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. e e le concept d’information y est ´galement primordial. e e Afin de manipuler et d’utiliser ces concepts. Enfin. e . des outils math´matiques (alg´briques.. 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. th´orie des transformations. 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.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es. sa e e e e parent´ avec le traitement du signal ne fait aucun doute. 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. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. la structure de commande ` contree e a r´action et le concept de stabilit´ des syst`mes dynamiques et le probl`me de stabilit´ e e e e e pos´ par l’introduction de la contre-r´action. 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.) mais plus important. e Ce cours de premi`re ann´e a pour objectif d’introduire les principaux concepts de e e l’Automatique : la notion de mod`le d’un syst`me.

e e . . 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. [27]. [32].I. [5].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.2 – Clepsydre d’H´ron [22] e .250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe. La premi`re pendule ` eau ou clepe e e a sydre (Ktesibios d’Alexandrie -270) utilise un flotteur r´gulant le niveau d’un pree mier bac permettant ainsi de fournir un d´bit constant dans un second bac dont le e niveau ´tablit ainsi la dur´e ´coul´e. 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.800 .). le principe de la commande tout ou rien est pour la e premi`re fois utilis´. [3]. [8] [42]. ` Fig. [6].300 avant J.1200 : diff´rents ing´nieurs Arabes (Al-Jazari. r´gulateurs de e a e flammes... [10]. Philon de Byzance (. 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. distributeurs automatiques de vin.2. Durant cette p´riode. BREF ALBUM CHRONOLOGIQUE 7 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.. I. 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. [4]. Le principe de la chasse d’eau est fond´ sur e e e e e le mˆme principe.).C. I. : La premi`re mise en oeuvre de syst`me de commande ` contree e a r´action est l’oeuvre des grecs dans l’antiquit´ avec des r´gulations de niveau par e e e flotteur afin de mesurer pr´cis´ment le temps. [7].. clepsydres.1 – Clepsydre de Ktesibios [28] Fig. distributeurs automatiques de liquides.

I. fours.1600 . e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W.3 – Illustration extraite du livre : ”Automata” (1315) [1] . e ` l’Athenor. l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s. e e Henry propose de l’utiliser pour les fours chimiques en 1771.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. Son ´chec ` trouver la e a pierre philosophale le conduit n´anmoins a inventer un incubateur automatique. Becher-1680. alchimiste hollandais du XV II eme si`cle est le premier ` inventer le thermostat en 1624 qu’il souhaite utiliser e a dans les fours pour la transmutation du plomb en or. Bonnemain-1777) : Cornelius Drebbel. Henrye e e ` 1771. oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig. I. Entre temps. les e e r´gulateurs de temp´rature sont ´tudi´s successivement par Becher en 1680. e a e .R´gulation de temp´rature (Drebbel-1624. En effet. machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle.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.4 – Sch´ma de l’incubateur Athenor e . R´aumur-1754. 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.

Fig. Lee invente une petite roue a vent (fantail) mont´e perpendiculairement ` l’axe ` e a de rotation afin d’orienter la voilure des moulins dans le sens du vent.6 – Principe de la machine ` vapeur de Polzunov [35] a . (Perier-1790) : les r´gulations de niveaux ne sont plus utie lis´es afin de mesurer le temps du fait de l’invention de l’horloge m´canique au e e eme ` si`cle mais dans la chaudi`re des moteurs ` vapeur et pour les syst`mes e e a e XIV de distribution d’eau domestiques. la chasse d’eau est mise au point par le londonien Crapper en 1775.R´gulation de niveaux (Salmon-1746.2. Wood-1784).I. a .5 – Machine a vent dot´e d’un fantail [23] ` e Enfin.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). I. En 1745. invention pour laquelle il est anobli par la reine Victoria. e ` ` e les fr`res Perier mettent au point la premi`re boucle de r´gulation avec action e e e proportionnelle et int´grale. A la fin de ce si`cle. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig. En Sib´rie. En particulier. BREF ALBUM CHRONOLOGIQUE 9 . I. Polzunove 1765. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. Crapper 1775. Brindley-1758.

On peut e . (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton.1800-1935 : cette p´riode pr´classique de la th´orie de la commande fˆt celle pene e e u dant laquelle les principales contributions furent d’ordre math´matique. 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.8 – Moteur a vapeur de Watt [46] ` Fig. ` e e Fig. I.R´gulation de pression (Papin-1707. I. 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. I. Ce type de e ` r´gulation a action proportionnelle est ensuite am´lior´ dans son principe par e ` e e Siemens qui lui substitue l’action int´grale ainsi que technologiquement par e son adaptation a des vitesses de rotation plus ´lev´es. (Siemens-1846).9 – Manuscrit de Watt ou Boulder [44] . En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs.7 – Soupape de s´curit´ de Papin [46] e e . Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803. (Porter-1858). e ` (Pickering-1862). il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur.R´gulation a gouverne centrifuge (Watt-1788). Fig. Delap-1799.10 INTRODUCTION A LA THEORIE DE LA COMMANDE .

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

Le e e ee d´veloppement des techniques de communication permet a Harold Black de e ` proposer la r´tro-action n´gative pour la r´duction des ph´nom`nes de distore e e e e sion ` hautes fr´quences. A cette ´poque.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.12 INTRODUCTION A LA THEORIE DE LA COMMANDE ` au d´but du XX eme les r´gulations de position a base de PID (Proportione e ` nel Int´grale D´riv´e) pour la commande des bateaux. a e Fig. e e a . seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques. I. 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.

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. (Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H.13 – Syst`me de RADAR SRC-584 [40] e En parall`le.I. I. Nichols. Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N. 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.C.2.12 – Lieu de Nyquist . les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A. e Fig.B. I. 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. 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. .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). a e .

. (Wiener et Bigelowe 1942) : A. I. Pm = −44.7 deg (at 1. Fig.15 – Abaque de Black-Nichols .N.14 – Lieu de Bode Fig. .14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu. N. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0.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.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. N.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. Wiener et J.3 dB (at 1.43 rad/sec) . Shannon qui publie en 1948 ”The mathematical theory of communication”.D´veloppement de l’analyse stochastique (Kolmogorov-1941).25 dB 0. I. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. I.

I. BREF ALBUM CHRONOLOGIQUE 15 ` Fig. e e ` 4 3 2 1 Imag Axis 0 −1 −2 −3 −4 −5 −4 −3 −2 −1 Real Axis 0 1 2 3 Fig. Royaume Uni.17 – 1ere ´dition de Cybernetics [2] e Fig.2. Smith-1942).R. (McColl-1945).G. J. Les progr`s r´alis´s e e e e durant la guerre ont permis d’´tablir une th´orie math´matique solide des e e e servom´canismes.18 – M. En 1951 a lieu la e e e premi`re conf´rence d’Automatique a Cranfield.19 – Lieu d’Evans .B. (Ziegler-Nichols-1942). I. (Evans-1948). (Truxal-1955).I. (McColl-1945). 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.P´riode classique de d´veloppement de la th´orie des servom´canismes (Smithe e e e 1942). o e Nichols proposent leurs r´glages des compensateurs PID. de Shannon [42] . (Truxall-1955) : W. Cette p´riode est principalement marqu´e par la parution e e e des premiers trait´s (S.Sc. Ziegler et N. 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. I.

1 0 0.20 – Application du crit`re du cercle e . 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 1944.3 −0.4 0. (Desoer-1965). 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.5 −0.Th´orie de la commande optimale et th´orie de l’estimation.16 INTRODUCTION A LA THEORIE DE LA COMMANDE . . e e q=5 − mu=1 − a=1 0.4 −0. De son cˆt´. R. (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats. Bellman ´tablit le principe d’optimalit´ et d´veloppe la proe e e e grammation dynamique pour r´soudre les probl`mes de commande optimale e e en temps discret.5 −0.4 0.Th´orie de la commande non lin´aire (Hamel-1949).3 −0.1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale. (Yakubovich-1962). (Pontryagin-1958). 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.1 Imag Axis 0 −0.4 −0. L.2 −0. au crit`re du cercle et de la passivit´.2 −0. I. introduction du e e formalisme d’´tat (Bellman-1957). (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B.1 Real Axis 0. Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e. (Sandberg-1964). (Popove e 1961). Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton. e e R.3 0.2 0. V. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial.S. 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. (Narendra-1964). (Tsypkin-1955).M. Hamel en France et J.5 0.1 −0. Il montre d’autre part e e . Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat.A.3 0.2 0.5 Fig.

Ragazzini. 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.21 – Livre de Lev Pontryagin . . Franke e e e e lin et L. (Kuo-1963).I. (Safonov-1982) e e e . (Ragazzini et Zadehe e 1952). (Safonov-1981) e . e Fig.R.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.Commande ´chantillonn´e (Shannon-1950). G. (Doyle-1981). Shannon dans les ann´es 50. 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. I.22 – Microprocesseur . (Ragazzini et Franklin-1958).Th´orie de la commande H∞ (Zames-1971). Zadeh qui suivent les jalons pos´s par C.2. e e Fig. (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.Intel 4004 [34] . BREF ALBUM CHRONOLOGIQUE 17 la dualit´ existante entre les probl`mes de filtrage et de commande et d´rive e e e les ´quations du filtre de Kalman. I.Th´orie de la valeur singuli`re structur´e (Doyle-1982). (Jury-1960).

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

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

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. . En gras.20 INTRODUCTION A LA THEORIE DE LA COMMANDE . leur comportement sera d´crit par e e des ´quations diff´rentielles dans le cas de mod`les en temps continu ou par des ´quations e e e e r´currentes dans le cas de mod`les en temps discret. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. La figure I. e e . Traitant e e uniquement dans ce cours des syst`mes dynamiques.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. e e a .formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie. o e e l’identit´ physique des variables associ´es ` un syst`me importe moins que les relations e e a e math´matiques entre ces mˆmes variables. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours.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. 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. 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. e e Classification des syst`mes e Jusqu’ici. Cela signifie qu’en th´orie des syst`mes. I. 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 e e e e Si elle n’est strictement que rarement v´rifi´e en pratique. branche de la th´orie des syst`mes. 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).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. 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. e e e e Ainsi l’hypoth`se de lin´arit´ va permettre l’utilisation d’outils (analytiques. grae e e phiques) tr`s simples et puissants tels que les transform´es de Laplace et de Fourier. Le but d’un syst`me de commande est e e e e donc d’exercer des actions entrainant une am´lioration du comportement du syst`me et de e e ses performances. Un processus de lin´arisation est alors n´cessaire. e e le calcul op´rationnel ou le th´or`me de convolution. 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 . Il conviendra donc de toujours justifier en pratique l’hypoth`se de e lin´arit´ et d’identifier son domaine de validit´. 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. ph´nom`nes e e e e e e ´lectrostatiques) ou font apparaˆ des ph´nom`nes non lin´aires (hyst´resis. seuil. e e e e D’un point de vue purement technique. au sens large. e Contre-exemple I. e e e Toutefois. 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.2 Th´orie de la commande e Le processus pr´liminaire de mod´lisation achev´. les performances. zone e ıtre e e e e morte. e e e La th´orie de la commande. les syst`mes lin´aires v´rifient le principe de e e e superposition et le principe d’homog´n´it´.3.3. 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).1 e e Le syst`me d´crit par l’´quation entr´e-sortie s = e3 n’est pas lin´aire car ne v´rifiant e e e e pas le principe de superposition alors que le syst`me d´crit par l’´quation entr´e-sortie e e e e s = me + b ne v´rifie par le principe d’homog´n´it´. e e e I. On parle alors de syst`mes lin´aires. la plue e e part des syst`mes physiques sont en r´alit´ non lin´aires (bras de robot. En effet. frottement sec). 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.

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

e e . Il est toutefois important de remarquer que cette structure de commande ne pr´sente e pas que des avantages. rejet de perturbation. 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. I. Elle n´cessite l’emploi de capteurs qui augmentent le coˆt d’une e u installation. e e e moindre sensibilit´ aux variations param´triques du mod`le. Cette structure de commande permet ainsi d’am´liorer les performances dynae e miques du syst`me command´ (rapidit´.THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES 23 syst`me boucl´ (figure I. stabilisation de syst`mes ine e e e stables en boucle ouverte).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. D’autre part. 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. par opposition aux syst`mes en boucle ouverte (figure e e e I. 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.27). meilleur suivi de consignes. 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.28).

I.29. contre-r´action. e e I.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. 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. A partir de l’information de position restitu´e par un capteur au correcteur. e .4. etc. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T . incubateur.29 – R´gulation de temp´rature e e I. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture. 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.4 Exemples de syst`mes de commande modernes e Quelques exemples remarquables de syst`mes de commande modernes sont d´velopp´s e e e afin d’illustrer de mani`re concr`te les diff´rentes notions introduites pr´c´demment telles e e e e e que r´gulation.2 Contrˆle de la tˆte d’un disque dur o e Afin d’acc´der ` des donn´es enregistr´es sur un disque num´rique tournant..). Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig.4. Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I.. 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. .24 INTRODUCTION A LA THEORIE DE LA COMMANDE I.

Un autre type de sp´cification e e e e .30 – Disque dur . I. de commander son orientation e (son attitude) dans l’espace. e Fig. I.contrˆler la dissipation de chaleur o . 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 .´viter les d´gats solaires ou atmosph´riques sur des composants sensibles e e e .pointer dans la bonne direction les antennes. connaissant le mod`le dynamique du satellite.EXEMPLES DE SYSTEMES DE COMMANDE 25 Fig.4.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´.courtesy IBM I. Les objectifs peuvent ˆtre : e .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.

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

Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3. non lin´aires. e e e 1. 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. e e e e a La d´marche globale peut ainsi se r´sumer de la mani`re suivante.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 . le mod`le math´matique d’un syst`me e e e e dynamique est d´fini comme un ensemble d’´quations qui repr´sentent le comportement e e e dynamique du syst`me avec la pr´cision souhait´e. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires. Un certain nombre d’hypoth`ses de travail sont ainsi e e e formul´es d´finissant la classe des mod`les utilis´s.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.Ecrire les lois physiques r´gissant le comportement du syst`me et les ´quations e e e diff´rentielles et alg´briques associ´es e e e 4. En Automatique. 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.D´finir le syst`me ` ´tudier et ses composants ´l´mentaires e e ae ee 2. ` 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. Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires.

Il ne s’agit pas de se substituer ` un cours de m´canique du vol ou a e a e de m´canique des corps flexibles mais de disposer d’exemples r´alistes constituant des e e supports illustratifs de ce cours. Ce chapitre a pour e e e but de donner les principes de base de la mod´lisation des syst`mes dynamiques les plus e e courants rencontr´s dans le domaine a´ronautique et spatial sans pour autant pr´tendre e e e ` l’exhaustivit´. .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´.

Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). il produit ´galement des travaux en optique (Ad Vitellionem paralipomena. Il est mort le 15 Novembre 1630 a Regensburg.´ II. Il publie le premier mod`le math´matique cosmologique e e e dans Mysterium cosmographicum en 1596 et l’envoie a l’astronome Tycho Brahe qui ` l’embauche a Prague comme math´maticien assistant. On suppose que la force d’attraction gravitatione e nelle est la force dominante s’exer¸ant sur le satellite et par cons´quent le mouvement du c e satellite peut ˆtre mod´lis´ ` l’aide du mod`le de Kepler id´al ` deux corps pour lequel e e ea e e a un d´couplage entre le mouvement de translation et de rotation peut ˆtre effectu´.2 Exemples caract´ristiques e Dans cette section. y. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI .3. EXEMPLES CARACTERISTIQUES 29 II. En dehors de ses travaux d’astronome proprement a dit. 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. 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. 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. 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. ` 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. 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. e e II. Il est d’ailleurs excome a muni´ en 1612. 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. e ` e e Biographie 1 (J. quie bus astronomiae pars optica traditur en 1604. jI . .2. z). kI ). Ils seront repris de mani`re r´currente dans e e e e e la suite de ce document afin d’illustrer au mieux les notions d’Automatique d´velopp´es. il 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.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1.2. Il publie a Linz en 1619 Harmonices ` mundi libri contenant la troisi`me loi dite loi des p´riodes puis les tables astronomiques e e Rudolphine tables ` Ulm en 1628. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s.

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

uz ) forment le vecteur moment de commande. Les angles d’Euler sont not´s ψ. On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel. 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. 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.7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (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. figure II. (Tx . Tφ . Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite.6) . l’angle de nutation et φ l’angle e e de rotation propre. l’angle de pr´cession θ.2).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 . 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. Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes. La matrice de rotation peut alors ˆtre engendr´e par trois rotations e e ´l´mentaires d´finies par les matrices Tψ .EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler). e ee (II.2.5) ` Hypotheses II. Ty . uy .

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

e o e Exemple : servo hydraulique 1 Un exemple de servom´canisme hydraulique est pr´sent´ figure II. de Berlin puis de noua e veau de Saint Petersbourg. la fondation de l’analyse math´matique (Introductio in analysin infinie torum en 1748. preuve du dernier e e th´or`me de Fermat pour n = 3). l’huile suit le trajet repr´sent´ sur la figure. i et Σ). π. Outre les travaux math´matiques. les passages d’huile sont ferm´s et aucun mouvement n’en e r´sulte. constante d’Euler. son travail sur e e la th´orie des nombres (´tude de nombreuses conjectures de Fermat.2 Servom´canisme hydraulique e Les actionneurs hydrauliques sont couramment utilis´s dans les asservissements induse triels du fait qu’ils peuvent fournir de grandes forces avec de faibles inerties et poids. a w1 = 1 (ps − p1 )1/2 x R1 (II. Ses contributions aux diff´rents champs des e math´matiques sont innombrables. Institutiones calculi differentialis en 1755 et Institutiones calculi integralis en 1770) l’invention du calcul des variations (Methodus inveniendi lineas curvas en 1740). On suppose que le d´bit ` travers l’orifice de la soupape pilote est proportionnel e a ` x. la preuve que e e est irrationnel.3. ` II. Il est mort le 18 Septembre 1783 a Saint Petersbourg d’une attaque. l’huile suit le trajet inverse entrainant le piston vers la gauche. largement utilis´s afin de mouvoir les surfaces de contrˆle a´rodynamiques. for¸ant le piston vers e e e c la droite alors que pour x < 0. Citons entre autres. o e e e e Son professeur de math´matiques Johann Bernoulli convaint son e p`re de son avenir de math´maticien. Ils sont en particulier. e e formule d’Euler-MacLaurin). la standardisae tion des notations math´matiques (f (x). Euler) Leonhard Euler est n´ le 15 Avril 1707 a Basel en Suisse d’un p`re pasteur calviniste. Quand la soupape e e e pilote est en position x = 0.2. il contribue ´galement e e e e en m´canique (Mechanica en 1736 et Theoria motus corporum solidorum en 1765) e et en hydrostatique. la r´solution du probl`me aux trois corps.10) 1 (p2 − pe )1/2 x w2 = R2 . son travail sur les s´ries infinies (probl`me de Basel.EXEMPLES CARACTERISTIQUES 33 Biographie 2 (L. Il est successivement math´maticien e e e ` l’acad´mie des sciences de Saint Petersbourg. Pour x > 0. e.Il e ` e est diplˆm´ de l’universit´ de Basel en 1724 en th´ologie et h´breux.

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

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.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. on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II.18) (II. · · · . Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le. xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II. Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement. e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 . APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II. · · · .Si y = a et F = 0.15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . 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.19) qui est une ´quation d’´tat du mˆme type que pr´c´demment.Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire. x2 . · · · . e e .17) En supposant que sin θ ∼ θ pour θ petit. ˙ ¨ e e p1 = p2 = ps + pe 2 (II. x20 .3.16) Exemple : servo hydraulique 2 L’actionneur hydraulique est g´n´ralement con¸u de mani`re sym´trique de sorte que e e c e e e a e R1 = R2 et donc ps − p1 = p2 − pe . xn0 ) est e e donn´ par : e y = g(x10 . √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x. xn ) (II. e e e a e . x20 . e e e e e .´ ` II.

ωy0 . 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. 0) (II.20) (ωx0 . les approximations pr´c´dentes restent valides. 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. ωy . ωz0 ) = (0. e e Exemple : satellite 2 On suppose que le satellite a une vitesse de rotation constante autour de l’axe inertiel z et aucun moment de commande ou de perturbation n’est appliqu´. ` e e e e ωz − Ω sont faibles.24) (II. φ0 ) = (Ωt. θ et φ sont petits. 0.23) (II. 0.22) (II. θ0 .36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible. Il est alors possible de supposer que ωx . 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. La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 . Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant.8).21) .

4.LA REPRESENTATION D’ETAT 37 II. A 5 ans. Etant donn´ l’´tat d’un syst`me ` un instant donn´. La repr´sentation d’´tat.E. Le e e e e e e concept d’´tat a ´t´ introduit de mani`re syst´matique par R. Apr`s ˆtre entr´ au Trinity College. Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie.1 (formulation Hamiltonnienne de la loi de Newton) Selon la loi de Newton. la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du syst`me. un point de masse m soumis ` une force F (t) ob´it ` l’´quation a e a e dynamique : m¨(t) = F (t) x En notant q(t) = x(t) la coordonn´e g´n´ralis´e et p(t) = mx(t) le moment conjugu´ du e e e e ˙ e syst`me. e Biographie 3 (Sir W. 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). Polaris) aux d´buts e e e des ann´es 60. Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton. e Exemple II. le Grec et l’H´breu. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal. 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. 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. il publie Lectures on Quaternions en 1853 puis Elements of Quaternions dont le dernier chapˆtre reste inachev´. il sait le Latin. e Poincar´).` ´ ´ II.4.R. Il publie On General Method in Dynamics en 1834 et est anobli en 1835.la repr´sentation d’´tat e e e Le concept d’´tat d’un syst`me e e La th´orie moderne de la commande des syst`mes repose en grande partie sur le e e concept d’´tat d’un syst`me et sur le mod`le associ´. Il 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 ` 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. 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) ˙ .4 II. Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans. de Newton et de Laplace. Kalman et par les e ee e e ing´nieurs travaillant sur les premi`res applications spatiales (Apollo.1 Le mod`le interne . LE MODELE INTERNE .4.

4) ayant pour entr´es les composantes e e du vecteur u(t) ∈ Rm et pour sorties les composantes du vecteur y(t) ∈ Rr . t1 ]. 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. 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. 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 . U Vecteur d’entrée X Vecteur d’état dimension n Y Vecteur de sortie dimension m dimension r Fig. 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 . e e e e e x(t) = [x1 (t). L’´volution du syst`me peut ˆtre repr´sent´e au moyen des trajectoires d’´tat. d´fini comme l’espace e ` e d’´tat.4.38 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES sont connues. Les variables d’´tat seront donc e e a e les solutions d’´quations diff´rentielles du premier ordre.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. ´ Definition II. On consid`re donc le e e e syst`me dynamique multivariable de la figure (II.4 – Syst`me dynamique multivariable e En g´n´ral. · · · .4. e e e . 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. e Le vecteur d’´tat x(t) appartient a un espace vectoriel E. on trouve toutes les fonctions e e ee r´sultant d’une int´gration. ` chaque instant t0 . II. e e Comme l’exemple pr´c´dent l’a montr´. Parmi les fonctions poss´dant cette propri´t´. le comportement du syst`me ` n’importe quel instant sera connu. 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.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. l’´tat initial d’un syst`me doit constituer sa e e e e e m´moire. e e II. xn (t)] .

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

4. 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).3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II.5 −1 −1.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig. e ´ Definition 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).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. continue par rapport a u et continue par morceaux par rapport a t.26) y(t) = h(x(t).4. y(t) ∈ Rr est u le vecteur de sortie. u(t) ∈ Rm est le vecteur de commande. t) ´quation dynamique ˙ e (II.5 dx/dt 0 −0.5 2 1. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.4. II.5 1 0. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x. u(t).40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II.7).27) .5 −2 −2. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II. e e e e e Exemple II. u(t).

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.29) A partir de la donn´e des conditions initiales du circuit.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II.LE MODELE INTERNE . x2 (0) .28) dx2 1 R (t) = x1 (t) − x2 (t) dt L L Si l’on suppose de plus que l’on mesure la tension aux bornes de la r´sistance.25).6 pour diff´rentes e e e a e x1 (0) conditions initiales . 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. il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0.7 – 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. 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. En posant e e e x1 = v et x2 = v.4. vR = R(iL (t)). soit [x1 x2 ] = [vC iL ] .31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II.30) (II. II. il est e e encore possible de donner une repr´sentation d’´tat non lin´aire. [x1 (0) x2 (0)].LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig. ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire.

B(t) ∈ Rn×m est la matrice de commande ou d’entr´e. 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.4. t) ˙ (II.3 (Repr´sentation d’´tat lin´aire) e e e Si Σ v´rifie l’hypoth`se de lin´arit´ alors sa repr´sentation d’´tat est donn´e par : e e e e e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II. e II.4. e ´ Definition II.42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II. .D(t) ∈ Rr×m est la matrice de transmission directe. Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t). Cela signifie que pour un mˆme syst`me phye e e e sique. u0 (t). 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. le syst`me est Lin´aire Temps-Invariant e e (LTI).26).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). . 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´. cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique.A(t) ∈ Rn×n est la matrice dynamique.34) . le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´.32) y(t) = C(t)x(t) + D(t)u(t) o`: u . Si les matrices A. En effet. D sont constantes.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. B. t) ˙ (II. C.3 Repr´sentation d’´tat lin´aire . e . u(t).C(t) ∈ Rr×n est la matrice de mesure ou de sortie.2 La repr´sentation d’´tat n’est pas unique.4.

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

4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e). 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.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie. t0 )x0 ∀t ≥ t0 (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 . 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.38) Dans le cas g´n´ral o` le mod`le est temps-variant. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy . e e e ´ Definition II. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II. 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.4.40) .44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre.5 A2 = 0 1 1 −0. 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. on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0.

t0 ) = A(t)Φ(t.40).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.Φ−1 (t.43) x(t) = Φ(t.41) Dans le cas g´n´ral d’un syst`me temps-variant. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t0 ) .1 . 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. t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes. t) ∀ t. t0 )x0 + C(t) t0 Φ(t.LE MODELE INTERNE . ´ Definition II. t0 ) est inversible pour tout t et tout t0 . Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. τ )B(τ )u(τ )dτ t0 (II. elle est donn´e par l’´quation e e e e e e e (II. seuls les syst`mes lin´aires temps-invariants.4. τ )B(τ )u(τ )dτ + D(t)u(t) (II. t0 ) Φ(t0 . t0 ∀ t ≥ t0 45 (II.LA REPRESENTATION D’ETAT o` Φ(t.4. seront ´tudi´s e e e e . e ee ´ ´ Proprietes II. Pour les e e e e syst`mes LTI. t0 ) est la matrice de transition. t0 ) = Φ(t2 . t1 )Φ(t1 . (LTI). 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.44) t y(t) = C(t)Φ(t.42) A partir de la donn´e de la matrice de transition. e ´ Definition II. t0 )x0 + et la sortie s’´crit alors : e Φ(t.5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales.4. la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique.Φ(t2 .4.6 (r´ponse forc´e) e e La r´ponse forc´e d’un syst`me est la r´ponse du syst`me au seul signal d’entr´e et pour e e e e e e des conditions initiales nulles.Φ(t. solution de l’´quation diff´rentielle : u e e ˙ Φ(t. t0 ) = Φ(t0 . e ´ ` Theoreme II. e e e e e elle est donn´e par : e t x(t) = t0 Φ(t.45) Dans la suite. τ )B(τ )u(τ )dτ (II. De mˆme.

` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie.B=[1/2. B. Script MATLAB 1 >> A=[0 -1/2.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. L = 1 H et R = 3 Ω. >> C=[0 3]. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre. D). du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II.4. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A. >> circuit=ss(A. ´ Definition II.D=0.46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat.B.C. .5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model.4. C. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II.7) pour C = 2 F .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. e Exemple II.4.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le.D) a = x1 x2 x1 0 1 x2 -0.5 -3 b = x1 x2 u1 0.0].1 -3].6 (circuit ´lectrique) e Calcul du mod`le d’´tat.

49) (II. t0 ) = eA(t−t0 ) o` : u eAt = 1 + At + A2 t2 An tn + ··· + + ··· 2! n! (II.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.2 Le mod`le LTI homog`ne (non command´) de condition initiale x(t0 ) = x0 .50) eA(t−τ ) Bu(τ )dτ + Du(t) (II.47) Sa r´ponse libre est donc donn´e par : e e y(t) = CeA(t−t0 ) x0 Le mod`le LTI.LA REPRESENTATION D’ETAT La matrice de transition d’´tat e 47 Pour les mod`les LTI.4.52) (t − τ )uz (τ )dτ (II. e e e x(t) = Ax(t) ˙ y(t) = Cx(t) a pour matrice de transition : Φ(t.48) (II. e x(t) = Ax(t) + Bu(t) ˙ (II.LE MODELE INTERNE . ´ ` Theoreme II. ψ(t) = x1 (t) = x10 + (t − t0 )x20 + puisque eAt = 1 t 0 1 1 Izz t 0 t t0 (II. la matrice de transition d’´tat peut ˆtre donn´e de mani`re e e e e e explicite.53) .

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

. U (p) = L[u(t)] et Y (p) = L[y(t)]. yr 49 Système linéaire multivariable Fig.59) Yi (p) = j=1 gij (p)Uj (p) (II. . .1 .5.56) Pour des conditions initiales nulles. on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II.5. u ∈ Rm et y ∈ Rr . u u1 u2 .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. x0 = 0.55) o` X(p) = L[x(t)]. um y1 y2 . .Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique.55) u e e par rapport a Y (p). II. e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II.LES MODELES EXTERNES o` x ∈ Rn .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. e e . il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II.57) ´ Definition II.1 (Matrice de transfert) e e a La matrice G(p) ∈ Cr×m est appel´e matrice de transfert liant l’entr´e U (p) ` la sortie Y (p).58) (II. 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. En r´solvant les ´quations (II. e e e .54). il est possible de l’appliquer aux e e e ´quations (II.60) Remarques II. .

x2 ) = (TC .61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur.2 m3 /min et VH = VC = 1 m3 .63) .01 m3 /min.1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II. de la capacit´ u e e e calorifique des fluides.. β = 0.01 x(t) (II. e e e e e e e e e e temp´rature TC .21 0. II. d´bit fC ).50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . TH ) et les temp´ratures d’entr´e comme les commandes.01 0 0 0.5.. les variables d’´tat e e (x1 . En supposant les flux constants fH = fC = f . temp´rature TH . e Exemple II. 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. Pour chaque ´tage. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi . e on obtient : x(t) = ˙ −0.9. d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi .C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me.62) y(t) = x(t) Pour les valeurs num´riques f = 0.2 0.21 x(t) + 0.2 −0.

01 (II.21 0.0021 --------------------s^2 + 0..01.01*0.002 --------------------s^2 + 0.01]..01)(p + 0.LES MODELES EXTERNES En appliquant la formule (II.64) 0..21 −1 51 0.21 −0.002 #1: --------------------s^2 + 0.2*0.den den}) Transfer function from input 1 to output.42 s + 0.57).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.01*0. la matrice de transfert est donn´e par : e G(p) = 1 p + 0. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.01 0 0 0.01 0.2 p + 0.41) p + 0.2 p + 0.0021 #1: --------------------s^2 + 0.01 = (p + 0.01 s + 0.0. e e >> den=conv([1 0. 0.42 s + 0.66) . {den den..2 −0.[1 0..01 0.21] 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.42 s + 0.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.01*0.21]}.0041 #2: Transfer function from input 2 to output. 0..42 s + 0.01 s + 0..41]). >> echangeur=tf({[0.0041 0.2 [0.2 0.0041 0.

..5. >> satellite=tf({[1 -25] [5 5]..5 -------s^2 + 25 #2: Transfer function from input 2 to output.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. 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.70) A chaque instant t.. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t.68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II.[1 0 25] [1 0 25]}) Transfer function from input 1 to output.5.25 -------s^2 + 25 #2: II. L’´l´ment (i..67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur. 5 s + 5 #1: -------s^2 + 25 s ..[-5 -5] [1 -25]}.69) ´ Definition II. {[1 0 25] [1 0 25].. e e >> a=5. s . ` .2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II. g(t) est une matrice de dimensions r × m.25 #1: -------s^2 + 25 -5 s .

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

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).75) y(0) = y(0) = · · · = y ˙ (n−1) (II.10).77) Exemple II. e e e La fonction de transfert Soit un syst`me LTI mono-entr´e. 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. on obtient. mono-sortie.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II. l’´quation diff´rentielle d´crivant le comportee e e ment de la masse M soumise ` une force u(t) est donn´e par : a e M y (t) + f y(t) + Ky(t) = u(t) ¨ ˙ (II.4 Le cas particulier des syst`mes SISO e Le cas particulier des syst`mes poss´dant une seule entr´e et une seule sortie (SISO) e e e est tr`s important non seulement puisqu’il fˆt historiquement le premier a ˆtre trait´ de e u `e e mani`re intensive et extensive mais ´galement parce qu’il poss`de de nombreuses proe e e pri´t´s que l’on ne retrouve pas dans le cas MIMO.5.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.74).78) k M s(t) f e(t) Fig.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles.5.74) (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. II.10 – Syst`me masse-ressort-amortisseur e . Par application e e du principe fondamental de la dynamique.5. Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II. e e a an y (n) (t) + · · · + a1 y (1) (t) + a0 y(t) = bm u(m) (t) + · · · + b1 u(1) (t) + b0 u(t) Si les conditions initiales sur le signal d’entr´e et de sortie sont nulles : e u(0) = u(0) = · · · = u(m−1) (0) = 0 ˙ (II.76) ´ Definition II. Dans le cas de mod`les externes. u(t).

Ainsi. . alors : s(t) = su (t) + s0 (t) (II.LES MODELES EXTERNES 55 Un vecteur d’´tat pour les syst`mes m´caniques peut ˆtre typiquement constitu´ ` e e e e e a partir des variables de position et de vitesse.5.79) En appliquant la transform´e de Laplace a cette ´quation et en choisissant la position e ` e de la masse y(t) comme sortie. e e Fonction de transfert et r´ponse impulsionnelle e Soit un syst`me LTI SISO soumis ` une entr´e u(t) et donn´ par sa fonction de transfert e a e e G(p). 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. Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (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.24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II. vR (t). on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ.82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II.4 (syst`me ´lectrique (suite)) e e En choisissant comme entr´e le courant u(t) d´livr´ par la source de courant et comme e e e sortie la tension aux bornes de la r´sistance.83) La fonction de transfert G(p) est appel´e double int´grateur.80) Exemple II.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. 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. 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.

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.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle.86) .5.11 – Syst`me lin´aire e e ´ Definition II.5.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 .56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig. e G(p) = L[g(t)] 2. e e e Remarques II.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p).2 1.g(t) et G(p) contiennent la mˆme information.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) .88) ⇔ Y (p) = G(p)U (p) (II. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II. ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).87) (II. e e ´ ` Theoreme II.mod`le alg´brique G(p) e e . ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme.5. 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). e e ´ Definition II.91) (II. Pour e e e e n = m.ˆ ´ ` II. . Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral. e A partir de la d´finition du polynˆme caract´ristique.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. POLES ET ZEROS D’UN MODELE LTI 57 II.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II.6.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II. e e II.89). la caract´risation par la fonction de transe a e fert est tr`s simple.89) et le mod`le de transfert G(p) ∈ Cr×m : e G(p) = C(p1 − A)−1 B + D On suppose que les deux mod`les sont parfaitement ´quivalents. L’´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.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. 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.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. il est dit strictement propre. ` l’inverse.6.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique. e 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).6. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II. Si le syst`me est causal alors n ≥ m.6.6. le syst`me est dit propre alors que pour n > m.

6.0 1].58 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Les pˆles d’un syst`me r´el sont n´cessairement r´els ou complexes conjugu´s puisque o e e e e e les coefficients des polynˆmes caract´ristique sont r´els.{[1 1] [1 2].1 1 0].1 1}. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.0 -1 0. o e e Exemple II.0 0 -2]. >> C=[2 0 3.B=[1 0.0 1.1 Soit le mod`le d’´tat LTI donn´ par e e e  −1  0 A= 0 C= les matrices syst`me : e    0 0 1 0 −1 0  B =  0 1  0 −2 0 1 2 0 3 1 1 0 La matrice de transfert de ce syst`me est donn´e par : e e   3 2   G(p) =  p + 1 p + 2  1 1 p+1 p+1 Le plus petit commun d´nominateur associ´ ` cette matrice de transfert est : e ea πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Script MATLAB 4 >> A=[-1 0 0.[1 1] [1 1]}). >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .

la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission. Ces syst`mes sont e e e e e e dits carr´s. e e e e e a On d´finit pour cela le polynˆme des z´ros.94) (II. Sous les hypoth`se II. de z´ros invariants et de z´ros d´couplants sont ´quivalentes.6. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2. e Sous ces hypoth`ses.0000 -1.6.2 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.0.1.6. u e e e e ` Hypotheses II. πz (p) comme le plus grand commun e o e diviseurs des num´rateurs des mineurs d’ordre maximum de G(p) normalis´s pour avoir e e e e le polynˆme caract´ristique πp (p) comme d´nominateur. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.90). e e e e ´ Definition II.0000i >> Poles=pole(G) Poles = -1 -2 -1 II. Elle est ´troitement li´e ` la repr´sentation (´tat.0000 .0000 + 0. 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). transfert) choisie. z0 est un z´ro du mod`le LTI ssi la mae e e trice M (z0 ) n’est pas de rang maximum : M (z0 ) = z0 1 − A −B C D (II.6.ˆ ´ ` II.89). ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.93) .4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.6.0000i -1.

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. 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 >> [Poles. e .6.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p).0000 Remarques II.0000 >> Zero=zero(G) Zero = 1.1.2 Reprenant l’exemple II.6.

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

Il est ind´pendant de la nature physique du syst`me mod´lis´. II.7. e Remarques II.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me. c a + b Fig. e .7.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert.1 . a ee 3. e e e e e Principes de construction 1. e Exemple II. e e a ee e 2. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e. Dans ce cas. II.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . e e e e + a−b+c − II.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig.2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment.7.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie.En appliquant la transform´e de Laplace.de blocs sommateurs.15 – Circuit RC . calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles.Un sch´ma fonctionnel n’est pas unique.

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

II.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne. 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.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.7. E(p) + S(p) − (II.95) (II.96) ε (p) G(p) S(p) Fig. ´ Definition II.7. II.4 (syst`me boucl´ ` retour unitaire) e ea Un syst`me boucl´ est dit ` retour unitaire si le transfert de la chaine de retour est ´gal e e a e ` un.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. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur. ´ Definition II.7.18 – Syst`me boucl´ ` retour unitaire e ea ´ 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. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire.97) .

20. le sch´ma fonctionnel peut comporter un nombre ime e portant de blocs et de boucles. Ces r`gles sont r´sum´es e e e e e dans les tableaux II.LES MODELES GRAPHIQUES 65 II.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe. II. 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.7.19 – Alg`bre des sch´mas fonctionnels e e .19 et 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.

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

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

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

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

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. II.70 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.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.inputs2. ) z=zero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur z. e .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 sys2.8.8. ) o ) z=tzero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur ) e e z. ) sys=series(sys1. e ) sys=parallel(sys1. ) e e ) [p.inputs2) : cr´e dans sys l’interconnection s´rie des ) e e sorties outputs1 de sys1 avec les entr´es inputs2 de sys2.sys2.outputs1.3 Fonctions d’analyse des mod`les LTI e ) p=pole(sys) : renvoie les pˆles du mod`le LTI sys dans le vecteur p. ) o e ) r=roots(C) : renvoie les racines du polynˆme C dans le vecteur r.4 Fonctions de mod´lisation par blocs e ) sys=feedback(sys1.inputs1.outputs1.

Il ´migre aux Etats-Unis et obtient son diplˆme de Master du MIT en 1954 en e e o g´nie ´lectrique.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 rejoint l’universit´ de Stanford o` ses travaux concernent la e u th´orie de la r´alisation et la th´orie alg´brique des syst`mes. Il poursuit ses ´tudes de doctorat a l’universit´ de Columbia et obtient e e e ` e son Ph. Ragazzini. filtre de Kalman et de Kalman-Bucy. le fait de tourner le volant ou non d’une automobile ne e e va pas affecter sa vitesse (la vitesse n’est pas commandable par le volant) alors que le fait de d´cel´rer ne va pas influencer la direction de la voiture. il rejoint le RIAS (Ree e e search Institue for Advanced Study) o` il propose ses contributions majeurs u jusqu’en 1964 : notions de commandabilit´ et d’observabilit´. En 1971. De 1957 ` 1958. il travaille au laboratoire de ree a cherche d’IBM a Poughkeepsie o` ses contributions concernent les syst`mes ` u e ´chantillonn´s et la th´orie de Lyapunov. Hongrie d’un p`re ing´nieur en g´nie e ` e e e ´lectrique. e Biographie 5 (R. Kalman) Rudolf Kalman est n´ le 19 mai 1930 a Budapest. Par exemple. En 1958.E. 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. D. 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. ils n’en e e sont pas pour autant exclusivement r´serv´s ` ce type de repr´sentation.E. En 1973. Ses premi`res recherches en th´orie de la commande sont centr´es aue e e tour de la notion d’´tat. 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. il est ´galement chercheur associ´ ` l’´cole polytechnique f´d´rale de e e ea e e e 71 . Kalman en 1960. En 1964. commande ope e timale quadratique et liens avec le calcul des variations.R. Dans le cadre e e a e de ce cours. en 1957 sous la direction du Professeur J. nous nous limiterons ` la pr´sentation de ces notions a partir des mod`les a e ` e d’´tat.

B ∈ Rn×m est commandable ssi la matrice de commandabilit´. B = 0.72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH).1.1) e o` A ∈ Rn×n . e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. · · · .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´. ´ ` Theoreme III. C est u de rang n. la commanea e dabilit´ a pour objet de caract´riser la capacit´ d’un syst`me ` voir ses caract´ristiques e e e e a e dynamiques modifi´es par les entr´es.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. e e a . fran¸aise e e c et russe. Il est membre de l’acad´mie des sciences am´ricaine. B .Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices. III.1 . modification des dynamiques propres).2) .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.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. · · · n alors le syst`me est compl`tement ee commandable.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 . e e ´ Definition III. AB .1. An−1 B . III. Remarques III. 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. R.1. e .1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre.1 III. e e e x(t) = Ax(t) + Bu(t) ˙ (III. =n (III. . 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. hongroise. . rang(C) = rang . . .1.1.

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

1 Clairement.5)  = n   .2.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A. u   C  · · ·     CA     · · ·  rang(O) = rang  (III.2. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie.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 . Exemple III. 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.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure. O est de rang n.2.1 Notion d’observabilit´ e D´finition e Une caract´ristique structurelle compl´mentaire (duale) de la commandabilit´ peut e e e ´galement ˆtre d´finie. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.2. C ∈ Rr×n est observable ssi la matrice d’observabilit´. C). ´ ` Theoreme III. e a e ´ Definition III. Elle correspond ` la capacit´ pour un syst`me ` connaˆ l’histoe e e a e e a ıtre rique d’un ´tat interne ` partir de la seule connaissance de variables de sortie mesur´es. e III.2.4) e o` A ∈ Rn×n .   . n alors le syst`me est compl`tement ee observable.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. Remarques III.2.1 (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 ]. . · · · .74 COMMANDABILITE ET OBSERVABILITE III. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III.2 III.    · · ·  CAn−1 Remarques III. C) sera appel´e observabilit´ e e e e e de la paire (A.

` e ´ ` Theoreme III. B ) est observable. On a alors le r´sultat suivant liant les conditions de u e commandabilit´ et d’observabilit´ des deux syst`mes Σ et Σdual . C ∈ Rr×n .2.Σ (A. rang(O) = rang C CA = rang 1 0 1 1 =2 75 Cela implique que le syst`me est compl`tement observable.2 (syst`me dual) e Le syst`me Σdual est appel´ syst`me dual du syst`me Σ.3 Dualit´ de la commandabilit´ et de l’observabilit´ e e e Les propri´t´s de commandabilit´ et d’observabilit´ sont tr`s ´troitement li´es par une ee e e e e e forme particuli`re de dualit´.2.2 (test PBH) La paire (A. e e e e .3 . . ´ Definition III. e e D´finissons pour cela les mod`les d’´tat. e e Exemple : satellite 10 (mouvement autour de z) Si l’on mesure la vitesse angulaire.2. C) est observable.6) III. les matrices dynamique et de sortie du satellite sont.7) o` A ∈ Rn×n . De mˆme que pour la commandabilit´. B) est commandable ssi Σdual (A . e rang(O) = rang C CA = rang 0 1 0 0 =1 Il est effectivement impossible physiquement de reconstruire la vitesse et la position angulaire avec la seule connaissance de la vitesse. 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. C ) est commandable ssi Σ (A. e ` (III.2. B ∈ Rn×m .NOTION D’OBSERVABILITE On peut alors calculer.Σdual (A . A= 0 1 0 0 C= 0 1 Le syst`me n’est donc pas observable puisque. C) est observable ssi la matrice complexe (n + r) × n : λ1 − A C est de rang ´gal a n pour toute valeur propre λ de A. e 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. e e e ´ ` Theoreme III.

3. Cette op´ration est une transformation de similarit´. 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.8). Il rentre a l’´cole Polytechnique en e ` e 1855. les ´quations diff´rentielles et e e e la m´canique. En 1861. 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 1885. ` e . Il e e e meurt le 22 janvier 1922 a Paris apr`s avoir perdu 3 de ses fils pendant la guerre 14-18.La forme compagne d’observation. 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. ea e e e Ainsi. 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. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite. e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887.La forme diagonale ou quasi-diagonale de Jordan. .76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse. .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´. 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.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II. 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. Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles.46) a la repr´sentation e e e ` e d’´tat (III. Biographie 6 (Marie Ennemond Camille Jordan) Camille Jordan est n´ le 5 janvier a La Croix-Rousse ` Lyon d’un p`re ing´nieur de l’´cole e ` a e e e Polytechnique et de Jos´phine Puvis de Chavannes. il devient ´diteur du Journal de math´matiques pures et appliqu´es. On distingue trois e e grands types de formes canoniques : .3 III. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat.La forme compagne de commande.

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

Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi . u ∈ R et y ∈ R.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi . 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. 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. 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. i = 1.14) . 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. · · · .13) Le polynˆme caract´ristique de (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. 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. La premi`re colonne u e ` de chaque sous-bloc Pi .12) y(t) = Cx(t) e e e e o` x ∈ Rn .11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1.12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III. · · · . Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. Il est possible de montrer que l’on Soit P = [q1 . e e e c eme ` u colonne de P . qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III.

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

    C(A + an−1 1n ) C C(An−1 + an−1 An−2 + · · · + a2 A + a1 1n ) (III. `               −1 Po    C(An−2 + an−1 An−3 + · · · + a3 A + a2 1n )    = . . Bo = Cc et Co = Bc . 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.3.1 Soient les ´quations d’´tat : e e    0 1 −1 1  −3 2 1  x(t) +  1  u(t) x(t) = ˙ 0 1 1 0 y(t) = 1 0 −1 x(t) πp = p3 − 3p2 + 4p − 6 Les matrices de passage sont alors :   −1 −2 1 Pc =  3 −4 1  −3 1 0  4 −2 0 Po =  −3 −0 1  1 0 −1   Le polynˆme caract´ristique de ce syst`me est : o e e Les formes compagnes respectivement de commandabilit´ et d’observabilit´ sont : e e         0 1 0 0 0 0 6 2 Ao =  1 0 −4  Bo =  −3  Ac =  0 0 1  Bc =  0  6 −4 3 1 0 1 3 1 Cc = 2 −3 1 Co = 0 0 1 Exemple : satellite 11 Les ´quations d’´tat du satellite telles qu’elles ont ´t´ d´velopp´es dans le chapitre pr´c´dent e e ee e e e e sont donn´es sous forme de Jordan avec 0 comme valeur propre double.19) 1 0 .80 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES On note que Ao = Ac .18) Exemple III.  .

20) 1/Izz 0 En ce qui concerne.3. la Izz p2 D’autre part.22) = 4+ = 4+ . du fait que le polynˆme caract´ristique associ´ est Psat. Dans le cas d’un syst`me mod´lis´ par une fonction e e e e e de transfert propre. ce qui n’est e e e e pas toujours v´rifi´ en pratique.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 . 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. F (p) = Exemple III.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. la forme canonique d’observabilit´. (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.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.

626 d = .25 x2 -0.899 c = y1 x1 0.[1 4 1 0]) Transfer function: 4 s^3 + 8 s^2 + 2 s + 1 ----------------------s^3 + 4 s^2 + s >> ex_332=canon(H.899 4.732 b = x1 x2 x3 u1 4 4.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.2679 0 x3 0 0 -3.2115 x3 -1.82 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].

Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 .23) e La r´alisation (A. 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. toute repr´sentation e e d’´tat LTI (A.3. e e Exemple III. B. e e e .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. ´ Definition III.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.2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II.Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 . C.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 83 y1 u1 4 III.3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m . B. D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible.3. D) telle que : e G(p) = C(p1 − A)−1 B + D (III. C.3.Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] .6.Non observable et non commandable : A3 = −1 0 0 −2 B3 = 0 1 C3 = 0 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.3. e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig. 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.L’´quation diff´rentielle entr´e-sortie se d´duit ` partir des ´quations diff´rentielles e e e e a e e suivantes. e Exemple III. III. Y (p) p−1 = U (p) p+2 . e e ´ ` Theoreme III.3.3. D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable. Dans ce cas.4 .3 Une r´alisation d’´tat (A.La fonction de transfert du syst`me global est d’ordre 1 avec un pˆle −2 et un z´ro e o e 1. ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) . e e e ee ´ ` Theoreme III. 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. C.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. Enfin.4 Soit le syst`me compos´ structur´ comme indiqu´ figure III.1. B. e .1 – Syst`me structur´ e e .

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

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

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

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

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. 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. i.1. B. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire. C.1. e e e e e Si le syst`me est observable et commandable alors une r´alisation minimale d’´tat e e e peut ˆtre donn´e : e e G(p) : = A B C D (IV. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s. 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. Munis de cette interpr´tation monovariable.´ IV.1.5083i 0. apr`s d´composition en ´l´ments simples.6681 .4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations. Le demi-plan gauche est appel´ la r´gion de stabilit´.5) Il est donc ais´ de voir que cette r´ponse sera born´e si tous les pˆles sont a partie e e e o ` r´elle n´gative.e.6) Un syst`me LTI de r´alisation minimale (A.3429 + 1. tous les pˆles sont a o o ` partie r´elle n´gative.3429 . ` e e Exemple IV.1. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives.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 = 0.5083i -1. il est possible de donner une e e e caract´risation multivariable plus g´n´rale. e e e ´ ` Theoreme IV.

Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College. En 1854. sys=ss(G).5088 + 1.7020i -0.5088 + 0. 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.1.0.3429 0. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec.0. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p).5083i + 0.C. 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). IV.D]=ssdata(sys). [A. Il meurt le 7 juin 1907 a ` Cambridge. 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. .3429 -1. (1891) et A treatise on dynamics of a particle (1898).5088 -0. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert.7020i >> >> >> >> G=tf([1 1]. A treatise on analytic statistics.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.7) Le syst`me est observable et commandable.98 STABILITE DES SYSTEMES LTI -0.6681 -0.5088 . ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.[1 2 3 6 5 3]). eig(A) ans = 0.1. ce qui peut ˆtre fastidieux pour des ordres ´lev´s.5083i .B. Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres. Canada.7020i .

Appliquer le crit`re de Routh-Hurwitz.1 1.1. . LA STABILITE BIBO 99 Adolf Hurwitz est n´ le 26 mars 1859 a Hanovre. Si l’´l´ment au dessous de est positif.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. Son premier professeur est Schubert.9) 2. .Ecrire le polynˆme sous la forme (hypoth`se a0 = 0) o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.Si tous les coefficients sont positifs. . e ` Puis.Si un des coefficients est nul ou n´gatif alors qu’un autre coefficient au moins est e positif. 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 . p0 cn−1 cn−3 cn−5 4. Il ´tudie la th´orie de ` a u e e la factorisation des quaternions entiers en 1896. ` o u ` En 1892.1. an−4 an−5 an an−6 an−1 an−7 =− an−1 an−1 an−7 bn−1 bn−7 =− bn−1 . 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 travaille ´galement e sur les surfaces de Riemann. il occupe une chaire a K¨nigsberg o` il enseigne a Hilbert. Il meurt le 18 novembre e 1919 a Z¨rich. e ´ ` Theoreme IV. il y a changement de ` e ee e signe et donc il existe une racine a partie r´elle positive. il existe une racine ou des racines imaginaires ou nulle ou a partie r´elle ` e positive. Weierse ` e u trass et Kronecker. ` u ´ Procedure IV. on calcule le tableau de Routh suivant. En 1884. Si un ´l´ment de la premi`re colonne est nul.1. il existe une ee racine a partie r´elle nulle. . 3. on le remplace alors par > 0 et on ee e continue la construction du tableau. il est ´tudiant a l’universit´ de Berlin o` il assiste aux cours de Kummer. Il fait son doctorat a Leipzig sous l’autorit´ de Klein en 1881 sur les ` e fonctions modulaires.´ IV. la th´orie des fonctions complexes et ´crit e e plusieurs papiers sur les s´ries de Fourier. . Si l’´l´ment au dessous de est n´gatif. . . ` e . e Le syst`me est donc stable si et seulement si tous les coefficients de la premi`re colonne e e sont positifs. pn−2 bn−1 bn−3 bn−5 pn−3 . il remplace Frobenius a ETH ` Z¨rich. .

o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme. La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme. e e a2 a1 > a3 a0 Exemple IV. 0 est remplac´ par . Il y a donc deux racines a partie r´elle positive. o o Exemple IV. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme.1.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω).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. ` e .1.1 1.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 0.2 (ordre 3) Soit le polynˆme caract´ristique.100 STABILITE DES SYSTEMES LTI Remarques IV. e e 3. p5 p4 p3 p2 p p0 1 2 ∅ 6 −7 42 − 49 − 6 12 − 14 3 2 3 6 7 2 3 0 0 5 3 0 0 0 0 Le nombre de changements de signe dans la premi`re colonne est 2 quel que soit le signe e de . p3 p2 p p0 a3 a2 a3 a 1 a2 a0 − a2 a0 a1 a0 0 Une condition n´cessaire et suffisante de stabilit´ devient alors.1. e 2. Afin de e e compl´ter le tableau.3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique.

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

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

2. e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe . le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle. r) . LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t.16) (IV. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV.4 (stabilit´ exponentielle) e Un point d’´quilibre xe est exponentiellement stable s’il existe α > 0 et λ > 0 tels que : e ∀t > 0 . la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´.14) La stabilit´ asymptotique signifie que l’´quilibre est stable et que l’on est capable de e e d´terminer un voisinage du point d’´quilibre tel que n’importe quelle trajectoire issue e e d’un x0 appartenant a un voisinage de xe tend vers xe quand t → +∞. IV.2. e . ∀ x0 ∈ Br .1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne.2.´ IV. ∃ Br (xe . ´ Definition IV.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0).15) Cela signifie que le vecteur d’´tat. D’autre part. ||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.x0 ) xe t x1 Fig.1). λ est appel´ le taux de convergence.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.2. ` ´ Definition IV. e ´ Definition IV.

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

>> eig(A2) ans = -1.1 0 -1].3333 1.2.6667 −0.3333 2].6667 −2.0 0 0.3333 1.3333 1.3333 1.0000 0.     −3 2 3 −1.-1.3333 1.0001 >> A4=[0 0 0.0000i -2.3333 A5 =  −0. o e Exemple IV.3333 −2.6667 Script MATLAB 9 >> A1=[-3 2 3. LA STABILITE INTERNE 105 Remarques IV.-0. >> eig(A4)    −2.9999 >> A3=[-2.-1.0000 -2.0.3333 3 A3 =  −1.-1.3333  1.3333 -2.0000 -1.6667 0. >> eig(A1) ans = -1.3333 0  −2 2 2 −0.9999 -1.2.6667 2].6667 3.6667 -2.3333 −0.0000i -1.6667 0.-1 -3 0.´ IV.-2 2 2].3333 0.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.3333 2  .0000 + 0.2.6667 0.3333 1.3333 3.6667 3 A1 =  −1 −3 0  A2 =  −1.3333 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.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).0000 >> A2=[-1. >> eig(A3) ans = 0.6667 0.6667 0.0000 .2 La stabilit´ interne de (IV.6667 0.6667 0  −1.

` e e A B C D IV. e e ´ ` Theoreme IV.3333.0000 0 0 0 -0. e e e . les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.2182 -0.6667 S = 0 0 0 0 -1. >> [V.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.Le syst`me est BIBO-stable.2.6667 -0.S]=eig(A5) V = 0.6667].3333 0.3333 1.0000 IV.3333 0.6667 0.1. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative. e 4.-0.6667 0.3333 -0.2.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.3 Pour un mod`le dynamique LTI commandable et observable d´crit par sa fonction de e e transfert ou sa r´alisation d’´tat minimale.2.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome.3333.3333 -0.3333 1.6667 0.8729 -0. e e 3. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI. e 2.4364 0.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.6667 -0.

l’´quation (IV. . Cela donne des caract´ristiques e e e e diff´rentes aux trajectoires d’´tat. p2 < 0 sont stables.19) peut ˆtre utilis´e afin e e e e de caract´riser la nature du point d’´quilibre 0. les valeurs propres peuvent e e ˆtre r´elles ou complexes conjugu´es..Les deux valeurs propres p1 . . En effet.19) P −1 = base. 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. 0  0 pn Dans le cas d’un syst`me de dimension 2. · · · .  .2 .  . w1 w2 · · · wn P est la matrice modale de changement de  p1 0   0 p Λ= .3 – Noeud stable .. stables ou instables.´ IV.. En ´crivant la matrice A e e a dans la base form´e des vecteurs propres ξi ..  .2.. 0 ···  0 . IV. la r´ponse du syst`me ` une condition initiale e non nulle est. LA STABILITE INTERNE Etant donn´ un mod`le LTI autonome. le point d’´quilibre 0 est un noeud stable. p2 sont r´elles.p1 .  .18) e on suppose que les n valeurs propres p1 . pn sont distinctes. 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 .

le point d’´quilibre 0 est un noeud instable.4 – Point selle . p1 = σ+jω.p1 .6 – Centre . e .2 0. e e .4 −0.5 −0.σ = 0.2 0 0.3 0. e 0.5 – Foyer stable .6 0. le point d’´quilibre 0 est un point-selle (col) instable. e 6 4 2 0 −2 −4 −6 −6 −4 −2 0 2 4 6 Fig.108 STABILITE DES SYSTEMES LTI . IV. p2 > 0 sont instables. IV.4 −0.σ > 0.Les deux valeurs propres p1 .2 0.p1 < 0 et p2 > 0.2 −0.3 −0.1 −0. 50 40 30 20 10 0 −10 −20 −30 −40 −50 −4 −3 −2 −1 0 1 2 3 4 Fig. le point d’´quilibre 0 est un foyer instable.4 0.6 −0. IV.σ < 0.1 0 −0.8 1 Fig. p2 = σ−jω. e . p2 sont complexes conjugu´es. le point d’´quilibre 0 est un centre. le point d’´quilibre 0 est un foyer stable.

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. Il con¸oit e e e c de nombreuses m´thodes d’approximation. ici l’´nergie totale. ”Si l’´nergie totale d’un syst`me est dissip´e de mani`re continue alors le syst`me (qu’il e e e e e soit lin´aire ou non lin´aire) devra rejoindre finalement un point d’´quilibre”. e on obtient diff´rentes ´quations e e M Fig. Russie.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. 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. 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. 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.7 – Syst`me masse-ressort e 1.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales. IV.3. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. ` Exemple IV. Il meurt le 03 novembre 1918 a Odessa.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 . 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.LA METHODE DE LYAPUNOV 109 IV. e e Son travail a port´ essentiellement sur l’´quilibre et le mouvement des e e syst`mes m´caniques et la stabilit´ des fluides en rotation uniforme.

L’instabilit´ est li´e ` la croissance de l’´nergie m´canique. e La m´thode directe de Lyapunov est fond´e sur l’extension de ces concepts. = . ` partir d’une valeur initiale. est dissip´e de mani`re continue e e a e e par l’amortisseur jusqu’au point d’´quilibre. 0) e STABILITE DES SYSTEMES LTI La question est de savoir si ce point d’´quilibre est stable. e 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.1 .Point d’´quilibre : (0.Energie potentielle : x Epot.La stabilit´ asymptotique implique la convergence de l’´nergie vers 0.3.L’´nergie m´canique refl`te indirectement l’amplitude du vecteur d’´tat. e e e .Les propri´t´s de stabilit´ peuvent ˆtre caract´ris´es par la variation de l’´nergie ee e e e e e m´canique au cours du temps.Energie cin´tique : e 1 1 Ec = m x 2 = m x 2 ˙ ˙2 2 2 .110 3. 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 . e e . e e a e e On peut donc supposer que : . 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 e e e . La masse est tir´e loin e e de sa position d’´quilibre (longueur naturelle du ressort) puis lach´e.Energie totale : 0 1 1 (k0 β + k1 β 3 )dβ = k0 x2 + k1 x4 1 1 2 4 1 1 1 Em = V (x) = k0 x2 + k1 x4 + mx2 ˙ 2 4 2 Remarques IV.

On d´finit alors V : e e e ˙ n R × R+ → R par : ∂V ∂V (x. e ˙ (x. t) ˙ V (x. t) est appel´e la d´riv´e de V (x. t).3. t)/x ∼    ∂V (x. t) + ∂t ∂x o` : u  ∂V (x. e ` e e e ´ Definition IV. t) le long des trajectoires de x = f (x. t) ∂x1 . t) dont les d´riv´es partielles premi`res sont continues et telle que : e 1.1 (D´riv´e de Lyapunov) e e n u e Soit V (x. LA METHODE DE LYAPUNOV 111 et d’en examiner la d´riv´e temporelle (cf.8). t) est d´finie n´gative alors la stabilit´ est dite localement asymptotique. ∂V (x.´ IV.3. t) est d´finie positive. e ˙ 2.3. e e e e e e ´ ` Theoreme IV. .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. x ∈ Rn . e e alors le point d’´quilibre 0 est stable. . t) ∂xn       (IV. x) (IV. t) est semi d´finie n´gative. On peut ainsi conclure quant ` la e e a stabilit´ sans avoir recours a la solution explicite des ´quations diff´rentielles non lin´aires. Cela conduit a calculer. ` ˙ 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 . Si V e e e Exemple IV.21) f (t. x2 ) | x2 + x2 < 2 1 2 .V (x.20) ˙ V (x. e e e ˙ On consid`re la stabilit´ du point d’´quilibre 0 pour les syst`mes ´tudi´s.1 (stabilit´ (asymptotique) locale) e e e e Si. t) = (x. 0) est un point d’´quilibre pour ce syst`me.3. dans une boule Br0 .V (x. On choisit une fonction candidate de e e 2 2 Lyapunov V (x) = 1/2(x1 + x2 ). t) ∂x   gradient de V (x. figure IV. t) : R ×R+ → R une fonction continˆment diff´rentiable en tous ses arguments ˙ e et soit l’´quation non lin´aire diff´rentielle x = f (x. il existe une fonction scalaire de l’´tat V (x. t).

d’o` l’utilisation de e u l’exp´rience.V (x. fonction d´finie positive.2 V = C2 V = C1 x1 x0 Fig. V (x. Si la e condition 2 est v´rifi´e.3.3. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable. il faut donc choisir a priori e e une fonction candidate de Lyapunov. ˙ 1. ´ ` Theoreme IV.24) .V (x) est d´finie n´gative. Dans le cas non lin´aire.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que.La condition pr´c´dente est une condition suffisante . e 2. V (x) = x P x. t). la fonction V (x.23) ´ ` Theoreme IV. t) est une fonction de Lyapunov pour le syst`me.3 Une condition n´cessaire et suffisante pour qu’un syst`me autonome de mod`le LTI x(t) = e e e ˙ Ax(t) soit asymptotiquement stable est que ∀ Q = Q > 0. t) 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.2 1. alors. IV. e e 2||x||→+∞ lim V (x) = +∞. e e e x(t) = Ax(t) ˙ (IV.22) On consid`re une fonction candidate de Lyapunov quadratique. e e A P + PA + Q = 0 (IV.3. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). alors 0 est un point d’´quilibre globalement asymptotiquement stable. e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV. 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. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . la m´thode devient plus syst´matique.8 – Illustration de la m´thode de Lyapunov e Remarques IV. Dans le cas des syst`mes LTI.

3273 et 0.1664 0. e Script MATLAB 10 >> P=lyap(A1’.0676 .0625 0 4 −8 −12 113 dont les valeurs propres sont 0.eye(3)).0625 0.3.0477.5160 19. on trouve. >> eig(P) ans = 0. LA METHODE DE LYAPUNOV Exemple IV.´ IV.3125 0.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1.0625 0. P = 0.3. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.

114 STABILITE DES SYSTEMES LTI .

1 Introduction Une fois le mod`le math´matique d’un syst`me (fonction de transfert.1 Signaux d’entr´e types e u(t) = tn Les signaux d’entr´e types sont en g´n´ral des signaux de type polynomial : e e e (V. nous nous sommes volontairement restreints a l’´tude du cas monovariable qu’il ` e est plus facile d’appr´hender physiquement. 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.) obtenu. repr´sentation e e e e d’´tat. il est n´cessaire de e e e e e disposer d’une base commune d’analyse pour des syst`mes diff´rents. e V.2) 115 . Cette e e ` e ´tape peut ˆtre men´e suivant de nombreuses m´thodes.1. l’´tape suivante consiste a analyser les performances du syst`me. Toutefois.1) dont la transform´e de Laplace est donn´e par : e e U (p) = n pn+1 (V..Chapitre V Analyse temporelle des syst`mes e continus V.. 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. 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.

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). e .r´gime forc´ e e e Avant de caract´riser plus pr´cis´ment la r´ponse temporelle des syst`mes.1.116 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.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. . Par exemple. une entr´e de type rampe est adapt´e alors que la r´ponse impulsionnelle mod´lisera e e e e correctement un choc.3) La r´ponse du syst`me y(t) ` un signal d’entr´e u(t).1. appel´ signal d’excitation. .les signaux ´chelon (fonction de Heaviside) e . e e e e e a an y (n) (t) + · · · + a0 y(t) = bm u(m) (t) + · · · + b0 u(t) (V. la r´ponse peut ˆtre d´compos´e en e e e e e e deux termes y1 (t) et y2 (t).les signaux rampe . y(0).4) Par application du th´or`me de superposition. Dans la pratique.2 R´gime libre . Ils permettent ainsi e a d’´tudier les performances transitoires de la r´ponse des syst`mes. y (n−1) (0) ˙ (V. Remarques V.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. si les entr´es r´elles d’un syst`me sont suppos´es varier graduellee e e e e e ment. 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).les signaux acc´l´ration ee Le choix effectu´ dans cet ensemble est fonction des conditions d’utilisation du syst`me e e ´tudi´.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. e e V. on e e e se limite souvent aux signaux polynomiaux jusqu’` l’ordre 2 d’entr´e caract´ristiques tels a e e que : . Ce type de signal a la carat´ristique de soumettre le e e e syst`me ` des sollicitations plus ou moins brusques et progressives. nous revee e e e e nons sur les notions tr`s voisines de r´gime libre et de r´gime forc´.

e e e .3 R´gime permanent .chaque racine r´elle pi de multiplicit´ mi donne une r´ponse : e e e mi y4i (t) = i=1 λi ti−1 epi t (V. e e Remarques V.5) Remarques V.V. e e e La solution g´n´rale y4 (t) est ind´pendante de u(t) et s’obtient en r´solvant l’´quation e e caract´ristique associ´e ` l’´quation diff´rentielle homog`ne : e e a e e e an p n + · · · + a 1 p + a0 = 0 (V. r´elles ou complexes.r´gime transitoire e e La solution de l’´quation diff´rentielle (V.7) .1.1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.3) peut ´galement se d´composer en deux e e e e parties : .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.1.1.1. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V. distinctes ou multiples. il ne subsiste que e y3 (t) et l’on d´finit alors.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.1. ´ Definition 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.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. e e e V. .1 Soit a trouver la r´ponse y(t) de l’´quation.y3 (t) comme la r´ponse en r´gime permanent du syst`me. INTRODUCTION Exemple V.6) Cette ´quation a n racines pi .5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors. e e e e . ` e e 0.y4 (t) comme la r´ponse transitoire du syst`me. y4 (t) est e e la somme de n termes tels que : .

5p + 1 = 0 Elle a une unique solution p1 = −2 d’o` u y4 (t) = λ1 e−2t Alors. u Exemple V. On a vu au e e e chapitre pr´c´dent diff´rentes notions de stabilit´ absolue pour les syst`mes lin´aires.2 L’´quation caract´ristique est e e 0.8) o` σj = Re(pj ) et ωj = Im(pj ). amorties plus ou moins rapidement. e e e e e e La stabilit´ relative caract´rise les oscillations.118 ANALYSE TEMPORELLE DES SYSTEMES . 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. e e toujours pr´sentes dans la partie transitoire de la r´ponse temporelle d’un syst`me. y(t) = 2 + λ1 e−2t soit pour y(0) = −1. pj ) de multiplicit´ mj donne une r´ponse : e e e mj y4j (t) = j=1 λj tj−1 eσj t cos(ωj t) + µj tj−1 eσj t sin(ωj t) (V.chaque paire complexe conjugu´e (pj . e e e .1.

9) T est la constante de temps du syst`me. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre. V.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.12) .` V.10) (V.1 On appelle syst`me du premier ordre.1. LES SYSTEMES DU PREMIER ORDRE 119 V. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V.11) La r´ponse transitoire d’un syst`me du premier ordre est. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V. e Cela conduit ` ´crire. R k e C s e i R e L C J s f 111 000 111 000 111 000 111 000 111 000 111 000 111 000 000 111 1111 0000 1111 0000 1111 0000 f ω Fig.2.2.2.1 – Exemples de syst`mes du premier ordre e V.2. e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1.2 V.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V. ae Y (p) = K 1 + Tp (V.

ae Y (p) = d’o` la r´ponse indicielle. la r´ponse ` une entr´e de type ´chelon de position (fonction e e a e e de Heaviside) dont la transform´e de Laplace est e L[u(t)] = Cela conduit ` ´crire. u e y(t) = qui est repr´sent´e figure V.2 0.2.4 0.6 y(t) 0.2 (r´ponse indicielle) e On appelle r´ponse indicielle. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V. V. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V.7 0. on obtient la pente de la tangente e e e e pour t = 0.16) 1 p (V.17) K KT K = − (1 + T p)p p 1 + Tp (V.2 – R´ponse impulsionnelle e En calculant la d´riv´e. K K dy(t) = e−t/T |t=0 = dt T T (V.14) La r´ponse indicielle e ´ Definition V. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.15) qui est repr´sent´e figure V.18) .2.5 0. En calculant la d´riv´e. on obtient la pente de la tangente pour t = 0.8 0.9 KT 0.120 d’o` la r´ponse impulsionnelle.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.3 0.3.13) 0.

632K 1. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V. plus le syst`me est rapide.4. En calculant le signal d’erreur (t) = u(t) − y(t).2 Amplitude y(t) To: Y(1) 1 0. V.3 – R´ponse indicielle e Remarques V.1 Plus la constante de temps du syst`me T est faible.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.2. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V.19) Si k = 1. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.2.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V. ae Y (p) = d’o` la r´ponse.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.6 0. on parle alors de rampe unitaire.23) .20) qui est repr´sent´e figure V.6 1.8 0.4 0.4 0.2 0 0 T 2 4 6 8 10 12 Time (sec. e e R´ponse ` une rampe unitaire e a ´ Definition V. on obtient.) t Fig.8 1.21) 1 p2 (V. pour e e K = 1.

122

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

35

T

30

25

Amplitude

To: Y(1)

y(t)

20

T
15

10

5

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

0

Time (sec.)

t

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

0.8

1.6

0.7

1.4

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

1.2

0.5

1

0.4

0.8

0.3

0.6

0.2

0.4

0.1

0.2

0

0

0

2

4

6 Time (sec)

8

10

12

Step Response 40

35

30

25 Amplitude

20

15

10

5

0

0

2

4

6

8

10 Time (sec)

12

14

16

18

20

` V.3. LES SYSTEMES DU SECOND ORDRE

123

V.3
V.3.1

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

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

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

p + 2ξ +1 ωn

=

2 Kωn 2 p2 + 2ξωn p + ωn

(V.26)

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

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

R e C

R C s M

k

γ f

θ i R L e C C J

s
111 000 111 000

f

k
111 000

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

124

ANALYSE TEMPORELLE DES SYSTEMES

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

(V.27)

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

(V.28)

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

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

(V.29)

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

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

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

125

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

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

(V.37)

(V.38)

ωp = ωn

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

(V.39)

θ = arcsinξ

Im

ωn σ ωd Re

Fig. V.6 – Paire de pˆles complexes o

126

ANALYSE TEMPORELLE DES SYSTEMES

V.3.2

Etude de la r´ponse indicielle e

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

(V.40)

1 ξ=1

0.8

ξ=4

Amplitude

0.6

0.4

0.2

0

0

2

4 Time (sec.)

6

8

10

12

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

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

4 1.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.2 Amplitude 1 0.8 Step Response 127 1.2 Amplitude 1 0.8 0.3 ξ = 0.4 ξ = 0.4 ω n= 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ). V. u L’allure de telles r´ponses est repr´sent´e figure V.8 ξ = 0.5 ξ = 0.1 e .5 1.6 0.9.1 1.6 0.4 1.2 ξ = 0.8 Step Response ω n= 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.9 0. e e e ξ = 0.8 et figure V.2 ω n= 0.1 ω n= 0. V.6 ξ = 0.7 ξ = 0.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.8 0.6 ξ = 0.6 1.4 1.2 0 Fig.4 1.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 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.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes.3 0.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement.4 D2 1 0.) 10 15 Fig. e Step Response 0. .6 T 0.7 D 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. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.5 T/2 Amplitude 0.2 0.1 0 0 5 Time (sec.

V. e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf.T=1.H_10) >> axis([0 20 0 1.[T (1+a*T*K) K]) >> a=2.4 0.H_2=tf([K*T*a K].H_2.1 a=2 a = 10 Amplitude 0.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 . >> a=10.[T (1+a*T*K) K]) >> step(H_01.8 a = 0.3]) Step Response 1. figure 3).[T (1+a*T*K) K]) >> a=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.6 0.2 1 0.1.H_01=tf([K*T*a K]. e e e Script MATLAB 12 >> K=1. C(p) = suivant le sch´ma-bloc suivant.11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.H_10=tf([K*T*a K]. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.

V. tan(ωp tr ) = − Apr`s calculs.12 – Sp´cifications de performance e .49) .48) 1 − ξ2 ξ (V.47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.05 t td 0.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est.45) Cette relation est approxim´e par la relation : e tr ≥ (V. ξ).5 0 tr tp t ts Fig.130 ANALYSE TEMPORELLE DES SYSTEMES V.8 ωn (V.12.3.3 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 .46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`. u cos(ωp tr ) + soit. Sa r´ponse temporelle a l’allure de la figure V. cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1. y(t) Mp 0.

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 . Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1. Mp = y(tp ) − 1 = −e−ξωn tp Soit.53) .50) π ωp (V. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.Temps d’´tablissement ts : e G´n´ralement.52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.3 (V.55) ξ ≥ ξ(Mp ) σ≥ 4. − 131 (V.54) 4. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`.D´passement maximal Mp : e On a donc. ωn doit ˆtre grand. De plus.8 tr (V.7 ξ = 0.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.5 ξ = 0.3.LES SYSTEMES DU SECOND ORDRE .Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit. u tp = . pour des r´ponses rapides.6 = = ξωn σ Remarques V.6 4.6 ts .

1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te.4.r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V.58) o` σi = Re(pi ) et ωi = Im(pi ). u La r´ponse transitoire compl`te du syst`me est constitu´ par la combinaison lin´aire de e e e e e ces fonctions ´l´mentaires.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse.4.Chaque paire de pˆles complexes conjugu´s (pi .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 2.57) . pi ) de multiplicit´ mi donne une o e e r´ponse : e mi y4i (t) = j=1 λj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) (V. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur. Dans le cas le plus g´n´ral. . . les pˆles. 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. Dans cette combinaison lin´aire. on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps.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 .132 ANALYSE TEMPORELLE DES SYSTEMES V. complexes conjugu´s) des racines de l’´quation caract´ristique. e e ´ Definition V. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me. 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.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. 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. 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. e e Ainsi. o ` e .4 V.

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

76   δw ˙   0    q  =  0.1 −0. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses. 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. V. V.59)2 (p + 0.5 −1 0.1 −0.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.Courtesy USAF Museum .1 0 −0.02 1.370 −2.1 0 −0.62) et (V.51 ± 2.Le mode d’oscillation d’incidence (short-period mode) p = −2.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.13 – North American L-17A ”navion” .5 1 Time (sec) 1.036 0 −0.2 0 0.5 0 −0.2 1 0.045 0.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.51)2 + (2.191 −3.213)2     (V.14 – Mode d’oscillation d’incidence pur .63) sont appel´s e ee e les modes du syst`me. o e e (V.65) Les modes propres longitudinaux sont d´finis comme : e .2 0.322 δu  δ w   −0.Mouvement propre longitudinal :     δu ˙ −0.5 Fig.96 −2. e e e Fig.017)2 + (0.5 2 2.

.96 -2.zeros(4.55 −0.1 −0.zeros(4.19 −8.98 0.1)) >> initial(sys_long..3)) ..0.486)2 + (2.1 0 −0.2 0.0088) Les modes propres lat´raux sont d´finis comme : e e ..1)).Tlong]=canon(sys_long.76 0 0.76 −0.191 -3.02 1.08 2.LES SYSTEMES D’ORDRE SUPERIEUR .433 ` (V.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.045 0.67)     (V.5 −1 0.66) .5 0 50 100 150 Time (sec) 200 250 300 350 Fig.05 To: Out(2) 135 0 Amplitude −0.036 0 -0.254 −1.37 -2. V.eye(4).5 0 −0..4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.Le mode phugoide (phugoid mode) p = −0. o e e e (p + 8. 0].0 0 1.322.213j Response to Initial Conditions 1 To: Out(1) 0.017 ± 0.’modal’) >> Plong=inv(Tlong).1). -0.Plong(:. >> initial(sys_long.Mouvement propre lat´ral : e     v ˙ −0.5 0 −0.05 0.Plong(:.76 0.35  r ˙   0    p  =  −9. >> [navion_long.322 v  r   2.2 To: Out(3) To: Out(4) 0.433) (p + 0.334)2 (p + 0.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.

01 1 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.4 0.17 – Mode de spirale pur .5 0 0 −0.2 0 0.02 0 0.2 0. V.3 Time (sec) 0.6 0.5 0.1 −0. V.2 0.7 Fig.16 – Mode de roulis pur .01 0.0088 Response to Initial Conditions 0.15 −0.05 0 0 −0.015 0.1 0.486 ± 2.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.15 0.1 0.02 0 1 0.005 −0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.02 To: Out(1) 0.05 −0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.04 0.334j .

18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-. e τi = −1/Re[pi ] (V.322.254 -1. 0].55 -0.5 1 0.1)..5 0 −0.’modal’) >> Plat=inv(Tlat).1)) >> initial(sys_lat..35 0..Plat(:.5 −1 0.1 0 −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.-9.19 -8.76 -0.5 0.4.76 0 0. >> [navion_lat.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.2 0. ´ Definition V. 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.zeros(4.Plat(:.1)).1 −0.eye(4).08 2.69) .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..LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.0 0 1.5 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 .2)) >> initial(sys_lat. · · · .zeros(4. 2. τq } associ´es ` ses diff´rents modes.4 0.2 0 2 4 6 Time (sec) 8 10 12 Fig. >> initial(sys_lat. V.Tlat]=canon(sys_lat.Plat(:.

le mode d’oscillation d’incidence p = −2.51 = 0.433 d´fini par sa constante de temps. · · · . ´ Definition V. τdrol. τphu. = 1/0. = 0. e e .08 Les modes propres lat´raux du Navion sont caract´ris´s par. e τrol. on parle o e e de modes dominants.4 ξinc.71) .017 ± 0. e e e .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.Si ξ = 0 alors le mode oscillant est non amorti .le mode correspondant de spirale p = −0.82 ξphu.0088 = 113. = 1/2.74) . Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par.3984 0. = 1/0.4. ξq }.4.70) Par extension. = 1/0. Pour un mode oscillatoire.59j d´fini par sa constante de temps e et son amortissement.63 (V.017 = 58.334j d´fini par sa constante e de temps et son amortissement.le mode de roulis p = −8. ´ Definition V. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me.7 (V. e τsp.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.486±2. τinc. mˆme si cette condition n’est pas strictement v´rifi´e.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 . = 0.51 ± 2. = 1/8.433 = 0.486 = 2.72) .le mode phugo¨ p = −0.204 (V.0088 d´fini par sa constante de temps.75) .06 ξdrol.le mode d’oscillation de roulis hollandais p = −0.12 (V.213j d´fini par sa constante de temps et son ıde e amortissement. = 0. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1.73) (V.4 (mode oscillant non amorti et ap´riodique) e .

76) i=1 .3836 2.4327 139 Xi_lat = 1.4.0000 >> [Wn_long.0797 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.3836 8.2140 0.6946 V.0088 2.6070 3.2040 0.2040 1.0797 0.0000 0.2140 3.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.Xi_lat]=damp(sys_lat) Wn_lat = 0.Xi_long]=damp(sys_long) Wn_long = 0.6946 0.6070 Xi_long = 0.

e e Exemple V.[1 1 1]).[1 1 1]).79) e e ` e o` bi = ai /pi .4.78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros.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) .77) avec. e e o Si l’on ´tudie la r´ponse indicielle. >> step(H2) >> step(H1+H2) . >> H2=tf([1/0.140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors. e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1. 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. >> clf >> step(H1) >> hold. e e n s(t) = K + i=1 bi epi t (V. e e e n h(t) = i=1 ai epi t (V. Suivant que le e e e e e e z´ro sera stable ou instable.5 0]. On en d´duit donc que la contribution d’un pˆle pi e e o .est augment´e par la pr´sence des pˆles voisins. le d´passement sera augment´ ou diminu´. on d´duit que les diff´rents modes ont une contribution a la r´ponse indicielle u d’autant plus faible qu’ils sont plus ´loign´s de l’origine. m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V.est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o .

e e e a .LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1. 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.5 e R´sum´ V.6 H 1. Ainsi.1 e e a o . 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. e .L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|.4.6 0.5 −1 H 2 −1. e . dans de nombreux cas pratiques. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.5 e Step Response 1.2 H 1 Amplitude 1 0.5 1 0.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.8 141 1.4 1.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0. e V.4 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).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.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 )|.2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.5 H1 H Amplitude 0 −0.4.2 H 2 0 −0.8 0.

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

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

Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig.22 – Pulsation propre non amortie En g´n´ral.144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig.8 tr (V. e e e ωn ≥ 1. 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.23 – R´gion de sp´cifications e e .6 ts Cela conduit ` d´finir une r´gion int´ressante pour le placement des pˆles dans le plan a e e e o complexe.83) ξ ≥ ξ(Mp ) σ≥ 4. V. V.

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

146 ANALYSE TEMPORELLE DES SYSTEMES .

la plupart des outils peuvent ˆtre ´tendus au cas multivariable. les avantages pr´sent´s ici ne doivent pas faire oublier que ces m´thodes e e e ont ´t´ principalement d´finies pour les syst`mes monovariables.1 (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. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre.1.1. Mˆme si comme nous le ee e e e verrons dans ce chapitre. Historiquement.1 D´finition et propri´t´s e e e La r´ponse fr´quentielle d’un syst`me LTI est un outil particuli`rement important e e e e pour l’analyse et la synth`se des syst`mes de commande. e 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. C. e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate.1 Les syst`mes monovariables e Dans cette section. e e 147 . B. e e e e VI. De plus. 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. 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.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. e e ´ Definition VI. e e Toutefois. 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). 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. D).

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

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

149

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

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

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

VI.1.2

Extension au cas des syst`mes multivariables e

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

150

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

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

Yi (ω) =
j=1

gij (jω)Uj (ω)

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

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

u2 =

u3 =

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

151

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

6

σ (G) = 6.1401

5

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

4

3

2

1 −15

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

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

152

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

1 i=j 0 i=j

H W = [wi ]i=1,···r wj wi =

1 i=j 0 i=j

Gvi = σi wi

σi = ||Gvi ||2

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

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

VI.2

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

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

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

VI.2.1

Le lieu de Nyquist

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

Im(G(jω ))

Φ(ω i)

Re(G(j ω k))

−Φ(ω k)
ωi
Im(G(j ω k))

Re(G(j ω)) ω0

|G(j ω k)| ωk

Fig. VI.2 – Plan de Nyquist

il 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´. 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´. e Remarques VI. 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. 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. Apr`s ee e e e 1935. e e . il s’engage sur des recherches g´n´rales en communication. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. 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 . Entre 1921 et 1935. En effet.2. Il meurt en 1976. e e La mˆme ann´e. En 1932.1 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.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. Il est e e retrait´ des laboratoires Bell en 1954 et travaille alors comme consultant pour diff´rentes e e entreprises et pour le gouvernement am´ricains. Il entre a AT&T pour d´velopper un syst`me de t´l´graphe et des ` e e ee m´thodes permettant la maitrise des messages dans les t´l´graphes a e ee ` bande ´troite.

VI. e u e e e e b0 G(jω) ∼ a0 Si la fonction de transfert contient N int´grations alors : e b0 G(jω) ∼ a0 (jω)N Cela conduit donc a ´crire aux basses fr´quences : `e e Nπ φ(ω) ∼ − 2 I(ω) N=2 0 R(ω) N=0 Fig.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.REPRESENTATION GRAPHIQUE 155 ω I(ω) n−m = 3 8 0 N=1 n−m = 2 R(ω) n−m = 1 Fig.4 – Comportement en basses fr´quences e . VI. Sans int´grations.

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

0) et de rayon 0.12) permet de montrer que la courbe est un demi-cercle de centre e (0.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI.REPRESENTATION GRAPHIQUE 157 L’´tude de (VI. VI.5 Re |G(j/T)| ω = 1/Τ Fig.16) .5. (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 . G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.5.6 – Premier ordre dans le plan de Nyquist Caract´ristiques d’un deuxi`me ordre dans le plan de Nyquist Un syst`me du second e e e ordre a une fonction de transfert sinuso¨ ıdale param´tr´e ` l’aide de deux param`tres. la pulsation propre non amortie et l’amortissement. ξ).14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0.

e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox.19) e e Pour ω ∈ R+ .4 ξ = 0.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e .7 ξ = 0.18) ω ωn ω + 2ξ ωn 2 (VI. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.05 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 .2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.07 ξ = 0. Aux hautes e e fr´quences. Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1. 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.17) ω2 2 ωn + ω 2ξ ωn 2 (VI. e ` e Nyquist Diagram 15 10 ξ = 0. l’analyse asymptotique montre que la phase tend vers −π.1 ξ = 0.7). Cette pulsation est la pulsation de e cassure associ´e au second ordre. VI.

>> nyquist(G).[1 2 0]). 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.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. 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.2.1 Soit la fonction de transfert G(p) = La fonction de transfert sinuso¨ ıdale est : G(jω) = On obtient donc : R(ω) = Re [G(jω)] = |G(jω)| = 4 √ ω 4 + ω2 ω2 −4 +4 I(ω) = Im [G(jω)] = φ(ω) = − π ω − tan−1 2 2 −8 ω(ω 2 + 4) 4 jω(jω + 2) 4 p(p + 2) Pour ω > 0. e Exemple VI. En effet. . e Script MATLAB 17 >> G=tf(4. 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). la partie r´elle et la partie imaginaire sont toujours n´gatives. Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe.

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.5 Real Axis −0.7 −0.2. e 8 8 .8 0+ −0.9 −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. pulsation quelconque.2 −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 .3 −0.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts.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 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations. 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. ´ Definition VI. Le premier repr´sente l’´volution e e e du module de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)) en fonction de la e e e pulsation ω en rad/s.2.

Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. Il entre aux laboratoires de Bell Telephone comme math´maticien. il obtient son Ph. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. Il est all´ ` e e a l’´cole ` Urbana dans l’Illinois et obtient un diplˆme de l’universit´ d’´tat de l’Ohio en e a o e e 1926. e 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.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. En 1955. 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. Pendant la seconde guerre mondiale. VI. Il devient ` ` membre de l’Acad´mie des Sciences. 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 1945.20) pN . e e toute fonction de transfert peut ˆtre factoris´e comme : e e G(p) = K (1 + pTi ) (1 + 2 ξ/ωnj p + (pωnj )2 ) (1 + pTk ) (1 + 2 (ξ/ωnl ) p + (pωnl )2 ) (VI. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. Il meurt le 21 Juin 1982. D de l’universit´ de Columbia en 1935. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. 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. Alors qu’il travaille chez Bell. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. e e e Cela comprend en particulier des extensions du travail de Nyquist sur les amplificateurs a contre-r´action pour l’am´lioration des commu` e e nications longues distances. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. il travaille principalement sur les syst`mes de commande de tir anti-a´rien et il re¸oit le Certificat Pr´sidentiel du e e c e M´rite en 1948. En 1952. e Pendant ses premi`res ann´es aux laboratoires Bell. Apr`s la guerre. En effet.

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

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.L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB. e ` . 45 26. domaine ”basses fr´quences” ω << ωc . Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e . ω >> ωc = 1/T .26) Dans cette plage de pulsations. on obtient.97 dB. ω = 2/T .En hautes fr´quences.3 .L’erreur pour une octave au del`. e √ (VI. domaine ”hautes e fr´quences” ω >> ωc . . 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 . ω << ωc = 1/T .6 5. l’amplitude en dB peut ˆtre e approxim´e par.4 84. Dans le plan de Bode. 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.REPRESENTATION GRAPHIQUE 163 . et en de¸`. la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave.Pour les basses fr´quences.25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante.Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines. e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI. ω = 1/2T de ωc vaut a ca −0.7 63. e e e c e .

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

la phase vaut. VI.12 – Courbe de gain dans le plan de Bode d’un deuxi`me ordre avec r´sonnance e e .707. ωr = ωn 1 − 2ξ 2 Mr = 1 2ξ 1 − ξ2 (VI.31) |G(jω)| dB Asymptotes Mr = 1 2ξ 1 − ξ 2 ωn − 40 dB/ dec. a la pulsation de r´sonnance ωr . ω=0 φ = 0 deg 2ξ 0 = −90 deg (VI. si ξ < 0.32) La phase est une fonction des deux param`tres pulsation propre et amortissee ment. Son amplitude d´pend de e l’amortissement ξ. ω rad/s ωr − 3 dB = ωn 1 − 2ξ 2 Bande passante à −3 dB Fig. il peut e ` e e exister un pic de r´sonnance. Pr`s de la pulsation de cassure.Etude de la phase :  ω  2ξ( ωn )  −1   φ = − tan  ω2  1− 2 ωn  (VI.33) ω = ωn φ = − tan−1 ω = ∞ φ = −180 deg . Mr .REPRESENTATION GRAPHIQUE 165 Les deux asymptotes ont une intersection commune en la pulsation de cassure ωc = ωn . Toutefois.

2.3 ξ = 0.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.05 ξ = 0.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte. . 4. e a ´ Procedure VI.Tracer les courbes asymptotiques.2 ξ = 0.2.2 −135 ξ = 0.1 1.5 ξ = 0.2. 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.34) ´ Definition VI. e e e a 3.5 −180 ξ = 0. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.3 ξ = 0.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base.1 ξ = 0.05 ξ = 0.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB. ee 2.1 −90 ξ = 0.

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

e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI.3 D´finition e Le lieu de Nichols-Black Le lieu de Nichols-Black repr´sente le lieu de transfert dans un plan dont l’abscisse est e l’argument de la r´ponse fr´quentielle en degr´s (φ(ω) deg) et dont l’ordonn´e est le module e e e e de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)). Elle est donc toujours orient´e dans le sens e e e e e des ω croissants.15 – Plan de Nichols-Black Remarques VI. 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. a e o . VI.35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black. 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.2 Dans la litt´rature anglo-saxonne. Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert.2. 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig. 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.168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI.2.

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

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. On rappelle que : |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (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. en hautes fr´quences.16 – 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. a e . e e −180 −90 | G | dB 2 intégrations 1 intégration 0 intégration Φo Fig. 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 . nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode. e Nichols Chart 30 Nichols Chart 30 ωn ∼ ω r = ωn 1 − 2ξ2 20 20 10 10 Mr = 2ξ 1 − ξ 2 Open−Loop Gain (dB) 0 Open−Loop Gain (dB) −10 0 −20 −10 ω=0 −20 −30 −40 ξ = 0.38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg.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.3 ξ = 0. aux hautes fr´quences.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0.01 ξ = 0.5 ξ = 0.18 – Lieu de transfert de 1/(1 + p) dans le plan de Nichols-Black Caract´ristiques d’un deuxi`me ordre dans le plan de Nichols-Black De mˆme pour e e e 1 un facteur du deuxi`me ordre du type e . 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.1 ξ = 0. VI.

3 Frequency (rad/sec): 1.’r-. >> nichols(G2.58 rad/s. >> G3=tf(1.’.04 dB.172 Exemple VI. >> G=tf(4.[1 2]). e Script MATLAB 19 >> G2=tf(1.’b’).58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.04 dB et le point correspondant a ω = 1.0273 System: G2 Phase (deg): −128 Gain (dB): −3. 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.G.G3.2.14 Phase (deg): −38.58 System: G3 Gain (dB): −8.58 Phase (deg): −90 Frequency (rad/sec): 1.3 Soit la fonction de transfert : G(p) = On rappelle : |G(jω)| = 20log10 ω→0 REPONSE FREQUENTIELLE DES SYSTEMES LTI 4 p(p + 2) G(jω) = 4 jω(jω + 2) 180 ω tan−1 deg π 2 4 ω 4 + ω2 √ dB φ(ω) = −90 − lim |G(jω)| = ∞ lim φ(ω) = −90 deg lim φ(ω) = −180 deg ω→0 ω→∞ ω→∞ lim |G(jω)| = −∞ La courbe admet une asymptote verticale aux basses fr´quences en −90 deg et en e −180 deg aux hautes fr´quences.94 Frequency (rad/sec): 1. Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.’g. VI. ` e .[1 0]).[1 2 0]).19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.’.

Exemple VI.3 Cette d´nomination provient du fait que pour un module identique.REPRESENTATION GRAPHIQUE 173 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.2.2. il sera ` dit a non minimum de phase. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations. ` Remarques VI.4 Les syst`mes ` non minimum de phase e a ´ Definition VI. Dans le cas contraire. 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. T2 = 2 .40) La figure VI.4 Afin d’illustrer au mieux la remarque pr´c´dente.2.20 – Phases de G1 et G2 pour T1 = 1.39) 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. VI.20 montre le diagramme des phases de G1 et de G2 .2. 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. 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.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.

6 0.8 −1 −1 −0. nous donnons les lieux de transfert de G a dans le plan de Nyquist. Si la courbe de gain est connue sur l’ensemble des pulsations.8 −0.2 −0.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 .6 0. VI.2 0.42) Le module de G(jω) vaut 1 tandis que son argument est donn´e par : e Arg (G(jω) = −2 tan−1 ωT1 0 −20 −40 −60 −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 0 10 1 10 2 10 3 Fig. A titre d’exemple.2 0 Real Axis 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.6 −0.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.4 −0. VI.4 0.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait. le module et la phase sont li´s par une relation e a e biunivoque. Nyquist Diagram 1 0.8 0.6 −0.4 0.8 1 Fig.4 −0.2 Imaginary Axis 0 −0. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase. la courbe de phase peut en ˆtre d´duite directement de mani`re unique.

[2 1] [1 4]}.5 (mod`le deux entr´es .21 s^3 + 7.2 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.H=tf({1 3.[1 0. Dans la a e majorit´ des cas.21 s^3 + 7. 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 2 s + 1 ---------------------------------------s^4 + 0.01 2].2 5]).2.5 Extension aux syst`mes multivariables e La section I.. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es. Cela impose donc le plan de Bode e e comme seul outil disponible.den den}) Transfer function from input 1 to output. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie. 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. ´ Definition VI.1.2.002 s^2 + 0.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.45 s + 10 #2: .{den den.6 (lieu de transfert multivariable) La repr´sentation graphique de la r´ponse fr´quentielle d’un syst`me multivariable consiste e e e e ` tracer les gains principaux du syst`me multivariable dans le plan de Bode.2. 1 #1: ---------------------------------------s^4 + 0.002 s^2 + 0.

002 s^2 + 0. 3 #1: ---------------------------------------s^4 + 0..176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.21 s^3 + 7.45 s + 10 #2: >> sigma(H) >> grid .002 s^2 + 0.45 s + 10 s + 4 ---------------------------------------s^4 + 0..21 s^3 + 7.

) : trace les lieux de transfert de sys1.3....sys2..) : trace les lieux de transfert de sys1..sys2.) : trace les valeurs singuli`res de sys1...VI..sys2. dans le mˆme plan ) e e de Bode..) : trace les lieux de transfert de sys1. ) e dans le mˆme plan.. sys2... ) bodemag(sys1. ) H=freqresp(sys... e .sys2...... sys2...sys2.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.3 VI. ) nyquist(sys1.3. e ) sigma(sys1... sys2.1 Fonctions MATLAB Fonctions de trac´ de la r´ponse fr´quentielle e e e ) sys=frd(response.w) : calcule la r´ponse fr´quentielle du syst`me LTI sys aux pulsa) e e e tions contenues dans le vecteur w.. dans le mˆme ) e plan de Nyquist.. sys2. ) nichols(sys1.. FONCTIONS MATLAB 177 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. dans le mˆme plan ) e de Bode.) : trace le diagramme de Bode du gain des syst`mes sys1. ) bode(sys1.

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

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].1. 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.1.1 Principe de la contre-r´action e Un syst`me de commande automatique a contre-r´action compare la valeur r´elle de la e ` e e sortie du syst`me avec l’entr´e de r´f´rence (la valeur souhait´e). VII. e ` ea 179 .Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e. nous nous sommes essentiellement e a e attach´s ` l’´tape de mod´lisation et d’analyse des propri´t´s des syst`mes dynamiques e a e e ee e consid´r´s en tant que tels et d´connect´s de la structure de commande choisie. 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. seuls les syst`mes monovariables sont trait´s. il existe deux structures baee e siques de commande des syst`mes dynamiques : la commande en boucle ouverte et la come mande en boucle ferm´e (asservie). En r´sum´. Cette e e structure est illustr´e figure VII. 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. Dans un premier temps.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif. biographie). Dans ee e e la suite de ce cours. 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.

No. Black) Harold Stephen Black est n´ le 14 Avril 1898 a Leominster dans le Massachussetts. sur le trajet matinal de l’Hudson River sur le ferry Lackawanny pour aller a son travail.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. Harold e e Black fait partie du Hall of Fame des inventeurs depuis 1981 et a re¸u 10 m´dailles. e . Process Sortie Fig. 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. Perturbation Système de commande Entrée de référence + Ampli. Il publie modulation theory en 1953. neuf c e prix ainsi que de nombreux autres titres honorifiques. 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. e e √ ρc 2 (VII. 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. Apr`s ses ann´es d’´tudes. m est la masse du v´hicule et ρ et c sont des constantes. 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. 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. photo du chapitre e 1).180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. 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. ee En 1927. Il meurt en 1983. Il est e ` diplˆm´ de l’Institut Polytechnique de Worcester en 1921 puis re¸oit du mˆme institut o e c e un doctorat honorifique. il rejoint les laboratoires de West e e e Street de la Western Electric a New York. VII. ancˆtres des laboratoires Bell Telephone. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action. u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1.1 – 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. e e e Le sch´ma de principe est alors le suivant. 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 d´pose un brevet (21 D´cembre 1937 .

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.3 – Sch´ma SIMULINK de l’exemple voiture e . 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.1. e √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (VII. Ce type de loi u a e de commande est qualifi´e d’int´grale puisque.` ` ´ VII. VII.3) Il est alors possible de proposer une repr´sentation d’´tat non lin´aire de cette mod´lisation e e e e e en choisissant le vecteur d’´tat : x(t) = [vn (t) u(t)] et l’entr´e comme e(t) = vnr (t).2) o` la constante k est ` choisir par le concepteur du syst`me de commande. e a u(t) = k(vnr (t) − vn (t)) ˙ (VII.4) x2 (t) = −kx1 (t) + ke(t) ˙ Ce syst`me d’´quations diff´rentielles est simul´ ` l’aide de SIMULINK suivant le e e e e a sch´ma suivant : e e e1 Constant1 x20 1 e s Integrator1 k Sum1 k Sum4 1 s Integrator3 al Sum2 alpha x2 x2 x1 x1 1 s Integrator2 2 u Math Function 1 s Integrator4 x10 Constant Sum3 t Clock time Fig. e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (VII.

182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0. 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. 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 = 0.1 s et pour diff´rentes valeurs de k ∈ {0. 0.6. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0.06 correspondant a des accroissements respectifs ` pour k = 0.08. VII.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.4.08 0. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis. e e On peut remarquer sur la figure VII.58 0.5 a 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.52 0.02.1}. que pour les valeurs k = 0. 0. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.08.54 0.56 k=0.05.05 0.1 k=0.05 et m m de masse de 20% et 40%. On refait donc les simulations m √ √ ρc ρc = 0.6. .08.02.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0. la r´ponse est tr`s lente. 0. = 0.1 et k = 0. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0.05. a Quelle que soit la valeur du gain de l’action int´grale k.62 k=0.02 v 0.6 k=0.6 e ee e ` ` l’instant 10 s. Le signal de r´f´rence est donc un ´chelon passant de 0.

62 183 0.1.5 – 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. il est ´galement n´cessaire de prendre en e e e e compte la possibilit´ de perturbations affectant le v´hicule telles que des raffales de vent e e ou un rev`tement de la route imparfait.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. VII.6 0. e a e Si l’on consid`re des conditions r´alistes.45 avec perturbation 0. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique. e √ √ ρc 2 ρc (VII. e e e e .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.56 v 0.55 v 0. VII.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.6 sans perturbation 0.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.65 0.7 0.58 0.52 0.5 0.54 0.4 0.` ` ´ VII. 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. SYSTEMES DE COMMANDE A CONTRE-REACTION 0.

Les bruits et les erreurs de mesure associ´s ` cette e a op´ration peuvent entrainer des pertes de pr´cision.u est la commande issue du correcteur K(p) .Am´lioration de la pr´cision en boucle ferm´e 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.y est la sortie du syst`me e . VII.2 Caract´risation des syst`mes de commande ` contre-r´action e e a e Jusqu’` pr´sent. r + − ζ K(p) b + + ν u G(p) y + + w Fig. e e . . 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 (` ).r est le signal de r´f´rence que doit suivre la sortie ee .Robustesse du syst`me boucl´ vis-`-vis de variations param´triques e e a e .7 – Sch´ma bloc avec perturbation et bruit e o` : u .La structure de commande a contre-r´action implique le plus souvent de disposer ` e d’un capteur mesurant la sortie.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. que d’autres transferts peuvent ˆtre int´ressants ` consid´rer afin d’avoir e e a e une vision plus compl`te des probl`mes pos´s par la structure de commande a contree e e ` r´action.184 ANALYSE EN STABILITE DES SYSTEMES BOUCLES A partir de cet exemple.1. a travers l’introduction de e e e ` la perturbation. L’exemple de la section pr´c´dente induit. En e e e effet. e e VII.Le probl`me de stabilit´ est plus crucial en boucle ferm´e qu’en boucle ouverte. e . 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. nous avons principalement d´fini les transferts en boucle ouverte et a e e en boucle ferm´e.

b est le signal des perturbations = r − y est le signal d’erreur 185 . 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. diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s.7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII. e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (VII. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII.1.7) ´ Definition VII.w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel.` ` ´ VII. a S(p) + T(p) = 1 (VII. SYSTEMES DE COMMANDE A CONTRE-REACTION .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.8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc. La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle.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.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.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.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) .ν est le signal de commande entrant r´ellement dans le syst`me e e .

e . e e .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.Une bonne rejection des perturbations sera obtenue pour S(p)G(p) faible. .S(p)K(p) repr´sente l’influence de la r´f´rence et des bruits de mesure sur les come ee mandes. Objectifs de commande Compte tenu des relations ´tablies pr´c´demment et de l’analyse qui les suit. e e Exemple VII.La commande d´livr´e au syst`me est faible si S(p) et S(p)K(p) sont d’amplitude e e e faible. e e .L’effort de commande est faible si l’amplitude de S(p)K(p) et de T (p) est faible.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.T (p) repr´sente l’influence des bruits de mesure sur la sortie et l’erreur et l’influence e de la perturbation sur la commande d´livr´e. e e .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. la e e e synth`se du correcteur K doit ob´ir aux diff´rents objectifs suivants : e e e .12) T (p) = G(p)S(p) = .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 .1.1 (fonctions de sensibilit´) e Soit le sch´ma d’asservissement de la figure VII. Ces objectifs de commande sont contradictoires et devront faire l’objet de compromis lors de la synth`se du syst`me de commande.S(p)G(p) repr´sente l’influence de la perturbation sur la sortie et l’erreur.Un bon suivi du signal de r´f´rence implique une fonction de sensibilit´ S(p) faible ee e en amplitude. . .

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

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) .

15) G(p)K(p) 1 + G(p)K(p) (VII. K(p) = NK (p) DK (p) (VII. j∞] et d’un demi-cercle centr´ en (0. 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.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∞ . 0) de rayon ee e infini incluant le demi-plan complexe droit. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps. e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII. e VII.14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit. quand l’assere e e vissement est ` retour unitaire.2.1 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.2.2. 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. VII.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note.´ ` ´ VII. la sensibilit´ compl´mentaire T (p). a r + − ζ K(p) u G(p) y Fig.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. e e . 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. ´ Definition VII. Il est orient´ dans le sens antitrigonom´trique. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e.

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

2. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.Tracer le lieu de Nyquist complet de la boucle ouverte.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. il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII. fermer le lieu de u Nyquist. 3. 4.1 1. . o e e . 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p).Calculer la boucle ouverte de l’asservissement consid´r´.Compter le nombre P de pˆles instables de la boucle ouverte.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte.16) Exemple VII.1 Le syst`me ` contre-r´action de la figure VII.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .17) 1.La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e .Tracer son sym´trique par rapport a l’axe ox. 0).2. le lieu de Nyquist est complet et ferm´. CN o 2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES . ` G(p) = K p(1 + T p) T >0 K>0 (VII. Le nombre Z de o racines instables du polynˆme caract´ristique en boucle ferm´e ob´it ` la relation : o e e e a Z = P− N (VII. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.2. o a e Afin d’appliquer correctement le crit`re de Nyquist.Dans le cas o` le contour de Nyquist a une indentation.

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

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

les fonctions de sensibilit´.1 e e e sont reprises. 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.1. 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.194 | | ANALYSE EN STABILITE DES SYSTEMES BOUCLES dB | | dB −180 K(jω )G(j ω) Φ o K(j ω)G(j ω) Φ o −180 stable instable Fig.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII. G(p) = p2 (1 1−p + p) K(p) = 1 + 2p 1−p Les fonctions de sensibilit´ associ´es ` cet asservissement se calculent comme : e e a S(p) = p2 (1 + p) p3 + p2 + 2p + 1 p3 2p + 1 + p2 + 2p + 1 K(p)S(p) = (1 + 2p)p2 (1 + p) (1 − p)(p3 + p2 + 2p + 1) p3 1−p + p2 + 2p + 1 T (p) = G(p)S(p) = La fonction de transfert K(p)S(p) a un pˆle ` partie r´elle positive 1 et est de ce fait o a e instable. En effet. nous avons d´fini un certain nombre e de transferts.2. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente.1.7 pour lequel les donn´es de l’exemple VII. VII.7 incluant une perturbation e et un signal de bruit de mesure. VII. e a e e e e . Dans le § VII.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.

3 (bien pos´) e La boucle a contre-r´action de la figure VII. e e ´ Definition VII. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII. xK ) = (0.15 ainsi d´finie a un sens.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne. VII.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres. il est n´cessaire de s’assurer que e e e la boucle de la figure VII. 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.2.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre.2. 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.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. . On dit alors qu’elle est bien pos´e.2. e ´ Definition VII.

v sont stables asymptotiquement. >> L=G*K.conv([5 1].1023i .[2 1])). e e . >> pole(S) ans = -19.5 1]))). v2 ).2.2. >> S=inv(1+L). .196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII. ν2 aux sorties e e u.conv([0.Test entr´e-sortie : la boucle ` contre-r´action de la figure VII. >> K=tf([1 1].1 a . Pour tous les signaux e e d’entr´e born´s (v1 .1434 -0.conv([0.2.[0.7).Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement.9878 -3. Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.5p + 1)2 (0.5 1]. e ua e Exemple VII. les signaux de sortie (u.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.2326 + 1.2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0. e Script MATLAB 22 >> G=tf([10].15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 . la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands. v) sont born´s.1023i -0.1.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII.2326 .3 .05 1].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.

BK. >> Abf=[A zeros(3..9878 -3.1023i 0.-D 1])*[zeros(1.1.1.1035 >> GS=G*S.1023i -0. >> sysK=ss(K).1434 -0.3) AK]+[B zeros(3.0000i >> KS=K*S.B.1434 -0.9878 -3.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.2326 .0000i 0.1035 -0.1) BK]*inv([1 DK..1023i -1. >> [A. >> [AK. .9878 -3.0000 -1.2)].C.0000 -19. >> pole(KS) ans = -20. >> pole(T) ans = -19.D]=ssdata(sysG).0000 -2.2326 -0.2326 -2.zeros(2.2326 + 1. >> pole(GS) ans = -19..DK]=ssdata(sysK).1).1035 >> T=1-S.1023i 1.2326 .1035 -0.1434 -0.1023i -0.5000 >> sysG=ss(G).2000 + + - 1.2).2326 + 1.3) -CK.1023i -1.CK.C zeros(1. zeros(2.

1 10]). e e >> G=tf([1]. 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.2.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0. e e Exemple VII.1434 -1. L’interconnection pr´sent´e e e figure VII. e ´ ` Theoreme VII.1023i -3.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. on obtient : e e max |K(jω)G(jω)| = 0.9878 -0.1.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII.3015 ω Le syst`me est stable de mani`re interne.15. 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.2.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.22) Remarques VII. e e e . >> L=G*K.2.1p + 10 En appliquant le th´or`me du faible gain.[1 1]). >> K=tf([0.2326 + 1. .1023i -0.1p p+1 1 p2 + 0.[1 0.2 .4 On suppose que G(p) et K(p) sont asymptotiquement stables.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 .Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).1 0].

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

6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.2.2. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black . VII.25) (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. Arg[L(jω−180o )] = −180o (VII.2.26) Remarques VII.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency). 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.3 Pour un syst`me ` minimum de phase. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.

[1 1]).18 – Marges de gain et de phase dans le plan de Bode Exemple VII.1 0].42 rad/s. >> K=tf([0. VII. >> L=K0*G*K.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.3 et l’on rajoute un gain K0 = 100 dans la boucle.2.5 10]). >> margin(L) . 8 deg pour ωco = 4. >> K0=100. Bode Diagram Gm = Inf dB (at Inf rad/sec) .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. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.[1 0.2.4 On reprend l’exemple V. Pm = 25.

00322 Phase (deg): −154 Frequency (rad/sec): 4.449 Frequency (rad/sec): 4.20 – Plan de Nichols-Black .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.19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig. VII.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.908 Imag: −0. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0. VII.

VII.5 On poursuit l’exemple V.3 avec le mˆme gain K0 = 100 dans la boucle. Une mesure plus objective est d´finie par la marge de module.5 Imaginary Axis 0 −0.27) Im −1 ∆M 1 Re G(jω ) Fig.2.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte. ∆M = 1 1 = MS max |S(jω)| ω (VII. e Nyquist Diagram 2 1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises. 0) et tangent au lieu de transfert.5 −1 −1.21 – Marge de module dans le plan de Nyquist Exemple VII.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig. Dans le plan de Nyquist. c’est donc le rayon du cercle de centre le point critique (−1.22 – Marge de module dans le plan de Nyquist . VII. e e ´ Definition VII.5 1 0.2.2.

204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0. Script MATLAB 24 >> G=tf(1.[1 1]).40911. e e Bode Diagram 20 System: L Frequency (rad/sec): 3.1 0]. >> S=inv(1+L).23 – Pulsation de r´sonnance e . >> K0=100.14 Magnitude (dB): 15.5 10]).6 On poursuit l’exemple pr´c´dent.14 rad/s et Mr = 15.8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII.2. On trouve ωr = 3. VII.inf)) Mod = 0.6 dB. >> L=K0*G*K.6 (VII.[1 0.2. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir.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. >> Mod=inv(norm(S. >> K=tf([0.

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

u e e ´ Definition VII. .34) o` N = tan(α).2.707. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII. Ainsi.33) . il est possible de tracer des abaques utilis´s e afin de d´terminer l’amplitude et la phase en boucle ferm´e ` partir de la connaissance du e e a lieu de transfert de la boucle ouverte trac´ sur les abaques.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). La bande e passante a −3 dB du syst`me en boucle ferm´e est la pulsation du point d’intersection du ` e e lieu de transfert avec le M-cercle M = −0. u A partir de ces M-cercles et de ces N-cercles. e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII. le pic de r´sonnance Mr est d´termin´ e e comme le plus petit M-cercle tangent avec le lieu de transfert en boucle ouverte alors que ` la pulsation de r´sonnance ωr correspond a la pulsation de point d’intersection. il s’agit de calL(jω) . culer pour chaque pulsation donn´e.Les lieux d’amplitude constante en boucle ferm´e sont appel´s les M-cercles et ont e e pour ´quation : e X+ M M2 − 1 2 + Y2 = M2 (M2 − 1)2 (VII. les lieux d’amplitude constante et de phase constante en boucle ferm´e.206 − → OA repr´sente L(jωA ). l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist. On note. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.Les lieux de phase constante en boucle ferm´e sont appel´s les N-cercles et ont e e pour ´quation : e 1 (X + 1/2) + Y − 2N 2 2 = 1 1 + 4 (2N)2 (VII.10 (M-cercles et N-cercles) .32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e. 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.30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`.

707 M = 1.707 0. VII.5 30o (−150o) 36o 45 1 o 2 1.5 −1 −30o −2 −2.2 1.5 2.5 −36 o −0.27.27 – Abaque des N-cercles . e e ea 2.26 – Abaque des M-cercles L’utilisation de l’abaque des N-cercles est compl`tement identique ` celui des M-cercles e a et n’est donc pas d´taill´e ici.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.5 −1 −0.5 0 Re G 0.833 0.5 Re ω r (Mr = 2) M=0 Fig.5 −2.5 1 1. Un exemple d’abaque est donn´ ` la figure VII.5 2 2.5 −2 −1.67 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.5 Im G 0 −90o −60o −45o −1.5 60o 90o 0.5 Fig.3 1. VII.

92 Frequency (rad/sec): 3.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6. on peut calculer des e e a points de la boucle ferm´e.2.28.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1. e . si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte. De ce fait.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).29 qui forment l’abaque de Hall-Nichols. 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. ` 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.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. VII. De la mˆme mani`re que des abaques ont ´t´ d´velopp´s dans le plan de Nyquist e e ee e e pour passer de la boucle ouverte a la boucle ferm´e. e ω = 2.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII.7 En reprenant l’exemple pr´c´dent. Ainsi ` partir de la figure VII.87 Imag: −1.64 Imag: 0.62 rad/s ωr = 4.16 rad/s ω = 3.375 Frequency (rad/sec): 2.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols.

2.25 dB 0.29 – Abaque de Hall Exemple VII.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) . VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 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.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.25 dB 0.

e En produisant un zoom sur les fr´quences interm´diaires. e e . e e Mφ = 60 deg ωco = 1.8 rad/s Nichols Charts 50 40 0 dB 30 0. e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance.210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2.5 dB ωr = 2. la marge de gain.5.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0. il est alors possible de calculer e e la marge de phase.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.

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

2. il faut calculer.35) L(jω)H(jω) 1 1 que l’on translate de en gain et de Arg 1 + L(jω)H(jω) |H(jω)| H(jω) . (VII.212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII.4 Si l’asservissement n’est pas unitaire. 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase.

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.1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B.3. dans L(p).3.fait Pbo tours dans le sens trigonom´trique autour de l’origine.ne passe pas par l’origine.3. Remarques VII. e o e ´ ` Theoreme VII. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e .24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables.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. e .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)). Le lieu de o e Nyquist complet est alors trac´ comme : e . e e e VII.O. e Exemple VII.` VII. EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII.3. seules quelques extensions de ce qui a ´t´ vu pr´c´demment sont ee e e pr´sent´es pour les syst`mes multivariables.1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII.

a e VII.08 0 0.C=[0.8 1 1.0 1].3.2 Le th´or`me du faible gain e e Le th´or`me du faible gain d´j` pr´sent´ dans le cas monovariable s’´tend naturellee e ea e e e ment au cas multivariable.06 −0.2 Soit l’asservissement a retour unitaire du type de la figure VII.2 (th´or`me du faible gain) e e Etant donn´ un asservissement ` retour unitaire stable en boucle ouverte alors le syst`me e a e en boucle ferm´e est stable si : e ||L||∞ = max σ(L(jω)) < 1 ∀ ω ω o` σ est la valeur singuli`re maximale de L(jω) calcul´e ` la pulsation ω.5].08 0.0 0 -4].06 det(1+L(p) 0.2 0.1 0.3. ´ ` Theoreme VII.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.0 0 0.6 0. .B=[1 0.04 Imaginary Axis 0.04 −0.0 -1 1.5 0 0.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.4 0.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.5 0 0 0 0 0.5 0 0.5.3.02 To: Y(1) 0 −0. Le syst`me est instable.02 −0. u e e a Exemple VII.

C. e .3.D).inf) ans = 0.` VII. >> sigma(L) >> norm(L. EXTENSION AUX SYSTEMES MULTIVARIABLES 215 >> D=[0 0.5163 Singular Values −5 −10 −15 −20 Singular Values (dB) −25 −30 −35 −40 −45 −50 −55 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Le syst`me est stable.0 0].B.L=ss(A.

les pulsa) tions critiques associ´es.4 VII.Wcg.1 Fonctions MATLAB Fonctions d’analyse de stabilit´ e ) [Gm.Wcp]=margin(sys) : calcule la marge de gain Gm. la marge de retard du mod`le LTI sys. la marge de phase Pm. 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. la marge de phase ) Pm.4.216 ANALYSE EN STABILITE DES SYSTEMES BOUCLES VII. et les pulsations critiques associ´es du mod`le LTI sys. .Pm.

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. 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. 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. des propri´t´s e e e ee du syst`me ` corriger et particuli`rement des limitations de performance inh´rentes ` ce e a e e a syst`me. Les performances d’un e e e syst`me dynamique doivent donc ˆtre d´finies et sp´cifi´es pr´cis´ment afin de faire une e e e e e e e analyse et une synth`se ad´quates du syst`me de commande. 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. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. e e e e 217 . e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires. Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me. 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. dans son ´tape de synth`se.

S(p)G(p). T (p).3) (VIII.Relation 1 : y(p) = S(p)G(p)b(p) + T (p)(r(p) − w(p)) .2.2 VIII. e r + − ζ K(p) b + ν u + G(p) y + + w Fig. S(p)K(p) et d’illustrer les b´n´fices que l’on peut attendre de ce e e type de structure. VIII.1) Les quatre relations pr´c´dentes permettent de d´finir les quatre fonctions de sensibilit´ e e e e S(p). .1 Sp´cifications fr´quentielles de performance : syst`mes e e e monovariables Rappels sur les relations de bouclage Dans le cadre de ce chapitre.Relation 4 : ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) (VIII.4) (VIII.Relation 3 : u(p) = K(p)S(p)(r(p) − w(p)) − T (p)b(p) .Relation 2 : (p) = S(p)r(p) − S(p)G(p)b(p) + T (p)w(p) .218 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.1.1 – Sch´ma bloc avec perturbation et bruit e Nous rappelons les relations importantes intervenant dans ce type de bouclage : . nous travaillerons comme dans le chapitre pr´c´dent ` e e a partir du sch´ma fonctionnel complet de la figure VIII.2) (VIII.

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

2. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .14) VIII.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .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 . ee e e (VIII.12) 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. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).Pour que w ait peu d’influence sur y : |T (jω)| .220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES 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. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment.2.4 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.Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII.

) Il est donc souhaitable que l’erreur s’annule ou e prenne une valeur finie en r´gime permanent pour des entr´es de r´f´rence types. rampe. il faut avoir Φ = −135 deg et donc dans cette r´gion.17) On en d´duit la r`gle des int´grateurs. on obtient. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. e e e ´ ` Theoreme VIII.2.16) En appliquant le th´or`me de la valeur finale.2.. Si la e marge de phase souhait´e est 45o .. e la pente ne peut exc´der −30 dB/dec. 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. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p). Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes. e . 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.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.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg. Cela induit des pulsations ωco et ω−180o suffisamment importantes. e Exemple VIII. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´.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.18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive. 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.2. L’erreur e e ee comme fonction du signal de r´f´rence s’´crit : ee e (p) = S(p)r(p) = r(p) 1 + K(p)G(p) (VIII. e VIII. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII.

2. on a alors : e e ωB < ωco < ωBT (VIII. e ´ Definition VIII. Dans le cas contraire. la commande est effective et am´liore les performances. ωBT ].707 = −3 dB 2 (VIII.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.21) (VIII.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0.6 D´finition e Notion de modelage de boucle : loopshaping e e Le choix des pulsations sp´cifiques ωb et ωh d´pend des applications sp´cifiques et des e connaissances que l’on poss`de sur les perturbations et les bruits r´els affectant le syst`me. e Remarques VIII. pour les pulsations e e inf´rieures ` ωB .1 . la bande passante est un indicateur de performance particuli`rement important..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.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1.2. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir. Au del` de ces pulsations.20) (VIII. e e e C’est une ´tape importante dans l’´tape de mod´lisation.2.La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances.19) Dans la majorit´ des cas.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e. e e .22) VIII. 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 . e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB .2. La condition de roll-off est alors que L(jω) doit avoir un roll-off de 1 dans la r´gion de e a ωco et au minimum de 2 au del` de cette pulsation. 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 .

e .pente aux basses fr´quences (ω ≤ ωb ) d´finie par le mod`le de la perturbation e b(p) e e 3. la traduction des exigences de e performance vues pr´c´demment reviennent ` modeler la courbe de la boucle ouverte sur e e a diff´rentes plages de fr´quences.2 – Loopshaping de la boucle ouverte Sp´cifications de performance par loopshaping e Les sp´cifications de performance par loopshaping sont ´labor´es sur le gain de boucle. 1. Si l’on souhaite travailler uniquement sur cette derni`re. La courbe de gain dans e e Bode de la boucle ouverte L(jω) = K(jω)G(jω) prend classiquement la forme suivante.pente sup´rieure ` −20 dB/decade aux hautes fr´quences (ω ≥ ωh ) pour le e a e filtrage des bruits e e .sp´cification du nombre d’int´grateurs dans L(p) par la r`gle des int´grateurs e e e e 2. e e e la fonction de transfert en boucle ouverte L(jω) = K(jω)G(jω). |L(j ω)| dB 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 − perturbation d − suivi de référence − règle des intégrateurs ωb ω co − condition de roll−off ωh 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 − bruit de mesure 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 ω Fig.pente de −20 dB/decade autour de ωco pour satisfaire la condition de roll-off .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.sp´cification de la pente de la courbe de gain en boucle ouverte |L(jω)| sur certaines e plages de fr´quence : e . R´aliser un compensateur remplissant de telles exigences e e e est appel´ faire la synth`se d’un correcteur par loopshaping.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).

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.5 et des pulsations de coupure ω−180o = 0. e e e . une marge de gain Kg = 2.2 (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.24) Ce mod`le poss`de les caract´ristiques suivantes. e e e e e Exemple VIII.3 – Courbe de gain de G(p) . (at 0. a e e .5 deg. ωco = 0.224 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.20372 rad/sec) 10 0 −10 Phase (deg).1 rad/s.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0.9588 dB (at 0.2 rad/s et ωp2 = e 0.5.25) (VIII. Pm=48.448 deg. 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. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig. Bode Diagrams Gm=7. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII. VIII.2 rad/s.2. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples.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 = 0.41 rad/s.41231 rad/sec).

Cela permet de choisir ωb = 0.1 rad/s.26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p.30) . Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII. |Gb (jω)| ∼ 0 dB.5 Hz doit ˆtre filtr´.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.Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration. 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.1 rad/s.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`. A ce stade. L0 (p) = −2p + 1 p(2p + 1)(0. e ` e .27) Pour ω = 0.29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0. e e e 225 .33p + 1) (VIII.Premi`re sp´cification : e e La r`gle des int´grateurs indique qu’il est n´cessaire d’ajouter une int´gration dans e e e e la boucle ouverte conduisant a ´crire : `e L(p) = .Le 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. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e . e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s.Le bruit de mesure intervenant au del` de 0. L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII. On obtient donc. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration.5 rad/s et β = 0.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII. e .SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes.

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. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche.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.43 rad/s Bode Diagrams Kg = −0.44 ωco = 0. e e .33p + 1) (VIII.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte.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. VIII. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0.15(−2p + 1) p(2p + 1)(0.15 et a ` une pulsation de coupure ωco = 0.92 .2 rad/s.95 rad/s 60 40 20 0 Phase (deg). On obtient alors : L(p) = 0. ω−180o = 0.

15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg).4 0. VIII.33p + 1) (VIII.8 0.8 0.SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0.6 – R´ponses indicielles e .2 0.2 0 0 0 14 28 Time (sec.) 42 56 70 0 5 10 15 20 Time (sec.15(10p + 1)(5p + 1) p(2p + 1)(0. on obtient un compensateur ´gal a : e e e ` K(p) = 0. e e e Step Response Step Response 1 1 0.5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le.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).6 0.44 rad/s Bode Diagrams 227 ωco = 0. VIII.4 0.) 25 30 35 40 Fig. 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 Amplitude Amplitude 0.

33) MT = ||T ||∞ = sup |T (jω)| ω ` MS et MT correspondent a un pic de la courbe de gain de chacun des transferts consid´r´s.) 42 56 70 0 10 20 30 Time (sec. 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.6 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´.35) . e e e Step Response Step Response 1 1 0.4 0.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.6 Amplitude Amplitude 0.25 (2 dB) Ces deux grandeurs ne sont ´videmment pas ind´pendantes et doivent v´rifier : e e e |||S| − |T ||| < |S + T | = 1 ∀ ω (VIII.) 40 50 60 Fig. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.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. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me. Des valeurs de MS et de MT grands indiquent une faible performance du ee syst`me ainsi qu’une faible robustesse vis a vis des perturbations pouvant l’affecter.2 0.7 – R´ponses a une perturbation en ´chelon e ` e VIII.2 0 0 0 14 28 Time (sec.8 0.34) MT ≤ 1. VIII. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII. En effet.4 0.8 0.

2.2. Un choix usuel est MS = 2.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| . e e e e e ∆M = 1 MS 229 (VIII. 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.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.3 La derni`re sp´cification permet d’´viter l’amplification du bruit aux hautes fr´quences e e e e et introduit une marge de robustesse.SPECIFICATIONS FREQUENTIELLES Remarques VIII.2.39) Remarques VIII. e e La sp´cification de pond´ration signifie donc que la norme H∞ (la valeur maximale e e e e a e du gain) de S pond´r´e par la fonction wp (p) doit ˆtre inf´rieure ` 1.707 2.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1. L’interpr´tation ee graphique de la condition sur la sensibilit´ s’obtient en montrant que : e wp S ∞ |wp (jω)S(jω)| < 1 (VIII. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0.le modelage de S sur certaines plages de fr´quences e 4.une erreur maximale de position en r´gime permanent A e 3.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.

0) et de rayon |wp (jω)|. e 1 v´rifie : e |wp | .aux basses fr´quences. elle est ´gale a A ≤ 1 (action int´grale) e e ` e .8 – Fonction de pond´ration wp e La borne sup´rieure de |S|. VIII.41) 1 est donn´ par : e wp (p) 1 |wp(j ω)| −3 dB M ωB ω rad/s A Fig.230 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Cela signifie donc que le lieu de transfert en boucle ouverte |L(jω)| trac´ dans le plan e de Nyquist n’entre pas dans le disque de centre (−1. 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.

elle est ´gale a M ≥ 1 e e ` . >> S=inv(1+L).3 0. Script MATLAB 26 >> M=1.42) Exemple VIII. >> L=tf([-0.7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.2.8 ωB = 0.2.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.4 Afin d’am´liorer les performances.05 rad/s Le choix de A = 0 correspond bien a la n´cessit´ d’inclure une action int´grale dans la ` e e e boucle pour annuler l’erreur en r´gime permanent en r´ponse ` un ´chelon de position.[0.aux hautes fr´quences.Omega_B=0. e e la boucle ouverte vaut : L(p) = 0. >> Wp=tf([1/M Omega_B].3 On reprend l’exemple utilis´ pour le loopshaping de la section III.8.33p + 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 = 1.05.2.[1 0]).SPECIFICATIONS FREQUENTIELLES . Il e e a e est ` noter sur la figure VIII.1/Wp) >> grid A=0 .33 1])). >> bodemag(S.5. Apr`s loopshaping. on choisit parfois une fonction de pond´ration plus e e complexe : wp (p) = (p/M 1/2 + ωB )2 (p + ωB A1/2 )2 (VIII.conv([2 1 0].15].15(−2p + 1) p(2p + 1)(0.2.

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. De plus. il est ´galement possible de d´finir une borne sup´rieure e e e sur l’amplitude |wu | du transfert KS.2. elle ne permet pas de sp´cifier le roll-off e e de la boucle ouverte L(p) au dessus de la bande passante. Tenir compte de l’ensemble de ces sp´cifications revient a d´finir une e ` e sp´cification globale : e   wp S  wT T  <1 (VIII. on peut sp´cifier une borne e e 1 sur l’amplitude de T .44) . 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´.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. e Afin de garantir un roll-off suffisant aux hautes fr´quences. En particulier. afin de r´duire l’amplitude des signaux de e sup´rieure e |wT | 1 commande.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.SPECIFICATIONS FREQUENTIELLES 233 VIII. .1 Sp´cifications fr´quentielles de performance : syst`mes e e e multivariables R`gles d’association dans les sch´mas-blocs e e Cette partie est consacr´e ` l’extension des caract´risations en performance pour les e a e syst`mes multivariables boucl´s.r`gle 1 : cascade e z(p) = G(p)w(p) = G2 (p)G1 (p)w(p) w G1 (p) y G2(p) z .2 Les fonctions de sensibilit´s en entr´e et en sortie e e Il est tout d’abord n´cessaire de d´finir les relations de bouclage associ´es au sch´ma e e e e d’asservissement VIII.3. En effet. il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable. 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). Pour cela.r`gle 2 : bouclage e v(p) = (1 + L(p))−1 u(p) L(p) = G2 (p)G1 (p) U(p) + v(p) − G1(p) Y(p) G2 (p) .3. e .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.3 VIII.

On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.46) (VIII. e e e e ee . ´ ´ Proprietes 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. ´ Definition VIII.3.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII.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 . En fait.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.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig. VIII. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.3 Sp´cifications de performance e Les sp´cifications de performance sont ´tablies tr`s sensiblement de fa¸on identique e e e c pour les syst`mes multivariables et pour les syst`mes monovariables. seul l’outil e e math´matique est r´ellement diff´rent.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII.9. Afin de ne pas alourdir ce document.

la bande passante d´pend des directions.48) cela peut s’exprimer par la relation suivante.SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant.7 .47) Pour que le suivi de r´f´rence soit bon. VIII.50) (VIII.3.1 Pour les syst`mes MIMO.49) ` .10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec . En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII.Ai . les relations de l’asservissement VIII.9. On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0. l’erreur s’exprime comme suit.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.7 ≤ ωB ≤ ωσ(S)=0. il est donc indispensable que l’influence de r ee sur soit la plus faible possible. = s − r = Sy (d − r) − Ty n + Sy Gb (VIII.

∼ 1 aux hautes fr´quences e ω > ωB σ(S) ∼ 1 σ(S) 1 . 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 .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 . le trac´ des valeurs sinee e e e guli`res min et max de S doit donc suivre un gabarit : e .R´duction d’´nergie de commande u et ν faibles : KSy . ´tant donn´ le filtre choisi.41 . En effet.41 ≤ σ(S) ≤ 2. Tu et Su faibles e e σ(Wu KSy (ω)) < 1 ∀ ω ⇔ ou σ(K) faible 0 ≤ ωB ≤ ω .faible ` basses fr´quences a e ω < ωB .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.236 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Si l’on souhaite associer un unique indicateur pour la bande passante. 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).7 . Pour un bon suivi de r´f´rence. la pire direction est choisie ωσ(S)=0.

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

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. e e e W. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. la o e localisation des pˆles en boucle ferm´e varie ´galement. 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´. e . 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. Evans a d´velopp´ une m´thode graphique en 1948. Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971. Quand le gain de la boucle varie. En 1948. Il meurt le 10 juillet 1999. 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. 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. 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 entre ` la soci´t´ Autonetics. 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. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. Il publie Control system Dynamics e e en 1954. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936).240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. 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.R. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. a Il est l’inventeur du spirule. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs.

2 IX.2. r + − ζ G(p) F(p) y Fig.5) Remarques IX. CONSTRUCTION DU LIEU D’EVANS 241 IX. 1. 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.2.2 – 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.6 sont v´rifi´es. · · · ) .Condition d’amplitude : |G(p)F (p)| = 1 (IX.2. e e e .4) (IX.5 et IX.2. e e o e ´ Definition IX.IX.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.1 (lieu des racines) Le lieu des racines ou lieu d’Evans est le lieu constitu´ par les pˆles en boucle ferm´e e o e quand le gain de boucle K varie. Dans la majorit´ des cas. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.1 Les valeurs de p telles que les deux conditions IX.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement. 2.6) (IX.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.7) .

nous reprenons le sch´ma e e e a e d’asservissement initial.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.3 – Mesure des angles et des amplitudes IX. 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. Pour cela. IX. r + − ζ K u G(p) y Fig.4 – Exemple .2.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (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.

3 pˆles en boucle ouverte et en boucle ferm´e.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. −1.13) K p(p + 1)(p + 2) (IX. −2 o e n − m branches infinies . 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 → ∞). De plus. il y a autant de branches au lieu des racines qu’il y a de pˆles en boucle o ferm´e. e m branches finies Exemple 1 : . 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.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.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.12) .10) (p + 2) G2 (p) = 2 p + 2p + 3 .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.Etape 1 : factorisation de l’´quation caract´ristique. e e K→0 lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (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. K→+∞ lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX. 0.CONSTRUCTION DU LIEU D’EVANS o` pour les deux exemples : u G1 (p) = 1 p(p + 1)(p + 2) 243 (IX.

1. .Etape 4 : d´terminer les asymptotes au lieu des racines. prendre un point test. −1 ± j 2 o .Le polynˆme caract´ristique est de degr´ 2. − 2] et [−1 .16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte. Exemple 1 : puisque n − m = 3. . e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX.18) . o e e . e Si le lieu des racines a des asymptotes alors. − 2] appartient au lieu des racines. o e ` e Pour chaque portion de l’axe r´el ` tester.244 ANALYSE PAR LE LIEU DES RACINES . 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. · · · ) (IX. e Exemple 1 : les segments ] − ∞ . Il y aura donc 1 branche finie o e e et une branche infinie.17) Remarques IX.L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0.Il y a un z´ro. 0] appartiennent au lieu des racines. 2.Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el.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. il y a n´cessairement 3 branches infinies.Pas de z´ros e .2 .Une branche du lieu peut ou non traverser l’asymptote correspondante. 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. .Les asymptotes indiquent le comportement pour |p| 1. Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´. Exemple 2 : √ . Il y aura donc trois branches o e e infinies. −2 e .Le polynˆme caract´ristique est de degr´ 3. Exemple 2 : le segment ] − ∞ .Il y a deux pˆles en boucle ouverte. .2.

on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique.Calculer l’´quation alg´brique (IX. e e 2. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante. ce point appartient au lieu des racines.CONSTRUCTION DU LIEU D’EVANS alors que l’angle avec l’axe r´el est donn´ par : e e Φa = ±60o (2k + 1) 245 (IX. e e e 1+ K =0 p(p + 1)(p + 2) (IX.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines.2. e e e 3. o e e B(p) + KA(p) = 0 alors. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines.D´terminer les racines r´elles et complexes de cette ´quation.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. Dans le cas come e plexe. cette v´rification est simplement graphique.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. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1. il existe au moins un point d’´clatement e e (respectivement de rencontre). d’o` l’on a une seule direction infinie qui fait un u angle avec l’axe r´el donn´ par : e e Φa = 180o (IX. e 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. Si K > 0. e Exemple 1 : l’´quation caract´ristique s’´crit. e e ` e .3 .19) Exemple 2 : on a n − m = 1. On suppose que le polynˆme caract´ristique s’´crit.21) Remarques IX.22) (IX.23) d’o` K = −p3 − 3p2 − 2p.24) . u dK = −3p2 − 6p − 2 = 0 dp (IX. Si les rae e e cines sont r´elles. On obtient donc.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. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX.21).20) .

K = 6).5774 o e e et −0. e . .4226. e e e K=− d’o`. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX. e e e e K − 3ω 2 = 0 2 (IX. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif.28) K=6 (IX. (IX.2679 et −3. 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 > 0.27) (IX. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles. Il n’y a donc pas d’intersection avec l’axe imaginaire.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire.30) √ ω = 0 ou ω = ± 2 (IX.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines.26) p2 + 2p + 3 p+2 (IX.25) On a donc encore deux solutions −0. Exemple 2 : l’´quation caract´ristique s’´crit.246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1.

on obtient l’´quation.4 Dans certains cas particuliers. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes. −1 ± j 2. Ainsi.2.5 – Exemple 2 : calcul des angles de d´part e Remarques IX. e e e e (σ + 2)2 + ω 2 = 3 (IX. il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig. sur l’exemple 2. e o e Θ = 180o − i θi + j Φj (IX.CONSTRUCTION DU LIEU D’EVANS 247 . IX.33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. e e e Φ = 180o − i Φi + j θj (IX. en e ´crivant l’´quation caract´ristique pour p = σ + jω. e e √ Exemple 2 : il y a deux points de d´part complexes. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX.3. On obtient.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.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles.35) .

5 2 Fig. 2 1. >> rlocus(G2).5 −2 −1. 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2.6 – Exemple 1 Exemple 2 : >> G2=tf([1 2]. IX.5 −1 −1.[1 3 2 0]).5 −1 −0. IX.5 1 1.5 1 0.5 Real Axis 0 0. >> rlocus(G1).7 – Exemple 2 .5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig.[1 2 3]).5 Imag Axis 0 −0.248 .Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(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 0.5 Imaginary Axis System: G2 Gain: 1.986 0.5 −4 −3.3. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.54 0.7±j1.5 0.38 −0. a e En appliquant la condition des gains a l’´quation caract´ristique.5 Real Axis −2 0.5 0.5 0 4 3.18 0 Fig.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1. e e e e e Exemple IX.5 0.707 Overshoot (%): 4.5 0.4 rad/s. on obtient.707 Ψ = 45o (IX.7.1 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. IX.95 0.707.5 3 2.8 −2.39 Pole: −1.8 – R´glage du gain et amortissement e .3.986 −1 −1.38 0.8 0.7i Damping: 0.68 0.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.5 0.95 1 0.68 −1.` ´ IX.54 −1 0. Cela conduit a choisir : e e ` cos Ψ = 0.4 . a Root Locus 2 0.34 Frequency (rad/sec): 2.18 1.7 (IX.7 + 1.1 Analyse des syst`mes boucl´s par le lieu d’Evans e e R´glage du gain e Une des op´rations basiques de correction consiste a r´gler le gain de boucle K afin e ` e d’avoir un amortissement donn´ pour les pˆles en boucle ferm´e et fix´ par l’angle d’amore o e e tissement Ψ.8. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.39 |p + 3| p=−1. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines. ` e e K= |p2 + 2p + 3| = 1.5 2 1.89 −2 −4.5 −0.7+j1.3.89 0.5 −3 0.3 IX.

Pour v´rifier cela.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.conv([1 -1 0]. l’´quation suivante doit e e ˆtre r´solue : e e 1+ K(jω + 2) =0 jω(jω − 1)(36 − ω 2 + 6jω) Cela conduit ` r´soudre le syst`me d’´quations r´elles : a e e e e 2K + ω 4 − 30ω 2 = 0 ω(K − 36 − 5ω 2 ) = 0 Les solutions en sont donn´es par : e √ K1 = 86 − 5 28 √ K2 = 86 + 5 28 ω1 = ω2 = 10 − 10 + √ √ 28 rad/s 28 rad/s Ces syst`mes posent des probl`mes en pratique puisqu’ils peuvent devenir instables e e pour une variation non pr´vue de la valeur du gain.3. Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet. >> sgrid .250 ANALYSE PAR LE LIEU DES RACINES IX. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´. >> rlocus(G). e Exemple IX.9.3.2 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. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue.38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote. e e Script MATLAB 27 >> G=tf([1 2].[1 6 36])).

IX.000674 Overshoot (%): 99.23 2 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.94 2 Imaginary Axis 2 System: G Gain: 61.9 – Syst`me ` stabilit´ conditionnelle e a e .64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.28 0.23i Damping: 0.5 Pole: −0.9 4 Frequency (rad/sec): 3.8 4 0.28 0.89i Damping: 0.5 0.8 Frequency (rad/sec): 2.64 8 0.17 0.38 0.17 0.94 0 −2 −4 4 0.08 8 10 0 1 2 Fig.8 −6 6 −8 0.0017 + 3.0015 − 2.38 0.08 8 System: G Gain: 112 6 Pole: −0.89 10 6 0.000437 Overshoot (%): 99.5 0.

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

le signal not´ e e u(t − t0 ) d´fini par : u(t − t0 ) = E si t − t0 ≥ 0 u(t − t0 ) = 0 si t − t0 < 0 et repr´sent´ ` la figure A.1) 253 .1 (signal ´chelon) e e On appelle ´chelon d’amplitude E ou fonction de Heaviside en t0 . e ea (A.1.1. ee e e Le signal ´chelon e ´ Definition A.Annexe A Rappels de th´orie du signal e A.1 Signaux d´terministes en temps continu e Dans la suite.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 e A.1.

e ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A.2 (signal rampe) On d´finit le signal rampe r(t) de pente α par.1 – Fonction de Heaviside Pour une amplitude E = 1. A.2. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A. e e e Le signal rampe ´ Definition A.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig. on parle de rampe unit´ ou de rampe unitaire. on parle d’´chelon unit´ ou d’´chelon unitaire. e Signaux impulsionnels La d´finition math´matique rigoureuse d’un signal impulsionnel doit faire appel a la e e ` th´orie des distributions qui est hors du cadre de ce cours.2 – Fonction rampe Pour α = 1. A. L’impulsion n’est pas en effet e une fonction ordinaire.2) e(t) αt 0 to t Fig. L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e .1.

not´e Aδ(t − t0 ). ee ´ ´ Proprietes A.4) t δ(t − t0 ) = 0 si t = t0 δ(t0 ) = ∞ δ(t − t0 ) = du(t − t0 ) dt u(t − t0 ) = δ(τ − t0 )dτ −∞ L’impulsion d’aire A en t0 est conventionnellement repr´sent´e par une fl`che de haue e e teur l’aire de l’impulsion en t0 .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. A. peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes. A. fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig.4 – Fonction impulsion d’aire A .3 (impulsion) e e e Une impulsion d’amplitude A en t0 .1.3) 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.1. δ (t−to) A 0 to t Fig.1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A. ´ Definition A. δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes.

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. le produit d’une impulsion δ(t − t0 ) par une fonction f (t) born´e et contie nue en t0 est l’impulsion d’aire f (t0 ) en t0 : +∞ f (t)δ(t − t0 ) = f (t0 )δ(t − t0 ) ⇔ −∞ f (t)δ(τ − t0 )dτ = f (t0 ) (A. D´finition de la transform´e de Laplace e e ´ Definition A.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).6) Le signal sinusoidal ´ Definition A. il est ´galement possible de d´finir e e e un train d’impulsions ou peigne de Dirac de p´riode T par : e δT = δ(t) + δ(t − T ) + δ(t − 2T ) + · · · + δ(t − nT ) + · · · δ(t) 1 (A. annexe A4). u x(t)e−pt dt (A.5 – Peigne de Dirac Finalement.1 .256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac.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.7) 0 Remarques A.8) −∞ . A.5) 0 T 2T 3T 4T 5T 6T t Fig.1.La transform´e de Laplace bilat`re est d´finie par : e e e +∞ Lb [x(t)] = X(p) = x(t)e−pt dt (A. e ` A.1.

12) L[ a x(τ )dτ ] = X(p) p (A.Cette d´finition suppose que l’int´grale est convergente.9) o` p = σ + jω et σ est l’abscisse de convergence.14) Th´or`me de la valeur finale e e p→0 lim pX(p) = lim x(t) t→∞ (A. les deux transform´es e co¨ ıncident. . La transform´e de Laplace inverse u e est rarement calcul´e ` partir de (A.7). Lin´arit´ e e L[ax(t) + by(t)] = aX(p) + bY (p) ∀(a. e e . Nous utiliserons ainsi la notation unique de (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.SIGNAUX DETERMINISTES 257 qui n’est rien d’autre que la transform´e de Fourier du signal avec p = jω.10) dx(t) ] = pX(p) − x(0) dt (A. Pour les e signaux causaux qui sont l’objet de ce cours.11) d(n) x(t) ] = pn X(p) − pn−1 x(0) − · · · − x(n−1) (0) dtn (A.15) . b) ∈ R2 D´rivation e L[ Cela se g´n´ralise ` : e e a L[ Int´gration e t (A. x(t) = 0 si t < 0.13) Th´or`me de la valeur initiale e e t→0+ lim x(t) = lim pX(p) p→∞ (A.9) mais par d´composition en ´l´ments simples e a e ee ou d´veloppement en s´ries de X(p) et en recherchant les inverses des ´l´ments e e ee simples dans les tables.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.

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

on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement.´ A.2.2 Propri´t´s de la transform´e de Fourier e e e Etant donn´e la transform´e de Fourier d’une fonction x(t).2.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A.27) F[x(t ± T )] = e±jωT X(ω) (A.2.2. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.2 A.1 (transform´e de Fourier) e La transform´e de Fourier d’une fonction x(t) est une fonction de la pulsation d´finie e e par.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie. LA TRANSFORMEE DE FOURIER 259 A.28) .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. 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. e A.

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

xm ) ∈ R . les vecteurs x.1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire. e e ´ Definition B.3 (produit scalaire) Le produit scalaire de deux vecteurs x. · · · .1. y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus. · · · . ee ´ Definition B.2 (espace engendr´ par un ensemble de vecteurs) e n Soit (x1 . ils sont dits lin´airement d´pendants.1.Annexe B Rappels d’alg`bre lin´aire e e B.1. Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 . λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire. xm ∈ Rm . norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn . · · · .1 (Ind´pendance lin´aire) e e Soit un ensemble de vecteurs x1 . xm ) est l’ensemble engendr´ par ces vecteurs. 261 . y sont dits orthogonaux ssi x y = 0.1.1 B. · · · . ´ Definition B. L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 .

d´finie sur un espace vectoriel E.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. e2 ∈ E.1.4 (norme) Une norme est une fonction . la p-norme de e est d´finie comme :       n 1/p |ei | i=1 p pour 1 ≤ p < ∞ ||e||p =     max |e | pour p = ∞  i 1≤i≤n Exemple B.||e|| 4.1. ∀e ∈ E.∀ e ∈ E : ||e|| ≥ 0 2. ||αe|| = |α|.j A= ||A||sum = i.j i.1.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.||e|| = 0 ⇔ e = 0 3.||B|| Exemple B. e e e e ´ Definition B.1.∀ e1 .j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e .∀ α ∈ R.1.2 1 −2 0 6 |aij |2 = i.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.5 (p-norme d’un vecteur) e Soit e ∈ Rn .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. . ee u .9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R .3 ||A||i1 = max j i |aij | i =8 H ||A||i∞ = max i j |aij | =6 ||A||i2 = σ(A) = max λi (A A) = 6.1.1. · · · . 1 n .1. e ´ Definition B.3326 valeur singuli`re maximale e ´ Definition B.Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux. λn sont les valeurs propres de A.Les valeurs propres de Ak sont λk .1.1. λk . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B. m) B.l ≥ m: Σ= diag(σ1 . Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A). RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B.Les valeurs propres de (cI + A) sont c + λ1 . Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes.2 Valeurs propres et valeurs singuli`res e ´ Definition B. · · · . Elle sera dite de rang plein si : e e rg(A) = min(n.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. · · · c + λn o` λ1 . On associe a chaque valeur propre λi .1.10 (D´composition en valeurs singuli`res) e e l×m peut ˆtre factoris´e ` l’aide d’une d´composition en valeurs singuli`res : e e a e e A∈ C A = U ΣV H U ∈ Cl×l U H = U −1 V ∈ Cm×m V H = V −1 Σ est form´e par une matrice diagonale des valeurs singuli`res σi dans l’ordre d´croissant. σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) . · · · .Les valeurs propres de A sont ´gales aux valeurs propres de A .1. e e e .8 (rang d’une matrice) : Rn → Rm .2 .` ´ ´ ´ B.

A ∈ Rn×n est sym´trique.3 Matrices sym´triques e Dans cette partie.√1m ||A||i∞ ≤ σ(A) ≤ n||A||i∞ 1 √ ||A||i1 n .Les valeurs propres de A sont r´elles.4 (A ∈ Cn × Cm ) .σ(A) ≤ |λi (A)| ≤ σ(A) .σ(A) ≤ ||A||F ≤ min(n. ||A||F . · · · . · · · . m) ≥ rg(A) = q. .5 (matrices sym´triques) e .1. not´ ρ(A) est d´fini par : e e e ρ(A) = max |λi | i = 1. e .Si l’on normalise les vecteurs propres xi : ||xi || = 1.11 (rayon spectral) Le rayon spectral d’une matrice carr´e A.3 . n λi ´ ´ Propriete B.1. ´ ´ Propriete B.max{σ(A) .σ(A)σ(B) ≤ σ(AB) .264 . ||A||i∞ } ≤ ||A||sum B.1.Une base orthogonale de Rn peut ˆtre form´e ` partir des vecteurs propres de A.σ(A) − 1 ≤ σ(A + 1) ≤ σ(A) + 1 ´ Definition B. m)σ(A) ||A||i1 ||A||i∞ √ . e a e e a .l ≤ m: Σ= RAPPELS D’ALGEBRE LINEAIRE diag(σ1 . ||A||i1 . i = 1.σi (A) − σ(A) ≤ σ(A + B) ≤ σi (A) + σ(B) .1.σ(AB) ≤ σ(A)σ(B) .σ(A−1 ) = 1/σ(A) .σ(A) ≤ ≤ σ(A) ≤ √ m||A||i1 .Les vecteurs propres associ´s ` des valeurs propres distinctes sont orthogonaux.1. · · · . σq ) 0l×m−l avec σ = σ1 ≥ · · · ≥ σq = σ > 0 et min(l. e ´ ´ Propriete B. n alors : n A= i=1 λi xi xi .

les valeurs propres et vecteurs propres respectivement associ´s avec ||xi ||2 = 1 alors : e .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. .A1/2 A = AA1/2 .1.1. x1 . e e e .A−1/2 A−1/2 = A−1 . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE 265 . e e . alors A A ≥ 0. λ1 ≤ λ2 ≤ · · · ≤ λn . λ n > 0 . .1. xn .||A|| = ρ(A) = max {|λi |.L’inverse d’une matrice d´finie positive est d´finie positive.CNS 2 : A > 0 ssi les mineurs principaux de A sont strictement positifs.Soit A ∈ Rm×n . . (A1/2 )−1 = A−1/2 .CNS 1 : A > 0 ⇔ λ1 . |λn |} est une norme matricielle induite par || • ||.λ1 ||y||2 ≤ y Ay ≤ λn ||y||2 ∀ y = 0 ∈ Rn .Soient A = A ∈ Rnn .` ´ ´ ´ B. . A A > 0 ssi la matrice A est de rang plein. .Si A est non n´gative alors il existe une racine carr´e de A not´e A1/2 .A1/2 est inversible ssi A est inversible. De plus.6 . . · · · . ´ Definition B. · · · .

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

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

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.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 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 (notations de Landau) Soit f : Rn → R. ∂f (x) ∂xn 269 .1.1.2 (diff´rentiabilit´ (Frechet)) e e n e Une fonction f : R → R est dite diff´rentiable en x s’il existe un vecteur a ∈ Rn tel que : ∀ y ∈ Rn f (x + y) = f (x) + a y + o(y) Le vecteur a est appel´ le gradient de f (x) au point x et est not´ f (x) ou ∇f (x) : e e ∀ y ∈ Rn f (x + y) = f (x) + y + ∇f (x) y + o(y) Remarques C. .1. .1   ∇f (x) =  ∂f (x) ∂x1    . .La notation f (x) = o(x) signifie que f (x) tend vers 0 plus vite que x : ∃K≥0 | f (x) → 0 quand x → 0 x ´ Definition C.1 Rappels de calcul diff´rentiel e ´ Definition C.La notation f (x) = O(x) signifie que f (x) tend vers 0 au moins aussi vite que x : ∃K≥0 | f (x) ≤ K quand x → 0 x .Annexe C Rappels d’Analyse C.

e ´ Definition C.1. la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp. C 1 ) si chaque composante fi (i = 1.2 (formulaire de d´rivation) e .6 (matrice Hessienne) e e Soit f : Rn → R. 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C. .1.1 (composition de fonctions) Soit f : Rk → Rm et g : Rn → Rm deux fonctions C 1 et h = gof alors : ∇h(x) = ∇f (x)∇g(f (x)) ∀ x ∈ Rk ´ ´ Propriete C. ´ ` Theoreme C. La matrice gradient de f en x.Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 .∀ y ∈ V(x).1.1. not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (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. On d´finit la matrice Hessienne de f not´e e ∇2 f (x). . · · · . .1. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 . ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. m) est diff´rentiable (resp.1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert.1. une fonction C 1 en x. ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = . ∃ α ∈ [0.270 RAPPELS D’ANALYSE ´ Definition C.1.4 (fonction C 1 ) Si une fonction f est diff´rentiable sur un ensemble ouvert S ⊂ Rn et que le gradient e ∇f (x) est une fonction continue alors f est dite C 1 sur S. · · · . C 1 ).∀ y ∈ V(x).

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

t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0. t) = tcos(x1 ) est une fonction localement semi d´finie positive. 2 e e .Une fonction scalaire V (x.V (x. t) = 0 2 − ∀ x = 0 ∈ Rn V (x. 1 2 ´ Definition C. t) = 0 2 − ∀ x = 0 ∈ Rn V (x. e e Exemple C.V (x. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0. 1 e . t) est (semi) d´finie positive (n´gative).Si une fonction V (x. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive. 1 . t) = 0 2 − ∀ x = 0 ∈ Br V (x. t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative.2. t) ≥ 0 Exemple C. x2 ) = x2 + sin2 (x2 ) est d´finie positive localement.2.V (t.Cas particulier important : la forme quadratique V (x) = x P x.2. V (x.Une fonction scalaire V (x. si P est une matrice (semi) d´finie positive (n´gative).Une fonction scalaire V (x. e 2.2 (fonctions semi d´finies positives) e e 1. t) = 0 2 − ∀ x = 0 ∈ Br V (x.2 Rappels sur les fonctions d´finies positives e ´ Definition C. t) > 0 Exemple C.1 1.1 (fonctions d´finies positives) e e 1.V (x) = x1 x2 + x2 est une fonction ind´finie.272 RAPPELS D’ANALYSE C. x ∈ Rn avec e e P = P .V (x.2.3 e .2 e . t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0. (semi) d´finie n´gative alors −V (x. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0. t) est e e (localement) (semi) d´finie positive. t) > 0 e e 2. x1 .V (x.2.2.Une fonction scalaire V (x. t) est (localement). 1 Remarques C. t) ≥ 0 e 2. t) = t2 x2 est une fonction semi d´finie positive.1 e . e .

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

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

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

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

. . . . . . . . . . . . . . e I. . . .3 Contrˆle d’attitude d’un satellite . . . .7. . . . . . . . . . . . . e e e II. . . o I. . . . . . . . . . . . . . . . . . .7. . . . . . . . . . . .4. . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . .1 Sch´ma fonctionnel . II II. . . . . . . . . . . . . . Bref album chronologique . .5. . . . . . . . .4 . . . . . . . . .3 Equations diff´rentielles entr´es-sorties . . . . . . . . . o II. . . . . . . . .3 Repr´sentation d’´tat lin´aire . . . . . . . . . . .la repr´sentation d’´tat . . . . . .1 Contrˆle d’attitude d’un satellite . . . . . . . . . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . . . . . . . .4 II. .4. . . .4. . . .7. . . . . . . . . 5 5 7 19 19 21 24 24 24 25 26 27 27 29 29 33 35 37 37 38 42 46 48 48 52 53 54 57 57 59 61 61 62 65 67 I. . . . . . . . . . . . . . . .6. . .4 Le cas particulier des syst`mes SISO . . . . . . . . . .1 Notion de syst`me .2 Th´orie de la commande . . . . .4. . . . . . . . . . .Lin´arisation . . . . . . . . . . . . . . e Approximation lin´aire des syst`mes physiques . . . . . . . . . . . . . . . . . .5 II. . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e e e II. .5. . . .3. . . . . . . . . . . . e Les mod`les graphiques . Exemples caract´ristiques . . .4.2 II. . .1 La matrice de transfert . . . . . . . . . . . . .2. . e e II. . . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . . . . . e II. . .1 I. . . . . .5. .6.3 II. e e Le mod`le interne .4 Sch´mas fonctionnels et repr´sentation d’´tat . . . . . . . . . . . . . e e II. . . . . . . . . . e Exemples de syst`mes de commande modernes . . . e I. . . . . . . . . . .1 II. . . . . . . . . . . . . . . . . . . . . . . . . .2 Sch´ma fonctionnel et fonctions de transfert . . . . . . . e e e II. . . . . . . . . . . . . . . . . . . o e I. . . . . . .2 Les z´ros . . .7. . . . . . . . . . . . . Th´orie des syst`mes et th´orie de la commande e e e I. . . . . . .1 R´gulation de temp´rature dans un four . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . .5. . . . . . e II. . . . .4 Commande longitudinale d’un avion civil . . . . . . . . . . . . . . . .6 II. .1 Le polynˆme caract´ristique et les pˆles . . . e e I. . .` TABLE DES MATIERES 277 Table des mati`res e I I. . o e e II. . . . . . . e II. . . . . . . . .2 I. . . . . e Pˆles et z´ros d’un mod`le LTI . . . . . . . e e II. . . . . . . . o e o II. . . . . . . .4. . . . . e II. . . . . .2 Servom´canisme hydraulique . . . .2 La matrice de r´ponse impulsionnelle . . . .3 Introduction ` la th´orie de la commande a e Introduction . . . . . . e e e . . e II. . . . . . . . . . . . . . . .1 Le concept d’´tat d’un syst`me . . II. . . . . . .2 Contrˆle de la tˆte d’un disque dur . . . . . e e e Les mod`les externes (entr´es-sorties) . . . . .2 Repr´sentation d’´tat des syst`mes dynamiques . . . . . . . e e e II. . .4. . . .

. . . . . . . . . . . . .1. . . .3 Crit`re alg´brique de Routh-Hurwitz .2 Caract´risations de la stabilit´ BIBO . . . . . . . . .1 D´finitions . . e III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e IV. . . .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. .1 D´finition et exemples . . . . .2. . . . . . . . . . . . . . .2 Th´orie de la r´alisation . . . .1. . . . . . .8 Fonctions MATLAB . modales . . . . . . . . . . . . . . . .3 Fonctions de conversion entre mod`les LTI . . . . . . . . . . . . . . . . . . .2. .3. . . . . . . . . . . . . . . . . . e III. . . . . . e V. . . . . . . . . . . . . . . . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV. . . . . . . . . . . . . . .2. . . . . . . . . . . . .2 R´ponse ` des entr´es types . . . . . .2. . . . . . . . . . . . . . . e e III. .8. . .278 II. . . . . .4 Fonctions de mod´lisation par blocs .1 D´finition . . . . . . . .6. .1. . . . . . e e III. . . . . . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Fonctions d’alg`bre de base . . . . . . . e III. . . . . . e e e III. . . . . . . . III. . . . . . . .2. e e IV. . . . .2 Notion d’observabilit´ . .1 Signaux d’entr´e types . . . . . . . .1 D´finition . . . . . . . . . .8. . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . . . . .2 Crit`re de commandabilit´ . . . . . . e . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . .2 R´gime libre . . . . . . . . . . . . . . .1 Fonctions d’alg`bre de base . . e II. . e e IV. . .2 Crit`re d’observabilit´ . . . . III. . . . . . . . . . . .3 Fonctions d’analyse des mod`les LTI e II. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V. . . . . . . .2 Cas de modes multiples . . . . . . . . .r´gime forc´ . . . . . . . e IV. . . . . . . . . .2 La stabilit´ interne . .8. . . . . .1 Cas de modes simples distincts . . . e III. . . . . . . . . . . . .3 Stabilit´ BIBO et stabilit´ interne . . .1 Les formes canoniques d’´tat . . .2. e III. . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e III. . . . ` TABLE DES MATIERES . . . . . . . . .1 D´finition . .2. . . . . e V. . . . . . . . . . . . . . . . . . . .4 Nature des points d’´quilibre en dimension 2 e IV. . . .2. . . . . . . . . . . . . . e IV. .6. . . . . . . . . . . . . e a e V. . . . e III. . . .2. . . . .3 Relations entre mod`les internes et externes . . . . . . . . . . . e e e V. . . . .3 La m´thode de Lyapunov . . . . . . . . . . . . . . .6 Fonctions MATLAB . . . . . .4. . . . . . . . . e IV. . . . . . . . . . e e V. . . .1 . . . . . . . e II. . . . .6. .1 La stabilit´ BIBO . . . . . . . . . . . . 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´ . . . . .1.3 R´gime permanent . . . . . .1. . . . . . . . . . . . . . . . .8. . . . . . . . . . . . . . e e III. . II. . . . . . . e III. . e III. . . . . . IV V . . . . . . . . . . e IV. . . III. . . . . . . . . . . . . e e III. . . . . . . .5 Grammiens de commandabilit´ et d’observabilit´ . . .4. . . . . . e V. . .1 Stabilit´ des syst`mes LTI e e IV. . . . . . . . . . . . . . . . . . . . . . .2 Fonctions de mod´lisation LTI . . . . . . . . .r´gime transitoire . . . . .2 Les syst`mes du premier ordre . . . . .1. . e Analyse temporelle des syst`mes continus e Introduction . . . . . . . . . . . . . . . . . . . . . . . . .

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

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