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. Certains de ces outils ont ´t´ d´j` pr´sent´s en cours de traitement ee ea e e du signal et sont donc uniquement rappel´s en annexes. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. th´orie des transformations. 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. 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. Enfin. e e le concept d’information y est ´galement primordial.) mais plus important. e e Afin de manipuler et d’utiliser ces concepts.. sa e e e e parent´ avec le traitement du signal ne fait aucun doute.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es. des outils math´matiques (alg´briques.. e e graphiques et informatiques) sont pr´sent´s et ´tudi´s en d´tail et constituent le corps e e e e e technique de ce cours. Le probl`me de synth`se des syst`mes de e e e e e commande ne sera que bri`vement abord´ et aucune technique de synth`se proprement e e e dite ne sera abord´e. 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 .

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

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

A la fin de ce si`cle. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. la chasse d’eau est mise au point par le londonien Crapper en 1775. BREF ALBUM CHRONOLOGIQUE 9 . e ` ` e les fr`res Perier mettent au point la premi`re boucle de r´gulation avec action e e e proportionnelle et int´grale.I.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). Fig. Brindley-1758.R´gulation de niveaux (Salmon-1746. En Sib´rie. (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. En 1745. 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. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. Crapper 1775. invention pour laquelle il est anobli par la reine Victoria.2.6 – Principe de la machine ` vapeur de Polzunov [35] a . I. En particulier. Polzunove 1765. I. Wood-1784). le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur. a .

10 INTRODUCTION A LA THEORIE DE LA COMMANDE . On peut e . I. e ` (Pickering-1862).7 – Soupape de s´curit´ de Papin [46] e e .R´gulation de pression (Papin-1707.1800-1935 : cette p´riode pr´classique de la th´orie de la commande fˆt celle pene e e u dant laquelle les principales contributions furent d’ordre math´matique. (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton. 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). 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. I. Delap-1799.9 – Manuscrit de Watt ou Boulder [44] . 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.8 – Moteur a vapeur de Watt [46] ` Fig. Murray-1803) : les moteurs a e ` vapeur posent ´galement le probl`me de la r´gulation de la pression de vapeur e e e dans la chaudi`re. (Siemens-1846). En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs. Fig. ` e e Fig. il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur. I.R´gulation a gouverne centrifuge (Watt-1788).

(Airy-1840). Maxwell et le e e e e e e russe I.L.D´veloppement de l’analyse des syst`mes dans le domaine fr´quentiel (Minorskye e e ` e 1922). 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. Minorsky analyse e e e . (Lyapunov-1892) : suivant les travaux de W.R. (Hamilton). Vyshnegradsky qui analysent la stabilit´ du r´gulateur a boules de e e ` Watt. Routh prolonge le travail de Maxwell et fournit e une condition syst´matique pour tester la stabilit´ des racines d’une ´quation e e e caract´ristique d’un ordre quelconque. (Hurwitz-1895). Poncelet et l’ase e e tronome G. Lagrange sur la repr´sentation e des syst`mes dynamiques par les ´quations diff´rentielles. (Poncelet).M.B.B.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).2. en Russie. Hamilton et de J. a ` le manque de compr´hension th´orique des probl`mes de regulation. I. BREF ALBUM CHRONOLOGIQUE parler de math´matisation de la th´orie de la r´gulation.10 – Manuscrit de Adolf Hurwitz [31] Le math´maticien canadien E. (Vyshnegradsky-1877). (Hermite-1854).I. (Nyquist-1932). Stodola. Enfin. e e e 11 . Fig.C. 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. Airy d´veloppent les premi`res analyses de stabilit´ des syst`mes e e e e r´gul´s. le math´maticien suise e e se A. (Maxwell1868). (Black-1927). (Routh-1877).V. Ind´pendamment. 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. (H´zen-1934) : a la fin du XIX eme si`cle. e . J. 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.I.J. Il est ` noter que L´on Farcot (1868) est le premier a e e e e a e ` employer les termes de moteur asservi et de servomoteur pour la commande des timoneries de navire et Andr´-Marie Amp`re utilise le premier le mot de e e cybern´tique pour l’art de gouverner. A.

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

BREF ALBUM CHRONOLOGIQUE Nyquist Diagram 5 13 4 3 2 1 Imaginary Axis 0 −1 −2 −3 −4 −5 −7 −6 −5 −4 −3 Real Axis −2 −1 0 1 Fig. I. Bode propose en 1938 d’utiliser le trac´ de l’amplitude et de la phase de la r´ponse fr´quentielle des r´seaux e e e e lin´aires et d´finit les notions de marges de phase et de gain. .I.W.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).C. I.2.12 – Lieu de Nyquist . (Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H. Nichols. e Fig. les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A. 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 M9.13 – Syst`me de RADAR SRC-584 [40] e En parall`le.B. Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N.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. a e .

N.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61. Wiener et J.15 – Abaque de Black-Nichols . Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. Shannon qui publie en 1948 ”The mathematical theory of communication”.43 rad/sec) .9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. Fig. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. I. .D´veloppement de l’analyse stochastique (Kolmogorov-1941). Pm = −44. I. I. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu.7 deg (at 1.N. (Wiener et Bigelowe 1942) : A.14 – Lieu de Bode Fig.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.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.3 dB (at 1. .25 dB 0.

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

e e q=5 − mu=1 − a=1 0.5 −0.4 0. e e R.3 0.20 – Application du crit`re du cercle e .4 −0. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial.3 −0.1 −0.A.5 0.2 0.2 −0.3 0. Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton.16 INTRODUCTION A LA THEORIE DE LA COMMANDE .1 Real Axis 0. (Desoer-1965). (Yakubovich-1962). introduction du e e formalisme d’´tat (Bellman-1957). (Sandberg-1964). (Pontryagin-1958). 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. V. I. R. (Narendra-1964). au crit`re du cercle et de la passivit´. . (Popove e 1961).4 0.3 −0.1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale.Th´orie de la commande optimale et th´orie de l’estimation. L.M. Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat.2 0. (Tsypkin-1955).1 0 0.1 Imag Axis 0 −0.5 −0. (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats.Th´orie de la commande non lin´aire (Hamel-1949). De son cˆt´.4 −0. Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e. 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. 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. Popov proa pose le crit`re de stabilit´ (dit de Popov) pour l’´tude du probl`me de stabilit´ e e e e e absolue propos´ initialement par Lur’e et Postnikov en 1944.5 Fig. Hamel en France et J.2 −0.S. Il montre d’autre part e e . 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.

I. Il est n´cessaire de les utiliser hors-ligne pour les calculs de e synth`se et la simulation mais aussi comme ´l´ment dans la chaine de come ee mande. (Safonov-1981) e .Intel 4004 [34] . (Ragazzini et Franklin-1958). (Doyle-1981).21 – Livre de Lev Pontryagin . 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. . (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. I. e e Fig. Zadeh qui suivent les jalons pos´s par C. I. (Kuo-1963). (Jury-1960).Th´orie de la valeur singuli`re structur´e (Doyle-1982). Shannon dans les ann´es 50.Th´orie de la commande H∞ (Zames-1971). e Fig.22 – Microprocesseur . G.2. Ragazzini. (Safonov-1982) e e e .R. (Ragazzini et Zadehe e 1952).Commande ´chantillonn´e (Shannon-1950).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. 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. Franke e e e e lin et L.

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

3. e .24 – Sch´ma fonctionnel e Les entr´es affectant un syst`me peuvent ˆtre de nature diff´rente. c’est ` dire e e e a la combinaison des lois math´matiques pr´c´dentes. Les autres entr´es troublent le fonctionnement d´sir´ et sont d´finies comme e e e e des perturbations. La mod´lisation. 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. de sa composition et de son degr´ e e de complexit´ comporte donc les ´tapes suivantes : e e . Son ´tat est affect´ par une ou plua e e e e sieurs variables. 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. I. Notons ainsi que la notion de syst`me est indissociable de celle de e e signal. aggr´gation d’´l´ments interconnect´s. THEORIE DES SYSTEMES ET THEORIE DE LA COMMANDE 19 I. Le r´sultat de l’action des entr´es est la r´ponse e e e e e du syst`me qui peut ˆtre caract´ris´e par le comportement d’une ou plusieurs variables de e e e e sorties. ce sont les e e commandes. Les unes ont pour e e e e but d’exercer des actions entrainant le fonctionnement souhait´ du syst`me.25 – Commandes e(t) et perturbations d(t) Chaque ´l´ment constitutif de l’ensemble syst`me peut ˆtre caract´ris´ par un nombre ee e e e e fini de variables et l’interd´pendance des variables caract´risant chaque ´l´ment peut ˆtre e e ee e exprim´e sous la forme d’une loi math´matique. est constitu´ naturellement ou e e ee e e artificiellement afin d’accomplir une tˆche pr´d´finie. I.´ ` ´ I.3 I. ´tape pr´liminaire de l’analyse d’un syst`me e e e e e e quelconque.3.1 Th´orie des syst`mes et th´orie de la commande e e e Notion de syst`me e Un syst`me. ind´pendamment de sa nature physique.identification des variables pertinentes pour la caract´risation de chaque ´l´ment e ee constituant le syst`me. e . 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. 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. les entr´es du syst`me. e(t) Système s(t) Fig. d(t) e(t) Système s(t) Fig.caract´risation des relations entre ces variables.

20 INTRODUCTION A LA THEORIE DE LA COMMANDE . La mod´lisation d´pend ainsi de la nature physique e e e du syst`me mais aussi des hypoth`ses simplificatrices qu’il est possible de faire.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 Classification des syst`mes e Jusqu’ici.26 donne un aper¸u sommaire d’une classie a e e c fication des mod`les math´matiques associ´s ` diff´rents types de syst`mes. I. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig. 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. La figure I. e e . e e a . Traitant e e uniquement dans ce cours des syst`mes dynamiques. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours. 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. Cela signifie qu’en th´orie des syst`mes.formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie. . Il est important de remarquer que tous ces aspects de l’analyse des syst`mes ainsi e que ceux d´velopp´s par la suite sont abord´s en th´orie des syst`mes d’un point de vue e e e e e abstrait plutˆt que d’un point de vue physique.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. 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. 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. En gras.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.

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

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

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

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.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I.4. Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture.).29. e e I. contre-r´action.. il est e a e e e n´cessaire d’asservir la tˆte de lecture en position afin de la placer sur les pistes de donn´es e e e souhait´es. e . incubateur.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.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. 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.4. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T . I. La temp´rature T d’un processus donn´ o e ea e e est r´gul´e dans un four a l’aide d’une r´sistance R. A partir de l’information de position restitu´e par un capteur au correcteur.29 – R´gulation de temp´rature e e I. . etc.

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

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.Commande de la vitesse de mont´e et de la vitesse globale : un pilote automatique e doit ˆtre d´fini afin de soulager le pilote lors des phases de mont´e ` vitesse constante e e e a fix´e.32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res.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´. . la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment.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. 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.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. 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. e . e e e .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. 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. e I. I.4. gravitationnelles et a´rodynamiques. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I. Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices. e −Z M T −X θ ε xA zA mg δe Fig. Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me.

Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires. 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.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.Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II. e e e e a La d´marche globale peut ainsi se r´sumer de la mani`re suivante. Un certain nombre d’hypoth`ses de travail sont ainsi e e e formul´es d´finissant la classe des mod`les utilis´s. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 . ` 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.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.D´finir le syst`me ` ´tudier et ses composants ´l´mentaires e e ae ee 2. L’ultime phase consiste alors a mettre e e e e ` en oeuvre des m´thodes d’analyse permettant le passage de ces mod`les math´matiques e e e vers des mod`les particuli`rement d´di´s ` l’Automatique. En Automatique. e e e 1. 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. Quelle que soit la nature physique du syst`me ` ´tudier.

. Il est donc tr`s important d’´tablir e e e un bon compromis entre la pr´cision du mod`le et sa complexit´.28 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES La complexit´ du mod`le r´sultant va conditionner le choix des m´thodes d’analyse e e e e et de synth`se qu’il sera possible de lui appliquer. 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´.

En dehors de ses travaux d’astronome proprement a dit. 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. Il est mort le 15 Novembre 1630 a Regensburg. 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. e e II. 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.2.2 Exemples caract´ristiques e Dans cette section. z). EXEMPLES CARACTERISTIQUES 29 II. 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. On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . . Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). 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. quie bus astronomiae pars optica traditur en 1604. il produit ´galement des travaux en optique (Ad Vitellionem paralipomena.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. On suppose que la force d’attraction gravitatione e nelle est la force dominante s’exer¸ant sur le satellite et par cons´quent le mouvement du c e satellite peut ˆtre mod´lis´ ` l’aide du mod`le de Kepler id´al ` deux corps pour lequel e e ea e e a un d´couplage entre le mouvement de translation et de rotation peut ˆtre effectu´. Le mouvement du satellite se compose d’un mouvement d’orbite e e gouvern´ par les ´quations de translation et d’un mouvement d’orientation ou d’attitude e e gouvern´ par les ´quations de rotation. kI ). 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. ` 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. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. Il est d’ailleurs excome a muni´ en 1612.´ II.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. e ` e e Biographie 1 (J. 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.3. jI . y. 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. 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.2.

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

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

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

o e e e e Son professeur de math´matiques Johann Bernoulli convaint son e p`re de son avenir de math´maticien. π. On suppose que le d´bit ` travers l’orifice de la soupape pilote est proportionnel e a ` x. Il est mort le 18 Septembre 1783 a Saint Petersbourg d’une attaque.Il e ` e est diplˆm´ de l’universit´ de Basel en 1724 en th´ologie et h´breux. ` II. Ses contributions aux diff´rents champs des e math´matiques sont innombrables. a w1 = 1 (ps − p1 )1/2 x R1 (II. son travail sur e e la th´orie des nombres (´tude de nombreuses conjectures de Fermat. for¸ant le piston vers e e e c la droite alors que pour x < 0.EXEMPLES CARACTERISTIQUES 33 Biographie 2 (L. la preuve que e e est irrationnel. Outre les travaux math´matiques. largement utilis´s afin de mouvoir les surfaces de contrˆle a´rodynamiques. e e formule d’Euler-MacLaurin). e o e Exemple : servo hydraulique 1 Un exemple de servom´canisme hydraulique est pr´sent´ figure II. il contribue ´galement e e e e en m´canique (Mechanica en 1736 et Theoria motus corporum solidorum en 1765) e et en hydrostatique. i et Σ).2. l’huile suit le trajet inverse entrainant le piston vers la gauche.3.10) 1 (p2 − pe )1/2 x w2 = R2 . Quand la soupape e e e pilote est en position x = 0. Citons entre autres.2 Servom´canisme hydraulique e Les actionneurs hydrauliques sont couramment utilis´s dans les asservissements induse triels du fait qu’ils peuvent fournir de grandes forces avec de faibles inerties et poids. Il est successivement math´maticien e e e ` l’acad´mie des sciences de Saint Petersbourg. la r´solution du probl`me aux trois corps. Ils sont en particulier. Euler) Leonhard Euler est n´ le 15 Avril 1707 a Basel en Suisse d’un p`re pasteur calviniste. les passages d’huile sont ferm´s et aucun mouvement n’en e r´sulte. constante d’Euler. de Berlin puis de noua e veau de Saint Petersbourg. preuve du dernier e e th´or`me de Fermat pour n = 3). Pour x > 0. son travail sur les s´ries infinies (probl`me de Basel. Institutiones calculi differentialis en 1755 et Institutiones calculi integralis en 1770) l’invention du calcul des variations (Methodus inveniendi lineas curvas en 1740). la standardisae tion des notations math´matiques (f (x). e. la fondation de l’analyse math´matique (Introductio in analysin infinie torum en 1748. l’huile suit le trajet repr´sent´ sur la figure.

Fa la force a´rodynamique u e appliqu´e sur la surface. A la surface du piston.tige. L’´quation des forces est donn´e par : u e e e A(p1 − p2 ) − F = m¨ y (II. L’´quation des moments s’´crit : e e ¨ I θ = F l cos θ − Fa d (II.12) o` m est la masse de l’ensemble piston .14) .11) o` ρ est la densit´ du fluide.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.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. l’´quation cin´matique compl`te l’ensemble des ´quations du mouvement : e e e e y = l sin θ (II. II.13) o` I est le moment d’inertie de la surface et de son attache.

on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II.17) En supposant que sin θ ∼ θ pour θ petit. Il est n´cessaire de v´rifier que cette approximation est valide et par a e e e e cons´quent que l’on est toujours dans un voisinage du point en lequel est effectu´e la e e lin´arisation.´ ` II. xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II. xn0 ) est e e donn´ par : e y = g(x10 .Si y = a et F = 0.19) qui est une ´quation d’´tat du mˆme type que pr´c´demment. x20 .Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire. · · · . · · · . e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 . 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. Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement.3. APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II. Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le. √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x. xn ) (II. ` 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.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 . e e e e e .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. x20 . · · · .18) (II. e e e a e .15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . ˙ ¨ e e p1 = p2 = ps + pe 2 (II. x2 . e e .

les approximations pr´c´dentes restent valides. 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.22) (II.23) (II. e e Exemple : satellite 2 On suppose que le satellite a une vitesse de rotation constante autour de l’axe inertiel z et aucun moment de commande ou de perturbation n’est appliqu´. La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 .8).24) (II.36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible. 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.21) . ` e e e e ωz − Ω sont faibles. φ0 ) = (Ωt. 0. ωy . θ et φ sont petits. ωz0 ) = (0. 0. θ0 . ωy0 .20) (ωx0 . on obtient les ´quations cin´matiques e e e lin´aris´es : e e ˙ ψ = ωz ˙ θ = ωy − Ωφ ˙ φ = ωx + Ωθ Ces deux jeux d’´quations peuvent alors ˆtre combin´s afin d’obtenir : e e e ¨ ˙ ˙ Ixx (φ − Ωθ) = (Iyy − Izz )Ω(θ + Ωφ) + ux + Tx ¨ ˙ ˙ Iyy (θ + Ωφ) = (Izz − Ixx )Ω(φ − Ωθ) + uy + Ty ¨ Izz ψ = uz + Tz (II. 0) (II. Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant. Il est alors possible de supposer que ωx .

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

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

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

6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II.7). continue par rapport a u et continue par morceaux par rapport a t. u(t) ∈ Rm est le vecteur de commande. y(t) ∈ Rr est u le vecteur de sortie.27) .4.26) y(t) = h(x(t).40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2. II.4.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig. e ´ Definition II. u(t). La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.5 −1 −1.5 −2 −2.1 L’int´rˆt de la notion d’´tat et de la repr´sentation d’´tat qui en d´coule r´side principaee e e e e e lement dans le nombre minimal de variables ind´pendantes ` consid´rer pour connaˆ le e a e ıtre comportement interne du syst`me. u(t).4.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II.5 2 1. En ´crivant les lois de Kirchoff (noeuds e e et mailles). t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat. t) ´quation dynamique ˙ e (II.5 dx/dt 0 −0. Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me.2 (Repr´sentation d’´tat) e e Tout syst`me dynamique Σ peut ˆtre repr´sent´ par ses ´quations d’´tat d´finies comme e e e e e e e un ensemble d’´quations diff´rentielles du premier ordre appel´es ´quations dynamiques e e e e et un ensemble d’´quations alg´briques appel´es ´quations de sortie ou de mesure : e e e e x(t) = f (x(t).5 1 0. e e e e e Exemple II.

LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig. x2 (0) .29) A partir de la donn´e des conditions initiales du circuit. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II. il est e e encore possible de donner une repr´sentation d’´tat non lin´aire. soit [x1 x2 ] = [vC iL ] .LE MODELE INTERNE . II. e e e 1 1 dx1 (t) = − x2 (t) + u(t) dt C C dx2 1 1 (t) = x1 (t) − R(x2 (t)) dt L L y(t) = R(x2 (t)) Exemple II. En posant e e e x1 = v et x2 = v.6 pour diff´rentes e e e a e x1 (0) conditions initiales . il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II.31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II.25). 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.30) (II.4. 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. [x1 (0) x2 (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. vR = R(iL (t)). ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire.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.

le syst`me est Lin´aire Temps-Invariant e e (LTI). C. t) ˙ (II.2 La repr´sentation d’´tat n’est pas unique.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.B(t) ∈ Rn×m est la matrice de commande ou d’entr´e. t) ˙ (II.D(t) ∈ Rr×m est la matrice de transmission directe.C(t) ∈ Rr×n est la matrice de mesure ou de sortie. 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´.26).32) y(t) = C(t)x(t) + D(t)u(t) o`: u . B. cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique.3 Repr´sentation d’´tat lin´aire .42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II.4. En effet.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). le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´. Si les matrices A. 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.4.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. Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t). e ´ Definition II.A(t) ∈ Rn×n est la matrice dynamique. Cela signifie que pour un mˆme syst`me phye e e e sique. . D sont constantes. e II. e .4. Une pratique tr`s courante consiste a lin´ariser le mod`le d’´tat non lin´aire e ` e e e e localement autour d’un point de fonctionnement nominal afin de disposer d’un mod`le e lin´aire localement valide sous les hypoth`ses de faibles d´viations autour du point de e e e fonctionnement.34) . . u(t).

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

t0 )x0 ∀t ≥ t0 (II.4.5 Exemple : satellite 3 En reprenant les ´quations lin´aris´es du satellite en spin ` vitesse constante autour de e e e a ˙ ˙ ˙ l’axe z et en choisissant les variables d’´tat x = φ θ ψ φ θ ψ . nous nous int´ressons plus particuli`rement ` la solution de l’´quation e e a e diff´rentielle d’´tat (l’´quation dynamique) : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II. on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t. e e e l’´quation diff´rentielle du deuxi`me ordre constituant l’´quation lin´aris´e du mouvement e e e e e e de l’attitude du satellite autour d’un axe peut s’´crire sous forme d’une repr´sentation e e d’´tat : e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (II. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.5 A2 = 0 1 1 −0. 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.38) Dans le cas g´n´ral o` le mod`le est temps-variant.4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e).37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie. on obtient la e repr´sentation d’´tat lin´aris´e pour des perturbations nulles : e e e e     0 0 0 1 0 0 0 0 0  0  0 0 0 1 0  0  0 0      0   0 0 0 0 0 1  0 0   2  u(t)  x(t) =  ˙ x(t) +  Ω Ix 0 0 0 Ω(Ix + 1) 0  1/Ixx 0 0       0  0 0 0  0  −Ω2 Iy 0 Ω(Iy − 1) 1/Iyy 0 0 0 0 0 0 0 0 1/Izz (II. e e e ´ Definition II.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy .44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II.40) .

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

B.4. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. Script MATLAB 1 >> A=[0 -1/2.1 -3]. ´ Definition II.B. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es. L = 1 H et R = 3 Ω. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II. D). >> C=[0 3]. C.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. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A.4. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie.7) pour C = 2 F .4.C. e Exemple II. >> circuit=ss(A. .7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le.0].5 -3 b = x1 x2 u1 0.46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat.6 (circuit ´lectrique) e Calcul du mod`le d’´tat. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model.D) a = x1 x2 x1 0 1 x2 -0.D=0.B=[1/2.

´ ` Theoreme II. t0 ) = eA(t−t0 ) o` : u eAt = 1 + At + A2 t2 An tn + ··· + + ··· 2! n! (II.48) (II.2 Le mod`le LTI homog`ne (non command´) de condition initiale x(t0 ) = x0 .4.53) . e x(t) = Ax(t) + Bu(t) ˙ (II.LA REPRESENTATION D’ETAT La matrice de transition d’´tat e 47 Pour les mod`les LTI.51) y(t) = Cx(t) + Du(t) a pour r´ponse compl`te : e e y(t) = CeA(t−t0 ) x0 + C Exemple : satellite 4 La sortie ψ(t) a donc pour expression.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. ψ(t) = x1 (t) = x10 + (t − t0 )x20 + puisque eAt = 1 t 0 1 1 Izz t 0 t t0 (II.50) eA(t−τ ) Bu(τ )dτ + Du(t) (II.LE MODELE INTERNE .49) (II.47) Sa r´ponse libre est donc donn´e par : e e y(t) = CeA(t−t0 ) x0 Le mod`le LTI. la matrice de transition d’´tat peut ˆtre donn´e de mani`re e e e e e explicite.

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

il est possible de l’appliquer aux e e e ´quations (II.8 – Syst`me lin´aire multivariable m entr´es et r sorties e e e Du fait de la lin´arit´ de l’op´rateur de Laplace.60) Remarques II. . il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II.1 . on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II. yr 49 Système linéaire multivariable Fig. . U (p) = L[u(t)] et Y (p) = L[y(t)].LES MODELES EXTERNES o` x ∈ Rn .55) o` X(p) = L[x(t)].54). um y1 y2 .56) Pour des conditions initiales nulles. .57) ´ Definition II.La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles.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.5.58) (II. . e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II. e e e . x0 = 0. u u1 u2 .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). e e . En r´solvant les ´quations (II.55) u e e par rapport a Y (p).59) Yi (p) = j=1 gij (p)Uj (p) (II. . u ∈ Rm et y ∈ Rr .Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique.5. 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.

01 0 0 0. 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.21 0. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi . e Exemple II.9. d´bit fC ).. TH ) et les temp´ratures d’entr´e comme les commandes. temp´rature TH .2 0.61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig.62) y(t) = x(t) Pour les valeurs num´riques f = 0.01 x(t) (II.C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me. e e e e e e e e e e temp´rature TC .1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II.5. En supposant les flux constants fH = fC = f .. les variables d’´tat e e (x1 .9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur. de la capacit´ u e e e calorifique des fluides.63) . e on obtient : x(t) = ˙ −0.21 x(t) + 0. Pour chaque ´tage.50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .2 m3 /min et VH = VC = 1 m3 . II. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II. β = 0. x2 ) = (TC . d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi .01 m3 /min.2 −0.

01 = (p + 0.21 −1 51 0.den den}) Transfer function from input 1 to output. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.01.0021 --------------------s^2 + 0...65) I1 ωy = (I3 − I1 )Ωωx + uy ˙ En posant a = (1 − I3 /I1 )Ω et en supposant que les vitesses de rotation sont mesur´es e indirectement par l’´quation : e y1 y2 = 1 a −a 1 ωx ωy (II.01 (II.42 s + 0.01*0.57).LES MODELES EXTERNES En appliquant la formule (II.42 s + 0.21] 0.0041 0.2 p + 0.64) 0.01)(p + 0.42 s + 0.0041 #2: Exemple : satellite 5 On reprend les ´quations d’Euler du satellite en spin constant autour de l’axe en supposant e cette fois que Ixx = Iyy = I1 et Izz = I2 et ne retenant que le mouvement autour des axes x et y d´coupl´es comme on l’a vu du mouvement autour de l’axe z. e e >> den=conv([1 0.. 0.41) p + 0. {den den.0041 0.21 0. >> echangeur=tf({[0.01*0..2 0.2*0.01 s + 0.01*0..21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.66) .002 #1: --------------------s^2 + 0. 0.[1 0.0021 #1: --------------------s^2 + 0.42 s + 0..0.01 0.002 --------------------s^2 + 0. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.01 s + 0..0041 #2: Transfer function from input 2 to output.41]).2 p + 0.2 [0.01 0.21 −0.01 0 0 0.21]}.2 −0.01].

5 -------s^2 + 25 #2: Transfer function from input 2 to output.. ` . e e e (II.. 5 s + 5 #1: -------s^2 + 25 s .5. >> satellite=tf({[1 -25] [5 5].69) ´ Definition II. s . e e >> a=5.67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur.[1 0 25] [1 0 25]}) Transfer function from input 1 to output. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t.25 -------s^2 + 25 #2: 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.2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II.52 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ωx ˙ ωy ˙ 0 a −a 0 u1 u2 On obtient donc la matrice d’entr´e : e G(p) = 1 2 + a2 p a(p + 1) p − a2 −a(p + 1) p − a2 (II.[-5 -5] [1 -25]}. L’´l´ment (i.5..68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II.. g(t) est une matrice de dimensions r × m. {[1 0 25] [1 0 25]...25 #1: -------s^2 + 25 -5 s .70) A chaque instant t.

. e e e e n n f1 (y1 . 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. (II. yr . · · · .73) fs (y1 . · · · 1 . 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. 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. · · · .5.LES MODELES EXTERNES 53 Pour des conditions initiales nulles x0 = 0. 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. · · · . · · · . y1 1 . · · · . · · · n . u m . um .71) De plus. . · · · .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. Dans le cas g´n´ral. la transform´e de Laplace permet de relier la matrice de r´ponse impulsione e nelle et la matrice de transfert. up1 . le mod`le prend la forme e e e d’un syst`me d’´quations diff´rentielles entr´es-sorties. u pm ) m Du fait de la difficult´ ` les manipuler math´matiquement. · · · . · · · . · · · n . e e e e a Exemple II. upm ) 1 m . · · · . y1 1 .72) Exemple : satellite 6 En reprenant les ´quations d’´tat d´finies ` la section pr´c´dente et en appliquant la e e e a e e m´thode de calcul de l’exponentiel de matrice par la transform´e de Laplace. yr r ) = g1 (u1 . yr r ) = gs (u1 . G(p) = L[g(t)] (II. yr .5.2 (syst`me 3 entr´es .2 sorties) e e ˙ y ˙ y1 + 3y1 + 2¨1 = 4u1 + u2 + 2u3 y2 + y2 + 2¨2 = 4u1 + u2 + 2u3 ˙ y . up1 .

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.5. II. Par application e e du principe fondamental de la dynamique.10 – Syst`me masse-ressort-amortisseur e .75) y(0) = y(0) = · · · = y ˙ (n−1) (II. le rapport entre la transform´e de Laplace e e du signal de sortie et la transform´e de Laplace du signal d’entr´e d’un syst`me LTI est e e e la fonction de transfert de ce syst`me. 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. mono-sortie.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie. u(t).74).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.77) Exemple II. on obtient.78) k M s(t) f e(t) Fig.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles.5. e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II. Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II.5. Dans le cas de mod`les externes.10).54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. l’´quation diff´rentielle d´crivant le comportee e e ment de la masse M soumise ` une force u(t) est donn´e par : a e M y (t) + f y(t) + Ky(t) = u(t) ¨ ˙ (II.76) ´ Definition II. y(t).

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

e G(p) = L[g(t)] 2.g(t) et G(p) contiennent la mˆme information. e y(t) = g(t) ∗ u(t) .mod`le temporel g(t) e Exemple : satellite 8 La fonction de transfert liant la force de propulsion a la d´viation angulaire suivant l’axe ` e 1 .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.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.5.86) . ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle. e e ´ ` Theoreme II. ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p). a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II.5.1 La r´ponse d’un syst`me de fonction de transfert G(p) est donn´e par l’int´grale de convoe e e e lution suivante : t t y(t) = 0 g(τ )u(t − τ )dτ = 0 g(t − τ )u(τ )dτ (II.87) (II.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t). II.2 1.11 – Syst`me lin´aire e e ´ Definition II. e e e Remarques II.5.mod`le alg´brique G(p) e e .88) ⇔ Y (p) = G(p)U (p) (II.

6. e e II.90) e e e πp est ´galement d´fini comme le plus petit d´nominateur commun de tous les mineurs possibles non identiquement nuls de G(p).89) est d´fini par : o e e e e πp (p) = det(p1n − A) (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). ` l’inverse. . il est dit strictement propre. le syst`me est dit propre alors que pour n > m.3 (pˆles) o Les racines du polynˆme caract´ristique sont appel´es les pˆles du syst`me et sont donc o e e o e les valeurs propres de la matrice dynamique. e A partir de la d´finition du polynˆme caract´ristique. la caract´risation par la fonction de transe a e fert est tr`s simple.6.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ 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. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO. Pour e e e e n = m.6.6. e e ´ Definition II. o e ´ Definition II. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI. e e e ´ Definition II. Si le syst`me est causal alors n ≥ m. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II.6 Pˆles et z´ros d’un mod`le LTI o e e Les pˆles et les z´ros d’un mod`le LTI sont essentiels pour sa caract´risation dynao e e e mique.ˆ ´ ` II.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral.6.89). POLES ET ZEROS D’UN MODELE LTI 57 II.89) et le mod`le de transfert G(p) ∈ Cr×m : e G(p) = C(p1 − A)−1 B + D On suppose que les deux mod`les sont parfaitement ´quivalents.91) (II. 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.

1 1}.0 1].6.1 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. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.{[1 1] [1 2].B=[1 0.1 1 0]. o e e Exemple II.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.0 0 -2]. >> C=[2 0 3.0 -1 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 .

6.0000 + 0.1. transfert) choisie. Nous ıtre e e a e e nous contenterons ici de r´sumer les principales caract´risations et nous nous placerons e e dans le cas o` les repr´sentations d’´tat et de transfert sont strictement ´quivalentes et u e e e o` le nombre d’entr´es est ´gal au nombre de sorties (syst`mes carr´s).6.0000i -1.6. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2.0000 -1. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission.94) (II. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.2 Les z´ros e La notion de z´ros pour les syst`mes multivariables non carr´s (ne poss´dant pas le e e e e mˆme nombre d’entr´es que de sorties) est complexe et m´riterait d’ˆtre expos´e dans un e e e e e chapˆ complet. Elle est ´troitement li´e ` la repr´sentation (´tat. e e e e e a On d´finit pour cela le polynˆme des z´ros. πz (p) comme le plus grand commun e o e diviseurs des num´rateurs des mineurs d’ordre maximum de G(p) normalis´s pour avoir e e e e le polynˆme caract´ristique πp (p) comme d´nominateur.6.6.0000 . ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme. de z´ros invariants et de z´ros d´couplants sont ´quivalentes.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II. 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. u e e e e ` Hypotheses II. Sous les hypoth`se II. Ces syst`mes sont e e e e e e dits carr´s.0000i >> Poles=pole(G) Poles = -1 -2 -1 II.90). e Sous ces hypoth`ses.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.ˆ ´ ` II. e e e e ´ Definition II.89).0.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.93) .

0000 >> Zero=zero(G) Zero = 1.6.1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p).2 Reprenant l’exemple II.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.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 Remarques II.1.0000 >> [Poles.6. e .

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

e Exemple II.15 – Circuit RC . e .Il est ind´pendant de la nature physique du syst`me mod´lis´.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel.de blocs sommateurs. a ee 3.En appliquant la transform´e de Laplace.7. c a + b Fig.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles.2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment. II.7.1 .1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig. e e e e e Principes de construction 1.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .Un sch´ma fonctionnel n’est pas unique. e e e e + a−b+c − II. e Remarques II. e e a ee e 2. Dans ce cas.7. II. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert.

17. e a e e e . 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. II.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.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.LES MODELES GRAPHIQUES 1. 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.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.

4 (syst`me boucl´ ` retour unitaire) e ea Un syst`me boucl´ est dit ` retour unitaire si le transfert de la chaine de retour est ´gal e e a e ` un. II.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.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition 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. ´ Definition II. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur.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. E(p) + S(p) − (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. ´ Definition II.7. II.96) ε (p) G(p) S(p) Fig.7.95) (II. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire.97) .

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. 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.LES MODELES GRAPHIQUES 65 II.19 et II. le sch´ma fonctionnel peut comporter un nombre ime e portant de blocs et de boucles.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe. Ces r`gles sont r´sum´es e e e e e dans les tableaux II.19 – Alg`bre des sch´mas fonctionnels e e .20.7.

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

Dans le cas des syst`mes e e e LTI.22.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II. .2 Soit le syst`me de repr´sentation d’´tat : e e e        0 1 0 x1 0 x1 ˙  x2  =  0 ˙ 0 1   x2  +  0  u −18 −27 −10 1 x3 ˙ x3 y= 1 0 0 x Le sch´ma fonctionnel associ´ ` cette repr´sentation d’´tat particuli`re est repr´sent´ e ea e e e e e en figure II. e e Ainsi.LES MODELES GRAPHIQUES 67 II.2 Le sch´ma fonctionnel II. e ee Exemple 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. 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.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.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II.7.21 : e e u(t) .21 est d´crit dans le domaine temporel. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat. II.7.7. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig.

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

o ) [num.B. ) e ) r=rank(A) : calcule le rang de la matrice A. v est le vecteur des coefficients du polynˆme ca) o ract´ristique de r. e e . den) est un vecteur contenant les coefficients du polynˆme dans o den l’ordre d´croissant.D) : renvoie dans sys un mod`le LTI d´fini par les matrices d’´tat ) e e e A.den) : renvoie dans sys un mod`le LTI d´fini par la fonction de transfert ) e e num . e e ) [A. v est le vecteur des coefficients du polynˆme e o dont les racines sont les ´l´ments de r.r]=deconv(c.B.8.2 Fonctions de mod´lisation LTI e ) sys=tf(num. o ) v=poly(r) : si r est une matrice.p.D]=eig(A) : effectue le calcul des valeurs propres de A qui sont rang´es en dia) e gonale dans D et le calcul des vecteurs propres associ´s qui sont rang´s dans l’ordre e e en colonne dans V ) [V.B. ee ) [V.C.D. Si r est un vecteur.k]=zpkdata(sys) : renvoie le vecteur des z´ros. e ) sys=ss(A. e ) [z. num (resp.den]=tfdata(sys) : renvoie le num´rateur num et le d´nominateur den d’un ) e e mod`le LTI d´fini dans sys. ) e e e le vecteur des pˆles p et le gain statique k.D]=reig(A) : effectue le mˆme calcul que eig mais dans R.k) : renvoie dans sys un mod`le LTI d´fini par le vecteur des z´ros z.FONCTIONS MATLAB 69 II.8.B) : calcule le polynˆme r´sultant de la multiplication des polynˆmes ) o e o A × B. ) ) C=conv(A.D d’un mod`le LTI ) e e d´fini dans sys. le vecteur des pˆles et le gain ) e o statique d’un mod`le LTI d´fini dans sys.1 Fonctions MATLAB Fonctions d’alg`bre de base e ) d=det(A) : calcule le d´terminant de la matrice A.C. ) e ) B=inv(A) : calcule l’inverse B de la matrice A.p. ) ) X=expm(A) : calcule l’exponentielle de la matrice A.B. ) [q. ) sys=zpk(z.C.8 II.D]=ssdata(sys) : renvoie les matrices syst`me A.C. ) II.a) : calcule le quotient q et le reste de la division du polynˆme c par ) o le polynˆme a.

inputs1.4 Fonctions de mod´lisation par blocs e ) sys=feedback(sys1. II. e ) sys=parallel(sys1.sys2.inputs2) : cr´e dans sys l’interconnection s´rie des ) e e sorties outputs1 de sys1 avec les entr´es inputs2 de sys2. ) o e ) r=roots(C) : renvoie les racines du polynˆme C dans le vecteur r. ) o ) z=tzero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur ) e e z. ) sys=series(sys1.inputs2. e . ) e e ) [p.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.sys2.8.70 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 sys2.8.z]=pzmap(sys) : renvoie les pˆles et les z´ros de transmission du mod`le LTI sys ) o e e dans le vecteur p et le vecteur z. ) z=zero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur z.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.outputs1.

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

E. C est u de rang n.1.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. e e e x(t) = Ax(t) + Bu(t) ˙ (III.1. 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.72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH). B . · · · .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´. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices. R. ´ ` Theoreme III. B ∈ Rn×m est commandable ssi la matrice de commandabilit´. . e . 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. .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. =n (III. III. e e a . · · · n alors le syst`me est compl`tement ee commandable. fran¸aise e e c et russe.2) . rang(C) = rang .1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre. e e ´ Definition III. e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. Remarques III.1. An−1 B . . Il est membre de l’acad´mie des sciences am´ricaine.Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle.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 . modification des dynamiques propres).1. AB . hongroise.1 III.1) e o` A ∈ Rn×n . .1 . 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. B = 0. III.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.

rang(C) = rang B AB = rang 1 −1 0 0 =1 = −1 1 0 1 x1 (t) x2 (t) + 1 0 u(t) Cela implique que le syst`me n’est pas compl`tement commandable. B) 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. h2 ) et R1 = R2 = 1. B). x2 ) = (h1 . on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer. c1 = c2 = 1. e Exemple III. Physiquement.3) .NOTION D’OBSERVABILITE 73 Remarques III. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande.1.1.1 Soit le syst`me de bacs mod´lis´ par : e e e c2 dh2 h2 = q2 = dt R2 h2 h1 dh1 c1 − +u = q 2 − q1 + u = dt R2 R1 q2 u h2 h1 q1 En choisissant (x1 . A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque. e ´ ` Theoreme III. e ` (III.2 (test PBH) La paire (A. B) sera appel´e come e e e mandabilit´ de la paire (A. e rang(C) = rang B AB = rang 0 1/Izz 1/Izz 0 =2 Un crit`re de commandabilit´ ´quivalent au crit`re de Kalman quoique moins facile a e ee e ` manipuler est le crit`re PBH (Popov-Belevitch-Hautus).1. e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont.2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A.

5)  = n   . e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A. ´ ` Theoreme 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.1 Clairement. Remarques III. C) sera appel´e observabilit´ e e e e e de la paire (A. C).4) e o` A ∈ Rn×n .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. u   C  · · ·     CA     · · ·  rang(O) = rang  (III. C ∈ Rr×n est observable ssi la matrice d’observabilit´.74 COMMANDABILITE ET OBSERVABILITE III.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure. .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 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 ].2.2.2.    · · ·  CAn−1 Remarques III. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. O est de rang n. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie. Exemple III.1 Soit le syst`me mod´lis´ par : e e e x1 (t) ˙ x2 (t) ˙ y(t) = = 1 1 −2 −1 x1 (t) x2 (t) x1 (t) x2 (t) + 1 0 u(t) 1 0 .2 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.   .2. n alors le syst`me est compl`tement ee observable. e a e ´ Definition III. · · · .2.

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

. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat.La forme diagonale ou quasi-diagonale de Jordan. Cette op´ration est une transformation de similarit´.La forme compagne de commande. En 1885. En 1861.8).La forme compagne d’observation.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 rentre a l’´cole Polytechnique en e ` e 1855. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite. ` e . e Ces formes particuli`res sont appel´es les formes canoniques. 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.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II. il devient ´diteur du Journal de math´matiques pures et appliqu´es. les ´quations diff´rentielles et e e e la m´canique. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse. ea e e e Ainsi.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. si x est un vecteur d’´tat alors le vecteur x = P x est ´galement un vecteur d’´tat e ˆ e e si la matrice P est inversible. Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles. La nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III. 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.3.8) 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. e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887.3 III. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. 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. . Il e e e meurt le 22 janvier 1922 a Paris apr`s avoir perdu 3 de ses fils pendant la guerre 14-18. On distingue trois e e grands types de formes canoniques : .1 Relations entre mod`les internes et externes e Les formes canoniques d’´tat e On a d´j` vu que le choix du vecteur d’´tat n’est pas unique pour un syst`me donn´.

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

12) y(t) = Cx(t) e e e e o` x ∈ Rn . 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. Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi . · · · .13) Le polynˆme caract´ristique de (III. i = 1. Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1. Il est possible de montrer que l’on Soit P = [q1 . e e e c eme ` u colonne de P . Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi . La premi`re colonne u e ` de chaque sous-bloc Pi .14) . · · · . les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables. qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III. 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.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. u ∈ R et y ∈ R. la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). e Formes compagnes du polynˆme caract´ristique o e Ces formes sont construites ` partir de la donn´e du mod`le d’´tat du syst`me monoa e e e e variable (mono-entr´e/mono-sortie) : e x(t) = Ax(t) + Bu(t) ˙ (III. e a Forme r´elle pour les pˆles complexes simples e o Le polynˆme caract´ristique d’une matrice r´elle peut avoir des racines complexes o e e conjugu´es faisant apparaˆ lors de la diagonalisation des blocs du type : e ıtre α + jβ 0 0 α − jβ = p 0 0 p∗ Ce bloc peut ˆtre rendu r´el par un changement de base. 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.

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

80 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES On note que Ao = Ac .1 Soient les ´quations d’´tat : e e    0 1 −1 1  −3 2 1  x(t) +  1  u(t) x(t) = ˙ 0 1 1 0 y(t) = 1 0 −1 x(t) πp = p3 − 3p2 + 4p − 6 Les matrices de passage sont alors :   −1 −2 1 Pc =  3 −4 1  −3 1 0  4 −2 0 Po =  −3 −0 1  1 0 −1   Le polynˆme caract´ristique de ce syst`me est : o e e Les formes compagnes respectivement de commandabilit´ et d’observabilit´ sont : e e         0 1 0 0 0 0 6 2 Ao =  1 0 −4  Bo =  −3  Ac =  0 0 1  Bc =  0  6 −4 3 1 0 1 3 1 Cc = 2 −3 1 Co = 0 0 1 Exemple : satellite 11 Les ´quations d’´tat du satellite telles qu’elles ont ´t´ d´velopp´es dans le chapitre pr´c´dent e e ee e e e e sont donn´es sous forme de Jordan avec 0 comme valeur propre double.  .     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 )    = . .3.19) 1 0 . e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (III. Bo = Cc et Co = Bc .18) Exemple III. ce qui permet de d´duire de mani`re e e identique la matrice de passage a la forme compagne d’observation.

les syst`mes sont suppos´s strictement propres. ce qui n’est e e e e pas toujours v´rifi´ en pratique.3. la forme canonique d’observabilit´. Dans le cas d’un syst`me mod´lis´ par une fonction e e e e e de transfert propre.21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 . du fait que le polynˆme caract´ristique associ´ est Psat.22) = 4+ = 4+ . la m´thode consiste a isoler la transmission directe en effectuant la e ` division euclidienne du num´rateur par le d´nominateur et de traiter le restant comme e e ci-dessus.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.20) 1/Izz 0 En ce qui concerne. 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. F (p) = Exemple III. la Izz p2 D’autre part. (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.

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].’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.732 b = x1 x2 x3 u1 4 4.25 x2 -0.626 d = .[1 4 1 0]) Transfer function: 4 s^3 + 8 s^2 + 2 s + 1 ----------------------s^3 + 4 s^2 + s >> ex_332=canon(H.899 c = y1 x1 0.2679 0 x3 0 0 -3.899 4.2115 x3 -1.

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

3 Une r´alisation d’´tat (A. e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig. III. e e ´ ` Theoreme III. ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) .4 . e . e Exemple III.Le mod`le entr´e-sortie du type ´quation diff´rentielle ne repr´sente que la partie e e e e e observable d’un syst`me.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. D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable. e e e ee ´ ` Theoreme III.1. Enfin. Dans ce cas.1 – Syst`me structur´ e e . e ee e e e il est clair que la r´alisation 4 est minimale alors que les trois premi`res ne le sont pas. C.3. Y (p) p−1 = U (p) p+2 .Le mod`le entr´e-sortie du type fonction de transfert ne repr´sente que la partie e e e observable et commandable d’un syst`me.4 Soit le syst`me compos´ structur´ comme indiqu´ figure III.L’´quation diff´rentielle entr´e-sortie se d´duit ` partir des ´quations diff´rentielles e e e e a e e suivantes.La fonction de transfert du syst`me global est d’ordre 1 avec un pˆle −2 et un z´ro e o e 1. B. on utilise la notation : G(p) : = A B C D Les diff´rentes mod´lisations utilis´es pour un mˆme syst`me ne conduisent pas ` des e e e e e a mod`les poss´dant les mˆmes propri´t´s structurelles.3.3.

Pˆles simples r´els : o e Dans ce cas. on a : Y (p) = F (p) = U (p) N (p) (p − pi ) i=1.···n = αi p − pi i=1. Le o e e e e cas des syst`mes multivariables peut ˆtre abord´ de mani`re identique mais n´cessiterait e e e e e beaucoup plus de temps. commandable et observable.RELATIONS ENTRE MODELES INTERNES ET EXTERNES et permet d’´crire.26) . e y + 3y + 2y = −u ¨ ˙ L’ordre est ´gal a 2 et il y a deux pˆles associ´s −2 et −1. Algorithmes de r´alisation e A l’instar de ce qui a ´t´ fait pour la pr´sentation des formes canoniques compagnes ee e du polynˆme caract´ristique. La m´thode o e e g´n´rale consiste alors a d´composer F (p) en ´l´ments simples. 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. 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.··· . e ` o e . 2 non commandable u o e et non observable.n (III.Une ´quation d’´tat d’ordre 3 est donn´e par. · · · . e e ` e ee .24) Le syst`me est donc suppos´ strictement propre et l’on souhaite d´terminer une e e e repr´sentation d’´tat de ce syst`me. 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. La r´f´rence [12] peut servir a approfondir ce sujet. n Xi (p) = U (p) p − pi (III. Il faut e e donc choisir la base dans laquelle sera ´crite la repr´sentation d’´tat que l’on souhaite. seul le cas des syst`mes monovariables sera pr´sent´. −1 non commandable et observable. 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

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

92

COMMANDABILITE ET OBSERVABILITE

III.5

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

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

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

Wc =

eAτ BB eA τ dτ

(III.49)

0

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

(III.50)

Wo =

eA τ C CeAτ dτ

(III.51)

0

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

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

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

93

94

COMMANDABILITE ET OBSERVABILITE

III.6
III.6.1

Fonctions MATLAB
Fonctions d’alg`bre de base e

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

III.6.2

Fonctions d’analyse des mod`les LTI e

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

III.6.3

Fonctions de conversion entre mod`les LTI e

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

Chapitre IV Stabilit´ des syst`mes LTI e e

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

IV.1
IV.1.1

La stabilit´ BIBO e
D´finition e

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

95

96

STABILITE DES SYSTEMES LTI

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

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

IV.1.2

Caract´risations de la stabilit´ BIBO e e

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

|g(τ )|dτ ≤ k < ∞
1 t, Izz

(IV.2)

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

ce qui conduit a `

1 1 t2 τ dτ = Izz Izz 2

(IV.3)

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

1. 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. C. Munis de cette interpr´tation monovariable.6681 . D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives. LA STABILITE BIBO Une fonction de transfert peut ˆtre factoris´e sous la forme : e e M 97 K G(p) = pN k=1 i=1 Q R (p − zi ) (IV.6) Un syst`me LTI de r´alisation minimale (A.´ IV.5083i 0.5083i -1. apr`s d´composition en ´l´ments simples.3429 . 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. B.1.3429 + 1. 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. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire. il est possible de donner une e e e caract´risation multivariable plus g´n´rale.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations.2 Un syst`me LTI de matrice de transfert G(p) est BIBO-stable si et seulement si tous e les pˆles de G(p) appartiennent au demi-plan complexe gauche.1 Soit la fonction de transfert : G(p) = p+1 p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Son polynˆme caract´ristique est πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 o e Script MATLAB 8 >> roots([1 2 3 6 5 3]) ans = 0.1.1. tous les pˆles sont a o o ` partie r´elle n´gative. ` e e Exemple IV. i. 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 ´ ` Theoreme IV.

IV. Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).5088 + 0.3 Crit`re alg´brique de Routh-Hurwitz e e On suppose que le syst`me est repr´sent´ par un mod`le LTI : e e e e G(p) : = A B C D (IV. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College.5083i .5083i + 0.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec.98 STABILITE DES SYSTEMES LTI -0. .5088 + 1.5088 -0.7) Le syst`me est observable et commandable.6681 -0.7020i -0.7020i .D]=ssdata(sys). ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.3429 0. e Le crit`re de Routh-Hurwitz est un algorithme permettant de d´cider si un polynˆme e e o d’ordre quelconque a des racines a partie r´elle positive. sys=ss(G).1. En 1854.[1 2 3 6 5 3]). 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. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert.B.C.1. eig(A) ans = 0.7020i >> >> >> >> G=tf([1 1]. A treatise on analytic statistics. Il meurt le 7 juin 1907 a ` Cambridge.0.5088 . [A. ce qui peut ˆtre fastidieux pour des ordres ´lev´s. Canada. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p).3429 -1. (1891) et A treatise on dynamics of a particle (1898).0. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux. Il devient e un des enseignants les plus connus de Cambridge en math´matiques appliqu´es et publie e e A treatise on dynamics of rigid bodies (1860).7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.

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

` e .1. 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.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 e a2 a1 > a3 a0 Exemple IV. La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω).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 0.1. 0 est remplac´ par .1 1. Afin de e e compl´ter le tableau.100 STABILITE DES SYSTEMES LTI Remarques IV. Il y a donc deux racines a partie r´elle positive.3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique.2 (ordre 3) Soit le polynˆme caract´ristique. p5 p4 p3 p2 p p0 1 2 ∅ 6 −7 42 − 49 − 6 12 − 14 3 2 3 6 7 2 3 0 0 5 3 0 0 0 0 Le nombre de changements de signe dans la premi`re colonne est 2 quel que soit le signe e de . o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme. e e 3. o o Exemple IV. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme. e 2.

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

2.1 La stabilit´ interne e D´finitions e Cette notion est tr`s intimement li´e ` celle d’´tat. l’´tat est perturb´ de l’´tat d’´quilibre xe .2.11) Dans le cas o` f est une fonction non lin´aire quelconque.12) (IV. Il est ` noter qu’un point d’´quilibre e a e quelconque peut toujours ˆtre transf´r´ ` l’origine par le changement de variables d’´tat e eea e e e X = x − xe . la question de la stabilit´ d’un point d’´quilibre peut se poser en ces e e termes.une infinit´ de points d’´quilibre si A n’est pas inversible e e Intuitivement. 0) ∀ t ≥ 0 Pour un syst`me autonome. x0 = x(0).un point d’´quilibre unique qui est l’origine de l’espace d’´tat x = 0 si A est inversible e e . ´ ` Theoreme 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 . Le cas des syst`mes LTI est particuli`rement remarquable. ´ Definition IV. est-ce que la trajeca e e e e toire d’´tat retourne en xe ou diverge-t-elle? e Il est n´cessaire de formaliser math´matiquement les r´ponses ` cette question afin e e e a qu’elles soient g´n´ralisables.2 IV.1 Un syst`me continu LTI d’´quation dynamique d’´tat autonome (en r´gime libre) x(t) = e e e e ˙ Ax(t) peut avoir.2. x(t). il est clair que l’on peut u e avoir un nombre arbitraire de points d’´quilibre. x(t). ∃ α > 0 tel que si ||x(0) − xe || < α alors ||x(t) − xe || < Dans le cas contraire. ∀t≥0 (IV. . les points e e e ˙ d’´quilibre sont les solutions de l’´quation alg´brique : e e e 0 = f (t. Pour un syst`me dynamique de repr´sentation d’´tat x(t) = f (t. Soit un syst`me donn´ par son ´quation d’´tat x(t) = e e e e e e ˙ f (x(t)).13) . on a alors : e 0 = f (x(t). 0) (IV.102 STABILITE DES SYSTEMES LTI IV. On doit donc toujours parler en toute rigueur de la stabilit´ d’un point e e d’´quilibre ou de la stabilit´ des trajectoires et non de la stabilit´ d’un syst`me. xe est dit instable. Si ` un instant t0 . e e e e ´ Definition IV. de trajectoires d’´tat et de point e e a e e d’´quilibre.10) en l’absence de commande et de perturbations.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. u(t)).

15) Cela signifie que le vecteur d’´tat.2. la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´. IV.´ IV.x0 ) xe t x1 Fig. e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe . ∀ x0 ∈ Br .2.2. LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t. ` ´ Definition IV. ||x(t) − xe || ≤ α||x(0) − xe ||e−λt o` Br est une boule ferm´e dans Rn d´finie comme l’ensemble : u e e Br = {x ∈ Rn / ||x|| ≤ r} (IV.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 → +∞. le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable.3 (stabilit´ asymptotique) e Un point d’´quilibre xe est asymptotiquement stable s’il est stable et e ∃ α > 0 tel que ||x(0) − xe || < α ⇒ t→+∞ lim x(t) = xe (IV. D’autre part. ∃ Br (xe . e . si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV.2. ´ Definition IV. e ´ Definition IV. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0).1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne. r) .1).16) (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 . λ est appel´ le taux de convergence.

e e a e e IV.Si toutes les valeurs propres de A ont une partie r´elle non positive. · · · .2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV.si Re(pj ) < 0.2. la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable. et la multiplicit´ est o e sup´rieur a 1 alors. alors xe est un point ea d’´quilibre instable. · · · . alors xe est un point d’´quilibre asymptotiquement stable. r}. r}. on e e o e suppose que xe = 0 est un point d’´quilibre.2. 3.2. Re(pj ) ≤ 0. r}.si un pˆle est tel que Re(pj ) = 0. e ` e A B C Fig. Re(pj ) > 0. · · · .si un pˆle est tel que Re(pj ) = 0. · · · . pour j ∈ {1.17) Soit le syst`me autonome de mod`le LTI d’´tat : e e e La caract´risation de la stabilit´ interne se fait a partir de la matrice dynamique A et e e ` de ses valeurs propres.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV.17). e (b) si un des blocs de Jordan associ´ ` pj est non scalaire. · · · . ´ ` Theoreme IV. pour j ∈ {1. r}. e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement. e pour tout j ∈ {1.2. 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. pour j ∈ {1. e 1.104 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. alors. pr . La position A correspond a un point d’´quilibre instable. · · · .Si un des pˆles du syst`me est instable. r}. poss´dant r valeurs propres distinctes (r pˆles) p1 . e . alors xe o e est un point d’´quilibre instable. e . IV. 2.1 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.2 Pour le syst`me (IV. et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement. . pour tout j ∈ {1.

3333 3.6667 0.-1 -3 0.     −3 2 3 −1.6667 0  −1.0000 0.3333 1.´ IV.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). >> eig(A2) ans = -1.3333 3 A3 =  −1.6667 0.3333 −0.6667 -2.2 La stabilit´ interne de (IV.0000 + 0.6667 −2.3333 −2.2.3333 A5 =  −0.6667 0.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.0000i -2.3333 2  .1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A.0000 >> A2=[-1.6667 0.3333 1.6667 Script MATLAB 9 >> A1=[-3 2 3.3333 0  −2 2 2 −0. LA STABILITE INTERNE 105 Remarques IV.2.2.3333 -2.-1.3333 1. o e Exemple IV.3333 1.3333 0.6667 0. >> eig(A1) ans = -1.-1.0000i -1.3333 0.6667 0.6667 −0.0000 -2.6667 3 A1 =  −1 −3 0  A2 =  −1. >> eig(A4)    −2.1 0 -1].-1.0.3333  1.3333 2].0001 >> A4=[0 0 0.0 0 0.0000 -1.3333 1.9999 >> A3=[-2.6667 3. >> eig(A3) ans = 0.-2 2 2].9999 -1.3333 1.0000 .6667 2].-0.

6667 -0. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.6667 0.6667 S = 0 0 0 0 -1.2182 -0.2.6667 0.3333 0.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable. e e ´ ` Theoreme IV.3333 0.3333 -0.8729 -0. >> [V. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.S]=eig(A5) V = 0.2. e 4.3 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.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome.2.4364 0. e 2.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative.6667 0.3333 -0.0000 0 0 0 -0. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.3333. e e e .6667 -0.1.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI. e e 3.6667].106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.-0. ` e e A B C D IV.0000 IV.3333.Le syst`me est BIBO-stable.3333 1.3333 1.

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

p1 = σ+jω.5 −0.3 −0.2 0.4 0. IV.σ < 0.108 STABILITE DES SYSTEMES LTI .6 0. p2 = σ−jω. le point d’´quilibre 0 est un centre. p2 > 0 sont instables.2 0 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 stable. e e .3 0.2 0. IV.p1 .6 −0. le point d’´quilibre 0 est un point-selle (col) instable. e .1 −0. le point d’´quilibre 0 est un noeud instable. e 6 4 2 0 −2 −4 −6 −6 −4 −2 0 2 4 6 Fig.σ > 0. e .5 – Foyer stable .Les deux valeurs propres p1 . p2 sont complexes conjugu´es.4 −0.σ = 0. IV.2 −0.4 – Point selle .4 −0. le point d’´quilibre 0 est un foyer instable.1 0 −0. e 0.6 – Centre .8 1 Fig.p1 < 0 et p2 > 0.

Il con¸oit e e e c de nombreuses m´thodes d’approximation.3.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. ici l’´nergie totale. Le point important est qu’elle ne n´cessite ni le calcul des e e e pˆles du syst`me ni la donn´e explicite de la solution de l’´quation d’´tat.Repr´sentation d’´tat : e e x1 = x ˙ x2 = x   x1 = x2  ˙ on a   x = − b x |x | − k0 x − k1 x3 ˙2 2 2 1 m m m 1 Posant .1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse.3 La m´thode de Lyapunov e Cette m´thode est tr`s g´n´rale et permet l’´tude de la stabilit´ des syst`mes non e e e e e e e lin´aires autant que lin´aires. IV. La philosophie o e e e e de la m´thode r´side dans l’extension math´matique d’une observation fondamentale de e e e la physique. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales. e e Son travail a port´ essentiellement sur l’´quilibre et le mouvement des e e syst`mes m´caniques et la stabilit´ des fluides en rotation uniforme. e e e On pourra donc conclure a la stabilit´ d’un syst`me par l’examen d’une seule fonc` e e tion scalaire.LA METHODE DE LYAPUNOV 109 IV. Russie. Il meurt le 03 novembre 1918 a Odessa.7 – Syst`me masse-ressort e 1. 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. ”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”. ` Exemple IV. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. e on obtient diff´rentes ´quations e e M Fig.

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

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

V (x) est d´finie n´gative. e 2.24) .3.3. 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. e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV. la m´thode devient plus syst´matique.V (x.23) ´ ` Theoreme IV.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 > 0.2 V = C2 V = C1 x1 x0 Fig. Dans le cas non lin´aire. IV.3. il faut donc choisir a priori e e une fonction candidate de Lyapunov.8 – Illustration de la m´thode de Lyapunov e Remarques IV. Dans le cas des syst`mes LTI. V (x) = x P x. e e e x(t) = Ax(t) ˙ (IV. alors 0 est un point d’´quilibre globalement asymptotiquement stable.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . d’o` l’utilisation de e u l’exp´rience. e e A P + PA + Q = 0 (IV. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). ´ ` Theoreme 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.La condition pr´c´dente est une condition suffisante . ˙ 1. V (x. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable. t) est une fonction de Lyapunov pour le syst`me. la fonction V (x. alors. t).2 1. e e 2||x||→+∞ lim V (x) = +∞. Si la e condition 2 est v´rifi´e. fonction d´finie positive.22) On consid`re une fonction candidate de Lyapunov quadratique.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que.

1664 0.0477. LA METHODE DE LYAPUNOV Exemple IV. P = 0.eye(3)).0625 0 4 −8 −12 113 dont les valeurs propres sont 0.0625 0.3273 et 0.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1.0676 . e Script MATLAB 10 >> P=lyap(A1’. >> eig(P) ans = 0.3.5160 19.3.´ IV.3125 0. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.0625 0. on trouve.

114 STABILITE DES SYSTEMES LTI .

2) 115 . Un moyen de come e parer efficacement les diff´rents types de syst`mes et leurs performances respectives est e e de les soumettre a des signaux d’entr´e types et d’analyser les r´ponses temporelles pro` e e duites. repr´sentation e e e e d’´tat.. il est n´cessaire de e e e e e disposer d’une base commune d’analyse pour des syst`mes diff´rents. l’´tape suivante consiste a analyser les performances du syst`me. nous nous sommes volontairement restreints a l’´tude du cas monovariable qu’il ` e est plus facile d’appr´hender physiquement.1 Introduction Une fois le mod`le math´matique d’un syst`me (fonction de transfert. Cette e e ` e ´tape peut ˆtre men´e suivant de nombreuses m´thodes.Chapitre V Analyse temporelle des syst`mes e continus V.. Toutefois.) obtenu. 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.1.1 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.1) dont la transform´e de Laplace est donn´e par : e e U (p) = n pn+1 (V. e 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.

les signaux acc´l´ration ee Le choix effectu´ dans cet ensemble est fonction des conditions d’utilisation du syst`me e e ´tudi´. on e e e se limite souvent aux signaux polynomiaux jusqu’` l’ordre 2 d’entr´e caract´ristiques tels a e e que : .1. e e V. Par exemple.les signaux de type impulsionnel (impulsion de Dirac) . .y1 (t) est la r´ponse ` une excitation nulle u1 (t) = 0 appliqu´e ` partir de l’´tat e a e a e initial r´el U1 (0) = U (0).les signaux rampe .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. Ils permettent ainsi e a d’´tudier les performances transitoires de la r´ponse des syst`mes. e e e e Soit un syst`me d´crit par l’´quation diff´rentielle entr´e-sortie ` coefficients constants. y (n−1) (0) ˙ (V. · · · .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. Remarques V.r´gime forc´ e e e Avant de caract´riser plus pr´cis´ment la r´ponse temporelle des syst`mes. si les entr´es r´elles d’un syst`me sont suppos´es varier graduellee e e e e e ment.4) Par application du th´or`me de superposition. une entr´e de type rampe est adapt´e alors que la r´ponse impulsionnelle mod´lisera e e e e correctement un choc. 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). Ce type de signal a la carat´ristique de soumettre le e e e syst`me ` des sollicitations plus ou moins brusques et progressives. e . nous revee e e e e nons sur les notions tr`s voisines de r´gime libre et de r´gime forc´. y(0).y2 (t) est la r´ponse ` l’excitation r´elle u2 (t) = u(t) appliqu´e ` partir d’un ´tat e a e e a e initial nul U2 (0) = 0.les signaux ´chelon (fonction de Heaviside) e . Dans la pratique. e e e e e a an y (n) (t) + · · · + a0 y(t) = bm u(m) (t) + · · · + b0 u(t) (V. appel´ signal d’excitation.1. .2 R´gime libre . la r´ponse peut ˆtre d´compos´e en e e e e e e deux termes y1 (t) et y2 (t).3) La r´ponse du syst`me y(t) ` un signal d’entr´e u(t).

r´elles ou complexes. ` e e 0.y4 (t) comme la r´ponse transitoire du syst`me.1. e e e .1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.1.1.3 La r´ponse transitoire y4 (t) est tr`s li´e ` la r´ponse y1 (t) alors que la r´ponse en r´gime e e e a e e e ` e permanent y3 (t) l’est a la r´ponse y2 (t).r´gime transitoire e e La solution de l’´quation diff´rentielle (V.7) . il ne subsiste que e y3 (t) et l’on d´finit alors.V.chaque racine r´elle pi de multiplicit´ mi donne une r´ponse : e e e mi y4i (t) = i=1 λi ti−1 epi t (V.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.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te. e e e V. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.1.2 On retrouve ici l’exacte contre-partie pour une ´quation diff´rentielle ordinaire du vocae e bulaire utilis´ pour les mod`les d’´tat. . y4 (t) est e e la somme de n termes tels que : . e e Remarques V.3) peut ´galement se d´composer en deux e e e e parties : .5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors.1 Soit a trouver la r´ponse y(t) de l’´quation. e e e 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. ´ Definition V.3 R´gime permanent .1.1. distinctes ou multiples.6) Cette ´quation a n racines pi . e e e e .y3 (t) comme la r´ponse en r´gime permanent du syst`me. INTRODUCTION Exemple V.5) Remarques V.

amorties plus ou moins rapidement. y(t) = 2 + λ1 e−2t soit pour y(0) = −1.2 L’´quation caract´ristique est e e 0.chaque paire complexe conjugu´e (pj . On a vu au e e e chapitre pr´c´dent diff´rentes notions de stabilit´ absolue pour les syst`mes lin´aires. e e toujours pr´sentes dans la partie transitoire de la r´ponse temporelle d’un syst`me.8) o` σj = Re(pj ) et ωj = Im(pj ).5p + 1 = 0 Elle a une unique solution p1 = −2 d’o` u y4 (t) = λ1 e−2t Alors. 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. u Exemple V. e e e e e e La stabilit´ relative caract´rise les oscillations. 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. e e e .1.118 ANALYSE TEMPORELLE DES SYSTEMES .

2. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V.2.10) (V. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre.9) T est la constante de temps du syst`me. e Cela conduit ` ´crire.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V.1 – Exemples de syst`mes du premier ordre e V.` V.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V. e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1. 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. V.11) La r´ponse transitoire d’un syst`me du premier ordre est. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V.2 V. ae Y (p) = K 1 + Tp (V. LES SYSTEMES DU PREMIER ORDRE 119 V.12) .1.1 On appelle syst`me du premier ordre.

13) 0.14) 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.4 0. on obtient la pente de la tangente pour t = 0.2 – R´ponse impulsionnelle e En calculant la d´riv´e.17) K KT K = − (1 + T p)p p 1 + Tp (V.16) 1 p (V.120 d’o` la r´ponse impulsionnelle. K K dy(t) = e−t/T |t=0 = dt T T (V.7 0.6 y(t) 0. V.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.9 KT 0.3. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V. on obtient la pente de la tangente e e e e pour t = 0.2. u e y(t) = qui est repr´sent´e figure V.3 0. En calculant la d´riv´e.5 0.8 0.2 0.2.18) . 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. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.2 (r´ponse indicielle) e On appelle r´ponse indicielle. ae Y (p) = d’o` la r´ponse indicielle.

19) Si k = 1. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V.2 Amplitude y(t) To: Y(1) 1 0.4 0. on obtient. V.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.23) . plus le syst`me est rapide.6 0.8 1.) t Fig.3 – R´ponse indicielle e Remarques V. on parle alors de rampe unitaire. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.21) 1 p2 (V.2.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.6 1.2 0 0 T 2 4 6 8 10 12 Time (sec.4 0.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V.8 0. pour e e K = 1.20) qui est repr´sent´e figure V. e e R´ponse ` une rampe unitaire e a ´ Definition V. ae Y (p) = d’o` la r´ponse. En calculant le signal d’erreur (t) = u(t) − y(t). Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.632K 1.1 Plus la constante de temps du syst`me T est faible.4.2.

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)

9 0.4 1.3 ξ = 0. V.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.1 e .8 Step Response ω n= 0.6 ξ = 0.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.8 et figure V. e e e ξ = 0.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.9.8 0.2 0 Fig.1 ω n= 0.5 ξ = 0.8 0.6 ξ = 0.4 ξ = 0.4 ω n= 0.6 0.7 ξ = 0.2 ξ = 0.6 1.8 ξ = 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.4 1. u L’allure de telles r´ponses est repr´sent´e figure V.5 1.8 Step Response 127 1.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ). V.4 1.2 Amplitude 1 0.6 0.1 1.4 1.2 ω n= 0.2 Amplitude 1 0.

1 0 0 5 Time (sec.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes. e Step Response 0.) 10 15 Fig.6 T 0.3 0. e e la fonction de transfert entre le d´placement rectiligne x et le d´placement angulaire θ e e est : Θ(p) = √ o` α = u 2AρRl 1 X(p) = F (p)X(p) αp ps − pe − F/A .43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement.5 T/2 Amplitude 0.7 D 0. . V.10 – Syst`me du second ordre sous-amorti e Les d´passements successifs sont d´finis par : e e Dk = s(kT /2) − s(∞) = −[e−πcotg(ψ) ]k = −(−D1 )k s(∞) (V.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.2 0.4 D2 1 0.

>> a=10. C(p) = suivant le sch´ma-bloc suivant.1.H_10=tf([K*T*a K].H_10) >> axis([0 20 0 1.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 . e e e Script MATLAB 12 >> K=1. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.H_2. 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+a*T*K) K]) >> a=2.11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.[T (1+a*T*K) K]) >> a=0.[T (1+a*T*K) K]) >> step(H_01.H_2=tf([K*T*a K]. figure 3).H_01=tf([K*T*a K].LES SYSTEMES DU SECOND ORDRE 129 La position angulaire est asservie au d´placement longitudinal par un correcteur du e type avance ou retard de phase.4 0.8 a = 0.T=1.3]) Step Response 1.1 a=2 a = 10 Amplitude 0.6 0.2 1 0.

47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V. y(t) Mp 0. u cos(ωp tr ) + soit.05 t td 0.12 – Sp´cifications de performance e .5 0 tr tp t ts Fig.3.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est.49) .12. tan(ωp tr ) = − Apr`s calculs.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`.45) Cette relation est approxim´e par la relation : e tr ≥ (V.8 ωn (V.48) 1 − ξ2 ξ (V.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 . cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1. Sa r´ponse temporelle a l’allure de la figure V. ξ).130 ANALYSE TEMPORELLE DES SYSTEMES V. V.

on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.6 ts .6 4. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.Temps d’´tablissement ts : e G´n´ralement.LES SYSTEMES DU SECOND ORDRE . De plus.55) ξ ≥ ξ(Mp ) σ≥ 4.8 tr (V.D´passement maximal Mp : e On a donc. ωn doit ˆtre grand.50) π ωp (V. pour des r´ponses rapides.3. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`.7 ξ = 0.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit. u tp = .3 (V.5 ξ = 0.6 = = ξωn σ Remarques V. − 131 (V. Mp = y(tp ) − 1 = −e−ξωn tp Soit.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 .54) 4.53) .52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.

on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps. Dans le cas le plus g´n´ral.57) . e e e e Soit la fonction de transfert G(p) d’ordre n que l’on factorise afin de faire apparaˆ ıtre les pˆles et les z´ros.4. 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.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse.1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te.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.r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V.Chaque pˆle r´el pi de multiplicit´ mi donne une r´ponse transitoire : o e e e mi y4i (t) = j=1 λj tj−1 epi t (V. e e Ainsi.Chaque paire de pˆles complexes conjugu´s (pi . e e ´ Definition V. complexes conjugu´s) des racines de l’´quation caract´ristique. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me. o ` e . 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.58) o` σi = Re(pi ) et ωi = Im(pi ).4. .4 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. 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. 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.1 Les syst`mes d’ordre sup´rieur e e Notions de modes D´finitions e A partir de ce que l’on a d´j` vu pour les syst`mes d’ordre 1 et 2. Dans cette combinaison lin´aire.

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

2 0.5 Fig.1 −0.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.13 – North American L-17A ”navion” .65) Les modes propres longitudinaux sont d´finis comme : e .76   δw ˙   0    q  =  0.370 −2.63) sont appel´s e ee e les modes du syst`me.59)2 (p + 0.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.02 1.5 1 Time (sec) 1.1 −0.Le mode d’oscillation d’incidence (short-period mode) p = −2.2 1 0. 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. e e e Fig.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.045 0.191 −3.2 0 0.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.5 2 2. V.62) et (V.036 0 −0.Courtesy USAF Museum .1 0 −0. V.322 δu  δ w   −0.51)2 + (2.51 ± 2.017)2 + (0.5 0 −0.96 −2. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.Mouvement propre longitudinal :     δu ˙ −0.14 – Mode d’oscillation d’incidence pur . e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.1 0 −0.213)2     (V.5 −1 0. o e e (V.

334)2 (p + 0.5 0 −0.76 0 0.LES SYSTEMES D’ORDRE SUPERIEUR .02 1.5 −1 0.55 −0.eye(4). 0].zeros(4. V.2 0.0088) Les modes propres lat´raux sont d´finis comme : e e .4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.76 0.. >> initial(sys_long.19 −8.1)) >> initial(sys_long.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8. -0.Plong(:..1 0 −0.486)2 + (2.191 -3.’modal’) >> Plong=inv(Tlong).37 -2.254 −1.Mouvement propre lat´ral : e     v ˙ −0.5 0 50 100 150 Time (sec) 200 250 300 350 Fig.35  r ˙   0    p  =  −9.017 ± 0.Plong(:.76 −0..98 0.322 v  r   2.0 0 1.1)..96 -2.045 0.zeros(4.66) .213j Response to Initial Conditions 1 To: Out(1) 0.433 ` (V.08 2.0..1 −0.3)) . o e e e (p + 8.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.2 To: Out(3) To: Out(4) 0. >> [navion_long.67)     (V.05 To: Out(2) 135 0 Amplitude −0.05 0.5 0 −0.036 0 -0.433) (p + 0.1)).Le mode phugoide (phugoid mode) p = −0.Tlong]=canon(sys_long.322.

Le mode correspondant au mouvement de spirale (spiral mode) p = −0.1 0.1 −0.0088 Response to Initial Conditions 0.01 1 0.02 0 0.3 Time (sec) 0.7 Fig.02 To: Out(1) 0.005 −0. V.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.486 ± 2.2 0.015 0.01 0.5 0.16 – Mode de roulis pur .2 0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.6 0.05 −0.05 0 0 −0.4 0.5 0 0 −0.17 – Mode de spirale pur .005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.1 0.02 0 1 0. V.15 −0.04 0.15 0.334j .2 0 0.

.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0. τq } associ´es ` ses diff´rents modes.1 0 −0..5 0 −0. Supposons maintenant que la fonction de transfert soit du troisi`me ordre avec un pˆle e o r´el −1/γ et deux pˆles complexes conjugu´s : e o e G(p) = 2 ωn 2 (γp + 1)(p2 + 2ξωn p + ωn ) (V.eye(4).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.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 .Plat(:.254 -1.’modal’) >> Plat=inv(Tlat).08 2.4 0.2)) >> initial(sys_lat.2 0 2 4 6 Time (sec) 8 10 12 Fig. V.322.55 -0. >> [navion_lat.1 −0.0 0 1.69) .18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-.1)).1)..5 0.19 -8.76 -0.4. >> initial(sys_lat.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.1)) >> initial(sys_lat. e τi = −1/Re[pi ] (V. 0].Plat(:.zeros(4. ´ Definition V.-9.Plat(:.Tlat]=canon(sys_lat.5 −1 0..76 0 0.zeros(4. 2.5 0 −0..35 0.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0. · · · .5 1 0.2 0.

3984 0.4 ξinc.51 = 0.017 ± 0.486 = 2. τphu. τdrol. Pour un mode oscillatoire.334j d´fini par sa constante e de temps et son amortissement. e τsp.12 (V.74) . la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1.017 = 58. = 1/0.08 Les modes propres lat´raux du Navion sont caract´ris´s par.le mode d’oscillation d’incidence p = −2.433 = 0.59j d´fini par sa constante de temps e et son amortissement. on parle o e e de modes dominants.486±2. ξq }.0088 = 113.Si ξ = 0 alors le mode oscillant est non amorti . ´ Definition V. τinc.204 (V. = 1/2.le mode de roulis p = −8. mˆme si cette condition n’est pas strictement v´rifi´e.le mode d’oscillation de roulis hollandais p = −0.75) .7 (V.433 d´fini par sa constante de temps.70) Par extension.63 (V.73) (V.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.4.06 ξdrol. = 1/8.82 ξphu.le mode phugo¨ p = −0.51 ± 2.Si ξ = 1 alors le mode oscillant est ap´riodique e L’amortissement des transitoires d’un syst`me d’ordre quelconque est donc caract´ris´ e e e par l’ensemble des amortissements {ξ1 .72) . = 0.le mode correspondant de spirale p = −0. = 0.3 (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. · · · .4 (mode oscillant non amorti et ap´riodique) e . ´ Definition V.4.0088 d´fini par sa constante de temps. = 0.71) . Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par. e e e .213j d´fini par sa constante de temps et son ıde e amortissement. = 1/0. = 1/0. e τrol. e e . quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me.

76) i=1 .Xi_long]=damp(sys_long) Wn_long = 0.6946 V.3836 2.0797 0.6070 Xi_long = 0.4327 139 Xi_lat = 1.2140 3.3836 8.6946 0.4.2040 0.2140 0.0000 0.6070 3.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.0000 >> [Wn_long.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.0088 2.Xi_lat]=damp(sys_lat) Wn_lat = 0.0797 0.2040 1.

est augment´e par la pr´sence des pˆles voisins.140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors. On en d´duit donc que la contribution d’un pˆle pi e e o . Suivant que le e e e e e e z´ro sera stable ou instable. e e e n h(t) = i=1 ai epi t (V.4. le d´passement sera augment´ ou diminu´. e e Exemple V. >> step(H2) >> step(H1+H2) .[1 1 1]).est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o .77) avec. m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V. >> clf >> step(H1) >> hold. on d´duit que les diff´rents modes ont une contribution a la r´ponse indicielle u d’autant plus faible qu’ils sont plus ´loign´s de l’origine.79) e e ` e o` bi = ai /pi . >> H2=tf([1/0. Le fait d’ajouter un z´ro a la fonction de transfert e ` αξ dt ajoute la d´riv´e de la r´ponse multipli´e par un coefficient ´gal au z´ro.[1 1 1]).78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros. e e o Si l’on ´tudie la r´ponse indicielle. e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1. e e n s(t) = K + i=1 bi epi t (V.5 0].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) .

2 H 2 0 −0.4 0.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.5 e R´sum´ V. e .6 H 1. e e e a .4. e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0. e V. dans de nombreux cas pratiques.2 H 1 Amplitude 1 0.5 −1 H 2 −1.6 0.L’addition d’un z´ro stable z ` une paire de pˆles dominants pdom augmente le e a o d´passement si |zadd | ≤ 4|Re(pdom )|.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 1.5 H1 H Amplitude 0 −0.8 0.L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|. Ainsi. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.5 1 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).2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0. tr`s souvent les caract´ristiques de performance d’un syst`me command´ e e e e sont sp´cifi´es en termes de r´ponse transitoire a une entr´e en ´chelon facile ` g´n´rer.4. e .1 e e a o .4 1.L’addition d’un z´ro instable z ` une paire de pˆles dominants pdom diminue le e a o d´passement mais provoque le ph´nom`ne de r´ponse inverse augmentant ainsi les e e e e temps de r´ponse.5 e Step Response 1.

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

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

83) ξ ≥ ξ(Mp ) σ≥ 4.22 – Pulsation propre non amortie En g´n´ral.144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig. V. Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig. 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.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.8 tr (V.23 – R´gion de sp´cifications e e . V.

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

146 ANALYSE TEMPORELLE DES SYSTEMES .

1. D).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.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.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. Historiquement. 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. C.1. Mˆme si comme nous le ee e e e verrons dans ce chapitre. 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. B. 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). De plus. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre. e e Toutefois. e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. 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. e e e e VI. 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. e e ´ Definition VI. 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.1 Les syst`mes monovariables e Dans cette section. e e 147 .

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

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

149

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

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

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

VI.1.2

Extension au cas des syst`mes multivariables e

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

150

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

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

Yi (ω) =
j=1

gij (jω)Uj (ω)

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

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

u2 =

u3 =

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

151

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

6

σ (G) = 6.1401

5

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

4

3

2

1 −15

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

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

152

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

1 i=j 0 i=j

H W = [wi ]i=1,···r wj wi =

1 i=j 0 i=j

Gvi = σi wi

σi = ||Gvi ||2

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

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

VI.2

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

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

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

VI.2.1

Le lieu de Nyquist

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

Im(G(jω ))

Φ(ω i)

Re(G(j ω k))

−Φ(ω k)
ωi
Im(G(j ω k))

Re(G(j ω)) ω0

|G(j ω k)| ωk

Fig. VI.2 – Plan de Nyquist

e e La mˆme ann´e. Il meurt en 1976. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. En 1932.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 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. Entre 1921 et 1935. Apr`s ee e e e 1935. pour e e e e ω → ∞: G(jω) ∼ d’o` : u φ(ω) ∼ (n − m) π 2 bm 1 bm (jω)m = n an (jω) an (jω)n−m . e Quelques caract´ristiques des courbes e les courbes dans le plan de Nyquist poss`dent des caract´ristiques en hautes et basses e e fr´quences facilitant leur trac´. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. e Remarques VI. 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.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. il donne la e premi`re analyse de stabilit´ pour les amplificateurs a contre-r´action e e ` e et d´veloppe le diagramme de Nyquist qui conduit au crit`re graphique e e de Nyquist pour la stabilit´. En effet. e e .2. Il publie un article sur la fr´quence de Nyquist en 1928. il s’engage sur des recherches g´n´rales en communication.

4 – Comportement en basses fr´quences e .REPRESENTATION GRAPHIQUE 155 ω I(ω) n−m = 3 8 0 N=1 n−m = 2 R(ω) n−m = 1 Fig. 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. VI.3 – Comportement en hautes fr´quences e . VI. Sans int´grations.Basses fr´quences : la transmittance est ´quivalente au quotient des termes de plus e e bas degr´ d’o` l’importance de la pr´sence ´ventuelle d’int´grations.

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

la pulsation propre non amortie et l’amortissement. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI. VI.12) permet de montrer que la courbe est un demi-cercle de centre e (0. 0) et de rayon 0.5. (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI.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. e e a e (ωn .5 Re |G(j/T)| ω = 1/Τ Fig.5.14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0. ξ).16) .REPRESENTATION GRAPHIQUE 157 L’´tude de (VI.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI.

Il est a remarquer que MATLAB donne le diagramme de e e a ` Nyquist complet avec le sym´trique par rapport a l’axe ox pour les pulsations n´gatives.07 ξ = 0. Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1.17) ω2 2 ωn + ω 2ξ ωn 2 (VI.158 et sa phase par : REPONSE FREQUENTIELLE DES SYSTEMES LTI  ω  2ξ( ωn )  −1   φ(ω) = − tan  ω2  1− 2 ωn La partie r´elle est d´finie par : e e 1− R(ω) = 1− alors que la partie imaginaire est : −2ξ I(ω) = 1− ω2 2 ωn 2 ω2 2 ωn 2  (VI.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.7 ξ = 0.4 ξ = 0.18) ω ωn ω + 2ξ ωn 2 (VI. e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn .1 ξ = 0.05 ξ = 0. l’analyse asymptotique montre que la phase tend vers −π.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e . Aux hautes e e fr´quences. e ` e Nyquist Diagram 15 10 ξ = 0. Cette pulsation est la pulsation de e cassure associ´e au second ordre.19) e e Pour ω ∈ R+ . VI.7).

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.[1 2 0]). En effet. On calcule les limites int´ressantes permettant d’indiquer le comportement de e la courbe en basses et hautes fr´quences : e ω→0 lim R(ω) = −1 lim I(ω) = −∞ lim φ(ω) = − ω→0 ω→0 π 2 ω→∞ lim R(ω) = 0 ω→∞ lim I(ω) = 0 ω→∞ lim φ(ω) = −π La courbe admet une asymptote verticale en −1 aux basses fr´quences.2. .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. la partie r´elle et la partie imaginaire sont toujours n´gatives. 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).1 Soit la fonction de transfert G(p) = La fonction de transfert sinuso¨ ıdale est : G(jω) = On obtient donc : R(ω) = Re [G(jω)] = |G(jω)| = 4 √ ω 4 + ω2 ω2 −4 +4 I(ω) = Im [G(jω)] = φ(ω) = − π ω − tan−1 2 2 −8 ω(ω 2 + 4) 4 jω(jω + 2) 4 p(p + 2) Pour ω > 0. e Script MATLAB 17 >> G=tf(4. Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe. e Exemple VI. >> nyquist(G).

2.1 0 Fig. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade. 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.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI.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. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s.9 −0.5 Real Axis −0. e 8 8 .6 −0. Le premier repr´sente l’´volution e e e du module de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)) en fonction de la e e e pulsation ω en rad/s.3 −0. pulsation quelconque.2 −0. ´ Definition VI.2.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts. Une octave est e e e une bande de pulsations comprises entre ω1 et 2ω1 alors qu’une d´cade est une bande de pulsations entre ω1 et 10ω1 pour ω1 .2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations.7 −0.4 −0. VI.8 0+ −0.

REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. e e toute fonction de transfert peut ˆtre factoris´e comme : e e G(p) = K (1 + pTi ) (1 + 2 ξ/ωnj p + (pωnj )2 ) (1 + pTk ) (1 + 2 (ξ/ωnl ) p + (pωnl )2 ) (VI. e Pendant ses premi`res ann´es aux laboratoires Bell. Il meurt le 21 Juin 1982. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. il travaille principalement sur les syst`mes de commande de tir anti-a´rien et il re¸oit le Certificat Pr´sidentiel du e e c e M´rite en 1948. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. 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. e L’inconv´nient majeur est que l’on ne peut repr´senter les courbes de gain et de phase e e jusqu’` la pulsation 0 du fait de l’utilisation de l’´chelle logarithmique pour les pulsations. Il entre aux laboratoires de Bell Telephone comme math´maticien. Pendant la seconde guerre mondiale. Ce travail s’est e e e concr´tis´ par l’´dition de sa c´l`bre monographie Network analysis and feedback ame e e ee plifier design en 1945. En effet.20) pN . il obtient son Ph. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. D de l’universit´ de Columbia en 1935.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. a e L’avantage principal d’une telle repr´sentation est qu’elle permet de convertir la mule tiplication des amplitudes en addition par l’utilisation de l’´chelle en d´cibels. Il devient ` ` membre de l’Acad´mie des Sciences. En 1955. En 1952. Alors qu’il travaille chez Bell. 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. VI. 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. Apr`s la guerre. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses.

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

7 63. ω = 1/2T de ωc vaut a ca −0. 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.3 .6 5.REPRESENTATION GRAPHIQUE 163 . . domaine ”basses fr´quences” ω << ωc . l’amplitude en dB peut ˆtre e approxim´e par. Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e . On rappelle que le module et la phase d’une telle fonction de e transfert sont donn´s par : e |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI. 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 . domaine ”hautes e fr´quences” ω >> ωc .24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante. et en de¸`. Dans le plan de Bode.Pour les basses fr´quences.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines.97 dB. e √ (VI.4 84. on obtient. 45 26. ω << ωc = 1/T .En hautes fr´quences. e e e c e . ω = 2/T .Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI.L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB. ω >> ωc = 1/T . e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI.L’erreur pour une octave au del`.25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB. la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave.26) Dans cette plage de pulsations. e ` .

Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI.97 dB 3 dB 0.29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences. e .Basses fr´quences : ω << ωn e −20Log10 (1) = 0 dB (VI.Le facteur quadratique ram`tres (ωn . VI.11 – Trac´ dans le plan de Bode de 1/(p + 2) e .Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   dB (VI. 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.28) Les asymptotes sont obtenues par une analyse identique a celle qui a ´t´ faite ` ee pour les syst`mes du premier ordre.30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences.27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ.164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0. e . e Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI. ξ). e . la courbe de gain pr´sentera ou ne pr´sentera pas de pic de e e r´sonnance.

12 – Courbe de gain dans le plan de Bode d’un deuxi`me ordre avec r´sonnance e e . la phase vaut. ωr = ωn 1 − 2ξ 2 Mr = 1 2ξ 1 − ξ2 (VI.Etude de la phase :  ω  2ξ( ωn )  −1   φ = − tan  ω2  1− 2 ωn  (VI. Pr`s de la pulsation de cassure.33) ω = ωn φ = − tan−1 ω = ∞ φ = −180 deg . Son amplitude d´pend de e l’amortissement ξ. a la pulsation de r´sonnance ωr . ω rad/s ωr − 3 dB = ωn 1 − 2ξ 2 Bande passante à −3 dB Fig. VI.31) |G(jω)| dB Asymptotes Mr = 1 2ξ 1 − ξ 2 ωn − 40 dB/ dec.REPRESENTATION GRAPHIQUE 165 Les deux asymptotes ont une intersection commune en la pulsation de cassure ωc = ωn . Mr . si ξ < 0. Toutefois. ω=0 φ = 0 deg 2ξ 0 = −90 deg (VI.32) La phase est une fonction des deux param`tres pulsation propre et amortissee ment. il peut e ` e e exister un pic de r´sonnance.707.

ee 2. e a ´ Procedure VI.1 ξ = 0.34) ´ Definition VI.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0.2.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.2 ξ = 0.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.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. 4.05 ξ = 0.3 ξ = 0. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.05 ξ = 0.1 1. .Tracer les courbes asymptotiques.5 −180 ξ = 0.1 −90 ξ = 0.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base.2.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB.2. e e e a 3. VI.2 −135 ξ = 0.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.3 ξ = 0.5 ξ = 0.

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

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. L’avantage majeur d’une telle repr´sentation est li´ ` la propri´t´ d’additivit´ de l’ame ea ee e plitude exprim´e en d´cibels et de la phase. e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants. VI. 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig.3 D´finition e Le lieu de Nichols-Black Le lieu de Nichols-Black repr´sente le lieu de transfert dans un plan dont l’abscisse est e l’argument de la r´ponse fr´quentielle en degr´s (φ(ω) deg) et dont l’ordonn´e est le module e e e e de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)).2. Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert. 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.35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black.15 – Plan de Nichols-Black Remarques VI. a e o .168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI.2.2 Dans la litt´rature anglo-saxonne.

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

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

VI.5 ξ = 0.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0.REPRESENTATION GRAPHIQUE Nichols Chart −5 171 ω=0 −10 −15 Open−Loop Gain (dB) −20 G(jω ) = 1 1 + jω −25 −30 8 ω −35 −90 −60 Open−Loop Phase (deg) −30 0 Fig. aux hautes fr´quences.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 .01 ξ = 0. e e   ω 2 2  2ξ( ωn )  ω2 ω  1 − ω2 + 2ξ ωn dB φ = − tan−1  |G(jω)| dB = −20Log10  n ω2  1− 2 ωn (VI. 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.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 .1 ξ = 0.3 ξ = 0. nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode.

[1 2 0]).94 Frequency (rad/sec): 1.14 Phase (deg): −38. e Script MATLAB 19 >> G2=tf(1.0273 System: G2 Phase (deg): −128 Gain (dB): −3.’r-.2.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.58 System: G3 Gain (dB): −8.3 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. >> nichols(G2. Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.3 Frequency (rad/sec): 1.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.172 Exemple VI. VI.’g.G3. se e construit facilement en d´phasant de −90 deg le point de G3 associ´ et en le translatant e verticalement du gain correspondant a l’int´gration + 12.’b’). >> G=tf(4.04 dB et le point correspondant a ω = 1.58 Phase (deg): −90 Frequency (rad/sec): 1.58 rad/s.04 dB.G. >> G3=tf(1.[1 0]).’.[1 2]).’. ` e .

4 Les syst`mes ` non minimum de phase e a ´ Definition VI.REPRESENTATION GRAPHIQUE 173 VI. 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. 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.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. T2 = 2 .20 – Phases de G1 et G2 pour T1 = 1.2. VI.2.2. Dans le cas contraire. Exemple VI.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.20 montre le diagramme des phases de G1 et de G2 . leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI. 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. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations. ` Remarques VI.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre.40) La figure VI. il sera ` dit a non minimum de phase.4 Afin d’illustrer au mieux la remarque pr´c´dente.2.3 Cette d´nomination provient du fait que pour un module identique.

6 0. Si la courbe de gain est connue sur l’ensemble des pulsations.8 1 Fig.4 −0.2 Imaginary Axis 0 −0.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.6 −0. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase.8 −1 −1 −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. la courbe de phase peut en ˆtre d´duite directement de mani`re unique.6 −0.2 0.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 .4 −0. Nyquist Diagram 1 0. VI.2 0 Real Axis 0. le module et la phase sont li´s par une relation e a e biunivoque. VI.8 −0. nous donnons les lieux de transfert de G a dans le plan de Nyquist.8 0. A titre d’exemple.4 0.6 0.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.2 −0. les fonctions de transfert G1 et G2 sont reli´es par : e G1 (jω) = G2 (jω) 1 − jωT1 = G2 (jω)G(jω) 1 + jωT1 (VI.4 0.

2.5 (mod`le deux entr´es . Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.[2 1] [1 4]}.45 s + 10 #2: ..REPRESENTATION GRAPHIQUE 175 VI.2 a montr´ que la r´ponse fr´quentielle des mod`les LTI multivariables e e e e est compl`tement caract´ris´e par les gains principaux (valeurs singuli`res) qui sont des e e e e fonctions de la pulsation ω.den den}) Transfer function from input 1 to output.002 s^2 + 0.5 Extension aux syst`mes multivariables e La section I.21 s^3 + 7.2. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.{den den. Dans la a e majorit´ des cas..01 2].002 s^2 + 0.[1 0.H=tf({1 3. Cela impose donc le plan de Bode e e comme seul outil disponible.1.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0. ´ Definition VI.2. 1 #1: ---------------------------------------s^4 + 0. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.2 5]).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. 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.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.21 s^3 + 7.

002 s^2 + 0.002 s^2 + 0. 3 #1: ---------------------------------------s^4 + 0.45 s + 10 #2: >> sigma(H) >> grid .45 s + 10 s + 4 ---------------------------------------s^4 + 0..21 s^3 + 7.21 s^3 + 7.176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output..

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

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. Cette e e structure est illustr´e figure VII. Dans un premier temps. VII. seuls les syst`mes monovariables sont trait´s.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). Jusqu’` pr´sent.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif.1.1. Dans ee e e la suite de ce cours. En r´sum´. 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). biographie). Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e. d´termine l’´cart entre e e ee e e e les deux et produit un signal de commande dont le but est de r´duire cet ´cart a 0 ou e e ` de le rendre tr`s faible. 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. le principe fondamental consiste ` observer les effets e e e a des actions que l’on produit et de les corriger en fonction des r´sultats observ´s. Adopter une telle structure de commande induit bien e entendu un certain nombre d’avantages mais aussi quelques inconv´nients que nous allons e d´tailler a travers un exemple simple emprunt´ ` [13].Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. e e Cette id´e de contre-r´action n´gative est principalement due a l’ing´nieur en g´nie e e e ` e e ´lectrique Harold Black qui l’a appliqu´ aux amplificateurs utilis´s dans les communicae e e tions longues distances (cf. e ` ea 179 .

Black) Harold Stephen Black est n´ le 14 Avril 1898 a Leominster dans le Massachussetts. Cette id´e est appliqu´e e e e e e initialement afin d’am´liorer les communications t´l´phoniques longues distances avant e ee d’ˆtre fondatrice de la th´orie moderne des asservissements et de l’Automatique. Apr`s ses ann´es d’´tudes. Harold e e Black fait partie du Hall of Fame des inventeurs depuis 1981 et a re¸u 10 m´dailles. e e √ ρc 2 (VII. photo du chapitre e 1).No. Il publie modulation theory en 1953. VII. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action. e On suppose que l’´quation du mouvement associ´e au d´placement du v´hicule est e e e e une ´quation diff´rentielle du premier ordre. Perturbation Système de commande Entrée de référence + Ampli. 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. Ne disposant d’aucun autre support que son journal matinal e (le New York Times) il couche son id´e sur une des pages du journal (cf.180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. 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. sur le trajet matinal de l’Hudson River sur le ferry Lackawanny pour aller a son travail. e e e Le sch´ma de principe est alors le suivant. Process Sortie Fig. 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 . 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. m est la masse du v´hicule et ρ et c sont des constantes. ee En 1927. ancˆtres des laboratoires Bell Telephone. neuf c e prix ainsi que de nombreux autres titres honorifiques.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. Il d´pose un brevet (21 D´cembre 1937 . u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1. Il meurt en 1983. 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. il rejoint les laboratoires de West e e e Street de la Western Electric a New York.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.

1.2 – 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. 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.` ` ´ 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. VII. Ce type de loi u a e de commande est qualifi´e d’int´grale puisque. e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (VII. e a u(t) = k(vnr (t) − vn (t)) ˙ (VII. e √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (VII.2) o` la constante k est ` choisir par le concepteur du syst`me de commande.3) Il est alors possible de proposer une repr´sentation d’´tat non lin´aire de cette mod´lisation e e e e e en choisissant le vecteur d’´tat : x(t) = [vn (t) u(t)] et l’entr´e comme e(t) = vnr (t).3 – Sch´ma SIMULINK de l’exemple voiture e . VII.

05 0. Le signal de r´f´rence est donc un ´chelon passant de 0.1 s et pour diff´rentes valeurs de k ∈ {0.05. la r´ponse est tr`s lente. VII.08. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0. 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.6. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0.08.62 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 = 0.58 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.6.08.1 et k = 0. On refait donc les simulations m √ √ ρc ρc = 0.52 0.6 e ee e ` ` l’instant 10 s. que pour les valeurs k = 0.54 0.1 k=0. 0.02.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0.56 k=0.06 correspondant a des accroissements respectifs ` pour k = 0.5 a 0.1}. 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 = 0.02. .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. = 0.05 et m m de masse de 20% et 40%. 0.05.08 0.4. a Quelle que soit la valeur du gain de l’action int´grale k.02 v 0.6 k=0.

e a e Si l’on consid`re des conditions r´alistes.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.45 avec perturbation 0.5) x1 (t) + x2 (t) + p(t) x1 (t) = − ˙ m m Cette perturbation est mod´lis´e comme un ´chelon de position n´gatif intervenant en e e e e t = 20 s. 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.6 0.5 0.62 183 0.52 0.7 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.65 0.1. SYSTEMES DE COMMANDE A CONTRE-REACTION 0.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.4 0. VII.58 0.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. e √ √ ρc 2 ρc (VII. il est ´galement n´cessaire de prendre en e e e e compte la possibilit´ de perturbations affectant le v´hicule telles que des raffales de vent e e ou un rev`tement de la route imparfait.6 sans perturbation 0.56 v 0.55 v 0.` ` ´ VII.54 0. 0. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique. VII. e e e e .

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

diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s.1.w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel. SYSTEMES DE COMMANDE A CONTRE-REACTION .` ` ´ VII. il est ´galement n´cessaire de connaˆ les transferts de ces commandes c e e ıtre aux entr´es exog`nes : e e u(p) = K(p)S(p)(r(p) − w(p)) − T(p)b(p) (VII. a S(p) + T(p) = 1 (VII.9) Un signal permettant d’analyser la pr´cision du syst`me est celui de l’erreur (p) : e e (p) = S(p)r(p) − S(p)G(p)b(p) + T(p)w(p) (VII.8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc.ν est le signal de commande entrant r´ellement dans le syst`me e e .11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) . e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (VII.7) ´ Definition 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 (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. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII.b est le signal des perturbations = r − y est le signal d’erreur 185 .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.7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII. La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle.1.

e e . e e . e e . Objectifs de commande Compte tenu des relations ´tablies pr´c´demment et de l’analyse qui les suit. e .S(p)K(p) repr´sente l’influence de la r´f´rence et des bruits de mesure sur les come ee mandes.L’effort de commande est faible si l’amplitude de S(p)K(p) et de T (p) est faible. .7 avec : e G(p) = On obtient alors ais´ment : e S(p) = p2 (1 + p) p3 + p2 + 2p + 1 2p + 1 p3 + p2 + 2p + 1 K(p)S(p) = (1 + 2p)p2 (1 + p) (1 − p)(p3 + p2 + 2p + 1) 1−p p3 + p2 + 2p + 1 p2 (1 1−p + p) K(p) = 1 + 2p 1−p (VII.S(p) repr´sente le transfert entre la r´f´rence et l’erreur et entre la perturbation et e ee la commande d´livr´e. . e e Exemple VII. Ces objectifs de commande sont contradictoires et devront faire l’objet de compromis lors de la synth`se du syst`me de commande.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 .Un bon suivi du signal de r´f´rence implique une fonction de sensibilit´ S(p) faible ee e en amplitude.1.S(p)G(p) repr´sente l’influence de la perturbation sur la sortie et l’erreur.12) T (p) = G(p)S(p) = .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.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.1 (fonctions de sensibilit´) e Soit le sch´ma d’asservissement de la figure VII.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. .Une bonne rejection des perturbations sera obtenue pour S(p)G(p) faible. la e e e synth`se du correcteur K doit ob´ir aux diff´rents objectifs suivants : e e e .

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

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

14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e.1 Le crit`re de Nyquist e Le crit`re de stabilit´ de Nyquist est un crit`re graphique fr´quentiel de stabilit´ e e e e e fond´ sur le trac´ du lieu de transfert en boucle ouverte dans le plan de Nyquist.15) G(p)K(p) 1 + G(p)K(p) (VII. Le crit`re de o e e e Nyquist est un crit`re graphique qui permet de conclure quant a la stabilit´ de la boucle e ` e ferm´e par la seule connaissance de la boucle ouverte.1 (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∞ . quand l’assere e e vissement est ` retour unitaire. ´ Definition VII. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII.2.´ ` ´ VII. e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII. j∞] et d’un demi-cercle centr´ en (0. VII.2.13) 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. Il est orient´ dans le sens antitrigonom´trique.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps. a r + − ζ K(p) u G(p) y Fig. K(p) = NK (p) DK (p) (VII.2. e e . 0) de rayon ee e infini incluant le demi-plan complexe droit. e VII. la sensibilit´ compl´mentaire T (p). 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. 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.

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

fermer le lieu de u Nyquist.17) 1.2.2. 0). o e e .Tracer le lieu de Nyquist complet de la boucle ouverte. le lieu de Nyquist est complet et ferm´. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p).Compter le nombre P de pˆles instables de la boucle ouverte.2. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant.1 Le syst`me ` contre-r´action de la figure VII.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.Calculer la boucle ouverte de l’asservissement consid´r´.1 1. Le nombre Z de o racines instables du polynˆme caract´ristique en boucle ferm´e ob´it ` la relation : o e e e a Z = P− N (VII. . il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII.Dans le cas o` le contour de Nyquist a une indentation. 4.ANALYSE EN STABILITE DES SYSTEMES BOUCLES . CN o 2.La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e .Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte.16) Exemple VII.Tracer son sym´trique par rapport a l’axe ox. ` G(p) = K p(1 + T p) T >0 K>0 (VII. 3. o a e Afin d’appliquer correctement le crit`re de Nyquist.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.

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

N = 0.20) K K G(p) ∼ ∼ e−jθ p ρ 3.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation. Le syst`me est donc stable asymptotiquement. a droite) quand on parcourt le lieu de transfert ea ` dans le plan de Nyquist (dans le plan de Nichols-Black) dans le sens des ω croissants.2.2 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. Im Im −1 Re −1 Re K(j ω)G(j ω) K(j ω)G(jω ) Fig. p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII. il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e .2 (crit`re du revers) e Si le syst`me en boucle ouverte est stable et a minimum de phase (pˆles et z´ros ` partie e ` o e a r´elle strictement n´gative) alors le syst`me est stable asymptotiquement si et seulement e e e si le point critique est laiss´ ` gauche (resp.P = 0. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII.2. Ce crit`re peut s’appliquer e e e e e indiff´remment dans le plan de Nyquist et dans le plan de Nichols-Black. Dans certains cas particuliers et sous certaines hypoth`ses. VII. e ´ ` Theoreme VII. 4.

3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII. VII.194 | | ANALYSE EN STABILITE DES SYSTEMES BOUCLES dB | | dB −180 K(jω )G(j ω) Φ o K(j ω)G(j ω) Φ o −180 stable instable Fig. 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.7 pour lequel les donn´es de l’exemple VII. VII. les fonctions de sensibilit´.2. En effet.1 e e e sont reprises. 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.7 incluant une perturbation e et un signal de bruit de mesure. Dans le § VII. 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. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII. nous avons d´fini un certain nombre e de transferts.1.1. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement.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. 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. e a e e e e .

2.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.15 ainsi d´finie a un sens.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne.4 (stabilit´ interne) e Soient les repr´sentations minimales d’´tat de G et de K : e e K(p) : = AK BK CK DK G(p) : = A B C D −1 = 1 −K −G 1 u v e Pour v1 = v2 = 0. e e ´ Definition VII.2. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme 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.3 (bien pos´) e La boucle a contre-r´action de la figure VII. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres. e ´ Definition VII. xK ) = (0. 0) est asympe e e totiquement stable. . On dit alors qu’elle est bien pos´e.2. il est n´cessaire de s’assurer que e e e la boucle de la figure VII.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre. VII.

1023i .[0. >> K=tf([1 1]. >> L=G*K.2.1434 -0.21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.conv([5 1].1 a .2326 + 1.Test espace d’´tat : l’interconnection est stable de mani`re interne ssi e e 1 −DK −D 1 existe et A 0 0 AK + B 0 0 BK 1 −DK −D 1 −1 −1 0 CK C 0 est stable asymptotiquement. e e . e ua e Exemple VII.1.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII. la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands.5 1].Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement.2326 .Test entr´e-sortie : la boucle ` contre-r´action de la figure VII.conv([0. les signaux de sortie (u.2. >> S=inv(1+L). >> pole(S) ans = -19.7).[2 1])). v sont stables asymptotiquement.3 . Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII.1023i -0.5p + 1)2 (0.conv([0.2. v2 ). . ν2 aux sorties e e u.05 1].9878 -3. v) sont born´s. e Script MATLAB 22 >> G=tf([10].2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0. Pour tous les signaux e e d’entr´e born´s (v1 .15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 .On retrouve les quatre fonctions de transfert particuli`res ` un changement de signe e a pr`s dˆ ` la convention qui est ici d’une contre-r´action positive.5 1]))).

5000 >> sysG=ss(G).2326 -0.0000 -19.1023i 1.C zeros(1. >> pole(KS) ans = -20.1023i -0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.-D 1])*[zeros(1.9878 -3..1035 -0. >> Abf=[A zeros(3.2)].BK. >> sysK=ss(K).0000 -2.CK.D]=ssdata(sysG).9878 -3.2326 + 1.2). zeros(2.2326 .0000i >> KS=K*S.2000 + + - 1.3) -CK.1434 -0.0000i 0.B.1) BK]*inv([1 DK. >> [AK.1023i -1.1035 >> GS=G*S.1). .1434 -0.2326 ..1023i 0.DK]=ssdata(sysK).1035 -0.2326 + 1.1.1434 -0.zeros(2..3) AK]+[B zeros(3. >> [A.1035 >> T=1-S.C.1.9878 -3.1023i -0.1023i -1.2326 -2. >> pole(GS) ans = -19.0000 -1. >> pole(T) ans = -19.

3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.1035 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.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII. L’interconnection pr´sent´e e e figure VII.1023i -3.2 .1434 -1.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).2. e ´ ` Theoreme VII.15.1p + 10 En appliquant le th´or`me du faible gain. 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. >> L=G*K.3015 ω Le syst`me est stable de mani`re interne.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19. e e Exemple VII.2326 . e e e .9878 -0.1023i -0.Ce r´sultat est moins fort que le th´or`me de Nyquist puisque l’on suppose la stae e e bilit´ la boucle ouverte et que ce th´or`me ne constitue qu’une condition suffisante. 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.1p p+1 1 p2 + 0.1 10]).[1 1]).[1 0.2326 + 1. . on obtient : e e max |K(jω)G(jω)| = 0.22) Remarques VII. >> K=tf([0.1.1 0].2.4 On suppose que G(p) et K(p) sont asymptotiquement stables.2.

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. Dans le domaine e e e ` fr´quentiel. .2. le pic de r´sonnance Mr peut ´galement servir a cet effet. 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. VII. 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´. Dans le domaine temporel. cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement. j0) dans le plan de Nyquist.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. Cette distance peut ˆtre mesur´e dans deux e e directions diff´rentes donnant lieu ` la d´finition de la marge de phase et de la marge de e a e gain.4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la e e e a boucle ouverte Stabilit´ relative e Dans l’analyse qualitative que l’on peut faire d’un syst`me boucl´.16 – Courbe de gain dans Bode de L VII.inf) ans = 0. la stabilit´ absolue e e e telle qu’elle peut ˆtre attest´e par le crit`re de Nyquist n’est pas l’unique indice pertinent.

La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII. VII. e e e Im 1 |G| dB MΦ ωco 0 dB Φo Kg −1 MΦ ωco ω−180 Re Kg ω−180 −180 Nyquist Black−Nichols Fig.25) (VII. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.3 Pour un syst`me ` minimum de phase. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable.26) Remarques VII. Arg[L(jω−180o )] = −180o (VII.23) o` ωco est la pulsation de coupure a 0 dB (gain-crossover frequency) de la fonction de u ` transfert en boucle ouverte : L(jωco ) = 0 dB ´ Definition VII.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black .24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII.2.2.2.

[1 0.8 deg (at 4. >> K=tf([0.1 0]. Pm = 25.2.18 – Marges de gain et de phase dans le plan de Bode Exemple VII.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.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.[1 1]). >> L=K0*G*K.42 rad/s. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.5 10]).2. >> margin(L) . Bode Diagram Gm = Inf dB (at Inf rad/sec) . VII.4 On reprend l’exemple V. 8 deg pour ωco = 4. >> K0=100.3 et l’on rajoute un gain K0 = 100 dans la boucle.

42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig. VII.20 – Plan de Nichols-Black .19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0. VII.449 Frequency (rad/sec): 4.202 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Les marges pour ce syst`me sont ´galement repr´sent´es dans les plans de Nyquist et e e e e de Nichols-Black.00322 Phase (deg): −154 Frequency (rad/sec): 4.908 Imag: −0.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.

e e ´ Definition VII.5 On poursuit l’exemple V.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.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises.2.5 Imaginary Axis 0 −0.22 – Marge de module dans le plan de Nyquist .7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte.5 −1 −1. 0) et tangent au lieu de transfert.2. VII. Une mesure plus objective est d´finie par la marge de module.5 1 0.2. ∆M = 1 1 = MS max |S(jω)| ω (VII. e Nyquist Diagram 2 1. VII. c’est donc le rayon du cercle de centre le point critique (−1.27) Im −1 ∆M 1 Re G(jω ) Fig.3 avec le mˆme gain K0 = 100 dans la boucle. Dans le plan de Nyquist.

[1 1]).14 Magnitude (dB): 15.1 0]. VII.2. >> K=tf([0.5 10]). >> Mod=inv(norm(S. Script MATLAB 24 >> G=tf(1.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.2.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir. >> L=K0*G*K.6 dB.14 rad/s et Mr = 15. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.6 On poursuit l’exemple pr´c´dent. e e Bode Diagram 20 System: L Frequency (rad/sec): 3.[1 0.40911. >> S=inv(1+L).23 – Pulsation de r´sonnance e . On trouve ωr = 3.28) 10 0 −10 Magnitude (dB) −20 −30 −40 −50 −60 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig. >> K0=100.inf)) Mod = 0.8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII.6 (VII.

29) o` F (p) est la fonction de transfert en boucle ferm´e. VII. u e Ce coefficient est ´galement appel´ coefficient de r´sonnance ou coefficient de surtene e e sion. VII. Nous examinons en premier lieu la m´thode pour e le plan de Nyquist.2. 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.25 – Lieu de Nyquist .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. 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.24 – Asservissement a retour unitaire ` L(p) est stable. il s’agit de construire un abaque e a permettant de connaˆ des ´l´ments fr´quentiels de la boucle ferm´e ` partir du trac´ ıtre ee e e a e du lieu de transfert en boucle ouverte. M-cercles et N-cercles Etant donn´ un asservissement ` retour unitaire. r + − u L(p) y Fig.

10 (M-cercles et N-cercles) . il s’agit de calL(jω) .32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e. Ainsi.707. les lieux d’amplitude constante et de phase constante en boucle ferm´e.2. u A partir de ces M-cercles et de ces N-cercles. u e e ´ Definition VII.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). 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.33) . l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII.30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. 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. 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. La bande e passante a −3 dB du syst`me en boucle ferm´e est la pulsation du point d’intersection du ` e e lieu de transfert avec le M-cercle M = −0.Les lieux de phase constante en boucle ferm´e sont appel´s les N-cercles et ont e e pour ´quation : e 1 (X + 1/2) + Y − 2N 2 2 = 1 1 + 4 (2N)2 (VII.206 − → OA repr´sente L(jωA ). . On note.34) o` N = tan(α). e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII.Les lieux d’amplitude constante en boucle ferm´e sont appel´s les M-cercles et ont e e pour ´quation : e X+ M M2 − 1 2 + Y2 = M2 (M2 − 1)2 (VII. culer pour chaque pulsation donn´e. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.

5 2.5 Im G 0 −90o −60o −45o −1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.3 1.707 M = 1.27.5 −36 o −0.5 30o (−150o) 36o 45 1 o 2 1.67 0.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.833 0.27 – Abaque des N-cercles . Un exemple d’abaque est donn´ ` la figure VII.5 −2.5 1 1.5 −2 −1.2 1.5 Fig.5 2 2.5 Re ω r (Mr = 2) M=0 Fig.707 0. e e ea 2. VII.26 – Abaque des M-cercles L’utilisation de l’abaque des N-cercles est compl`tement identique ` celui des M-cercles e a et n’est donc pas d´taill´e ici.5 60o 90o 0.5 0 Re G 0. VII.5 −1 −30o −2 −2.5 −1 −0.

Ainsi ` partir de la figure VII.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.29 qui forment l’abaque de Hall-Nichols.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig. on peut calculer des e e a points de la boucle ferm´e.16 rad/s ω = 3. 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: 1.28. e .375 Frequency (rad/sec): 2.62 rad/s ωr = 4. ` 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.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII.92 Frequency (rad/sec): 3.2. 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. 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).87 Imag: −1. 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. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte. e ω = 2.7 En reprenant l’exemple pr´c´dent.64 Imag: 0.

25 dB 0.25 dB 0.2. 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) .8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 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.29 – Abaque de Hall Exemple VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.

5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0. e e .210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2. e e Mφ = 60 deg ωco = 1.5 dB ωr = 2.5.8 rad/s Nichols Charts 50 40 0 dB 30 0. la marge de gain. e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0. e En produisant un zoom sur les fr´quences interm´diaires.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. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance. il est alors possible de calculer e e la marge de phase.

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 0.5 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 = 2.25 dB Open−Loop Gain (dB) 10 −150 Open−Loop Phase (deg) −100 −50 .25 dB 0.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.

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. 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase.2.4 Si l’asservissement n’est pas unitaire.

24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables. EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII. e . 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.` VII.O. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e .3.3.fait Pbo tours dans le sens trigonom´trique autour de l’origine.1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII.3.3.3.1 Le lieu de Nyquist de det(1+L(p)) correspond a l’image de det(1+L(p)) quand p parcourt ` le contour de Nyquist dans le sens antitrigonom´trique.3 Extension aux syst`mes multivariables e Dans cette partie. 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 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. dans L(p). e o e ´ ` Theoreme VII. e Exemple VII.1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B.ne passe pas par l’origine. Remarques VII.

02 −0.04 −0.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.B=[1 0. a e VII.5 0 0.0 0 -4].02 To: Y(1) 0 −0.4 0.3. ´ ` Theoreme VII.3.3.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.6 0.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2. .0 -1 1.2 Le th´or`me du faible gain e e Le th´or`me du faible gain d´j` pr´sent´ dans le cas monovariable s’´tend naturellee e ea e e e ment au cas multivariable.5.04 Imaginary Axis 0.5 0 0 0 0 0.08 0.06 −0.08 0 0.0 1].8 1 1.1 0.5 0 0.0 0 0. u e e a Exemple VII.2 0.2 (th´or`me du faible gain) e e Etant donn´ un asservissement ` retour unitaire stable en boucle ouverte alors le syst`me e a e en boucle ferm´e est stable si : e ||L||∞ = max σ(L(jω)) < 1 ∀ ω ω o` σ est la valeur singuli`re maximale de L(jω) calcul´e ` la pulsation ω. Le syst`me est instable.C=[0.06 det(1+L(p) 0.2 Soit l’asservissement a retour unitaire du type de la figure VII.5].

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

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

Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me.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. 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. 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. Les performances d’un e e e syst`me dynamique doivent donc ˆtre d´finies et sp´cifi´es pr´cis´ment afin de faire une e e e e e e e analyse et une synth`se ad´quates du syst`me de commande. e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires. L’objet de ce chapitre est donc de fournir des m´thodes permettant de mani`re e e e syst´matique la g´n´ration de sp´cifications de performance. Les 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. dans son ´tape de synth`se. e e e e 217 . de crit`res fr´quentiels en relations plus ou moins ´troites e e e e avec ces derniers et de crit`res de pr´cision sur le r´gime permanent. 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.

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

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´.6) 1 (VIII. e e e a on en d´duit la r`gle g´n´rale en basses fr´quences pour le rejet de perturbations : e e e e e |S(jω)| 1 ω < ωb (VIII. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωco e d´finissant la bande passante de G. Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences.Pour que b ait peu d’influence sur y : |G(jω)S(jω)| . en boucle e e ferm´e ou en boucle ouverte.Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII.8) |K(jω)G(jω)| |T (jω)| ∼ 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ (r − w) et ∼ w. e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w).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).7) e Du fait que T + S = 1 et S = (1 + GK)−1 . On en d´duit que : |S(jω)| 1 .2.5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω). e .9) 1 . e ωb < ωco (VIII.10) (VIII.SPECIFICATIONS FREQUENTIELLES 219 VIII. Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb . e ω < ωb |S(jω)| 1 (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.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 .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.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .Pour que w ait peu d’influence sur y : |T (jω)| . ee e e (VIII. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w). Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco . e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment.14) VIII.220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES 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.2.2.12) 1 (VIII.

.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p). On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).16) En appliquant le th´or`me de la valeur finale. e VIII.17) On en d´duit la r`gle des int´grateurs. e Exemple VIII. e . Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes. on obtient. Si la e marge de phase souhait´e est 45o . rampe. 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.. Une e e e eee e e plage de fr´quence primordiale pour l’´tude de la stabilit´ est celle d´finie par : e e e e ωco ≤ ω ≤ ω−180o On rappelle que : ωco : |L(jωco )| = 1 (VIII. e la pente ne peut exc´der −30 dB/dec.2.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg.18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive.) 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. 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. 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. il faut avoir Φ = −135 deg et donc dans cette r´gion. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient.2. e e e ´ ` Theoreme VIII. Cela induit des pulsations ωco et ω−180o suffisamment importantes.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. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII.2. 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.

S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me. la commande est effective et am´liore les performances.19) Dans la majorit´ des cas. ωB = ωBT .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.2. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB .La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e. Dans le cas contraire. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg. e e e C’est une ´tape importante dans l’´tape de mod´lisation. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0.707 = −3 dB 2 (VIII.2. pour les pulsations e e inf´rieures ` ωB .La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte.2. la bande passante est un indicateur de performance particuli`rement important. e Remarques VIII.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII. e e .2.21) (VIII. Les sp´cifications fr´quentielles e e e e e pr´c´dentes reviennent ` donner une forme particuli`re sur l’ensemble des pulsations ` e e a e a . on a alors : e e ωB < ωco < ωBT (VIII. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances. e ´ Definition VIII. La condition de roll-off est alors que L(jω) doit avoir un roll-off de 1 dans la r´gion de e a ωco et au minimum de 2 au del` de cette pulsation. Au del` de ces pulsations.6 D´finition e Notion de modelage de boucle : loopshaping e e Le choix des pulsations sp´cifiques ωb et ωh d´pend des applications sp´cifiques et des e connaissances que l’on poss`de sur les perturbations et les bruits r´els affectant le syst`me.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1.20) (VIII.1 .. ωBT ].1 La bande passante en boucle ferm´e peut alternativement ˆtre d´finie ` partir de la fonce e e a tion de sensibilit´ compl´mentaire.

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

448 deg.3 – Courbe de gain de G(p) .20372 rad/sec) 10 0 −10 Phase (deg). Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig. Le diagramme de Bode de la courbe de gain et de phase de cette fonction de transfert permet de calculer une marge de phase Mφ = 48.224 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. e e e e e Exemple VIII.41231 rad/sec).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. VIII.5 et des pulsations de coupure ω−180o = 0.5 deg.5.2 rad/s et ωp2 = e 0.24) Ce mod`le poss`de les caract´ristiques suivantes.1 rad/s. Pm=48. une marge de gain Kg = 2. a e e . ωco = 0. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII.41 rad/s. (at 0.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 = 0.2.2 rad/s.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0.25) (VIII. Bode Diagrams Gm=7.9588 dB (at 0.23) On peut en effet en d´duire ais´ment la fonction de transfert du compensateur par la e e m´thode d’inversion du mod`le. e e e .

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

15(−2p + 1) p(2p + 1)(0.33p + 1) (VIII.92 .95 rad/s 60 40 20 0 Phase (deg). 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.4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0.43 rad/s Bode Diagrams Kg = −0.2 rad/s.44 ωco = 0.15 et a ` une pulsation de coupure ωco = 0. On obtient alors : L(p) = 0. ω−180o = 0.31) Le trac´ de Bode d’une telle boucle ouverte conduit ` calculer une marge de phase e a et une marge de gain : Mφ = 54 deg Kg = 2.226 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. VIII. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche. e e .Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte.

on obtient un compensateur ´gal a : e e e ` K(p) = 0.32) Les figures suivantes sont les r´ponses temporelles ` une entr´e en ´chelon de position e a e e unitaire r(p) = 1/p pour le syst`me boucl´ non corrig´ (pour lequel il existe une erreur e e e de position) et le syst`me boucl´ corrig´ par K(p).8 0.44 rad/s Bode Diagrams 227 ωco = 0.2 0. VIII. e e e Step Response Step Response 1 1 0.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg).5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le.4 0.8 0.) 42 56 70 0 5 10 15 20 Time (sec.6 0.2 0 0 0 14 28 Time (sec.33p + 1) (VIII.4 0.6 Amplitude Amplitude 0.6 – R´ponses indicielles e . 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.SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0.) 25 30 35 40 Fig. VIII.15(10p + 1)(5p + 1) p(2p + 1)(0.

Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.7 Modelage des fonctions de sensibilit´ e Une strat´gie diff´rente de celle du loopshaping est de d´finir les sp´cifications direce e e e tement sur les fonctions de sensibilit´ S et T et de reformuler le probl`me de synth`se en e e e un probl`me d’optimisation. 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.) 40 50 60 Fig.2.33) 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. En effet.34) MT ≤ 1. e e e Step Response Step Response 1 1 0.2 0.7 – R´ponses a une perturbation en ´chelon e ` e VIII.) 42 56 70 0 10 20 30 Time (sec.8 0.4 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´. 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.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.35) . la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.6 Amplitude Amplitude 0.4 0. VIII.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.2 0 0 0 14 28 Time (sec.6 0.8 0.

2.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1.SPECIFICATIONS FREQUENTIELLES Remarques VIII. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.707 2.3 La derni`re sp´cification permet d’´viter l’amplification du bruit aux hautes fr´quences e e e e et introduit une marge de robustesse.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.une erreur maximale de position en r´gime permanent A e 3.39) Remarques VIII.le modelage de S sur certaines plages de fr´quences e 4.2. e e e e e ∆M = 1 MS 229 (VIII.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme. e e La sp´cification de pond´ration signifie donc que la norme H∞ (la valeur maximale e e e e a e du gain) de S pond´r´e par la fonction wp (p) doit ˆtre inf´rieure ` 1. 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.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .une bande passante minimale ωB ` −3 dB |S(jωB )| = 0. L’ensemble de ces sp´cifications peut ˆtre traduit en une sp´cification unique faisant e e e 1 intervenir une borne sup´rieure wp (jω) sur l’amplitude de S. Un choix usuel est MS = 2. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII.2.

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

>> L=tf([-0.15].SPECIFICATIONS FREQUENTIELLES . e e la boucle ouverte vaut : L(p) = 0.42) Exemple VIII.3 On reprend l’exemple utilis´ pour le loopshaping de la section III.3 0. >> bodemag(S.15(−2p + 1) p(2p + 1)(0. 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.aux hautes fr´quences.5.[1 0]). >> S=inv(1+L). Apr`s loopshaping. Script MATLAB 26 >> M=1. >> Wp=tf([1/M Omega_B].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.1/Wp) >> grid A=0 .2.Omega_B=0. elle est ´gale a M ≥ 1 e e ` . Il e e a e est ` noter sur la figure VIII.2.7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.conv([2 1 0].2.33 1])).2.8 ωB = 0.[0.4 Afin d’am´liorer les performances.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.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.05.

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. afin de r´duire l’amplitude des signaux de e sup´rieure e |wT | 1 commande. De plus. elle ne permet pas de sp´cifier le roll-off e e de la boucle ouverte L(p) au dessus de la bande passante.2.8 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. 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´. on peut sp´cifier une borne e e 1 sur l’amplitude de T . il est ´galement possible de d´finir une borne sup´rieure e e e sur l’amplitude |wu | du transfert KS.44) . e Afin de garantir un roll-off suffisant aux hautes fr´quences. En particulier.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.43) wu KS ∞ o` u   wp S  wT T  wu KS = max ω ∞ |wp S|2 + |wT T |2 + |wu KS|2 (VIII.

3. En effet.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. e .r`gle 1 : cascade e z(p) = G(p)w(p) = G2 (p)G1 (p)w(p) w G1 (p) y G2(p) z .SPECIFICATIONS FREQUENTIELLES 233 VIII.3 VIII. il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable. . du fait de la non commutativit´ du produit matriciel.r`gle 3 : push and pull e G1 (p)(1 − G2 (p)G1 (p))−1 = (1 − G1 (p)G2 (p))−1 G1 (p) VIII.3.9 o` G(p) ∈ Cr×m et K(p) ∈ Cm×r sont des mod`les LTI multivau e riables. 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) . 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).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.

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. ´ Definition 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 .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. e e e e ee . Afin de ne pas alourdir ce document. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s. ´ ´ Proprietes VIII. VIII.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII.3.9.46) (VIII.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig.3.3 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.3. 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. En fait.

En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec . On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0. l’erreur s’exprime comme suit. les relations de l’asservissement VIII.Ai .SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant.10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII.50) (VIII.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII.7 .9.48) cela peut s’exprimer par la relation suivante.3.49) ` . 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.7 ≤ ωB ≤ ωσ(S)=0. VIII.ωBi bande passante a −3 dB 10 1 10 0 Amplitude 1/Wi 10 −1 |S| 10 −2 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 Fig.47) Pour que le suivi de r´f´rence soit bon.1 Pour les syst`mes MIMO. la bande passante d´pend des directions.

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

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

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

= KG(p) 1 + KG(p) (IX.Chapitre IX Analyse par le lieu des racines des syst`mes boucl´s e e IX. (p) = KG(p) Hb. IX. c’est-`-dire des racines du polynˆme caract´ristique en boucle ferm´e. 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.1 – Sch´ma bloc classique e Les fonctions de transfert en boucle ouverte et en boucle ferm´e s’´crivent : e e Hb.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.2) .o. e r + − ζ K u G(p) y Fig.

e . Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. 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. permettant d’´valuer la e e e e localisation des pˆles en boucle ferm´e dans le plan complexe quand K varie de 0 a +∞ o e ` ` partir de la connaissance des pˆles et des z´ros en boucle ouverte : c’est la m´thode du a o e e lieu des racines ou du lieu d’Evans. il entre ` la soci´t´ Autonetics. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. e e e e Il obtient son diplˆme de Bachelor of Science en g´nie ´lectrique de o e e l’universit´ de Washington a Saint Louis en 1941. Il publie Control system Dynamics e e en 1954. Il o e est en effet g´n´ralement difficile de calculer explicitement les racines en boucle ferm´e e e e pour des polynˆmes caract´ristiques de degr´ ´lev´. Il est donc important de connaˆ o e e ıtre la variation de ces racines (pˆles en boucle ferm´e) en fonction de la variation de K. Il 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. En 1948. 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. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. la o e localisation des pˆles en boucle ferm´e varie ´galement. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice.R. trae e ` vaille comme enseignant a l’universit´ de Washington de 1946 a 1948 ` e ` et obtient son Master of Science en g´nie ´lectrique de l’universit´ de e e e Californie a Los Angeles en 1951. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. e e e W. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. Il meurt le 10 juillet 1999. 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. Evans a d´velopp´ une m´thode graphique en 1948. a Il est l’inventeur du spirule.

e e e . 2.IX.2. e e o e ´ Definition IX. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.1 Les valeurs de p telles que les deux conditions IX.6 sont v´rifi´es. 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. CONSTRUCTION DU LIEU D’EVANS 241 IX. · · · ) .Condition d’amplitude : |G(p)F (p)| = 1 (IX.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement.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.2.2.5) Remarques IX.4) (IX.5 et IX. 1.3) L’´quation caract´ristique exprime une ´galit´ complexe qui peut ˆtre scind´e en deux e e e e e e ´galit´s r´elles. IX. Dans la majorit´ des cas.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.6) (IX.7) .2 IX. r + − ζ G(p) F(p) y Fig.

IX. r + − ζ K u G(p) y Fig. Pour cela.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.4 – Exemple .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 – Mesure des angles et des amplitudes IX. IX.2.242 ANALYSE PAR LE LIEU DES RACINES On rappelle que pour une fonction de transfert : G(p)F (p) = alors : Arg[G(p)F (p)] = Φ1 − θ1 − θ2 − θ3 − θ4 |G(p)F (p)| = KB1 A1 A2 A3 A4 (IX. nous reprenons le sch´ma e e e a e d’asservissement initial.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.

13) K p(p + 1)(p + 2) (IX.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. e m branches finies Exemple 1 : .10) (p + 2) G2 (p) = 2 p + 2p + 3 .Etape 2 : localisation des pˆles et des z´ros de la boucle ouverte dans le o e plan complexe.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. De plus.3 pˆles en boucle ouverte et en boucle ferm´e.11) e e Exemple 1 : la fonction de transfert G1 (p) est ´crite sous forme factoris´e donc l’´quation caract´ristique factoris´e est e e e 1 + G1 (p) = 1 + Exemple 2 : 1 + G2 (p) = 1 + K(p + 2) K(p + 2) √ √ =1+ 2 + 2p + 3 p (p + 1 − j 2)(p + 1 + j 2) (IX. Si ce nombre est ´gal au nombre de pˆles en boucle ouverte. e e K→0 lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX. 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. −1.Etape 1 : factorisation de l’´quation caract´ristique. −2 o e n − m branches infinies . il y a autant de branches au lieu des racines qu’il y a de pˆles en boucle o ferm´e.12) .CONSTRUCTION DU LIEU D’EVANS o` pour les deux exemples : u G1 (p) = 1 p(p + 1)(p + 2) 243 (IX. e e L’´quation caract´ristique est toujours factoris´e sous la forme : e e e 1+ K(p + z1 )(· · · )(p + zm ) =0 (p + p1 )(· · · )(p + pn ) (IX. 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 → ∞). 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.

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

e e 2.D´terminer les racines r´elles et complexes de cette ´quation. On suppose que le polynˆme caract´ristique s’´crit. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante.2. On obtient donc.20) . e e ` e .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. Si K > 0.21) Remarques IX. Dans le cas come e plexe. u dK = −3p2 − 6p − 2 = 0 dp (IX.22) (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 les rae e e cines sont r´elles. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines. e Exemple 1 : l’´quation caract´ristique s’´crit.CONSTRUCTION DU LIEU D’EVANS alors que l’angle avec l’axe r´el est donn´ par : e e Φa = ±60o (2k + 1) 245 (IX.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines. e e e 3.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.Etape 5 : d´terminer les points de d´part et d’arriv´e sur l’axe r´el ainsi e e e e que les points de rencontre et d’´clatement. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1.24) . 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.21). ce point appartient au lieu des racines.Calculer l’´quation alg´brique (IX.3 . on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique. cette v´rification est simplement graphique. o e e B(p) + KA(p) = 0 alors.19) Exemple 2 : on a n − m = 1.23) d’o` K = −p3 − 3p2 − 2p. e e e 1+ K =0 p(p + 1)(p + 2) (IX. il existe au moins un point d’´clatement e e (respectivement de rencontre).

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. e e e K=− d’o`.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines.2679 et −3. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. Exemple 2 : l’´quation caract´ristique s’´crit. e e e e K − 3ω 2 = 0 2 (IX. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.30) √ ω = 0 ou ω = ± 2 (IX. .Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire.26) p2 + 2p + 3 p+2 (IX. K = 6). e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles.28) K=6 (IX. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2. (IX.25) On a donc encore deux solutions −0.246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1.4226. Il n’y a donc pas d’intersection avec l’axe imaginaire.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0.5774 o e e et −0.27) (IX.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif. e .

sur l’exemple 2. e e e e (σ + 2)2 + ω 2 = 3 (IX. e e √ Exemple 2 : il y a deux points de d´part complexes. On obtient.5 – Exemple 2 : calcul des angles de d´part e Remarques IX. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles.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. IX. Ainsi. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX. on obtient l’´quation. −1 ± j 2.CONSTRUCTION DU LIEU D’EVANS 247 .33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes. 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.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par. e e e Φ = 180o − i Φi + j θj (IX.35) .2.4 Dans certains cas particuliers. e o e Θ = 180o − i θi + j Φj (IX. en e ´crivant l’´quation caract´ristique pour p = σ + jω.3.

7 – Exemple 2 .5 Imag Axis 0 −0.5 −2 −1.5 Real Axis 0 0.5 −1 −0.6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].248 .[1 2 3]). >> rlocus(G2). 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2.Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1.5 1 1. IX. 2 1.5 1 0.[1 3 2 0]).5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig.5 −1 −1. IX. >> rlocus(G1).5 2 Fig.

707.7 + 1.5 −0.38 −0.3.3.37) Il est ` noter que la pulsation propre correspondante est ωn = 2. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.5 Real Axis −2 0.986 0. 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.38 0. ` e e K= |p2 + 2p + 3| = 1. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.5 2 1.8 0.8.18 0 Fig.7i Damping: 0.7±j1. a e En appliquant la condition des gains a l’´quation caract´ristique.18 1.5 0. on obtient.7+j1.89 0.5 0.7.68 0. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX. e e e e e Exemple IX.5 3 2.5 0.68 −1.39 Pole: −1.95 1 0.707 Overshoot (%): 4.986 −1 −1.7 (IX.5 0.5 0 4 3.4 .3 IX.4 rad/s.54 0.5 1 0.1 On reprend l’exemple 2 pour lequel on souhaite en boucle ferm´e une paire de pˆles e o complexes conjugu´s d´finis par leur amortissement ξ = 0. Cela conduit a choisir : e e ` cos Ψ = 0.39 |p + 3| p=−1. IX.8 −2.5 0.707 Ψ = 45o (IX.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. a Root Locus 2 0.95 0.3.` ´ IX.5 −4 −3.5 −3 0.5 Imaginary Axis System: G2 Gain: 1.34 Frequency (rad/sec): 2.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.89 −2 −4.54 −1 0.8 – R´glage du gain et amortissement e .

e e Script MATLAB 27 >> G=tf([1 2]. e Exemple IX.250 ANALYSE PAR LE LIEU DES RACINES IX. Pour v´rifier cela. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue. >> sgrid . >> rlocus(G).38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote.3.2 (dynamiques longitudinales d’un avion avec autopilote) Soit l’asservissement a retour unitaire dont la fonction de transfert en boucle ouverte est ` donn´e par : e KG(p) = K(p + 2) p(p − 1)(p2 + 6p + 36) (IX.conv([1 -1 0].9.3.[1 6 36])). Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX.2 Syst`mes ` stabilit´ conditionnelle e a e Une autre caract´ristique int´ressante du lieu des racines est de faciliter l’analyse e e graphique des syst`mes conditionnellement stables. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet. 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.

89 10 6 0.38 0.08 8 System: G Gain: 112 6 Pole: −0.8 4 0.23i Damping: 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.23 2 0.08 8 10 0 1 2 Fig.17 0.28 0.5 0.8 Frequency (rad/sec): 2.89i Damping: 0.5 Pole: −0.5 0.000437 Overshoot (%): 99.94 2 Imaginary Axis 2 System: G Gain: 61.0017 + 3.94 0 −2 −4 4 0.8 −6 6 −8 0.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.0015 − 2.64 8 0.28 0.17 0.9 4 Frequency (rad/sec): 3.9 – Syst`me ` stabilit´ conditionnelle e a e .38 0. IX.000674 Overshoot (%): 99.

) e ) sgrid : g´n`re une grille iso-amortissement et iso-gain dans le plan d’Evans. ea e .252 ANALYSE PAR LE LIEU DES RACINES IX.poles]=rlocfind(sys) : outil interactif de recherche du gain et des pˆles sur un ) o lieu des racines d´j` trac´.4.4 IX.K]=rlocus(sys) : calcule le lieu des racines du mod`le LTI sys.1 Fonctions MATLAB Fonctions li´es ` l’utilisation du lieu des recines e a ) [R. ) e e ) [K.

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

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

1.4) 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 . δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes. ´ Definition A.4 – Fonction impulsion d’aire A .1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A. A.3 (impulsion) e e e Une impulsion d’amplitude A en t0 .1.SIGNAUX DETERMINISTES 255 sans l’arsenal math´matique requis et en utilisant des r`gles de calculs et de passages ` e e a la limite intuitifs.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. ee ´ ´ Proprietes A. fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig.3) e e L’impulsion d’aire 1 est la fonction de Dirac. δ (t−to) A 0 to t Fig. peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes. A. not´e Aδ(t − t0 ).

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.8) −∞ .1. e ` A. il est ´galement possible de d´finir e e e un train d’impulsions ou peigne de Dirac de p´riode T par : e δT = δ(t) + δ(t − T ) + δ(t − 2T ) + · · · + δ(t − nT ) + · · · δ(t) 1 (A.256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac.La transform´e de Laplace bilat`re est d´finie par : e e e +∞ Lb [x(t)] = X(p) = x(t)e−pt dt (A.1. D´finition de la transform´e de Laplace e e ´ Definition A.2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf.5) 0 T 2T 3T 4T 5T 6T t Fig.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.5 – Peigne de Dirac Finalement. annexe A4). u x(t)e−pt dt (A.1. A.7) 0 Remarques 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.1.1 .

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

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

23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A. e A.2 A.1 La transform´e de Fourier e D´finition e ´ Definition 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.´ A.28) .2. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A.25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .2.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A.2.2. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.2 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). on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.27) F[x(t ± T )] = e±jωT X(ω) (A. LA TRANSFORMEE DE FOURIER 259 A.

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

3 (produit scalaire) Le produit scalaire de deux vecteurs x.1. λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire. y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus. · · · . y sont dits orthogonaux ssi x y = 0.2 (espace engendr´ par un ensemble de vecteurs) e n Soit (x1 .1.Annexe B Rappels d’alg`bre lin´aire e e B. e e ´ Definition B.1. les vecteurs x. Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 . ee ´ Definition B. norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn .1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire. · · · .1. · · · . xm ∈ Rm . ´ Definition B. xm ) est l’ensemble engendr´ par ces vecteurs. xm ) ∈ R .1 B. ils sont dits lin´airement d´pendants. L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 .1 (Ind´pendance lin´aire) e e Soit un ensemble de vecteurs x1 . 261 . · · · .

4 (norme) Une norme est une fonction .∀ e ∈ E : ||e|| ≥ 0 2.||B|| Exemple B.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B.5 (p-norme d’un vecteur) e Soit e ∈ Rn .2 1 −2 0 6 |aij |2 = i.∀ e1 . ||αe|| = |α|.1.j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e .j i.||e|| = 0 ⇔ e = 0 3.∀ α ∈ R.1.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B. e2 ∈ E.||e|| 4.1 (In´galit´ de Cauchy-Schwartz) e e ||x y|| ≤ ||x|| ||y|| Il y a ´galit´ si x et y sont lin´airement d´pendants. ∀e ∈ E. d´finie sur un espace vectoriel E. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.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. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.1. e e e e ´ Definition B.1.j A= ||A||sum = i. 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.

Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes.Les valeurs propres de Ak sont λk .1. · · · .` ´ ´ ´ B.8 (rang d’une matrice) : Rn → Rm .2 Valeurs propres et valeurs singuli`res e ´ Definition B.1. Elle sera dite de rang plein si : e e rg(A) = min(n. · · · . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B. e e e . λk .3326 valeur singuli`re maximale e ´ Definition B. Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A).1.Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux.1. λn sont les valeurs propres de A.3 ||A||i1 = max j i |aij | i =8 H ||A||i∞ = max i j |aij | =6 ||A||i2 = σ(A) = max λi (A A) = 6. · · · c + λn o` λ1 . m) B.1. .2 . σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) . e ´ Definition B.10 (D´composition en valeurs singuli`res) e e l×m peut ˆtre factoris´e ` l’aide d’une d´composition en valeurs singuli`res : e e a e e A∈ C A = U ΣV H U ∈ Cl×l U H = U −1 V ∈ Cm×m V H = V −1 Σ est form´e par une matrice diagonale des valeurs singuli`res σi dans l’ordre d´croissant.1. On associe a chaque valeur propre λi .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.Les valeurs propres de A sont ´gales aux valeurs propres de A . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B. · · · . ee u .1.Les valeurs propres de (cI + A) sont c + λ1 .1.l ≥ m: Σ= diag(σ1 . 1 n .9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R .

n alors : n A= i=1 λi xi xi . ||A||i∞ } ≤ ||A||sum B.σ(A−1 ) = 1/σ(A) .σ(A) ≤ ≤ σ(A) ≤ √ m||A||i1 . .max{σ(A) . not´ ρ(A) est d´fini par : e e e ρ(A) = max |λi | i = 1.1. m)σ(A) ||A||i1 ||A||i∞ √ .Les valeurs propres de A sont r´elles. n λi ´ ´ Propriete B. · · · . ´ ´ Propriete B.l ≤ m: Σ= RAPPELS D’ALGEBRE LINEAIRE diag(σ1 .3 . σq ) 0l×m−l avec σ = σ1 ≥ · · · ≥ σq = σ > 0 et min(l.σ(A) − 1 ≤ σ(A + 1) ≤ σ(A) + 1 ´ Definition B. · · · .1.Une base orthogonale de Rn peut ˆtre form´e ` partir des vecteurs propres de A.5 (matrices sym´triques) e .3 Matrices sym´triques e Dans cette partie.1.√1m ||A||i∞ ≤ σ(A) ≤ n||A||i∞ 1 √ ||A||i1 n .1. e a e e a .1.4 (A ∈ Cn × Cm ) .264 .σ(A) ≤ |λi (A)| ≤ σ(A) .Si l’on normalise les vecteurs propres xi : ||xi || = 1. ||A||i1 . e ´ ´ Propriete B. e .11 (rayon spectral) Le rayon spectral d’une matrice carr´e A.Les vecteurs propres associ´s ` des valeurs propres distinctes sont orthogonaux.σ(AB) ≤ σ(A)σ(B) .σ(A) ≤ ||A||F ≤ min(n. · · · . m) ≥ rg(A) = q.σi (A) − σ(A) ≤ σ(A + B) ≤ σi (A) + σ(B) .σ(A)σ(B) ≤ σ(AB) . ||A||F . i = 1. A ∈ Rn×n est sym´trique.

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

··· .  .    donn´e par J avec comme matrice e         ···         ···     ··· . . . λ1 1  . . .. .. .   . . eλn t   −1 P  (B.2 Calcul de la matrice de transition d’´tat eAt e Deux m´thodes diff´rentes pour le calcul de la matrice de transition d’une ´quation e e e d’´tat LTI sont propos´es..   λn  e At = Pe P Dt −1   =P  e λ1 t  eλ2 t .Soit A une matrice dont la forme de Jordan est de passage P .  0 .   λ1   λ2   D = P −1 AP =   .. . . .1 . .. 0 . .1) . . .   .  . e e B.266 RAPPELS D’ALGEBRE LINEAIRE B. .2. λn−1 . ···  . λn . 1 . 0 λ1    ··· ··· ··· ··· ···  . ´ ` Theoreme B. .1 M´thode de triangularisation e La m´thode consiste a transformer la matrice A en une forme diagonale ou forme de e ` Jordan pour lesquelles des formules simples de calcul de eAt existent.2.2) ··· ··· . ··· (B. J = P −1 AP =  .  0 λ . . 1   . ..Soit A une matrice diagonalisable et une matrice de passage P alors. . .

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

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

1 (notations de Landau) Soit f : Rn → R. ∂f (x) ∂xn 269 .1.Annexe C Rappels d’Analyse C.La notation f (x) = o(x) signifie que f (x) tend vers 0 plus vite que x : ∃K≥0 | f (x) → 0 quand x → 0 x ´ Definition C.1. . . .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    .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 .

e ´ Definition C.∀ y ∈ V(x).∀ y ∈ V(x).1. C 1 ) si chaque composante fi (i = 1. ´ ` Theoreme C. m) est diff´rentiable (resp. 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.1.1. ∃ α ∈ [0. 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C.3 La fonction f : Rn → R est dite diff´rentiable sur un ensemble Q ⊂ Rn si elle est e diff´rentiable en tout point de Q.1.6 (matrice Hessienne) e e Soit f : Rn → R. une fonction C 1 en x.270 RAPPELS D’ANALYSE ´ Definition C. ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = . La matrice gradient de f en x. ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C.1. On d´finit la matrice Hessienne de f not´e e ∇2 f (x). la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C.1 (composition de fonctions) Soit f : Rk → Rm et g : Rn → Rm deux fonctions C 1 et h = gof alors : ∇h(x) = ∇f (x)∇g(f (x)) ∀ x ∈ Rk ´ ´ Propriete C.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp.1. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 . not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x).Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 . · · · .1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert. . . · · · . .1.2 (formulaire de d´rivation) e .

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

x1 . t) ≥ 0 Exemple C. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0.2. 2 e e . t) est (localement).2.Cas particulier important : la forme quadratique V (x) = x P x. V (x.V (x) = x1 x2 + x2 est une fonction ind´finie. t) = 0 2 − ∀ x = 0 ∈ Br V (x. x2 ) = x2 + sin2 (x2 ) est d´finie positive localement. t) = 0 2 − ∀ x = 0 ∈ Rn V (x. t) = t2 x2 est une fonction semi d´finie positive. t) = 0 2 − ∀ x = 0 ∈ Br V (x.V (x.Une fonction scalaire V (x.2.V (x. 1 Remarques C.Si une fonction V (x. t) = tcos(x1 ) est une fonction localement semi d´finie positive.V (t. e 2. t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0. t) ≥ 0 e 2. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive. 1 e . e e Exemple C.1 e .V (x.272 RAPPELS D’ANALYSE C. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0.2.3 e .2 (fonctions semi d´finies positives) e e 1.2. si P est une matrice (semi) d´finie positive (n´gative). t) est e e (localement) (semi) d´finie positive. x ∈ Rn avec e e P = P .2. 1 .1 1. t) > 0 e e 2. t) = 0 2 − ∀ x = 0 ∈ Rn V (x. (semi) d´finie n´gative alors −V (x.Une fonction scalaire V (x. t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative.1 (fonctions d´finies positives) e e 1. e .V (x.2 e . t) > 0 Exemple C.Une fonction scalaire V (x. t) est (semi) d´finie positive (n´gative).2 Rappels sur les fonctions d´finies positives e ´ Definition C. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0.Une fonction scalaire V (x. 1 2 ´ Definition C.

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

A. article R 7010. Third Edition. Editions Technip. Addison Wesley Publishing Company.E. 1991. Third Edition. London. Borne. L.S. Bryson. Kalman. 1994. Emami-Naeni. Linear System Theory and Design. Locatelli. 1995. 1851. Ho. Murakami. 1997.isas. e [13] O. Zambettakis. Richard. Mod´lisation et Identification des Processus. Bishop. Chen. http:\\www. http://www. Dauphin-Tanguy. ”Controllability of linear dynamical systems”. Bol. [18] R. Informatique Industrielle. Kwakernaak.E. IRIS/ASTRO-F. Tome 1. 1994.C.org/outofcontrol . [15] A.edu/steam/thurston/1878/ [23] Indiana unniversity. Brogan. 1960. Kelly.F. Control of Spacecraft and Aircraft. A. Franklin. K. Notes pour le cours du Dutch Institute of Systems and Control. http://www. Transform´es et abaques. Gille. Control theory and design. Dorf. R.ac.history. Addison-Wesley Publishing Company. Powell. [16] C. J. Prentice Hall.C.indiana. [14] W. Mex. Design methods for control systems. [26] R. H. e [21] T.ir.jp/ASTRO-F/detail/general [25] R. 1963. Tinehart and Winston.. Academic Press.H. Princeton University Press. I. Techniques de e e l’Ing´nieur. 1992.L. Ljung. ”Contributions to the theory of optimal control”. Taylor and Francis. 2.E. [20] J. Y. J. F. Rotella. Control theory: Multivariable and nonlinear methods. Colaneri.rochester. Modern Control Theory. Holt. 1984. [19] G. Pneumaticae (The pneumatics of Hero of Alexandria. 1996.P.T. ”Japanese infrared survey mission”. [27] K. [17] P. J.kk. 1. Contributions to differential equations. Modern Control Systems. Taylor Walton and Maberly. 2000.274 REFERENCES BIBLIOGRAPHIQUES [12] P. Kalman. Narendra. G. No. Bosgra. Glad. e traduction de Bennett Woodcroft. ”Out of control”. Feedback Control Systems.C. Geromel. Signaux D´terministes. Seventh Edition.K. Vol.edu/\tilde rcapub/ [24] H. [22] H´ron d’Alexandrie. http://www. Sociedad Mat.C.D.

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

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

. . . . . . . . . . . . . . . . . . . .1 II. . . . . . . . .2 Contrˆle de la tˆte d’un disque dur . . . . . . . . . . . . . . . . . . . . . . .3. .3 Introduction ` la th´orie de la commande a e Introduction . . . . o e o II. . . . .1 Sch´ma fonctionnel . . . . .4.7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . . . . . . e Approximation lin´aire des syst`mes physiques . . . . . . . . . . . . . . . . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . . . . . . . .1 R´gulation de temp´rature dans un four . . . e e II. . . . .1 La matrice de transfert . . .4. . . . e II. . o e I. . . . . . . . .7. . . . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Contrˆle d’attitude d’un satellite . . . . . . . .1 Notion de syst`me . . . . .2 Servom´canisme hydraulique . . . . . . . . . . . . . . . . . . . . . . e e e II. . . . . . . . . . . e I. . . . . .7.5. . . . . . . . Th´orie des syst`mes et th´orie de la commande e e e I. .3 II. . . . . . . .4. . . . . . . . . . . . . . e e e Les mod`les externes (entr´es-sorties) . . . e e II. . . . . . . . . . . . . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . . . . .2.1 Contrˆle d’attitude d’un satellite . .4. . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat .3 Repr´sentation d’´tat lin´aire . . . . . . e e Le mod`le interne . . . . . . . . . . . e e e e II. . . e Exemples de syst`mes de commande modernes . . . . . . . . . . .` TABLE DES MATIERES 277 Table des mati`res e I I. e e e II. . . . . . . . . . . . . . .4 Commande longitudinale d’un avion civil . . . . . . e II. . .2 Les z´ros . .2 II. . . . . . . . . . . .2 Repr´sentation d’´tat des syst`mes dynamiques .2 La matrice de r´ponse impulsionnelle . . . . . . . . . . . e I. . . . . . . . .4 .5. . . . . . . . . e e I. . . . . . .4. . . e e II. . .4 Le cas particulier des syst`mes SISO . . .6. . . . . . . . . . . . . . . . . . . . . . . . . . 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. . . e II. . . . . . . . . . . . . . . . . . . . . . . . . . . .5 II. . .1 I. . . .la repr´sentation d’´tat . . . . . .2. . . . . . e II. . . . . . . .7. . e Les mod`les graphiques . . . .5. . . . . . . . . . . . . . . . . . . o e e II. . . . . . .Lin´arisation . . .4. . . . . . . . . II II.2 Sch´ma fonctionnel et fonctions de transfert . . .4 II. . . . . . . .3 Equations diff´rentielles entr´es-sorties . . . . . . . . II.2 Th´orie de la commande . . . . . . . o II. . . . Bref album chronologique . . . .6 II. . . e Pˆles et z´ros d’un mod`le LTI . o I. . . . .7. . . . . . . . . . . Exemples caract´ristiques . . . . . . . . . . . . . . . . . . e II.4. . . . . . . . . . . . . . . . . . . . .2 I. . .4. . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . .1 Le polynˆme caract´ristique et les pˆles .3. . . . . . . e e e II. . . . . . e e e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Le concept d’´tat d’un syst`me . . . . .

.1 D´finition et exemples . . .4 Fonctions de mod´lisation par blocs . . modales . e III. . .3 Relations entre mod`les internes et externes . . . . . . . . . . . . . e IV. . . . .2. . . .6. . . . . . . e IV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. . . . . . . . .2 Fonctions de mod´lisation LTI . . . e III. . . . . . . .4 Nature des points d’´quilibre en dimension 2 e IV. . . . .2 R´gime libre . . . . . . . e III. .2. . . . . e IV.1 Fonctions d’alg`bre de base . . ` TABLE DES MATIERES . .1 Cas de modes simples distincts .2 Cas de modes multiples . . . . . . . .2 Les syst`mes du premier ordre . . . e III. e III. .3 La m´thode de Lyapunov . . . .r´gime forc´ . . e IV. . . . . . . . .8. . . . . .2. . . . III. . . .3 Fonctions de conversion entre mod`les LTI . . . . e III. . . . . . . . . . . . . .1. . .2 R´ponse ` des entr´es types . . . . II. . . . . . . . . . . . . . . . . . . . . . . . . . . . . V. . . . . . . . . . . . . . . . . . . . .5 Grammiens de commandabilit´ et d’observabilit´ . . . . . . . . . . . . . . .r´gime transitoire . . . . . . . e . e e III. .2 Th´orie de la r´alisation . . . . . e e III. . . . . . . . . . . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . . . . . . . . . . e II. . . . . . e V. . . . . . . .1 D´finitions . .2. .3 Stabilit´ BIBO et stabilit´ interne . . e III. . . . . . . . . .8. . . . . . . . . . . . . .3 Crit`re alg´brique de Routh-Hurwitz . . . .2. .2 Crit`re d’observabilit´ . . . . . .1 D´finition . . . . . . . . . . . . . . . .278 II. . . . . e III. . . . . . . . . . . . . . . .6. . . . . . . . .6. . . . .1 Fonctions d’alg`bre de base . . . . . . . . . . . . . e e IV. . . . . . e III. .1 La stabilit´ BIBO . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Fonctions d’analyse des mod`les LTI e II. . . . . e e IV.1. .3.1. . . . . . . . e e III. . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e II. . . .8. .1. . e a e V. . . . . . . . . . . . . . . .3.1 . . .2. . . . . . . . . . . . . . .2. . . . . .1. . . . . . . . . . . . .2 La stabilit´ interne . . . . . .1. . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e III. .2 Fonctions d’analyse des mod`les LTI . . . . . . . . .1 D´finition . . . . . III. . . .1 Signaux d’entr´e types . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV. . . . . IV V . . . . III. . . . . . . . . . . . . . .2 Notion d’observabilit´ . . . . . . . .8 Fonctions MATLAB . . . . . . . . .2 Caract´risations de 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 D´finition . . . . . . . . . . . . . . . e e e V. . . . . . . . . . . . . . . . . . . . .2 Crit`re de commandabilit´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e IV. . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . e Analyse temporelle des syst`mes continus e Introduction . . . . . . . . . . . . . . . . . . . . . .1 Stabilit´ des syst`mes LTI e e IV. . . . . . . . . . . . . . . . .4. . .3 R´gime permanent . . . .4. . . . . . . .8. . . . . . . . . . . . . .6 Fonctions MATLAB . . . . . . . . . . . . . . . . . . . . . . e V. . . . . . . . . . . e V. . . . . . . . . . . . . . . e e V. . . . . . . . . . . . . . . . . e e e III. . . . . . . .1 Les formes canoniques d’´tat . . . . . . . . . . . . .

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

.4 Suivi de r´f´rence r : pr´cision . . . . . . . . . . . . . . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . . . . . . . . . . . . . . . . . . . . . . . . ee e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ee e VIII. . . . . . . . . . . . .2.3 Analyse des syst`mes boucl´s par le lieu d’Evans . . . IX. . . .2 Propri´t´s de la transform´e de Fourier . . . . . . .3 Matrices sym´triques .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. . . . . . . . . . . .280 ` TABLE DES MATIERES . . . . . .2. . . . . . . . . . . . . . . . . . . . .1 C.1 R´glage du gain . . . . . . . . . . . . IX. . . . . .2. . . . . 220 220 221 222 228 232 233 233 233 234 239 239 241 241 242 249 249 250 252 252 253 253 253 256 259 259 259 261 261 261 263 264 266 266 267 VIII. . . . . . . . e IX. . .2. . . . . . . . .1 IX. . 272 e 273 R´f´rences bibliographiques ee . . . . . . . . .3 eduction du bruit de mesure w . . . . . . . . . . . . . . . . . . . . . . . .3.3. . . . . .1. . . . . . . .2 Les fonctions de sensibilit´s en entr´e et en sortie . . e e e IX. . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . . . . . e e VIII. . e e VIII. . . . . . . .3. e VIII. . . . . . . . .2. . . . . . . . . . . . e A. . . . . . . . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction .3 ecifications de performance . 269 e Rappels sur les fonctions d´finies positives . . . .1 . . . . . . . . . . . . . e a e IX. . .8 ecifications de performance en sensibilit´s mixtes . . . . . . . . . e e ee B. . . . . . . . . . . . . . . . . .2 Repr´sentation fr´quentielle des signaux continus . . .2 Calcul de la matrice de transition d’´tat eAt .1 Fonctions li´es ` l’utilisation du lieu des recines . . . . .1. . . . . .1.2. . . . R´ VIII. . . . . e a IX. .2 Utilisation de la transform´e de Laplace e C. . . . . . . . B B.1.2. e A. . . . . B. . .2. . . . . . . . .2 La transform´e de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . R` e VIII.1 egles d’association dans les sch´mas-blocs . . . .1 Conditions des angles et des amplitudes . . . . . . . . .6 Notion de modelage de boucle : loopshaping . . . . . . . VIII. . .4. . . . . . . . . . .2 A. .3. . . . . . . . . Sp´ e VIII. . e B. . . . . . . . . . . Construction du lieu d’Evans . . . . . . . . . . .1. A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . . . . . . . . . . . . . . . .5 Comportement aux fr´quences interm´diaires . . .2 R`gles g´n´rales de construction . . . . . . . . . . . . .7 Modelage des fonctions de sensibilit´ . . . . . . . . . . e e A. . . . norme et rang . . . . . . . . . . . . . . . .2. e e IX. . . . . . . . . . . . e A. . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . e B. . . . . . . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . . .2 Valeurs propres et valeurs singuli`res . . . . . IX. . . . .1 M´thode de triangularisation . . . . . . .1 D´finition .1 Produit scalaire. . . .4 Fonctions MATLAB . . . . . . .2. . . . . .3. . . . . . e B. . . e B. . . . . .2 Syst`mes ` stabilit´ conditionnelle . . .

Sign up to vote on this title
UsefulNot useful