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

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

Le principe de la chasse d’eau est fond´ sur e e e e e le mˆme principe.2.300 avant J.. [8] [42]. [6]. . le principe de la commande tout ou rien est pour la e premi`re fois utilis´. 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. Philon de Byzance (.).).. [3].C. [10].800 . [27].2 – Clepsydre d’H´ron [22] e . Durant cette p´riode.I. 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.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. distributeurs automatiques de liquides.. 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.. ` Fig. clepsydres. 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 . [32]. r´gulateurs de e a e flammes. distributeurs automatiques de vin. Al-Jazari en particulier dans son livre ”The book of knowledge e e of ingenious mechanical devices” connu sous le titre abr´g´ ”Automata” propose e e de nombreux m´canismes automatiques (pompes ` eau. [5].250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe. : 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.1200 : diff´rents ing´nieurs Arabes (Al-Jazari. 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.1 – Clepsydre de Ktesibios [28] Fig. [4]. I. I. BREF ALBUM CHRONOLOGIQUE 7 I. [7].

oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig. alchimiste hollandais du XV II eme si`cle est le premier ` inventer le thermostat en 1624 qu’il souhaite utiliser e a dans les fours pour la transmutation du plomb en or. fours. En effet. I. l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s. Henrye e e ` 1771.1900 : 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.3 – Illustration extraite du livre : ”Automata” (1315) [1] . e ` l’Athenor. I. 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. Becher-1680. Bonnemain-1777) : Cornelius Drebbel. e e Henry propose de l’utiliser pour les fours chimiques en 1771. R´aumur-1754. e a e . Entre temps.4 – Sch´ma de l’incubateur Athenor e .R´gulation de temp´rature (Drebbel-1624.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. 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 1777.1600 . les e e r´gulateurs de temp´rature sont ´tudi´s successivement par Becher en 1680. e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W.

Polzunove 1765. En Sib´rie. En particulier. I. invention pour laquelle il est anobli par la reine Victoria.R´gulation de niveaux (Salmon-1746. e ` ` e les fr`res Perier mettent au point la premi`re boucle de r´gulation avec action e e e proportionnelle et int´grale. A la fin de ce si`cle.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin.R´gulation des moulins a vent : le flux de grain dans un moulin est r´gul´ e ` e e suivant la vitesse de rotation de la meule en 1588 (par le mill-hoper). a . En 1745.6 – Principe de la machine ` vapeur de Polzunov [35] a . BREF ALBUM CHRONOLOGIQUE 9 . Fig. 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. la chasse d’eau est mise au point par le londonien Crapper en 1775. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur.2. 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. (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. Wood-1784). Brindley-1758. Crapper 1775. I.I.

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

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

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

I.C.B. 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. Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N. les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A.W.13 – Syst`me de RADAR SRC-584 [40] e En parall`le. a e . Nichols. (Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H. BREF ALBUM CHRONOLOGIQUE Nyquist Diagram 5 13 4 3 2 1 Imaginary Axis 0 −1 −2 −3 −4 −5 −7 −6 −5 −4 −3 Real Axis −2 −1 0 1 Fig.I.12 – Lieu de Nyquist . e Fig. I.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).2. .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. 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.

Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu. I. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. Wiener et J.D´veloppement de la th´orie de l’information (Shannon-1948) et de la cye e bern´tique (Wiener-1949) : la th´orie math´matique de la communication naˆ e e e ıt entre 1939 et 1948 sous l’impulsion de C.7 deg (at 1. I.43 rad/sec) .5 dB 20 1 dB −1 dB 10 3 dB 6 dB −3 dB −6 dB Open−Loop Gain (dB) −40 −60 −80 −100 180 0 −10 −12 dB −20 −20 dB 90 −30 Phase (deg) 0 −40 −90 −40 dB −180 −50 −270 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 −60 −360 −60 dB −315 −270 −225 −180 −135 −90 −45 0 Open−Loop Phase (deg) Fig.D´veloppement de l’analyse stochastique (Kolmogorov-1941).14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61. Pm = −44.14 – Lieu de Bode Fig.25 dB 0. N.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT.3 dB (at 1. . Fig. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu. Shannon qui publie en 1948 ”The mathematical theory of communication”. N. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”. . (Wiener et Bigelowe 1942) : A.15 – Abaque de Black-Nichols .9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0. I.N.

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

(Yakubovich-1962). V. Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton.2 0. . au crit`re du cercle et de la passivit´.1 0 0.20 – Application du crit`re du cercle e .4 −0.5 0. (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats. R.Th´orie de la commande non lin´aire (Hamel-1949).M. Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e.A. e e R. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial. Tsypkin ` d´velopper une th´orie tema e e porelle pour le premier et fr´quentielle pour le second pour l’identification et e l’analyse des cycles limites dans les asservissements ` relais.1 Imag Axis 0 −0. 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.4 −0. Popov proa pose le crit`re de stabilit´ (dit de Popov) pour l’´tude du probl`me de stabilit´ e e e e e absolue propos´ initialement par Lur’e et Postnikov en 1944.1 −0.2 0. (Pontryagin-1958).3 0.1 Real Axis 0.2 −0.Th´orie de la commande optimale et th´orie de l’estimation. 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. (Tsypkin-1955). Il montre d’autre part e e .2 −0.16 INTRODUCTION A LA THEORIE DE LA COMMANDE .3 −0. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B. (Desoer-1965). Ces e probl`mes de stabilit´ absolue sont abord´s ` travers la th´orie de la stabilit´ e e e a e e de Lyapunov alors que les probl`mes de stabilit´ entr´e-sortie sont essentiele e e lement ´tudi´s par Sandberg et Zames donnant naissance aux th´or`mes du e e e e faible gain.4 0. (Narendra-1964).3 0. L. I.S. De son cˆt´.3 −0. e e q=5 − mu=1 − a=1 0. Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat.1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale.5 −0. (Popove e 1961).5 −0. Hamel en France et J. (Sandberg-1964). introduction du e e formalisme d’´tat (Bellman-1957).4 0.5 Fig.

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

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

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

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.repr´sentation math´matique des int´ractions entre les ´l´ments ` travers la repr´sentation e e e ee a e math´matique des int´ractions entre les variables. La mod´lisation d´pend ainsi de la nature physique e e e du syst`me mais aussi des hypoth`ses simplificatrices qu’il est possible de faire.26 – Nature math´matique des syst`mes e e Ce cours a donc pour but l’´tude des syst`mes d´crits par des ´quations diff´rentielles e e e e e ordinaires d´terministes lin´aires ` coefficients constants. e e Classification des syst`mes e Jusqu’ici.26 donne un aper¸u sommaire d’une classie a e e c fication des mod`les math´matiques associ´s ` diff´rents types de syst`mes. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig. Ces ´quations peuvent ˆtre ordinaires e e e e dans le cas de syst`mes ` param`tres localis´s dans l’espace ou a d´riv´es partielles pour e a e e ` e e les syst`mes ` param`tres r´partis. 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. Cela signifie qu’en th´orie des syst`mes.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. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours. e e a . . I.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. La figure I. En gras. Traitant e e uniquement dans ce cours des syst`mes dynamiques. leur comportement sera d´crit par e e des ´quations diff´rentielles dans le cas de mod`les en temps continu ou par des ´quations e e e e r´currentes dans le cas de mod`les en temps discret. e e . 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.

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

l’industrie chimique. e Commande en boucle ouverte En l’absence d’entr´es perturbatrices et en supposant que le mod`le math´matique e e e du syst`me est parfait. si le syst`me ` commander n’est pas parfaitement connu ou si des perture a bations l’affectent.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. 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. I.3. il est toujours possible de classer les e a diff´rentes structures de commande en deux grandes familles. e e Ainsi. e Les signaux d’entr´e e(t) ne sont pas influenc´s par la connaissance des signaux de sortie e e s(t). Empruntant ses outils et ses bases th´oriques e e e aux math´matiques. il est imaginable de g´n´rer un signal de commande produisant le e e e signal de sortie souhait´. un lien doit ˆtre cr´´ e e ee entre la r´alit´ et la th´orie math´matique. e(t) Loi de commande c(t) Actionneur Système s(t) Entrée de consigne Signal de commande Sortie réelle Fig. On parle alors de a e . les signaux de sortie ne seront pas ceux souhait´s. Le processus de d´veloppement d’un mod`le e e e e e e math´matique constitue ce lien.. le g´nie ´lectrique. e e Toutefois. 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 ee e e e Quelle que soit la nature du syst`me ` commander. Le mod`le ne doit pas ˆtre trop simpliste au risque de ne e e e pas repr´senter la r´alit´ mais doit ˆtre suffisamment simple pour ne pas rendre inutilement e e e e complexes les ´tapes d’analyse des propri´t´s du syst`me et de synth`se des r´gulateurs. 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. le spatial.1 (machine ` laver) a L’exemple typique de ce type de structure est constitu´ par la machine a laver fonce ` tionnant sur la base de cycles pr´-programm´s ne poss´dant pas d’informations mesur´es e e e e concernant le degr´ de propret´ du linge. Exemple I.22 INTRODUCTION A LA THEORIE DE LA COMMANDE oeuvre sur des syst`mes technologiques r´els.. e e l’automobile. afin de mettre en pratique la th´orie de la commande. Cela constitue le principe de la commande en boucle ouverte. 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).

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

. A partir de l’information de position restitu´e par un capteur au correcteur. e e I. e . 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 Exemples de syst`mes de commande modernes e Quelques exemples remarquables de syst`mes de commande modernes sont d´velopp´s e e e afin d’illustrer de mani`re concr`te les diff´rentes notions introduites pr´c´demment telles e e e e e que r´gulation. I..29.29 – R´gulation de temp´rature e e I. Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I. contre-r´action. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture..4.2 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.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. etc. incubateur. La temp´rature T d’un processus donn´ o e ea e e est r´gul´e dans un four a l’aide d’une r´sistance R.). Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig. 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. 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.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I.4.

Il doit donc ˆtre isol´ des vibrations et des bruits e e e ´lectriques du corps du satellite.pointer dans la bonne direction les antennes.´viter les d´gats solaires ou atmosph´riques sur des composants sensibles e e e .30 – Disque dur . de commander son orientation e (son attitude) dans l’espace.contrˆler la dissipation de chaleur o .31 – Contrˆle d’attitude IRIS [24] o Des objectifs de commande en termes de vitesses de rotation du satellite sur luimˆme et/ou en termes d’attitude peuvent ainsi ˆtre d´finis. connaissant le mod`le dynamique du satellite.4.3 Contrˆle d’attitude d’un satellite o Il s’agit. panneaux solaires ou des instruments de mesure . I. Les objectifs peuvent ˆtre : e . I. Un autre type de sp´cification e e e e .orienter les moteurs pour les manoeuvres orbitales Un exemple classique est celui du satellite ayant pour charge un ´quipement sciene tifique de mesure n´cessitant un pointage pr´cis sur un objectif donn´ et ceci dans un e e e environnement pour le moins perturb´.EXEMPLES DE SYSTEMES DE COMMANDE 25 Fig. e Fig.courtesy IBM I.

Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR. e e e .26 INTRODUCTION A LA THEORIE DE LA COMMANDE consiste ` imposer au satellite un mouvement de spin de vitesse fix´e autour d’un axe a e inertiel donn´. e .32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res. la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment. Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me.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. 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. e I.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. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I.4 Commande longitudinale d’un avion civil La plupart des avions sont bien approxim´s comme des corps rigides sur lesquels e agissent des forces propulsives. Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices. e −Z M T −X θ ε xA zA mg δe Fig. Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis. gravitationnelles et a´rodynamiques. 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.4.32 – Param`tres longitudinaux e . les ee e ´quations du mouvement peuvent ˆtre simplifi´es et d´coupl´es en ´quations du moue e e e e e vement longitudinal et ´quations du mouvement lat´ral. I. 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. .

D´finir le syst`me ` ´tudier et ses composants ´l´mentaires e e ae ee 2. En Automatique. e e e e a La d´marche globale peut ainsi se r´sumer de la mani`re suivante.Ecrire les lois physiques r´gissant le comportement du syst`me et les ´quations e e e diff´rentielles et alg´briques associ´es e e e 4.Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II. e e e 1. ` coefe e e e e e a ficients constants ou variant dans le temps) qui forment l’expression math´matique du e comportement id´al du syst`me.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 . Quelle que soit la nature physique du syst`me ` ´tudier. 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. non lin´aires. le mod`le math´matique d’un syst`me e e e e dynamique est d´fini comme un ensemble d’´quations qui repr´sentent le comportement e e e dynamique du syst`me avec la pr´cision souhait´e. L’ultime phase consiste alors a mettre e e e e ` en oeuvre des m´thodes d’analyse permettant le passage de ces mod`les math´matiques e e e vers des mod`les particuli`rement d´di´s ` l’Automatique. Un certain nombre d’hypoth`ses de travail sont ainsi e e e formul´es d´finissant la classe des mod`les utilis´s. Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires. Le mod`le 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.

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

1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1. il produit ´galement des travaux en optique (Ad Vitellionem paralipomena. .2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. z). ` 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. 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. y. 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. En dehors de ses travaux d’astronome proprement a dit. 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. jI .´ II. EXEMPLES CARACTERISTIQUES 29 II. 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. quie bus astronomiae pars optica traditur en 1604. Ses conceptions peu orthodoxes en mati`re e e de religion lui font abandonner son projet d’ordination pour une position d’enseignant en math´matiques ` Graz.2 Exemples caract´ristiques e Dans cette section. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). Kepler) Johannes Kepler est n´ le 27 D´cembre 1571 a Weil der Stadt en Souabie d’un p`re e e ` e mercenaire de guerre et de m`re fille d’un tenancier d’auberge.2. kI ). 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. 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. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s. 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. Ils seront repris de mani`re r´currente dans e e e e e la suite de ce document afin d’illustrer au mieux les notions d’Automatique d´velopp´es. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . Il est mort le 15 Novembre 1630 a Regensburg. 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. e e II. e ` e e Biographie 1 (J.3. Il est d’ailleurs excome a muni´ en 1612.

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

uz ) forment le vecteur moment de commande. La matrice de rotation peut alors ˆtre engendr´e par trois rotations e e ´l´mentaires d´finies par les matrices Tψ . Deux syst`mes de coordonn´es avec une e ee e e origine commune sont li´s par ces trois angles en suivant une s´quence de trois rotations e e (cf. e 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. (Tx . Ty . On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel.6) . l’angle de pr´cession θ.7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (II.2.2). Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes. uy . l’angle de nutation et φ l’angle e e de rotation propre. Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite.5) ` Hypotheses II.EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler). 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.1 Les axes sont les axes principaux d’inertie : Hx = Ixx ωx Hy = Iyy ωy Hz = Izz ωzz Dans ce cas les ´quations de la dynamique du satellite sont : e Ixx ωx = (Iyy − Izz )ωy ωz + ux + Tx ˙ Iyy ωy = (Izz − Ixx )ωx ωz + uy + Ty ˙ Izz ωz = (Ixx − Iyy )ωx ωy + uz + Tz ˙ o` (ux . Tθ ee e     cos ψ − sin ψ 0 cos θ 0 sin θ 0 1 0  Tψ =  sin ψ cos ψ 0  Tθ =  0 0 1 − sin θ 0 cos θ (II. figure II. Les angles d’Euler sont not´s ψ. Tφ .

2 – Angles d’Euler En utilisant les angles d’Euler. II.9).8) . e e e e e −π ≤ ψ ≤ π −π ≤ θ ≤ π 2 2 −π ≤ φ ≤ π (II. la mod´lisation cin´matique du mouvement d’oriene e tation dans le rep`re co¨ e ıncidant avec les axes principaux du satellite est alors r´sum´e e e par : ˙ ˙ ωx = −ψ sin θ + φ ˙ ˙ ωy = ψ cos θ sin φ + θ cos φ ˙ ˙ ωz = ψ cos θ cos φ − θ sin φ Il est ` noter que la param´trisation par les angles d’Euler n’est pas globale puisqu’ils a e doivent v´rifier les conditions (II. D’autres repr´sentations fond´es sur l’utilisation des e e e quaternions et de l’alg`bre associ´e peuvent ´galement ˆtre utilis´es.32 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES z φ y θ ψ Ligne des noeuds x Fig.9) (II.

Pour x > 0. Quand la soupape e e e pilote est en position x = 0. π. for¸ant le piston vers e e e c la droite alors que pour x < 0. Citons entre autres. Il est successivement math´maticien e e e ` l’acad´mie des sciences de Saint Petersbourg. Ses contributions aux diff´rents champs des e math´matiques sont innombrables. e o e Exemple : servo hydraulique 1 Un exemple de servom´canisme hydraulique est pr´sent´ figure II. largement utilis´s afin de mouvoir les surfaces de contrˆle a´rodynamiques. Il est mort le 18 Septembre 1783 a Saint Petersbourg d’une attaque. a w1 = 1 (ps − p1 )1/2 x R1 (II. Institutiones calculi differentialis en 1755 et Institutiones calculi integralis en 1770) l’invention du calcul des variations (Methodus inveniendi lineas curvas en 1740). l’huile suit le trajet inverse entrainant le piston vers la gauche. la standardisae tion des notations math´matiques (f (x). Euler) Leonhard Euler est n´ le 15 Avril 1707 a Basel en Suisse d’un p`re pasteur calviniste.2.EXEMPLES CARACTERISTIQUES 33 Biographie 2 (L. son travail sur e e la th´orie des nombres (´tude de nombreuses conjectures de Fermat. la preuve que e e est irrationnel. i et Σ).Il e ` e est diplˆm´ de l’universit´ de Basel en 1724 en th´ologie et h´breux. preuve du dernier e e th´or`me de Fermat pour n = 3). son travail sur les s´ries infinies (probl`me de Basel. constante d’Euler. ` II. e. les passages d’huile sont ferm´s et aucun mouvement n’en e r´sulte.10) 1 (p2 − pe )1/2 x w2 = R2 . On suppose que le d´bit ` travers l’orifice de la soupape pilote est proportionnel e a ` x. la fondation de l’analyse math´matique (Introductio in analysin infinie torum en 1748.2 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.3. il contribue ´galement e e e e en m´canique (Mechanica en 1736 et Theoria motus corporum solidorum en 1765) e et en hydrostatique. Outre les travaux math´matiques. o e e e e Son professeur de math´matiques Johann Bernoulli convaint son e p`re de son avenir de math´maticien. Ils sont en particulier. e e formule d’Euler-MacLaurin). la r´solution du probl`me aux trois corps. de Berlin puis de noua e veau de Saint Petersbourg. l’huile suit le trajet repr´sent´ sur la figure.

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

on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II. x20 . Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement. e e La proc´dure de lin´arisation est essentiellement fond´e sur les d´veloppements en e e e e s´ries de Taylor autour d’un point de fonctionnement dont les termes d’ordre sup´rieur e e ` un sont n´glig´s. e e e e e .3. e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 . ˙ ¨ e e p1 = p2 = ps + pe 2 (II.17) En supposant que sin θ ∼ θ pour θ petit. · · · . APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II.15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . e e .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 .3 Approximation lin´aire des syst`mes physiques e e Le mod`le math´matique des syst`mes physiques pr´sent´s dans la section pr´c´dente e e e e e e e expriment des lois non lin´aires en les variables pertinentes.Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire.18) (II. xn0 ) est e e donn´ par : e y = g(x10 . · · · . e e e a e .´ ` II.Si y = a et F = 0. √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x. Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le. 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. x20 . xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II. ` e Il est donc tr`s important de pouvoir disposer de mod`les math´matiques lin´aires suffie e e e samment repr´sentatifs du syst`me physique r´el afin d’y appliquer les nombreux outils e e e d’analyse existant et fournissant des informations essentielles sur le syst`me non lin´aire.19) qui est une ´quation d’´tat du mˆme type que pr´c´demment. xn ) (II. · · · . x2 .

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´.36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible.21) . La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 . 0.23) (II.8). on obtient les ´quations cin´matiques e e e lin´aris´es : e e ˙ ψ = ωz ˙ θ = ωy − Ωφ ˙ φ = ωx + Ωθ Ces deux jeux d’´quations peuvent alors ˆtre combin´s afin d’obtenir : e e e ¨ ˙ ˙ Ixx (φ − Ωθ) = (Iyy − Izz )Ω(θ + Ωφ) + ux + Tx ¨ ˙ ˙ Iyy (θ + Ωφ) = (Izz − Ixx )Ω(φ − Ωθ) + uy + Ty ¨ Izz ψ = uz + Tz (II. ωy0 .24) (II. 0. φ0 ) = (Ωt. Il est alors possible de supposer que ωx . on obtient : e e sin φ cos φ ˙ + ωz ψ = ωy cos θ cos θ ˙ θ = ωy cos φ − ωz sin φ ˙ φ = ωx + ωy tan θ sin φ + ωz tan θ cos φ En consid´rant que ψ − Ωt. ωy . θ et φ sont petits. Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant.22) (II. On peut en d´duire les ´quations dynamiques lin´aris´es au premier ordre : ˙ Ixx ωx = (Iyy − Izz )Ωωy + ux + Tx Iyy ωy = (Izz − Ixx )Ωωx + uy + Ty ˙ Izz ωz = uz + Tz ˙ En inversant les ´quations cin´matiques (II. ` e e e e ωz − Ω sont faibles. 0) (II. les approximations pr´c´dentes restent valides. ωz0 ) = (0.20) (ωx0 . θ0 .

Etant donn´ l’´tat d’un syst`me ` un instant donn´. de Newton et de Laplace.` ´ ´ II. La repr´sentation d’´tat. Polaris) aux d´buts e e e des ann´es 60.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´.4.1 (formulation Hamiltonnienne de la loi de Newton) Selon la loi de Newton. 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 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). Kalman et par les e ee e e ing´nieurs travaillant sur les premi`res applications spatiales (Apollo. 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. il soumet son premier article e e e ` la Royal Irish Academy en 1824. 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.4 II. e Poincar´).LA REPRESENTATION D’ETAT 37 II.4.1 Le mod`le interne . LE MODELE INTERNE . e Exemple II. le Grec et l’H´breu.R. Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans. Le e e e e e e concept d’´tat a ´t´ introduit de mani`re syst´matique par 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) ˙ . Il publie ` a en 1832 son troisi`me suppl´ment ` son livre Theory of Systems e e a of Rays. e Biographie 3 (Sir W. il sait le Latin. Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton. A 5 ans. Il publie On General Method in Dynamics en 1834 et est anobli en 1835.E.4. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal. 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. Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie. il publie Lectures on Quaternions en 1853 puis Elements of Quaternions dont le dernier chapˆtre reste inachev´. la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du syst`me. Apr`s ˆtre entr´ au Trinity College.

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

LE MODELE INTERNE .2 (oscillateur de Van der Pol) En consid´rant le circuit ´lectrique suivant : e e L C Résistance négative Fig. les trajectoires d’´tat peuvent ˆtre repr´sent´es e e e e v(t) ˙ dans l’espace d’´tat a deux dimensions appel´ ici plan de phase.4. II.25) v(t) .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 ` 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.

t) ´quation dynamique ˙ e (II.7). u(t). t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.4.27) .4. II. e ´ Definition II. u(t) ∈ Rm est le vecteur de commande. En ´crivant les lois de Kirchoff (noeuds e e et mailles).40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2.5 dx/dt 0 −0.5 2 1.5 −1 −1.1 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. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II.26) y(t) = h(x(t).6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II.4. u(t).5 1 0.2 (Repr´sentation d’´tat) e e Tout syst`me dynamique Σ peut ˆtre repr´sent´ par ses ´quations d’´tat d´finies comme e e e e e e e un ensemble d’´quations diff´rentielles du premier ordre appel´es ´quations dynamiques e e e e et un ensemble d’´quations alg´briques appel´es ´quations de sortie ou de mesure : e e e e x(t) = f (x(t). e e e e e Exemple II. Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me. y(t) ∈ Rr est u le vecteur de sortie.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x. continue par rapport a u et continue par morceaux par rapport a t.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig.5 −2 −2.

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

t) ˙ (II. En effet. u0 (t).42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II. . 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.34) .26).32) y(t) = C(t)x(t) + D(t)u(t) o`: u . e ´ Definition II.A(t) ∈ Rn×n est la matrice dynamique.B(t) ∈ Rn×m est la matrice de commande ou d’entr´e. u(t). t) ˙ (II.33) On d´finit une trajectoire d’´tat nominale x0 (t) ainsi qu’un vecteur de commande e e e nominal u0 (t) v´rifiant : x0 (t) = f (x0 (t). le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´.2 La repr´sentation d’´tat n’est pas unique. e . 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´. Si les matrices A. Cela signifie que pour un mˆme syst`me phye e e e sique. C.4. B. Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t). e 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.3 Repr´sentation d’´tat lin´aire . cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique.4. Une pratique tr`s courante consiste a lin´ariser le mod`le d’´tat non lin´aire e ` e e e e localement autour d’un point de fonctionnement nominal afin de disposer d’un mod`le e lin´aire localement valide sous les hypoth`ses de faibles d´viations autour du point de e e e fonctionnement.D(t) ∈ Rr×m est la matrice de transmission directe. .3 (Repr´sentation d’´tat lin´aire) e e e Si Σ v´rifie l’hypoth`se de lin´arit´ alors sa repr´sentation d’´tat est donn´e par : e e e e e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II. le syst`me est Lin´aire Temps-Invariant e e (LTI).4. D sont constantes.C(t) ∈ Rr×n est la matrice de mesure ou de sortie.

u0 (t). u0 (t). θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0.5 (´quation d’un pendule non contrˆl´) e oe ˙ .LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales. t) + Jx (x0 (t). t)˜(t) + Ju (x0 (t). Cela e e e signifie que pour tout t0 ≤ t ≤ tf . t)˜(t) + h(t) ˙ o` Jx (Ju ) est la matrice Jacobienne de la fonction f par rapport au vecteur x (u) : u Jx = ∂fi ∂xj 1≤i≤n 1≤j≤n Ju = ∂fi ∂uj 1≤i≤n 1≤j≤m En n´gligeant le terme h(t). u0 (t). 0).35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. u0 (t). u0 (t). x(t)) ne diff`rent de (u0 (t). t) x(t) + Ju (x0 (t). la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0. les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ. t) u(t) ˜ A(t) B(t) (II.5 θ l 11 00 11 00 11 00 11 00 m .LE MODELE INTERNE . 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. on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (t). on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). Pour k/m = 1/2 g/l = 1. 0). x0 (t)) que tr`s faiblement.4. (u (t). (π.

44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II. t0 )x0 ∀t ≥ t0 (II.38) Dans le cas g´n´ral o` le mod`le est temps-variant.4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e).4. e e e l’´quation diff´rentielle du deuxi`me ordre constituant l’´quation lin´aris´e du mouvement e e e e e e de l’attitude du satellite autour d’un axe peut s’´crire sous forme d’une repr´sentation e e d’´tat : e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (II.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t. e e e ´ Definition II. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie. on obtient la e repr´sentation d’´tat lin´aris´e pour des perturbations nulles : e e e e     0 0 0 1 0 0 0 0 0  0  0 0 0 1 0  0  0 0      0   0 0 0 0 0 1  0 0   2  u(t)  x(t) =  ˙ x(t) +  Ω Ix 0 0 0 Ω(Ix + 1) 0  1/Ixx 0 0       0  0 0 0  0  −Ω2 Iy 0 Ω(Iy − 1) 1/Iyy 0 0 0 0 0 0 0 0 1/Izz (II.5 Exemple : satellite 3 En reprenant les ´quations lin´aris´es du satellite en spin ` vitesse constante autour de e e e a ˙ ˙ ˙ l’axe z et en choisissant les variables d’´tat x = φ θ ψ φ θ ψ . nous nous int´ressons plus particuli`rement ` la solution de l’´quation e e a e diff´rentielle d’´tat (l’´quation dynamique) : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.5 A2 = 0 1 1 −0. il est n´cessaire de d´finir la matrice e e u e e e de transition d’´tat qui intervient dans la solution de l’´quation d’´tat. on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy .40) .

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.5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. τ )B(τ )u(τ )dτ + D(t)u(t) (II. t0 ) Φ(t0 .45) Dans la suite. 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. elle est donn´e par l’´quation e e e e e e e (II.1 . e ´ Definition II.Φ(t.LE MODELE INTERNE . (LTI). τ )B(τ )u(τ )dτ (II. e ´ ` Theoreme II.1 (r´ponse compl`te) e e La solution de l’´quation dynamique d’´tat : e e x(t) = A(t)x(t) + B(t)u(t) ˙ est donn´e par : e t x(t0 ) = x0 (II. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t0 ) = Φ(t2 .Φ−1 (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. De mˆme.LA REPRESENTATION D’ETAT o` Φ(t. t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes.40). t0 ) = A(t)Φ(t. t0 ) = Φ(t0 . seuls les syst`mes lin´aires temps-invariants. Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t1 )Φ(t1 . ´ Definition II. t0 )x0 + C(t) t0 Φ(t.4. la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique.Φ(t2 . t0 )x0 + et la sortie s’´crit alors : e Φ(t.42) A partir de la donn´e de la matrice de transition.4.4. t) ∀ t. t0 ) .43) x(t) = Φ(t.44) t y(t) = C(t)Φ(t.41) Dans le cas g´n´ral d’un syst`me temps-variant. t0 ) est inversible pour tout t et tout t0 . τ )B(τ )u(τ )dτ t0 (II. Pour les e e e e syst`mes LTI. seront ´tudi´s e e e e .4. e ee ´ ´ Proprietes II. solution de l’´quation diff´rentielle : u e e ˙ Φ(t. t0 ) est la matrice de transition. e e e e e elle est donn´e par : e t x(t) = t0 Φ(t. t0 ∀ t ≥ t0 45 (II.

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

e x(t) = Ax(t) + Bu(t) ˙ (II. ´ ` Theoreme II. t0 ) = eA(t−t0 ) o` : u eAt = 1 + At + A2 t2 An tn + ··· + + ··· 2! n! (II.47) Sa r´ponse libre est donc donn´e par : e e y(t) = CeA(t−t0 ) x0 Le mod`le LTI.50) eA(t−τ ) Bu(τ )dτ + Du(t) (II.4.48) (II.51) y(t) = Cx(t) + Du(t) a pour r´ponse compl`te : e e y(t) = CeA(t−t0 ) x0 + C Exemple : satellite 4 La sortie ψ(t) a donc pour expression.49) (II. ψ(t) = x1 (t) = x10 + (t − t0 )x20 + puisque eAt = 1 t 0 1 1 Izz t 0 t t0 (II.53) .2 Le mod`le LTI homog`ne (non command´) de condition initiale x(t0 ) = x0 .52) (t − τ )uz (τ )dτ (II. la matrice de transition d’´tat peut ˆtre donn´e de mani`re e e e e e explicite. e e e x(t) = Ax(t) ˙ y(t) = Cx(t) a pour matrice de transition : Φ(t.LA REPRESENTATION D’ETAT La matrice de transition d’´tat e 47 Pour les mod`les LTI.LE MODELE INTERNE .

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

e e .58) (II. u u1 u2 .54). . um y1 y2 .5.8 – 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. Y(p) = G(p)U(p) La notation matricielle peut ˆtre explicit´e ´l´ment par ´l´ment : e e ee ee Yi (p) = gij (p)Uj (p) ` On obtient ainsi pour la ieme sortie : m (II. .La 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. En r´solvant les ´quations (II. U (p) = L[u(t)] et Y (p) = L[y(t)].55) o` X(p) = L[x(t)].1 . il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II.Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique.5. il est possible de l’appliquer aux e e e ´quations (II.La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles.1 (Matrice de transfert) e e a La matrice G(p) ∈ Cr×m est appel´e matrice de transfert liant l’entr´e U (p) ` la sortie Y (p). x0 = 0. .57) ´ Definition II.LES MODELES EXTERNES o` x ∈ Rn . yr 49 Système linéaire multivariable Fig. . e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II.60) Remarques II. on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II. .59) Yi (p) = j=1 gij (p)Uj (p) (II. II. u ∈ Rm et y ∈ Rr .56) Pour des conditions initiales nulles. e e e .55) u e e par rapport a Y (p).

TH ) et les temp´ratures d’entr´e comme les commandes. d´bit fC ).5.1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II. x2 ) = (TC .C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me.21 0.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur. β = 0. e Exemple II. Pour chaque ´tage.62) y(t) = x(t) Pour les valeurs num´riques f = 0.2 m3 /min et VH = VC = 1 m3 . En supposant les flux constants fH = fC = f . 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. d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi . de la capacit´ u e e e calorifique des fluides...63) . II.21 x(t) + 0.9. e on obtient : x(t) = ˙ −0. les variables d’´tat e e (x1 .01 0 0 0.50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi .01 m3 /min. e e e e e e e e e e temp´rature TC .2 −0. temp´rature TH .61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II.01 x(t) (II.2 0.

01.0021 --------------------s^2 + 0....0.0041 0.21]}.01 0 0 0.LES MODELES EXTERNES En appliquant la formule (II.42 s + 0.2 0.65) I1 ωy = (I3 − I1 )Ωωx + uy ˙ En posant a = (1 − I3 /I1 )Ω et en supposant que les vitesses de rotation sont mesur´es e indirectement par l’´quation : e y1 y2 = 1 a −a 1 ωx ωy (II.01 s + 0.0041 0.01*0. {den den. e e >> den=conv([1 0.64) 0.002 #1: --------------------s^2 + 0.21 0.21 −1 51 0.01*0.21 −0.2 [0.0021 #1: --------------------s^2 + 0.41) p + 0.01].0041 #2: Exemple : satellite 5 On reprend les ´quations d’Euler du satellite en spin constant autour de l’axe en supposant e cette fois que Ixx = Iyy = I1 et Izz = I2 et ne retenant que le mouvement autour des axes x et y d´coupl´es comme on l’a vu du mouvement autour de l’axe z. la matrice de transfert est donn´e par : e G(p) = 1 p + 0..002 --------------------s^2 + 0..den den}) Transfer function from input 1 to output.01 0.[1 0.2 p + 0.41]).21] 0.01 0.42 s + 0..2 p + 0.0041 #2: Transfer function from input 2 to output.2 −0.42 s + 0. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.66) ..2*0. 0. 0.01 s + 0.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur. >> echangeur=tf({[0.01 = (p + 0.01)(p + 0.01 (II.57).01*0.42 s + 0.

.5.69) ´ Definition II. s .2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II..68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II.25 -------s^2 + 25 #2: II. 5 s + 5 #1: -------s^2 + 25 s .5.70) A chaque instant t. e e >> a=5.. {[1 0 25] [1 0 25]. e e e (II.. ` .2 La matrice de r´ponse impulsionnelle e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) x(t0 ) = x0 Soit le mod`le LTI strictement propre poss´dant m entr´es et r sorties.5 -------s^2 + 25 #2: Transfer function from input 2 to output. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t..52 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ωx ˙ ωy ˙ 0 a −a 0 u1 u2 On obtient donc la matrice d’entr´e : e G(p) = 1 2 + a2 p a(p + 1) p − a2 −a(p + 1) p − a2 (II. g(t) est une matrice de dimensions r × m..25 #1: -------s^2 + 25 -5 s .[1 0 25] [1 0 25]}) Transfer function from input 1 to output. >> satellite=tf({[1 -25] [5 5].[-5 -5] [1 -25]}.67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur.. L’´l´ment (i.

y1 1 . le mod`le prend la forme e e e d’un syst`me d’´quations diff´rentielles entr´es-sorties. 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. · · · . · · · . um .LES MODELES EXTERNES 53 Pour des conditions initiales nulles x0 = 0. up1 .71) De plus. · · · n . yr . · · · .73) fs (y1 . u pm ) m Du fait de la difficult´ ` les manipuler math´matiquement. la transform´e de Laplace permet de relier la matrice de r´ponse impulsione e nelle et la matrice de transfert. · · · . · · · n . · · · . · · · . 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. upm ) 1 m . .5. yr r ) = g1 (u1 . u m . yr .5.2 sorties) e e ˙ y ˙ y1 + 3y1 + 2¨1 = 4u1 + u2 + 2u3 y2 + y2 + 2¨2 = 4u1 + u2 + 2u3 ˙ y . e e e e n n f1 (y1 . . · · · 1 .2 (syst`me 3 entr´es . (II.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. 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. G(p) = L[g(t)] (II. up1 . Dans le cas g´n´ral. · · · . la r´ponse du syst`me ` une entr´e quele e a e conque u(t) est donn´e par : e ∞ y(t) = 0 g(τ )u(t − τ )dτ (II. yr r ) = gs (u1 . e e e e a Exemple II. · · · . · · · . y1 1 .3 Equations diff´rentielles entr´es-sorties e e Une autre forme pour le mod`le dynamique d’un syst`me consiste ` ´crire les ´quations e e ae e liant les variables d’entr´e et leurs d´riv´es aux variables de sortie et leurs d´riv´es ` e e e e e a l’exclusion de toutes les autres variables.

ee e la simplification de la repr´sentation permet de d´velopper des m´thodes graphiques et e e e alg´briques qui sont difficilement g´n´ralisables au cas matriciel. on obtient.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. e e a an y (n) (t) + · · · + a1 y (1) (t) + a0 y(t) = bm u(m) (t) + · · · + b1 u(1) (t) + b0 u(t) Si les conditions initiales sur le signal d’entr´e et de sortie sont nulles : e u(0) = u(0) = · · · = u(m−1) (0) = 0 ˙ (II.76) ´ Definition II. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II.5. e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II. II.75) y(0) = y(0) = · · · = y ˙ (n−1) (II.10).3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles.5. Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II. Par application e e du principe fondamental de la dynamique.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II. le rapport entre la transform´e de Laplace e e du signal de sortie et la transform´e de Laplace du signal d’entr´e d’un syst`me LTI est e e e la fonction de transfert de ce syst`me.78) k M s(t) f e(t) Fig. mono-sortie.77) Exemple II.10 – Syst`me masse-ressort-amortisseur e . l’´quation diff´rentielle d´crivant le comportee e e ment de la masse M soumise ` une force u(t) est donn´e par : a e M y (t) + f y(t) + Ky(t) = u(t) ¨ ˙ (II.4 Le cas particulier des syst`mes SISO e Le cas particulier des syst`mes poss´dant une seule entr´e et une seule sortie (SISO) e e e est tr`s important non seulement puisqu’il fˆt historiquement le premier a ˆtre trait´ de e u `e e mani`re intensive et extensive mais ´galement parce qu’il poss`de de nombreuses proe e e pri´t´s que l’on ne retrouve pas dans le cas MIMO.74). Dans le cas de mod`les externes. e e e La fonction de transfert Soit un syst`me LTI mono-entr´e. y(t). u(t).5.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie.

Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ. on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe. e e a e Si su (t) et s0 (t) sont respectivement les r´ponses du syst`me ` l’entr´e et aux conditions initiales. Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II.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. 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).80) Exemple II.79) En appliquant la transform´e de Laplace a cette ´quation et en choisissant la position e ` e de la masse y(t) comme sortie. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (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 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.82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II. Ainsi.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. vR (t).83) La fonction de transfert G(p) est appel´e double int´grateur. alors : s(t) = su (t) + s0 (t) (II.5.4 (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. on peut choisir le vecteur d’´tat e u e e x(t) = [y(t) y(t)] o` y(t) est la position de la masse. on obtient la fonction de transfert du syst`me comme le e rapport de Y (p) sur U (p) : Gm (p) = Y (p) 1 = 2 + fp + K U (p) Mp (II. .

e y(t) = g(t) ∗ u(t) .2 1. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II.1 La r´ponse d’un syst`me de fonction de transfert G(p) est donn´e par l’int´grale de convoe e e e lution suivante : t t y(t) = 0 g(τ )u(t − τ )dτ = 0 g(t − τ )u(τ )dτ (II.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.5. II.87) (II.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t). ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II.11 – Syst`me lin´aire e e ´ Definition II. e e ´ ` Theoreme II. ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme. e G(p) = L[g(t)] 2.5.88) ⇔ Y (p) = G(p)U (p) (II.86) .5.mod`le alg´brique G(p) e e .mod`le temporel g(t) e Exemple : satellite 8 La fonction de transfert liant la force de propulsion a la d´viation angulaire suivant l’axe ` e 1 .g(t) et G(p) contiennent la mˆme information.84) La r´ponse du syst`me ` une entr´e quelconque u(t) peut alors ˆtre calcul´e en utilisant e e a e e e le th´or`me de convolution.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle. e e e Remarques II.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p).

e e ´ Definition II.6. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO. e e 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. 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.ˆ ´ ` II.6. o e ´ Definition II. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II. ` l’inverse.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. Pour e e e e n = m. 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). la caract´risation par la fonction de transe a e fert est tr`s simple. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral.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). e A partir de la d´finition du polynˆme caract´ristique.6. Si le syst`me est causal alors n ≥ m.3 (pˆles) o Les racines du polynˆme caract´ristique sont appel´es les pˆles du syst`me et sont donc o e e o e les valeurs propres de la matrice dynamique.89).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.91) (II. POLES ET ZEROS D’UN MODELE LTI 57 II.6.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II. .1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (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. le syst`me est dit propre alors que pour n > m. il est dit strictement propre.6. e e II. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI.

1 1 0].0 1].6.58 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. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.[1 1] [1 1]}). >> C=[2 0 3. o e e Exemple II.1 1}.0 0 -2]. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .0 -1 0.0 1.{[1 1] [1 2].1 Soit le mod`le d’´tat LTI donn´ par e e e  −1  0 A= 0 C= les matrices syst`me : e    0 0 1 0 −1 0  B =  0 1  0 −2 0 1 2 0 3 1 1 0 La matrice de transfert de ce syst`me est donn´e par : e e   3 2   G(p) =  p + 1 p + 2  1 1 p+1 p+1 Le plus petit commun d´nominateur associ´ ` cette matrice de transfert est : e ea πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Script MATLAB 4 >> A=[-1 0 0.B=[1 0.

Ces syst`mes sont e e e e e e dits carr´s. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission. transfert) choisie. Nous ıtre e e a e e nous contenterons ici de r´sumer les principales caract´risations et nous nous placerons e e dans le cas o` les repr´sentations d’´tat et de transfert sont strictement ´quivalentes et u e e e o` le nombre d’entr´es est ´gal au nombre de sorties (syst`mes carr´s). 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.0000i -1.ˆ ´ ` II.0000 . e e e e ´ Definition II.89).90).0. e e e e e a On d´finit pour cela le polynˆme des z´ros.6. 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 Sous ces hypoth`ses. Sous les hypoth`se II. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II. de z´ros invariants et de z´ros d´couplants sont ´quivalentes.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.6.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II.94) (II.6.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r. u e e e e ` Hypotheses II. Elle est ´troitement li´e ` la repr´sentation (´tat.0000 + 0.93) .6.1.6.0000 -1. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.0000i >> Poles=pole(G) Poles = -1 -2 -1 II.

2 Reprenant l’exemple II.1.0000 Remarques II.6.6.0000 >> Zero=zero(G) Zero = 1.1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p). e .60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple 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. 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 = 1.6.0000 >> [Poles.

` II. La figure e e II. des outils graphiques de mod´lisation peuvent ˆtre utilis´s. II.7. Bien que ceci ne soit pas exclusif. e U(p) ou u(t) Fig. II. Afin de rendre claire et lisible la fonction de chaque composant d’un e ensemble complexe.d’arcs orient´s.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). e . e e e e ´ Definition II.1 Sch´ma fonctionnel e D´finition e Ce type de repr´sentation graphique est particuli`rement adapt´ ` la mod´lisation des e e ea e syst`mes LTI monovariables. Un sch´ma fonctionnel est compos´ : e e .de blocs fonctionnels.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. e e e e . U(p) K p+1 Y(p) u(t) y(t) F(p) = A(t) Fig. Chaque e e e type de repr´sentation graphique a son vocabulaire et ses r`gles de construction et de e e simplification.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. LES MODELES GRAPHIQUES 61 II. e II.12 – Arc orient´ du signal U (p) e L’arc orient´ repr´sente le flux de signaux donn´s regroup´s dans un vecteur.7.13 – 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. 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. 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. Nous pr´sentons maintenant le type le plus couramment utilis´ parmi les e e mod`les graphiques.

62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . e e a ee e 2.7. e e e e e Principes de construction 1.15 – Circuit RC . e Exemple II.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig. e Remarques II. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me.de blocs sommateurs.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert. Dans ce cas.En appliquant la transform´e de Laplace. e .1 .7. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e.7. II.2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment.Il est ind´pendant de la nature physique du syst`me mod´lis´. e e e e + a−b+c − II.Un sch´ma fonctionnel n’est pas unique.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie. II. a ee 3. c a + b Fig.

LES MODELES GRAPHIQUES 1. e a e e e . II.Application de la transform´e de Laplace et d´termination des fonctions de transfert e e ´l´mentaires : ee VR (p) = E(p) − S(p) = RI(p) S(p) = 3.Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2. 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.Trac´ du sch´ma fonctionnel : e e 1 I(p) Cp E(p) + − S(p) E(p) + 1 R I(p) I(p) 1 Cp S(p) − S(p) 1 R I(p) 1 Cp S(p) Fig. r´alisant ainsi un syst`me ` contre-r´action tel qu’il a ´t´ d´fini e e e a e ee e dans le premier chapitre.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).17.

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.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II. ´ Definition II.7.4 (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.96) ε (p) G(p) S(p) Fig. ´ Definition II. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur. 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.97) .7.95) (II. II.2 (fonction de transfert en Boucle Ouverte) La fonction de transfert en boucle ouverte ou gain de boucle est d´finie comme : e Y(p) = G(p)H(p) E(p) Elle correspond au transfert si la boucle est ouverte en A. E(p) + S(p) − (II.7. 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.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.

le sch´ma fonctionnel peut comporter un nombre ime e portant de blocs et de boucles.7.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe.19 – Alg`bre des sch´mas fonctionnels e e .19 et II. Ces r`gles sont r´sum´es e e e e e dans les tableaux II. Sch´ma de d´part e e A + B - Sch´ma ´quivalent e e A + C + A-B + C + A-B+C A+C + B - A-B+C 1 B A + C A-B+C + A + B - A-B + + A-B+C C 2 A 3 G1 AG 1 G2 AG 1G 2 A G2 AG 2 G1 AG 1G 2 A 4 G1 AG 1 G2 AG 1G 2 A G 1G 2 AG 1G 2 A G1 AG 1 + AG 1 + AG 2 + AG 2 A 5 G2 G1 + G2 AG 1 + AG2 Fig. II.LES MODELES GRAPHIQUES 65 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.20.

66 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES A + A G AG + B AG .B - A.B A.B A 10 A+ − G1 B A 1 + G2 G1 G2 B 11 G2 − A+ − G1 B A G2 G1 1 + G 1G 2 B 12 .B + B A.B G G AG-B B G 6 1 G B A A+ B A.B A.B G AG .BG G AG + BG AG-BG B 7 A G G G AG AG A 8 G AG AG A A G AG A G AG AG 1 G A 9 B + A+ B A.

e e Ainsi. 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. la repr´sentation d’´tat lin´aire temps-variant suivante : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II. .7.7. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat.2 Le sch´ma fonctionnel II.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II.LES MODELES GRAPHIQUES 67 II. II.7.21 est d´crit dans le domaine temporel.22. Dans le cas des syst`mes e e e LTI.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.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.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II. e ee Exemple II.21 : e e u(t) . x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig.

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

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

8. e ) sys=parallel(sys1.inputs2. ) o ) z=tzero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur ) e e z.sys2.outputs1.z]=pzmap(sys) : renvoie les pˆles et les z´ros de transmission du mod`le LTI sys ) o e e dans le vecteur p et le vecteur z.sys2. ) z=zero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur z. ) o e ) r=roots(C) : renvoie les racines du polynˆme C dans le vecteur r.inputs1.outputs1. ) e e ) [p.8.sys2) : cr´e le syst`me boucl´ sys ` partir de la chaine directe ) e e e a sys1 et de la chaine de retour sys2.4 Fonctions de mod´lisation par blocs e ) sys=feedback(sys1. ) sys=series(sys1.outputs2) : cr´e dans sys l’inter) e connection parall`le entre sys1 et sys2 ` partir de la donn´e des entr´es et sorties e a e e de sys1 et des entr´es et sorties de sys2.inputs2) : cr´e dans sys l’interconnection s´rie des ) e e sorties outputs1 de sys1 avec les entr´es inputs2 de sys2.3 Fonctions d’analyse des mod`les LTI e ) p=pole(sys) : renvoie les pˆles du mod`le LTI sys dans le vecteur p. II. e .70 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.

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

B ∈ Rn×m est commandable ssi la matrice de commandabilit´. III.1) e o` A ∈ Rn×n . B .E. R. 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. fran¸aise e e c et russe. B = 0.1 .1.1 (commandabilit´) e e Un ´tat xi est commandable en t0 s’il est possible de d´terminer u(t) / [t0 tf ] conduisant e tout ´tat initial xi (t0 ) vers 0 en t0 ≤ t1 ≤ tf . =n (III. III. ´ ` Theoreme III.2) . An−1 B .2 Crit`re de commandabilit´ e e Il est clairement difficile d’utiliser directement la d´finition pr´c´dente afin de d´cider e e e e de la commandabilit´ d’un syst`me LTI donn´.La commandabilit´ est une notion importante puisqu’elle ´tablit le fait que l’on e e puisse commander le syst`me afin de modifier son comportement (stabilisation d’un e syst`me instable. e e e x(t) = Ax(t) + Bu(t) ˙ (III.1. C est u de rang n. . Remarques III.Si un syst`me n’est pas compl`tement commandable alors pour certaines conditions e e initiales il n’existe pas d’entr´e de commande pouvant ramener le syst`me ` l’origine. . 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.Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. la commanea e dabilit´ a pour objet de caract´riser la capacit´ d’un syst`me ` voir ses caract´ristiques e e e e a e dynamiques modifi´es par les entr´es. e .1 III. · · · n alors le syst`me est compl`tement ee commandable. . Il est membre de l’acad´mie des sciences am´ricaine. rang(C) = rang . e e a . · · · .72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH).1.1. e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices. AB .1. modification des dynamiques propres).1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. . e e ´ Definition III.1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre. hongroise.

e Exemple III. e rang(C) = rang B AB = rang 0 1/Izz 1/Izz 0 =2 Un crit`re de commandabilit´ ´quivalent au crit`re de Kalman quoique moins facile a e ee e ` manipuler est le crit`re PBH (Popov-Belevitch-Hautus). e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont.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 . 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. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande. on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer. h2 ) et R1 = R2 = 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. Physiquement. x2 ) = (h1 .2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A. B). B) sera appel´e come e e e mandabilit´ de la paire (A.1. c1 = c2 = 1.1.2 (test PBH) La paire (A. e ´ ` Theoreme III.1.3) . A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque. e ` (III.NOTION D’OBSERVABILITE 73 Remarques III.

2 Crit`re d’observabilit´ e e Un crit`re de Kalman existe ´galement pour la notion d’observabilit´ et fait intervenir e e e la matrice dynamique A et la matrice de sortie C. O est de rang n.4) e o` A ∈ Rn×n .2.1 Soit le syst`me mod´lis´ par : e e e x1 (t) ˙ x2 (t) ˙ y(t) = = 1 1 −2 −1 x1 (t) x2 (t) x1 (t) x2 (t) + 1 0 u(t) 1 0 . C). u   C  · · ·     CA     · · ·  rang(O) = rang  (III. C ∈ Rr×n est observable ssi la matrice d’observabilit´.2 III.2.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure.    · · ·  CAn−1 Remarques III. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie. .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 ]. Exemple III.2.1 Notion d’observabilit´ e D´finition e Une caract´ristique structurelle compl´mentaire (duale) de la commandabilit´ peut e e e ´galement ˆtre d´finie.2. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.2. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III. Remarques III.   . e III.5)  = n   .74 COMMANDABILITE ET OBSERVABILITE III.2.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A. n alors le syst`me est compl`tement ee observable.2. Elle correspond ` la capacit´ pour un syst`me ` connaˆ l’histoe e e a e e a ıtre rique d’un ´tat interne ` partir de la seule connaissance de variables de sortie mesur´es.1 Clairement. ´ ` Theoreme III. C) sera appel´e observabilit´ e e e e e de la paire (A. · · · . e a e ´ Definition III. la notion d’observabilit´ est cruciale pour les syst`mes o` le vecteur d’´tat e e u e complet n’est pas accessible ` la mesure mais doit ˆtre reconstruit.

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

La forme compagne de commande. La nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III.La forme compagne d’observation. En 1885. . Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles. Il rentre a l’´cole Polytechnique en e ` e 1855. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite.8). 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.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. les ´quations diff´rentielles et e e e la m´canique. e Ces formes particuli`res sont appel´es les formes canoniques. . Il e e e meurt le 22 janvier 1922 a Paris apr`s avoir perdu 3 de ses fils pendant la guerre 14-18. ea e e e Ainsi. 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.La forme diagonale ou quasi-diagonale de Jordan. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse. Cette op´ration est une transformation de similarit´.3 III.3. Ses int´rˆts math´matiques e e e e vont de la th´orie des groupes finis a l’alg`bre lin´aire et multilin´aire e ` e e e en passant par la topologie des poly`dres. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat. 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. e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887. 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. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. En 1861.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III.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´. il devient ´diteur du Journal de math´matiques pures et appliqu´es. ` e . On distingue trois e e grands types de formes canoniques : .46) a la repr´sentation e e e ` e d’´tat (III.

· · · . pi ) 2. .  . une seule convenant. 0    .2 e e Soit A ∈ Rn×n ayant k valeurs propres distinctes pi . 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. Soit qi la multiplicit´ g´om´trique associ´e ` chaque valeur propre.  . · · · ..Si qi = mi . · · · .3.10) e e 3. e e e Il est alors possible de d´terminer une matrice de passage inversible P = [P1 P2 · · · Pk ] e telle que : P −1 AP = J = diag(J1 . on d´finit un bloc diagonal Ji de dimension mi × mi form´ comme : Ji = diag(Ji1 . . J2 . p2 . 1.. Il existe alors plusieurs possiu e a bilit´s qui doivent ˆtre test´es.  . pn alors la matrice de passage compos´e en colonnes des vecteurs propres associ´s..  .Si qi = 1. Jili ) o` Jik est un bloc de Jordan de taille inf´rieure ` mi . ´ ` Theoreme III.. ´ ` Theoreme III.Si 1 < qi < mi . n. · · · . il est possible u d’effectuer un changement de base la diagonalisant. 0 ··· Pi = [e1 · · · eqi ] i i dimension mi × mi  0 ··· 0 .RELATIONS ENTRE MODELES INTERNES ET EXTERNES La forme diagonale ou quasi-diagonale de Jordan 77 Dans le cas o` la matrice A ∈ Rn×n a n valeurs propres distinctes. · · · . p2 .. u Dans le cas o` une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation u est plus complexe. 1  . · · · . P = [e1 e2 · · · en ] est telle e e que : ˜ P −1 AP = A = diag(p1 . Ji2 . . Jk ) La partition de P est identique ` celle de J.1 Si la matrice A ∈ Rn×n a n valeurs propres distinctes p1 . 1  · · · 0 pi (III. on d´finit un bloc de Jordan de e  pi 1   0 pi  Ji =  .. on d´finit un bloc diagonal Ji de dimension mi × mi et une matrice e Pi ∈ Rn×mi : Ji = diag(pi . pn ) o` Aei = pi ei ∀ i = 1. k de multiplicit´ alg´brique respective mi .3.  . . i = 1. a . · · · . . .

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

. colonne par colonne.12) a la forme compagne de e e ` commande n´cessite le calcul de la matrice de passage P .3. .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 On applique alors le calcul r´current. .. .. . ..15) Cc = Le passage de la repr´sentation d’´tat quelconque (III... . .1 (Forme compagne de commande) La forme compagne de commande est d´finie par les matrices du syst`me : e e     Ac =             79 0 1 0 ··· 0 .17) Co = . 0 ··· ··· 0 1 −a0 · · · −ai · · · −an−1 b0 · · · bi · · · bn−1        Bc =      0 .        (III. 0 1 (III. 0 −an−2 0 · · · 0 1 −an−1 0 ··· 0 0 1        Bo =       bn−2  bn−1 b0 b1 . .. 1 . .. .... . . .RELATIONS ENTRE MODELES INTERNES ET EXTERNES ´ Definition III. . . . 0 . . .3. 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. . . . −a1 . .. . 0 .16) ´ Definition III.. . . e e Soit a d´terminer P = [P1 P2 · · · Pn ] la matrice de passage form´e de ses n colonnes. .

    C(A + an−1 1n ) C C(An−1 + an−1 An−2 + · · · + a2 A + a1 1n ) (III.19) 1 0 .80 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES On note que Ao = Ac . .1 Soient les ´quations d’´tat : e e    0 1 −1 1  −3 2 1  x(t) +  1  u(t) x(t) = ˙ 0 1 1 0 y(t) = 1 0 −1 x(t) πp = p3 − 3p2 + 4p − 6 Les matrices de passage sont alors :   −1 −2 1 Pc =  3 −4 1  −3 1 0  4 −2 0 Po =  −3 −0 1  1 0 −1   Le polynˆme caract´ristique de ce syst`me est : o e e Les formes compagnes respectivement de commandabilit´ et d’observabilit´ sont : e e         0 1 0 0 0 0 6 2 Ao =  1 0 −4  Bo =  −3  Ac =  0 0 1  Bc =  0  6 −4 3 1 0 1 3 1 Cc = 2 −3 1 Co = 0 0 1 Exemple : satellite 11 Les ´quations d’´tat du satellite telles qu’elles ont ´t´ d´velopp´es dans le chapitre pr´c´dent e e ee e e e e sont donn´es sous forme de Jordan avec 0 comme valeur propre double.18) Exemple III. e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (III. Bo = Cc et Co = Bc .3. `               −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.

3. ce qui n’est e e e e pas toujours v´rifi´ en pratique. F (p) = Exemple III. la m´thode consiste a isoler la transmission directe en effectuant la e ` division euclidienne du num´rateur par le d´nominateur et de traiter le restant comme e e ci-dessus. du fait que le polynˆme caract´ristique associ´ est Psat. les syst`mes sont suppos´s strictement propres.20) 1/Izz 0 En ce qui concerne. on obtient : e ˙ X1 (t) ˙ 2 (t) X y(t) = o` : u X1 X2 = 0 1 1 0 x1 x2 = 0 0 1 0 X1 (t) X2 (t) X1 (t) X2 (t) + 1/Izz 0 uz (t) (III.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 . Dans le cas d’un syst`me mod´lis´ par une fonction e e e e e de transfert propre.22) = 4+ = 4+ .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. (p) = o e e forme compagne de commande associ´e est donn´e par : e e ˙ X1 (t) ˙ X2 (t) y(t) = o` : u X1 X2 = Izz 0 0 Izz x1 x2 = 0 1 0 0 X1 (t) X2 (t) X1 (t) X2 (t) + 0 1 uz (t) (III.21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de. la Izz p2 D’autre part. la forme canonique d’observabilit´.

626 d = .2115 x3 -1.2679 0 x3 0 0 -3.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.[1 4 1 0]) Transfer function: 4 s^3 + 8 s^2 + 2 s + 1 ----------------------s^3 + 4 s^2 + s >> ex_332=canon(H.25 x2 -0.899 4.732 b = x1 x2 x3 u1 4 4.82 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES compagne de commande peut alors ˆtre donn´e e e    0 0  x(t) +  0  u(t) 1 −4 1 Une repr´sentation d’´tat sous forme e e par :  0 1  0 0 x(t) = ˙ 0 −1 y(t) = 1 −2 −8 x(t) + 4u(t) La repr´sentation d’´tat sous forme modale peut ´galement ˆtre d´duite : e e e e e     0 0√ 0 1  0 −2 − 3 0 √  x(t) +  1  u(t) x(t) = ˙ 1 0 0 −2 + 3 y(t) = a b c x(t) + 4u(t) Script MATLAB 6 >> H=tf([4 8 2 1].899 c = y1 x1 0.

2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II. B.23) e La r´alisation (A.Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] . B.Non observable et non commandable : A3 = −1 0 0 −2 B3 = 0 1 C3 = 0 1 . L’objet e e de cette section est de montrer comment obtenir une repr´sentation d’´tat donn´e ` partir e e e a de la matrice de transfert. e e Exemple III.6. e e e .Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 . ´ Definition III. D) telle que : e G(p) = C(p1 − A)−1 B + D (III. C. toute repr´sentation e e d’´tat LTI (A.3.1 comment a partir d’une repr´sentation ee e e a ` e d’´tat LTI d’un syst`me il est toujours possible d’obtenir une matrice de transfert.3 Soit : G(p) = p2 p+1 p+1 1 = = + 3p + 2 (p + 1)(p + 2) p+2 Les quatre repr´sentations d’´tat suivantes sont des r´alisations de G.Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 .3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m . D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 83 y1 u1 4 III.3. C.3.

D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable. e . e Exemple III. III.Le mod`le entr´e-sortie du type ´quation diff´rentielle ne repr´sente que la partie e e e e e observable d’un syst`me. Y (p) p−1 = U (p) p+2 .1 – Syst`me structur´ e e . ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) .La fonction de transfert du syst`me global est d’ordre 1 avec un pˆle −2 et un z´ro e o e 1. Dans ce cas. e e e ee ´ ` Theoreme III. Enfin. 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. B.3.3 Une r´alisation d’´tat (A. 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.4 .1.84 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES L’exemple pr´c´dent montre clairement d’une part que les repr´sentations d’´tat pr´c´dentes e e e e e e ne sont pas ´quivalentes et d’autre part que la simplification entre pˆle et z´ro est direce o e tement reli´e aux propri´t´s d’observabilit´ et de commandabilit´ de la r´alisation.3.3. on utilise la notation : G(p) : = A B C D Les diff´rentes mod´lisations utilis´es pour un mˆme syst`me ne conduisent pas ` des e e e e e a mod`les poss´dant les mˆmes propri´t´s structurelles. e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig.Le mod`le entr´e-sortie du type fonction de transfert ne repr´sente que la partie e e e observable et commandable d’un syst`me.4 Soit le syst`me compos´ structur´ comme indiqu´ figure III. C.

Le probl`me est complexe puisque l’on dispose d’une e e e e unique fonction de transfert pour un choix non unique de la repr´sentation d’´tat. 2 non commandable u o e et non observable. −1 non commandable et observable. e ` o e . e e ` e ee .24) Le syst`me est donc suppos´ strictement propre et l’on souhaite d´terminer une e e e repr´sentation d’´tat de ce syst`me.Pˆles simples r´els : o e Dans ce cas. La m´thode o e e g´n´rale consiste alors a d´composer F (p) en ´l´ments simples. Il faut e e donc choisir la base dans laquelle sera ´crite la repr´sentation d’´tat que l’on souhaite. 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. commandable et observable. La r´f´rence [12] peut servir a approfondir ce sujet. · · · .Une ´quation d’´tat d’ordre 3 est donn´e par. seul le cas des syst`mes monovariables sera pr´sent´.26) . n Xi (p) = U (p) p − pi (III.RELATIONS ENTRE MODELES INTERNES ET EXTERNES et permet d’´crire.··· .···n = αi p − pi i=1. Algorithmes de r´alisation e A l’instar de ce qui a ´t´ fait pour la pr´sentation des formes canoniques compagnes ee e du polynˆme caract´ristique. ee ` On suppose donc que le syst`me monovariable LTI est mod´lis´ par une fonction de e e e transfert : F (p) = N (p) bn−1 pn−1 + · · · + b0 = n+a n−1 + · · · + a p D(p) n−1 p 0 (III. e e e Obtention d’une forme diagonale ou de Jordan Cela suppose que l’on peut factoriser e le polynˆme caract´ristique du syst`me P (p) = (p − p1 )(p − p2 )(· · · )(p − pn ).25) Le choix des variables d’´tat est alors naturel : e ∀ i = 1. Le o e e e e cas des syst`mes multivariables peut ˆtre abord´ de mani`re identique mais n´cessiterait e e e e e beaucoup plus de temps.n (III. e y + 3y + 2y = −u ¨ ˙ L’ordre est ´gal a 2 et il y a deux pˆles associ´s −2 et −1. on a : Y (p) = F (p) = U (p) N (p) (p − pi ) i=1.

86

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

1 1 . . . 1

    u(t) 

(III.27)

α1 α1 · · · αn

x(t)

(p − pi )

=
i=1

αi + (p − p1 )i i=m

n

1

αi p − pi +1 (III.28)

i=m1 +1,···n

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

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

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

87

(III.33)

(III.34)

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

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

(III.38)

(III.39)

· · · 0 x(t)

88

MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES

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

CRITERES POUR LES FORMES MODALES

89

III.4

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

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

III.4.1

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

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

c1 c2 · · · cn

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

III.4.2

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

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

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

(III.41)

y(t) =

c1

c2 · · ·

· · · cn

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

90

COMMANDABILITE ET OBSERVABILITE

      x(t) =  ˙    

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

0 ··· ... ... ... ...

··· ... Jk ...

··· . . .

···

··· . . . 

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

0 . . . . . . . . .

 bn1 ···

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

(III.42)

y(t) = o` : u

c1

c1k

c1s

x(t) 

   Jk =    

pi

1

0

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

··· ...

   ...    pi 1  0 pi

0 . . . . . .

(III.43)

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

(III.44)

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

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

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

92

COMMANDABILITE ET OBSERVABILITE

III.5

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

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

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

Wc =

eAτ BB eA τ dτ

(III.49)

0

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

(III.50)

Wo =

eA τ C CeAτ dτ

(III.51)

0

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

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

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

93

94

COMMANDABILITE ET OBSERVABILITE

III.6
III.6.1

Fonctions MATLAB
Fonctions d’alg`bre de base e

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

III.6.2

Fonctions d’analyse des mod`les LTI e

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

III.6.3

Fonctions de conversion entre mod`les LTI e

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

Chapitre IV Stabilit´ des syst`mes LTI e e

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

IV.1
IV.1.1

La stabilit´ BIBO e
D´finition e

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

95

96

STABILITE DES SYSTEMES LTI

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

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

IV.1.2

Caract´risations de la stabilit´ BIBO e e

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

|g(τ )|dτ ≤ k < ∞
1 t, Izz

(IV.2)

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

ce qui conduit a `

1 1 t2 τ dτ = Izz Izz 2

(IV.3)

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

e e e e ee Q R y(t) = k=1 Ak e σk t + j=1 Bj αj t e sin(ωj t) ωj (IV. Munis de cette interpr´tation monovariable. e e e ´ ` Theoreme IV.1.6) Un syst`me LTI de r´alisation minimale (A. ` e e Exemple IV. 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. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives. Le demi-plan gauche est appel´ la r´gion de stabilit´.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.´ IV. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s. e e e e 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.1. tous les pˆles sont a o o ` partie r´elle n´gative. il est possible de donner une e e e caract´risation multivariable plus g´n´rale.e.1.1.5083i 0. B.3429 .3429 + 1. i.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.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations.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. apr`s d´composition en ´l´ments simples. C. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire.6681 .5083i -1.

5088 .5088 + 0. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p). En 1854. .D]=ssdata(sys).5083i + 0.7020i -0. On recherche donc des e e e m´thodes alg´briques permettant de d´cider du signe des pˆles sans n´cessairement les e e e o e calculer explicitement.7) Le syst`me est observable et commandable.3429 -1. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College.5083i .3 Crit`re alg´brique de Routh-Hurwitz e e On suppose que le syst`me est repr´sent´ par un mod`le LTI : e e e e G(p) : = A B C D (IV.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec. Il meurt le 7 juin 1907 a ` Cambridge. Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres. eig(A) ans = 0.7020i . La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).0. A treatise on analytic statistics.6681 -0. sys=ss(G).5088 -0. ce qui peut ˆtre fastidieux pour des ordres ´lev´s. IV.5088 + 1. 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. Canada. (1891) et A treatise on dynamics of a particle (1898).7020i >> >> >> >> G=tf([1 1].1. 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).B. ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.0. [A.98 STABILITE DES SYSTEMES LTI -0.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.[1 2 3 6 5 3]). Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux.C.3429 0. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert.

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

0 est remplac´ par . Il y a donc deux racines a partie r´elle positive. e 2.3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique. p3 p2 p p0 a3 a2 a3 a 1 a2 a0 − a2 a0 a1 a0 0 Une condition n´cessaire et suffisante de stabilit´ devient alors. La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme.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.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω).2 (ordre 3) Soit le polynˆme caract´ristique.1. Afin de e e compl´ter le tableau.1 1.1. ` e .100 STABILITE DES SYSTEMES LTI Remarques IV. p5 p4 p3 p2 p p0 1 2 ∅ 6 −7 42 − 49 − 6 12 − 14 3 2 3 6 7 2 3 0 0 5 3 0 0 0 0 Le nombre de changements de signe dans la premi`re colonne est 2 quel que soit le signe e de . o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme. e e 3.1. o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme. o o Exemple IV.Le nombre de racines du polynˆme caract´ristique ` partie r´elle n´gative est ´gal o e a e e e au nombre de changement de signes dans la premi`re colonne. e e a2 a1 > a3 a0 Exemple IV.

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

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

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

Re(pj ) > 0. La position A correspond a un point d’´quilibre instable. e e a e e IV. · · · .2. r}. e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement. alors xe o e est un point d’´quilibre instable. la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable.Si un des pˆles du syst`me est instable.Si toutes les valeurs propres de A ont une partie r´elle non positive.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. pr . alors xe est un point d’´quilibre asymptotiquement stable. e 1.si un pˆle est tel que Re(pj ) = 0. alors xe est un point ea d’´quilibre instable. et la multiplicit´ est o e sup´rieur a 1 alors. pour j ∈ {1. r}.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV. e .17).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. r}.si Re(pj ) < 0. · · · . ´ ` Theoreme IV. pour j ∈ {1.2. · · · . poss´dant r valeurs propres distinctes (r pˆles) p1 .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. . · · · . alors.2 Pour le syst`me (IV. et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement. r}. 3.2. on e e o e suppose que xe = 0 est un point d’´quilibre. Re(pj ) ≤ 0. pour tout j ∈ {1. r}.2. pour j ∈ {1. e ` e A B C Fig. e .si un pˆle est tel que Re(pj ) = 0. 2. e pour tout j ∈ {1.2 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. · · · . · · · . IV. e (b) si un des blocs de Jordan associ´ ` pj est non scalaire.

0000i -2.0000 -1.6667 0.3333 3 A3 =  −1.´ IV.6667 Script MATLAB 9 >> A1=[-3 2 3.-1 -3 0. >> eig(A4)    −2.3333  1.-1.0 0 0.3333 A5 =  −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.-1. o e Exemple IV.3333 −2.0000 -2.3333 0.0000i -1.2 La stabilit´ interne de (IV.6667 0.3333 1.3333 0  −2 2 2 −0.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.3333 1.17) 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).3333 1.9999 -1.3333 2].0000 .0000 0.     −3 2 3 −1.1 0 -1].3333 -2.6667 −0.2.6667 -2.-1.-2 2 2].3333 1.6667 3 A1 =  −1 −3 0  A2 =  −1.6667 0.6667 3.6667 2]. >> eig(A3) ans = 0. >> eig(A1) ans = -1.6667 −2.9999 >> A3=[-2.3333 3.3333 1. LA STABILITE INTERNE 105 Remarques IV.2.0000 >> A2=[-1.3333 −0.2.6667 0.0000 + 0.3333 2  .0001 >> A4=[0 0 0.-0. >> eig(A2) ans = -1.3333 1.6667 0  −1.0.6667 0.3333 0.6667 0.

3333 1.Le syst`me est BIBO-stable.S]=eig(A5) V = 0.-0.0000 IV.6667 -0. >> [V. ` e e A B C D IV.3333.3333 1.8729 -0.2. e 4. e e 3.6667 0.1.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI. e 2.6667 0. e e ´ ` Theoreme IV.6667 0.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.3 Pour un mod`le dynamique LTI commandable et observable d´crit par sa fonction de e e transfert ou sa r´alisation d’´tat minimale.6667].4364 0.3333 0.2182 -0.3333 0.3333 -0.2.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative. e e e .3333.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.2.6667 -0. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.3333 -0.0000 0 0 0 -0.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.6667 S = 0 0 0 0 -1.

2 . l’´quation (IV. le point d’´quilibre 0 est un noeud stable. · · · .  .3 – Noeud stable . En ´crivant la matrice A e e a dans la base form´e des vecteurs propres ξi .. e 6 4 2 x2 0 −2 −4 −6 −12 −10 −8 −6 −4 −2 $x1$ 0 2 4 6 8 Fig. pn sont distinctes. 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. . la r´ponse du syst`me ` une condition initiale e non nulle est.  . ··· .  . En effet.Les deux valeurs propres p1 . Cela donne des caract´ristiques e e e e diff´rentes aux trajectoires d’´tat.´ IV.. stables ou instables.p1 . p2 < 0 sont stables. . e e x(t) = Ax(t) ˙ 107 (IV.19) peut ˆtre utilis´e afin e e e e de caract´riser la nature du point d’´quilibre 0. les valeurs propres peuvent e e ˆtre r´elles ou complexes conjugu´es. LA STABILITE INTERNE Etant donn´ un mod`le LTI autonome. IV. 0  0 pn Dans le cas d’un syst`me de dimension 2. w1 w2 · · · wn P est la matrice modale de changement de  p1 0   0 p Λ= ..  . 0 ···  0 .. e e e .2.18) e on suppose que les n valeurs propres p1 .. .19) P −1 = base. p2 sont r´elles.

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

7 – Syst`me masse-ressort e 1. 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. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev.LA METHODE DE LYAPUNOV 109 IV. Ce travail e e e e e e e est publi´ par la soci´t´ math´matique de Kharkov en 1892 dans Probl`me e ee e e g´n´ral de la stabilit´ du mouvement traduite pour la premi`re fois en e e e e fran¸ais en 1907 dans les annales de l’universit´ de Toulouse puis en 1949 c e aux Princeton University Press. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse. Le point important est qu’elle ne n´cessite ni le calcul des e e e pˆles du syst`me ni la donn´e explicite de la solution de l’´quation d’´tat.Repr´sentation d’´tat : e e x1 = x ˙ x2 = x   x1 = x2  ˙ on a   x = − b x |x | − k0 x − k1 x3 ˙2 2 2 1 m m m 1 Posant . La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales.3. ”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”.3 La m´thode de Lyapunov e Cette m´thode est tr`s g´n´rale et permet l’´tude de la stabilit´ des syst`mes non e e e e e e e lin´aires autant que lin´aires. La philosophie o e e e e de la m´thode r´side dans l’extension math´matique d’une observation fondamentale de e e e la physique. Il con¸oit e e e c de nombreuses m´thodes d’approximation. e on obtient diff´rentes ´quations e e M Fig. IV. Russie.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. Il meurt le 03 novembre 1918 a Odessa. ici l’´nergie totale. 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. ` Exemple IV.

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.Point d’´quilibre : (0.1 . e e a e e On peut donc supposer que : .La stabilit´ asymptotique implique la convergence de l’´nergie vers 0.3. e e .L’´nergie m´canique refl`te indirectement l’amplitude du vecteur d’´tat.Energie cin´tique : e 1 1 Ec = m x 2 = m x 2 ˙ ˙2 2 2 .L’instabilit´ est li´e ` la croissance de l’´nergie m´canique.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. est dissip´e de mani`re continue e e a e e par l’amortisseur jusqu’au point d’´quilibre. La masse est tir´e loin e e de sa position d’´quilibre (longueur naturelle du ressort) puis lach´e. e La m´thode directe de Lyapunov est fond´e sur l’extension de ces concepts.Energie potentielle : x Epot. ` partir d’une valeur initiale. e e e . Reprendra t-elle sa e e position d’´quilibre? e Etude de l’´nergie m´canique totale : e e . = . 0) e STABILITE DES SYSTEMES LTI La question est de savoir si ce point d’´quilibre est stable. La proc´dure e e e de base est de g´n´rer une fonction scalaire ”de type ´nergie” pour le syst`me dynamique e e e e .110 3.Le point d’´nergie m´canique nulle est le point d’´quilibre. e e e e .Les propri´t´s de stabilit´ peuvent ˆtre caract´ris´es par la variation de l’´nergie ee e e e e e m´canique au cours du temps.

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

Si la e condition 2 est v´rifi´e. ˙ 1. t) est une fonction de Lyapunov pour le syst`me. Dans le cas des syst`mes LTI.8 – Illustration de la m´thode de Lyapunov e Remarques IV. e e e x(t) = Ax(t) ˙ (IV.3. e e 2||x||→+∞ lim V (x) = +∞. V (x) = x P x. d’o` l’utilisation de e u l’exp´rience. V (x. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable.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. alors 0 est un point d’´quilibre globalement asymptotiquement stable. fonction d´finie positive.3. 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.2 1.V (x) est d´finie n´gative. la fonction V (x. IV.V (x. 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.22) On consid`re une fonction candidate de Lyapunov quadratique. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). e 2.2 V = C2 V = C1 x1 x0 Fig.La condition pr´c´dente est une condition suffisante . il faut donc choisir a priori e e une fonction candidate de Lyapunov.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que. Dans le cas non lin´aire. e e A P + PA + Q = 0 (IV. alors. ´ ` Theoreme IV. t). la matrice unique solution de l’´quation de Lyapunov soit d´finie positive. la m´thode devient plus syst´matique.24) .3.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV.23) ´ ` Theoreme IV.

3125 0.3.0676 . Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable. e Script MATLAB 10 >> P=lyap(A1’.3.5160 19.0625 0.´ IV.3273 et 0.0625 0.eye(3)).0477. P = 0. >> eig(P) ans = 0. on trouve. LA METHODE DE LYAPUNOV Exemple IV.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.1664 0.

114 STABILITE DES SYSTEMES LTI .

il est n´cessaire de e e e e e disposer d’une base commune d’analyse pour des syst`mes diff´rents. e V. nous nous sommes volontairement restreints a l’´tude du cas monovariable qu’il ` e est plus facile d’appr´hender physiquement. 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.2) 115 ..Chapitre V Analyse temporelle des syst`mes e continus V.1.1 Introduction Une fois le mod`le math´matique d’un syst`me (fonction de transfert..1 Signaux d’entr´e types e u(t) = tn Les signaux d’entr´e types sont en g´n´ral des signaux de type polynomial : e e e (V.1) dont la transform´e de Laplace est donn´e par : e e U (p) = n pn+1 (V. l’´tape suivante consiste a analyser les performances du syst`me.) obtenu. Un moyen de come e parer efficacement les diff´rents types de syst`mes et leurs performances respectives est e e de les soumettre a des signaux d’entr´e types et d’analyser les r´ponses temporelles pro` e e duites. repr´sentation e e e e d’´tat. Cette e e ` e ´tape peut ˆtre men´e suivant de nombreuses m´thodes. Toutefois. 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.

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

1.3 La r´ponse transitoire y4 (t) est tr`s li´e ` la r´ponse y1 (t) alors que la r´ponse en r´gime e e e a e e e ` e permanent y3 (t) l’est a la r´ponse y2 (t). INTRODUCTION Exemple V. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.6) Cette ´quation a n racines pi . e e Remarques V.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.r´gime transitoire e e La solution de l’´quation diff´rentielle (V.1. y4 (t) est e e la somme de n termes tels que : .1.1.3) peut ´galement se d´composer en deux e e e e parties : . ` e e 0. il ne subsiste que e y3 (t) et l’on d´finit alors.7) . .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. distinctes ou multiples.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 .2 On retrouve ici l’exacte contre-partie pour une ´quation diff´rentielle ordinaire du vocae e bulaire utilis´ pour les mod`les d’´tat.y4 (t) comme la r´ponse transitoire du syst`me.5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors.1.3 R´gime permanent .1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.y3 (t) comme la r´ponse en r´gime permanent du syst`me.1.5) Remarques 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. e e e V. ´ Definition V. e e e .V.1 Soit a trouver la r´ponse y(t) de l’´quation. r´elles ou complexes.

5p + 1 = 0 Elle a une unique solution p1 = −2 d’o` u y4 (t) = λ1 e−2t Alors. y(t) = 2 + λ1 e−2t soit pour y(0) = −1. e e e .2 L’´quation caract´ristique est e e 0.1. e e e e e e La stabilit´ relative caract´rise les oscillations.chaque paire complexe conjugu´e (pj . e e toujours pr´sentes dans la partie transitoire de la r´ponse temporelle d’un syst`me. amorties plus ou moins rapidement.8) o` σj = Re(pj ) et ωj = Im(pj ). u Exemple V. 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. 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. On a vu au e e e chapitre pr´c´dent diff´rentes notions de stabilit´ absolue pour les syst`mes lin´aires.118 ANALYSE TEMPORELLE DES SYSTEMES .

1 – Exemples de syst`mes du premier ordre e V.10) (V.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.12) .2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V.2.` V.2 V. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V.1. e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1. R k e C s e i R e L C J s f 111 000 111 000 111 000 111 000 111 000 111 000 111 000 000 111 1111 0000 1111 0000 1111 0000 f ω Fig. ae Y (p) = K 1 + Tp (V.2. V. LES SYSTEMES DU PREMIER ORDRE 119 V.11) La r´ponse transitoire d’un syst`me du premier ordre est.2. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V. e Cela conduit ` ´crire.9) T est la constante de temps du syst`me. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre.2.1 On appelle syst`me du premier ordre.

9 KT 0.15) qui est repr´sent´e figure V.5 0. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.2 0.2.17) K KT K = − (1 + T p)p p 1 + Tp (V. la r´ponse ` une entr´e de type ´chelon de position (fonction e e a e e de Heaviside) dont la transform´e de Laplace est e L[u(t)] = Cela conduit ` ´crire.7 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 = 0.8 0.13) 0.3 0. K K dy(t) = e−t/T |t=0 = dt T T (V. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V. ae Y (p) = d’o` la r´ponse indicielle.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.120 d’o` la r´ponse impulsionnelle.2 – R´ponse impulsionnelle e En calculant la d´riv´e. En calculant la d´riv´e.14) La r´ponse indicielle e ´ Definition V. V.6 y(t) 0.2.18) . u e y(t) = qui est repr´sent´e figure V.16) 1 p (V.3. on obtient la pente de la tangente e e e e pour t = 0.4 0.2 (r´ponse indicielle) e On appelle r´ponse indicielle.

pour e e K = 1.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.2.4 0. En calculant le signal d’erreur (t) = u(t) − y(t). plus le syst`me est rapide.8 0.20) qui est repr´sent´e figure V.632K 1.6 1. ae Y (p) = d’o` la r´ponse. e e R´ponse ` une rampe unitaire e a ´ Definition V.23) .2 Amplitude y(t) To: Y(1) 1 0. V.2 0 0 T 2 4 6 8 10 12 Time (sec. on obtient.1 Plus la constante de temps du syst`me T est faible.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V.6 0. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.21) 1 p2 (V.) t Fig.3 – R´ponse indicielle e Remarques V.19) Si k = 1.4. on parle alors de rampe unitaire.4 0. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.2.8 1.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.

122

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

35

T

30

25

Amplitude

To: Y(1)

y(t)

20

T
15

10

5

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

0

Time (sec.)

t

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

0.8

1.6

0.7

1.4

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

1.2

0.5

1

0.4

0.8

0.3

0.6

0.2

0.4

0.1

0.2

0

0

0

2

4

6 Time (sec)

8

10

12

Step Response 40

35

30

25 Amplitude

20

15

10

5

0

0

2

4

6

8

10 Time (sec)

12

14

16

18

20

` V.3. LES SYSTEMES DU SECOND ORDRE

123

V.3
V.3.1

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

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

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

p + 2ξ +1 ωn

=

2 Kωn 2 p2 + 2ξωn p + ωn

(V.26)

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

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

R e C

R C s M

k

γ f

θ i R L e C C J

s
111 000 111 000

f

k
111 000

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

124

ANALYSE TEMPORELLE DES SYSTEMES

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

(V.27)

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

(V.28)

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

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

(V.29)

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

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

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

125

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

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

(V.37)

(V.38)

ωp = ωn

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

(V.39)

θ = arcsinξ

Im

ωn σ ωd Re

Fig. V.6 – Paire de pˆles complexes o

126

ANALYSE TEMPORELLE DES SYSTEMES

V.3.2

Etude de la r´ponse indicielle e

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

(V.40)

1 ξ=1

0.8

ξ=4

Amplitude

0.6

0.4

0.2

0

0

2

4 Time (sec.)

6

8

10

12

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

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

4 ω n= 0.6 ξ = 0. u L’allure de telles r´ponses est repr´sent´e figure V.8 0.8 Step Response ω n= 0.4 1.5 ξ = 0.4 1. V.4 1.8 0.9.5 1.8 ξ = 0.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.1 e .6 1.2 0 Fig.2 ω n= 0.2 Amplitude 1 0.9 0.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.6 0.1 ω n= 0.8 et figure V.4 ξ = 0.3 ξ = 0. V.1 1.2 Amplitude 1 0.6 0.8 Step Response 127 1.2 ξ = 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).7 ξ = 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.6 ξ = 0.4 1. e e e ξ = 0.

7 D 0.2 0.3 0.4 D2 1 0.1 0 0 5 Time (sec.) 10 15 Fig. 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 . e Step Response 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. . V. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes.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.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement.5 T/2 Amplitude 0.6 T 0.

6 0.8 a = 0. V.H_2=tf([K*T*a K].1.[T (1+a*T*K) K]) >> a=2.3]) Step Response 1. figure 3). e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf. C(p) = suivant le sch´ma-bloc suivant.11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.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.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 . e e e Script MATLAB 12 >> K=1.[T (1+a*T*K) K]) >> a=0.H_2.2 1 0. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.T=1.H_10=tf([K*T*a K].4 0.1 a=2 a = 10 Amplitude 0.H_01=tf([K*T*a K].H_10) >> axis([0 20 0 1. >> a=10.[T (1+a*T*K) K]) >> step(H_01.

Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est.49) . tan(ωp tr ) = − Apr`s calculs. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V.05 t td 0.47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.48) 1 − ξ2 ξ (V. ξ).130 ANALYSE TEMPORELLE DES SYSTEMES V.12.45) Cette relation est approxim´e par la relation : e tr ≥ (V.5 0 tr tp t ts Fig.12 – Sp´cifications de performance e . Sa r´ponse temporelle a l’allure de la figure V.8 ωn (V. y(t) Mp 0. u cos(ωp tr ) + soit.3.3 Sp´cifications temporelles d’un syst`me du second ordre e e On suppose que le syst`me du second ordre est sous-amorti et sp´cifi´ par la paire e e e e (ωn . V. cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1.

on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.3 (V. − 131 (V.3.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit.6 4.LES SYSTEMES DU SECOND ORDRE .52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.D´passement maximal Mp : e On a donc. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`.5 ξ = 0.55) ξ ≥ ξ(Mp ) σ≥ 4. pour des r´ponses rapides.6 ts .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 .Temps d’´tablissement ts : e G´n´ralement.54) 4.7 ξ = 0. Mp = y(tp ) − 1 = −e−ξωn tp Soit.6 = = ξωn σ Remarques V. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.50) π ωp (V.53) .8 tr (V.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V. ωn doit ˆtre grand. De plus. u tp = .

56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse.4.4. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur.r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V.57) . 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. o e G(p) = bm p m + · · · + b0 =K an p n + · · · + a 0 (p − zj ) (p − pi ) 2 ((p + αzj )2 + βzj ) 2 ((p + αpi )2 + βpi ) (V.Chaque paire de pˆles complexes conjugu´s (pi . on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps.132 ANALYSE TEMPORELLE DES SYSTEMES V.58) o` σi = Re(pi ) et ωi = Im(pi ). 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. Dans cette combinaison lin´aire.1 Les syst`mes d’ordre sup´rieur e e Notions de modes D´finitions e A partir de ce que l’on a d´j` vu pour les syst`mes d’ordre 1 et 2.4 V. complexes conjugu´s) des racines de l’´quation caract´ristique. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me.Chaque pˆle r´el pi de multiplicit´ mi donne une r´ponse transitoire : o e e e mi y4i (t) = j=1 λj tj−1 epi t (V. e e Ainsi. les pˆles. y4 (t) est e e e constitu´e de la combinaison lin´aire de fonctions du temps ´l´mentaires d´finies par la e e ee e nature (r´els. .1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te. .59) j=1 La d´croissance finale de cette contribution est caract´ris´e par la constante de e e e temps τi = 1/λi . 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. 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. e e ´ Definition V. Dans le cas le plus g´n´ral.

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

1 −0.1 0 −0.13 – North American L-17A ”navion” .14 – Mode d’oscillation d’incidence pur .Courtesy USAF Museum .5 0 −0.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.322 δu  δ w   −0.Le mode d’oscillation d’incidence (short-period mode) p = −2. e e e Fig. 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.96 −2.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0. V.02 1.59)2 (p + 0. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.2 0 0.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.036 0 −0. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.5 1 Time (sec) 1.017)2 + (0.2 0.2 1 0.63) sont appel´s e ee e les modes du syst`me.213)2     (V.62) et (V.5 Fig.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.51)2 + (2.5 −1 0.045 0.1 −0.76   δw ˙   0    q  =  0.Mouvement propre longitudinal :     δu ˙ −0.65) Les modes propres longitudinaux sont d´finis comme : e .370 −2.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.5 2 2. V.191 −3. o e e (V.51 ± 2.1 0 −0.

’modal’) >> Plong=inv(Tlong).5 −1 0.08 2.1 0 −0.1))... V.322 v  r   2.322.5 0 −0.2 To: Out(3) To: Out(4) 0.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.67)     (V.eye(4).02 1.045 0.zeros(4..Mouvement propre lat´ral : e     v ˙ −0. >> initial(sys_long.486)2 + (2..1).0 0 1.2 0.3)) . >> [navion_long.1)) >> initial(sys_long.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.0.76 0 0.036 0 -0.19 −8.05 0.5 0 50 100 150 Time (sec) 200 250 300 350 Fig.433 ` (V.Le mode phugoide (phugoid mode) p = −0.66) .Tlong]=canon(sys_long.76 0.5 0 −0.LES SYSTEMES D’ORDRE SUPERIEUR .55 −0.76 −0.191 -3.96 -2.98 0. -0.05 To: Out(2) 135 0 Amplitude −0. 0]..0088) Les modes propres lat´raux sont d´finis comme : e e .35  r ˙   0    p  =  −9.Plong(:.433) (p + 0.zeros(4.Plong(:.254 −1.017 ± 0.37 -2.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.1 −0.334)2 (p + 0. o e e e (p + 8.213j Response to Initial Conditions 1 To: Out(1) 0.

4 0.334j .7 Fig.15 0.3 Time (sec) 0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.2 0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.2 0 0.015 0.04 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.16 – Mode de roulis pur .05 −0.6 0.005 −0.0088 Response to Initial Conditions 0.15 −0.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.02 To: Out(1) 0.02 0 1 0.1 0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.05 0 0 −0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.2 0.17 – Mode de spirale pur .486 ± 2. V.1 −0.01 1 0.5 0.5 0 0 −0. V.02 0 0.1 0.01 0.

2 0 2 4 6 Time (sec) 8 10 12 Fig.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. e τi = −1/Re[pi ] (V. 0].Tlat]=canon(sys_lat.69) . τq } associ´es ` ses diff´rents modes.18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-. 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.254 -1.322.68) Les modes les plus rapides sont donc ceux associ´s aux pˆles les plus ´loign´s de l’axe e o e e imaginaire..zeros(4. >> [navion_lat..eye(4).5 0 −0.Plat(:.zeros(4.Plat(:.. · · · .Plat(:.76 -0. ´ Definition V. 2.’modal’) >> Plat=inv(Tlat).1)).5 −1 0.1 0 −0.4 0.19 -8..5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.08 2. V.76 0 0.55 -0.1 −0.4)) Caract´risation des modes e Il apparaˆ donc clairement sur les exemples pr´c´dents que la dur´e des transitoires ıt e e e d’un syst`me d’ordre quelconque est d´termin´e par l’ensemble des constantes de temps e e e e a e {τ1 .2 0..2)) >> initial(sys_lat.5 0 −0. >> initial(sys_lat.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.5 1 0.1).-9.0 0 1.1)) >> initial(sys_lat.5 0.4.35 0.

51 = 0.Si ξ = 0 alors le mode oscillant est non amorti .4 ξinc. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me. ξq }.72) . e e . ´ Definition V.74) . τinc.204 (V. e τrol. · · · .3984 0.017 ± 0.3 (mode dominant) La paire de pˆles complexes conjugu´s les plus proches de l’axe imaginaire g´n`rent le o e e e mode dominant. = 1/2. mˆme si cette condition n’est pas strictement v´rifi´e. = 0.4 (mode oscillant non amorti et ap´riodique) e . = 1/0. = 1/0. = 1/8. = 0.51 ± 2.le mode phugo¨ p = −0.59j d´fini par sa constante de temps e et son amortissement. on parle o e e de modes dominants.75) .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 .71) .4.433 = 0. τdrol.334j d´fini par sa constante e de temps et son amortissement. e τsp. = 1/0. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par.7 (V. Pour un mode oscillatoire.0088 d´fini par sa constante de temps.0088 = 113.213j d´fini par sa constante de temps et son ıde e amortissement. τphu.06 ξdrol.le mode d’oscillation d’incidence p = −2.73) (V. = 0.le mode correspondant de spirale p = −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.82 ξphu.le mode de roulis p = −8.le mode d’oscillation de roulis hollandais p = −0.486±2.017 = 58.70) Par extension.08 Les modes propres lat´raux du Navion sont caract´ris´s par.433 d´fini par sa constante de temps. ´ Definition V.12 (V. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1.4.486 = 2.63 (V. e e e .

2 Effets des z´ros et des pˆles additionnels e o Reprenons une fonction de transfert poss´dant des pˆles distincts stables et que l’on e o factorise sous la forme : m (p − zi ) H(p) = K i=1 n n = (p − pi ) i=1 ai p − pi (V.2140 0.6946 0.4327 139 Xi_lat = 1.2140 3.0797 0.76) i=1 .2040 0.Xi_long]=damp(sys_long) Wn_long = 0.0000 >> [Wn_long.6070 Xi_long = 0.Xi_lat]=damp(sys_lat) Wn_lat = 0.0088 2.3836 8.4.6070 3.2040 1.0797 0.0000 0.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.3836 2.6946 V.

le d´passement sera augment´ ou diminu´. e e n s(t) = K + i=1 bi epi t (V.78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros.77) avec. >> clf >> step(H1) >> hold.[1 1 1]). On en d´duit donc que la contribution d’un pˆle pi e e o .4.est augment´e par la pr´sence des pˆles voisins. m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V. e e o Si l’on ´tudie la r´ponse indicielle.[1 1 1]). Suivant que le e e e e e e z´ro sera stable ou instable.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 . e e Exemple V.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. e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1. e e e n h(t) = i=1 ai epi t (V. >> H2=tf([1/0.5 0].140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors. on d´duit que les diff´rents modes ont une contribution a la r´ponse indicielle u d’autant plus faible qu’ils sont plus ´loign´s de l’origine. >> step(H2) >> step(H1+H2) .

e V. e e e a .1 e e a o .2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.2 H 1 Amplitude 1 0.5 H1 H Amplitude 0 −0. dans de nombreux cas pratiques.6 H 1.8 141 1.6 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.5 e Step Response 1. 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). e .2 H 2 0 −0.4.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 )|.4.5 −1 H 2 −1.5 e R´sum´ V.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre. Ainsi.5 1 0.4 1.L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1. e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.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.8 0.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0. e .4 0.

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

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

V. V.144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig. e e e ωn ≥ 1.22 – Pulsation propre non amortie En g´n´ral.6 ts Cela conduit ` d´finir une r´gion int´ressante pour le placement des pˆles dans le plan a e e e o complexe.83) ξ ≥ ξ(Mp ) σ≥ 4.8 tr (V.23 – R´gion de sp´cifications e e . 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. Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig.

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

146 ANALYSE TEMPORELLE DES SYSTEMES .

e e e e VI. la plupart des outils peuvent ˆtre ´tendus au cas multivariable. D). De plus.1. 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. Historiquement.1. C. Mˆme si comme nous le ee e e e verrons dans ce chapitre. les premi`res e e e m´thodes de conception de syst`mes de commande a contre-r´action ont ´t´ fond´es e e ` e ee e sur l’utilisation des r´ponses fr´quentielles et des outils associ´s. les syst`mes monovariables LTI sont indiff´remment mod´lis´s par e e e e leur fonction de tranfert G(p) ou une r´alisation minimale d’´tat (A. e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. 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 ces m´thodes n´cessitent une culture fr´quentielle suffisament pouss´e pour pallier la e e e e faible corr´lation entre les caract´ristiques temporelles des r´ponses transitoires et les e e e caract´ristiques des r´ponses r´ponses fr´quentielles.1 Les syst`mes monovariables e Dans cette section.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. B. e e 147 . e ee e e e Cela explique en partie la persistance de ces m´thodes dans les bureaux d’´tudes et parmi e e les ing´nieurs. e e Toutefois. Une autre raison repose sur les possibilit´s exp´rimentales nombreuses et e e e peu complexes n´cessaires pour reconstituer la r´ponse fr´quentielle d’un syst`me donn´ e e e e e ` partir de donn´es exp´rimentales entr´es-sorties (g´n´rateurs de signaux sinuso¨ a e e e e e ıdaux et ´quipements de mesure ad´quats). e e ´ Definition VI.1 D´finition et propri´t´s e e e La r´ponse fr´quentielle d’un syst`me LTI est un outil particuli`rement important e e e e pour l’analyse et la synth`se des syst`mes de commande.1 (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.

4) XG(−jω) 2j (VI. e e e y3 (t) = ae−jωt + aejωt o`. e ´ ` Theoreme 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. u a = G(p) p2 Xω (p + jω) + ω2 =− |p=−jω (VI. · · · . y3 (t) = X|G(jω)| ej(ωt+φ) − e−j(ωt+φ) = X|G(jω)| sin(ωt + φ) = Y sin(ωt + φ) 2j (VI. |p=jω XG(jω) = 2j G(jω) = |G(jω)|ejφ et G(−jω) = |G(jω)|e−jφ d’o`. u X|G(jω)|e−jφ X|G(jω)|ejφ a=− et a = 2j 2j On obtient ainsi. − pn sont stables donc ` partie r´elle n´gative. La r´ponse en r´gime permanent est donc donn´e par.8) .1) On suppose ici que tous les pˆles de cette fonction de transfert sont distincts. −p1 .1.3) p2 ωX + ω2 (VI.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.7) (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.6) (VI. e a e e Cela implique que les termes correspondants tendent vers 0 en r´gime permanent (quand e t → ∞). La o transform´e de Laplace de l’entr´e sinusoidale u(t) = X sin(ωt) est : e e U (p) = d’o`. u y(t) = L−1 [Y (p)] = L−1 [G(p)E(p)] = ae−jωt + aejωt + b1 e−p1 t + · · · + bn e−pn t (VI.5) Xω a = G(p) 2 (p − jω) p + ω2 De plus.2) Pour un syst`me stable.

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

149

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

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

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

VI.1.2

Extension au cas des syst`mes multivariables e

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

150

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

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

Yi (ω) =
j=1

gij (jω)Uj (ω)

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

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

u2 =

u3 =

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

151

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

6

σ (G) = 6.1401

5

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

4

3

2

1 −15

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

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

152

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

1 i=j 0 i=j

H W = [wi ]i=1,···r wj wi =

1 i=j 0 i=j

Gvi = σi wi

σi = ||Gvi ||2

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

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

VI.2

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

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

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

VI.2.1

Le lieu de Nyquist

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

Im(G(jω ))

Φ(ω i)

Re(G(j ω k))

−Φ(ω k)
ωi
Im(G(j ω k))

Re(G(j ω)) ω0

|G(j ω k)| ωk

Fig. VI.2 – Plan de Nyquist

il donne la e premi`re analyse de stabilit´ pour les amplificateurs a contre-r´action e e ` e et d´veloppe le diagramme de Nyquist qui conduit au crit`re graphique e e de Nyquist pour la stabilit´. 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. pour e e e e ω → ∞: G(jω) ∼ d’o` : u φ(ω) ∼ (n − m) π 2 bm 1 bm (jω)m = n an (jω) an (jω)n−m . Entre 1921 et 1935. 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 immigre aux Etats Unis en 1907 afin e ` e de poursuivre sa formation scientifique et obtient son Master de l’universit´ du Dakota e du Nord ainsi que son Doctorat de Yaleen 1917. Il meurt en 1976.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. Apr`s ee e e e 1935. e Remarques VI.2. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. e e La mˆme ann´e. il s’engage sur des recherches g´n´rales en communication. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es.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 . 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. En 1932. En effet.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.

REPRESENTATION GRAPHIQUE 155 ω I(ω) n−m = 3 8 0 N=1 n−m = 2 R(ω) n−m = 1 Fig.Basses fr´quences : la transmittance est ´quivalente au quotient des termes de plus e e bas degr´ d’o` l’importance de la pr´sence ´ventuelle d’int´grations. Sans int´grations.4 – Comportement en basses fr´quences e . e u e e e e b0 G(jω) ∼ a0 Si la fonction de transfert contient N int´grations alors : e b0 G(jω) ∼ a0 (jω)N Cela conduit donc a ´crire aux basses fr´quences : `e e Nπ φ(ω) ∼ − 2 I(ω) N=2 0 R(ω) N=0 Fig. VI.3 – Comportement en hautes fr´quences e . VI.

1 Re 1 (jω )2 Im 1 a 1+jω T 1+jω aT 0 . VI. Im 0 1 jω Im 0 . .156 REPONSE FREQUENTIELLE DES SYSTEMES LTI Repr´sentations fr´quentielles usuelles e e Il est ` noter que les formes compliqu´es de courbes dans le plan de Nyquist ont pour a e origine les dynamiques du num´rateur.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. 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. 1 Re jω 0 .13) Φ(ω) = − tan−1 (ωT ) .5 donne un certain nombre de trac´s e e typiques. La figure VI. Im 0 Im Re 1+jωT jωT Im Re 1+jωT Im Re jωT 1+jωT 0 .12) −ωT Y = Im(G(jω)) = 1 + ω2T 2 et par son module et sa phase : |G(jω)| = √ 1 1 + ω2T 2 (VI.

16) . e e a e (ωn .REPRESENTATION GRAPHIQUE 157 L’´tude de (VI.5. ξ). 0) et de rayon 0. 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.5 Re |G(j/T)| ω = 1/Τ Fig.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI.14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0.12) permet de montrer que la courbe est un demi-cercle de centre e (0. (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.5. la pulsation propre non amortie et l’amortissement.

la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn . Cette pulsation est la pulsation de e cassure associ´e au second ordre. VI. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.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.18) ω ωn ω + 2ξ ωn 2 (VI. Aux hautes e e fr´quences.07 ξ = 0.4 ξ = 0. l’analyse asymptotique montre que la phase tend vers −π.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e . e ` e Nyquist Diagram 15 10 ξ = 0. Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1.7).17) ω2 2 ωn + ω 2ξ ωn 2 (VI.05 ξ = 0. Il est a remarquer que MATLAB donne le diagramme de e e a ` Nyquist complet avec le sym´trique par rapport a l’axe ox pour les pulsations n´gatives. e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox.19) e e Pour ω ∈ R+ .7 ξ = 0.1 ξ = 0.

la partie r´elle et la partie imaginaire sont toujours n´gatives. On calcule les limites int´ressantes permettant d’indiquer le comportement de e la courbe en basses et hautes fr´quences : e ω→0 lim R(ω) = −1 lim I(ω) = −∞ lim φ(ω) = − ω→0 ω→0 π 2 ω→∞ lim R(ω) = 0 ω→∞ lim I(ω) = 0 ω→∞ lim φ(ω) = −π La courbe admet une asymptote verticale en −1 aux basses fr´quences.2. >> nyquist(G). e Exemple VI. e ee G(jω) est alors caract´ris´e par : e e |G(jω)| = |G1 (jω)||G2 (jω)| φ(ω) = φ1 (ω) + φ2 (ω) Ceci est illustr´ par l’exemple suivant.[1 2 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. e L’inconv´nient est qu’elle n’est pas adapt´e ` la repr´sentation de lieux de transfert e e a e form´s par des produits de lieux ´l´mentaires connus G(jω) = G1 (jω)G2 (jω).1 Soit la fonction de transfert G(p) = La fonction de transfert sinuso¨ ıdale est : G(jω) = On obtient donc : R(ω) = Re [G(jω)] = |G(jω)| = 4 √ ω 4 + ω2 ω2 −4 +4 I(ω) = Im [G(jω)] = φ(ω) = − π ω − tan−1 2 2 −8 ω(ω 2 + 4) 4 jω(jω + 2) 4 p(p + 2) Pour ω > 0. Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe. En effet. e Script MATLAB 17 >> G=tf(4.

e 8 8 .2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts.3 −0.5 Real Axis −0.1 0 Fig.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. 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.4 −0. Le premier repr´sente l’´volution e e e du module de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)) en fonction de la e e e pulsation ω en rad/s.2.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations. Une octave est e e e une bande de pulsations comprises entre ω1 et 2ω1 alors qu’une d´cade est une bande de pulsations entre ω1 et 10ω1 pour ω1 .2 −0.2. pulsation quelconque. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s.9 −0. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.8 0+ −0. ´ Definition VI.6 −0. VI.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI.7 −0.

VI. il travaille principalement sur les syst`mes de commande de tir anti-a´rien et il re¸oit le Certificat Pr´sidentiel du e e c e M´rite en 1948. Pendant la seconde guerre mondiale. Il entre aux laboratoires de Bell Telephone comme math´maticien. Ce travail s’est e e e concr´tis´ par l’´dition de sa c´l`bre monographie Network analysis and feedback ame e e ee plifier design en 1945. Il devient ` ` membre de l’Acad´mie des Sciences. 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.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. Apr`s la guerre. 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. a e L’avantage principal d’une telle repr´sentation est qu’elle permet de convertir la mule tiplication des amplitudes en addition par l’utilisation de l’´chelle en d´cibels. Alors qu’il travaille chez Bell. En 1955. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. e Pendant ses premi`res ann´es aux laboratoires Bell. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. Il meurt le 21 Juin 1982. e e e Cela comprend en particulier des extensions du travail de Nyquist sur les amplificateurs a contre-r´action pour l’am´lioration des commu` e e nications longues distances. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. En 1952. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958.20) pN . Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. D de l’universit´ de Columbia en 1935. Il est all´ ` e e a l’´cole ` Urbana dans l’Illinois et obtient un diplˆme de l’universit´ d’´tat de l’Ohio en e a o e e 1926. il obtient son Ph. 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. En effet.

VI. e e ` .20). Ce trac´ asymptotique suffit en premi`re approximation pour e e e obtenir des informations sur le syt`me. Il peut ˆtre ensuite affin´ et corrig´ simplement. 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.162 REPONSE FREQUENTIELLE DES SYSTEMES LTI Il suffit alors d’appliquer la propri´t´ d’additivit´ que partagent la fonction Log10 et ee e la fonction argument. e e .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 −91 10 0 10 Frequency (rad/sec) 1 Fig. Bode Diagram 10 5 Magnitude (dB) 0 − 20 dB / decade −5 −10 ω co −15 −89 −89.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. 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. .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. Log10 |G(jω)| = i Log10 |Gi (jω)| φ(ω) = i φi (ω) (VI.22) 1 a une phase constante valant −90×N deg.5 Phase (deg) −90 −90. (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 .

REPRESENTATION GRAPHIQUE 163 .En hautes fr´quences. ω = 2/T .23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines. et en de¸`. Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e . ω << ωc = 1/T . l’amplitude en dB peut ˆtre e approxim´e par. e ` . on obtient. domaine ”hautes e fr´quences” ω >> ωc .L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB. e e e c e .Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI.3 .25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB.6 5. 45 26.Pour les basses fr´quences. .4 84.97 dB.7 63. domaine ”basses fr´quences” ω << ωc . la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave.26) Dans cette plage de pulsations.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante. ω >> ωc = 1/T . ω = 1/2T de ωc vaut a ca −0. 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 . 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. e √ (VI. Dans le plan de Bode. e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI. On rappelle que le module et la phase d’une telle fonction de e transfert sont donn´s par : e |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI.L’erreur pour une octave au del`.

Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI.27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ.Basses fr´quences : ω << ωn e −20Log10 (1) = 0 dB (VI.Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   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.Le facteur quadratique ram`tres (ωn .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.30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences. ξ). la courbe de gain pr´sentera ou ne pr´sentera pas de pic de e e r´sonnance. e .29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences.164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0. e Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI. e .97 dB 3 dB 0. e . e . VI.11 – Trac´ dans le plan de Bode de 1/(p + 2) e .

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

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.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.5 −180 ξ = 0.34) ´ Definition VI. e e e a 3.05 ξ = 0.1 ξ = 0. VI.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.2 ξ = 0.1 1.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0.1 −90 ξ = 0. ee 2.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.05 ξ = 0.Tracer les courbes asymptotiques.5 ξ = 0.2. 4.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.2.3 ξ = 0. e a ´ Procedure VI.3 (pulsation de coupure) ıdale est La pulsation ωcα pour laquelle l’amplitude de la fonction de transfert sinuso¨ inf´rieure de α dB ` l’amplitude de la fonction de transfert sinuso¨ e a ıdale ` la pulsation 0 a est la pulsation de coupure ` α dB. .2 −135 ξ = 0.3 ξ = 0.

Script MATLAB 18 >> G1=tf(4.’g. La courbe de phase pr´sente quant ` elle deux asymptotes horizontales en −90 deg et −180 deg.G2.’r-.’k’) >> grid Bode Diagram 40 20 Gain k = 4 Magnitude (dB) 0 −20 −40 −60 Intégration −80 0 −45 G(p) −90 Premier ordre 1 p+1 Phase (deg) −135 −180 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 Fig. e e G(p) = On rappelle que : |G(jω)| = 20log10 et ω→0 167 4 p(p + 2) G(jω) = 4 jω(jω + 2) 180 ω tan−1 deg π 2 4 √ ω 4 + ω2 dB φ(ω) = −90 − lim φ(ω) = −90 deg lim φ(ω) = −180 deg ω→0 lim |G(jω)| = ∞ lim |G(jω)| = −∞ ω→∞ ω→∞ La courbe de gain admet une asymptote oblique de pente −20 dB/dec aux basses fr´quences et de pente −40 dB/dec aux hautes fr´quences.[1 2 0]).G3.[1 0]).REPRESENTATION GRAPHIQUE Exemple VI.1). >> G2=tf(1. VI.’.G.’b--’.2. Ces deux asymptotes se coupent e e e a en ωc = 2 rad/s. >> G3=tf(1.’.2 Reprenons la fonction de transfert pr´c´dente. >> bode(G1.[1 2]). >> G=tf(4.14 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) .

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

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. e e e Quelques caract´ristiques des courbes e Exactement comme dans le plan de Nyquist. 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. Brown qui travaillent sur les servom´canismes hydrauliques pour la commande e des batteries anti-a´riennes. Il rejoint finalement le ` e control analysis department de Aerospace’s control systems division jusqu’` sa retraite. 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. Apr`s avoir a ` e e ´t´ directeur de recherches a la Raytheon Manufacturing Company de 1951 a 1955.Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif n − e e e m de G(p). |G(jω)| → −∞ dB (VI.REPRESENTATION GRAPHIQUE 169 Biographie 11 (Nataniel Nichols) Nataniel Nichols est n´ en 1914 dans le Michigan et obtient en 1937 son Master de e Physique de l’universit´ du Michigan. u e Ils publient ensemble en 1942 un article sur le sujet dans les transactions de l’ASME. Il a est d´c´d´ en 1997. Apr`s la guerre. Nichols et Phillips. Bush pour des probl`mes de e e commande. Taylor Instruments envoie Nichols au MIT afin d’utiliser l’analyseur diff´rentiel de V. les courbes dans le plan de Nichols-Black poss`dent des caract´ristiques en hautes et basses fr´quences facilitant leur trac´. Il fait ainsi la connaissance de C. Il est ´galement honor´ par la cr´ation de la m´daille Nichols e e e e de l’International Federation of Automatic Control. Ce travail est publi´ en e a e 1947 dans le volume 25 des monographies du MIT. Le fait que le syst`me soit strictement propre implique la pr´sence e e d’asymptotes verticales dans le plan de Nichols-Black. il retourne a Taylor e ` Instruments de 1946 ` 1950 puis passe un an a l’universit´ du Minnesota. On e e e e reprend donc une analyse identique a celle qui a pu ˆtre men´e pr´c´demment. Theory of servomechanisms par James. A cette e e occasion. Draper et G. ` e e e e .

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

38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg. nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode.18 – Lieu de transfert de 1/(1 + p) dans le plan de Nichols-Black Caract´ristiques d’un deuxi`me ordre dans le plan de Nichols-Black De mˆme pour e e e 1 un facteur du deuxi`me ordre du type e .3 ξ = 0.1 ξ = 0. e e   ω 2 2  2ξ( ωn )  ω2 ω  1 − ω2 + 2ξ ωn dB φ = − tan−1  |G(jω)| dB = −20Log10  n ω2  1− 2 ωn (VI. VI. aux hautes fr´quences.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.5 ξ = 0.01 ξ = 0.02p + 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 . 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 = 0.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0.

Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0. >> G3=tf(1.04 dB et le point correspondant a ω = 1. VI.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.[1 2 0]).’r-.3 Frequency (rad/sec): 1.[1 0]).58 Phase (deg): −90 Frequency (rad/sec): 1.G.172 Exemple VI.58 System: G3 Gain (dB): −8. e Script MATLAB 19 >> G2=tf(1. >> nichols(G2.G3.58 rad/s.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.’g.0273 System: G2 Phase (deg): −128 Gain (dB): −3. ` e .’.’.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.94 Frequency (rad/sec): 1.2. 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.[1 2]).14 Phase (deg): −38.04 dB. >> G=tf(4.’b’).

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.20 montre le diagramme des phases de G1 et de G2 . 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.40) La figure VI. T2 = 2 . ` Remarques VI. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.3 Cette d´nomination provient du fait que pour un module identique.REPRESENTATION GRAPHIQUE 173 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.2. 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. Dans le cas contraire.2.5 (minimum de phase) Un syst`me poss´dant des pˆles et des z´ros situ´s dans le demi-plan complexe gauche et e e o e e ne comprenant pas de retard est dit a minimum de phase.2.2. VI.4 Afin d’illustrer au mieux la remarque pr´c´dente.4 Les syst`mes ` non minimum de phase e a ´ Definition VI. Exemple VI. il sera ` dit a non minimum de phase.20 – Phases de G1 et G2 pour T1 = 1.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre.

8 −0.2 0. Si la courbe de gain est connue sur l’ensemble des pulsations.2 Imaginary Axis 0 −0.4 0.6 0. le module et la phase sont li´s par une relation e a e biunivoque.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.2 −0.8 0. Nyquist Diagram 1 0. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase.8 1 Fig.4 −0.6 0. A titre d’exemple.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 . 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. nous donnons les lieux de transfert de G a dans le plan de Nyquist.4 −0.4 0.6 −0.42) Le module de G(jω) vaut 1 tandis que son argument est donn´e par : e Arg (G(jω) = −2 tan−1 ωT1 0 −20 −40 −60 −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 0 10 1 10 2 10 3 Fig.8 −1 −1 −0. VI.2 0 Real Axis 0.6 −0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique. VI.

[1 0.5 Extension aux syst`mes multivariables e La section I.2 5]).[2 1] [1 4]}.45 s + 10 #2: . 1 #1: ---------------------------------------s^4 + 0. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie. e Singular Values 0 σ( j ω) Singular Values (dB) −50 −100 −150 σ( j ω) 10 −1 10 0 10 Frequency (rad/sec) 1 Exemple VI.2.21 s^3 + 7.2 a montr´ que la r´ponse fr´quentielle des mod`les LTI multivariables e e e e est compl`tement caract´ris´e par les gains principaux (valeurs singuli`res) qui sont des e e e e fonctions de la pulsation ω. Cela impose donc le plan de Bode e e comme seul outil disponible.002 s^2 + 0.21 s^3 + 7. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.{den den.den den}) Transfer function from input 1 to output.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.6 (lieu de transfert multivariable) La repr´sentation graphique de la r´ponse fr´quentielle d’un syst`me multivariable consiste e e e e ` tracer les gains principaux du syst`me multivariable dans le plan de Bode.H=tf({1 3...2. ´ Definition VI. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.REPRESENTATION GRAPHIQUE 175 VI.5 (mod`le deux entr´es .deux sorties) e e Script MATLAB 20 >> den=conv([1 0.2.01 2]. Dans la a e majorit´ des cas.1.002 s^2 + 0.

002 s^2 + 0.21 s^3 + 7..002 s^2 + 0.21 s^3 + 7.45 s + 10 s + 4 ---------------------------------------s^4 + 0. 3 #1: ---------------------------------------s^4 + 0..176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.45 s + 10 #2: >> sigma(H) >> grid .

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

biographie).1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif.Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. la th´orie des syst`mes de commande a contre-r´action est introe e ` e duite pour tout ce qui concerne les aspects d’analyse. Dans un premier temps. 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. Jusqu’` pr´sent. le principe fondamental consiste ` observer les effets e e e a des actions que l’on produit et de les corriger en fonction des r´sultats observ´s. Dans ee e e la suite de ce cours. e ` ea 179 . 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). Cette e e structure est illustr´e figure VII. seuls les syst`mes monovariables sont trait´s. 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. Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e.1. En r´sum´. VII. Adopter une telle structure de commande induit bien e entendu un certain nombre d’avantages mais aussi quelques inconv´nients que nous allons e d´tailler a travers un exemple simple emprunt´ ` [13].1. nous nous sommes essentiellement e a e attach´s ` l’´tape de mod´lisation et d’analyse des propri´t´s des syst`mes dynamiques e a e e ee e consid´r´s en tant que tels et d´connect´s de la structure de commande choisie.1 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) 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. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action. Apr`s ses ann´es d’´tudes. 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. ee En 1927. neuf c e prix ainsi que de nombreux autres titres honorifiques. 2 102 671) qui ne sera enregistr´ que neuf e e e ann´es plus tard du fait de l’incr´dulit´ du bureau des brevets. e e √ ρc 2 (VII. m est la masse du v´hicule et ρ et c sont des constantes. Il s’agit donc de renvoyer une proportion du signal de communication sur l’entr´e de l’amplificateur afin d’am´liorer e e la qualit´ du signal en sortie. Il est e ` diplˆm´ de l’Institut Polytechnique de Worcester en 1921 puis re¸oit du mˆme institut o e c e un doctorat honorifique. ancˆtres des laboratoires Bell Telephone. e On suppose que l’´quation du mouvement associ´e au d´placement du v´hicule est e e e e une ´quation diff´rentielle du premier ordre. Cette id´e est appliqu´e e e e e e initialement afin d’am´liorer les communications t´l´phoniques longues distances avant e ee d’ˆtre fondatrice de la th´orie moderne des asservissements et de l’Automatique. Perturbation Système de commande Entrée de référence + Ampli. 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. Il meurt en 1983. e .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. u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1. Il publie modulation theory en 1953. photo du chapitre e 1). e e e Le sch´ma de principe est alors le suivant. Harold e e Black fait partie du Hall of Fame des inventeurs depuis 1981 et a re¸u 10 m´dailles. sur le trajet matinal de l’Hudson River sur le ferry Lackawanny pour aller a son travail. Process Sortie Fig.180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. Black) Harold Stephen Black est n´ le 14 Avril 1898 a Leominster dans le Massachussetts. 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. Il d´pose un brevet (21 D´cembre 1937 . il rejoint les laboratoires de West e e e Street de la Western Electric a New York.No. VII.

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

1 et k = 0.06 correspondant a des accroissements respectifs ` pour k = 0.52 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. On refait donc les simulations m √ √ ρc ρc = 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. = 0. . Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.56 k=0.05 et m m de masse de 20% et 40%.02. que pour les valeurs k = 0. la r´ponse est tr`s lente.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. e e On peut remarquer sur la figure VII.58 0. a Quelle que soit la valeur du gain de l’action int´grale k.6 k=0.5 a 0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0.05.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.02 v 0. la r´ponse du syst`me pr´sente un d´passement entrainant un temps d’´tablissement e e e e e relativement lent alors que pour k = 0.02.4. VII. 0. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0.62 k=0.54 0. 0.08.6 e ee e ` ` l’instant 10 s.05 0. Le signal de r´f´rence est donc un ´chelon passant de 0.1 s et pour diff´rentes valeurs de k ∈ {0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.05.6.6. 0.08.1}.08 0.08.

58 0.56 v 0. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.54 0.` ` ´ VII.65 0. le v´hicule ralentit dans un premier temps e pour ensuite de nouveau acc´lerer afin d’atteindre la vitesse de croisi`re d´sir´e.1.6 0. e e e e . 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. 0. VII.4 0.5 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.55 v 0.52 0.7 0.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. SYSTEMES DE COMMANDE A CONTRE-REACTION 0.6 sans perturbation 0.5) x1 (t) + x2 (t) + p(t) x1 (t) = − ˙ m m Cette perturbation est mod´lis´e comme un ´chelon de position n´gatif intervenant en e e e e t = 20 s. e a e Si l’on consid`re des conditions r´alistes.62 183 0. e √ √ ρc 2 ρc (VII. VII.5 – R´ponse indicielle pour des variations de masse e On peut donc conclure a une certaine insensibilit´ du syst`me de commande de la ` e e vitesse de croisi`re vis-`-vis des variations de masse du v´hicule.45 avec perturbation 0.

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

7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII. a S(p) + T(p) = 1 (VII. 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.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. e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (VII.b est le signal des perturbations = r − y est le signal d’erreur 185 . diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s.w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII.1.1.6) 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.` ` ´ VII.7) ´ Definition VII. La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle.ν est le signal de commande entrant r´ellement dans le syst`me e e .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.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) . SYSTEMES DE COMMANDE A CONTRE-REACTION .1 (sensibilit´ et sensibilit´ compl´mentaire) e e e Les fonctions de transfert S(p) et T (p) sont appel´es respectivement fonction de sensibie lit´ et fonction de sensibilit´ compl´mentaire.8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc.

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

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

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) .

Il est orient´ dans le sens antitrigonom´trique. la sensibilit´ compl´mentaire T (p).14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit.15) G(p)K(p) 1 + G(p)K(p) (VII. quand l’assere e e vissement est ` retour unitaire.2. j∞] et d’un demi-cercle centr´ en (0. e e . VII. 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.2.2. e VII.13) Nous rappelons que le syst`me est stable asymptotiquement en boucle ferm´e si et e e seulement si ce polynˆme caract´ristique a des racines a partie r´elle strictement n´gative.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps. K(p) = NK (p) DK (p) (VII.´ ` ´ VII. ´ Definition VII.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.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. 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. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e. Le crit`re de o e e e Nyquist est un crit`re graphique qui permet de conclure quant a la stabilit´ de la boucle e ` e ferm´e par la seule connaissance de la boucle ouverte. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII. a r + − ζ K(p) u G(p) y Fig.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note.

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

.1 Le syst`me ` contre-r´action de la figure VII. 3.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII. ` G(p) = K p(1 + T p) T >0 K>0 (VII. CN o 2. 4. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p).Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.1 1. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant. o e e .17) 1.Tracer son sym´trique par rapport a l’axe ox. fermer le lieu de u Nyquist. 0).16) Exemple VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES .Tracer le lieu de Nyquist complet de la boucle ouverte. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire. il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure 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. le lieu de Nyquist est complet et ferm´.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.La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e .2.Calculer la boucle ouverte de l’asservissement consid´r´. o a e Afin d’appliquer correctement le crit`re de Nyquist. 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.Dans le cas o` le contour de Nyquist a une indentation.2.2.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .

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

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

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. 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. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII.1.1. Dans le § VII.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente.2. les fonctions de sensibilit´. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement. VII. VII. Cela signifie que de faibles variations sur les bruits de mesure et sur le signal de r´f´rence vont r´sulter en de fortes variations sur les commandes voire en signaux de ee e commande satur´s.7 pour lequel les donn´es de l’exemple VII. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII. e a e e e e .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.7 incluant une perturbation e et un signal de bruit de mesure. 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.2.1 e e e sont reprises. nous avons d´fini un certain nombre e de transferts. En effet.

2. e e ´ Definition VII.3 (bien pos´) e La boucle a contre-r´action de la figure VII. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII. .15 ainsi d´finie a un sens. VII. e ´ Definition VII. xK ) = (0.4 (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 = 0.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres. 0) est asympe e e totiquement stable. il est n´cessaire de s’assurer que e e e la boucle de la figure VII.2.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne. On dit alors qu’elle est bien pos´e.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. 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.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre.2.

21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.1023i .[2 1])).5 1].Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement.5 1]))). v) sont born´s.2326 + 1.3 .Test entr´e-sortie : la boucle ` contre-r´action de la figure VII. Pour tous les signaux e e d’entr´e born´s (v1 .05 1].7).1 a .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. Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.conv([5 1]. >> pole(S) ans = -19.2.conv([0.1023i -0. les signaux de sortie (u.2. v sont stables asymptotiquement.2.2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.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.196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII. >> K=tf([1 1].1. ν2 aux sorties e e u.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII. e Script MATLAB 22 >> G=tf([10]. la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands.[0.5p + 1)2 (0.1434 -0. e ua e Exemple VII.2326 .15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 . . v2 ). e e .9878 -3.conv([0. >> L=G*K. >> S=inv(1+L).

>> pole(T) ans = -19.1434 -0.2326 + 1.2326 .BK.2326 + 1.1.0000 -19.D]=ssdata(sysG). >> [A.1.5000 >> sysG=ss(G). >> sysK=ss(K).DK]=ssdata(sysK).2326 .1035 -0.1023i -1.0000i 0.1023i -1.1035 -0. >> Abf=[A zeros(3. zeros(2. >> pole(KS) ans = -20.3) -CK.1035 >> GS=G*S.2000 + + - 1.1035 >> T=1-S.2326 -0.2)].1434 -0.0000i >> KS=K*S.2)..9878 -3.3) AK]+[B zeros(3.1) BK]*inv([1 DK.-D 1])*[zeros(1.1023i -0..1).9878 -3.C zeros(1.9878 -3.0000 -2. >> [AK. >> pole(GS) ans = -19.1434 -0.B.C.1023i 1.CK.0000 -1.2326 -2.1023i 0..ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1. .1023i -0.zeros(2.

[1 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.1p + 10 En appliquant le th´or`me du faible gain. >> L=G*K.2326 . >> K=tf([0.1434 -1.4 On suppose que G(p) et K(p) sont asymptotiquement stables.1 10]). 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.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. e e e . L’interconnection pr´sent´e e e figure VII. e e >> G=tf([1]. e ´ ` Theoreme VII.1023i -3.2.2. .[1 1]).1p p+1 1 p2 + 0.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII.9878 -0. on obtient : e e max |K(jω)G(jω)| = 0.22) Remarques VII.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.15.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).2 .1 0].3015 ω Le syst`me est stable de mani`re interne.1023i -0.2.1. e e Exemple VII.2326 + 1.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.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.

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. VII.16 – Courbe de gain dans Bode de L VII. le pic de r´sonnance Mr peut ´galement servir a cet effet.4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la e e e a boucle ouverte Stabilit´ relative e Dans l’analyse qualitative que l’on peut faire d’un syst`me boucl´.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.inf) ans = 0.2. Cette distance peut ˆtre mesur´e dans deux e e directions diff´rentes donnant lieu ` la d´finition de la marge de phase et de la marge de e a e gain. Dans le domaine e e e ` fr´quentiel. 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´. . cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement. 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. j0) dans le plan de Nyquist.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. Dans le domaine temporel.

cela indique l’augmentation que le gain peut e a accepter avant de devenir instable.3 Pour un syst`me ` minimum de phase. 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.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.2.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black .23) o` ωco est la pulsation de coupure a 0 dB (gain-crossover frequency) de la fonction de u ` transfert en boucle ouverte : L(jωco ) = 0 dB ´ Definition VII. Arg[L(jω−180o )] = −180o (VII.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII. VII.6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII.2. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.2.25) (VII.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).26) Remarques VII. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.

[1 0. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.[1 1]).1 0]. Pm = 25. >> K0=100.3 et l’on rajoute un gain K0 = 100 dans la boucle. >> K=tf([0.4 On reprend l’exemple V.2.5 10]). Bode Diagram Gm = Inf dB (at Inf rad/sec) .42 rad/s. >> margin(L) .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(1.2.8 deg (at 4. >> L=K0*G*K.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.18 – Marges de gain et de phase dans le plan de Bode Exemple VII. 8 deg pour ωco = 4. VII.

VII. VII.00322 Phase (deg): −154 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.19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0.20 – Plan de Nichols-Black .908 Imag: −0.202 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.449 Frequency (rad/sec): 4.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.

5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig.5 1 0.2.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte.22 – Marge de module dans le plan de Nyquist .2. e e ´ Definition VII.5 On poursuit l’exemple V. ∆M = 1 1 = MS max |S(jω)| ω (VII.3 avec le mˆme gain K0 = 100 dans la boucle. VII. 0) et tangent au lieu de transfert.2.5 −1 −1. Dans le plan de Nyquist. Une mesure plus objective est d´finie par la marge de module.27) Im −1 ∆M 1 Re G(jω ) Fig. c’est donc le rayon du cercle de centre le point critique (−1. VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises. e Nyquist Diagram 2 1.5 Imaginary Axis 0 −0.21 – Marge de module dans le plan de Nyquist Exemple VII.

23 – Pulsation de r´sonnance e .14 Magnitude (dB): 15.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir.[1 1]). >> K0=100.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.5 10]).40911.8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII.1 0].6 dB.6 (VII.2.[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.inf)) Mod = 0. VII. >> L=K0*G*K.6 On poursuit l’exemple pr´c´dent. >> K=tf([0. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII. >> Mod=inv(norm(S. Script MATLAB 24 >> G=tf(1. >> S=inv(1+L). e e Bode Diagram 20 System: L Frequency (rad/sec): 3.2. On trouve ωr = 3.14 rad/s et Mr = 15.

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

u A partir de ces M-cercles et de ces N-cercles. les lieux d’amplitude constante et de phase constante en boucle ferm´e.34) o` N = tan(α).2. 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. il s’agit de calL(jω) . On note. Ainsi. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII. l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist.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. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII. le pic de r´sonnance Mr est d´termin´ e e comme le plus petit M-cercle tangent avec le lieu de transfert en boucle ouverte alors que ` la pulsation de r´sonnance ωr correspond a la pulsation de point d’intersection. culer pour chaque pulsation donn´e.33) .30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. 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 = −0.32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e.707.10 (M-cercles et N-cercles) .206 − → OA repr´sente L(jωA ). . u e e ´ Definition VII.Les lieux d’amplitude constante en boucle ferm´e sont appel´s les M-cercles et ont e e pour ´quation : e X+ M M2 − 1 2 + Y2 = M2 (M2 − 1)2 (VII. 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.

833 0.3 1.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 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.5 Im G 0 −90o −60o −45o −1.5 2.5 2 2.707 M = 1.2 1.27 – Abaque des N-cercles . VII.5 0 Re G 0.67 0.5 −1 −30o −2 −2. VII.5 1 1.5 60o 90o 0. e e ea 2.27.5 Fig. Un exemple d’abaque est donn´ ` la figure VII.707 0.5 −2 −1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.5 Re ω r (Mr = 2) M=0 Fig.5 −1 −0.5 −2.5 30o (−150o) 36o 45 1 o 2 1.5 −36 o −0.

208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII.29 qui forment l’abaque de Hall-Nichols. e ω = 2. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte. ` 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.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.375 Frequency (rad/sec): 2. 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.7 En reprenant l’exemple pr´c´dent.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1. e .62 rad/s ωr = 4.92 Frequency (rad/sec): 3.87 Imag: −1.28 – 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). 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. on peut calculer des e e a points de la boucle ferm´e.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig.16 rad/s ω = 3. Ainsi ` partir de la figure VII.2. VII.28.64 Imag: 0. De ce fait.

25 dB 0.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.5 dB 20 1 dB −1 dB 209 Open−Loop Gain (dB) 10 3 dB 6 dB −3 dB −6 dB 0 −10 −12 dB −20 −20 dB −30 −40 −350 −300 −250 −200 −150 Open−Loop Phase (deg) −100 −50 −40 dB 0 Fig.25 dB 0.5 dB 1 dB 3 dB 6 dB 0 dB 0 Open−Loop Gain (dB) −50 −100 −150 −200 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) .ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.2. VII.29 – Abaque de Hall Exemple VII.

5. e En produisant un zoom sur les fr´quences interm´diaires.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0.25 dB Open−Loop Gain (dB) 10 Mφ Kg −150 Open−Loop Phase (deg) −100 −50 Un trac´ identique est donn´ pour K = 5 o` l’on peut voir l’effet de l’augmentation e e u du gain sur le syst`me en boucle ferm´e. il est alors possible de calculer e e la marge de phase. e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es.8 rad/s Nichols Charts 50 40 0 dB 30 0.210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.5 dB ωr = 2. la marge de gain. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance. e e Mφ = 60 deg ωco = 1. e e .

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

(VII.2.4 Si l’asservissement n’est pas unitaire. 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase.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) .212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII. il faut calculer.

Le lieu de o e Nyquist complet est alors trac´ comme : e . EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII.fait Pbo tours dans le sens trigonom´trique autour de l’origine. dans L(p). e e e VII. e o e ´ ` Theoreme VII.3 Extension aux syst`mes multivariables e Dans cette partie. e .3.1 Le lieu de Nyquist de det(1+L(p)) correspond a l’image de det(1+L(p)) quand p parcourt ` le contour de Nyquist dans le sens antitrigonom´trique.O.24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables.1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII.3.3.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.1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B. Remarques VII.3. 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. seules quelques extensions de ce qui a ´t´ vu pr´c´demment sont ee e e pr´sent´es pour les syst`mes multivariables.1 Soit la boucle ouverte L(p) telle que : 1  1 + L(p) =  (p + 2)(p + 3) 0 On calcule : det(1 + L(p)) = 1 (p + 2)(p + 3)(p2 − 2p + 10)   p (p − 1)(p + 2)   1 p2 − 2p + 10 On a donc deux pˆles instables en boucle ferm´e p = 1 ± 3j et Pbo = 2.

06 det(1+L(p) 0.6 0. ´ ` Theoreme VII.5.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.2 Le th´or`me du faible gain e e Le th´or`me du faible gain d´j` pr´sent´ dans le cas monovariable s’´tend naturellee e ea e e e ment au cas multivariable.5 0 0 0 0 0.0 -1 1.06 −0. .08 0 0. u e e a Exemple VII.5 0 0. Le syst`me est instable.3.2 (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.04 −0.C=[0.4 0.04 Imaginary Axis 0.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0. a e VII.3.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.0 0 0.B=[1 0.08 0.2 0.02 −0.2 Soit l’asservissement a retour unitaire du type de la figure VII.5 0 0.8 1 1.1 0.0 0 -4].24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.0 1].02 To: Y(1) 0 −0.3.5].

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

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

Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. des propri´t´s e e e ee du syst`me ` corriger et particuli`rement des limitations de performance inh´rentes ` ce e a e e a syst`me. Les sp´cifications de performance ne e e forment donc pas un ensemble rigide d’exigences mais doivent plutˆt ˆtre vues comme un o e moyen d’´tablir une liste de performances souhait´es. e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires. 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. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. e e e e 217 . dans son ´tape de synth`se. Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me. L’objet de ce chapitre est donc de fournir des m´thodes permettant de mani`re e e e syst´matique la g´n´ration de sp´cifications de performance. de crit`res fr´quentiels en relations plus ou moins ´troites e e e e avec ces derniers et de crit`res de pr´cision sur le r´gime permanent. Les 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.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.

Relation 4 : ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) (VIII. e r + − ζ K(p) b + ν u + G(p) y + + w Fig. T (p).Relation 3 : u(p) = K(p)S(p)(r(p) − w(p)) − T (p)b(p) .2 VIII.3) (VIII. nous travaillerons comme dans le chapitre pr´c´dent ` e e a partir du sch´ma fonctionnel complet de la figure VIII. VIII.218 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.4) (VIII. S(p)K(p) et d’illustrer les b´n´fices que l’on peut attendre de ce e e type de structure.Relation 2 : (p) = S(p)r(p) − S(p)G(p)b(p) + T (p)w(p) . S(p)G(p).1 – Sch´ma bloc avec perturbation et bruit e Nous rappelons les relations importantes intervenant dans ce type de bouclage : .1 Sp´cifications fr´quentielles de performance : syst`mes e e e monovariables Rappels sur les relations de bouclage Dans le cadre de ce chapitre.Relation 1 : y(p) = S(p)G(p)b(p) + T (p)(r(p) − w(p)) .1.2. .1) Les quatre relations pr´c´dentes permettent de d´finir les quatre fonctions de sensibilit´ e e e e S(p).2) (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 .7) e Du fait que T + S = 1 et S = (1 + GK)−1 . e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w).2.8) |K(jω)G(jω)| |T (jω)| ∼ 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ (r − w) et ∼ w. e ωb < ωco (VIII.SPECIFICATIONS FREQUENTIELLES 219 VIII. e ω < ωb |S(jω)| 1 (VIII. e e e a on en d´duit la r`gle g´n´rale en basses fr´quences pour le rejet de perturbations : e e e e e |S(jω)| 1 ω < ωb (VIII.Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII. ω < ωb ⇒ |T (jω)| ∼ 1 et |K(jω)G(jω)| 1 pour ω < ωb La sp´cification de rejet de pertubation peut donc s’exprimer en sensibilit´. en boucle e e ferm´e ou en boucle ouverte.6) 1 (VIII.9) 1 .5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω).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).10) (VIII. Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb . e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωco e d´finissant la bande passante de G.Pour que b ait peu d’influence sur y : |G(jω)S(jω)| .

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.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.Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment.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 .2.12) 1 (VIII.2. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).Pour que w ait peu d’influence sur y : |T (jω)| .15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.13) |K(jω)G(jω)| |T (jω)| 1 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ Gb et ∼ r − Gb. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .14) VIII. ee e e (VIII.

rampe. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes. e Exemple VIII. 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..) 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. Si la e marge de phase souhait´e est 45o .2. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´. Cela induit des pulsations ωco et ω−180o suffisamment importantes.2. 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. il faut avoir Φ = −135 deg et donc dans cette r´gion. e la pente ne peut exc´der −30 dB/dec. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).5 Comportement aux fr´quences interm´diaires e e Condition de roll-off Les sp´cifications pr´c´dentes ont ´t´ ´labor´es en basses et hautes fr´quences.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p).16) En appliquant le th´or`me de la valeur finale.2.18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive.17) On en d´duit la r`gle des int´grateurs. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg.. 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.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. e e e ´ ` Theoreme VIII. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. e . une contrainte e e |L(jωco )| < 1 alors que l’imp´ratif sur la rapidit´ de la r´ponse implique une bande pase e e sante suffisamment grande. on obtient. e VIII.

Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me.19) Dans la majorit´ des cas. la bande passante est un indicateur de performance particuli`rement important. pour les pulsations e e inf´rieures ` ωB . S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 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. e e e C’est une ´tape importante dans l’´tape de mod´lisation.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. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0.707 = −3 dB 2 (VIII. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances..1 . ωBT ]. e Remarques 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. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII. on a alors : e e ωB < ωco < ωBT (VIII. la commande est effective et am´liore les performances.2.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB . e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg.2.2. Au del` de ces pulsations.21) (VIII.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. ωB = ωBT . 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 .2.La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte.22) VIII. e e .20) (VIII. e ´ Definition VIII. Dans le cas contraire.

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

5.2.448 deg.2 rad/s.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0. VIII.41 rad/s.23) On peut en effet en d´duire ais´ment la fonction de transfert du compensateur par la e e m´thode d’inversion du mod`le.5 et des pulsations de coupure ω−180o = 0.1 rad/s.5 deg. a e e . e e e e e Exemple VIII. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig.25) (VIII. e e e . e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples. Pm=48.Il est stable en boucle ouverte puisque ses pˆles sont p1 = −1/5 et p2 = −1/10 o correspondant aux pulsations de cassure caract´ristiques ωp1 = 0.2 rad/s et ωp2 = e 0.24) Ce mod`le poss`de les caract´ristiques suivantes.9588 dB (at 0.41231 rad/sec). (at 0. Bode Diagrams Gm=7. une marge de gain Kg = 2.3 – Courbe de gain de G(p) . a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII.20372 rad/sec) 10 0 −10 Phase (deg). ωco = 0. 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 = 48.2 (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.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 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. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e .28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII.26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p.1 rad/s.33p + 1) (VIII. On obtient donc.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`. e .29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0. |Gb (jω)| ∼ 0 dB. A ce stade.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.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) = .1 rad/s. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s.5 rad/s et β = 0. L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII.27) Pour ω = 0.30) .Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration.Le bruit de mesure intervenant au del` de 0. e ` e .5 Hz doit ˆtre filtr´. e e e 225 . 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. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII. Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation. Cela permet de choisir ωb = 0. L0 (p) = −2p + 1 p(2p + 1)(0.

43 rad/s Bode Diagrams Kg = −0.2 rad/s.44 ωco = 0.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte.31) Le trac´ de Bode d’une telle boucle ouverte conduit ` calculer une marge de phase e a et une marge de gain : Mφ = 54 deg Kg = 2. VIII.15 et a ` une pulsation de coupure ωco = 0.33p + 1) (VIII. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0.95 rad/s 60 40 20 0 Phase (deg).4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e. 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.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. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche. e e .92 . ω−180o = 0. On obtient alors : L(p) = 0.15(−2p + 1) p(2p + 1)(0.

15(10p + 1)(5p + 1) p(2p + 1)(0. VIII.4 0.8 0.6 – R´ponses indicielles e . on obtient un compensateur ´gal a : e e e ` K(p) = 0.6 0.) 25 30 35 40 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).2 0 0 0 14 28 Time (sec.) 42 56 70 0 5 10 15 20 Time (sec.SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0. VIII.33p + 1) (VIII. Magnitude (dB) Lf(p) −50 0 G(p) L(p) −100 −200 −300 L (p) L (p) f 0 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.6 Amplitude Amplitude 0.8 0.4 0.32) Les figures suivantes sont les r´ponses temporelles ` une entr´e en ´chelon de position e a e e unitaire r(p) = 1/p pour le syst`me boucl´ non corrig´ (pour lequel il existe une erreur e e e de position) et le syst`me boucl´ corrig´ par K(p).44 rad/s Bode Diagrams 227 ωco = 0.2 0. e e e Step Response Step Response 1 1 0.

e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires.4 0.6 0.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.34) MT ≤ 1. 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.) 42 56 70 0 10 20 30 Time (sec. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.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.4 0.35) .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. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.7 – R´ponses a une perturbation en ´chelon e ` e VIII.6 Amplitude Amplitude 0. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me.8 0. En effet.2 0.2.2 0 0 0 14 28 Time (sec.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´.) 40 50 60 Fig.7 Modelage des fonctions de sensibilit´ e Une strat´gie diff´rente de celle du loopshaping est de d´finir les sp´cifications direce e e e tement sur les fonctions de sensibilit´ S et T et de reformuler le probl`me de synth`se en e e e un probl`me d’optimisation. e e e Step Response Step Response 1 1 0.8 0.

2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII. e e e e e ∆M = 1 MS 229 (VIII.l’amplitude maximale du module de S : ||S||∞ < MS (VIII. e e La sp´cification de pond´ration signifie donc que la norme H∞ (la valeur maximale e e e e a e du gain) de S pond´r´e par la fonction wp (p) doit ˆtre inf´rieure ` 1.3 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.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.2.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.2.le modelage de S sur certaines plages de fr´quences e 4. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .une bande passante minimale ωB ` −3 dB |S(jωB )| = 0.une erreur maximale de position en r´gime permanent A e 3.39) Remarques VIII.2. Un choix usuel est MS = 2. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.SPECIFICATIONS FREQUENTIELLES Remarques VIII.707 2. 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. 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.

8 – Fonction de pond´ration wp e La borne sup´rieure de |S|. Im W (j ω ) p −1 1+L(j ω ) Re ω0 L(j ω) Un choix classique pour la fonction de pond´ration est : e wp (p) = Le trac´ asymptotique dans Bode de e p/M + ωB p + ωB A (VIII. elle est ´gale a A ≤ 1 (action int´grale) e e ` e . 0) et de rayon |wp (jω)|.41) 1 est donn´ par : e wp (p) 1 |wp(j ω)| −3 dB M ωB ω rad/s A Fig. VIII.aux basses fr´quences. e 1 v´rifie : e |wp | .230 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Cela signifie donc que le lieu de transfert en boucle ouverte |L(jω)| trac´ dans le plan e de Nyquist n’entre pas dans le disque de centre (−1.

Apr`s loopshaping. >> Wp=tf([1/M Omega_B].ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII. >> bodemag(S.15]. >> L=tf([-0. e e la boucle ouverte vaut : L(p) = 0.Omega_B=0.05 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.SPECIFICATIONS FREQUENTIELLES .1/Wp) >> grid A=0 . on choisit parfois une fonction de pond´ration plus e e complexe : wp (p) = (p/M 1/2 + ωB )2 (p + ωB A1/2 )2 (VIII.conv([2 1 0].8 ωB = 0.[1 0]).2. Il e e a e est ` noter sur la figure VIII. >> S=inv(1+L).2.33 1])).5. Script MATLAB 26 >> M=1.3 On reprend l’exemple utilis´ pour le loopshaping de la section III.3 0.05.[0.15(−2p + 1) p(2p + 1)(0. elle est ´gale a M ≥ 1 e e ` .7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.42) Exemple VIII.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 = 1.2.8.2.4 Afin d’am´liorer les performances.aux hautes fr´quences.

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

SPECIFICATIONS FREQUENTIELLES 233 VIII. il est n´cessaire e e de diff´rencier les fonctions de sensibilit´ en entr´e et en sortie (calcul´es en ouvrant la e e e e boucle en 1 ou en 2). . e .3 VIII.2 Les fonctions de sensibilit´s en entr´e et en sortie e e Il est tout d’abord n´cessaire de d´finir les relations de bouclage associ´es au sch´ma e e e e d’asservissement VIII. En effet.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. il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable.3. Pour cela.r`gle 2 : bouclage e v(p) = (1 + L(p))−1 u(p) L(p) = G2 (p)G1 (p) U(p) + v(p) − G1(p) Y(p) G2 (p) . du fait de la non commutativit´ du produit matriciel.9 o` G(p) ∈ Cr×m et K(p) ∈ Cm×r sont des mod`les LTI multivau e riables.3.

nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII. En fait. seul l’outil e e math´matique est r´ellement diff´rent.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII.9 – Asservissement et fonctions de sensibilit´s e s(p) = (1 + GK)−1 Gb(p) + (1 + GK)−1 GK(r(p) − n(p)) ζ(p) = (1 + GK)−1 r(p) − (1 + GK)−1 Gb(p) + (1 + GK)−1 GKn(p) u(p) = K(1 + GK)−1 (r(p) − n(p)) − K(1 + GK)−1 Gb(p) Les relations de bouclage pr´c´dente permettent de d´finir les 6 transferts caract´risant e e e e l’asservissement VIII.3. e e e e ee .9 est compl`tement caract´ris´ par les fonctions de transe e e e fert : Sy = (1 + GK)−1 Su = (1 + KG)−1 Ty = (1 + GK)−1 GK Tu = (1 + KG)−1 KG (VIII.3. ´ Definition VIII. ´ ´ Proprietes VIII. VIII.3 Sp´cifications de performance e Les sp´cifications de performance sont ´tablies tr`s sensiblement de fa¸on identique e e e c pour les syst`mes multivariables et pour les syst`mes monovariables.45) KSy = K(1 + GK)−1 Sy G = (1 + GK)−1 G Il est ` noter que la diff´rence fondamentale avec les asservissements monovariables a e vient de la non identit´ des sensibilit´s et sensibilit´s compl´mentaires en entr´e et en e e e e e sortie Sy = Su et Ty = Tu .234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.46) (VIII.9.3. Afin de ne pas alourdir ce document.

On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0.9.47) Pour que le suivi de r´f´rence soit bon. il est donc indispensable que l’influence de r ee sur soit la plus faible possible.7 .10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques 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.7 ≤ ωB ≤ ωσ(S)=0.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII.48) cela peut s’exprimer par la relation suivante. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec .50) (VIII.Ai .49) ` . la bande passante d´pend des directions.3. = s − r = Sy (d − r) − Ty n + Sy Gb (VIII.SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant. l’erreur s’exprime comme suit. VIII. En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII. les relations de l’asservissement VIII.1 Pour les syst`mes MIMO.

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

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 . e |1 − σ(S)| ≤ σ(T ) ≤ 1 + σ(S) |1 − σ(T )| ≤ σ(S) ≤ 1 + σ(T ) .3.11 – Valeurs singuli`res typiques du gain de boucle e Remarques VIII. 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.

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs. 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. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). il est ´galement int´ressant de savoir comment e ` e e s´lectionner le gain de boucle afin d’imposer une localisation des pˆles en boucle ferm´e e o e satisfaisante et par cons´quent une dynamique ad´quate pour le r´gime transitoire. trae e ` vaille comme enseignant a l’universit´ de Washington de 1946 a 1948 ` e ` et obtient son Master of Science en g´nie ´lectrique de l’universit´ de e e e Californie a Los Angeles en 1951.R. permettant d’´valuer la e e e e localisation des pˆles en boucle ferm´e dans le plan complexe quand K varie de 0 a +∞ o e ` ` partir de la connaissance des pˆles et des z´ros en boucle ouverte : c’est la m´thode du a o e e lieu des racines ou du lieu d’Evans. Il o e est en effet g´n´ralement difficile de calculer explicitement les racines en boucle ferm´e e e e pour des polynˆmes caract´ristiques de degr´ ´lev´. e 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 1941.240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. Il meurt le 10 juillet 1999. Evans a d´velopp´ une m´thode graphique en 1948. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. Il publie Control system Dynamics e e en 1954. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. e e e W. il entre ` la soci´t´ Autonetics. Quand le gain de la boucle varie. e . En 1948. 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. a Il est l’inventeur du spirule. Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. la o e localisation des pˆles en boucle ferm´e varie ´galement.

1 Les valeurs de p telles que les deux conditions IX. r + − ζ G(p) F(p) y Fig.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement. · · · ) .2.2.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.3) L’´quation caract´ristique exprime une ´galit´ complexe qui peut ˆtre scind´e en deux e e e e e e ´galit´s r´elles. e e e .7) . 2.1 (lieu des racines) Le lieu des racines ou lieu d’Evans est le lieu constitu´ par les pˆles en boucle ferm´e e o e quand le gain de boucle K varie.6 sont v´rifi´es.6) (IX.4) (IX. Dans la majorit´ des cas. e e o e ´ Definition IX.2 IX.2. CONSTRUCTION DU LIEU D’EVANS 241 IX. 1.IX.Condition d’amplitude : |G(p)F (p)| = 1 (IX. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.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.5 et IX. IX.5) Remarques IX.2. 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.

3 – Mesure des angles et des amplitudes IX.2. Pour cela.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.242 ANALYSE PAR LE LIEU DES RACINES On rappelle que pour une fonction de transfert : G(p)F (p) = alors : Arg[G(p)F (p)] = Φ1 − θ1 − θ2 − θ3 − θ4 |G(p)F (p)| = KB1 A1 A2 A3 A4 (IX.4 – Exemple .9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX. IX.2 R`gles g´n´rales de construction e e e Les r`gles g´n´rales de construction du lieu des racines sont donn´es sous forme e e e e g´n´rale puis sont illustr´es ` l’aide de deux exemples. r + − ζ K u G(p) y Fig. IX.

15) Les points d’arriv´e du lieu des racines en boucle ferm´e sont donc bien les z´ros en e e e boucle ouverte. De plus.Etape 2 : localisation des pˆles et des z´ros de la boucle ouverte dans le o e plan complexe. 0. −2 o e n − m branches infinies . n (ce qui est e e o le cas en g´n´ral) et que le nombre de z´ros en boucle ouverte est ´gal a m alors le e e e e ` lieu est constitu´ de n − m branches infinies et de m branches finies. il y a autant de branches au lieu des racines qu’il y a de pˆles en boucle o ferm´e. e e K→0 lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX.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.14) Les points de d´part du lieu des racines en boucle ferm´e sont donc bien les pˆles e e o en boucle ouverte.Etape 1 : factorisation de l’´quation caract´ristique. K→+∞ lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX. e m branches finies Exemple 1 : . −1. Si ce nombre est ´gal au nombre de pˆles en boucle ouverte.10) (p + 2) G2 (p) = 2 p + 2p + 3 . 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 → ∞).CONSTRUCTION DU LIEU D’EVANS o` pour les deux exemples : u G1 (p) = 1 p(p + 1)(p + 2) 243 (IX. Les pˆles et les z´ros de la boucle ouverte sont repr´sent´s dans le plan complexe par o e e e une croix et un cercle respectivement. 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.3 pˆles en boucle ouverte et en boucle ferm´e.12) .13) K p(p + 1)(p + 2) (IX.

Pas de z´ros e . −1 ± j 2 o . o e ` e Pour chaque portion de l’axe r´el ` tester.L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0.2.16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte. e a e Les portions du lieu des racines appartenant a l’axe r´el sont enti`rement d´termin´es ` e e e e par les pˆles et z´ros appartenant a l’axe r´el.17) Remarques IX. Il y aura donc trois branches o e e infinies. e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX.2 .Etape 4 : d´terminer les asymptotes au lieu des racines. −2 e .Une branche du lieu peut ou non traverser l’asymptote correspondante. Si le nombre e a total de pˆles et de z´ros r´els ` droite de ce point test est impair alors ce point o e e a appartient au lieu des racines. prendre un point test. Il y aura donc 1 branche finie o e e et une branche infinie. 1. 0] appartiennent au lieu des racines.Il y a un z´ro. .Les asymptotes indiquent le comportement pour |p| 1.244 ANALYSE PAR LE LIEU DES RACINES . Exemple 1 : puisque n − m = 3. .Il y a deux pˆles en boucle ouverte. Exemple 2 : le segment ] − ∞ . . Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´. . o e e . Exemple 2 : √ . − 2] et [−1 .Le polynˆme caract´ristique est de degr´ 2.Le polynˆme caract´ristique est de degr´ 3. e Exemple 1 : les segments ] − ∞ . e Si le lieu des racines a des asymptotes alors. il y a n´cessairement 3 branches infinies.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. · · · ) (IX. − 2] appartient au lieu des racines.18) . 2.Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el.

20) .24) .21) Remarques IX. il existe au moins un point d’´clatement e e (respectivement de rencontre). 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. ce point appartient au lieu des racines.3 .D´terminer les racines r´elles et complexes de cette ´quation.Calculer l’´quation alg´brique (IX. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1.22) (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. Si K > 0. on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique.2. e e 2. cette v´rification est simplement graphique. On obtient donc. 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. u dK = −3p2 − 6p − 2 = 0 dp (IX. o e e B(p) + KA(p) = 0 alors.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines. Dans le cas come e plexe. e e ` e .19) Exemple 2 : on a n − m = 1.Tous ces points v´rifient la condition pr´c´dente mais toutes les solutions de e e e cette ´quation ne sont pas n´cessairement des points de rencontre ou d’´clatement. e e e 1+ K =0 p(p + 1)(p + 2) (IX. e e e 3. Si les rae e e cines sont r´elles. On suppose que le polynˆme caract´ristique s’´crit. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines.23) d’o` K = −p3 − 3p2 − 2p. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX.21).CONSTRUCTION DU LIEU D’EVANS alors que l’angle avec l’axe r´el est donn´ par : e e Φa = ±60o (2k + 1) 245 (IX. e Exemple 1 : l’´quation caract´ristique s’´crit.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.

4226. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en.25) On a donc encore deux solutions −0. e e e e K − 3ω 2 = 0 2 (IX. (IX. .5774 o e e et −0. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2.30) √ ω = 0 ou ω = ± 2 (IX. e Il suffit de r´soudre l’´quation caract´ristique en boucle ferm´e avec p = jω : e e e e 1 + KG(jω)F (jω) = 0 Les solutions possibles sont donn´es pour ω > 0 et K > 0. e e e K=− d’o`.27) (IX.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire.2679 et −3. Il n’y a donc pas d’intersection avec l’axe imaginaire.26) p2 + 2p + 3 p+2 (IX. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles. e . K = 6). Exemple 2 : l’´quation caract´ristique s’´crit.28) K=6 (IX.246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines.

sur l’exemple 2. en e ´crivant l’´quation caract´ristique pour p = σ + jω.CONSTRUCTION DU LIEU D’EVANS 247 .33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. e e e Φ = 180o − i Φi + j θj (IX. e o e Θ = 180o − i θi + j Φj (IX. Ainsi. e e √ Exemple 2 : il y a deux points de d´part complexes. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes.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. e e e e (σ + 2)2 + ω 2 = 3 (IX. il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle.35) .5 – Exemple 2 : calcul des angles de d´part e Remarques IX.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par. On obtient. −1 ± j 2.4 Dans certains cas particuliers.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig.2. IX. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX.3. on obtient l’´quation.

3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2. 2 1.5 −1 −1.[1 3 2 0]). IX.5 1 0.7 – Exemple 2 .Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1.5 Real Axis 0 0.248 . >> rlocus(G1).5 −1 −0.5 1 1.5 Imag Axis 0 −0.5 −2 −1.5 2 Fig.6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig. IX. >> rlocus(G2).[1 2 3]).

986 −1 −1. e e e e e Exemple IX.5 0 4 3.7 (IX.5 −3 0.37) Il est ` noter que la pulsation propre correspondante est ωn = 2. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.8 −2.986 0.707 Overshoot (%): 4.3.5 −0.89 −2 −4.68 −1.7±j1.5 1 0.7 + 1.54 0.95 0. Cela conduit a choisir : e e ` cos Ψ = 0.4 .95 1 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.8.5 0.1 On reprend l’exemple 2 pour lequel on souhaite en boucle ferm´e une paire de pˆles e o complexes conjugu´s d´finis par leur amortissement ξ = 0.8 – R´glage du gain et amortissement e .5 3 2.5 0.54 −1 0.707.3 IX.39 |p + 3| p=−1.39 Pole: −1.5 0. Ce point d’intersection permet alors en retour la d´termination de la valeur du e gain K n´cessaire par simple r´solution de l’´quation caract´ristique en boucle ferm´e.38 0.4 rad/s.18 0 Fig.8 0.5 Real Axis −2 0.3. IX.5 Imaginary Axis System: G2 Gain: 1.7. on obtient.5 0. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.7i Damping: 0.` ´ IX.5 0.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1. ` e e K= |p2 + 2p + 3| = 1.3.34 Frequency (rad/sec): 2. a Root Locus 2 0. a e En appliquant la condition des gains a l’´quation caract´ristique.5 −4 −3.5 2 1.18 1.68 0.89 0. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.707 Ψ = 45o (IX.7+j1.38 −0.

Pour v´rifier cela. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet. e e Script MATLAB 27 >> G=tf([1 2]. Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX.9. e Exemple IX. >> rlocus(G).38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote.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.[1 6 36])).2 (dynamiques longitudinales d’un avion avec autopilote) Soit l’asservissement a retour unitaire dont la fonction de transfert en boucle ouverte est ` donn´e par : e KG(p) = K(p + 2) p(p − 1)(p2 + 6p + 36) (IX. l’´quation suivante doit e e ˆtre r´solue : e e 1+ K(jω + 2) =0 jω(jω − 1)(36 − ω 2 + 6jω) Cela conduit ` r´soudre le syst`me d’´quations r´elles : a e e e e 2K + ω 4 − 30ω 2 = 0 ω(K − 36 − 5ω 2 ) = 0 Les solutions en sont donn´es par : e √ K1 = 86 − 5 28 √ K2 = 86 + 5 28 ω1 = ω2 = 10 − 10 + √ √ 28 rad/s 28 rad/s Ces syst`mes posent des probl`mes en pratique puisqu’ils peuvent devenir instables e e pour une variation non pr´vue de la valeur du gain.250 ANALYSE PAR LE LIEU DES RACINES IX.3.conv([1 -1 0].3. >> sgrid . le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´.

28 0.64 8 0.94 0 −2 −4 4 0. IX.89 10 6 0.08 8 10 0 1 2 Fig.17 0.8 4 0.8 −6 6 −8 0.17 0.89i Damping: 0.23i Damping: 0.23 2 0.38 0.0015 − 2.94 2 Imaginary Axis 2 System: G Gain: 61.5 Pole: −0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.8 Frequency (rad/sec): 2.28 0.000437 Overshoot (%): 99.9 4 Frequency (rad/sec): 3.5 0.000674 Overshoot (%): 99.5 0.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.0017 + 3.38 0.9 – Syst`me ` stabilit´ conditionnelle e a e .08 8 System: G Gain: 112 6 Pole: −0.

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

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

L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e . on parle de rampe unit´ ou de rampe unitaire. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A. L’impulsion n’est pas en effet e une fonction ordinaire. e Signaux impulsionnels La d´finition math´matique rigoureuse d’un signal impulsionnel doit faire appel a la e e ` th´orie des distributions qui est hors du cadre de ce cours. A. A. on parle d’´chelon unit´ ou d’´chelon unitaire.2) e(t) αt 0 to t Fig.2.2 – Fonction rampe Pour α = 1.1 – Fonction de Heaviside Pour une amplitude E = 1. e e e Le signal rampe ´ Definition A.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig.1. e ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A.2 (signal rampe) On d´finit le signal rampe r(t) de pente α par.

fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig.1.1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (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.3) e e L’impulsion d’aire 1 est la fonction de Dirac.3 (impulsion) e e e Une impulsion d’amplitude A en t0 . ´ Definition A. peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes.4 – Fonction impulsion d’aire A .4) t δ(t − t0 ) = 0 si t = t0 δ(t0 ) = ∞ δ(t − t0 ) = du(t − t0 ) dt u(t − t0 ) = δ(τ − t0 )dτ −∞ L’impulsion d’aire A en t0 est conventionnellement repr´sent´e par une fl`che de haue e e teur l’aire de l’impulsion en t0 .1. A. A. δ (t−to) A 0 to t Fig. not´e Aδ(t − 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. ee ´ ´ Proprietes A. δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes.

1.2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf. D´finition de la transform´e de Laplace e e ´ Definition A.7) 0 Remarques A.5) 0 T 2T 3T 4T 5T 6T t Fig.8) −∞ . A. u x(t)e−pt dt (A.1.1.5 (transformation de Laplace) La transform´e de Laplace unilat`re d’un signal causal x(t) est d´finie par : e e e +∞ L[x(t)] = X(p) = o` p = σ + jω est la variable complexe. e ` 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 .256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac.La transform´e de Laplace bilat`re est d´finie par : e e e +∞ Lb [x(t)] = X(p) = x(t)e−pt dt (A. annexe A4).5 – Peigne de Dirac Finalement. 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. 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.1.6) Le signal sinusoidal ´ Definition A.

Nous utiliserons ainsi la notation unique de (A. Pour les e signaux causaux qui sont l’objet de ce cours.12) L[ a x(τ )dτ ] = X(p) p (A. b) ∈ R2 D´rivation e L[ Cela se g´n´ralise ` : e e a L[ Int´gration e t (A. La transform´e de Laplace inverse u e est rarement calcul´e ` partir de (A. Lin´arit´ e e L[ax(t) + by(t)] = aX(p) + bY (p) ∀(a.10) dx(t) ] = pX(p) − x(0) dt (A.15) .9) o` p = σ + jω et σ est l’abscisse de convergence.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. e e .11) d(n) x(t) ] = pn X(p) − pn−1 x(0) − · · · − x(n−1) (0) dtn (A.7). les deux transform´es e co¨ ıncident. .Cette d´finition suppose que l’int´grale est convergente.13) Th´or`me de la valeur initiale e e t→0+ lim x(t) = lim pX(p) p→∞ (A. x(t) = 0 si t < 0.14) Th´or`me de la valeur finale e e p→0 lim pX(p) = lim x(t) t→∞ (A. Propri´t´s fondamentales e e Nous rappelons ici quelques propri´t´s ´l´mentaires que nous serons amen´s ` utiliser e e ee e a par la suite.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.SIGNAUX DETERMINISTES 257 qui n’est rien d’autre que la transform´e de Fourier du signal avec p = jω.

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

on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement.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.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A.1 La transform´e de Fourier e D´finition e ´ Definition A. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .2. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.27) F[x(t ± T )] = e±jωT X(ω) (A.28) .2. e A. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.´ A.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A.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). LA TRANSFORMEE DE FOURIER 259 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.2.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.2.

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

1. xm ) est l’ensemble engendr´ par ces vecteurs. xm ) ∈ R . 261 .2 (espace engendr´ par un ensemble de vecteurs) e n Soit (x1 . y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus. · · · .3 (produit scalaire) Le produit scalaire de deux vecteurs x. Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 . e e ´ Definition B. norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn .1 B. · · · .1. L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 . λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire. ils sont dits lin´airement d´pendants. · · · . ee ´ Definition B. y sont dits orthogonaux ssi x y = 0. xm ∈ Rm .Annexe B Rappels d’alg`bre lin´aire e e B. · · · . les vecteurs x.1. ´ Definition B.1.1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire.1 (Ind´pendance lin´aire) e e Soit un ensemble de vecteurs x1 .

j A= ||A||sum = i.∀ e ∈ E : ||e|| ≥ 0 2. e2 ∈ E.1. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.2 1 −2 0 6 |aij |2 = i.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B.1.1 (In´galit´ de Cauchy-Schwartz) e e ||x y|| ≤ ||x|| ||y|| Il y a ´galit´ si x et y sont lin´airement d´pendants. ∀e ∈ E. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.∀ α ∈ R. 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.j i. e e e e ´ Definition B.4 (norme) Une norme est une fonction .6 (condition de consistence) ||A|| est une norme matricielle si elle v´rifie en plus des propri´t´s ´l´mentaires la propri´t´ e e e ee ee multiplicative : ||AB|| ≤ ||A||.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B.1.5 (p-norme d’un vecteur) e Soit e ∈ Rn .||e|| 4. d´finie sur un espace vectoriel E.1.1.||B|| Exemple B.||e|| = 0 ⇔ e = 0 3. ||αe|| = |α|.1.∀ e1 .j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e .

1. Elle sera dite de rang plein si : e e rg(A) = min(n.7 (norme induite) ||Ae||p = max ||Ae||p = max ||Ae||p ||e||p ≤1 ||e||p =1 ||e||p 263 ||A||ip = max e=0 Exemple B. · · · c + λn o` λ1 . σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B.Les valeurs propres de Ak sont λk . ee u .1. 1 n .1.9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R . m) B.1.1.Les valeurs propres de A sont ´gales aux valeurs propres de A . e e e .8 (rang d’une matrice) : Rn → Rm . .Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux.1. Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A).l ≥ m: Σ= diag(σ1 .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.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.` ´ ´ ´ B.1.2 Valeurs propres et valeurs singuli`res e ´ Definition B.Les valeurs propres de (cI + A) sont c + λ1 . λn sont les valeurs propres de A. · · · . Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes. · · · . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B. · · · . On associe a chaque valeur propre λi .1. λk .2 .3326 valeur singuli`re maximale e ´ Definition B. e ´ Definition B.

Les vecteurs propres associ´s ` des valeurs propres distinctes sont orthogonaux. A ∈ Rn×n est sym´trique.√1m ||A||i∞ ≤ σ(A) ≤ n||A||i∞ 1 √ ||A||i1 n . m)σ(A) ||A||i1 ||A||i∞ √ . ||A||i∞ } ≤ ||A||sum B.1. e . ´ ´ Propriete B.max{σ(A) .264 .11 (rayon spectral) Le rayon spectral d’une matrice carr´e A.3 .σ(A) ≤ ≤ σ(A) ≤ √ m||A||i1 .σi (A) − σ(A) ≤ σ(A + B) ≤ σi (A) + σ(B) . i = 1.1.Si l’on normalise les vecteurs propres xi : ||xi || = 1. m) ≥ rg(A) = q.Une base orthogonale de Rn peut ˆtre form´e ` partir des vecteurs propres de A. n alors : n A= i=1 λi xi xi .σ(A)σ(B) ≤ σ(AB) .4 (A ∈ Cn × Cm ) . · · · . n λi ´ ´ Propriete B. ||A||i1 .σ(A) − 1 ≤ σ(A + 1) ≤ σ(A) + 1 ´ Definition B.l ≤ m: Σ= RAPPELS D’ALGEBRE LINEAIRE diag(σ1 . .σ(AB) ≤ σ(A)σ(B) . · · · . e a e e a .σ(A) ≤ |λi (A)| ≤ σ(A) . σq ) 0l×m−l avec σ = σ1 ≥ · · · ≥ σq = σ > 0 et min(l.σ(A−1 ) = 1/σ(A) .5 (matrices sym´triques) e .3 Matrices sym´triques e Dans cette partie. e ´ ´ Propriete B.1.1.σ(A) ≤ ||A||F ≤ min(n.1. ||A||F .Les valeurs propres de A sont r´elles. not´ ρ(A) est d´fini par : e e e ρ(A) = max |λi | i = 1. · · · .

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

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

. .4) La seconde m´thode utilise la transform´e de Laplace et la formule suivante : e e Il suffit alors d’inverser la matrice (p1 − A). . ··· . . . eλn−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 2.2. . . . ··· . Alors.. . . .3) eAt = P eJt P −1   0    0    ···  =P          eλ1 t teλ1 t eλ1 t 0 ··· te eλ1 t ··· .   1  1  v1 = (1 − A)v2 = 1 On choisit alors le dernier vecteur propre ind´pendant w = [0 0 1] et l’on a la matrice e de passage. ··· ··· ··· . e ee ee Exemple B. . .CALCUL DE LA MATRICE DE TRANSITION D’ETAT eAt  t2 λ1 t e 2 λ1 t 267         ···   −1 P      ···     (B. . .2 Utilisation de la transform´e de Laplace e eAt = L−1 [(p1 − A)−1 ] (B. . . v2 = [0 1 2] . . ce qui e e e donne. .. . . . . ce qui conduit a une matrice rationnelle ` en p dont on calcule la transform´e de Laplace ´l´ment par ´l´ment.   1 0 0 P = 1 1 0  1 2 1 . . ··· ··· ··· . eλn t B.2.1 Soit la matrice  0 1 0 1  A= 0 0 1 −3 3 πp (p) = (p − 1)3  Le polynˆme caract´ristique de cette matrice est : o e 1 est donc valeur propre multiple d’ordre 3 (multiplicit´ alg´brique). .

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

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 Rappels de calcul diff´rentiel e ´ Definition C.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.La notation f (x) = o(x) signifie que f (x) tend vers 0 plus vite que x : ∃K≥0 | f (x) → 0 quand x → 0 x ´ Definition C.1. ∂f (x) ∂xn 269 .Annexe C Rappels d’Analyse C. .1   ∇f (x) =  ∂f (x) ∂x1    .1. .1 (notations de Landau) Soit f : Rn → R. .

C 1 ).1.4 (fonction C 1 ) Si une fonction f est diff´rentiable sur un ensemble ouvert S ⊂ Rn et que le gradient e ∇f (x) est une fonction continue alors f est dite C 1 sur S.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.∀ y ∈ V(x).1 (composition de fonctions) Soit f : Rk → Rm et g : Rn → Rm deux fonctions C 1 et h = gof alors : ∇h(x) = ∇f (x)∇g(f (x)) ∀ x ∈ Rk ´ ´ Propriete C.∀ y ∈ V(x). not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x).Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 . une fonction C 1 en x.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp.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.6 (matrice Hessienne) e e Soit f : Rn → R. ∃ α ∈ [0.1.2 (formulaire de d´rivation) e . . m) est diff´rentiable (resp. .1. 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C. e ´ Definition C. ´ ` Theoreme C. C 1 ) si chaque composante fi (i = 1.1.270 RAPPELS D’ANALYSE ´ Definition C. . La matrice gradient de f en x. ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. · · · . On d´finit la matrice Hessienne de f not´e e ∇2 f (x). la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 . ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = .1.1. · · · .

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

2 e . si P est une matrice (semi) d´finie positive (n´gative). t) = 0 2 − ∀ x = 0 ∈ Br V (x. 1 2 ´ Definition C. V (x. t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0.Une fonction scalaire V (x.Une fonction scalaire V (x.Cas particulier important : la forme quadratique V (x) = x P x. t) est (localement).V (x.V (x.Si une fonction V (x. e . t) ≥ 0 Exemple C. t) = t2 x2 est une fonction semi d´finie positive.2. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.V (x. t) = tcos(x1 ) est une fonction localement semi d´finie positive. (semi) d´finie n´gative alors −V (x. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0. t) est e e (localement) (semi) d´finie positive. t) ≥ 0 e 2.1 1. 1 .Une fonction scalaire V (x.272 RAPPELS D’ANALYSE C.V (x.V (t. t) est (semi) d´finie positive (n´gative). x ∈ Rn avec e e P = P . 1 e .1 (fonctions d´finies positives) e e 1. e e Exemple C.1 e .2 Rappels sur les fonctions d´finies positives e ´ Definition C. t) > 0 Exemple C. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive.2.2.2 (fonctions semi d´finies positives) e e 1. 2 e e . x2 ) = x2 + sin2 (x2 ) est d´finie positive localement. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0. t) > 0 e e 2.3 e . t) = 0 2 − ∀ x = 0 ∈ Br V (x. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.Une fonction scalaire V (x. x1 .2.2. t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative.2. e 2. 1 Remarques C.V (x) = x1 x2 + x2 est une fonction ind´finie. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0.

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

Bosgra. K. Zambettakis. Design methods for control systems. Bol.. Techniques de e e l’Ing´nieur. 2. J. Narendra. Transform´es et abaques. G.C. Informatique Industrielle. Pneumaticae (The pneumatics of Hero of Alexandria. A. R. Prentice Hall. Richard. Geromel. [17] P. ”Japanese infrared survey mission”. Dorf. Modern Control Systems. Bryson. [19] G.ac. 1851. Mod´lisation et Identification des Processus. [14] W.kk. 1994. Signaux D´terministes. Feedback Control Systems. 1997. F. Vol.history.rochester.C. [15] A. [22] H´ron d’Alexandrie. 1994. Murakami. 2000. Emami-Naeni. ”Out of control”. article R 7010.C. Control theory and design. http://www. Taylor and Francis. H. Tome 1. Locatelli.jp/ASTRO-F/detail/general [25] R. J. Control theory: Multivariable and nonlinear methods. Addison-Wesley Publishing Company. Contributions to differential equations. Addison Wesley Publishing Company. http:\\www. ”Contributions to the theory of optimal control”. Linear System Theory and Design. Y.D. Princeton University Press. [16] C. http://www.P. Modern Control Theory. Sociedad Mat. J. Holt. No. Ljung. e [13] O. [20] J.edu/steam/thurston/1878/ [23] Indiana unniversity.edu/\tilde rcapub/ [24] H. Ho. [26] R. L. Bishop. Borne. Third Edition. e traduction de Bennett Woodcroft. 1. http://www. Taylor Walton and Maberly. 1996.E. 1995.isas.E. Glad.S.org/outofcontrol . Gille. Brogan. Dauphin-Tanguy. Kwakernaak. Notes pour le cours du Dutch Institute of Systems and Control. Powell. [27] K.ir. 1992.K. Kalman.indiana. Colaneri. Control of Spacecraft and Aircraft. Seventh Edition. I. Chen. [18] R. Mex. London. Editions Technip.F.L. 1963. 1991. Kalman. Rotella. Academic Press. Third Edition.E. Franklin. A. Kelly.T.C. ”Controllability of linear dynamical systems”. Tinehart and Winston. 1960. IRIS/ASTRO-F. e [21] T. 1984.274 REFERENCES BIBLIOGRAPHIQUES [12] P.H.

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

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

. .5. .2 Sch´ma fonctionnel et fonctions de transfert . . . . . . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . . . . . . . . . . . . . . .3 Repr´sentation d’´tat lin´aire . . . . . . . e e e e II. . . . . . . . . . . . .2 La matrice de r´ponse impulsionnelle . . . . . . . . . . . . . . . . .1 Sch´ma fonctionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Introduction ` la th´orie de la commande a e Introduction . . .1 Le concept d’´tat d’un syst`me . . . . . . . . . . e e II. . .6 II. . . . . . . . . .5. . . . . . . . . . . . . .Lin´arisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 I.1 R´gulation de temp´rature dans un four . . . . . . . . .6. . . . . . . e e e . . . . . .2 Repr´sentation d’´tat des syst`mes dynamiques . . . . . . .4 Commande longitudinale d’un avion civil . . . . . . . . . . . . . . . . . .4. . . . . . . . . . . o 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. . . . . . . . . . II. . . .5. . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . . . . . . . . . . . .2 II. . . . . e e e II. . . . . . . . . . . . o e I. . e Pˆles et z´ros d’un mod`le LTI . . . . . . e e II.2 Servom´canisme hydraulique . . . .1 Le polynˆme caract´ristique et les pˆles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e II. . . . . . . . . . e I. . . . .la repr´sentation d’´tat . . .4. . e e Le mod`le interne . . . . . . . . . . . . e II. . .3.6. . . . . . . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat . . . . . . . . . . . . . .7. Th´orie des syst`mes et th´orie de la commande e e e I. . . . . . . . . . . .4 II. . . . . . e II. . . o e o II. . . . . . . .1 II. II II. . . . . .5 II. . . . . . . . . . .3 II.7.4 Le cas particulier des syst`mes SISO . . . . . .1 La matrice de transfert . . .4. . . . . . . . . . . . .2.` TABLE DES MATIERES 277 Table des mati`res e I I. . .3 Contrˆle d’attitude d’un satellite . . . . . e e I. . . . . . . .3. . . . . .1 I. . . . . . . . . . . . . . e I. .2 Th´orie de la commande . . . e Les mod`les graphiques . . . e e e Les mod`les externes (entr´es-sorties) . . . e Approximation lin´aire des syst`mes physiques . . . . . . . . . . . . . . . . . . . . .2 Les z´ros . e II. o II. . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Exemples de syst`mes de commande modernes . . .5. . e e e II.7. . . . . . . . . . . . . . e e II. . . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . . . . . . . . . . . . . . . . .4. . . . . . . o I. . . .1 Notion de syst`me . .4 . . . . . . . . . . . . . . . . . .7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4. . . . . . . . .2 Contrˆle de la tˆte d’un disque dur . . . . . . . . e II. . e e e II. Bref album chronologique . .4. . Exemples caract´ristiques . . . . . . . . . . . . .3 Equations diff´rentielles entr´es-sorties . .1 Contrˆle d’attitude d’un satellite .4. . . . . . .4. .

2 Les syst`mes du premier ordre . e a e V. . . . . . . . . . . . . . .2. . . . . . . . . . . . . . V. . . . . . .2. . . . . . . . . . . . . . . . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . . . . . . . . . . . .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. e IV. . . . . . . . .2.1 Fonctions d’alg`bre de base . . . . . IV V . . . . . . . . . . . . . . . . . . . . . . . . . . .1. .2 Fonctions de mod´lisation LTI . .2 R´ponse ` des entr´es types . e III. . . . . . . e III. . . . . . . . . . . . . . . . . . . . . . e IV.2 R´gime libre . . . . . . . e e III. . . . . . . . . .1 Les formes canoniques d’´tat . . .2 Crit`re d’observabilit´ . . . . . .3 Fonctions d’analyse des mod`les LTI e II. . . . . . . . . . . .1 D´finition . . . . . . . . . . . . .6. . .6. . . . . e III. . . . . . .1. .8. . . . . . . . . . . . . . . . . . . .3. . . . . . .3 Fonctions de conversion entre mod`les LTI . . . . . . e e IV. . . . . . . . . . . . . e III. e III. . . . . . . . . . . . . . . . . . . . . e e e V. . . . . e V. . . . . . . . . . . . . . . . . . .3 La m´thode de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . .3 Crit`re alg´brique de Routh-Hurwitz . . .1.2 Notion d’observabilit´ . . . .1. . . . . . . . .278 II. . . . . . . . 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´ . . . .2 Caract´risations de la stabilit´ BIBO . . . . .1 D´finition et exemples . . . . . . . . . . . . . . e IV.8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. .5 Grammiens de commandabilit´ et d’observabilit´ . . e IV. . . . . . . . . . . . . . . .1 Cas de modes simples distincts . . . . . . . . . . . . . . . . . . . . .1 D´finition . . . . . . . . . e V. .4. . . . . . .1 La stabilit´ BIBO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II. . .3 Relations entre mod`les internes et externes . . . . e e IV. . . . . . . . . . . . . . . .2 Cas de modes multiples . . . . e III. . . . . .3 R´gime permanent . . . . . . . . . . . . . .1 Signaux d’entr´e types . . . . . . . . . . . . . . . . . . . . . .1 D´finitions . e e V. . . . . III. . e III. .8. . . . . . . . . . . . .4 Fonctions de mod´lisation par blocs . e III. . . . . . . . . . . . .8. e e III.8 Fonctions MATLAB . . . .2.2 La stabilit´ interne . . e V. . . . . .2. . ` TABLE DES MATIERES . .1 Fonctions d’alg`bre de base . . . .2.2. . e e III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV. . . . . . . . . . . . . . . . . . . e II. . . . . . . . . . . . . . .1. e e III. . . .1.r´gime forc´ . . . . .2. . .6. .1 Stabilit´ des syst`mes LTI e e IV. . . . . . . . . . . . . . . . . . . . .4 Nature des points d’´quilibre en dimension 2 e IV. .1 D´finition . . . . . . . . . . . . . . . . . III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Analyse temporelle des syst`mes continus e Introduction . . . . . . . . . . . .6 Fonctions MATLAB . . . . .2 Crit`re de commandabilit´ . . . . . . . . . . . . . . . . .3. . . . . e e IV. . . . . .2 Th´orie de la r´alisation . . . . . .1. . . . . . . . . . . .r´gime transitoire . . . . . . . . . . . . . . . . . . . . e II. . . . . . . . . . . . . . . III. . . . . . . . . . . . . . . .1 . e . . . . . . . e e e III. . . . . . .3 Stabilit´ BIBO et stabilit´ interne . . . . .4. . .1. . . . . . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . modales . . . . . . . . . . e III. . . . . . . .

. . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII. . . VIII. . . .3. . . . . . . . . . . . VII. . . . . . . . VI. . . . . .4 Les syst`mes d’ordre sup´rieur . . . .3 Sp´cifications temporelles sur le r´gime transitoire . . . .2 Analyse en stabilit´ des syst`mes boucl´s . . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. 168 . . . . . . . . . . . . .1 Fonctions de r´ponse temporelle . . . . . .2. . e o V. . . . .1 Rappels sur les relations de bouclage . . . . . . . . . . . . . . . .3 Extension aux syst`mes multivariables . . . . . . . . . . . . . . .5 Fonctions MATLAB . 189 . 184 . . . . . . . . . . . . . . . . e V. . e VIII Analyse en performance des syst`mes boucl´s e e VIII. . . . . 193 . e VII. . . . . . . . . . . . . . . . . . . . . . . . . .1 D´finition et propri´t´s . . . . . VI. . . . . e . . . . . . . e VII.2 Le crit`re du revers . . .3. . . . . . . .2. . . . . e e ` e VII. . . . . VI. . . . . . . . . . . . . . . . . . . . . . . . .5 Extension aux syst`mes multivariables . .4. . . . . . . . . . . . . . . . . . . . . . . 177 . . .2. . . . . . . . . . . . . . . . .4. . . . . . . . . . . . e e VII. . . . . . . . . . . e e e 147 . . . . . . . .2 Extension au cas des syst`mes multivariables . . .1 Fonctions d’analyse de stabilit´ . . . . . . . . . 173 .4. . . . . . . . . . . . . . . e e e VII. . . VII. . . . e VI. . . . . . . . . . . . . . . . . . . . . . . . . .3. e ee VI. . e VI. . . . . . . . . . . . .2. . 179 . . . . . .3. . . . .3 Fonctions MATLAB . . . . . . . . . . . . . . 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.4 Fonctions MATLAB . . . . . . e V.` TABLE DES MATIERES V.2 Le th´or`me du faible gain . .2. . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . .1. . . . . . .2. . . . V. . . . . . . . . . V. . . . 147 . . . . . . . . .2 Le lieu de Bode .3 Stabilit´ interne des syst`mes boucl´s . 153 . . . . . . .2 Effets des z´ros et des pˆles additionnels . .2 Etude de la r´ponse indicielle . . . . .1 D´finitions et exemples . . . . 177 179 .2 Rejet de perturbation b . .2. . . .4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . 175 . . . . . . . . . . e V. . . . VI. . . . . . . . . . . . . . . .1 Le lieu de Nyquist . .4. . . . 147 . .2. .4 Les syst`mes ` non minimum de phase . . . . . . . . . . . . . . . .1.1 Syst`mes de commande a contre-r´action . . . . . . . . . . . . . 160 . . . . . . . . . . .1 Le crit`re de Nyquist multivariable . . . . . . . . . .1 Introduction . e e V. . . e VII. . . . . . . . 179 . . . . . . . . .3 Sp´cifications temporelles d’un syst`me du second ordre .1 Le crit`re de Nyquist . . . . . 149 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3.5. . . . . . . . . . . . . 189 . . .1 Principe de la contre-r´action . . . . e e V. . .2. . e V. . . .5. . . . e a VI. e ` e VII. . . .3. . . . . . . . e e e VII. . . . . . . . . . . . .2. . . . 194 . . . . . .1 Les syst`mes monovariables . . . . . . . . VIII. . . . . . . . . . . . . e VII. . .1. . . . . . . . . . . . . . .3 Les syst`mes du second ordre . . . . . . . . . . . .3 Le lieu de Nichols-Black . . . . . . . e VII. . . . . . . . . . .1. . . . . . . . . . .1 Fonctions de trac´ de la r´ponse fr´quentielle . . . . . . . . 153 . . .1 Notions de modes . . . . . . . . . . . . . . . .2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI. . . . e e V. e VI. . . . . . . . . . . . . .2 Caract´risation des syst`mes de commande a contre-r´action . . . . . . . . .

. . . . . .4 Suivi de r´f´rence r : pr´cision . . .2. . . . . . . . . .2 Les fonctions de sensibilit´s en entr´e et en sortie . . . . . . . Sp´ e VIII. . . . . . . . . . . . . . . . . . . .2 Repr´sentation fr´quentielle des signaux continus . . . . . .1 . . . . . . . .1 Fonctions li´es ` l’utilisation du lieu des recines . .2 Utilisation de la transform´e de Laplace e C. . . . . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . . . . . . e a IX. . . . . . . . . IX. .2 R`gles g´n´rales de construction . . . . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . . . .2. . . . . .3. . . . . . . .4. . . . . . . . . . . . . . . . VIII. . . . . . .2. . . . . . . . . . . . . . . . . . . e e VIII. . . . . .1.2 Valeurs propres et valeurs singuli`res . . .2. . . e A. . . . . . . . .2. . . . 220 220 221 222 228 232 233 233 233 234 239 239 241 241 242 249 249 250 252 252 253 253 253 256 259 259 259 261 261 261 263 264 266 266 267 VIII. . . . . .3 Analyse des syst`mes boucl´s par le lieu d’Evans . . .1. . . . . .2 Calcul de la matrice de transition d’´tat eAt . . . . . . . . e B. . . . . . .3. . . . . .3 eduction du bruit de mesure w . e e e IX. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .280 ` TABLE DES MATIERES . . . . . . . . .1 egles d’association dans les sch´mas-blocs . . . . . . . . . . . . . . . . . . . . .1.7 Modelage des fonctions de sensibilit´ . .1 Produit scalaire.1 D´finition .3.2. . .4 Fonctions MATLAB . . .2. . . . . . . .1 IX. . . . . . . . . . . . . . R` e VIII. . . . . . . . . . . . . . . e VIII. . . e e ee B. . . . . . . . . .2 Propri´t´s de la transform´e de Fourier . . e IX. . . . e a e IX.1. . . . . IX. . . . . . . . . . . . . . . . . ee e VIII. . . . .8 ecifications de performance en sensibilit´s mixtes . . .3. . . . . . . . . . . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. .2. . . . .2 La transform´e de Fourier . . . . . . . . . . .2 A. .1 M´thode de triangularisation . . . . . . . . . .1 Conditions des angles et des amplitudes . . .6 Notion de modelage de boucle : loopshaping . . . . e e A. . . . . . . . . . . . . . . . . . . . . . . . . 272 e 273 R´f´rences bibliographiques ee . .3 ecifications de performance . . . IX. . . . . . . . . . . . . . . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . R´ VIII. . . . . . . . . . . . . . . . . B. . e e IX. .3 Matrices sym´triques . . . . . . .2. . A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . .5 Comportement aux fr´quences interm´diaires . 269 e Rappels sur les fonctions d´finies positives . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . e A. .2.2 Syst`mes ` stabilit´ conditionnelle . . . . . . . e B. . . . . . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . . . . norme et rang . . . . . . . . . . . . . . . e B. . . . . . . e B. . . . . .2. . . . . . . . . . . . . . .3. . . . . . . . . . . . . B B.1 R´glage du gain . . . . . . . . . . . . Construction du lieu d’Evans . . . . . . . . . . . . . . . . . . .1 C. e A. e e VIII. . . . . .1. . . ee e . . . . . . . . . . .

Sign up to vote on this title
UsefulNot useful