 1  0 0   2  u(t)  x(t) =  ˙ x(t) +  Ω Ix 0 0 0 Ω(Ix + 1) 0  1/Ixx 0 0       0  0 0 0  0  −Ω2 Iy 0 Ω(Iy − 1) 1/Iyy 0 0 0 0 0 0 0 0 1/Izz (II.

42) A partir de la donn´e de la matrice de transition. t1 )Φ(t1 . Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat.LA REPRESENTATION D’ETAT o` Φ(t.44) t y(t) = C(t)Φ(t. t0 )x0 + C(t) t0 Φ(t.Φ−1 (t. τ )B(τ )u(τ )dτ + D(t)u(t) (II.1 (r´ponse compl`te) e e La solution de l’´quation dynamique d’´tat : e e x(t) = A(t)x(t) + B(t)u(t) ˙ est donn´e par : e t x(t0 ) = x0 (II. (LTI). t0 ) est inversible pour tout t et tout t0 .4. t0 ) = A(t)Φ(t.6 (r´ponse forc´e) e e La r´ponse forc´e d’un syst`me est la r´ponse du syst`me au seul signal d’entr´e et pour e e e e e e des conditions initiales nulles.Φ(t2 . e ´ Definition II. e ´ ` Theoreme II. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t0 )x0 + et la sortie s’´crit alors : e Φ(t. il est possible de d´terminer la e e solution de l’´quation dynamique d’´tat qui correspond a la r´ponse compl`te du e e ` e e syst`me par application du principe de superposition. t0 ) = Φ(t0 . t0 ) Φ(t0 .1 . τ )B(τ )u(τ )dτ (II.40). t) ∀ t. t0 ) est la matrice de transition. e e e e e elle est donn´e par : e t x(t) = t0 Φ(t. t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes. t0 ∀ t ≥ t0 45 (II.LE MODELE INTERNE . elle est donn´e par l’´quation e e e e e e e (II. ´ Definition II. τ )B(τ )u(τ )dτ t0 (II.43) x(t) = Φ(t. t0 ) .5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique. solution de l’´quation diff´rentielle : u e e ˙ Φ(t.41) Dans le cas g´n´ral d’un syst`me temps-variant.4. e ee ´ ´ Proprietes II. De mˆme. la matrice de transition peut ˆtre calcul´e de mani`re explicite par les e e e e m´thodes pr´sent´es dans ce chapˆ e e e ıtre. seront ´tudi´s e e e e . seuls les syst`mes lin´aires temps-invariants.Φ(t.4.4.45) Dans la suite. Pour les e e e e syst`mes LTI. t0 ) = Φ(t2 .

D=0. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II. L = 1 H et R = 3 Ω.4. . e Exemple II.4.7) pour C = 2 F . Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le.B. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es.0]. >> C=[0 3].46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.4. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II.5 -3 b = x1 x2 u1 0.6 (circuit ´lectrique) e Calcul du mod`le d’´tat.D) a = x1 x2 x1 0 1 x2 -0.1 -3].46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A.C. Script MATLAB 1 >> A=[0 -1/2. ´ Definition II.B=[1/2. B. >> circuit=ss(A. D).4 Repr´sentation d’´tat des syst`mes LTI e e e D´finitions e Nous nous int´ressons maintenant aux mod`les d’´tat LTI. C.

e x(t) = Ax(t) + Bu(t) ˙ (II. e e e x(t) = Ax(t) ˙ y(t) = Cx(t) a pour matrice de transition : Φ(t. t0 ) = eA(t−t0 ) o` : u eAt = 1 + At + A2 t2 An tn + ··· + + ··· 2! n! (II.4. la matrice de transition d’´tat peut ˆtre donn´e de mani`re e e e e e explicite.LA REPRESENTATION D’ETAT La matrice de transition d’´tat e 47 Pour les mod`les LTI. ψ(t) = x1 (t) = x10 + (t − t0 )x20 + puisque eAt = 1 t 0 1 1 Izz t 0 t t0 (II.49) (II.50) eA(t−τ ) Bu(τ )dτ + Du(t) (II.47) Sa r´ponse libre est donc donn´e par : e e y(t) = CeA(t−t0 ) x0 Le mod`le LTI.53) .51) y(t) = Cx(t) + Du(t) a pour r´ponse compl`te : e e y(t) = CeA(t−t0 ) x0 + C Exemple : satellite 4 La sortie ψ(t) a donc pour expression.48) (II. ´ ` Theoreme II.LE MODELE INTERNE .2 Le mod`le LTI homog`ne (non command´) de condition initiale x(t0 ) = x0 .52) (t − τ )uz (τ )dτ (II.

e II. e Soit le syst`me multivariable dont le mod`le d’´tat est donn´ ci-dessous. Celle-ci recouvre ainsi les mod`les e e e du type ´quations diff´rentielles ` coefficients constants..e.5. Nous insisterons plus particuli`rement sur ce e e dernier type de mod`le tout en donnant quelques liens avec les deux autres. Ce handicap va fortee e ment affecter la suite de son existence puisqu’il abandonne l’´cole ` 16 ans mais continue e a ` ´tudier seul.) puisqu’il s’agit uniquement de caract´riser la relation causale entr´ese e sorties. ae Il devient t´l´graphiste au Danemark puis en Angleterre.1 La matrice de transfert Originellement d´finie pour le syst`mes SISO (Single Input Single Output). Ses traee vaux sur l’´lectricit´ le font remarquer de Maxwell qui le mentionne e e dans son trait´ Treatise on Electricity and Magnetism. Hall dans sa th`se en 1943 o` ee e e u il utilise la transform´e de Laplace et le calcul op´rationel invent´ par O. il pr´dit e l’existence de la couche portant son nom et refl´chissant les ondes radios. Heaviside introduit e ensuite le calcul op´rationnel afin de r´soudre plus facilement les ´quations diff´rentielles e e e e intervenant dans la th´orie des circuits.5 Les mod`les externes (entr´es-sorties) e e L’id´e fondamentale derri`re l’utilisation de mod`les externes (entr´es-sorties) est e e e e d’utiliser l’information minimale afin de mod´liser le comportement du syst`me. Il n’en finit e pas moins sa vie a Torquay dans le Devon. Cer derni`res sont mieux e ` e connues sous le nom d’´quations de .. Londres en Angleterre. Heaviside en 1892 e e e pour caract´riser le comportement entr´e-sortie des servom´canismes. Cette classe ´tant tr`s vaste. nous nous int´ressons dans ce cours ` la souse e e e a classe des mod`les Lin´aires Temps-Invariant (LTI). Nous pr´sentons en e e e e premier lieu le cas g´n´ral MIMO (Multi Input Multi Output) pour revenir ensuite au cas e e particulier tr`s important des mod`les SISO. Heaviside) Oliver Heaviside est n´ le 18 Mai 1850 a Camden Town. Le come e portement ”interne” du syst`me est ignor´ (tensions et courants interm´diaires dans e e e un circuit p. Ces derniers travaux sont prouv´s rigoureusement e e plus tard par Bromwich et valent a son auteur de nombreuses pol´miques scientifiques. Il ` e est ´lu pair de la Royal Society en 1891 suite a ses travaux sur la transmission des signaux e ` dans Electromagnetic induction and its propagation en 1887. Maxwell.C. En 1902. la notion e e de fonction de transfert a ´t´ essentiellement d´finie par A. On d´finit ainsi une classe de mod`les dont les ´l´ments auront des propri´t´s e e ee ee ´quivalentes. les mod`les fond´s sur la r´ponse e e a e e e impulsionnelle et les mod`les de transfert. De fait. e Heaviside ´tudie ce dernier et propose de simplifier les 20 ´quations a e e ` 20 variables en 4 ´quations a deux variables.54) .48 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. e e Biographie 4 (O. e e e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) x(t0 ) = x0 (II. tr`s isol´ et en butte ` un fort complexe de ` e e a pers´cution. Il e ` contracte tr`s jeune une fi`vre scarlatine qui le laisse presque sourd.

. . il est possible de l’appliquer aux e e e ´quations (II. .La matrice de transfert est une caract´ristique du syst`me ind´pendante de l’amplie e e tude et de la nature de l’entr´e du syst`me.LES MODELES EXTERNES o` x ∈ Rn .60) Remarques II. e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II. il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II.54).59) Yi (p) = j=1 gij (p)Uj (p) (II.8 – Syst`me lin´aire multivariable m entr´es et r sorties e e e Du fait de la lin´arit´ de l’op´rateur de Laplace.58) (II.1 .5. En r´solvant les ´quations (II. .55) u e e par rapport a Y (p). e e e .5.1 (Matrice de transfert) e e a La matrice G(p) ∈ Cr×m est appel´e matrice de transfert liant l’entr´e U (p) ` la sortie Y (p). um y1 y2 . e e . u ∈ Rm et y ∈ Rr . x0 = 0.La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles. II. u u1 u2 . Y(p) = G(p)U(p) La notation matricielle peut ˆtre explicit´e ´l´ment par ´l´ment : e e ee ee Yi (p) = gij (p)Uj (p) ` On obtient ainsi pour la ieme sortie : m (II.57) ´ Definition II. U (p) = L[u(t)] et Y (p) = L[y(t)].56) Pour des conditions initiales nulles. yr 49 Système linéaire multivariable Fig.55) o` X(p) = L[x(t)].Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique. . on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II.

C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi . e on obtient : x(t) = ˙ −0. Pour chaque ´tage.2 0.63) .21 0. e e e e e e e e e e temp´rature TC .01 x(t) (II. x2 ) = (TC . les variables d’´tat e e (x1 .01 m3 /min. d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi .50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .. II.9.2 −0.5.61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig. d´bit fC ).62) y(t) = x(t) Pour les valeurs num´riques f = 0. En supposant les flux constants fH = fC = f .2 m3 /min et VH = VC = 1 m3 . nous obtenons les ´quations d’´tat : e e   β/VC −(f + β)/VC 0  x(t) + f /VC u(t) x(t) =  ˙ 0 f /VH β/VH −(f + β)VH (II. temp´rature TH . e Exemple II. β = 0.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur. TH ) et les temp´ratures d’entr´e comme les commandes..01 0 0 0. de la capacit´ u e e e calorifique des fluides. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II.1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II.21 x(t) + 0.

.0021 --------------------s^2 + 0.2 0.01)(p + 0.2 −0.42 s + 0.21]}.42 s + 0...01.[1 0.0041 0.64) 0..01 s + 0.21 −0.2 [0.002 #1: --------------------s^2 + 0.002 --------------------s^2 + 0.0.42 s + 0.0041 #2: Transfer function from input 2 to output.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.01*0.41) p + 0.21 −1 51 0.41]).01*0. 0.01 0.. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II. 0.21] 0.2 p + 0.0041 #2: Exemple : satellite 5 On reprend les ´quations d’Euler du satellite en spin constant autour de l’axe en supposant e cette fois que Ixx = Iyy = I1 et Izz = I2 et ne retenant que le mouvement autour des axes x et y d´coupl´es comme on l’a vu du mouvement autour de l’axe z.2*0.LES MODELES EXTERNES En appliquant la formule (II.01 0.01 s + 0.57).0041 0.den den}) Transfer function from input 1 to output. e e >> den=conv([1 0..01*0.66) . {den den.42 s + 0.0021 #1: --------------------s^2 + 0.2 p + 0.01 (II.01].. >> echangeur=tf({[0. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.01 = (p + 0.65) I1 ωy = (I3 − I1 )Ωωx + uy ˙ En posant a = (1 − I3 /I1 )Ω et en supposant que les vitesses de rotation sont mesur´es e indirectement par l’´quation : e y1 y2 = 1 a −a 1 ωx ωy (II.21 0.01 0 0 0.

[-5 -5] [1 -25]}.5.5 -------s^2 + 25 #2: Transfer function from input 2 to output. g(t) est une matrice de dimensions r × m... >> satellite=tf({[1 -25] [5 5]. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t.69) ´ Definition II..67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur.68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II.70) A chaque instant t.52 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ωx ˙ ωy ˙ 0 a −a 0 u1 u2 On obtient donc la matrice d’entr´e : e G(p) = 1 2 + a2 p a(p + 1) p − a2 −a(p + 1) p − a2 (II.[1 0 25] [1 0 25]}) Transfer function from input 1 to output.. e e e (II.25 #1: -------s^2 + 25 -5 s . ` . s .2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II..25 -------s^2 + 25 #2: II...5. L’´l´ment (i. e e >> a=5. 5 s + 5 #1: -------s^2 + 25 s .2 La matrice de r´ponse impulsionnelle e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) x(t0 ) = x0 Soit le mod`le LTI strictement propre poss´dant m entr´es et r sorties. {[1 0 25] [1 0 25].

e e e e n n f1 (y1 .3 Equations diff´rentielles entr´es-sorties e e Une autre forme pour le mod`le dynamique d’un syst`me consiste ` ´crire les ´quations e e ae e liant les variables d’entr´e et leurs d´riv´es aux variables de sortie et leurs d´riv´es ` e e e e e a l’exclusion de toutes les autres variables. upm ) 1 m . · · · . · · · n . e e e e a Exemple II. · · · . ces mod`les sont tr`s peu ea e e e utilis´s except´ dans des cas particuliers tels que les mod`les LTI o` l’on obtient un e e e u syst`me d’´quations diff´rentielles lin´aires ` coefficients constants. on obtient : e e A= 0 a −a 0 (p1 − A)−1 = p2 1 + a2 p a −a p Soit apr`s inversion de la transform´e de Laplace : e e eAt = Finalement. · · · . la transform´e de Laplace permet de relier la matrice de r´ponse impulsione e nelle et la matrice de transfert. . · · · . y1 1 . yr r ) = g1 (u1 . · · · . g(t) = cos at − a sin at sin at + a cos at −a cos at − sin at −a sin at + cos at cos at sin at − sin at cos at II. · · · 1 .LES MODELES EXTERNES 53 Pour des conditions initiales nulles x0 = 0.71) De plus. la r´ponse du syst`me ` une entr´e quele e a e conque u(t) est donn´e par : e ∞ y(t) = 0 g(τ )u(t − τ )dτ (II.2 sorties) e e ˙ y ˙ y1 + 3y1 + 2¨1 = 4u1 + u2 + 2u3 y2 + y2 + 2¨2 = 4u1 + u2 + 2u3 ˙ y . yr . Dans le cas g´n´ral. u pm ) m Du fait de la difficult´ ` les manipuler math´matiquement. · · · . · · · . · · · . u m . le mod`le prend la forme e e e d’un syst`me d’´quations diff´rentielles entr´es-sorties. · · · .5. up1 .72) Exemple : satellite 6 En reprenant les ´quations d’´tat d´finies ` la section pr´c´dente et en appliquant la e e e a e e m´thode de calcul de l’exponentiel de matrice par la transform´e de Laplace. yr . .2 (syst`me 3 entr´es . · · · n . G(p) = L[g(t)] (II.73) fs (y1 . um . up1 . (II. yr r ) = gs (u1 . y1 1 .5.

74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie.10). e e a an y (n) (t) + · · · + a1 y (1) (t) + a0 y(t) = bm u(m) (t) + · · · + b1 u(1) (t) + b0 u(t) Si les conditions initiales sur le signal d’entr´e et de sortie sont nulles : e u(0) = u(0) = · · · = u(m−1) (0) = 0 ˙ (II.4 Le cas particulier des syst`mes SISO e Le cas particulier des syst`mes poss´dant une seule entr´e et une seule sortie (SISO) e e e est tr`s important non seulement puisqu’il fˆt historiquement le premier a ˆtre trait´ de e u `e e mani`re intensive et extensive mais ´galement parce qu’il poss`de de nombreuses proe e e pri´t´s que l’on ne retrouve pas dans le cas MIMO.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles.5. ee e la simplification de la repr´sentation permet de d´velopper des m´thodes graphiques et e e e alg´briques qui sont difficilement g´n´ralisables au cas matriciel. II. mono-sortie. e e e La fonction de transfert Soit un syst`me LTI mono-entr´e. Par application e e du principe fondamental de la dynamique. e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II. u(t).3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II. l’´quation diff´rentielle d´crivant le comportee e e ment de la masse M soumise ` une force u(t) est donn´e par : a e M y (t) + f y(t) + Ky(t) = u(t) ¨ ˙ (II.76) ´ Definition II.78) k M s(t) f e(t) Fig.74). Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II.77) Exemple II. Dans le cas de mod`les externes. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II.10 – Syst`me masse-ressort-amortisseur e .5.75) y(0) = y(0) = · · · = y ˙ (n−1) (II.5. on obtient.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. y(t). le rapport entre la transform´e de Laplace e e du signal de sortie et la transform´e de Laplace du signal d’entr´e d’un syst`me LTI est e e e la fonction de transfert de ce syst`me.

81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe.82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II. e e a e Si su (t) et s0 (t) sont respectivement les r´ponses du syst`me ` l’entr´e et aux conditions initiales.80) Exemple II.LES MODELES EXTERNES 55 Un vecteur d’´tat pour les syst`mes m´caniques peut ˆtre typiquement constitu´ ` e e e e e a partir des variables de position et de vitesse.79) En appliquant la transform´e de Laplace a cette ´quation et en choisissant la position e ` e de la masse y(t) comme sortie. e e Fonction de transfert et r´ponse impulsionnelle e Soit un syst`me LTI SISO soumis ` une entr´e u(t) et donn´ par sa fonction de transfert e a e e G(p). Ainsi. e L’´volution d’un syst`me lin´aire pour une entr´e donn´e et des conditions initiales fix´es e e e e e e s’obtient alors par application du principe de superposition. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II.4 (syst`me ´lectrique (suite)) e e En choisissant comme entr´e le courant u(t) d´livr´ par la source de courant et comme e e e sortie la tension aux bornes de la r´sistance. Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II. vR (t). . on obtient la fonction de transfert du syst`me comme le e rapport de Y (p) sur U (p) : Gm (p) = Y (p) 1 = 2 + fp + K U (p) Mp (II. alors : s(t) = su (t) + s0 (t) (II.83) La fonction de transfert G(p) est appel´e double int´grateur.24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul.5. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ. on peut choisir le vecteur d’´tat e u e e x(t) = [y(t) y(t)] o` y(t) est la position de la masse.

5.5.5.11 – Syst`me lin´aire e e ´ Definition II.86) . ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II.g(t) et G(p) contiennent la mˆme information.mod`le temporel g(t) e Exemple : satellite 8 La fonction de transfert liant la force de propulsion a la d´viation angulaire suivant l’axe ` e 1 . II.mod`le alg´brique G(p) e e .85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).87) (II.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.88) ⇔ Y (p) = G(p)U (p) (II. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II. e y(t) = g(t) ∗ u(t) . e e e Remarques II.84) La r´ponse du syst`me ` une entr´e quelconque u(t) peut alors ˆtre calcul´e en utilisant e e a e e e le th´or`me de convolution. e G(p) = L[g(t)] 2.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p). ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme.2 1.1 La r´ponse d’un syst`me de fonction de transfert G(p) est donn´e par l’int´grale de convoe e e e lution suivante : t t y(t) = 0 g(τ )u(t − τ )dτ = 0 g(t − τ )u(τ )dτ (II. e e ´ ` Theoreme II.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle.

ˆ ´ ` II. Pour e e e e n = m.3 (pˆles) o Les racines du polynˆme caract´ristique sont appel´es les pˆles du syst`me et sont donc o e e o e les valeurs propres de la matrice dynamique.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI.6. Ils peuvent ˆtre d´finis ` partir des mod`les de transfert ou a partir des mod`les e e a e ` e d’´tat mˆme si dans le cas multivariable (MIMO).6. L’´quivalence du mod`le d’´tat et du mod`le de transfert fait appel e e e e e ` la th´orie de la r´alisation qui dans le cas multivariable est au del` du programme de a e e a premi`re ann´e. le syst`me est dit propre alors que pour n > m. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO.6.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II. POLES ET ZEROS D’UN MODELE LTI 57 II. e A partir de la d´finition du polynˆme caract´ristique.91) (II.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique.6.90) e e e πp est ´galement d´fini comme le plus petit d´nominateur commun de tous les mineurs possibles non identiquement nuls de G(p). o e ´ Definition II. la caract´risation par la fonction de transe a e fert est tr`s simple.1 Le polynˆme caract´ristique et les pˆles o e o x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) Soient le mod`le LTI d’´tat : e e (II. e e e ´ Definition II.6 Pˆles et z´ros d’un mod`le LTI o e e Les pˆles et les z´ros d’un mod`le LTI sont essentiels pour sa caract´risation dynao e e e mique. e e II. il est dit strictement propre. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II. .6.89).89) et le mod`le de transfert G(p) ∈ Cr×m : e G(p) = C(p1 − A)−1 B + D On suppose que les deux mod`les sont parfaitement ´quivalents. ` l’inverse. Si le syst`me est causal alors n ≥ m. e e ´ Definition II. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral.

>> C=[2 0 3.0 0 -2].1 Soit le mod`le d’´tat LTI donn´ par e e e  −1  0 A= 0 C= les matrices syst`me : e    0 0 1 0 −1 0  B =  0 1  0 −2 0 1 2 0 3 1 1 0 La matrice de transfert de ce syst`me est donn´e par : e e   3 2   G(p) =  p + 1 p + 2  1 1 p+1 p+1 Le plus petit commun d´nominateur associ´ ` cette matrice de transfert est : e ea πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Script MATLAB 4 >> A=[-1 0 0.1 1}.{[1 1] [1 2].B=[1 0. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .6. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.58 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Les pˆles d’un syst`me r´el sont n´cessairement r´els ou complexes conjugu´s puisque o e e e e e les coefficients des polynˆmes caract´ristique sont r´els. o e e Exemple II.0 1].[1 1] [1 1]}).0 1.0 -1 0.1 1 0].

0000 -1.0000 . POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2.6. z0 est un z´ro du mod`le LTI ssi la mae e e trice M (z0 ) n’est pas de rang maximum : M (z0 ) = z0 1 − A −B C D (II. Nous ıtre e e a e e nous contenterons ici de r´sumer les principales caract´risations et nous nous placerons e e dans le cas o` les repr´sentations d’´tat et de transfert sont strictement ´quivalentes et u e e e o` le nombre d’entr´es est ´gal au nombre de sorties (syst`mes carr´s). z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.1.89). Elle est ´troitement li´e ` la repr´sentation (´tat.6.0000 + 0. πz (p) comme le plus grand commun e o e diviseurs des num´rateurs des mineurs d’ordre maximum de G(p) normalis´s pour avoir e e e e le polynˆme caract´ristique πp (p) comme d´nominateur. transfert) choisie. Ces syst`mes sont e e e e e e dits carr´s.6. de z´ros invariants et de z´ros d´couplants sont ´quivalentes.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II.90).93) . e Sous ces hypoth`ses. e e e e ´ Definition II.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.2 Les z´ros e La notion de z´ros pour les syst`mes multivariables non carr´s (ne poss´dant pas le e e e e mˆme nombre d’entr´es que de sorties) est complexe et m´riterait d’ˆtre expos´e dans un e e e e e chapˆ complet.6.0000i -1. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.ˆ ´ ` II.94) (II. e e e e e a On d´finit pour cela le polynˆme des z´ros. Sous les hypoth`se II. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.6.0. u e e e e ` Hypotheses II.0000i >> Poles=pole(G) Poles = -1 -2 -1 II.

0000 Remarques II.1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p).Zeros]=pzmap(G) Poles = -1 -2 -1 z0 = 1 2 3 −p + 1 − = 2 (p + 1) (p + 1)(p + 2) (p + 1)2 (p + 2) Zeros = 1.6.6. e .0000 >> [Poles.2 Reprenant l’exemple II.1.6.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.0000 >> Zero=zero(G) Zero = 1. on a vu que : πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Il y a ici un mineur maximal qui est d’ordre 2 et qui s’´crit : e det G(p) = Soit πz (p) = −p + 1 Script MATLAB 5 >> Zeros=tzero(G) Zeros = 1.

e . La figure e e II.13 – Blocs fonctionnels Le bloc fonctionnel est le symbole repr´sentant l’op´ration math´matique appliqu´e e e e e ` l’entr´e du bloc et produisant sa sortie. Nous pr´sentons maintenant le type le plus couramment utilis´ parmi les e e mod`les graphiques. e II. Cette op´ration math´matique est tr`s a e e e e souvent mais pas exclusivement repr´sent´e par une fonction de transfert.12 – Arc orient´ du signal U (p) e L’arc orient´ repr´sente le flux de signaux donn´s regroup´s dans un vecteur. e U(p) ou u(t) Fig.7 Les mod`les graphiques e Un syst`me peut ˆtre constitu´ d’un grand nombre de composants ´l´mentaires dont la e e e ee fonction est donn´e.7.de blocs fonctionnels. LES MODELES GRAPHIQUES 61 II. II.d’arcs orient´s. II. Afin de rendre claire et lisible la fonction de chaque composant d’un e ensemble complexe.1 Sch´ma fonctionnel e D´finition e Ce type de repr´sentation graphique est particuli`rement adapt´ ` la mod´lisation des e e ea e syst`mes LTI monovariables. il n’en reste pas moins que e les sch´mas fonctionnels sont ´troitement reli´s aux mod`les de type fonction de transfert.` II. e e e e .7.7. des outils graphiques de mod´lisation peuvent ˆtre utilis´s. U(p) K p+1 Y(p) u(t) y(t) F(p) = A(t) Fig. e e e e ´ Definition II.1 Sch´ma fonctionnel e Le sch´ma fonctionnel d’un syst`me est une repr´sentation graphique des fonctions e e e de chaque composant ´l´mentaire constituant le syst`me ainsi que le flux des signaux ee e utiles.13 repr´sente ` gauche un bloc fonctionnel associ´ ` une fonction de transfert e a e a Y (p) = F (p)U (p) alors que celui de droite est associ´ ` l’op´ration de multiplication ea e de l’entr´e par une matrice y(t) = A(t)u(t). Chaque e e e type de repr´sentation graphique a son vocabulaire et ses r`gles de construction et de e e simplification. Bien que ceci ne soit pas exclusif. Un sch´ma fonctionnel est compos´ : e e .

II. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles. c a + b Fig.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie.En appliquant la transform´e de Laplace.Un sch´ma fonctionnel n’est pas unique. e Remarques II. Dans ce cas.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel. a ee 3.15 – Circuit RC . e Exemple II.1 . e e e e + a−b+c − II.7.7. e e a ee e 2.de blocs sommateurs. II. e .2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment.Il est ind´pendant de la nature physique du syst`me mod´lis´. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert.7. e e e e e Principes de construction 1.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .

e a e e e .Application de la transform´e de Laplace et d´termination des fonctions de transfert e e ´l´mentaires : ee VR (p) = E(p) − S(p) = RI(p) S(p) = 3. Nous donnons maintenant un certain nombre de d´finitions e concernant les syst`mes ` contre-r´action ou syst`mes boucl´s du type de la figure II. r´alisant ainsi un syst`me ` contre-r´action tel qu’il a ´t´ d´fini e e e a e ee e dans le premier chapitre. II.Trac´ du sch´ma fonctionnel : e e 1 I(p) Cp E(p) + − S(p) E(p) + 1 R I(p) I(p) 1 Cp S(p) − S(p) 1 R I(p) 1 Cp S(p) Fig.17.Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2.LES MODELES GRAPHIQUES 1.16 – Sch´ma fonctionnel e Fonction de transfert en boucle ouverte et en boucle ferm´e e L’exemple pr´c´dent fait apparaˆ un bouclage de la tension de sortie s(t) sur la e e ıtre tension d’entr´e e(t).

II.4 (syst`me boucl´ ` retour unitaire) e ea Un syst`me boucl´ est dit ` retour unitaire si le transfert de la chaine de retour est ´gal e e a e ` un. II. La fonction de transfert en boucle ouverte est alors ´gale au transfert de la chaine a e directe G(p) et la fonction de transfert en boucle ferm´e est donn´e par : e e S(p) G(p) = E(p) 1 + G(p) (II.7.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur.96) ε (p) G(p) S(p) Fig.3 (fonction de Transfert en Boucle Ferm´e) e La fonction de transfert en boucle ferm´e est d´finie comme : e e S(p) G(p) = E(p) 1 + G(p)H(p) Elle correspond au transfert ”global” de la boucle d’asservissement.95) (II.7.2 (fonction de transfert en Boucle Ouverte) La fonction de transfert en boucle ouverte ou gain de boucle est d´finie comme : e Y(p) = G(p)H(p) E(p) Elle correspond au transfert si la boucle est ouverte en A.64 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Chaîne directe E(p) + Y(p) − A ε (p) G(p) S(p) H(p) Chaîne de retour Fig.97) .17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.7. ´ Definition II. E(p) + S(p) − (II. ´ Definition II.

LES MODELES GRAPHIQUES 65 II.19 – Alg`bre des sch´mas fonctionnels e e . le sch´ma fonctionnel peut comporter un nombre ime e portant de blocs et de boucles.20. Ces r`gles sont r´sum´es e e e e e dans les tableaux II. II. Sch´ma de d´part e e A + B - Sch´ma ´quivalent e e A + C + A-B + C + A-B+C A+C + B - A-B+C 1 B A + C A-B+C + A + B - A-B + + A-B+C C 2 A 3 G1 AG 1 G2 AG 1G 2 A G2 AG 2 G1 AG 1G 2 A 4 G1 AG 1 G2 AG 1G 2 A G 1G 2 AG 1G 2 A G1 AG 1 + AG 1 + AG 2 + AG 2 A 5 G2 G1 + G2 AG 1 + AG2 Fig. On dispose alors d’un certain nombre de r`gles permettant e de le simplifier en agr´geant les blocs et en r´duisant les boucles.19 et II.7.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe.

BG G AG + BG AG-BG B 7 A G G G AG AG A 8 G AG AG A A G AG A G AG AG 1 G A 9 B + A+ B A.B G AG .B + B A.B A.B - A.66 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES A + A G AG + B AG .B A 10 A+ − G1 B A 1 + G2 G1 G2 B 11 G2 − A+ − G1 B A G2 G1 1 + G 1G 2 B 12 .B A.B G G AG-B B G 6 1 G B A A+ B A.

22.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II. e e Ainsi. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat. Dans le cas des syst`mes e e e LTI.4 Sch´mas fonctionnels et repr´sentation d’´tat e e e Bien qu’utilis´s le plus souvent en liaison avec les mod`les entr´e-sortie du type fonction e e e de transfert.21 est d´crit dans le domaine temporel.LES MODELES GRAPHIQUES 67 II. la repr´sentation d’´tat lin´aire temps-variant suivante : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.2 Le sch´ma fonctionnel II. II.7. e ee Exemple II.2 Soit le syst`me de repr´sentation d’´tat : e e e        0 1 0 x1 0 x1 ˙  x2  =  0 ˙ 0 1   x2  +  0  u −18 −27 −10 1 x3 ˙ x3 y= 1 0 0 x Le sch´ma fonctionnel associ´ ` cette repr´sentation d’´tat particuli`re est repr´sent´ e ea e e e e e en figure II.7. .21 : e e u(t) .98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II.7. les matrices sont constantes et l’on peut d´composer ce sch´ma en faisant apparaˆ e e ıtre les diff´rents ´l´ments constitutifs.

68 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES u+ −− − x3 x2 x1 = y 10 27 18 Fig.22 – Sch´ma fonctionnel associ´ e e . II.

) ) X=expm(A) : calcule l’exponentielle de la matrice A.8. ee ) [V.D]=ssdata(sys) : renvoie les matrices syst`me A. v est le vecteur des coefficients du polynˆme ca) o ract´ristique de r.8 II.C.1 Fonctions MATLAB Fonctions d’alg`bre de base e ) d=det(A) : calcule le d´terminant de la matrice A. den) est un vecteur contenant les coefficients du polynˆme dans o den l’ordre d´croissant. e e ) [A. ) [q.D d’un mod`le LTI ) e e d´fini dans sys.C. ) sys=zpk(z. e e .FONCTIONS MATLAB 69 II.B.k]=zpkdata(sys) : renvoie le vecteur des z´ros.C.den) : renvoie dans sys un mod`le LTI d´fini par la fonction de transfert ) e e num .p.2 Fonctions de mod´lisation LTI e ) sys=tf(num.D) : renvoie dans sys un mod`le LTI d´fini par les matrices d’´tat ) e e e A. Si r est un vecteur.C.a) : calcule le quotient q et le reste de la division du polynˆme c par ) o le polynˆme a.den]=tfdata(sys) : renvoie le num´rateur num et le d´nominateur den d’un ) e e mod`le LTI d´fini dans sys. ) II.k) : renvoie dans sys un mod`le LTI d´fini par le vecteur des z´ros z. o ) [num.D]=eig(A) : effectue le calcul des valeurs propres de A qui sont rang´es en dia) e gonale dans D et le calcul des vecteurs propres associ´s qui sont rang´s dans l’ordre e e en colonne dans V ) [V.B) : calcule le polynˆme r´sultant de la multiplication des polynˆmes ) o e o A × B. ) e ) B=inv(A) : calcule l’inverse B de la matrice A. v est le vecteur des coefficients du polynˆme e o dont les racines sont les ´l´ments de r.B.D]=reig(A) : effectue le mˆme calcul que eig mais dans R. ) ) C=conv(A. o ) v=poly(r) : si r est une matrice.D. e ) sys=ss(A. num (resp.r]=deconv(c. ) e ) r=rank(A) : calcule le rang de la matrice A.p.B. e ) [z.8. le vecteur des pˆles et le gain ) e o statique d’un mod`le LTI d´fini dans sys. ) e e e le vecteur des pˆles p et le gain statique k.B.

70 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.outputs1.outputs2) : cr´e dans sys l’inter) e connection parall`le entre sys1 et sys2 ` partir de la donn´e des entr´es et sorties e a e e de sys1 et des entr´es et sorties de sys2.inputs1.8. ) o ) z=tzero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur ) e e z.outputs1.3 Fonctions d’analyse des mod`les LTI e ) p=pole(sys) : renvoie les pˆles du mod`le LTI sys dans le vecteur p.8. e . e ) sys=parallel(sys1.z]=pzmap(sys) : renvoie les pˆles et les z´ros de transmission du mod`le LTI sys ) o e e dans le vecteur p et le vecteur z. II. ) e e ) [p.4 Fonctions de mod´lisation par blocs e ) sys=feedback(sys1. ) sys=series(sys1.inputs2.sys2.sys2.inputs2) : cr´e dans sys l’interconnection s´rie des ) e e sorties outputs1 de sys1 avec les entr´es inputs2 de sys2. ) o e ) r=roots(C) : renvoie les racines du polynˆme C dans le vecteur r.sys2) : cr´e le syst`me boucl´ sys ` partir de la chaine directe ) e e e a sys1 et de la chaine de retour sys2. ) z=zero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur z.

il rejoint le RIAS (Ree e e search Institue for Advanced Study) o` il propose ses contributions majeurs u jusqu’en 1964 : notions de commandabilit´ et d’observabilit´. Mˆme s’ils ont ´t´ d´finis e e e ee e formellement pour la premi`re fois dans l’espace d’´tat par R. En 1964.E. nous nous limiterons ` la pr´sentation de ces notions a partir des mod`les a e ` e d’´tat. le fait de tourner le volant ou non d’une automobile ne e e va pas affecter sa vitesse (la vitesse n’est pas commandable par le volant) alors que le fait de d´cel´rer ne va pas influencer la direction de la voiture. Il ´migre aux Etats-Unis et obtient son diplˆme de Master du MIT en 1954 en e e o g´nie ´lectrique. Ses premi`res recherches en th´orie de la commande sont centr´es aue e e tour de la notion d’´tat. Kalman) Rudolf Kalman est n´ le 19 mai 1930 a Budapest. en 1957 sous la direction du Professeur J. Kalman en 1960. il rejoint l’univere e e e e sit´ de Floride a Gainesville o` il est directeur du centre pour la th´orie math´matique des e ` u e e syst`mes. Dans le cadre e e a e de ce cours. Ils d´crivent respectivement comment les ´tats d’un syst`me e e e e e sont influenc´s par les entr´es et quelle information les sorties mesur´es donnent sur les e e e ´tats du syst`me. De 1957 ` 1958. Il poursuit ses ´tudes de doctorat a l’universit´ de Columbia et obtient e e e ` e son Ph. il est ´galement chercheur associ´ ` l’´cole polytechnique f´d´rale de e e ea e e e 71 . il rejoint l’universit´ de Stanford o` ses travaux concernent la e u th´orie de la r´alisation et la th´orie alg´brique des syst`mes. ils n’en e e sont pas pour autant exclusivement r´serv´s ` ce type de repr´sentation. il travaille au laboratoire de ree a cherche d’IBM a Poughkeepsie o` ses contributions concernent les syst`mes ` u e ´chantillonn´s et la th´orie de Lyapunov. Hongrie d’un p`re ing´nieur en g´nie e ` e e e ´lectrique. Ragazzini. filtre de Kalman et de Kalman-Bucy.Chapitre III Commandabilit´ et observabilit´ e e Les concepts de commandabilit´ et d’observabilit´ sont des concepts fondamentaux e e pour l’´tude des syst`mes.R. En 1958.E. Par exemple. D. En 1971. e Biographie 5 (R. commande ope e timale quadratique et liens avec le calcul des variations. En 1973.

R.1. . An−1 B . rang(C) = rang .1) e o` A ∈ Rn×n . B = 0.1 .1. e e ´ Definition III. hongroise. .1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. B ∈ Rn×m est commandable ssi la matrice de commandabilit´. La commandabilit´ est une propri´t´ e e e e ee caract´ristique du couplage entre l’entr´e et la sortie du syst`me et fera donc intervenir e e e les matrices A et B. modification des dynamiques propres). ´ ` Theoreme III. III.1. Il est membre de l’acad´mie des sciences am´ricaine.2 Crit`re de commandabilit´ e e Il est clairement difficile d’utiliser directement la d´finition pr´c´dente afin de d´cider e e e e de la commandabilit´ d’un syst`me LTI donn´. · · · n alors le syst`me est compl`tement ee commandable.1. III. e . e e a .72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH).E.Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. C est u de rang n. . e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.Si un syst`me n’est pas compl`tement commandable alors pour certaines conditions e e initiales il n’existe pas d’entr´e de commande pouvant ramener le syst`me ` l’origine. B .1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre.La commandabilit´ est une notion importante puisqu’elle ´tablit le fait que l’on e e puisse commander le syst`me afin de modifier son comportement (stabilisation d’un e syst`me instable. AB .2) . Cette notion joue donc un e rˆle tr`s important dans la th´orie de la synth`se de syst`mes de commande dans o e e e e l’espace d’´tat. .1 III. fran¸aise e e c et russe. la commanea e dabilit´ a pour objet de caract´riser la capacit´ d’un syst`me ` voir ses caract´ristiques e e e e a e dynamiques modifi´es par les entr´es. · · · . Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices.1. Remarques III.1 (commandabilit´) e e Un ´tat xi est commandable en t0 s’il est possible de d´terminer u(t) / [t0 tf ] conduisant e tout ´tat initial xi (t0 ) vers 0 en t0 ≤ t1 ≤ tf . =n (III. e e e x(t) = Ax(t) + Bu(t) ˙ (III.

3) . e rang(C) = rang B AB = rang 0 1/Izz 1/Izz 0 =2 Un crit`re de commandabilit´ ´quivalent au crit`re de Kalman quoique moins facile a e ee e ` manipuler est le crit`re PBH (Popov-Belevitch-Hautus).2 (test PBH) La paire (A. on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer. Physiquement. e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont. B) sera appel´e come e e e mandabilit´ de la paire (A. B) est commandable ssi la matrice complexe n × (n + m) : λ1 − A B est de rang ´gal a n pour toute valeur propre λ de A. e Exemple III. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque. rang(C) = rang B AB = rang 1 −1 0 0 =1 = −1 1 0 1 x1 (t) x2 (t) + 1 0 u(t) Cela implique que le syst`me n’est pas compl`tement commandable. e ´ ` Theoreme III. h2 ) et R1 = R2 = 1. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande. e ` (III.1.1. B). x2 ) = (h1 .NOTION D’OBSERVABILITE 73 Remarques III.1. c1 = c2 = 1.2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A.1 Soit le syst`me de bacs mod´lis´ par : e e e c2 dh2 h2 = q2 = dt R2 h2 h1 dh1 c1 − +u = q 2 − q1 + u = dt R2 R1 q2 u h2 h1 q1 En choisissant (x1 .

1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure. C).2.2 Crit`re d’observabilit´ e e Un crit`re de Kalman existe ´galement pour la notion d’observabilit´ et fait intervenir e e e la matrice dynamique A et la matrice de sortie C.2 III.4) e o` A ∈ Rn×n .    · · ·  CAn−1 Remarques III.2. C ∈ Rr×n est observable ssi la matrice d’observabilit´. e a e ´ Definition III. Elle correspond ` la capacit´ pour un syst`me ` connaˆ l’histoe e e a e e a ıtre rique d’un ´tat interne ` partir de la seule connaissance de variables de sortie mesur´es. la notion d’observabilit´ est cruciale pour les syst`mes o` le vecteur d’´tat e e u e complet n’est pas accessible ` la mesure mais doit ˆtre reconstruit.5)  = n   .74 COMMANDABILITE ET OBSERVABILITE III.2.2. C) sera appel´e observabilit´ e e e e e de la paire (A. · · · . e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III.2. O est de rang n. n alors le syst`me est compl`tement ee observable.2.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie. . e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.   . e III. u   C  · · ·     CA     · · ·  rang(O) = rang  (III.2. Exemple III.1 Notion d’observabilit´ e D´finition e Une caract´ristique structurelle compl´mentaire (duale) de la commandabilit´ peut e e e ´galement ˆtre d´finie. ´ ` Theoreme III.1 Clairement.1 (observabilit´) e e Un ´tat xi est observable en t0 s’il est possible de d´terminer xi (t0 ) connaissant y(t) / e [t0 tf ]. Remarques III.1 Soit le syst`me mod´lis´ par : e e e x1 (t) ˙ x2 (t) ˙ y(t) = = 1 1 −2 −1 x1 (t) x2 (t) x1 (t) x2 (t) + 1 0 u(t) 1 0 .

2.6) III. On a alors le r´sultat suivant liant les conditions de u e commandabilit´ et d’observabilit´ des deux syst`mes Σ et Σdual . . les matrices dynamique et de sortie du satellite sont.2 (syst`me dual) e Le syst`me Σdual est appel´ syst`me dual du syst`me Σ. C ∈ Rr×n .2 (test PBH) La paire (A. C) est observable. rang(O) = rang C CA = rang 1 0 1 1 =2 75 Cela implique que le syst`me est compl`tement observable. C) est observable ssi la matrice complexe (n + r) × n : λ1 − A C est de rang ´gal a n pour toute valeur propre λ de A. un crit`re d’observabilit´ ´quivalent au crit`re e e e ee e de Kalman quoique moins facile a manipuler est donn´ par le test PBH.2. e e e e . e e e ´ ` Theoreme III. e e Exemple : satellite 10 (mouvement autour de z) Si l’on mesure la vitesse angulaire.Σdual (A . A= 0 1 0 0 C= 0 1 Le syst`me n’est donc pas observable puisque. e e D´finissons pour cela les mod`les d’´tat. B) est commandable ssi Σdual (A .3 Dualit´ de la commandabilit´ et de l’observabilit´ e e e Les propri´t´s de commandabilit´ et d’observabilit´ sont tr`s ´troitement li´es par une ee e e e e e forme particuli`re de dualit´. B ) est observable. De mˆme que pour la commandabilit´.7) o` A ∈ Rn×n .3 .2. e e e Σ x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) Σdual ˙ ξ(t) = A ξ(t) + C ν η = B ξ(t) (III. C ) est commandable ssi Σ (A. B ∈ Rn×m . ` e ´ ` Theoreme III.Σ (A. e ` (III. ´ Definition III.NOTION D’OBSERVABILITE On peut alors calculer. e rang(O) = rang C CA = rang 0 1 0 0 =1 Il est effectivement impossible physiquement de reconstruire la vitesse et la position angulaire avec la seule connaissance de la vitesse.2.

Ses int´rˆts math´matiques e e e e vont de la th´orie des groupes finis a l’alg`bre lin´aire et multilin´aire e ` e e e en passant par la topologie des poly`dres. e Ces formes particuli`res sont appel´es les formes canoniques.1 Relations entre mod`les internes et externes e Les formes canoniques d’´tat e On a d´j` vu que le choix du vecteur d’´tat n’est pas unique pour un syst`me donn´. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite.La forme compagne d’observation.3 III. ` e .3. Biographie 6 (Marie Ennemond Camille Jordan) Camille Jordan est n´ le 5 janvier a La Croix-Rousse ` Lyon d’un p`re ing´nieur de l’´cole e ` a e e e Polytechnique et de Jos´phine Puvis de Chavannes. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse. En 1885. Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. e e e Le fait de disposer de diff´rentes repr´sentations d’´tat pour un mˆme syst`me est un e e e e e avantage qui va permettre d’utiliser des formes particuli`res de la repr´sentation d’´tat e e e pour des probl`mes particuliers.8). Il e e e meurt le 22 janvier 1922 a Paris apr`s avoir perdu 3 de ses fils pendant la guerre 14-18. La nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III.8) ˆˆ ˆ y(t) = C x(t) + Du(t) o` : u ˆ A = P −1 AP ˆ C = CP ˆ B = P −1 B (III.La forme compagne de commande. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. Il rentre a l’´cole Polytechnique en e ` e 1855. il devient ´diteur du Journal de math´matiques pures et appliqu´es. ea e e e Ainsi. Cette op´ration est une transformation de similarit´.46) a la repr´sentation e e e ` e d’´tat (III. les ´quations diff´rentielles et e e e la m´canique. On distingue trois e e grands types de formes canoniques : .La forme diagonale ou quasi-diagonale de Jordan. En 1861. . e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887. . Il publie Trait´ des substitutions et des ´quations e e e alg´briques en 1870 qui est le premier livre sur la th´orie des groupes.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II. si x est un vecteur d’´tat alors le vecteur x = P x est ´galement un vecteur d’´tat e ˆ e e si la matrice P est inversible.

. · · · . pn ) o` Aei = pi ei ∀ i = 1. u Dans le cas o` une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation u est plus complexe.  . Soit qi la multiplicit´ g´om´trique associ´e ` chaque valeur propre. J2 . on d´finit un bloc diagonal Ji de dimension mi × mi form´ comme : Ji = diag(Ji1 . · · · .Si 1 < qi < mi . Il existe alors plusieurs possiu e a bilit´s qui doivent ˆtre test´es. . ´ ` Theoreme III.Si qi = mi . · · · . · · · . Jili ) o` Jik est un bloc de Jordan de taille inf´rieure ` mi .10) e e 3. i = 1.  .RELATIONS ENTRE MODELES INTERNES ET EXTERNES La forme diagonale ou quasi-diagonale de Jordan 77 Dans le cas o` la matrice A ∈ Rn×n a n valeurs propres distinctes. · · · . 1.. P = [e1 e2 · · · en ] est telle e e que : ˜ P −1 AP = A = diag(p1 . 1  . . on d´finit un bloc de Jordan de e  pi 1   0 pi  Ji =  . pi ) 2.1 Si la matrice A ∈ Rn×n a n valeurs propres distinctes p1 .  . · · · . Jk ) La partition de P est identique ` celle de J.3. ´ ` Theoreme III. on d´finit un bloc diagonal Ji de dimension mi × mi et une matrice e Pi ∈ Rn×mi : Ji = diag(pi .  . . p2 . une seule convenant. .. . pn alors la matrice de passage compos´e en colonnes des vecteurs propres associ´s. 1  · · · 0 pi (III. · · · .. il est possible u d’effectuer un changement de base la diagonalisant. e e e Il est alors possible de d´terminer une matrice de passage inversible P = [P1 P2 · · · Pk ] e telle que : P −1 AP = J = diag(J1 . Ji2 .3. n.. a . p2 ..Si qi = 1..  . k de multiplicit´ alg´brique respective mi .2 e e Soit A ∈ Rn×n ayant k valeurs propres distinctes pi . c’este e e e a e a `-dire le nombre de vecteurs propres ind´pendants e1 · · · eqi associ´s ` chaque valeur a e i i propre. 0 ··· Pi = [e1 · · · eqi ] i i dimension mi × mi  0 ··· 0 . 0    .

les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables. e Formes compagnes du polynˆme caract´ristique o e Ces formes sont construites ` partir de la donn´e du mod`le d’´tat du syst`me monoa e e e e variable (mono-entr´e/mono-sortie) : e x(t) = Ax(t) + Bu(t) ˙ (III. e a Forme r´elle pour les pˆles complexes simples e o Le polynˆme caract´ristique d’une matrice r´elle peut avoir des racines complexes o e e conjugu´es faisant apparaˆ lors de la diagonalisation des blocs du type : e ıtre α + jβ 0 0 α − jβ = p 0 0 p∗ Ce bloc peut ˆtre rendu r´el par un changement de base. e e α + jβ 0 0 α − jβ = 1/2 −i/2 1/2 i/2 α β −β α 1 1 i −i Dans toute la partie suivante.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante.12) y(t) = Cx(t) e e e e o` x ∈ Rn .13) Le polynˆme caract´ristique de (III. u ∈ R et y ∈ R. Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. Une th´orie e e e e e identique existe pour les syst`mes multi-variables mais conduit a des d´veloppements tr`s e ` e e lourds et une notation fastidieuse. Il est possible de montrer que l’on Soit P = [q1 . i = 1. e e e c eme ` u colonne de P . On suppose que le syst`me est repr´sent´ de mani`re u ´quivalente par la fonction : e H(p) = bn−1 pn−1 + · · · + b0 pn + an−1 pn−1 + · · · + a0 (III.12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III. Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi . Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1.14) . k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi . · · · . qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III. · · · .11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1. La premi`re colonne u e ` de chaque sous-bloc Pi .

suivant : e Pn = B Pn−1 = (A + an−1 1n )B Pn−2 = (A2 + an−1 A + an−2 1n )B = APn−1 + an−2 B Pn−3 = (A + an−1 A + an−2 A + an−3 1n )B = APn−2 + an−3 B ··· P1 = (An−1 + an−1 An−2 + · · · + a1 1n )B = AP2 + a1 B 3 2 (III.12) a la forme compagne de e e ` commande n´cessite le calcul de la matrice de passage P .. . .. . . .        (III.15) Cc = Le passage de la repr´sentation d’´tat quelconque (III. . . . colonne par colonne. . 0 1 (III.2 (Forme compagne d’observation) La forme compagne d’observation est d´finie par les matrices du syst`me : e e     Ao =      0 · · · · · · 0 −a0 . ..1 (Forme compagne de commande) La forme compagne de commande est d´finie par les matrices du syst`me : e e     Ac =             79 0 1 0 ··· 0 . .17) Co = . . . .16) ´ Definition III. . 0 −an−2 0 · · · 0 1 −an−1 0 ··· 0 0 1        Bo =       bn−2  bn−1 b0 b1 . . . 1 .. .3.. ` e On applique alors le calcul r´current.RELATIONS ENTRE MODELES INTERNES ET EXTERNES ´ Definition III. 0 .. . . . ...3. ... −a1 .. 0 ··· ··· 0 1 −a0 · · · −ai · · · −an−1 b0 · · · bi · · · bn−1        Bc =      0 . 0 . . .... . e e Soit a d´terminer P = [P1 P2 · · · Pn ] la matrice de passage form´e de ses n colonnes.

1 Soient les ´quations d’´tat : e e    0 1 −1 1  −3 2 1  x(t) +  1  u(t) x(t) = ˙ 0 1 1 0 y(t) = 1 0 −1 x(t) πp = p3 − 3p2 + 4p − 6 Les matrices de passage sont alors :   −1 −2 1 Pc =  3 −4 1  −3 1 0  4 −2 0 Po =  −3 −0 1  1 0 −1   Le polynˆme caract´ristique de ce syst`me est : o e e Les formes compagnes respectivement de commandabilit´ et d’observabilit´ sont : e e         0 1 0 0 0 0 6 2 Ao =  1 0 −4  Bo =  −3  Ac =  0 0 1  Bc =  0  6 −4 3 1 0 1 3 1 Cc = 2 −3 1 Co = 0 0 1 Exemple : satellite 11 Les ´quations d’´tat du satellite telles qu’elles ont ´t´ d´velopp´es dans le chapitre pr´c´dent e e ee e e e e sont donn´es sous forme de Jordan avec 0 comme valeur propre double. .19) 1 0 .     C(A + an−1 1n ) C C(An−1 + an−1 An−2 + · · · + a2 A + a1 1n ) (III.80 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES On note que Ao = Ac .18) Exemple III. Bo = Cc et Co = Bc .3.  . e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (III. ce qui permet de d´duire de mani`re e e identique la matrice de passage a la forme compagne d’observation. `               −1 Po    C(An−2 + an−1 An−3 + · · · + a3 A + a2 1n )    = .

F (p) = Exemple III. Dans le cas d’un syst`me mod´lis´ par une fonction e e e e e de transfert propre.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 . la Izz p2 D’autre part.20) 1/Izz 0 En ce qui concerne.22) = 4+ = 4+ . la m´thode consiste a isoler la transmission directe en effectuant la e ` division euclidienne du num´rateur par le d´nominateur et de traiter le restant comme e e ci-dessus. la forme canonique d’observabilit´.2 Soit la fonction de transfert : H(p) = 4p3 + 8p2 + 2p + 1 p3 + 4p2 + p −8p2 − 2p + 1 p3 + 4p2 + p a b c √ + √ + p p+2+ 3 p+2− 3 N (p) N (p) =D+ D(p) D(p) (III. ce qui n’est e e e e pas toujours v´rifi´ en pratique. (p) = o e e forme compagne de commande associ´e est donn´e par : e e ˙ X1 (t) ˙ X2 (t) y(t) = o` : u X1 X2 = Izz 0 0 Izz x1 x2 = 0 1 0 0 X1 (t) X2 (t) X1 (t) X2 (t) + 0 1 uz (t) (III. on obtient : e ˙ X1 (t) ˙ 2 (t) X y(t) = o` : u X1 X2 = 0 1 1 0 x1 x2 = 0 0 1 0 X1 (t) X2 (t) X1 (t) X2 (t) + 1/Izz 0 uz (t) (III. les syst`mes sont suppos´s strictement propres. du fait que le polynˆme caract´ristique associ´ est Psat.3.21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de.

25 x2 -0.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.732 b = x1 x2 x3 u1 4 4.899 c = y1 x1 0.2679 0 x3 0 0 -3.626 d = .2115 x3 -1.[1 4 1 0]) Transfer function: 4 s^3 + 8 s^2 + 2 s + 1 ----------------------s^3 + 4 s^2 + s >> ex_332=canon(H.82 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES compagne de commande peut alors ˆtre donn´e e e    0 0  x(t) +  0  u(t) 1 −4 1 Une repr´sentation d’´tat sous forme e e par :  0 1  0 0 x(t) = ˙ 0 −1 y(t) = 1 −2 −8 x(t) + 4u(t) La repr´sentation d’´tat sous forme modale peut ´galement ˆtre d´duite : e e e e e     0 0√ 0 1  0 −2 − 3 0 √  x(t) +  1  u(t) x(t) = ˙ 1 0 0 −2 + 3 y(t) = a b c x(t) + 4u(t) Script MATLAB 6 >> H=tf([4 8 2 1].899 4.

6. C. B. D) telle que : e G(p) = C(p1 − A)−1 B + D (III.3.3. C.23) e La r´alisation (A.3 Soit : G(p) = p2 p+1 p+1 1 = = + 3p + 2 (p + 1)(p + 2) p+2 Les quatre repr´sentations d’´tat suivantes sont des r´alisations de G.3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m . B.1 comment a partir d’une repr´sentation ee e e a ` e d’´tat LTI d’un syst`me il est toujours possible d’obtenir une matrice de transfert. e e Exemple III. L’objet e e de cette section est de montrer comment obtenir une repr´sentation d’´tat donn´e ` partir e e e a de la matrice de transfert. ´ Definition III.Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] .RELATIONS ENTRE MODELES INTERNES ET EXTERNES 83 y1 u1 4 III. e e e . D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible.Non observable et non commandable : A3 = −1 0 0 −2 B3 = 0 1 C3 = 0 1 .2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II. toute repr´sentation e e d’´tat LTI (A.3.Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 .Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 .

˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) .3.4 Soit le syst`me compos´ structur´ comme indiqu´ figure III.Le mod`le entr´e-sortie du type ´quation diff´rentielle ne repr´sente que la partie e e e e e observable d’un syst`me. e e ´ ` Theoreme III.L’´quation diff´rentielle entr´e-sortie se d´duit ` partir des ´quations diff´rentielles e e e e a e e suivantes. e Exemple III.84 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES L’exemple pr´c´dent montre clairement d’une part que les repr´sentations d’´tat pr´c´dentes e e e e e e ne sont pas ´quivalentes et d’autre part que la simplification entre pˆle et z´ro est direce o e tement reli´e aux propri´t´s d’observabilit´ et de commandabilit´ de la r´alisation.La fonction de transfert du syst`me global est d’ordre 1 avec un pˆle −2 et un z´ro e o e 1.1 – Syst`me structur´ e e .3 Une r´alisation d’´tat (A. e . Enfin. B. Dans ce cas. Y (p) p−1 = U (p) p+2 .Le mod`le entr´e-sortie du type fonction de transfert ne repr´sente que la partie e e e observable et commandable d’un syst`me. e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig. e e e ee ´ ` Theoreme III.3.4 .1. e ee e e e il est clair que la r´alisation 4 est minimale alors que les trois premi`res ne le sont pas. C.3. III. on utilise la notation : G(p) : = A B C D Les diff´rentes mod´lisations utilis´es pour un mˆme syst`me ne conduisent pas ` des e e e e e a mod`les poss´dant les mˆmes propri´t´s structurelles. D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable.

commandable et observable.25) Le choix des variables d’´tat est alors naturel : e ∀ i = 1. on a : Y (p) = F (p) = U (p) N (p) (p − pi ) i=1.Une ´quation d’´tat d’ordre 3 est donn´e par. Il faut e e donc choisir la base dans laquelle sera ´crite la repr´sentation d’´tat que l’on souhaite. −1 non commandable et observable. 2 non commandable u o e et non observable. n Xi (p) = U (p) p − pi (III. · · · . La m´thode o e e g´n´rale consiste alors a d´composer F (p) en ´l´ments simples. ee ` On suppose donc que le syst`me monovariable LTI est mod´lis´ par une fonction de e e e transfert : F (p) = N (p) bn−1 pn−1 + · · · + b0 = n+a n−1 + · · · + a p D(p) n−1 p 0 (III. e e e     −2 0 0 1  −1 2 0  x +  1  u x= ˙ −3 3 −1 3 y= −1 1 −1 x + u 85 o` les pˆles sont donn´s par −2. e e ` e ee .24) Le syst`me est donc suppos´ strictement propre et l’on souhaite d´terminer une e e e repr´sentation d’´tat de ce syst`me.26) .··· . La r´f´rence [12] peut servir a approfondir ce sujet. Le o e e e e cas des syst`mes multivariables peut ˆtre abord´ de mani`re identique mais n´cessiterait e e e e e beaucoup plus de temps. seul le cas des syst`mes monovariables sera pr´sent´.Pˆles simples r´els : o e Dans ce cas.···n = αi p − pi i=1. e e e Obtention d’une forme diagonale ou de Jordan Cela suppose que l’on peut factoriser e le polynˆme caract´ristique du syst`me P (p) = (p − p1 )(p − p2 )(· · · )(p − pn ). Le probl`me est complexe puisque l’on dispose d’une e e e e unique fonction de transfert pour un choix non unique de la repr´sentation d’´tat. Algorithmes de r´alisation e A l’instar de ce qui a ´t´ fait pour la pr´sentation des formes canoniques compagnes ee e du polynˆme caract´ristique. e ` o e . e y + 3y + 2y = −u ¨ ˙ L’ordre est ´gal a 2 et il y a deux pˆles associ´s −2 et −1.n (III.RELATIONS ENTRE MODELES INTERNES ET EXTERNES et permet d’´crire.

86

MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES On d´termine alors la repr´sentation d’´tat modale : e e e    p1 0 · · · 0 ... .    .  .  0 p  x(t) =  . . 2 . ˙ x(t) +   .. 0  ..  .  . 0 · · · 0 pn y(t) = - Pˆles multiples r´els : o e On suppose que le pˆle p1 est de multiplicit´ m1 , les autres ´tant des pˆles simples. o e e o Alors, N (p) Y (p) = F (p) = U (p) (p − p1 )m1
m1

1 1 . . . 1

    u(t) 

(III.27)

α1 α1 · · · αn

x(t)

(p − pi )

=
i=1

αi + (p − p1 )i i=m

n

1

αi p − pi +1 (III.28)

i=m1 +1,···n

On d´termine alors la repr´sentation d’´tat comprenant un bloc de Jordan de taille e e e m1 × m1 :     p1 1 0 ··· ··· ··· 0 0 .  ...  0 p .  0 .   .  1 .  . .  .  .  .. ... 1 .   .   . 0 .    0   . .  x(t) +  1  u(t) ... . .  x(t) =  . ˙   p1 0 .     (III.29) ... ... .   .  1  .  . . pm1 +1  .  .     .  . ...  0  1 0 ··· ··· ··· ··· 0 pn y(t) = αm1 αm1 −1 · · · α1 αm1 +1 · · · αn x(t)

Obtention de la forme compagne de commande On divise le num´rateur N (p) et le e d´nominateur D(p) de la fonction de transfert F (p) par pn : e Y (p) bn−1 p−1 + · · · + b0 p−n = F (p) = U (p) 1 + an−1 p−1 + · · · + a0 p−n En introduisant une variable interm´daire : e R(p) = puis : Y (p) = R(p)(bn−1 p−1 + · · · + b0 p−n ) (III.32) 1 + an−1 p−1 U (p) + · · · + a0 p−n (III.31) (III.30)

RELATIONS ENTRE MODELES INTERNES ET EXTERNES Cela permet de choisir les variables d’´tat comme suit : e X1 (p) = p−n R(p) X2 (p) = p1−n R(p) . . . . . . Xn (p) = p−1 R(p) d’o` : u x1 (t) = x2 (t) ˙ x2 (t) = x3 (t) ˙ . . . . . . xn (t) = u(t) − a0 x1 (t) − · · · − an−1 xn (t) y(t) = b0 x1 (t) + · · · + bn−1 xn (t)

87

(III.33)

(III.34)

On obtient finalement la repr´sentation d’´tat sous forme compagne de commande. e e     0 1 0 ··· 0 0 . .  .   .  . 0 1 0 . .  .   .   .   .  . ... ... x(t) =  . ˙  x(t) +  .  u(t) . . 0  .   .  (III.35)  0   0  ··· ··· 0 1 1 −a0 −a1 · · · −an−2 −an−1 y(t) = b0 b1 · · · · · · bn−1 x(t)

Obtention de la forme compagne d’observation A partir de la fonction de transfert F (p), on d´duit l’´quation diff´rentielle associ´e : e e e e y (n) (t) + an−1 y (n−1) (t) + · · · + a0 y(t) = bn−1 u(n−1) (t) + · · · + b0 u(t) que l’on peut r´´crire sous la forme : ee y (n) (t) + an−1 y (n−1) (t) − bn−1 u(n−1) (t) + · · · + a1 y (1) (t) − b1 u(1) (t) = [b0 u(t) − a0 y(t)] (III.37) On choisit alors les variables d’´tat suivantes : e x1 (t) = y(t) ˙ x2 (t) = x1 (t) + an−1 y(t) − bn−1 u(t) . . . . . . xn (t) = xn−1 (t) + a1 (t) − b1 u(t) ˙ xn (t) = −a0 y(t) + b0 u(t) ˙ La forme canonique d’observation est  −an−1 1 0   −an−2 0 1  . . .. x(t) =  ˙ . . . . .   −a1 0 · · · −a0 0 · · · y(t) = 1 0 ··· facilement d´duite : e   ··· 0 bn−1 .   bn−2 0 .  .    . ...  x(t) +  . 0   .   b1 0 1 b0 ··· 0      u(t)   (III.36)

(III.38)

(III.39)

· · · 0 x(t)

88

MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES

Remarques III.3.1 La forme compagne d’observation obtenue (III.39) est en fait identique a celle pr´sent´e ` e e pr´c´demment. Seul l’ordre des variables d’´tat est invers´. e e e e

CRITERES POUR LES FORMES MODALES

89

III.4

Crit`res de commandabilit´ et d’observabilit´ pour e e e les formes modales

Quand la repr´sentation d’´tat est donn´e sous forme diagonale ou de Jordan (forme e e e modale) il est possible de conclure directement quant a la commandabilit´ et ` l’observa` e a bilit´ du syst`me ` l’aide de crit`res relativement simples. e e a e

III.4.1

Cas de modes simples distincts
du syst`me est donn´e dans la base modale, e e    0 b1 .   b2  .  .   x(t) +  .  u(t)    .  . 0 (III.40) bn pn x(t)

On suppose que la repr´sentation d’´tat e e  p1 0 · · · ...   0 p x(t) =  . . 2 . ˙ .. ..  . . 0 ··· 0 y(t) =

c1 c2 · · · cn

´ ` Theoreme III.4.1 - Le mode associ´ ` pi est commandable si et seulement si la ligne bi correspondante ea est non nulle. - Le mode associ´ ` pi est observable si et seulement si la colonne ci correspondante ea est non nulle.

III.4.2

Cas de modes multiples
une valeur propre multiple a laquelle on associe un ` 0 1 ... 0 ··· ··· ... 0 . . . . . .   b1 b2 . . . . . . bn      u(t)   

On suppose que la matrice A a seul bloc de Jordan.  pi 1   0 pi  x(t) =  . . . . ˙ .  .  .  . ··· . 0 ···

      ...  x(t) +       pi 1  0 pi x(t)

(III.41)

y(t) =

c1

c2 · · ·

· · · cn

´ ` Theoreme III.4.2 - Le mode associ´ ` pi est commandable si et seulement si la ligne bn correspondante ea est non nulle. - Le mode associ´ ` pi est observable si et seulement si la colonne c1 correspondante ea est non nulle. Dans le cas o` plusieurs (s) blocs de Jordan sont associ´s ` une mˆme valeur propre u e a e multiple, on a alors :

90

COMMANDABILITE ET OBSERVABILITE

      x(t) =  ˙    

J1 0 . . . . . . . . . 0

0 ··· ... ... ... ...

··· ... Jk ...

··· . . .

···

··· . . . 

            x(t) +  ...       ...  0   0 Js

0 . . . . . . . . .

 bn1 ···

        u(t) bnk   ···    bns

(III.42)

y(t) = o` : u

c1

c1k

c1s

x(t) 

   Jk =    

pi

1

0

1 0 pi . .. ... . . . . . ··· 0 . 0 ··· ···

··· ...

   ...    pi 1  0 pi

0 . . . . . .

(III.43)

´ ` Theoreme III.4.3 e - Le mode associ´ ` pi est commandable si et seulement si la matrice constitu´e des ea e derni`res lignes bn1 , · · · , bns des blocs de B correspondant aux diff´rents blocs de e Jordan est de rang s.  bn1  .   .   .    rang  bnk  = s  .   .   .  bns 

(III.44)

- Le mode associ´ ` pi est observable si et seulement si la matrice constitu´e des e a e e premi`res colonnes cn1 , · · · , cns des blocs de C correspondant aux diff´rents blocs e de Jordan est de rang s. rang c1 ··· c1k ··· c1s =s (III.45)

Remarques III.4.1 Une condition n´cessaire de commandabilit´ (resp. d’observabilit´) est que le nombre e e e d’entr´es (resp. de sorties) soit sup´rieur ou ´gal a s. e e e ` Cela signifie que pour un syst`me monovariable, un mode multiple n’est commandable e ou observable que si un seul bloc de Jordan lui est associ´. e

. . . . .1 Soit la repr´sentation d’´tat d´finie par. . . .  . . .Le mode double −1 est non commandable et non observable. . . . . . . . . . . . . . . .   C= . . . . .  0 . . . 0               B=             . .. ··· 0 0 ··· −4 0 0 ··· ··· . . . . . . .  0 . . e e e                     A=                    0 ··· 0 . . . . . . 0 ··· −2 ··· 0 . . 2 1 0 .Le mode sextuple −4 est commandable et non observable. . .47) .. . . . .Le mode simple −2 est non commandable et observable.Le mode simple 0 est commandable et non observable. . . . . .46)               0    ···   −4 0 . . . . 1 . . . .            . . . . . . . . . . . . . . . (III. . .             . . . . 0 −1 . .  ··· 0 ··· −1 0 ··· ··· ··· ··· 1 −1 ··· . . . . . . . 0 2 .. . . . ··· ··· ··· ··· ··· ··· ··· ··· ··· 91 0 ··· −4 0 ··· ··· ··· 1 −4 ··· 0 .  . . .CRITERES POUR LES FORMES MODALES Exemple III. . . . 1 0 0 . . .. . . . ··· 1 −4 0 ··· ··· 0 1 −4 ··· . . . ··· −1 ··· 0 ··· 0 0 ··· 0 0 1 ··· 1 0 ··· 0 ··· 2 ··· 0 ··· 1 0 ··· 0 1 0 ··· −2 1 ··· 0 ··· 1 ··· 0 ··· 0 0 ··· 0 0 −1 ··· 0 0 ··· 1  ··· ··· ··· ··· ··· ···                     (III. . . . . . . . . . . . . . . . 1 . . 1 −1 . . . . . . 0 1 .. 0 . . . . . . . . −1 . . . . . . . 0 . . . .4. .

92

COMMANDABILITE ET OBSERVABILITE

III.5

Grammiens de commandabilit´ et d’observabilit´ e e
x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III.48)

Etant donn´ un mod`le d’´tat LTI : e e e

Les propri´t´s de commandabilit´ et d’observabilit´ peuvent ˆtre analys´es ` l’aide de ee e e e e a deux matrices d´finissant le grammien d’observabilit´ et le grammien de commandabilit´. e e e ´ Definition III.5.1 (grammiens) - La matrice Wc d´finie comme, e
+∞

Wc =

eAτ BB eA τ dτ

(III.49)

0

est le grammien de commandabilit´. e Cette matrice peut ˆtre calcul´e comme la solution de l’´quation de Lyapunov e e e continue : AWc + Wc A + BB = 0 - La matrice Wo d´finie comme, e
+∞

(III.50)

Wo =

eA τ C CeAτ dτ

(III.51)

0

est le grammien d’observabilit´. e Cette matrice peut ˆtre calcul´e comme la solution de l’´quation de Lyapunov e e e continue : A Wo + Wo A + C C = 0 (III.52)

L’int´rˆt majeur des grammiens de commandabilit´ et d’observabilit´ est qu’ils fournissent ee e e respectivement une condition n´cessaire et suffisante de commandabilit´ et d’observabilit´. e e e ´ ` Theoreme III.5.1 - La paire (A, B) est commandable si et seulement si le grammien de commandabilit´ e e e Wc est une matrice d´finie positive (non singuli`re). - La paire (A, C) est observable si et seulement si le grammien d’observabilit´ Wo est e une matrice d´finie positive (non singuli`re). e e Exemple III.5.1 Reprenons l’exemple II.3.1 :    0 1 −1 1 x(t) =  −3 2 1  x(t) +  1  u(t) ˙ 0 1 1 0 y(t) = 1 0 −1 x(t) 

´ ´ III.5. GRAMMIENS DE COMMANDABILITE ET D’OBSERVABILITE Script MATLAB 7 >> A=[0 1 -1;-3 2 1;0 1 1];B=[1;1;0]; >> C=[1 0 -1];D=0; >> Wc=lyap(A,B*B’) Wc = -0.8750 -0.7083 -0.2083 >> eig(Wc) ans = -2.0426 -0.8310 -0.0014 >> Wo=lyap(A’,C’*C) Wo = -1.0833 0.1667 0.2500 >> eig(Wo) ans = -1.1783 -0.4718 -0.0167 0.1667 -0.1667 0.1667 0.2500 0.1667 -0.4167 -0.7083 -1.5417 0.4583 -0.2083 0.4583 -0.4583

93

94

COMMANDABILITE ET OBSERVABILITE

III.6
III.6.1

Fonctions MATLAB
Fonctions d’alg`bre de base e

) X=lyap(A,C) : calcule la solution de l’´quation continue de Lyapunov AX + XA + ) e C = 0.

III.6.2

Fonctions d’analyse des mod`les LTI e

) Co=ctrb(A,B) : renvoie dans Co la matrice de commandabilit´ associ´e ` la paire ) e e a (A, B). ) Ob=obsv(A,C) : renvoie dans Ob la matrice d’observabilit´ associ´e ` la paire ) e e a (A, C). ) Wc=gram(sys,’c’) : renvoie le grammien de commandabilit´ du mod`le LTI sys dans ) e e Wc. ) Wo=gram(sys,’o’) : renvoie le grammien d’observabilit´ du mod`le LTI sys dans ) e e Wo.

III.6.3

Fonctions de conversion entre mod`les LTI e

) sys=tf(sys) : transformation vers une fonction de transfert. ) ) sys=ss(A,B,C,D) : transformation vers une repr´sentation d’´tat. ) e e ) sys=zpk(z,p,k) : transformation vers un mod`le pˆles-z´ros-gain statique. ) e o e ) sys=ss2ss(sys,T) : effectue la transformation de similarit´ z=Tx. ) e ) [sys,T]=canon(sys,’type’) : calcule une repr´sentation d’´tat canonique modale ou ) e e compagne de sys. ) [num,den]=ss2tf(A,B,C,D,iu) : renvoie la matrice de transfert associ´e ` l’entr´e ) e a e num´rot´e iu o` chaque ligne de la matrice num correspond a une sortie donn´e du e e u ` e syst`me. e ) [A,B,C,D]=tf2ss(num,den) : effectue le passage d’une fonction de transfert a une ) ` repr´sentation d’´tat. e e ) [r,p,k]=residue(a,b) : calcule la d´composition en ´l´ments simples de a/b. ) e ee

Chapitre IV Stabilit´ des syst`mes LTI e e

La notion de stabilit´ est fondamentale dans le d´veloppement des syst`mes de come e e mande et particuli`rement pour les architectures de commande a contre-r´action comme e ` e il sera vu dans les chapitres suivants. En effet, en l’absence de cette propri´t´ qualitative, ee aucun syst`me n’est utilisable en pratique. Ce concept dont chacun a une compr´hension e e intuitive s’av`re d´licat ` d´finir de mani`re uniforme dans sa g´n´ralit´. Toutefois, il est e e a e e e e e possible de d´finir la notion de stabilit´ comme la n´cessit´ pour le syst`me de produire e e e e e une r´ponse born´e ` des entr´es born´es ou ` des ´tats initiaux non nuls. e e a e e a e

IV.1
IV.1.1

La stabilit´ BIBO e
D´finition e

L’utilisation de la description entr´e-sortie des syst`mes dynamiques permet de poser e e naturellement le probl`me de la d´finition de la stabilit´ en les mˆmes termes. Cela conduit e e e e ` d´finir la notion de stabilit´ entr´e-sortie born´es, plus commun´ment d´nomm´e staa e e e e e e e bilit´ BIBO (Bounded Input Bounded Output) suivant l’acronyme anglais. e ´ Definition IV.1.1 (Stabilit´ BIBO) e Un syst`me au repos (conditions initiales nulles) est stable au sens BIBO si et seulement e si pour toute entr´e u born´e la sortie y est born´e. e e e

95

96

STABILITE DES SYSTEMES LTI

La stabilit´ BIBO est un type de stabilit´ n’utilisant que l’information contenue dans e e les signaux d’entr´e et de sortie et d´finie uniquement pour les syst`mes au repos. e e e Exemple : satellite 12 Soient les ´quations d’´tat du satellite autour de l’axe z : e e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (t) x1 (0) = x2 (0) = 0 (IV.1) 1 0

Si l’entr´e est un ´chelon de position (fonction de Heaviside) uz (t) = 1, ∀ t ≥ 0, on e e obtient alors : t2 2Izz t y(t) = x2 (t) = Izz x1 (t) = Pour une entr´e born´e uz (t), la sortie y(t) n’est pas born´e. Le satellite n’est pas e e e BIBO stable.

IV.1.2

Caract´risations de la stabilit´ BIBO e e

Les caract´risations analytiques de la stabilit´ BIBO sont maintenant donn´es dans e e e le cadre des repr´sentations entr´e-sortie et d’´tat des syst`mes LTI monovariables. L’exe e e e tension des crit`res suivants au cas multivariable est directe et ne sera pas pr´sent´e ici. e e e ´ ` Theoreme IV.1.1 (Stabilit´ BIBO) e Un syst`me LTI de r´ponse impulsionnelle g(t) est BIBO stable si et seulement s’il existe e e une constante k > 0 telle que :
∞ 0

|g(τ )|dτ ≤ k < ∞
1 t, Izz

(IV.2)

Exemple : satellite 13 La r´ponse impulsionnelle est donn´e au chapitre 2 et vaut g(t) = e e calculer,
t 0

ce qui conduit a `

1 1 t2 τ dτ = Izz Izz 2

(IV.3)

qui n’est visiblement pas born´e quand t → +∞. Le syst`me n’est donc pas BIBO stable. e e Cette caract´risation n’est pas tr`s facile ` utiliser en pratique (calcul de l’int´grale e e a e de la valeur absolue de la r´ponse impulsionnelle). Cela nous conduit a chercher une cae ` ract´risation plus simple utilisant la fonction de transfert qui est l’´quivalent op´rationnel e e e de la r´ponse impulsionnelle. Cette caract´risation peut ˆtre d´velopp´e ` partir de la e e e e e a localisation des pˆles du syst`me dans le plan complexe. o e

5083i -1. B.1.5) Il est donc ais´ de voir que cette r´ponse sera born´e si tous les pˆles sont a partie e e e o ` r´elle n´gative.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations. ` e e Exemple IV.3429 . C. LA STABILITE BIBO Une fonction de transfert peut ˆtre factoris´e sous la forme : e e M 97 K G(p) = pN k=1 i=1 Q R (p − zi ) (IV.6) Un syst`me LTI de r´alisation minimale (A. tous les pˆles sont a o o ` partie r´elle n´gative. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire. il est possible de donner une e e e caract´risation multivariable plus g´n´rale.5083i 0.6681 .3429 + 1.1 Soit la fonction de transfert : G(p) = p+1 p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Son polynˆme caract´ristique est πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 o e Script MATLAB 8 >> roots([1 2 3 6 5 3]) ans = 0.1. Munis de cette interpr´tation monovariable. e e e ´ ` Theoreme IV.2 Un syst`me LTI de matrice de transfert G(p) est BIBO-stable si et seulement si tous e les pˆles de G(p) appartiennent au demi-plan complexe gauche. e e e e e Si le syst`me est observable et commandable alors une r´alisation minimale d’´tat e e e peut ˆtre donn´e : e e G(p) : = A B C D (IV. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s.e. Le demi-plan gauche est appel´ la r´gion de stabilit´.1.1. e e e e ee Q R y(t) = k=1 Ak e σk t + j=1 Bj αj t e sin(ωj t) ωj (IV. i. apr`s d´composition en ´l´ments simples.´ IV.

6681 -0. ce qui peut ˆtre fastidieux pour des ordres ´lev´s. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p).5088 + 0. Il devient e un des enseignants les plus connus de Cambridge en math´matiques appliqu´es et publie e e A treatise on dynamics of rigid bodies (1860). .7020i .8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec.C.98 STABILITE DES SYSTEMES LTI -0.1. En 1854. A treatise on analytic statistics.1. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).5083i . Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres.3429 0.3 Crit`re alg´brique de Routh-Hurwitz e e On suppose que le syst`me est repr´sent´ par un mod`le LTI : e e e e G(p) : = A B C D (IV. Il meurt le 7 juin 1907 a ` Cambridge. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College. eig(A) ans = 0. sys=ss(G).B.D]=ssdata(sys).0. ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV. (1891) et A treatise on dynamics of a particle (1898).7020i -0.7) Le syst`me est observable et commandable.7020i >> >> >> >> G=tf([1 1].3429 -1. [A.[1 2 3 6 5 3]).5083i + 0. IV.0. e Le crit`re de Routh-Hurwitz est un algorithme permettant de d´cider si un polynˆme e e o d’ordre quelconque a des racines a partie r´elle positive.5088 .5088 -0.5088 + 1. Canada. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables. On recherche donc des e e e m´thodes alg´briques permettant de d´cider du signe des pˆles sans n´cessairement les e e e o e calculer explicitement.

Si tous les coefficients sont positifs.1 1. LA STABILITE BIBO 99 Adolf Hurwitz est n´ le 26 mars 1859 a Hanovre. Weierse ` e u trass et Kronecker. . e ` Puis.1. .1. la th´orie des fonctions complexes et ´crit e e plusieurs papiers sur les s´ries de Fourier.Appliquer le crit`re de Routh-Hurwitz. Son premier professeur est Schubert.Si un des coefficients est nul ou n´gatif alors qu’un autre coefficient au moins est e positif. hn−1 an−2 an−3 an an−4 an−1 an−5 =− an−1 an−1 an−5 bn−1 bn−5 =− bn−1 . e ´ ` Theoreme IV. . p0 cn−1 cn−3 cn−5 4. Si l’´l´ment au dessous de est positif.9) 2. . Si l’´l´ment au dessous de est n´gatif. . e Le syst`me est donc stable si et seulement si tous les coefficients de la premi`re colonne e e sont positifs. Il fait son doctorat a Leipzig sous l’autorit´ de Klein en 1881 sur les ` e fonctions modulaires. il occupe une chaire a K¨nigsberg o` il enseigne a Hilbert. ` u ´ Procedure IV. il existe une ee racine a partie r´elle nulle. il est ´tudiant a l’universit´ de Berlin o` il assiste aux cours de Kummer. 3. ` e . . an−4 an−5 an an−6 an−1 an−7 =− an−1 an−1 an−7 bn−1 bn−7 =− bn−1 .Ecrire le polynˆme sous la forme (hypoth`se a0 = 0) o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV. on le remplace alors par > 0 et on ee e continue la construction du tableau. . pn−2 bn−1 bn−3 bn−5 pn−3 .1. Il ´tudie la th´orie de ` a u e e la factorisation des quaternions entiers en 1896. il remplace Frobenius a ETH ` Z¨rich. Si un ´l´ment de la premi`re colonne est nul.3 (crit`re de stabilit´ de Routh-Hurwitz) e e Le nombre de racines du polynˆme dont la partie r´elle est positive est ´gal au nombre o e e de changements de signes des coefficients de la premi`re colonne du tableau de Routh.´ IV. . Il meurt le 18 novembre e 1919 a Z¨rich. il existe une racine ou des racines imaginaires ou nulle ou a partie r´elle ` e positive. il y a changement de ` e ee e signe et donc il existe une racine a partie r´elle positive. En 1884. ` o u ` En 1892. Il travaille ´galement e sur les surfaces de Riemann. pn pn−1 an an−1 an an−2 an−1 an−3 =− an−1 an−1 an−3 bn−1 bn−3 =− bn−1 . on calcule le tableau de Routh suivant.

e e a2 a1 > a3 a0 Exemple IV.1.1. o o Exemple IV. Il y a donc deux racines a partie r´elle positive. La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme. Afin de e e compl´ter le tableau.2 (ordre 3) Soit le polynˆme caract´ristique. o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme.100 STABILITE DES SYSTEMES LTI Remarques IV.1 1.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω). 0 est remplac´ par .Une ligne compl`te de z´ros indique que le polynˆme caract´ristique peut ˆtre face e o e e toris´ de telle mani`re ` faire apparaˆ e e a ıtre un facteur d’ordre pair dont les racines sont sym´triques par rapport a 0.1. e e 3. ` e .3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique. p5 p4 p3 p2 p p0 1 2 ∅ 6 −7 42 − 49 − 6 12 − 14 3 2 3 6 7 2 3 0 0 5 3 0 0 0 0 Le nombre de changements de signe dans la premi`re colonne est 2 quel que soit le signe e de . p3 p2 p p0 a3 a2 a3 a 1 a2 a0 − a2 a0 a1 a0 0 Une condition n´cessaire et suffisante de stabilit´ devient alors. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme. e 2.Le nombre de racines du polynˆme caract´ristique ` partie r´elle n´gative est ´gal o e a e e e au nombre de changement de signes dans la premi`re colonne.

1.1. Il y a donc 4 racines a partie r´elle nulle ± 2 et ±2. .´ IV.4 (une ligne de z´ros) e Soit le polynˆme caract´ristique o e πp (p) = p5 + 7p4 + 6p3 + 42p2 + 8p + 56 Le tableau de Routh s’´crit : e p5 p4 p3 p2 p p0 1 7 0 6 42 0 8 56 0 101 La troisi`me ligne indique que le polynˆme caract´ristique est divisible par le √ e o e polynˆme o ` e 7p4 + 42p2 + 56 = (p2 + 2)(p2 + 4). LA STABILITE BIBO Exemple IV.

x0 = x(0).un point d’´quilibre unique qui est l’origine de l’espace d’´tat x = 0 si A est inversible e e . Il est ` noter qu’un point d’´quilibre e a e quelconque peut toujours ˆtre transf´r´ ` l’origine par le changement de variables d’´tat e eea e e e X = x − xe .10) en l’absence de commande et de perturbations.1 Un syst`me continu LTI d’´quation dynamique d’´tat autonome (en r´gime libre) x(t) = e e e e ˙ Ax(t) peut avoir. Pour un syst`me dynamique de repr´sentation d’´tat x(t) = f (t.2. ∃ α > 0 tel que si ||x(0) − xe || < α alors ||x(t) − xe || < Dans le cas contraire. Le cas des syst`mes LTI est particuli`rement remarquable.102 STABILITE DES SYSTEMES LTI IV. ´ Definition IV. 0) (IV. ´ ` Theoreme IV. les points e e e ˙ d’´quilibre sont les solutions de l’´quation alg´brique : e e e 0 = f (t.2. de trajectoires d’´tat et de point e e a e e d’´quilibre. . 0) ∀ t ≥ 0 Pour un syst`me autonome.1 (´tat d’´quilibre) e e e e e e Un point xe de la trajectoire d’´tat d’un syst`me dynamique est un ´tat d’´quilibre si x(t0 ) = xe ⇔ x(t) = xe t ≥ t0 (IV.2 IV.1 La stabilit´ interne e D´finitions e Cette notion est tr`s intimement li´e ` celle d’´tat. xe est dit instable. e e e e ´ Definition IV. est-ce que la trajeca e e e e toire d’´tat retourne en xe ou diverge-t-elle? e Il est n´cessaire de formaliser math´matiquement les r´ponses ` cette question afin e e e a qu’elles soient g´n´ralisables. on a alors : e 0 = f (x(t). Si ` un instant t0 .2.une infinit´ de points d’´quilibre si A n’est pas inversible e e Intuitivement. ∀t≥0 (IV. il est clair que l’on peut u e avoir un nombre arbitraire de points d’´quilibre.2.12) (IV. On doit donc toujours parler en toute rigueur de la stabilit´ d’un point e e d’´quilibre ou de la stabilit´ des trajectoires et non de la stabilit´ d’un syst`me. Soit un syst`me donn´ par son ´quation d’´tat x(t) = e e e e e e ˙ f (x(t)). u(t)). x(t). x(t).2 (stabilit´-instabilit´ au sens de Lyapunov) e e L’´tat d’´quilibre xe est dit stable au sens de Lyapunov si e e ∀ > 0 . l’´tat est perturb´ de l’´tat d’´quilibre xe .13) . la question de la stabilit´ d’un point d’´quilibre peut se poser en ces e e termes.11) Dans le cas o` f est une fonction non lin´aire quelconque.

16) (IV. ` ´ Definition IV. le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable. e ´ Definition IV.3 (stabilit´ asymptotique) e Un point d’´quilibre xe est asymptotiquement stable s’il est stable et e ∃ α > 0 tel que ||x(0) − xe || < α ⇒ t→+∞ lim x(t) = xe (IV.1).x0 ) xe t x1 Fig. e .2. ´ Definition IV. e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe .´ IV.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0). D’autre part.2. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle.14) La stabilit´ asymptotique signifie que l’´quilibre est stable et que l’on est capable de e e d´terminer un voisinage du point d’´quilibre tel que n’importe quelle trajectoire issue e e d’un x0 appartenant a un voisinage de xe tend vers xe quand t → +∞.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne.4 (stabilit´ exponentielle) e Un point d’´quilibre xe est exponentiellement stable s’il existe α > 0 et λ > 0 tels que : e ∀t > 0 . LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV. λ est appel´ le taux de convergence.2.15) Cela signifie que le vecteur d’´tat. ∀ x0 ∈ Br . ∃ Br (xe .2. r) . la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´. IV. ||x(t) − xe || ≤ α||x(0) − xe ||e−λt o` Br est une boule ferm´e dans Rn d´finie comme l’ensemble : u e e Br = {x ∈ Rn / ||x|| ≤ r} (IV.

poss´dant r valeurs propres distinctes (r pˆles) p1 . r}.Si un des pˆles du syst`me est instable. 3. · · · . r}.2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV. alors xe o e est un point d’´quilibre instable.si un pˆle est tel que Re(pj ) = 0. .Si toutes les valeurs propres de A ont une partie r´elle non positive.17). et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement. e (b) si un des blocs de Jordan associ´ ` pj est non scalaire.2 Pour le syst`me (IV.1 Mˆme si la notion de stabilit´ au sens de Lyapunov a ´t´ pr´sent´e dans le cadre de la e e ee e e repr´sentation d’´tat des syst`mes.17) Soit le syst`me autonome de mod`le LTI d’´tat : e e e La caract´risation de la stabilit´ interne se fait a partir de la matrice dynamique A et e e ` de ses valeurs propres. La position A correspond a un point d’´quilibre instable. pour j ∈ {1. Re(pj ) > 0. · · · . pour j ∈ {1. et la multiplicit´ est o e sup´rieur a 1 alors. alors. 2. on e e o e suppose que xe = 0 est un point d’´quilibre. · · · . pr . e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement. pour tout j ∈ {1. c’est une propri´t´ qualitative intrins`que du syst`me e e e ee e e que l’on pourra ´galement ´tudier ` partir d’une repr´sentation du type entr´e-sortie. r}. e . IV.si Re(pj ) < 0. la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable. e 1. · · · .2. · · · . e . r}.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV.2. r}.si un pˆle est tel que Re(pj ) = 0. e pour tout j ∈ {1. alors xe est un point d’´quilibre asymptotiquement stable. e e a e e IV.2.104 STABILITE DES SYSTEMES LTI Ces concepts de stabilit´ d’un point d’´quilibre peuvent ˆtre illustr´s sur la figure e e e e IV. · · · . Re(pj ) ≤ 0. alors xe est un point ea d’´quilibre instable. ´ ` Theoreme IV. e ` e A B C Fig.2. pour j ∈ {1.

3333 −0.6667 0.3333 1.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.6667 −0.3333 -2.6667 Script MATLAB 9 >> A1=[-3 2 3.6667 -2.3333 0.6667 3 A1 =  −1 −3 0  A2 =  −1.0 0 0.6667 3.3333 1.0000 -2.0000i -1.6667 −2.1 0 -1]. >> eig(A3) ans = 0.3333 A5 =  −0.0000 + 0.2 La stabilit´ interne de (IV. o e Exemple IV.3333 0  −2 2 2 −0.2.0000 0.2.0000 -1.3333 2].3333 1.´ IV.-1.3333 −2. >> eig(A1) ans = -1.3333  1.0.9999 >> A3=[-2.6667 0.6667 0.6667 0.0000 >> A2=[-1.6667 0  −1. >> eig(A4)    −2.3333 3 A3 =  −1.3333 1. LA STABILITE INTERNE 105 Remarques IV.3333 1.-2 2 2].3333 0.9999 -1.6667 2].0001 >> A4=[0 0 0.6667 0.-1.1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A.-1 -3 0.17) peut ˆtre d´termin´e ` l’aide du crit`re de Routh-Hurwitz e e e e a e que l’on applique au polynˆme caract´ristique πp (p) = det(p1 − A).     −3 2 3 −1.0000 .-0.3333 3.0000i -2.2.-1.3333 1. >> eig(A2) ans = -1.3333 2  .6667 0.

e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative. e e 3.2.Le syst`me est BIBO-stable. e e e .-0.3333 0.6667 -0.3 Pour un mod`le dynamique LTI commandable et observable d´crit par sa fonction de e e transfert ou sa r´alisation d’´tat minimale. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.2.4364 0.2.6667]. >> [V.3333 0. e 4. e 2.3333 1.8729 -0.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.3333.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative.S]=eig(A5) V = 0.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI.6667 0.6667 S = 0 0 0 0 -1.3333 1.2182 -0.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome. ` e e A B C D IV.1.3333 -0.6667 -0.0000 IV. e e ´ ` Theoreme IV.3333. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.6667 0.3333 -0.6667 0.0000 0 0 0 -0.

e e x(t) = Ax(t) ˙ 107 (IV... e 6 4 2 x2 0 −2 −4 −6 −12 −10 −8 −6 −4 −2 $x1$ 0 2 4 6 8 Fig.  .  . . l’´quation (IV.  . IV. la r´ponse du syst`me ` une condition initiale e non nulle est. .p1 .Les deux valeurs propres p1 .18) e on suppose que les n valeurs propres p1 . pn sont distinctes. En ´crivant la matrice A e e a dans la base form´e des vecteurs propres ξi .2 . p2 sont r´elles. e e e .  .2. 0 ···  0 .´ IV. les valeurs propres peuvent e e ˆtre r´elles ou complexes conjugu´es. 0  0 pn Dans le cas d’un syst`me de dimension 2. p2 < 0 sont stables. le point d’´quilibre 0 est un noeud stable.19) P −1 = base. En effet. . · · · . Cela donne des caract´ristiques e e e e diff´rentes aux trajectoires d’´tat. ··· ... LA STABILITE INTERNE Etant donn´ un mod`le LTI autonome. n x(t) = P e P o` u P = v1 v 2 · · · v n Λt −1 x0 = i=1 vi wi epi t x0 (IV.19) peut ˆtre utilis´e afin e e e e de caract´riser la nature du point d’´quilibre 0.. w1 w2 · · · wn P est la matrice modale de changement de  p1 0   0 p Λ= .3 – Noeud stable . stables ou instables.

3 −0. le point d’´quilibre 0 est un noeud instable.4 – Point selle . IV.8 1 Fig.4 0. IV. e . e e .5 −0.Les deux valeurs propres p1 . p2 > 0 sont instables.3 0.6 0.p1 . e 0. p1 = σ+jω. le point d’´quilibre 0 est un foyer instable.4 −0.1 0 −0.2 0.σ = 0. le point d’´quilibre 0 est un point-selle (col) instable. p2 = σ−jω. p2 sont complexes conjugu´es.p1 < 0 et p2 > 0. e .6 – Centre .6 −0.σ < 0.108 STABILITE DES SYSTEMES LTI .2 0.2 −0. 50 40 30 20 10 0 −10 −20 −30 −40 −50 −4 −3 −2 −1 0 1 2 3 4 Fig. le point d’´quilibre 0 est un centre.2 0 0. IV.σ > 0. le point d’´quilibre 0 est un foyer stable.1 −0.4 −0.5 – Foyer stable . e 6 4 2 0 −2 −4 −6 −6 −4 −2 0 2 4 6 Fig.

e on obtient diff´rentes ´quations e e M Fig.7 – Syst`me masse-ressort e 1.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. Il meurt le 03 novembre 1918 a Odessa. ”Si l’´nergie totale d’un syst`me est dissip´e de mani`re continue alors le syst`me (qu’il e e e e e soit lin´aire ou non lin´aire) devra rejoindre finalement un point d’´quilibre”. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. ` Exemple IV. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales.3.LA METHODE DE LYAPUNOV 109 IV. e e Son travail a port´ essentiellement sur l’´quilibre et le mouvement des e e syst`mes m´caniques et la stabilit´ des fluides en rotation uniforme. e e e On pourra donc conclure a la stabilit´ d’un syst`me par l’examen d’une seule fonc` e e tion scalaire.3 La m´thode de Lyapunov e Cette m´thode est tr`s g´n´rale et permet l’´tude de la stabilit´ des syst`mes non e e e e e e e lin´aires autant que lin´aires. Le point important est qu’elle ne n´cessite ni le calcul des e e e pˆles du syst`me ni la donn´e explicite de la solution de l’´quation d’´tat. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. Ce travail e e e e e e e est publi´ par la soci´t´ math´matique de Kharkov en 1892 dans Probl`me e ee e e g´n´ral de la stabilit´ du mouvement traduite pour la premi`re fois en e e e e fran¸ais en 1907 dans les annales de l’universit´ de Toulouse puis en 1949 c e aux Princeton University Press. Russie. Il con¸oit e e e c de nombreuses m´thodes d’approximation. La philosophie o e e e e de la m´thode r´side dans l’extension math´matique d’une observation fondamentale de e e e la physique.Repr´sentation d’´tat : e e x1 = x ˙ x2 = x   x1 = x2  ˙ on a   x = − b x |x | − k0 x − k1 x3 ˙2 2 2 1 m m m 1 Posant . IV.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse. ici l’´nergie totale.

110 3.Energie potentielle : x Epot.Le point d’´nergie m´canique nulle est le point d’´quilibre. e La m´thode directe de Lyapunov est fond´e sur l’extension de ces concepts.L’instabilit´ est li´e ` la croissance de l’´nergie m´canique. La masse est tir´e loin e e de sa position d’´quilibre (longueur naturelle du ressort) puis lach´e. e e e e . est dissip´e de mani`re continue e e a e e par l’amortisseur jusqu’au point d’´quilibre.La stabilit´ asymptotique implique la convergence de l’´nergie vers 0. e Etude de la variation de l’´nergie m´canique : e e d ˙ ˙ [V (x)] = (m¨ + k0 x + k1 x3 )x = −b|x|3 x dt L’´nergie du syst`me. 0) e STABILITE DES SYSTEMES LTI La question est de savoir si ce point d’´quilibre est stable.Energie totale : 0 1 1 (k0 β + k1 β 3 )dβ = k0 x2 + k1 x4 1 1 2 4 1 1 1 Em = V (x) = k0 x2 + k1 x4 + mx2 ˙ 2 4 2 Remarques IV.L’´nergie m´canique refl`te indirectement l’amplitude du vecteur d’´tat. La proc´dure e e e de base est de g´n´rer une fonction scalaire ”de type ´nergie” pour le syst`me dynamique e e e e .Les propri´t´s de stabilit´ peuvent ˆtre caract´ris´es par la variation de l’´nergie ee e e e e e m´canique au cours du temps. Reprendra t-elle sa e e position d’´quilibre? e Etude de l’´nergie m´canique totale : e e . ` partir d’une valeur initiale. e e .Point d’´quilibre : (0. = .3.Energie cin´tique : e 1 1 Ec = m x 2 = m x 2 ˙ ˙2 2 2 . e e a e e On peut donc supposer que : .1 . e e e .

x ∈ Rn .1 (stabilit´ (asymptotique) locale) e e e e Si. x2 ) | x2 + x2 < 2 1 2 . ∂V (x.2 (syst`me non lin´aire) e e Soit le syst`me non lin´aire autonome donn´ par ses ´quations d’´tat : e e e e e  ˙  x1 = x1 (x2 + x2 − 2) − 4x1 x2 1 2 2  x2 = x2 (x2 + x2 − 2) + 4x2 x2 ˙ 1 2 1 (0. t) dont les d´riv´es partielles premi`res sont continues et telle que : e 1.´ IV. t) = (x.3. t) est d´finie positive.V (x. Si V e e e Exemple IV. t) ∂xn       (IV. t). t) est d´finie n´gative alors la stabilit´ est dite localement asymptotique.3. On peut ainsi conclure quant ` la e e a stabilit´ sans avoir recours a la solution explicite des ´quations diff´rentielles non lin´aires.V (x. t). On choisit une fonction candidate de e e 2 2 Lyapunov V (x) = 1/2(x1 + x2 ). figure IV.8). e ˙ (x. t) ∂x1 .20) ˙ V (x. Cela conduit a calculer. On d´finit alors V : e e e ˙ n R × R+ → R par : ∂V ∂V (x. t) : R ×R+ → R une fonction continˆment diff´rentiable en tous ses arguments ˙ e et soit l’´quation non lin´aire diff´rentielle x = f (x. t)/x ∼    ∂V (x. t) ˙ V (x.1 (D´riv´e de Lyapunov) e e n u e Soit V (x. dans une boule Br0 . 0) est un point d’´quilibre pour ce syst`me. e e alors le point d’´quilibre 0 est stable. t) ∂x   gradient de V (x. t) est appel´e la d´riv´e de V (x. LA METHODE DE LYAPUNOV 111 et d’en examiner la d´riv´e temporelle (cf. e ` e e e ´ Definition IV. e e e ˙ On consid`re la stabilit´ du point d’´quilibre 0 pour les syst`mes ´tudi´s. t) est semi d´finie n´gative. e e e e e e ´ ` Theoreme IV. ` ˙ V (x) = x1 x1 + x2 x2 = (x2 + x2 )(x2 + x2 − 2) ˙ ˙ 1 2 1 2 ˙ V (x) est donc localement asymptotiquement stable dans la boule : B√2 = (x1 .3. . t) le long des trajectoires de x = f (x.21) f (t. e ˙ 2. il existe une fonction scalaire de l’´tat V (x. t) + ∂t ∂x o` : u  ∂V (x.3. x) (IV. .

e e e x(t) = Ax(t) ˙ (IV. e 2. fonction d´finie positive. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable.24) .3.La condition pr´c´dente est une condition suffisante . Dans le cas non lin´aire.23) ´ ` Theoreme IV. il faut donc choisir a priori e e une fonction candidate de Lyapunov. t) est une fonction de Lyapunov et l’on peut e e conclure ` la stabilit´ sinon aucune conclusion ne peut ˆtre donn´e et il faut alors a e e e recommencer le processus avec une autre fonction candidate de Lyapunov.22) On consid`re une fonction candidate de Lyapunov quadratique.2 1. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). t) est une fonction de Lyapunov pour le syst`me.3. e e 2||x||→+∞ lim V (x) = +∞. e Le probl`me majeur de cette m´thode est de trouver une fonction de Lyapunov pour e e ce syst`me en l’absence de guide clair. Dans le cas des syst`mes LTI. ´ ` Theoreme IV. e e A P + PA + Q = 0 (IV. Si la e condition 2 est v´rifi´e.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que. e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV. la fonction V (x. alors. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive.2 V = C2 V = C1 x1 x0 Fig. alors 0 est un point d’´quilibre globalement asymptotiquement stable.V (x.8 – Illustration de la m´thode de Lyapunov e Remarques IV.V (x) est d´finie n´gative. V (x.3.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 .3 Une condition n´cessaire et suffisante pour qu’un syst`me autonome de mod`le LTI x(t) = e e e ˙ Ax(t) soit asymptotiquement stable est que ∀ Q = Q > 0. t). d’o` l’utilisation de e u l’exp´rience. V (x) = x P x. IV. la m´thode devient plus syst´matique. ˙ 1.

3125 0.3.eye(3)). P = 0. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.1664 0.´ IV. LA METHODE DE LYAPUNOV Exemple IV.5160 19.0625 0.0625 0 4 −8 −12 113 dont les valeurs propres sont 0. e Script MATLAB 10 >> P=lyap(A1’.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1.0676 .3273 et 0.0625 0. on trouve. >> eig(P) ans = 0.3.0477.

114 STABILITE DES SYSTEMES LTI .

) obtenu.2) 115 .1 Signaux d’entr´e types e u(t) = tn Les signaux d’entr´e types sont en g´n´ral des signaux de type polynomial : e e e (V. Un moyen de come e parer efficacement les diff´rents types de syst`mes et leurs performances respectives est e e de les soumettre a des signaux d’entr´e types et d’analyser les r´ponses temporelles pro` e e duites. L’utilisation de signaux types est justifiable par la corr´lation qui existe entre les e caract´ristiques des r´ponses ` des entr´es types et la capacit´ du syst`me ` faire face a e e a e e e a ` des signaux d’entr´e r´els.1. repr´sentation e e e e d’´tat.1 Introduction Une fois le mod`le math´matique d’un syst`me (fonction de transfert.1) dont la transform´e de Laplace est donn´e par : e e U (p) = n pn+1 (V. e e Mˆme si le mat´riel pr´sent´ dans ce chapitre peut ˆtre ´tendu aux mod`les multivae e e e e e e riables... l’´tape suivante consiste a analyser les performances du syst`me.Chapitre V Analyse temporelle des syst`mes e continus V. il est n´cessaire de e e e e e disposer d’une base commune d’analyse pour des syst`mes diff´rents. e V. Toutefois. nous nous sommes volontairement restreints a l’´tude du cas monovariable qu’il ` e est plus facile d’appr´hender physiquement. Cette e e ` e ´tape peut ˆtre men´e suivant de nombreuses m´thodes.

e e a e e d´pend de l’´tat initial U (0) caract´ris´ par les n valeurs initiales du signal de sortie et e e e e de ses n − 1 premi`res d´riv´es (th´or`me de Cauchy) : e e e e e U (0) = y(0).1 Les signaux sinuso¨ ıdaux constituent une autre famille int´ressante de signaux types sere vant essentiellement ` l’´tude du r´gime permanent de la r´ponse temporelle et qui sera a e e e ´tudi´e dans un prochain chapitre.2 R´gime libre . une entr´e de type rampe est adapt´e alors que la r´ponse impulsionnelle mod´lisera e e e e correctement un choc.1.les signaux rampe . Ils permettent ainsi e a d’´tudier les performances transitoires de la r´ponse des syst`mes. la r´ponse peut ˆtre d´compos´e en e e e e e e deux termes y1 (t) et y2 (t).y2 (t) est la r´ponse ` l’excitation r´elle u2 (t) = u(t) appliqu´e ` partir d’un ´tat e a e e a e initial nul U2 (0) = 0. si les entr´es r´elles d’un syst`me sont suppos´es varier graduellee e e e e e ment. Ce type de signal a la carat´ristique de soumettre le e e e syst`me ` des sollicitations plus ou moins brusques et progressives. y (n−1) (0) ˙ (V.116 ANALYSE TEMPORELLE DES SYSTEMES Ces signaux d’entr´e sont plus particuli`rement utilis´s du fait de la simplicit´ de e e e e leur repr´sentation math´matique.r´gime forc´ e e e Avant de caract´riser plus pr´cis´ment la r´ponse temporelle des syst`mes. on e e e se limite souvent aux signaux polynomiaux jusqu’` l’ordre 2 d’entr´e caract´ristiques tels a e e que : . e . e e V.4) Par application du th´or`me de superposition. appel´ signal d’excitation. e e e e e a an y (n) (t) + · · · + a0 y(t) = bm u(m) (t) + · · · + b0 u(t) (V.3) La r´ponse du syst`me y(t) ` un signal d’entr´e u(t).y1 (t) est la r´ponse ` une excitation nulle u1 (t) = 0 appliqu´e ` partir de l’´tat e a e a e initial r´el U1 (0) = U (0).les signaux de type impulsionnel (impulsion de Dirac) . . . · · · . Remarques V.1.les signaux ´chelon (fonction de Heaviside) e . Dans la pratique. e e e e Soit un syst`me d´crit par l’´quation diff´rentielle entr´e-sortie ` coefficients constants. Par exemple.les signaux acc´l´ration ee Le choix effectu´ dans cet ensemble est fonction des conditions d’utilisation du syst`me e e ´tudi´. y(0). nous revee e e e e nons sur les notions tr`s voisines de r´gime libre et de r´gime forc´.

1.V.3 La r´ponse transitoire y4 (t) est tr`s li´e ` la r´ponse y1 (t) alors que la r´ponse en r´gime e e e a e e e ` e permanent y3 (t) l’est a la r´ponse y2 (t).1 Soit a trouver la r´ponse y(t) de l’´quation.3) peut ´galement se d´composer en deux e e e e parties : .1. e e e La solution g´n´rale y4 (t) est ind´pendante de u(t) et s’obtient en r´solvant l’´quation e e caract´ristique associ´e ` l’´quation diff´rentielle homog`ne : e e a e e e an p n + · · · + a 1 p + a0 = 0 (V.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.5) Remarques V.1.y4 (t) est la solution g´n´rale de l’´quation sans second membre (´quation homog`ne) e e e e e les n constantes d’int´gration ´tant d´termin´es de telle sorte que la solution globale e e e e y(t) satisfasse aux n conditions initiales. . y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini. e e e e .6) Cette ´quation a n racines pi . e e e V.y4 (t) comme la r´ponse transitoire du syst`me.1.2 On retrouve ici l’exacte contre-partie pour une ´quation diff´rentielle ordinaire du vocae e bulaire utilis´ pour les mod`les d’´tat. e e e .7) . ` e e 0. distinctes ou multiples. y4 (t) est e e la somme de n termes tels que : .y3 (t) comme la r´ponse en r´gime permanent du syst`me.1. il ne subsiste que e y3 (t) et l’on d´finit alors. e e Remarques V. INTRODUCTION Exemple V. ´ Definition V.chaque racine r´elle pi de multiplicit´ mi donne une r´ponse : e e e mi y4i (t) = i=1 λi ti−1 epi t (V. r´elles ou complexes.r´gime transitoire e e La solution de l’´quation diff´rentielle (V.3 R´gime permanent .5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors.1.

on obtient λ1 = −3 et donc y(t) = 2 − 3e−2t Les r´ponses temporelles ainsi fournies permettent d’´tudier les caract´ristiques fone e e damentales du syst`me que sont la stabilit´ absolue et la stabilit´ relative.118 ANALYSE TEMPORELLE DES SYSTEMES .8) o` σj = Re(pj ) et ωj = Im(pj ). pj ) de multiplicit´ mj donne une r´ponse : e e e mj y4j (t) = j=1 λj tj−1 eσj t cos(ωj t) + µj tj−1 eσj t sin(ωj t) (V. amorties plus ou moins rapidement.chaque paire complexe conjugu´e (pj . y(t) = 2 + λ1 e−2t soit pour y(0) = −1. e e toujours pr´sentes dans la partie transitoire de la r´ponse temporelle d’un syst`me. On a vu au e e e chapitre pr´c´dent diff´rentes notions de stabilit´ absolue pour les syst`mes lin´aires.1. u Exemple V.5p + 1 = 0 Elle a une unique solution p1 = −2 d’o` u y4 (t) = λ1 e−2t Alors. e e e e e e La stabilit´ relative caract´rise les oscillations.2 L’´quation caract´ristique est e e 0. e e e .

12) .11) La r´ponse transitoire d’un syst`me du premier ordre est. ae Y (p) = K 1 + Tp (V.9) T est la constante de temps du syst`me.2.2 V.2.1 – Exemples de syst`mes du premier ordre e V.1. e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1. V. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V. LES SYSTEMES DU PREMIER ORDRE 119 V. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.2. e Cela conduit ` ´crire.2.` V. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre. R k e C s e i R e L C J s f 111 000 111 000 111 000 111 000 111 000 111 000 111 000 000 111 1111 0000 1111 0000 1111 0000 f ω Fig.10) (V.1 On appelle syst`me du premier ordre.

4 0.8 0. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.2.15) qui est repr´sent´e figure V.3.17) K KT K = − (1 + T p)p p 1 + Tp (V.18) .120 d’o` la r´ponse impulsionnelle. V. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.7 0. on obtient la pente de la tangente e e e e pour t = 0.6 y(t) 0.2 0. u e y(t) = qui est repr´sent´e figure V.16) 1 p (V.2.3 0.14) La r´ponse indicielle e ´ Definition V.9 KT 0.13) 0. K K dy(t) = e−t/T |t=0 = dt T T (V.2 (r´ponse indicielle) e On appelle r´ponse indicielle.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V. on obtient la pente de la tangente pour t = 0. ae Y (p) = d’o` la r´ponse indicielle. la r´ponse ` une entr´e de type ´chelon de position (fonction e e a e e de Heaviside) dont la transform´e de Laplace est e L[u(t)] = Cela conduit ` ´crire.5 0. En calculant la d´riv´e.2 – R´ponse impulsionnelle e En calculant la d´riv´e.

21) 1 p2 (V.4 0.2.23) .8 0.4.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V. pour e e K = 1. e e R´ponse ` une rampe unitaire e a ´ Definition V. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V. En calculant le signal d’erreur (t) = u(t) − y(t).2. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.2 Amplitude y(t) To: Y(1) 1 0.3 – R´ponse indicielle e Remarques V.6 0.1 Plus la constante de temps du syst`me T est faible. V.6 1.19) Si k = 1. on parle alors de rampe unitaire. plus le syst`me est rapide.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.8 1. ae Y (p) = d’o` la r´ponse.4 0.20) qui est repr´sent´e figure V.) t Fig.2 0 0 T 2 4 6 8 10 12 Time (sec.632K 1. on obtient.

122

ANALYSE TEMPORELLE DES SYSTEMES
Step Response
From: U(1) 40

35

T

30

25

Amplitude

To: Y(1)

y(t)

20

T
15

10

5

pente K
0 2 4 6 8 10 12 14 16 18 20

0

Time (sec.)

t

Fig. V.4 – R´ponse ` une rampe e a Script MATLAB 11 >> K=2;T=2; >> H=tf(2,[2 1]) Transfer function: 2 ------2 s + 1 >> impulse(H);step(H);int=tf(1,[1 0]);step(H*int);
Impulse Response 1 2 Step Response 0.9 1.8

0.8

1.6

0.7

1.4

0.6 Amplitude Amplitude 0 2 4 6 Time (sec) 8 10 12

1.2

0.5

1

0.4

0.8

0.3

0.6

0.2

0.4

0.1

0.2

0

0

0

2

4

6 Time (sec)

8

10

12

Step Response 40

35

30

25 Amplitude

20

15

10

5

0

0

2

4

6

8

10 Time (sec)

12

14

16

18

20

` V.3. LES SYSTEMES DU SECOND ORDRE

123

V.3
V.3.1

Les syst`mes du second ordre e
D´finitions et exemples e

´ Definition V.3.1 (syst`mes du second ordre) e Les syst`mes du second ordre sont les syst`mes d´crits par une ´quation diff´rentielle e e e e e lin´aire a coefficients constants du second ordre. e ` ¨ ˙ b2 y (t) + b1 y(t) + b0 y(t) = a0 u(t) La fonction de transfert est alors : H(p) = b2 p2 a0 + b1 p + b0 (V.25) (V.24)

La fonction de transfert d’un syst`me du second ordre peut ´galement ˆtre factoris´e e e e e en faisant apparaˆ des param`tres particuliers. ıtre e H(p) = K p ωn
2

p + 2ξ +1 ωn

=

2 Kωn 2 p2 + 2ξωn p + ωn

(V.26)

o` : u - K= - ωn = a0 est le gain statique du syst`me. e b0 b0 est la pulsation propre non amortie. b2

b1 est le coefficient d’amortissement. - ξ=√ b0 b2 Des exemples ´lectriques et m´caniques de syst`mes du second ordre sont donn´s figure e e e e V.5.

R e C

R C s M

k

γ f

θ i R L e C C J

s
111 000 111 000

f

k
111 000

Fig. V.5 – Exemples de syst`mes du second ordre e

124

ANALYSE TEMPORELLE DES SYSTEMES

On choisit de conserver la forme normalis´e de la fonction de transfert du deuxi`me e e ordre. H(p) =
2 Kωn 2 p2 + 2ξωn p + ωn

(V.27)

Afin de d´terminer la nature des pˆles associ´s ` ce syst`me du second ordre, on ´tudie e o e a e e son ´quation caract´ristique, e e
2 p2 + 2ξωn p + ωn = 0

(V.28)

2 dont le discriminant est ∆ = (ξ 2 − 1)ωn . Le signe du discriminant et par cons´quent la e nature des pˆles, sont d´termin´s par le facteur d’amortissement ξ. o e e

´ Definition V.3.2 Le param`tre 0 ≤ ξ ≤ 1 est appel´ facteur d’amortissement. e e ξi = Re(pi ) = pi λi
2 λ2 + ωpi i

(V.29)

pour pi = λi + jωpi . Amortissement ξ > 1 : syst`me hyper-amorti e Les racines du polynˆme caract´ristique sont r´elles et l’on dit que le syst`me est o e e e hyper-amorti. p1 = ωn (−ξ + p2 = ωn (−ξ − En posant, − 1 = −ξωn + ωn T1 ξ2 − 1 (V.31) 1 − = −ξωn − ωn T2 La fonction de transfert s’´crit alors, e H(p) = K (1 + T1 p)(1 + T2 p) (V.32) ξ2 − 1 ξ 2 − 1) (V.30) ξ2 − 1)

La r´ponse transitoire est alors donn´e par, e e y4 (t) = λ1 e−t/T1 + λ2 e−t/T2 (V.33)

LES SYSTEMES DU SECOND ORDRE Amortissement ξ = 1 : syst`mes ` amortissement critique e a

125

Le polynˆme caract´ristique a une racine r´elle double et le syst`me est dit ` amoro e e e a tissement critique. p = −ξωn = −ωn = −1/T1 La fonction de transfert s’´crit alors, e H(p) = K (1 + T1 p)2 (V.35) (V.34)

La r´ponse transitoire est alors donn´e par, e e y4 (t) = (λ + µ1 t)e−t/T1 Amortissement 0 ≤ ξ < 1 : syst`mes sous-amortis e Les racines du polynˆme caract´ristique sont complexes conjugu´es et l’on dit que le o e e syst`me est sous-amorti. e p1 = ωn (−ξ + j p2 = ωn (−ξ − j o` l’on a pos´, u e τ= 1 1 = ξωn σ 1 − ξ2 2π ωp 1 1 − ξ 2 ) = − + jωp = −σ + jωp τ 1 1 − ξ 2 ) = − − jωp = −σ − jωp τ (V.36)

(V.37)

(V.38)

ωp = ωn

La r´ponse transitoire est alors donn´e par l’oscillation de pseudo-p´riode T = e e e amortie par une exponentielle de constante de temps τ . y4 (t) = e−t/τ λ1 ejωp t + λ2 e−jωp t = Ae−t/τ sin(ωp t + φ)

(V.39)

θ = arcsinξ

Im

ωn σ ωd Re

Fig. V.6 – Paire de pˆles complexes o

126

ANALYSE TEMPORELLE DES SYSTEMES

V.3.2

Etude de la r´ponse indicielle e

Amortissement ξ ≥ 1 : syst`me hyper-amorti e La r´ponse indicielle du syst`me est donn´e par : e e e y(t) = K 1 − T2 T1 e−t/T1 − e−t/T2 T 1 − T2 T 2 − T1
Step Response

(V.40)

1 ξ=1

0.8

ξ=4

Amplitude

0.6

0.4

0.2

0

0

2

4 Time (sec.)

6

8

10

12

Fig. V.7 – Syst`mes du second ordre hyper-amortis e Dans le cas critique (ξ = 1) la r´ponse indicielle est : e y(t) = K 1 − (1 + t/T1 )e−t/T1 (V.41)

L’allure des r´ponses des syst`mes hyper-amortis pour diff´rentes valeurs des pˆles est e e e o repr´sent´e figure V.7. e e Amortissement 0 ≤ ξ < 1 : syst`mes sous-amortis e La r´ponse indicielle du syst`me sous-amorti est : e e y(t) = K 1 − sin(ωp t + ψ) −cotan(ψ)ωp t e sin(ψ) (V.42) y(t) = K 1 − e−ξωn t cos(ωp t) + ξ 1 − ξ2 sin(ωp t)

8 et figure V.8 0.9.6 0.4 1.4 1.6 0.2 Amplitude 1 0.6 ξ = 0.2 ξ = 0.3 ξ = 0.4 1. u L’allure de telles r´ponses est repr´sent´e figure V.2 Amplitude 1 0.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.8 ξ = 0.4 ω n= 0.7 ξ = 0. V. e e e ξ = 0.5 ξ = 0.4 ξ = 0.8 Step Response 127 1.2 0 Fig. V.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.5 1.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.2 ω n= 0.6 ξ = 0.9 0.8 Step Response ω n= 0.4 1.1 1.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).8 0.6 1.1 e .1 ω n= 0.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.

2 0. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.10 – Syst`me du second ordre sous-amorti e Les d´passements successifs sont d´finis par : e e Dk = s(kT /2) − s(∞) = −[e−πcotg(ψ) ]k = −(−D1 )k s(∞) (V.4 D2 1 0.128 ANALYSE TEMPORELLE DES SYSTEMES La courbe de la r´ponse indicielle d’un syst`me du second ordre poss`de un certain e e e nombre de caract´ristiques remarquables. .7 D 0.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes.) 10 15 Fig.5 T/2 Amplitude 0. V.1 0 0 5 Time (sec.3 0. e e la fonction de transfert entre le d´placement rectiligne x et le d´placement angulaire θ e e est : Θ(p) = √ o` α = u 2AρRl 1 X(p) = F (p)X(p) αp ps − pe − F/A . e Step Response 0.6 T 0.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement.

[T (1+a*T*K) K]) >> a=2.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .H_2. figure 3). e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig. C(p) = suivant le sch´ma-bloc suivant.6 0.[T (1+a*T*K) K]) >> a=0.1. V.1 a=2 a = 10 Amplitude 0. >> a=10.LES SYSTEMES DU SECOND ORDRE 129 La position angulaire est asservie au d´placement longitudinal par un correcteur du e type avance ou retard de phase. e e e Script MATLAB 12 >> K=1.3]) Step Response 1.H_10) >> axis([0 20 0 1.4 0.2 1 0. e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf.[T (1+a*T*K) K]) >> step(H_01.8 a = 0.11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.H_10=tf([K*T*a K].H_01=tf([K*T*a K].H_2=tf([K*T*a K].T=1.

3.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est.130 ANALYSE TEMPORELLE DES SYSTEMES V. cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`. V.5 0 tr tp t ts Fig.05 t td 0.8 ωn (V. ξ).49) .12. u cos(ωp tr ) + soit.45) Cette relation est approxim´e par la relation : e tr ≥ (V.47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V. y(t) Mp 0. tan(ωp tr ) = − Apr`s calculs.3 Sp´cifications temporelles d’un syst`me du second ordre e e On suppose que le syst`me du second ordre est sous-amorti et sp´cifi´ par la paire e e e e (ωn . Sa r´ponse temporelle a l’allure de la figure V.48) 1 − ξ2 ξ (V.12 – Sp´cifications de performance e .46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V.

6 ts .52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.3.D´passement maximal Mp : e On a donc.6 = = ξωn σ Remarques V. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`.3 (V.8 tr (V.Temps d’´tablissement ts : e G´n´ralement. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.6 4.7 ξ = 0. De plus. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1. u tp = .5 ξ = 0. ωn doit ˆtre grand.LES SYSTEMES DU SECOND ORDRE . pour des r´ponses rapides.50) π ωp (V.53) .54) 4.55) ξ ≥ ξ(Mp ) σ≥ 4. − 131 (V.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.1 e e ξ est g´n´ralement fix´ en corr´lation avec Mp alors que ts est principalement d´termin´ e e e e e e par ωn .Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit. Mp = y(tp ) − 1 = −e−ξωn tp Soit.

pi ) de multiplicit´ mi donne une o e e r´ponse : e mi y4i (t) = j=1 λj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) (V. e e ´ Definition V.Chaque pˆle r´el pi de multiplicit´ mi donne une r´ponse transitoire : o e e e mi y4i (t) = j=1 λj tj−1 epi t (V.59) j=1 La d´croissance finale de cette contribution est caract´ris´e par la constante de e e e temps τi = 1/λi . les pˆles. y4 (t) est e e e constitu´e de la combinaison lin´aire de fonctions du temps ´l´mentaires d´finies par la e e ee e nature (r´els. on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps.58) o` σi = Re(pi ) et ωi = Im(pi ).4. Dans cette combinaison lin´aire. La notion de stabie e e e lit´ asymptotique ´tudi´e dans les chapitres pr´c´dents exprime que la composante y4 (t) e e e e e tend vers 0 sur un horizon suffisamment long de temps mais ne donne pas d’indications sur l’´volution qualitative de ce signal transitoire.4.r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V. e e e e Soit la fonction de transfert G(p) d’ordre n que l’on factorise afin de faire apparaˆ ıtre les pˆles et les z´ros.1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te. o e G(p) = bm p m + · · · + b0 =K an p n + · · · + a 0 (p − zj ) (p − pi ) 2 ((p + αzj )2 + βzj ) 2 ((p + αpi )2 + βpi ) (V.132 ANALYSE TEMPORELLE DES SYSTEMES V. complexes conjugu´s) des racines de l’´quation caract´ristique.57) .4 V. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur. o ` e .Chaque paire de pˆles complexes conjugu´s (pi . chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me. u La r´ponse transitoire compl`te du syst`me est constitu´ par la combinaison lin´aire de e e e e e ces fonctions ´l´mentaires.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse. .1 Les syst`mes d’ordre sup´rieur e e Notions de modes D´finitions e A partir de ce que l’on a d´j` vu pour les syst`mes d’ordre 1 et 2. . Dans le cas le plus g´n´ral. e e Ainsi.

e e Remarques V.Si A a k valeurs propres distinctes et a donc des valeurs propres multiples : n k x(t) = P eJt P −1 x0 = i=1 epi t Mi (t)x0 = i=1 Tk eJk t Uk x0 (V. J est la forme de Jordan u o associ´e ` A. e e Soit la r´alisation minimale d’´tat d’un syst`me autonome : e e e x(t) = Ax(t) ˙ x(0) = x0 (V.complexes conjugu´s pi = −λi ± jωi correspondent a des modes oscillants e ` mi 133 µj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) j=1 (V. · · · .LES SYSTEMES D’ORDRE SUPERIEUR .  0 ...  .Si A a n valeurs propres distinctes.  . .  .4.1 La contribution de chaque mode a la forme des transitoires d´pend de la fonction excita` e trice (le signal d’entr´e) et de l’´tat initial E(0). 0 ··· . · · · .63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini. Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk .61) e e o` x ∈ Rn . e a J = diag(J1 ... e e Cette analyse temporelle men´e ` partir d’un mod`le de type fonction de transfert e a e (syst`mes monovariables) peut ˆtre g´n´ralis´e aux syst`mes multivariables en utilisant e e e e e e la repr´sentation d’´tat. 0  0 pn w1 w2 · · · w n P est la matrice modale de changement de  p1 0   0 p Λ= . u . P est la matrice modale de changement de base.2 .62) o` u P = v1 v 2 · · · vn P −1 = base et ··· . p1 .. pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (V. Etudions la solution de l’´quation d’´tat dans la base modale.  .60) C’est une oscillation de pulsation propre ωi amortie par une exponentielle d´croissante e caract´ris´e par la constante de temps τi = 1/λi . .

1 −0. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.1 0 −0. e e e Fig.2 0 0.2 1 0. V.Le mode d’oscillation d’incidence (short-period mode) p = −2.59)2 (p + 0.63) sont appel´s e ee e les modes du syst`me.62) et (V.02 1.5 Fig.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.96 −2.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.017)2 + (0. o e e (V.5 −1 0.191 −3.51 ± 2.5 0 −0.5 2 2. V.370 −2.Courtesy USAF Museum .59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.65) Les modes propres longitudinaux sont d´finis comme : e .51)2 + (2.1 −0.2 0.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.036 0 −0.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.213)2     (V.Mouvement propre longitudinal :     δu ˙ −0.14 – Mode d’oscillation d’incidence pur . Les polynˆmes caract´ristiques et les e o e mod`les d’´tat lin´aris´s associ´s au mouvement longitudinal et lat´ral du petit avion e e e e e e appel´ Navion au niveau de la mer sont ´tudi´s. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.5 1 Time (sec) 1.76   δw ˙   0    q  =  0.13 – North American L-17A ”navion” .1 0 −0.045 0.322 δu  δ w   −0.

02 1.Plong(:..Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.1 0 −0.045 0.322.67)     (V.76 0 0.76 −0.322 v  r   2.5 0 50 100 150 Time (sec) 200 250 300 350 Fig.66) .1).036 0 -0.’modal’) >> Plong=inv(Tlong).08 2.Tlong]=canon(sys_long.191 -3. >> [navion_long.0 0 1. >> initial(sys_long.5 0 −0.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.Mouvement propre lat´ral : e     v ˙ −0.2 0.1 −0.98 0.96 -2..2 To: Out(3) To: Out(4) 0..3)) .254 −1.0088) Les modes propres lat´raux sont d´finis comme : e e .0.05 0.433) (p + 0. o e e e (p + 8.5 0 −0.19 −8.Plong(:.433 ` (V.Le mode phugoide (phugoid mode) p = −0.37 -2.76 0.213j Response to Initial Conditions 1 To: Out(1) 0.. -0.1)).017 ± 0.5 −1 0..486)2 + (2.35  r ˙   0    p  =  −9.zeros(4.LES SYSTEMES D’ORDRE SUPERIEUR .05 To: Out(2) 135 0 Amplitude −0.eye(4).55 −0.1)) >> initial(sys_long.zeros(4.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-. 0].334)2 (p + 0. V.

V.16 – Mode de roulis pur .015 0.1 −0.04 0.7 Fig.5 0 0 −0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.02 0 1 0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.2 0.2 0 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.05 −0.01 1 0.005 −0.1 0.2 0.02 0 0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.4 0.486 ± 2.0088 Response to Initial Conditions 0.02 To: Out(1) 0.15 0.1 0. V.334j .136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.5 0.01 0.17 – Mode de spirale pur .6 0.15 −0.05 0 0 −0.3 Time (sec) 0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.

18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-.eye(4).Plat(:.1)).69) .4 0.Plat(:.Plat(:.2 (rapidit´) e Le temps de disparition de la composante transitoire associ´e ` un mode d´finit la rapie a e dit´ de ce mode.2 0.5 0 −0..zeros(4.zeros(4.35 0.322.1 −0.’modal’) >> Plat=inv(Tlat).5 −1 0. e τi = −1/Re[pi ] (V..08 2.1)..2)) >> initial(sys_lat.5 0.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.5 0 −0. 0]. Supposons maintenant que la fonction de transfert soit du troisi`me ordre avec un pˆle e o r´el −1/γ et deux pˆles complexes conjugu´s : e o e G(p) = 2 ωn 2 (γp + 1)(p2 + 2ξωn p + ωn ) (V. >> initial(sys_lat. ´ Definition V.1 0 −0.-9.1)) >> initial(sys_lat.4. >> [navion_lat.76 -0..5 1 0.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.Tlat]=canon(sys_lat.0 0 1. V.4)) Caract´risation des modes e Il apparaˆ donc clairement sur les exemples pr´c´dents que la dur´e des transitoires ıt e e e d’un syst`me d’ordre quelconque est d´termin´e par l’ensemble des constantes de temps e e e e a e {τ1 .2 0 2 4 6 Time (sec) 8 10 12 Fig. τq } associ´es ` ses diff´rents modes.68) Les modes les plus rapides sont donc ceux associ´s aux pˆles les plus ´loign´s de l’axe e o e e imaginaire.19 -8..55 -0. · · · .76 0 0.254 -1. 2.

le mode d’oscillation de roulis hollandais p = −0.51 ± 2.017 = 58.71) . = 1/0. = 0. ´ Definition V.75) .59j d´fini par sa constante de temps e et son amortissement. · · · .4 ξinc. = 1/8. ξq }.63 (V. e e . ´ Definition V. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par.82 ξphu.4.334j d´fini par sa constante e de temps et son amortissement.433 = 0.73) (V. e τsp.4.204 (V.Si ξ = 0 alors le mode oscillant est non amorti .0088 = 113.le mode phugo¨ p = −0.74) .3984 0.70) Par extension. τinc.4 (mode oscillant non amorti et ap´riodique) e . = 1/0. = 0.017 ± 0. Pour un mode oscillatoire.12 (V.213j d´fini par sa constante de temps et son ıde e amortissement.486 = 2. on parle o e e de modes dominants. e e e .le mode d’oscillation d’incidence p = −2.le mode correspondant de spirale p = −0.le mode de roulis p = −8. τphu.08 Les modes propres lat´raux du Navion sont caract´ris´s par.486±2.3 (mode dominant) La paire de pˆles complexes conjugu´s les plus proches de l’axe imaginaire g´n`rent le o e e e mode dominant. e τrol.138 ANALYSE TEMPORELLE DES SYSTEMES Il a ´t´ montr´ exp´rimentalement que les performances de ce syst`me sont identiques ee e e e ` celles du second ordre seul en termes de d´passement et d’amortissement quand : a e |1/γ| ≥ 10|ξωn | (V. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1. = 0.06 ξdrol.Si ξ = 1 alors le mode oscillant est ap´riodique e L’amortissement des transitoires d’un syst`me d’ordre quelconque est donc caract´ris´ e e e par l’ensemble des amortissements {ξ1 .72) .433 d´fini par sa constante de temps.0088 d´fini par sa constante de temps. = 1/0. mˆme si cette condition n’est pas strictement v´rifi´e. τdrol.7 (V.51 = 0. = 1/2.

6946 0.0797 0.Xi_long]=damp(sys_long) Wn_long = 0.2 Effets des z´ros et des pˆles additionnels e o Reprenons une fonction de transfert poss´dant des pˆles distincts stables et que l’on e o factorise sous la forme : m (p − zi ) H(p) = K i=1 n n = (p − pi ) i=1 ai p − pi (V.0000 >> [Wn_long.4.2140 0.3836 2.0000 0.6070 Xi_long = 0.2040 0.0088 2.3836 8.2040 1.0797 0.2140 3.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.6946 V.6070 3.4327 139 Xi_lat = 1.Xi_lat]=damp(sys_lat) Wn_lat = 0.76) i=1 .

5 0]. >> H2=tf([1/0. e e e n h(t) = i=1 ai epi t (V.77) avec. >> step(H2) >> step(H1+H2) .est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o . e e n s(t) = K + i=1 bi epi t (V.[1 1 1]). On en d´duit donc que la contribution d’un pˆle pi e e o . le d´passement sera augment´ ou diminu´. Le fait d’ajouter un z´ro a la fonction de transfert e ` αξ dt ajoute la d´riv´e de la r´ponse multipli´e par un coefficient ´gal au z´ro. e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1. >> clf >> step(H1) >> hold. e e o Si l’on ´tudie la r´ponse indicielle.[1 1 1]).est augment´e par la pr´sence des pˆles voisins. Suivant que le e e e e e e z´ro sera stable ou instable.4.1 (addition d’un z´ro ` une paire dominante) e a Soit la fonction de transfert normalis´e par le choix ωn = 1 : e H(p) = p αξ +1 p2 + 2ξp + 1 = 1 1 p + p2 + 2ξp + 1 2ξ p2 + 2ξp + 1 H1 (p) H2 (p) 1 dh1 (t) .78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros.79) e e ` e o` bi = ai /pi . on d´duit que les diff´rents modes ont une contribution a la r´ponse indicielle u d’autant plus faible qu’ils sont plus ´loign´s de l’origine. m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V.140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors. e e Exemple V.

e .2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0.5 −1 H 2 −1.6 0.4. dans de nombreux cas pratiques.8 141 1. e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel.L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|.5 e Step Response 1.5 1 0. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.L’addition d’un z´ro stable z ` une paire de pˆles dominants pdom augmente le e a o d´passement si |zadd | ≤ 4|Re(pdom )|. e .1 e e a o .4. Ainsi. Il est d’usage afin d’´tablir des comparaisons e e e sens´es de consid´rer la r´ponse temporelle ` un ´chelon de position pour des conditions e e e a e initiales nulles (syst`me au repos et d´riv´es successives nulles ` l’instant initial). tr`s souvent les caract´ristiques de performance d’un syst`me command´ e e e e sont sp´cifi´es en termes de r´ponse transitoire a une entr´e en ´chelon facile ` g´n´rer.L’addition d’un z´ro instable z ` une paire de pˆles dominants pdom diminue le e a o d´passement mais provoque le ph´nom`ne de r´ponse inverse augmentant ainsi les e e e e temps de r´ponse.4 1.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.5 H1 H Amplitude 0 −0. e e e a .4 0.2 H 2 0 −0.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.5 e R´sum´ V.2 H 1 Amplitude 1 0.6 H 1.8 0. e V.

V.d´passement maximal (overshoot) Mp .142 ANALYSE TEMPORELLE DES SYSTEMES En g´n´ral. Imposer une condition du type. Il est alors possible de e sp´cifier des caract´ristiques temporelles identiques ` celles des syst`mes du second ordre. la r´ponse transitoire d’un syst`me d’ordre quelconque laisse apparaˆ e e e e ıtre des oscillations amorties avant d’atteindre un r´gime permanent.temps de mont´e (rise time) tr . dans la pratique. . ξ. . le concepteur ne travaille pas directement sur ces grandeurs mais plutˆt sur les grandeurs (ωn .temps de retard (delay time) td . e . .temps de sommet (peak time) tp . σ) d´finissant la position des pˆles dans le plan o e o complexe. e .20). figure V. e Toutefois. ∀ i : τi < τmax ⇔ σ < σi (V.19 – Sp´cifications de performance e .temps d’´tablissement (settling time) ts .80) revient donc a placer les pˆles ` gauche d’une verticale −1/τmax dans le plan complexe ` o a (cf. e e a e y(t) Mp 0.5 0 tr tp t ts Fig.05 t td 0.

20 – Sp´cification de rapidit´ e e La condition. V. ` ` o Im[p] p1 11 00 (V. V. ∀ i ξi ≥ ξmin = cos(ψmax ) e e revient a imposer a tous les pˆles pi d’ˆtre dans le secteur d´fini par ψmax .82) .LES SYSTEMES D’ORDRE SUPERIEUR 143 Im[p] 111 000p 1 p 2 −1 τ2 Stabilité 11 00 Re[p] −1 τ1 111 000 p* 1 −1 0 τ max Instabilité Fig. la condition sur la pulsation propre non amortie s’´crit : e ∀ i : ωni < ωn (V.21 – Facteur d’amortissement Enfin.81) ωp ψmax p2 −1 τ2 11 00 Re[p] ψ1 0 −λ1 = −1 τ1 p1* 11 00 −ωp Fig.

les sp´cifications de performance impos´es aux syst`mes d’ordre quele e e e e conque consistent a imposer une paire de pˆles complexes conjugu´s suivant les sp´cifications ` o e e impos´es pr´c´demment.144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig. Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig.22 – Pulsation propre non amortie En g´n´ral.6 ts Cela conduit ` d´finir une r´gion int´ressante pour le placement des pˆles dans le plan a e e e o complexe. e e e ωn ≥ 1. V.83) ξ ≥ ξ(Mp ) σ≥ 4. V.23 – R´gion de sp´cifications e e .8 tr (V.

t.Z]=damp(sys): renvoie les pulsations propres et les coefficients d’amortisse) ment des diff´rentes paires de pˆles complexes conjugu´es du mod`le LTI sys.5 V.V. ) e e ) [y. e e V. ) [y.t): effectue la simulation temporelle du mod`le LTI sys pour ) e l’entr´e u sur l’horizon temporel d´fini par t.t]=gensig(type.x]=lsim(sys. ’square’ ou ’pulse’. e o e e ) k=dcgain(sys): calcule le vecteur des gains statiques du mod`le LTI sys. ) e .t.5.5. FONCTIONS MATLAB 145 V.u.2 Fonctions d’analyse des mod`les LTI e ) [Wn. ) e e ) [y.5.x0): r´ponse temporelle du mod`le LTI sys ` une condition initiale ) e e a x0 .x]=impulse(sys): r´ponse impulsionnelle du mod`le LTI sys.t. e ) [y.t.x]=initial(sys.tau): g´n`re des signaux temporels dans u de p´riode tau et dont ) e e e le type peut ˆtre ’sim’.x]=step(sys): r´ponse indicielle du mod`le LTI sys.1 Fonctions MATLAB Fonctions de r´ponse temporelle e ) [u.

146 ANALYSE TEMPORELLE DES SYSTEMES .

les syst`mes monovariables LTI sont indiff´remment mod´lis´s par e e e e leur fonction de tranfert G(p) ou une r´alisation minimale d’´tat (A. e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate.1 Les syst`mes monovariables e Dans cette section. e e Toutefois. Mˆme si comme nous le ee e e e verrons dans ce chapitre.1. e ee e e e Cela explique en partie la persistance de ces m´thodes dans les bureaux d’´tudes et parmi e e les ing´nieurs. e e e e VI. la plupart des outils peuvent ˆtre ´tendus au cas multivariable. Historiquement. e e 147 . e e e e ces m´thodes n´cessitent une culture fr´quentielle suffisament pouss´e pour pallier la e e e e faible corr´lation entre les caract´ristiques temporelles des r´ponses transitoires et les e e e caract´ristiques des r´ponses r´ponses fr´quentielles.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. D). De plus. Une autre raison repose sur les possibilit´s exp´rimentales nombreuses et e e e peu complexes n´cessaires pour reconstituer la r´ponse fr´quentielle d’un syst`me donn´ e e e e e ` partir de donn´es exp´rimentales entr´es-sorties (g´n´rateurs de signaux sinuso¨ a e e e e e ıdaux et ´quipements de mesure ad´quats). B. e e ´ Definition VI.1 (r´ponse fr´quentielle) e e La r´ponse fr´quentielle d’un syst`me LTI est d´finie comme l’ensemble des r´ponses e e e e e en r´gime permanent du syst`me ` des entr´es sinuso¨ e e a e ıdales param´tr´es par la pulsation. les avantages pr´sent´s ici ne doivent pas faire oublier que ces m´thodes e e e ont ´t´ principalement d´finies pour les syst`mes monovariables. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre. les premi`res e e e m´thodes de conception de syst`mes de commande a contre-r´action ont ´t´ fond´es e e ` e ee e sur l’utilisation des r´ponses fr´quentielles et des outils associ´s.1. C.1 D´finition et propri´t´s e e e La r´ponse fr´quentielle d’un syst`me LTI est un outil particuli`rement important e e e e pour l’analyse et la synth`se des syst`mes de commande.

e e e y3 (t) = ae−jωt + aejωt o`. e e Ceci peut ˆtre ais´ment montr´ en consid´rant un syst`me LTI stable d´fini par sa e e e e e e fonction de transfert : G(p) = N (p) N (p) = D(p) (p + p1 )(· · · )(p + pn ) (VI.3) p2 ωX + ω2 (VI.1 La r´ponse fr´quentielle d’un syst`me LTI stable ` une sinuso¨ u(t) = X sin(ωt) d’ame e e a ıde plitude donn´e X et de pulsation donn´e ω est une sinuso¨ y(t) = Y sin(ωt + φ)de mˆme e e ıde e pulsation ω et dont l’amplitude Y et le d´phasage φ d´pendent de la pulsation ω. e a e e Cela implique que les termes correspondants tendent vers 0 en r´gime permanent (quand e t → ∞). u X|G(jω)|e−jφ X|G(jω)|ejφ a=− et a = 2j 2j On obtient ainsi.1) On suppose ici que tous les pˆles de cette fonction de transfert sont distincts.4) XG(−jω) 2j (VI.2) Pour un syst`me stable. · · · . −p1 .1. y3 (t) = X|G(jω)| ej(ωt+φ) − e−j(ωt+φ) = X|G(jω)| sin(ωt + φ) = Y sin(ωt + φ) 2j (VI.5) Xω a = G(p) 2 (p − jω) p + ω2 De plus.8) . u a = G(p) p2 Xω (p + jω) + ω2 =− |p=−jω (VI.148 REPONSE FREQUENTIELLE DES SYSTEMES LTI Nous pr´sentons maintenant le r´sultat fondamental de l’analyse fr´quentielle des e e e syst`mes LTI. − pn sont stables donc ` partie r´elle n´gative.6) (VI. La o transform´e de Laplace de l’entr´e sinusoidale u(t) = X sin(ωt) est : e e U (p) = d’o`. e ´ ` Theoreme VI. |p=jω XG(jω) = 2j G(jω) = |G(jω)|ejφ et G(−jω) = |G(jω)|e−jφ d’o`.7) (VI. u y(t) = L−1 [Y (p)] = L−1 [G(p)E(p)] = ae−jωt + aejωt + b1 e−p1 t + · · · + bn e−pn t (VI. La r´ponse en r´gime permanent est donc donn´e par.

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

149

Notation 1 On d´finit les notations classiques associ´es ` un signal complexe U (jωt) = U sin(jωt + e e a jωt α) = U (ω)e : U (ω) = U ejα ´ Definition VI.1.2 (fonction de transfert sinuso¨ ıdale) On d´finit la fonction de transfert sinuso¨ e ıdale d’un mod`le LTI G(p) comme la transe form´e de Fourier de la r´ponse impulsionnelle g(t) ou comme le rapport de la transform´e e e e de Fourier de la sortie sur la transform´e de Fourier de l’entr´e. e e G(jω) = F[g(t)] = Y(ω) U(ω) (VI.9)

La fonction de transfert sinuso¨ ıdale est caract´ris´e par : e e - son gain, |G(jω)| = - sa phase, Φ(ω) = Argument Y (jω) U (jω) = Argument (G(jω)) (VI.11) |Y (jω)| |U (jω)| (VI.10)

Remarques VI.1.1 La fonction de transfert sinuso¨ ıdale est obtenue en identifiant p = jω dans la fonction de transfert G(p). ´ Definition VI.1.3 (r´ponse fr´quentielle) e e La r´ponse fr´quentielle d’un syst`me LTI est constitu´e par l’ensemble des fonctions e e e e de transfert sinuso¨ ıdales quand la pulsation varie de 0 a l’infini. ` Pour ω fix´e, G(jω) est un nombre complexe caract´ris´ par son amplitude (le gain e e e du syst`me) et son argument (la phase du syst`me) qui seront donc des fonctions de la e e pulsation de la sinuso¨ d’entr´e. Quand ω varie, l’ensemble des gains et des arguments ıde e constitue la r´ponse fr´quentielle qui peut alors ˆtre repr´sent´e graphiquement dans e e e e e diff´rents types de plans. e

VI.1.2

Extension au cas des syst`mes multivariables e

Soit le mod`le entr´e-sortie multivariable y(p) = G(p)u(p) o` G(p) ∈ Cr×m . G(p) e e u est une fonction de la variable de Laplace p et repr´sente donc un syst`me dynamique. e e La notion de r´ponse fr´quentielle d´velopp´e pour les mod`les monovariables peut ˆtre e e e e e e g´n´ralis´e aux mod`les multivariables en consid´rant les ´l´ments gij (p) de la matrice e e e e e ee e e G(p) qui ne sont rien d’autres que les transferts monovariables de la j i`me entr´e vers la i`me e sortie. i

150

REPONSE FREQUENTIELLE DES SYSTEMES LTI

Si l’on applique un signal sinuso¨ uj (t) = uj0 sin(ωt + αj ) sur l’entr´e j alors yi (t) = ıdal e yi0 sin(ωt + βi ). Yi (ω) = gij (jω)U j(ω) yi0 = |gij (jω)| uj0 βi − αj = Arg [gij (jω)]

En appliquant le principe de superposition si l’on applique simultan´ment sur chaque e entr´e des signaux sinuso¨ e ıdaux de mˆme fr´quence ω alors : e e
m

Yi (ω) =
j=1

gij (jω)Uj (ω)

En utilisant une notation matricielle : Y(ω) = G(jω)U(ω) o` G(jω) est la matrice de r´ponse fr´quentielle. u e e La notion de gain pour les syst`mes monovariables est relativement simple a ´tablir e `e puisqu’elle est d´finie comme le rapport des modules de la sortie et de l’entr´e. Le gain e e est une fonction de la pulsation ω ind´pendante de l’amplitude d’entr´e. e e Dans le cas multivariable, la situation est plus compliqu´e puisque l’on dispose d’un e vecteur de signaux en entr´e et en sortie. Il est donc n´cessaire d’utiliser une norme en e e entr´e et en sortie afin de mesurer la taille des signaux. En choisissant par exemple la e norme euclidienne, il est possible de d´finir le gain de G(p) comme le rapport : e ||G(jω)U (ω)||2 ||Y (ω)||2 = ||U (ω)||2 ||U (ω)||2 Le gain ainsi d´fini poss`de la propri´t´ essentielle de d´pendre de la pulsation ω sans e e ee e e d´pendre de l’amplitude d’entr´e ||U (ω)||2 . Toutefois, dans le cas MIMO, il est ais´ de e e montrer que le gain d´pend de la direction du vecteur d’entr´e. Ceci est illustr´ sur un e e e exemple tr`s simple. e Exemple VI.1.1 Soit G la matrice de gains donn´e par : e G= 1 2 5 3

Pour diff´rentes directions d’entr´e norm´e ` un, le vecteur de sortie est calcul´ ainsi e e e a e que la norme du gain associ´. e u1 = 1 0 0 1 0.707 0.707 ||y1 ||2 = 5.099 ||y2 ||2 = 3.6056 ||y3 ||2 = 6.0406

u2 =

u3 =

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

151

Cela montre ´videmment que le gain de G d´pend de la direction d’entr´e. Sur la e e e figure VI.1, la variation du gain de G est repr´sent´e en fonction de la direction d’entr´e. e e e Le fait int´ressant est la pr´sence d’un maximum et d’un minimum. e e
7

6

σ (G) = 6.1401

5

|| y ||2 / || u ||2

4

3

2

1 −15

σ(G) = 1.1401
−10 −5 0 u20 / u10 5 10 15

Fig. VI.1 – Variation du gain de G ´ Definition VI.1.4 - La valeur maximale du gain quand l’entr´e varie est la valeur singuli`re maxie e male de G : ||Gu||2 = max ||Gu||2 = σ(G) max u=0 ||u||2 ||u||2 =1 - La valeur minimale du gain quand l’entr´e varie est la valeur singuli`re minimale e e de G : ||Gu||2 min = min ||Gu||2 = σ(G) u=0 ||u||2 ||u||2 =1 Soit G(jω) ∈ Cr×m une matrice de r´ponse fr´quentielle telle que sa d´composition e e e en valeurs singuli`res (SVD) pour ω fix´e est, e e G(jω) = W Σ(jω)V H o` W ∈ Cr×r est une matrice unitaire constitu´e en colonnes par les vecteurs singuliers u e m×m est une matrice unitaire constitu´e en colonnes par les vecteurs e de sortie ui . V ∈ C singuliers d’entr´e vi . Σ(jω) ∈ Cr×m est la matrice des valeurs singuli`res σi rang´es e e e par ordre d´croissant et de rang k ≤ min(r, m) : e   σ(ω)   ... 0   Σ(jω) =     σ(ω) 0 0 ´ Definition VI.1.5 (gains principaux) e Les valeurs singuli`res σi (ω) sont appel´es valeurs principales ou gains principaux. Ce e sont des fonctions de la pulsation ω.

152

REPONSE FREQUENTIELLE DES SYSTEMES LTI

´ Definition VI.1.6 (directions d’entr´e et de sortie) e Les directions d’entr´e sont donn´es par les vecteurs singuliers d’entr´e vi alors que e e e les directions de sortie sont d´finies par les vecteurs singuliers de sortie wi . e
H V = [vj ]j=1,··· ,m vj vi =

1 i=j 0 i=j

H W = [wi ]i=1,···r wj wi =

1 i=j 0 i=j

Gvi = σi wi

σi = ||Gvi ||2

La igraveeme valeur singuli`re donne le gain dans la direction i. e Pour les syst`mes non carr´s, les vecteurs singuliers d’entr´e et de sortie indiquent rese e e pectivement dans quelle direction l’entr´e n’aura pas d’effet et dans quelle direction de e sortie le syst`me ne pourra ˆtre command´. e e e

´ ´ ´ VI.2. REPRESENTATION GRAPHIQUE DE LA REPONSE FREQUENTIELLE 153

VI.2

Repr´sentation graphique de la r´ponse fr´quentielle e e e

Dans cette partie, les mod`les consid´r´s sont exclusivement monovariables. L’exe ee tension relativement directe aux syst`mes multivariables sera faite dans la derni`re souse e section. ´ Definition VI.2.1 (lieu de transfert) Soit le mod`le LTI monovariable G(p) ∈ C. On appelle lieu de transfert, le lieu des e points G(jω) quand la pulsation ω varie de 0 a l’infini. ` G(jω) est donc un nombre complexe dont les caract´ristiques (partie r´elle et imagie e naire, module et argument) sont des fonctions de la pulsation ω. G(jω) = R(ω) + jI(ω) R(ω) = Re [G(jω)] I(ω) = Im [G(jω)] ou G(jω) = |G(jω)|ejφ(ω) |G(jω)|2 = R2 (ω) + I 2 (ω) φ(ω) = tan−1 I(ω) R(ω)

Il existe trois repr´sentations graphiques usuelles du lieu de transfert d’un syst`me e e LTI quand la pulsation varie.

VI.2.1

Le lieu de Nyquist

Le lieu de Nyquist est une courbe polaire param´tr´e par la pulsation ω. e e D´finition e Le lieu de Nyquist correspond au trac´ du lieu de transfert dans le plan complexe dont e les coordonn´es cart´siennes sont (R(ω), I(ω)). On obtient donc une courbe param´tr´e e e e e en la pulsation ω et que l’on doit graduer en cons´quence. Elle est donc toujours orient´e e e dans le sens des ω croissants.

Im(G(jω ))

Φ(ω i)

Re(G(j ω k))

−Φ(ω k)
ωi
Im(G(j ω k))

Re(G(j ω)) ω0

|G(j ω k)| ωk

Fig. VI.2 – Plan de Nyquist

e e . pour e e e e ω → ∞: G(jω) ∼ d’o` : u φ(ω) ∼ (n − m) π 2 bm 1 bm (jω)m = n an (jω) an (jω)n−m . e e La mˆme ann´e. Il entre a AT&T pour d´velopper un syst`me de t´l´graphe et des ` e e ee m´thodes permettant la maitrise des messages dans les t´l´graphes a e ee ` bande ´troite. Il immigre aux Etats Unis en 1907 afin e ` e de poursuivre sa formation scientifique et obtient son Master de l’universit´ du Dakota e du Nord ainsi que son Doctorat de Yaleen 1917.Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif (la e e e diff´rence de degr´ entre le d´nominateur et le num´rateur) n − m.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. il s’engage sur des recherches g´n´rales en communication. il donne la e premi`re analyse de stabilit´ pour les amplificateurs a contre-r´action e e ` e et d´veloppe le diagramme de Nyquist qui conduit au crit`re graphique e e de Nyquist pour la stabilit´. En effet. Entre 1921 et 1935. e Quelques caract´ristiques des courbes e les courbes dans le plan de Nyquist poss`dent des caract´ristiques en hautes et basses e e fr´quences facilitant leur trac´. Il meurt en 1976.1 Le gain du syst`me ` une pulsation donn´e est mesur´ par la longueur du rayon vece a e e teur correspondant alors que la phase est l’angle mesur´ positivement dans le sens trigoe nom´trique entre l’axe ox et le rayon vecteur. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es.2. Apr`s ee e e e 1935. En 1932. Il est e e retrait´ des laboratoires Bell en 1954 et travaille alors comme consultant pour diff´rentes e e entreprises et pour le gouvernement am´ricains. Il publie un article sur la fr´quence de Nyquist en 1928. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. e Remarques VI.

VI. e u e e e e b0 G(jω) ∼ a0 Si la fonction de transfert contient N int´grations alors : e b0 G(jω) ∼ a0 (jω)N Cela conduit donc a ´crire aux basses fr´quences : `e e Nπ φ(ω) ∼ − 2 I(ω) N=2 0 R(ω) N=0 Fig. Sans int´grations. VI.Basses fr´quences : la transmittance est ´quivalente au quotient des termes de plus e e bas degr´ d’o` l’importance de la pr´sence ´ventuelle d’int´grations.3 – Comportement en hautes fr´quences e .4 – Comportement en basses fr´quences e .REPRESENTATION GRAPHIQUE 155 ω I(ω) n−m = 3 8 0 N=1 n−m = 2 R(ω) n−m = 1 Fig.

1 Re 1 (jω )2 Im 1 a 1+jω T 1+jω aT 0 .13) Φ(ω) = − tan−1 (ωT ) . 0 Im 1 Re 1 Re 1 (1+jω T1)(1+jω T2)(1+jωT3 ) 0 Re Im 0 ω jω [(jω )2 + 2 ζ ω n(jω ) +ω 2 ] n 2 n Im Re (1 + jω T1 ) jω (1+jω T2)(1+jω T3 ) 0 Re Fig.5 donne un certain nombre de trac´s e e typiques. 1 Re jω 0 .12) −ωT Y = Im(G(jω)) = 1 + ω2T 2 et par son module et sa phase : |G(jω)| = √ 1 1 + ω2T 2 (VI. VI. . Im 0 Im Re 1+jωT jωT Im Re 1+jωT Im Re jωT 1+jωT 0 . La figure VI. Im 0 1 jω Im 0 .156 REPONSE FREQUENTIELLE DES SYSTEMES LTI Repr´sentations fr´quentielles usuelles e e Il est ` noter que les formes compliqu´es de courbes dans le plan de Nyquist ont pour a e origine les dynamiques du num´rateur.5 – Repr´sentations de Nyquist de syst`mes usuels e e Caract´ristiques d’un premier ordre dans le plan de Nyquist Un premier ordre de e fonction de transfert sinuso¨ ıdale‘: 1 G(jω) = 1 + JωT est caract´ris´ par : e e X = Re(G(jω)) = 1 1 + ω2T 2 (VI.

14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0.5 Re |G(j/T)| ω = 1/Τ Fig. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.12) permet de montrer que la courbe est un demi-cercle de centre e (0. ξ).5.6 – Premier ordre dans le plan de Nyquist Caract´ristiques d’un deuxi`me ordre dans le plan de Nyquist Un syst`me du second e e e ordre a une fonction de transfert sinuso¨ ıdale param´tr´e ` l’aide de deux param`tres.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI. e e a e (ωn . 0) et de rayon 0.16) . (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI.REPRESENTATION GRAPHIQUE 157 L’´tude de (VI. VI. la pulsation propre non amortie et l’amortissement.5.

e ` e Nyquist Diagram 15 10 ξ = 0.05 ξ = 0. VI. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI. Il est a remarquer que MATLAB donne le diagramme de e e a ` Nyquist complet avec le sym´trique par rapport a l’axe ox pour les pulsations n´gatives.1 ξ = 0.4 ξ = 0.17) ω2 2 ωn + ω 2ξ ωn 2 (VI. l’analyse asymptotique montre que la phase tend vers −π.07 ξ = 0. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn . e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox.7 ξ = 0. Cette pulsation est la pulsation de e cassure associ´e au second ordre.19) e e Pour ω ∈ R+ .158 et sa phase par : REPONSE FREQUENTIELLE DES SYSTEMES LTI  ω  2ξ( ωn )  −1   φ(ω) = − tan  ω2  1− 2 ωn La partie r´elle est d´finie par : e e 1− R(ω) = 1− alors que la partie imaginaire est : −2ξ I(ω) = 1− ω2 2 ωn 2 ω2 2 ωn 2  (VI.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e . Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1. Aux hautes e e fr´quences.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.18) ω ωn ω + 2ξ ωn 2 (VI.7).

e L’inconv´nient est qu’elle n’est pas adapt´e ` la repr´sentation de lieux de transfert e e a e form´s par des produits de lieux ´l´mentaires connus G(jω) = G1 (jω)G2 (jω). e ee G(jω) est alors caract´ris´e par : e e |G(jω)| = |G1 (jω)||G2 (jω)| φ(ω) = φ1 (ω) + φ2 (ω) Ceci est illustr´ par l’exemple suivant. >> nyquist(G).2. . On calcule les limites int´ressantes permettant d’indiquer le comportement de e la courbe en basses et hautes fr´quences : e ω→0 lim R(ω) = −1 lim I(ω) = −∞ lim φ(ω) = − ω→0 ω→0 π 2 ω→∞ lim R(ω) = 0 ω→∞ lim I(ω) = 0 ω→∞ lim φ(ω) = −π La courbe admet une asymptote verticale en −1 aux basses fr´quences. Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe.[1 2 0]). la partie r´elle et la partie imaginaire sont toujours n´gatives. e Exemple VI.REPRESENTATION GRAPHIQUE 159 L’avantage d’une telle repr´sentation est qu’elle d´crit de mani`re graphique les cae e e ract´ristiques fr´quentielles du syst`me sur l’ensemble du domaine de variation des pule e e sations d’entr´e.1 Soit la fonction de transfert G(p) = La fonction de transfert sinuso¨ ıdale est : G(jω) = On obtient donc : R(ω) = Re [G(jω)] = |G(jω)| = 4 √ ω 4 + ω2 ω2 −4 +4 I(ω) = Im [G(jω)] = φ(ω) = − π ω − tan−1 2 2 −8 ω(ω 2 + 4) 4 jω(jω + 2) 4 p(p + 2) Pour ω > 0. En effet. e Script MATLAB 17 >> G=tf(4.

2. Les courbes sont trac´es sur du papier semi-logarithmique en utilisant l’´chelle logae e rithmique pour les pulsations et l’´chelle lin´aire pour l’amplitude en d´cibels et la phase e e e en degr´s.9 −0. VI.8 0+ −0. pulsation quelconque.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s.6 −0. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI. Le premier repr´sente l’´volution e e e du module de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)) en fonction de la e e e pulsation ω en rad/s.5 Real Axis −0.2 −0.1 0 Fig.7 −0.3 −0. ´ Definition VI.2.160 REPONSE FREQUENTIELLE DES SYSTEMES LTI Nyquist Diagram 20 ω 15 0− 10 5 Imaginary Axis ω 0 − + ω −5 −10 −15 ω −20 −1 −0. e 8 8 . Une octave est e e e une bande de pulsations comprises entre ω1 et 2ω1 alors qu’une d´cade est une bande de pulsations entre ω1 et 10ω1 pour ω1 .2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations.4 −0.

e e toute fonction de transfert peut ˆtre factoris´e comme : e e G(p) = K (1 + pTi ) (1 + 2 ξ/ωnj p + (pωnj )2 ) (1 + pTk ) (1 + 2 (ξ/ωnl ) p + (pωnl )2 ) (VI. VI. Ce travail s’est e e e concr´tis´ par l’´dition de sa c´l`bre monographie Network analysis and feedback ame e e ee plifier design en 1945. En effet. il obtient son Ph. Il entre aux laboratoires de Bell Telephone comme math´maticien. Pendant la seconde guerre mondiale. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. e e e Cela comprend en particulier des extensions du travail de Nyquist sur les amplificateurs a contre-r´action pour l’am´lioration des commu` e e nications longues distances. il travaille principalement sur les syst`mes de commande de tir anti-a´rien et il re¸oit le Certificat Pr´sidentiel du e e c e M´rite en 1948. Il meurt le 21 Juin 1982. Apr`s la guerre.20) pN .9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. e Pendant ses premi`res ann´es aux laboratoires Bell. D de l’universit´ de Columbia en 1935. En 1955. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. En 1952. Il devient ` ` membre de l’Acad´mie des Sciences. e L’inconv´nient majeur est que l’on ne peut repr´senter les courbes de gain et de phase e e jusqu’` la pulsation 0 du fait de l’utilisation de l’´chelle logarithmique pour les pulsations. Il est all´ ` e e a l’´cole ` Urbana dans l’Illinois et obtient un diplˆme de l’universit´ d’´tat de l’Ohio en e a o e e 1926. il continue a travailler en partie sur des applications e e ` militaires (guidage des missiles) mais ´galement sur la th´orie moderne de la communicae e tion. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. a e L’avantage principal d’une telle repr´sentation est qu’elle permet de convertir la mule tiplication des amplitudes en addition par l’utilisation de l’´chelle en d´cibels. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. Alors qu’il travaille chez Bell.

Le facteur d’int´gration d’ordre N e Le module est d´fini par : e 20Log10 K K = 20Log10 N = 20Log10 K − 20N Log10 ω N (jω) ω (VI. e e ` .22) 1 a une phase constante valant −90×N deg. Log10 |G(jω)| = i Log10 |Gi (jω)| φ(ω) = i φi (ω) (VI. Bode Diagram 10 5 Magnitude (dB) 0 − 20 dB / decade −5 −10 ω co −15 −89 −89. .10 – Trac´ dans le plan de Bode de 2/p e Le facteur d´riv´e K(jω)N se d´duit ais´ment du pr´c´dent en changeant le signe e e e e e e de la pente de la courbe de gain et le signe de la phase.162 REPONSE FREQUENTIELLE DES SYSTEMES LTI Il suffit alors d’appliquer la propri´t´ d’additivit´ que partagent la fonction Log10 et ee e la fonction argument. VI.5 −91 10 0 10 Frequency (rad/sec) 1 Fig.20). Ces facteurs ıtre e ee peuvent ˆtre class´s en quatre familles. (jω)N La courbe de gain est donc une droite de pente −20 × N dB/dec qui coupe l’axe 0 dB au point ωco = (K)1/N . Ce trac´ asymptotique suffit en premi`re approximation pour e e e obtenir des informations sur le syt`me. e e .5 Phase (deg) −90 −90. Il peut ˆtre ensuite affin´ et corrig´ simplement.21) L’utilisateur dispose ainsi d’une m´thode simple afin de tracer une repr´sentation e e approxim´e de la r´ponse fr´quentielle en utilisant le trac´ de diagrammes asymptotiques e e e e des ´l´ments constituant la fonction de transfert et en les additionnant afin d’obtenir le ee trac´ asymptotique global.Le gain K poss`de un module constant ´gal a K et une phase nulle. e e e e M´thode de construction e La majorit´ des fonctions de transfert rencontr´es est constitu´e de fonctions de transe e e fert faisant apparaˆ au d´nominateur des facteurs ´l´mentaires (VI.

On rappelle que le module et la phase d’une telle fonction de e transfert sont donn´s par : e |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI.25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB.7 63.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines. .4 84.6 5.L’erreur pour une octave au del`. on obtient. ω = 1/2T de ωc vaut a ca −0.97 dB. l’amplitude en dB peut ˆtre e approxim´e par.Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI. ω << ωc = 1/T .L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante. Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e . e e e c e . le trac´ asymptotique d’un premier ordre est donc d´termin´ e e e par les deux droites ainsi d´finies et qui se coupent en la pulsation de cassure ωc = e 1/T . la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave. ω = 2/T .REPRESENTATION GRAPHIQUE 163 . 45 26. ω >> ωc = 1/T . domaine ”basses fr´quences” ω << ωc . e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI.En hautes fr´quences. e ` .3 .26) Dans cette plage de pulsations. Les courbes de phase dans le plan de Bode des facteurs du premier ordre sont toutes identiques et peuvent ˆtre d´duites des points suivants : e e ω rad/s 1/T 1/2T 1/10T 2/T 10/T Φ deg. domaine ”hautes e fr´quences” ω >> ωc . e √ (VI. Dans le plan de Bode. et en de¸`.Pour les basses fr´quences.

la courbe de gain pr´sentera ou ne pr´sentera pas de pic de e e r´sonnance.Basses fr´quences : ω << ωn e −20Log10 (1) = 0 dB (VI.164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0.29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences.11 – Trac´ dans le plan de Bode de 1/(p + 2) e . e .Le facteur quadratique ram`tres (ωn .30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences. ξ). e Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI.97 dB 3 dB 0.27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ.28) Les asymptotes sont obtenues par une analyse identique a celle qui a ´t´ faite ` ee pour les syst`mes du premier ordre.97 dB −20 dB/dec Magnitude (dB) −20 −25 −30 −35 −40 −45 −50 0 ωc Phase (deg) −45 −90 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 Fig.Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI.Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   dB (VI. e . VI. e . e .

ω rad/s ωr − 3 dB = ωn 1 − 2ξ 2 Bande passante à −3 dB Fig.31) |G(jω)| dB Asymptotes Mr = 1 2ξ 1 − ξ 2 ωn − 40 dB/ dec. Pr`s de la pulsation de cassure. il peut e ` e e exister un pic de r´sonnance.707.32) La phase est une fonction des deux param`tres pulsation propre et amortissee ment.Etude de la phase :  ω  2ξ( ωn )  −1   φ = − tan  ω2  1− 2 ωn  (VI. la phase vaut.REPRESENTATION GRAPHIQUE 165 Les deux asymptotes ont une intersection commune en la pulsation de cassure ωc = ωn . Son amplitude d´pend de e l’amortissement ξ. Toutefois.12 – Courbe de gain dans le plan de Bode d’un deuxi`me ordre avec r´sonnance e e . a la pulsation de r´sonnance ωr . si ξ < 0. ω=0 φ = 0 deg 2ξ 0 = −90 deg (VI. Mr . ωr = ωn 1 − 2ξ 2 Mr = 1 2ξ 1 − ξ2 (VI.33) ω = ωn φ = − tan−1 ω = ∞ φ = −180 deg . VI.

1 ξ = 0.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0. e e e a 3. 4.2.3 ξ = 0.2.34) ´ Definition VI.1 −90 ξ = 0. ee 2.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.2 −135 ξ = 0.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.05 ξ = 0. VI. e a ´ Procedure VI.1 1.2 ξ = 0.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.5 ξ = 0.2.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base. .Tracer les courbes asymptotiques. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB.5 −180 ξ = 0.05 ξ = 0.3 (pulsation de coupure) ıdale est La pulsation ωcα pour laquelle l’amplitude de la fonction de transfert sinuso¨ inf´rieure de α dB ` l’amplitude de la fonction de transfert sinuso¨ e a ıdale ` la pulsation 0 a est la pulsation de coupure ` α dB.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.3 ξ = 0.

La courbe de phase pr´sente quant ` elle deux asymptotes horizontales en −90 deg et −180 deg.[1 2 0]). >> G=tf(4. Ces deux asymptotes se coupent e e e a en ωc = 2 rad/s.’g.1).[1 0]). e e G(p) = On rappelle que : |G(jω)| = 20log10 et ω→0 167 4 p(p + 2) G(jω) = 4 jω(jω + 2) 180 ω tan−1 deg π 2 4 √ ω 4 + ω2 dB φ(ω) = −90 − lim φ(ω) = −90 deg lim φ(ω) = −180 deg ω→0 lim |G(jω)| = ∞ lim |G(jω)| = −∞ ω→∞ ω→∞ La courbe de gain admet une asymptote oblique de pente −20 dB/dec aux basses fr´quences et de pente −40 dB/dec aux hautes fr´quences.2.’.G3.2 Reprenons la fonction de transfert pr´c´dente. >> G3=tf(1. >> G2=tf(1. >> bode(G1.’b--’.[1 2]).REPRESENTATION GRAPHIQUE Exemple VI.G2.’r-.14 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) . Script MATLAB 18 >> G1=tf(4.’k’) >> grid Bode Diagram 40 20 Gain k = 4 Magnitude (dB) 0 −20 −40 −60 Intégration −80 0 −45 G(p) −90 Premier ordre 1 p+1 Phase (deg) −135 −180 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 Fig.’. VI.G.

35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black. la paternit´ de ce type de repr´sentation est attribu´e e e e e ` Nichols alors qu’inexplicablement la tradition francophone en cr´dite plutˆt Black.2 Dans la litt´rature anglo-saxonne. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants.2.168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI. a e o . VI.15 – Plan de Nichols-Black Remarques VI. 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig. e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI.3 D´finition e Le lieu de Nichols-Black Le lieu de Nichols-Black repr´sente le lieu de transfert dans un plan dont l’abscisse est e l’argument de la r´ponse fr´quentielle en degr´s (φ(ω) deg) et dont l’ordonn´e est le module e e e e de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)).2. La courbe du lieu de transfert e e e dans le plan de Nichols-Black est ´galement une courbe param´tr´e en la pulsation ω et e e e doit donc ˆtre gradu´e de mani`re ad´quate. L’avantage majeur d’une telle repr´sentation est li´ ` la propri´t´ d’additivit´ de l’ame ea ee e plitude exprim´e en d´cibels et de la phase. Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert.

Brown qui travaillent sur les servom´canismes hydrauliques pour la commande e des batteries anti-a´riennes. ` e e e e . Apr`s la guerre.Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif n − e e e m de G(p). Nichols et Phillips. il propose l’abaque dit de Nichols permettant de calculer des ´l´ments de la ee boucle ferm´e ` partir de la connaissance de la boucle ouverte. Taylor Instruments envoie Nichols au MIT afin d’utiliser l’analyseur diff´rentiel de V. Il est embauch´ chez Taylor Intruments a Rochester e e ` o` il collabore au r´glage des lois de commande par PID avec John Ziegler. e e e Quelques caract´ristiques des courbes e Exactement comme dans le plan de Nyquist. Draper et G. Il participe ainsi a un groupe de recherche e ` sur le syst`me de guidage automatique anti-a´rien SCR-584. u e Ils publient ensemble en 1942 un article sur le sujet dans les transactions de l’ASME. Ce travail est publi´ en e a e 1947 dans le volume 25 des monographies du MIT. Bush pour des probl`mes de e e commande.REPRESENTATION GRAPHIQUE 169 Biographie 11 (Nataniel Nichols) Nataniel Nichols est n´ en 1914 dans le Michigan et obtient en 1937 son Master de e Physique de l’universit´ du Michigan. Le fait que le syst`me soit strictement propre implique la pr´sence e e d’asymptotes verticales dans le plan de Nichols-Black. les courbes dans le plan de Nichols-Black poss`dent des caract´ristiques en hautes et basses fr´quences facilitant leur trac´. Theory of servomechanisms par James. On e e e e reprend donc une analyse identique a celle qui a pu ˆtre men´e pr´c´demment.36) Φ(ω) → (n − m)90 deg . Apr`s avoir a ` e e ´t´ directeur de recherches a la Raytheon Manufacturing Company de 1951 a 1955. Il rejoint finalement le ` e control analysis department de Aerospace’s control systems division jusqu’` sa retraite. |G(jω)| → −∞ dB (VI. il retourne a Taylor e ` Instruments de 1946 ` 1950 puis passe un an a l’universit´ du Minnesota. Il est ´galement honor´ par la cr´ation de la m´daille Nichols e e e e de l’International Federation of Automatic Control. il ee ` ` retourne chez Taylor de 1957 a 1963 comme ing´nieur en chef. Il fait ainsi la connaissance de C. A cette e e occasion. Il a est d´c´d´ en 1997.

Il y aura des e u e e e asymptotes verticales si le syst`me comprend une ou plusieurs int´grations.Basses fr´quences : la transmittance est ´quivalente au quotient des termes de plus e e bas degr´ d’o` l’importance de la pr´sence ´ventuelle d’int´grations.17 – Comportement en basses fr´quences e Caract´ristiques d’un premier ordre dans le plan de Nichols-Black L’analyse du e module et de l’argument est en tout point identique a celle faite pour le trac´ dans le plan ` e de Bode. a e . e e −180 −90 | G | dB 2 intégrations 1 intégration 0 intégration Φo Fig.37) Φ(ω) = − tan−1 (ωT ) L’analyse asymptotique conduit imm´diatement a identifier une asymptote verticale e ` ` −90 deg.170 REPONSE FREQUENTIELLE DES SYSTEMES LTI | G | dB − 180 − 90 Φ o n−m = 2 n−m = 1 Fig. On rappelle que : |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI. VI. en hautes fr´quences. VI.16 – Comportement en hautes fr´quences e .

aux hautes fr´quences.3 ξ = 0.02p + p2 ) 8 −135 −90 Open−Loop Phase (deg) −45 0 −70 −180 −135 −90 Open−Loop Phase (deg) −45 0 Lieux de transfert pour ξ variant et ωn = 1 . e e   ω 2 2  2ξ( ωn )  ω2 ω  1 − ω2 + 2ξ ωn dB φ = − tan−1  |G(jω)| dB = −20Log10  n ω2  1− 2 ωn (VI.18 – Lieu de transfert de 1/(1 + p) dans le plan de Nichols-Black Caract´ristiques d’un deuxi`me ordre dans le plan de Nichols-Black De mˆme pour e e e 1 un facteur du deuxi`me ordre du type e .38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg. nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode.01 ξ = 0.5 ξ = 0.REPRESENTATION GRAPHIQUE Nichols Chart −5 171 ω=0 −10 −15 Open−Loop Gain (dB) −20 G(jω ) = 1 1 + jω −25 −30 8 ω −35 −90 −60 Open−Loop Phase (deg) −30 0 Fig.1 ξ = 0. e Nichols Chart 30 Nichols Chart 30 ωn ∼ ω r = ωn 1 − 2ξ2 20 20 10 10 Mr = 2ξ 1 − ξ 2 Open−Loop Gain (dB) 0 Open−Loop Gain (dB) −10 0 −20 −10 ω=0 −20 −30 −40 ξ = 0.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0. VI.

’.58 Phase (deg): −90 Frequency (rad/sec): 1.’r-.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.94 Frequency (rad/sec): 1.04 dB. e Script MATLAB 19 >> G2=tf(1.58 rad/s.172 Exemple VI.G. >> G3=tf(1.’b’).58 System: G3 Gain (dB): −8.[1 2 0]).[1 2]).[1 0]). >> nichols(G2.2.14 Phase (deg): −38.G3. se e construit facilement en d´phasant de −90 deg le point de G3 associ´ et en le translatant e verticalement du gain correspondant a l’int´gration + 12.04 dB et le point correspondant a ω = 1.3 Soit la fonction de transfert : G(p) = On rappelle : |G(jω)| = 20log10 ω→0 REPONSE FREQUENTIELLE DES SYSTEMES LTI 4 p(p + 2) G(jω) = 4 jω(jω + 2) 180 ω tan−1 deg π 2 4 ω 4 + ω2 √ dB φ(ω) = −90 − lim |G(jω)| = ∞ lim φ(ω) = −90 deg lim φ(ω) = −180 deg ω→0 ω→∞ ω→∞ lim |G(jω)| = −∞ La courbe admet une asymptote verticale aux basses fr´quences en −90 deg et en e −180 deg aux hautes fr´quences.3 Frequency (rad/sec): 1. VI.’. ` e .0273 System: G2 Phase (deg): −128 Gain (dB): −3.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12. Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.’g. >> G=tf(4.

VI. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI. il sera ` dit a non minimum de phase.20 montre le diagramme des phases de G1 et de G2 . T2 = 2 .5 (minimum de phase) Un syst`me poss´dant des pˆles et des z´ros situ´s dans le demi-plan complexe gauche et e e o e e ne comprenant pas de retard est dit a minimum de phase.4 Les syst`mes ` non minimum de phase e a ´ Definition VI.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre. e Ce minimum est alors d´pass´ par le d´phasage d’un syst`me de mˆme module ` non e e e e e a minimum de phase. 0 −20 −40 −60 Phase deg −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 10 3 Fig.41) Arg(G2 (jω)) = − tan−1 ω(T1 + T2 ) ω(T1 + T2 ) = 90 deg + tan−1 2T T 1−ω 1 2 1 − ω 2 T1 T2 2 1 + ω 2 T1 2 1 + ω 2 T2 (VI.2.3 Cette d´nomination provient du fait que pour un module identique. Dans le cas contraire. prenons les deux fonctions de transfert e e suivantes ` minimum de phase (respectivement ` non minimum) : a a G1 (jω) = 1 + jωT1 1 − jωT1 G2 (jω) = 1 + jωT2 1 + jωT2 (VI. ` Remarques VI.2.4 Afin d’illustrer au mieux la remarque pr´c´dente.2.40) La figure VI.2. Exemple VI. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.20 – Phases de G1 et G2 pour T1 = 1.REPRESENTATION GRAPHIQUE 173 VI.

nous donnons les lieux de transfert de G a dans le plan de Nyquist.8 1 Fig.2 0 Real Axis 0.6 −0. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase. VI.42) Le module de G(jω) vaut 1 tandis que son argument est donn´e par : e Arg (G(jω) = −2 tan−1 ωT1 0 −20 −40 −60 −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 0 10 1 10 2 10 3 Fig.2 Imaginary Axis 0 −0.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase. A titre d’exemple. Nyquist Diagram 1 0. VI. Si la courbe de gain est connue sur l’ensemble des pulsations.2 −0.4 0.6 0.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 .8 −1 −1 −0.4 0.6 −0.8 0.4 −0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique.6 0.4 −0. le module et la phase sont li´s par une relation e a e biunivoque.8 −0.2 0. les fonctions de transfert G1 et G2 sont reli´es par : e G1 (jω) = G2 (jω) 1 − jωT1 = G2 (jω)G(jω) 1 + jωT1 (VI.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.

[2 1] [1 4]}.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.1.H=tf({1 3.002 s^2 + 0.01 2].45 s + 10 #2: . Dans la a e majorit´ des cas.5 Extension aux syst`mes multivariables e La section I.002 s^2 + 0.[1 0.. 1 #1: ---------------------------------------s^4 + 0. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.REPRESENTATION GRAPHIQUE 175 VI.2.21 s^3 + 7. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie. ´ Definition VI.2.den den}) Transfer function from input 1 to output.2 5]). e Singular Values 0 σ( j ω) Singular Values (dB) −50 −100 −150 σ( j ω) 10 −1 10 0 10 Frequency (rad/sec) 1 Exemple VI.21 s^3 + 7.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.6 (lieu de transfert multivariable) La repr´sentation graphique de la r´ponse fr´quentielle d’un syst`me multivariable consiste e e e e ` tracer les gains principaux du syst`me multivariable dans le plan de Bode.5 (mod`le deux entr´es .{den den.2. Cela impose donc le plan de Bode e e comme seul outil disponible.2 a montr´ que la r´ponse fr´quentielle des mod`les LTI multivariables e e e e est compl`tement caract´ris´e par les gains principaux (valeurs singuli`res) qui sont des e e e e fonctions de la pulsation ω..

002 s^2 + 0.21 s^3 + 7.45 s + 10 #2: >> sigma(H) >> grid . 3 #1: ---------------------------------------s^4 + 0.21 s^3 + 7.45 s + 10 s + 4 ---------------------------------------s^4 + 0.176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.002 s^2 + 0...

. dans le mˆme ) e plan de Nyquist.) : trace les lieux de transfert de sys1. ) nyquist(sys1...freqs) : cr´e un mod`le frd stockant la r´ponse fr´quentielle res) e e e e ponse pour les points contenus dans freqs..VI.w) : calcule la r´ponse fr´quentielle du syst`me LTI sys aux pulsa) e e e tions contenues dans le vecteur w.) : trace les lieux de transfert de sys1. e ) sigma(sys1... sys2...1 Fonctions MATLAB Fonctions de trac´ de la r´ponse fr´quentielle e e e ) sys=frd(response. ) e dans le mˆme plan.3. sys2.. ) bode(sys1. ) nichols(sys1.sys2. ) bodemag(sys1. sys2.3... dans le mˆme plan ) e e de Bode... dans le mˆme plan ) e de Bode.sys2..3 VI.sys2... ) ltiview : ouvre l’interface graphique permettant de tracer la r´ponse fr´quentielle ) e e dans diff´rents plans au choix... ) H=freqresp(sys.) : trace les lieux de transfert de sys1....) : trace les valeurs singuli`res de sys1.) : trace le diagramme de Bode du gain des syst`mes sys1...... sys2. FONCTIONS MATLAB 177 VI.sys2.... e . dans le mˆme plan ) e de Nichols-Black..sys2.sys2.

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

biographie). e ` ea 179 .1. la th´orie des syst`mes de commande a contre-r´action est introe e ` e duite pour tout ce qui concerne les aspects d’analyse. e e Cette id´e de contre-r´action n´gative est principalement due a l’ing´nieur en g´nie e e e ` e e ´lectrique Harold Black qui l’a appliqu´ aux amplificateurs utilis´s dans les communicae e e tions longues distances (cf. Dans ee e e la suite de ce cours. Dans un premier temps. seuls les syst`mes monovariables sont trait´s. d´termine l’´cart entre e e ee e e e les deux et produit un signal de commande dont le but est de r´duire cet ´cart a 0 ou e e ` de le rendre tr`s faible. VII. il existe deux structures baee e siques de commande des syst`mes dynamiques : la commande en boucle ouverte et la come mande en boucle ferm´e (asservie). En r´sum´. le principe fondamental consiste ` observer les effets e e e a des actions que l’on produit et de les corriger en fonction des r´sultats observ´s.1.Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif. Jusqu’` pr´sent. Cette e e structure est illustr´e figure VII. Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e.1 Principe de la contre-r´action e Un syst`me de commande automatique a contre-r´action compare la valeur r´elle de la e ` e e sortie du syst`me avec l’entr´e de r´f´rence (la valeur souhait´e). nous nous sommes essentiellement e a e attach´s ` l’´tape de mod´lisation et d’analyse des propri´t´s des syst`mes dynamiques e a e e ee e consid´r´s en tant que tels et d´connect´s de la structure de commande choisie. Adopter une telle structure de commande induit bien e entendu un certain nombre d’avantages mais aussi quelques inconv´nients que nous allons e d´tailler a travers un exemple simple emprunt´ ` [13].

Il s’agit donc de renvoyer une proportion du signal de communication sur l’entr´e de l’amplificateur afin d’am´liorer e e la qualit´ du signal en sortie. Cette id´e est appliqu´e e e e e e initialement afin d’am´liorer les communications t´l´phoniques longues distances avant e ee d’ˆtre fondatrice de la th´orie moderne des asservissements et de l’Automatique. ee En 1927. e On suppose que l’´quation du mouvement associ´e au d´placement du v´hicule est e e e e une ´quation diff´rentielle du premier ordre. e e √ ρc 2 (VII. m est la masse du v´hicule et ρ et c sont des constantes. Black a l’id´e d’utiliser une contre` e r´action n´gative afin de r´duire la distorsion en contre-partie d’une e e e perte d’amplification. 2 102 671) qui ne sera enregistr´ que neuf e e e ann´es plus tard du fait de l’incr´dulit´ du bureau des brevets. Apr`s ses ann´es d’´tudes.No. VII. neuf c e prix ainsi que de nombreux autres titres honorifiques.180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. Process Sortie Fig. e e e Le sch´ma de principe est alors le suivant. Black) Harold Stephen Black est n´ le 14 Avril 1898 a Leominster dans le Massachussetts. Ne disposant d’aucun autre support que son journal matinal e (le New York Times) il couche son id´e sur une des pages du journal (cf. e .1) u(t) − vn (t) vn (t) = ˙ m e e e o` vn = v/vmax est la vitesse normalis´e du v´hicule ´voluant entre 0 et 1. Il d´pose un brevet (21 D´cembre 1937 . il rejoint les laboratoires de West e e e Street de la Western Electric a New York. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action. Il est e ` diplˆm´ de l’Institut Polytechnique de Worcester en 1921 puis re¸oit du mˆme institut o e c e un doctorat honorifique. Il publie modulation theory en 1953. u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1. ancˆtres des laboratoires Bell Telephone. Il meurt en 1983. Harold e e Black fait partie du Hall of Fame des inventeurs depuis 1981 et a re¸u 10 m´dailles. photo du chapitre e 1). Perturbation Système de commande Entrée de référence + Ampli. sur le trajet matinal de l’Hudson River sur le ferry Lackawanny pour aller a son travail. Il ` e travaille alors sur la r´duction de la distorsion dans les amplificateurs de puissance pour e les communications t´l´phoniques longues distances.1 – Sch´ma de principe d’un asservissement e Il s’agit d’un syst`me de commande automatique de vitesse de croisi`re d’un v´hicule.

3) Il est alors possible de proposer une repr´sentation d’´tat non lin´aire de cette mod´lisation e e e e e en choisissant le vecteur d’´tat : x(t) = [vn (t) u(t)] et l’entr´e comme e(t) = vnr (t).4) x2 (t) = −kx1 (t) + ke(t) ˙ Ce syst`me d’´quations diff´rentielles est simul´ ` l’aide de SIMULINK suivant le e e e e a sch´ma suivant : e e e1 Constant1 x20 1 e s Integrator1 k Sum1 k Sum4 1 s Integrator3 al Sum2 alpha x2 x2 x1 x1 1 s Integrator2 2 u Math Function 1 s Integrator4 x10 Constant Sum3 t Clock time Fig. SYSTEMES DE COMMANDE A CONTRE-REACTION Perturbation Ouverture des gaz u Correcteur vr − vr − v Véhicule 181 Vitesse de référence + Vitesse du véhicule v Fig.2 – Commande de la vitesse de croisi`re d’un v´hicule e e La loi de commande associ´e ` la fonction de correction est choisie comme. VII.3 – Sch´ma SIMULINK de l’exemple voiture e .1. e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (VII.` ` ´ VII. e a u(t) = k(vnr (t) − vn (t)) ˙ (VII.2) o` la constante k est ` choisir par le concepteur du syst`me de commande. Ce type de loi u a e de commande est qualifi´e d’int´grale puisque. VII. e √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (VII.

La valeur satisfaisante e e du gain de l’action int´grale r´alisant un compromis acceptable entre la rapidit´ de la e e e r´ponse et le d´passement semble donc ˆtre k = 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.02.05 0.6 e ee e ` ` l’instant 10 s. 0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0.02.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.1 et k = 0.08. a Quelle que soit la valeur du gain de l’action int´grale k.05.06 correspondant a des accroissements respectifs ` pour k = 0.4. la r´ponse du syst`me pr´sente un d´passement entrainant un temps d’´tablissement e e e e e relativement lent alors que pour k = 0.08.56 k=0. = 0. e e On peut remarquer sur la figure VII.6. que pour les valeurs k = 0. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis.02 v 0.6 k=0.08. 0. Le signal de r´f´rence est donc un ´chelon passant de 0.1}.62 k=0.1 k=0.08 0. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0.05. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.05 et m m de masse de 20% et 40%.54 0.52 0. 0. la r´ponse est tr`s lente.4 – R´ponse indicielle pour k variant e On souhaite maintenant ´tudier la robustesse de ce sch´ma de commande vis-`-vis de e a √ e ρc variations du param`tre e et en particulier de la masse.5 a 0. .6.58 0. VII. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0. On refait donc les simulations m √ √ ρc ρc = 0.1 s et pour diff´rentes valeurs de k ∈ {0.

4 0.65 0.62 183 0.1. SYSTEMES DE COMMANDE A CONTRE-REACTION 0.5 0. e a e Si l’on consid`re des conditions r´alistes.6 0.7 0.` ` ´ VII. 0.45 avec perturbation 0.52 0. e e e e . le v´hicule ralentit dans un premier temps e pour ensuite de nouveau acc´lerer afin d’atteindre la vitesse de croisi`re d´sir´e.58 0.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.55 v 0. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.5 – R´ponse indicielle pour des variations de masse e On peut donc conclure a une certaine insensibilit´ du syst`me de commande de la ` e e vitesse de croisi`re vis-`-vis des variations de masse du v´hicule.6 sans perturbation 0.54 0.5) x1 (t) + x2 (t) + p(t) x1 (t) = − ˙ m m Cette perturbation est mod´lis´e comme un ´chelon de position n´gatif intervenant en e e e e t = 20 s. VII. e √ √ ρc 2 ρc (VII. VII. il est ´galement n´cessaire de prendre en e e e e compte la possibilit´ de perturbations affectant le v´hicule telles que des raffales de vent e e ou un rev`tement de la route imparfait.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.56 v 0.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.

r est le signal de r´f´rence que doit suivre la sortie ee . a travers l’introduction de e e e ` la perturbation. r + − ζ K(p) b + + ν u G(p) y + + w Fig. En e e e effet. un syst`me stable en boucle ouverte peut devenir instable en boucle ferm´e si e e l’action correctrice est choisie de mani`re inad´quate.La structure de commande a contre-r´action implique le plus souvent de disposer ` e d’un capteur mesurant la sortie.2 Caract´risation des syst`mes de commande ` contre-r´action e e a e Jusqu’` pr´sent. Nous d´finissons ainsi un sch´ma fonctionnel plus complet incluant un signal de e e e perturbation b et un signal de bruit de mesure w. ` e . Les bruits et les erreurs de mesure associ´s ` cette e a op´ration peuvent entrainer des pertes de pr´cision.1.u est la commande issue du correcteur K(p) .y est la sortie du syst`me e . e .7 – Sch´ma bloc avec perturbation et bruit e o` : u . on peut mettre en ´vidence les propri´t´s fondamentales de e ee la structure de commande a contre-r´action. e e . .Robustesse du syst`me boucl´ vis-`-vis de variations param´triques e e a e .Am´lioration du rejet de perturbation en boucle ferm´e e e Cette structure de commande souffre toutefois de d´fauts qui rendent son utilisation e parfois d´licate.Le probl`me de stabilit´ est plus crucial en boucle ferm´e qu’en boucle ouverte.Am´lioration de la pr´cision en boucle ferm´e e e e . e e VII. que d’autres transferts peuvent ˆtre int´ressants ` consid´rer afin d’avoir e e a e une vision plus compl`te des probl`mes pos´s par la structure de commande a contree e e ` r´action.184 ANALYSE EN STABILITE DES SYSTEMES BOUCLES A partir de cet exemple. nous avons principalement d´fini les transferts en boucle ouverte et a e e en boucle ferm´e.Cette structure pose ´galement des probl`mes de saturation des signaux de come e mande qui sont tr`s largement amplifi´s par une action correctrice ( a grand gain) e e (` ). L’exemple de la section pr´c´dente induit. VII.

diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) . SYSTEMES DE COMMANDE A CONTRE-REACTION .b est le signal des perturbations = r − y est le signal d’erreur 185 . a S(p) + T(p) = 1 (VII.1.6) u(p) = K(p)ζ(p) ζ(p) = r(p) − w(p) − y(p) Cela permet de d´terminer les relations en boucle ferm´e entre la sortie exog`ne et les e e e entr´es exog`nes : e e y(p) = (1 + G(p)K(p))−1 G(p)b(p)+ (1 + G(p)K(p))−1 G(p)K(p) (r(p) − w(p)) S(p) T(p) (VII. La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle.8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc.1.9) Un signal permettant d’analyser la pr´cision du syst`me est celui de l’erreur (p) : e e (p) = S(p)r(p) − S(p)G(p)b(p) + T(p)w(p) (VII. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII.1 (sensibilit´ et sensibilit´ compl´mentaire) e e e Les fonctions de transfert S(p) et T (p) sont appel´es respectivement fonction de sensibie lit´ et fonction de sensibilit´ compl´mentaire.10) Afin de conserver un certain contrˆle sur l’amplitude de la commande d´livr´e et de la o e e commande re¸ue.` ` ´ VII.w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel. il est ´galement n´cessaire de connaˆ les transferts de ces commandes c e e ıtre aux entr´es exog`nes : e e u(p) = K(p)S(p)(r(p) − w(p)) − T(p)b(p) (VII.ν est le signal de commande entrant r´ellement dans le syst`me e e . e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (VII.7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII.7) ´ Definition VII.

L’effort de commande est faible si l’amplitude de S(p)K(p) et de T (p) est faible.1.T (p) repr´sente l’influence des bruits de mesure sur la sortie et l’erreur et l’influence e de la perturbation sur la commande d´livr´e. e e .S(p)K(p) repr´sente l’influence de la r´f´rence et des bruits de mesure sur les come ee mandes. e e . .Un bon suivi du signal de r´f´rence implique une fonction de sensibilit´ S(p) faible ee e en amplitude. Ces objectifs de commande sont contradictoires et devront faire l’objet de compromis lors de la synth`se du syst`me de commande. e e Exemple VII.Une bonne rejection des perturbations sera obtenue pour S(p)G(p) faible. Objectifs de commande Compte tenu des relations ´tablies pr´c´demment et de l’analyse qui les suit. e e .7 avec : e G(p) = On obtient alors ais´ment : e S(p) = p2 (1 + p) p3 + p2 + 2p + 1 2p + 1 p3 + p2 + 2p + 1 K(p)S(p) = (1 + 2p)p2 (1 + p) (1 − p)(p3 + p2 + 2p + 1) 1−p p3 + p2 + 2p + 1 p2 (1 1−p + p) K(p) = 1 + 2p 1−p (VII.12) T (p) = G(p)S(p) = .S(p) repr´sente le transfert entre la r´f´rence et l’erreur et entre la perturbation et e ee la commande d´livr´e.186 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le sch´ma fonctionnel pr´c´dent fait donc apparaˆ e e e ıtre quatre fonctions de transfert importantes appel´es fonctions de sensibilit´ : e e S(p) S(p)G(p) T(p) S(p)K(p) o` : u .S(p)G(p) repr´sente l’influence de la perturbation sur la sortie et l’erreur. e . .Les bruits de mesure seront att´nu´s si l’amplitude de T (p) est faible sur la plage e e de fr´quence concern´e. la e e e synth`se du correcteur K doit ob´ir aux diff´rents objectifs suivants : e e e .1 (fonctions de sensibilit´) e Soit le sch´ma d’asservissement de la figure VII. .La commande d´livr´e au syst`me est faible si S(p) et S(p)K(p) sont d’amplitude e e e faible.

MATLAB ne a e simplifie pas les pˆles et z´ros identiques.s^2 ----------------s^4 + s^2 . >> K=tf([2 1]. >> L=G*K Transfer function: 2 s^2 .1 ------------s^4 . SYSTEMES DE COMMANDE A CONTRE-REACTION Script MATLAB 21 >> G=tf([-1 1].s .s .s .1 >> GS=G*S Transfer function: -s^5 + s^4 + s^3 . o e .s^4 + 2 s^3 + s^2 --------------------------s^5 .1.2 s^3 .[1 1 0 0]).1 ----------------s^4 + s^2 .s^2 ----------------------------s^7 + s^6 + s^5 .s .s^2 >> S=inv(1+L) Transfer function: s^4 .1 >> T=1-S Transfer function: 2 s^2 .[-1 1]).s^4 + s^3 .` ` ´ VII.s^2 >> KS=K*S Transfer function: -2 s^5 .2 s^2 + 1 187 Il est ` noter qu’effectuant les op´rations sur les fonctions de transfert.

188 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Bode Diagram 20 0 Magnitude (dB) −20 S GS KS T −40 −60 −80 −100 360 Phase (deg) 180 0 −180 10 −2 10 −1 10 0 10 1 10 2 Frequency (rad/sec) .

1 (contour de Nyquist) e On d´finit le contour de Nyquist CN comme le contour dans le plan complexe constitu´ e de l’axe imaginaire compl´t´ [−j∞ . e e . j∞] et d’un demi-cercle centr´ en (0. Il est orient´ dans le sens antitrigonom´trique.13) Nous rappelons que le syst`me est stable asymptotiquement en boucle ferm´e si et e e seulement si ce polynˆme caract´ristique a des racines a partie r´elle strictement n´gative. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e. a r + − ζ K(p) u G(p) y Fig.2.´ ` ´ VII.14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit.15) G(p)K(p) 1 + G(p)K(p) (VII. VII.2.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII. La forme e e initiale du crit`re s’applique aux syst`mes mono-entr´e mono-sortie mais peut ´galement e e e e ˆtre ´tendue aux syst`mes multivariables et fait essentiellement appel a des r´sultats e e e ` e d’analyse complexe sur les transformations conformes et en particulier le th´or`me de e e Cauchy. e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII. K(p) = NK (p) DK (p) (VII. Le crit`re de o e e e Nyquist est un crit`re graphique qui permet de conclure quant a la stabilit´ de la boucle e ` e ferm´e par la seule connaissance de la boucle ouverte.1 Le crit`re de Nyquist e Le crit`re de stabilit´ de Nyquist est un crit`re graphique fr´quentiel de stabilit´ e e e e e fond´ sur le trac´ du lieu de transfert en boucle ouverte dans le plan de Nyquist. 0) de rayon ee e infini incluant le demi-plan complexe droit. quand l’assere e e vissement est ` retour unitaire.2. la sensibilit´ compl´mentaire T (p). o e ` e e On souhaite toutefois d´cider de la stabilit´ de la boucle ferm´e sans avoir a calculer e e e ` explicitement le polynˆme caract´ristique en boucle ferm´e et ses racines.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps. e VII. ´ Definition VII.

le sym´trique par rapport a l’axe ox du lieu de transfert K(jω)G(jω) qui correspond e ` au lieu de transfert K(jω)G(jω) pour ω ≤ 0 8 Re 8 Re -j ρ . la fonction de transfert K(p)G(p) parcourt le lieu de Nyquist complet.190 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Il ne doit pas contenir de singularit´s de la fonction de transfert en boucle ouverte.9 – Contours de Nyquist simple et modifi´ e L’indentation en 0 pour un syst`me comprenant des int´grations peut ˆtre d´taill´e e e e e e comme suit : Im jρ ρ θ 0 Re Fig. e o e on d´finit alors le contour de Nyquist modifi´ comprenant des indentations en la e e localisation des singularit´s critiques. Il est constitu´ par : e . VII. e ´ Definition VII. e Contour de Nyquist Im Contour de Nyquist modifié : système avec 1 intégration Im r= r= Fig.10 – Indentation pour une int´gration e Sur le contour modifi´ p = ρejθ avec ρ → 0 et −π/2 ≤ θ ≤ π/2.le lieu de transfert de K(p)G(p) dans le plan de Nyquist K(jω)G(jω) pour ω ≥ 0 .2 (lieu de Nyquist complet) Quand p = σ + jω parcourt CN . θ variant dans le sens e trigonom´trique.2. Si e la fonction de transfert en boucle ouverte poss`de des pˆles ou z´ros sur l’axe imaginaire. VII.

1 1.2.Calculer la boucle ouverte de l’asservissement consid´r´.1 Le syst`me ` contre-r´action de la figure VII. o a e Afin d’appliquer correctement le crit`re de Nyquist.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.17) 1. ` G(p) = K p(1 + T p) T >0 K>0 (VII.Compter le nombre P de pˆles instables de la boucle ouverte. 0). il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p).Dans le cas o` le contour de Nyquist a une indentation. CN o 2.Tracer son sym´trique par rapport a l’axe ox.ANALYSE EN STABILITE DES SYSTEMES BOUCLES .La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e . 4. le lieu de Nyquist est complet et ferm´.Tracer le lieu de Nyquist complet de la boucle ouverte.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII. Le nombre Z de o racines instables du polynˆme caract´ristique en boucle ferm´e ob´it ` la relation : o e e e a Z = P− N (VII.8 est stable asymptotiquement si et seulement e a e si le lieu de Nyquist complet de la boucle ouverte K(p)G(p) fait un nombre de tours comptabilis´s dans le sens trigonom´trique autour du point critique (−1.2. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist . o e e . Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant.2. . fermer le lieu de u Nyquist.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte. 3.16) Exemple VII.

Le trac´ du lieu de Nyquist complet implique les calculs suivants.18) Re[G] = −K Im[G] = 2 ω 2 + 1) ω(T 8 Re T 2ω2 0 - Im r= + 8 8 -KT Re 8 0 + Fig.192 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Im r= Fig.11 – Exemple : contour de Nyquist 2. VII.12 – Exemple : lieu de Nyquist complet .19) (VII. VII. e G(jω) = K jω(T jω + 1) −KT +1 (VII.

N = 0.20) K K G(p) ∼ ∼ e−jθ p ρ 3.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e .2 (crit`re du revers) e Si le syst`me en boucle ouverte est stable et a minimum de phase (pˆles et z´ros ` partie e ` o e a r´elle strictement n´gative) alors le syst`me est stable asymptotiquement si et seulement e e e si le point critique est laiss´ ` gauche (resp.2. Ce crit`re peut s’appliquer e e e e e indiff´remment dans le plan de Nyquist et dans le plan de Nichols-Black.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation.2. Le syst`me est donc stable asymptotiquement. e ´ ` Theoreme VII. p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII. a droite) quand on parcourt le lieu de transfert ea ` dans le plan de Nyquist (dans le plan de Nichols-Black) dans le sens des ω croissants. Dans certains cas particuliers et sous certaines hypoth`ses.P = 0. il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers. 4. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII. Im Im −1 Re −1 Re K(j ω)G(j ω) K(j ω)G(jω ) Fig.2 Le crit`re du revers e Le crit`re de Nyquist peut ˆtre appliqu´ sans restriction mais peut ˆtre parfois lourd a e e e e ` utiliser. VII.

194 | | ANALYSE EN STABILITE DES SYSTEMES BOUCLES dB | | dB −180 K(jω )G(j ω) Φ o K(j ω)G(j ω) Φ o −180 stable instable Fig.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente. Il est donc indispensable de prendre en compte la stabilit´ interne e e du syst`me ` travers la stabilit´ de tous les transferts d´finis pr´c´demment. les fonctions de sensibilit´. e a e e e e .2.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII. Dans le § VII. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement. En effet. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement. nous avons d´fini un certain nombre e de transferts. VII.1.7 pour lequel les donn´es de l’exemple VII.7 incluant une perturbation e et un signal de bruit de mesure.1. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII.1 e e e sont reprises. Cela signifie que de faibles variations sur les bruits de mesure et sur le signal de r´f´rence vont r´sulter en de fortes variations sur les commandes voire en signaux de ee e commande satur´s. VII.2. nous nous sommes principalement attach´s ` ´tudier la e e e a e stabilit´ de la fonction de transfert en boucle ferm´e ` partir de la donn´e de la fonction e e a e de transfert en boucle ouverte. G(p) = p2 (1 1−p + p) K(p) = 1 + 2p 1−p Les fonctions de sensibilit´ associ´es ` cet asservissement se calculent comme : e e a S(p) = p2 (1 + p) p3 + p2 + 2p + 1 p3 2p + 1 + p2 + 2p + 1 K(p)S(p) = (1 + 2p)p2 (1 + p) (1 − p)(p3 + p2 + 2p + 1) p3 1−p + p2 + 2p + 1 T (p) = G(p)S(p) = La fonction de transfert K(p)S(p) a un pˆle ` partie r´elle positive 1 et est de ce fait o a e instable.

On dit alors qu’elle est bien pos´e.15 ainsi d´finie a un sens. VII. e e ´ Definition VII. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES Notion de bien pos´ et d´finition e e La notion de stabilit´ interne est d´finie ` partir du paradigme suivant : e e a G + + v2 + v + 195 u v1 K Fig. .2.2. l’interconnection s’´crit : x = Ax + Bu ˙ v = Cx + Du xK = AK xK + BK v ˙ u = CK xK + DK v Le syst`me boucl´ est stable de mani`re interne si l’origine (x. 0) est asympe e e totiquement stable.2.4 (stabilit´ interne) e Soient les repr´sentations minimales d’´tat de G et de K : e e K(p) : = AK BK CK DK G(p) : = A B C D −1 = 1 −K −G 1 u v e Pour v1 = v2 = 0. xK ) = (0.3 (bien pos´) e La boucle a contre-r´action de la figure VII. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat. e ´ Definition VII.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres. il est n´cessaire de s’assurer que e e e la boucle de la figure VII.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre.

7).Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement. >> L=G*K.On retrouve les quatre fonctions de transfert particuli`res ` un changement de signe e a pr`s dˆ ` la convention qui est ici d’une contre-r´action positive.5 1]))).21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.[2 1])). v sont stables asymptotiquement.conv([0. Pour tous les signaux e e d’entr´e born´s (v1 .2.[0. e Script MATLAB 22 >> G=tf([10].1. .5p + 1)2 (0. ν2 aux sorties e e u.1 a .9878 -3.conv([0. les signaux de sortie (u.2326 .conv([5 1].2. e e . >> S=inv(1+L). e ua e Exemple VII.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII. >> pole(S) ans = -19.Test espace d’´tat : l’interconnection est stable de mani`re interne ssi e e 1 −DK −D 1 existe et A 0 0 AK + B 0 0 BK 1 −DK −D 1 −1 −1 0 CK C 0 est stable asymptotiquement.Test entr´e-sortie : la boucle ` contre-r´action de la figure VII.2326 + 1. v) sont born´s. v2 ).2.1434 -0.15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 .05 1].5 1]. Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.1023i . la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands. >> K=tf([1 1].196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII.1023i -0.3 .

.2326 + 1. >> Abf=[A zeros(3.0000 -2. .CK. >> sysK=ss(K).1.1. >> pole(T) ans = -19.1023i -1. >> [A.1035 -0. >> [AK. zeros(2.1035 -0.D]=ssdata(sysG).1023i 1.2326 .2000 + + - 1.2)].1023i -1..0000i >> KS=K*S.1) BK]*inv([1 DK.DK]=ssdata(sysK).C.1).-D 1])*[zeros(1.9878 -3.1035 >> T=1-S.1023i 0.9878 -3..1023i -0.9878 -3. >> pole(GS) ans = -19.B.5000 >> sysG=ss(G).3) AK]+[B zeros(3. >> pole(KS) ans = -20.C zeros(1.2326 + 1.0000i 0.2326 -0.1035 >> GS=G*S.1434 -0.2326 -2.0000 -1.1434 -0.2).3) -CK.1434 -0.BK.1023i -0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.2326 .zeros(2.0000 -19.

1p + 10 En appliquant le th´or`me du faible gain. e e e .[1 1]).2.9878 -0.1.2 .2326 .1035 Le th´or`me du faible gain e e Les tests pr´c´dents n´cessitent de calculer les pˆles de 4 fonctions de transfert en e e e o boucle ferm´e ou les valeurs propres de la matrice dynamique en boucle ferm´e. . Ce r´sultat connu sous le nom du th´or`me e e a e e e du faible gain donne une condition suffisante facile a tester qui permet de conclure a la ` ` stabilit´ interne d’un paradigme du type de la figure VII.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).22) Remarques VII.1023i -0. Cela peut e e ˆtre num´riquement lourd et l’on pr´f`re souvent appliquer une m´thode plus restrictive e e ee e mais aussi plus l´g`re ` mettre en oeuvre.4 On suppose que G(p) et K(p) sont asymptotiquement stables. e e Exemple VII.15. on obtient : e e max |K(jω)G(jω)| = 0.Ce r´sultat est moins fort que le th´or`me de Nyquist puisque l’on suppose la stae e e bilit´ la boucle ouverte et que ce th´or`me ne constitue qu’une condition suffisante. >> L=G*K.1434 -1.2.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.1 10]).2326 + 1.1p p+1 1 p2 + 0.[1 0.2. e e >> G=tf([1].3015 ω Le syst`me est stable de mani`re interne.1 0].15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII. L’interconnection pr´sent´e e e figure VII. e ´ ` Theoreme VII.1023i -3.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19. >> K=tf([0.

la stabilit´ absolue e e e telle qu’elle peut ˆtre attest´e par le crit`re de Nyquist n’est pas l’unique indice pertinent.16 – Courbe de gain dans Bode de L VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. Dans le domaine temporel. cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement. . le pic de r´sonnance Mr peut ´galement servir a cet effet.3015 Bode Diagram −10 −20 −30 −40 Magnitude (dB) −50 −60 −70 −80 −90 −100 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig.inf) ans = 0. Cette distance peut ˆtre mesur´e dans deux e e directions diff´rentes donnant lieu ` la d´finition de la marge de phase et de la marge de e a e gain. e e e La mani`re dont un syst`me est stable est ´galement primordiale et conduit a l’´tude de la e e e ` e stabilit´ relative du syst`me boucl´. VII.2. j0) dans le plan de Nyquist. Dans le domaine e e e ` fr´quentiel.4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la e e e a boucle ouverte Stabilit´ relative e Dans l’analyse qualitative que l’on peut faire d’un syst`me boucl´. Un autre moyen e e de mesurer le degr´ de stabilit´ relative dans le domaine fr´quentiel consiste ` mesurer la e e e a distance du lieu de transfert en boucle ouverte au point critique d´fini comme le point e d’affixe (−1.

Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.2. e e e Im 1 |G| dB MΦ ωco 0 dB Φo Kg −1 MΦ ωco ω−180 Re Kg ω−180 −180 Nyquist Black−Nichols Fig.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black . La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.2.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).23) o` ωco est la pulsation de coupure a 0 dB (gain-crossover frequency) de la fonction de u ` transfert en boucle ouverte : L(jωco ) = 0 dB ´ Definition VII.3 Pour un syst`me ` minimum de phase. Arg[L(jω−180o )] = −180o (VII.6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII. VII.25) (VII.2. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable.26) Remarques VII.

1 0].[1 0.42 rad/sec) 20 10 0 Magnitude (dB) Phase (deg) −10 −20 −30 −40 −50 −60 90 0 −90 −180 10 −2 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Script MATLAB 23 >> G=tf(1.2. VII. >> L=K0*G*K.[1 1]).8 deg (at 4. Bode Diagram Gm = Inf dB (at Inf rad/sec) . >> K0=100. >> K=tf([0. Pm = 25.3 et l’on rajoute un gain K0 = 100 dans la boucle.4 On reprend l’exemple V.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 201 |G| dB 0 ω co ω -180 Kg ω rad/s Φο −180 MΦ ω co ω -180 ω rad/s Fig.5 10]).18 – Marges de gain et de phase dans le plan de Bode Exemple VII.2.42 rad/s. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25. >> margin(L) . 8 deg pour ωco = 4.

202 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Les marges pour ce syst`me sont ´galement repr´sent´es dans les plans de Nyquist et e e e e de Nichols-Black.20 – Plan de Nichols-Black .00322 Phase (deg): −154 Frequency (rad/sec): 4. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.449 Frequency (rad/sec): 4. VII.19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.908 Imag: −0. VII.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig.

e Nyquist Diagram 2 1. VII.2. e e ´ Definition VII.5 −1 −1.27) Im −1 ∆M 1 Re G(jω ) Fig.21 – Marge de module dans le plan de Nyquist Exemple VII.22 – Marge de module dans le plan de Nyquist . Une mesure plus objective est d´finie par la marge de module. VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig. c’est donc le rayon du cercle de centre le point critique (−1.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte.5 On poursuit l’exemple V.3 avec le mˆme gain K0 = 100 dans la boucle. ∆M = 1 1 = MS max |S(jω)| ω (VII.2. Dans le plan de Nyquist. 0) et tangent au lieu de transfert.2.5 Imaginary Axis 0 −0.5 1 0.

6 (VII. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII.[1 0.5 10]).6 On poursuit l’exemple pr´c´dent. >> L=K0*G*K.14 Magnitude (dB): 15. >> K0=100.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.40911. e e Bode Diagram 20 System: L Frequency (rad/sec): 3.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir. >> K=tf([0.1 0]. On trouve ωr = 3.[1 1]). VII.14 rad/s et Mr = 15.2. >> S=inv(1+L).6 dB. Script MATLAB 24 >> G=tf(1. >> Mod=inv(norm(S.28) 10 0 −10 Magnitude (dB) −20 −30 −40 −50 −60 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig.inf)) Mod = 0.2.23 – Pulsation de r´sonnance e .

VII. il s’agit de construire un abaque e a permettant de connaˆ des ´l´ments fr´quentiels de la boucle ferm´e ` partir du trac´ ıtre ee e e a e du lieu de transfert en boucle ouverte.29) o` F (p) est la fonction de transfert en boucle ferm´e.ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ Definition VII. VII. e L(p) est suppos´e telle que la boucle ferm´e e e jω (point critique) −1 P θ α−θ ωA A Φ 0 α σ L(j ω) Fig.2. Le lieu de trasnfert 1 + L(p) est trac´ dans le plan de Nyquist et diff´rents ´l´ments g´om´triques le caract´risant sont e e ee e e e d´finis.9 (facteur de qualit´) e Le facteur de qualit´ est d´fini par : e e Q= max|F(jω)| |F(jωr )| = |F(0)| |F(0)| 205 (VII. u e Ce coefficient est ´galement appel´ coefficient de r´sonnance ou coefficient de surtene e e sion. M-cercles et N-cercles Etant donn´ un asservissement ` retour unitaire. Nous examinons en premier lieu la m´thode pour e le plan de Nyquist.24 – Asservissement a retour unitaire ` L(p) est stable.25 – Lieu de Nyquist . r + − u L(p) y Fig.

l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist. u e e ´ Definition VII.Les lieux d’amplitude constante en boucle ferm´e sont appel´s les M-cercles et ont e e pour ´quation : e X+ M M2 − 1 2 + Y2 = M2 (M2 − 1)2 (VII. les lieux d’amplitude constante et de phase constante en boucle ferm´e.30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII.32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e.34) o` N = tan(α). e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII. . u A partir de ces M-cercles et de ces N-cercles.707.2. L’intersection de L(jω) avec e les M-cercles et les N-cercles donnent les valeurs de M et N en des pulsations donn´es e e e comme il est indiqu´ par les figures suivantes.Les lieux de phase constante en boucle ferm´e sont appel´s les N-cercles et ont e e pour ´quation : e 1 (X + 1/2) + Y − 2N 2 2 = 1 1 + 4 (2N)2 (VII. le pic de r´sonnance Mr est d´termin´ e e comme le plus petit M-cercle tangent avec le lieu de transfert en boucle ouverte alors que ` la pulsation de r´sonnance ωr correspond a la pulsation de point d’intersection. Ainsi.10 (M-cercles et N-cercles) . La bande e passante a −3 dB du syst`me en boucle ferm´e est la pulsation du point d’intersection du ` e e lieu de transfert avec le M-cercle M = −0. il s’agit de calL(jω) .33) . il est possible de tracer des abaques utilis´s e afin de d´terminer l’amplitude et la phase en boucle ferm´e ` partir de la connaissance du e e a lieu de transfert de la boucle ouverte trac´ sur les abaques. On note.206 − → OA repr´sente L(jωA ). culer pour chaque pulsation donn´e.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII.

833 0.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.5 Fig.5 −2 −1.5 2.26 – Abaque des M-cercles L’utilisation de l’abaque des N-cercles est compl`tement identique ` celui des M-cercles e a et n’est donc pas d´taill´e ici.5 Im G 0 −90o −60o −45o −1.3 1. Un exemple d’abaque est donn´ ` la figure VII.707 M = 1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.27 – Abaque des N-cercles .707 0. VII. VII.5 −2. e e ea 2.5 60o 90o 0.5 Re ω r (Mr = 2) M=0 Fig.5 2 2.5 0 Re G 0.5 −36 o −0.67 0.5 −1 −0.27.5 1 1.2 1.5 30o (−150o) 36o 45 1 o 2 1.5 −1 −30o −2 −2.

e ω = 2.28 – Exemple : abaque des M-cercles Abaque de Hall-Nichols Un inconv´nient majeur de l’utilisation des abaques des M-cercles et des N-cercles e est que la forme g´n´rale de la courbe du lieu de tranfert dans le plan de Nyquist n’est e e g´n´ralement pas conserv´e lors de modifications mˆmes ´l´mentaires de la fonction de e e e e ee transfert (changement de la valeur du gain par exemple).7 En reprenant l’exemple pr´c´dent.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig.92 Frequency (rad/sec): 3.62 rad/s ωr = 4. Ainsi ` partir de la figure VII. De la mˆme mani`re que des abaques ont ´t´ d´velopp´s dans le plan de Nyquist e e ee e e pour passer de la boucle ouverte a la boucle ferm´e. ` Le principe est identique ` celui permettant le trac´ des M-cercles et des N-cercles et a e donnent les courbes trac´es figure VII. De ce fait. e . il est ainsi possible de tracer un abaque ` e dans le plan de Nichols-Black afin de calculer le module et la phase de la boucle ferm´e e d’un asservissement a retour unitaire connaissant le lieu de transfert en boucle ouverte.29 qui forment l’abaque de Hall-Nichols.2.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte.87 Imag: −1. on peut calculer des e e a points de la boucle ferm´e. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols. VII.28.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.16 rad/s ω = 3.64 Imag: 0.375 Frequency (rad/sec): 2.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1.

5 dB 1 dB 3 dB 6 dB 0 dB 0 Open−Loop Gain (dB) −50 −100 −150 −200 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) .25 dB 0.2. VII.5 dB 20 1 dB −1 dB 209 Open−Loop Gain (dB) 10 3 dB 6 dB −3 dB −6 dB 0 −10 −12 dB −20 −20 dB −30 −40 −350 −300 −250 −200 −150 Open−Loop Phase (deg) −100 −50 −40 dB 0 Fig.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.25 dB 0.29 – Abaque de Hall Exemple VII.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.

e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.5. e e Mφ = 60 deg ωco = 1.25 dB Open−Loop Gain (dB) 10 Mφ Kg −150 Open−Loop Phase (deg) −100 −50 Un trac´ identique est donn´ pour K = 5 o` l’on peut voir l’effet de l’augmentation e e u du gain sur le syst`me en boucle ferm´e.5 dB ωr = 2. il est alors possible de calculer e e la marge de phase. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance. e e .8 rad/s Nichols Charts 50 40 0 dB 30 0. la marge de gain.210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2. e En produisant un zoom sur les fr´quences interm´diaires.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0.

25 dB Open−Loop Gain (dB) 10 −150 Open−Loop Phase (deg) −100 −50 .5 dB 1 dB 3 dB 6 dB 0 dB −1 dB −3 dB −6 dB −12 dB −20 dB −40 dB 0 Open−Loop Gain (dB) −50 K = 2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 211 Nichols Charts 50 K=5 0.5 −60 dB −80 dB −100 −100 dB −120 dB −140 dB −150 −160 dB −180 dB −200 −200 dB −220 dB −350 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) Nichols Charts 50 40 0 dB 30 0.25 dB 0.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.

1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase. il faut calculer.35) L(jω)H(jω) 1 1 que l’on translate de en gain et de Arg 1 + L(jω)H(jω) |H(jω)| H(jω) . (VII.2.4 Si l’asservissement n’est pas unitaire.212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII.

ne passe pas par l’origine.3 Extension aux syst`mes multivariables e Dans cette partie. e o e ´ ` Theoreme VII.1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B. Si le syst`me est instable alors le nombre de pˆles instables en boucle ferm´e est e o e Pbf = N +Pbo o` N est le nombre de tours dans le sens antitrigonom´trique autour de 0 du lieu de u e Nyquist de det(1 + L(jω)).fait Pbo tours dans le sens trigonom´trique autour de l’origine.1 Soit la boucle ouverte L(p) telle que : 1  1 + L(p) =  (p + 2)(p + 3) 0 On calcule : det(1 + L(p)) = 1 (p + 2)(p + 3)(p2 − 2p + 10)   p (p − 1)(p + 2)   1 p2 − 2p + 10 On a donc deux pˆles instables en boucle ferm´e p = 1 ± 3j et Pbo = 2.3.3.3.1 Le lieu de Nyquist de det(1+L(p)) correspond a l’image de det(1+L(p)) quand p parcourt ` le contour de Nyquist dans le sens antitrigonom´trique. EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII. dans L(p).` VII. seules quelques extensions de ce qui a ´t´ vu pr´c´demment sont ee e e pr´sent´es pour les syst`mes multivariables.3. Remarques VII. e e e VII.24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables. e .3. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e . Le lieu de o e Nyquist complet est alors trac´ comme : e .O.1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII. e Exemple VII.

02 −0.C=[0.8 1 1.02 To: Y(1) 0 −0.3.4 0.06 det(1+L(p) 0.5 0 0. a e VII.2 Soit l’asservissement a retour unitaire du type de la figure VII.04 Imaginary Axis 0.0 1].214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0. . ´ ` Theoreme VII.5.5 0 0 0 0 0.06 −0. u e e a Exemple VII.2 (th´or`me du faible gain) e e Etant donn´ un asservissement ` retour unitaire stable en boucle ouverte alors le syst`me e a e en boucle ferm´e est stable si : e ||L||∞ = max σ(L(jω)) < 1 ∀ ω ω o` σ est la valeur singuli`re maximale de L(jω) calcul´e ` la pulsation ω. Le syst`me est instable.2 Le th´or`me du faible gain e e Le th´or`me du faible gain d´j` pr´sent´ dans le cas monovariable s’´tend naturellee e ea e e e ment au cas multivariable.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.3.0 -1 1.6 0.0 0 0.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.0 0 -4].3.2 0.5].24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.B=[1 0.08 0.1 0.5 0 0.08 0 0.04 −0.

e . >> sigma(L) >> norm(L.B.C.0 0].5163 Singular Values −5 −10 −15 −20 Singular Values (dB) −25 −30 −35 −40 −45 −50 −55 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Le syst`me est stable.D).L=ss(A.3.inf) ans = 0.` VII. EXTENSION AUX SYSTEMES MULTIVARIABLES 215 >> D=[0 0.

Wcp]=margin(sys) : calcule la marge de gain Gm.4 VII. les pulsa) tions critiques associ´es. et les pulsations critiques associ´es du mod`le LTI sys. la marge de phase ) Pm. la marge de phase Pm.Wcg.1 Fonctions MATLAB Fonctions d’analyse de stabilit´ e ) [Gm. la marge de retard du mod`le LTI sys. e e ) S=allmargin(sys) : calcule la marge de gain Gm. e e ) grid : ajoute dans les plans de Nyquist et de Nichols-Black les abaques correspon) dants. .Pm.4.216 ANALYSE EN STABILITE DES SYSTEMES BOUCLES VII.

Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. e e e e 217 . de crit`res fr´quentiels en relations plus ou moins ´troites e e e e avec ces derniers et de crit`res de pr´cision sur le r´gime permanent.1 Introduction Un syst`me de commande est calcul´ afin de modifier les caract´ristiques du r´gime e e e e transitoire et celles du r´gime permanent du syst`me original et ceci dans le cadre d’une e e structure de commande a contre-r´action.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. Les sp´cifications de pere e e e formance pour un syst`me de commande peuvent ˆtre constitu´es de crit`res temporels e e e e relatifs au r´gime transitoire. L’objet de ce chapitre est donc de fournir des m´thodes permettant de mani`re e e e syst´matique la g´n´ration de sp´cifications de performance. Les performances d’un e e e syst`me dynamique doivent donc ˆtre d´finies et sp´cifi´es pr´cis´ment afin de faire une e e e e e e e analyse et une synth`se ad´quates du syst`me de commande. e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires. Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me. Les sp´cifications de performance ne e e forment donc pas un ensemble rigide d’exigences mais doivent plutˆt ˆtre vues comme un o e moyen d’´tablir une liste de performances souhait´es. dans son ´tape de synth`se. des propri´t´s e e e ee du syst`me ` corriger et particuli`rement des limitations de performance inh´rentes ` ce e a e e a syst`me.

.Relation 1 : y(p) = S(p)G(p)b(p) + T (p)(r(p) − w(p)) .Relation 2 : (p) = S(p)r(p) − S(p)G(p)b(p) + T (p)w(p) .2) (VIII.4) (VIII.1 Sp´cifications fr´quentielles de performance : syst`mes e e e monovariables Rappels sur les relations de bouclage Dans le cadre de ce chapitre.Relation 4 : ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) (VIII.Relation 3 : u(p) = K(p)S(p)(r(p) − w(p)) − T (p)b(p) . T (p). S(p)G(p).1 – Sch´ma bloc avec perturbation et bruit e Nous rappelons les relations importantes intervenant dans ce type de bouclage : .2. VIII.1.1) Les quatre relations pr´c´dentes permettent de d´finir les quatre fonctions de sensibilit´ e e e e S(p). S(p)K(p) et d’illustrer les b´n´fices que l’on peut attendre de ce e e type de structure. nous travaillerons comme dans le chapitre pr´c´dent ` e e a partir du sch´ma fonctionnel complet de la figure VIII.2 VIII.218 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.3) (VIII. e r + − ζ K(p) b + ν u + G(p) y + + w Fig.

On en d´duit que : |S(jω)| 1 . e e e a on en d´duit la r`gle g´n´rale en basses fr´quences pour le rejet de perturbations : e e e e e |S(jω)| 1 ω < ωb (VIII.8) |K(jω)G(jω)| |T (jω)| ∼ 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ (r − w) et ∼ w.7) e Du fait que T + S = 1 et S = (1 + GK)−1 . e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωco e d´finissant la bande passante de G.5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω). Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb .2.Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII. e ωb < ωco (VIII.Pour que b ait peu d’influence sur y : |G(jω)S(jω)| . en boucle e e ferm´e ou en boucle ouverte.6) 1 (VIII.2 Rejet de perturbation b On souhaite g´n´ralement que la boucle d’asservissement soit insensible et rejette la e e perturbation mod´lis´e par le signal b(p).SPECIFICATIONS FREQUENTIELLES 219 VIII. e . e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w). Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences. e ω < ωb |S(jω)| 1 (VIII.10) (VIII.9) 1 . ω < ωb ⇒ |T (jω)| ∼ 1 et |K(jω)G(jω)| 1 pour ω < ωb La sp´cification de rejet de pertubation peut donc s’exprimer en sensibilit´.

12) 1 (VIII. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).3 R´duction du bruit de mesure w e Les bruits sont usuellement mod´lis´s comme op´rant en hautes fr´quences : ω > ωh e e e e .Pour que w ait peu d’influence sur y : |T (jω)| . ee e e (VIII.13) |K(jω)G(jω)| |T (jω)| 1 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ Gb et ∼ r − Gb.14) VIII.11) Une analyse identique a la pr´c´dente utilisant les relations alg´briques sur les fonctions ` e e e de sensibilit´ conduit a ´crire la sp´cification en hautes fr´quences : e `e e e ω > ωh |S(jω)| ∼ 1 (VIII.220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment.2.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 . Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII.2.4 Suivi de r´f´rence r : pr´cision ee e ω < ωb Cette sp´cification est g´n´ralement une sp´cification pour les basses fr´quences : e e e e e et l’on retrouve exactement les sp´cifications donn´es pour le rejet de perturbation : e e ω < ωb |S(jω)| 1 (VIII.

On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).) Il est donc souhaitable que l’erreur s’annule ou e prenne une valeur finie en r´gime permanent pour des entr´es de r´f´rence types. Si la e marge de phase souhait´e est 45o .16) En appliquant le th´or`me de la valeur finale.2. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII.17) On en d´duit la r`gle des int´grateurs. e e e ´ ` Theoreme VIII. L’erreur e e ee comme fonction du signal de r´f´rence s’´crit : ee e (p) = S(p)r(p) = r(p) 1 + K(p)G(p) (VIII. on obtient.5 Comportement aux fr´quences interm´diaires e e Condition de roll-off Les sp´cifications pr´c´dentes ont ´t´ ´labor´es en basses et hautes fr´quences. rampe.. e la pente ne peut exc´der −30 dB/dec. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´. Une e e e eee e e plage de fr´quence primordiale pour l’´tude de la stabilit´ est celle d´finie par : e e e e ωco ≤ ω ≤ ω−180o On rappelle que : ωco : |L(jωco )| = 1 (VIII. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes.. e VIII. une contrainte e e |L(jωco )| < 1 alors que l’imp´ratif sur la rapidit´ de la r´ponse implique une bande pase e e sante suffisamment grande.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p).2. On souhaite en effet que le syst`me boucl´ r´ponde sans erreur ou avec e e e e une erreur donn´e ` des entr´es types telles que celles qui ont ´t´ d´finies pour l’analyse e a e ee e temporelle transitoire (´chelon. e .1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg.2. e Exemple VIII. Cela induit des pulsations ωco et ω−180o suffisamment importantes.18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive. il faut avoir Φ = −135 deg et donc dans cette r´gion.SPECIFICATIONS FREQUENTIELLES 221 Le suivi de r´f´rence pose le probl`me plus sp´cifique de la pr´cision du syst`me en ee e e e e r´gime permanent.

Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir.707 = −3 dB 2 (VIII.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.1 .19) Dans la majorit´ des cas. la commande est effective et am´liore les performances.22) VIII.2.21) (VIII.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e. ωBT ]. e e .20) (VIII. ωB = ωBT . pour les pulsations e e inf´rieures ` ωB .La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte.6 D´finition e Notion de modelage de boucle : loopshaping e e Le choix des pulsations sp´cifiques ωb et ωh d´pend des applications sp´cifiques et des e connaissances que l’on poss`de sur les perturbations et les bruits r´els affectant le syst`me. e Remarques VIII. Les sp´cifications fr´quentielles e e e e e pr´c´dentes reviennent ` donner une forme particuli`re sur l’ensemble des pulsations ` e e a e a .2. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances. on a alors : e e ωB < ωco < ωBT (VIII.2. La condition de roll-off est alors que L(jω) doit avoir un roll-off de 1 dans la r´gion de e a ωco et au minimum de 2 au del` de cette pulsation.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1.2. e ´ Definition VIII. la bande passante est un indicateur de performance particuli`rement important. Au del` de ces pulsations.. e e e C’est une ´tape importante dans l’´tape de mod´lisation.1 La bande passante en boucle ferm´e peut alternativement ˆtre d´finie ` partir de la fonce e e a tion de sensibilit´ compl´mentaire. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me. Dans le cas contraire. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB .

sp´cification d’une pulsation de coupure ωco pour r´pondre aux imp´ratifs de stabie lit´ en termes de marge de phase et de gain. e e e la fonction de transfert en boucle ouverte L(jω) = K(jω)G(jω). la traduction des exigences de e performance vues pr´c´demment reviennent ` modeler la courbe de la boucle ouverte sur e e a diff´rentes plages de fr´quences.SPECIFICATIONS FREQUENTIELLES 223 la repr´sentation fr´quentielle des fonctions de sensibilit´ ou a la fonction de transfert en e e e ` boucle ouverte L(p). La courbe de gain dans e e Bode de la boucle ouverte L(jω) = K(jω)G(jω) prend classiquement la forme suivante.sp´cification de la pente de la courbe de gain en boucle ouverte |L(jω)| sur certaines e plages de fr´quence : e .pente de −20 dB/decade autour de ωco pour satisfaire la condition de roll-off . |L(j ω)| dB 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 − perturbation d − suivi de référence − règle des intégrateurs ωb ω co − condition de roll−off ωh 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 − bruit de mesure 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 ω Fig. 1.sp´cification du nombre d’int´grateurs dans L(p) par la r`gle des int´grateurs e e e e 2.2 – Loopshaping de la boucle ouverte Sp´cifications de performance par loopshaping e Les sp´cifications de performance par loopshaping sont ´labor´es sur le gain de boucle.pente aux basses fr´quences (ω ≤ ωb ) d´finie par le mod`le de la perturbation e b(p) e e 3. Si l’on souhaite travailler uniquement sur cette derni`re. VIII. e . R´aliser un compensateur remplissant de telles exigences e e e est appel´ faire la synth`se d’un correcteur par loopshaping.pente sup´rieure ` −20 dB/decade aux hautes fr´quences (ω ≥ ωh ) pour le e a e filtrage des bruits e e .

20372 rad/sec) 10 0 −10 Phase (deg).1 rad/s.224 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES L’int´rˆt de sp´cifier les performances par loopshaping provient principalement de la ee e simplicit´ de l’expression de la boucle ouverte comme fonction du compensateur K(p) e puisque : L(p) = K(p)G(p) (VIII. Le diagramme de Bode de la courbe de gain et de phase de cette fonction de transfert permet de calculer une marge de phase Mφ = 48.2 rad/s. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII.2 (loopshaping) Le mod`le du syst`me est donn´ par sa fonction de transfert en boucle ouverte pour un e e e asservissement ` retour unitaire. e e e e e Exemple VIII.24) Ce mod`le poss`de les caract´ristiques suivantes. VIII.2 rad/s et ωp2 = e 0. Bode Diagrams Gm=7.41 rad/s.2.5 deg.5.41231 rad/sec).Il est stable en boucle ouverte puisque ses pˆles sont p1 = −1/5 et p2 = −1/10 o correspondant aux pulsations de cassure caract´ristiques ωp1 = 0. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples. e e e . a e e .25) (VIII. (at 0.9588 dB (at 0. ωco = 0.3 – Courbe de gain de G(p) .Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0.23) On peut en effet en d´duire ais´ment la fonction de transfert du compensateur par la e e m´thode d’inversion du mod`le. une marge de gain Kg = 2.5 et des pulsations de coupure ω−180o = 0. Pm=48.448 deg. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig.

Le syst`me corrig´ ne doit pas pr´senter d’erreur en r´gime permanent ` une r´ponse e e e e a e en ´chelon de position.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII.Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`.30) . e e e 225 .29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0.27) Pour ω = 0.1 rad/s. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e . Cela permet de choisir ωb = 0. |Gb (jω)| ∼ 0 dB. Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation.Premi`re sp´cification : e e La r`gle des int´grateurs indique qu’il est n´cessaire d’ajouter une int´gration dans e e e e la boucle ouverte conduisant a ´crire : `e L(p) = . e . a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII.26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p. e ` e .Le mod`le de la perturbation ´tant un premier ordre donn´ par : e e e w(p) = Gb (P )a(p) = 1 a(p) p+1 (VIII.33p + 1) (VIII. A ce stade. Cela e e conduit a simplifier les deux pˆles de G(p) qui sont susceptibles de fournir trop ` o de roll-off sur la mauvaise plage de pulsations du fait de leur pulsation de cassure respective.5 rad/s et β = 0. On obtient donc. L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s.Le bruit de mesure intervenant au del` de 0.5 Hz doit ˆtre filtr´.SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes. L0 (p) = −2p + 1 p(2p + 1)(0.1 rad/s.

Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte. ω−180o = 0. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche. On obtient alors : L(p) = 0. Magnitude (dB) −20 −40 −60 L(p) L0(p) G(p) 0 G(p) L(p) −100 −200 −300 L0(p) 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.15 et a ` une pulsation de coupure ωco = 0.44 ωco = 0.31) Le trac´ de Bode d’une telle boucle ouverte conduit ` calculer une marge de phase e a et une marge de gain : Mφ = 54 deg Kg = 2.43 rad/s Bode Diagrams Kg = −0.15(−2p + 1) p(2p + 1)(0.2 rad/s.226 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES dont on fait le trac´ dans Bode pour obtenir la marge de phase et de gain : e Mφ = −52 deg et des pulsations de coupure. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0. VIII.33p + 1) (VIII.92 .95 rad/s 60 40 20 0 Phase (deg). e e .4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.

) 42 56 70 0 5 10 15 20 Time (sec.8 0.2 0.4 0.15(10p + 1)(5p + 1) p(2p + 1)(0.6 – R´ponses indicielles e .6 Amplitude Amplitude 0.2 0 0 0 14 28 Time (sec.5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le. Magnitude (dB) Lf(p) −50 0 G(p) L(p) −100 −200 −300 L (p) L (p) f 0 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.6 0.4 0. VIII. VIII. on obtient un compensateur ´gal a : e e e ` K(p) = 0.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg).SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0.) 25 30 35 40 Fig.44 rad/s Bode Diagrams 227 ωco = 0.33p + 1) (VIII.32) Les figures suivantes sont les r´ponses temporelles ` une entr´e en ´chelon de position e a e e unitaire r(p) = 1/p pour le syst`me boucl´ non corrig´ (pour lequel il existe une erreur e e e de position) et le syst`me boucl´ corrig´ par K(p).8 0. e e e Step Response Step Response 1 1 0.

25 (2 dB) Ces deux grandeurs ne sont ´videmment pas ind´pendantes et doivent v´rifier : e e e |||S| − |T ||| < |S + T | = 1 ∀ ω (VIII.7 Modelage des fonctions de sensibilit´ e Une strat´gie diff´rente de celle du loopshaping est de d´finir les sp´cifications direce e e e tement sur les fonctions de sensibilit´ S et T et de reformuler le probl`me de synth`se en e e e un probl`me d’optimisation.7 repr´sente les sorties du syst`me quand a(p) = 1/p pour le syst`me e e e non corrig´ et le syst`me corrig´.35) .) 42 56 70 0 10 20 30 Time (sec.8 0. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.4 0.4 0.33) MT = ||T ||∞ = sup |T (jω)| ω ` MS et MT correspondent a un pic de la courbe de gain de chacun des transferts consid´r´s. Des valeurs de MS et de MT grands indiquent une faible performance du ee syst`me ainsi qu’une faible robustesse vis a vis des perturbations pouvant l’affecter. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.8 0.6 Amplitude Amplitude 0.2 0. e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires.34) MT ≤ 1.6 0.2. VIII.) 40 50 60 Fig. e e e Step Response Step Response 1 1 0.7 – R´ponses a une perturbation en ´chelon e ` e VIII.2 0 0 0 14 28 Time (sec.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me. En effet.

L’interpr´tation ee graphique de la condition sur la sensibilit´ s’obtient en montrant que : e wp S ∞ |wp (jω)S(jω)| < 1 (VIII. e e e e e ∆M = 1 MS 229 (VIII. e e La sp´cification de pond´ration signifie donc que la norme H∞ (la valeur maximale e e e e a e du gain) de S pond´r´e par la fonction wp (p) doit ˆtre inf´rieure ` 1.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0. L’ensemble de ces sp´cifications peut ˆtre traduit en une sp´cification unique faisant e e e 1 intervenir une borne sup´rieure wp (jω) sur l’amplitude de S.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.3 La derni`re sp´cification permet d’´viter l’amplification du bruit aux hautes fr´quences e e e e et introduit une marge de robustesse.une erreur maximale de position en r´gime permanent A e 3.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.707 2.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .le modelage de S sur certaines plages de fr´quences e 4. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII.39) Remarques VIII.2.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.SPECIFICATIONS FREQUENTIELLES Remarques VIII.2. Un choix usuel est MS = 2.2. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.

e 1 v´rifie : e |wp | .aux basses fr´quences. VIII.41) 1 est donn´ par : e wp (p) 1 |wp(j ω)| −3 dB M ωB ω rad/s A Fig.230 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Cela signifie donc que le lieu de transfert en boucle ouverte |L(jω)| trac´ dans le plan e de Nyquist n’entre pas dans le disque de centre (−1.8 – Fonction de pond´ration wp e La borne sup´rieure de |S|. 0) et de rayon |wp (jω)|. elle est ´gale a A ≤ 1 (action int´grale) e e ` e . Im W (j ω ) p −1 1+L(j ω ) Re ω0 L(j ω) Un choix classique pour la fonction de pond´ration est : e wp (p) = Le trac´ asymptotique dans Bode de e p/M + ωB p + ωB A (VIII.

>> Wp=tf([1/M Omega_B]. e e la boucle ouverte vaut : L(p) = 0.42) Exemple VIII. >> S=inv(1+L).conv([2 1 0].2.2.5. >> L=tf([-0. >> bodemag(S.3 On reprend l’exemple utilis´ pour le loopshaping de la section III. Script MATLAB 26 >> M=1.4 Afin d’am´liorer les performances.2.3 0. Il e e a e est ` noter sur la figure VIII.[0.aux hautes fr´quences.8 ωB = 0.05. Apr`s loopshaping.Omega_B=0. elle est ´gale a M ≥ 1 e e ` .15(−2p + 1) p(2p + 1)(0.[1 0]).05 rad/s Le choix de A = 0 correspond bien a la n´cessit´ d’inclure une action int´grale dans la ` e e e boucle pour annuler l’erreur en r´gime permanent en r´ponse ` un ´chelon de position.33 1])).15].2.33p + 1) Un choix de filtre de pond´ration coh´rent avec les sp´cifications impos´es est donn´ e e e e e par : M = 1.8. on choisit parfois une fonction de pond´ration plus e e complexe : wp (p) = (p/M 1/2 + ωB )2 (p + ωB A1/2 )2 (VIII.SPECIFICATIONS FREQUENTIELLES .1/Wp) >> grid A=0 .7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.

232 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Bode Diagram 5 0 1 wp Magnitude (dB) −5 −10 S −15 −20 10 −2 10 −1 10 0 10 1 Frequency (rad/sec) VIII.8 Sp´cifications de performance en sensibilit´s mixtes e e La sp´cification ||wp S||∞ < 1 permet d’avoir une borne inf´rieure sur la bande passante e e mais pas de borne sup´rieure. il est ´galement possible de d´finir une borne sup´rieure e e e sur l’amplitude |wu | du transfert KS. De plus.43) wu KS ∞ o` u   wp S  wT T  wu KS = max ω ∞ |wp S|2 + |wT T |2 + |wu KS|2 (VIII. on peut sp´cifier une borne e e 1 sur l’amplitude de T . elle ne permet pas de sp´cifier le roll-off e e de la boucle ouverte L(p) au dessus de la bande passante. Tenir compte de l’ensemble de ces sp´cifications revient a d´finir une e ` e sp´cification globale : e   wp S  wT T  <1 (VIII. En particulier. afin de r´duire l’amplitude des signaux de e sup´rieure e |wT | 1 commande. e Afin de garantir un roll-off suffisant aux hautes fr´quences. Un moyen de garantir des sp´cifications compl´mentaires consiste a introduire des sp´cifications de type norme sur e e ` e d’autres fonctions de sensibilit´.44) .2.

Pour cela.r`gle 2 : bouclage e v(p) = (1 + L(p))−1 u(p) L(p) = G2 (p)G1 (p) U(p) + v(p) − G1(p) Y(p) G2 (p) .2 Les fonctions de sensibilit´s en entr´e et en sortie e e Il est tout d’abord n´cessaire de d´finir les relations de bouclage associ´es au sch´ma e e e e d’asservissement VIII.3.1 Sp´cifications fr´quentielles de performance : syst`mes e e e multivariables R`gles d’association dans les sch´mas-blocs e e Cette partie est consacr´e ` l’extension des caract´risations en performance pour les e a e syst`mes multivariables boucl´s.r`gle 1 : cascade e z(p) = G(p)w(p) = G2 (p)G1 (p)w(p) w G1 (p) y G2(p) z .9 o` G(p) ∈ Cr×m et K(p) ∈ Cm×r sont des mod`les LTI multivau e riables.3 VIII. e . il est n´cessaire e e de diff´rencier les fonctions de sensibilit´ en entr´e et en sortie (calcul´es en ouvrant la e e e e boucle en 1 ou en 2).3. En effet.SPECIFICATIONS FREQUENTIELLES 233 VIII.r`gle 3 : push and pull e G1 (p)(1 − G2 (p)G1 (p))−1 = (1 − G1 (p)G2 (p))−1 G1 (p) VIII. . il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable. du fait de la non commutativit´ du produit matriciel.

e e e e ee .1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII. seul l’outil e e math´matique est r´ellement diff´rent. ´ Definition VIII. Afin de ne pas alourdir ce document.45) KSy = K(1 + GK)−1 Sy G = (1 + GK)−1 G Il est ` noter que la diff´rence fondamentale avec les asservissements monovariables a e vient de la non identit´ des sensibilit´s et sensibilit´s compl´mentaires en entr´e et en e e e e e sortie Sy = Su et Ty = Tu .9 – Asservissement et fonctions de sensibilit´s e s(p) = (1 + GK)−1 Gb(p) + (1 + GK)−1 GK(r(p) − n(p)) ζ(p) = (1 + GK)−1 r(p) − (1 + GK)−1 Gb(p) + (1 + GK)−1 GKn(p) u(p) = K(1 + GK)−1 (r(p) − n(p)) − K(1 + GK)−1 Gb(p) Les relations de bouclage pr´c´dente permettent de d´finir les 6 transferts caract´risant e e e e l’asservissement VIII.9 est compl`tement caract´ris´ par les fonctions de transe e e e fert : Sy = (1 + GK)−1 Su = (1 + KG)−1 Ty = (1 + GK)−1 GK Tu = (1 + KG)−1 KG (VIII.3. ´ ´ Proprietes VIII.46) (VIII.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII.3 Sp´cifications de performance e Les sp´cifications de performance sont ´tablies tr`s sensiblement de fa¸on identique e e e c pour les syst`mes multivariables et pour les syst`mes monovariables.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig. VIII.3.9.3. En fait. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.

49) ` . l’erreur s’exprime comme suit.9.47) Pour que le suivi de r´f´rence soit bon. les relations de l’asservissement VIII.Ai .7 ≤ ωB ≤ ωσ(S)=0. On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0.SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII.1 Pour les syst`mes MIMO. la bande passante d´pend des directions. il est donc indispensable que l’influence de r ee sur soit la plus faible possible.ωBi bande passante a −3 dB 10 1 10 0 Amplitude 1/Wi 10 −1 |S| 10 −2 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 Fig.48) cela peut s’exprimer par la relation suivante.50) (VIII.3.7 .10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec . = s − r = Sy (d − r) − Ty n + Sy Gb (VIII. VIII. En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII.

´tant donn´ le filtre choisi.un pic sup´rieur a 1 autour de la pulsation de coupure ωB e ` ω ∼ ωB Sp´cifications de performance e Nous r´sumons maintenant l’ensemble des sp´cifications que l’on peut exprimer a e e ` l’aide des valeurs singuli`res.Suivi de r´f´rence et r´jection de perturbations : Sy et Sy G faibles ou L grande ee e σ(Wp Sy (ω)) < 1 ∀ ω ⇔ ou σ(L) grand 0 ≤ ω ≤ ωB .Filtrage des bruits de mesure : Ty faible ou L faible σ(WT Ty (ω)) < 1 ∀ ω ⇔ ou σ(L) faible 0 ≤ ωB ≤ ω W T Ty ∞ Wp Sy ∞ <1 Wu KSy ∞ <1 <1 .R´duction d’´nergie de commande u et ν faibles : KSy . Celles-ci sont indiff´remment exprim´es en boucle ferm´e e e e e (fonctions de sensibilit´) ou en boucle ouverte (gain de boucle). le trac´ des valeurs sinee e e e guli`res min et max de S doit donc suivre un gabarit : e .41 ≤ σ(S) ≤ 2. En effet.7 . e σ(L) − 1 ≤ 1 ≤ σ(L) + 1 σ(Sy ) 0.∼ 1 aux hautes fr´quences e ω > ωB σ(S) ∼ 1 σ(S) 1 . Pour un bon suivi de r´f´rence.236 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Si l’on souhaite associer un unique indicateur pour la bande passante. Tu et Su faibles e e σ(Wu KSy (ω)) < 1 ∀ ω ⇔ ou σ(K) faible 0 ≤ ωB ≤ ω .faible ` basses fr´quences a e ω < ωB . la pire direction est choisie ωσ(S)=0.41 .

e |1 − σ(S)| ≤ σ(T ) ≤ 1 + σ(S) |1 − σ(T )| ≤ σ(S) ≤ 1 + σ(T ) .11 – Valeurs singuli`res typiques du gain de boucle e Remarques VIII.2 (contraintes alg´briques sur les sp´cifications) e e Les sp´cifications pr´c´dentes sont contraintes par les relations alg´briques inh´rentes ` e e e e e a la d´finition de S et de T .SPECIFICATIONS FREQUENTIELLES 237 Amplitude − perturbation d − suivi de référence 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 σ( L ) ωh ω σ( L ) 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 − bruit de mesure 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 − réduction de l’énergie 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 ωb ωB de commande Fig.3. VIII.

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

IX.Chapitre IX Analyse par le lieu des racines des syst`mes boucl´s e e IX.1 Introduction Les caract´ristisques fondamentales de la r´ponse transitoire d’un syst`me boucl´ e e e e d´pendent essentiellement de la localisation des pˆles en boucle ferm´e dans le demi-plan e o e complexe gauche.f.1) L’´quation caract´ristique en boucle ferm´e est donn´e par : e e e e 1 + KG(p) = 0 239 (IX. (p) = KG(p) Hb.o.1 – Sch´ma bloc classique e Les fonctions de transfert en boucle ouverte et en boucle ferm´e s’´crivent : e e Hb. e r + − ζ K u G(p) y Fig. a o e e Si l’on consid`re l’asservissement classique monovariable suivant. = KG(p) 1 + KG(p) (IX.2) . c’est-`-dire des racines du polynˆme caract´ristique en boucle ferm´e.

trae e ` vaille comme enseignant a l’universit´ de Washington de 1946 a 1948 ` e ` et obtient son Master of Science en g´nie ´lectrique de l’universit´ de e e e Californie a Los Angeles en 1951. Il est donc important de connaˆ o e e ıtre la variation de ces racines (pˆles en boucle ferm´e) en fonction de la variation de K. il entre ` la soci´t´ Autonetics. il est ´galement int´ressant de savoir comment e ` e e s´lectionner le gain de boucle afin d’imposer une localisation des pˆles en boucle ferm´e e o e satisfaisante et par cons´quent une dynamique ad´quate pour le r´gime transitoire. division de ` a ee North American Aviation (maintenant Rockwell International) o` lors d’un enseignement u lui vient l’id´e de la m´thode du lieu des racines. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. Il o e est en effet g´n´ralement difficile de calculer explicitement les racines en boucle ferm´e e e e pour des polynˆmes caract´ristiques de degr´ ´lev´. En 1948. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. a Il est l’inventeur du spirule. permettant d’´valuer la e e e e localisation des pˆles en boucle ferm´e dans le plan complexe quand K varie de 0 a +∞ o e ` ` partir de la connaissance des pˆles et des z´ros en boucle ouverte : c’est la m´thode du a o e e lieu des racines ou du lieu d’Evans. e . e e e W. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. e e e e Il obtient son diplˆme de Bachelor of Science en g´nie ´lectrique de o e e l’universit´ de Washington a Saint Louis en 1941. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. Evans a d´velopp´ une m´thode graphique en 1948. Quand le gain de la boucle varie. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. la o e localisation des pˆles en boucle ferm´e varie ´galement. Il publie Control system Dynamics e e en 1954.R.240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs. Il meurt le 10 juillet 1999. Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971.

CONSTRUCTION DU LIEU D’EVANS 241 IX.2. les fonctions de transfert F (p) et G(p) peuvent ˆtre factoris´es e e e de la fa¸on suivante : c 1+ K(p + z1 )(· · · )(p + zm ) =0 (p + p1 )(· · · )(p + pn ) (IX. 1.Condition d’amplitude : |G(p)F (p)| = 1 (IX. r + − ζ G(p) F(p) y Fig.1 (lieu des racines) Le lieu des racines ou lieu d’Evans est le lieu constitu´ par les pˆles en boucle ferm´e e o e quand le gain de boucle K varie.5) Remarques IX.6) (IX.7) . · · · ) . 2.2.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.6 sont v´rifi´es.3) L’´quation caract´ristique exprime une ´galit´ complexe qui peut ˆtre scind´e en deux e e e e e e ´galit´s r´elles.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement. e e o e ´ Definition IX. IX.5 et IX.2 – Sch´ma bloc classique e La fonction de transfert en boucle ferm´e est : e S(p) G(p) = E(p) 1 + F (p)G(p) dont l’´quation caract´ristique associ´e s’´crit : e e e e 1 + G(p)F (p) = 0 ⇔ G(p)F (p) = −1 (IX.4) (IX. e e e .2 IX. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.1 Les valeurs de p telles que les deux conditions IX.IX.2.2. Dans la majorit´ des cas.

242 ANALYSE PAR LE LIEU DES RACINES On rappelle que pour une fonction de transfert : G(p)F (p) = alors : Arg[G(p)F (p)] = Φ1 − θ1 − θ2 − θ3 − θ4 |G(p)F (p)| = KB1 A1 A2 A3 A4 (IX.2 R`gles g´n´rales de construction e e e Les r`gles g´n´rales de construction du lieu des racines sont donn´es sous forme e e e e g´n´rale puis sont illustr´es ` l’aide de deux exemples. IX.3 – Mesure des angles et des amplitudes IX. IX.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.8) Point test p Im A2 A1 A4 B1 θ1 −p1 −p4 θ4 −z1 Φ1 θ2 −p2 A3 θ3 −p 2 = −p 3 Ρε Fig.4 – Exemple . Pour cela.2. r + − ζ K u G(p) y Fig. nous reprenons le sch´ma e e e a e d’asservissement initial.

13) K p(p + 1)(p + 2) (IX. 0. Les pˆles sont les points de d´part (K → 0) o e alors que les z´ros sont les points d’arriv´e du lieu (K → ∞).12) .3 pˆles en boucle ouverte et en boucle ferm´e.15) Les points d’arriv´e du lieu des racines en boucle ferm´e sont donc bien les z´ros en e e e boucle ouverte. De plus.10) (p + 2) G2 (p) = 2 p + 2p + 3 . Si ce nombre est ´gal au nombre de pˆles en boucle ouverte. e e K→0 lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX.11) e e Exemple 1 : la fonction de transfert G1 (p) est ´crite sous forme factoris´e donc l’´quation caract´ristique factoris´e est e e e 1 + G1 (p) = 1 + Exemple 2 : 1 + G2 (p) = 1 + K(p + 2) K(p + 2) √ √ =1+ 2 + 2p + 3 p (p + 1 − j 2)(p + 1 + j 2) (IX. −1. Les pˆles et les z´ros de la boucle ouverte sont repr´sent´s dans le plan complexe par o e e e une croix et un cercle respectivement. e m branches finies Exemple 1 : .14) Les points de d´part du lieu des racines en boucle ferm´e sont donc bien les pˆles e e o en boucle ouverte.CONSTRUCTION DU LIEU D’EVANS o` pour les deux exemples : u G1 (p) = 1 p(p + 1)(p + 2) 243 (IX. −2 o e n − m branches infinies . e e L’´quation caract´ristique est toujours factoris´e sous la forme : e e e 1+ K(p + z1 )(· · · )(p + zm ) =0 (p + p1 )(· · · )(p + pn ) (IX.Etape 1 : factorisation de l’´quation caract´ristique. K→+∞ lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX. il y a autant de branches au lieu des racines qu’il y a de pˆles en boucle o ferm´e. n (ce qui est e e o le cas en g´n´ral) et que le nombre de z´ros en boucle ouverte est ´gal a m alors le e e e e ` lieu est constitu´ de n − m branches infinies et de m branches finies.Etape 2 : localisation des pˆles et des z´ros de la boucle ouverte dans le o e plan complexe.

0] appartiennent au lieu des racines.16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte. e a e Les portions du lieu des racines appartenant a l’axe r´el sont enti`rement d´termin´es ` e e e e par les pˆles et z´ros appartenant a l’axe r´el.Le polynˆme caract´ristique est de degr´ 2.Pas de z´ros e .Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el. −2 e . 2. e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX.Les asymptotes indiquent le comportement pour |p| 1. Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´. . o e e .toutes les asymptotes ont un point d’intersection commun situ´ sur l’axe r´el e e en : n m pˆles − o σa = i=1 i=1 z´ros e (IX. 1.18) .2. e Si le lieu des racines a des asymptotes alors. o e ` e Pour chaque portion de l’axe r´el ` tester. − 2] et [−1 . Il y aura donc trois branches o e e infinies. prendre un point test. e Exemple 1 : les segments ] − ∞ . Exemple 2 : √ .L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0. −1 ± j 2 o . Exemple 2 : le segment ] − ∞ . · · · ) (IX.17) Remarques IX. il y a n´cessairement 3 branches infinies.Le polynˆme caract´ristique est de degr´ 3. . Si le nombre e a total de pˆles et de z´ros r´els ` droite de ce point test est impair alors ce point o e e a appartient au lieu des racines. . − 2] appartient au lieu des racines. Exemple 1 : puisque n − m = 3.Il y a un z´ro.244 ANALYSE PAR LE LIEU DES RACINES .2 . Il y aura donc 1 branche finie o e e et une branche infinie.Etape 4 : d´terminer les asymptotes au lieu des racines.Il y a deux pˆles en boucle ouverte.Une branche du lieu peut ou non traverser l’asymptote correspondante. .

e e e 3.23) d’o` K = −p3 − 3p2 − 2p.24) .Les points d’´clatement ou de rencontre sont des racines multiples de l’´quation e e caract´ristique en boucle ferm´e et sont donc a tangente verticale sur l’axe r´el.Tous ces points v´rifient la condition pr´c´dente mais toutes les solutions de e e e cette ´quation ne sont pas n´cessairement des points de rencontre ou d’´clatement.2. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines. e e ` e . Dans le cas come e plexe. Si les rae e e cines sont r´elles. e Exemple 1 : l’´quation caract´ristique s’´crit. e e 2. On suppose que le polynˆme caract´ristique s’´crit.22) (IX. cette v´rification est simplement graphique. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines.19) Exemple 2 : on a n − m = 1.Etape 5 : d´terminer les points de d´part et d’arriv´e sur l’axe r´el ainsi e e e e que les points de rencontre et d’´clatement. e Ces points sp´cifiques appartiennent a l’axe r´el ou existent sous la forme d’une e ` e paire de pˆles complexes conjugu´s.20) . On obtient donc.D´terminer les racines r´elles et complexes de cette ´quation. d’o` l’on a une seule direction infinie qui fait un u angle avec l’axe r´el donn´ par : e e Φa = 180o (IX. Si K > 0. e e e 1+ K =0 p(p + 1)(p + 2) (IX. o e e B(p) + KA(p) = 0 alors.21) Remarques IX. il existe au moins un point d’´clatement e e (respectivement de rencontre).3 .Calculer l’´quation alg´brique (IX. ce point appartient au lieu des racines. on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique.CONSTRUCTION DU LIEU D’EVANS alors que l’angle avec l’axe r´el est donn´ par : e e Φa = ±60o (2k + 1) 245 (IX. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX. u dK = −3p2 − 6p − 2 = 0 dp (IX.21).

30) √ ω = 0 ou ω = ± 2 (IX.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2.28) K=6 (IX. (IX. . e e e K=− d’o`.25) On a donc encore deux solutions −0.27) (IX. Exemple 2 : l’´quation caract´ristique s’´crit.2679 et −3.26) p2 + 2p + 3 p+2 (IX. e Il suffit de r´soudre l’´quation caract´ristique en boucle ferm´e avec p = jω : e e e e 1 + KG(jω)F (jω) = 0 Les solutions possibles sont donn´es pour ω > 0 et K > 0. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en.5774 o e e et −0.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines. e .246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1.4226. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX. Il n’y a donc pas d’intersection avec l’axe imaginaire. K = 6). e e e e K − 3ω 2 = 0 2 (IX.

en e ´crivant l’´quation caract´ristique pour p = σ + jω.5 – Exemple 2 : calcul des angles de d´part e Remarques IX.2. e e e e (σ + 2)2 + ω 2 = 3 (IX.Etape 7 : d´terminer les angles de d´part d’un pˆle complexe et d’arriv´e e e o e d’un z´ro complexe e L’angle de d´part d’un pˆle complexe est calcul´ par.4 Dans certains cas particuliers.CONSTRUCTION DU LIEU D’EVANS 247 . sur l’exemple 2.35) . il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle. Ainsi.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig. on obtient l’´quation. e e √ Exemple 2 : il y a deux points de d´part complexes. e e e Φ = 180o − i Φi + j θj (IX. e o e Θ = 180o − i θi + j Φj (IX. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX. On obtient. −1 ± j 2. IX.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par.33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes.3.

6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1.248 . >> rlocus(G1).5 −1 −1.5 −2 −1.[1 3 2 0]).[1 2 3]).5 1 1. IX.5 Real Axis 0 0.5 −1 −0. 2 1.5 Imag Axis 0 −0.5 1 0.5 2 Fig.7 – Exemple 2 . 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2.5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig. >> rlocus(G2). IX.

68 −1.38 0. ` e e K= |p2 + 2p + 3| = 1.5 Real Axis −2 0.5 −4 −3. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.7 + 1. Ce point d’intersection permet alors en retour la d´termination de la valeur du e gain K n´cessaire par simple r´solution de l’´quation caract´ristique en boucle ferm´e. a Root Locus 2 0.3 IX. Cela conduit a choisir : e e ` cos Ψ = 0.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.38 −0.1 On reprend l’exemple 2 pour lequel on souhaite en boucle ferm´e une paire de pˆles e o complexes conjugu´s d´finis par leur amortissement ξ = 0.7±j1.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.54 0.5 0.986 0.5 3 2.4 .95 0.7 (IX.18 1.7.7i Damping: 0.8 −2.5 0 4 3.8 0.5 Imaginary Axis System: G2 Gain: 1. IX.7+j1. a e En appliquant la condition des gains a l’´quation caract´ristique.707.1 Analyse des syst`mes boucl´s par le lieu d’Evans e e R´glage du gain e Une des op´rations basiques de correction consiste a r´gler le gain de boucle K afin e ` e d’avoir un amortissement donn´ pour les pˆles en boucle ferm´e et fix´ par l’angle d’amore o e e tissement Ψ.5 1 0.4 rad/s.34 Frequency (rad/sec): 2.5 0.8 – R´glage du gain et amortissement e .5 −3 0. e e e e e Exemple IX.3.8.3.39 Pole: −1.707 Overshoot (%): 4.18 0 Fig.95 1 0.68 0.5 0.5 0.5 −0.3.986 −1 −1.5 2 1.89 −2 −4.707 Ψ = 45o (IX. on obtient.5 0. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.39 |p + 3| p=−1.54 −1 0.` ´ IX. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.89 0.

l’´quation suivante doit e e ˆtre r´solue : e e 1+ K(jω + 2) =0 jω(jω − 1)(36 − ω 2 + 6jω) Cela conduit ` r´soudre le syst`me d’´quations r´elles : a e e e e 2K + ω 4 − 30ω 2 = 0 ω(K − 36 − 5ω 2 ) = 0 Les solutions en sont donn´es par : e √ K1 = 86 − 5 28 √ K2 = 86 + 5 28 ω1 = ω2 = 10 − 10 + √ √ 28 rad/s 28 rad/s Ces syst`mes posent des probl`mes en pratique puisqu’ils peuvent devenir instables e e pour une variation non pr´vue de la valeur du gain.250 ANALYSE PAR LE LIEU DES RACINES IX. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´.[1 6 36])).38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote.2 (dynamiques longitudinales d’un avion avec autopilote) Soit l’asservissement a retour unitaire dont la fonction de transfert en boucle ouverte est ` donn´e par : e KG(p) = K(p + 2) p(p − 1)(p2 + 6p + 36) (IX. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue. >> rlocus(G).3.9.2 Syst`mes ` stabilit´ conditionnelle e a e Une autre caract´ristique int´ressante du lieu des racines est de faciliter l’analyse e e graphique des syst`mes conditionnellement stables.3. >> sgrid . Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX. e e Script MATLAB 27 >> G=tf([1 2]. Pour v´rifier cela. e Exemple IX.conv([1 -1 0].

5 Pole: −0.17 0.94 2 Imaginary Axis 2 System: G Gain: 61.0017 + 3.000437 Overshoot (%): 99.38 0.8 −6 6 −8 0. IX.08 8 10 0 1 2 Fig.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.23 2 0.9 – Syst`me ` stabilit´ conditionnelle e a e .28 0.28 0.94 0 −2 −4 4 0.000674 Overshoot (%): 99.17 0.5 0.08 8 System: G Gain: 112 6 Pole: −0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.89i Damping: 0.5 0.89 10 6 0.38 0.9 4 Frequency (rad/sec): 3.23i Damping: 0.8 Frequency (rad/sec): 2.64 8 0.0015 − 2.8 4 0.

4 IX.252 ANALYSE PAR LE LIEU DES RACINES IX. ea e .K]=rlocus(sys) : calcule le lieu des racines du mod`le LTI sys. ) e e ) [K.1 Fonctions MATLAB Fonctions li´es ` l’utilisation du lieu des recines e a ) [R.4.poles]=rlocfind(sys) : outil interactif de recherche du gain et des pˆles sur un ) o lieu des racines d´j` trac´. ) e ) sgrid : g´n`re une grille iso-amortissement et iso-gain dans le plan d’Evans.

e e A.1 Repr´sentation temporelle des signaux d´terministes classiques e e Les signaux d´terministes classiques utiles en Automatique sont rappel´s et leurs proe e pri´t´s d´taill´es.1.1.1 (signal ´chelon) e e On appelle ´chelon d’amplitude E ou fonction de Heaviside en t0 .Annexe A Rappels de th´orie du signal e A. e ea (A. nous identifions les signaux en temps continu avec les signaux continus ou la valeur de la variable peut ˆtre une fonction continue ou discontinue du temps qui e ´volue lui de mani`re continue. le signal not´ e e u(t − t0 ) d´fini par : u(t − t0 ) = E si t − t0 ≥ 0 u(t − t0 ) = 0 si t − t0 < 0 et repr´sent´ ` la figure A.1.1 Signaux d´terministes en temps continu e Dans la suite. ee e e Le signal ´chelon e ´ Definition A.1) 253 .

e ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A. A.1.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig. on parle de rampe unit´ ou de rampe unitaire. e Signaux impulsionnels La d´finition math´matique rigoureuse d’un signal impulsionnel doit faire appel a la e e ` th´orie des distributions qui est hors du cadre de ce cours. A. e e e Le signal rampe ´ Definition A.2) e(t) αt 0 to t Fig.2. L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e . e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A.2 (signal rampe) On d´finit le signal rampe r(t) de pente α par.1 – Fonction de Heaviside Pour une amplitude E = 1. L’impulsion n’est pas en effet e une fonction ordinaire. on parle d’´chelon unit´ ou d’´chelon unitaire.2 – Fonction rampe Pour α = 1.

3 (impulsion) e e e Une impulsion d’amplitude A en t0 . fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig. ´ Definition A.1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A. A. δ (t−to) A 0 to t Fig. δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes. ee ´ ´ Proprietes A.4) t δ(t − t0 ) = 0 si t = t0 δ(t0 ) = ∞ δ(t − t0 ) = du(t − t0 ) dt u(t − t0 ) = δ(τ − t0 )dτ −∞ L’impulsion d’aire A en t0 est conventionnellement repr´sent´e par une fl`che de haue e e teur l’aire de l’impulsion en t0 .1.4 – Fonction impulsion d’aire A . A.3 – Fonctions impulsion L’impulsion a donc une aire finie pour une dur´e d’action infiniment courte et une e amplitude infiniment grande : +∞ −∞ Aδ(t − t0 )dt = A (A.3) e e L’impulsion d’aire 1 est la fonction de Dirac.SIGNAUX DETERMINISTES 255 sans l’arsenal math´matique requis et en utilisant des r`gles de calculs et de passages ` e e a la limite intuitifs.1. peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes. not´e Aδ(t − t0 ).

annexe A4). e ` A. il est ´galement possible de d´finir e e e un train d’impulsions ou peigne de Dirac de p´riode T par : e δT = δ(t) + δ(t − T ) + δ(t − 2T ) + · · · + δ(t − nT ) + · · · δ(t) 1 (A.1 . u x(t)e−pt dt (A.1.6) Le signal sinusoidal ´ Definition A.5 – Peigne de Dirac Finalement. le produit d’une impulsion δ(t − t0 ) par une fonction f (t) born´e et contie nue en t0 est l’impulsion d’aire f (t0 ) en t0 : +∞ f (t)δ(t − t0 ) = f (t0 )δ(t − t0 ) ⇔ −∞ f (t)δ(τ − t0 )dτ = f (t0 ) (A.1.1. D´finition de la transform´e de Laplace e e ´ Definition A.5 (transformation de Laplace) La transform´e de Laplace unilat`re d’un signal causal x(t) est d´finie par : e e e +∞ L[x(t)] = X(p) = o` p = σ + jω est la variable complexe.256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac.8) −∞ .4 La fonction sinuso¨ ıdale du temps s(t) = A sin(ωt + ψ) d´finit le signal harmonique e d’amplitude A de pulsation ω (rad/s) et de d´phasage a l’origine ψ (rad).La transform´e de Laplace bilat`re est d´finie par : e e e +∞ Lb [x(t)] = X(p) = x(t)e−pt dt (A.5) 0 T 2T 3T 4T 5T 6T t Fig.2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf.7) 0 Remarques A.1. A.

14) Th´or`me de la valeur finale e e p→0 lim pX(p) = lim x(t) t→∞ (A. e e .15) .12) L[ a x(τ )dτ ] = X(p) p (A. Propri´t´s fondamentales e e Nous rappelons ici quelques propri´t´s ´l´mentaires que nous serons amen´s ` utiliser e e ee e a par la suite.La transform´e de Laplace inverse est d´finie par : e e L−1 [X(p)] = X(t) = σ+∞ X(p)etp dp σ−j∞ (A. Pour les e signaux causaux qui sont l’objet de ce cours. La transform´e de Laplace inverse u e est rarement calcul´e ` partir de (A.10) dx(t) ] = pX(p) − x(0) dt (A. Lin´arit´ e e L[ax(t) + by(t)] = aX(p) + bY (p) ∀(a.13) Th´or`me de la valeur initiale e e t→0+ lim x(t) = lim pX(p) p→∞ (A.SIGNAUX DETERMINISTES 257 qui n’est rien d’autre que la transform´e de Fourier du signal avec p = jω. Nous utiliserons ainsi la notation unique de (A.Cette d´finition suppose que l’int´grale est convergente.9) mais par d´composition en ´l´ments simples e a e ee ou d´veloppement en s´ries de X(p) et en recherchant les inverses des ´l´ments e e ee simples dans les tables. les deux transform´es e co¨ ıncident.7).11) d(n) x(t) ] = pn X(p) − pn−1 x(0) − · · · − x(n−1) (0) dtn (A. x(t) = 0 si t < 0. b) ∈ R2 D´rivation e L[ Cela se g´n´ralise ` : e e a L[ Int´gration e t (A. .9) o` p = σ + jω et σ est l’abscisse de convergence.

22) (A.21) α p2 (A. on d´duit facilement les formules suivantes.20) 1 p (A.17) Produit de convolution L[x(t) ∗ y(t)] = X(p)Y (p) Transform´e des signaux remarquables e En conservant les notations pr´c´dentes. ∞ x(t)dt = a p→0 X(p) (A. e e e Signal ´chelon e L[u(t)] = Signal rampe L[αtu(t)] = Signal impulsion L[δ(t)] = 1 Signal sinusoidal L[A sin(ωt)] = p2 Aω + ω2 (A.19) (A.16) Th´or`me de la somme Si e e −∞ |x(t)|dt < ∞.258 Th´or`me du retard e e RAPPELS DE THEORIE DU SIGNAL L[x(t − T )] = e−pT X(p) +∞ (A.18) .

Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.2 Propri´t´s de la transform´e de Fourier e e e Etant donn´e la transform´e de Fourier d’une fonction x(t).2.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A.2 A. LA TRANSFORMEE DE FOURIER 259 A. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.´ A.28) .1 La transform´e de Fourier e D´finition e ´ Definition A.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A. on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement.2.1 (transform´e de Fourier) e La transform´e de Fourier d’une fonction x(t) est une fonction de la pulsation d´finie e e par.27) F[x(t ± T )] = e±jωT X(ω) (A.2. e A.25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A.2. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .

29) x(t)2 dt = 1 2π +∞ −∞ |X(ω)|2 dω (A.260 Convolution +∞ −∞ RAPPELS DE THEORIE DU SIGNAL F −1 [X(ω)Y (ω)] = Relation de Parseval +∞ −∞ +∞ x(t − τ )y(τ )dτ = −∞ x(τ )y(t − τ )dτ (A.30) .

1. · · · . e e ´ Definition B. ee ´ Definition B. xm ) ∈ R . norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn .Annexe B Rappels d’alg`bre lin´aire e e B. ´ Definition B. λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire.1 B.1. Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 . · · · . y sont dits orthogonaux ssi x y = 0.1. · · · .2 (espace engendr´ par un ensemble de vecteurs) e n Soit (x1 .1 (Ind´pendance lin´aire) e e Soit un ensemble de vecteurs x1 . L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 .1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire. xm ∈ Rm . les vecteurs x. y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus.1. xm ) est l’ensemble engendr´ par ces vecteurs.3 (produit scalaire) Le produit scalaire de deux vecteurs x. 261 . ils sont dits lin´airement d´pendants. · · · .

||αe|| = |α|.j A= ||A||sum = i.1.1 (In´galit´ de Cauchy-Schwartz) e e ||x y|| ≤ ||x|| ||y|| Il y a ´galit´ si x et y sont lin´airement d´pendants.∀ α ∈ R.1. la p-norme de e est d´finie comme :       n 1/p |ei | i=1 p pour 1 ≤ p < ∞ ||e||p =     max |e | pour p = ∞  i 1≤i≤n Exemple B.6 (condition de consistence) ||A|| est une norme matricielle si elle v´rifie en plus des propri´t´s ´l´mentaires la propri´t´ e e e ee ee multiplicative : ||AB|| ≤ ||A||. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B. d´finie sur un espace vectoriel E.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.||e|| 4.∀ e ∈ E : ||e|| ≥ 0 2.||e|| = 0 ⇔ e = 0 3.1. e e e e ´ Definition B.4 (norme) Une norme est une fonction .1. e2 ∈ E. ∀e ∈ E.∀ e1 .j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e .5 (p-norme d’un vecteur) e Soit e ∈ Rn .1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B.2 1 −2 0 6 |aij |2 = i.1.j i.1.||B|| Exemple B.

Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes.1. Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A).8 (rang d’une matrice) : Rn → Rm . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B.l ≥ m: Σ= diag(σ1 .1.10 (D´composition en valeurs singuli`res) e e l×m peut ˆtre factoris´e ` l’aide d’une d´composition en valeurs singuli`res : e e a e e A∈ C A = U ΣV H U ∈ Cl×l U H = U −1 V ∈ Cm×m V H = V −1 Σ est form´e par une matrice diagonale des valeurs singuli`res σi dans l’ordre d´croissant.1. ee u .3326 valeur singuli`re maximale e ´ Definition B. · · · . · · · . Elle sera dite de rang plein si : e e rg(A) = min(n.9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R . σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) .` ´ ´ ´ B.3 ||A||i1 = max j i |aij | i =8 H ||A||i∞ = max i j |aij | =6 ||A||i2 = σ(A) = max λi (A A) = 6.1. e e e .1. un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B.Les valeurs propres de Ak sont λk . m) B.2 Valeurs propres et valeurs singuli`res e ´ Definition B.1.Les valeurs propres de A sont ´gales aux valeurs propres de A .2 .7 (norme induite) ||Ae||p = max ||Ae||p = max ||Ae||p ||e||p ≤1 ||e||p =1 ||e||p 263 ||A||ip = max e=0 Exemple B.1. e ´ Definition B. · · · c + λn o` λ1 . λn sont les valeurs propres de A.Les valeurs propres de (cI + A) sont c + λ1 .Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux. On associe a chaque valeur propre λi .1. . λk . · · · . 1 n .

i = 1.σ(A) ≤ ≤ σ(A) ≤ √ m||A||i1 . e ´ ´ Propriete B.1.σ(A) − 1 ≤ σ(A + 1) ≤ σ(A) + 1 ´ Definition B. σq ) 0l×m−l avec σ = σ1 ≥ · · · ≥ σq = σ > 0 et min(l. e a e e a .3 Matrices sym´triques e Dans cette partie.1.3 .σ(A−1 ) = 1/σ(A) .Une base orthogonale de Rn peut ˆtre form´e ` partir des vecteurs propres de A.11 (rayon spectral) Le rayon spectral d’une matrice carr´e A.Les valeurs propres de A sont r´elles.σ(AB) ≤ σ(A)σ(B) . m)σ(A) ||A||i1 ||A||i∞ √ . e .√1m ||A||i∞ ≤ σ(A) ≤ n||A||i∞ 1 √ ||A||i1 n .1.l ≤ m: Σ= RAPPELS D’ALGEBRE LINEAIRE diag(σ1 . m) ≥ rg(A) = q.Les vecteurs propres associ´s ` des valeurs propres distinctes sont orthogonaux.max{σ(A) . ||A||i1 .σ(A)σ(B) ≤ σ(AB) .Si l’on normalise les vecteurs propres xi : ||xi || = 1. ||A||F .5 (matrices sym´triques) e . · · · . · · · . ||A||i∞ } ≤ ||A||sum B. not´ ρ(A) est d´fini par : e e e ρ(A) = max |λi | i = 1.σ(A) ≤ ||A||F ≤ min(n. .1. A ∈ Rn×n est sym´trique. n λi ´ ´ Propriete B.264 . n alors : n A= i=1 λi xi xi .σi (A) − σ(A) ≤ σ(A + B) ≤ σi (A) + σ(B) .σ(A) ≤ |λi (A)| ≤ σ(A) . · · · .1.4 (A ∈ Cn × Cm ) . ´ ´ Propriete B.

. ´ Definition B. . e e e . xn . A A > 0 ssi la matrice A est de rang plein.A1/2 A = AA1/2 .1.CNS 1 : A > 0 ⇔ λ1 .12 (Matrice sym´trique d´finie positive) e e n Une matrice A = A ∈ R est dite d´finie positive si : e ∀ x = 0 ∈ Rn x Ax > 0 Elle sera dite semi-d´finie positive (non n´gative) si : e e ∀ x = 0 ∈ Rn x Ax ≥ 0 ´ ´ Propriete B. · · · . e e . . .CNS 2 : A > 0 ssi les mineurs principaux de A sont strictement positifs. · · · .A1/2 est inversible ssi A est inversible. λ n > 0 .λ1 ||y||2 ≤ y Ay ≤ λn ||y||2 ∀ y = 0 ∈ Rn .` ´ ´ ´ B.||A|| = ρ(A) = max {|λi |. les valeurs propres et vecteurs propres respectivement associ´s avec ||xi ||2 = 1 alors : e . |λn |} est une norme matricielle induite par || • ||. λ1 ≤ λ2 ≤ · · · ≤ λn .Soient A = A ∈ Rnn . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE 265 .1. .Si A est non n´gative alors il existe une racine carr´e de A not´e A1/2 . x1 .A−1/2 A−1/2 = A−1 .L’inverse d’une matrice d´finie positive est d´finie positive. De plus.1. alors A A ≥ 0.6 .Soit A ∈ Rm×n . (A1/2 )−1 = A−1/2 . .

.266 RAPPELS D’ALGEBRE LINEAIRE B. 1 . .. . .2. . .. .   λn  e At = Pe P Dt −1   =P  e λ1 t  eλ2 t .. . 0 . ..  0 λ .1 . J = P −1 AP =  . . . . ···  .Soit A une matrice diagonalisable et une matrice de passage P alors.    donn´e par J avec comme matrice e         ···         ···     ··· . . λn .  0 . 0 λ1    ··· ··· ··· ··· ···  .2 Calcul de la matrice de transition d’´tat eAt e Deux m´thodes diff´rentes pour le calcul de la matrice de transition d’une ´quation e e e d’´tat LTI sont propos´es. λn−1 .   λ1   λ2   D = P −1 AP =   . .  . 1   . eλn t   −1 P  (B. .   . . ..2) ··· ··· . . ··· (B. e e B. ´ ` Theoreme B.Soit A une matrice dont la forme de Jordan est de passage P .  . .   . ··· ..2.1 M´thode de triangularisation e La m´thode consiste a transformer la matrice A en une forme diagonale ou forme de e ` Jordan pour lesquelles des formules simples de calcul de eAt existent. λ1 1  . .1) .

··· . .. .. .. ··· .1 Soit la matrice  0 1 0 1  A= 0 0 1 −3 3 πp (p) = (p − 1)3  Le polynˆme caract´ristique de cette matrice est : o e 1 est donc valeur propre multiple d’ordre 3 (multiplicit´ alg´brique).4) La seconde m´thode utilise la transform´e de Laplace et la formule suivante : e e Il suffit alors d’inverser la matrice (p1 − A). eλn−1 t . . .2 Utilisation de la transform´e de Laplace e eAt = L−1 [(p1 − A)−1 ] (B. . e ee ee Exemple B. . . . . ce qui conduit a une matrice rationnelle ` en p dont on calcule la transform´e de Laplace ´l´ment par ´l´ment. . . ··· ··· ··· . . . . Alors.2. ce qui e e e donne. . eλn t B.CALCUL DE LA MATRICE DE TRANSITION D’ETAT eAt  t2 λ1 t e 2 λ1 t 267         ···   −1 P      ···     (B.   1 0 0 P = 1 1 0  1 2 1 . . .. ··· ··· ··· . . v2 = [0 1 2] . .3) eAt = P eJt P −1   0    0    ···  =P          eλ1 t teλ1 t eλ1 t 0 ··· te eλ1 t ··· . .2. . . . . . . . e e rg(1 − A) = 2 rg((1 − A)2 ) = 1 rg((1 − A)3 ) = 0 On choisit donc comme vecteur propre g´n´ralis´ de rang 2.   1  1  v1 = (1 − A)v2 = 1 On choisit alors le dernier vecteur propre ind´pendant w = [0 0 1] et l’on a la matrice e de passage. .

e  t  1 0 e tet Jt 1 1  e =  0 et 0 0 0 1 1 2 t te 2 t   te et Cela permet d’obtenir finalement. e e .268 La matrice A triangularis´e e  1  0 J= 0 RAPPELS D’ALGEBRE LINEAIRE et eJt s’´crivent alors.   t 1 2 t tet − t2 et te e − tet + 1 t2 et 2 2 1 2 t  te et − tet − t2 et tet + 1 t2 et eAt = P eJt P −1 =  2 2 1 2 t 1 2 t t t 2 t t t te + 2 t e −3te − t e e + 2te + 2 t e La seconde m´thode implique de calculer (p1 − A)−1 . e  2  p − 3p + 3 p − 3 1 1  1 p2 − 3p p  (p1 − A)−1 = (p − 1)3 p 1 − 3p p2 auquel on applique la transform´e de Laplace inverse afin de retrouver la mˆme formule.

.1 Rappels de calcul diff´rentiel e ´ Definition C. . .La notation f (x) = O(x) signifie que f (x) tend vers 0 au moins aussi vite que x : ∃K≥0 | f (x) ≤ K quand x → 0 x .1 (notations de Landau) Soit f : Rn → R.Annexe C Rappels d’Analyse C.La notation f (x) = o(x) signifie que f (x) tend vers 0 plus vite que x : ∃K≥0 | f (x) → 0 quand x → 0 x ´ Definition C.1. ∂f (x) ∂xn 269 .1.1   ∇f (x) =  ∂f (x) ∂x1    .2 (diff´rentiabilit´ (Frechet)) e e n e Une fonction f : R → R est dite diff´rentiable en x s’il existe un vecteur a ∈ Rn tel que : ∀ y ∈ Rn f (x + y) = f (x) + a y + o(y) Le vecteur a est appel´ le gradient de f (x) au point x et est not´ f (x) ou ∇f (x) : e e ∀ y ∈ Rn f (x + y) = f (x) + y + ∇f (x) y + o(y) Remarques C.1.

4 (fonction C 1 ) Si une fonction f est diff´rentiable sur un ensemble ouvert S ⊂ Rn et que le gradient e ∇f (x) est une fonction continue alors f est dite C 1 sur S. C 1 ). une fonction C 1 en x. · · · .1. La matrice gradient de f en x. ´ ` Theoreme C. not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x).6 (matrice Hessienne) e e Soit f : Rn → R. m) est diff´rentiable (resp.1. C 1 ) si chaque composante fi (i = 1. · · · .1. On d´finit la matrice Hessienne de f not´e e ∇2 f (x). . .∀ y ∈ V(x). ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. e ´ Definition C.3 La fonction f : Rn → R est dite diff´rentiable sur un ensemble Q ⊂ Rn si elle est e diff´rentiable en tout point de Q.1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert.2 (formulaire de d´rivation) e .1. ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = .1.Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 . ∃ α ∈ [0.270 RAPPELS D’ANALYSE ´ Definition C.1.1.1 (composition de fonctions) Soit f : Rk → Rm et g : Rn → Rm deux fonctions C 1 et h = gof alors : ∇h(x) = ∇f (x)∇g(f (x)) ∀ x ∈ Rk ´ ´ Propriete C.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 . la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C.∀ y ∈ V(x). . 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C.

a.f (x) = Ax ∇f (x) = A .∇f (Ax) = A ∇f (Ax) . g.RAPPELS DE CALCUL DIFFERENTIEL . y ∈ Rn . ∇fm (x)] . x. .f (x) = a x ∇f (x) = a . dfm (x) dx       271 .Applications : ∂(x y) ∂(y x) = =y ∂x ∂x ∂(y f (x)) = ∇f (x) y ∂x .Soit f : R → Rn×m : ∇f (x) = .f (x) = g(x) h(x) ∇f (x) = ∇g(x)h(x) + ∇f (x)g(x) .D´riv´e de sommes et produits : e e f. . h : Rn → Rm .Soit f : R → Rm :    ∇f (x) =    df1 (x) dx .Soit f : Rn → Rm : Matrice gradient ∇f (x) = [∇f1 (x).f (x) = x Ax avec A = A ∇f (x) = 2Ax ∇2 f (x) = A ∇2 f (x) = 0 dfij (x) dx .f =g+h ∇f (x) = ∇g(x) + ∇h(x) . · · · .

V (x.2.2.1 (fonctions d´finies positives) e e 1. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.1 e .V (x.2. t) = 0 2 − ∀ x = 0 ∈ Br V (x.2.Si une fonction V (x. 2 e e .2.1 1. 1 Remarques C.2. 1 .V (t.Cas particulier important : la forme quadratique V (x) = x P x. t) = 0 2 − ∀ x = 0 ∈ Br V (x.272 RAPPELS D’ANALYSE C.Une fonction scalaire V (x. e e Exemple C.2 (fonctions semi d´finies positives) e e 1.V (x. e 2.V (x) = x1 x2 + x2 est une fonction ind´finie. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive. x1 . t) = t2 x2 est une fonction semi d´finie positive. (semi) d´finie n´gative alors −V (x. 1 2 ´ Definition C. t) ≥ 0 e 2. x2 ) = x2 + sin2 (x2 ) est d´finie positive localement. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0.V (x. t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0.Une fonction scalaire V (x. t) ≥ 0 Exemple C.V (x. t) est (semi) d´finie positive (n´gative).Une fonction scalaire V (x. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0.Une fonction scalaire V (x. 1 e . t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0. e . t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative. si P est une matrice (semi) d´finie positive (n´gative).3 e . t) > 0 Exemple C. t) est e e (localement) (semi) d´finie positive. t) > 0 e e 2.2 Rappels sur les fonctions d´finies positives e ´ Definition C. t) est (localement). x ∈ Rn avec e e P = P .2 e . t) = tcos(x1 ) est une fonction localement semi d´finie positive. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.

traduction anglaise par D. Astr¨m. Bordebeuve-Guib´. Control.C. Proceedings of the Symposium on Active Networks and Feedback Systems. ”Stabilized feedback amplifiers”. Vol. Vol.control.org [4] K. 1986. Polycopi´ e e e e e e de cours.se/\tilde fuhist/lectures [5] S. No. ”A brief history of Automatic control”. [8] C. [11] J. o http://www. Bennett. The Bell System Technical Journal. 1934. 1. [10] H.asc-cybernetics. 1315. 21.lth. Black. J. Bode. Juin 1996. http://www. ”Revisiting the classics: early control texts in English. 4. No. 1973. 977-989.The history of an idea”. Reidel Publishing company. Bennett. Int. 1975. ”Foundations: History”. [9] H. Vol. Control Systems Magazine. D. ”History of automatic control”.fr/alta. Polytechnic Institute of Brooklyn. No. pp. Hill. Control. 44. 1960. pp. USA. 113-147.C. 3. Repr´sentation d’´tat des syst`mes lin´aires. J. . 16. Int.J. San Francisco. Kitab Fi Ma’arifat Al Hiyal Al-Handasiyya (The book of knowledge of ingenious mechanical devices. Bissell. Bissell. ”Karl K¨pfm¨ller: a German contributor to the early developu u ment of linear systems theory”.W. ”The search for ’uniform and equable motion’ A study of the early methods of control of the steam engine”.R.mathematica/wiener. 13th Triennial World Congress.html [3] American Society for Cybernetics. [6] S.R´f´rences bibliographiques ee 273 R´f´rences bibliographiques ee [1] Al-Jazari.wanadoo. 1996. Polytechnic Press. [2] http://perso. Automata). [7] C. ”Feedback . 1997.S. German and Russian”. ENSICA.

Kwakernaak. ”Out of control”. Mex. Control theory and design. [16] C. L. Design methods for control systems. Editions Technip. e [21] T. ”Controllability of linear dynamical systems”. Modern Control Theory. Addison Wesley Publishing Company. Bol. Signaux D´terministes. 1996. G. [17] P. Modern Control Systems..edu/steam/thurston/1878/ [23] Indiana unniversity. Control of Spacecraft and Aircraft. ”Contributions to the theory of optimal control”. 1851. Linear System Theory and Design. Taylor Walton and Maberly. 1963. Seventh Edition.C. Dauphin-Tanguy. Bishop. Murakami.L. Locatelli.E.D. [22] H´ron d’Alexandrie. Addison-Wesley Publishing Company.history. [26] R.K.P. Colaneri. Transform´es et abaques. Pneumaticae (The pneumatics of Hero of Alexandria. 1994. Zambettakis. [18] R. Tome 1. Feedback Control Systems.S. [19] G. http://www. 2. Franklin. [27] K. Prentice Hall. Rotella. Dorf.274 REFERENCES BIBLIOGRAPHIQUES [12] P. Chen. R.ir. F. A. Kalman. Techniques de e e l’Ing´nieur. Borne. 1960. Academic Press. Holt.E. 1992. IRIS/ASTRO-F. 1. http:\\www.edu/\tilde rcapub/ [24] H. Powell. Ho. 1984. H. 1994.kk. Gille. Emami-Naeni. Narendra. Third Edition. Taylor and Francis.T. Control theory: Multivariable and nonlinear methods.H. [20] J. 2000.C. Ljung. J. [15] A. Richard.rochester. Kalman. J. e traduction de Bennett Woodcroft. Informatique Industrielle.org/outofcontrol . Third Edition. Bryson. 1995. ”Japanese infrared survey mission”. Brogan. Kelly. http://www. Sociedad Mat.ac. 1997.F. Tinehart and Winston.C.C. Geromel.isas. Contributions to differential equations. [14] W.indiana. Glad. No. http://www. article R 7010. London. Notes pour le cours du Dutch Institute of Systems and Control.jp/ASTRO-F/detail/general [25] R.E. A. 1991. Vol. Bosgra. Y. e [13] O. J. Mod´lisation et Identification des Processus. K. I. Princeton University Press.

Longchamp.G. Marcel Dekker. Le z´ro et le un : histoire de la notion scientifique d’information au e e 20 si`cle. [42] J. MA. Syllepse. [30] H. e e [43] Y. Mathematical description of linear systems. Prentice Hall. 1975. Second Edition. e e http://www.. Dunod Unie e e e e versit´. Cambridge. Automatique Lin´aire.REFERENCES BIBLIOGRAPHIQUES [28] Ktesibios d’Alexandrie./geschichte/ [45] Y. web/mit.ethz. R.ch/ee/control/history/index. INSA Toulouse. Linear Optimal Control Systems. Addison-Wesley publishing company. Polycopi´ de cours. Design and analysis of control systems.L.html [32] F.ee. Commande Num´rique de Syst`mes Dynamiques. [37] K. CRC press. 1995. Ogata./Automat/Arbeitsbl/abberspiel. Coll.. 1991. Kwakernaak. Prentice Hall. Kwakernaak.. 1992. Sivan. S´gal.com/indie/anna-jones1/ [41] W. [39] B. 1990. Mat´riologiques. [38] C. Rabins. Mayr. 1970. Prentice Hall. John Wiley & Sons. [31] Institut F´d´ral Suisse de Technologie de Zurich. 1992. Modern Control Engineering.angelfire.K.techkyb.T. S´vely.L. Lewis. Modern Signals and Systems.J. . M. Pradin.. [33] R. 1972. Auslander. Sivan. Phillips. 1999. Rugh.M. MIT Press. D. Mutambara. H.K. Applied Optimal Control and Estimation.edu/ [35] O. e [44] Stuttgart university.htm [29] H. New York. Nagle.O. R. The origins of feedback control. 1973. Control and dynamic systems. [34] Massachussets Institute of Technology. Digital Control System Analysis and Design.de/. 275 http://www. 1970. e e [40] http://www.uni-muenster. Prentice Hall editions. Presses Poe e lytechniques Romandes. http://www.de/.uni-stuttgart. Syst`mes et Asservissements lin´aires ´chantillonn´s. [36] A. Takahashi.en. 1995.J. 2003.

edu/steam/thurston/1878/ [47] http://vivovoco.276 REFERENCES BIBLIOGRAPHIQUES [46] R.rochester.ru/VV/PAPERS/NATURE/MATH/CHAPT-02. Appleton and company.history. A history of the growth of the steam engine. 1878. http://www.htm . New York.rsl.H. Thurston.

. .1 Le polynˆme caract´ristique et les pˆles . . . . . . . Bref album chronologique . . . . . . . . . . . . . . . . . . . . . . . . . Th´orie des syst`mes et th´orie de la commande e e e I. . .4. .2 I. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Contrˆle d’attitude d’un satellite . . . . . .4 Le cas particulier des syst`mes SISO . . . . . e e e II. .2 La matrice de r´ponse impulsionnelle .4 . . . . .3. . . . . . .1 Notion de syst`me . . . . e e e Les mod`les externes (entr´es-sorties) . . . . . . o II. . . . . . . .4. . . .3 Contrˆle d’attitude d’un satellite . . .3 Introduction ` la th´orie de la commande a e Introduction . . . . . . . . . . . . . . . .2. . . . . o e I. . . e II.2 II. . . . . . . . . . . . . . .6. . . . . . .2 Sch´ma fonctionnel et fonctions de transfert . . . .4. . . . . . .2 Les z´ros . . . e e II. .2 Repr´sentation d’´tat des syst`mes dynamiques . .7. e Approximation lin´aire des syst`mes physiques . . . . . . . . . .Lin´arisation . . . . . . . . . . . . . .6 II. . . . . . . . . . . . . . . . . .4. . . . . . e e e . . . . . . .5. . . .4. . . . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . . e e II. . . . . . e II. . . . . . . . . . . .2 Contrˆle de la tˆte d’un disque dur . . . . . e e II. . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . II II. .6. . . . . . e II. . . . . . . . .4. .4. . . .1 Sch´ma fonctionnel . . . . . . . e Pˆles et z´ros d’un mod`le LTI .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . . e e I. . e e e II. . . 5 5 7 19 19 21 24 24 24 25 26 27 27 29 29 33 35 37 37 38 42 46 48 48 52 53 54 57 57 59 61 61 62 65 67 I. . . . . . . . . . . . . . . .4. . .3 II.1 I. . . . . . . . . . . . .3 Equations diff´rentielles entr´es-sorties . . . . . . . . . . . . .3. . . . . .7. . . . . . . . . . . e Exemples de syst`mes de commande modernes .4 II. . . . . . . . . . . .3 Repr´sentation d’´tat lin´aire . . . . . . . . . . . . . . . e Les mod`les graphiques . . . . . . . . . . . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . . II. . . . . . . . . . o e o II. e e Le mod`le interne . .4 Sch´mas fonctionnels et repr´sentation d’´tat . .7. . . . . e e e e II. . . . . . . . . . . . . . . . . . . . . . . . . e II. . . . . . .5. . .la repr´sentation d’´tat . . . . . . . . . . .1 R´gulation de temp´rature dans un four . . . . . . . . . . . . . . . . . . . . . . . . .1 Le concept d’´tat d’un syst`me . . .2 Servom´canisme hydraulique . . . . . . . . . . . . . . .5 II. . . . . . . .2. . e I. . . . . . . . . . . . . . . . . . e II. o I. .2 Th´orie de la commande . . . . . . . . . . . . .4 Commande longitudinale d’un avion civil . . . . . o e e II. . . . .7. . . . . .5. . . e I. . . . . . . . . . . . . . . . . .1 II. . . . . . .` TABLE DES MATIERES 277 Table des mati`res e I I. . . . .1 La matrice de transfert . . . . . . . . . . . . . . e e e II. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemples caract´ristiques . . . . .

. . . . . .3 Fonctions d’analyse des mod`les LTI e II. . . . . . . . . . . . . . . .2. . . . . e V. . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV. . . . . . . .1 D´finition . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . .5 Grammiens de commandabilit´ et d’observabilit´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 D´finition et exemples . .2. e III. . . . . . . . . . . . . . .3 La m´thode de Lyapunov . . . . . . . . . . . .8. . . . . . . . . . . . e e V. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e III. . . . . . . . . .6. . . . . . . . . . . . . . . e Analyse temporelle des syst`mes continus e Introduction . . . . .2 Cas de modes multiples . .2. . . . . . . . . . . . . . . . . . . . . .3 Relations entre mod`les internes et externes . . . .8. . . .2. . . .2 R´ponse ` des entr´es types . . . .4 Fonctions de mod´lisation par blocs . . . . . . . e IV. . . . . . . . . . . . . . . . . . e IV. . e e III. .1 Cas de modes simples distincts . . . III. . . . . . . . . . . . .2 Fonctions de mod´lisation LTI . . . . . . . . . . . . . e e e V. . e V. . . . . . . . . e II. . . . . e e III. . . . . . . . . . . . . . . . . . . . . . .1 Les formes canoniques d’´tat . . . . . . . . . . . . . . .4.2. . .1 Stabilit´ des syst`mes LTI e e IV. . . . . . . .278 II. . .2 Notion d’observabilit´ . . . . . . . . . . . . . . .3 Stabilit´ BIBO et stabilit´ interne . . . . . . . e III. . . e V. . . . .1. . . .8. . .1. . . .1. . . . . . .r´gime forc´ . . . . . . . . . . IV V . . .6. . .2 Crit`re d’observabilit´ . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . modales . . . . . . . . . . . . . . . . . . . . . . . . . e e III. . . . . . .4. . . . . . .8 Fonctions MATLAB . . .3 Crit`re alg´brique de Routh-Hurwitz . . . . . . . . . . . .3 Fonctions de conversion entre mod`les LTI . . . . . . . . .2 Les syst`mes du premier ordre . e III. e e IV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e III. . . . . . .6 Fonctions MATLAB . . . . e e III. . . . . . . . . . .2 La stabilit´ interne . . . . . . . . . . . . . .2.1 Signaux d’entr´e types . . . . . . e IV. . e III. . . . . . . .1. .2 Caract´risations de la stabilit´ BIBO . . . . . e III. . . . . . . . e IV.1 Fonctions d’alg`bre de base . . . . . . . . . . . . . . . . . . . .1 D´finition . . . . . .1 D´finitions . . . . . . . . . . . . . . . . . . . .1 D´finition .8. . . . . . . . . . . . . . . .3 R´gime permanent . . . . . . . . . . . . . . . . . . . e III. . . . . . e III. e e IV. . . . . . . . . . . .2 Th´orie de la r´alisation . . . . . . 69 69 69 70 70 71 72 72 72 74 74 74 75 76 76 83 89 89 89 92 94 94 94 94 95 95 95 96 98 102 102 104 106 106 109 115 115 115 116 117 119 119 119 III Commandabilit´ et observabilit´ e e Notion de commandabilit´ . . . . . . . .1 . .1 La stabilit´ BIBO . . . . . . III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . ` TABLE DES MATIERES . . . . . . e . . . e II. . . . . . . . . e e IV. . . . . . . . .6. . . . . . . .4 Nature des points d’´quilibre en dimension 2 e IV. e e e III. . . V. . . . . . . . .2 Crit`re de commandabilit´ . . . . . . . . . . . .1. . . .2.2 Fonctions d’analyse des mod`les LTI . . . .r´gime transitoire . . . . . . . . . . . . . . .2 R´gime libre . . . . . . . . e a e V. . .1.1. . . . . . . . . . . . . . . . . . . .1 Fonctions d’alg`bre de base . . . .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. . . . . III. . . . . . . . . .3. II. . . . .2. .

. .1 Rappels sur les relations de bouclage . . .5. . . . . . . . . . . . . . . . . . 184 . . . . . . . . . . . VII. . . .2.3 Sp´cifications temporelles sur le r´gime transitoire . . . . . . . . . e . . . . . .3. . . . . . . . . . . .3 Stabilit´ interne des syst`mes boucl´s . . . .2. . . . . . . . . . e VII. .2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI.2. . . 175 . . . . 149 . . .2 Le lieu de Bode . . . . . . . . . . . . . .1 D´finition et propri´t´s . . . . . . .2. . . . . . . . . . . . e VIII Analyse en performance des syst`mes boucl´s e e VIII. . . . . . . .3. V.1 Principe de la contre-r´action . . . . . . . . .2. . . . . . . . . . . . . . . . . . .4. . 153 .1. . . . . VII. . . . . . 279 123 123 126 130 132 132 139 141 145 145 145 VI R´ponse fr´quentielle des syst`mes LTI e e e VI. e V. . . . .2. .3 Les syst`mes du second ordre . . . . . . V. . . . . .4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . . .` TABLE DES MATIERES V. . . . . . . . . . . . . . . . . . . . . . . VI. . . . . . .5. . . . . . . VI. . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . e e e VII. . . . . . . . . . .3. . .1 Le crit`re de Nyquist . . . . . . . . . . . . e a VI. . . .2.1 Fonctions de r´ponse temporelle . . . . . . . . . . . . . . e V. . . . . . . e VI. . . . . . . . . . . . . . . .2 Le th´or`me du faible gain . . . . . 177 179 . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. . . . . . . . . . . . . . . .5 Extension aux syst`mes multivariables . . . . . . . . . . e V.2 Le crit`re du revers . .3. . . .4. . . . . . . . . . . . . . . 147 . . . . . . . . . e e V. . . . . . . . . . . . . . .1. . . . . . . . . . . . . e V. . . . . . . . . . . .2 Rejet de perturbation b . . . . . . .4 Les syst`mes d’ordre sup´rieur . . . . . . . .3 Sp´cifications temporelles d’un syst`me du second ordre . VIII. . . . .1. . . .4. e e e 147 . . .2 Extension au cas des syst`mes multivariables . . . . . . . . . . . . . . . . . . .3. . . . . . . 153 . .2 Etude de la r´ponse indicielle . . e VII. . . e ee VI. . . . . . . . .2. e o V. 179 . . . . . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII.2 Fonctions d’analyse des mod`les LTI . . .2 Caract´risation des syst`mes de commande a contre-r´action . . . . . . . . . .4 Les syst`mes ` non minimum de phase . . . . . . . e VI. . . . . . e VII.3 Fonctions MATLAB . . . .1 Fonctions d’analyse de stabilit´ . . . . 179 . . . . . . . . . .3 Extension aux syst`mes multivariables . 189 . . . . . . .2. . . . . . . .3. . 173 . . . . . . . . . . . . . . . . . . . .1 D´finitions et exemples . .4.1 Fonctions de trac´ de la r´ponse fr´quentielle . . 189 . . e e e VII. . . e VII. . . . . . . . .5 Fonctions MATLAB . . . . . . . .2. . . . . . . . . e e VII. . . 194 . . . . e e V. . . . . . . . . .1 Le lieu de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Le lieu de Nichols-Black . . . . . . . . . .1 Les syst`mes monovariables . . 193 . . . . . . . . . . . . . .1 Syst`mes de commande a contre-r´action . . . . . . . . . . . . . . . . . . . . . . VI. . . . . . 160 . . . . . . . . . . . . . . . . e VI.1 Notions de modes . . . e VII. . . e e ` e VII. . . e ` e VII. . . . . . 177 . . .4 Fonctions MATLAB . . . . . . . . . . . . . . . . e e V. . . 168 . . . .1 Introduction . . .2. . . . VIII. . .1 Le crit`re de Nyquist multivariable . . . . . . . . . . VI. . . . . . . . . . . . . . . . . . . 147 . . . . . . .2 Effets des z´ros et des pˆles additionnels . . . . . . . . . .2 Analyse en stabilit´ des syst`mes boucl´s . . . . . . . . . . .

. . . . . . .2 Calcul de la matrice de transition d’´tat eAt . . . . . . . . . . .2. . . . . . 272 e 273 R´f´rences bibliographiques ee . . . . . . . . . . . . IX. . . . . . . . . .2 Repr´sentation fr´quentielle des signaux continus .1 egles d’association dans les sch´mas-blocs . . .1 . . . . . . . . . . . . . . . .1 R´glage du gain .2. .6 Notion de modelage de boucle : loopshaping . . . . .2 Valeurs propres et valeurs singuli`res . . . . . . . . e A. . . . . e VIII. . . . . .1 Produit scalaire. . .2 Les fonctions de sensibilit´s en entr´e et en sortie . . . . . . . . . . . .3 ecifications de performance . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . . . . . . . . . . . . . . . .2. . . . B. . . . . B B. . . . . . . . .3 Matrices sym´triques . . .3. . . . . . 269 e Rappels sur les fonctions d´finies positives . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . . . . . e e ee B. . . . .5 Comportement aux fr´quences interm´diaires . . e a e IX. . . . . . . . . . . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . . . . . .1. . . . . .2.4. . . . . . . . . . .2. . . . . . . . . . .2. . . . . . . . R´ VIII. . . . . . . . . .2 Propri´t´s de la transform´e de Fourier . .2 A. . . e B. . . . .1 D´finition .3. e A. . . . . . . . . . . .1 Fonctions li´es ` l’utilisation du lieu des recines . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. IX. . . . . . .2.8 ecifications de performance en sensibilit´s mixtes . . . . . . . . . . . . . . . . R` e VIII. .1 IX. . . . .2. . . . . . . . . . . . . . . . . e B. .1 C. . . .2 Syst`mes ` stabilit´ conditionnelle . . . . . . . . . e a IX. . e e VIII. . . . . . . . IX. . . . Sp´ e VIII. . . . . .3 Analyse des syst`mes boucl´s par le lieu d’Evans . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . .4 Suivi de r´f´rence r : pr´cision . . . . . . . . . . e e e IX. . . . . . . . . . . . . . . . .280 ` TABLE DES MATIERES . . . . . . . . .4 Fonctions MATLAB . . . . . . .2.7 Modelage des fonctions de sensibilit´ . ee e VIII. . . . . . . e e A. . . . . .2. . . . . . . . . . . . . . . . . e B. . . . . . . e A. . . . . .2 La transform´e de Fourier . . . . . . . . . . . Construction du lieu d’Evans . . norme et rang . . . . . . . . . . . . . . . . . e IX. . . . . . . . e e VIII. . . . . . . . . . .1. .2. . . . . . . . . . .3. . . . . . . . . . . . . 220 220 221 222 228 232 233 233 233 234 239 239 241 241 242 249 249 250 252 252 253 253 253 256 259 259 259 261 261 261 263 264 266 266 267 VIII. . .1. .2 Utilisation de la transform´e de Laplace e C. . . . . . . . .3 eduction du bruit de mesure w . . . . . . .1 Conditions des angles et des amplitudes . . . . . . . ee e . . . . .3. . . . . . A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . . e e IX. . VIII. . .3. . . . . . . . . . .1 M´thode de triangularisation . . . .1. . . . . . . . . . . .2 R`gles g´n´rales de construction . . . . . . . . . e B. . . . . . . . . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sign up to vote on this title
UsefulNot useful