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

mˆme si le vocabulaire est parfois diff´rent.. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. Enfin. sa e e e e parent´ avec le traitement du signal ne fait aucun doute. e . Cette probl´matique est pr´sent´e et ´tudi´e en deuxi`me ann´e pour e e e e e e e e les m´thodes les plus classiques dans le cours de Jo¨l Bordeneuve-Guib´ et en troisi`me e e e e ann´e dans le cours de syst`mes multivariables et dans celui de commande robuste. e e Afin de manipuler et d’utiliser ces concepts.) mais plus important. la structure de commande ` contree e a r´action et le concept de stabilit´ des syst`mes dynamiques et le probl`me de stabilit´ e e e e e pos´ par l’introduction de la contre-r´action. e e le concept d’information y est ´galement primordial. 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. 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. th´orie des transformations. 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. des outils math´matiques (alg´briques.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es..

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. [27].1200 : diff´rents ing´nieurs Arabes (Al-Jazari.C. 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. clepsydres. 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. BREF ALBUM CHRONOLOGIQUE 7 I. e e . Philon de Byzance (.250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe. Durant cette p´riode. ` Fig.I.. Al-Jazari en particulier dans son livre ”The book of knowledge e e of ingenious mechanical devices” connu sous le titre abr´g´ ”Automata” propose e e de nombreux m´canismes automatiques (pompes ` eau. 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. [4]. [5]. distributeurs automatiques de vin. 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.800 . I.300 avant J. [10].)... [8] [42].).2 – Clepsydre d’H´ron [22] e . [7].1 – Clepsydre de Ktesibios [28] Fig.2. distributeurs automatiques de liquides. [3]. : 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. le principe de la commande tout ou rien est pour la e premi`re fois utilis´. [32]. I..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. [6]. . 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.

En effet. Entre temps.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. Henrye e e ` 1771.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. I. e ` l’Athenor.1600 . machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle. oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig. les e e r´gulateurs de temp´rature sont ´tudi´s successivement par Becher en 1680. e e Henry propose de l’utiliser pour les fours chimiques en 1771.3 – Illustration extraite du livre : ”Automata” (1315) [1] . Son ´chec ` trouver la e a pierre philosophale le conduit n´anmoins a inventer un incubateur automatique. Becher-1680.4 – Sch´ma de l’incubateur Athenor e . Bonnemain-1777) : Cornelius Drebbel.R´gulation de temp´rature (Drebbel-1624. I. 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. 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. e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W. R´aumur-1754. fours. e a e . l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s.

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.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). a .6 – Principe de la machine ` vapeur de Polzunov [35] a . e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig. I.2. (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. la chasse d’eau est mise au point par le londonien Crapper en 1775.I.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. 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. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur. Brindley-1758. En Sib´rie. Fig. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. invention pour laquelle il est anobli par la reine Victoria. Polzunove 1765. Crapper 1775. En particulier. A la fin de ce si`cle. En 1745. Wood-1784). I. BREF ALBUM CHRONOLOGIQUE 9 .R´gulation de niveaux (Salmon-1746.

(Siemens-1846).10 INTRODUCTION A LA THEORIE DE LA COMMANDE . Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803. ` e e Fig. 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. Delap-1799. En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs. On peut e . (Porter-1858).R´gulation a gouverne centrifuge (Watt-1788).R´gulation de pression (Papin-1707. 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.8 – Moteur a vapeur de Watt [46] ` Fig. I. e ` (Pickering-1862). il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur. 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.9 – Manuscrit de Watt ou Boulder [44] . Fig. (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton. I.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.7 – Soupape de s´curit´ de Papin [46] e e . I.

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

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. 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. 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. e e a .11 – Manuscrit de Harold Stephen Black sur un exemplaire du New York times (AT & T Archives) Harry Nyquist reprend les m´thodes de repr´sentation dans le plan complexe e e (principe de l’argument) d’Augustin Cauchy pour donner une solution graphique au probl`me de stabilit´ des circuits. seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques. I. A cette ´poque. a e Fig.

I.C.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). Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N. a e .2.13 – Syst`me de RADAR SRC-584 [40] e En parall`le. 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.B. I. (Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H. les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A. 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.W. Nichols.I. . 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.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. e Fig.12 – Lieu de Nyquist .

25 dB 0. I. I.7 deg (at 1.3 dB (at 1.5 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.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0. 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. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien.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. N. (Wiener et Bigelowe 1942) : A. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. N.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61. .N. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu. Shannon qui publie en 1948 ”The mathematical theory of communication”. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”.D´veloppement de l’analyse stochastique (Kolmogorov-1941). Pm = −44.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT.43 rad/sec) .14 – Lieu de Bode Fig. .15 – Abaque de Black-Nichols . Fig.

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

R.2 −0.M. (Yakubovich-1962).2 0.4 0. (Sandberg-1964). (Desoer-1965).3 0. 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. 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. Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e. 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. Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat.16 INTRODUCTION A LA THEORIE DE LA COMMANDE . (Pontryagin-1958). au crit`re du cercle et de la passivit´.1 0 0.S. (Tsypkin-1955).5 0. introduction du e e formalisme d’´tat (Bellman-1957). temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial.3 −0.5 −0. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B. (Narendra-1964).4 −0. e e R. V.A.20 – Application du crit`re du cercle e .1 Imag Axis 0 −0. Hamel en France et J.2 0.Th´orie de la commande non lin´aire (Hamel-1949).5 −0. Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton. (Popove e 1961).2 −0. L.5 Fig. (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats. e e q=5 − mu=1 − a=1 0.1 Real Axis 0.3 0. Il montre d’autre part e e . . I.Th´orie de la commande optimale et th´orie de l’estimation.4 0. Ces e probl`mes de stabilit´ absolue sont abord´s ` travers la th´orie de la stabilit´ e e e a e e de Lyapunov alors que les probl`mes de stabilit´ entr´e-sortie sont essentiele e e lement ´tudi´s par Sandberg et Zames donnant naissance aux th´or`mes du e e e e faible gain.4 −0. De son cˆt´.1 −0. 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.1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale.3 −0.

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

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

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

formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout.formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie. 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. Traitant e e uniquement dans ce cours des syst`mes dynamiques. 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. 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. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig. e e a . 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. En gras. Cela signifie qu’en th´orie des syst`mes. e e Classification des syst`mes e Jusqu’ici. .26 donne un aper¸u sommaire d’une classie a e e c fication des mod`les math´matiques associ´s ` diff´rents types de syst`mes.26 – Nature math´matique des syst`mes e e Ce cours a donc pour but l’´tude des syst`mes d´crits par des ´quations diff´rentielles e e e e e ordinaires d´terministes lin´aires ` coefficients constants. La figure I. I.20 INTRODUCTION A LA THEORIE DE LA COMMANDE .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. 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. e e . 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.

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

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

e e . Il est toutefois important de remarquer que cette structure de commande ne pr´sente e pas que des avantages.28). D’autre part. Signal de référence c(t) Actionneur u(t) Système s(t) e(t) + ε(t) Loi de commande − Signal d’erreur Sortie mesurée Signal de commande Sortie réelle Capteur Fig. par opposition aux syst`mes en boucle ouverte (figure e e e I. Elle n´cessite l’emploi de capteurs qui augmentent le coˆt d’une e u installation.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. rejet de perturbation. 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. meilleur suivi de consignes.27). Cette structure de commande permet ainsi d’am´liorer les performances dynae e miques du syst`me command´ (rapidit´. 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. 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. stabilisation de syst`mes ine e e e stables en boucle ouverte).THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES 23 syst`me boucl´ (figure I. I.

I. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture. contre-r´action. A partir de l’information de position restitu´e par un capteur au correcteur.4.4.. e e I.). 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.. 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. Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T .24 INTRODUCTION A LA THEORIE DE LA COMMANDE I. incubateur. 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.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.29.1 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.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. etc. e . Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I.

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

e I. e e e . 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. gravitationnelles et a´rodynamiques.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. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I. les ee e ´quations du mouvement peuvent ˆtre simplifi´es et d´coupl´es en ´quations du moue e e e e e vement longitudinal et ´quations du mouvement lat´ral.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. Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices.32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res.Commande d’altitude et de vitesse de croisi`re : si l’on souhaite maintenir une altie tude constante en maintenant une vitesse de mont´e nulle. e −Z M T −X θ ε xA zA mg δe Fig. 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. la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment. Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me. 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.Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR. I. Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis. e .32 – Param`tres longitudinaux e .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´. .4.

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

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.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. Il est donc tr`s important d’´tablir e e e un bon compromis entre la pr´cision du mod`le et sa complexit´. . 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´.

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

1 que rI = rO + r et par application de la r`gle de d´rivation dans deux r´f´rentiels diff´rents. VB u la vitesse de dm dans le r´f´rentiel B et ωm la vitesse angulaire inertielle du satellite.30 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES dm r z o x y B rI ro I oI Fig.1 – R´f´rentiels inertiel et en mouvement ee e On note en suivant la figure II. la loi de Newton peut se r´´crire : e e e ee M|B = dH + ωm ∧ H|B dt |B (II.4) . Si ee l’on consid`re un satellite ` corps rigide alors VB = 0 et l’on obtient finalement : e a VI = VO + ωm ∧ r (II.1) Par application de la loi de Newton pour le mouvement en rotation du satellite : M= dH dt |I (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. 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. 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.2) o` H est le moment cin´tique du satellite calcul´ en O et M la r´sultante inertielle des u e e e moments appliqu´s au satellite. d’apr`s le th´or`me de Coriolis.3) (II. II.

On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel. 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. 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. 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. La matrice de rotation peut alors ˆtre engendr´e par trois rotations e e ´l´mentaires d´finies par les matrices Tψ . Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite. e ee (II.5) ` Hypotheses II.7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (II. uy .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). l’angle de nutation et φ l’angle e e de rotation propre.EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler). Ty .2. figure II. Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes. Les angles d’Euler sont not´s ψ. Tφ . 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.6) . l’angle de pr´cession θ. (Tx . uz ) forment le vecteur moment de commande.

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

Ses contributions aux diff´rents champs des e math´matiques sont innombrables. les passages d’huile sont ferm´s et aucun mouvement n’en e r´sulte. Citons entre autres. l’huile suit le trajet inverse entrainant le piston vers la gauche. la preuve que e e est irrationnel. son travail sur les s´ries infinies (probl`me de Basel. a w1 = 1 (ps − p1 )1/2 x R1 (II. Quand la soupape e e e pilote est en position x = 0. son travail sur e e la th´orie des nombres (´tude de nombreuses conjectures de Fermat. de Berlin puis de noua e veau de Saint Petersbourg. Pour x > 0. Institutiones calculi differentialis en 1755 et Institutiones calculi integralis en 1770) l’invention du calcul des variations (Methodus inveniendi lineas curvas en 1740). il contribue ´galement e e e e en m´canique (Mechanica en 1736 et Theoria motus corporum solidorum en 1765) e et en hydrostatique.EXEMPLES CARACTERISTIQUES 33 Biographie 2 (L. for¸ant le piston vers e e e c la droite alors que pour x < 0. e. Il est successivement math´maticien e e e ` l’acad´mie des sciences de Saint Petersbourg. preuve du dernier e e th´or`me de Fermat pour n = 3). o e e e e Son professeur de math´matiques Johann Bernoulli convaint son e p`re de son avenir de math´maticien. ` II. Outre les travaux math´matiques. Ils sont en particulier.Il e ` e est diplˆm´ de l’universit´ de Basel en 1724 en th´ologie et h´breux. la standardisae tion des notations math´matiques (f (x). e e formule d’Euler-MacLaurin). On suppose que le d´bit ` travers l’orifice de la soupape pilote est proportionnel e a ` x. l’huile suit le trajet repr´sent´ sur la figure. Il est mort le 18 Septembre 1783 a Saint Petersbourg d’une attaque. Euler) Leonhard Euler est n´ le 15 Avril 1707 a Basel en Suisse d’un p`re pasteur calviniste. largement utilis´s afin de mouvoir les surfaces de contrˆle a´rodynamiques. la r´solution du probl`me aux trois corps. π.2. constante d’Euler. i et Σ).10) 1 (p2 − pe )1/2 x w2 = R2 .3. e o e Exemple : servo hydraulique 1 Un exemple de servom´canisme hydraulique est pr´sent´ figure II.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. la fondation de l’analyse math´matique (Introductio in analysin infinie torum en 1748.

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

x2 . √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x. xn ) (II. on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II. 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. xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II. x20 . e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 . · · · .Si y = a et F = 0.´ ` II.16) Exemple : servo hydraulique 2 L’actionneur hydraulique est g´n´ralement con¸u de mani`re sym´trique de sorte que e e c e e e a e R1 = R2 et donc ps − p1 = p2 − pe . Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement.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.Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire. · · · . e e . e e e a e . e e e e e .3.19) qui est une ´quation d’´tat du mˆme type que pr´c´demment. xn0 ) est e e donn´ par : e y = g(x10 . x20 .18) (II.15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le. APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II. ˙ ¨ e e p1 = p2 = ps + pe 2 (II. 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. · · · . ` 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.

θ et φ sont petits. Il est alors possible de supposer que ωx . ωz0 ) = (0. ωy . ` e e e e ωz − Ω sont faibles.23) (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. θ0 .22) (II. on obtient les ´quations cin´matiques e e e lin´aris´es : e e ˙ ψ = ωz ˙ θ = ωy − Ωφ ˙ φ = ωx + Ωθ Ces deux jeux d’´quations peuvent alors ˆtre combin´s afin d’obtenir : e e e ¨ ˙ ˙ Ixx (φ − Ωθ) = (Iyy − Izz )Ω(θ + Ωφ) + ux + Tx ¨ ˙ ˙ Iyy (θ + Ωφ) = (Izz − Ixx )Ω(φ − Ωθ) + uy + Ty ¨ Izz ψ = uz + Tz (II. 0.36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible. e e Exemple : satellite 2 On suppose que le satellite a une vitesse de rotation constante autour de l’axe inertiel z et aucun moment de commande ou de perturbation n’est appliqu´.24) (II. les approximations pr´c´dentes restent valides. Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant. 0) (II. φ0 ) = (Ωt. 0.21) . La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 .20) (ωx0 . 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. ωy0 .8).

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

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

II. 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.LE MODELE INTERNE .4.2 (oscillateur de Van der Pol) En consid´rant le circuit ´lectrique suivant : e e L C Résistance négative Fig.LA REPRESENTATION D’ETAT 39 x2 x(t0) x(t1) x2(t1) 0 x(t2) t x1 (t1) x1 Exemple II.25) v(t) . les trajectoires d’´tat peuvent ˆtre repr´sent´es e e e e v(t) ˙ dans l’espace d’´tat a deux dimensions appel´ ici plan de phase.

y(t) ∈ Rr est u le vecteur de sortie.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II. u(t) ∈ Rm est le vecteur de commande.40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2.1 L’int´rˆt de la notion d’´tat et de la repr´sentation d’´tat qui en d´coule r´side principaee e e e e e lement dans le nombre minimal de variables ind´pendantes ` consid´rer pour connaˆ le e a e ıtre comportement interne du syst`me. e ´ Definition II.5 1 0.5 −1 −1. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig. u(t).26) y(t) = h(x(t).7).5 dx/dt 0 −0.5 −2 −2. continue par rapport a u et continue par morceaux par rapport a t.4.4. e e e e e Exemple II.27) . u(t). La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x. t) ´quation dynamique ˙ e (II.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II. Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me. En ´crivant les lois de Kirchoff (noeuds e e et mailles). t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.4. 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).5 2 1.

vR = R(iL (t)). x2 (0) . 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.30) (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. ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire. En posant e e e x1 = v et x2 = v.6 pour diff´rentes e e e a e x1 (0) conditions initiales .25). 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. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II. 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. il est e e encore possible de donner une repr´sentation d’´tat non lin´aire. II. il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0.LE MODELE INTERNE . [x1 (0) x2 (0)].4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig.29) A partir de la donn´e des conditions initiales du circuit. soit [x1 x2 ] = [vC iL ] .4.28) 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.31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II.

u0 (t). B. 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. cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique. En effet. e . Si les matrices A. 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´. Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t).D(t) ∈ Rr×m est la matrice de transmission directe. D sont constantes.4.2 La repr´sentation d’´tat n’est pas unique.4. Equation d’´tat lin´aris´e e e e La majorit´ des syst`mes physiques sont en r´alit´ non lin´aires et d´crits par le mod`le e e e e e e e (II.3 Repr´sentation d’´tat lin´aire . u(t).26). C. Cela signifie que pour un mˆme syst`me phye e e e sique.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. le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´.C(t) ∈ Rr×n est la matrice de mesure ou de sortie.B(t) ∈ Rn×m est la matrice de commande ou d’entr´e. e ´ Definition II. . t) ˙ (II.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) ˙ (II.34) .42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II. e II. le syst`me est Lin´aire Temps-Invariant e e (LTI).32) y(t) = C(t)x(t) + D(t)u(t) o`: u . .4.33) 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).A(t) ∈ Rn×n est la matrice dynamique.

u0 (t). u0 (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.4. on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (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).5 θ l 11 00 11 00 11 00 11 00 m . la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0.LE MODELE INTERNE . t)˜(t) + Ju (x0 (t).5 (´quation d’un pendule non contrˆl´) e oe ˙ . t) x(t) + Ju (x0 (t). Pour k/m = 1/2 g/l = 1.35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. x(t)) ne diff`rent de (u0 (t). Cela e e e signifie que pour tout t0 ≤ t ≤ tf . u0 (t). 0). 0).LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales. t) u(t) ˜ A(t) B(t) (II. u0 (t). θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0. u0 (t). x0 (t)) que tr`s faiblement. (π. les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ. (u (t). on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). t) + Jx (x0 (t).

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.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t. 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.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 . e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (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.4.5 A2 = 0 1 1 −0.44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy .40) .4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e). u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.38) Dans le cas g´n´ral o` le mod`le est temps-variant. nous nous int´ressons plus particuli`rement ` la solution de l’´quation e e a e diff´rentielle d’´tat (l’´quation dynamique) : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II. t0 )x0 ∀t ≥ t0 (II. e e e ´ Definition II. on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie.

4.40).42) A partir de la donn´e de la matrice de transition. t) ∀ t.Φ(t. τ )B(τ )u(τ )dτ t0 (II. t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes. Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. solution de l’´quation diff´rentielle : u e e ˙ Φ(t. t0 ) .5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. t1 )Φ(t1 . (LTI). t0 ) Φ(t0 . t0 ) = Φ(t2 .44) t y(t) = C(t)Φ(t.Φ−1 (t. De mˆme. la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique. 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.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. seuls les syst`mes lin´aires temps-invariants. τ )B(τ )u(τ )dτ + D(t)u(t) (II. t0 ) = A(t)Φ(t.4. ´ Definition II.LE MODELE INTERNE . 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. e ee ´ ´ Proprietes II.LA REPRESENTATION D’ETAT o` Φ(t.Φ(t2 .41) Dans le cas g´n´ral d’un syst`me temps-variant.4. seront ´tudi´s e e e e .43) x(t) = Φ(t. t0 ) est la matrice de transition. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat.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.1 . τ )B(τ )u(τ )dτ (II. t0 )x0 + C(t) t0 Φ(t. e ´ ` Theoreme II. t0 ) = Φ(t0 . Pour les e e e e syst`mes LTI. elle est donn´e par l’´quation e e e e e e e (II.45) Dans la suite.4. e ´ Definition II. t0 ∀ t ≥ t0 45 (II. e e e e e elle est donn´e par : e t x(t) = t0 Φ(t. t0 ) est inversible pour tout t et tout t0 . t0 )x0 + et la sortie s’´crit alors : e Φ(t.

D=0.6 (circuit ´lectrique) e Calcul du mod`le d’´tat. B. Script MATLAB 1 >> A=[0 -1/2. e Exemple II. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat.4.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es. L = 1 H et R = 3 Ω.D) a = x1 x2 x1 0 1 x2 -0. >> C=[0 3]. >> circuit=ss(A.5 -3 b = x1 x2 u1 0.0].C.4. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie.B.B=[1/2.4. D).7) pour C = 2 F . Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A. C.1 -3].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. . ´ Definition II. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II.

50) eA(t−τ ) Bu(τ )dτ + Du(t) (II. e x(t) = Ax(t) + Bu(t) ˙ (II.4.47) Sa r´ponse libre est donc donn´e par : e e y(t) = CeA(t−t0 ) x0 Le mod`le LTI.48) (II.52) (t − τ )uz (τ )dτ (II.LA REPRESENTATION D’ETAT La matrice de transition d’´tat e 47 Pour les mod`les LTI.53) . ψ(t) = x1 (t) = x10 + (t − t0 )x20 + puisque eAt = 1 t 0 1 1 Izz t 0 t t0 (II.2 Le mod`le LTI homog`ne (non command´) de condition initiale x(t0 ) = x0 .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.LE MODELE INTERNE . ´ ` Theoreme II.49) (II. t0 ) = eA(t−t0 ) o` : u eAt = 1 + At + A2 t2 An tn + ··· + + ··· 2! n! (II. e e e x(t) = Ax(t) ˙ y(t) = Cx(t) a pour matrice de transition : Φ(t. la matrice de transition d’´tat peut ˆtre donn´e de mani`re e e e e e explicite.

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

5. il est possible de l’appliquer aux e e e ´quations (II.Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique. .57) ´ Definition II.55) o` X(p) = L[x(t)]. yr 49 Système linéaire multivariable Fig. . um y1 y2 .55) u e e par rapport a Y (p). on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II.La matrice de transfert est une caract´ristique du syst`me ind´pendante de l’amplie e e tude et de la nature de l’entr´e du syst`me. e e e .58) (II.56) Pour des conditions initiales nulles.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). . 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. .La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles.60) Remarques II. u ∈ Rm et y ∈ Rr . e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II.5.54). U (p) = L[u(t)] et Y (p) = L[y(t)].LES MODELES EXTERNES o` x ∈ Rn . . il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II.8 – Syst`me lin´aire multivariable m entr´es et r sorties e e e Du fait de la lin´arit´ de l’op´rateur de Laplace. u u1 u2 . En r´solvant les ´quations (II. x0 = 0.59) Yi (p) = j=1 gij (p)Uj (p) (II. e e .1 . II.

les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II.01 m3 /min..61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig. En supposant les flux constants fH = fC = f .9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur. 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.2 0.01 x(t) (II.2 m3 /min et VH = VC = 1 m3 . e on obtient : x(t) = ˙ −0.1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II. e Exemple II. d´bit fC ).2 −0. x2 ) = (TC . d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi . les variables d’´tat e e (x1 . II.50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . TH ) et les temp´ratures d’entr´e comme les commandes. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi .01 0 0 0. β = 0. e e e e e e e e e e temp´rature TC . temp´rature TH .9..5.21 x(t) + 0. de la capacit´ u e e e calorifique des fluides.C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me. Pour chaque ´tage.63) .21 0.62) y(t) = x(t) Pour les valeurs num´riques f = 0.

0.01*0.21 0..002 --------------------s^2 + 0.21] 0.64) 0.42 s + 0. e e >> den=conv([1 0.2 p + 0.01 (II.2 p + 0.den den}) Transfer function from input 1 to output.0041 0.41]).0041 0.0021 --------------------s^2 + 0...0.01 = (p + 0..01*0.01].01 s + 0.01 0.2*0.41) p + 0..01.21]}.21 −0. >> echangeur=tf({[0.0041 #2: Exemple : satellite 5 On reprend les ´quations d’Euler du satellite en spin constant autour de l’axe en supposant e cette fois que Ixx = Iyy = I1 et Izz = I2 et ne retenant que le mouvement autour des axes x et y d´coupl´es comme on l’a vu du mouvement autour de l’axe z.42 s + 0.[1 0.0021 #1: --------------------s^2 + 0..LES MODELES EXTERNES En appliquant la formule (II.01 0.42 s + 0.01 0 0 0. {den den.2 [0.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.0041 #2: Transfer function from input 2 to output. la matrice de transfert est donn´e par : e G(p) = 1 p + 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.002 #1: --------------------s^2 + 0.2 −0. 0.01 s + 0. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.01*0.21 −1 51 0.66) .2 0.57).01)(p + 0..

..5 -------s^2 + 25 #2: Transfer function from input 2 to output. L’´l´ment (i..70) A chaque instant t.52 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ωx ˙ ωy ˙ 0 a −a 0 u1 u2 On obtient donc la matrice d’entr´e : e G(p) = 1 2 + a2 p a(p + 1) p − a2 −a(p + 1) p − a2 (II...5.[1 0 25] [1 0 25]}) Transfer function from input 1 to output.69) ´ Definition II.5.2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II.[-5 -5] [1 -25]}.25 #1: -------s^2 + 25 -5 s .. {[1 0 25] [1 0 25]. g(t) est une matrice de dimensions r × m.67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur.. ` . e e >> a=5.68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II. s . 5 s + 5 #1: -------s^2 + 25 s . j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t. e e e (II.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.25 -------s^2 + 25 #2: II. >> satellite=tf({[1 -25] [5 5].

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

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. on obtient. 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. u(t). le rapport entre la transform´e de Laplace e e du signal de sortie et la transform´e de Laplace du signal d’entr´e d’un syst`me LTI est e e e la fonction de transfert de ce syst`me. y(t). 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. e e e La fonction de transfert Soit un syst`me LTI mono-entr´e.5.75) y(0) = y(0) = · · · = y ˙ (n−1) (II.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.5. mono-sortie.77) Exemple II.10).78) k M s(t) f e(t) Fig.76) ´ Definition II. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles. Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II. Dans le cas de mod`les externes.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II.4 Le cas particulier des syst`mes SISO e Le cas particulier des syst`mes poss´dant une seule entr´e et une seule sortie (SISO) e e e est tr`s important non seulement puisqu’il fˆt historiquement le premier a ˆtre trait´ de e u `e e mani`re intensive et extensive mais ´galement parce qu’il poss`de de nombreuses proe e e pri´t´s que l’on ne retrouve pas dans le cas MIMO.10 – Syst`me masse-ressort-amortisseur e . II.5. 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.74).

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. alors : s(t) = su (t) + s0 (t) (II.82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II.79) En appliquant la transform´e de Laplace a cette ´quation et en choisissant la position e ` e de la masse y(t) comme sortie. e 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.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. 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. .5. vR (t). on obtient la fonction de transfert du syst`me comme le e rapport de Y (p) sur U (p) : Gm (p) = Y (p) 1 = 2 + fp + K U (p) Mp (II.24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul. Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II.80) Exemple II. 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).83) La fonction de transfert G(p) est appel´e double int´grateur. Ainsi. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II. 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.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. on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe.

4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p).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.11 – Syst`me lin´aire e e ´ Definition II. II.5.1 La r´ponse d’un syst`me de fonction de transfert G(p) est donn´e par l’int´grale de convoe e e e lution suivante : t t y(t) = 0 g(τ )u(t − τ )dτ = 0 g(t − τ )u(τ )dτ (II. e y(t) = g(t) ∗ u(t) .g(t) et G(p) contiennent la mˆme information.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.86) .Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II.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 .5.2 1. ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II.mod`le alg´brique G(p) e e .87) (II. ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme. e e e Remarques II. e e ´ ` Theoreme II. e G(p) = L[g(t)] 2.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).5.88) ⇔ Y (p) = G(p)U (p) (II.

` l’inverse. Pour e e e e n = m. .91) (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).6. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II.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.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique.6.89).89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II. il est dit strictement propre. le syst`me est dit propre alors que pour n > m. 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. la caract´risation par la fonction de transe a e fert est tr`s simple. POLES ET ZEROS D’UN MODELE LTI 57 II. Si le syst`me est causal alors n ≥ m. e e ´ Definition 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). o e ´ Definition II. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO. e e II.6.6 Pˆles et z´ros d’un mod`le LTI o e e Les pˆles et les z´ros d’un mod`le LTI sont essentiels pour sa caract´risation dynao e e e mique. e e e ´ Definition II.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.6.6.1 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. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral.ˆ ´ ` II. e A partir de la d´finition du polynˆme caract´ristique. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II.

0 -1 0.1 Soit le mod`le d’´tat LTI donn´ par e e e  −1  0 A= 0 C= les matrices syst`me : e    0 0 1 0 −1 0  B =  0 1  0 −2 0 1 2 0 3 1 1 0 La matrice de transfert de ce syst`me est donn´e par : e e   3 2   G(p) =  p + 1 p + 2  1 1 p+1 p+1 Le plus petit commun d´nominateur associ´ ` cette matrice de transfert est : e ea πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Script MATLAB 4 >> A=[-1 0 0.1 1 0].B=[1 0.[1 1] [1 1]}).6.0 1]. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .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.{[1 1] [1 2]. o e e Exemple II.0 1. >> C=[2 0 3.0 0 -2]. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.1 1}.

0000i -1. e Sous ces hypoth`ses. 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).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.6.94) (II. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.93) . transfert) choisie.ˆ ´ ` II.0000i >> Poles=pole(G) Poles = -1 -2 -1 II.6.2 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.90). e e e e ´ Definition II. e e e e e a On d´finit pour cela le polynˆme des z´ros. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.0.0000 .1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.6. z0 est un z´ro du mod`le LTI ssi la mae e e trice M (z0 ) n’est pas de rang maximum : M (z0 ) = z0 1 − A −B C D (II. Elle est ´troitement li´e ` la repr´sentation (´tat. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme. u e e e e ` Hypotheses II. de z´ros invariants et de z´ros d´couplants sont ´quivalentes.6.0000 -1.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II.0000 + 0. Ces syst`mes sont e e e e e e dits carr´s. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission.89).6. Sous les hypoth`se II.

0000 >> Zero=zero(G) Zero = 1.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.6. 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 = 1.0000 Remarques II.2 Reprenant l’exemple II. e .6.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 = 1.1.1 (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).6.0000 >> [Poles.

e e e e .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). II. II.` II.13 – Blocs fonctionnels Le bloc fonctionnel est le symbole repr´sentant l’op´ration math´matique appliqu´e e e e e ` l’entr´e du bloc et produisant sa sortie.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.12 – Arc orient´ du signal U (p) e L’arc orient´ repr´sente le flux de signaux donn´s regroup´s dans un vecteur. U(p) K p+1 Y(p) u(t) y(t) F(p) = A(t) Fig.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.de blocs fonctionnels. Un sch´ma fonctionnel est compos´ : e e . e II. des outils graphiques de mod´lisation peuvent ˆtre utilis´s.7. 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. Chaque e e e type de repr´sentation graphique a son vocabulaire et ses r`gles de construction et de e e simplification.7.d’arcs orient´s. Bien que ceci ne soit pas exclusif. Nous pr´sentons maintenant le type le plus couramment utilis´ parmi les e e mod`les graphiques. e e e e ´ Definition II.7. La figure e e 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. 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. LES MODELES GRAPHIQUES 61 II. e U(p) ou u(t) Fig.

c a + b Fig.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert.7. e e e e + a−b+c − II.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie.7. II.7. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e. e e a ee e 2.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig. e .2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel.1 . e Remarques II. e Exemple II.En appliquant la transform´e de Laplace. e e e e e Principes de construction 1. Dans ce cas.de blocs sommateurs.Un sch´ma fonctionnel n’est pas unique. II.15 – Circuit RC .Il est ind´pendant de la nature physique du syst`me mod´lis´. a ee 3.

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

7.7. E(p) + S(p) − (II.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.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.96) ε (p) G(p) S(p) Fig.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.97) . 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. II. La fonction de transfert en boucle ouverte est alors ´gale au transfert de la chaine a e directe G(p) et la fonction de transfert en boucle ferm´e est donn´e par : e e S(p) G(p) = E(p) 1 + G(p) (II.95) (II.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II. ´ Definition 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. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire.7.

Ces r`gles sont r´sum´es e e e e e dans les tableaux II. Sch´ma de d´part e e A + B - Sch´ma ´quivalent e e A + C + A-B + C + A-B+C A+C + B - A-B+C 1 B A + C A-B+C + A + B - A-B + + A-B+C C 2 A 3 G1 AG 1 G2 AG 1G 2 A G2 AG 2 G1 AG 1G 2 A 4 G1 AG 1 G2 AG 1G 2 A G 1G 2 AG 1G 2 A G1 AG 1 + AG 1 + AG 2 + AG 2 A 5 G2 G1 + G2 AG 1 + AG2 Fig.19 – Alg`bre des sch´mas fonctionnels e e . 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. II. le sch´ma fonctionnel peut comporter un nombre ime e portant de blocs et de boucles.20.19 et II.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe.LES MODELES GRAPHIQUES 65 II.7.

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

7. .7.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II. II.21 : e e u(t) .LES MODELES GRAPHIQUES 67 II. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II.2 Le sch´ma fonctionnel II. e e Ainsi. e ee Exemple II. 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.7. Dans le cas des syst`mes e e e LTI.22. la repr´sentation d’´tat lin´aire temps-variant suivante : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.2 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.21 est d´crit dans le domaine temporel.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.

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

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

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

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

72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH). Remarques III. e e e x(t) = Ax(t) + Bu(t) ˙ (III. C est u de rang n. .1. An−1 B .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. e e a .1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre. · · · n alors le syst`me est compl`tement ee commandable.1) e o` A ∈ Rn×n . e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. 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.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. . rang(C) = rang . e e ´ Definition III.1 (commandabilit´) e e Un ´tat xi est commandable en t0 s’il est possible de d´terminer u(t) / [t0 tf ] conduisant e tout ´tat initial xi (t0 ) vers 0 en t0 ≤ t1 ≤ tf . =n (III.1.Si un syst`me n’est pas compl`tement commandable alors pour certaines conditions e e initiales il n’existe pas d’entr´e de commande pouvant ramener le syst`me ` l’origine. B ∈ Rn×m est commandable ssi la matrice de commandabilit´.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´.1 III. · · · . R. B = 0. fran¸aise e e c et russe. hongroise. 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. e .1 . .E. 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. ´ ` Theoreme III. .Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. AB . modification des dynamiques propres).1. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices.1.2) . B . III. Il est membre de l’acad´mie des sciences am´ricaine.1. III.

c1 = c2 = 1.NOTION D’OBSERVABILITE 73 Remarques III. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque.2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A. B) est commandable ssi la matrice complexe n × (n + m) : λ1 − A B est de rang ´gal a n pour toute valeur propre λ de A. B) sera appel´e come e e e mandabilit´ de la paire (A. e ´ ` Theoreme III. h2 ) et R1 = R2 = 1.1.3) . Physiquement. 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). e Exemple III.1. e ` (III. B). e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont.1.1 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 . on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer.2 (test PBH) La paire (A. x2 ) = (h1 . 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. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande.

2. ´ ` Theoreme III.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. Remarques III.2. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III.   . C ∈ Rr×n est observable ssi la matrice d’observabilit´.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A. 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. O est de rang n. e III.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 ]. n alors le syst`me est compl`tement ee observable. Exemple III.1 Clairement. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie. C) sera appel´e observabilit´ e e e e e de la paire (A.4) e o` A ∈ Rn×n . e a e ´ Definition III.2. 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. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.5)  = n   .74 COMMANDABILITE ET OBSERVABILITE III.2. C).1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure.2.2 Crit`re d’observabilit´ e e Un crit`re de Kalman existe ´galement pour la notion d’observabilit´ et fait intervenir e e e la matrice dynamique A et la matrice de sortie C. .2.1 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 III.    · · ·  CAn−1 Remarques III. · · · .

2.Σdual (A . De mˆme que pour la commandabilit´. ` e ´ ` Theoreme III. B ∈ Rn×m .3 . 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.Σ (A. un crit`re d’observabilit´ ´quivalent au crit`re e e e ee e de Kalman quoique moins facile a manipuler est donn´ par le test PBH.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´. e ` (III. C ∈ Rr×n . On a alors le r´sultat suivant liant les conditions de u e commandabilit´ et d’observabilit´ des deux syst`mes Σ et Σdual . 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.NOTION D’OBSERVABILITE On peut alors calculer. A= 0 1 0 0 C= 0 1 Le syst`me n’est donc pas observable puisque. e e D´finissons pour cela les mod`les d’´tat. ´ Definition III. rang(O) = rang C CA = rang 1 0 1 1 =2 75 Cela implique que le syst`me est compl`tement observable.7) o` A ∈ Rn×n . .2. B) est commandable ssi Σdual (A . e e Exemple : satellite 10 (mouvement autour de z) Si l’on mesure la vitesse angulaire.2. C ) est commandable ssi Σ (A. e e e e . les matrices dynamique et de sortie du satellite sont. B ) est observable. C) est observable ssi la matrice complexe (n + r) × n : λ1 − A C est de rang ´gal a n pour toute valeur propre λ de A. C) est observable.2 (syst`me dual) e Le syst`me Σdual est appel´ syst`me dual du syst`me Σ.2 (test PBH) La paire (A.2. e e e ´ ` Theoreme III.6) III.

La forme diagonale ou quasi-diagonale de Jordan. . Il e e e meurt le 22 janvier 1922 a Paris apr`s avoir perdu 3 de ses fils pendant la guerre 14-18. les ´quations diff´rentielles et e e e la m´canique.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse. 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. En 1861. 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. En 1885. . il devient ´diteur du Journal de math´matiques pures et appliqu´es. ` e . Cette op´ration est une transformation de similarit´. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat.46) a la repr´sentation e e e ` e d’´tat (III.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite. Il rentre a l’´cole Polytechnique en e ` e 1855.La forme compagne de commande. 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. Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles. ea e e e Ainsi. 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.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´.La forme compagne d’observation.8).3 III.3. 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. La nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III. e Ces formes particuli`res sont appel´es les formes canoniques. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883.8) 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. On distingue trois e e grands types de formes canoniques : .

 . 1  . . pi ) 2. pn ) o` Aei = pi ei ∀ i = 1.  . .  . p2 .Si qi = mi . pn alors la matrice de passage compos´e en colonnes des vecteurs propres associ´s. 1  · · · 0 pi (III.  . on d´finit un bloc diagonal Ji de dimension mi × mi form´ comme : Ji = diag(Ji1 . Soit qi la multiplicit´ g´om´trique associ´e ` chaque valeur propre.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. p2 . · · · .. 0    .. J2 .  . 0 ··· Pi = [e1 · · · eqi ] i i dimension mi × mi  0 ··· 0 . . u Dans le cas o` une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation u est plus complexe. . P = [e1 e2 · · · en ] est telle e e que : ˜ P −1 AP = A = diag(p1 . . on d´finit un bloc de Jordan de e  pi 1   0 pi  Ji =  . Jk ) La partition de P est identique ` celle de J..2 e e Soit A ∈ Rn×n ayant k valeurs propres distinctes pi .3. a .. · · · .Si qi = 1. ´ ` Theoreme III. on d´finit un bloc diagonal Ji de dimension mi × mi et une matrice e Pi ∈ Rn×mi : Ji = diag(pi . k de multiplicit´ alg´brique respective mi . 1. n.10) e e 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 . il est possible u d’effectuer un changement de base la diagonalisant.. · · · . Il existe alors plusieurs possiu e a bilit´s qui doivent ˆtre test´es. · · · .. Jili ) o` Jik est un bloc de Jordan de taille inf´rieure ` mi . · · · .3.1 Si la matrice A ∈ Rn×n a n valeurs propres distinctes p1 . une seule convenant. i = 1. · · · .Si 1 < qi < mi . · · · . Ji2 . ´ ` Theoreme III. 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.

13) Le polynˆme caract´ristique de (III. i = 1. Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails.14) . e e α + jβ 0 0 α − jβ = 1/2 −i/2 1/2 i/2 α β −β α 1 1 i −i Dans toute la partie suivante.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). 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. · · · . Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1. la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante.11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 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. qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III. · · · . les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables. 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. k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi . 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. e e e c eme ` u colonne de P .12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III. Il est possible de montrer que l’on Soit P = [q1 . u ∈ R et y ∈ R.12) y(t) = Cx(t) e e e e o` x ∈ Rn . La premi`re colonne u e ` de chaque sous-bloc Pi . Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi .

. . . .. . .. . −a1 .3. . . . . ` e On applique alors le calcul r´current.16) ´ Definition III. e e Soit a d´terminer P = [P1 P2 · · · Pn ] la matrice de passage form´e de ses n colonnes.3. .. .15) Cc = Le passage de la repr´sentation d’´tat quelconque (III. 1 . 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.. . 0 −an−2 0 · · · 0 1 −an−1 0 ··· 0 0 1        Bo =       bn−2  bn−1 b0 b1 ..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 .. . 0 . . 0 1 (III. ..        (III.12) a la forme compagne de e e ` commande n´cessite le calcul de la matrice de passage P .. . . 0 ··· ··· 0 1 −a0 · · · −ai · · · −an−1 b0 · · · bi · · · bn−1        Bc =      0 .. .. . .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 .RELATIONS ENTRE MODELES INTERNES ET EXTERNES ´ Definition III... colonne par colonne. .17) Co = .

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

du fait que le polynˆme caract´ristique associ´ est Psat.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.3. les syst`mes sont suppos´s strictement propres. 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.21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de. 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. ce qui n’est e e e e pas toujours v´rifi´ en pratique.22) = 4+ = 4+ .RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 . Dans le cas d’un syst`me mod´lis´ par une fonction e e e e e de transfert propre.20) 1/Izz 0 En ce qui concerne. 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 forme canonique d’observabilit´. la Izz p2 D’autre part.

[1 4 1 0]) Transfer function: 4 s^3 + 8 s^2 + 2 s + 1 ----------------------s^3 + 4 s^2 + s >> ex_332=canon(H.82 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES compagne de commande peut alors ˆtre donn´e e e    0 0  x(t) +  0  u(t) 1 −4 1 Une repr´sentation d’´tat sous forme e e par :  0 1  0 0 x(t) = ˙ 0 −1 y(t) = 1 −2 −8 x(t) + 4u(t) La repr´sentation d’´tat sous forme modale peut ´galement ˆtre d´duite : e e e e e     0 0√ 0 1  0 −2 − 3 0 √  x(t) +  1  u(t) x(t) = ˙ 1 0 0 −2 + 3 y(t) = a b c x(t) + 4u(t) Script MATLAB 6 >> H=tf([4 8 2 1].899 4.899 c = y1 x1 0.2679 0 x3 0 0 -3.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.25 x2 -0.2115 x3 -1.732 b = x1 x2 x3 u1 4 4.626 d = .

3.23) e La r´alisation (A. e e Exemple III.Non observable et non commandable : A3 = −1 0 0 −2 B3 = 0 1 C3 = 0 1 .3. C.Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 . C. D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible.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.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. 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.Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] .3. ´ Definition III. e e e .Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 .RELATIONS ENTRE MODELES INTERNES ET EXTERNES 83 y1 u1 4 III. toute repr´sentation e e d’´tat LTI (A.6.3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m .2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II. D) telle que : e G(p) = C(p1 − A)−1 B + D (III. B. B.

Dans ce cas. Enfin.1 – Syst`me structur´ e e .4 . 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.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. C. e e e ee ´ ` Theoreme III. e e ´ ` Theoreme III.L’´quation diff´rentielle entr´e-sortie se d´duit ` partir des ´quations diff´rentielles e e e e a e e suivantes.3.1.4 Soit le syst`me compos´ structur´ comme indiqu´ figure III. e Exemple III.3 Une r´alisation d’´tat (A. e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig.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. B. e . D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable. Y (p) p−1 = U (p) p+2 . 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.3. ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) . 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.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.3.

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

86

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

1 1 . . . 1

    u(t) 

(III.27)

α1 α1 · · · αn

x(t)

(p − pi )

=
i=1

αi + (p − p1 )i i=m

n

1

αi p − pi +1 (III.28)

i=m1 +1,···n

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

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

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

87

(III.33)

(III.34)

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

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

(III.38)

(III.39)

· · · 0 x(t)

88

MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES

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

CRITERES POUR LES FORMES MODALES

89

III.4

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

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

III.4.1

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

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

c1 c2 · · · cn

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

III.4.2

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

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

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

(III.41)

y(t) =

c1

c2 · · ·

· · · cn

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

90

COMMANDABILITE ET OBSERVABILITE

      x(t) =  ˙    

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

0 ··· ... ... ... ...

··· ... Jk ...

··· . . .

···

··· . . . 

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

0 . . . . . . . . .

 bn1 ···

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

(III.42)

y(t) = o` : u

c1

c1k

c1s

x(t) 

   Jk =    

pi

1

0

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

··· ...

   ...    pi 1  0 pi

0 . . . . . .

(III.43)

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

(III.44)

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

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

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

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

1.5083i 0. 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. B.6681 .6) Un syst`me LTI de r´alisation minimale (A.1. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives.1. i.5083i -1. e e e ´ ` Theoreme IV.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. Munis de cette interpr´tation monovariable.2 Un syst`me LTI de matrice de transfert G(p) est BIBO-stable si et seulement si tous e les pˆles de G(p) appartiennent au demi-plan complexe gauche. ` e e Exemple IV.1.1 Soit la fonction de transfert : G(p) = p+1 p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Son polynˆme caract´ristique est πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 o e Script MATLAB 8 >> roots([1 2 3 6 5 3]) ans = 0.3429 + 1.e. apr`s d´composition en ´l´ments simples.3429 . Le demi-plan gauche est appel´ la r´gion de stabilit´. 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. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s. tous les pˆles sont a o o ` partie r´elle n´gative. il est possible de donner une e e e caract´risation multivariable plus g´n´rale.´ IV.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations. C. 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.

ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.7020i >> >> >> >> G=tf([1 1]. Il meurt le 7 juin 1907 a ` Cambridge. 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). Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux.C. Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).B. IV.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.0. eig(A) ans = 0.1. .[1 2 3 6 5 3]). sys=ss(G). (1891) et A treatise on dynamics of a particle (1898).5088 .98 STABILITE DES SYSTEMES LTI -0. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert.3429 0.7020i . [A. 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.5088 + 1.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec. ce qui peut ˆtre fastidieux pour des ordres ´lev´s. 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. A treatise on analytic statistics. Canada.3 Crit`re alg´brique de Routh-Hurwitz e e On suppose que le syst`me est repr´sent´ par un mod`le LTI : e e e e G(p) : = A B C D (IV. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p).7020i -0.D]=ssdata(sys).7) Le syst`me est observable et commandable.5088 -0. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College.1.3429 -1.5088 + 0.5083i .0. En 1854.6681 -0.5083i + 0.

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

100 STABILITE DES SYSTEMES LTI Remarques IV. e e 3.3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique. Afin de e e compl´ter le tableau.1.2 (ordre 3) Soit le polynˆme caract´ristique.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω).1 1. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 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. e e a2 a1 > a3 a0 Exemple IV.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 .1. o o Exemple IV. e 2.1. Il y a donc deux racines a partie r´elle positive. 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.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. 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 . o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme. ` e .

4 (une ligne de z´ros) e Soit le polynˆme caract´ristique o e πp (p) = p5 + 7p4 + 6p3 + 42p2 + 8p + 56 Le tableau de Routh s’´crit : e p5 p4 p3 p2 p p0 1 7 0 6 42 0 8 56 0 101 La troisi`me ligne indique que le polynˆme caract´ristique est divisible par le √ e o e polynˆme o ` e 7p4 + 42p2 + 56 = (p2 + 2)(p2 + 4). LA STABILITE BIBO Exemple IV.1.´ IV. Il y a donc 4 racines a partie r´elle nulle ± 2 et ±2.1. .

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

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. LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t. la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´. le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable. ´ Definition IV.2.2. e ´ Definition IV. ` ´ Definition IV. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV.1).2. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle.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 . λ est appel´ le taux de convergence. e .16) (IV. ∀ x0 ∈ Br .2. ||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.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne.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 → +∞. e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe .15) Cela signifie que le vecteur d’´tat.´ IV.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0). D’autre part.x0 ) xe t x1 Fig. ∃ Br (xe . IV. r) .

2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV. 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.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. pour j ∈ {1. pour j ∈ {1. pour tout j ∈ {1.2. r}. r}. 3. la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable. · · · . e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement.si un pˆle est tel que Re(pj ) = 0. r}. r}. · · · .2 Pour le syst`me (IV. La position A correspond a un point d’´quilibre instable.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. · · · .2. ´ ` Theoreme IV. e pour tout j ∈ {1. pour j ∈ {1. r}. Re(pj ) ≤ 0. alors xe est un point ea d’´quilibre instable. · · · .17). Re(pj ) > 0.si Re(pj ) < 0. et la multiplicit´ est o e sup´rieur a 1 alors. · · · . on e e o e suppose que xe = 0 est un point d’´quilibre. 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.2.17) 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. 2. e e a e e IV. e . pr . e 1. e ` e A B C Fig. e .Si toutes les valeurs propres de A ont une partie r´elle non positive.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV. · · · . alors xe est un point d’´quilibre asymptotiquement stable. alors. alors xe o e est un point d’´quilibre instable.Si un des pˆles du syst`me est instable.si un pˆle est tel que Re(pj ) = 0. poss´dant r valeurs propres distinctes (r pˆles) p1 . IV. .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). o e Exemple IV.-1.0000 + 0.3333 0.0000 .0000i -1.3333 1.3333 1.6667 0  −1.-1.0 0 0.6667 0.9999 >> A3=[-2.0000 -1. >> eig(A1) ans = -1.6667 −2.2.3333 A5 =  −0.2.-0. >> eig(A3) ans = 0.3333 1.6667 2].3333 0.3333 1.6667 0.6667 0.6667 0.3333  1.2 La stabilit´ interne de (IV.0000i -2.     −3 2 3 −1.3333 0  −2 2 2 −0.-1.0000 >> A2=[-1.0000 0.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A.3333 -2.3333 1.6667 Script MATLAB 9 >> A1=[-3 2 3. >> eig(A2) ans = -1.0.3333 2].1 0 -1].-2 2 2].-1 -3 0.3333 3.3333 1.3333 −0.0001 >> A4=[0 0 0. LA STABILITE INTERNE 105 Remarques IV. >> eig(A4)    −2.3333 −2.0000 -2.6667 3.6667 0.6667 −0.3333 2  .6667 0.6667 -2.9999 -1.3333 3 A3 =  −1.´ IV.2.6667 3 A1 =  −1 −3 0  A2 =  −1.

3333 1. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.8729 -0. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s. e e 3.3 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.0000 IV.2182 -0.6667 S = 0 0 0 0 -1.2.4364 0.Le syst`me est BIBO-stable.6667].3333 -0.3333 0.3333 -0.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.6667 0.1.-0.2.S]=eig(A5) V = 0. ` e e A B C D IV. >> [V.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0. e 4. e 2. e e e .2.6667 -0.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative.3333.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome.6667 0. e e ´ ` Theoreme IV.0000 0 0 0 -0.3333 0. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.3333.6667 0.3333 1.6667 -0.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI.

.. En effet. w1 w2 · · · wn P est la matrice modale de changement de  p1 0   0 p Λ= .  .. . pn sont distinctes. En ´crivant la matrice A e e a dans la base form´e des vecteurs propres ξi .p1 . e e x(t) = Ax(t) ˙ 107 (IV. e 6 4 2 x2 0 −2 −4 −6 −12 −10 −8 −6 −4 −2 $x1$ 0 2 4 6 8 Fig. LA STABILITE INTERNE Etant donn´ un mod`le LTI autonome. p2 sont r´elles.  . la r´ponse du syst`me ` une condition initiale e non nulle est. Cela donne des caract´ristiques e e e e diff´rentes aux trajectoires d’´tat. · · · .2. 0 ···  0 .´ IV. p2 < 0 sont stables.  . les valeurs propres peuvent e e ˆtre r´elles ou complexes conjugu´es. stables ou instables.19) peut ˆtre utilis´e afin e e e e de caract´riser la nature du point d’´quilibre 0. 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 e e . ··· .Les deux valeurs propres p1 . . . 0  0 pn Dans le cas d’un syst`me de dimension 2.2 . le point d’´quilibre 0 est un noeud stable.18) e on suppose que les n valeurs propres p1 .19) P −1 = base. l’´quation (IV.3 – Noeud stable .  . IV..

50 40 30 20 10 0 −10 −20 −30 −40 −50 −4 −3 −2 −1 0 1 2 3 4 Fig.4 0.4 – Point selle .2 0. e .4 −0.5 – Foyer stable .3 −0.2 0.σ = 0.σ < 0. le point d’´quilibre 0 est un point-selle (col) instable. p2 = σ−jω. e e .108 STABILITE DES SYSTEMES LTI .6 0.1 −0.8 1 Fig. e .p1 .6 −0. e 6 4 2 0 −2 −4 −6 −6 −4 −2 0 2 4 6 Fig. IV. le point d’´quilibre 0 est un foyer stable. IV.3 0.Les deux valeurs propres p1 .5 −0.2 0 0.p1 < 0 et p2 > 0.6 – Centre . le point d’´quilibre 0 est un centre.2 −0. le point d’´quilibre 0 est un foyer instable. p2 > 0 sont instables.4 −0. IV. e 0. p1 = σ+jω. p2 sont complexes conjugu´es.1 0 −0. le point d’´quilibre 0 est un noeud instable.σ > 0.

e on obtient diff´rentes ´quations e e M Fig.7 – Syst`me masse-ressort e 1. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. Il con¸oit e e e c de nombreuses m´thodes d’approximation. IV. ici l’´nergie totale. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev.LA METHODE DE LYAPUNOV 109 IV. 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. 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. ` Exemple IV.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 .1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse.3 La m´thode de Lyapunov e Cette m´thode est tr`s g´n´rale et permet l’´tude de la stabilit´ des syst`mes non e e e e e e e lin´aires autant que lin´aires. Le point important est qu’elle ne n´cessite ni le calcul des e e e pˆles du syst`me ni la donn´e explicite de la solution de l’´quation d’´tat. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales. 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. 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. ”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”. Russie.3. Il meurt le 03 novembre 1918 a Odessa.

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

8).3. il existe une fonction scalaire de l’´tat V (x. t) + ∂t ∂x o` : u  ∂V (x. . On choisit une fonction candidate de e e 2 2 Lyapunov V (x) = 1/2(x1 + x2 ). dans une boule Br0 . e e e e e e ´ ` Theoreme IV. Si V e e e Exemple IV. e ` e e e ´ Definition IV. t) ∂xn       (IV.´ IV. t) est d´finie n´gative alors la stabilit´ est dite localement asymptotique. t). t) dont les d´riv´es partielles premi`res sont continues et telle que : e 1. t)/x ∼    ∂V (x. x2 ) | x2 + x2 < 2 1 2 . x ∈ Rn . 0) est un point d’´quilibre pour ce syst`me. t) est d´finie positive. t) = (x. .1 (D´riv´e de Lyapunov) e e n u e Soit V (x. t) est appel´e la d´riv´e de V (x. t) ˙ V (x. t). LA METHODE DE LYAPUNOV 111 et d’en examiner la d´riv´e temporelle (cf. e ˙ (x. figure IV. t) le long des trajectoires de x = f (x.20) ˙ V (x.2 (syst`me non lin´aire) e e Soit le syst`me non lin´aire autonome donn´ par ses ´quations d’´tat : e e e e e  ˙  x1 = x1 (x2 + x2 − 2) − 4x1 x2 1 2 2  x2 = x2 (x2 + x2 − 2) + 4x2 x2 ˙ 1 2 1 (0. e e alors le point d’´quilibre 0 est stable. x) (IV. t) ∂x   gradient de V (x. Cela conduit a calculer. 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.3. t) ∂x1 .1 (stabilit´ (asymptotique) locale) e e e e Si. On peut ainsi conclure quant ` la e e a stabilit´ sans avoir recours a la solution explicite des ´quations diff´rentielles non lin´aires.21) f (t.V (x.3.3. On d´finit alors V : e e e ˙ n R × R+ → R par : ∂V ∂V (x.V (x. e ˙ 2. ∂V (x. e e e ˙ On consid`re la stabilit´ du point d’´quilibre 0 pour les syst`mes ´tudi´s. t) est semi d´finie n´gative. ` ˙ 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 .

la m´thode devient plus syst´matique.24) . ˙ 1.2 V = C2 V = C1 x1 x0 Fig. V (x. Dans le cas non lin´aire.2 1. t). de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). fonction d´finie positive. Si la e condition 2 est v´rifi´e. alors 0 est un point d’´quilibre globalement asymptotiquement stable.3.3 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 > 0.23) ´ ` Theoreme IV. t) est une fonction de Lyapunov pour le syst`me. V (x) = x P x. IV.3.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que. e e 2||x||→+∞ lim V (x) = +∞. d’o` l’utilisation de e u l’exp´rience. ´ ` Theoreme IV. e e A P + PA + Q = 0 (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. la fonction V (x. e Le probl`me majeur de cette m´thode est de trouver une fonction de Lyapunov pour e e ce syst`me en l’absence de guide clair.3.22) On consid`re une fonction candidate de Lyapunov quadratique. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable. e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV.V (x. Dans le cas des syst`mes LTI. il faut donc choisir a priori e e une fonction candidate de Lyapunov.La condition pr´c´dente est une condition suffisante . alors. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive. e 2.V (x) est d´finie n´gative.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 .8 – Illustration de la m´thode de Lyapunov e Remarques IV. e e e x(t) = Ax(t) ˙ (IV.

3125 0.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1. e Script MATLAB 10 >> P=lyap(A1’. LA METHODE DE LYAPUNOV Exemple IV. P = 0.0625 0.5160 19.0625 0. >> eig(P) ans = 0.1664 0.3.0676 .´ IV. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.3273 et 0.3. on trouve.eye(3)).0477.

114 STABILITE DES SYSTEMES LTI .

nous nous sommes volontairement restreints a l’´tude du cas monovariable qu’il ` e est plus facile d’appr´hender physiquement.1.2) 115 . Toutefois.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.Chapitre V Analyse temporelle des syst`mes e continus V..1) dont la transform´e de Laplace est donn´e par : e e U (p) = n pn+1 (V. il est n´cessaire de e e e e e disposer d’une base commune d’analyse pour des syst`mes diff´rents.) obtenu. Cette e e ` e ´tape peut ˆtre men´e suivant de nombreuses m´thodes.. 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. 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. repr´sentation e e e e d’´tat. l’´tape suivante consiste a analyser les performances du syst`me.1 Introduction Une fois le mod`le math´matique d’un syst`me (fonction de transfert. e V. e e Mˆme si le mat´riel pr´sent´ dans ce chapitre peut ˆtre ´tendu aux mod`les multivae e e e e e e riables.

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.les signaux rampe .r´gime forc´ e e e Avant de caract´riser plus pr´cis´ment la r´ponse temporelle des syst`mes. la r´ponse peut ˆtre d´compos´e en e e e e e e deux termes y1 (t) et y2 (t).les signaux ´chelon (fonction de Heaviside) e . Remarques V.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). nous revee e e e e nons sur les notions tr`s voisines de r´gime libre et de r´gime forc´. Dans la pratique.1. appel´ signal d’excitation.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.les signaux de type impulsionnel (impulsion de Dirac) . e e e e Soit un syst`me d´crit par l’´quation diff´rentielle entr´e-sortie ` coefficients constants.les signaux acc´l´ration ee Le choix effectu´ dans cet ensemble est fonction des conditions d’utilisation du syst`me e e ´tudi´.4) Par application du th´or`me de superposition. Par exemple.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. Ce type de signal a la carat´ristique de soumettre le e e e syst`me ` des sollicitations plus ou moins brusques et progressives. e . une entr´e de type rampe est adapt´e alors que la r´ponse impulsionnelle mod´lisera e e e e correctement un choc. y (n−1) (0) ˙ (V. . e e V. 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). si les entr´es r´elles d’un syst`me sont suppos´es varier graduellee e e e e e ment.2 R´gime libre . Ils permettent ainsi e a d’´tudier les performances transitoires de la r´ponse des syst`mes. .1.3) La r´ponse du syst`me y(t) ` un signal d’entr´e u(t). · · · . y(0). on e e e se limite souvent aux signaux polynomiaux jusqu’` l’ordre 2 d’entr´e caract´ristiques tels a e e que : . e e e e e a an y (n) (t) + · · · + a0 y(t) = bm u(m) (t) + · · · + b0 u(t) (V.

3) peut ´galement se d´composer en deux e e e e parties : . 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.1.r´gime transitoire e e La solution de l’´quation diff´rentielle (V.1.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te. e e Remarques V. INTRODUCTION Exemple V.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.y4 (t) comme la r´ponse transitoire du syst`me. e e e V.1. e e e e . 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.V.3 R´gime permanent .3 La r´ponse transitoire y4 (t) est tr`s li´e ` la r´ponse y1 (t) alors que la r´ponse en r´gime e e e a e e e ` e permanent y3 (t) l’est a la r´ponse y2 (t).1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.7) .1.5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors.1 Soit a trouver la r´ponse y(t) de l’´quation. e e e .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. distinctes ou multiples. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.y3 (t) comme la r´ponse en r´gime permanent du syst`me.1.6) Cette ´quation a n racines pi . ` e e 0. y4 (t) est e e la somme de n termes tels que : . r´elles ou complexes. . ´ Definition V.5) Remarques V.

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.8) o` σj = Re(pj ) et ωj = Im(pj ). e e e . e e toujours pr´sentes dans la partie transitoire de la r´ponse temporelle d’un syst`me.118 ANALYSE TEMPORELLE DES SYSTEMES . u Exemple V. y(t) = 2 + λ1 e−2t soit pour y(0) = −1. e e e e e e La stabilit´ relative caract´rise les oscillations. amorties plus ou moins rapidement.2 L’´quation caract´ristique est e e 0.5p + 1 = 0 Elle a une unique solution p1 = −2 d’o` u y4 (t) = λ1 e−2t Alors. On a vu au e e e chapitre pr´c´dent diff´rentes notions de stabilit´ absolue pour les syst`mes lin´aires.1. on obtient λ1 = −3 et donc y(t) = 2 − 3e−2t Les r´ponses temporelles ainsi fournies permettent d’´tudier les caract´ristiques fone e e damentales du syst`me que sont la stabilit´ absolue et la stabilit´ relative.chaque paire complexe conjugu´e (pj .

ae Y (p) = K 1 + Tp (V. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V. 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 – Exemples de syst`mes du premier ordre e V.2.2.2.11) La r´ponse transitoire d’un syst`me du premier ordre est. e Cela conduit ` ´crire.2.1. V.12) .2 V.9) T est la constante de temps du syst`me. 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.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.10) (V. LES SYSTEMES DU PREMIER ORDRE 119 V.` V.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V.1 On appelle syst`me du premier ordre.

6 y(t) 0.7 0.5 0.18) .1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.2.2 – R´ponse impulsionnelle e En calculant la d´riv´e.2. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.4 0.15) qui est repr´sent´e figure V. 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.2 (r´ponse indicielle) e On appelle r´ponse indicielle. ae Y (p) = d’o` la r´ponse indicielle.3.17) K KT K = − (1 + T p)p p 1 + Tp (V.120 d’o` la r´ponse impulsionnelle.9 KT 0. on obtient la pente de la tangente pour t = 0.3 0.2 0. on obtient la pente de la tangente e e e e pour t = 0.14) La r´ponse indicielle e ´ Definition V. K K dy(t) = e−t/T |t=0 = dt T T (V. u e y(t) = qui est repr´sent´e figure V. En calculant la d´riv´e.16) 1 p (V.13) 0. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V. V.8 0.

4.2. on obtient.21) 1 p2 (V. on parle alors de rampe unitaire.8 1. En calculant le signal d’erreur (t) = u(t) − y(t).3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V.23) . ae Y (p) = d’o` la r´ponse.4 0. plus le syst`me est rapide. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.6 1.632K 1.2.) t Fig. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.2 Amplitude y(t) To: Y(1) 1 0.2 0 0 T 2 4 6 8 10 12 Time (sec.8 0.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1. V. pour e e K = 1.20) qui est repr´sent´e figure V.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.3 – R´ponse indicielle e Remarques V. e e R´ponse ` une rampe unitaire e a ´ Definition V.6 0.1 Plus la constante de temps du syst`me T est faible.19) Si k = 1.4 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)

6 0.8 Step Response 127 1. u L’allure de telles r´ponses est repr´sent´e figure V.6 ξ = 0.6 0.1 1.5 1.2 0 Fig.3 ξ = 0.1 e .8 Step Response ω n= 0.4 ξ = 0.9.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.4 1.4 ω n= 0. V.4 1.4 1. e e e ξ = 0.9 0.2 ω n= 0.8 et figure V.2 Amplitude 1 0.5 ξ = 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.2 ξ = 0.1 ω n= 0.8 ξ = 0.8 0.2 Amplitude 1 0.6 ξ = 0.8 0.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.6 1.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).7 ξ = 0. V.4 1.

5 T/2 Amplitude 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 .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. .6 T 0.4 D2 1 0.3 0.) 10 15 Fig.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement.1 0 0 5 Time (sec. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.7 D 0. e Step Response 0. V.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.2 0.

e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig. 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.H_10=tf([K*T*a K].11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.4 0. V.1.6 0. C(p) = suivant le sch´ma-bloc suivant.H_10) >> axis([0 20 0 1.3]) Step Response 1.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .2 1 0.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.8 a = 0.H_2=tf([K*T*a K].[T (1+a*T*K) K]) >> a=0.[T (1+a*T*K) K]) >> step(H_01.H_2. >> a=10.H_01=tf([K*T*a K]. e e e Script MATLAB 12 >> K=1.1 a=2 a = 10 Amplitude 0.T=1.[T (1+a*T*K) K]) >> a=2. figure 3).

05 t td 0. V.8 ωn (V.130 ANALYSE TEMPORELLE DES SYSTEMES V.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est. ξ).45) Cette relation est approxim´e par la relation : e tr ≥ (V. cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`.48) 1 − ξ2 ξ (V.3.5 0 tr tp t ts Fig.12 – Sp´cifications de performance e .47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V. y(t) Mp 0. Sa r´ponse temporelle a l’allure de la figure V.12. tan(ωp tr ) = − Apr`s calculs.3 Sp´cifications temporelles d’un syst`me du second ordre e e On suppose que le syst`me du second ordre est sous-amorti et sp´cifi´ par la paire e e e e (ωn .49) .46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V. u cos(ωp tr ) + soit.

6 ts .3.8 tr (V. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V. De plus.3 (V.50) π ωp (V.Temps d’´tablissement ts : e G´n´ralement. − 131 (V.54) 4. pour des r´ponses rapides.53) .52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.6 4. ωn doit ˆtre grand.7 ξ = 0. u tp = .D´passement maximal Mp : e On a donc.5 ξ = 0.LES SYSTEMES DU SECOND ORDRE .6 = = ξωn σ Remarques V.1 e e ξ est g´n´ralement fix´ en corr´lation avec Mp alors que ts est principalement d´termin´ e e e e e e par ωn .55) ξ ≥ ξ(Mp ) σ≥ 4. Mp = y(tp ) − 1 = −e−ξωn tp Soit.

e e Ainsi. o ` e . Dans cette combinaison lin´aire.4. e e ´ Definition V.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse. complexes conjugu´s) des racines de l’´quation caract´ristique. 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.Chaque paire de pˆles complexes conjugu´s (pi . on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur. les pˆles.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.132 ANALYSE TEMPORELLE DES SYSTEMES V. 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.57) . . 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. .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 .1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te. 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. Dans le cas le plus g´n´ral. 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. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me. 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.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 2.4.r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V.4 V.58) o` σi = Re(pi ) et ωi = Im(pi ).

p1 . J est la forme de Jordan u o associ´e ` A.LES SYSTEMES D’ORDRE SUPERIEUR . 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.2 ..61) e e o` x ∈ Rn . · · · . Etudions la solution de l’´quation d’´tat dans la base modale.  .  . e e Remarques V. · · · .62) o` u P = v1 v 2 · · · vn P −1 = base et ··· .  .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.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)..4.  0 . . e e Soit la r´alisation minimale d’´tat d’un syst`me autonome : e e e x(t) = Ax(t) ˙ x(0) = x0 (V.complexes conjugu´s pi = −λi ± jωi correspondent a des modes oscillants e ` mi 133 µj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) j=1 (V.  . 0  0 pn w1 w2 · · · w n P est la matrice modale de changement de  p1 0   0 p Λ= .Si A a n valeurs propres distinctes..63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini. Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk . . P est la matrice modale de changement de base.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 . 0 ··· . pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (V.. u . e a J = diag(J1 ..

e e e Fig.1 0 −0.13 – North American L-17A ”navion” .62) et (V.5 Fig.017)2 + (0.02 1.65) Les modes propres longitudinaux sont d´finis comme : e .51)2 + (2.5 0 −0. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.1 0 −0.96 −2.370 −2.036 0 −0.213)2     (V.51 ± 2.045 0.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.Mouvement propre longitudinal :     δu ˙ −0.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.14 – Mode d’oscillation d’incidence pur . V.2 0.322 δu  δ w   −0.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.5 1 Time (sec) 1.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.191 −3.5 −1 0. o e e (V. 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.1 −0.1 −0.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.76   δw ˙   0    q  =  0.Courtesy USAF Museum . le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral. V.5 2 2.63) sont appel´s e ee e les modes du syst`me.2 0 0.59)2 (p + 0.2 1 0.Le mode d’oscillation d’incidence (short-period mode) p = −2.

433) (p + 0.Mouvement propre lat´ral : e     v ˙ −0.. o e e e (p + 8.05 To: Out(2) 135 0 Amplitude −0.98 0.66) .Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.191 -3. -0.2 To: Out(3) To: Out(4) 0.LES SYSTEMES D’ORDRE SUPERIEUR .0088) Les modes propres lat´raux sont d´finis comme : e e .1)) >> initial(sys_long.017 ± 0.5 0 −0.76 0.02 1.213j Response to Initial Conditions 1 To: Out(1) 0.322 v  r   2.5 0 −0.254 −1. 0]..19 −8.zeros(4.036 0 -0.55 −0. >> [navion_long.eye(4).67)     (V.37 -2.433 ` (V.Plong(:.35  r ˙   0    p  =  −9.5 −1 0.96 -2.0 0 1.76 −0. >> initial(sys_long. V.486)2 + (2..334)2 (p + 0..322.zeros(4.Le mode phugoide (phugoid mode) p = −0.1)).0.08 2.Plong(:.3)) .76 0 0..5 0 50 100 150 Time (sec) 200 250 300 350 Fig.045 0.1 0 −0.1 −0.05 0.Tlong]=canon(sys_long.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.1).’modal’) >> Plong=inv(Tlong).2 0.

15 0.02 0 0.05 0 0 −0. V.4 0.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.334j .15 −0.16 – Mode de roulis pur .2 0 0. V.5 0.3 Time (sec) 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.7 Fig.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.6 0.5 0 0 −0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.17 – Mode de spirale pur .1 0.1 0.05 −0.2 0.04 0.0088 Response to Initial Conditions 0.015 0.1 −0.02 To: Out(1) 0.005 −0.2 0.486 ± 2.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.01 0.02 0 1 0.01 1 0.

2 0.1 −0.08 2.-9.5 0 −0. >> [navion_lat. e τi = −1/Re[pi ] (V..322.1)).55 -0.Plat(:.69) . · · · .5 0 −0.Plat(:.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.4)) 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 ..18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-.zeros(4.zeros(4.76 -0. ´ Definition V..35 0.5 0. Supposons maintenant que la fonction de transfert soit du troisi`me ordre avec un pˆle e o r´el −1/γ et deux pˆles complexes conjugu´s : e o e G(p) = 2 ωn 2 (γp + 1)(p2 + 2ξωn p + ωn ) (V. V. 2.1).76 0 0.5 1 0.19 -8. τq } associ´es ` ses diff´rents modes.Plat(:.254 -1.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.1)) >> initial(sys_lat. >> initial(sys_lat.4 0.5 −1 0..2 0 2 4 6 Time (sec) 8 10 12 Fig.1 0 −0.eye(4).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.2)) >> initial(sys_lat.’modal’) >> Plat=inv(Tlat).Tlat]=canon(sys_lat. 0]..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.0 0 1.4.

= 0.0088 = 113.08 Les modes propres lat´raux du Navion sont caract´ris´s par.70) Par extension.72) . = 1/0.4 ξinc.204 (V. = 1/0. τdrol. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par.51 = 0. τinc. e τsp.433 d´fini par sa constante de temps. · · · .73) (V.0088 d´fini par sa constante de temps.7 (V. e e e .82 ξphu.le mode de roulis p = −8.12 (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. = 1/8.le mode d’oscillation de roulis hollandais p = −0.le mode correspondant de spirale p = −0. = 0.le mode d’oscillation d’incidence p = −2.138 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. e e .213j d´fini par sa constante de temps et son ıde e amortissement. = 1/0.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. mˆme si cette condition n’est pas strictement v´rifi´e. ´ Definition V.71) . Pour un mode oscillatoire. τphu.486±2.51 ± 2. = 1/2.486 = 2.017 = 58.Si ξ = 0 alors le mode oscillant est non amorti .63 (V.06 ξdrol.le mode phugo¨ p = −0. ´ Definition V. e τrol.334j d´fini par sa constante e de temps et son amortissement.4.59j d´fini par sa constante de temps e et son amortissement. on parle o e e de modes dominants.74) .75) . ξq }.4. = 0.433 = 0. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me.4 (mode oscillant non amorti et ap´riodique) e .017 ± 0.

LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.0000 >> [Wn_long.6946 V.6070 3.0088 2.6070 Xi_long = 0.76) i=1 .2140 3.Xi_long]=damp(sys_long) Wn_long = 0.6946 0.2040 1.Xi_lat]=damp(sys_lat) Wn_lat = 0.4.4327 139 Xi_lat = 1.0000 0.3836 2.2140 0.0797 0.0797 0.3836 8.2040 0.2 Effets des z´ros et des pˆles additionnels e o Reprenons une fonction de transfert poss´dant des pˆles distincts stables et que l’on e o factorise sous la forme : m (p − zi ) H(p) = K i=1 n n = (p − pi ) i=1 ai p − pi (V.

e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1.1 (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) . >> clf >> step(H1) >> hold.78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros. le d´passement sera augment´ ou diminu´. e e Exemple V.79) e e ` e o` bi = ai /pi . m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V.4.[1 1 1]). e e n s(t) = K + i=1 bi epi t (V. On en d´duit donc que la contribution d’un pˆle pi e e o . Suivant que le e e e e e e z´ro sera stable ou instable.est augment´e par la pr´sence des pˆles voisins.140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors. 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].[1 1 1]).77) avec. >> step(H2) >> step(H1+H2) . e e e n h(t) = i=1 ai epi t (V. e e o Si l’on ´tudie la r´ponse indicielle.est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o . >> H2=tf([1/0. 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.

LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.5 H1 H Amplitude 0 −0.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. 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. e .4 0.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 )|.1 e e a o .5 −1 H 2 −1.5 1 0. e e e a . e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.5 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).4 1.4. Ainsi. dans de nombreux cas pratiques.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.8 0.L’addition d’un z´ro instable z ` une paire de pˆles dominants pdom diminue le e a o d´passement mais provoque le ph´nom`ne de r´ponse inverse augmentant ainsi les e e e e temps de r´ponse.4.6 H 1.2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.2 H 1 Amplitude 1 0. e .5 e Step Response 1.6 0.2 H 2 0 −0.8 141 1. e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel.5 e R´sum´ V.

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. e .05 t td 0. .20).temps de mont´e (rise time) tr . e Toutefois. V.temps de retard (delay time) td . le concepteur ne travaille pas directement sur ces grandeurs mais plutˆt sur les grandeurs (ωn . Imposer une condition du type. Il est alors possible de e sp´cifier des caract´ristiques temporelles identiques ` celles des syst`mes du second ordre.142 ANALYSE TEMPORELLE DES SYSTEMES En g´n´ral.temps d’´tablissement (settling time) ts . dans la pratique.5 0 tr tp t ts Fig.temps de sommet (peak time) tp . e .d´passement maximal (overshoot) Mp . ∀ i : τi < τmax ⇔ σ < σi (V. . e e a e y(t) Mp 0. ξ.19 – Sp´cifications de performance e . figure V. σ) d´finissant la position des pˆles dans le plan o e o complexe.80) revient donc a placer les pˆles ` gauche d’une verticale −1/τmax dans le plan complexe ` o a (cf. .

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

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

e ) [y.x]=lsim(sys. ) e e ) [y.t): effectue la simulation temporelle du mod`le LTI sys pour ) e l’entr´e u sur l’horizon temporel d´fini par t. e e V. ’square’ ou ’pulse’.V.2 Fonctions d’analyse des mod`les LTI e ) [Wn.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]=impulse(sys): r´ponse impulsionnelle du mod`le LTI sys. ) e e ) [y. ) e .5.t.u.t.x]=initial(sys.x0): r´ponse temporelle du mod`le LTI sys ` une condition initiale ) e e a x0 .5.tau): g´n`re des signaux temporels dans u de p´riode tau et dont ) e e e le type peut ˆtre ’sim’.5.1 Fonctions MATLAB Fonctions de r´ponse temporelle e ) [u.5 V.t. e o e e ) k=dcgain(sys): calcule le vecteur des gains statiques du mod`le LTI sys.t]=gensig(type. FONCTIONS MATLAB 145 V. ) [y.t.x]=step(sys): r´ponse indicielle du mod`le LTI sys.

146 ANALYSE TEMPORELLE DES SYSTEMES .

Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. D).1 Les syst`mes monovariables e Dans cette section. 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. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre.1. 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.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. e e ´ Definition VI. 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. 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). Historiquement. e ee e e e Cela explique en partie la persistance de ces m´thodes dans les bureaux d’´tudes et parmi e e les ing´nieurs. e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. Mˆme si comme nous le ee e e e verrons dans ce chapitre.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. 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. e e Toutefois. C. la plupart des outils peuvent ˆtre ´tendus au cas multivariable. De plus.1. e e e e VI. B.

e a e e Cela implique que les termes correspondants tendent vers 0 en r´gime permanent (quand e t → ∞). y3 (t) = X|G(jω)| ej(ωt+φ) − e−j(ωt+φ) = X|G(jω)| sin(ωt + φ) = Y sin(ωt + φ) 2j (VI. La o transform´e de Laplace de l’entr´e sinusoidale u(t) = X sin(ωt) est : e e U (p) = d’o`.3) p2 ωX + ω2 (VI. · · · . La r´ponse en r´gime permanent est donc donn´e par.1. −p1 . − pn sont stables donc ` partie r´elle n´gative. e e e y3 (t) = ae−jωt + aejωt o`.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.5) Xω a = G(p) 2 (p − jω) p + ω2 De plus.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 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.7) (VI.2) Pour un syst`me stable.1) On suppose ici que tous les pˆles de cette fonction de transfert sont distincts.8) . |p=jω XG(jω) = 2j G(jω) = |G(jω)|ejφ et G(−jω) = |G(jω)|e−jφ d’o`.6) (VI. u X|G(jω)|e−jφ X|G(jω)|ejφ a=− et a = 2j 2j On obtient ainsi.4) XG(−jω) 2j (VI. e ´ ` Theoreme VI. u y(t) = L−1 [Y (p)] = L−1 [G(p)E(p)] = ae−jωt + aejωt + b1 e−p1 t + · · · + bn e−pn t (VI. u a = G(p) p2 Xω (p + jω) + ω2 =− |p=−jω (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

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´. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. En effet. e Remarques VI. 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 s’engage sur des recherches g´n´rales en communication. Il meurt en 1976.1 Le gain du syst`me ` une pulsation donn´e est mesur´ par la longueur du rayon vece a e e teur correspondant alors que la phase est l’angle mesur´ positivement dans le sens trigoe nom´trique entre l’axe ox et le rayon vecteur. e e La mˆme ann´e. En 1932. Entre 1921 et 1935.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. e e . Il entre a AT&T pour d´velopper un syst`me de t´l´graphe et des ` e e ee m´thodes permettant la maitrise des messages dans les t´l´graphes a e ee ` bande ´troite. Il 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. Apr`s ee e e e 1935.2. 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. 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 . il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. Il publie un article sur la fr´quence de Nyquist en 1928.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de.

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

. Im 0 Im Re 1+jωT jωT Im Re 1+jωT Im Re jωT 1+jωT 0 . La figure 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 . VI. 1 Re jω 0 .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.13) Φ(ω) = − tan−1 (ωT ) .12) −ωT Y = Im(G(jω)) = 1 + ω2T 2 et par son module et sa phase : |G(jω)| = √ 1 1 + ω2T 2 (VI. 1 Re 1 (jω )2 Im 1 a 1+jω T 1+jω aT 0 .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.

12) permet de montrer que la courbe est un demi-cercle de centre e (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. (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI. e e a e (ωn . ξ).16) .14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0.5 Re |G(j/T)| ω = 1/Τ Fig. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.REPRESENTATION GRAPHIQUE 157 L’´tude de (VI.5. 0) et de rayon 0.5. 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.

19) e e Pour ω ∈ R+ . e ` e Nyquist Diagram 15 10 ξ = 0.7 ξ = 0.4 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.158 et sa phase par : REPONSE FREQUENTIELLE DES SYSTEMES LTI  ω  2ξ( ωn )  −1   φ(ω) = − tan  ω2  1− 2 ωn La partie r´elle est d´finie par : e e 1− R(ω) = 1− alors que la partie imaginaire est : −2ξ I(ω) = 1− ω2 2 ωn 2 ω2 2 ωn 2  (VI.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e . Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig. e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI. Cette pulsation est la pulsation de e cassure associ´e au second ordre.05 ξ = 0.1 ξ = 0. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn . l’analyse asymptotique montre que la phase tend vers −π.18) ω ωn ω + 2ξ ωn 2 (VI.7). Aux hautes e e fr´quences.17) ω2 2 ωn + ω 2ξ ωn 2 (VI.07 ξ = 0. VI.

[1 2 0]). >> nyquist(G). Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe.1 Soit la fonction de transfert G(p) = La fonction de transfert sinuso¨ ıdale est : G(jω) = On obtient donc : R(ω) = Re [G(jω)] = |G(jω)| = 4 √ ω 4 + ω2 ω2 −4 +4 I(ω) = Im [G(jω)] = φ(ω) = − π ω − tan−1 2 2 −8 ω(ω 2 + 4) 4 jω(jω + 2) 4 p(p + 2) Pour ω > 0. En effet. 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.2. . e Script MATLAB 17 >> G=tf(4.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. 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. e L’inconv´nient est qu’elle n’est pas adapt´e ` la repr´sentation de lieux de transfert e e a e form´s par des produits de lieux ´l´mentaires connus G(jω) = G1 (jω)G2 (jω). e Exemple VI. la partie r´elle et la partie imaginaire sont toujours n´gatives.

2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts.9 −0. ´ Definition VI.5 Real Axis −0. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s. 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.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.1 0 Fig.8 0+ −0. pulsation quelconque.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations.7 −0.3 −0. Une octave est e e e une bande de pulsations comprises entre ω1 et 2ω1 alors qu’une d´cade est une bande de pulsations entre ω1 et 10ω1 pour ω1 .2. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI. e 8 8 .6 −0.160 REPONSE FREQUENTIELLE DES SYSTEMES LTI Nyquist Diagram 20 ω 15 0− 10 5 Imaginary Axis ω 0 − + ω −5 −10 −15 ω −20 −1 −0.4 −0. VI.2.

Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. Il entre aux laboratoires de Bell Telephone comme math´maticien.20) pN . e Pendant ses premi`res ann´es aux laboratoires Bell. e e toute fonction de transfert peut ˆtre factoris´e comme : e e G(p) = K (1 + pTi ) (1 + 2 ξ/ωnj p + (pωnj )2 ) (1 + pTk ) (1 + 2 (ξ/ωnl ) p + (pωnl )2 ) (VI. VI. D de l’universit´ de Columbia en 1935. Alors qu’il travaille chez Bell. 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. il travaille principalement sur les syst`mes de commande de tir anti-a´rien et il re¸oit le Certificat Pr´sidentiel du e e c e M´rite en 1948. Il devient ` ` membre de l’Acad´mie des Sciences. il obtient son Ph. 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. En effet.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. 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. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. Pendant la seconde guerre mondiale. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. En 1955.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. 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. Il est all´ ` e e a l’´cole ` Urbana dans l’Illinois et obtient un diplˆme de l’universit´ d’´tat de l’Ohio en e a o e e 1926. Il meurt le 21 Juin 1982. 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 1952.

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

L’erreur pour une octave au del`. ω << ωc = 1/T . ω = 2/T . la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave.Pour les basses fr´quences.REPRESENTATION GRAPHIQUE 163 . Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e .6 5.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines. e e e c e .3 .En hautes fr´quences. l’amplitude en dB peut ˆtre e approxim´e par.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante. e √ (VI. domaine ”hautes e fr´quences” ω >> ωc .25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB. Dans le plan de Bode.26) Dans cette plage de pulsations. ω >> ωc = 1/T . e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI. ω = 1/2T de ωc vaut a ca −0. 45 26.7 63. 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 . e ` . 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.4 84. Les courbes de phase dans le plan de Bode des facteurs du premier ordre sont toutes identiques et peuvent ˆtre d´duites des points suivants : e e ω rad/s 1/T 1/2T 1/10T 2/T 10/T Φ deg. . domaine ”basses fr´quences” ω << ωc .97 dB.Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI. on obtient. et en de¸`.L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB.

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

REPRESENTATION GRAPHIQUE 165 Les deux asymptotes ont une intersection commune en la pulsation de cassure ωc = ωn . Toutefois.32) La phase est une fonction des deux param`tres pulsation propre et amortissee ment.Etude de la phase :  ω  2ξ( ωn )  −1   φ = − tan  ω2  1− 2 ωn  (VI.12 – Courbe de gain dans le plan de Bode d’un deuxi`me ordre avec r´sonnance e e . si ξ < 0. Son amplitude d´pend de e l’amortissement ξ. Mr . a la pulsation de r´sonnance ωr . ω rad/s ωr − 3 dB = ωn 1 − 2ξ 2 Bande passante à −3 dB Fig. la phase vaut. ω=0 φ = 0 deg 2ξ 0 = −90 deg (VI. il peut e ` e e exister un pic de r´sonnance. VI. Pr`s de la pulsation de cassure. ωr = ωn 1 − 2ξ 2 Mr = 1 2ξ 1 − ξ2 (VI.707.33) ω = ωn φ = − tan−1 ω = ∞ φ = −180 deg .31) |G(jω)| dB Asymptotes Mr = 1 2ξ 1 − ξ 2 ωn − 40 dB/ dec.

a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.1 1.2.3 ξ = 0.2 ξ = 0.2. ee 2.1 ξ = 0.Tracer les courbes asymptotiques.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte. VI. e e e a 3.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.5 ξ = 0.34) ´ Definition VI.05 ξ = 0.05 ξ = 0.1 −90 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.5 −180 ξ = 0.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.2.2 −135 ξ = 0.3 ξ = 0.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0. .Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires. e a ´ Procedure VI.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.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base. 4.

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

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. Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert.15 – Plan de Nichols-Black Remarques VI. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants. 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig.2.35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black. 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)|)). 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.2.168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI.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. e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI. VI.

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

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

38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg. nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode.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 .7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0.5 ξ = 0.3 ξ = 0.01 ξ = 0. aux hautes fr´quences. 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. VI.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 .1 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.

58 rad/s.’b’).G. Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.’.0273 System: G2 Phase (deg): −128 Gain (dB): −3.3 Frequency (rad/sec): 1.2. VI. >> G=tf(4.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.04 dB.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.172 Exemple VI. ` e .’g.14 Phase (deg): −38.58 System: G3 Gain (dB): −8.[1 0]). 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.’r-. >> G3=tf(1.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.58 Phase (deg): −90 Frequency (rad/sec): 1.[1 2 0]).G3.94 Frequency (rad/sec): 1.’. >> nichols(G2. e Script MATLAB 19 >> G2=tf(1.04 dB et le point correspondant a ω = 1.[1 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.40) La figure VI. VI.REPRESENTATION GRAPHIQUE 173 VI. 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. 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.2. ` Remarques 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. Exemple VI.4 Les syst`mes ` non minimum de phase e a ´ Definition VI. Dans le cas contraire.2.3 Cette d´nomination provient du fait que pour un module identique.2.20 – Phases de G1 et G2 pour T1 = 1.2.4 Afin d’illustrer au mieux la remarque pr´c´dente. il sera ` dit a non minimum de phase.20 montre le diagramme des phases de G1 et de G2 . 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. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI. T2 = 2 .

4 0. les fonctions de transfert G1 et G2 sont reli´es par : e G1 (jω) = G2 (jω) 1 − jωT1 = G2 (jω)G(jω) 1 + jωT1 (VI.2 −0.8 −0.8 1 Fig. nous donnons les lieux de transfert de G a dans le plan de Nyquist. VI.6 −0.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 . A titre d’exemple.4 −0.8 0.2 0 Real Axis 0. le module et la phase sont li´s par une relation e a e biunivoque.2 Imaginary Axis 0 −0.4 −0. Nyquist Diagram 1 0.4 0. VI.6 0. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase. Si la courbe de gain est connue sur l’ensemble des pulsations.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.6 −0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique.6 0.8 −1 −1 −0.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.42) Le module de G(jω) vaut 1 tandis que son argument est donn´e par : e Arg (G(jω) = −2 tan−1 ωT1 0 −20 −40 −60 −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 0 10 1 10 2 10 3 Fig.2 0.

seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.H=tf({1 3. 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.2.45 s + 10 #2: .002 s^2 + 0..[2 1] [1 4]}. Dans la a e majorit´ des cas..002 s^2 + 0.6 (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.1.den den}) Transfer function from input 1 to output.21 s^3 + 7.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.2 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. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.2 5]).[1 0.2.5 Extension aux syst`mes multivariables e La section I.2.{den den. ´ Definition VI. 1 #1: ---------------------------------------s^4 + 0.5 (mod`le deux entr´es .21 s^3 + 7.01 2]. Cela impose donc le plan de Bode e e comme seul outil disponible. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.REPRESENTATION GRAPHIQUE 175 VI.

45 s + 10 s + 4 ---------------------------------------s^4 + 0.21 s^3 + 7.002 s^2 + 0. 3 #1: ---------------------------------------s^4 + 0.21 s^3 + 7.002 s^2 + 0...45 s + 10 #2: >> sigma(H) >> grid .176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

e ` ea 179 . seuls les syst`mes monovariables sont trait´s. Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e. biographie). 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. Adopter une telle structure de commande induit bien e entendu un certain nombre d’avantages mais aussi quelques inconv´nients que nous allons e d´tailler a travers un exemple simple emprunt´ ` [13]. il 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). Dans ee e e la suite de ce cours. VII.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif.Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. 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. 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. Jusqu’` pr´sent.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). 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.1. Dans un premier temps. En r´sum´. 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.1. Cette e e structure est illustr´e figure VII.

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

2) o` la constante k est ` choisir par le concepteur du syst`me de commande.` ` ´ VII. Ce type de loi u a e de commande est qualifi´e d’int´grale puisque.4) x2 (t) = −kx1 (t) + ke(t) ˙ Ce syst`me d’´quations diff´rentielles est simul´ ` l’aide de SIMULINK suivant le e e e e a sch´ma suivant : e e e1 Constant1 x20 1 e s Integrator1 k Sum1 k Sum4 1 s Integrator3 al Sum2 alpha x2 x2 x1 x1 1 s Integrator2 2 u Math Function 1 s Integrator4 x10 Constant Sum3 t Clock time Fig. SYSTEMES DE COMMANDE A CONTRE-REACTION Perturbation Ouverture des gaz u Correcteur vr − vr − v Véhicule 181 Vitesse de référence + Vitesse du véhicule v Fig. e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (VII. e a u(t) = k(vnr (t) − vn (t)) ˙ (VII.3 – Sch´ma SIMULINK de l’exemple voiture e . VII. VII.1.3) 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). e √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (VII.2 – Commande de la vitesse de croisi`re d’un v´hicule e e La loi de commande associ´e ` la fonction de correction est choisie comme.

VII.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. 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 = 0.6. la r´ponse est tr`s lente.05 0.08 0.62 k=0.08. = 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. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.6 e ee e ` ` l’instant 10 s. que pour les valeurs k = 0.56 k=0. . Le signal de r´f´rence est donc un ´chelon passant de 0.02 v 0.1}. 0. 0.1 et k = 0. a Quelle que soit la valeur du gain de l’action int´grale k.05 et m m de masse de 20% et 40%.06 correspondant a des accroissements respectifs ` pour k = 0.4.5 a 0. On refait donc les simulations m √ √ ρc ρc = 0. 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 ∈ {0.52 0.54 0. 0.08.6 k=0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0. e e On peut remarquer sur la figure VII.58 0. 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 = 0.6.1 k=0.02.05. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis.05.02. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0.08.

SYSTEMES DE COMMANDE A CONTRE-REACTION 0.4 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. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.56 v 0.65 0.6 0.45 avec perturbation 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.58 0. 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. VII. e a e Si l’on consid`re des conditions r´alistes.5 0. e √ √ ρc 2 ρc (VII.54 0.62 183 0.1. 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. VII.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.7 0. 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.52 0. e e e e .35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.55 v 0.6 sans perturbation 0.

Am´lioration de la pr´cision en boucle ferm´e e 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. VII. 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. 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. . e e VII. Les bruits et les erreurs de mesure associ´s ` cette e a op´ration peuvent entrainer des pertes de pr´cision.1. a travers l’introduction de e e e ` la perturbation. on peut mettre en ´vidence les propri´t´s fondamentales de e ee la structure de commande a contre-r´action.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 (` ).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.u est la commande issue du correcteur K(p) .Robustesse du syst`me boucl´ vis-`-vis de variations param´triques e e a e .r est le signal de r´f´rence que doit suivre la sortie ee .y est la sortie du syst`me e . e e .2 Caract´risation des syst`mes de commande ` contre-r´action e e a e Jusqu’` pr´sent.Le probl`me de stabilit´ est plus crucial en boucle ferm´e qu’en boucle ouverte. r + − ζ K(p) b + + ν u G(p) y + + w Fig. En e e e effet. L’exemple de la section pr´c´dente induit.184 ANALYSE EN STABILITE DES SYSTEMES BOUCLES A partir de cet exemple.La structure de commande a contre-r´action implique le plus souvent de disposer ` e d’un capteur mesurant la sortie. nous avons principalement d´fini les transferts en boucle ouverte et a e e en boucle ferm´e. ` e . e .7 – Sch´ma bloc avec perturbation et bruit e o` : u .

` ` ´ VII. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII.7) ´ Definition VII.b est le signal des perturbations = r − y est le signal d’erreur 185 .1.10) Afin de conserver un certain contrˆle sur l’amplitude de la commande d´livr´e et de la o e e commande re¸ue.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. SYSTEMES DE COMMANDE A CONTRE-REACTION . a S(p) + T(p) = 1 (VII.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. diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s. 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 .8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc.1. e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (VII.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) .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.7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII. 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.w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel.

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

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

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) .

e e .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∞ . Il est orient´ dans le sens antitrigonom´trique. 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.14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit.2. 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.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. j∞] et d’un demi-cercle centr´ en (0.´ ` ´ VII. a r + − ζ K(p) u G(p) y Fig. 0) de rayon ee e infini incluant le demi-plan complexe droit. e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII.15) G(p)K(p) 1 + G(p)K(p) (VII. e VII. La forme e e initiale du crit`re s’applique aux syst`mes mono-entr´e mono-sortie mais peut ´galement e e e e ˆtre ´tendue aux syst`mes multivariables et fait essentiellement appel a des r´sultats e e e ` e d’analyse complexe sur les transformations conformes et en particulier le th´or`me de e e Cauchy.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. la sensibilit´ compl´mentaire T (p). K(p) = NK (p) DK (p) (VII.2.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e.2.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note. ´ Definition VII. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII. quand l’assere e e vissement est ` retour unitaire. VII.

Si e la fonction de transfert en boucle ouverte poss`de des pˆles ou z´ros sur l’axe imaginaire.190 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Il ne doit pas contenir de singularit´s de la fonction de transfert en boucle ouverte. VII. e Contour de Nyquist Im Contour de Nyquist modifié : système avec 1 intégration Im r= r= Fig.le lieu de transfert de K(p)G(p) dans le plan de Nyquist K(jω)G(jω) pour ω ≥ 0 . e ´ Definition VII. e o e on d´finit alors le contour de Nyquist modifi´ comprenant des indentations en la e e localisation des singularit´s critiques.10 – Indentation pour une int´gration e Sur le contour modifi´ p = ρejθ avec ρ → 0 et −π/2 ≤ θ ≤ π/2. VII.2 (lieu de Nyquist complet) Quand p = σ + jω parcourt CN .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.2. la fonction de transfert K(p)G(p) parcourt le lieu de Nyquist complet.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 . θ variant dans le sens e trigonom´trique. Il est constitu´ par : e .

ANALYSE EN STABILITE DES SYSTEMES BOUCLES . o a e Afin d’appliquer correctement le crit`re de Nyquist. 0).Dans le cas o` le contour de Nyquist a une indentation. o e e . le lieu de Nyquist est complet et ferm´.2.8 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. . fermer le lieu de u Nyquist.17) 1.2. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant. CN o 2.Calculer la boucle ouverte de l’asservissement consid´r´.16) Exemple VII. ` G(p) = K p(1 + T p) T >0 K>0 (VII.1 1.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1. il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII. 4. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p).La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e . 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.2.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte.Compter le nombre P de pˆles instables de la boucle ouverte.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .Tracer son sym´trique par rapport a l’axe ox.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII.1 Le syst`me ` contre-r´action de la figure VII. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.Tracer le lieu de Nyquist complet de la boucle ouverte. 3.

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

13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e .20) K K G(p) ∼ ∼ e−jθ p ρ 3.P = 0.2 (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. Dans certains cas particuliers et sous certaines hypoth`ses.N = 0.2. Ce crit`re peut s’appliquer e e e e e indiff´remment dans le plan de Nyquist et dans le plan de Nichols-Black. 4. VII.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. 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. p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII.2. il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers. Im Im −1 Re −1 Re K(j ω)G(j ω) K(j ω)G(jω ) Fig. Le syst`me est donc stable asymptotiquement. e ´ ` Theoreme VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation.

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.1. Dans le § VII.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII. 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 pour lequel les donn´es de l’exemple VII. VII. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement.1 e e e sont reprises.7 incluant une perturbation e et un signal de bruit de mesure. nous avons d´fini un certain nombre e de transferts. En effet. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement.2. 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.194 | | ANALYSE EN STABILITE DES SYSTEMES BOUCLES dB | | dB −180 K(jω )G(j ω) Φ o K(j ω)G(j ω) Φ o −180 stable instable Fig.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente. e a e e e e .2. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII.1. les fonctions de sensibilit´. 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. VII.

il est n´cessaire de s’assurer que e e e la boucle de la figure 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. e e ´ Definition VII.3 (bien pos´) e La boucle a contre-r´action de la figure VII. 0) est asympe e e totiquement stable.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. e ´ Definition VII. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat.2.4 (stabilit´ interne) e Soient les repr´sentations minimales d’´tat de G et de K : e e K(p) : = AK BK CK DK G(p) : = A B C D −1 = 1 −K −G 1 u v e Pour v1 = v2 = 0. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII. On dit alors qu’elle est bien pos´e.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.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre. . VII. xK ) = (0.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne.

2. v) sont born´s. >> L=G*K.2.21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.2326 .7). Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII. les signaux de sortie (u.5p + 1)2 (0.1434 -0. Pour tous les signaux e e d’entr´e born´s (v1 .2.1 a .5 1]. e Script MATLAB 22 >> G=tf([10]. >> S=inv(1+L).conv([0.3 .5 1]))).1023i .[2 1])).[0.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII.9878 -3.15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 .conv([0. la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands. e e .196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII. v sont stables asymptotiquement. v2 ).1.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. ν2 aux sorties e e u.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.2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.05 1]. e ua e Exemple VII.2326 + 1. .Test entr´e-sortie : la boucle ` contre-r´action de la figure VII.1023i -0. >> K=tf([1 1]. >> pole(S) ans = -19.conv([5 1].Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement.

2).1434 -0.1023i -0.1) BK]*inv([1 DK.9878 -3. >> sysK=ss(K).-D 1])*[zeros(1.1035 >> GS=G*S.D]=ssdata(sysG). >> [AK. zeros(2.3) AK]+[B zeros(3.1023i 1.1.1035 >> T=1-S. >> Abf=[A zeros(3.1.0000i 0.0000i >> KS=K*S.CK.0000 -1.2326 -2.9878 -3.1434 -0.zeros(2.3) -CK...1).1023i -1.1035 -0.1023i 0.5000 >> sysG=ss(G). >> pole(T) ans = -19.9878 -3.DK]=ssdata(sysK).0000 -2. >> pole(GS) ans = -19.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.1023i -0.2000 + + - 1.B. >> pole(KS) ans = -20.2)].2326 .2326 -0.2326 + 1.2326 + 1.1035 -0.C zeros(1..C.BK.0000 -19. .1023i -1.2326 .1434 -0. >> [A.

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.1023i -3.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII. L’interconnection pr´sent´e e e figure VII. e e >> G=tf([1].4 On suppose que G(p) et K(p) sont asymptotiquement stables.[1 1]).9878 -0.1023i -0.15. >> L=G*K. 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.2.2 . on obtient : e e max |K(jω)G(jω)| = 0.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.2.[1 0.3015 ω Le syst`me est stable de mani`re interne.22) Remarques VII.1p + 10 En appliquant le th´or`me du faible gain.2326 .1.1035 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.2326 + 1. >> K=tf([0.1p p+1 1 p2 + 0. e e e .1434 -1. e ´ ` Theoreme VII.1 10]).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. .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).2. e e Exemple VII.

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. la stabilit´ absolue e e e telle qu’elle peut ˆtre attest´e par le crit`re de Nyquist n’est pas l’unique indice pertinent.16 – Courbe de gain dans Bode de L VII. VII.2. 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. j0) dans le plan de Nyquist. Dans le domaine temporel. 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´.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. .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´. le pic de r´sonnance Mr peut ´galement servir a cet effet. cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement. Dans le domaine e e e ` fr´quentiel.inf) ans = 0.

Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.26) Remarques VII.2. e e e Im 1 |G| dB MΦ ωco 0 dB Φo Kg −1 MΦ ωco ω−180 Re Kg ω−180 −180 Nyquist Black−Nichols Fig. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.2.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII.3 Pour un syst`me ` minimum de phase.25) (VII. VII. Arg[L(jω−180o )] = −180o (VII.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.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.2.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black .

1 0]. >> L=K0*G*K.[1 0. >> K=tf([0. >> K0=100.5 10]).4 On reprend l’exemple V.2.3 et l’on rajoute un gain K0 = 100 dans la boucle.8 deg (at 4.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. Pm = 25. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.[1 1]).42 rad/s.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.2. >> margin(L) . 8 deg pour ωco = 4.18 – Marges de gain et de phase dans le plan de Bode Exemple VII. Bode Diagram Gm = Inf dB (at Inf rad/sec) .

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.00322 Phase (deg): −154 Frequency (rad/sec): 4. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.20 – Plan de Nichols-Black .19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0.449 Frequency (rad/sec): 4.908 Imag: −0. VII.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig. VII.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig.

c’est donc le rayon du cercle de centre le point critique (−1.21 – Marge de module dans le plan de Nyquist Exemple VII. Dans le plan de Nyquist.5 On poursuit l’exemple V. VII.2.2. e e ´ Definition VII. ∆M = 1 1 = MS max |S(jω)| ω (VII.5 Imaginary Axis 0 −0. e Nyquist Diagram 2 1.27) Im −1 ∆M 1 Re G(jω ) Fig.5 −1 −1. Une mesure plus objective est d´finie par la marge de module. 0) et tangent au lieu de transfert.3 avec le mˆme gain K0 = 100 dans la boucle.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises.22 – Marge de module dans le plan de Nyquist .5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig.5 1 0. VII.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte.2.

14 rad/s et Mr = 15. >> K0=100.2.2.6 On poursuit l’exemple pr´c´dent. >> Mod=inv(norm(S.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0. On trouve ωr = 3. >> L=K0*G*K. Script MATLAB 24 >> G=tf(1. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.6 dB.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.inf)) Mod = 0.6 (VII.40911. >> S=inv(1+L).[1 0.14 Magnitude (dB): 15.28) 10 0 −10 Magnitude (dB) −20 −30 −40 −50 −60 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig.1 0].23 – Pulsation de r´sonnance e .5 10]).4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir.[1 1]). e e Bode Diagram 20 System: L Frequency (rad/sec): 3. VII. >> K=tf([0.

9 (facteur de qualit´) e Le facteur de qualit´ est d´fini par : e e Q= max|F(jω)| |F(jωr )| = |F(0)| |F(0)| 205 (VII. u e Ce coefficient est ´galement appel´ coefficient de r´sonnance ou coefficient de surtene e e sion. 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. Nous examinons en premier lieu la m´thode pour e le plan de Nyquist. M-cercles et N-cercles Etant donn´ un asservissement ` retour unitaire. VII.24 – Asservissement a retour unitaire ` L(p) est stable.2. 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.25 – Lieu de Nyquist .29) o` F (p) est la fonction de transfert en boucle ferm´e. 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. r + − u L(p) y Fig. VII.

31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). . culer pour chaque pulsation donn´e.33) . u e e ´ Definition VII. 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.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.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.206 − → OA repr´sente L(jωA ). e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.707. les lieux d’amplitude constante et de phase constante en boucle ferm´e.34) o` N = tan(α).32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e.30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. Ainsi.10 (M-cercles et N-cercles) . 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. u A partir de ces M-cercles et de ces N-cercles. il s’agit de calL(jω) . 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. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII. 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. On note. 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.

5 1 1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.5 2 2.833 0.5 −1 −30o −2 −2.707 M = 1.3 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. e e ea 2. Un exemple d’abaque est donn´ ` la figure VII.5 2.27 – Abaque des N-cercles .5 30o (−150o) 36o 45 1 o 2 1.27.707 0.5 −36 o −0.5 Im G 0 −90o −60o −45o −1.2 1.5 60o 90o 0.5 −1 −0.5 Fig.5 −2.67 0.5 Re ω r (Mr = 2) M=0 Fig. VII. VII.5 −2 −1.5 0 Re G 0.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.

il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols. Ainsi ` partir de la figure VII.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1.16 rad/s ω = 3. 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.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1.7 En reprenant l’exemple pr´c´dent.92 Frequency (rad/sec): 3.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.28.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte.29 qui forment l’abaque de Hall-Nichols.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII. e ω = 2. De ce fait. 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.87 Imag: −1.2. e .62 rad/s ωr = 4. on peut calculer des e e a points de la boucle ferm´e. VII.375 Frequency (rad/sec): 2.28 – Exemple : abaque des M-cercles Abaque de Hall-Nichols Un inconv´nient majeur de l’utilisation des abaques des M-cercles et des N-cercles e est que la forme g´n´rale de la courbe du lieu de tranfert dans le plan de Nyquist n’est e e g´n´ralement pas conserv´e lors de modifications mˆmes ´l´mentaires de la fonction de e e e e ee transfert (changement de la valeur du gain par exemple).64 Imag: 0. ` 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.

29 – Abaque de Hall Exemple VII. VII.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.25 dB 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 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) .2.25 dB 0.5 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.

e e Mφ = 60 deg ωco = 1.8 rad/s Nichols Charts 50 40 0 dB 30 0.210 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 dB ωr = 2. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance. e En produisant un zoom sur les fr´quences interm´diaires. il est alors possible de calculer e e la marge de phase.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.25 dB Open−Loop Gain (dB) 10 Mφ Kg −150 Open−Loop Phase (deg) −100 −50 Un trac´ identique est donn´ pour K = 5 o` l’on peut voir l’effet de l’augmentation e e u du gain sur le syst`me en boucle ferm´e.5. la marge de gain. e e .

25 dB Open−Loop Gain (dB) 10 −150 Open−Loop Phase (deg) −100 −50 .25 dB 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 = 2.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.5 −60 dB −80 dB −100 −100 dB −120 dB −140 dB −150 −160 dB −180 dB −200 −200 dB −220 dB −350 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) Nichols Charts 50 40 0 dB 30 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 211 Nichols Charts 50 K=5 0.

4 Si l’asservissement n’est pas unitaire. il faut calculer.2. 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase.212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques 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) . (VII.

EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII.fait Pbo tours dans le sens trigonom´trique autour de l’origine.1 Soit la boucle ouverte L(p) telle que : 1  1 + L(p) =  (p + 2)(p + 3) 0 On calcule : det(1 + L(p)) = 1 (p + 2)(p + 3)(p2 − 2p + 10)   p (p − 1)(p + 2)   1 p2 − 2p + 10 On a donc deux pˆles instables en boucle ferm´e p = 1 ± 3j et Pbo = 2.O. e . seules quelques extensions de ce qui a ´t´ vu pr´c´demment sont ee e e pr´sent´es pour les syst`mes multivariables.3. Remarques VII. e Exemple VII.` VII.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. e o e ´ ` Theoreme VII.3.24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables.ne passe pas par l’origine.3.3 Extension aux syst`mes multivariables e Dans cette partie. 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)).1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e .1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII. Le lieu de o e Nyquist complet est alors trac´ comme : e .3. e e e VII. dans L(p).

u e e a Exemple VII.04 Imaginary Axis 0.0 -1 1.06 det(1+L(p) 0.2 0.6 0.08 0 0.0 1].1 0.06 −0.02 To: Y(1) 0 −0.04 −0.4 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.8 1 1.3.0 0 0.2 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. Le syst`me est instable.08 0.5 0 0 0 0 0. .3. a e VII.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.02 −0.0 0 -4].2 Soit l’asservissement a retour unitaire du type de la figure VII.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.5 0 0.5 0 0.C=[0.B=[1 0.3.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.5.5].2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2. ´ ` Theoreme VII.

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

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

Les sp´cifications de pere e e e formance pour un syst`me de commande peuvent ˆtre constitu´es de crit`res temporels e e e e relatifs au r´gime transitoire. L’objet de ce chapitre est donc de fournir des m´thodes permettant de mani`re e e e syst´matique la g´n´ration de sp´cifications de performance. Les performances d’un e e e syst`me dynamique doivent donc ˆtre d´finies et sp´cifi´es pr´cis´ment afin de faire une e e e e e e e analyse et une synth`se ad´quates du syst`me de commande. 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. 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. e e e e 217 . Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. 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. Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. 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. 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.

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

e . 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´.9) 1 . Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences. e ωb < ωco (VIII.Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII.10) (VIII.7) e Du fait que T + S = 1 et S = (1 + GK)−1 . On en d´duit que : |S(jω)| 1 .5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω). e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w). 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.6) 1 (VIII.8) |K(jω)G(jω)| |T (jω)| ∼ 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ (r − w) et ∼ w.SPECIFICATIONS FREQUENTIELLES 219 VIII. en boucle e e ferm´e ou en boucle ouverte.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.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). Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb .2.

Pour que w ait peu d’influence sur y : |T (jω)| .14) VIII.13) |K(jω)G(jω)| |T (jω)| 1 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ Gb et ∼ r − Gb.2. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment.2. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco . ee e e (VIII. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.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.12) 1 (VIII.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.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.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .

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

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 . Dans le cas contraire. la bande passante est un indicateur de performance particuli`rement important.2. e e . pour les pulsations e e inf´rieures ` ωB .21) (VIII.1 .La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII.20) (VIII. e ´ Definition VIII.La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte.19) Dans la majorit´ des cas.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e.707 = −3 dB 2 (VIII. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0. on a alors : e e ωB < ωco < ωBT (VIII.. Au del` de ces pulsations. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me. ωB = ωBT .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. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances. 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. e Remarques VIII.2. ωBT ]. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB . e e e C’est une ´tape importante dans l’´tape de mod´lisation.22) VIII. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me.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.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1. la commande est effective et am´liore les performances.2.

pente de −20 dB/decade autour de ωco pour satisfaire la condition de roll-off . la traduction des exigences de e performance vues pr´c´demment reviennent ` modeler la courbe de la boucle ouverte sur e e a diff´rentes plages de fr´quences.SPECIFICATIONS FREQUENTIELLES 223 la repr´sentation fr´quentielle des fonctions de sensibilit´ ou a la fonction de transfert en e e e ` boucle ouverte L(p).pente sup´rieure ` −20 dB/decade aux hautes fr´quences (ω ≥ ωh ) pour le e a e filtrage des bruits e e . R´aliser un compensateur remplissant de telles exigences e e e est appel´ faire la synth`se d’un correcteur par loopshaping.pente aux basses fr´quences (ω ≤ ωb ) d´finie par le mod`le de la perturbation e b(p) e e 3. 1.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. 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. e e e la fonction de transfert en boucle ouverte L(jω) = K(jω)G(jω). Si l’on souhaite travailler uniquement sur cette derni`re.sp´cification de la pente de la courbe de gain en boucle ouverte |L(jω)| sur certaines e plages de fr´quence : e .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.sp´cification du nombre d’int´grateurs dans L(p) par la r`gle des int´grateurs e e e e 2. e . La courbe de gain dans e e Bode de la boucle ouverte L(jω) = K(jω)G(jω) prend classiquement la forme suivante.

448 deg.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.5 et des pulsations de coupure ω−180o = 0.9588 dB (at 0. e e e .41 rad/s. a e e . e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples.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. (at 0. e e e e e Exemple VIII. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig. 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 = 48.1 rad/s.2.20372 rad/sec) 10 0 −10 Phase (deg). Bode Diagrams Gm=7. ωco = 0.25) (VIII. Pm=48.24) Ce mod`le poss`de les caract´ristiques suivantes.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. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII.5 deg.41231 rad/sec). VIII.2 rad/s et ωp2 = e 0.3 – Courbe de gain de G(p) .2 rad/s.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0.5. une marge de gain Kg = 2.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.

Cela permet de choisir ωb = 0. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII. L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII. e ` e .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.29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0.30) . 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. e .27) Pour ω = 0.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) = . |Gb (jω)| ∼ 0 dB.Le bruit de mesure intervenant au del` de 0.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII. On obtient donc.33p + 1) (VIII. 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 .Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration.5 rad/s et β = 0.5 Hz doit ˆtre filtr´.1 rad/s.26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p. A ce stade.1 rad/s. e e e 225 . 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. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s. Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation.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.

On obtient alors : L(p) = 0.43 rad/s Bode Diagrams Kg = −0.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte. e e .95 rad/s 60 40 20 0 Phase (deg). ω−180o = 0. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0.33p + 1) (VIII. VIII. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche.92 .44 ωco = 0.15 et a ` une pulsation de coupure ωco = 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.15(−2p + 1) p(2p + 1)(0. Magnitude (dB) −20 −40 −60 L(p) L0(p) G(p) 0 G(p) L(p) −100 −200 −300 L0(p) 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.2 rad/s.4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.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.

SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0.8 0.44 rad/s Bode Diagrams 227 ωco = 0.) 25 30 35 40 Fig.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg). VIII.2 0.2 0 0 0 14 28 Time (sec.5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le. VIII. on obtient un compensateur ´gal a : e e e ` K(p) = 0.) 42 56 70 0 5 10 15 20 Time (sec. e e e Step Response Step Response 1 1 0.8 0.4 0.15(10p + 1)(5p + 1) p(2p + 1)(0.33p + 1) (VIII.6 0.4 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.6 – R´ponses indicielles e .6 Amplitude Amplitude 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).

7 – R´ponses a une perturbation en ´chelon e ` e VIII.) 42 56 70 0 10 20 30 Time (sec. Des valeurs de MS et de MT grands indiquent une faible performance du ee syst`me ainsi qu’une faible robustesse vis a vis des perturbations pouvant l’affecter. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me.6 0.8 0.2 0 0 0 14 28 Time (sec.4 0. En effet.34) MT ≤ 1. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.2 0. e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires.2.7 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. e e e Step Response Step Response 1 1 0.7 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´. VIII.) 40 50 60 Fig.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.4 0.8 0.35) .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.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.6 Amplitude Amplitude 0.

707 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.2. Un choix usuel est MS = 2. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII. e e e e e ∆M = 1 MS 229 (VIII.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.SPECIFICATIONS FREQUENTIELLES Remarques VIII.le modelage de S sur certaines plages de fr´quences e 4. 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.une erreur maximale de position en r´gime permanent A e 3.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.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.2.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .l’amplitude maximale du module de S : ||S||∞ < MS (VIII.39) Remarques VIII.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme. 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.

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

elle est ´gale a M ≥ 1 e e ` .15(−2p + 1) p(2p + 1)(0.[1 0]).15].ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII. >> L=tf([-0.8.5.4 Afin d’am´liorer les performances. 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.8 ωB = 0.2. Script MATLAB 26 >> M=1. >> bodemag(S. e e la boucle ouverte vaut : L(p) = 0.3 On reprend l’exemple utilis´ pour le loopshaping de la section III.aux hautes fr´quences. Il e e a e est ` noter sur la figure VIII. Apr`s loopshaping.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.[0.3 0.Omega_B=0. >> Wp=tf([1/M Omega_B].05.42) Exemple VIII.2.1/Wp) >> grid A=0 . >> S=inv(1+L).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.conv([2 1 0].SPECIFICATIONS FREQUENTIELLES .2.33 1])).2.7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.

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

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

e e e e ee .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 .234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig. VIII.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.3.3. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.9.46) (VIII.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII.3. seul l’outil e e math´matique est r´ellement diff´rent. En fait. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement 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. Afin de ne pas alourdir ce document. ´ Definition VIII.9 est compl`tement caract´ris´ par les fonctions de transe e e e fert : Sy = (1 + GK)−1 Su = (1 + KG)−1 Ty = (1 + GK)−1 GK Tu = (1 + KG)−1 KG (VIII. ´ ´ Proprietes VIII.

On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0. VIII.49) ` .1 Pour les syst`mes MIMO.7 ≤ ωB ≤ ωσ(S)=0. l’erreur s’exprime comme suit.47) Pour que le suivi de r´f´rence soit bon. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec .Ai . la bande passante d´pend des directions.7 .3. = s − r = Sy (d − r) − Ty n + Sy Gb (VIII.9.10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII. les relations de l’asservissement VIII.50) (VIII.SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant. En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII. il est donc indispensable que l’influence de r ee sur soit la plus faible possible.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII.ωBi bande passante a −3 dB 10 1 10 0 Amplitude 1/Wi 10 −1 |S| 10 −2 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 Fig.48) cela peut s’exprimer par la relation suivante.

faible ` basses fr´quences a e ω < ωB .Filtrage des bruits de mesure : Ty faible ou L faible σ(WT Ty (ω)) < 1 ∀ ω ⇔ ou σ(L) faible 0 ≤ ωB ≤ ω W T Ty ∞ Wp Sy ∞ <1 Wu KSy ∞ <1 <1 .236 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Si l’on souhaite associer un unique indicateur pour la bande passante.∼ 1 aux hautes fr´quences e ω > ωB σ(S) ∼ 1 σ(S) 1 . 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). ´tant donn´ le filtre choisi.41 . la pire direction est choisie ωσ(S)=0.41 ≤ σ(S) ≤ 2.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. Pour un bon suivi de r´f´rence. le trac´ des valeurs sinee e e e guli`res min et max de S doit donc suivre un gabarit : e . En effet. 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.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 .7 .R´duction d’´nergie de commande u et ν faibles : KSy .

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

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

e . 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´. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. a Il est l’inventeur du spirule. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs.R. 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. 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. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice. Evans a d´velopp´ une m´thode graphique en 1948. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971.240 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. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. Quand le gain de la boucle varie. 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 meurt le 10 juillet 1999. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). e e e W. il entre ` la soci´t´ Autonetics. 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 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. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. Il publie Control system Dynamics e e en 1954. 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. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation.

IX. e e e .7) .2.1 (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.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.2. r + − ζ G(p) F(p) y Fig. CONSTRUCTION DU LIEU D’EVANS 241 IX.4) (IX.2.IX. · · · ) .1 Les valeurs de p telles que les deux conditions IX. 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.6) (IX.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement. 2. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.Condition d’amplitude : |G(p)F (p)| = 1 (IX.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. e e o e ´ Definition IX.5) Remarques 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. Dans la majorit´ des cas.5 et IX.6 sont v´rifi´es. 1.2 IX.

Pour cela. r + − ζ K u G(p) y Fig. 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.2.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.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.4 – Exemple .3 – Mesure des angles et des amplitudes IX.2 R`gles g´n´rales de construction e e e Les r`gles g´n´rales de construction du lieu des racines sont donn´es sous forme e e e e g´n´rale puis sont illustr´es ` l’aide de deux exemples. IX. nous reprenons le sch´ma e e e a e d’asservissement initial.

13) K p(p + 1)(p + 2) (IX. Si ce nombre est ´gal au nombre de pˆles en boucle ouverte. Les pˆles et les z´ros de la boucle ouverte sont repr´sent´s dans le plan complexe par o e e e une croix et un cercle respectivement. e m branches finies Exemple 1 : . e e K→0 lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX.10) (p + 2) G2 (p) = 2 p + 2p + 3 .Etape 1 : factorisation de l’´quation caract´ristique. 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. K→+∞ lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX.3 pˆles en boucle ouverte et en boucle ferm´e.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.CONSTRUCTION DU LIEU D’EVANS o` pour les deux exemples : u G1 (p) = 1 p(p + 1)(p + 2) 243 (IX. il y a autant de branches au lieu des racines qu’il y a de pˆles en boucle o ferm´e. De plus. 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 → ∞). −2 o e n − m branches infinies .Etape 2 : localisation des pˆles et des z´ros de la boucle ouverte dans le o e plan complexe. 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. −1. 0.12) .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.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.

Etape 4 : d´terminer les asymptotes au lieu des racines. Il y aura donc trois branches o e e infinies. o e e . Exemple 2 : le segment ] − ∞ . . · · · ) (IX.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. .17) Remarques IX. o e ` e Pour chaque portion de l’axe r´el ` tester.Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el.2 . prendre un point test. il y a n´cessairement 3 branches infinies. − 2] et [−1 . Exemple 2 : √ . 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. . −1 ± j 2 o .Les asymptotes indiquent le comportement pour |p| 1. . Il y aura donc 1 branche finie o e e et une branche infinie. 2.18) . 0] appartiennent au lieu des racines. Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´.Il y a un z´ro. −2 e . e Exemple 1 : les segments ] − ∞ . e Si le lieu des racines a des asymptotes alors.L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0. Exemple 1 : puisque n − m = 3.2. e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX.Pas de z´ros e .Le polynˆme caract´ristique est de degr´ 2.Il y a deux pˆles en boucle ouverte.16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte.244 ANALYSE PAR LE LIEU DES RACINES . 1. 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] appartient au lieu des racines.Le polynˆme caract´ristique est de degr´ 3.Une branche du lieu peut ou non traverser l’asymptote correspondante.

Si les rae e e cines sont r´elles. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX. 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.2.D´terminer les racines r´elles et complexes de cette ´quation. e Exemple 1 : l’´quation caract´ristique s’´crit.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. On suppose que le polynˆme caract´ristique s’´crit. e e e 3.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. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante. On obtient donc.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines. e e 2.Calculer l’´quation alg´brique (IX. Dans le cas come e plexe.23) d’o` K = −p3 − 3p2 − 2p.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. 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. e e e 1+ K =0 p(p + 1)(p + 2) (IX.21) Remarques IX.20) . o e e B(p) + KA(p) = 0 alors. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1.22) (IX. il existe au moins un point d’´clatement e e (respectivement de rencontre). on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique.21). Si K > 0. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines. u dK = −3p2 − 6p − 2 = 0 dp (IX.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.24) . ce point appartient au lieu des racines. e e ` e .3 . cette v´rification est simplement graphique.19) Exemple 2 : on a n − m = 1.

Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire.27) (IX. K = 6). La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. (IX.26) p2 + 2p + 3 p+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.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 −1.2679 et −3. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2.25) On a donc encore deux solutions −0. 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. Exemple 2 : l’´quation caract´ristique s’´crit. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.4226. Il n’y a donc pas d’intersection avec l’axe imaginaire. e e e K=− d’o`.5774 o e e et −0. e e e e K − 3ω 2 = 0 2 (IX.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines. .30) √ ω = 0 ou ω = ± 2 (IX. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif. e .28) K=6 (IX.

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

[1 3 2 0]).5 −1 −0.6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].5 −2 −1. 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2. >> rlocus(G1).5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig.5 Real Axis 0 0. 2 1.[1 2 3]). >> rlocus(G2).5 2 Fig.5 1 0.248 .5 −1 −1.5 Imag Axis 0 −0.Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1.5 1 1. IX.7 – Exemple 2 . IX.

5 −3 0. Cela conduit a choisir : e e ` cos Ψ = 0.8. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.8 – R´glage du gain et amortissement e .3. e e e e e Exemple IX. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.18 1. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.5 0.5 −4 −3.95 0. on obtient.707.7 (IX.38 0.54 −1 0.38 −0.5 2 1.5 Real Axis −2 0.39 |p + 3| p=−1. a e En appliquant la condition des gains a l’´quation caract´ristique.89 0.5 Imaginary Axis System: G2 Gain: 1.8 0.707 Ψ = 45o (IX.34 Frequency (rad/sec): 2.7±j1.7+j1.` ´ IX.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.1 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 = 0.5 −0.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.5 3 2.4 rad/s.5 0.1 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.707 Overshoot (%): 4.95 1 0.986 0.5 0.68 −1.89 −2 −4.7i Damping: 0.68 0.5 0. IX.39 Pole: −1. Ce point d’intersection permet alors en retour la d´termination de la valeur du e gain K n´cessaire par simple r´solution de l’´quation caract´ristique en boucle ferm´e.5 1 0.3.5 0. a Root Locus 2 0.3 IX.3.5 0 4 3.7 + 1.986 −1 −1.54 0.8 −2.18 0 Fig. ` e e K= |p2 + 2p + 3| = 1.4 .7.

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.38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote. Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX.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. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue.3.9.3. >> sgrid . >> rlocus(G). Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´.conv([1 -1 0]. e Exemple IX. Pour v´rifier cela.[1 6 36])).250 ANALYSE PAR LE LIEU DES RACINES IX. e e Script MATLAB 27 >> G=tf([1 2].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.

38 0.17 0.17 0.94 0 −2 −4 4 0.0017 + 3.8 Frequency (rad/sec): 2.28 0.000674 Overshoot (%): 99.23i Damping: 0.94 2 Imaginary Axis 2 System: G Gain: 61.000437 Overshoot (%): 99.23 2 0.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.64 8 0.5 0.89i Damping: 0.8 4 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.9 4 Frequency (rad/sec): 3.0015 − 2.89 10 6 0.38 0.28 0.08 8 10 0 1 2 Fig.5 Pole: −0. IX.5 0.8 −6 6 −8 0.08 8 System: G Gain: 112 6 Pole: −0.9 – Syst`me ` stabilit´ conditionnelle e a e .

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

e e A.1 Signaux d´terministes en temps continu e Dans la suite.1.1) 253 .1.1 (signal ´chelon) e e On appelle ´chelon d’amplitude E ou fonction de Heaviside en t0 .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. ee e e Le signal ´chelon e ´ Definition 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. 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 ea (A.Annexe A Rappels de th´orie du signal e A.

on parle d’´chelon unit´ ou d’´chelon unitaire.1.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig. 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 ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A.2) e(t) αt 0 to t Fig. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A. L’impulsion n’est pas en effet e une fonction ordinaire.2.2 – Fonction rampe Pour α = 1. A. L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e .2 (signal rampe) On d´finit le signal rampe r(t) de pente α par. e e e Le signal rampe ´ Definition A. on parle de rampe unit´ ou de rampe unitaire. A.1 – Fonction de Heaviside Pour une amplitude E = 1.

3 (impulsion) e e e Une impulsion d’amplitude A en t0 . not´e Aδ(t − t0 ).4 – Fonction impulsion d’aire A . ´ Definition A. ee ´ ´ Proprietes A. A.1. A.1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A. fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig. δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes.4) t δ(t − t0 ) = 0 si t = t0 δ(t0 ) = ∞ δ(t − t0 ) = du(t − t0 ) dt u(t − t0 ) = δ(τ − t0 )dτ −∞ L’impulsion d’aire A en t0 est conventionnellement repr´sent´e par une fl`che de haue e e teur l’aire de l’impulsion en t0 .1.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. δ (t−to) A 0 to t Fig.3) e e L’impulsion d’aire 1 est la fonction de Dirac.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. peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes.

7) 0 Remarques A.1.6) Le signal sinusoidal ´ Definition A.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.1.1.2 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.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). 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.5) 0 T 2T 3T 4T 5T 6T t Fig.5 – Peigne de Dirac Finalement. e ` A. A.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.256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac. D´finition de la transform´e de Laplace e e ´ Definition A. annexe A4). u x(t)e−pt dt (A.8) −∞ .

Lin´arit´ e e L[ax(t) + by(t)] = aX(p) + bY (p) ∀(a. x(t) = 0 si t < 0.9) o` p = σ + jω et σ est l’abscisse de convergence.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.10) dx(t) ] = pX(p) − x(0) dt (A.13) Th´or`me de la valeur initiale e e t→0+ lim x(t) = lim pX(p) p→∞ (A. .14) Th´or`me de la valeur finale e e p→0 lim pX(p) = lim x(t) t→∞ (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.Cette d´finition suppose que l’int´grale est convergente. Pour les e signaux causaux qui sont l’objet de ce cours. les deux transform´es e co¨ ıncident. Nous utiliserons ainsi la notation unique de (A. La transform´e de Laplace inverse u e est rarement calcul´e ` partir de (A.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.SIGNAUX DETERMINISTES 257 qui n’est rien d’autre que la transform´e de Fourier du signal avec p = jω. b) ∈ R2 D´rivation e L[ Cela se g´n´ralise ` : e e a L[ Int´gration e t (A.11) d(n) x(t) ] = pn X(p) − pn−1 x(0) − · · · − x(n−1) (0) dtn (A.12) L[ a x(τ )dτ ] = X(p) p (A.15) . e e .7).

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

23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A.2.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.2 A. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .1 La transform´e de Fourier e D´finition e ´ Definition A.2.1 (transform´e de Fourier) e La transform´e de Fourier d’une fonction x(t) est une fonction de la pulsation d´finie e e par.2.28) . on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement.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).26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A.27) F[x(t ± T )] = e±jωT X(ω) (A. LA TRANSFORMEE DE FOURIER 259 A.2.25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A.´ A. e A.

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

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

||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B.||e|| 4. 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.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B.∀ e ∈ E : ||e|| ≥ 0 2.5 (p-norme d’un vecteur) e Soit e ∈ Rn .1. ∀e ∈ E. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1. ||αe|| = |α|.∀ e1 .4 (norme) Une norme est une fonction . e e e e ´ Definition B.j i.j A= ||A||sum = i.2 1 −2 0 6 |aij |2 = i.1.1.1. d´finie sur un espace vectoriel E.||B|| Exemple B. e2 ∈ E.∀ α ∈ R.j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e .||e|| = 0 ⇔ e = 0 3.1.6 (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||.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.

1. e e e .1. m) B. λn sont les valeurs propres de A. Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes. ee u .2 . λk .3326 valeur singuli`re maximale e ´ Definition B.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. Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A). · · · . · · · .2 Valeurs propres et valeurs singuli`res e ´ Definition B. e ´ Definition B.1. σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) .1.1. Elle sera dite de rang plein si : e e rg(A) = min(n.8 (rang d’une matrice) : Rn → Rm .9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R .Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux.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. · · · . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B.1. 1 n .` ´ ´ ´ B.Les valeurs propres de (cI + A) sont c + λ1 . .l ≥ m: Σ= diag(σ1 .1.Les valeurs propres de Ak sont λk . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B.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. On associe a chaque valeur propre λi . · · · c + λn o` λ1 .Les valeurs propres de A sont ´gales aux valeurs propres de A .

A ∈ Rn×n est sym´trique. e a e e a .Si l’on normalise les vecteurs propres xi : ||xi || = 1.max{σ(A) . m) ≥ rg(A) = q. not´ ρ(A) est d´fini par : e e e ρ(A) = max |λi | i = 1.Les valeurs propres de A sont r´elles.σ(AB) ≤ σ(A)σ(B) . ||A||i∞ } ≤ ||A||sum B. . m)σ(A) ||A||i1 ||A||i∞ √ .1.l ≤ m: Σ= RAPPELS D’ALGEBRE LINEAIRE diag(σ1 .1. σq ) 0l×m−l avec σ = σ1 ≥ · · · ≥ σq = σ > 0 et min(l. e ´ ´ Propriete B.4 (A ∈ Cn × Cm ) .σ(A) − 1 ≤ σ(A + 1) ≤ σ(A) + 1 ´ Definition B.1. e .3 Matrices sym´triques e Dans cette partie.σ(A)σ(B) ≤ σ(AB) .3 . ´ ´ Propriete B.√1m ||A||i∞ ≤ σ(A) ≤ n||A||i∞ 1 √ ||A||i1 n .5 (matrices sym´triques) e .1.Une base orthogonale de Rn peut ˆtre form´e ` partir des vecteurs propres de A.1. n λi ´ ´ Propriete B. · · · .σ(A) ≤ ||A||F ≤ min(n.σ(A) ≤ |λi (A)| ≤ σ(A) .264 .σ(A−1 ) = 1/σ(A) .σ(A) ≤ ≤ σ(A) ≤ √ m||A||i1 . · · · .σi (A) − σ(A) ≤ σ(A + B) ≤ σi (A) + σ(B) .11 (rayon spectral) Le rayon spectral d’une matrice carr´e A. ||A||F . i = 1.Les vecteurs propres associ´s ` des valeurs propres distinctes sont orthogonaux. · · · . ||A||i1 . n alors : n A= i=1 λi xi xi .

Si A est non n´gative alors il existe une racine carr´e de A not´e A1/2 .A1/2 A = AA1/2 . xn .1. les valeurs propres et vecteurs propres respectivement associ´s avec ||xi ||2 = 1 alors : e .Soient A = A ∈ Rnn .A1/2 est inversible ssi A est inversible. λ1 ≤ λ2 ≤ · · · ≤ λn .CNS 2 : A > 0 ssi les mineurs principaux de A sont strictement positifs.Soit A ∈ Rm×n .||A|| = ρ(A) = max {|λi |. . e e . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE 265 . ´ Definition B.λ1 ||y||2 ≤ y Ay ≤ λn ||y||2 ∀ y = 0 ∈ Rn . · · · .CNS 1 : A > 0 ⇔ λ1 .6 . . . .1. e e e . . (A1/2 )−1 = A−1/2 .` ´ ´ ´ B.1. A A > 0 ssi la matrice A est de rang plein.L’inverse d’une matrice d´finie positive est d´finie positive. |λn |} est une norme matricielle induite par || • ||. De plus. λ n > 0 . x1 .A−1/2 A−1/2 = A−1 . alors A A ≥ 0.12 (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   . .2) ··· ··· .. ··· (B..  0 .1 . .  . ··· . . λn . ´ ` Theoreme B. 0 λ1    ··· ··· ··· ··· ···  . . . . . ···  . J = P −1 AP =  . .   λn  e At = Pe P Dt −1   =P  e λ1 t  eλ2 t . .1) .. .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.. 0 . λn−1 . .   λ1   λ2   D = P −1 AP =   . . .2.Soit A une matrice dont la forme de Jordan est de passage P .    donn´e par J avec comme matrice e         ···         ···     ··· . . . 1 .. . . e e B.1 M´thode de triangularisation e La m´thode consiste a transformer la matrice A en une forme diagonale ou forme de e ` Jordan pour lesquelles des formules simples de calcul de eAt existent.. λ1 1  .266 RAPPELS D’ALGEBRE LINEAIRE B.  0 λ .2. . . eλn t   −1 P  (B.Soit A une matrice diagonalisable et une matrice de passage P alors.  . .

. . .   1 0 0 P = 1 1 0  1 2 1 . 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. .. ce qui e e e donne. v2 = [0 1 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. . .2 Utilisation de la transform´e de Laplace e eAt = L−1 [(p1 − A)−1 ] (B. . . . . ..3) eAt = P eJt P −1   0    0    ···  =P          eλ1 t teλ1 t eλ1 t 0 ··· te eλ1 t ··· . . . .CALCUL DE LA MATRICE DE TRANSITION D’ETAT eAt  t2 λ1 t e 2 λ1 t 267         ···   −1 P      ···     (B. . . .. . . .2. . ··· ··· ··· . eλn t B.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).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). . . . . .   1  1  v1 = (1 − A)v2 = 1 On choisit alors le dernier vecteur propre ind´pendant w = [0 0 1] et l’on a la matrice e de passage. . ··· ··· ··· . ··· . e ee ee Exemple B.

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. 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 .

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

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

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

t) ≥ 0 e 2.V (x.2. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0. x ∈ Rn avec e e P = P . e 2. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.Une fonction scalaire V (x. 2 e e .Une fonction scalaire V (x.2.V (x. t) = 0 2 − ∀ x = 0 ∈ Br V (x.2. e .V (x.Si une fonction V (x. V (x. t) est (localement). t) = 0 2 − ∀ x = 0 ∈ Br V (x.2. t) est e e (localement) (semi) d´finie positive.V (x. t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0. 1 e . t) = t2 x2 est une fonction semi d´finie positive.3 e . 1 Remarques C.2 (fonctions semi d´finies positives) e e 1.1 e . t) = 0 2 − ∀ x = 0 ∈ Rn V (x. x2 ) = x2 + sin2 (x2 ) est d´finie positive localement. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0.V (t. t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative. t) est (semi) d´finie positive (n´gative).1 1. t) > 0 e e 2. si P est une matrice (semi) d´finie positive (n´gative). t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0.Une fonction scalaire V (x.2 e . t) = tcos(x1 ) est une fonction localement semi d´finie positive.V (x) = x1 x2 + x2 est une fonction ind´finie.1 (fonctions d´finies positives) e e 1. x1 . t) ≥ 0 Exemple C.2. (semi) d´finie n´gative alors −V (x.272 RAPPELS D’ANALYSE C.Cas particulier important : la forme quadratique V (x) = x P x.2 Rappels sur les fonctions d´finies positives e ´ Definition C.Une fonction scalaire V (x. e e Exemple C.2. t) > 0 Exemple C. 1 2 ´ Definition C. 1 .

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

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

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

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

. . . . . . . . . . . . . . . . . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . e e e II. .7. . . . . . . . . . . . . . . . . . . . . . . . e e I. . . e e II. . . . . . . . . .3. . . . . .la repr´sentation d’´tat . . . . .2 Th´orie de la commande . o e o II. . II II. . . . . . . Bref album chronologique . . . . . . .7. . . . . . . II. . . . . . . . . o e e II. . . . e II. . . . . . . . . . . . . . . . . . . . . . e e II. . . e Approximation lin´aire des syst`mes physiques . . . . . . . . . . . . . . . . .6 II.3 II. .1 Sch´ma fonctionnel . . . . . . . .1 Le concept d’´tat d’un syst`me . . . . . . .5. . . e II. . . . . . . . . . . . .2 Contrˆle de la tˆte d’un disque dur . . . . . . . . . . .4 . . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . o I. . .4. . . .3 Contrˆle d’attitude d’un satellite . . e e e II. .2 Les z´ros . e Les mod`les graphiques . . .5. . . . . . .3 Equations diff´rentielles entr´es-sorties . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . .3. . .1 Contrˆle d’attitude d’un satellite . e e e e II. . . . .6. . . . . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat . . . . .4. . . . . . . . . . . . . . .4. . . . 5 5 7 19 19 21 24 24 24 25 26 27 27 29 29 33 35 37 37 38 42 46 48 48 52 53 54 57 57 59 61 61 62 65 67 I. . . . . . . . . . .4 Commande longitudinale d’un avion civil . . . . . . . . . . .1 Notion de syst`me . . .1 Le polynˆme caract´ristique et les pˆles . . . . . . . . . . . . . . . .4. . . . .2 Sch´ma fonctionnel et fonctions de transfert . . . . . .5. .2 La matrice de r´ponse impulsionnelle . . . . . . . . .Lin´arisation . . . . . . .4. . . .2 Repr´sentation d’´tat des syst`mes dynamiques . . . . .1 II. . .4 II. . . . . . . . . . . . . . e I. . . . .6. .4 Le cas particulier des syst`mes SISO . . . . .4. . . . . . Th´orie des syst`mes et th´orie de la commande e e e I. . . . . . . . . . . .5. . . . . e e Le mod`le interne . . . . . . . .1 I. .4. . . . . . e Exemples de syst`mes de commande modernes . . . . . . . . . . e e e II. . . . . . . . . . . . . . . . . . . . . . e e e .3 Repr´sentation d’´tat lin´aire . . . . . . . . . e Pˆles et z´ros d’un mod`le LTI . . . . . . . . . . . . . . . . . . . . . . . . .7. . . . . . . e e e Les mod`les externes (entr´es-sorties) . . . . .` TABLE DES MATIERES 277 Table des mati`res e I I. . . . . . . . . . . . . .3 Introduction ` la th´orie de la commande a e Introduction . . . . . . . . . . . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . . . . . . . . . . . . o e I. . . . . . . . . . . . . . . Exemples caract´ristiques . . . .2 II. e II. . . . . .5 II. . . . . . .2. . . . . . . . . e e II. . . . . . . . . . . . . . . . . . . . . . .7.2 I. . .4. . . . . . . . . . . . . . . . . . . . . . . . .1 La matrice de transfert . . . . . o II. . . . . . . . . . . e I. . . . . . . . . e II. . . . . . . . . . . . .2 Servom´canisme hydraulique . . . . . . . . . . . . . . .1 R´gulation de temp´rature dans un four . e II. . . . .

. . e e III. . . . . . . . . e e IV. . . . . . . . . . .r´gime transitoire . . . . . . . . . . . . .5 Grammiens de commandabilit´ et d’observabilit´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4. . . .1 Fonctions d’alg`bre de base . . . e e V. . . . . . . .2. . . . . . .6 Fonctions MATLAB . . . . . . . . . . . . . . . . . . . .2 Notion d’observabilit´ . . . . . .1 . . . . . . . . . . . . . . . . . . . V. .3 Crit`re alg´brique de Routh-Hurwitz . . . . e . . . .r´gime forc´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e III. . . . . . . . e III. . . . . . . . . . . . . . . . . . . . .2 Cas de modes multiples . .8. . . . . . . . . .8. . . . III. . . . . . . . . . .1 Stabilit´ des syst`mes LTI e e IV. . . . . . .1 Les formes canoniques d’´tat . . . . . . . . . . . . . . . . . .2. . .2 Crit`re de commandabilit´ . .1. . . . . . . . . . . . . e II. . modales . . . . . e e e V.4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. . . . III. . . . . . . e e IV. . .3 Fonctions d’analyse des mod`les LTI e II. . . . . . . . e III. . . . . . . . . . . . . . . . .4 Nature des points d’´quilibre en dimension 2 e IV. . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . . . . . . . . . . . .2. . . . . e III. . . . . . . . . 69 69 69 70 70 71 72 72 72 74 74 74 75 76 76 83 89 89 89 92 94 94 94 94 95 95 95 96 98 102 102 104 106 106 109 115 115 115 116 117 119 119 119 III Commandabilit´ et observabilit´ e e Notion de commandabilit´ . .1. . . . . . . . . . . . . e III. . . . . . . . . . . . . . . .3 Relations entre mod`les internes et externes . . . . . . .2 Caract´risations de la stabilit´ BIBO . . . . . .1 D´finition . . . . . . . . . . e III. . . . . . .6. . . .3 R´gime permanent . . . . . . . . .3 Fonctions de conversion entre mod`les LTI .2 Fonctions de mod´lisation LTI . . . . . . . . . . . . . . . . . .1 Fonctions d’alg`bre de base . . . e e III. . . . . . . . . . . . e III. . . . . . . . . . . . . . . . . . e e III. . . . . . . . . . . . . . . .8. . . . . . . e IV. . . . . . .2 Crit`re d’observabilit´ . . . . . . . . . e Analyse temporelle des syst`mes continus e Introduction . e a e V. .1. . . . . . . . . . . .1. . . . . . . . . .1 D´finitions . . . . . . .2. . . . .2.8 Fonctions MATLAB . . . . . . . . . .1. . . . e IV. . . e V. . III. .6. . .3. . . . . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV. . . . . . . . . . . . . . .1 Signaux d’entr´e types . . . . . . . . . . . . . . . . . . . . . . . . .1 D´finition . .6. . . . . . . . . . II. . e IV. . . . . . . . e V. . . . . . . . . . . . . . . . . . . . . . . . . .4. . . . .4 Fonctions de mod´lisation par blocs . . . . . .2.3 Stabilit´ BIBO et stabilit´ interne . . . . . . e III. .278 II. . . . . . . . . . . . IV V . . . . . . . . . . . . . . . . . . . . . . . . .3 La m´thode de Lyapunov . . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . . . . .2. . . . . . . . . . . . . e e IV. . . . . e IV. . .1 D´finition . . . . . . . . . . . . . . . . . . . . .1 D´finition et exemples . . . . . . . . .2 Th´orie de la r´alisation . . . .1. . . . .2 R´gime libre . . . . . . . . . . . . . . . . . .8. . . . . . . . . . . . . .2. .1. . . . . . . e e III. . e e e III. e II. . . . . . . . . . . . . . . . .3.2. .2 Les syst`mes du premier ordre . .1 Cas de modes simples distincts . . .1. . . . . . .1 La stabilit´ BIBO . . . . . . . . . . . . . . . e III. .2 La stabilit´ interne . . . . . ` TABLE DES MATIERES . . . e V. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 R´ponse ` des entr´es types .

. e V. VI. . . . . . .2. . .1 Fonctions d’analyse de stabilit´ . . . . . . . 147 . . . . . . . . . . . . . . . . . . . . . e e V. . . . . . . . .4. . . . . . . . . . . . . . . . . .3 Les syst`mes du second ordre . . . .1. . . . . .1 Le crit`re de Nyquist .2 Effets des z´ros et des pˆles additionnels .2 Fonctions d’analyse des mod`les LTI . . 153 . . . . . . . . . . . .3 Sp´cifications temporelles d’un syst`me du second ordre . . . e VII.1 D´finition et propri´t´s . . .1 Fonctions de trac´ de la r´ponse fr´quentielle . . . . . . . . . . . . .2. . . . .2. . . . e VII. .2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI. VIII. .2. e ` e VII. . . .1 D´finitions et exemples . . . . . . . . . . . . . . . . . . . . . . .1 Notions de modes . . . . . . . e V. . 147 . . . e VII. V. . .2. . . . . . . . .2. . .2 Analyse en stabilit´ des syst`mes boucl´s . . . . . . . . . . . . e VI. . . . .5 Extension aux syst`mes multivariables . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII. .3. . . . . . .3 Le lieu de Nichols-Black . . . . . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . .1 Syst`mes de commande a contre-r´action . . . . . . . VII. . . . 279 123 123 126 130 132 132 139 141 145 145 145 VI R´ponse fr´quentielle des syst`mes LTI e e e VI. . .2 Rejet de perturbation b . . . . .3 Extension aux syst`mes multivariables . . . . . . . . . . . . . . . . . . . e e e 147 . .1 Principe de la contre-r´action . . . . . . . . . . .` TABLE DES MATIERES V. . . . . . . . . . . . . . . .4. .3 Fonctions MATLAB . . . . . . . . .2. 177 179 . . . . . . . . . . . . . . . . . 173 . . . . . . . . . . . . .4. . . . . . . . . . . . . . e e VII. . . .3. . . . . . . .2 Caract´risation des syst`mes de commande a contre-r´action . . . . . . . . . . . . . . . .3 Stabilit´ interne des syst`mes boucl´s . . . .2.5. . . . . . . . . . . . . . . . . . . . . . . 193 . . . . . . . . . . . . VIII. . . e V. . . . . .3 Sp´cifications temporelles sur le r´gime transitoire . . . . . . . .2 Le lieu de Bode . . . . . . . . . . . . . . . . . 149 . . . . . . . . . . . . . . . . . . . . . . . . VII. . . . . . . . . . . . 184 . . . . . . . . . . . . . . . . 194 . . . . . . . . . . . . .2. . . . . .5 Fonctions MATLAB . . . . . . . . e a VI. . . . . .2 Etude de la r´ponse indicielle . . . . .1 Le lieu de Nyquist . . e . . . .2 Extension au cas des syst`mes multivariables . . . . . . . . . . . . . . . . . . . .3. . . . .1 Les syst`mes monovariables .3. 175 . . . . . . . . . 189 . . . . . . . e e V. e o V. . . . . . . . . . . e VI. . . . .5. . . . . . . . .4 Les syst`mes d’ordre sup´rieur . . . 177 . . . 179 . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 . . . . . . . . . . . e VI. . . . . . . . . . . . . . . . . . .1. .3. . e V.3. 168 . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . 179 .2 Le crit`re du revers . . . VI. . . . . . . . . .1 Introduction . . . .4 Fonctions MATLAB . . . VI. e VII. . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII.1.2. . . .1 Fonctions de r´ponse temporelle . . . . . . . . e e ` e VII. . . . . . . . . e e V. . . . . . . . . . . . . . . . . . . . . . . . . .1 Rappels sur les relations de bouclage . . . . .1 Le crit`re de Nyquist multivariable . . . V. e VII.2. . . . . . . . . . e ee VI. 189 .2 Le th´or`me du faible gain . . . . . e e e VII. . .4 Les syst`mes ` non minimum de phase . . . . . . e e e VII. . . . . . . . . . . .4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . . . . . . . e VIII Analyse en performance des syst`mes boucl´s e e VIII. . . VI. . 160 . . .

7 Modelage des fonctions de sensibilit´ .1 C. . . . . . . . . . . . . . . . . . . . ee e VIII. . . . 269 e Rappels sur les fonctions d´finies positives . . . . . . . . . . . . .2 R`gles g´n´rales de construction . . . . . . . . . A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . .2. . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . .4 Suivi de r´f´rence r : pr´cision . . . .1 M´thode de triangularisation . . . . . . . . .2. . . . . . IX. Sp´ e VIII. . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . .2. .2 Calcul de la matrice de transition d’´tat eAt . . . . . . . . . e B. . . . . . . . . . . . . .3 Matrices sym´triques . . . . . . . . . . . . . . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . . .1. .3. . e A. . . . .1 egles d’association dans les sch´mas-blocs . . .3 ecifications de performance . . . . . 272 e 273 R´f´rences bibliographiques ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . .1 IX. . .2. . Construction du lieu d’Evans . .2. . . . e e A. .3. . . . . . . . e A. e B.1 R´glage du gain . . . . . .1. . . . . . . . . . . . .1 D´finition .2 Syst`mes ` stabilit´ conditionnelle . . . e B. . . . . . . . . . .2. . . . . . . . . . . e e ee B. .2 Utilisation de la transform´e de Laplace e C. . . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . . . . . . . . . . . . . . . e e IX. . . . . . . . . . .2.1. IX.2 Valeurs propres et valeurs singuli`res . . . . . . . . . . . . . . . . . . . . .3. R´ VIII. . . . . . . . . . . . . . . . . . . . . . . . . e a e IX. . . e e VIII. . . . . . . . . . . . . .1 Produit scalaire. . . . e A. . . . .4 Fonctions MATLAB . . . . IX. . . . . . e e VIII. e VIII. . . e B. . . . . .8 ecifications de performance en sensibilit´s mixtes . VIII.6 Notion de modelage de boucle : loopshaping . . . . . . . . . . . . . . . . . .2. . . e a IX.4. . . . . . . . . B. . . . . . . . . . . . B B. e IX. . . . .2. . . . . . . . . . . . . . . . . . 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. . . . . .3. . . . . . . R` e VIII. . . . . . . . . . . . . . . . . . . . . . .2. . .5 Comportement aux fr´quences interm´diaires . . . . . . . . . . . . norme et rang . . . . . . . . . . . . . . . . . . . .2 A. . . . . . . . . . . . .280 ` TABLE DES MATIERES . . . . . . . . ee e . . . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. . . . . . .2 Les fonctions de sensibilit´s en entr´e et en sortie . . . . . . .1 . . . . . .2 Repr´sentation fr´quentielle des signaux continus . .3 eduction du bruit de mesure w .2 Propri´t´s de la transform´e de Fourier . . . . . . . . . . . . .1 Fonctions li´es ` l’utilisation du lieu des recines . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel .1. . . . . . . .3 Analyse des syst`mes boucl´s par le lieu d’Evans . . .1 Conditions des angles et des amplitudes . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . .2 La transform´e de Fourier . .2. . . . . . . . . e e e IX.

Sign up to vote on this title
UsefulNot useful