Auto Ma Ti Que

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

6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es.) mais plus important. th´orie des transformations. des outils math´matiques (alg´briques. 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. sa e e e e parent´ avec le traitement du signal ne fait aucun doute. e .. 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.. 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. e e Afin de manipuler et d’utiliser ces concepts. 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. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. 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. 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. mˆme si le vocabulaire est parfois diff´rent. Enfin. e e le concept d’information y est ´galement primordial.

clepsydres. Philon de Byzance (. ` Fig.800 . 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. [5]. [4].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. [8] [42]. 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. 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. [32].250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe. [6].C. le principe de la commande tout ou rien est pour la e premi`re fois utilis´.). Le principe de la chasse d’eau est fond´ sur e e e e e le mˆme principe.. r´gulateurs de e a e flammes..). I.300 avant J. e e . Durant cette p´riode.I. distributeurs automatiques de liquides. [27]. [10]. 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.2 – Clepsydre d’H´ron [22] e .2. . distributeurs automatiques de vin. [7]. 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. I. : 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. BREF ALBUM CHRONOLOGIQUE 7 I.1 – Clepsydre de Ktesibios [28] Fig.1200 : diff´rents ing´nieurs Arabes (Al-Jazari.. 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.. [3].

En effet. I. Son ´chec ` trouver la e a pierre philosophale le conduit n´anmoins a inventer un incubateur automatique. Becher-1680. 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. fours. les e e r´gulateurs de temp´rature sont ´tudi´s successivement par Becher en 1680. machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle.3 – Illustration extraite du livre : ”Automata” (1315) [1] .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. I. 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. Entre temps. e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. e ` l’Athenor. e e Henry propose de l’utiliser pour les fours chimiques en 1771. e a e .1600 . Bonnemain-1777) : Cornelius Drebbel. Henrye e e ` 1771. R´aumur-1754.R´gulation de temp´rature (Drebbel-1624. oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig.4 – Sch´ma de l’incubateur Athenor e .

Wood-1784).2. En 1745. la chasse d’eau est mise au point par le londonien Crapper en 1775. En Sib´rie.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).6 – Principe de la machine ` vapeur de Polzunov [35] a . I. Brindley-1758. A la fin de ce si`cle. Crapper 1775. En particulier.R´gulation de niveaux (Salmon-1746. BREF ALBUM CHRONOLOGIQUE 9 . Polzunove 1765. Fig. 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. invention pour laquelle il est anobli par la reine Victoria. 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.I.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. I. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. a . (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.

Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803.9 – Manuscrit de Watt ou Boulder [44] . En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs.10 INTRODUCTION A LA THEORIE DE LA COMMANDE . 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. 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.7 – Soupape de s´curit´ de Papin [46] e e . On peut e .R´gulation a gouverne centrifuge (Watt-1788). ` e e Fig. Delap-1799. I. (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton.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. e ` (Pickering-1862). I. I. 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.R´gulation de pression (Papin-1707. Fig.8 – Moteur a vapeur de Watt [46] ` Fig. (Siemens-1846). (Porter-1858). il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur.

(H´zen-1934) : a la fin du XIX eme si`cle. e .C.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). (Routh-1877). Airy d´veloppent les premi`res analyses de stabilit´ des syst`mes e e e e r´gul´s. Lagrange sur la repr´sentation e des syst`mes dynamiques par les ´quations diff´rentielles.I. (Poncelet).I. Vyshnegradsky qui analysent la stabilit´ du r´gulateur a boules de e e ` Watt. (Airy-1840). (Nyquist-1932). 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. A. Hamilton et de J. (Hamilton). (Vyshnegradsky-1877).M.L. I.J. 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.D´veloppement de l’analyse des syst`mes dans le domaine fr´quentiel (Minorskye e e ` e 1922).10 – Manuscrit de Adolf Hurwitz [31] Le math´maticien canadien E. en Russie.R. Minorsky analyse e e e . le math´maticien suise e e se A. Maxwell et le e e e e e e russe I. 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. Ind´pendamment.B. J.B. (Maxwell1868). 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. 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. 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. 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. (Hurwitz-1895). e e e 11 . (Hermite-1854). Fig. (Black-1927). Poncelet et l’ase e e tronome G. Enfin. (Lyapunov-1892) : suivant les travaux de W.2.V.

I. seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques.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 cette ´poque. 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. 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.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. a e Fig. e e a .

I. Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N.W. (Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H. a e .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). 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.12 – Lieu de Nyquist . I.C. I.13 – Syst`me de RADAR SRC-584 [40] e En parall`le. Nichols. . 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 M9.1940-1960 : 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. les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A. e Fig.B.2. 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.

15 – Abaque de Black-Nichols . N. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”.N. I. Fig.25 dB 0. Pm = −44. (Wiener et Bigelowe 1942) : A.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.D´veloppement de l’analyse stochastique (Kolmogorov-1941). I.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61.14 – Lieu de Bode Fig.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. .7 deg (at 1. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. N.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret.3 dB (at 1. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu.43 rad/sec) . I. Wiener et J. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu. .16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. Shannon qui publie en 1948 ”The mathematical theory of communication”.

2. I. Smith-1942).B. 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. 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.Sc. 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. Royaume Uni. (McColl-1945). I. (McColl-1945). o e Nichols proposent leurs r´glages des compensateurs PID.G. BREF ALBUM CHRONOLOGIQUE 15 ` Fig.19 – Lieu d’Evans . (Ziegler-Nichols-1942).R. de Shannon [42] . Ziegler et N.18 – M. (Truxal-1955). 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. (Truxall-1955) : W.P´riode classique de d´veloppement de la th´orie des servom´canismes (Smithe e e e 1942).I.17 – 1ere ´dition de Cybernetics [2] e Fig. (Evans-1948). En 1951 a lieu la e e e premi`re conf´rence d’Automatique a Cranfield. J. Cette p´riode est principalement marqu´e par la parution e e e des premiers trait´s (S.

(Popove e 1961). introduction du e e formalisme d’´tat (Bellman-1957).20 – Application du crit`re du cercle e .2 −0. (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats.5 Fig.1 Real Axis 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. (Yakubovich-1962). Il montre d’autre part e e .3 0.A. (Narendra-1964). temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial.4 0.M. e e q=5 − mu=1 − a=1 0.1 −0. (Pontryagin-1958). au crit`re du cercle et de la passivit´. 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.5 −0. .2 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. (Tsypkin-1955). e e R.16 INTRODUCTION A LA THEORIE DE LA COMMANDE .5 0.4 −0.3 −0.1 0 0.3 −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. (Sandberg-1964). 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.5 −0.2 −0.1 Imag Axis 0 −0.2 0. Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton. Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e.S. (Desoer-1965). V. Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat.3 0. I. De son cˆt´. R. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B.1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale. L. Hamel en France et J.Th´orie de la commande optimale et th´orie de l’estimation.4 −0.4 0.Th´orie de la commande non lin´aire (Hamel-1949).

R. 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.Intel 4004 [34] .I. (Ragazzini et Franklin-1958). (Ragazzini et Zadehe e 1952). (Kuo-1963). I.2. I.21 – Livre de Lev Pontryagin .22 – Microprocesseur . 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.Commande ´chantillonn´e (Shannon-1950). e e Fig. (Safonov-1982) e e 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. (Safonov-1981) e . (Jury-1960). G. (Doyle-1981). Shannon dans les ann´es 50. e Fig.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. (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.Th´orie de la commande H∞ (Zames-1971). Franke e e e e lin et L. Ragazzini.Th´orie de la valeur singuli`re structur´e (Doyle-1982). Zadeh qui suivent les jalons pos´s par C.

e .23 – Surface LMI . techniques neuro-mim´tiques. 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 .Introduction de la programmation semi-d´finie positive. I.Th´orie de la commande floue et techniques de supervision associ´es. Automae e tique symbolique.

e . e . ´tape pr´liminaire de l’analyse d’un syst`me e e e e e e quelconque. c’est ` dire e e e a la combinaison des lois math´matiques pr´c´dentes.3. 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. ce sont les e e commandes.caract´risation des relations entre ces variables. est constitu´ naturellement ou e e ee e e artificiellement afin d’accomplir une tˆche pr´d´finie.3. Son ´tat est affect´ par une ou plua e e e e sieurs variables. d(t) e(t) Système s(t) Fig. 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. Notons ainsi que la notion de syst`me est indissociable de celle de e e signal.identification des variables pertinentes pour la caract´risation de chaque ´l´ment e ee constituant le syst`me. La mod´lisation. I.´ ` ´ I.24 – Sch´ma fonctionnel e Les entr´es affectant un syst`me peuvent ˆtre de nature diff´rente. I. 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. aggr´gation d’´l´ments interconnect´s. Les unes ont pour e e e e but d’exercer des actions entrainant le fonctionnement souhait´ du syst`me.3 I. e(t) Système s(t) Fig. Les autres entr´es troublent le fonctionnement d´sir´ et sont d´finies comme e e e e des perturbations. THEORIE DES SYSTEMES ET THEORIE DE LA COMMANDE 19 I.1 Th´orie des syst`mes et th´orie de la commande e e e Notion de syst`me e Un syst`me. de sa composition et de son degr´ e e de complexit´ comporte donc les ´tapes suivantes : e e . 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.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. ind´pendamment de sa nature physique. les entr´es du syst`me. 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.

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. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. e e a . 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.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. Cela signifie qu’en th´orie des syst`mes. e e . 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. e e Classification des syst`mes e Jusqu’ici.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. En gras. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig.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. I.20 INTRODUCTION A LA THEORIE DE LA COMMANDE . 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.formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie. 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. Traitant e e uniquement dans ce cours des syst`mes dynamiques. La figure I. 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. .

les syst`mes lin´aires v´rifient le principe de e e e superposition et le principe d’homog´n´it´. branche de la th´orie des syst`mes. e Contre-exemple I. frottement sec).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 Toutefois. ph´nom`nes e e e e e e ´lectrostatiques) ou font apparaˆ des ph´nom`nes non lin´aires (hyst´resis. la plue e e part des syst`mes physiques sont en r´alit´ non lin´aires (bras de robot. On parle alors de syst`mes lin´aires. En effet. 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. la sortie est e e e e e e donn´e par αs(t). grae e e phiques) tr`s simples et puissants tels que les transform´es de Laplace et de Fourier. 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. au sens large. e e le calcul op´rationnel ou le th´or`me de convolution. 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 I. Il conviendra donc de toujours justifier en pratique l’hypoth`se de e lin´arit´ et d’identifier son domaine de validit´. zone e ıtre e e e e morte. 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. Un processus de lin´arisation est alors n´cessaire.3. e e e e D’un point de vue purement technique. 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. 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).3. les performances. e e e e Ainsi l’hypoth`se de lin´arit´ va permettre l’utilisation d’outils (analytiques. e e e e e e Si elle n’est strictement que rarement v´rifi´e en pratique. e e e La th´orie de la commande. 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. 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 .2 Th´orie de la commande e Le processus pr´liminaire de mod´lisation achev´. seuil.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.

il est imaginable de g´n´rer un signal de commande produisant le e e e signal de sortie souhait´. 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. Cela constitue le principe de la commande en boucle ouverte. e e Toutefois. Empruntant ses outils et ses bases th´oriques e e e aux math´matiques. un lien doit ˆtre cr´´ e e ee entre la r´alit´ et la th´orie math´matique. le g´nie ´lectrique.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.22 INTRODUCTION A LA THEORIE DE LA COMMANDE oeuvre sur des syst`mes technologiques r´els. On parle alors de a e .3.. les signaux de sortie ne seront pas ceux souhait´s. e(t) Loi de commande c(t) Actionneur Système s(t) Entrée de consigne Signal de commande Sortie réelle Fig. I. e e l’automobile. 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 Commande en boucle ferm´e e L’introduction d’un retour d’information sur les sorties mesur´es s’av`re alors n´cessaire. Exemple I. e ee e e e Quelle que soit la nature du syst`me ` commander. e e Ainsi. 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.. si le syst`me ` commander n’est pas parfaitement connu ou si des perture a bations l’affectent. l’industrie chimique. Le processus de d´veloppement d’un mod`le e e e e e e math´matique constitue ce lien. e Les signaux d’entr´e e(t) ne sont pas influenc´s par la connaissance des signaux de sortie e e s(t). 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. le spatial.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. afin de mettre en pratique la th´orie de la commande. 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). il est toujours possible de classer les e a diff´rentes structures de commande en deux grandes familles.

e e . par opposition aux syst`mes en boucle ouverte (figure e e e I. D’autre part.27). 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.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. Il est toutefois important de remarquer que cette structure de commande ne pr´sente e pas que des avantages. 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. stabilisation de syst`mes ine e e e stables en boucle ouverte). rejet de perturbation.28). 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´. meilleur suivi de consignes. 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. e e e moindre sensibilit´ aux variations param´triques du mod`le. 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. I.

e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I. contre-r´action.. 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..4.29.2 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. A partir de l’information de position restitu´e par un capteur au correcteur. Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig.4. etc. 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. incubateur. e e I.). e . .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. 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. Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I. 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.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. I.

contrˆler la dissipation de chaleur o .4. Il doit donc ˆtre isol´ des vibrations et des bruits e e e ´lectriques du corps du satellite.courtesy IBM I. panneaux solaires ou des instruments de mesure . de commander son orientation e (son attitude) dans l’espace.pointer dans la bonne direction les antennes. I.30 – Disque dur .´viter les d´gats solaires ou atmosph´riques sur des composants sensibles e e 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´.3 Contrˆle d’attitude d’un satellite o Il s’agit. Un autre type de sp´cification e e e e . I.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. connaissant le mod`le dynamique du satellite.EXEMPLES DE SYSTEMES DE COMMANDE 25 Fig. Les objectifs peuvent ˆtre : e . e Fig.

e e e . 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. la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment.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´.32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res. e . Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis. 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.Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR.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. I. e I. . Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices. e −Z M T −X θ ε xA zA mg δe Fig.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. gravitationnelles et a´rodynamiques. 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.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.32 – Param`tres longitudinaux e .4. 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. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure 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.

Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II. non lin´aires. 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. Un certain nombre d’hypoth`ses de travail sont ainsi e e e formul´es d´finissant la classe des mod`les utilis´s. Quelle que soit la nature physique du syst`me ` ´tudier.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. ` 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. e e e e a La d´marche globale peut ainsi se r´sumer de la mani`re suivante.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3. 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. 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. En Automatique.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 . e e e 1.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.D´finir le syst`me ` ´tudier et ses composants ´l´mentaires e e ae ee 2. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires. Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires.

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. . 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´. 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.

jI . 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. ` 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. 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. quie bus astronomiae pars optica traditur en 1604. 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. y. 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. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. 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.´ II. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). z). 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.3. 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´.2 Exemples caract´ristiques e Dans cette section. kI ). On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . Il est d’ailleurs excome a muni´ en 1612. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1. e e II. . il produit ´galement des travaux en optique (Ad Vitellionem paralipomena.2. 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.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. 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. En dehors de ses travaux d’astronome proprement a dit. 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. 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. Il est mort le 15 Novembre 1630 a Regensburg.2. e ` e e Biographie 1 (J. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. EXEMPLES CARACTERISTIQUES 29 II.

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. II. 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. 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. 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. la loi de Newton peut se r´´crire : e e e ee M|B = dH + ωm ∧ H|B dt |B (II.1 – R´f´rentiels inertiel et en mouvement ee e On note en suivant la figure II.3) (II.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.1) Par application de la loi de Newton pour le mouvement en rotation du satellite : M= dH dt |I (II. d’apr`s le th´or`me de Coriolis.30 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES dm r z o x y B rI ro I oI Fig.1 que rI = rO + r et par application de la r`gle de d´rivation dans deux r´f´rentiels diff´rents.4) .

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. 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. e ee (II.6) . Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite. Ty . figure II. l’angle de nutation et φ l’angle e e de rotation propre. Tφ .7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (II.2.5) ` Hypotheses II. La matrice de rotation peut alors ˆtre engendr´e par trois rotations e e ´l´mentaires d´finies par les matrices Tψ . l’angle de pr´cession θ. Les angles d’Euler sont not´s ψ. (Tx . 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. uy . uz ) forment le vecteur moment de commande.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).EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler). Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes. 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. On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel.

9).2 – Angles d’Euler En utilisant les angles d’Euler. e e e e e −π ≤ ψ ≤ π −π ≤ θ ≤ π 2 2 −π ≤ φ ≤ π (II.8) . 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. 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.32 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES z φ y θ ψ Ligne des noeuds x Fig. II.9) (II.

Quand la soupape e e e pilote est en position x = 0. e o e Exemple : servo hydraulique 1 Un exemple de servom´canisme hydraulique est pr´sent´ figure II.Il e ` e est diplˆm´ de l’universit´ de Basel en 1724 en th´ologie et h´breux. π. e. les passages d’huile sont ferm´s et aucun mouvement n’en e r´sulte. largement utilis´s afin de mouvoir les surfaces de contrˆle a´rodynamiques. la standardisae tion des notations math´matiques (f (x). 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. son travail sur e e la th´orie des nombres (´tude de nombreuses conjectures de Fermat. Pour x > 0. i et Σ). ` II. o e e e e Son professeur de math´matiques Johann Bernoulli convaint son e p`re de son avenir de math´maticien. e e formule d’Euler-MacLaurin). Il est mort le 18 Septembre 1783 a Saint Petersbourg d’une attaque.10) 1 (p2 − pe )1/2 x w2 = R2 . la fondation de l’analyse math´matique (Introductio in analysin infinie torum en 1748. Citons entre autres. de Berlin puis de noua e veau de Saint Petersbourg. l’huile suit le trajet inverse entrainant le piston vers la gauche.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. il contribue ´galement e e e e en m´canique (Mechanica en 1736 et Theoria motus corporum solidorum en 1765) e et en hydrostatique. Ils sont en particulier. la r´solution du probl`me aux trois corps. Institutiones calculi differentialis en 1755 et Institutiones calculi integralis en 1770) l’invention du calcul des variations (Methodus inveniendi lineas curvas en 1740).2. for¸ant le piston vers e e e c la droite alors que pour x < 0. a w1 = 1 (ps − p1 )1/2 x R1 (II. Outre les travaux math´matiques.3. Ses contributions aux diff´rents champs des e math´matiques sont innombrables. constante d’Euler. preuve du dernier e e th´or`me de Fermat pour n = 3). son travail sur les s´ries infinies (probl`me de Basel. On suppose que le d´bit ` travers l’orifice de la soupape pilote est proportionnel e a ` x.EXEMPLES CARACTERISTIQUES 33 Biographie 2 (L. l’huile suit le trajet repr´sent´ sur la figure. Il est successivement math´maticien e e e ` l’acad´mie des sciences de Saint Petersbourg.

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

APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II. · · · . e e e e e . 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 . 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.15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . 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. x2 . e e e a e . xn ) (II.Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire. e e . ˙ ¨ e e p1 = p2 = ps + pe 2 (II.3. 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. · · · .17) En supposant que sin θ ∼ θ pour θ petit.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. √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x.´ ` II. x20 .18) (II. · · · .19) qui est une ´quation d’´tat du mˆme type que pr´c´demment. on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II. Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le. e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 . Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement. x20 .Si y = a et F = 0.

` e e e e ωz − Ω sont faibles.23) (II.36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible. La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 . θ et φ sont petits. ωy . 0.24) (II. les approximations pr´c´dentes restent valides.22) (II. θ0 .8). 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. 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. 0. 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´. ωy0 . 0) (II.21) . ωz0 ) = (0. Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant. Il est alors possible de supposer que ωx . 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. φ0 ) = (Ωt.20) (ωx0 .

4. Il publie ` a en 1832 son troisi`me suppl´ment ` son livre Theory of Systems e e a of Rays.R. 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. e Biographie 3 (Sir W. de Newton et de Laplace. 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). il publie Lectures on Quaternions en 1853 puis Elements of Quaternions dont le dernier chapˆtre reste inachev´. 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. il soumet son premier article e e e ` la Royal Irish Academy en 1824. A 5 ans. Il publie On General Method in Dynamics en 1834 et est anobli en 1835. Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton. La repr´sentation d’´tat. Polaris) aux d´buts e e e des ann´es 60. e Exemple II.4. le Grec et l’H´breu. e Poincar´). Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie. Kalman et par les e ee e e ing´nieurs travaillant sur les premi`res applications spatiales (Apollo.` ´ ´ II. 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. Le e e e e e e concept d’´tat a ´t´ introduit de mani`re syst´matique par R.1 (formulation Hamiltonnienne de la loi de Newton) Selon la loi de Newton. 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. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal. Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans.4 II.E.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´.LA REPRESENTATION D’ETAT 37 II. Etant donn´ l’´tat d’un syst`me ` un instant donn´. 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) ˙ . il sait le Latin. LE MODELE INTERNE .4. la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du syst`me.1 Le mod`le interne . Apr`s ˆtre entr´ au Trinity College.

U Vecteur d’entrée X Vecteur d’état dimension n Y Vecteur de sortie dimension m dimension r Fig.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. xn (t)] .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.4. ` chaque instant t0 . II. le comportement du syst`me ` n’importe quel instant sera connu. On consid`re donc le e e e syst`me dynamique multivariable de la figure (II. L’´volution du syst`me peut ˆtre repr´sent´e au moyen des trajectoires d’´tat. 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. d´fini comme l’espace e ` e d’´tat. l’´tat initial d’un syst`me doit constituer sa e e e e e m´moire. e e e . e e II. e e e e e x(t) = [x1 (t).38 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES sont connues. · · · .4) ayant pour entr´es les composantes e e du vecteur u(t) ∈ Rm et pour sorties les composantes du vecteur y(t) ∈ Rr . ´ Definition II. 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. 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. on trouve toutes les fonctions e e ee r´sultant d’une int´gration. Les variables d’´tat seront donc e e a e les solutions d’´quations diff´rentielles du premier ordre. 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 . 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.4 – Syst`me dynamique multivariable e En g´n´ral. t1 ]. e Le vecteur d’´tat x(t) appartient a un espace vectoriel E. Parmi les fonctions poss´dant cette propri´t´. 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 .4. e e Comme l’exemple pr´c´dent l’a montr´.

4. II.LE MODELE INTERNE . 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.LA REPRESENTATION D’ETAT 39 x2 x(t0) x(t1) x2(t1) 0 x(t2) t x1 (t1) x1 Exemple II.25) v(t) . e ` e Pour un choix du vecteur d’´tat e .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.2 (oscillateur de Van der Pol) En consid´rant le circuit ´lectrique suivant : e e L C Résistance négative Fig.

7).5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig. u(t).40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2.5 2 1.5 −1 −1. Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me.26) y(t) = h(x(t). e ´ Definition II. continue par rapport a u et continue par morceaux par rapport a t. En ´crivant les lois de Kirchoff (noeuds e e et mailles).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. u(t).6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II.4. u(t) ∈ Rm est le vecteur de commande.4. t) ´quation dynamique ˙ e (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). e e e e e Exemple II.5 1 0.4. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II. II. y(t) ∈ Rr est u le vecteur de sortie.5 dx/dt 0 −0.5 −2 −2. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.27) .

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. x2 (0) . l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II. soit [x1 x2 ] = [vC iL ] .LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig.31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II. il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0.25). [x1 (0) x2 (0)].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.6 pour diff´rentes e e e a e x1 (0) conditions initiales . il est e e encore possible de donner une repr´sentation d’´tat non lin´aire.29) A partir de la donn´e des conditions initiales du circuit.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (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.30) (II.4. 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.LE MODELE INTERNE . ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire. 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. vR = R(iL (t)). II. En posant e e e x1 = v et x2 = v.

. le syst`me est Lin´aire Temps-Invariant e e (LTI).C(t) ∈ Rr×n est la matrice de mesure ou de sortie.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). B. .4.B(t) ∈ Rn×m est la matrice de commande ou d’entr´e.D(t) ∈ Rr×m est la matrice de transmission directe. le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´.4. 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. u(t).2 La repr´sentation d’´tat n’est pas unique. Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t). C. e ´ Definition II.42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II. En effet. 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´. e . t) ˙ (II.A(t) ∈ Rn×n est la matrice dynamique. u0 (t).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). e II. Si les matrices A. D sont constantes. t) ˙ (II.34) .3 Repr´sentation d’´tat lin´aire .4. cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique. Cela signifie que pour un mˆme syst`me phye e e e sique. 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.32) y(t) = C(t)x(t) + D(t)u(t) o`: u .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.

t)˜(t) + Ju (x0 (t). u0 (t). u0 (t). Pour k/m = 1/2 g/l = 1. on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t).LE MODELE INTERNE .LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales. u0 (t). t) + Jx (x0 (t). 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. 0). Cela e e e signifie que pour tout t0 ≤ t ≤ tf . u0 (t). (π. θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0.5 (´quation d’un pendule non contrˆl´) e oe ˙ . la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0. 0). (u (t). 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). x0 (t)) que tr`s faiblement. t) u(t) ˜ A(t) B(t) (II. u0 (t).4.35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (t). x(t)) ne diff`rent de (u0 (t).5 θ l 11 00 11 00 11 00 11 00 m . les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ. t) x(t) + Ju (x0 (t).

e e e ´ Definition II.40) . 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. 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.4.4 (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.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie.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 . 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. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.5 A2 = 0 1 1 −0.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy .39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t.44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre. t0 )x0 ∀t ≥ t0 (II.

la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique.40). t1 )Φ(t1 . t0 )x0 + C(t) t0 Φ(t. t0 ) = Φ(t2 . 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. Pour les e e e e syst`mes LTI. elle est donn´e par l’´quation e e e e e e e (II.1 . t0 ) = Φ(t0 . τ )B(τ )u(τ )dτ + D(t)u(t) (II. t0 )x0 + et la sortie s’´crit alors : e Φ(t. De mˆme. solution de l’´quation diff´rentielle : u e e ˙ Φ(t. t0 ) est la matrice de transition. t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes.4.4. (LTI).43) x(t) = Φ(t.LA REPRESENTATION D’ETAT o` 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. seuls les syst`mes lin´aires temps-invariants. t0 ) = A(t)Φ(t. t0 ) .Φ(t. t0 ) est inversible pour tout t et tout t0 .4. e ´ Definition II.45) Dans la suite. Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat.42) A partir de la donn´e de la matrice de transition. e ee ´ ´ Proprietes II.4.44) t y(t) = C(t)Φ(t. t) ∀ t.LE MODELE INTERNE .41) Dans le cas g´n´ral d’un syst`me temps-variant. e e e e e elle est donn´e par : e t x(t) = t0 Φ(t.Φ−1 (t. e ´ ` Theoreme II. τ )B(τ )u(τ )dτ t0 (II.Φ(t2 . t0 ∀ t ≥ t0 45 (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. 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. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. seront ´tudi´s e e e e . τ )B(τ )u(τ )dτ (II. ´ Definition II.5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. t0 ) Φ(t0 .

7) pour C = 2 F .B.0].1 -3]. e Exemple II.5 -3 b = x1 x2 u1 0.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A. C.B=[1/2.6 (circuit ´lectrique) e Calcul du mod`le d’´tat. L = 1 H et R = 3 Ω. D).D) a = x1 x2 x1 0 1 x2 -0.4.4 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. >> circuit=ss(A. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie. . du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II.4. B.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le. >> C=[0 3].46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II. ´ Definition II.C.4. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es.D=0. Script MATLAB 1 >> A=[0 -1/2. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.

50) eA(t−τ ) Bu(τ )dτ + Du(t) (II.LA REPRESENTATION D’ETAT La matrice de transition d’´tat e 47 Pour les mod`les LTI.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.47) Sa r´ponse libre est donc donn´e par : e e y(t) = CeA(t−t0 ) x0 Le mod`le LTI. la matrice de transition d’´tat peut ˆtre donn´e de mani`re e e e e e explicite.2 Le mod`le LTI homog`ne (non command´) de condition initiale x(t0 ) = x0 . ´ ` Theoreme II.LE MODELE INTERNE . e e e x(t) = Ax(t) ˙ y(t) = Cx(t) a pour matrice de transition : Φ(t.53) . e x(t) = Ax(t) + Bu(t) ˙ (II.49) (II.4.48) (II. ψ(t) = x1 (t) = x10 + (t − t0 )x20 + puisque eAt = 1 t 0 1 1 Izz t 0 t t0 (II.52) (t − τ )uz (τ )dτ (II. t0 ) = eA(t−t0 ) o` : u eAt = 1 + At + A2 t2 An tn + ··· + + ··· 2! n! (II.

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.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. Londres en Angleterre. Le come e portement ”interne” du syst`me est ignor´ (tensions et courants interm´diaires dans e e e un circuit p. 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.C.5. En 1902. ae Il devient t´l´graphiste au Danemark puis en Angleterre. e e Biographie 4 (O. Cer derni`res sont mieux e ` e connues sous le nom d’´quations de . e e e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) x(t0 ) = x0 (II.. On d´finit ainsi une classe de mod`les dont les ´l´ments auront des propri´t´s e e ee ee ´quivalentes. Heaviside en 1892 e e e pour caract´riser le comportement entr´e-sortie des servom´canismes.54) . 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.. Il e ` contracte tr`s jeune une fi`vre scarlatine qui le laisse presque sourd. e Heaviside ´tudie ce dernier et propose de simplifier les 20 ´quations a e e ` 20 variables en 4 ´quations a deux variables. e II. e Soit le syst`me multivariable dont le mod`le d’´tat est donn´ ci-dessous. 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.1 La matrice de transfert Originellement d´finie pour le syst`mes SISO (Single Input Single Output). Heaviside) Oliver Heaviside est n´ le 18 Mai 1850 a Camden Town.e. Celle-ci recouvre ainsi les mod`les e e e du type ´quations diff´rentielles ` coefficients constants. nous nous int´ressons dans ce cours ` la souse e e e a classe des mod`les Lin´aires Temps-Invariant (LTI). Il n’en finit e pas moins sa vie a Torquay dans le Devon. Nous insisterons plus particuli`rement sur ce e e dernier type de mod`le tout en donnant quelques liens avec les deux autres. tr`s isol´ et en butte ` un fort complexe de ` e e a pers´cution.) puisqu’il s’agit uniquement de caract´riser la relation causale entr´ese e sorties. il pr´dit e l’existence de la couche portant son nom et refl´chissant les ondes radios. Ses traee vaux sur l’´lectricit´ le font remarquer de Maxwell qui le mentionne e e dans son trait´ Treatise on Electricity and Magnetism. Ces derniers travaux sont prouv´s rigoureusement e e plus tard par Bromwich et valent a son auteur de nombreuses pol´miques scientifiques. la notion e e de fonction de transfert a ´t´ essentiellement d´finie par A. 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.48 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. De fait. Maxwell. les mod`les fond´s sur la r´ponse e e a e e e impulsionnelle et les mod`les de transfert. Cette classe ´tant tr`s vaste.

1 .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. il est possible de l’appliquer aux e e e ´quations (II.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).54).5. U (p) = L[u(t)] et Y (p) = L[y(t)]. 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. on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II. .60) Remarques 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.5.59) Yi (p) = j=1 gij (p)Uj (p) (II. u ∈ Rm et y ∈ Rr .La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles.Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique.55) u e e par rapport a Y (p). x0 = 0. um y1 y2 . u u1 u2 .56) Pour des conditions initiales nulles.58) (II. II. .LES MODELES EXTERNES o` x ∈ Rn . e e . En r´solvant les ´quations (II. yr 49 Système linéaire multivariable Fig. il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II. e e e . .55) o` X(p) = L[x(t)].57) ´ Definition II. . e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II. .

.21 x(t) + 0.50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .01 x(t) (II. En supposant les flux constants fH = fC = f .. d´bit fC ). β = 0.9. d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi .C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me.63) . II. x2 ) = (TC . de la capacit´ u e e e calorifique des fluides.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur.2 −0.61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig.01 0 0 0. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi .21 0. e on obtient : x(t) = ˙ −0. e e e e e e e e e e temp´rature TC .1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II.2 0.01 m3 /min.5.2 m3 /min et VH = VC = 1 m3 . les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II. Pour chaque ´tage. temp´rature TH . TH ) et les temp´ratures d’entr´e comme les commandes.62) y(t) = x(t) Pour les valeurs num´riques f = 0. les variables d’´tat e e (x1 . 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. e Exemple II.

41]).64) 0.42 s + 0.01*0.LES MODELES EXTERNES En appliquant la formule (II.66) ...21] 0..01*0.21 −1 51 0.57).21]}.0041 #2: Transfer function from input 2 to output. 0.0041 0.21 −0.01 = (p + 0. e e >> den=conv([1 0..2 [0. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.0.01.41) p + 0.2 p + 0.[1 0.den den}) Transfer function from input 1 to output.2 −0.42 s + 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..01)(p + 0.01 (II..01].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.21 0.0041 0.0021 --------------------s^2 + 0.2 p + 0.2 0.01 0 0 0.01 0.002 #1: --------------------s^2 + 0.01 s + 0.01 s + 0.0021 #1: --------------------s^2 + 0.01*0.42 s + 0.01 0. 0.42 s + 0.2*0.. {den den. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.002 --------------------s^2 + 0. >> echangeur=tf({[0.

e e >> a=5.5.. s .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. g(t) est une matrice de dimensions r × m. 5 s + 5 #1: -------s^2 + 25 s ...25 -------s^2 + 25 #2: II.5 -------s^2 + 25 #2: Transfer function from input 2 to output.67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur. e e e (II. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t. {[1 0 25] [1 0 25].. >> satellite=tf({[1 -25] [5 5].[-5 -5] [1 -25]}.5.68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II.[1 0 25] [1 0 25]}) Transfer function from input 1 to output. L’´l´ment (i... ` ..70) A chaque instant t.2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II.25 #1: -------s^2 + 25 -5 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.69) ´ Definition II.

y1 1 . .5. .71) De plus. up1 . (II.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 .2 (syst`me 3 entr´es . 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. · · · . · · · . u m . le mod`le prend la forme e e e d’un syst`me d’´quations diff´rentielles entr´es-sorties. yr r ) = g1 (u1 . · · · . yr . la transform´e de Laplace permet de relier la matrice de r´ponse impulsione e nelle et la matrice de transfert. · · · 1 . · · · n . u pm ) m Du fait de la difficult´ ` les manipuler math´matiquement. G(p) = L[g(t)] (II. e e e e n n f1 (y1 . 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. yr r ) = gs (u1 . um . e e e e a Exemple II.5.72) 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. y1 1 . · · · .73) fs (y1 .LES MODELES EXTERNES 53 Pour des conditions initiales nulles x0 = 0. · · · . yr . · · · . up1 .2 sorties) e e ˙ y ˙ y1 + 3y1 + 2¨1 = 4u1 + u2 + 2u3 y2 + y2 + 2¨2 = 4u1 + u2 + 2u3 ˙ y . Dans le cas g´n´ral. · · · . · · · . 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.

75) y(0) = y(0) = · · · = y ˙ (n−1) (II.10 – Syst`me masse-ressort-amortisseur e .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.5. Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II. mono-sortie.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.77) Exemple II. 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.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie. e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II. 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.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles. II. 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. Dans le cas de mod`les externes.74).5. 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. 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.5.10). y(t). on obtient. u(t).78) k M s(t) f e(t) Fig.

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.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. alors : s(t) = su (t) + s0 (t) (II. 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. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II.83) La fonction de transfert G(p) est appel´e double int´grateur. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II. Ainsi.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.24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul. on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe.80) Exemple II.82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II. Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (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. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ. . 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. 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). 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. vR (t).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.5.

5.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.11 – Syst`me lin´aire e e ´ Definition II.88) ⇔ Y (p) = G(p)U (p) (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.5.86) .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. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II. e e ´ ` Theoreme II.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.87) (II.2 1. II.5. e y(t) = g(t) ∗ u(t) .Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle.mod`le alg´brique G(p) e e . e G(p) = L[g(t)] 2. e e e Remarques II.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).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 .g(t) et G(p) contiennent la mˆme information. ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II.

e e ´ Definition II. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II.6.91) (II. le syst`me est dit propre alors que pour n > m.6.89). ` l’inverse. il est dit strictement propre. Si le syst`me est causal alors n ≥ m.6. la caract´risation par la fonction de transe a e fert est tr`s simple. e A partir de la d´finition du polynˆme caract´ristique. 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. POLES ET ZEROS D’UN MODELE LTI 57 II. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO.6. o e ´ Definition II. 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). il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI.ˆ ´ ` II. .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).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. e e II.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II.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.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral.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.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II. Pour e e e e n = m. e e e ´ Definition II.6.3 (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.

B=[1 0.1 1 0]. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.{[1 1] [1 2]. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .1 1}. o e e Exemple II.[1 1] [1 1]}).0 1].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.6. >> C=[2 0 3.0 -1 0.0 1.0 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.

POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2. Sous les hypoth`se II.94) (II.0000i >> Poles=pole(G) Poles = -1 -2 -1 II.6. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II. e e e e e a On d´finit pour cela le polynˆme des z´ros.0000 + 0.0000i -1. 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. 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.6.0000 . la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission. e e e e ´ Definition 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.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.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r. Elle est ´troitement li´e ` la repr´sentation (´tat.0000 -1.1. 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).6.6.0. u e e e e ` Hypotheses II.6.89). transfert) choisie. e Sous ces hypoth`ses.93) .92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II.90).ˆ ´ ` II. Ces syst`mes sont e e e e e e dits carr´s. de z´ros invariants et de z´ros d´couplants sont ´quivalentes.

0000 Remarques II.1.0000 >> [Poles.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 = 1.6.1 (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). 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 .6.0000 >> Zero=zero(G) Zero = 1.6.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.2 Reprenant l’exemple II.

Chaque e e e type de repr´sentation graphique a son vocabulaire et ses r`gles de construction et de e e simplification. e .7.` II. e e e e . 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.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).d’arcs orient´s. Afin de rendre claire et lisible la fonction de chaque composant d’un e ensemble complexe. il n’en reste pas moins que e les sch´mas fonctionnels sont ´troitement reli´s aux mod`les de type fonction de transfert. e e e e ´ Definition II. e U(p) ou u(t) Fig. U(p) K p+1 Y(p) u(t) y(t) F(p) = A(t) Fig.de blocs fonctionnels. II. e II.7.7 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.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.7. Nous pr´sentons maintenant le type le plus couramment utilis´ parmi les e e mod`les graphiques. Bien que ceci ne soit pas exclusif. II. LES MODELES GRAPHIQUES 61 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. des outils graphiques de mod´lisation peuvent ˆtre utilis´s. La figure e e II. Un sch´ma fonctionnel est compos´ : e e .12 – Arc orient´ du signal U (p) e L’arc orient´ repr´sente le flux de signaux donn´s regroup´s dans un vecteur.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.

Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me. e .En appliquant la transform´e de Laplace.Un sch´ma fonctionnel n’est pas unique. Dans ce cas. II.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . e Exemple II.1 .7. e Remarques II.2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e.de blocs sommateurs. a ee 3.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie.7. II.15 – Circuit RC .Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles. e e e e + a−b+c − II. c a + b Fig. e e e e e Principes de construction 1.7.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. e e a ee e 2.

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. 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. 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.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) = 3.16 – 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).Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2. e a e e e .17.LES MODELES GRAPHIQUES 1.

97) .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. ´ Definition II.95) (II.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.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. 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.96) ε (p) G(p) S(p) Fig. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur. II. II.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.7.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.7.7. ´ Definition II. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire. E(p) + S(p) − (II.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II.

20.19 – Alg`bre des sch´mas fonctionnels e e .19 et II. le sch´ma fonctionnel peut comporter un nombre ime e portant de blocs et de boucles. II.7. 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. Ces r`gles sont r´sum´es e e e e e dans les tableaux II.LES MODELES GRAPHIQUES 65 II.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe.

66 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES A + A G AG + B AG .B A.B G AG .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 + B A.B A.B G G AG-B B G 6 1 G B A A+ B A.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.

7.4 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.7. e e Ainsi.7.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II.21 : e e u(t) . la repr´sentation d’´tat lin´aire temps-variant suivante : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.21 est d´crit dans le domaine temporel. . 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. Dans le cas des syst`mes e e e LTI. e ee Exemple II. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig. 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.LES MODELES GRAPHIQUES 67 II.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II.2 Le sch´ma fonctionnel II.22. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat.

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

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

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

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. filtre de Kalman et de Kalman-Bucy. 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. Il poursuit ses ´tudes de doctorat a l’universit´ de Columbia et obtient e e e ` e son Ph. 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. il est ´galement chercheur associ´ ` l’´cole polytechnique f´d´rale de e e ea e e e 71 . En 1964. Dans le cadre e e a e de ce cours. En 1973. D. Kalman) Rudolf Kalman est n´ le 19 mai 1930 a Budapest. 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 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´. Ses premi`res recherches en th´orie de la commande sont centr´es aue e e tour de la notion d’´tat. en 1957 sous la direction du Professeur J. En 1958. De 1957 ` 1958. Par exemple. En 1971. e Biographie 5 (R. Kalman en 1960.R.E. ils n’en e e sont pas pour autant exclusivement r´serv´s ` ce type de repr´sentation. commande ope e timale quadratique et liens avec le calcul des variations. nous nous limiterons ` la pr´sentation de ces notions a partir des mod`les a e ` e d’´tat.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. Ragazzini.E. 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. 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. Il ´migre aux Etats-Unis et obtient son diplˆme de Master du MIT en 1954 en e e o g´nie ´lectrique.

e e ´ Definition III.1 III. 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.1. .72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH). ´ ` Theoreme III. B .1 . C est u de rang n. B ∈ Rn×m est commandable ssi la matrice de commandabilit´. · · · n alors le syst`me est compl`tement ee commandable. B = 0.1. e e a . e e e x(t) = Ax(t) + Bu(t) ˙ (III.1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre.E. rang(C) = rang . AB .2) .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. · · · .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 .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.1. e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. . modification des dynamiques propres). 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. . e .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´. 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. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices. fran¸aise e e c et russe.1) e o` A ∈ Rn×n . Il est membre de l’acad´mie des sciences am´ricaine. III. Remarques III.1. III.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat.Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle.1. R. hongroise. An−1 B . . =n (III.

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).1. e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque. 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.2 (test PBH) La paire (A. e Exemple III.1. c1 = c2 = 1. e ` (III.1. B).NOTION D’OBSERVABILITE 73 Remarques III. on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer. 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. B) sera appel´e come e e e mandabilit´ de la paire (A. e ´ ` Theoreme III.3) . h2 ) et R1 = R2 = 1.2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A. x2 ) = (h1 .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 . Physiquement. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande.

4) e o` A ∈ Rn×n . ´ ` Theoreme III.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure. · · · . estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie.2. Remarques III.2. 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.2. u   C  · · ·     CA     · · ·  rang(O) = rang  (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. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III. C) sera appel´e observabilit´ e e e e e de la paire (A.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 ]. 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.74 COMMANDABILITE ET OBSERVABILITE III. e a e ´ Definition III. Exemple III. C).    · · ·  CAn−1 Remarques III.2.2. C ∈ Rr×n est observable ssi la matrice d’observabilit´.1 Clairement. e III. .5)  = n   .2 III.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. O est de rang n.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. n alors le syst`me est compl`tement ee observable.2.1 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 (test PBH) La paire (A. 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. e e e e . ´ Definition III. B) est commandable ssi Σdual (A . C ∈ Rr×n . 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. ` e ´ ` Theoreme III. e e Exemple : satellite 10 (mouvement autour de z) Si l’on mesure la vitesse angulaire.Σdual (A .2.7) o` A ∈ Rn×n .3 . On a alors le r´sultat suivant liant les conditions de u e commandabilit´ et d’observabilit´ des deux syst`mes Σ et Σdual . B ) est observable.Σ (A.6) III. A= 0 1 0 0 C= 0 1 Le syst`me n’est donc pas observable puisque. e ` (III. C ) est commandable ssi Σ (A. les matrices dynamique et de sortie du satellite sont. . C) est observable. e e e ´ ` Theoreme III.2. B ∈ Rn×m .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´.2.2 (syst`me dual) e Le syst`me Σdual est appel´ syst`me dual du syst`me Σ. 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. rang(O) = rang C CA = rang 1 0 1 1 =2 75 Cela implique que le syst`me est compl`tement observable. De mˆme que pour la commandabilit´. e e D´finissons pour cela les mod`les d’´tat. 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.2.NOTION D’OBSERVABILITE On peut alors calculer.

En 1885. . 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. 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 e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887.8). 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.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II.La forme compagne de commande. ` e .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´. les ´quations diff´rentielles et e e e la m´canique.La forme compagne d’observation. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. il devient ´diteur du Journal de math´matiques pures et appliqu´es.3. e Ces formes particuli`res sont appel´es les formes canoniques. ea e e e Ainsi. On distingue trois e e grands types de formes canoniques : . 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. Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles.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.3 III. En 1861.46) a la repr´sentation e e e ` e d’´tat (III. . 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. 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.La forme diagonale ou quasi-diagonale de Jordan. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. Il rentre a l’´cole Polytechnique en e ` e 1855. Cette op´ration est une transformation de similarit´. 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.

. .  .  . · · · . ´ ` Theoreme III. une seule convenant. p2 .Si qi = 1. il est possible u d’effectuer un changement de base la diagonalisant. u Dans le cas o` une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation u est plus complexe. .. · · · . on d´finit un bloc de Jordan de e  pi 1   0 pi  Ji =  . on d´finit un bloc diagonal Ji de dimension mi × mi form´ comme : Ji = diag(Ji1 . · · · . a .Si 1 < qi < mi . . . k de multiplicit´ alg´brique respective mi . on d´finit un bloc diagonal Ji de dimension mi × mi et une matrice e Pi ∈ Rn×mi : Ji = diag(pi . pn alors la matrice de passage compos´e en colonnes des vecteurs propres associ´s.. 1  . i = 1. · · · . P = [e1 e2 · · · en ] est telle e e que : ˜ P −1 AP = A = diag(p1 . p2 . 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.  .3. 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 . 0    .. pi ) 2. · · · . Il existe alors plusieurs possiu e a bilit´s qui doivent ˆtre test´es.  .1 Si la matrice A ∈ Rn×n a n valeurs propres distinctes p1 . Jk ) La partition de P est identique ` celle de J.Si qi = mi . n. Jili ) o` Jik est un bloc de Jordan de taille inf´rieure ` mi . . pn ) o` Aei = pi ei ∀ i = 1. 1  · · · 0 pi (III. 0 ··· Pi = [e1 · · · eqi ] i i dimension mi × mi  0 ··· 0 . Ji2 .  . · · · .2 e e Soit A ∈ Rn×n ayant k valeurs propres distinctes pi . ´ ` Theoreme III. . 1.3..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. J2 . Soit qi la multiplicit´ g´om´trique associ´e ` chaque valeur propre. · · · ..10) e e 3.

Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1. 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. i = 1. 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. Il est possible de montrer que l’on Soit P = [q1 .13) Le polynˆme caract´ristique de (III.14) . u ∈ R et y ∈ R. 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. · · · . · · · . Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. 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. k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi . les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III. La premi`re colonne u e ` de chaque sous-bloc Pi . la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante. 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. e e e c eme ` u colonne de P .12) y(t) = Cx(t) e e e e o` x ∈ Rn .11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1.12) 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 .

12) a la forme compagne de e e ` commande n´cessite le calcul de la matrice de passage P .. ..15) Cc = Le passage de la repr´sentation d’´tat quelconque (III.RELATIONS ENTRE MODELES INTERNES ET EXTERNES ´ Definition 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 . . 0 ··· ··· 0 1 −a0 · · · −ai · · · −an−1 b0 · · · bi · · · bn−1        Bc =      0 . 0 1 (III. .3.3.        (III. 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.. . e e Soit a d´terminer P = [P1 P2 · · · Pn ] la matrice de passage form´e de ses n colonnes. . .. . . 0 . . −a1 . . . 1 . .. 0 −an−2 0 · · · 0 1 −an−1 0 ··· 0 0 1        Bo =       bn−2  bn−1 b0 b1 .17) Co = . . . .. .. . . .. 0 . colonne par colonne. ` e On applique alors le calcul r´current. . .16) ´ Definition III.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 . .....

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.19) 1 0 . . Bo = Cc et Co = Bc .  .3.     C(A + an−1 1n ) C C(An−1 + an−1 An−2 + · · · + a2 A + a1 1n ) (III. `               −1 Po    C(An−2 + an−1 An−3 + · · · + a3 A + a2 1n )    = .80 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES On note que Ao = Ac .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.18) Exemple III.

ce qui n’est e e e e pas toujours v´rifi´ en pratique.3.2 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. les syst`mes sont suppos´s strictement propres.20) 1/Izz 0 En ce qui concerne. la forme canonique d’observabilit´. du fait que le polynˆme caract´ristique associ´ est Psat.21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de.22) = 4+ = 4+ . F (p) = Exemple III. (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. la Izz p2 D’autre part.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 . 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. 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. Dans le cas d’un syst`me mod´lis´ par une fonction e e e e e de transfert propre.

2115 x3 -1.732 b = x1 x2 x3 u1 4 4.899 4.25 x2 -0.626 d = .[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.899 c = y1 x1 0.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.82 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].2679 0 x3 0 0 -3.

3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m . e e Exemple III.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 83 y1 u1 4 III. C.Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] .23) e La r´alisation (A. toute repr´sentation e e d’´tat LTI (A.Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 . B.Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 .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. ´ Definition III.3. B. 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.6. e e e . D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible. C.Non observable et non commandable : A3 = −1 0 0 −2 B3 = 0 1 C3 = 0 1 . D) telle que : e G(p) = C(p1 − A)−1 B + D (III.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.3.2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II.3.

1 – Syst`me structur´ e e . e . III. C. 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.3. e e ´ ` Theoreme III.4 Soit le syst`me compos´ structur´ comme indiqu´ figure III.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. B. e Exemple III.La fonction de transfert du syst`me global est d’ordre 1 avec un pˆle −2 et un z´ro e o e 1.4 . Enfin.3 Une r´alisation d’´tat (A. D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable.1. Dans ce cas. e e e ee ´ ` Theoreme III. e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig.L’´quation diff´rentielle entr´e-sortie se d´duit ` partir des ´quations diff´rentielles e e e e a e e suivantes.3.84 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. Y (p) p−1 = U (p) p+2 .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. ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) .3. 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.

La r´f´rence [12] peut servir a approfondir ce sujet. 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. La m´thode o e e g´n´rale consiste alors a d´composer F (p) en ´l´ments simples. −1 non commandable et observable. 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. seul le cas des syst`mes monovariables sera pr´sent´. n Xi (p) = U (p) p − pi (III. 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 ). e e ` e ee . Il faut e e donc choisir la base dans laquelle sera ´crite la repr´sentation d’´tat que l’on souhaite.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.···n = αi p − pi i=1.··· . · · · .Pˆles simples r´els : o e Dans ce cas. 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. 2 non commandable u o e et non observable.26) .25) Le choix des variables d’´tat est alors naturel : e ∀ i = 1. 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.Une ´quation d’´tat d’ordre 3 est donn´e par. on a : Y (p) = F (p) = U (p) N (p) (p − pi ) i=1. e y + 3y + 2y = −u ¨ ˙ L’ordre est ´gal a 2 et il y a deux pˆles associ´s −2 et −1. 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.n (III.RELATIONS ENTRE MODELES INTERNES ET EXTERNES et permet d’´crire. e ` o e . commandable et observable.

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

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

D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives.1. 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.3429 + 1.1.´ IV.6681 . C.6) Un syst`me LTI de r´alisation minimale (A. Munis de cette interpr´tation monovariable.5083i 0. e e e ´ ` Theoreme IV. ` e e Exemple IV. apr`s d´composition en ´l´ments simples. il est possible de donner une e e e caract´risation multivariable plus g´n´rale.1. 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.3429 . Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s.e. B.1.5083i -1. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire. i.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations.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. 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. Le demi-plan gauche est appel´ la r´gion de stabilit´. tous les pˆles sont a o o ` partie r´elle n´gative.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.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.

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. En 1854.7020i -0. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux.7020i .0.5083i + 0.7) Le syst`me est observable et commandable. A treatise on analytic statistics. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert.1.5083i . 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). 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.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.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec.D]=ssdata(sys).98 STABILITE DES SYSTEMES LTI -0. Il meurt le 7 juin 1907 a ` Cambridge. Canada.7020i >> >> >> >> G=tf([1 1].5088 .0. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p). sys=ss(G). . ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV. Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres. eig(A) ans = 0.C. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p).5088 -0.5088 + 1.B. IV.3429 -1.1.3429 0.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.5088 + 0.[1 2 3 6 5 3]). ce qui peut ˆtre fastidieux pour des ordres ´lev´s.6681 -0. (1891) et A treatise on dynamics of a particle (1898). [A.

p0 cn−1 cn−3 cn−5 4.3 (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.9) 2. il occupe une chaire a K¨nigsberg o` il enseigne a Hilbert. il remplace Frobenius a ETH ` Z¨rich. Il meurt le 18 novembre e 1919 a Z¨rich.1. Il travaille ´galement e sur les surfaces de Riemann. . il y a changement de ` e ee e signe et donc il existe une racine a partie r´elle positive. Weierse ` e u trass et Kronecker. an−4 an−5 an an−6 an−1 an−7 =− an−1 an−1 an−7 bn−1 bn−7 =− bn−1 . il est ´tudiant a l’universit´ de Berlin o` il assiste aux cours de Kummer. on calcule le tableau de Routh suivant.1. . Il ´tudie la th´orie de ` a u e e la factorisation des quaternions entiers en 1896.1. Il fait son doctorat a Leipzig sous l’autorit´ de Klein en 1881 sur les ` e fonctions modulaires. .Ecrire le polynˆme sous la forme (hypoth`se a0 = 0) o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.Appliquer le crit`re de Routh-Hurwitz. 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 . . la th´orie des fonctions complexes et ´crit e e plusieurs papiers sur les s´ries de Fourier. . ` o u ` En 1892. pn−2 bn−1 bn−3 bn−5 pn−3 . e ´ ` Theoreme IV. e ` Puis. . ` u ´ Procedure IV. il existe une racine ou des racines imaginaires ou nulle ou a partie r´elle ` e positive. En 1884. LA STABILITE BIBO 99 Adolf Hurwitz est n´ le 26 mars 1859 a Hanovre.´ IV. 3. . on le remplace alors par > 0 et on ee e continue la construction du tableau.1 1.Si tous les coefficients sont positifs. Son premier professeur est Schubert. il existe une ee racine a partie r´elle nulle. 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 . Si l’´l´ment au dessous de est n´gatif. Si un ´l´ment de la premi`re colonne est nul. .Si un des coefficients est nul ou n´gatif alors qu’un autre coefficient au moins est e positif. e Le syst`me est donc stable si et seulement si tous les coefficients de la premi`re colonne e e sont positifs. Si l’´l´ment au dessous de est positif. ` e .

e 2. 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 . e e 3.1. e e a2 a1 > a3 a0 Exemple IV. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme. Afin de e e compl´ter le tableau. Il y a donc deux racines a partie r´elle positive.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω).1 1.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. 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. o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme. La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme.100 STABILITE DES SYSTEMES LTI Remarques IV. ` e .3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique. 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 o Exemple IV.1.2 (ordre 3) Soit le polynˆme caract´ristique.

. LA STABILITE BIBO Exemple IV.1.4 (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).1.´ IV. Il y a donc 4 racines a partie r´elle nulle ± 2 et ±2.

. l’´tat est perturb´ de l’´tat d’´quilibre xe . les points e e e ˙ d’´quilibre sont les solutions de l’´quation alg´brique : e e e 0 = f (t. de trajectoires d’´tat et de point e e a e e d’´quilibre.2. ∀t≥0 (IV. u(t)). Soit un syst`me donn´ par son ´quation d’´tat x(t) = e e e e e e ˙ f (x(t)). 0) ∀ t ≥ 0 Pour un syst`me autonome.13) . Si ` un instant t0 . x0 = x(0).102 STABILITE DES SYSTEMES LTI IV. 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 .11) Dans le cas o` f est une fonction non lin´aire quelconque. ´ ` Theoreme 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. Pour un syst`me dynamique de repr´sentation d’´tat x(t) = f (t. xe est dit instable.2.2 (stabilit´-instabilit´ au sens de Lyapunov) e e L’´tat d’´quilibre xe est dit stable au sens de Lyapunov si e e ∀ > 0 .12) (IV.2.1 (´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. il est clair que l’on peut u e avoir un nombre arbitraire de points d’´quilibre. 0) (IV.une infinit´ de points d’´quilibre si A n’est pas inversible e e Intuitivement. ´ Definition IV.2. x(t). e e e e ´ Definition IV.1 La stabilit´ interne e D´finitions e Cette notion est tr`s intimement li´e ` celle d’´tat.2 IV.10) en l’absence de commande et de perturbations. ∃ α > 0 tel que si ||x(0) − xe || < α alors ||x(t) − xe || < Dans le cas contraire.un point d’´quilibre unique qui est l’origine de l’espace d’´tat x = 0 si A est inversible e e .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. on a alors : e 0 = f (x(t). 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. la question de la stabilit´ d’un point d’´quilibre peut se poser en ces e e termes. Le cas des syst`mes LTI est particuli`rement remarquable. x(t).

´ IV.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 → +∞. IV.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne. ∀ x0 ∈ Br . la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´.15) Cela signifie que le vecteur d’´tat.2. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV. r) . ||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. le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable.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. λ est appel´ le taux de convergence.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0).16) (IV. e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe . ∃ Br (xe .2. e ´ Definition IV.1).2. D’autre part.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 .2. LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t. e .x0 ) xe t x1 Fig. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle. ´ Definition IV. ` ´ Definition IV.

Si toutes les valeurs propres de A ont une partie r´elle non positive. e . Re(pj ) > 0. IV. · · · . e . r}.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV.2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV.2 Pour le syst`me (IV.si un pˆle est tel que Re(pj ) = 0.2. · · · .2. pour tout j ∈ {1. pr . 2. r}.si un pˆle est tel que Re(pj ) = 0. alors xe est un point d’´quilibre asymptotiquement stable. La position A correspond a un point d’´quilibre instable.2. on e e o e suppose que xe = 0 est un point d’´quilibre. alors xe o e est un point d’´quilibre instable. alors. et la multiplicit´ est o e sup´rieur a 1 alors. ´ ` Theoreme IV. . e pour tout j ∈ {1. e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement. pour j ∈ {1. e 1.si Re(pj ) < 0. · · · .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.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.17). e ` e A B C Fig. pour j ∈ {1. alors xe est un point ea d’´quilibre instable.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. e e a e e IV. r}. pour j ∈ {1. poss´dant r valeurs propres distinctes (r pˆles) p1 . 3. Re(pj ) ≤ 0. 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}. la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable. · · · . 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. · · · .Si un des pˆles du syst`me est instable.2. · · · . r}.

3333 1. LA STABILITE INTERNE 105 Remarques IV.3333 1.0000 0.6667 0.6667 −0. >> eig(A4)    −2.3333 A5 =  −0.6667 Script MATLAB 9 >> A1=[-3 2 3.     −3 2 3 −1.3333 0.-1.3333 3. >> eig(A1) ans = -1.3333 2].-2 2 2].2.1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A.-1.3333 -2.0 0 0.6667 0. >> eig(A3) ans = 0.0000 -1.9999 -1.3333 1.3333 2  .0001 >> A4=[0 0 0.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.9999 >> A3=[-2.0000 .1 0 -1].3333 −2.17) 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).6667 −2.2.-1. >> eig(A2) ans = -1.´ IV.6667 3.2.6667 0.6667 -2.0000 >> A2=[-1.3333 1.-0.0000 + 0.6667 0.6667 0.3333 0.6667 0.0000 -2.3333  1.0000i -1.3333 1.3333 −0.6667 2].3333 0  −2 2 2 −0.0000i -2. o e Exemple IV.0.3333 3 A3 =  −1.6667 0  −1.2 La stabilit´ interne de (IV.3333 1.6667 3 A1 =  −1 −3 0  A2 =  −1.-1 -3 0.

e 4. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.3333 -0.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI. e e 3. e 2.6667 0.3333 1.3 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.2.3333.0000 0 0 0 -0.3333.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative.2.3333 -0. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.3333 0.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.6667 -0. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.6667].S]=eig(A5) V = 0.6667 -0.Le syst`me est BIBO-stable.-0.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.0000 IV.2182 -0.3333 1.3333 0.8729 -0. >> [V.6667 0.4364 0. ` e e A B C D IV.6667 0.2.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome.1.6667 S = 0 0 0 0 -1. e e e . e e ´ ` Theoreme IV.

 .p1 .18) e on suppose que les n valeurs propres p1 .. 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. ··· . . e 6 4 2 x2 0 −2 −4 −6 −12 −10 −8 −6 −4 −2 $x1$ 0 2 4 6 8 Fig. · · · . pn sont distinctes.  .  . w1 w2 · · · wn P est la matrice modale de changement de  p1 0   0 p Λ= . p2 sont r´elles.Les deux valeurs propres p1 . stables ou instables. les valeurs propres peuvent e e ˆtre r´elles ou complexes conjugu´es.. le point d’´quilibre 0 est un noeud stable. .19) peut ˆtre utilis´e afin e e e e de caract´riser la nature du point d’´quilibre 0. e e x(t) = Ax(t) ˙ 107 (IV.2 .. la r´ponse du syst`me ` une condition initiale e non nulle est. En ´crivant la matrice A e e a dans la base form´e des vecteurs propres ξi . IV. LA STABILITE INTERNE Etant donn´ un mod`le LTI autonome. En effet.. Cela donne des caract´ristiques e e e e diff´rentes aux trajectoires d’´tat.. . p2 < 0 sont stables. 0  0 pn Dans le cas d’un syst`me de dimension 2.  . e e e .2.19) P −1 = base.3 – Noeud stable . 0 ···  0 . l’´quation (IV.´ IV.

6 – Centre . IV.σ = 0.3 −0.σ > 0.1 0 −0. le point d’´quilibre 0 est un foyer instable.4 −0. p2 = σ−jω. p2 > 0 sont instables.6 0.2 0.5 −0. 50 40 30 20 10 0 −10 −20 −30 −40 −50 −4 −3 −2 −1 0 1 2 3 4 Fig.8 1 Fig.2 −0. le point d’´quilibre 0 est un foyer stable.3 0.4 – Point selle . IV.5 – Foyer stable . e e . e . IV. le point d’´quilibre 0 est un point-selle (col) instable.2 0.4 −0.p1 < 0 et p2 > 0.2 0 0.1 −0.6 −0. e . le point d’´quilibre 0 est un centre. e 0.p1 . e 6 4 2 0 −2 −4 −6 −6 −4 −2 0 2 4 6 Fig.Les deux valeurs propres p1 .108 STABILITE DES SYSTEMES LTI . p2 sont complexes conjugu´es.σ < 0. le point d’´quilibre 0 est un noeud instable. p1 = σ+jω.4 0.

LA METHODE DE LYAPUNOV 109 IV. IV. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. 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.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 .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. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. e on obtient diff´rentes ´quations e e M Fig. ` Exemple IV. Russie.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse. ”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 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. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales. 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. Il con¸oit e e e c de nombreuses m´thodes d’approximation. 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.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2.7 – Syst`me masse-ressort e 1. ici l’´nergie totale. Il meurt le 03 novembre 1918 a Odessa. 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.3.

e La m´thode directe de Lyapunov est fond´e sur l’extension de ces concepts. Reprendra t-elle sa e e position d’´quilibre? e Etude de l’´nergie m´canique totale : e e .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.Point d’´quilibre : (0.Energie potentielle : x Epot. ` partir d’une valeur initiale. 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 .L’instabilit´ est li´e ` la croissance de l’´nergie m´canique.L’´nergie m´canique refl`te indirectement l’amplitude du vecteur d’´tat. est dissip´e de mani`re continue e e a e e par l’amortisseur jusqu’au point d’´quilibre. 0) e STABILITE DES SYSTEMES LTI La question est de savoir si ce point d’´quilibre est stable. e e . 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.110 3.La stabilit´ asymptotique implique la convergence de l’´nergie vers 0. = .Energie cin´tique : e 1 1 Ec = m x 2 = m x 2 ˙ ˙2 2 2 . e e e e . La masse est tir´e loin e e de sa position d’´quilibre (longueur naturelle du ressort) puis lach´e.Le point d’´nergie m´canique nulle est le point d’´quilibre.1 .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. e e e .3. e e a e e On peut donc supposer que : .

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

8 – Illustration de la m´thode de Lyapunov e Remarques IV. e e A P + PA + Q = 0 (IV. fonction d´finie positive.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que.V (x) est d´finie n´gative. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . la m´thode devient plus syst´matique.2 1. V (x) = x P 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. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable.3. t).3. V (x.2 V = C2 V = C1 x1 x0 Fig.24) . e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV. e 2. e e e x(t) = Ax(t) ˙ (IV. alors. e e 2||x||→+∞ lim V (x) = +∞. alors 0 est un point d’´quilibre globalement asymptotiquement stable. d’o` l’utilisation de e u l’exp´rience. IV. Dans le cas non lin´aire.22) On consid`re une fonction candidate de Lyapunov quadratique. ˙ 1. Si la e condition 2 est v´rifi´e. t) est une fonction de Lyapunov pour le syst`me.23) ´ ` Theoreme IV. il faut donc choisir a priori e e une fonction candidate de Lyapunov.V (x.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. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). ´ ` Theoreme IV. 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.3. Dans le cas des syst`mes LTI. la fonction V (x.La condition pr´c´dente est une condition suffisante .

3273 et 0. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable. >> eig(P) ans = 0.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1.1664 0.3125 0. on trouve.0676 .0625 0. LA METHODE DE LYAPUNOV Exemple IV.3.0625 0.5160 19.eye(3)).0477. e Script MATLAB 10 >> P=lyap(A1’.´ IV.3. P = 0.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.

114 STABILITE DES SYSTEMES LTI .

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. repr´sentation e e e e d’´tat.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. nous nous sommes volontairement restreints a l’´tude du cas monovariable qu’il ` e est plus facile d’appr´hender physiquement.Chapitre V Analyse temporelle des syst`mes e continus V. Toutefois.) obtenu. e V. il est n´cessaire de e e e e e disposer d’une base commune d’analyse pour des syst`mes diff´rents. Cette e e ` e ´tape peut ˆtre men´e suivant de nombreuses m´thodes. 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.2) 115 .1. l’´tape suivante consiste a analyser les performances du syst`me. 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.1) dont la transform´e de Laplace est donn´e par : e e U (p) = n pn+1 (V..1 Introduction Une fois le mod`le math´matique d’un syst`me (fonction de transfert..

Remarques V. nous revee e e e e nons sur les notions tr`s voisines de r´gime libre et de r´gime forc´. y (n−1) (0) ˙ (V. Dans la pratique. on e e e se limite souvent aux signaux polynomiaux jusqu’` l’ordre 2 d’entr´e caract´ristiques tels a e e que : . Ils permettent ainsi e a d’´tudier les performances transitoires de la r´ponse des syst`mes.2 R´gime libre .1. e e V. e e e e e a an y (n) (t) + · · · + a0 y(t) = bm u(m) (t) + · · · + b0 u(t) (V. e .les signaux ´chelon (fonction de Heaviside) e . y(0).les signaux de type impulsionnel (impulsion de Dirac) . la r´ponse peut ˆtre d´compos´e en e e e e e e deux termes y1 (t) et y2 (t).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. e e e e Soit un syst`me d´crit par l’´quation diff´rentielle entr´e-sortie ` coefficients constants. Ce type de signal a la carat´ristique de soumettre le e e e syst`me ` des sollicitations plus ou moins brusques et progressives. appel´ signal d’excitation.1. .r´gime forc´ e e e Avant de caract´riser plus pr´cis´ment la r´ponse temporelle des syst`mes.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.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 rampe . une entr´e de type rampe est adapt´e alors que la r´ponse impulsionnelle mod´lisera e e e e correctement un choc. Par exemple. .3) La r´ponse du syst`me y(t) ` un signal d’entr´e u(t).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. 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).4) Par application du th´or`me de superposition. si les entr´es r´elles d’un syst`me sont suppos´es varier graduellee e e e e e ment. · · · .les signaux acc´l´ration ee Le choix effectu´ dans cet ensemble est fonction des conditions d’utilisation du syst`me e e ´tudi´.

1.1 Soit a trouver la r´ponse y(t) de l’´quation. e e e . ` e e 0.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. 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.1.1.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.V.r´gime transitoire e e La solution de l’´quation diff´rentielle (V.1.5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors. .1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.y4 (t) comme la r´ponse transitoire du syst`me. il ne subsiste que e y3 (t) et l’on d´finit alors.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. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.1. e e e V. INTRODUCTION Exemple V.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.1.3 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).y3 (t) comme la r´ponse en r´gime permanent du syst`me.5) Remarques V. ´ Definition V.3 R´gime permanent . e e e e .6) Cette ´quation a n racines pi . r´elles ou complexes. y4 (t) est e e la somme de n termes tels que : . distinctes ou multiples.3) peut ´galement se d´composer en deux e e e e parties : .7) . e e Remarques V.

e e e e e e La stabilit´ relative caract´rise les oscillations.118 ANALYSE TEMPORELLE DES SYSTEMES .1. 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. y(t) = 2 + λ1 e−2t soit pour y(0) = −1.5p + 1 = 0 Elle a une unique solution p1 = −2 d’o` u y4 (t) = λ1 e−2t Alors. e e toujours pr´sentes dans la partie transitoire de la r´ponse temporelle d’un syst`me. 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.2 L’´quation caract´ristique est e e 0. amorties plus ou moins rapidement. u Exemple V. On a vu au e e e chapitre pr´c´dent diff´rentes notions de stabilit´ absolue pour les syst`mes lin´aires.8) o` σj = Re(pj ) et ωj = Im(pj ). e e e .chaque paire complexe conjugu´e (pj .

e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V.` V.2. e Cela conduit ` ´crire. e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1.1 On appelle syst`me du premier ordre.2. LES SYSTEMES DU PREMIER ORDRE 119 V. 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.2 V.11) La r´ponse transitoire d’un syst`me du premier ordre est.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.1 – Exemples de syst`mes du premier ordre e V. ae Y (p) = K 1 + Tp (V. V.9) T est la constante de temps du syst`me.1.2.10) (V.12) .2.

V.17) K KT K = − (1 + T p)p p 1 + Tp (V. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.13) 0.8 0.2. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.120 d’o` la r´ponse impulsionnelle.7 0.16) 1 p (V. on obtient la pente de la tangente pour t = 0.9 KT 0.5 0. ae Y (p) = d’o` la r´ponse indicielle. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V.18) .6 y(t) 0.2 – R´ponse impulsionnelle e En calculant la d´riv´e. on obtient la pente de la tangente e e e e pour t = 0.3. 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. K K dy(t) = e−t/T |t=0 = dt T T (V.2. u e y(t) = qui est repr´sent´e figure V.3 0.14) La r´ponse indicielle e ´ Definition V.15) qui est repr´sent´e figure V. En calculant la d´riv´e.2 (r´ponse indicielle) e On appelle r´ponse indicielle.2 0.4 0.

3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V.) t Fig. plus le syst`me est rapide.6 1.21) 1 p2 (V. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V. En calculant le signal d’erreur (t) = u(t) − y(t).2 0 0 T 2 4 6 8 10 12 Time (sec.8 1. on obtient.1 Plus la constante de temps du syst`me T est faible.20) qui est repr´sent´e figure V.2.8 0. pour e e K = 1.4 0.23) .3 – R´ponse indicielle e Remarques V. e e R´ponse ` une rampe unitaire e a ´ Definition V.6 0.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.4.632K 1.2 Amplitude y(t) To: Y(1) 1 0. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire. V. ae Y (p) = d’o` la r´ponse.2.19) Si k = 1. on parle alors de rampe unitaire.4 0.

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)

4 1.8 et figure V.5 ξ = 0.7 ξ = 0.9. V.8 ξ = 0.6 0.8 Step Response 127 1.6 ξ = 0.2 ξ = 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ). V.9 0.8 0.1 ω n= 0.8 0.4 ξ = 0.4 ω n= 0.2 0 Fig. u L’allure de telles r´ponses est repr´sent´e figure V.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.4 1.2 ω n= 0.5 1.8 Step Response ω n= 0.6 ξ = 0.2 Amplitude 1 0.1 e .6 0.4 1.4 1.3 ξ = 0.6 1.1 1.9 – Syst`mes du second ordre sous-amortis pour ξ = 0. e e e ξ = 0.2 Amplitude 1 0.

.3 0.2 0. e Step Response 0.5 T/2 Amplitude 0.) 10 15 Fig.6 T 0.10 – 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.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes.1 0 0 5 Time (sec.4 D2 1 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 .7 D 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. V.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.

H_2=tf([K*T*a K].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 Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.4 0.[T (1+a*T*K) K]) >> a=0.[T (1+a*T*K) K]) >> step(H_01.T=1.H_10=tf([K*T*a K].11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.H_01=tf([K*T*a K]. >> a=10.1 a=2 a = 10 Amplitude 0.1.3]) Step Response 1.[T (1+a*T*K) K]) >> a=2.H_2. e e e Script MATLAB 12 >> K=1.H_10) >> axis([0 20 0 1.2 1 0.6 0.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 . C(p) = suivant le sch´ma-bloc suivant.8 a = 0. V. figure 3). 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.

45) Cette relation est approxim´e par la relation : e tr ≥ (V.05 t td 0.8 ωn (V.49) .3.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`.12.130 ANALYSE TEMPORELLE DES SYSTEMES V. ξ). V.12 – Sp´cifications de performance e .47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.5 0 tr tp t ts Fig. y(t) Mp 0.3 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 .48) 1 − ξ2 ξ (V. Sa r´ponse temporelle a l’allure de la figure V. u cos(ωp tr ) + soit.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V. cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1. tan(ωp tr ) = − Apr`s calculs.

5 ξ = 0.53) .7 ξ = 0.6 ts .3. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`.LES SYSTEMES DU SECOND ORDRE .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 . Mp = y(tp ) − 1 = −e−ξωn tp Soit. u tp = . ωn doit ˆtre grand.6 4.6 = = ξωn σ Remarques V. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.D´passement maximal Mp : e On a donc.55) ξ ≥ ξ(Mp ) σ≥ 4.54) 4. De plus.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1. pour des r´ponses rapides.50) π ωp (V.8 tr (V.52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.3 (V.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.Temps d’´tablissement ts : e G´n´ralement. − 131 (V.

4.1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te.132 ANALYSE TEMPORELLE DES SYSTEMES V. Dans le cas le plus g´n´ral. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur. 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. o ` e .58) o` σi = Re(pi ) et ωi = Im(pi ). 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.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.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. e e Ainsi. 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. 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. on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps. 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. 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. .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.57) .4 V.Chaque paire de pˆles complexes conjugu´s (pi .r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V.4. e e ´ Definition V. complexes conjugu´s) des racines de l’´quation caract´ristique. Dans cette combinaison lin´aire. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me.

 .2 .4.LES SYSTEMES D’ORDRE SUPERIEUR . · · · . .63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini. 0  0 pn w1 w2 · · · w n P est la matrice modale de changement de  p1 0   0 p Λ= .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.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). u . pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (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.. 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. Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk . P est la matrice modale de changement de base. e a J = diag(J1 . J est la forme de Jordan u o associ´e ` A.Si A a n valeurs propres distinctes. p1 . · · · . 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. ..  . Etudions la solution de l’´quation d’´tat dans la base modale..61) e e o` x ∈ Rn .62) o` u P = v1 v 2 · · · vn P −1 = base et ··· .. 0 ··· .. e e Remarques V.  0 .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 .

59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.62) et (V. e e e Fig.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2. 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.322 δu  δ w   −0.213)2     (V. V.76   δw ˙   0    q  =  0.02 1.59)2 (p + 0.1 −0.63) sont appel´s e ee e les modes du syst`me. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V. V.Le mode d’oscillation d’incidence (short-period mode) p = −2. o e e (V. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.2 1 0.036 0 −0.Mouvement propre longitudinal :     δu ˙ −0.017)2 + (0.96 −2.65) Les modes propres longitudinaux sont d´finis comme : e .51)2 + (2.Courtesy USAF Museum .13 – North American L-17A ”navion” .5 0 −0.191 −3.5 Fig.2 0.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.5 1 Time (sec) 1.1 0 −0.1 −0.5 −1 0.370 −2.045 0.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.1 0 −0.51 ± 2.5 2 2.2 0 0.14 – Mode d’oscillation d’incidence pur .

.5 0 −0.Plong(:.76 0 0.191 -3..67)     (V.98 0.zeros(4.5 −1 0.0.’modal’) >> Plong=inv(Tlong).036 0 -0.1 −0.55 −0.08 2..1).76 −0.35  r ˙   0    p  =  −9.017 ± 0. V.eye(4).2 0.zeros(4. o e e e (p + 8..3)) .254 −1.02 1.Le mode phugoide (phugoid mode) p = −0.0 0 1.19 −8.76 0.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est. -0.433 ` (V.1)) >> initial(sys_long.322. >> [navion_long.05 To: Out(2) 135 0 Amplitude −0.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.37 -2.66) .2 To: Out(3) To: Out(4) 0.322 v  r   2.433) (p + 0.Tlong]=canon(sys_long.334)2 (p + 0.213j Response to Initial Conditions 1 To: Out(1) 0. 0].Plong(:.5 0 50 100 150 Time (sec) 200 250 300 350 Fig..0088) Les modes propres lat´raux sont d´finis comme : e e . >> initial(sys_long.1)).5 0 −0.05 0.96 -2.Mouvement propre lat´ral : e     v ˙ −0.045 0.1 0 −0.LES SYSTEMES D’ORDRE SUPERIEUR .486)2 + (2.

015 0.05 −0.1 −0.4 0.334j .02 0 0.15 0.01 0.16 – Mode de roulis pur .01 1 0.15 −0.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.1 0.5 0.05 0 0 −0.2 0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.7 Fig.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0. V.486 ± 2.02 0 1 0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.02 To: Out(1) 0.5 0 0 −0. V.1 0.04 0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.17 – Mode de spirale pur .6 0.3 Time (sec) 0.2 0.0088 Response to Initial Conditions 0.2 0 0.005 −0.

’modal’) >> Plat=inv(Tlat).2 0 2 4 6 Time (sec) 8 10 12 Fig..Plat(:.Tlat]=canon(sys_lat. ´ Definition V.-9.1 0 −0. V..35 0.55 -0.322.18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-.76 -0.2 0.69) ..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 .08 2. 0].5 0 −0.1)).5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.76 0 0.zeros(4.254 -1.1)) >> initial(sys_lat. >> initial(sys_lat.1). 2.2 (rapidit´) e Le temps de disparition de la composante transitoire associ´e ` un mode d´finit la rapie a e dit´ de ce mode.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0. τq } associ´es ` ses diff´rents modes.zeros(4.4.eye(4).2)) >> initial(sys_lat.5 −1 0.5 0 −0.. · · · ..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 -8.0 0 1.5 0.Plat(:.5 1 0.4 0. e τi = −1/Re[pi ] (V.1 −0. >> [navion_lat.Plat(:. 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.

Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par.82 ξphu.334j d´fini par sa constante e de temps et son amortissement.75) .le mode phugo¨ p = −0. = 0. e τrol. e e .74) . τdrol.12 (V.4.486 = 2.51 ± 2.le mode de roulis p = −8. on parle o e e de modes dominants.213j d´fini par sa constante de temps et son ıde e amortissement. ´ Definition V.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.433 d´fini par sa constante de temps. · · · . = 1/0.0088 = 113. τphu. = 0.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 .3984 0. = 1/8.72) .51 = 0.73) (V. = 1/2. ξq }.017 ± 0.486±2.4.138 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.70) Par extension.08 Les modes propres lat´raux du Navion sont caract´ris´s par. ´ Definition V.7 (V. e e e . mˆme si cette condition n’est pas strictement v´rifi´e.71) . = 0.63 (V.le mode d’oscillation de roulis hollandais p = −0.06 ξdrol. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1. = 1/0.204 (V.433 = 0.le mode correspondant de spirale p = −0. τinc. Pour un mode oscillatoire.4 ξinc. e τsp.59j d´fini par sa constante de temps e et son amortissement.4 (mode oscillant non amorti et ap´riodique) e .017 = 58. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me.le mode d’oscillation d’incidence p = −2.0088 d´fini par sa constante de temps. = 1/0.Si ξ = 0 alors le mode oscillant est non amorti .

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.2140 0.2040 0.0797 0.Xi_long]=damp(sys_long) Wn_long = 0.6070 Xi_long = 0.0088 2.0797 0.2040 1.76) i=1 .3836 8.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.3836 2.2140 3.6070 3.4327 139 Xi_lat = 1.0000 0.Xi_lat]=damp(sys_lat) Wn_lat = 0.0000 >> [Wn_long.6946 0.4.6946 V.

est augment´e par la pr´sence des pˆles voisins. >> step(H2) >> step(H1+H2) . >> H2=tf([1/0. e e e n h(t) = i=1 ai epi t (V.140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors.4. e e o Si l’on ´tudie la r´ponse indicielle. >> clf >> step(H1) >> hold. 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.5 0].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.79) e e ` e o` bi = ai /pi .77) avec. 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. le d´passement sera augment´ ou diminu´.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) . On en d´duit donc que la contribution d’un pˆle pi e e o .78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros. Suivant que le e e e e e e z´ro sera stable ou instable.[1 1 1]).[1 1 1]). m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V. e e Exemple V. e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1.

4 1.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.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.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0. 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. dans de nombreux cas pratiques. e .5 e Step Response 1.5 −1 H 2 −1. Ainsi.8 0. e .5 e R´sum´ V.6 H 1.5 H1 H Amplitude 0 −0.6 0.2 H 2 0 −0.4.2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0. 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).5 1 0.8 141 1. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|. e V.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.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 e e a .4.4 0.2 H 1 Amplitude 1 0. 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.1 e e a o .

.142 ANALYSE TEMPORELLE DES SYSTEMES En g´n´ral. 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 d’´tablissement (settling time) ts . le concepteur ne travaille pas directement sur ces grandeurs mais plutˆt sur les grandeurs (ωn .temps de mont´e (rise time) tr .5 0 tr tp t ts Fig. σ) d´finissant la position des pˆles dans le plan o e o complexe. e .temps de retard (delay time) td . . e Toutefois. Il est alors possible de e sp´cifier des caract´ristiques temporelles identiques ` celles des syst`mes du second ordre.19 – Sp´cifications de performance e . V.temps de sommet (peak time) tp . ξ. ∀ i : τi < τmax ⇔ σ < σi (V. dans la pratique. Imposer une condition du type.80) revient donc a placer les pˆles ` gauche d’une verticale −1/τmax dans le plan complexe ` o a (cf.d´passement maximal (overshoot) Mp . e e a e y(t) Mp 0.20). figure V. . e .05 t td 0.

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

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.83) ξ ≥ ξ(Mp ) σ≥ 4. Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig.23 – R´gion de sp´cifications e e .8 tr (V. V. 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.22 – Pulsation propre non amortie En g´n´ral. e e e ωn ≥ 1. V.144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig.

5 V.t. ) e .t): effectue la simulation temporelle du mod`le LTI sys pour ) e l’entr´e u sur l’horizon temporel d´fini par t. ) e e ) [y.5. ) [y.1 Fonctions MATLAB Fonctions de r´ponse temporelle e ) [u. e e V.u.5. ) e e ) [y.t.V.t.x]=step(sys): r´ponse indicielle du mod`le LTI sys.x]=initial(sys.x0): r´ponse temporelle du mod`le LTI sys ` une condition initiale ) e e a x0 .t]=gensig(type.2 Fonctions d’analyse des mod`les LTI e ) [Wn. e ) [y.5.t. FONCTIONS MATLAB 145 V.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.x]=lsim(sys. ’square’ ou ’pulse’. e o e e ) k=dcgain(sys): calcule le vecteur des gains statiques du mod`le LTI 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]=impulse(sys): r´ponse impulsionnelle du mod`le LTI sys.

146 ANALYSE TEMPORELLE DES SYSTEMES .

1 Les syst`mes monovariables e Dans cette section. 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. B. 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. 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.1.1 (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 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. C. 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.1. 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).Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre. e e Toutefois. e e ´ Definition VI. Mˆme si comme nous le ee e e e verrons dans ce chapitre. e e e e VI. De plus. D). la plupart des outils peuvent ˆtre ´tendus au cas multivariable.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.

1) On suppose ici que tous les pˆles de cette fonction de transfert sont distincts.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. y3 (t) = X|G(jω)| ej(ωt+φ) − e−j(ωt+φ) = X|G(jω)| sin(ωt + φ) = Y sin(ωt + φ) 2j (VI.6) (VI. − pn sont stables donc ` partie r´elle n´gative.5) Xω a = G(p) 2 (p − jω) p + ω2 De plus. −p1 . e a e e Cela implique que les termes correspondants tendent vers 0 en r´gime permanent (quand e t → ∞).7) (VI. e e e y3 (t) = ae−jωt + aejωt o`.3) p2 ωX + ω2 (VI. u X|G(jω)|e−jφ X|G(jω)|ejφ a=− et a = 2j 2j On obtient ainsi. · · · .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 ´ ` Theoreme VI. u a = G(p) p2 Xω (p + jω) + ω2 =− |p=−jω (VI.2) Pour un syst`me stable.8) . |p=jω XG(jω) = 2j G(jω) = |G(jω)|ejφ et G(−jω) = |G(jω)|e−jφ d’o`. La o transform´e de Laplace de l’entr´e sinusoidale u(t) = X sin(ωt) est : e e U (p) = d’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.1. La r´ponse en r´gime permanent est donc donn´e par. 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.4) XG(−jω) 2j (VI.

´ ´ ´ 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

Il meurt en 1976. 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 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 publie un article sur la fr´quence de Nyquist en 1928. il s’engage sur des recherches g´n´rales en communication. e Remarques VI. Apr`s ee e e e 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´.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. En 1932.2.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. En effet. e e . 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´. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. Entre 1921 et 1935. e e La mˆme ann´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 .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. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. 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.

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. 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.4 – Comportement en basses fr´quences e . VI.REPRESENTATION GRAPHIQUE 155 ω I(ω) n−m = 3 8 0 N=1 n−m = 2 R(ω) n−m = 1 Fig.3 – Comportement en hautes fr´quences e . VI.

12) −ωT Y = Im(G(jω)) = 1 + ω2T 2 et par son module et sa phase : |G(jω)| = √ 1 1 + ω2T 2 (VI. 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. Im 0 1 jω Im 0 . 1 Re jω 0 .13) Φ(ω) = − tan−1 (ωT ) .5 donne un certain nombre de trac´s e e typiques.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. 1 Re 1 (jω )2 Im 1 a 1+jω T 1+jω aT 0 . VI. La figure VI. .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. Im 0 Im Re 1+jωT jωT Im Re 1+jωT Im Re jωT 1+jωT 0 .

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.REPRESENTATION GRAPHIQUE 157 L’´tude de (VI.16) .5. e e a e (ωn .12) permet de montrer que la courbe est un demi-cercle de centre e (0. (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI. la pulsation propre non amortie et l’amortissement.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 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. 0) et de rayon 0. VI. ξ).5. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.

Aux hautes e e fr´quences.1 ξ = 0.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e .2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig. l’analyse asymptotique montre que la phase tend vers −π.17) ω2 2 ωn + ω 2ξ ωn 2 (VI.19) e e Pour ω ∈ R+ . Cette pulsation est la pulsation de e cassure associ´e au second ordre.18) ω ωn ω + 2ξ ωn 2 (VI. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn .05 ξ = 0. 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.7 ξ = 0. e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox.7). Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1. VI.07 ξ = 0.4 ξ = 0. e ` e Nyquist Diagram 15 10 ξ = 0. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.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.

. 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. En effet.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. e Script MATLAB 17 >> G=tf(4. Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe. 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.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 2 0]). la partie r´elle et la partie imaginaire sont toujours n´gatives.2. e Exemple VI. >> nyquist(G). 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).

2.2.1 0 Fig.5 Real Axis −0. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade. 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 . 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.3 −0.4 −0.9 −0. pulsation quelconque.7 −0.2 −0. 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.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations.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 −0.8 0+ −0.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI. e 8 8 .6 −0.2 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. VI. ´ Definition VI.

Pendant la seconde guerre mondiale. Alors qu’il travaille chez Bell. il obtient son Ph. Il meurt le 21 Juin 1982. VI. 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. En 1955. Apr`s la guerre. 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. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. En 1952. 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. 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 part a la retraite en 1967 et obtient un poste de professeur a Harvard. e Pendant ses premi`res ann´es aux laboratoires Bell. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. 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. 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 devient ` ` membre de l’Acad´mie des Sciences. Il entre aux laboratoires de Bell Telephone comme math´maticien. 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. En effet. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. D de l’universit´ de Columbia en 1935. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin.20) pN . 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.

5 Phase (deg) −90 −90. Log10 |G(jω)| = i Log10 |Gi (jω)| φ(ω) = i φi (ω) (VI.Le gain K poss`de un module constant ´gal a K et une phase nulle. e e ` . Bode Diagram 10 5 Magnitude (dB) 0 − 20 dB / decade −5 −10 ω co −15 −89 −89. e e .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.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.22) 1 a une phase constante valant −90×N deg. 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. (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 . Ces facteurs ıtre e ee peuvent ˆtre class´s en quatre familles.20). Ce trac´ asymptotique suffit en premi`re approximation pour e e e obtenir des informations sur le syt`me. Il peut ˆtre ensuite affin´ et corrig´ simplement. .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. VI.5 −91 10 0 10 Frequency (rad/sec) 1 Fig.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.

.En hautes fr´quences. domaine ”basses fr´quences” ω << ωc . e √ (VI.Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (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. 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.Pour les basses fr´quences. e e e c e .7 63. l’amplitude en dB peut ˆtre e approxim´e par. ω >> ωc = 1/T . domaine ”hautes e fr´quences” ω >> ωc . e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI.L’erreur pour une octave au del`.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines. ω = 1/2T de ωc vaut a ca −0. Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e . 45 26.4 84. ω = 2/T . e ` .97 dB.L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB. Dans le plan de Bode.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante. et en de¸`. ω << ωc = 1/T .26) Dans cette plage de pulsations. la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave. on obtient. 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 .3 .6 5.REPRESENTATION GRAPHIQUE 163 .25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB.

11 – Trac´ dans le plan de Bode de 1/(p + 2) e . e .27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ.Le facteur quadratique ram`tres (ωn .97 dB 3 dB 0. VI.164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0.97 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. e Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI. e . 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.28) Les asymptotes sont obtenues par une analyse identique a celle qui a ´t´ faite ` ee pour les syst`mes du premier ordre.Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI. e .Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   dB (VI. e . ξ).29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences.30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences.

31) |G(jω)| dB Asymptotes Mr = 1 2ξ 1 − ξ 2 ωn − 40 dB/ dec.32) La phase est une fonction des deux param`tres pulsation propre et amortissee ment. ω=0 φ = 0 deg 2ξ 0 = −90 deg (VI. si ξ < 0. ω rad/s ωr − 3 dB = ωn 1 − 2ξ 2 Bande passante à −3 dB Fig. Son amplitude d´pend de e l’amortissement ξ.REPRESENTATION GRAPHIQUE 165 Les deux asymptotes ont une intersection commune en la pulsation de cassure ωc = ωn . la phase vaut. Pr`s de la pulsation de cassure. a la pulsation de r´sonnance ωr .Etude de la phase :  ω  2ξ( ωn )  −1   φ = − tan  ω2  1− 2 ωn  (VI. VI. il peut e ` e e exister un pic de r´sonnance.33) ω = ωn φ = − tan−1 ω = ∞ φ = −180 deg . ωr = ωn 1 − 2ξ 2 Mr = 1 2ξ 1 − ξ2 (VI. Toutefois.707.12 – Courbe de gain dans le plan de Bode d’un deuxi`me ordre avec r´sonnance e e . Mr .

Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.2. VI.05 ξ = 0.2 −135 ξ = 0.1 1. e e e a 3. .7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig. e a ´ Procedure VI.1 ξ = 0.5 −180 ξ = 0.4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.3 ξ = 0.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0.Tracer les courbes asymptotiques.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.3 ξ = 0.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base.2.2 ξ = 0.5 ξ = 0. ee 2.34) ´ Definition VI.1 −90 ξ = 0.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.05 ξ = 0. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI. 4.2.

’r-.’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. >> bode(G1.’g.[1 2 0]).2 Reprenons la fonction de transfert pr´c´dente. >> G=tf(4.’. Ces deux asymptotes se coupent e e e a en ωc = 2 rad/s.14 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) . >> G3=tf(1.’. >> G2=tf(1. VI.[1 2]).2. 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.’b--’.G2.[1 0]). Script MATLAB 18 >> G1=tf(4.G3.1).G. La courbe de phase pr´sente quant ` elle deux asymptotes horizontales en −90 deg et −180 deg.REPRESENTATION GRAPHIQUE Exemple VI.

Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert.15 – Plan de Nichols-Black Remarques VI. 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.2. VI. e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI.35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black.2.2 Dans la litt´rature anglo-saxonne. 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.168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants. 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. 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig. a e o .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)|)).

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

170 REPONSE FREQUENTIELLE DES SYSTEMES LTI | G | dB − 180 − 90 Φ o n−m = 2 n−m = 1 Fig. VI. en hautes fr´quences.37) Φ(ω) = − tan−1 (ωT ) L’analyse asymptotique conduit imm´diatement a identifier une asymptote verticale e ` ` −90 deg.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. Il y aura des e u e e e asymptotes verticales si le syst`me comprend une ou plusieurs int´grations. On rappelle que : |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI. a e .16 – Comportement en hautes fr´quences e . VI. e e −180 −90 | G | dB 2 intégrations 1 intégration 0 intégration Φo Fig.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.

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 .5 ξ = 0.18 – 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 . nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode. 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. aux hautes fr´quences.3 ξ = 0. 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.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.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0.01 ξ = 0.1 ξ = 0.38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg. VI.

[1 0]).94 Frequency (rad/sec): 1.[1 2 0]). ` e . e Script MATLAB 19 >> G2=tf(1.[1 2]). Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0. VI.58 rad/s.’g.3 Frequency (rad/sec): 1.0273 System: G2 Phase (deg): −128 Gain (dB): −3.172 Exemple VI.G.2. >> nichols(G2.58 Phase (deg): −90 Frequency (rad/sec): 1.’.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig. >> G=tf(4.’b’).’r-.04 dB. >> G3=tf(1.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.3 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.G3.58 System: G3 Gain (dB): −8.14 Phase (deg): −38.04 dB et le point correspondant a ω = 1. 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.’.

2.2.40) La figure VI. ` Remarques VI.20 montre le diagramme des phases de G1 et de G2 . 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. VI. Dans le cas contraire.3 Cette d´nomination provient du fait que pour un module identique.2.20 – Phases de G1 et G2 pour T1 = 1. T2 = 2 .39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre. 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.4 Les syst`mes ` non minimum de phase e a ´ Definition VI.2.41) 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. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI.REPRESENTATION GRAPHIQUE 173 VI. il sera ` dit a non 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. Exemple VI.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 Afin d’illustrer au mieux la remarque pr´c´dente. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.

4 0.6 0.8 −0.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase. Nyquist Diagram 1 0.8 1 Fig. le module et la phase sont li´s par une relation e a e biunivoque.2 0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase.8 −1 −1 −0.6 −0.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 .4 −0. nous donnons les lieux de transfert de G a dans le plan de Nyquist.2 0 Real Axis 0. A titre d’exemple.4 0.42) 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.6 0. Si la courbe de gain est connue sur l’ensemble des pulsations.6 −0. VI.8 0.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.4 −0. VI. 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.2 −0.2 Imaginary Axis 0 −0.

2 5]). La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.[2 1] [1 4]}..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.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.den den}) Transfer function from input 1 to output.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.5 (mod`le deux entr´es .21 s^3 + 7.21 s^3 + 7.2.1.REPRESENTATION GRAPHIQUE 175 VI.2.H=tf({1 3. Dans la a e majorit´ des cas.45 s + 10 #2: .002 s^2 + 0.[1 0..{den den. ´ Definition VI. 1 #1: ---------------------------------------s^4 + 0. 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.01 2].2. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e. Cela impose donc le plan de Bode e e comme seul outil disponible.5 Extension aux syst`mes multivariables e La section I.002 s^2 + 0.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.

002 s^2 + 0. 3 #1: ---------------------------------------s^4 + 0.45 s + 10 s + 4 ---------------------------------------s^4 + 0.21 s^3 + 7.002 s^2 + 0.176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output...21 s^3 + 7.45 s + 10 #2: >> sigma(H) >> grid .

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

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). 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. 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.1. Dans un premier temps. 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. Dans ee e e la suite de ce cours. 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.Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. biographie).1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif. Cette e e structure est illustr´e figure VII. seuls les syst`mes monovariables sont trait´s. e ` ea 179 .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). VII. En r´sum´. 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. 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]. Jusqu’` pr´sent. Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e.1.

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. Perturbation Système de commande Entrée de référence + Ampli.No. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action. 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. Process Sortie Fig.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. m est la masse du v´hicule et ρ et c sont des constantes. Il publie modulation theory en 1953. e e e Le sch´ma de principe est alors le suivant.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. VII. e e √ ρc 2 (VII. Il d´pose un brevet (21 D´cembre 1937 . ee En 1927. 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. u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1. Apr`s ses ann´es d’´tudes. Harold e e Black fait partie du Hall of Fame des inventeurs depuis 1981 et a re¸u 10 m´dailles. Il meurt en 1983. 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. ancˆtres des laboratoires Bell Telephone. photo du chapitre e 1). Black) Harold Stephen Black est n´ le 14 Avril 1898 a Leominster dans le Massachussetts. 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. 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. 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. e .180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. sur le trajet matinal de l’Hudson River sur le ferry Lackawanny pour aller a son travail. il rejoint les laboratoires de West e e e Street de la Western Electric a New York. 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. neuf c e prix ainsi que de nombreux autres titres honorifiques.

VII.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.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. e a u(t) = k(vnr (t) − vn (t)) ˙ (VII. Ce type de loi u a e de commande est qualifi´e d’int´grale puisque. e √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (VII. e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (VII.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).3 – Sch´ma SIMULINK de l’exemple voiture e . VII.1.` ` ´ VII. 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) o` la constante k est ` choisir par le concepteur du syst`me de commande.

0. 0.4.02 v 0.08 0. = 0.02.06 correspondant a des accroissements respectifs ` pour k = 0.54 0.6 k=0. la r´ponse est tr`s lente. 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 = 0.08.5 a 0.02. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0.1 k=0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.6. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0.1 s et pour diff´rentes valeurs de k ∈ {0.1 et k = 0.6 e ee e ` ` l’instant 10 s. a Quelle que soit la valeur du gain de l’action int´grale k. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis. que pour les valeurs k = 0.4 – 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.6.08.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.58 0. Le signal de r´f´rence est donc un ´chelon passant de 0. VII. e e On peut remarquer sur la figure 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 = 0.62 k=0.05. On refait donc les simulations m √ √ ρc ρc = 0.05 et m m de masse de 20% et 40%.05.05 0. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.56 k=0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0.1}. 0.52 0.08.

SYSTEMES DE COMMANDE A CONTRE-REACTION 0.5 0. VII. e e e e .6 0.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.1.54 0.6 sans perturbation 0.5 – 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.62 183 0. e a e Si l’on consid`re des conditions r´alistes. e √ √ ρc 2 ρc (VII.58 0. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.45 avec perturbation 0. 0.55 v 0.4 0.56 v 0.` ` ´ VII.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.65 0. 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. 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.7 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.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.52 0.

7 – Sch´ma bloc avec perturbation et bruit e o` : u .1.r est le signal de r´f´rence que doit suivre la sortie ee .y est la sortie du syst`me e . .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.Le probl`me de stabilit´ est plus crucial en boucle ferm´e qu’en boucle ouverte. e e VII. on peut mettre en ´vidence les propri´t´s fondamentales de e ee la structure de commande a contre-r´action. L’exemple de la section pr´c´dente induit.u est la commande issue du correcteur K(p) . e e .2 Caract´risation des syst`mes de commande ` contre-r´action e e a e Jusqu’` pr´sent.Am´lioration de la pr´cision en boucle ferm´e e e 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 (` ). 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.La structure de commande a contre-r´action implique le plus souvent de disposer ` e d’un capteur mesurant la sortie. 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. VII. a travers l’introduction de e e e ` la perturbation. r + − ζ K(p) b + + ν u G(p) y + + w Fig.Robustesse du syst`me boucl´ vis-`-vis de variations param´triques e e a e . 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. 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. Les bruits et les erreurs de mesure associ´s ` cette e a op´ration peuvent entrainer des pertes de pr´cision. ` e .

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. e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (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. La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle.ν est le signal de commande entrant r´ellement dans le syst`me e e . 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.7) ´ Definition VII.` ` ´ VII. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII. diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s.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.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.7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII. a S(p) + T(p) = 1 (VII.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) .1.w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel.b est le signal des perturbations = r − y est le signal d’erreur 185 . SYSTEMES DE COMMANDE A CONTRE-REACTION .

Ces objectifs de commande sont contradictoires et devront faire l’objet de compromis lors de la synth`se du syst`me de commande.Une bonne rejection des perturbations sera obtenue pour S(p)G(p) faible.S(p)K(p) repr´sente l’influence de la r´f´rence et des bruits de mesure sur les come ee mandes.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 . Objectifs de commande Compte tenu des relations ´tablies pr´c´demment et de l’analyse qui les suit. e e .12) T (p) = G(p)S(p) = .S(p)G(p) repr´sente l’influence de la perturbation sur la sortie et l’erreur. e e . la e e e synth`se du correcteur K doit ob´ir aux diff´rents objectifs suivants : e e 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.L’effort de commande est faible si l’amplitude de S(p)K(p) et de T (p) est faible. .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. e e Exemple VII. .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.1 (fonctions de sensibilit´) e Soit le sch´ma d’asservissement de la figure VII. .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.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.1. e . e e .Un bon suivi du signal de r´f´rence implique une fonction de sensibilit´ S(p) faible ee e en amplitude.

MATLAB ne a e simplifie pas les pˆles et z´ros identiques.s^4 + 2 s^3 + s^2 --------------------------s^5 .s .2 s^3 . >> K=tf([2 1].s . SYSTEMES DE COMMANDE A CONTRE-REACTION Script MATLAB 21 >> G=tf([-1 1].s^4 + s^3 .s^2 >> S=inv(1+L) Transfer function: s^4 .s .1.1 >> T=1-S Transfer function: 2 s^2 .1 ----------------s^4 + s^2 .[1 1 0 0]).[-1 1]). o e .1 ------------s^4 .1 >> GS=G*S Transfer function: -s^5 + s^4 + s^3 .s .2 s^2 + 1 187 Il est ` noter qu’effectuant les op´rations sur les fonctions de transfert.s^2 >> KS=K*S Transfer function: -2 s^5 .` ` ´ VII.s^2 ----------------s^4 + s^2 .s^2 ----------------------------s^7 + s^6 + s^5 . >> L=G*K Transfer function: 2 s^2 .

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) .

quand l’assere e e vissement est ` retour unitaire. e VII. e e . 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. j∞] et d’un demi-cercle centr´ en (0. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e.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. K(p) = NK (p) DK (p) (VII. Il est orient´ dans le sens antitrigonom´trique.2.1 (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∞ . 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.2.2. ´ Definition 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. 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.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note. la sensibilit´ compl´mentaire T (p). e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII.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.´ ` ´ VII. a r + − ζ K(p) u G(p) y Fig.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps. 0) de rayon ee e infini incluant le demi-plan complexe droit.

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. Si e la fonction de transfert en boucle ouverte poss`de des pˆles ou z´ros sur l’axe imaginaire. e o e on d´finit alors le contour de Nyquist modifi´ comprenant des indentations en la e e localisation des singularit´s critiques. e Contour de Nyquist Im Contour de Nyquist modifié : système avec 1 intégration Im r= r= Fig. e ´ Definition VII.le lieu de transfert de K(p)G(p) dans le plan de Nyquist K(jω)G(jω) pour ω ≥ 0 . Il est constitu´ par : e . 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. 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 . VII.2 (lieu de Nyquist complet) Quand p = σ + jω parcourt CN . θ variant dans le sens e trigonom´trique.10 – Indentation pour une int´gration e Sur le contour modifi´ p = ρejθ avec ρ → 0 et −π/2 ≤ θ ≤ π/2.2.

16) Exemple VII. 0).La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e . .1 1. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p).Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .1 Le syst`me ` contre-r´action de la figure VII. o a e Afin d’appliquer correctement le crit`re de Nyquist.Tracer son sym´trique par rapport a l’axe ox. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant. o e e .17) 1.2. fermer le lieu de u Nyquist.Compter le nombre P de pˆles instables de la boucle ouverte.Dans le cas o` le contour de Nyquist a une indentation.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. ` G(p) = K p(1 + T p) T >0 K>0 (VII.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1. le lieu de Nyquist est complet et ferm´. 4.Calculer la boucle ouverte de l’asservissement consid´r´.2. CN o 2.2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES .une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte.Tracer le lieu de Nyquist complet de la boucle ouverte. 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. il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII. 3.

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

2. VII. e ´ ` Theoreme VII. Im Im −1 Re −1 Re K(j ω)G(j ω) K(j ω)G(jω ) Fig.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e .N = 0. Dans certains cas particuliers et sous certaines hypoth`ses.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. p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII.P = 0. 4. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII.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. 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.2. il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers.20) K K G(p) ∼ ∼ e−jθ p ρ 3. Le syst`me est donc stable asymptotiquement. 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.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation.

qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII.1 e e e sont reprises. 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. En effet.1. 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.7 pour lequel les donn´es de l’exemple VII.1.194 | | 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.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente. VII. e a e e e e . Dans le § VII. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement. 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.7 incluant une perturbation e et un signal de bruit de mesure. les fonctions de sensibilit´. VII. nous avons d´fini un certain nombre e de transferts.2.2.

On dit alors qu’elle est bien pos´e. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat.2.3 (bien pos´) e La boucle a contre-r´action de la figure VII. 0) est asympe e e totiquement stable. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII.2.15 ainsi d´finie a un sens. 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.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne.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. il est n´cessaire de s’assurer que e e e la boucle de la figure VII. VII. e ´ Definition VII.2.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres. e e ´ Definition VII. xK ) = (0. .1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre.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. Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.5p + 1)2 (0. v2 ).2.9878 -3.196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII.1434 -0.1 a .2. e ua e Exemple VII.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. e Script MATLAB 22 >> G=tf([10].1023i .[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 .3 . ν2 aux sorties e e u.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII.[2 1])).Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement. >> L=G*K.1. la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands.1023i -0. >> pole(S) ans = -19.21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.2326 + 1.05 1].2326 . e e . >> S=inv(1+L).conv([5 1]. v) sont born´s.conv([0.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.5 1]. Pour tous les signaux e e d’entr´e born´s (v1 .7). les signaux de sortie (u. v sont stables asymptotiquement.2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.conv([0. >> K=tf([1 1].5 1]))).

1) BK]*inv([1 DK.0000i 0.2326 + 1.0000 -1.2000 + + - 1.1035 -0.1035 -0.BK.1).9878 -3. >> [A. >> Abf=[A zeros(3.0000 -19. >> pole(GS) ans = -19.2326 + 1.2326 -0.2326 .1035 >> GS=G*S.9878 -3.0000i >> KS=K*S.1434 -0.1023i 1...1.DK]=ssdata(sysK).1023i -1.1023i -1.1.3) -CK. .2)].CK.1434 -0.3) AK]+[B zeros(3.D]=ssdata(sysG).2326 .1023i 0.1023i -0.C zeros(1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.1023i -0. >> sysK=ss(K).0000 -2. >> pole(T) ans = -19.2).2326 -2.-D 1])*[zeros(1.C.1035 >> T=1-S.1434 -0.5000 >> sysG=ss(G). >> [AK.B.zeros(2. >> pole(KS) ans = -20.. zeros(2.9878 -3.

2. e e >> G=tf([1]. on obtient : e e max |K(jω)G(jω)| = 0.1.1 0].15.[1 1]).198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19. e e e .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.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=G*K.1p + 10 En appliquant le th´or`me du faible gain. 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.1p p+1 1 p2 + 0. >> K=tf([0.22) Remarques VII.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.2 .3015 ω Le syst`me est stable de mani`re interne.1434 -1.4 On suppose que G(p) et K(p) sont asymptotiquement stables.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.1023i -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.2. e ´ ` Theoreme VII.[1 0.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).2326 . .1023i -3.9878 -0.1 10]).2326 + 1. L’interconnection pr´sent´e e e figure VII. e e Exemple VII.2.

VII.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. 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. 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.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.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. le pic de r´sonnance Mr peut ´galement servir a cet effet. Dans le domaine temporel.inf) ans = 0. j0) dans le plan de Nyquist.16 – Courbe de gain dans Bode de L VII. Dans le domaine e e e ` fr´quentiel. cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement. . 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´.2.

5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII. 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.2.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.2.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black .25) (VII. VII. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).2.3 Pour un syst`me ` minimum de phase. Arg[L(jω−180o )] = −180o (VII.26) Remarques VII. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable.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. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.

>> L=K0*G*K. >> margin(L) .18 – Marges de gain et de phase dans le plan de Bode Exemple VII.[1 1]). Bode Diagram Gm = Inf dB (at Inf rad/sec) . >> K=tf([0.42 rad/s.8 deg (at 4.2.2. >> K0=100. Pm = 25.4 On reprend l’exemple V.[1 0.1 0]. 8 deg pour ωco = 4.3 et l’on rajoute un gain K0 = 100 dans la boucle.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. VII. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.5 10]).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.

19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0. VII. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig. VII.00322 Phase (deg): −154 Frequency (rad/sec): 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.908 Imag: −0.20 – Plan de Nichols-Black .449 Frequency (rad/sec): 4.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.

e Nyquist Diagram 2 1.22 – Marge de module dans le plan de Nyquist .21 – Marge de module dans le plan de Nyquist Exemple VII. ∆M = 1 1 = MS max |S(jω)| ω (VII. VII. 0) et tangent au lieu de transfert.2.5 −1 −1. c’est donc le rayon du cercle de centre le point critique (−1. e e ´ Definition 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. Dans le plan de Nyquist.5 1 0.27) Im −1 ∆M 1 Re G(jω ) Fig.3 avec le mˆme gain K0 = 100 dans la boucle.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte.5 Imaginary Axis 0 −0.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig.2. VII.2. Une mesure plus objective est d´finie par la marge de module.5 On poursuit l’exemple V.

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.40911. VII. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.2. Script MATLAB 24 >> G=tf(1.[1 1]).14 rad/s et Mr = 15.6 dB.5 10]). >> K=tf([0.inf)) Mod = 0.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir.14 Magnitude (dB): 15. On trouve ωr = 3. >> Mod=inv(norm(S.23 – Pulsation de r´sonnance e . >> K0=100.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.1 0]. e e Bode Diagram 20 System: L Frequency (rad/sec): 3.6 On poursuit l’exemple pr´c´dent. >> S=inv(1+L).6 (VII.[1 0.28) 10 0 −10 Magnitude (dB) −20 −30 −40 −50 −60 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig.2. >> L=K0*G*K.

r + − u L(p) y Fig.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. 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.29) o` F (p) est la fonction de transfert en boucle ferm´e.2. Nous examinons en premier lieu la m´thode pour e le plan de Nyquist. 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.ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ Definition VII. VII. M-cercles et N-cercles Etant donn´ un asservissement ` retour unitaire. u e Ce coefficient est ´galement appel´ coefficient de r´sonnance ou coefficient de surtene e e sion.25 – Lieu de Nyquist .24 – Asservissement a retour unitaire ` L(p) est stable. 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. VII.

707. On note. il s’agit de calL(jω) . 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. u e e ´ Definition 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. l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist.2. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.206 − → OA repr´sente L(jωA ). . les lieux d’amplitude constante et de phase constante en boucle ferm´e.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.10 (M-cercles et N-cercles) .32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). 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. e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII.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. culer pour chaque pulsation donn´e. e Y (jω) = M ejα R(jω) L(jω) = X + jY (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. u A partir de ces M-cercles et de ces N-cercles.34) o` N = tan(α).30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. Ainsi.

e e ea 2.5 60o 90o 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.5 −1 −30o −2 −2.5 2.27 – Abaque des N-cercles .833 0.5 1 1.5 0 Re G 0. VII.707 0.5 −2 −1.5 2 2. VII.5 −36 o −0.5 Re ω r (Mr = 2) M=0 Fig. Un exemple d’abaque est donn´ ` la figure VII.5 Im G 0 −90o −60o −45o −1.26 – 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 −2.3 1.707 M = 1.67 0.2 1.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.5 −1 −0.27.5 Fig.5 30o (−150o) 36o 45 1 o 2 1.

2.28.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig.375 Frequency (rad/sec): 2.62 rad/s ωr = 4. 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.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols.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). Ainsi ` partir de la figure VII.64 Imag: 0.87 Imag: −1.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.16 rad/s ω = 3.29 qui forment l’abaque de Hall-Nichols. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte. VII. ` 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 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.92 Frequency (rad/sec): 3.7 En reprenant l’exemple pr´c´dent. e ω = 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. e . De ce fait. on peut calculer des e e a points de la boucle ferm´e.

VII.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.25 dB 0.25 dB 0.5 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) .ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.2.5 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.29 – Abaque de Hall Exemple VII.

il est alors possible de calculer e e la marge de phase.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 Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es.5.5 dB ωr = 2.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance.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. la marge de gain.8 rad/s Nichols Charts 50 40 0 dB 30 0.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0. e e . e e Mφ = 60 deg ωco = 1. e En produisant un zoom sur les fr´quences interm´diaires.

25 dB 0.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.5 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 0.25 dB Open−Loop Gain (dB) 10 −150 Open−Loop Phase (deg) −100 −50 .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.

(VII.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) .4 Si l’asservissement n’est pas unitaire. il faut calculer. 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase.2.212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII.

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 = 2.3.3.1 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. Le lieu de o e Nyquist complet est alors trac´ comme : e .fait Pbo tours dans le sens trigonom´trique autour de l’origine.O. dans L(p). e e e VII. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e .3. e o e ´ ` Theoreme VII.1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII. e Exemple VII.3 Extension aux syst`mes multivariables e Dans cette partie.1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B.24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables.3.ne passe pas par l’origine. e .` VII. 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)). EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII. Remarques 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.

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.04 −0.3. u e e a Exemple VII.4 0.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.0 0 0.B=[1 0.3.5.5 0 0.0 -1 1. ´ ` Theoreme VII.5]. Le syst`me est instable.8 1 1.3.2 0.2 (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.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.5 0 0 0 0 0.0 0 -4].1 0.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.02 −0.08 0 0.0 1]. a e VII.C=[0.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.08 0.02 To: Y(1) 0 −0.06 det(1+L(p) 0.2 Soit l’asservissement a retour unitaire du type de la figure VII.6 0.5 0 0.06 −0.04 Imaginary Axis 0. .

3.` VII.0 0].L=ss(A. >> sigma(L) >> norm(L.inf) ans = 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). e . EXTENSION AUX SYSTEMES MULTIVARIABLES 215 >> D=[0 0.B.C.

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

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. Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me. 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.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. 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. 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 e 217 . dans son ´tape de synth`se.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. 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. 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. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. 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.

2) (VIII.Relation 4 : ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) (VIII. T (p).2 VIII.2.1 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 3 : u(p) = K(p)S(p)(r(p) − w(p)) − T (p)b(p) . S(p)K(p) et d’illustrer les b´n´fices que l’on peut attendre de ce e e type de structure.218 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.1 – Sch´ma bloc avec perturbation et bruit e Nous rappelons les relations importantes intervenant dans ce type de bouclage : . S(p)G(p).4) (VIII. VIII. e r + − ζ K(p) b + ν u + G(p) y + + w Fig. nous travaillerons comme dans le chapitre pr´c´dent ` e e a partir du sch´ma fonctionnel complet de la figure VIII.Relation 1 : y(p) = S(p)G(p)b(p) + T (p)(r(p) − w(p)) . .3) (VIII.Relation 2 : (p) = S(p)r(p) − S(p)G(p)b(p) + T (p)w(p) .1) Les quatre relations pr´c´dentes permettent de d´finir les quatre fonctions de sensibilit´ e e e e S(p).1.

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). e ωb < ωco (VIII. On en d´duit que : |S(jω)| 1 . Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences.5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω).9) 1 .SPECIFICATIONS FREQUENTIELLES 219 VIII.6) 1 (VIII. 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´. e ω < ωb |S(jω)| 1 (VIII. 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. e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w). e .Pour que b ait peu d’influence sur y : |G(jω)S(jω)| . e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωco e d´finissant la bande passante de G. Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb .10) (VIII.7) e Du fait que T + S = 1 et S = (1 + GK)−1 .Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII. en boucle e e ferm´e ou en boucle ouverte.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.2.

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.2. ee e e (VIII. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco . e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment.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.2.3 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 ν : |K(jω)S(jω)| 1 (VIII.220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.14) VIII. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).12) 1 (VIII.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .Pour que w ait peu d’influence sur y : |T (jω)| .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.

2. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII.) 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. 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. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´. e . e VIII. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes.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.16) En appliquant le th´or`me de la valeur finale.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg.17) On en d´duit la r`gle des int´grateurs. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).. Cela induit des pulsations ωco et ω−180o suffisamment importantes. e Exemple VIII.. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. 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.18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive.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. Si la e marge de phase souhait´e est 45o . e e e ´ ` Theoreme VIII.2. e la pente ne peut exc´der −30 dB/dec. il faut avoir Φ = −135 deg et donc dans cette r´gion.2. 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. rampe.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p). 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. on obtient.

Au del` de ces pulsations.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances.21) (VIII.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0.2. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB . e ´ Definition VIII. on a alors : e e ωB < ωco < ωBT (VIII. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me. ωB = ωBT .. e e .La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte.20) (VIII.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.1 La bande passante en boucle ferm´e peut alternativement ˆtre d´finie ` partir de la fonce e e a tion de sensibilit´ compl´mentaire. 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 . pour les pulsations e e inf´rieures ` ωB .2.19) Dans la majorit´ des cas.1 . e Remarques VIII. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir.22) VIII. 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.707 = −3 dB 2 (VIII. ωBT ]. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg. 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. la bande passante est un indicateur de performance particuli`rement important.2.6 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 e e C’est une ´tape importante dans l’´tape de mod´lisation. la commande est effective et am´liore les performances.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 . 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.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. R´aliser un compensateur remplissant de telles exigences e e e est appel´ faire la synth`se d’un correcteur par loopshaping.sp´cification de la pente de la courbe de gain en boucle ouverte |L(jω)| sur certaines e plages de fr´quence : e . Si l’on souhaite travailler uniquement sur cette derni`re.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.sp´cification du nombre d’int´grateurs dans L(p) par la r`gle des int´grateurs e e e e 2. La courbe de gain dans e e Bode de la boucle ouverte L(jω) = K(jω)G(jω) prend classiquement la forme suivante.pente sup´rieure ` −20 dB/decade aux hautes fr´quences (ω ≥ ωh ) pour le e a e filtrage des bruits e e .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). VIII. |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.pente de −20 dB/decade autour de ωco pour satisfaire la condition de roll-off . 1.

2. une marge de gain Kg = 2.5. Bode Diagrams Gm=7.24) Ce mod`le poss`de les caract´ristiques suivantes.5 et des pulsations de coupure ω−180o = 0. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig.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. 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.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 = 0.25) (VIII.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0.448 deg.20372 rad/sec) 10 0 −10 Phase (deg). VIII. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII.2 rad/s et ωp2 = e 0.3 – Courbe de gain de G(p) .41 rad/s. e e e .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.2 rad/s.41231 rad/sec).5 deg. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples.1 rad/s.9588 dB (at 0. a e e . Pm=48. (at 0. e e e e e Exemple 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. ωco = 0.

L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII.Le bruit de mesure intervenant au del` de 0.5 rad/s et β = 0. e .5 Hz doit ˆtre filtr´. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII. On obtient donc.1 rad/s.Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration. 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.27) Pour ω = 0. Cela permet de choisir ωb = 0. e e e 225 . Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e .29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0. A ce stade.26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII.1 rad/s.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) = .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. 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. |Gb (jω)| ∼ 0 dB. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s. L0 (p) = −2p + 1 p(2p + 1)(0.SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes.30) .33p + 1) (VIII.

44 ωco = 0.43 rad/s Bode Diagrams Kg = −0.4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.95 rad/s 60 40 20 0 Phase (deg).33p + 1) (VIII.15 et a ` une pulsation de coupure ωco = 0. VIII. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0.226 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. On obtient alors : L(p) = 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. 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.2 rad/s. e e .15(−2p + 1) p(2p + 1)(0. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche. ω−180o = 0.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte.92 .

2 0 0 0 14 28 Time (sec.5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le.2 0.) 25 30 35 40 Fig.6 – R´ponses indicielles e .15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg).6 Amplitude Amplitude 0. on obtient un compensateur ´gal a : e e e ` K(p) = 0.15(10p + 1)(5p + 1) p(2p + 1)(0.32) 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).4 0. VIII.33p + 1) (VIII.6 0. 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. VIII.) 42 56 70 0 5 10 15 20 Time (sec.44 rad/s Bode Diagrams 227 ωco = 0.8 0.8 0.4 0.SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0. e e e Step Response Step Response 1 1 0.

VIII.2 0 0 0 14 28 Time (sec.6 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.2.2 0.4 0.35) .7 – R´ponses a une perturbation en ´chelon e ` e VIII.) 42 56 70 0 10 20 30 Time (sec.6 Amplitude Amplitude 0. e e e Step Response Step Response 1 1 0. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.8 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.) 40 50 60 Fig.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.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.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´.8 0. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII. En effet.4 0.7 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. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me. 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 ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1.SPECIFICATIONS FREQUENTIELLES Remarques VIII.39) Remarques VIII.une erreur maximale de position en r´gime permanent A e 3.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.2.2. 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. 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. Un choix usuel est MS = 2.3 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.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme. 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 ` 1.40) < 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.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.2.707 2.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.

VIII.aux basses fr´quences.8 – Fonction de pond´ration wp e La borne sup´rieure de |S|.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. e 1 v´rifie : e |wp | . 0) et de rayon |wp (jω)|. elle est ´gale a A ≤ 1 (action int´grale) e e ` e .41) 1 est donn´ par : e wp (p) 1 |wp(j ω)| −3 dB M ωB ω rad/s A Fig. 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.

2.8 ωB = 0.aux hautes fr´quences.33 1])).[1 0]).4 Afin d’am´liorer les performances.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.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. >> L=tf([-0.conv([2 1 0].15]. e e la boucle ouverte vaut : L(p) = 0. elle est ´gale a M ≥ 1 e e ` .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.Omega_B=0.05.15(−2p + 1) p(2p + 1)(0. >> bodemag(S.3 On reprend l’exemple utilis´ pour le loopshaping de la section III.8. >> S=inv(1+L).5. >> Wp=tf([1/M Omega_B]. Script MATLAB 26 >> M=1. Apr`s loopshaping. 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.1/Wp) >> grid A=0 .42) Exemple VIII.2.2.SPECIFICATIONS FREQUENTIELLES .[0. Il e e a e est ` noter sur la figure VIII.3 0.

2. En particulier. afin de r´duire l’amplitude des signaux de e sup´rieure e |wT | 1 commande.44) . 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. elle ne permet pas de sp´cifier le roll-off e e de la boucle ouverte L(p) au dessus de la bande passante.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. De plus. on peut sp´cifier une borne e e 1 sur l’amplitude de T .43) wu KS ∞ o` u   wp S  wT T  wu KS = max ω ∞ |wp S|2 + |wT T |2 + |wu KS|2 (VIII. 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´. il est ´galement possible de d´finir une borne sup´rieure e e e sur l’amplitude |wu | du transfert KS.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.

e . Pour cela.r`gle 3 : push and pull e G1 (p)(1 − G2 (p)G1 (p))−1 = (1 − G1 (p)G2 (p))−1 G1 (p) VIII.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) .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.9 o` G(p) ∈ Cr×m et K(p) ∈ Cm×r sont des mod`les LTI multivau e riables.3 VIII.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.r`gle 1 : cascade e z(p) = G(p)w(p) = G2 (p)G1 (p)w(p) w G1 (p) y G2(p) z . En effet. du fait de la non commutativit´ du produit matriciel. 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). .SPECIFICATIONS FREQUENTIELLES 233 VIII. il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable.3.3.

On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.9. ´ ´ Proprietes VIII.3. ´ Definition VIII.3.9 – 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.46) (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 . nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII. 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. seul l’outil e e math´matique est r´ellement diff´rent.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII.3.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig. En fait. e e e e ee .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.

= s − r = Sy (d − r) − Ty n + Sy Gb (VIII.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII. l’erreur s’exprime comme suit.7 .3.SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant.7 ≤ ωB ≤ ωσ(S)=0.Ai .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. On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0.9. En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII. la bande passante d´pend des directions. il est donc indispensable que l’influence de r ee sur soit la plus faible possible.49) ` .50) (VIII.48) cela peut s’exprimer par la relation suivante.47) Pour que le suivi de r´f´rence soit bon.10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec . VIII. les relations de l’asservissement VIII.1 Pour les syst`mes MIMO.

Tu et Su faibles e e σ(Wu KSy (ω)) < 1 ∀ ω ⇔ ou σ(K) faible 0 ≤ ωB ≤ ω . e σ(L) − 1 ≤ 1 ≤ σ(L) + 1 σ(Sy ) 0. le trac´ des valeurs sinee e e e guli`res min et max de S doit donc suivre un gabarit : e .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. la pire direction est choisie ωσ(S)=0. 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).∼ 1 aux hautes fr´quences e ω > ωB σ(S) ∼ 1 σ(S) 1 .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 . En effet. 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. ´tant donn´ le filtre choisi.41 .7 .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 .faible ` basses fr´quences a e ω < ωB .R´duction d’´nergie de commande u et ν faibles : KSy .41 ≤ σ(S) ≤ 2.

3. e |1 − σ(S)| ≤ σ(T ) ≤ 1 + σ(S) |1 − σ(T )| ≤ σ(S) ≤ 1 + σ(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.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 . VIII.11 – Valeurs singuli`res typiques du gain de boucle e Remarques VIII.

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. 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. e e e W. Il meurt le 10 juillet 1999. e . 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. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs. Quand le gain de la boucle varie.240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e. la o e localisation des pˆles en boucle ferm´e varie ´galement. 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. Evans a d´velopp´ une m´thode graphique en 1948. 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.R. il entre ` la soci´t´ Autonetics. Il publie Control system Dynamics e e en 1954. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice. 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. Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. En 1948. 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´. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. 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. a Il est l’inventeur du spirule.

6) (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. e e e .4) (IX. r + − ζ G(p) F(p) y Fig. · · · ) .2.5) Remarques IX.2 IX. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement.Condition d’amplitude : |G(p)F (p)| = 1 (IX.2.2.7) .5 et IX.1 Les valeurs de p telles que les deux conditions IX.6 sont v´rifi´es.2. e e o e ´ Definition IX.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0. 2.3) 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. IX. 1.IX. CONSTRUCTION DU LIEU D’EVANS 241 IX.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. Dans la majorit´ des cas. 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.

4 – Exemple . r + − ζ K u G(p) y Fig.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. Pour cela.3 – Mesure des angles et des amplitudes IX.2. 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.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. nous reprenons le sch´ma e e e a e d’asservissement initial.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.

Etape 1 : factorisation de l’´quation caract´ristique. 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. 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.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.CONSTRUCTION DU LIEU D’EVANS o` pour les deux exemples : u G1 (p) = 1 p(p + 1)(p + 2) 243 (IX.3 pˆles en boucle ouverte et en boucle ferm´e. il y a autant de branches au lieu des racines qu’il y a de pˆles en boucle o ferm´e. −2 o e n − m branches infinies . e m branches finies Exemple 1 : . K→+∞ lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX. 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. Si ce nombre est ´gal au nombre de pˆles en boucle ouverte. 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 → ∞).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.12) . −1.10) (p + 2) G2 (p) = 2 p + 2p + 3 .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.Etape 2 : localisation des pˆles et des z´ros de la boucle ouverte dans le o e plan complexe. 0.13) K p(p + 1)(p + 2) (IX. e e K→0 lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX.

Etape 4 : d´terminer les asymptotes au lieu des racines. prendre un point test.Les asymptotes indiquent le comportement pour |p| 1. il y a n´cessairement 3 branches infinies.2. o e ` e Pour chaque portion de l’axe r´el ` tester. e Si le lieu des racines a des asymptotes alors.Il y a deux pˆles en boucle ouverte. Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´.Une branche du lieu peut ou non traverser l’asymptote correspondante. .17) Remarques IX. Il y aura donc 1 branche finie o e e et une branche infinie.Pas de z´ros e . − 2] appartient au lieu des racines. .244 ANALYSE PAR LE LIEU DES RACINES .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. e Exemple 1 : les segments ] − ∞ . .Le polynˆme caract´ristique est de degr´ 2. Exemple 2 : le segment ] − ∞ . .Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el. Exemple 2 : √ . o e e .Le polynˆme caract´ristique est de degr´ 3.2 . 1.16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte. 0] appartiennent au lieu des racines.Il y a un z´ro.L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0. 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. − 2] et [−1 . −1 ± j 2 o . · · · ) (IX. e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX. 2.18) . Il y aura donc trois branches o e e infinies. −2 e . Exemple 1 : puisque n − m = 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.

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. e e 2. o e e B(p) + KA(p) = 0 alors. e e e 3.Calculer l’´quation alg´brique (IX. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines.2. Si K > 0.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. On obtient donc.22) (IX.24) . On suppose que le polynˆme caract´ristique s’´crit. ce point appartient au lieu des racines.21). La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante.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.20) . e e ` e . e Exemple 1 : l’´quation caract´ristique s’´crit.3 . il existe au moins un point d’´clatement e e (respectivement de rencontre).21) Remarques IX.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. Dans le cas come e plexe. e e e 1+ K =0 p(p + 1)(p + 2) (IX. u dK = −3p2 − 6p − 2 = 0 dp (IX.19) Exemple 2 : on a n − m = 1. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines.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.23) d’o` K = −p3 − 3p2 − 2p. Si les rae e e cines sont r´elles. on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique.D´terminer les racines r´elles et complexes de cette ´quation. cette v´rification est simplement graphique. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1.

La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. (IX.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0.246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1.4226. Exemple 2 : l’´quation caract´ristique s’´crit. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines.25) On a donc encore deux solutions −0.28) K=6 (IX.30) √ ω = 0 ou ω = ± 2 (IX. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2. e . 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 > 0.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire. e e e K=− d’o`.26) p2 + 2p + 3 p+2 (IX.5774 o e e et −0. . u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX. K = 6). e e e e K − 3ω 2 = 0 2 (IX. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles. Il n’y a donc pas d’intersection avec l’axe imaginaire.27) (IX.2679 et −3.

4 Dans certains cas particuliers.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. sur l’exemple 2.3. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles. Ainsi. e o e Θ = 180o − i θi + j Φj (IX.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig. en e ´crivant l’´quation caract´ristique pour p = σ + jω. e e √ Exemple 2 : il y a deux points de d´part complexes.35) . On obtient.2.33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. e e e e (σ + 2)2 + ω 2 = 3 (IX. IX. −1 ± j 2.CONSTRUCTION DU LIEU D’EVANS 247 . il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle. on obtient l’´quation. e e e Φ = 180o − i Φi + j θj (IX. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par.5 – Exemple 2 : calcul des angles de d´part e Remarques IX.

5 Imag Axis 0 −0.5 Real Axis 0 0.[1 2 3]). IX.5 −1 −0.5 1 0.[1 3 2 0]).5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig. 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2. 2 1.5 −2 −1.7 – Exemple 2 .248 . IX. >> rlocus(G1).5 1 1.5 2 Fig.5 −1 −1.6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1. >> rlocus(G2).

3.5 0.707 Overshoot (%): 4. a e En appliquant la condition des gains a l’´quation caract´ristique.5 2 1.95 0. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.38 −0.5 1 0. Cela conduit a choisir : e e ` cos Ψ = 0.95 1 0.7i Damping: 0.5 0.986 0. e e e e e Exemple IX.7±j1. ` e e K= |p2 + 2p + 3| = 1.8 0.5 −0. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.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. 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.54 0.89 −2 −4.707 Ψ = 45o (IX.3. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.4 rad/s. IX.5 −4 −3. a Root Locus 2 0.5 0.7 + 1.5 0 4 3.68 0.5 3 2.5 0.8 – R´glage du gain et amortissement e .986 −1 −1.34 Frequency (rad/sec): 2.18 0 Fig.39 Pole: −1.` ´ IX.54 −1 0.68 −1.39 |p + 3| p=−1.3.3 IX.5 Real Axis −2 0. on obtient.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.8 −2.4 .36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.7.5 0.89 0.8.7 (IX.5 −3 0.38 0.707.5 Imaginary Axis System: G2 Gain: 1.18 1.

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. Pour v´rifier cela. >> rlocus(G).[1 6 36])). Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX. e Exemple 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.9. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue.3.2 (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. 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. >> sgrid . e e Script MATLAB 27 >> G=tf([1 2].3.38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´.conv([1 -1 0].

38 0.9 4 Frequency (rad/sec): 3.23 2 0.8 4 0.23i Damping: 0.0015 − 2.9 – Syst`me ` stabilit´ conditionnelle e a e .38 0.8 Frequency (rad/sec): 2.5 Pole: −0.08 8 10 0 1 2 Fig.000674 Overshoot (%): 99.89 10 6 0.8 −6 6 −8 0.64 8 0.28 0.000437 Overshoot (%): 99.17 0.0017 + 3.17 0.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.94 2 Imaginary Axis 2 System: G Gain: 61. IX.89i Damping: 0.28 0.5 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.94 0 −2 −4 4 0.08 8 System: G Gain: 112 6 Pole: −0.5 0.

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

1. 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 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. ee e e Le signal ´chelon e ´ Definition A.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.1) 253 .1. e ea (A.1. 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. e e A.1 Signaux d´terministes en temps continu e Dans la suite.

A. 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. e e e Le signal rampe ´ Definition A.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig. e ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A.2 (signal rampe) On d´finit le signal rampe r(t) de pente α par.2 – Fonction rampe Pour α = 1. L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e . L’impulsion n’est pas en effet e une fonction ordinaire. A. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A. on parle d’´chelon unit´ ou d’´chelon unitaire.2) e(t) αt 0 to t Fig.1.1 – Fonction de Heaviside Pour une amplitude E = 1.2. on parle de rampe unit´ ou de rampe unitaire.

3 (impulsion) e e e Une impulsion d’amplitude A en t0 . δ (t−to) A 0 to t Fig.1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A. ´ Definition A.1.4 – Fonction impulsion d’aire A . A.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.3) e e L’impulsion d’aire 1 est la fonction de Dirac.1. ee ´ ´ Proprietes A. δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes. peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes.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. A. not´e Aδ(t − t0 ).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 . fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig.

1. e ` A. A.1 .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. 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. D´finition de la transform´e de Laplace e e ´ Definition A. annexe A4).256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac.1.6) Le signal sinusoidal ´ Definition A.7) 0 Remarques A.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.1. 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.8) −∞ .1.5 (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.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). u x(t)e−pt dt (A.5 – Peigne de Dirac Finalement.5) 0 T 2T 3T 4T 5T 6T t Fig.

12) L[ a x(τ )dτ ] = X(p) p (A.10) dx(t) ] = pX(p) − x(0) dt (A. les deux transform´es e co¨ ıncident.14) Th´or`me de la valeur finale e e p→0 lim pX(p) = lim x(t) t→∞ (A.11) d(n) x(t) ] = pn X(p) − pn−1 x(0) − · · · − x(n−1) (0) dtn (A. b) ∈ R2 D´rivation e L[ Cela se g´n´ralise ` : e e a L[ Int´gration e t (A.7).15) . La transform´e de Laplace inverse u e est rarement calcul´e ` partir de (A.Cette d´finition suppose que l’int´grale est convergente.9) o` p = σ + jω et σ est l’abscisse de convergence. .SIGNAUX DETERMINISTES 257 qui n’est rien d’autre que la transform´e de Fourier du signal avec p = jω. Lin´arit´ e e L[ax(t) + by(t)] = aX(p) + bY (p) ∀(a. Pour les e signaux causaux qui sont l’objet de ce cours.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. 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. e e .13) Th´or`me de la valeur initiale e e t→0+ lim x(t) = lim pX(p) p→∞ (A. Nous utiliserons ainsi la notation unique de (A.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. x(t) = 0 si t < 0.

∞ x(t)dt = a p→0 X(p) (A.22) (A.20) 1 p (A.21) α p2 (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.19) (A.18) . on d´duit facilement les formules suivantes.16) Th´or`me de la somme Si e e −∞ |x(t)|dt < ∞. 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.258 Th´or`me du retard e e RAPPELS DE THEORIE DU SIGNAL L[x(t − T )] = e−pT X(p) +∞ (A.

´ A. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.28) . LA TRANSFORMEE DE FOURIER 259 A. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.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.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.2 A.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (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. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 . e A.27) F[x(t ± T )] = e±jωT X(ω) (A.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.2.2.2 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. on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement.1 La transform´e de Fourier e D´finition e ´ Definition A.2. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (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.29) x(t)2 dt = 1 2π +∞ −∞ |X(ω)|2 dω (A.30) .

1.1. λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire.1 B. xm ) ∈ R . ils sont dits lin´airement d´pendants. ee ´ Definition B. les vecteurs x. xm ∈ Rm .1.1. xm ) est l’ensemble engendr´ par ces vecteurs. · · · . Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 . ´ Definition B.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 . · · · . norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn .1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire.Annexe B Rappels d’alg`bre lin´aire e e B. y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus.3 (produit scalaire) Le produit scalaire de deux vecteurs x. e e ´ Definition B. L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 . · · · . y sont dits orthogonaux ssi x y = 0. 261 .

∀ e1 .||e|| 4.j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e . ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.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.4 (norme) Une norme est une fonction . 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.1.1.6 (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||.j i.5 (p-norme d’un vecteur) e Soit e ∈ Rn . ∀e ∈ E.2 1 −2 0 6 |aij |2 = i.∀ α ∈ R.||B|| Exemple B.∀ e ∈ E : ||e|| ≥ 0 2.1. d´finie sur un espace vectoriel E. e2 ∈ E. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.||e|| = 0 ⇔ e = 0 3.j A= ||A||sum = i.1. ||αe|| = |α|.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B. e e e e ´ Definition B.1.

1.1. · · · .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. On associe a chaque valeur propre λi . m) B.Les valeurs propres de A sont ´gales aux valeurs propres de A .Les valeurs propres de Ak sont λk . Elle sera dite de rang plein si : e e rg(A) = min(n.1. λk .` ´ ´ ´ B. Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A).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. σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) .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. · · · .1.9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R .2 . λn sont les valeurs propres de A. e e e .1. e ´ Definition B. · · · c + λn o` λ1 .Les valeurs propres de (cI + A) sont c + λ1 .3326 valeur singuli`re maximale e ´ Definition B.1.l ≥ m: Σ= diag(σ1 . · · · .2 Valeurs propres et valeurs singuli`res e ´ Definition B.1. . Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes. un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B.8 (rang d’une matrice) : Rn → Rm . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B. 1 n .Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux. ee u .

· · · . · · · .max{σ(A) .Une base orthogonale de Rn peut ˆtre form´e ` partir des vecteurs propres de A.σ(A) ≤ ||A||F ≤ min(n. e .σ(A)σ(B) ≤ σ(AB) . σq ) 0l×m−l avec σ = σ1 ≥ · · · ≥ σq = σ > 0 et min(l.Les valeurs propres de A sont r´elles. ||A||F . n λi ´ ´ Propriete B. i = 1.11 (rayon spectral) Le rayon spectral d’une matrice carr´e A.Les vecteurs propres associ´s ` des valeurs propres distinctes sont orthogonaux.σ(AB) ≤ σ(A)σ(B) .4 (A ∈ Cn × Cm ) .1. not´ ρ(A) est d´fini par : e e e ρ(A) = max |λi | i = 1.σ(A) ≤ |λi (A)| ≤ σ(A) . e ´ ´ Propriete B.√1m ||A||i∞ ≤ σ(A) ≤ n||A||i∞ 1 √ ||A||i1 n . m) ≥ rg(A) = q. m)σ(A) ||A||i1 ||A||i∞ √ .σ(A) − 1 ≤ σ(A + 1) ≤ σ(A) + 1 ´ Definition B.σi (A) − σ(A) ≤ σ(A + B) ≤ σi (A) + σ(B) . . · · · .l ≤ m: Σ= RAPPELS D’ALGEBRE LINEAIRE diag(σ1 .1.σ(A) ≤ ≤ σ(A) ≤ √ m||A||i1 .Si l’on normalise les vecteurs propres xi : ||xi || = 1.3 . n alors : n A= i=1 λi xi xi .1. ||A||i∞ } ≤ ||A||sum B.1. e a e e a .1.3 Matrices sym´triques e Dans cette partie. A ∈ Rn×n est sym´trique.264 . ´ ´ Propriete B.σ(A−1 ) = 1/σ(A) .5 (matrices sym´triques) e . ||A||i1 .

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.1.CNS 1 : A > 0 ⇔ λ1 . . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE 265 .L’inverse d’une matrice d´finie positive est d´finie positive.A−1/2 A−1/2 = A−1 . .λ1 ||y||2 ≤ y Ay ≤ λn ||y||2 ∀ y = 0 ∈ Rn .Si A est non n´gative alors il existe une racine carr´e de A not´e A1/2 . .A1/2 est inversible ssi A est inversible.CNS 2 : A > 0 ssi les mineurs principaux de A sont strictement positifs.1. .Soit A ∈ Rm×n . λ n > 0 .` ´ ´ ´ B.Soient A = A ∈ Rnn . λ1 ≤ λ2 ≤ · · · ≤ λn . · · · .||A|| = ρ(A) = max {|λi |. e e .A1/2 A = AA1/2 . De plus. xn . les valeurs propres et vecteurs propres respectivement associ´s avec ||xi ||2 = 1 alors : e . . . A A > 0 ssi la matrice A est de rang plein. x1 . alors A A ≥ 0. e e e . |λn |} est une norme matricielle induite par || • ||. ´ Definition B.1. (A1/2 )−1 = A−1/2 . · · · .6 .

. 1 .. .1 . ···  .   λ1   λ2   D = P −1 AP =   . . .266 RAPPELS D’ALGEBRE LINEAIRE B.2. J = P −1 AP =  . . . ··· . . . λ1 1  ..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. .Soit A une matrice diagonalisable et une matrice de passage P alors. λn−1 .  0 λ . e e B.2) ··· ··· . . .  .. . 1   . . .   . λn . eλn t   −1 P  (B. . ´ ` Theoreme B. . 0 . .  0 .   .Soit A une matrice dont la forme de Jordan est de passage P . .. .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.  . ··· (B.1) . . . 0 λ1    ··· ··· ··· ··· ···  .    donn´e par J avec comme matrice e         ···         ···     ··· .   λn  e At = Pe P Dt −1   =P  e λ1 t  eλ2 t ..

.2.2. 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 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). v2 = [0 1 2] . . ··· ··· ··· .. . . ce qui e e e donne. . . .. e ee ee Exemple B. ··· ··· ··· . .   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. . . ··· . .CALCUL DE LA MATRICE DE TRANSITION D’ETAT eAt  t2 λ1 t e 2 λ1 t 267         ···   −1 P      ···     (B. ··· .2 Utilisation de la transform´e de Laplace e eAt = L−1 [(p1 − A)−1 ] (B. . . ce qui conduit a une matrice rationnelle ` en p dont on calcule la transform´e de Laplace ´l´ment par ´l´ment.. . eλn−1 t . . Alors.   1 0 0 P = 1 1 0  1 2 1 . . . .3) eAt = P eJt P −1   0    0    ···  =P          eλ1 t teλ1 t eλ1 t 0 ··· te eλ1 t ··· . eλn t B. .. . . . . . . . . . .

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. e e .   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 .268 La matrice A triangularis´e e  1  0 J= 0 RAPPELS D’ALGEBRE LINEAIRE et eJt s’´crivent alors. 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.

.Annexe C Rappels d’Analyse 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 .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) =  ∂f (x) ∂x1    .1 (notations de Landau) Soit f : Rn → R.1.2 (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 Rappels de calcul diff´rentiel e ´ Definition C.1. .1. ∂f (x) ∂xn 269 .

∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = . ´ ` Theoreme C. . 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 .1. une fonction C 1 en x. not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x). la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C. · · · .1.1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert. C 1 ) si chaque composante fi (i = 1.Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 .1.2 (formulaire de d´rivation) e . .∀ y ∈ V(x).∀ y ∈ V(x).1. ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C.1.3 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. e ´ Definition C.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp.6 (matrice Hessienne) e e Soit f : Rn → R. .1. On d´finit la matrice Hessienne de f not´e e ∇2 f (x). ∃ α ∈ [0. 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. · · · . La matrice gradient de f en x.270 RAPPELS D’ANALYSE ´ Definition C. m) est diff´rentiable (resp.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.

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

3 e .1 e . t) = tcos(x1 ) est une fonction localement semi d´finie positive.Une fonction scalaire V (x. t) = 0 2 − ∀ x = 0 ∈ Br V (x.1 1.Une fonction scalaire V (x. (semi) d´finie n´gative alors −V (x.V (x. t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0. x ∈ Rn avec e e P = P .V (x) = x1 x2 + x2 est une fonction ind´finie.2. t) est (localement).V (x. e e Exemple C. t) = t2 x2 est une fonction semi d´finie positive.2.V (x.V (t.1 (fonctions d´finies positives) e e 1.Une fonction scalaire V (x. 2 e e . x1 .Cas particulier important : la forme quadratique V (x) = x P x.Si une fonction V (x. t) ≥ 0 e 2. t) est e e (localement) (semi) d´finie positive. t) = 0 2 − ∀ x = 0 ∈ Br V (x. 1 2 ´ Definition C. t) est (semi) d´finie positive (n´gative). 1 e .2. t) > 0 e e 2. e 2. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive.272 RAPPELS D’ANALYSE C. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0.2 Rappels sur les fonctions d´finies positives e ´ Definition C.V (x.2. t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative. t) > 0 Exemple C. t) = 0 2 − ∀ x = 0 ∈ Rn V (x. t) ≥ 0 Exemple C. V (x. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0. 1 .2.2 e .2 (fonctions semi d´finies positives) e e 1. e .Une fonction scalaire V (x. 1 Remarques C. t) = 0 2 − ∀ x = 0 ∈ Rn V (x. si P est une matrice (semi) d´finie positive (n´gative). x2 ) = x2 + sin2 (x2 ) est d´finie positive localement.2.

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

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

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

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

o e e II. . . . . .4 Le cas particulier des syst`mes SISO . . . e e II.1 R´gulation de temp´rature dans un four .3 Contrˆle d’attitude d’un satellite . . . . e e Le mod`le interne . . . . . . . . . . . . .2 Servom´canisme hydraulique . . . . . . . e e e .1 Sch´ma fonctionnel . . . . . . . .2 La matrice de r´ponse impulsionnelle . . . . e e II. . . . . . . . . . . . . . . . . . . . . . e e e II.5. . II II. . . . . . . . . . . . . . . . .1 Notion de syst`me . . . . .1 La matrice de transfert . . . . . . . . . . . . . e e I. . . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . .1 Contrˆle d’attitude d’un satellite . . . . .7.3. . . . . . . . . . . . . . . . . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat . . . . . . . . . . . . . . . . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . . . . . . .2 Repr´sentation d’´tat des syst`mes dynamiques . . . .2 Sch´ma fonctionnel et fonctions de transfert .2. . . . . . . . . . . e e II. . . . . . . .2. . e II. . . . .4. . . . . . . . . . . . . . e II.` TABLE DES MATIERES 277 Table des mati`res e I I. .2 I. . . . o I. . . . . . . . . . . . . . . .5. . . .3. . . . . . .4. . . e Pˆles et z´ros d’un mod`le LTI . . . . . . . .2 Contrˆle de la tˆte d’un disque dur . . . . . . . . . . Bref album chronologique . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . . . . . . . . . . . . . . . . . . . . . . . . .7. . . . .1 Le polynˆme caract´ristique et les pˆles . . . . . . . .2 Th´orie de la commande . . . . . . . . . . .3 Equations diff´rentielles entr´es-sorties .4. . . . . . .5. . . . .6. . . . . . . . . . . . . . . . . . o e I. . . . . . . . . . . . . . . . .1 II. . . . . . . . . e II. . . . . . . . . . . . .Lin´arisation . . . . . . . . . . .4 . . e Les mod`les graphiques . . .6 II.4. . . . . . . . . . . . . .7. . . . . . . . . . . . . . . . . . . . . . . 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. . . . . . . o II. . . . . . . . . . . . . . . . . . . . . . Th´orie des syst`mes et th´orie de la commande e e e I. . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . e II. .6.5 II. . . . . .3 Repr´sentation d’´tat lin´aire . . . . . . . . . . . . . . . .4 II. . .4. . . . . . e I. . . . .1 I. . . . . e e e II. . .7.3 Introduction ` la th´orie de la commande a e Introduction . . . . . . . . . . . e Exemples de syst`mes de commande modernes . . . . . .2 II. . . .3 II. . . .4. . . . . . . .la repr´sentation d’´tat . . . . . o e o II. . . . . . . e e e e II. . . . . . . .4 Commande longitudinale d’un avion civil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e e Les mod`les externes (entr´es-sorties) . . . . . . . . . . . . . Exemples caract´ristiques . .2 Les z´ros . . . e II. .4. e e e II. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Approximation lin´aire des syst`mes physiques . . .4. . . . . . .1 Le concept d’´tat d’un syst`me . . . II. . e I. . . . .

. . . . . . . . . . .1 D´finition et exemples . . . . . . . . . . . . . . . . .2 R´gime libre . . . . . .3. . . . . . . . . . . . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . . . . . . . . . . . . . . . . . . . . III. . .1 Les formes canoniques d’´tat . . . . . . . . . . e e III. . . . . . . . . . II. . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Fonctions d’alg`bre de base . . . . . . . . . . . . . . . . . . . . e II. . e V. .6 Fonctions MATLAB .8. . . . .3 Fonctions d’analyse des mod`les LTI e II. . . . . . . . . . . . . . . . . . . . . . .2. . .3 Stabilit´ BIBO et stabilit´ interne . . . . . . . . .8. . . . . . .2. . . . e V. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1.2 Cas de modes multiples .1. . . . . . . . . .2 R´ponse ` des entr´es types . . . . . . . e e IV. . . . . . . e III. . . . . . . .1 D´finition . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. . . . . . . . . . . . . . . . . ` TABLE DES MATIERES . . . . e IV. . .3 Fonctions de conversion entre mod`les LTI . . . . e e III. . . . . III. .2. . . . . . . . . .1. . . . . . . . .r´gime transitoire . . . .6. . . . . . .1. . . .1. . . . . . . . . . . . . . . . . . . . . .2 Fonctions de mod´lisation LTI . . . . .1 Fonctions d’alg`bre de base . . . . . . . . . . . . . . e III. . .2 Crit`re d’observabilit´ . . . . . . . . . . e III. . . . . . . . e IV. e III. . . . e V.r´gime forc´ . .5 Grammiens de commandabilit´ et d’observabilit´ . . . . . . . . . . . . . . . .1 Stabilit´ des syst`mes LTI e e IV. . . . . . . . . . . . . .2. . . . .1 Signaux d’entr´e types . . 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´ . . . . . . . e a e V. . . . . . . . . . e e e III. . . . . . . e II. . . . . . . . . . . . e e V.8. . . . . .1 . . .2. . . . .4. . . . . .8. . . . .1. . . .3 R´gime permanent . . . . .3. . . . . . . . . . . . . . . . . . . . . .8 Fonctions MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . e III. . . . . . . . . . . . . . .1 Cas de modes simples distincts . . e IV.2. . . . . . . . .3 Crit`re alg´brique de Routh-Hurwitz . . . . . . .2. . . . . . .6. . . . . . . .6. . .2 Crit`re de commandabilit´ . . . . . . . . . .1 D´finition . . . e e III. . . . . e Analyse temporelle des syst`mes continus e Introduction . . . . . . . . . . . . . . . . . . . . . . III. . . . . . .1 D´finitions . . . . . . .4 Fonctions de mod´lisation par blocs .278 II. . . . . . . . . . .2 Th´orie de la r´alisation . . . . . . . . . . . . . . . . . . e III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IV V . . . . V. . . . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV.2 Les syst`mes du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . .2. . . . . . . . .2 La stabilit´ interne . . .1 D´finition . .4 Nature des points d’´quilibre en dimension 2 e IV. . . . . . . . . . . . modales . .3 Relations entre mod`les internes et externes . . . . . . . . . . . . . . . . e IV. e e e V. . .4. e III. . . . . . e III. .3 La m´thode de Lyapunov . . . . . . . . .2 Caract´risations de la stabilit´ BIBO . e e IV. . . . e III. e . . e e III. . . . . . . . . . . . . . . .2 Notion d’observabilit´ . . . . . . . . . . . . . . .1 La stabilit´ BIBO . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . . . . . . e e IV. . . . . . . . . . . . . .

3 Les syst`mes du second ordre . . . . . . . . . .2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI. . . . . . . V. . . . . .1 Fonctions de r´ponse temporelle . .5. . .1.3 Sp´cifications temporelles sur le r´gime transitoire . 177 .1 Notions de modes . . . . . . . . . . . .1 Principe de la contre-r´action . e a VI. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e VII. . . . .` TABLE DES MATIERES V. . . . . .3. . . . . . . . . . 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.2 Le lieu de Bode . . . 189 . . . . . . . . . . . . . . . . . 168 . . . . 193 . . . . .1 Le crit`re de Nyquist multivariable . . . . .3. 179 . . . . .2. . . . . . . . e VII. . . . . . . . . . . . . .1 D´finitions et exemples . . . . . . .4. . . . . . . . .3 Stabilit´ interne des syst`mes boucl´s . . . . . e e V. . 177 179 . . . . . VI. VI. . . . . e e V. . . e VI. . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . .4. . . e e e 147 . . . . . . . . . . . . . e e e VII.2 Le crit`re du revers . . . . . . . . . . . . . . . . . . .3 Sp´cifications temporelles d’un syst`me du second ordre . . . . . e VII. . . . . . VI. . . . . . . . VIII.2. . . . . . . . . . . . . . 147 .1 Le lieu de Nyquist . .2. . . . . . . . . . . . . . . . . . . . . . . . . e V. . e VIII Analyse en performance des syst`mes boucl´s e e VIII. . . . . . . .1. . . e V. . . . .2. . . . . . . . . e e V. . . . . 149 . e VII. . . . . . . . . . . . . . . . . . .1. . . . . . . . . . e e ` e VII.1 Les syst`mes monovariables . . . . VIII. . . . . . . . . . . . . . . . . . . .1 Rappels sur les relations de bouclage . . . . . . . .2. . . . . . . . . e ee VI. e . . . . . . . . . . . . . . . . . . . . .4 Les syst`mes d’ordre sup´rieur . . . . . . . . . . . . . . e V. . . . . . 147 . . . . . .4 Fonctions MATLAB . . . . . . . . . . . . . . . . . . e VII. . . . . . . .1 Le crit`re de Nyquist . . . . . . . . . VII. . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII. . . . . . . 189 . . . . . . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . . . .2 Extension au cas des syst`mes multivariables . . . . .3. . VII. . . . . . . . . . . 153 . . . . . .1 Syst`mes de commande a contre-r´action . . . . . . . .5 Fonctions MATLAB . . . . .2 Analyse en stabilit´ des syst`mes boucl´s . . . .1 Fonctions de trac´ de la r´ponse fr´quentielle . . . VI. . . .4. . . . . . . . . . . . . .3. . . . . . .2 Le th´or`me du faible gain .4. . . 184 . . . . 175 . . . . . . . 179 . . . . . e o V. e VI. . . . . . . . . . . . . . . . . . . . . . . . . . .2 Etude de la r´ponse indicielle . .3. . . . . 194 . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . 160 . . . . .2. . . . . . .2 Effets des z´ros et des pˆles additionnels . . . . . . . . . . . . . .5. . . . . .3 Le lieu de Nichols-Black . . .1 D´finition et propri´t´s . . e ` e VII. . . . .4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . . . .1. . e VI. . . . . . . . .3 Fonctions MATLAB . .3 Extension aux syst`mes multivariables . . . .2 Caract´risation des syst`mes de commande a contre-r´action . . e e e VII. .2. 173 . . . . . . . . . . e V. . . . . . . .2. . . . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. V. .1 Fonctions d’analyse de stabilit´ . e VII. . . . . . . . . . . . . . . . . . . . . 153 . . . . . . . . .5 Extension aux syst`mes multivariables . . . . . . . .2. .1 Introduction . . . . . . . . . . . .4 Les syst`mes ` non minimum de phase . . .3. . . .2 Rejet de perturbation b . .

. . 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. .2. . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . Construction du lieu d’Evans . . . . . .3. . .3 Analyse des syst`mes boucl´s par le lieu d’Evans . . . . . . . . e VIII. . . . . . . .1 M´thode de triangularisation . e B. . IX. . . . ee e VIII. 272 e 273 R´f´rences bibliographiques ee . . . . . . . . .1 Conditions des angles et des amplitudes . . . e e e IX. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . . . . . .8 ecifications de performance en sensibilit´s mixtes . . . . . . . . . . . . . . . . . . .3 ecifications de performance . . . . . . . . . . . . . . . . . . VIII. . . . . . . . . . . . e B. . .1. . . . .2.2. . . . . . . . . . . . . . . . . . . . . IX. IX. . .280 ` TABLE DES MATIERES . . . . . . .1 C. .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Les fonctions de sensibilit´s en entr´e et en sortie . . . . . . . . . .2 R`gles g´n´rales de construction . . . . . . . . . . . . . . . . . . . . . . . .2 Utilisation de la transform´e de Laplace e C. e e IX. . . . R` e VIII. . . . . . .2. . . . . . . e A. . e a IX. . . .2 Valeurs propres et valeurs singuli`res . . . . . . . . . . . e A. . e e VIII. . . . . . .1 IX. . . . .3. e B. . . .7 Modelage des fonctions de sensibilit´ . . . . . .4 Suivi de r´f´rence r : pr´cision . . . . . . .2. . . . . . . e e VIII. . . . . . . . . . . norme et rang . . . . . . . . . . . . . e A.1 egles d’association dans les sch´mas-blocs . . . . . . . . ee e . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . e e ee B. A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . . . . . . . . . . e B. .2 Propri´t´s de la transform´e de Fourier . . .1 Fonctions li´es ` l’utilisation du lieu des recines . . . . . . . . . . . . . . . . . . . Sp´ e VIII. . . . .2. . .1. . . . . . .1. . .5 Comportement aux fr´quences interm´diaires . . . . .6 Notion de modelage de boucle : loopshaping .2 Repr´sentation fr´quentielle des signaux continus .2. .2 A. . . . . . . .4. . .2. . B B. . .1 R´glage du gain . . e a e IX. . . . . e e A. . . e IX. . . . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . . 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 . . . . . . . . . . . . .4 Fonctions MATLAB .3. . . . . . . . . . . . . . . . . . . . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . . . .1.3 Matrices sym´triques . . . . . . . . . . .3.2. . . . . . . . . . . . . .1 Produit scalaire.3.1 D´finition . . . . . . .2 Calcul de la matrice de transition d’´tat eAt . . . . . . .2 La transform´e de Fourier . . . . . .2.2 Syst`mes ` stabilit´ conditionnelle . . . . . . . R´ VIII. B. . . . . . . . . . . . . . . .3 eduction du bruit de mesure w . . . . . . . . .

Sign up to vote on this title
UsefulNot useful