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

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. Certains de ces outils ont ´t´ d´j` pr´sent´s en cours de traitement ee ea e e du signal et sont donc uniquement rappel´s en annexes. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel... la structure de commande ` contree e a r´action et le concept de stabilit´ des syst`mes dynamiques et le probl`me de stabilit´ e e e e e pos´ par l’introduction de la contre-r´action. th´orie des transformations. 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. Enfin. 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. des outils math´matiques (alg´briques. Cette probl´matique est pr´sent´e et ´tudi´e en deuxi`me ann´e pour e e e e e e e e les m´thodes les plus classiques dans le cours de Jo¨l Bordeneuve-Guib´ et en troisi`me e e e e ann´e dans le cours de syst`mes multivariables et dans celui de commande robuste. 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. mˆme si le vocabulaire est parfois diff´rent.) mais plus important. e e le concept d’information y est ´galement primordial.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es.

r´gulateurs de e a e flammes.1200 : diff´rents ing´nieurs Arabes (Al-Jazari. [6]. ` Fig. [3]. clepsydres. Durant cette p´riode.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. 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. [7]. [10]. BREF ALBUM CHRONOLOGIQUE 7 I.). le principe de la commande tout ou rien est pour la e premi`re fois utilis´. 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. 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. e e .C..I.250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe.2 – Clepsydre d’H´ron [22] e . Nous avons essay´ pour notre e e part de ne pas oublier certains importants contributeurs qui n’avaient pas la chance d’avoir la nationalit´ ad´quate. Philon de Byzance (. distributeurs automatiques de liquides.). [32]. : 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. I.. [5]. 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.. [27]. [8] [42].. distributeurs automatiques de vin.2.300 avant J. . [4].1 – Clepsydre de Ktesibios [28] Fig. I. 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.800 . Le principe de la chasse d’eau est fond´ sur e e e e e le mˆme principe.

1600 .8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. e a e . oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig. e ` l’Athenor. 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. Henrye e e ` 1771. En effet. Becher-1680. Bonnemain-1777) : Cornelius Drebbel. e e Henry propose de l’utiliser pour les fours chimiques en 1771.R´gulation de temp´rature (Drebbel-1624. fours. Son ´chec ` trouver la e a pierre philosophale le conduit n´anmoins a inventer un incubateur automatique. machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle.4 – Sch´ma de l’incubateur Athenor e . I. R´aumur-1754.1900 : la r´volution industrielle d´bute r´ellement avec l’av`nement des e e e e proc´d´s de commande a contre-r´action. I. e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W. 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. l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s. Entre temps. les e e r´gulateurs de temp´rature sont ´tudi´s successivement par Becher en 1680.3 – Illustration extraite du livre : ”Automata” (1315) [1] .

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

il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur. ` e e Fig. Murray-1803) : les moteurs a e ` vapeur posent ´galement le probl`me de la r´gulation de la pression de vapeur e e e dans la chaudi`re. On peut e . Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803. I.R´gulation a gouverne centrifuge (Watt-1788).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.10 INTRODUCTION A LA THEORIE DE LA COMMANDE .7 – Soupape de s´curit´ de Papin [46] e e .8 – Moteur a vapeur de Watt [46] ` Fig. 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.R´gulation de pression (Papin-1707. (Siemens-1846). (Porter-1858).9 – Manuscrit de Watt ou Boulder [44] . Delap-1799. e ` (Pickering-1862). (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton. Fig. I. I. Ce type de e ` r´gulation a action proportionnelle est ensuite am´lior´ dans son principe par e ` e e Siemens qui lui substitue l’action int´grale ainsi que technologiquement par e son adaptation a des vitesses de rotation plus ´lev´es. En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs.

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

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

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

7 deg (at 1. I. Shannon qui publie en 1948 ”The mathematical theory of communication”. .15 – Abaque de Black-Nichols . N. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61. 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. .43 rad/sec) .14 – Lieu de Bode Fig. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu.25 dB 0.D´veloppement de la th´orie de l’information (Shannon-1948) et de la cye e bern´tique (Wiener-1949) : la th´orie math´matique de la communication naˆ e e e ıt entre 1939 et 1948 sous l’impulsion de C. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu. I. Pm = −44.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. Wiener et J.3 dB (at 1. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”. I.D´veloppement de l’analyse stochastique (Kolmogorov-1941). (Wiener et Bigelowe 1942) : A. N.N.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0.

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

e e R. 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.Th´orie de la commande non lin´aire (Hamel-1949). Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e. (Narendra-1964).3 −0.1 Imag Axis 0 −0. (Yakubovich-1962). (Popove e 1961).16 INTRODUCTION A LA THEORIE DE LA COMMANDE .5 0.5 −0.5 −0. .2 −0. V.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. au crit`re du cercle et de la passivit´. (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats. Il montre d’autre part e 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.M. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B.5 Fig.4 0. Bellman ´tablit le principe d’optimalit´ et d´veloppe la proe e e e grammation dynamique pour r´soudre les probl`mes de commande optimale e e en temps discret. 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. Ces e probl`mes de stabilit´ absolue sont abord´s ` travers la th´orie de la stabilit´ e e e a e e de Lyapunov alors que les probl`mes de stabilit´ entr´e-sortie sont essentiele e e lement ´tudi´s par Sandberg et Zames donnant naissance aux th´or`mes du e e e e faible gain.4 0.1 0 0.2 −0. Hamel en France et J. I.3 0. (Sandberg-1964). R.3 0. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial. Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat.1 −0.2 0.S.1 Real Axis 0.2 0. Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton.20 – Application du crit`re du cercle e .A. introduction du e e formalisme d’´tat (Bellman-1957). (Desoer-1965). (Tsypkin-1955). L.4 −0. e e q=5 − mu=1 − a=1 0. (Pontryagin-1958). De son cˆt´.4 −0.

Shannon dans les ann´es 50. (Safonov-1981) e .2.21 – Livre de Lev Pontryagin .I. (Jury-1960). (Safonov-1982) e e e . (Doyle-1981).Intel 4004 [34] . e Fig. 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. (Ragazzini et Zadehe e 1952). e e Fig. I.1980-? : l’introduction des capacit´s de calcul ´tendues et l’extension des logiciels e e de simulation et d’assistance ` la conception s’est traduite par la r´unification des a e th´ories classique et moderne et par l’´mergence du probl`me sp´cifique de la come e e e mande robuste. 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.22 – Microprocesseur . 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.Commande ´chantillonn´e (Shannon-1950). (Ragazzini et Franklin-1958). I. Franke e e e e lin et L. (Kuo-1963). .Th´orie de la commande H∞ (Zames-1971). (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.R. Ragazzini.Th´orie de la valeur singuli`re structur´e (Doyle-1982). G. Zadeh qui suivent les jalons pos´s par C.

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

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

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

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

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

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

contre-r´action. e .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. il est e a e e e n´cessaire d’asservir la tˆte de lecture en position afin de la placer sur les pistes de donn´es e e e souhait´es.4. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T .4.).24 INTRODUCTION A LA THEORIE DE LA COMMANDE I. .1 R´gulation de temp´rature dans un four e e Un des probl`mes les plus fr´quemment rencontr´s dans l’industrie est celui de la e e e r´gulation de temp´rature dans une enceinte close (four.29 – R´gulation de temp´rature e e I. A partir de l’information de position restitu´e par un capteur au correcteur. Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig.. incubateur. etc. Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I. I. e e I. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture.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.. 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. 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.29.

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

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 est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me. gravitationnelles et a´rodynamiques. . e I. 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. Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis. I.4.32 – Param`tres longitudinaux e .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.32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res.Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR. e e e .Commande de la vitesse de mont´e et de la vitesse globale : un pilote automatique e doit ˆtre d´fini afin de soulager le pilote lors des phases de mont´e ` vitesse constante e e e a fix´e. Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I. e −Z M T −X θ ε xA zA mg δe Fig. Cela revient ` fixer au satellite une vitesse de rotation fix´e autour d’un e a e axe li´ au corps du satellite et d’aligner cet axe avec un axe inertiel fixe. 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.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. 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. e .

` coefe e e e e e a ficients constants ou variant dans le temps) qui forment l’expression math´matique du e comportement id´al du syst`me. le 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.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3. 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.Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 . En Automatique. non lin´aires. Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires.1 Introduction La phase de mod´lisation est essentielle dans le processus d’analyse et de synth`se e e d’un syst`me de commande.D´finir le syst`me ` ´tudier et ses composants ´l´mentaires e e ae ee 2.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. Quelle que soit la nature physique du syst`me ` ´tudier. Le mod`le e e ee e math´matique id´al est obtenu en ´crivant les lois physiques r´gissant le comportement e e e e du syst`me. 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. e e e 1.

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

kI ). Il est mort le 15 Novembre 1630 a Regensburg.2. e e Il y suit un cours d’astronomie g´ocentrique (syst`me de Ptol´m´e) e e e e dans un premier temps puis est initi´ au cours d’astronomie avanc´e e e h´liocentrique de Copernic. Nous e e e nous int´ressons au mod`le math´matique du mouvement d’orientation du satellite qui e e e peut ˆtre obtenu a l’aide des ´quations de la cin´matique et de la dynamique.2 Exemples caract´ristiques e Dans cette section. quie bus astronomiae pars optica traditur en 1604. EXEMPLES CARACTERISTIQUES 29 II. 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. 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.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1.2. .3. En dehors de ses travaux d’astronome proprement a dit. 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. ` 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. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. z). On suppose que la force d’attraction gravitatione e nelle est la force dominante s’exer¸ant sur le satellite et par cons´quent le mouvement du c e satellite peut ˆtre mod´lis´ ` l’aide du mod`le de Kepler id´al ` deux corps pour lequel e e ea e e a un d´couplage entre le mouvement de translation et de rotation peut ˆtre effectu´.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. 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. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. Ses ´tudes se d´roulent dans e e e une ´cole locale de Leonberg ainsi qu’au s´minaire a partir duquel il int´gre l’universit´ e e ` e e de T¨bingen r´put´e comme ´tant un bastion de l’´glise r´form´e Luth´rienne. Il 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. jI . e e II. Il publie le premier mod`le math´matique cosmologique e e e dans Mysterium cosmographicum en 1596 et l’envoie a l’astronome Tycho Brahe qui ` l’embauche a Prague comme math´maticien assistant. Il est d’ailleurs excome a muni´ en 1612.´ II. On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . il produit ´galement des travaux en optique (Ad Vitellionem paralipomena. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). y. e ` e e Biographie 1 (J. 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.

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

La matrice de rotation peut alors ˆtre engendr´e par trois rotations e e ´l´mentaires d´finies par les matrices Tψ . uz ) forment le vecteur moment de commande. uy . 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. Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite. (Tx . 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. Les angles d’Euler sont not´s ψ.5) ` Hypotheses II. l’angle de pr´cession θ.2). l’angle de nutation et φ l’angle e e de rotation propre.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 . figure II. Ty . On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel.2.7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (II. Tφ .6) .EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler). e ee (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. 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. Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes.

9). 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.32 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES z φ y θ ψ Ligne des noeuds x Fig. II.2 – Angles d’Euler En utilisant les angles d’Euler.8) . D’autres repr´sentations fond´es sur l’utilisation des e e e quaternions et de l’alg`bre associ´e peuvent ´galement ˆtre utilis´es.9) (II. e e e e e −π ≤ ψ ≤ π −π ≤ θ ≤ π 2 2 −π ≤ φ ≤ π (II.

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

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

xn0 ) est e e donn´ par : e y = g(x10 . ˙ ¨ e e p1 = p2 = ps + pe 2 (II. e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 .Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire. e e e e e .3.´ ` II. e e La proc´dure de lin´arisation est essentiellement fond´e sur les d´veloppements en e e e e s´ries de Taylor autour d’un point de fonctionnement dont les termes d’ordre sup´rieur e e ` un sont n´glig´s. Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le.17) En supposant que sin θ ∼ θ pour θ petit. x2 . · · · . x20 . 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. APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II.18) (II.19) qui est une ´quation d’´tat du mˆme type que pr´c´demment. · · · .3 Approximation lin´aire des syst`mes physiques e e Le mod`le math´matique des syst`mes physiques pr´sent´s dans la section pr´c´dente e e e e e e e expriment des lois non lin´aires en les variables pertinentes. xn ) (II. Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement. on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II. · · · . e e e a e . ` 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 . xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II. e e . √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x. x20 .Si y = a et F = 0.15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 .

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. Il est alors possible de supposer que ωx .8). ωy0 . ωy . 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. θ et φ sont petits. 0. φ0 ) = (Ωt. on obtient les ´quations cin´matiques e e e lin´aris´es : e e ˙ ψ = ωz ˙ θ = ωy − Ωφ ˙ φ = ωx + Ωθ Ces deux jeux d’´quations peuvent alors ˆtre combin´s afin d’obtenir : e e e ¨ ˙ ˙ Ixx (φ − Ωθ) = (Iyy − Izz )Ω(θ + Ωφ) + ux + Tx ¨ ˙ ˙ Iyy (θ + Ωφ) = (Izz − Ixx )Ω(φ − Ωθ) + uy + Ty ¨ Izz ψ = uz + Tz (II.23) (II. θ0 .22) (II. e e Exemple : satellite 2 On suppose que le satellite a une vitesse de rotation constante autour de l’axe inertiel z et aucun moment de commande ou de perturbation n’est appliqu´.24) (II. 0.36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible. ` e e e e ωz − Ω sont faibles.20) (ωx0 . Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant.21) . les approximations pr´c´dentes restent valides. La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 . ωz0 ) = (0. 0) (II.

LA REPRESENTATION D’ETAT 37 II.la repr´sentation d’´tat e e e Le concept d’´tat d’un syst`me e e La th´orie moderne de la commande des syst`mes repose en grande partie sur le e e concept d’´tat d’un syst`me et sur le mod`le associ´. il soumet son premier article e e e ` la Royal Irish Academy en 1824. Apr`s ˆtre entr´ au Trinity College. La repr´sentation d’´tat. L’´tat d’un syst`me est caract´ris´ par un ensemble de variables dynamiques appel´es e e e e e variables d’´tat non uniques et qui r´sument compl`tement la configuration courante e e e du syst`me. Il ´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. Kalman et par les e ee e e ing´nieurs travaillant sur les premi`res applications spatiales (Apollo. e Exemple II. A 5 ans. e Biographie 3 (Sir W. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal.4.4. LE MODELE INTERNE . Il meurt d’une ı e s´v`re attaque de goutte apr`s avoir appris son ´lection comme premier membre admis a e e e e ` la National Academy of Sciences des Etats Unis. il sait le Latin. un point de masse m soumis ` une force F (t) ob´it ` l’´quation a e a e dynamique : m¨(t) = F (t) x En notant q(t) = x(t) la coordonn´e g´n´ralis´e et p(t) = mx(t) le moment conjugu´ du e e e e ˙ e syst`me. e Poincar´). Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans. Etant donn´ l’´tat d’un syst`me ` un instant donn´. de Newton et de Laplace. Il publie On General Method in Dynamics en 1834 et est anobli en 1835.1 (formulation Hamiltonnienne de la loi de Newton) Selon la loi de Newton.E.1 Le mod`le interne . le Grec et l’H´breu.4. Polaris) aux d´buts e e e des ann´es 60. il publie Lectures on Quaternions en 1853 puis Elements of Quaternions dont le dernier chapˆtre reste inachev´. Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie. 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).R. 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) ˙ .` ´ ´ II. la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du syst`me. Le e e e e e e concept d’´tat a ´t´ introduit de mani`re syst´matique par R. Il publie ` a en 1832 son troisi`me suppl´ment ` son livre Theory of Systems e e a of Rays.4 II. Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton.

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. II. l’´tat d’un syst`me est caract´ris´ par diff´rentes variables dynamiques e e e e e e e appel´es variables d’´tat regroup´es dans un unique vecteur appel´ vecteur d’´tat. ´ Definition II. le comportement du syst`me ` n’importe quel instant sera connu. e e e . Les variables d’´tat seront donc e e a e les solutions d’´quations diff´rentielles du premier ordre. d´fini comme l’espace e ` e d’´tat.1 (Vecteur d’´tat) e x(t) est un vecteur d’´tat pour le syst`me Σ si c’est un vecteur contenant le nombre e e minimal de variables n´cessaires ` la v´rification de la propri´t´ suivante : e a e ee e e e Si. · · · .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. 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 . t1 ]. xn (t)] . Parmi les fonctions poss´dant cette propri´t´.4. 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. U Vecteur d’entrée X Vecteur d’état dimension n Y Vecteur de sortie dimension m dimension r Fig. l’´tat initial d’un syst`me doit constituer sa e e e e e m´moire. on trouve toutes les fonctions e e ee r´sultant d’une int´gration.4) ayant pour entr´es les composantes e e du vecteur u(t) ∈ Rm et pour sorties les composantes du vecteur y(t) ∈ Rr .38 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES sont connues. e Le vecteur d’´tat x(t) appartient a un espace vectoriel E.4 – Syst`me dynamique multivariable e En g´n´ral. e e Comme l’exemple pr´c´dent l’a montr´. ` chaque instant t0 . L’´volution du syst`me peut ˆtre repr´sent´e au moyen des trajectoires d’´tat. On consid`re donc le e e e syst`me dynamique multivariable de la figure (II. e e II.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. 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 .

25) v(t) . e ` e Pour un choix du vecteur d’´tat e .LA REPRESENTATION D’ETAT 39 x2 x(t0) x(t1) x2(t1) 0 x(t2) t x1 (t1) x1 Exemple II. 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 .2 (oscillateur de Van der Pol) En consid´rant le circuit ´lectrique suivant : e e L C Résistance négative Fig. II.5 – Circuit de l’oscillateur de Van der Pol On obtient l’´quation dynamique de l’oscillateur de Van der Pol : e 2 v (t) − (α − βv 2 (t))v(t) + ω0 v(t) = 0 ¨ ˙ (II.

e ´ Definition II.4.4. En ´crivant les lois de Kirchoff (noeuds e e et mailles).5 2 1. e e e e e Exemple II.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.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II.2 (Repr´sentation d’´tat) e e Tout syst`me dynamique Σ peut ˆtre repr´sent´ par ses ´quations d’´tat d´finies comme e e e e e e e un ensemble d’´quations diff´rentielles du premier ordre appel´es ´quations dynamiques e e e e et un ensemble d’´quations alg´briques appel´es ´quations de sortie ou de mesure : e e e e x(t) = f (x(t). Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me. u(t). u(t) ∈ Rm est le vecteur de commande.7).27) . II. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x. u(t). continue par rapport a u et continue par morceaux par rapport a t. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.5 −2 −2. y(t) ∈ Rr est u le vecteur de sortie.5 −1 −1.40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II.5 1 0.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II.4.5 dx/dt 0 −0.26) y(t) = h(x(t). t) ´quation dynamique ˙ e (II.

28) dx2 1 R (t) = x1 (t) − x2 (t) dt L L Si l’on suppose de plus que l’on mesure la tension aux bornes de la r´sistance. [x1 (0) x2 (0)].4.6 pour diff´rentes e e e a e x1 (0) conditions initiales . x2 (0) . l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II. on obtient l’´quation d’´tat non lin´aire : ˙ e e e x1 (t) = x2 (t) ˙ x2 (t) = (α − ˙ βx2 (t))x2 (t) 1 + 2 ω0 x1 (t) (II.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig.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. soit [x1 x2 ] = [vC iL ] .31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II. En posant e e e x1 = v et x2 = v.25). ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire. II.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II. il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0. il est e e encore possible de donner une repr´sentation d’´tat non lin´aire.29) A partir de la donn´e des conditions initiales du circuit. on obtient l’´quation dynamique d’´tat du r´seau ´lectrique : e e 1 1 dx1 (t) = − x2 (t) + u(t) dt C C (II. e e e 1 1 dx1 (t) = − x2 (t) + u(t) dt C C dx2 1 1 (t) = x1 (t) − R(x2 (t)) dt L L y(t) = R(x2 (t)) Exemple II. vR = R(iL (t)).30) (II.LE MODELE INTERNE .

D(t) ∈ Rr×m est la matrice de transmission directe.42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II.3 Repr´sentation d’´tat lin´aire . u0 (t). . e ´ Definition II.Lin´arisation e e e e Une classe particuli`rement importante de mod`les d’´tat est celle des mod`les d’´tat e e e e e lin´aires. B.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. t) ˙ (II. e II. C. e .4.33) On d´finit une trajectoire d’´tat nominale x0 (t) ainsi qu’un vecteur de commande e e e nominal u0 (t) v´rifiant : x0 (t) = f (x0 (t). u(t).4.32) y(t) = C(t)x(t) + D(t)u(t) o`: u . t) ˙ (II. 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´. le syst`me est Lin´aire Temps-Invariant e e (LTI). Si les matrices A. Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t).34) . cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique.A(t) ∈ Rn×n est la matrice dynamique. D sont constantes. le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´.4. Cela signifie que pour un mˆme syst`me phye e e e sique.26).2 La repr´sentation d’´tat n’est pas unique.C(t) ∈ Rr×n est la matrice de mesure ou de sortie. 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. En effet. 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.B(t) ∈ Rn×m est la matrice de commande ou d’entr´e. .

t) x(t) + Ju (x0 (t). t) + Jx (x0 (t). u0 (t).5 (´quation d’un pendule non contrˆl´) e oe ˙ . la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0.4. on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). u0 (t). x0 (t)) que tr`s faiblement.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.LE MODELE INTERNE . (u (t). Cela e e e signifie que pour tout t0 ≤ t ≤ tf . x(t)) ne diff`rent de (u0 (t). u0 (t). les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ. on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (t). Pour k/m = 1/2 g/l = 1. u0 (t).35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0. t) u(t) ˜ A(t) B(t) (II. u0 (t). t)˜(t) + Ju (x0 (t). (π. 0). t)˜(t) + h(t) ˙ o` Jx (Ju ) est la matrice Jacobienne de la fonction f par rapport au vecteur x (u) : u Jx = ∂fi ∂xj 1≤i≤n 1≤j≤n Ju = ∂fi ∂uj 1≤i≤n 1≤j≤m En n´gligeant le terme h(t). Il est donc possible de d´finir les faibles perturbations u(t) et x(t) telles que : e ˜ ˜ ˜ u(t) = u0 (t) + u(t) x(t0 ) = x0 (t0 ) + x(t0 ) ˜ x(t) = x0 (t) + x(t) ˜ t0 ≤ t ≤ tf t0 ≤ t ≤ tf En ´crivant le d´veloppement en s´ries de Taylor au premier ordre de la fonction f e e e autour du point nominal. 0).

5 A2 = 0 1 1 −0.44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre.4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e). on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0. e e e ´ Definition II. nous nous int´ressons plus particuli`rement ` la solution de l’´quation e e a e diff´rentielle d’´tat (l’´quation dynamique) : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy .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 .38) Dans le cas g´n´ral o` le mod`le est temps-variant.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II. e e e l’´quation diff´rentielle du deuxi`me ordre constituant l’´quation lin´aris´e du mouvement e e e e e e de l’attitude du satellite autour d’un axe peut s’´crire sous forme d’une repr´sentation e e d’´tat : e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (II. t0 )x0 ∀t ≥ t0 (II.4.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie. il est n´cessaire de d´finir la matrice e e u e e e de transition d’´tat qui intervient dans la solution de l’´quation d’´tat. on obtient 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.40) . u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.

t0 ) = Φ(t2 .4.44) t y(t) = C(t)Φ(t. ´ Definition II.Φ−1 (t. e ´ Definition II. t0 ) = A(t)Φ(t. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. e ´ ` Theoreme II.41) Dans le cas g´n´ral d’un syst`me temps-variant. 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. t1 )Φ(t1 .5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. elle est donn´e par l’´quation e e e e e e e (II. e ee ´ ´ Proprietes II.42) A partir de la donn´e de la matrice de transition. t0 ) = Φ(t0 . t0 ) .43) x(t) = Φ(t.45) Dans la suite. t0 )x0 + C(t) t0 Φ(t.4.LE MODELE INTERNE . e e e e e elle est donn´e par : e t x(t) = t0 Φ(t.LA REPRESENTATION D’ETAT o` Φ(t. solution de l’´quation diff´rentielle : u e e ˙ Φ(t. τ )B(τ )u(τ )dτ + D(t)u(t) (II.4.40).1 . (LTI). la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique. Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat.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. t) ∀ t. De mˆme. Pour les e e e e syst`mes LTI. t0 ) est la matrice de transition. τ )B(τ )u(τ )dτ t0 (II. t0 ) Φ(t0 .4. seront ´tudi´s e e e e . 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. τ )B(τ )u(τ )dτ (II. t0 ∀ t ≥ t0 45 (II.Φ(t.6 (r´ponse forc´e) e e La r´ponse forc´e d’un syst`me est la r´ponse du syst`me au seul signal d’entr´e et pour e e e e e e des conditions initiales nulles. t0 ) est inversible pour tout t et tout t0 . seuls les syst`mes lin´aires temps-invariants.Φ(t2 . t0 )x0 + et la sortie s’´crit alors : e Φ(t. t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes.

>> C=[0 3].46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II. L = 1 H et R = 3 Ω.B.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model.D=0.6 (circuit ´lectrique) e Calcul du mod`le d’´tat.4.4. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II.5 -3 b = x1 x2 u1 0.0]. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.4. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A. ´ Definition II. e Exemple II. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es.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. D). >> circuit=ss(A.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.1 -3].D) a = x1 x2 x1 0 1 x2 -0.7) pour C = 2 F .B=[1/2. Script MATLAB 1 >> A=[0 -1/2. B. C. . u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie.C.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le.

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

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

LES MODELES EXTERNES o` x ∈ Rn .8 – Syst`me lin´aire multivariable m entr´es et r sorties e e e Du fait de la lin´arit´ de l’op´rateur de Laplace. U (p) = L[u(t)] et Y (p) = L[y(t)]. .54). il est possible de l’appliquer aux e e e ´quations (II. II. .La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles. . yr 49 Système linéaire multivariable Fig.55) u e e par rapport a Y (p). il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II. u ∈ Rm et y ∈ Rr .57) ´ Definition II.55) o` X(p) = L[x(t)].5. e e . on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II. u u1 u2 .59) Yi (p) = j=1 gij (p)Uj (p) (II.58) (II. .56) Pour des conditions initiales nulles. um y1 y2 .Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique. En r´solvant les ´quations (II.La matrice de transfert est une caract´ristique du syst`me ind´pendante de l’amplie e e tude et de la nature de l’entr´e du syst`me. e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II. x0 = 0.60) Remarques II. e e e . 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.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).1 . .5.

2 0.2 −0.01 m3 /min. II.5. En supposant les flux constants fH = fC = f .63) . de la capacit´ u e e e calorifique des fluides.2 m3 /min et VH = VC = 1 m3 .01 0 0 0. Pour chaque ´tage. e on obtient : x(t) = ˙ −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. e e e e e e e e e e temp´rature TC .01 x(t) (II..21 0.1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi .9. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II. d´bit fC ).50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . temp´rature TH .C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me.. e Exemple II. d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi .9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur. x2 ) = (TC .61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig. TH ) et les temp´ratures d’entr´e comme les commandes. les variables d’´tat e e (x1 . β = 0.21 x(t) + 0.62) y(t) = x(t) Pour les valeurs num´riques f = 0.

41) p + 0.42 s + 0.65) I1 ωy = (I3 − I1 )Ωωx + uy ˙ En posant a = (1 − I3 /I1 )Ω et en supposant que les vitesses de rotation sont mesur´es e indirectement par l’´quation : e y1 y2 = 1 a −a 1 ωx ωy (II.2 p + 0.41]).den den}) Transfer function from input 1 to output.21 −1 51 0.0041 0. {den den.. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.42 s + 0.01 0.01 s + 0. >> echangeur=tf({[0.. e e >> den=conv([1 0.[1 0.01*0..01 (II..01 = (p + 0.2 −0.01 0.42 s + 0.2 p + 0.21 0.64) 0. 0.01 s + 0.42 s + 0.002 --------------------s^2 + 0...0.01*0.01)(p + 0.2 [0. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.0041 #2: Exemple : satellite 5 On reprend les ´quations d’Euler du satellite en spin constant autour de l’axe en supposant e cette fois que Ixx = Iyy = I1 et Izz = I2 et ne retenant que le mouvement autour des axes x et y d´coupl´es comme on l’a vu du mouvement autour de l’axe z..2*0.01 0 0 0.0041 0.01].0041 #2: Transfer function from input 2 to output.66) .57).2 0.0021 --------------------s^2 + 0. 0.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.01*0.0021 #1: --------------------s^2 + 0.21 −0.21]}.LES MODELES EXTERNES En appliquant la formule (II.01.002 #1: --------------------s^2 + 0.21] 0.

70) A chaque instant t.25 #1: -------s^2 + 25 -5 s . e e e (II. >> satellite=tf({[1 -25] [5 5].[-5 -5] [1 -25]}...69) ´ Definition II. 5 s + 5 #1: -------s^2 + 25 s .67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur.2 La matrice de r´ponse impulsionnelle e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) x(t0 ) = x0 Soit le mod`le LTI strictement propre poss´dant m entr´es et r sorties..25 -------s^2 + 25 #2: II. {[1 0 25] [1 0 25].[1 0 25] [1 0 25]}) Transfer function from input 1 to output.. g(t) est une matrice de dimensions r × m. ` .5. e e >> a=5. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t.5.2 (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. s ..68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II. L’´l´ment (i.5 -------s^2 + 25 #2: Transfer function from input 2 to output..

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

77) Exemple II.75) y(0) = y(0) = · · · = y ˙ (n−1) (II.74). on obtient. u(t). e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II. e e e La fonction de transfert Soit un syst`me LTI mono-entr´e. 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. y(t). 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. Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. Dans le cas de mod`les externes.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles.4 Le cas particulier des syst`mes SISO e Le cas particulier des syst`mes poss´dant une seule entr´e et une seule sortie (SISO) e e e est tr`s important non seulement puisqu’il fˆt historiquement le premier a ˆtre trait´ de e u `e e mani`re intensive et extensive mais ´galement parce qu’il poss`de de nombreuses proe e e pri´t´s que l’on ne retrouve pas dans le cas MIMO.5. 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.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie.10 – Syst`me masse-ressort-amortisseur e . II. mono-sortie.76) ´ Definition II.5.10). e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II.5. Par application e e du principe fondamental de la dynamique. 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.78) k M s(t) f e(t) Fig.

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. . 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. on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe.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. 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. Ainsi.LES MODELES EXTERNES 55 Un vecteur d’´tat pour les syst`mes m´caniques peut ˆtre typiquement constitu´ ` e e e e e a partir des variables de position et de vitesse. on 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. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ.83) La fonction de transfert G(p) est appel´e double int´grateur. vR (t).5.79) En appliquant la transform´e de Laplace a cette ´quation et en choisissant la position e ` e de la masse y(t) comme sortie. alors : s(t) = su (t) + s0 (t) (II.82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II. Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II.80) Exemple 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. 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). ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II.

5.88) ⇔ Y (p) = G(p)U (p) (II.5.87) (II.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p). e G(p) = L[g(t)] 2.5. II.84) La r´ponse du syst`me ` une entr´e quelconque u(t) peut alors ˆtre calcul´e en utilisant e e a e e e le th´or`me de convolution.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 . a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II.mod`le alg´brique G(p) e e .86) .g(t) et G(p) contiennent la mˆme information.1 La r´ponse d’un syst`me de fonction de transfert G(p) est donn´e par l’int´grale de convoe e e e lution suivante : t t y(t) = 0 g(τ )u(t − τ )dτ = 0 g(t − τ )u(τ )dτ (II.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle. ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme. ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II. e e e Remarques II.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig. e y(t) = g(t) ∗ u(t) . e e ´ ` Theoreme II.2 1.11 – Syst`me lin´aire e e ´ Definition II.

1 Le polynˆme caract´ristique et les pˆles o e o x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) Soient le mod`le LTI d’´tat : e e (II. 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. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II. e A partir de la d´finition du polynˆme caract´ristique.6.6 Pˆles et z´ros d’un mod`le LTI o e e Les pˆles et les z´ros d’un mod`le LTI sont essentiels pour sa caract´risation dynao e e e mique. ` l’inverse. il est dit strictement propre.6. e e II. la caract´risation par la fonction de transe a e fert est tr`s simple. le syst`me est dit propre alors que pour n > m.6.6.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (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. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral. 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.89).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.ˆ ´ ` II. Si le syst`me est causal alors n ≥ m.90) e e e πp est ´galement d´fini comme le plus petit d´nominateur commun de tous les mineurs possibles non identiquement nuls de G(p). o e ´ Definition II.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique.6.91) (II. Ils peuvent ˆtre d´finis ` partir des mod`les de transfert ou a partir des mod`les e e a e ` e d’´tat mˆme si dans le cas multivariable (MIMO). e e ´ Definition II. e e e ´ Definition II. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II.

0 0 -2].0 1]. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.[1 1] [1 1]}).1 1 0].0 1. o e e Exemple II.6.1 1}. >> C=[2 0 3.0 -1 0.1 Soit le mod`le d’´tat LTI donn´ par e e e  −1  0 A= 0 C= les matrices syst`me : e    0 0 1 0 −1 0  B =  0 1  0 −2 0 1 2 0 3 1 1 0 La matrice de transfert de ce syst`me est donn´e par : e e   3 2   G(p) =  p + 1 p + 2  1 1 p+1 p+1 Le plus petit commun d´nominateur associ´ ` cette matrice de transfert est : e ea πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Script MATLAB 4 >> A=[-1 0 0.B=[1 0.58 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Les pˆles d’un syst`me r´el sont n´cessairement r´els ou complexes conjugu´s puisque o e e e e e les coefficients des polynˆmes caract´ristique sont r´els.{[1 1] [1 2]. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .

e e e e e a On d´finit pour cela le polynˆme des z´ros.6.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.6. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II.94) (II.90).0000i >> Poles=pole(G) Poles = -1 -2 -1 II.6. de z´ros invariants et de z´ros d´couplants sont ´quivalentes. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission. e Sous ces hypoth`ses. Ces syst`mes sont e e e e e e dits carr´s.0000i -1.93) . Sous les hypoth`se II. u e e e e ` Hypotheses II. Nous ıtre e e a e e nous contenterons ici de r´sumer les principales caract´risations et nous nous placerons e e dans le cas o` les repr´sentations d’´tat et de transfert sont strictement ´quivalentes et u e e e o` le nombre d’entr´es est ´gal au nombre de sorties (syst`mes carr´s).1.0. 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. 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. e e e e ´ Definition II. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.0000 -1.0000 + 0.6. Elle est ´troitement li´e ` la repr´sentation (´tat.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.ˆ ´ ` II.6. transfert) choisie.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.89).0000 . z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.

1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p).0000 Remarques II.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 = 1.2 Reprenant l’exemple II.6.6.1. on a vu que : πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Il y a ici un mineur maximal qui est d’ordre 2 et qui s’´crit : e det G(p) = Soit πz (p) = −p + 1 Script MATLAB 5 >> Zeros=tzero(G) Zeros = 1. e .0000 >> [Poles.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.6.0000 >> Zero=zero(G) Zero = 1.

7.` II. II.1 Sch´ma fonctionnel e Le sch´ma fonctionnel d’un syst`me est une repr´sentation graphique des fonctions e e e de chaque composant ´l´mentaire constituant le syst`me ainsi que le flux des signaux ee e utiles. Chaque e e e type de repr´sentation graphique a son vocabulaire et ses r`gles de construction et de e e simplification. il n’en reste pas moins que e les sch´mas fonctionnels sont ´troitement reli´s aux mod`les de type fonction de transfert.7.13 repr´sente ` gauche un bloc fonctionnel associ´ ` une fonction de transfert e a e a Y (p) = F (p)U (p) alors que celui de droite est associ´ ` l’op´ration de multiplication ea e de l’entr´e par une matrice y(t) = A(t)u(t).d’arcs orient´s. Afin de rendre claire et lisible la fonction de chaque composant d’un e ensemble complexe. La figure e e II. des outils graphiques de mod´lisation peuvent ˆtre utilis´s. Bien que ceci ne soit pas exclusif. e II. e . II.de blocs fonctionnels.12 – Arc orient´ du signal U (p) e L’arc orient´ repr´sente le flux de signaux donn´s regroup´s dans un vecteur.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. 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. LES MODELES GRAPHIQUES 61 II.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. Nous pr´sentons maintenant le type le plus couramment utilis´ parmi les e e mod`les graphiques.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. U(p) K p+1 Y(p) u(t) y(t) F(p) = A(t) Fig. e e e e . e e e e ´ Definition II. Un sch´ma fonctionnel est compos´ : e e . e U(p) ou u(t) Fig.7.

c a + b Fig. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles. e . le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert.de blocs sommateurs.1 . e e e e e Principes de construction 1.7.En appliquant la transform´e de Laplace. e Remarques II.Il est ind´pendant de la nature physique du syst`me mod´lis´. e Exemple II.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .Un sch´ma fonctionnel n’est pas unique.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me. e e e e + a−b+c − II.7.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig. e e a ee e 2.7. Dans ce cas.15 – Circuit RC . a ee 3. II. II.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel.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.2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment.

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.16 – Sch´ma fonctionnel e Fonction de transfert en boucle ouverte et en boucle ferm´e e L’exemple pr´c´dent fait apparaˆ un bouclage de la tension de sortie s(t) sur la e e ıtre tension d’entr´e e(t).Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2. II. 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.LES MODELES GRAPHIQUES 1.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. e a e e e .17. 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.

´ Definition II.96) ε (p) G(p) S(p) Fig.97) .7.64 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Chaîne directe E(p) + Y(p) − A ε (p) G(p) S(p) H(p) Chaîne de retour Fig.2 (fonction de transfert en Boucle Ouverte) La fonction de transfert en boucle ouverte ou gain de boucle est d´finie comme : e Y(p) = G(p)H(p) E(p) Elle correspond au transfert si la boucle est ouverte en A.7.95) (II.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.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. E(p) + S(p) − (II. La fonction de transfert en boucle ouverte est alors ´gale au transfert de la chaine a e directe G(p) et la fonction de transfert en boucle ferm´e est donn´e par : e e S(p) G(p) = E(p) 1 + G(p) (II. II.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II.3 (fonction de Transfert en Boucle Ferm´e) e La fonction de transfert en boucle ferm´e est d´finie comme : e e S(p) G(p) = E(p) 1 + G(p)H(p) Elle correspond au transfert ”global” de la boucle d’asservissement.7. II. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire. ´ Definition II.

19 et II.7.20.LES MODELES GRAPHIQUES 65 II.19 – Alg`bre des sch´mas fonctionnels e e . Ces r`gles sont r´sum´es e e e e e dans les tableaux 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. le sch´ma fonctionnel peut comporter un nombre ime e portant de blocs et de boucles. II.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe.

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 .66 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES A + A G AG + B AG .B + B A.B - A.B G G AG-B B G 6 1 G B A A+ B A.BG G AG + BG AG-BG B 7 A G G G AG AG A 8 G AG AG A A G AG A G AG AG 1 G A 9 B + A+ B A.B A.B A.

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. Dans le cas des syst`mes e e e LTI.LES MODELES GRAPHIQUES 67 II. e e Ainsi.7. II. e ee Exemple II. .21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II.7.2 Le sch´ma fonctionnel II. la repr´sentation d’´tat lin´aire temps-variant suivante : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.7.21 : e e u(t) .22. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat.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.21 est d´crit dans le domaine temporel.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.

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

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

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

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

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

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

1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure.    · · ·  CAn−1 Remarques III.1 Notion d’observabilit´ e D´finition e Une caract´ristique structurelle compl´mentaire (duale) de la commandabilit´ peut e e e ´galement ˆtre d´finie. 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. n alors le syst`me est compl`tement ee observable. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.2.2.2. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie.5)  = n   . e a e ´ Definition III.2. C). e III.2. Remarques III. ´ ` Theoreme III. O est de rang n.2.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A. C ∈ Rr×n est observable ssi la matrice d’observabilit´. C) sera appel´e observabilit´ e e e e e de la paire (A. .74 COMMANDABILITE ET OBSERVABILITE III. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III. Exemple III. u   C  · · ·     CA     · · ·  rang(O) = rang  (III.2. la notion d’observabilit´ est cruciale pour les syst`mes o` le vecteur d’´tat e e u e complet n’est pas accessible ` la mesure mais doit ˆtre reconstruit.4) e o` A ∈ Rn×n .1 Clairement.2 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 .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 Crit`re d’observabilit´ e e Un crit`re de Kalman existe ´galement pour la notion d’observabilit´ et fait intervenir e e e la matrice dynamique A et la matrice de sortie C.

2 (test PBH) La paire (A. B ) est observable.Σdual (A . les matrices dynamique et de sortie du satellite sont. ` e ´ ` Theoreme III.2.2 (syst`me dual) e Le syst`me Σdual est appel´ syst`me dual du syst`me Σ. 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 ∈ Rr×n . C) est observable ssi la matrice complexe (n + r) × n : λ1 − A C est de rang ´gal a n pour toute valeur propre λ de A. e ` (III.2. De mˆme que pour la commandabilit´. C) est observable.7) o` A ∈ Rn×n . A= 0 1 0 0 C= 0 1 Le syst`me n’est donc pas observable puisque. 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. . e rang(O) = rang C CA = rang 0 1 0 0 =1 Il est effectivement impossible physiquement de reconstruire la vitesse et la position angulaire avec la seule connaissance de la vitesse. e e D´finissons pour cela les mod`les d’´tat. rang(O) = rang C CA = rang 1 0 1 1 =2 75 Cela implique que le syst`me est compl`tement observable. ´ Definition III. On a alors le r´sultat suivant liant les conditions de u e commandabilit´ et d’observabilit´ des deux syst`mes Σ et Σdual . C ) est commandable ssi Σ (A. e e e e .6) III. B ∈ Rn×m . e e Exemple : satellite 10 (mouvement autour de z) Si l’on mesure la vitesse angulaire. e e e ´ ` Theoreme III.3 . B) est commandable ssi Σdual (A .2.3 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´.NOTION D’OBSERVABILITE On peut alors calculer.2.Σ (A.

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

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

k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi .12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III. i = 1. Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi . · · · . e e e c eme ` u colonne de P . On suppose que le syst`me est repr´sent´ de mani`re u ´quivalente par la fonction : e H(p) = bn−1 pn−1 + · · · + b0 pn + an−1 pn−1 + · · · + a0 (III. Il est possible de montrer que l’on Soit P = [q1 . u ∈ R et y ∈ R.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails.11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1. qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III. 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. · · · . la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante. e e α + jβ 0 0 α − jβ = 1/2 −i/2 1/2 i/2 α β −β α 1 1 i −i Dans toute la partie suivante.13) Le polynˆme caract´ristique de (III. La premi`re colonne u e ` de chaque sous-bloc Pi . Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1. les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables.14) . 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.12) y(t) = Cx(t) e e e e o` x ∈ Rn .

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

18) Exemple III. e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (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. `               −1 Po    C(An−2 + an−1 An−3 + · · · + a3 A + a2 1n )    = . ce qui permet de d´duire de mani`re e e identique la matrice de passage a la forme compagne d’observation.     C(A + an−1 1n ) C C(An−1 + an−1 An−2 + · · · + a2 A + a1 1n ) (III.  .3. .19) 1 0 . Bo = Cc et Co = Bc .

22) = 4+ = 4+ . F (p) = Exemple III. du fait que le polynˆme caract´ristique associ´ est Psat. 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.20) 1/Izz 0 En ce qui concerne.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.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 . (p) = o e e forme compagne de commande associ´e est donn´e par : e e ˙ X1 (t) ˙ X2 (t) y(t) = o` : u X1 X2 = Izz 0 0 Izz x1 x2 = 0 1 0 0 X1 (t) X2 (t) X1 (t) X2 (t) + 0 1 uz (t) (III. la Izz p2 D’autre part. 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.3. ce qui n’est e e e e pas toujours v´rifi´ en pratique. Dans le cas d’un syst`me mod´lis´ par une fonction e e e e e de transfert propre. la forme canonique d’observabilit´. les syst`mes sont suppos´s strictement propres.21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de.

’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.732 b = x1 x2 x3 u1 4 4.[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 -3.25 x2 -0.82 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES compagne de commande peut alors ˆtre donn´e e e    0 0  x(t) +  0  u(t) 1 −4 1 Une repr´sentation d’´tat sous forme e e par :  0 1  0 0 x(t) = ˙ 0 −1 y(t) = 1 −2 −8 x(t) + 4u(t) La repr´sentation d’´tat sous forme modale peut ´galement ˆtre d´duite : e e e e e     0 0√ 0 1  0 −2 − 3 0 √  x(t) +  1  u(t) x(t) = ˙ 1 0 0 −2 + 3 y(t) = a b c x(t) + 4u(t) Script MATLAB 6 >> H=tf([4 8 2 1].2115 x3 -1.626 d = .899 4.

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

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

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

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

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

92

COMMANDABILITE ET OBSERVABILITE

III.5

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

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

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

Wc =

eAτ BB eA τ dτ

(III.49)

0

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

(III.50)

Wo =

eA τ C CeAτ dτ

(III.51)

0

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

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

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

93

94

COMMANDABILITE ET OBSERVABILITE

III.6
III.6.1

Fonctions MATLAB
Fonctions d’alg`bre de base e

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

III.6.2

Fonctions d’analyse des mod`les LTI e

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

III.6.3

Fonctions de conversion entre mod`les LTI e

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

Chapitre IV Stabilit´ des syst`mes LTI e e

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

IV.1
IV.1.1

La stabilit´ BIBO e
D´finition e

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

95

96

STABILITE DES SYSTEMES LTI

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

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

IV.1.2

Caract´risations de la stabilit´ BIBO e e

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

|g(τ )|dτ ≤ k < ∞
1 t, Izz

(IV.2)

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

ce qui conduit a `

1 1 t2 τ dτ = Izz Izz 2

(IV.3)

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

C.´ IV.1.5083i 0.6) Un syst`me LTI de r´alisation minimale (A. i.e. B.5083i -1. il est possible de donner une e e e caract´risation multivariable plus g´n´rale. tous les pˆles sont a o o ` partie r´elle n´gative.2 Un syst`me LTI de matrice de transfert G(p) est BIBO-stable si et seulement si tous e les pˆles de G(p) appartiennent au demi-plan complexe gauche. 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. e e e ´ ` Theoreme IV.3429 .6681 . D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives.1.3429 + 1. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire. Munis de cette interpr´tation monovariable. ` e e Exemple IV. Le demi-plan gauche est appel´ la r´gion de stabilit´.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 = 0.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations. 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. 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. apr`s d´composition en ´l´ments simples.1. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s.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.1.

7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.5088 + 1.3429 -1. sys=ss(G).5088 . . La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).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.1.98 STABILITE DES SYSTEMES LTI -0. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec. 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. En 1854.D]=ssdata(sys). Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux. ce qui peut ˆtre fastidieux pour des ordres ´lev´s. Canada. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert.7020i >> >> >> >> G=tf([1 1].5088 -0.5083i .7020i -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.1.7) Le syst`me est observable et commandable. (1891) et A treatise on dynamics of a particle (1898). eig(A) ans = 0.5083i + 0.6681 -0. ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.5088 + 0.[1 2 3 6 5 3]). A treatise on analytic statistics. [A. Il meurt le 7 juin 1907 a ` Cambridge.0. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p).B.7020i .C. Il devient e un des enseignants les plus connus de Cambridge en math´matiques appliqu´es et publie e e A treatise on dynamics of rigid bodies (1860).3429 0. IV.0. Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres.

.1.1. Si l’´l´ment au dessous de est positif. il est ´tudiant a l’universit´ de Berlin o` il assiste aux cours de Kummer. ` u ´ Procedure IV.Si un des coefficients est nul ou n´gatif alors qu’un autre coefficient au moins est e positif. LA STABILITE BIBO 99 Adolf Hurwitz est n´ le 26 mars 1859 a Hanovre. p0 cn−1 cn−3 cn−5 4. Si un ´l´ment de la premi`re colonne est nul. Weierse ` e u trass et Kronecker.Si tous les coefficients sont positifs. pn−2 bn−1 bn−3 bn−5 pn−3 . Il travaille ´galement e sur les surfaces de Riemann. hn−1 an−2 an−3 an an−4 an−1 an−5 =− an−1 an−1 an−5 bn−1 bn−5 =− bn−1 . Il meurt le 18 novembre e 1919 a Z¨rich. la th´orie des fonctions complexes et ´crit e e plusieurs papiers sur les s´ries de Fourier. 3.1 1.9) 2. il y a changement de ` e ee e signe et donc il existe une racine a partie r´elle positive. e ` Puis. il remplace Frobenius a ETH ` Z¨rich. Il fait son doctorat a Leipzig sous l’autorit´ de Klein en 1881 sur les ` e fonctions modulaires. Il ´tudie la th´orie de ` a u e e la factorisation des quaternions entiers en 1896. ` e . . on le remplace alors par > 0 et on ee e continue la construction du tableau. e ´ ` Theoreme IV. . e Le syst`me est donc stable si et seulement si tous les coefficients de la premi`re colonne e e sont positifs. an−4 an−5 an an−6 an−1 an−7 =− an−1 an−1 an−7 bn−1 bn−7 =− bn−1 .Ecrire le polynˆme sous la forme (hypoth`se a0 = 0) o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV. En 1884. on calcule le tableau de Routh suivant. ` o u ` En 1892.Appliquer le crit`re de Routh-Hurwitz. . . il existe une ee racine a partie r´elle nulle. Si l’´l´ment au dessous de est n´gatif. 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 . Son premier professeur est Schubert. il occupe une chaire a K¨nigsberg o` il enseigne a Hilbert. il existe une racine ou des racines imaginaires ou nulle ou a partie r´elle ` e positive.1. . .3 (crit`re de stabilit´ de Routh-Hurwitz) e e Le nombre de racines du polynˆme dont la partie r´elle est positive est ´gal au nombre o e e de changements de signes des coefficients de la premi`re colonne du tableau de Routh.´ IV. .

Le nombre de racines du polynˆme caract´ristique ` partie r´elle n´gative est ´gal o e a e e e au nombre de changement de signes dans la premi`re colonne.1. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme.Une ligne compl`te de z´ros indique que le polynˆme caract´ristique peut ˆtre face e o e e toris´ de telle mani`re ` faire apparaˆ e e a ıtre un facteur d’ordre pair dont les racines sont sym´triques par rapport a 0.1. e e a2 a1 > a3 a0 Exemple IV.1 1.100 STABILITE DES SYSTEMES LTI Remarques IV. La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme. Afin de e e compl´ter le tableau. 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 .Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω). ` e . o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme.2 (ordre 3) Soit le polynˆme caract´ristique. e 2. 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.1. o o Exemple IV. 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. 0 est remplac´ par . e e 3.

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

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

´ IV.15) Cela signifie que le vecteur d’´tat.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0).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. ||x(t) − xe || ≤ α||x(0) − xe ||e−λt o` Br est une boule ferm´e dans Rn d´finie comme l’ensemble : u e e Br = {x ∈ Rn / ||x|| ≤ r} (IV.1). λ est appel´ le taux de convergence. e .2. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV. e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe . D’autre part.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne. e ´ Definition IV. ∀ x0 ∈ Br . r) . pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle. ∃ Br (xe .x0 ) xe t x1 Fig. ` ´ Definition IV. IV. LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t. la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´.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 .16) (IV. ´ Definition IV.2.14) 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 → +∞.2. le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable.2.

et la multiplicit´ est o e sup´rieur a 1 alors. e 1. alors. · · · . e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement. IV. la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable. on e e o e suppose que xe = 0 est un point d’´quilibre. Re(pj ) > 0. · · · . r}.Si toutes les valeurs propres de A ont une partie r´elle non positive. · · · . pr .17). alors xe o e est un point d’´quilibre instable.104 STABILITE DES SYSTEMES LTI Ces concepts de stabilit´ d’un point d’´quilibre peuvent ˆtre illustr´s sur la figure e e e e IV. pour j ∈ {1. · · · . et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement.si Re(pj ) < 0. 2.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV.2.si un pˆle est tel que Re(pj ) = 0. pour j ∈ {1. La position A correspond a un point d’´quilibre instable. e ` e A B C Fig. r}. Re(pj ) ≤ 0. ´ ` Theoreme IV. alors xe est un point ea d’´quilibre instable.2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV. 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.si un pˆle est tel que Re(pj ) = 0. e e a e e IV. r}.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. e . r}. r}.2 Pour le syst`me (IV. e (b) si un des blocs de Jordan associ´ ` pj est non scalaire.2. 3. e . .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 j ∈ {1. pour tout j ∈ {1. · · · . poss´dant r valeurs propres distinctes (r pˆles) p1 . e pour tout j ∈ {1.Si un des pˆles du syst`me est instable. alors xe est un point d’´quilibre asymptotiquement stable. · · · .

6667 2].3333 −2.6667 0.3333 3 A3 =  −1. >> eig(A4)    −2.1 0 -1].0000 >> A2=[-1.3333 2  .17) peut ˆtre d´termin´e ` l’aide du crit`re de Routh-Hurwitz e e e e a e que l’on applique au polynˆme caract´ristique πp (p) = det(p1 − A).6667 0.3333 -2.3333 −0.0000 -2.0000 0.3333 1.0000 .6667 Script MATLAB 9 >> A1=[-3 2 3.2.6667 −2.-2 2 2].3333 1. >> eig(A1) ans = -1.2 La stabilit´ interne de (IV.0000i -1.3333 0.3333  1.-1.-1.6667 3 A1 =  −1 −3 0  A2 =  −1. o e Exemple IV.0.0 0 0.6667 −0.3333 1.6667 3.9999 >> A3=[-2.-1 -3 0.1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A.-0.6667 -2.0001 >> A4=[0 0 0. LA STABILITE INTERNE 105 Remarques IV. >> eig(A2) ans = -1.2.3333 A5 =  −0.2. >> eig(A3) ans = 0.3333 2].3333 0  −2 2 2 −0.6667 0.0000 + 0.6667 0.3333 0.6667 0  −1.6667 0.-1.3333 3.6667 0.9999 -1.3333 1.     −3 2 3 −1.0000 -1.3333 1.0000i -2.´ IV.3333 1.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.

6667 0.3 Pour un mod`le dynamique LTI commandable et observable d´crit par sa fonction de e e transfert ou sa r´alisation d’´tat minimale.0000 0 0 0 -0.3333 1.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.Le syst`me est BIBO-stable.3333.3333 -0. e e e . e 2.6667 -0.6667 0. e 4.3333.6667 -0.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative. e e ´ ` Theoreme IV.6667 S = 0 0 0 0 -1.6667].-0.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI. ` e e A B C D IV.2.4364 0.2.2.3333 1.3333 0.1.3333 0.8729 -0.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative.3333 -0.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.2182 -0. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1. e e 3. >> [V.S]=eig(A5) V = 0.6667 0.0000 IV. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.

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

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

Il meurt le 03 novembre 1918 a Odessa. 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. 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. IV. ici l’´nergie totale.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 . Russie. ”Si l’´nergie totale d’un syst`me est dissip´e de mani`re continue alors le syst`me (qu’il e e e e e soit lin´aire ou non lin´aire) devra rejoindre finalement un point d’´quilibre”. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie.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.7 – Syst`me masse-ressort e 1. La philosophie o e e e e de la m´thode r´side dans l’extension math´matique d’une observation fondamentale de e e e la physique. e on obtient diff´rentes ´quations e e M Fig. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. ` Exemple IV.LA METHODE DE LYAPUNOV 109 IV.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales.3. Le point important est qu’elle ne n´cessite ni le calcul des e e e pˆles du syst`me ni la donn´e explicite de la solution de l’´quation d’´tat. Il con¸oit e e e c de nombreuses m´thodes d’approximation.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. e e Son travail a port´ essentiellement sur l’´quilibre et le mouvement des e e syst`mes m´caniques et la stabilit´ des fluides en rotation uniforme.

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

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

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

Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.0625 0.1664 0.0625 0.3.eye(3)).3125 0. P = 0. on trouve. >> eig(P) ans = 0. e Script MATLAB 10 >> P=lyap(A1’.5160 19.0676 . LA METHODE DE LYAPUNOV Exemple IV.3.3273 et 0.0477.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1.´ IV.

114 STABILITE DES SYSTEMES LTI .

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

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

` e e 0.6) Cette ´quation a n racines pi .3 R´gime permanent . il ne subsiste que e y3 (t) et l’on d´finit alors. INTRODUCTION Exemple V. e e e La solution g´n´rale y4 (t) est ind´pendante de u(t) et s’obtient en r´solvant l’´quation e e caract´ristique associ´e ` l’´quation diff´rentielle homog`ne : e e a e e e an p n + · · · + a 1 p + a0 = 0 (V.5) Remarques V. e e e V.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.r´gime transitoire e e La solution de l’´quation diff´rentielle (V.1.1.1. e e e . ´ Definition V.7) . e e Remarques V. y4 (t) est e e la somme de n termes tels que : . e e e e .1.y4 (t) est la solution g´n´rale de l’´quation sans second membre (´quation homog`ne) e e e e e les n constantes d’int´gration ´tant d´termin´es de telle sorte que la solution globale e e e e y(t) satisfasse aux n conditions initiales.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.1.1.1 Soit a trouver la r´ponse y(t) de l’´quation.y3 (t) comme la r´ponse en r´gime permanent du syst`me.y4 (t) comme la r´ponse transitoire du syst`me. .V. r´elles ou complexes. distinctes ou multiples. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.3) peut ´galement se d´composer en deux e e e e parties : .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).5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors.chaque racine r´elle pi de multiplicit´ mi donne une r´ponse : e e e mi y4i (t) = i=1 λi ti−1 epi t (V.

e e e e e e La stabilit´ relative caract´rise les oscillations. On a vu au e e e chapitre pr´c´dent diff´rentes notions de stabilit´ absolue pour les syst`mes lin´aires.5p + 1 = 0 Elle a une unique solution p1 = −2 d’o` u y4 (t) = λ1 e−2t Alors.8) o` σj = Re(pj ) et ωj = Im(pj ). amorties plus ou moins rapidement.118 ANALYSE TEMPORELLE DES SYSTEMES . y(t) = 2 + λ1 e−2t soit pour y(0) = −1.2 L’´quation caract´ristique est e e 0. 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.1.chaque paire complexe conjugu´e (pj . u Exemple V. pj ) de multiplicit´ mj donne une r´ponse : e e e mj y4j (t) = j=1 λj tj−1 eσj t cos(ωj t) + µj tj−1 eσj t sin(ωj t) (V. e e e . e e toujours pr´sentes dans la partie transitoire de la r´ponse temporelle d’un syst`me.

1. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V.10) (V.11) La r´ponse transitoire d’un syst`me du premier ordre est.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.` V. LES SYSTEMES DU PREMIER ORDRE 119 V. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V.9) T est la constante de temps du syst`me. V. e Cela conduit ` ´crire.1 – Exemples de syst`mes du premier ordre e V.1 On appelle syst`me du premier ordre. R k e C s e i R e L C J s f 111 000 111 000 111 000 111 000 111 000 111 000 111 000 000 111 1111 0000 1111 0000 1111 0000 f ω Fig.2.12) .2.2. e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1.2.2 V. ae Y (p) = K 1 + Tp (V.

9 KT 0. u e y(t) = qui est repr´sent´e figure V. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.5 0.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig. on obtient la pente de la tangente e e e e pour t = 0.16) 1 p (V. V.17) K KT K = − (1 + T p)p p 1 + Tp (V.2.2.3 0. 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.18) .3.6 y(t) 0.8 0. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V. on obtient la pente de la tangente pour t = 0.7 0.120 d’o` la r´ponse impulsionnelle. En calculant la d´riv´e.4 0. K K dy(t) = e−t/T |t=0 = dt T T (V. ae Y (p) = d’o` la r´ponse indicielle. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V.2 – R´ponse impulsionnelle e En calculant la d´riv´e.14) La r´ponse indicielle e ´ Definition V.15) qui est repr´sent´e figure V.2 0.2 (r´ponse indicielle) e On appelle r´ponse indicielle.13) 0.

u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.2.2 Amplitude y(t) To: Y(1) 1 0. ae Y (p) = d’o` la r´ponse. pour e e K = 1.21) 1 p2 (V. on obtient.19) Si k = 1.1 Plus la constante de temps du syst`me T est faible.2.632K 1.8 0. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V.3 – R´ponse indicielle e Remarques V.20) qui est repr´sent´e figure V.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.2 0 0 T 2 4 6 8 10 12 Time (sec.4 0.6 1.4 0.) t Fig.8 1.6 0.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V. e e R´ponse ` une rampe unitaire e a ´ Definition V. V. plus le syst`me est rapide.4. on parle alors de rampe unitaire.23) . 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.

122

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

35

T

30

25

Amplitude

To: Y(1)

y(t)

20

T
15

10

5

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

0

Time (sec.)

t

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

0.8

1.6

0.7

1.4

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

1.2

0.5

1

0.4

0.8

0.3

0.6

0.2

0.4

0.1

0.2

0

0

0

2

4

6 Time (sec)

8

10

12

Step Response 40

35

30

25 Amplitude

20

15

10

5

0

0

2

4

6

8

10 Time (sec)

12

14

16

18

20

` V.3. LES SYSTEMES DU SECOND ORDRE

123

V.3
V.3.1

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

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

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

p + 2ξ +1 ωn

=

2 Kωn 2 p2 + 2ξωn p + ωn

(V.26)

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

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

R e C

R C s M

k

γ f

θ i R L e C C J

s
111 000 111 000

f

k
111 000

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

124

ANALYSE TEMPORELLE DES SYSTEMES

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

(V.27)

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

(V.28)

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

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

(V.29)

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

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

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

125

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

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

(V.37)

(V.38)

ωp = ωn

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

(V.39)

θ = arcsinξ

Im

ωn σ ωd Re

Fig. V.6 – Paire de pˆles complexes o

126

ANALYSE TEMPORELLE DES SYSTEMES

V.3.2

Etude de la r´ponse indicielle e

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

(V.40)

1 ξ=1

0.8

ξ=4

Amplitude

0.6

0.4

0.2

0

0

2

4 Time (sec.)

6

8

10

12

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

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

6 0.8 0.4 ω n= 0.8 Step Response ω n= 0.2 0 Fig.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.2 ξ = 0. e e e ξ = 0.8 et figure V. V.8 0.6 ξ = 0.6 1.1 ω n= 0.4 1.4 1.2 ω n= 0.8 Step Response 127 1.1 1.7 ξ = 0. V.6 ξ = 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).1 e .6 0.8 ξ = 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.2 Amplitude 1 0.9. u L’allure de telles r´ponses est repr´sent´e figure V.4 1.5 1.3 ξ = 0.4 1.4 ξ = 0.5 ξ = 0.2 Amplitude 1 0.9 0.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.

3 0.128 ANALYSE TEMPORELLE DES SYSTEMES La courbe de la r´ponse indicielle d’un syst`me du second ordre poss`de un certain e e e nombre de caract´ristiques remarquables. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.6 T 0. e Step Response 0.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes. .7 D 0.5 T/2 Amplitude 0.10 – Syst`me du second ordre sous-amorti e Les d´passements successifs sont d´finis par : e e Dk = s(kT /2) − s(∞) = −[e−πcotg(ψ) ]k = −(−D1 )k s(∞) (V.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement. V.4 D2 1 0.1 0 0 5 Time (sec. e e la fonction de transfert entre le d´placement rectiligne x et le d´placement angulaire θ e e est : Θ(p) = √ o` α = u 2AρRl 1 X(p) = F (p)X(p) αp ps − pe − F/A .) 10 15 Fig.2 0.

[T (1+a*T*K) K]) >> a=0.[T (1+a*T*K) K]) >> a=2.4 0.11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme. C(p) = suivant le sch´ma-bloc suivant. V.T=1. e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf.[T (1+a*T*K) K]) >> step(H_01. >> a=10.H_01=tf([K*T*a K].3]) Step Response 1.H_10=tf([K*T*a K].H_2.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 . e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.8 a = 0.H_2=tf([K*T*a K].2 1 0.6 0. figure 3).1. e e e Script MATLAB 12 >> K=1.H_10) >> axis([0 20 0 1.1 a=2 a = 10 Amplitude 0.LES SYSTEMES DU SECOND ORDRE 129 La position angulaire est asservie au d´placement longitudinal par un correcteur du e type avance ou retard de phase.

130 ANALYSE TEMPORELLE DES SYSTEMES V. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V.8 ωn (V.49) .47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.5 0 tr tp t ts Fig. Sa r´ponse temporelle a l’allure de la figure V.05 t td 0.48) 1 − ξ2 ξ (V. tan(ωp tr ) = − Apr`s calculs.12 – Sp´cifications de performance e . y(t) Mp 0.12. ξ). cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1. u cos(ωp tr ) + soit.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est.45) Cette relation est approxim´e par la relation : e tr ≥ (V.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 .3. V.

e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`. pour des r´ponses rapides. De plus. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.8 tr (V.55) ξ ≥ ξ(Mp ) σ≥ 4. u tp = .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 . − 131 (V.D´passement maximal Mp : e On a donc.3 (V.6 4. ωn doit ˆtre grand.50) π ωp (V.6 ts .Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit.3.6 = = ξωn σ Remarques V.54) 4.Temps d’´tablissement ts : e G´n´ralement.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.7 ξ = 0.5 ξ = 0. Mp = y(tp ) − 1 = −e−ξωn tp Soit.53) . Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.LES SYSTEMES DU SECOND ORDRE .

r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V.4. Dans le cas le plus g´n´ral. 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.132 ANALYSE TEMPORELLE DES SYSTEMES V. e e Ainsi.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.1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te. .57) .4. on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps.4 V. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse. o e G(p) = bm p m + · · · + b0 =K an p n + · · · + a 0 (p − zj ) (p − pi ) 2 ((p + αzj )2 + βzj ) 2 ((p + αpi )2 + βpi ) (V. . 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. pi ) de multiplicit´ mi donne une o e e r´ponse : e mi y4i (t) = j=1 λj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) (V. e e ´ Definition V.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 . Dans cette combinaison lin´aire.Chaque paire de pˆles complexes conjugu´s (pi .1 Les syst`mes d’ordre sup´rieur e e Notions de modes D´finitions e A partir de ce que l’on a d´j` vu pour les syst`mes d’ordre 1 et 2. les pˆles. complexes conjugu´s) des racines de l’´quation caract´ristique. o ` e . 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. 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.58) o` σi = Re(pi ) et ωi = Im(pi ). chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me.

Etudions la solution de l’´quation d’´tat dans la base modale. 0  0 pn w1 w2 · · · w n P est la matrice modale de changement de  p1 0   0 p Λ= . p1 .63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini.  .complexes conjugu´s pi = −λi ± jωi correspondent a des modes oscillants e ` mi 133 µj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) j=1 (V.  .  0 . · · · . J est la forme de Jordan u o associ´e ` A.LES SYSTEMES D’ORDRE SUPERIEUR . pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (V. · · · .60) C’est une oscillation de pulsation propre ωi amortie par une exponentielle d´croissante e caract´ris´e par la constante de temps τi = 1/λi .1 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). .  . Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk . 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.4.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.Si A a n valeurs propres distinctes.61) e e o` x ∈ Rn ..62) o` u P = v1 v 2 · · · vn P −1 = base et ··· .2 .. e e Remarques V. 0 ··· .  .. e e Soit la r´alisation minimale d’´tat d’un syst`me autonome : e e e x(t) = Ax(t) ˙ x(0) = x0 (V. . u .. P est la matrice modale de changement de base.. e a J = diag(J1 .

5 1 Time (sec) 1.5 Fig.370 −2.51 ± 2.1 0 −0.76   δw ˙   0    q  =  0.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 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. o e e (V.2 0 0.65) Les modes propres longitudinaux sont d´finis comme : e .59)2 (p + 0.045 0. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.5 2 2.Le mode d’oscillation d’incidence (short-period mode) p = −2.213)2     (V.017)2 + (0.2 0.63) sont appel´s e ee e les modes du syst`me.13 – North American L-17A ”navion” .5 0 −0.02 1.1 −0.5 −1 0. V.62) et (V. e e e Fig. 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 ˙ −0.191 −3.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.96 −2.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.Courtesy USAF Museum . V.51)2 + (2.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.1 −0.036 0 −0.14 – Mode d’oscillation d’incidence pur .2 1 0.322 δu  δ w   −0.1 0 −0.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.

322.0088) Les modes propres lat´raux sont d´finis comme : e e .Mouvement propre lat´ral : e     v ˙ −0.35  r ˙   0    p  =  −9.Plong(:. >> initial(sys_long.55 −0.zeros(4..1).2 To: Out(3) To: Out(4) 0.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.1 −0.76 0.08 2.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.37 -2.eye(4).191 -3.2 0.0.5 −1 0.76 −0.’modal’) >> Plong=inv(Tlong).322 v  r   2.zeros(4.05 To: Out(2) 135 0 Amplitude −0.66) .1 0 −0.5 0 50 100 150 Time (sec) 200 250 300 350 Fig.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.67)     (V.5 0 −0.045 0.433 ` (V.LES SYSTEMES D’ORDRE SUPERIEUR .1)).Plong(:.98 0..05 0.433) (p + 0. V. >> [navion_long...254 −1.3)) .Tlong]=canon(sys_long.76 0 0.Le mode phugoide (phugoid mode) p = −0.486)2 + (2. 0].19 −8.334)2 (p + 0.1)) >> initial(sys_long.5 0 −0.213j Response to Initial Conditions 1 To: Out(1) 0.036 0 -0.017 ± 0. -0.96 -2.0 0 1..02 1. o e e e (p + 8.

Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.6 0.05 −0.1 0.15 −0.2 0. V.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.15 0.3 Time (sec) 0.2 0 0.005 −0.4 0.1 −0.01 1 0.02 To: Out(1) 0.05 0 0 −0.2 0.015 0.16 – Mode de roulis pur .17 – Mode de spirale pur .04 0.0088 Response to Initial Conditions 0.01 0.5 0 0 −0.486 ± 2.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.02 0 0.334j .02 0 1 0.5 0.1 0. V.7 Fig.

zeros(4. τq } associ´es ` ses diff´rents modes.5 0 −0.68) Les modes les plus rapides sont donc ceux associ´s aux pˆles les plus ´loign´s de l’axe e o e e imaginaire.1)) >> initial(sys_lat.18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-.4 0.5 0 −0.69) .1)).1).2 0.-9.2)) >> initial(sys_lat.5 −1 0.2 0 2 4 6 Time (sec) 8 10 12 Fig.35 0.254 -1.55 -0.08 2. e τi = −1/Re[pi ] (V. ´ Definition V.eye(4).19 -8. 2.76 0 0.’modal’) >> Plat=inv(Tlat).1 0 −0. >> [navion_lat..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(:. 0].. V.. >> initial(sys_lat.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.0 0 1.4.Plat(:. Supposons maintenant que la fonction de transfert soit du troisi`me ordre avec un pˆle e o r´el −1/γ et deux pˆles complexes conjugu´s : e o e G(p) = 2 ωn 2 (γp + 1)(p2 + 2ξωn p + ωn ) (V..76 -0.Plat(:..5 0.322.5 1 0.Tlat]=canon(sys_lat.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.1 −0.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0. · · · .zeros(4.

433 d´fini par sa constante de temps.le mode de roulis p = −8.le mode phugo¨ p = −0.3984 0.Si ξ = 0 alors le mode oscillant est non amorti . e τsp.70) Par extension. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me. τdrol.433 = 0.Si ξ = 1 alors le mode oscillant est ap´riodique e L’amortissement des transitoires d’un syst`me d’ordre quelconque est donc caract´ris´ e e e par l’ensemble des amortissements {ξ1 .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.le mode d’oscillation de roulis hollandais p = −0. ξq }.63 (V.4 ξinc. · · · .le mode d’oscillation d’incidence p = −2.le mode correspondant de spirale p = −0. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1.7 (V.486±2. mˆme si cette condition n’est pas strictement v´rifi´e. = 1/2.82 ξphu. = 0. = 1/0. e e e .59j d´fini par sa constante de temps e et son amortissement.72) .017 ± 0. τinc.0088 = 113. τphu. = 0.71) . = 1/0.138 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.204 (V.4 (mode oscillant non amorti et ap´riodique) e .51 ± 2.486 = 2. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par.0088 d´fini par sa constante de temps.4.12 (V.334j d´fini par sa constante e de temps et son amortissement.08 Les modes propres lat´raux du Navion sont caract´ris´s par.017 = 58. = 0.06 ξdrol. e τrol. Pour un mode oscillatoire.74) .213j d´fini par sa constante de temps et son ıde e amortissement. ´ Definition V.51 = 0. e e . = 1/0. ´ Definition V.75) . on parle o e e de modes dominants.73) (V. = 1/8.

76) i=1 .Xi_long]=damp(sys_long) Wn_long = 0.4.6946 V.6070 Xi_long = 0.6070 3.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.6946 0.0000 >> [Wn_long.3836 2.0797 0.2140 3.3836 8.4327 139 Xi_lat = 1.0797 0.Xi_lat]=damp(sys_lat) Wn_lat = 0.0000 0.2040 0.2140 0.2040 1.2 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.

m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V. 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. >> H2=tf([1/0.est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o . 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.est augment´e par la pr´sence des pˆles voisins. >> step(H2) >> step(H1+H2) . On en d´duit donc que la contribution d’un pˆle pi e e o . le d´passement sera augment´ ou diminu´.78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros.[1 1 1]).140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors. e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1.5 0].4. Suivant que le e e e e e e z´ro sera stable ou instable. e e Exemple V. e e o Si l’on ´tudie la r´ponse indicielle.[1 1 1]). e e n s(t) = K + i=1 bi epi t (V.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) .79) e e ` e o` bi = ai /pi . >> clf >> step(H1) >> hold.77) avec. e e e n h(t) = i=1 ai epi t (V.

2 H 1 Amplitude 1 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 )|.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0.8 0. e .5 1 0.4.5 −1 H 2 −1.4 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.2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.4. e .3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre. e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel.5 e R´sum´ V. Il est d’usage afin d’´tablir des comparaisons e e e sens´es de consid´rer la r´ponse temporelle ` un ´chelon de position pour des conditions e e e a e initiales nulles (syst`me au repos et d´riv´es successives nulles ` l’instant initial).L’addition d’un z´ro stable z ` une paire de pˆles dominants pdom augmente le e a o d´passement si |zadd | ≤ 4|Re(pdom )|.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.2 H 2 0 −0.4 0. dans de nombreux cas pratiques. e V.5 H1 H Amplitude 0 −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. e e e a . e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.8 141 1.1 e e a o .6 H 1.5 e Step Response 1.6 0. Ainsi.

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

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

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

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

146 ANALYSE TEMPORELLE DES SYSTEMES .

1. e ee e e e Cela explique en partie la persistance de ces m´thodes dans les bureaux d’´tudes et parmi e e les ing´nieurs.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. les premi`res e e e m´thodes de conception de syst`mes de commande a contre-r´action ont ´t´ fond´es e e ` e ee e sur l’utilisation des r´ponses fr´quentielles et des outils associ´s. e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. e e ´ Definition VI. De plus.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. B. e e e e ces m´thodes n´cessitent une culture fr´quentielle suffisament pouss´e pour pallier la e e e e faible corr´lation entre les caract´ristiques temporelles des r´ponses transitoires et les e e e caract´ristiques des r´ponses r´ponses fr´quentielles. les syst`mes monovariables LTI sont indiff´remment mod´lis´s par e e e e leur fonction de tranfert G(p) ou une r´alisation minimale d’´tat (A. e e 147 . la plupart des outils peuvent ˆtre ´tendus au cas multivariable. Historiquement. les avantages pr´sent´s ici ne doivent pas faire oublier que ces m´thodes e e e ont ´t´ principalement d´finies pour les syst`mes monovariables.1 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. Mˆme si comme nous le ee e e e verrons dans ce chapitre. D). 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 nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre. e e e e VI. e e Toutefois.1 Les syst`mes monovariables e Dans cette section. C.1.

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

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

149

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

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

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

VI.1.2

Extension au cas des syst`mes multivariables e

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

150

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

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

Yi (ω) =
j=1

gij (jω)Uj (ω)

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

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

u2 =

u3 =

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

151

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

6

σ (G) = 6.1401

5

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

4

3

2

1 −15

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

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

152

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

1 i=j 0 i=j

H W = [wi ]i=1,···r wj wi =

1 i=j 0 i=j

Gvi = σi wi

σi = ||Gvi ||2

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

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

VI.2

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

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

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

VI.2.1

Le lieu de Nyquist

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

Im(G(jω ))

Φ(ω i)

Re(G(j ω k))

−Φ(ω k)
ωi
Im(G(j ω k))

Re(G(j ω)) ω0

|G(j ω k)| ωk

Fig. VI.2 – Plan de Nyquist

Il 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. e e .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. Entre 1921 et 1935. e Quelques caract´ristiques des courbes e les courbes dans le plan de Nyquist poss`dent des caract´ristiques en hautes et basses e e fr´quences facilitant leur trac´. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. 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. En 1932.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. Il publie un article sur la fr´quence de Nyquist en 1928. Il entre a AT&T pour d´velopper un syst`me de t´l´graphe et des ` e e ee m´thodes permettant la maitrise des messages dans les t´l´graphes a e ee ` bande ´troite. il s’engage sur des recherches g´n´rales en communication.2. En effet. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. Il meurt en 1976. e Remarques VI. Apr`s ee e e e 1935.1 Le gain du syst`me ` une pulsation donn´e est mesur´ par la longueur du rayon vece a e e teur correspondant alors que la phase est l’angle mesur´ positivement dans le sens trigoe nom´trique entre l’axe ox et le rayon vecteur. e e La mˆme ann´e. 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´. 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 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. 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.REPRESENTATION GRAPHIQUE 155 ω I(ω) n−m = 3 8 0 N=1 n−m = 2 R(ω) n−m = 1 Fig.4 – Comportement en basses fr´quences e .3 – Comportement en hautes fr´quences e . VI.

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

12) permet de montrer que la courbe est un demi-cercle de centre e (0.14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0.5 Re |G(j/T)| ω = 1/Τ Fig. ξ). (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.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI. VI. 0) et de rayon 0. e e a e (ωn . G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.5.16) .5. la pulsation propre non amortie et l’amortissement.REPRESENTATION GRAPHIQUE 157 L’´tude de (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.4 ξ = 0.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e . l’analyse asymptotique montre que la phase tend vers −π.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.1 ξ = 0. Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1. Aux hautes e e fr´quences. e ` e Nyquist Diagram 15 10 ξ = 0. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI. e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox. VI.19) e e Pour ω ∈ R+ . la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn .18) ω ωn ω + 2ξ ωn 2 (VI.17) ω2 2 ωn + ω 2ξ ωn 2 (VI.7 ξ = 0.7).05 ξ = 0. Cette pulsation est la pulsation de e cassure associ´e au second ordre.07 ξ = 0.158 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.

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.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. . >> nyquist(G). e Script MATLAB 17 >> G=tf(4. 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. la partie r´elle et la partie imaginaire sont toujours n´gatives. En effet. e Exemple VI. Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe.[1 2 0]).2. e ee G(jω) est alors caract´ris´e par : e e |G(jω)| = |G1 (jω)||G2 (jω)| φ(ω) = φ1 (ω) + φ2 (ω) Ceci est illustr´ par l’exemple suivant. e L’inconv´nient est qu’elle n’est pas adapt´e ` la repr´sentation de lieux de transfert e e a e form´s par des produits de lieux ´l´mentaires connus G(jω) = G1 (jω)G2 (jω).

Une octave est e e e une bande de pulsations comprises entre ω1 et 2ω1 alors qu’une d´cade est une bande de pulsations entre ω1 et 10ω1 pour ω1 .3 −0. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI.8 0+ −0.4 −0.160 REPONSE FREQUENTIELLE DES SYSTEMES LTI Nyquist Diagram 20 ω 15 0− 10 5 Imaginary Axis ω 0 − + ω −5 −10 −15 ω −20 −1 −0. ´ Definition VI.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts. Le premier repr´sente l’´volution e e e du module de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)) en fonction de la e e e pulsation ω en rad/s.2.2 −0.6 −0. pulsation quelconque.9 −0.7 −0.2. VI.1 0 Fig. 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.5 Real Axis −0. e 8 8 .

REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. 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. 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. D de l’universit´ de Columbia en 1935. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. Alors qu’il travaille chez Bell. En 1955. Echelles logarithmiques ω1 ω rad/s Φ1 Fig.20) pN . 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. Pendant la seconde guerre mondiale. il continue a travailler en partie sur des applications e e ` militaires (guidage des missiles) mais ´galement sur la th´orie moderne de la communicae e tion. En 1952. Il meurt le 21 Juin 1982. Il entre aux laboratoires de Bell Telephone comme math´maticien. En effet. e Pendant ses premi`res ann´es aux laboratoires Bell. il travaille principalement sur les syst`mes de commande de tir anti-a´rien et il re¸oit le Certificat Pr´sidentiel du e e c e M´rite en 1948. 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 1926.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. il obtient son Ph. a e L’avantage principal d’une telle repr´sentation est qu’elle permet de convertir la mule tiplication des amplitudes en addition par l’utilisation de l’´chelle en d´cibels. 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. Apr`s la guerre. VI. Il devient ` ` membre de l’Acad´mie des Sciences. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell.

(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 . e e e e M´thode de construction e La majorit´ des fonctions de transfert rencontr´es est constitu´e de fonctions de transe e e fert faisant apparaˆ au d´nominateur des facteurs ´l´mentaires (VI.Le facteur d’int´gration d’ordre N e Le module est d´fini par : e 20Log10 K K = 20Log10 N = 20Log10 K − 20N Log10 ω N (jω) ω (VI. Ce trac´ asymptotique suffit en premi`re approximation pour e e e obtenir des informations sur le syt`me. Log10 |G(jω)| = i Log10 |Gi (jω)| φ(ω) = i φi (ω) (VI. Bode Diagram 10 5 Magnitude (dB) 0 − 20 dB / decade −5 −10 ω co −15 −89 −89. Il peut ˆtre ensuite affin´ et corrig´ simplement. Ces facteurs ıtre e ee peuvent ˆtre class´s en quatre familles.Le gain K poss`de un module constant ´gal a K et une phase nulle.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.5 Phase (deg) −90 −90. 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.22) 1 a une phase constante valant −90×N deg. e e ` . e e .20).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.5 −91 10 0 10 Frequency (rad/sec) 1 Fig. .

ω = 1/2T de ωc vaut a ca −0. ω = 2/T .4 84. e √ (VI. Les courbes de phase dans le plan de Bode des facteurs du premier ordre sont toutes identiques et peuvent ˆtre d´duites des points suivants : e e ω rad/s 1/T 1/2T 1/10T 2/T 10/T Φ deg. la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave.7 63. 45 26.97 dB. Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e . le trac´ asymptotique d’un premier ordre est donc d´termin´ e e e par les deux droites ainsi d´finies et qui se coupent en la pulsation de cassure ωc = e 1/T . Dans le plan de Bode.L’erreur pour une octave au del`. .En hautes fr´quences.6 5.25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB.3 . domaine ”basses fr´quences” ω << ωc . 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.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante. domaine ”hautes e fr´quences” ω >> ωc . ω >> ωc = 1/T .REPRESENTATION GRAPHIQUE 163 . on obtient.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.Pour les basses fr´quences. e e e c e .26) Dans cette plage de pulsations. e ` . l’amplitude en dB peut ˆtre e approxim´e par.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines. et en de¸`. ω << ωc = 1/T . e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI.

27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ.Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   dB (VI.Basses fr´quences : ω << ωn e −20Log10 (1) = 0 dB (VI.28) Les asymptotes sont obtenues par une analyse identique a celle qui a ´t´ faite ` ee pour les syst`mes du premier ordre.11 – Trac´ dans le plan de Bode de 1/(p + 2) e . e .Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI.29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences. la courbe de gain pr´sentera ou ne pr´sentera pas de pic de e e r´sonnance. ξ). e . VI.30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences. e Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI. e . e .164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0.97 dB 3 dB 0.97 dB −20 dB/dec Magnitude (dB) −20 −25 −30 −35 −40 −45 −50 0 ωc Phase (deg) −45 −90 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 Fig.Le facteur quadratique ram`tres (ωn .

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

VI. 4.2.05 ξ = 0.2.3 (pulsation de coupure) ıdale est La pulsation ωcα pour laquelle l’amplitude de la fonction de transfert sinuso¨ inf´rieure de α dB ` l’amplitude de la fonction de transfert sinuso¨ e a ıdale ` la pulsation 0 a est la pulsation de coupure ` α dB.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.1 ξ = 0. ee 2.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.2. .4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB.Tracer les courbes asymptotiques.1 −90 ξ = 0.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.5 −180 ξ = 0. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.05 ξ = 0.34) ´ Definition VI.3 ξ = 0.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.2 −135 ξ = 0.2 ξ = 0. e e e a 3.13 – 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 = 0.1 1.5 ξ = 0.3 ξ = 0. e a ´ Procedure VI.

’. La courbe de phase pr´sente quant ` elle deux asymptotes horizontales en −90 deg et −180 deg.14 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) .’.’r-. >> bode(G1. >> G=tf(4.2.’b--’.[1 2 0]).’g. VI. >> G3=tf(1.G3.[1 0]).REPRESENTATION GRAPHIQUE Exemple VI.2 Reprenons la fonction de transfert pr´c´dente. Script MATLAB 18 >> G1=tf(4. 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.’k’) >> grid Bode Diagram 40 20 Gain k = 4 Magnitude (dB) 0 −20 −40 −60 Intégration −80 0 −45 G(p) −90 Premier ordre 1 p+1 Phase (deg) −135 −180 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 Fig.1). >> G2=tf(1.G.[1 2]). Ces deux asymptotes se coupent e e e a en ωc = 2 rad/s.G2.

2.15 – Plan de Nichols-Black Remarques VI. La courbe du lieu de transfert e e e dans le plan de Nichols-Black est ´galement une courbe param´tr´e en la pulsation ω et e e e doit donc ˆtre gradu´e de mani`re ad´quate. VI.2. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants.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)|)). 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig. 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.35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black. a e o .168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI. la paternit´ de ce type de repr´sentation est attribu´e e e e e ` Nichols alors qu’inexplicablement la tradition francophone en cr´dite plutˆt Black. Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert.2 Dans la litt´rature anglo-saxonne.

les courbes dans le plan de Nichols-Black poss`dent des caract´ristiques en hautes et basses fr´quences facilitant leur trac´. ` e e e e . e e e Quelques caract´ristiques des courbes e Exactement comme dans le plan de Nyquist. Theory of servomechanisms par James.Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif n − e e e m de G(p). Il fait ainsi la connaissance de C. Draper et G. il retourne a Taylor e ` Instruments de 1946 ` 1950 puis passe un an a l’universit´ du Minnesota. Il participe ainsi a un groupe de recherche e ` sur le syst`me de guidage automatique anti-a´rien SCR-584.36) Φ(ω) → (n − m)90 deg . il ee ` ` retourne chez Taylor de 1957 a 1963 comme ing´nieur en chef. Brown qui travaillent sur les servom´canismes hydrauliques pour la commande e des batteries anti-a´riennes. Ce travail est publi´ en e a e 1947 dans le volume 25 des monographies du MIT. A cette e e occasion. Taylor Instruments envoie Nichols au MIT afin d’utiliser l’analyseur diff´rentiel de V. Il a est d´c´d´ en 1997. Il rejoint finalement le ` e control analysis department de Aerospace’s control systems division jusqu’` sa retraite. Le fait que le syst`me soit strictement propre implique la pr´sence e e d’asymptotes verticales dans le plan de Nichols-Black. Apr`s la guerre. |G(jω)| → −∞ dB (VI. 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.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. On e e e e reprend donc une analyse identique a celle qui a pu ˆtre men´e pr´c´demment. Apr`s avoir a ` e e ´t´ directeur de recherches a la Raytheon Manufacturing Company de 1951 a 1955. Il est embauch´ chez Taylor Intruments a Rochester e e ` o` il collabore au r´glage des lois de commande par PID avec John Ziegler. Il est ´galement honor´ par la cr´ation de la m´daille Nichols e e e e de l’International Federation of Automatic Control. Nichols et Phillips. Bush pour des probl`mes de e e commande. u e Ils publient ensemble en 1942 un article sur le sujet dans les transactions de l’ASME.

en hautes fr´quences. 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. On rappelle que : |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI. VI. e e −180 −90 | G | dB 2 intégrations 1 intégration 0 intégration Φo Fig.16 – Comportement en hautes fr´quences e .Basses fr´quences : la transmittance est ´quivalente au quotient des termes de plus e e bas degr´ d’o` l’importance de la pr´sence ´ventuelle d’int´grations. a e .170 REPONSE FREQUENTIELLE DES SYSTEMES LTI | G | dB − 180 − 90 Φ o n−m = 2 n−m = 1 Fig.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.

02p + p2 ) 8 −135 −90 Open−Loop Phase (deg) −45 0 −70 −180 −135 −90 Open−Loop Phase (deg) −45 0 Lieux de transfert pour ξ variant et ωn = 1 .1 ξ = 0.38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg.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. 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.5 ξ = 0. e Nichols Chart 30 Nichols Chart 30 ωn ∼ ω r = ωn 1 − 2ξ2 20 20 10 10 Mr = 2ξ 1 − ξ 2 Open−Loop Gain (dB) 0 Open−Loop Gain (dB) −10 0 −20 −10 ω=0 −20 −30 −40 ξ = 0.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.01 ξ = 0.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0. VI.18 – Lieu de transfert de 1/(1 + p) dans le plan de Nichols-Black Caract´ristiques d’un deuxi`me ordre dans le plan de Nichols-Black De mˆme pour e e e 1 un facteur du deuxi`me ordre du type e . aux hautes fr´quences.

[1 2 0]).04 dB et le point correspondant a ω = 1.94 Frequency (rad/sec): 1.’r-.14 Phase (deg): −38.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.58 rad/s. e Script MATLAB 19 >> G2=tf(1.3 Soit la fonction de transfert : G(p) = On rappelle : |G(jω)| = 20log10 ω→0 REPONSE FREQUENTIELLE DES SYSTEMES LTI 4 p(p + 2) G(jω) = 4 jω(jω + 2) 180 ω tan−1 deg π 2 4 ω 4 + ω2 √ dB φ(ω) = −90 − lim |G(jω)| = ∞ lim φ(ω) = −90 deg lim φ(ω) = −180 deg ω→0 ω→∞ ω→∞ lim |G(jω)| = −∞ La courbe admet une asymptote verticale aux basses fr´quences en −90 deg et en e −180 deg aux hautes fr´quences.’b’).3 Frequency (rad/sec): 1.04 dB. ` e .0273 System: G2 Phase (deg): −128 Gain (dB): −3.[1 2]). Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.’.172 Exemple VI. >> G=tf(4.’.58 Phase (deg): −90 Frequency (rad/sec): 1.G. >> nichols(G2.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.[1 0]).G3. >> G3=tf(1. VI.’g.2. 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 + 12.58 System: G3 Gain (dB): −8.

` Remarques VI.REPRESENTATION GRAPHIQUE 173 VI.40) La figure VI. Dans le cas contraire.2. Exemple VI.20 – Phases de G1 et G2 pour T1 = 1. VI.3 Cette d´nomination provient du fait que pour un module identique. il sera ` dit a non minimum de phase. 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.2. 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. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI.4 Afin d’illustrer au mieux la remarque pr´c´dente.2. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.4 Les syst`mes ` non minimum de phase e a ´ Definition 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 . T2 = 2 .2.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre.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. 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.

174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.2 Imaginary Axis 0 −0.4 0. VI.8 −1 −1 −0.4 0.4 −0.4 −0.6 −0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique. nous donnons les lieux de transfert de G a dans le plan de Nyquist.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. les fonctions de transfert G1 et G2 sont reli´es par : e G1 (jω) = G2 (jω) 1 − jωT1 = G2 (jω)G(jω) 1 + jωT1 (VI.2 −0.8 1 Fig. Si la courbe de gain est connue sur l’ensemble des pulsations.2 0 Real Axis 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.2 0. le module et la phase sont li´s par une relation e a e biunivoque. Nyquist Diagram 1 0. A titre d’exemple.8 0.6 0. VI.8 −0.6 0.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 .

21 s^3 + 7. 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.H=tf({1 3.6 (lieu de transfert multivariable) La repr´sentation graphique de la r´ponse fr´quentielle d’un syst`me multivariable consiste e e e e ` tracer les gains principaux du syst`me multivariable dans le plan de Bode..1.01 2].002 s^2 + 0. 1 #1: ---------------------------------------s^4 + 0. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.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.2.REPRESENTATION GRAPHIQUE 175 VI. ´ Definition VI. Cela impose donc le plan de Bode e e comme seul outil disponible.45 s + 10 #2: .5 Extension aux syst`mes multivariables e La section I.den den}) Transfer function from input 1 to output.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.{den den.2.[1 0.[2 1] [1 4]}.2 5]).deux sorties) e e Script MATLAB 20 >> den=conv([1 0.002 s^2 + 0. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.21 s^3 + 7.5 (mod`le deux entr´es .. Dans la a e majorit´ des cas.2.

.176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.21 s^3 + 7.002 s^2 + 0.45 s + 10 s + 4 ---------------------------------------s^4 + 0.21 s^3 + 7.45 s + 10 #2: >> sigma(H) >> grid . 3 #1: ---------------------------------------s^4 + 0.002 s^2 + 0..

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

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. seuls les syst`mes monovariables sont trait´s. biographie). Jusqu’` pr´sent. il existe deux structures baee e siques de commande des syst`mes dynamiques : la commande en boucle ouverte et la come mande en boucle ferm´e (asservie). En r´sum´. Cette e e structure est illustr´e figure VII. Dans ee e e la suite de ce cours.Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. 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.1. VII. nous nous sommes essentiellement e a e attach´s ` l’´tape de mod´lisation et d’analyse des propri´t´s des syst`mes dynamiques e a e e ee e consid´r´s en tant que tels et d´connect´s de la structure de commande choisie. e ` ea 179 . 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]. e e Cette id´e de contre-r´action n´gative est principalement due a l’ing´nieur en g´nie e e e ` e e ´lectrique Harold Black qui l’a appliqu´ aux amplificateurs utilis´s dans les communicae e e tions longues distances (cf.1 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).1. Dans un premier temps. 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. Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif.

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

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

05 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.54 0. On refait donc les simulations m √ √ ρc ρc = 0. 0. la r´ponse est tr`s lente.05. e e On peut remarquer sur la figure VII.1}. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.08. a Quelle que soit la valeur du gain de l’action int´grale k.1 et k = 0. Le signal de r´f´rence est donc un ´chelon passant de 0.02.02 v 0.6.08 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.05 et m m de masse de 20% et 40%. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0. . 0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0. 0. = 0. que pour les valeurs k = 0.08.52 0. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis.62 k=0.6.56 k=0.6 k=0. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0. La valeur satisfaisante e e du gain de l’action int´grale r´alisant un compromis acceptable entre la rapidit´ de la e e e r´ponse et le d´passement semble donc ˆtre k = 0.1 k=0.6 e ee e ` ` l’instant 10 s. la r´ponse du syst`me pr´sente un d´passement entrainant un temps d’´tablissement e e e e e relativement lent alors que pour k = 0.08.1 s et pour diff´rentes valeurs de k ∈ {0.4.58 0.5 a 0.05. VII.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.06 correspondant a des accroissements respectifs ` pour k = 0.

54 0.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.5 0. 0.52 0. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.5 – R´ponse indicielle pour des variations de masse e On peut donc conclure a une certaine insensibilit´ du syst`me de commande de la ` e e vitesse de croisi`re vis-`-vis des variations de masse du v´hicule. SYSTEMES DE COMMANDE A CONTRE-REACTION 0.` ` ´ VII.56 v 0. e e e e . le v´hicule ralentit dans un premier temps e pour ensuite de nouveau acc´lerer afin d’atteindre la vitesse de croisi`re d´sir´e. e √ √ ρc 2 ρc (VII.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.1.45 avec perturbation 0.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.58 0. VII.55 v 0. il est ´galement n´cessaire de prendre en e e e e compte la possibilit´ de perturbations affectant le v´hicule telles que des raffales de vent e e ou un rev`tement de la route imparfait.65 0.6 sans perturbation 0.6 0.62 183 0.7 0. e a e Si l’on consid`re des conditions r´alistes.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. VII.4 0.

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

1. diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s.` ` ´ VII.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) .9) Un signal permettant d’analyser la pr´cision du syst`me est celui de l’erreur (p) : e e (p) = S(p)r(p) − S(p)G(p)b(p) + T(p)w(p) (VII. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII.7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII.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. SYSTEMES DE COMMANDE A CONTRE-REACTION . e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (VII.1.8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc.w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel.7) ´ Definition 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.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. il est ´galement n´cessaire de connaˆ les transferts de ces commandes c e e ıtre aux entr´es exog`nes : e e u(p) = K(p)S(p)(r(p) − w(p)) − T(p)b(p) (VII.ν est le signal de commande entrant r´ellement dans le syst`me e e .b est le signal des perturbations = r − y est le signal d’erreur 185 . La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle. a S(p) + T(p) = 1 (VII.

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

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

1 (contour de Nyquist) e On d´finit le contour de Nyquist CN comme le contour dans le plan complexe constitu´ e de l’axe imaginaire compl´t´ [−j∞ . 0) de rayon ee e infini incluant le demi-plan complexe droit.15) G(p)K(p) 1 + G(p)K(p) (VII.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.14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit. j∞] et d’un demi-cercle centr´ en (0. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e. ´ Definition VII. quand l’assere e e vissement est ` retour unitaire. 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.´ ` ´ VII. e VII. o e ` e e On souhaite toutefois d´cider de la stabilit´ de la boucle ferm´e sans avoir a calculer e e e ` explicitement le polynˆme caract´ristique en boucle ferm´e et ses racines.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note.2. e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII. La forme e e initiale du crit`re s’applique aux syst`mes mono-entr´e mono-sortie mais peut ´galement e e e e ˆtre ´tendue aux syst`mes multivariables et fait essentiellement appel a des r´sultats e e e ` e d’analyse complexe sur les transformations conformes et en particulier le th´or`me de e e Cauchy. a r + − ζ K(p) u G(p) y Fig. K(p) = NK (p) DK (p) (VII. la sensibilit´ compl´mentaire T (p). ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII. VII. Il est orient´ dans le sens antitrigonom´trique.2. e e .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.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps.

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

La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e . fermer le lieu de u Nyquist.1 1.2. 4. ` G(p) = K p(1 + T p) T >0 K>0 (VII.2. 3.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII.8 est stable asymptotiquement si et seulement e a e si le lieu de Nyquist complet de la boucle ouverte K(p)G(p) fait un nombre de tours comptabilis´s dans le sens trigonom´trique autour du point critique (−1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES . o a e Afin d’appliquer correctement le crit`re de Nyquist.Dans le cas o` le contour de Nyquist a une indentation. o e e .17) 1.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.Calculer la boucle ouverte de l’asservissement consid´r´. CN o 2.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .1 Le syst`me ` contre-r´action de la figure VII. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant.Compter le nombre P de pˆles instables de la boucle ouverte. .1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte. le lieu de Nyquist est complet et ferm´. il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p). Le nombre Z de o racines instables du polynˆme caract´ristique en boucle ferm´e ob´it ` la relation : o e e e a Z = P− N (VII. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.Tracer son sym´trique par rapport a l’axe ox.16) Exemple VII. 0).2.Tracer le lieu de Nyquist complet de la boucle ouverte.

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

20) K K G(p) ∼ ∼ e−jθ p ρ 3. 4. Im Im −1 Re −1 Re K(j ω)G(j ω) K(j ω)G(jω ) Fig. Le syst`me est donc stable asymptotiquement.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.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation. 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. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e . il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers. p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII. VII.2.2. a droite) quand on parcourt le lieu de transfert ea ` dans le plan de Nyquist (dans le plan de Nichols-Black) dans le sens des ω croissants.P = 0. e ´ ` Theoreme VII.2 Le crit`re du revers e Le crit`re de Nyquist peut ˆtre appliqu´ sans restriction mais peut ˆtre parfois lourd a e e e e ` utiliser.N = 0.

VII. G(p) = p2 (1 1−p + p) K(p) = 1 + 2p 1−p Les fonctions de sensibilit´ associ´es ` cet asservissement se calculent comme : e e a S(p) = p2 (1 + p) p3 + p2 + 2p + 1 p3 2p + 1 + p2 + 2p + 1 K(p)S(p) = (1 + 2p)p2 (1 + p) (1 − p)(p3 + p2 + 2p + 1) p3 1−p + p2 + 2p + 1 T (p) = G(p)S(p) = La fonction de transfert K(p)S(p) a un pˆle ` partie r´elle positive 1 et est de ce fait o a e instable. les fonctions de sensibilit´. e a e e e e . VII.2.7 pour lequel les donn´es de l’exemple VII. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII. nous avons d´fini un certain nombre e de transferts.2.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente.1.1 e e e sont reprises. 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. 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. Dans le § VII. En effet.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 incluant une perturbation e et un signal de bruit de mesure. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement.1.

15 ainsi d´finie a un sens.4 (stabilit´ interne) e Soient les repr´sentations minimales d’´tat de G et de K : e e K(p) : = AK BK CK DK G(p) : = A B C D −1 = 1 −K −G 1 u v e Pour v1 = v2 = 0. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII. il est n´cessaire de s’assurer que e e e la boucle de la figure VII. .3 (bien pos´) e La boucle a contre-r´action de la figure VII.2. On dit alors qu’elle est bien pos´e. 0) est asympe e e totiquement stable. 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. xK ) = (0. e ´ Definition VII. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre.ANALYSE EN STABILITE DES SYSTEMES BOUCLES Notion de bien pos´ et d´finition e e La notion de stabilit´ interne est d´finie ` partir du paradigme suivant : e e a G + + v2 + v + 195 u v1 K Fig.2.2. VII.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne. e e ´ Definition VII.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres.

conv([5 1]. >> S=inv(1+L).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.[2 1])).196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII.[0.Test espace d’´tat : l’interconnection est stable de mani`re interne ssi e e 1 −DK −D 1 existe et A 0 0 AK + B 0 0 BK 1 −DK −D 1 −1 −1 0 CK C 0 est stable asymptotiquement. les signaux de sortie (u.Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement. e Script MATLAB 22 >> G=tf([10].2. >> K=tf([1 1]. v2 ).2326 + 1.Test entr´e-sortie : la boucle ` contre-r´action de la figure VII. ν2 aux sorties e e u.1023i -0.5p + 1)2 (0. v sont stables asymptotiquement.5 1].1434 -0. e ua e Exemple VII.1. >> pole(S) ans = -19.1 a .1023i .conv([0.21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII. v) sont born´s.On retrouve les quatre fonctions de transfert particuli`res ` un changement de signe e a pr`s dˆ ` la convention qui est ici d’une contre-r´action positive. e e . Pour tous les signaux e e d’entr´e born´s (v1 .5 1]))).2.7). Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.2326 . >> L=G*K.conv([0. .15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 .2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.2.9878 -3.05 1].3 .

C.DK]=ssdata(sysK). .2326 -2.1023i 1.1023i -0.B.D]=ssdata(sysG). >> pole(KS) ans = -20.1)..9878 -3..3) -CK. zeros(2.1434 -0.2326 .ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.2326 .1023i 0. >> [A.1023i -0.1035 -0.-D 1])*[zeros(1.1023i -1.0000i >> KS=K*S.1035 >> T=1-S. >> pole(GS) ans = -19.5000 >> sysG=ss(G).1023i -1.2).CK.C zeros(1.1.0000 -19.2000 + + - 1. >> [AK.. >> Abf=[A zeros(3.2326 -0. >> sysK=ss(K).3) AK]+[B zeros(3.zeros(2. >> pole(T) ans = -19.1035 -0.0000 -2.2326 + 1.1) BK]*inv([1 DK.1434 -0.0000 -1.0000i 0.2)].1.BK.1035 >> GS=G*S.2326 + 1.9878 -3.9878 -3.1434 -0.

1 0].1023i -3.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0. L’interconnection pr´sent´e e e figure VII. e ´ ` Theoreme VII. >> K=tf([0. Cela peut e e ˆtre num´riquement lourd et l’on pr´f`re souvent appliquer une m´thode plus restrictive e e ee e mais aussi plus l´g`re ` mettre en oeuvre.2. e e Exemple VII.22) Remarques VII.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.1035 Le th´or`me du faible gain e e Les tests pr´c´dents n´cessitent de calculer les pˆles de 4 fonctions de transfert en e e e o boucle ferm´e ou les valeurs propres de la matrice dynamique en boucle ferm´e. .2326 + 1.1p p+1 1 p2 + 0.1.1 10]).2.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.1434 -1.4 On suppose que G(p) et K(p) sont asymptotiquement stables.[1 1]).9878 -0. e e e .[1 0.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e). on obtient : e e max |K(jω)G(jω)| = 0. 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.15. >> L=G*K.2.1p + 10 En appliquant le th´or`me du faible gain.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII.3015 ω Le syst`me est stable de mani`re interne.2326 .2 .

cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. j0) dans le plan de Nyquist. Dans le domaine e e e ` fr´quentiel. . Cette distance peut ˆtre mesur´e dans deux e e directions diff´rentes donnant lieu ` la d´finition de la marge de phase et de la marge de e a e gain. le pic de r´sonnance Mr peut ´galement servir a cet effet. 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.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. 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´. 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 (−1.16 – Courbe de gain dans Bode de L VII.2. VII.inf) ans = 0. Dans le domaine temporel.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´.

5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).25) (VII. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.2.6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII. Arg[L(jω−180o )] = −180o (VII. e e e Im 1 |G| dB MΦ ωco 0 dB Φo Kg −1 MΦ ωco ω−180 Re Kg ω−180 −180 Nyquist Black−Nichols Fig.2.23) 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. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable. VII. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.2.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black .200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.3 Pour un syst`me ` minimum de phase.26) Remarques VII.

>> K0=100. Pm = 25.42 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]).42 rad/s.[1 0.4 On reprend l’exemple V. >> L=K0*G*K. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25. 8 deg pour ωco = 4.1 0].2.8 deg (at 4. >> K=tf([0.2. VII.5 10]).18 – Marges de gain et de phase dans le plan de Bode Exemple VII. Bode Diagram Gm = Inf dB (at Inf rad/sec) . >> margin(L) .3 et l’on rajoute un gain K0 = 100 dans la boucle.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.

43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig.00322 Phase (deg): −154 Frequency (rad/sec): 4.202 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Les marges pour ce syst`me sont ´galement repr´sent´es dans les plans de Nyquist et e e e e de Nichols-Black.908 Imag: −0.449 Frequency (rad/sec): 4.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.20 – Plan de Nichols-Black . Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0. VII. VII.

7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises. VII.3 avec le mˆme gain K0 = 100 dans la boucle.2. c’est donc le rayon du cercle de centre le point critique (−1. 0) et tangent au lieu de transfert.2.5 −1 −1. ∆M = 1 1 = MS max |S(jω)| ω (VII. e Nyquist Diagram 2 1. VII. Dans le plan de Nyquist.27) Im −1 ∆M 1 Re G(jω ) Fig.22 – Marge de module dans le plan de Nyquist .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.2.5 On poursuit l’exemple V. e e ´ Definition VII. Une mesure plus objective est d´finie par la marge de module.5 Imaginary Axis 0 −0.5 1 0.

28) 10 0 −10 Magnitude (dB) −20 −30 −40 −50 −60 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig. >> Mod=inv(norm(S.6 On poursuit l’exemple pr´c´dent.23 – Pulsation de r´sonnance e .inf)) Mod = 0.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir.[1 1]). >> L=K0*G*K.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. VII.6 dB.14 Magnitude (dB): 15.14 rad/s et Mr = 15.[1 0. Script MATLAB 24 >> G=tf(1.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.6 (VII.40911.5 10]). e e Bode Diagram 20 System: L Frequency (rad/sec): 3. >> S=inv(1+L). e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII. On trouve ωr = 3.2.1 0]. >> K=tf([0. >> K0=100.2.

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

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

67 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.5 −2 −1.5 0 Re G 0.26 – 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. VII.5 Re ω r (Mr = 2) M=0 Fig. VII.5 2.5 Fig.5 2 2.5 −36 o −0.5 −2.5 1 1.2 1.5 Im G 0 −90o −60o −45o −1.27 – Abaque des N-cercles . Un exemple d’abaque est donn´ ` la figure VII. e e ea 2.5 −1 −30o −2 −2.5 30o (−150o) 36o 45 1 o 2 1.707 M = 1.3 1.833 0.707 0.5 60o 90o 0.5 −1 −0.27.

29 qui forment l’abaque de Hall-Nichols. e ω = 2.28 – Exemple : abaque des M-cercles Abaque de Hall-Nichols Un inconv´nient majeur de l’utilisation des abaques des M-cercles et des N-cercles e est que la forme g´n´rale de la courbe du lieu de tranfert dans le plan de Nyquist n’est e e g´n´ralement pas conserv´e lors de modifications mˆmes ´l´mentaires de la fonction de e e e e ee transfert (changement de la valeur du gain par exemple).28. on peut calculer des e e a points de la boucle ferm´e.16 rad/s ω = 3. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols. Ainsi ` partir de la figure VII. De ce fait.92 Frequency (rad/sec): 3.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig. ` 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. VII.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.7 En reprenant l’exemple pr´c´dent. 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.2.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1.375 Frequency (rad/sec): 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. e .87 Imag: −1.62 rad/s ωr = 4.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1.64 Imag: 0.

25 dB 0.5 dB 1 dB 3 dB 6 dB 0 dB 0 Open−Loop Gain (dB) −50 −100 −150 −200 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) .ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.25 dB 0.5 dB 20 1 dB −1 dB 209 Open−Loop Gain (dB) 10 3 dB 6 dB −3 dB −6 dB 0 −10 −12 dB −20 −20 dB −30 −40 −350 −300 −250 −200 −150 Open−Loop Phase (deg) −100 −50 −40 dB 0 Fig.29 – Abaque de Hall Exemple VII. VII.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.2.

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

5 −60 dB −80 dB −100 −100 dB −120 dB −140 dB −150 −160 dB −180 dB −200 −200 dB −220 dB −350 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) Nichols Charts 50 40 0 dB 30 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 211 Nichols Charts 50 K=5 0.5 dB 1 dB 3 dB 6 dB 0 dB −1 dB −3 dB −6 dB −12 dB −20 dB −40 dB 0 Open−Loop Gain (dB) −50 K = 2.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.25 dB Open−Loop Gain (dB) 10 −150 Open−Loop Phase (deg) −100 −50 .25 dB 0.

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

e e e VII. e Exemple VII. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e .3.3.3 Extension aux syst`mes multivariables e Dans cette partie. Remarques VII.1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B. Le lieu de o e Nyquist complet est alors trac´ comme : e .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.3.1 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.ne passe pas par l’origine. 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)).` VII. e o e ´ ` Theoreme VII.O. e . seules quelques extensions de ce qui a ´t´ vu pr´c´demment sont ee e e pr´sent´es pour les syst`mes multivariables. EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII. dans L(p).1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII.3.3.24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables.fait Pbo tours dans le sens trigonom´trique autour de l’origine.

5 0 0. ´ ` Theoreme VII. a e VII.02 −0.02 To: Y(1) 0 −0.3.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.8 1 1.04 −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. .3. Le syst`me est instable.08 0.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.08 0 0.06 −0.04 Imaginary Axis 0.5 0 0.0 0 -4].2 Soit l’asservissement a retour unitaire du type de la figure VII.1 0.5 0 0 0 0 0.5].C=[0.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.4 0.B=[1 0.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.2 Le th´or`me du faible gain e e Le th´or`me du faible gain d´j` pr´sent´ dans le cas monovariable s’´tend naturellee e ea e e e ment au cas multivariable. u e e a Exemple VII.3.5.6 0.06 det(1+L(p) 0.0 0 0.0 1].0 -1 1.2 0.

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

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

dans son ´tape de synth`se. 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. de crit`res fr´quentiels en relations plus ou moins ´troites e e e e avec ces derniers et de crit`res de pr´cision sur le r´gime permanent. des propri´t´s e e e ee du syst`me ` corriger et particuli`rement des limitations de performance inh´rentes ` ce e a e e a syst`me. 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.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. Les sp´cifications de performance ne e e forment donc pas un ensemble rigide d’exigences mais doivent plutˆt ˆtre vues comme un o e moyen d’´tablir une liste de performances souhait´es. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. 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. e e e e 217 .1 Introduction Un syst`me de commande est calcul´ afin de modifier les caract´ristiques du r´gime e e e e transitoire et celles du r´gime permanent du syst`me original et ceci dans le cadre d’une e e structure de commande a contre-r´action. Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me. 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.

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

5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω).10) (VIII. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωco e d´finissant la bande passante de G.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 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.Pour que b ait peu d’influence sur y : |G(jω)S(jω)| . Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb .SPECIFICATIONS FREQUENTIELLES 219 VIII.6) 1 (VIII. On en d´duit que : |S(jω)| 1 . Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences. e ω < ωb |S(jω)| 1 (VIII. en boucle e e ferm´e ou en boucle ouverte.2.2 Rejet de perturbation b On souhaite g´n´ralement que la boucle d’asservissement soit insensible et rejette la e e perturbation mod´lis´e par le signal b(p). e . e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w).9) 1 .Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII.7) e Du fait que T + S = 1 et S = (1 + GK)−1 . ω < ωb ⇒ |T (jω)| ∼ 1 et |K(jω)G(jω)| 1 pour ω < ωb La sp´cification de rejet de pertubation peut donc s’exprimer en sensibilit´. e ωb < ωco (VIII.

3 R´duction du bruit de mesure w e Les bruits sont usuellement mod´lis´s comme op´rant en hautes fr´quences : ω > ωh e e e e .2.4 Suivi de r´f´rence r : pr´cision ee e ω < ωb Cette sp´cification est g´n´ralement une sp´cification pour les basses fr´quences : e e e e e et l’on retrouve exactement les sp´cifications donn´es pour le rejet de perturbation : e e ω < ωb |S(jω)| 1 (VIII. ee e e (VIII.14) VIII.220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.2.12) 1 (VIII.Pour que w ait peu d’influence sur y : |T (jω)| .13) |K(jω)G(jω)| |T (jω)| 1 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ Gb et ∼ r − Gb.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 . 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.Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII.11) Une analyse identique a la pr´c´dente utilisant les relations alg´briques sur les fonctions ` e e e de sensibilit´ conduit a ´crire la sp´cification en hautes fr´quences : e `e e e ω > ωh |S(jω)| ∼ 1 (VIII.

e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII. Si la e marge de phase souhait´e est 45o .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. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. On souhaite en effet que le syst`me boucl´ r´ponde sans erreur ou avec e e e e une erreur donn´e ` des entr´es types telles que celles qui ont ´t´ d´finies pour l’analyse e a e ee e temporelle transitoire (´chelon.2. il faut avoir Φ = −135 deg et donc dans cette r´gion. e e e ´ ` Theoreme VIII.. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).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.16) En appliquant le th´or`me de la valeur finale.) 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.2.18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes. e Exemple VIII.17) On en d´duit la r`gle des int´grateurs.. rampe. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´. 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.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p). e la pente ne peut exc´der −30 dB/dec. on obtient. e VIII. e . 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. 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. Cela induit des pulsations ωco et ω−180o suffisamment importantes.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.

La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e.2.2. on a alors : e e ωB < ωco < ωBT (VIII.2.707 = −3 dB 2 (VIII.1 . e e . Les sp´cifications fr´quentielles e e e e e pr´c´dentes reviennent ` donner une forme particuli`re sur l’ensemble des pulsations ` e e a e a . e ´ Definition VIII. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg. Dans le cas contraire.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII.22) VIII. la bande passante est un indicateur de performance particuli`rement important. e Remarques VIII. pour les pulsations e e inf´rieures ` ωB . Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB . Au del` de ces pulsations. e e e C’est une ´tape importante dans l’´tape de mod´lisation.21) (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.20) (VIII. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances..2. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me.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. ωB = ωBT . ωBT ]. la commande est effective et am´liore les performances. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me.19) Dans la majorit´ des cas.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.6 D´finition e Notion de modelage de boucle : loopshaping e e Le choix des pulsations sp´cifiques ωb et ωh d´pend des applications sp´cifiques et des e connaissances que l’on poss`de sur les perturbations et les bruits r´els affectant le syst`me. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1.

pente sup´rieure ` −20 dB/decade aux hautes fr´quences (ω ≥ ωh ) pour le e a e filtrage des bruits e e . R´aliser un compensateur remplissant de telles exigences e e e est appel´ faire la synth`se d’un correcteur par loopshaping. |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.sp´cification de la pente de la courbe de gain en boucle ouverte |L(jω)| sur certaines e plages de fr´quence : 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.pente de −20 dB/decade autour de ωco pour satisfaire la condition de roll-off .sp´cification du nombre d’int´grateurs dans L(p) par la r`gle des int´grateurs e e e e 2.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). 1.2 – 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 . La courbe de gain dans e e Bode de la boucle ouverte L(jω) = K(jω)G(jω) prend classiquement la forme suivante.pente aux basses fr´quences (ω ≤ ωb ) d´finie par le mod`le de la perturbation e b(p) e e 3. e e e la fonction de transfert en boucle ouverte L(jω) = K(jω)G(jω). Si l’on souhaite travailler uniquement sur cette derni`re. VIII. 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.

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.224 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES L’int´rˆt de sp´cifier les performances par loopshaping provient principalement de la ee e simplicit´ de l’expression de la boucle ouverte comme fonction du compensateur K(p) e puisque : L(p) = K(p)G(p) (VIII. Le diagramme de Bode de la courbe de gain et de phase de cette fonction de transfert permet de calculer une marge de phase Mφ = 48. VIII.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0.5. Pm=48.2 rad/s et ωp2 = e 0. e e e e e Exemple VIII.2 rad/s.1 rad/s. ωco = 0. e e e .3 – Courbe de gain de G(p) . a e e .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 = 0.24) Ce mod`le poss`de les caract´ristiques suivantes.2. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples.25) (VIII. Bode Diagrams Gm=7.5 et des pulsations de coupure ω−180o = 0.20372 rad/sec) 10 0 −10 Phase (deg).2 (loopshaping) Le mod`le du syst`me est donn´ par sa fonction de transfert en boucle ouverte pour un e e e asservissement ` retour unitaire.5 deg. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig. une marge de gain Kg = 2.9588 dB (at 0.41231 rad/sec).448 deg.41 rad/s. (at 0.

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

92 .15(−2p + 1) p(2p + 1)(0.226 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES dont on fait le trac´ dans Bode pour obtenir la marge de phase et de gain : e Mφ = −52 deg et des pulsations de coupure.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. On obtient alors : L(p) = 0.15 et a ` une pulsation de coupure ωco = 0.95 rad/s 60 40 20 0 Phase (deg).33p + 1) (VIII. VIII. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0. e e .44 ωco = 0.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte. Magnitude (dB) −20 −40 −60 L(p) L0(p) G(p) 0 G(p) L(p) −100 −200 −300 L0(p) 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.2 rad/s.43 rad/s Bode Diagrams Kg = −0. ω−180o = 0.4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.

6 Amplitude Amplitude 0. VIII.32) Les figures suivantes sont les r´ponses temporelles ` une entr´e en ´chelon de position e a e e unitaire r(p) = 1/p pour le syst`me boucl´ non corrig´ (pour lequel il existe une erreur e e e de position) et le syst`me boucl´ corrig´ par K(p).SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0.6 – R´ponses indicielles e . VIII.33p + 1) (VIII.8 0. Magnitude (dB) Lf(p) −50 0 G(p) L(p) −100 −200 −300 L (p) L (p) f 0 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg). on obtient un compensateur ´gal a : e e e ` K(p) = 0.4 0.2 0 0 0 14 28 Time (sec.8 0.) 42 56 70 0 5 10 15 20 Time (sec.) 25 30 35 40 Fig. e e e Step Response Step Response 1 1 0.4 0.15(10p + 1)(5p + 1) p(2p + 1)(0.44 rad/s Bode Diagrams 227 ωco = 0.6 0.2 0.

2 0.25 (2 dB) Ces deux grandeurs ne sont ´videmment pas ind´pendantes et doivent v´rifier : e e e |||S| − |T ||| < |S + T | = 1 ∀ ω (VIII.35) . Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII. 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. VIII.8 0.8 0.33) MT = ||T ||∞ = sup |T (jω)| ω ` MS et MT correspondent a un pic de la courbe de gain de chacun des transferts consid´r´s.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.2 0 0 0 14 28 Time (sec. e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.) 42 56 70 0 10 20 30 Time (sec.4 0. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me.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.34) MT ≤ 1.6 0.7 repr´sente les sorties du syst`me quand a(p) = 1/p pour le syst`me e e e non corrig´ et le syst`me corrig´. En effet.7 – R´ponses a une perturbation en ´chelon e ` e VIII.4 0.6 Amplitude Amplitude 0.) 40 50 60 Fig.2. e e e Step Response Step Response 1 1 0.

une bande passante minimale ωB ` −3 dB |S(jωB )| = 0.2.l’amplitude maximale du module de S : ||S||∞ < MS (VIII. Un choix usuel est MS = 2.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| . L’ensemble de ces sp´cifications peut ˆtre traduit en une sp´cification unique faisant e e e 1 intervenir une borne sup´rieure wp (jω) sur l’amplitude de S.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII.SPECIFICATIONS FREQUENTIELLES Remarques VIII.707 2. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.le modelage de S sur certaines plages de fr´quences e 4.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.2.39) Remarques VIII.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1. L’interpr´tation ee graphique de la condition sur la sensibilit´ s’obtient en montrant que : e wp S ∞ |wp (jω)S(jω)| < 1 (VIII.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. e e La sp´cification de pond´ration signifie donc que la norme H∞ (la valeur maximale e e e e a e du gain) de S pond´r´e par la fonction wp (p) doit ˆtre inf´rieure ` 1. e e e e e ∆M = 1 MS 229 (VIII.une erreur maximale de position en r´gime permanent A e 3.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.2.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.

e 1 v´rifie : e |wp | . VIII.8 – Fonction de pond´ration wp e La borne sup´rieure de |S|. elle est ´gale a A ≤ 1 (action int´grale) e e ` e .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 (−1.41) 1 est donn´ par : e wp (p) 1 |wp(j ω)| −3 dB M ωB ω rad/s A Fig. 0) et de rayon |wp (jω)|. 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.aux basses fr´quences.

e e la boucle ouverte vaut : L(p) = 0.7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.3 0. elle est ´gale a M ≥ 1 e e ` .33p + 1) Un choix de filtre de pond´ration coh´rent avec les sp´cifications impos´es est donn´ e e e e e par : M = 1.8 ωB = 0.2. >> bodemag(S. >> L=tf([-0. >> S=inv(1+L).Omega_B=0.8.4 Afin d’am´liorer les performances. Script MATLAB 26 >> M=1.2.33 1])). 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. >> Wp=tf([1/M Omega_B].15(−2p + 1) p(2p + 1)(0. Il e e a e est ` noter sur la figure VIII.1/Wp) >> grid A=0 .[1 0]).3 On reprend l’exemple utilis´ pour le loopshaping de la section III.05. Apr`s loopshaping.SPECIFICATIONS FREQUENTIELLES .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.2.conv([2 1 0].[0.15].42) Exemple VIII.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.2.5.aux hautes fr´quences.

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

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) . Pour cela.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. du fait de la non commutativit´ du produit matriciel.SPECIFICATIONS FREQUENTIELLES 233 VIII.3 VIII. . il est n´cessaire e e de diff´rencier les fonctions de sensibilit´ en entr´e et en sortie (calcul´es en ouvrant la e e e e boucle en 1 ou en 2).3.3. En effet. il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable. 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 .r`gle 3 : push and pull e G1 (p)(1 − G2 (p)G1 (p))−1 = (1 − G1 (p)G2 (p))−1 G1 (p) VIII.1 Sp´cifications fr´quentielles de performance : syst`mes e e e multivariables R`gles d’association dans les sch´mas-blocs e e Cette partie est consacr´e ` l’extension des caract´risations en performance pour les e a e syst`mes multivariables boucl´s.9 o` G(p) ∈ Cr×m et K(p) ∈ Cm×r sont des mod`les LTI multivau e riables.

e e e e ee .3. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.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. VIII. seul l’outil e e math´matique est r´ellement diff´rent.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. ´ ´ Proprietes VIII. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.9 est compl`tement caract´ris´ par les fonctions de transe e e e fert : Sy = (1 + GK)−1 Su = (1 + KG)−1 Ty = (1 + GK)−1 GK Tu = (1 + KG)−1 KG (VIII.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig.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 .9.46) (VIII.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII. Afin de ne pas alourdir ce document. En fait.3.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII. ´ Definition VIII.

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

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

e |1 − σ(S)| ≤ σ(T ) ≤ 1 + σ(S) |1 − σ(T )| ≤ σ(S) ≤ 1 + σ(T ) .2 (contraintes alg´briques sur les sp´cifications) e e Les sp´cifications pr´c´dentes sont contraintes par les relations alg´briques inh´rentes ` e e e e e a la d´finition de S et de T .3.11 – Valeurs singuli`res typiques du gain de boucle e Remarques VIII.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. VIII.

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

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. Quand le gain de la boucle varie. Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971. Evans a d´velopp´ une m´thode graphique en 1948. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. Il est donc important de connaˆ o e e ıtre la variation de ces racines (pˆles en boucle ferm´e) en fonction de la variation de K. e . Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. il entre ` la soci´t´ Autonetics. Il publie Control system Dynamics e e en 1954. permettant d’´valuer la e e e e localisation des pˆles en boucle ferm´e dans le plan complexe quand K varie de 0 a +∞ o e ` ` partir de la connaissance des pˆles et des z´ros en boucle ouverte : c’est la m´thode du a o e e lieu des racines ou du lieu d’Evans. e e e e 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.R. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. 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. la o e localisation des pˆles en boucle ferm´e varie ´galement. 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. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. a Il est l’inventeur du spirule. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. Il meurt le 10 juillet 1999. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs.240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice. En 1948. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). e e e W. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. 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´.

6) (IX. e e o e ´ Definition IX.7) . sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.5) Remarques IX.2 IX. e e e .Condition d’amplitude : |G(p)F (p)| = 1 (IX.1 Les valeurs de p telles que les deux conditions IX.4) (IX.1 (lieu des racines) Le lieu des racines ou lieu d’Evans est le lieu constitu´ par les pˆles en boucle ferm´e e o e quand le gain de boucle K varie.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.5 et IX.2 – Sch´ma bloc classique e La fonction de transfert en boucle ferm´e est : e S(p) G(p) = E(p) 1 + F (p)G(p) dont l’´quation caract´ristique associ´e s’´crit : e e e e 1 + G(p)F (p) = 0 ⇔ G(p)F (p) = −1 (IX.IX. CONSTRUCTION DU LIEU D’EVANS 241 IX. IX.2.2.2. 1. Dans la majorit´ des cas.2. r + − ζ G(p) F(p) y Fig. · · · ) . 2.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement.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.

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. nous reprenons le sch´ma e e e a e d’asservissement initial.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.4 – Exemple . Pour cela. r + − ζ K u G(p) y Fig. IX.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX. IX.242 ANALYSE PAR LE LIEU DES RACINES On rappelle que pour une fonction de transfert : G(p)F (p) = alors : Arg[G(p)F (p)] = Φ1 − θ1 − θ2 − θ3 − θ4 |G(p)F (p)| = KB1 A1 A2 A3 A4 (IX.3 – Mesure des angles et des amplitudes IX.2.

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

.Le polynˆme caract´ristique est de degr´ 2.2 .Il y a un z´ro. · · · ) (IX. 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. 0] appartiennent au lieu des racines. e Si le lieu des racines a des asymptotes alors.toutes les asymptotes ont un point d’intersection commun situ´ sur l’axe r´el e e en : n m pˆles − o σa = i=1 i=1 z´ros e (IX. −1 ± j 2 o .17) Remarques IX. 1.16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte.18) . Exemple 2 : √ .2. e Exemple 1 : les segments ] − ∞ .Le polynˆme caract´ristique est de degr´ 3.244 ANALYSE PAR LE LIEU DES RACINES . prendre un point test. − 2] et [−1 . e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX. 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. Exemple 1 : puisque n − m = 3. . − 2] appartient au lieu des racines. Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´.Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el. il y a n´cessairement 3 branches infinies. . Il y aura donc 1 branche finie o e e et une branche infinie. −2 e . . 2. o e ` e Pour chaque portion de l’axe r´el ` tester. Exemple 2 : le segment ] − ∞ .Il y a deux pˆles en boucle ouverte. Il y aura donc trois branches o e e infinies.Pas de z´ros e .Une branche du lieu peut ou non traverser l’asymptote correspondante.Etape 4 : d´terminer les asymptotes au lieu des racines.L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0. o e e .Les asymptotes indiquent le comportement pour |p| 1.

Calculer l’´quation alg´brique (IX. d’o` l’on a une seule direction infinie qui fait un u angle avec l’axe r´el donn´ par : e e Φa = 180o (IX.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines. on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique.23) d’o` K = −p3 − 3p2 − 2p.21). On obtient donc. e e ` e .3 . e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1. e e e 3. ce point appartient au lieu des racines.D´terminer les racines r´elles et complexes de cette ´quation. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX. Dans le cas come e plexe.20) . Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines.CONSTRUCTION DU LIEU D’EVANS alors que l’angle avec l’axe r´el est donn´ par : e e Φa = ±60o (2k + 1) 245 (IX.21) Remarques IX. e e e 1+ K =0 p(p + 1)(p + 2) (IX. e Exemple 1 : l’´quation caract´ristique s’´crit. il existe au moins un point d’´clatement e e (respectivement de rencontre).2. 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.24) .22) (IX. e e 2. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante.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 > 0.19) Exemple 2 : on a n − m = 1.Etape 5 : d´terminer les points de d´part et d’arriv´e sur l’axe r´el ainsi e e e e que les points de rencontre et d’´clatement. o e e B(p) + KA(p) = 0 alors. cette v´rification est simplement graphique.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. On suppose que le polynˆme caract´ristique s’´crit. Si les rae e e cines sont r´elles. u dK = −3p2 − 6p − 2 = 0 dp (IX.

7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif.25) On a donc encore deux solutions −0.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. . K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en. K = 6).246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1.27) (IX.4226.30) √ ω = 0 ou ω = ± 2 (IX.28) K=6 (IX. (IX.26) p2 + 2p + 3 p+2 (IX. e . Exemple 2 : l’´quation caract´ristique s’´crit.5774 o e e et −0. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles. 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.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.2679 et −3. Il n’y a donc pas d’intersection avec l’axe imaginaire. e e e e K − 3ω 2 = 0 2 (IX. e e e K=− d’o`.

5 – Exemple 2 : calcul des angles de d´part e Remarques IX. e o e Θ = 180o − i θi + j Φj (IX.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par. on obtient l’´quation.4 Dans certains cas particuliers. sur l’exemple 2. en e ´crivant l’´quation caract´ristique pour p = σ + jω. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX.CONSTRUCTION DU LIEU D’EVANS 247 . IX.Etape 7 : d´terminer les angles de d´part d’un pˆle complexe et d’arriv´e e e o e d’un z´ro complexe e L’angle de d´part d’un pˆle complexe est calcul´ par. −1 ± j 2.35) . e e √ Exemple 2 : il y a deux points de d´part complexes. Ainsi.2.33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. e e e e (σ + 2)2 + ω 2 = 3 (IX. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes. e e e Φ = 180o − i Φi + j θj (IX. On obtient. il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles.3.

[1 2 3]).5 Real Axis 0 0. >> rlocus(G2). IX.5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig. IX.248 .5 −1 −0.6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].5 Imag Axis 0 −0.5 −1 −1.7 – Exemple 2 .[1 3 2 0]).Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1.5 2 Fig. 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2. >> rlocus(G1).5 −2 −1. 2 1.5 1 0.5 1 1.

IX.5 0.7+j1.5 3 2. e e e e e Exemple IX.18 1.39 |p + 3| p=−1. Ce point d’intersection permet alors en retour la d´termination de la valeur du e gain K n´cessaire par simple r´solution de l’´quation caract´ristique en boucle ferm´e.5 1 0.68 −1.707. a Root Locus 2 0.5 0.3.5 0 4 3.8 0.39 Pole: −1.3 IX.18 0 Fig. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.5 −4 −3.8 −2.986 −1 −1.707 Overshoot (%): 4.8. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.` ´ IX.7i Damping: 0.95 0. Cela conduit a choisir : e e ` cos Ψ = 0.8 – R´glage du gain et amortissement e . ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.34 Frequency (rad/sec): 2.986 0.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.89 0.38 0.54 −1 0.707 Ψ = 45o (IX.3.5 0.7 (IX.37) Il est ` noter que la pulsation propre correspondante est ωn = 2. ` e e K= |p2 + 2p + 3| = 1.5 0.95 1 0.7±j1.5 −3 0. on obtient.68 0.5 0.1 Analyse des syst`mes boucl´s par le lieu d’Evans e e R´glage du gain e Une des op´rations basiques de correction consiste a r´gler le gain de boucle K afin e ` e d’avoir un amortissement donn´ pour les pˆles en boucle ferm´e et fix´ par l’angle d’amore o e e tissement Ψ.5 −0. a e En appliquant la condition des gains a l’´quation caract´ristique.7.38 −0.5 Real Axis −2 0.89 −2 −4.4 .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 = 0.4 rad/s.5 Imaginary Axis System: G2 Gain: 1.3.7 + 1.5 2 1.54 0.

le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet.250 ANALYSE PAR LE LIEU DES RACINES IX.9.[1 6 36])). Pour v´rifier cela.38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote. 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.conv([1 -1 0]. >> sgrid .3. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´. e e Script MATLAB 27 >> G=tf([1 2].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.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. >> rlocus(G). e Exemple IX. Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX.3.

38 0.64 8 0.23i Damping: 0.08 8 10 0 1 2 Fig.23 2 0.9 4 Frequency (rad/sec): 3.28 0.89i Damping: 0.8 −6 6 −8 0.94 0 −2 −4 4 0. IX.38 0.000674 Overshoot (%): 99.0017 + 3.8 4 0.9 – Syst`me ` stabilit´ conditionnelle e a e .5 0.0015 − 2.5 Pole: −0.000437 Overshoot (%): 99.17 0.5 0.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.17 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.89 10 6 0.08 8 System: G Gain: 112 6 Pole: −0.94 2 Imaginary Axis 2 System: G Gain: 61.28 0.8 Frequency (rad/sec): 2.

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

1 Repr´sentation temporelle des signaux d´terministes classiques e e Les signaux d´terministes classiques utiles en Automatique sont rappel´s et leurs proe e pri´t´s d´taill´es.1) 253 . e e A.1.1 (signal ´chelon) e e On appelle ´chelon d’amplitude E ou fonction de Heaviside en t0 .1.1. 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 Signaux d´terministes en temps continu e Dans la suite. e ea (A.Annexe A Rappels de th´orie du signal e A. 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.

on parle de rampe unit´ ou de rampe unitaire. A.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig.1 – Fonction de Heaviside Pour une amplitude E = 1. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A.2. L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e . e ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A.1.2 (signal rampe) On d´finit le signal rampe r(t) de pente α par. e e e Le signal rampe ´ Definition A. e Signaux impulsionnels La d´finition math´matique rigoureuse d’un signal impulsionnel doit faire appel a la e e ` th´orie des distributions qui est hors du cadre de ce cours. on parle d’´chelon unit´ ou d’´chelon unitaire.2) e(t) αt 0 to t Fig. L’impulsion n’est pas en effet e une fonction ordinaire.2 – Fonction rampe Pour α = 1. A.

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

5 – Peigne de Dirac Finalement.1. le produit d’une impulsion δ(t − t0 ) par une fonction f (t) born´e et contie nue en t0 est l’impulsion d’aire f (t0 ) en t0 : +∞ f (t)δ(t − t0 ) = f (t0 )δ(t − t0 ) ⇔ −∞ f (t)δ(τ − t0 )dτ = f (t0 ) (A.5 (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.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.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).1. D´finition de la transform´e de Laplace e e ´ Definition A. A.1 . il est ´galement possible de d´finir e e e un train d’impulsions ou peigne de Dirac de p´riode T par : e δT = δ(t) + δ(t − T ) + δ(t − 2T ) + · · · + δ(t − nT ) + · · · δ(t) 1 (A.5) 0 T 2T 3T 4T 5T 6T t Fig.256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac.2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf.1. annexe A4). u x(t)e−pt dt (A.7) 0 Remarques A.1. e ` A.6) Le signal sinusoidal ´ Definition A.8) −∞ .

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

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

2.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A. e A.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.2. on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement.2 Propri´t´s de la transform´e de Fourier e e e Etant donn´e la transform´e de Fourier d’une fonction x(t). il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .1 La transform´e de Fourier e D´finition e ´ Definition A.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A. LA TRANSFORMEE DE FOURIER 259 A. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A.2.28) .´ A. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A.2 A.1 (transform´e de Fourier) e La transform´e de Fourier d’une fonction x(t) est une fonction de la pulsation d´finie e e par. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.2.27) F[x(t ± T )] = e±jωT X(ω) (A.

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

ee ´ Definition B. 261 .1.1.2 (espace engendr´ par un ensemble de vecteurs) e n Soit (x1 . ´ Definition B. · · · . L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 .1. xm ) ∈ R .1. · · · .1 (Ind´pendance lin´aire) e e Soit un ensemble de vecteurs x1 . les vecteurs x. xm ∈ Rm . y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus. norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn . ils sont dits lin´airement d´pendants.1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire. · · · . λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire.Annexe B Rappels d’alg`bre lin´aire e e B. · · · . xm ) est l’ensemble engendr´ par ces vecteurs. Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 . e e ´ Definition B. y sont dits orthogonaux ssi x y = 0.1 B.3 (produit scalaire) Le produit scalaire de deux vecteurs x.

1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B.∀ e1 .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 (In´galit´ de Cauchy-Schwartz) e e ||x y|| ≤ ||x|| ||y|| Il y a ´galit´ si x et y sont lin´airement d´pendants. d´finie sur un espace vectoriel E. 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. e2 ∈ E. ∀e ∈ E.2 1 −2 0 6 |aij |2 = i.5 (p-norme d’un vecteur) e Soit e ∈ Rn .j i.4 (norme) Une norme est une fonction .1.1.1.∀ e ∈ E : ||e|| ≥ 0 2.j A= ||A||sum = i.j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e .||e|| 4.∀ α ∈ R.1.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B.1.||e|| = 0 ⇔ e = 0 3.1. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1. ||αe|| = |α|.||B|| Exemple B. e e e e ´ Definition B. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.

1.1. λk .2 .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) = 6.9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B. e ´ Definition B.1. λn sont les valeurs propres de A.1.1.7 (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 .1.2 Valeurs propres et valeurs singuli`res e ´ Definition B.l ≥ m: Σ= diag(σ1 . Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A). σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) .8 (rang d’une matrice) : Rn → Rm . Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes. Elle sera dite de rang plein si : e e rg(A) = min(n.Les valeurs propres de (cI + A) sont c + λ1 . 1 n . m) B. .1. · · · . · · · .Les valeurs propres de Ak sont λk . · · · c + λn o` λ1 . · · · .1.3326 valeur singuli`re maximale e ´ Definition B. e e e . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B. ee u .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.Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux. On associe a chaque valeur propre λi .` ´ ´ ´ B.

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

|λn |} est une norme matricielle induite par || • ||. alors A A ≥ 0.A1/2 est inversible ssi A est inversible.A1/2 A = AA1/2 . x1 . .CNS 1 : A > 0 ⇔ λ1 .1. xn . .L’inverse d’une matrice d´finie positive est d´finie positive.λ1 ||y||2 ≤ y Ay ≤ λn ||y||2 ∀ y = 0 ∈ Rn . . .Soient A = A ∈ Rnn . De plus. A A > 0 ssi la matrice A est de rang plein. λ n > 0 . .12 (Matrice sym´trique d´finie positive) e e n Une matrice A = A ∈ R est dite d´finie positive si : e ∀ x = 0 ∈ Rn x Ax > 0 Elle sera dite semi-d´finie positive (non n´gative) si : e e ∀ x = 0 ∈ Rn x Ax ≥ 0 ´ ´ Propriete B. e e e . les valeurs propres et vecteurs propres respectivement associ´s avec ||xi ||2 = 1 alors : e . .||A|| = ρ(A) = max {|λi |.6 . · · · . · · · . λ1 ≤ λ2 ≤ · · · ≤ λn . (A1/2 )−1 = A−1/2 .1.1. RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE 265 .` ´ ´ ´ B.Soit A ∈ Rm×n .A−1/2 A−1/2 = A−1 .CNS 2 : A > 0 ssi les mineurs principaux de A sont strictement positifs. ´ Definition B.Si A est non n´gative alors il existe une racine carr´e de A not´e A1/2 . e e .

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

2. . . .. . ··· .2. . . ..   1 0 0 P = 1 1 0  1 2 1 . . . .   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. Alors.. eλn−1 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. . ce qui conduit a une matrice rationnelle ` en p dont on calcule la transform´e de Laplace ´l´ment par ´l´ment. v2 = [0 1 2] . ··· ··· ··· . .4) La seconde m´thode utilise la transform´e de Laplace et la formule suivante : e e Il suffit alors d’inverser la matrice (p1 − A). ··· ··· ··· .. .1 Soit la matrice  0 1 0 1  A= 0 0 1 −3 3 πp (p) = (p − 1)3  Le polynˆme caract´ristique de cette matrice est : o e 1 est donc valeur propre multiple d’ordre 3 (multiplicit´ alg´brique). . . . . ce qui e e e donne. .3) eAt = P eJt P −1   0    0    ···  =P          eλ1 t teλ1 t eλ1 t 0 ··· te eλ1 t ··· . .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. ··· . . e ee ee Exemple B. eλn t B. . . . .

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

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

not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x). .1. On d´finit la matrice Hessienne de f not´e e ∇2 f (x). ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = . ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C.1.1.1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert.270 RAPPELS D’ANALYSE ´ Definition C.4 (fonction C 1 ) Si une fonction f est diff´rentiable sur un ensemble ouvert S ⊂ Rn et que le gradient e ∇f (x) est une fonction continue alors f est dite C 1 sur S. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 .1 (composition de fonctions) Soit f : Rk → Rm et g : Rn → Rm deux fonctions C 1 et h = gof alors : ∇h(x) = ∇f (x)∇g(f (x)) ∀ x ∈ Rk ´ ´ Propriete C. · · · .1. C 1 ) si chaque composante fi (i = 1.1. une fonction C 1 en x. . .6 (matrice Hessienne) e e Soit f : Rn → R.1.2 (formulaire de d´rivation) e .∀ y ∈ V(x). m) est diff´rentiable (resp. ∃ α ∈ [0.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp.Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 . C 1 ). La matrice gradient de f en x. · · · . 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. e ´ Definition C.1.∀ y ∈ V(x). ´ ` Theoreme C.

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

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

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

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

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

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

` TABLE DES MATIERES 277 Table des mati`res e I I. e II. Bref album chronologique . . . . . . . . . . . . . . . . . . . . . . . . e e II. . . . . . . . . .3 R`gles d’alg`bre dans les sch´mas fonctionnels .7. . . . . . .1 I. . . . . . . . .1 R´gulation de temp´rature dans un four . . . e Approximation lin´aire des syst`mes physiques . . . . . . . . . . . . . . . . . . . . . . . .3 Introduction ` la th´orie de la commande a e Introduction . . .2. . .la repr´sentation d’´tat . . . . . . .2 Servom´canisme hydraulique . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . e e e e II. e e I. . . . . . . . . . . . . . . II. . . . . . . . . . . . . . . . .2 Th´orie de la commande . . . . . . . . . . . . . .6 II.5. . . . . . . . . . . . . . . . . . . . . . . . . . .4 Le cas particulier des syst`mes SISO . . e Les mod`les graphiques . . . . . . . . . e e e II. . 5 5 7 19 19 21 24 24 24 25 26 27 27 29 29 33 35 37 37 38 42 46 48 48 52 53 54 57 57 59 61 61 62 65 67 I. . e II. . . . . . . . .7. . . . .3 Repr´sentation d’´tat lin´aire .2. .1 Contrˆle d’attitude d’un satellite . .1 Le polynˆme caract´ristique et les pˆles . . . . . . .3. . . . .3 II. . . . . . . . . . . . . . . . . . . . . . . e e Le mod`le interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . e II. . . . . . . .6. .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . . . . . . . . . . . . . . . . . . . . e e e II. . . . .2 Repr´sentation d’´tat des syst`mes dynamiques . . . . . .2 La matrice de r´ponse impulsionnelle . . . . . . . . . . . . . . . . . . . . e I. . . . . . . . . . . . . . .Lin´arisation . .4 . . . .4. . . . . . . . .4 Commande longitudinale d’un avion civil . . . . . . Th´orie des syst`mes et th´orie de la commande e e e I.1 Notion de syst`me .1 La matrice de transfert . . e Exemples de syst`mes de commande modernes . . . . . e I. e e II. . . . . .3. .5 II. . . . . . . . . . . . . . . . . . . o e e II. . . . .6. . . . . . . . .1 Le concept d’´tat d’un syst`me . . . . . . . . . . .3 Equations diff´rentielles entr´es-sorties . . e II.4. . . . . . e II. . . . . . . . . . . . . . . . . . . . . . . e e e II. . o e I. . .2 Les z´ros . . .3 Contrˆle d’attitude d’un satellite . .5. . . . .2 I. .4. . . . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat . .7. .1 Sch´ma fonctionnel . . . . . . . . . e Pˆles et z´ros d’un mod`le LTI . . . . . . . . o e o II. . . . . . . . . . . .2 Sch´ma fonctionnel et fonctions de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemples caract´ristiques . . .1 II. . . . . . . . . . . . . . . . . . . e e II. . . . . . . . . . . . . . . . . . . . . . . . . . o II. . . . . . . . . . .4. . . . . . . . e e e . . .2 Contrˆle de la tˆte d’un disque dur . . . . . . . . . . II II. . . . . . . . . . .5.4 II. . . . . . . . .7. . . . . . . .4. . . . . e e e Les mod`les externes (entr´es-sorties) . .2 II.4. . . . . . . . . .4. . . . . . . . . .4. . . o I. . . . . . . . . .

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

. . .4 Les syst`mes d’ordre sup´rieur . . . . . . . . . . .1 Fonctions de r´ponse temporelle . . . . . . e VI. . . . . . . . . . .2. 147 . . . .1 D´finitions et exemples . . VII. . . . . e . . . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII. . . . e VII. . . . . . . . . . . . . .1 Fonctions de trac´ de la r´ponse fr´quentielle . . . .2. . . . . . .2. . . . . .1 D´finition et propri´t´s . . 149 . . . . .3 Stabilit´ interne des syst`mes boucl´s . . . . . . . . . . . . . . . . . e V. . . . . . . e e e 147 . VII. . . . . . . . . . . . . . . . . .1. . . . . . . . V. . .3. . . 177 179 . e e e VII.1 Le crit`re de Nyquist . . . . . VIII. . . . . . .2 Fonctions d’analyse des mod`les LTI . . .4 Fonctions MATLAB . . . e VI. e VIII Analyse en performance des syst`mes boucl´s e e VIII. . . . . .1 Notions de modes . . . . . . . . . . . . e V. . . . . . . . .1 Introduction . . . . . . . . . . 153 . . . 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. . . . . . . . .2. e o V.1 Fonctions d’analyse de stabilit´ . . . . . . . . . e V. . . . . . .4 Les syst`mes ` non minimum de phase . . 147 . . . . . . . . 194 . . . . . . . . . . . . . . e VII. . . . . .2 Extension au cas des syst`mes multivariables . . .3 Sp´cifications temporelles d’un syst`me du second ordre .3 Extension aux syst`mes multivariables . . . . . . .1 Les syst`mes monovariables . . . . . e VI. . . . . . . . . 179 . . . . . . . . . . . . . . . . . 189 . . . . . . . . . . .1 Le crit`re de Nyquist multivariable . . . . . . . .2 Le lieu de Bode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Le crit`re du revers . . . . . . . . . . . . . .3.4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . . . . . . . . . . . . . . . . . . VIII. . . . . .2 Caract´risation des syst`mes de commande a contre-r´action . . . . . . . . . . . . . . . .2 Rejet de perturbation b . e ` e VII. . . . . VI. . . . . .2. . . . . . . VI. . . . .2. . . . . . . . . . e V. . . .1.1 Syst`mes de commande a contre-r´action . . . . . . . . . . . . e e e VII. . . . . . 184 . . . . . . . . . . . . . . . . . . . . . . 189 .2. . e VII. . . . . VI. . . . .2 Effets des z´ros et des pˆles additionnels . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . VI. . . . e e V. . . . . . . e e VII. . . . . . . . . . .` TABLE DES MATIERES V. . . . .2. . . . . . . . . . . . .5.2 Analyse en stabilit´ des syst`mes boucl´s .4.5 Fonctions MATLAB . . . . . . . . . . . . . . . . . . . . . . . . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. . . . . . . . . . . . . . . . . 179 . . . . .2 Etude de la r´ponse indicielle . . . . . . . .4. . . . . . .3 Le lieu de Nichols-Black . . . . . e ee VI. . . . .3 Fonctions MATLAB . . . . . . . . . . . . . . . . 193 . . . . . . . . . . . . . . . 153 . . . . . . . . . . . . 160 .5. . . . .3. 177 . e e ` e VII. . . . .5 Extension aux syst`mes multivariables . .4. . .1 Principe de la contre-r´action . . . . . . . . . . 168 . . . . . . . . . . . e a VI. . . .1. . . . . .3. . . . . . . . . . . . . . . . . . . e VII. . . . . . . . . . .1 Rappels sur les relations de bouclage .3. . . e e V. . . . . . .3 Les syst`mes du second ordre . .3. . .3 Sp´cifications temporelles sur le r´gime transitoire . V. .1 Le lieu de Nyquist . . . . . . . .2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI. . . . . . . . . . . . .1. . . . . .4. e e V. . .2 Le th´or`me du faible gain . . . . . . . . . . . . . . . 173 .2. . . . 175 . . .2. . . . . . . . .

. .2 La transform´e de Fourier . .3. . . . . IX. . . . . . .2 Valeurs propres et valeurs singuli`res . . .3. . . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . . . . . . . . . . . . . . . . . . A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . . . .3 ecifications de performance .8 ecifications de performance en sensibilit´s mixtes . . . Sp´ e VIII. . . . . . .1 R´glage du gain . . . . . . . . . . . . . . . . . . . . . . . . . . . 269 e Rappels sur les fonctions d´finies positives . . . . . . . IX. . .2 A. . . . . e a IX. . . . . . . . . . . . . . . R´ VIII. .1 egles d’association dans les sch´mas-blocs . .2. . . . .7 Modelage des fonctions de sensibilit´ . . . . . . . . .2 Les fonctions de sensibilit´s en entr´e et en sortie . . . . . . . . . . . . .1. . . . . . . . . . . e A. . . . . . . . . . . . . . e e VIII. . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . e IX. . . . . . . . . . . B. . . . . . . . .1 . . . . . . . . . . . . . . . . . . . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . e e IX. . . . . . . e e e IX. . . . . . . . . . norme et rang . . . . . . . . . . . . .1 C. . . . .280 ` TABLE DES MATIERES . . .2. . . .4 Suivi de r´f´rence r : pr´cision . . ee e . . . . . e B. . . . . . .3. 220 220 221 222 228 232 233 233 233 234 239 239 241 241 242 249 249 250 252 252 253 253 253 256 259 259 259 261 261 261 263 264 266 266 267 VIII. . . . . . e e A. . . .4. . . . . . .1. . . . . . . . . . . . . . . . .1 Fonctions li´es ` l’utilisation du lieu des recines . . . . . . . .1 D´finition . . . . .6 Notion de modelage de boucle : loopshaping . . . . . . . . . . . . . . Construction du lieu d’Evans . . . . . . . . . . . . . . . . . e B.2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . . .3 eduction du bruit de mesure w . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e VIII. . . VIII. . . . . . .3. . . . . . . . . . . .2. . .2. ee e VIII. .2 Propri´t´s de la transform´e de Fourier . . . . . . . . . . . . .2 R`gles g´n´rales de construction . . . . . . . . . . . .2 Syst`mes ` stabilit´ conditionnelle . . . . .3. . . . . . . . . . . . . . . . . . . . . .1 Produit scalaire. . . . . . . . . . e a e IX. .1 IX. . . . . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. .2.2 Utilisation de la transform´e de Laplace e C.2. . .2. . . . . . . . . . .1 M´thode de triangularisation . . . e A. . .2 Repr´sentation fr´quentielle des signaux continus . . . . . . . . . . . . .3 Analyse des syst`mes boucl´s par le lieu d’Evans . . . .5 Comportement aux fr´quences interm´diaires .1 Conditions des angles et des amplitudes .2. . . . . . . . IX.4 Fonctions MATLAB . .2. . e e VIII. . . . . . . . . . . . B B. . . . .1. . . . . e e ee B. . .2. . . . . . .3 Matrices sym´triques . . R` e VIII. . . . . 272 e 273 R´f´rences bibliographiques ee . . . . . . . . . . . . . . e A. . . . . . . . . . . . . e B. .2 Calcul de la matrice de transition d’´tat eAt . . . . . . . .1. . . . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. . . . .2.2. . . . . . . . . . . e B. . . .

Sign up to vote on this title
UsefulNot useful