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

des outils math´matiques (alg´briques.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es. 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.. e e le concept d’information y est ´galement primordial. sa e e e e parent´ avec le traitement du signal ne fait aucun doute. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. Le probl`me de synth`se des syst`mes de e e e e e commande ne sera que bri`vement abord´ et aucune technique de synth`se proprement e e e dite ne sera abord´e.. e Ce cours de premi`re ann´e a pour objectif d’introduire les principaux concepts de e e l’Automatique : la notion de mod`le d’un syst`me. Enfin.) mais plus important. e e graphiques et informatiques) sont pr´sent´s et ´tudi´s en d´tail et constituent le corps e e e e e technique de ce cours. mˆme si le vocabulaire est parfois diff´rent. e e Afin de manipuler et d’utiliser ces concepts. la structure de commande ` contree e a r´action et le concept de stabilit´ des syst`mes dynamiques et le probl`me de stabilit´ e e e e e pos´ par l’introduction de la contre-r´action. e . th´orie des transformations. 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.

distributeurs automatiques de liquides. [7]. le principe de la commande tout ou rien est pour la e premi`re fois utilis´.300 avant J..). I.250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe. La premi`re pendule ` eau ou clepe e e a sydre (Ktesibios d’Alexandrie -270) utilise un flotteur r´gulant le niveau d’un pree mier bac permettant ainsi de fournir un d´bit constant dans un second bac dont le e niveau ´tablit ainsi la dur´e ´coul´e. e e . 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. [6]. [8] [42].1 – Clepsydre de Ktesibios [28] Fig.I. ` Fig. Durant cette p´riode.C. [4]. 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.2.2 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.. : 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. clepsydres. [27]. [32]. r´gulateurs de e a e flammes. [3]. Le principe de la chasse d’eau est fond´ sur e e e e e le mˆme principe. 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. [10].).1200 : diff´rents ing´nieurs Arabes (Al-Jazari.. Philon de Byzance (. I.800 . 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. [5]. H´ron d’Alexandrie (Pneumaticae e -150) met au point divers dispositifs de r´gulation de niveau a base de flotteurs e ` (horloges a eau. BREF ALBUM CHRONOLOGIQUE 7 I.2 – Clepsydre d’H´ron [22] e .

R´aumur-1754. l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s. fours.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig.1900 : la r´volution industrielle d´bute r´ellement avec l’av`nement des e e e e proc´d´s de commande a contre-r´action. e e Henry propose de l’utiliser pour les fours chimiques en 1771. Becher-1680.4 – Sch´ma de l’incubateur Athenor e . Entre temps. Bonnemain-1777) : Cornelius Drebbel. I.R´gulation de temp´rature (Drebbel-1624. e ` l’Athenor. Son ´chec ` trouver la e a pierre philosophale le conduit n´anmoins a inventer un incubateur automatique. 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.3 – Illustration extraite du livre : ”Automata” (1315) [1] . machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle. 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. En effet. I. Henrye e e ` 1771. e a e .1600 . 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.

En Sib´rie. En 1745. invention pour laquelle il est anobli par la reine Victoria. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur.R´gulation de niveaux (Salmon-1746. I. Lee invente une petite roue a vent (fantail) mont´e perpendiculairement ` l’axe ` e a de rotation afin d’orienter la voilure des moulins dans le sens du vent. A la fin de ce si`cle. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. BREF ALBUM CHRONOLOGIQUE 9 . Fig. 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. Wood-1784). Polzunove 1765. I. la chasse d’eau est mise au point par le londonien Crapper en 1775. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig.R´gulation des moulins a vent : le flux de grain dans un moulin est r´gul´ e ` e e suivant la vitesse de rotation de la meule en 1588 (par le mill-hoper).I.2. a . En particulier. (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.6 – Principe de la machine ` vapeur de Polzunov [35] a .5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. Brindley-1758. Crapper 1775.

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. (Porter-1858).R´gulation de pression (Papin-1707.R´gulation a gouverne centrifuge (Watt-1788). e ` (Pickering-1862). (Siemens-1846). On peut e . 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. Fig. il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur. James Watt se propose d’adapter le r´gulateur centrifuge de Mead e pour la r´gulation de la vitesse de rotation du moteur a vapeur. Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803.1800-1935 : 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. ` e e Fig. I. En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs. Delap-1799.8 – Moteur a vapeur de Watt [46] ` Fig. (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton.7 – Soupape de s´curit´ de Papin [46] e e . I. I.9 – Manuscrit de Watt ou Boulder [44] .10 INTRODUCTION A LA THEORIE DE LA COMMANDE .

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

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. I. On assiste alors a une math´matisation e e ` e des la th´orie de la r´gulation avec le premier trait´ th´orique sur les sere e e e vom´canismes ´crit par Harold H´zen. 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. seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques. e e a . A cette ´poque.

I.W. e Fig.B.12 – Lieu de Nyquist . I.13 – Syst`me de RADAR SRC-584 [40] e En parall`le. Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N. Bode propose en 1938 d’utiliser le trac´ de l’amplitude et de la phase de la r´ponse fr´quentielle des r´seaux e e e e lin´aires et d´finit les notions de marges de phase et de gain.D´veloppement de la th´orie des servom´canismes dans le domaine fr´quentiel e e e e aux laboratoire des radiations du MIT (Hall-1940).C. (Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H. . a e . I.1940-1960 : la deuxi`me guerre mondiale a jou´ le rˆle de stimulant intellectuel e e o primordial pour le d´veloppement des syst`mes de commande et a donn´ naissance e e e ` la p´riode dite classique. Nichols. les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A.2. 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. 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.

Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0. I. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu. .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. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61. Shannon qui publie en 1948 ”The mathematical theory of communication”. . (Wiener et Bigelowe 1942) : A.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. N.N. I. Wiener et J.D´veloppement de l’analyse stochastique (Kolmogorov-1941).7 deg (at 1.43 rad/sec) .15 – Abaque de Black-Nichols .14 – Lieu de Bode Fig. Fig.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. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”.25 dB 0. I. Pm = −44. N.3 dB (at 1.

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

De son cˆt´. (Desoer-1965). 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. 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.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. L.3 0. (Sandberg-1964).3 −0.4 −0. introduction du e e formalisme d’´tat (Bellman-1957). I.A.1 0 0.M.1 Real Axis 0. (Narendra-1964). e e R. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B. 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.Th´orie de la commande non lin´aire (Hamel-1949).Th´orie de la commande optimale et th´orie de l’estimation. (Pontryagin-1958). (Yakubovich-1962).2 0.3 0. Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton. (Tsypkin-1955). Il montre d’autre part e e . R. . au crit`re du cercle et de la passivit´.S.2 −0.1 Imag Axis 0 −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. 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. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial.5 Fig.2 0.3 −0. Ces e probl`mes de stabilit´ absolue sont abord´s ` travers la th´orie de la stabilit´ e e e a e e de Lyapunov alors que les probl`mes de stabilit´ entr´e-sortie sont essentiele e e lement ´tudi´s par Sandberg et Zames donnant naissance aux th´or`mes du e e e e faible gain. Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e.1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale.4 −0.16 INTRODUCTION A LA THEORIE DE LA COMMANDE . Hamel en France et J.1 −0.4 0. V.4 0.2 −0.5 −0. (Popove e 1961).20 – Application du crit`re du cercle e .5 0.

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

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

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

formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie.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. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours. En gras. 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. 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 Classification des syst`mes e Jusqu’ici. I. e e .formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. e e a . 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.repr´sentation math´matique des int´ractions entre les ´l´ments ` travers la repr´sentation e e e ee a e math´matique des int´ractions entre les variables. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig. Ces ´quations peuvent ˆtre ordinaires e e e e dans le cas de syst`mes ` param`tres localis´s dans l’espace ou a d´riv´es partielles pour e a e e ` e e les syst`mes ` param`tres r´partis. La figure I. 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.20 INTRODUCTION A LA THEORIE DE LA COMMANDE . 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. Traitant e e uniquement dans ce cours des syst`mes dynamiques. Cela signifie qu’en th´orie des syst`mes.

branche de la th´orie des syst`mes.3.1 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´.THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES Les syst`mes lin´aires e e 21 Une classe particuli`re dont l’importance pratique est remarquable est celle des syst`mes e e d´crits par des ´quations diff´rentielles lin´aires. e e e e Ainsi l’hypoth`se de lin´arit´ va permettre l’utilisation d’outils (analytiques.3. la plue e e part des syst`mes physiques sont en r´alit´ non lin´aires (bras de robot. Principe d’homog´n´it´ : e e e Un syst`me v´rifie le principe d’homog´n´it´ si pour une entr´e αe(t). e e e I. les syst`mes lin´aires v´rifient le principe de e e e superposition et le principe d’homog´n´it´. les 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 . seuil. grae e e phiques) tr`s simples et puissants tels que les transform´es de Laplace et de Fourier. On parle alors de syst`mes lin´aires.2 Th´orie de la commande e Le processus pr´liminaire de mod´lisation achev´. la sortie est e e e e e e donn´e par αs(t). l’hypoth`se de lin´arit´ est valide dans un domaine pr´cis et ne tient pas e e e e compte d’un certain nombre de ph´nom`nes purement non lin´aires. e e le calcul op´rationnel ou le th´or`me de convolution. ph´nom`nes e e e e e e ´lectrostatiques) ou font apparaˆ des ph´nom`nes non lin´aires (hyst´resis. au sens large. Un processus de lin´arisation est alors n´cessaire. e e e e D’un point de vue purement technique. e e e Toutefois. En effet. e e e e e e Si elle n’est strictement que rarement v´rifi´e en pratique. Il conviendra donc de toujours justifier en pratique l’hypoth`se de e lin´arit´ et d’identifier son domaine de validit´. 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. 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). frottement sec). e e e La th´orie de la commande. e Contre-exemple I. 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. 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. zone e ıtre e e e e morte. 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.

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

par opposition aux syst`mes en boucle ouverte (figure e e e I. Il est toutefois important de remarquer que cette structure de commande ne pr´sente e pas que des avantages. e e . Les syst`mes de commande en boucle ferm´e sont ainsi pr´f´rables quand e e ee des perturbations non mod´lisables et/ou des variations impr´visibles des param`tres sont e e e pr´sentes. le probl`me de la stabilit´ et de la pr´cision des syst`mes ` e e e e a contre-r´action se pose de mani`re plus complexe.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.27). 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. stabilisation de syst`mes ine e e e stables en boucle ouverte). Cette structure de commande permet ainsi d’am´liorer les performances dynae e miques du syst`me command´ (rapidit´. D’autre part. e e e moindre sensibilit´ aux variations param´triques du mod`le.THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES 23 syst`me boucl´ (figure I. Le concept de r´tro-action est toutefois e e e ` la base de tous les d´veloppements th´oriques de l’Automatique moderne et constituera a e e donc le pivot central autour duquel les notions d´velopp´es dans ce cours tourneront. rejet de perturbation. I. Elle n´cessite l’emploi de capteurs qui augmentent le coˆt d’une e u installation.28). meilleur suivi de consignes.

Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I. A partir de l’information de position restitu´e par un capteur au correcteur. 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. contre-r´action. e e I.1 R´gulation de temp´rature dans un four e e Un des probl`mes les plus fr´quemment rencontr´s dans l’industrie est celui de la e e e r´gulation de temp´rature dans une enceinte close (four. etc. I.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I.4.29... Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T .29 – R´gulation de temp´rature e e I.2 Contrˆle de la tˆte d’un disque dur o e Afin d’acc´der ` des donn´es enregistr´es sur un disque num´rique tournant. .4 Exemples de syst`mes de commande modernes e Quelques exemples remarquables de syst`mes de commande modernes sont d´velopp´s e e e afin d’illustrer de mani`re concr`te les diff´rentes notions introduites pr´c´demment telles e e e e e que r´gulation.). 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. 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.4. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture. e .

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

32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res. Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me. Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices. 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 Commande longitudinale d’un avion civil La plupart des avions sont bien approxim´s comme des corps rigides sur lesquels e agissent des forces propulsives. e −Z M T −X θ ε xA zA mg δe Fig. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I. e e e . la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment.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.4. 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. 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. .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. e .32 – Param`tres longitudinaux e .Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR. I. Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis.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´. gravitationnelles et a´rodynamiques. e I. Le mouvement peut e alors ˆtre d´crit par la position et la vitesse du centre de gravit´ ainsi que par l’oriene e e tation et la vitesse angulaire d’un ensemble d’axes li´s ` l’avion par rapport a des axes e a ` de r´f´rence.

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

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

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. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. Ses conceptions peu orthodoxes en mati`re e e de religion lui font abandonner son projet d’ordination pour une position d’enseignant en math´matiques ` Graz. Il 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. z). 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. 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.´ II. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). Il est mort le 15 Novembre 1630 a Regensburg. y.2. En dehors de ses travaux d’astronome proprement a dit. e ` e e Biographie 1 (J. jI . 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. 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´.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1. 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 est d’ailleurs excome a muni´ en 1612. On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI .2 Exemples caract´ristiques e Dans cette section.2. Il publie a Linz en 1619 Harmonices ` mundi libri contenant la troisi`me loi dite loi des p´riodes puis les tables astronomiques e e Rudolphine tables ` Ulm en 1628. e e II.3. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. ` Exemple : satellite 1 Le satellite est mod´lis´ comme un corps rigide auquel est attach´ en son centre de masse e e e un r´f´rentiel mobile B : (x. il propose les deux premi`res lois (de Kepler) dans Astronomia e Nova en 1609 : les orbites des plan`tes autour du soleil sont des ellipses dont un des foyers e est le soleil et parcourues suivant la loi des aires.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. . kI ). quie bus astronomiae pars optica traditur en 1604. EXEMPLES CARACTERISTIQUES 29 II. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s. e e 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. il produit ´galement des travaux en optique (Ad Vitellionem paralipomena.

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

Tθ ee e     cos ψ − sin ψ 0 cos θ 0 sin θ 0 1 0  Tψ =  sin ψ cos ψ 0  Tθ =  0 0 1 − sin θ 0 cos θ (II. Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite. uz ) forment le vecteur moment de commande. 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. Les angles d’Euler sont not´s ψ.EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler). Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes.5) ` Hypotheses II. uy . 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.7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (II. Tφ . l’angle de nutation et φ l’angle e e de rotation propre.6) . 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. On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel.2.2). l’angle de pr´cession θ.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 . (Tx . figure II. Ty .

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

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

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

15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . ` 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. on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II. e e La proc´dure de lin´arisation est essentiellement fond´e sur les d´veloppements en e e e e s´ries de Taylor autour d’un point de fonctionnement dont les termes d’ordre sup´rieur e e ` un sont n´glig´s. xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II.16) Exemple : servo hydraulique 2 L’actionneur hydraulique est g´n´ralement con¸u de mani`re sym´trique de sorte que e e c e e e a e R1 = R2 et donc ps − p1 = p2 − pe . e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 .´ ` II. e e e a e . x20 .17) En supposant que sin θ ∼ θ pour θ petit. · · · . · · · . Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement.Si y = a et F = 0. APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II. xn0 ) est e e donn´ par : e y = g(x10 . √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x. Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le. e e . x2 .Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire. xn ) (II.19) qui est une ´quation d’´tat du mˆme type que pr´c´demment. x20 .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. 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. ˙ ¨ e e p1 = p2 = ps + pe 2 (II. e e e e e . · · · .18) (II.3.

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

e Biographie 3 (Sir W. de Newton et de Laplace. Polaris) aux d´buts e e e des ann´es 60. A 5 ans. Etant donn´ l’´tat d’un syst`me ` un instant donn´. La repr´sentation d’´tat. e Poincar´). Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton.1 Le mod`le interne . il publie Lectures on Quaternions en 1853 puis Elements of Quaternions dont le dernier chapˆtre reste inachev´.LA REPRESENTATION D’ETAT 37 II.` ´ ´ II. 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.1 (formulation Hamiltonnienne de la loi de Newton) Selon la loi de Newton. Kalman et par les e ee e e ing´nieurs travaillant sur les premi`res applications spatiales (Apollo. la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du syst`me. Il marque son int´rˆt e e e pour les math´matiques d`s l’age de 12 ans et commence a ´tudier les travaux de Clairaut e e `e (Algebra). LE MODELE INTERNE . il soumet son premier article e e e ` la Royal Irish Academy en 1824. on obtient les ´quations de Hamilton d´crivant le syst`me : e e e e p d q = m dt p F (t) Si les conditions initiales q(t0 ) p(t0 ) = x(0) mx(0) ˙ . Il publie ` a en 1832 son troisi`me suppl´ment ` son livre Theory of Systems e e a of Rays. il sait le Latin.la repr´sentation d’´tat e e e Le concept d’´tat d’un syst`me e e La th´orie moderne de la commande des syst`mes repose en grande partie sur le e e concept d’´tat d’un syst`me et sur le mod`le associ´. Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans.4. L’´tat d’un syst`me est caract´ris´ par un ensemble de variables dynamiques appel´es e e e e e variables d’´tat non uniques et qui r´sument compl`tement la configuration courante e e e du syst`me. Le e e e e e e concept d’´tat a ´t´ introduit de mani`re syst´matique par R. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal. 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.4.4 II. Apr`s ˆtre entr´ au Trinity College. le Grec et l’H´breu. 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 publie On General Method in Dynamics en 1834 et est anobli en 1835. Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie.E. e Exemple II.4.R.

e e II.4) ayant pour entr´es les composantes e e du vecteur u(t) ∈ Rm et pour sorties les composantes du vecteur y(t) ∈ Rr . e e e . x(t0 ) est connu alors y(t1 ) et x(t1 ) peuvent ˆtre d´termin´s a de mani`re unique pour tout t1 ≥ t0 si u(t) est connue sur l’intervalle [t0 . e e e e e e e lieu dans l’espace d’´tat E du point de coordonn´es x(t) dans le rep`re choisi. Parmi les fonctions poss´dant cette propri´t´. ` chaque instant t0 . ´ Definition II.4. U Vecteur d’entrée X Vecteur d’état dimension n Y Vecteur de sortie dimension m dimension r Fig. e Le vecteur d’´tat x(t) appartient a un espace vectoriel E. e e t t0 t t x(t) = −∞ z(ξ)dξ = −∞ z(ξ)dξ + t0 z(ξ)dξ = x(t0 ) + t0 z(ξ)dξ x(t0 ) r´sume le pass´ de la fonction x jusqu’` l’instant t0 . 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. e e e e e x(t) = [x1 (t).2 Repr´sentation d’´tat des syst`mes dynamiques e e e La repr´sentation d’´tat est un mod`le interne structur´ bati autour du concept d’´tat e e e e e et s’appliquant aux syst`mes temps-variant et/ou non lin´aires. On consid`re donc le e e e syst`me dynamique multivariable de la figure (II.4. II.1 (Vecteur d’´tat) e x(t) est un vecteur d’´tat pour le syst`me Σ si c’est un vecteur contenant le nombre e e minimal de variables n´cessaires ` la v´rification de la propri´t´ suivante : e a e ee e e e Si. · · · . l’´tat initial d’un syst`me doit constituer sa e e e e e m´moire.38 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES sont connues. le comportement du syst`me ` n’importe quel instant sera connu. 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. xn (t)] . Les variables d’´tat seront donc e e a e les solutions d’´quations diff´rentielles du premier ordre. e e Comme l’exemple pr´c´dent l’a montr´. d´fini comme l’espace e ` e d’´tat. t1 ]. on trouve toutes les fonctions e e ee r´sultant d’une int´gration.4 – Syst`me dynamique multivariable e En g´n´ral. L’´volution du syst`me peut ˆtre repr´sent´e au moyen des trajectoires d’´tat. 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.

25) v(t) . II.LA REPRESENTATION D’ETAT 39 x2 x(t0) x(t1) x2(t1) 0 x(t2) t x1 (t1) x1 Exemple II.5 – Circuit de l’oscillateur de Van der Pol On obtient l’´quation dynamique de l’oscillateur de Van der Pol : e 2 v (t) − (α − βv 2 (t))v(t) + ω0 v(t) = 0 ¨ ˙ (II. 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.LE MODELE INTERNE . e ` e Pour un choix du vecteur d’´tat e .2 (oscillateur de Van der Pol) En consid´rant le circuit ´lectrique suivant : e e L C Résistance négative Fig.4.

y(t) ∈ Rr est u le vecteur de sortie.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. II.4. u(t).40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2. e ´ Definition II.5 1 0.5 dx/dt 0 −0. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.5 −2 −2.5 −1 −1. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig. u(t) ∈ Rm est le vecteur de commande. continue par rapport a u et continue par morceaux par rapport a t.5 2 1.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II.27) . Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me.4. u(t). on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II. En ´crivant les lois de Kirchoff (noeuds e e et mailles).3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II.7).26) y(t) = h(x(t).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.4. t) ´quation dynamique ˙ e (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.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II.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.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.31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure 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. soit [x1 x2 ] = [vC iL ] . [x1 (0) x2 (0)]. il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0. ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig. II. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II. on obtient l’´quation d’´tat non lin´aire : ˙ e e e x1 (t) = x2 (t) ˙ x2 (t) = (α − ˙ βx2 (t))x2 (t) 1 + 2 ω0 x1 (t) (II.LE MODELE INTERNE .25).4.29) A partir de la donn´e des conditions initiales du circuit. x2 (0) . vR = R(iL (t)).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.6 pour diff´rentes e e e a e x1 (0) conditions initiales .

A(t) ∈ Rn×n est la matrice dynamique. B. e II.34) .26).4. Cela signifie que pour un mˆme syst`me phye e e e sique. le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´. 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´. 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. le syst`me est Lin´aire Temps-Invariant e e (LTI).4. e ´ Definition II. u(t).B(t) ∈ Rn×m est la matrice de commande ou d’entr´e. u0 (t).2 La repr´sentation d’´tat n’est pas unique. 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. 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).D(t) ∈ Rr×m est la matrice de transmission directe. Si les matrices A.4.3 Repr´sentation d’´tat lin´aire . .C(t) ∈ Rr×n est la matrice de mesure ou de sortie. C. En effet. t) ˙ (II. Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t). e .42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques 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. cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique. .32) y(t) = C(t)x(t) + D(t)u(t) o`: u .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. D sont constantes.

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

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. e e e ´ Definition II.4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e). on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.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 .39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t.44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre.4. on obtient la e repr´sentation d’´tat lin´aris´e pour des perturbations nulles : e e e e     0 0 0 1 0 0 0 0 0  0  0 0 0 1 0  0  0 0      0   0 0 0 0 0 1  0 0   2  u(t)  x(t) =  ˙ x(t) +  Ω Ix 0 0 0 Ω(Ix + 1) 0  1/Ixx 0 0       0  0 0 0  0  −Ω2 Iy 0 Ω(Iy − 1) 1/Iyy 0 0 0 0 0 0 0 0 1/Izz (II.38) Dans le cas g´n´ral o` le mod`le est temps-variant.5 A2 = 0 1 1 −0. t0 )x0 ∀t ≥ t0 (II.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy . 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.40) . 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.

1 .4. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t0 ) = Φ(t2 . e ´ ` Theoreme II. seront ´tudi´s e e e e . t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes.Φ−1 (t.Φ(t2 .40). solution de l’´quation diff´rentielle : u e e ˙ Φ(t.41) Dans le cas g´n´ral d’un syst`me temps-variant. t0 ) = A(t)Φ(t. t0 ) = Φ(t0 . τ )B(τ )u(τ )dτ (II. Pour les e e e e syst`mes LTI. Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat.45) Dans la suite. τ )B(τ )u(τ )dτ + D(t)u(t) (II. e ee ´ ´ Proprietes II.42) A partir de la donn´e de la matrice de transition.4. seuls les syst`mes lin´aires temps-invariants. (LTI). e e e e e elle est donn´e par : e t x(t) = t0 Φ(t.LE MODELE INTERNE . t0 )x0 + et la sortie s’´crit alors : e Φ(t.4.5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. la matrice de transition peut ˆtre calcul´e de mani`re explicite par les e e e e m´thodes pr´sent´es dans ce chapˆ e e e ıtre. t0 ) est inversible pour tout t et tout t0 . t0 ) Φ(t0 . τ )B(τ )u(τ )dτ t0 (II. De mˆme.4. t1 )Φ(t1 . t) ∀ t.LA REPRESENTATION D’ETAT o` Φ(t. t0 ∀ t ≥ t0 45 (II. elle est donn´e par l’´quation e e e e e e e (II. t0 )x0 + C(t) t0 Φ(t.Φ(t. la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique. ´ Definition II. t0 ) .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.44) t y(t) = C(t)Φ(t. t0 ) est la matrice de transition. e ´ Definition II.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. 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.43) x(t) = Φ(t.

D).46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model.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.1 -3].6 (circuit ´lectrique) e Calcul du mod`le d’´tat. >> circuit=ss(A.7) pour C = 2 F . u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie. C.D) a = x1 x2 x1 0 1 x2 -0.D=0. >> C=[0 3].5 -3 b = x1 x2 u1 0. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II. L = 1 H et R = 3 Ω. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II.4.4. .0]. e Exemple II.B. Script MATLAB 1 >> A=[0 -1/2. ´ Definition II. B.B=[1/2. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.4.C. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A.

53) .49) (II.4. ´ ` Theoreme II.LE MODELE INTERNE .47) Sa r´ponse libre est donc donn´e par : e e y(t) = CeA(t−t0 ) x0 Le mod`le LTI. e e e x(t) = Ax(t) ˙ y(t) = Cx(t) a pour matrice de transition : Φ(t.51) y(t) = Cx(t) + Du(t) a pour r´ponse compl`te : e e y(t) = CeA(t−t0 ) x0 + C Exemple : satellite 4 La sortie ψ(t) a donc pour expression.52) (t − τ )uz (τ )dτ (II. la matrice de transition d’´tat peut ˆtre donn´e de mani`re e e e e e explicite. t0 ) = eA(t−t0 ) o` : u eAt = 1 + At + A2 t2 An tn + ··· + + ··· 2! n! (II.LA REPRESENTATION D’ETAT La matrice de transition d’´tat e 47 Pour les mod`les LTI.48) (II.50) eA(t−τ ) Bu(τ )dτ + Du(t) (II. ψ(t) = x1 (t) = x10 + (t − t0 )x20 + puisque eAt = 1 t 0 1 1 Izz t 0 t t0 (II. e x(t) = Ax(t) + Bu(t) ˙ (II.2 Le mod`le LTI homog`ne (non command´) de condition initiale x(t0 ) = x0 .

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. Londres en Angleterre.C.) puisqu’il s’agit uniquement de caract´riser la relation causale entr´ese e sorties. e e e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) x(t0 ) = x0 (II. e Soit le syst`me multivariable dont le mod`le d’´tat est donn´ ci-dessous. En 1902. la notion e e de fonction de transfert a ´t´ essentiellement d´finie par A. Il e ` contracte tr`s jeune une fi`vre scarlatine qui le laisse presque sourd.1 La matrice de transfert Originellement d´finie pour le syst`mes SISO (Single Input Single Output). 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 e Biographie 4 (O. Celle-ci recouvre ainsi les mod`les e e e du type ´quations diff´rentielles ` coefficients constants. Cer derni`res sont mieux e ` e connues sous le nom d’´quations de . Cette classe ´tant tr`s vaste. Nous insisterons plus particuli`rement sur ce e e dernier type de mod`le tout en donnant quelques liens avec les deux autres.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. Ses traee vaux sur l’´lectricit´ le font remarquer de Maxwell qui le mentionne e e dans son trait´ Treatise on Electricity and Magnetism.. Maxwell. ae Il devient t´l´graphiste au Danemark puis en Angleterre.5. Heaviside en 1892 e e e pour caract´riser le comportement entr´e-sortie des servom´canismes. tr`s isol´ et en butte ` un fort complexe de ` e e a pers´cution. e II. les mod`les fond´s sur la r´ponse e e a e e e impulsionnelle et les mod`les de transfert. Heaviside) Oliver Heaviside est n´ le 18 Mai 1850 a Camden Town. 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. Le come e portement ”interne” du syst`me est ignor´ (tensions et courants interm´diaires dans e e e un circuit p. On d´finit ainsi une classe de mod`les dont les ´l´ments auront des propri´t´s e e ee ee ´quivalentes.54) . Ces derniers travaux sont prouv´s rigoureusement e e plus tard par Bromwich et valent a son auteur de nombreuses pol´miques scientifiques.48 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. De fait.. Il n’en finit e pas moins sa vie a Torquay dans le Devon. Il ` e est ´lu pair de la Royal Society en 1891 suite a ses travaux sur la transmission des signaux e ` dans Electromagnetic induction and its propagation en 1887. il pr´dit e l’existence de la couche portant son nom et refl´chissant les ondes radios.e. nous nous int´ressons dans ce cours ` la souse e e e a classe des mod`les Lin´aires Temps-Invariant (LTI). 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. e Heaviside ´tudie ce dernier et propose de simplifier les 20 ´quations a e e ` 20 variables en 4 ´quations a deux variables.

. . . um y1 y2 . En r´solvant les ´quations (II.57) ´ Definition II.56) Pour des conditions initiales nulles. 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. yr 49 Système linéaire multivariable Fig. il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II.58) (II. e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II. II. u u1 u2 . e e e .Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique.59) Yi (p) = j=1 gij (p)Uj (p) (II.60) Remarques II. il est possible de l’appliquer aux e e e ´quations (II. .54). U (p) = L[u(t)] et Y (p) = L[y(t)].La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles.5. .55) o` X(p) = L[x(t)].1 . u ∈ Rm et y ∈ Rr .55) u e e par rapport a Y (p).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.LES MODELES EXTERNES o` x ∈ Rn .La matrice de transfert est une caract´ristique du syst`me ind´pendante de l’amplie e e tude et de la nature de l’entr´e du syst`me. x0 = 0.1 (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).5. on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II. e e .

de la capacit´ u e e e calorifique des fluides.2 0. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II. Pour chaque ´tage. En supposant les flux constants fH = fC = f .. d´bit fC ).01 m3 /min. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi .5. nous obtenons les ´quations d’´tat : e e   β/VC −(f + β)/VC 0  x(t) + f /VC u(t) x(t) =  ˙ 0 f /VH β/VH −(f + β)VH (II.21 0.1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II.61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig. II. temp´rature TH .21 x(t) + 0. e on obtient : x(t) = ˙ −0.63) . e Exemple II. x2 ) = (TC .50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi .01 0 0 0. TH ) et les temp´ratures d’entr´e comme les commandes.62) y(t) = x(t) Pour les valeurs num´riques f = 0.9. les variables d’´tat e e (x1 . e e e e e e e e e e temp´rature TC .01 x(t) (II.2 −0. β = 0.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur.C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me.2 m3 /min et VH = VC = 1 m3 ..

[1 0.21]}.0021 --------------------s^2 + 0.0041 0...01)(p + 0.41) p + 0. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.21 −1 51 0.57).01 0.01 0 0 0.64) 0.01 s + 0. {den den. e e >> den=conv([1 0.66) ..01 = (p + 0.0041 #2: Exemple : satellite 5 On reprend les ´quations d’Euler du satellite en spin constant autour de l’axe en supposant e cette fois que Ixx = Iyy = I1 et Izz = I2 et ne retenant que le mouvement autour des axes x et y d´coupl´es comme on l’a vu du mouvement autour de l’axe z.2 p + 0.2 0. >> echangeur=tf({[0.2 [0.den den}) Transfer function from input 1 to output.42 s + 0.01*0.01 s + 0.01].01*0.42 s + 0..002 #1: --------------------s^2 + 0.2 p + 0. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.42 s + 0.01*0.0. 0..42 s + 0..21 0.2*0.01.21] 0.2 −0.LES MODELES EXTERNES En appliquant la formule (II.41]).002 --------------------s^2 + 0..0021 #1: --------------------s^2 + 0.01 0.0041 0. 0.21 −0.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.65) I1 ωy = (I3 − I1 )Ωωx + uy ˙ En posant a = (1 − I3 /I1 )Ω et en supposant que les vitesses de rotation sont mesur´es e indirectement par l’´quation : e y1 y2 = 1 a −a 1 ωx ωy (II.01 (II.0041 #2: Transfer function from input 2 to output.

e e e (II.[-5 -5] [1 -25]}. s .5 -------s^2 + 25 #2: Transfer function from input 2 to output... {[1 0 25] [1 0 25].25 #1: -------s^2 + 25 -5 s . g(t) est une matrice de dimensions r × m..25 -------s^2 + 25 #2: II.5. 5 s + 5 #1: -------s^2 + 25 s ..2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II.[1 0 25] [1 0 25]}) Transfer function from input 1 to output..68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II.70) A chaque instant t. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t.69) ´ Definition II. L’´l´ment (i.5.52 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.67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur. >> satellite=tf({[1 -25] [5 5]..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. ` . e e >> a=5..

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

77) Exemple 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.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.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. u(t).3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II.10). on obtient.74). II.5.75) y(0) = y(0) = · · · = y ˙ (n−1) (II. e e e La fonction de transfert Soit un syst`me LTI mono-entr´e.78) k M s(t) f e(t) Fig. Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II. l’´quation diff´rentielle d´crivant le comportee e e ment de la masse M soumise ` une force u(t) est donn´e par : a e M y (t) + f y(t) + Ky(t) = u(t) ¨ ˙ (II.10 – Syst`me masse-ressort-amortisseur e . mono-sortie.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie.5. 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. Par application e e du principe fondamental de la dynamique.76) ´ Definition II.5. 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. e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II. y(t). Dans le cas de mod`les externes.

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.5.LES MODELES EXTERNES 55 Un vecteur d’´tat pour les syst`mes m´caniques peut ˆtre typiquement constitu´ ` e e e e e a partir des variables de position et de vitesse. on obtient 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.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II.80) Exemple II. Ainsi.79) En appliquant la transform´e de Laplace a cette ´quation et en choisissant la position e ` e de la masse y(t) comme sortie. e L’´volution d’un syst`me lin´aire pour une entr´e donn´e et des conditions initiales fix´es e e e e e e s’obtient alors par application du principe de superposition. on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe.24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ.83) La fonction de transfert G(p) est appel´e double int´grateur. . Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II. vR (t).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 obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II. e e Fonction de transfert et r´ponse impulsionnelle e Soit un syst`me LTI SISO soumis ` une entr´e u(t) et donn´ par sa fonction de transfert e a e e G(p).82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II. 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. alors : s(t) = su (t) + s0 (t) (II.

56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle.87) (II. ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme.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.88) ⇔ Y (p) = G(p)U (p) (II. e e e Remarques II.84) La r´ponse du syst`me ` une entr´e quelconque u(t) peut alors ˆtre calcul´e en utilisant e e a e e e le th´or`me de convolution.5.2 1.5.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p). II. e y(t) = g(t) ∗ u(t) . e e ´ ` Theoreme II.g(t) et G(p) contiennent la mˆme information. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II.86) .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 G(p) = L[g(t)] 2.mod`le alg´brique G(p) e e .5.mod`le temporel g(t) e Exemple : satellite 8 La fonction de transfert liant la force de propulsion a la d´viation angulaire suivant l’axe ` e 1 .

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 e II. e e e ´ Definition II.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II.6. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II. POLES ET ZEROS D’UN MODELE LTI 57 II. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO. il est dit strictement propre.ˆ ´ ` II. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral.6.6. le syst`me est dit propre alors que pour n > m. Pour e e e e n = m.89). o e ´ Definition II. e e ´ Definition II.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II. .2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI.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.6.91) (II. Si le syst`me est causal alors n ≥ m. la caract´risation par la fonction de transe a e fert est tr`s simple. L’´quivalence du mod`le d’´tat et du mod`le de transfert fait appel e e e e e ` la th´orie de la r´alisation qui dans le cas multivariable est au del` du programme de a e e a premi`re ann´e.1 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. 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).89) et le mod`le de transfert G(p) ∈ Cr×m : e G(p) = C(p1 − A)−1 B + D On suppose que les deux mod`les sont parfaitement ´quivalents.6. ` l’inverse. e A partir de la d´finition du polynˆme caract´ristique.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.

1 1 0].0 1].B=[1 0. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.{[1 1] [1 2]. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .6.[1 1] [1 1]}).0 1. >> C=[2 0 3.0 -1 0.1 1}.1 Soit le mod`le d’´tat LTI donn´ par e e e  −1  0 A= 0 C= les matrices syst`me : e    0 0 1 0 −1 0  B =  0 1  0 −2 0 1 2 0 3 1 1 0 La matrice de transfert de ce syst`me est donn´e par : e e   3 2   G(p) =  p + 1 p + 2  1 1 p+1 p+1 Le plus petit commun d´nominateur associ´ ` cette matrice de transfert est : e ea πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Script MATLAB 4 >> A=[-1 0 0. o e e Exemple II.58 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Les pˆles d’un syst`me r´el sont n´cessairement r´els ou complexes conjugu´s puisque o e e e e e les coefficients des polynˆmes caract´ristique sont r´els.0 0 -2].

0000i -1.ˆ ´ ` II. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2. e Sous ces hypoth`ses.0000 + 0. 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.0000 -1.0000 . u e e e e ` Hypotheses II.0000i >> Poles=pole(G) Poles = -1 -2 -1 II.90).0. Nous ıtre e e a e e nous contenterons ici de r´sumer les principales caract´risations et nous nous placerons e e dans le cas o` les repr´sentations d’´tat et de transfert sont strictement ´quivalentes et u e e e o` le nombre d’entr´es est ´gal au nombre de sorties (syst`mes carr´s).94) (II.6. z0 est un z´ro du mod`le LTI ssi la mae e e trice M (z0 ) n’est pas de rang maximum : M (z0 ) = z0 1 − A −B C D (II. de z´ros invariants et de z´ros d´couplants sont ´quivalentes. transfert) choisie.89).4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II. Ces syst`mes sont e e e e e e dits carr´s. e e e e ´ Definition II.6.6. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II. Elle est ´troitement li´e ` la repr´sentation (´tat.6.2 Les z´ros e La notion de z´ros pour les syst`mes multivariables non carr´s (ne poss´dant pas le e e e e mˆme nombre d’entr´es que de sorties) est complexe et m´riterait d’ˆtre expos´e dans un e e e e e chapˆ complet.6.93) . e e e e e a On d´finit pour cela le polynˆme des z´ros. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.1. Sous les hypoth`se II. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission.

6.1.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.6. e .6.0000 >> Zero=zero(G) Zero = 1. on a vu que : πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Il y a ici un mineur maximal qui est d’ordre 2 et qui s’´crit : e det G(p) = Soit πz (p) = −p + 1 Script MATLAB 5 >> Zeros=tzero(G) Zeros = 1.0000 >> [Poles.0000 Remarques II.1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p).Zeros]=pzmap(G) Poles = -1 -2 -1 z0 = 1 2 3 −p + 1 − = 2 (p + 1) (p + 1)(p + 2) (p + 1)2 (p + 2) Zeros = 1.2 Reprenant l’exemple II.

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

Il est ind´pendant de la nature physique du syst`me mod´lis´.En appliquant la transform´e de Laplace. II.Un sch´ma fonctionnel n’est pas unique. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e. c a + b Fig. Dans ce cas.7.15 – Circuit RC .1 . e e a ee e 2.de blocs sommateurs. a ee 3.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment. e Remarques II.7. e e e e e Principes de construction 1.7. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles. II. e . e Exemple II.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert. e e e e + a−b+c − II.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me.

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. Nous donnons maintenant un certain nombre de d´finitions e concernant les syst`mes ` contre-r´action ou syst`mes boucl´s du type de la figure II.17. 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.Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2.16 – 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).Trac´ du sch´ma fonctionnel : e e 1 I(p) Cp E(p) + − S(p) E(p) + 1 R I(p) I(p) 1 Cp S(p) − S(p) 1 R I(p) 1 Cp S(p) Fig.LES MODELES GRAPHIQUES 1. e a e e e .

18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II.64 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Chaîne directe E(p) + Y(p) − A ε (p) G(p) S(p) H(p) Chaîne de retour Fig. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur.96) ε (p) G(p) S(p) Fig.2 (fonction de transfert en Boucle Ouverte) La fonction de transfert en boucle ouverte ou gain de boucle est d´finie comme : e Y(p) = G(p)H(p) E(p) Elle correspond au transfert si la boucle est ouverte en A.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne. ´ Definition II.95) (II.97) . 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. II.7.7. E(p) + S(p) − (II. ´ Definition II. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire. 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.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.7.

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.20.LES MODELES GRAPHIQUES 65 II. II.19 et 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.19 – Alg`bre des sch´mas fonctionnels e e . Ces r`gles sont r´sum´es e e e e e dans les tableaux II. 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.

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

7.7.2 Le sch´ma fonctionnel II. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat.4 Sch´mas fonctionnels et repr´sentation d’´tat e e e Bien qu’utilis´s le plus souvent en liaison avec les mod`les entr´e-sortie du type fonction e e e de transfert.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II. . x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig. 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.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II.22.7. e e Ainsi. e ee Exemple II. II.21 : e e u(t) . Dans le cas des syst`mes e e e LTI. la repr´sentation d’´tat lin´aire temps-variant suivante : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.LES MODELES GRAPHIQUES 67 II.2 Soit le syst`me de repr´sentation d’´tat : e e e        0 1 0 x1 0 x1 ˙  x2  =  0 ˙ 0 1   x2  +  0  u −18 −27 −10 1 x3 ˙ x3 y= 1 0 0 x Le sch´ma fonctionnel associ´ ` cette repr´sentation d’´tat particuli`re est repr´sent´ e ea e e e e e en figure II.21 est d´crit dans le domaine temporel.

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

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

inputs1.70 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.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.4 Fonctions de mod´lisation par blocs e ) sys=feedback(sys1. ) o ) z=tzero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur ) e e z.inputs2. ) z=zero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur z.outputs1. e ) sys=parallel(sys1.inputs2) : cr´e dans sys l’interconnection s´rie des ) e e sorties outputs1 de sys1 avec les entr´es inputs2 de sys2.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.sys2. ) o e ) r=roots(C) : renvoie les racines du polynˆme C dans le vecteur r. ) sys=series(sys1.8.8.3 Fonctions d’analyse des mod`les LTI e ) p=pole(sys) : renvoie les pˆles du mod`le LTI sys dans le vecteur p. e .outputs1. ) e e ) [p.outputs2) : cr´e dans sys l’inter) e connection parall`le entre sys1 et sys2 ` partir de la donn´e des entr´es et sorties e a e e de sys1 et des entr´es et sorties de sys2. II.sys2.

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. En 1958.R. il rejoint le RIAS (Ree e e search Institue for Advanced Study) o` il propose ses contributions majeurs u jusqu’en 1964 : notions de commandabilit´ et d’observabilit´. Hongrie d’un p`re ing´nieur en g´nie e ` e e e ´lectrique. il travaille au laboratoire de ree a cherche d’IBM a Poughkeepsie o` ses contributions concernent les syst`mes ` u e ´chantillonn´s et la th´orie de Lyapunov. Kalman) Rudolf Kalman est n´ le 19 mai 1930 a Budapest. En 1973. il est ´galement chercheur associ´ ` l’´cole polytechnique f´d´rale de e e ea e e e 71 . ils n’en e e sont pas pour autant exclusivement r´serv´s ` ce type de repr´sentation. e Biographie 5 (R. il rejoint l’univere e e e e sit´ de Floride a Gainesville o` il est directeur du centre pour la th´orie math´matique des e ` u e e syst`mes. nous nous limiterons ` la pr´sentation de ces notions a partir des mod`les a e ` e d’´tat. Dans le cadre e e a e de ce cours. 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. 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 1971. De 1957 ` 1958. 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. filtre de Kalman et de Kalman-Bucy. Kalman en 1960.E. commande ope e timale quadratique et liens avec le calcul des variations.E. Ils d´crivent respectivement comment les ´tats d’un syst`me e e e e e sont influenc´s par les entr´es et quelle information les sorties mesur´es donnent sur les e e e ´tats du syst`me. en 1957 sous la direction du Professeur J. Il poursuit ses ´tudes de doctorat a l’universit´ de Columbia et obtient e e e ` e son Ph. En 1964. D. Par exemple. Il ´migre aux Etats-Unis et obtient son diplˆme de Master du MIT en 1954 en e e o g´nie ´lectrique.

=n (III. C est u de rang n. Remarques III.1) e o` A ∈ Rn×n . Cette notion joue donc un e rˆle tr`s important dans la th´orie de la synth`se de syst`mes de commande dans o e e e e l’espace d’´tat. R. modification des dynamiques propres). . e e e x(t) = Ax(t) + Bu(t) ˙ (III. hongroise. .1. e . e e a . e e ´ Definition III. fran¸aise e e c et russe.72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH). la commanea e dabilit´ a pour objet de caract´riser la capacit´ d’un syst`me ` voir ses caract´ristiques e e e e a e dynamiques modifi´es par les entr´es.1 III.1 . La commandabilit´ est une propri´t´ e e e e ee caract´ristique du couplage entre l’entr´e et la sortie du syst`me et fera donc intervenir e e e les matrices A et B. III. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices.1.1. · · · . e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.Si un syst`me n’est pas compl`tement commandable alors pour certaines conditions e e initiales il n’existe pas d’entr´e de commande pouvant ramener le syst`me ` l’origine.2) .Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle.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.2 Crit`re de commandabilit´ e e Il est clairement difficile d’utiliser directement la d´finition pr´c´dente afin de d´cider e e e e de la commandabilit´ d’un syst`me LTI donn´.1. .1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre.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 . ´ ` Theoreme III. B = 0. rang(C) = rang .1. · · · n alors le syst`me est compl`tement ee commandable.E. III. B ∈ Rn×m est commandable ssi la matrice de commandabilit´.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. An−1 B . Il est membre de l’acad´mie des sciences am´ricaine. . AB . B .

c1 = c2 = 1. x2 ) = (h1 . e ` (III. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque. e Exemple III. on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer. e ´ ` Theoreme III. Physiquement. h2 ) et R1 = R2 = 1. B) est commandable ssi la matrice complexe n × (n + m) : λ1 − A B est de rang ´gal a n pour toute valeur propre λ de A. B). il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande.NOTION D’OBSERVABILITE 73 Remarques III. 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.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 . e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont.3) .2 (test PBH) La paire (A.1. 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). B) sera appel´e come e e e mandabilit´ de la paire (A.1.2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A.1.

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

` e ´ ` Theoreme III. un crit`re d’observabilit´ ´quivalent au crit`re e e e ee e de Kalman quoique moins facile a manipuler est donn´ par le test PBH. e e e e .2. 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.Σdual (A . . C) est observable. B ) est observable. De mˆme que pour la commandabilit´. e ` (III.2 (syst`me dual) e Le syst`me Σdual est appel´ syst`me dual du syst`me Σ. e e e Σ x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) Σdual ˙ ξ(t) = A ξ(t) + C ν η = B ξ(t) (III. e e Exemple : satellite 10 (mouvement autour de z) Si l’on mesure la vitesse angulaire. On a alors le r´sultat suivant liant les conditions de u e commandabilit´ et d’observabilit´ des deux syst`mes Σ et Σdual .6) III. ´ Definition III. B ∈ Rn×m . e e e ´ ` Theoreme III.Σ (A.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´. 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.2. les matrices dynamique et de sortie du satellite sont.2.2. B) est commandable ssi Σdual (A . A= 0 1 0 0 C= 0 1 Le syst`me n’est donc pas observable puisque.NOTION D’OBSERVABILITE On peut alors calculer. C ) est commandable ssi Σ (A. rang(O) = rang C CA = rang 1 0 1 1 =2 75 Cela implique que le syst`me est compl`tement observable. C ∈ Rr×n .2 (test PBH) La paire (A.7) o` A ∈ Rn×n . e e D´finissons pour cela les mod`les d’´tat.3 .

` e . 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 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. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite. . Ses int´rˆts math´matiques e e e e vont de la th´orie des groupes finis a l’alg`bre lin´aire et multilin´aire e ` e e e en passant par la topologie des poly`dres. il devient ´diteur du Journal de math´matiques pures et appliqu´es. On distingue trois e e grands types de formes canoniques : .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.La forme compagne de commande. 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.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II. Il publie Trait´ des substitutions et des ´quations e e e alg´briques en 1870 qui est le premier livre sur la th´orie des groupes. . Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles.La forme compagne d’observation.3 III. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. En 1885.La forme diagonale ou quasi-diagonale de Jordan. La nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III. En 1861.8). la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse.1 Relations entre mod`les internes et externes e Les formes canoniques d’´tat e On a d´j` vu que le choix du vecteur d’´tat n’est pas unique pour un syst`me donn´. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. les ´quations diff´rentielles et e e e la m´canique.3. e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887. e e e Le fait de disposer de diff´rentes repr´sentations d’´tat pour un mˆme syst`me est un e e e e e avantage qui va permettre d’utiliser des formes particuli`res de la repr´sentation d’´tat e e e pour des probl`mes particuliers. Cette op´ration est une transformation de similarit´.46) a la repr´sentation e e e ` e d’´tat (III. ea e e e Ainsi. Il rentre a l’´cole Polytechnique en e ` e 1855.

pi ) 2. . 1  · · · 0 pi (III.. on d´finit un bloc de Jordan de e  pi 1   0 pi  Ji =  .3. Jili ) o` Jik est un bloc de Jordan de taille inf´rieure ` mi . 0    . il est possible u d’effectuer un changement de base la diagonalisant. n. · · · .. u Dans le cas o` une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation u est plus complexe. · · · .  . a . · · · .Si qi = mi . pn alors la matrice de passage compos´e en colonnes des vecteurs propres associ´s. . P = [e1 e2 · · · en ] est telle e e que : ˜ P −1 AP = A = diag(p1 . . Ji2 . Il existe alors plusieurs possiu e a bilit´s qui doivent ˆtre test´es.10) e e 3. 1  .  . p2 . . . 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 .Si 1 < qi < mi . · · · . une seule convenant. pn ) o` Aei = pi ei ∀ i = 1. 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. Jk ) La partition de P est identique ` celle de J. 0 ··· Pi = [e1 · · · eqi ] i i dimension mi × mi  0 ··· 0 ..1 Si la matrice A ∈ Rn×n a n valeurs propres distinctes p1 .3. J2 . · · · .. k de multiplicit´ alg´brique respective mi . i = 1. · · · .Si qi = 1. ´ ` Theoreme III. on d´finit un bloc diagonal Ji de dimension mi × mi et une matrice e Pi ∈ Rn×mi : Ji = diag(pi . . Soit qi la multiplicit´ g´om´trique associ´e ` chaque valeur propre..  .RELATIONS ENTRE MODELES INTERNES ET EXTERNES La forme diagonale ou quasi-diagonale de Jordan 77 Dans le cas o` la matrice A ∈ Rn×n a n valeurs propres distinctes. 1.  .. on d´finit un bloc diagonal Ji de dimension mi × mi form´ comme : Ji = diag(Ji1 . p2 .  . ´ ` Theoreme III. · · · .2 e e Soit A ∈ Rn×n ayant k valeurs propres distinctes pi .

Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi . · · · . La premi`re colonne u e ` de chaque sous-bloc Pi .11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1. u ∈ R et y ∈ R. 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.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). Une th´orie e e e e e identique existe pour les syst`mes multi-variables mais conduit a des d´veloppements tr`s e ` e e lourds et une notation fastidieuse. · · · .12) y(t) = Cx(t) e e e e o` x ∈ Rn . e e α + jβ 0 0 α − jβ = 1/2 −i/2 1/2 i/2 α β −β α 1 1 i −i Dans toute la partie suivante. la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante. Il est possible de montrer que l’on Soit P = [q1 . k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi .13) Le polynˆme caract´ristique de (III.12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III. e e e c eme ` u colonne de P .14) . qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III. Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. i = 1. e a Forme r´elle pour les pˆles complexes simples e o Le polynˆme caract´ristique d’une matrice r´elle peut avoir des racines complexes o e e conjugu´es faisant apparaˆ lors de la diagonalisation des blocs du type : e ıtre α + jβ 0 0 α − jβ = p 0 0 p∗ Ce bloc peut ˆtre rendu r´el par un changement de base. On suppose que le syst`me est repr´sent´ de mani`re u ´quivalente par la fonction : e H(p) = bn−1 pn−1 + · · · + b0 pn + an−1 pn−1 + · · · + a0 (III. 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.

RELATIONS ENTRE MODELES INTERNES ET EXTERNES ´ Definition III. .. .. −a1 . 0 1 (III. . 0 −an−2 0 · · · 0 1 −an−1 0 ··· 0 0 1        Bo =       bn−2  bn−1 b0 b1 ..1 (Forme compagne de commande) La forme compagne de commande est d´finie par les matrices du syst`me : e e     Ac =             79 0 1 0 ··· 0 . . .. .. .17) Co = . suivant : e Pn = B Pn−1 = (A + an−1 1n )B Pn−2 = (A2 + an−1 A + an−2 1n )B = APn−1 + an−2 B Pn−3 = (A + an−1 A + an−2 A + an−3 1n )B = APn−2 + an−3 B ··· P1 = (An−1 + an−1 An−2 + · · · + a1 1n )B = AP2 + a1 B 3 2 (III. . .. . ` e On applique alors le calcul r´current... 0 . . 0 ··· ··· 0 1 −a0 · · · −ai · · · −an−1 b0 · · · bi · · · bn−1        Bc =      0 . . .2 (Forme compagne d’observation) La forme compagne d’observation est d´finie par les matrices du syst`me : e e     Ao =      0 · · · · · · 0 −a0 . 1 .. . . e e Soit a d´terminer P = [P1 P2 · · · Pn ] la matrice de passage form´e de ses n colonnes. .. .3. . .. ..        (III. 0 . colonne par colonne. . .15) Cc = Le passage de la repr´sentation d’´tat quelconque (III.3.. .. .12) a la forme compagne de e e ` commande n´cessite le calcul de la matrice de passage P . .16) ´ Definition III. .

    C(A + an−1 1n ) C C(An−1 + an−1 An−2 + · · · + a2 A + a1 1n ) (III.1 Soient les ´quations d’´tat : e e    0 1 −1 1  −3 2 1  x(t) +  1  u(t) x(t) = ˙ 0 1 1 0 y(t) = 1 0 −1 x(t) πp = p3 − 3p2 + 4p − 6 Les matrices de passage sont alors :   −1 −2 1 Pc =  3 −4 1  −3 1 0  4 −2 0 Po =  −3 −0 1  1 0 −1   Le polynˆme caract´ristique de ce syst`me est : o e e Les formes compagnes respectivement de commandabilit´ et d’observabilit´ sont : e e         0 1 0 0 0 0 6 2 Ao =  1 0 −4  Bo =  −3  Ac =  0 0 1  Bc =  0  6 −4 3 1 0 1 3 1 Cc = 2 −3 1 Co = 0 0 1 Exemple : satellite 11 Les ´quations d’´tat du satellite telles qu’elles ont ´t´ d´velopp´es dans le chapitre pr´c´dent e e ee e e e e sont donn´es sous forme de Jordan avec 0 comme valeur propre double.19) 1 0 . ce qui permet de d´duire de mani`re e e identique la matrice de passage a la forme compagne d’observation.80 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES On note que Ao = Ac . `               −1 Po    C(An−2 + an−1 An−3 + · · · + a3 A + a2 1n )    = . . e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (III.  . Bo = Cc et Co = Bc .18) Exemple III.3.

21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de.2 Soit la fonction de transfert : H(p) = 4p3 + 8p2 + 2p + 1 p3 + 4p2 + p −8p2 − 2p + 1 p3 + 4p2 + p a b c √ + √ + p p+2+ 3 p+2− 3 N (p) N (p) =D+ D(p) D(p) (III.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 . Dans le cas d’un syst`me mod´lis´ par une fonction e e e e e de transfert propre. on obtient : e ˙ X1 (t) ˙ 2 (t) X y(t) = o` : u X1 X2 = 0 1 1 0 x1 x2 = 0 0 1 0 X1 (t) X2 (t) X1 (t) X2 (t) + 1/Izz 0 uz (t) (III.20) 1/Izz 0 En ce qui concerne. la forme canonique d’observabilit´. 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.22) = 4+ = 4+ . les syst`mes sont suppos´s strictement propres. (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. ce qui n’est e e e e pas toujours v´rifi´ en pratique. la Izz p2 D’autre part.3.

25 x2 -0.899 4.[1 4 1 0]) Transfer function: 4 s^3 + 8 s^2 + 2 s + 1 ----------------------s^3 + 4 s^2 + s >> ex_332=canon(H.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.82 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES compagne de commande peut alors ˆtre donn´e e e    0 0  x(t) +  0  u(t) 1 −4 1 Une repr´sentation d’´tat sous forme e e par :  0 1  0 0 x(t) = ˙ 0 −1 y(t) = 1 −2 −8 x(t) + 4u(t) La repr´sentation d’´tat sous forme modale peut ´galement ˆtre d´duite : e e e e e     0 0√ 0 1  0 −2 − 3 0 √  x(t) +  1  u(t) x(t) = ˙ 1 0 0 −2 + 3 y(t) = a b c x(t) + 4u(t) Script MATLAB 6 >> H=tf([4 8 2 1].732 b = x1 x2 x3 u1 4 4.899 c = y1 x1 0.2115 x3 -1.2679 0 x3 0 0 -3.626 d = .

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

4 Soit le syst`me compos´ structur´ comme indiqu´ figure III.L’´quation diff´rentielle entr´e-sortie se d´duit ` partir des ´quations diff´rentielles e e e e a e e suivantes. C.3.1 – Syst`me structur´ e e . III. on utilise la notation : G(p) : = A B C D Les diff´rentes mod´lisations utilis´es pour un mˆme syst`me ne conduisent pas ` des e e e e e a mod`les poss´dant les mˆmes propri´t´s structurelles.La fonction de transfert du syst`me global est d’ordre 1 avec un pˆle −2 et un z´ro e o e 1.Le mod`le entr´e-sortie du type fonction de transfert ne repr´sente que la partie e e e observable et commandable d’un syst`me.4 . Enfin.3 Une r´alisation d’´tat (A. e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig. e Exemple III.3.1. D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable. e . Dans ce cas.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. B.3. 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.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. e e e ee ´ ` Theoreme III. e e ´ ` Theoreme III. Y (p) p−1 = U (p) p+2 . ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) .

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

86

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

1 1 . . . 1

    u(t) 

(III.27)

α1 α1 · · · αn

x(t)

(p − pi )

=
i=1

αi + (p − p1 )i i=m

n

1

αi p − pi +1 (III.28)

i=m1 +1,···n

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

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

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

87

(III.33)

(III.34)

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

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

(III.38)

(III.39)

· · · 0 x(t)

88

MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES

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

CRITERES POUR LES FORMES MODALES

89

III.4

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

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

III.4.1

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

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

c1 c2 · · · cn

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

III.4.2

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

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

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

(III.41)

y(t) =

c1

c2 · · ·

· · · cn

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

90

COMMANDABILITE ET OBSERVABILITE

      x(t) =  ˙    

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

0 ··· ... ... ... ...

··· ... Jk ...

··· . . .

···

··· . . . 

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

0 . . . . . . . . .

 bn1 ···

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

(III.42)

y(t) = o` : u

c1

c1k

c1s

x(t) 

   Jk =    

pi

1

0

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

··· ...

   ...    pi 1  0 pi

0 . . . . . .

(III.43)

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

(III.44)

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

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

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

92

COMMANDABILITE ET OBSERVABILITE

III.5

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

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

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

Wc =

eAτ BB eA τ dτ

(III.49)

0

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

(III.50)

Wo =

eA τ C CeAτ dτ

(III.51)

0

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

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

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

93

94

COMMANDABILITE ET OBSERVABILITE

III.6
III.6.1

Fonctions MATLAB
Fonctions d’alg`bre de base e

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

III.6.2

Fonctions d’analyse des mod`les LTI e

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

III.6.3

Fonctions de conversion entre mod`les LTI e

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

Chapitre IV Stabilit´ des syst`mes LTI e e

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

IV.1
IV.1.1

La stabilit´ BIBO e
D´finition e

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

95

96

STABILITE DES SYSTEMES LTI

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

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

IV.1.2

Caract´risations de la stabilit´ BIBO e e

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

|g(τ )|dτ ≤ k < ∞
1 t, Izz

(IV.2)

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

ce qui conduit a `

1 1 t2 τ dτ = Izz Izz 2

(IV.3)

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

tous les pˆles sont a o o ` partie r´elle n´gative. i.1.3429 + 1.5) 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. C.1. ` e e Exemple IV. e e e e ee Q R y(t) = k=1 Ak e σk t + j=1 Bj αj t e sin(ωj t) ωj (IV.´ IV. Le demi-plan gauche est appel´ la r´gion de stabilit´.1 Soit la fonction de transfert : G(p) = p+1 p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Son polynˆme caract´ristique est πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 o e Script MATLAB 8 >> roots([1 2 3 6 5 3]) ans = 0. Munis de cette interpr´tation monovariable.2 Un syst`me LTI de matrice de transfert G(p) est BIBO-stable si et seulement si tous e les pˆles de G(p) appartiennent au demi-plan complexe gauche. B.5083i -1.e.1.3429 . Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations.5083i 0. 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. il est possible de donner une e e e caract´risation multivariable plus g´n´rale. apr`s d´composition en ´l´ments simples.1. LA STABILITE BIBO Une fonction de transfert peut ˆtre factoris´e sous la forme : e e M 97 K G(p) = pN k=1 i=1 Q R (p − zi ) (IV.6) Un syst`me LTI de r´alisation minimale (A.6681 . e e e ´ ` Theoreme IV. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire.

98 STABILITE DES SYSTEMES LTI -0.5088 -0. On recherche donc des e e e m´thodes alg´briques permettant de d´cider du signe des pˆles sans n´cessairement les e e e o e calculer explicitement.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. (1891) et A treatise on dynamics of a particle (1898). [A.7020i . Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p).3429 0.5083i + 0. ce qui peut ˆtre fastidieux pour des ordres ´lev´s. Il meurt le 7 juin 1907 a ` Cambridge. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p). o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert.B. Il devient e un des enseignants les plus connus de Cambridge en math´matiques appliqu´es et publie e e A treatise on dynamics of rigid bodies (1860).3429 -1.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec. IV.1.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.5088 .5083i . ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.D]=ssdata(sys). Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres. sys=ss(G).6681 -0.C.7020i -0.7020i >> >> >> >> G=tf([1 1]. Canada.1. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux.0.[1 2 3 6 5 3]). A treatise on analytic statistics. 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.5088 + 1.7) Le syst`me est observable et commandable.0. En 1854. .5088 + 0. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College. eig(A) ans = 0.

` u ´ Procedure IV. LA STABILITE BIBO 99 Adolf Hurwitz est n´ le 26 mars 1859 a Hanovre. e ´ ` Theoreme IV. ` e . e Le syst`me est donc stable si et seulement si tous les coefficients de la premi`re colonne e e sont positifs. Il ´tudie la th´orie de ` a u e e la factorisation des quaternions entiers en 1896.1. il est ´tudiant a l’universit´ de Berlin o` il assiste aux cours de Kummer.Si tous les coefficients sont positifs. ` o u ` En 1892. . il y a changement de ` e ee e signe et donc il existe une racine a partie r´elle positive. Si l’´l´ment au dessous de est n´gatif.Si un des coefficients est nul ou n´gatif alors qu’un autre coefficient au moins est e positif. e ` Puis. pn−2 bn−1 bn−3 bn−5 pn−3 . la th´orie des fonctions complexes et ´crit e e plusieurs papiers sur les s´ries de Fourier. il existe une ee racine a partie r´elle nulle. 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 . . on le remplace alors par > 0 et on ee e continue la construction du tableau. il remplace Frobenius a ETH ` Z¨rich. il occupe une chaire a K¨nigsberg o` il enseigne a Hilbert.Appliquer le crit`re de Routh-Hurwitz. Si un ´l´ment de la premi`re colonne est nul. Il meurt le 18 novembre e 1919 a Z¨rich.1 1. on calcule le tableau de Routh suivant. Weierse ` e u trass et Kronecker. En 1884. .9) 2. .1. il existe une racine ou des racines imaginaires ou nulle ou a partie r´elle ` e positive.´ IV.Ecrire le polynˆme sous la forme (hypoth`se a0 = 0) o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.3 (crit`re de stabilit´ de Routh-Hurwitz) e e Le nombre de racines du polynˆme dont la partie r´elle est positive est ´gal au nombre o e e de changements de signes des coefficients de la premi`re colonne du tableau de Routh. pn pn−1 an an−1 an an−2 an−1 an−3 =− an−1 an−1 an−3 bn−1 bn−3 =− bn−1 . . Si l’´l´ment au dessous de est positif. p0 cn−1 cn−3 cn−5 4. . Il fait son doctorat a Leipzig sous l’autorit´ de Klein en 1881 sur les ` e fonctions modulaires. 3. .1. Son premier professeur est Schubert. . an−4 an−5 an an−6 an−1 an−7 =− an−1 an−1 an−7 bn−1 bn−7 =− bn−1 . Il travaille ´galement e sur les surfaces de Riemann.

Afin de e e compl´ter le tableau. La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme.1.Une ligne compl`te de z´ros indique que le polynˆme caract´ristique peut ˆtre face e o e e toris´ de telle mani`re ` faire apparaˆ e e a ıtre un facteur d’ordre pair dont les racines sont sym´triques par rapport a 0.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω). o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme.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 . o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme.1 1.2 (ordre 3) Soit le polynˆme caract´ristique. e e a2 a1 > a3 a0 Exemple IV. e e 3. Il y a donc deux racines a partie r´elle positive.1.1. o o Exemple IV. e 2. 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 . 0 est remplac´ par .100 STABILITE DES SYSTEMES LTI Remarques IV.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.

4 (une ligne de z´ros) e Soit le polynˆme caract´ristique o e πp (p) = p5 + 7p4 + 6p3 + 42p2 + 8p + 56 Le tableau de Routh s’´crit : e p5 p4 p3 p2 p p0 1 7 0 6 42 0 8 56 0 101 La troisi`me ligne indique que le polynˆme caract´ristique est divisible par le √ e o e polynˆme o ` e 7p4 + 42p2 + 56 = (p2 + 2)(p2 + 4).1.1. . Il y a donc 4 racines a partie r´elle nulle ± 2 et ±2.´ IV. LA STABILITE BIBO Exemple IV.

1 (´tat d’´quilibre) e e e e e e Un point xe de la trajectoire d’´tat d’un syst`me dynamique est un ´tat d’´quilibre si x(t0 ) = xe ⇔ x(t) = xe t ≥ t0 (IV. Si ` un instant t0 . de trajectoires d’´tat et de point e e a e e d’´quilibre.2. il est clair que l’on peut u e avoir un nombre arbitraire de points d’´quilibre. Pour un syst`me dynamique de repr´sentation d’´tat x(t) = f (t. On doit donc toujours parler en toute rigueur de la stabilit´ d’un point e e d’´quilibre ou de la stabilit´ des trajectoires et non de la stabilit´ d’un syst`me. on a alors : e 0 = f (x(t).2 IV.un point d’´quilibre unique qui est l’origine de l’espace d’´tat x = 0 si A est inversible e e .11) Dans le cas o` f est une fonction non lin´aire quelconque.une infinit´ de points d’´quilibre si A n’est pas inversible e e Intuitivement. ∃ α > 0 tel que si ||x(0) − xe || < α alors ||x(t) − xe || < Dans le cas contraire.10) en l’absence de commande et de perturbations. la question de la stabilit´ d’un point d’´quilibre peut se poser en ces e e termes. x(t).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. ´ Definition IV. x0 = x(0). u(t)). 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. 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. Le cas des syst`mes LTI est particuli`rement remarquable. x(t). l’´tat est perturb´ de l’´tat d’´quilibre xe . Soit un syst`me donn´ par son ´quation d’´tat x(t) = e e e e e e ˙ f (x(t)).2 (stabilit´-instabilit´ au sens de Lyapunov) e e L’´tat d’´quilibre xe est dit stable au sens de Lyapunov si e e ∀ > 0 .12) (IV.2. e e e e ´ Definition IV. ∀t≥0 (IV.1 La stabilit´ interne e D´finitions e Cette notion est tr`s intimement li´e ` celle d’´tat. xe est dit instable.2. 0) ∀ t ≥ 0 Pour un syst`me autonome. . les points e e e ˙ d’´quilibre sont les solutions de l’´quation alg´brique : e e e 0 = f (t. 0) (IV.13) .102 STABILITE DES SYSTEMES LTI IV. ´ ` Theoreme IV.

LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle.4 (stabilit´ exponentielle) e Un point d’´quilibre xe est exponentiellement stable s’il existe α > 0 et λ > 0 tels que : e ∀t > 0 .16) (IV. e ´ Definition IV. ||x(t) − xe || ≤ α||x(0) − xe ||e−λt o` Br est une boule ferm´e dans Rn d´finie comme l’ensemble : u e e Br = {x ∈ Rn / ||x|| ≤ r} (IV. D’autre part.15) Cela signifie que le vecteur d’´tat. e . e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe . λ est appel´ le taux de convergence. ` ´ Definition IV. IV.2. ∀ x0 ∈ Br . ∃ Br (xe .14) La stabilit´ asymptotique signifie que l’´quilibre est stable et que l’on est capable de e e d´terminer un voisinage du point d’´quilibre tel que n’importe quelle trajectoire issue e e d’un x0 appartenant a un voisinage de xe tend vers xe quand t → +∞.2.3 (stabilit´ asymptotique) e Un point d’´quilibre xe est asymptotiquement stable s’il est stable et e ∃ α > 0 tel que ||x(0) − xe || < α ⇒ t→+∞ lim x(t) = xe (IV. la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´.2.´ IV. le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable. r) .1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV.1). ´ Definition IV.x0 ) xe t x1 Fig.2.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0).

· · · . .si Re(pj ) < 0.si un pˆle est tel que Re(pj ) = 0. e . · · · .2. alors. e e a e e IV. ´ ` Theoreme IV. IV. la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable. · · · . alors xe o e est un point d’´quilibre instable. pr . e 1.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV. · · · .104 STABILITE DES SYSTEMES LTI Ces concepts de stabilit´ d’un point d’´quilibre peuvent ˆtre illustr´s sur la figure e e e e IV.2.2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV. poss´dant r valeurs propres distinctes (r pˆles) p1 . pour j ∈ {1. e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement.2. r}. · · · . r}. Re(pj ) > 0. e . Re(pj ) ≤ 0.1 Mˆme si la notion de stabilit´ au sens de Lyapunov a ´t´ pr´sent´e dans le cadre de la e e ee e e repr´sentation d’´tat des syst`mes. pour j ∈ {1. alors xe est un point ea d’´quilibre instable. c’est une propri´t´ qualitative intrins`que du syst`me e e e ee e e que l’on pourra ´galement ´tudier ` partir d’une repr´sentation du type entr´e-sortie.Si un des pˆles du syst`me est instable. r}.2. 2. et la multiplicit´ est o e sup´rieur a 1 alors. r}. La position A correspond a un point d’´quilibre instable. r}. e pour tout j ∈ {1. 3. e (b) si un des blocs de Jordan associ´ ` pj est non scalaire. et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement.2 Pour le syst`me (IV. · · · . on e e o e suppose que xe = 0 est un point d’´quilibre.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.Si toutes les valeurs propres de A ont une partie r´elle non positive. pour j ∈ {1.si un pˆle est tel que Re(pj ) = 0.17). pour tout j ∈ {1. alors xe est un point d’´quilibre asymptotiquement stable. e ` e A B C Fig.

´ IV.3333 −0.0.3333 1.6667 0.3333 A5 =  −0.3333 2  .3333 3 A3 =  −1.2 La stabilit´ interne de (IV.6667 −2.1 0 -1].0000 + 0.3333 1.6667 0  −1.-1.3333 1.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.6667 3 A1 =  −1 −3 0  A2 =  −1.     −3 2 3 −1.0000 >> A2=[-1. >> eig(A4)    −2.3333 0  −2 2 2 −0.3333 1.3333 −2.0000i -1. LA STABILITE INTERNE 105 Remarques IV.3333 0.3333 1.1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A.0000 -2.2. >> eig(A2) ans = -1.0000i -2. >> eig(A3) ans = 0.-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).9999 >> A3=[-2.3333 -2.6667 -2.-1.6667 0.0000 -1. >> eig(A1) ans = -1.3333 3.6667 0.6667 Script MATLAB 9 >> A1=[-3 2 3.-2 2 2].0000 0.0 0 0.9999 -1. o e Exemple IV.-1 -3 0.3333  1.6667 0.6667 −0.6667 0.2.3333 2].2.3333 0.0000 .6667 0.-1.6667 2].0001 >> A4=[0 0 0.6667 3.

6667].3333. e 2.3333 0. ` e e A B C D IV. e e e .4364 0. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.3333 -0.8729 -0.2. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.2.3333 -0.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome.S]=eig(A5) V = 0.2182 -0.6667 0.Le syst`me est BIBO-stable.0000 0 0 0 -0. e 4.3333 1.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI.3 Pour un mod`le dynamique LTI commandable et observable d´crit par sa fonction de e e transfert ou sa r´alisation d’´tat minimale.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.6667 0.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative. e e 3.3333 0.0000 IV.6667 S = 0 0 0 0 -1.3333 1.1. e e ´ ` Theoreme IV.6667 0.2.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.6667 -0.6667 -0.-0.3333. >> [V.

p2 sont r´elles.2. Cela donne des caract´ristiques e e e e diff´rentes aux trajectoires d’´tat. ··· . En effet. 0  0 pn Dans le cas d’un syst`me de dimension 2. .p1 .. IV. stables ou instables.. e e x(t) = Ax(t) ˙ 107 (IV. · · · . la r´ponse du syst`me ` une condition initiale e non nulle est.19) peut ˆtre utilis´e afin e e e e de caract´riser la nature du point d’´quilibre 0. p2 < 0 sont stables. le point d’´quilibre 0 est un noeud stable.3 – Noeud stable . e e e .19) P −1 = base..Les deux valeurs propres p1 . ..  . 0 ···  0 .´ IV. w1 w2 · · · wn P est la matrice modale de changement de  p1 0   0 p Λ= . e 6 4 2 x2 0 −2 −4 −6 −12 −10 −8 −6 −4 −2 $x1$ 0 2 4 6 8 Fig. n x(t) = P e P o` u P = v1 v 2 · · · v n Λt −1 x0 = i=1 vi wi epi t x0 (IV.  .18) e on suppose que les n valeurs propres p1 .2 . les valeurs propres peuvent e e ˆtre r´elles ou complexes conjugu´es.  . . LA STABILITE INTERNE Etant donn´ un mod`le LTI autonome.  . l’´quation (IV. pn sont distinctes. En ´crivant la matrice A e e a dans la base form´e des vecteurs propres ξi ..

le point d’´quilibre 0 est un point-selle (col) instable.σ < 0. le point d’´quilibre 0 est un foyer instable.2 0. p2 > 0 sont instables.σ = 0.σ > 0.1 0 −0. e .4 −0. 50 40 30 20 10 0 −10 −20 −30 −40 −50 −4 −3 −2 −1 0 1 2 3 4 Fig.p1 .4 −0. IV. p2 = σ−jω. e 6 4 2 0 −2 −4 −6 −6 −4 −2 0 2 4 6 Fig. p1 = σ+jω.6 0.4 0. IV.5 −0.2 0 0.2 0. e e .1 −0. le point d’´quilibre 0 est un noeud instable. e 0.3 0. p2 sont complexes conjugu´es.p1 < 0 et p2 > 0.5 – Foyer stable . e .108 STABILITE DES SYSTEMES LTI .3 −0. le point d’´quilibre 0 est un foyer stable. IV.4 – Point selle .2 −0.8 1 Fig.6 – Centre . le point d’´quilibre 0 est un centre.6 −0.Les deux valeurs propres p1 .

` Exemple IV. 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.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. Il con¸oit e e e c de nombreuses m´thodes d’approximation.Repr´sentation d’´tat : e e x1 = x ˙ x2 = x   x1 = x2  ˙ on a   x = − b x |x | − k0 x − k1 x3 ˙2 2 2 1 m m m 1 Posant . e on obtient diff´rentes ´quations e e M Fig. ”Si l’´nergie totale d’un syst`me est dissip´e de mani`re continue alors le syst`me (qu’il e e e e e soit lin´aire ou non lin´aire) devra rejoindre finalement un point d’´quilibre”. Russie. ici l’´nergie totale.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.7 – Syst`me masse-ressort e 1.3 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. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. 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. 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 meurt le 03 novembre 1918 a Odessa.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse. IV. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales. e e e On pourra donc conclure a la stabilit´ d’un syst`me par l’examen d’une seule fonc` e e tion scalaire.3.

Energie potentielle : x Epot. est dissip´e de mani`re continue e e a e e par l’amortisseur jusqu’au point d’´quilibre. Reprendra t-elle sa e e position d’´quilibre? e Etude de l’´nergie m´canique totale : e e . e e e e . 0) e STABILITE DES SYSTEMES LTI La question est de savoir si ce point d’´quilibre est stable. e La m´thode directe de Lyapunov est fond´e sur l’extension de ces concepts.La stabilit´ asymptotique implique la convergence de l’´nergie vers 0.110 3.1 .Les propri´t´s de stabilit´ peuvent ˆtre caract´ris´es par la variation de l’´nergie ee e e e e e m´canique au cours du temps. e e e . e e a e e On peut donc supposer que : . e Etude de la variation de l’´nergie m´canique : e e d ˙ ˙ [V (x)] = (m¨ + k0 x + k1 x3 )x = −b|x|3 x dt L’´nergie du syst`me.Le point d’´nergie m´canique nulle est le point d’´quilibre.3.L’´nergie m´canique refl`te indirectement l’amplitude du vecteur d’´tat. 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 .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. La masse est tir´e loin e e de sa position d’´quilibre (longueur naturelle du ressort) puis lach´e.Energie cin´tique : e 1 1 Ec = m x 2 = m x 2 ˙ ˙2 2 2 . e e . = . ` partir d’une valeur initiale.Point d’´quilibre : (0.L’instabilit´ est li´e ` la croissance de l’´nergie m´canique.

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

de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes).3 Une condition n´cessaire et suffisante pour qu’un syst`me autonome de mod`le LTI x(t) = e e e ˙ Ax(t) soit asymptotiquement stable est que ∀ Q = Q > 0. la fonction V (x. V (x) = x P x.V (x. t) est une fonction de Lyapunov pour le syst`me.3.24) .112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 .La condition pr´c´dente est une condition suffisante . e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV. IV. t). fonction d´finie positive. Dans le cas des syst`mes LTI. e 2.3.8 – Illustration de la m´thode de Lyapunov e Remarques IV. la m´thode devient plus syst´matique.2 1. e e A P + PA + Q = 0 (IV.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que. alors 0 est un point d’´quilibre globalement asymptotiquement stable.23) ´ ` Theoreme IV. e e 2||x||→+∞ lim V (x) = +∞. il faut donc choisir a priori e e une fonction candidate de Lyapunov.2 V = C2 V = C1 x1 x0 Fig.3. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable. Si la e condition 2 est v´rifi´e. ´ ` Theoreme IV. ˙ 1. Dans le cas non lin´aire.22) On consid`re une fonction candidate de Lyapunov quadratique. V (x. e Le probl`me majeur de cette m´thode est de trouver une fonction de Lyapunov pour e e ce syst`me en l’absence de guide clair.V (x) est d´finie n´gative. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive. e e e x(t) = Ax(t) ˙ (IV. t) est une fonction de Lyapunov et l’on peut e e conclure ` la stabilit´ sinon aucune conclusion ne peut ˆtre donn´e et il faut alors a e e e recommencer le processus avec une autre fonction candidate de Lyapunov. alors. d’o` l’utilisation de e u l’exp´rience.

Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.0625 0.eye(3)).1664 0.3273 et 0. e Script MATLAB 10 >> P=lyap(A1’. P = 0.5160 19. LA METHODE DE LYAPUNOV Exemple IV.3.3125 0.´ IV.0625 0.0477.3 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. on trouve. >> eig(P) ans = 0.3.0676 .

114 STABILITE DES SYSTEMES LTI .

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

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

. y4 (t) est e e la somme de n termes tels que : .y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te. ` e e 0.2 On retrouve ici l’exacte contre-partie pour une ´quation diff´rentielle ordinaire du vocae e bulaire utilis´ pour les mod`les d’´tat.5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors. r´elles ou complexes.1.y4 (t) comme la r´ponse transitoire du syst`me.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.1. e e e V. ´ Definition V.3 R´gime permanent . il ne subsiste que e y3 (t) et l’on d´finit alors. INTRODUCTION Exemple V.5) Remarques V.y3 (t) comme la r´ponse en r´gime permanent du syst`me.1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.r´gime transitoire e e La solution de l’´quation diff´rentielle (V.1. 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 e .6) Cette ´quation a n racines pi .1.3) peut ´galement se d´composer en deux e e e e parties : .1.V.y4 (t) est la solution g´n´rale de l’´quation sans second membre (´quation homog`ne) e e e e e les n constantes d’int´gration ´tant d´termin´es de telle sorte que la solution globale e e e e y(t) satisfasse aux n conditions initiales. e e e .1 Soit a trouver la r´ponse y(t) de l’´quation.1. distinctes ou multiples. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.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).7) . e e Remarques V.

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

` V. e Cela conduit ` ´crire.12) .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.1.1 On appelle syst`me du premier ordre.2 V. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.2.9) T est la constante de temps du syst`me.10) (V. ae Y (p) = K 1 + Tp (V. LES SYSTEMES DU PREMIER ORDRE 119 V.1 – Exemples de syst`mes du premier ordre e V.2.11) La r´ponse transitoire d’un syst`me du premier ordre est.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V. R k e C s e i R e L C J s f 111 000 111 000 111 000 111 000 111 000 111 000 111 000 000 111 1111 0000 1111 0000 1111 0000 f ω Fig.2. 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. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V. V.

4 0.13) 0.120 d’o` la r´ponse impulsionnelle. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.2. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.6 y(t) 0.2 0.16) 1 p (V.2.18) .9 KT 0. ae Y (p) = d’o` la r´ponse indicielle.5 0.17) K KT K = − (1 + T p)p p 1 + Tp (V. u e y(t) = qui est repr´sent´e figure V. la r´ponse ` une entr´e de type ´chelon de position (fonction e e a e e de Heaviside) dont la transform´e de Laplace est e L[u(t)] = Cela conduit ` ´crire.7 0.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.2 (r´ponse indicielle) e On appelle r´ponse indicielle.2 – R´ponse impulsionnelle e En calculant la d´riv´e.15) qui est repr´sent´e figure V.14) La r´ponse indicielle e ´ Definition V.3.8 0.3 0. K K dy(t) = e−t/T |t=0 = dt T T (V. V. En calculant la d´riv´e. on obtient la pente de la tangente pour t = 0. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V. on obtient la pente de la tangente e e e e pour t = 0.

4 0.21) 1 p2 (V.8 1.23) .4.1 Plus la constante de temps du syst`me T est faible.19) Si k = 1.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.2 Amplitude y(t) To: Y(1) 1 0.4 0. plus le syst`me est rapide. pour e e K = 1.20) qui est repr´sent´e figure V.2. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V. En calculant le signal d’erreur (t) = u(t) − y(t). ae Y (p) = d’o` la r´ponse. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V. on parle alors de rampe unitaire.6 0.2 0 0 T 2 4 6 8 10 12 Time (sec. V.8 0.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V. e e R´ponse ` une rampe unitaire e a ´ Definition V.6 1. on obtient. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.2.632K 1.) t Fig.3 – R´ponse indicielle e Remarques 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)

1 ω n= 0.8 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).4 1. V.7 ξ = 0.1 1.4 1.6 ξ = 0.6 0.9 0.8 Step Response 127 1.3 ξ = 0. V. e e e ξ = 0.4 1.2 0 Fig.8 Step Response ω n= 0.2 Amplitude 1 0.8 et figure V.8 ξ = 0.4 ξ = 0.5 ξ = 0.5 1.4 1. u L’allure de telles r´ponses est repr´sent´e figure V.6 1.1 e .2 ξ = 0.6 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.2 ω n= 0.2 Amplitude 1 0.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.9.8 0.4 ω n= 0.6 ξ = 0.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.

5 T/2 Amplitude 0.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement.4 D2 1 0.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes. 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.7 D 0.128 ANALYSE TEMPORELLE DES SYSTEMES La courbe de la r´ponse indicielle d’un syst`me du second ordre poss`de un certain e e e nombre de caract´ristiques remarquables.) 10 15 Fig. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.2 0. . e e la fonction de transfert entre le d´placement rectiligne x et le d´placement angulaire θ e e est : Θ(p) = √ o` α = u 2AρRl 1 X(p) = F (p)X(p) αp ps − pe − F/A .3 0.1 0 0 5 Time (sec.6 T 0. V.

e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf.11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.H_10=tf([K*T*a K].[T (1+a*T*K) K]) >> a=2.H_01=tf([K*T*a K]. e e e Script MATLAB 12 >> K=1.[T (1+a*T*K) K]) >> a=0. C(p) = suivant le sch´ma-bloc suivant. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.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. V. figure 3).H_10) >> axis([0 20 0 1.H_2=tf([K*T*a K].H_2.1.6 0.[T (1+a*T*K) K]) >> step(H_01.4 0.8 a = 0.2 1 0. >> a=10.3]) Step Response 1.1 a=2 a = 10 Amplitude 0.T=1.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .

cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V.5 0 tr tp t ts Fig.49) .130 ANALYSE TEMPORELLE DES SYSTEMES V.8 ωn (V.47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V. ξ).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 . e e y(tr ) = 1 = 1 − e−ξωn tr d’o`.12.45) Cette relation est approxim´e par la relation : e tr ≥ (V.05 t td 0. u cos(ωp tr ) + soit.3.12 – Sp´cifications de performance e .48) 1 − ξ2 ξ (V. y(t) Mp 0.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est. V. Sa r´ponse temporelle a l’allure de la figure V. tan(ωp tr ) = − Apr`s calculs.

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 . e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.50) π ωp (V.LES SYSTEMES DU SECOND ORDRE .6 4.3 (V.6 = = ξωn σ Remarques V.5 ξ = 0.Temps d’´tablissement ts : e G´n´ralement.8 tr (V.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit.7 ξ = 0. ωn doit ˆtre grand.3.53) . Mp = y(tp ) − 1 = −e−ξωn tp Soit.55) ξ ≥ ξ(Mp ) σ≥ 4. De plus.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.54) 4.D´passement maximal Mp : e On a donc. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0. u tp = .6 ts . pour des r´ponses rapides. − 131 (V.

y4 (t) est e e e constitu´e de la combinaison lin´aire de fonctions du temps ´l´mentaires d´finies par la e e ee e nature (r´els. Dans le cas le plus g´n´ral. .4. u La r´ponse transitoire compl`te du syst`me est constitu´ par la combinaison lin´aire de e e e e e ces fonctions ´l´mentaires. les pˆles.1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te.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. 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 pˆle r´el pi de multiplicit´ mi donne une r´ponse transitoire : o e e e mi y4i (t) = j=1 λj tj−1 epi t (V. o ` e .r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V.57) . 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. 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.4. 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.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse. Dans cette combinaison lin´aire. complexes conjugu´s) des racines de l’´quation caract´ristique. e e ´ Definition V.59) j=1 La d´croissance finale de cette contribution est caract´ris´e par la constante de e e e temps τi = 1/λi . e e Ainsi. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur.Chaque paire de pˆles complexes conjugu´s (pi .58) o` σi = Re(pi ) et ωi = Im(pi ). 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.4 V. . chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me.

 . Etudions la solution de l’´quation d’´tat dans la base modale.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. ..  0 . p1 . P est la matrice modale de changement de base. Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk . pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (V. · · · .. e e Soit la r´alisation minimale d’´tat d’un syst`me autonome : e e e x(t) = Ax(t) ˙ x(0) = x0 (V. e e Remarques V.  .complexes conjugu´s pi = −λi ± jωi correspondent a des modes oscillants e ` mi 133 µj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) j=1 (V.LES SYSTEMES D’ORDRE SUPERIEUR .2 .61) e e o` x ∈ Rn . 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. 0 ··· . .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 .  .4.1 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). · · · .63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini. u .Si A a n valeurs propres distinctes. 0  0 pn w1 w2 · · · w n P est la matrice modale de changement de  p1 0   0 p Λ= ..  ... J est la forme de Jordan u o associ´e ` A. e a J = diag(J1 .62) o` u P = v1 v 2 · · · vn P −1 = base et ··· .

1 −0.51)2 + (2.51 ± 2.370 −2.036 0 −0.017)2 + (0.Le mode d’oscillation d’incidence (short-period mode) p = −2.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.96 −2.14 – Mode d’oscillation d’incidence pur .5 1 Time (sec) 1.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.322 δu  δ w   −0. Les polynˆmes caract´ristiques et les e o e mod`les d’´tat lin´aris´s associ´s au mouvement longitudinal et lat´ral du petit avion e e e e e e appel´ Navion au niveau de la mer sont ´tudi´s. o e e (V.213)2     (V.5 0 −0.1 −0.191 −3.63) sont appel´s e ee e les modes du syst`me.65) Les modes propres longitudinaux sont d´finis comme : e . V.02 1.59)2 (p + 0.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.62) et (V.2 1 0.13 – North American L-17A ”navion” .64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.1 0 −0.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.045 0.76   δw ˙   0    q  =  0.5 −1 0. e e e Fig. V. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.5 Fig.Courtesy USAF Museum .2 0 0.Mouvement propre longitudinal :     δu ˙ −0.1 0 −0. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.5 2 2.2 0.

0088) Les modes propres lat´raux sont d´finis comme : e e .LES SYSTEMES D’ORDRE SUPERIEUR .254 −1.96 -2.05 0..017 ± 0.1 0 −0. 0]..5 0 50 100 150 Time (sec) 200 250 300 350 Fig.322 v  r   2.76 −0.02 1.. -0.1 −0.045 0.433 ` (V.19 −8.1)).4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.5 −1 0.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.zeros(4.55 −0.2 To: Out(3) To: Out(4) 0.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.334)2 (p + 0.5 0 −0.486)2 + (2.1)) >> initial(sys_long.213j Response to Initial Conditions 1 To: Out(1) 0.zeros(4.322. o e e e (p + 8.2 0.08 2.’modal’) >> Plong=inv(Tlong).191 -3.98 0.1).66) .76 0. V.05 To: Out(2) 135 0 Amplitude −0.67)     (V.76 0 0.5 0 −0. >> [navion_long..433) (p + 0.35  r ˙   0    p  =  −9.Mouvement propre lat´ral : e     v ˙ −0.Tlong]=canon(sys_long.036 0 -0.Plong(:.Plong(:.37 -2.0 0 1.0.3)) .Le mode phugoide (phugoid mode) p = −0.eye(4). >> initial(sys_long..

15 −0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.16 – Mode de roulis pur .05 −0.015 0.04 0.1 −0.2 0 0.486 ± 2.01 0.02 To: Out(1) 0.4 0.15 0.2 0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0. V. V.5 0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.6 0.01 1 0.005 −0.7 Fig.2 0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.17 – Mode de spirale pur .136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.02 0 0.5 0 0 −0.1 0.05 0 0 −0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.3 Time (sec) 0.334j .1 0.02 0 1 0.0088 Response to Initial Conditions 0.

68) Les modes les plus rapides sont donc ceux associ´s aux pˆles les plus ´loign´s de l’axe e o e e imaginaire.5 0 −0.5 −1 0.55 -0.-9.1))..322. 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.2 0 2 4 6 Time (sec) 8 10 12 Fig.69) .76 0 0.eye(4).Plat(:..4. · · · .4 0.0 0 1..19 -8. ´ Definition V.1 −0. >> [navion_lat.Plat(:.18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-.35 0. 2. e τi = −1/Re[pi ] (V.5 0 −0.2 0.Plat(:.76 -0.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.2 (rapidit´) e Le temps de disparition de la composante transitoire associ´e ` un mode d´finit la rapie a e dit´ de ce mode.5 0.5 1 0.1)) >> initial(sys_lat.. >> initial(sys_lat.’modal’) >> Plat=inv(Tlat).zeros(4.1).254 -1. τq } associ´es ` ses diff´rents modes.2)) >> initial(sys_lat.4)) Caract´risation des modes e Il apparaˆ donc clairement sur les exemples pr´c´dents que la dur´e des transitoires ıt e e e d’un syst`me d’ordre quelconque est d´termin´e par l’ensemble des constantes de temps e e e e a e {τ1 .. V.zeros(4.1 0 −0.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0. 0].08 2.Tlat]=canon(sys_lat.

4.213j d´fini par sa constante de temps et son ıde e amortissement. ´ Definition V.le mode phugo¨ p = −0.486±2.0088 d´fini par sa constante de temps.le mode de roulis p = −8.3984 0.08 Les modes propres lat´raux du Navion sont caract´ris´s par.0088 = 113.59j d´fini par sa constante de temps e et son amortissement.4 (mode oscillant non amorti et ap´riodique) e . quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me.le mode correspondant de spirale p = −0.06 ξdrol.75) .Si ξ = 0 alors le mode oscillant est non amorti . = 1/0.3 (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. e e .7 (V.le mode d’oscillation de roulis hollandais 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. τinc.74) . on parle o e e de modes dominants.4. Pour un mode oscillatoire.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 .017 = 58. τphu.433 d´fini par sa constante de temps.334j d´fini par sa constante e de temps et son amortissement.51 = 0.486 = 2.51 ± 2. e e e .204 (V.71) .82 ξphu.73) (V. mˆme si cette condition n’est pas strictement v´rifi´e. e τsp. = 1/0. ξq }.72) . = 0. ´ Definition V.4 ξinc.63 (V.70) Par extension. = 1/0. · · · . e τrol.433 = 0. τdrol. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par. = 1/2. = 0.le mode d’oscillation d’incidence p = −2.12 (V. = 1/8. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1. = 0.017 ± 0.

2 Effets des z´ros et des pˆles additionnels e o Reprenons une fonction de transfert poss´dant des pˆles distincts stables et que l’on e o factorise sous la forme : m (p − zi ) H(p) = K i=1 n n = (p − pi ) i=1 ai p − pi (V.6070 3.4.6946 V.2040 0.0088 2.Xi_lat]=damp(sys_lat) Wn_lat = 0.3836 2.6946 0.4327 139 Xi_lat = 1.6070 Xi_long = 0.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.0000 >> [Wn_long.2140 3.3836 8.2140 0.2040 1.76) i=1 .0797 0.Xi_long]=damp(sys_long) Wn_long = 0.0000 0.0797 0.

[1 1 1]).5 0]. le d´passement sera augment´ ou diminu´. >> clf >> step(H1) >> hold.[1 1 1]). >> step(H2) >> step(H1+H2) .77) avec.79) e e ` e o` bi = ai /pi . e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1. e e Exemple V.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.4. e e n s(t) = K + i=1 bi epi t (V. >> H2=tf([1/0. Le fait d’ajouter un z´ro a la fonction de transfert e ` αξ dt ajoute la d´riv´e de la r´ponse multipli´e par un coefficient ´gal au z´ro. e e o Si l’on ´tudie la r´ponse indicielle. e e e n h(t) = i=1 ai 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. m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V. On en d´duit donc que la contribution d’un pˆle pi e e o .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) .est augment´e par la pr´sence des pˆles voisins.est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o . Suivant que le e e e e e e z´ro sera stable ou instable.

8 141 1. Ainsi.4. e e e a .L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|. e .L’addition d’un z´ro instable z ` une paire de pˆles dominants pdom diminue le e a o d´passement mais provoque le ph´nom`ne de r´ponse inverse augmentant ainsi les e e e e temps de r´ponse.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0.5 e R´sum´ V.1 e e a o . e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.2 H 1 Amplitude 1 0. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.4.5 −1 H 2 −1.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 )|. e V.2 H 2 0 −0. tr`s souvent les caract´ristiques de performance d’un syst`me command´ e e e e sont sp´cifi´es en termes de r´ponse transitoire a une entr´e en ´chelon facile ` g´n´rer.5 e Step Response 1.6 0. Il est d’usage afin d’´tablir des comparaisons e e e sens´es de consid´rer la r´ponse temporelle ` un ´chelon de position pour des conditions e e e a e initiales nulles (syst`me au repos et d´riv´es successives nulles ` l’instant initial).6 H 1.5 1 0.8 0.5 H1 H Amplitude 0 −0.4 0. dans de nombreux cas pratiques. e .3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.4 1.

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

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

83) ξ ≥ ξ(Mp ) σ≥ 4.23 – R´gion de sp´cifications e e .6 ts Cela conduit ` d´finir une r´gion int´ressante pour le placement des pˆles dans le plan a e e e o complexe. 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.144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig.22 – Pulsation propre non amortie En g´n´ral. V. V. Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig. e e e ωn ≥ 1.8 tr (V.

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

146 ANALYSE TEMPORELLE DES SYSTEMES .

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.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.1.1 (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.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. Mˆme si comme nous le ee e e e verrons dans ce chapitre. D). e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. e e e e ces m´thodes n´cessitent une culture fr´quentielle suffisament pouss´e pour pallier la e e e e faible corr´lation entre les caract´ristiques temporelles des r´ponses transitoires et les e e e caract´ristiques des r´ponses r´ponses fr´quentielles. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre. e e e e VI. les premi`res e e e m´thodes de conception de syst`mes de commande a contre-r´action ont ´t´ fond´es e e ` e ee e sur l’utilisation des r´ponses fr´quentielles et des outils associ´s. e e ´ Definition VI. 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. B. e e Toutefois. la plupart des outils peuvent ˆtre ´tendus au cas multivariable. De plus.1 Les syst`mes monovariables e Dans cette section.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. 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). C. Historiquement.

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

´ ´ ´ 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 s’engage sur des recherches g´n´rales en communication. e Remarques VI. Il meurt en 1976. 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 . En 1932.1 Le gain du syst`me ` une pulsation donn´e est mesur´ par la longueur du rayon vece a e e teur correspondant alors que la phase est l’angle mesur´ positivement dans le sens trigoe nom´trique entre l’axe ox et le rayon vecteur.Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif (la e e e diff´rence de degr´ entre le d´nominateur et le num´rateur) n − m. il 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´. Entre 1921 et 1935. e e . 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 1917.2. Il publie un article sur la fr´quence de Nyquist en 1928. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. Apr`s ee e e e 1935. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. e e La mˆme ann´e.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. Il entre a AT&T pour d´velopper un syst`me de t´l´graphe et des ` e e ee m´thodes permettant la maitrise des messages dans les t´l´graphes a e ee ` bande ´troite. Il est e e retrait´ des laboratoires Bell en 1954 et travaille alors comme consultant pour diff´rentes e e entreprises et pour le gouvernement am´ricains. En effet.

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

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

12) permet de montrer que la courbe est un demi-cercle de centre e (0. VI. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI. 0) et de rayon 0. la pulsation propre non amortie et l’amortissement.5 Re |G(j/T)| ω = 1/Τ Fig.6 – Premier ordre dans le plan de Nyquist Caract´ristiques d’un deuxi`me ordre dans le plan de Nyquist Un syst`me du second e e e ordre a une fonction de transfert sinuso¨ ıdale param´tr´e ` l’aide de deux param`tres. e e a e (ωn . (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI.5.16) .5.REPRESENTATION GRAPHIQUE 157 L’´tude de (VI.14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0. ξ).

la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn .1 ξ = 0. Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1. e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox. Aux hautes e e fr´quences.7).4 ξ = 0.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.05 ξ = 0. l’analyse asymptotique montre que la phase tend vers −π. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.17) ω2 2 ωn + ω 2ξ ωn 2 (VI.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e . e ` e Nyquist Diagram 15 10 ξ = 0.07 ξ = 0.7 ξ = 0. VI.18) ω ωn ω + 2ξ ωn 2 (VI.19) e e Pour ω ∈ R+ .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. 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. Cette pulsation est la pulsation de e cassure associ´e au second ordre.

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

Une octave est e e e une bande de pulsations comprises entre ω1 et 2ω1 alors qu’une d´cade est une bande de pulsations entre ω1 et 10ω1 pour ω1 .4 −0.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations.2.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s.8 0+ −0. ´ Definition VI.7 −0.3 −0.9 −0.2 −0. e 8 8 . 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. Les courbes sont trac´es sur du papier semi-logarithmique en utilisant l’´chelle logae e rithmique pour les pulsations et l’´chelle lin´aire pour l’amplitude en d´cibels et la phase e e e en degr´s.5 Real Axis −0. pulsation quelconque. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.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 −0.1 0 Fig.6 −0. VI.2.

il obtient son Ph. Pendant la seconde guerre mondiale. En 1955. il travaille principalement sur les syst`mes de commande de tir anti-a´rien et il re¸oit le Certificat Pr´sidentiel du e e c e M´rite en 1948. En effet. 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 1926.20) pN . il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. Il devient ` ` membre de l’Acad´mie des Sciences. 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. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. e Pendant ses premi`res ann´es aux laboratoires Bell. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. 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.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. Il entre aux laboratoires de Bell Telephone comme math´maticien.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. En 1952. 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. 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 meurt le 21 Juin 1982. Alors qu’il travaille chez Bell. D de l’universit´ de Columbia en 1935. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. 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 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. Apr`s la guerre.

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.Le gain K poss`de un module constant ´gal a K et une phase nulle. Ce trac´ asymptotique suffit en premi`re approximation pour e e e obtenir des informations sur le syt`me.20). . e e . e e e e M´thode de construction e La majorit´ des fonctions de transfert rencontr´es est constitu´e de fonctions de transe e e fert faisant apparaˆ au d´nominateur des facteurs ´l´mentaires (VI. (jω)N La courbe de gain est donc une droite de pente −20 × N dB/dec qui coupe l’axe 0 dB au point ωco = (K)1/N . Il peut ˆtre ensuite affin´ et corrig´ simplement.5 Phase (deg) −90 −90. Ces facteurs ıtre e ee peuvent ˆtre class´s en quatre familles.162 REPONSE FREQUENTIELLE DES SYSTEMES LTI Il suffit alors d’appliquer la propri´t´ d’additivit´ que partagent la fonction Log10 et ee e la fonction argument. Bode Diagram 10 5 Magnitude (dB) 0 − 20 dB / decade −5 −10 ω co −15 −89 −89.5 −91 10 0 10 Frequency (rad/sec) 1 Fig.22) 1 a une phase constante valant −90×N deg.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. Log10 |G(jω)| = i Log10 |Gi (jω)| φ(ω) = i φi (ω) (VI. e e ` . 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.

Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (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 maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB. e √ (VI.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines. Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e .7 63.97 dB. ω >> ωc = 1/T .3 .24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante. le trac´ asymptotique d’un premier ordre est donc d´termin´ e e e par les deux droites ainsi d´finies et qui se coupent en la pulsation de cassure ωc = e 1/T . ω = 2/T . la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave. 45 26.6 5. e ` . .26) Dans cette plage de pulsations.REPRESENTATION GRAPHIQUE 163 . domaine ”basses fr´quences” ω << ωc . domaine ”hautes e fr´quences” ω >> ωc . ω = 1/2T de ωc vaut a ca −0.25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB. et en de¸`. ω << ωc = 1/T . Dans le plan de Bode.Pour les basses fr´quences. e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI.4 84. Les courbes de phase dans le plan de Bode des facteurs du premier ordre sont toutes identiques et peuvent ˆtre d´duites des points suivants : e e ω rad/s 1/T 1/2T 1/10T 2/T 10/T Φ deg. on obtient.En hautes fr´quences.L’erreur pour une octave au del`. e e e c e . l’amplitude en dB peut ˆtre e approxim´e par.

e .Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   dB (VI.29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences. e .97 dB 3 dB 0.30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences. VI. la courbe de gain pr´sentera ou ne pr´sentera pas de pic de e e r´sonnance.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. e Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI.28) Les asymptotes sont obtenues par une analyse identique a celle qui a ´t´ faite ` ee pour les syst`mes du premier ordre. e . e .Basses fr´quences : ω << ωn e −20Log10 (1) = 0 dB (VI. ξ).164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0.Le facteur quadratique ram`tres (ωn .27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ.11 – Trac´ dans le plan de Bode de 1/(p + 2) e .Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI.

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

VI. ee 2.3 ξ = 0. e a ´ Procedure VI.2.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base.5 −180 ξ = 0.5 ξ = 0.2 ξ = 0.34) ´ Definition VI.4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB. 4.1 −90 ξ = 0.1 1.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.3 (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. e e e a 3.Tracer les courbes asymptotiques.2 −135 ξ = 0. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.3 ξ = 0. .05 ξ = 0.05 ξ = 0.2.2.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.1 ξ = 0.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.

’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. >> G3=tf(1.[1 2 0]).1). Ces deux asymptotes se coupent e e e a en ωc = 2 rad/s. >> G=tf(4.2.G2.G.REPRESENTATION GRAPHIQUE Exemple VI. 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.’r-. >> G2=tf(1.[1 2]).14 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) .2 Reprenons la fonction de transfert pr´c´dente.’b--’.G3.’. La courbe de phase pr´sente quant ` elle deux asymptotes horizontales en −90 deg et −180 deg.’g.[1 0]).’. Script MATLAB 18 >> G1=tf(4. VI. >> bode(G1.

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

Il fait ainsi la connaissance de C. Apr`s la guerre. u e Ils publient ensemble en 1942 un article sur le sujet dans les transactions de l’ASME. Il est ´galement honor´ par la cr´ation de la m´daille Nichols e e e e de l’International Federation of Automatic Control. On e e e e reprend donc une analyse identique a celle qui a pu ˆtre men´e pr´c´demment. il propose l’abaque dit de Nichols permettant de calculer des ´l´ments de la ee boucle ferm´e ` partir de la connaissance de la boucle ouverte.REPRESENTATION GRAPHIQUE 169 Biographie 11 (Nataniel Nichols) Nataniel Nichols est n´ en 1914 dans le Michigan et obtient en 1937 son Master de e Physique de l’universit´ du Michigan. 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.36) Φ(ω) → (n − m)90 deg .Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif n − e e e m de G(p). Il participe ainsi a un groupe de recherche e ` sur le syst`me de guidage automatique anti-a´rien SCR-584. ` e e e e . Le fait que le syst`me soit strictement propre implique la pr´sence e e d’asymptotes verticales dans le plan de Nichols-Black. Apr`s avoir a ` e e ´t´ directeur de recherches a la Raytheon Manufacturing Company de 1951 a 1955. A cette e e occasion. Brown qui travaillent sur les servom´canismes hydrauliques pour la commande e des batteries anti-a´riennes. Ce travail est publi´ en e a e 1947 dans le volume 25 des monographies du MIT. Draper et G. 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. |G(jω)| → −∞ dB (VI. Theory of servomechanisms par James. Nichols et Phillips. Bush pour des probl`mes de e e commande. les courbes dans le plan de Nichols-Black poss`dent des caract´ristiques en hautes et basses fr´quences facilitant leur trac´. Il rejoint finalement le ` e control analysis department de Aerospace’s control systems division jusqu’` sa retraite. Il a est d´c´d´ en 1997. il retourne a Taylor e ` Instruments de 1946 ` 1950 puis passe un an a l’universit´ du Minnesota. Taylor Instruments envoie Nichols au MIT afin d’utiliser l’analyseur diff´rentiel de V.

On rappelle que : |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI. Il y aura des e u e e e asymptotes verticales si le syst`me comprend une ou plusieurs int´grations.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.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. e e −180 −90 | G | dB 2 intégrations 1 intégration 0 intégration Φo Fig. en hautes fr´quences. VI.170 REPONSE FREQUENTIELLE DES SYSTEMES LTI | G | dB − 180 − 90 Φ o n−m = 2 n−m = 1 Fig. 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 .

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.18 – Lieu de transfert de 1/(1 + p) dans le plan de Nichols-Black Caract´ristiques d’un deuxi`me ordre dans le plan de Nichols-Black De mˆme pour e e e 1 un facteur du deuxi`me ordre du type e . e 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 + 0.38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg.REPRESENTATION GRAPHIQUE Nichols Chart −5 171 ω=0 −10 −15 Open−Loop Gain (dB) −20 G(jω ) = 1 1 + jω −25 −30 8 ω −35 −90 −60 Open−Loop Phase (deg) −30 0 Fig.01 ξ = 0.3 ξ = 0. VI.5 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 . nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode. aux hautes fr´quences.

19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.’g. >> nichols(G2.G3.04 dB et le point correspondant a ω = 1.172 Exemple VI.0273 System: G2 Phase (deg): −128 Gain (dB): −3.3 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.3 Frequency (rad/sec): 1.58 Phase (deg): −90 Frequency (rad/sec): 1. >> G3=tf(1.’.’b’). 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 + 12.2.04 dB.[1 0]).G. ` e .[1 2]).58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig. VI. Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.58 System: G3 Gain (dB): −8. e Script MATLAB 19 >> G2=tf(1. >> G=tf(4.94 Frequency (rad/sec): 1.[1 2 0]).58 rad/s.’r-.14 Phase (deg): −38.’.

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.20 – Phases de G1 et G2 pour T1 = 1.40) La figure VI.3 Cette d´nomination provient du fait que pour un module identique.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. 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. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI. Dans le cas contraire.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre.4 Afin d’illustrer au mieux la remarque pr´c´dente. ` Remarques 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.4 Les syst`mes ` non minimum de phase e a ´ Definition VI. Exemple VI.2. il sera ` dit a non minimum de phase. T2 = 2 . les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.2.20 montre le diagramme des phases de G1 et de G2 .REPRESENTATION GRAPHIQUE 173 VI. VI. 0 −20 −40 −60 Phase deg −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 10 3 Fig.2.

4 −0.8 1 Fig.6 0.4 −0.2 0 Real Axis 0. nous donnons les lieux de transfert de G a dans le plan de Nyquist. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase.42) Le module de G(jω) vaut 1 tandis que son argument est donn´e par : e Arg (G(jω) = −2 tan−1 ωT1 0 −20 −40 −60 −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 0 10 1 10 2 10 3 Fig.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 .2 −0.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.6 0. Nyquist Diagram 1 0. VI.6 −0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique.8 0.6 −0.4 0.2 0.2 Imaginary Axis 0 −0.8 −1 −1 −0.8 −0. les fonctions de transfert G1 et G2 sont reli´es par : e G1 (jω) = G2 (jω) 1 − jωT1 = G2 (jω)G(jω) 1 + jωT1 (VI. le module et la phase sont li´s par une relation e a e biunivoque. VI.4 0. Si la courbe de gain est connue sur l’ensemble des pulsations. A titre d’exemple.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.

5 (mod`le deux entr´es . Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.2.[1 0.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.[2 1] [1 4]}.21 s^3 + 7. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.21 s^3 + 7.002 s^2 + 0.2.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.5 Extension aux syst`mes multivariables e La section I.{den den.1.6 (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. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.H=tf({1 3.2.2 5]).45 s + 10 #2: . 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. Dans la a e majorit´ des cas. Cela impose donc le plan de Bode e e comme seul outil disponible. ´ Definition VI..002 s^2 + 0.REPRESENTATION GRAPHIQUE 175 VI.. 1 #1: ---------------------------------------s^4 + 0.01 2].den den}) Transfer function from input 1 to output.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.

002 s^2 + 0..45 s + 10 s + 4 ---------------------------------------s^4 + 0..002 s^2 + 0. 3 #1: ---------------------------------------s^4 + 0.45 s + 10 #2: >> sigma(H) >> grid .176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.21 s^3 + 7.21 s^3 + 7.

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

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). Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e. 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]. 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. En r´sum´. il existe deux structures baee e siques de commande des syst`mes dynamiques : la commande en boucle ouverte et la come mande en boucle ferm´e (asservie).1.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif. Dans un premier temps. biographie). la th´orie des syst`mes de commande a contre-r´action est introe e ` e duite pour tout ce qui concerne les aspects d’analyse. Jusqu’` pr´sent. Cette e e structure est illustr´e figure VII.1. d´termine l’´cart entre e e ee e e e les deux et produit un signal de commande dont le but est de r´duire cet ´cart a 0 ou e e ` de le rendre tr`s faible. seuls les syst`mes monovariables sont trait´s. e ` ea 179 . Dans ee e e la suite de ce cours. 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. 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.Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII.

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

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.2) o` la constante k est ` choisir par le concepteur du syst`me de commande. Ce type de loi u a e de commande est qualifi´e d’int´grale puisque.1.3 – Sch´ma SIMULINK de l’exemple voiture e . e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (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. e √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (VII. e a u(t) = k(vnr (t) − vn (t)) ˙ (VII.` ` ´ VII.2 – Commande de la vitesse de croisi`re d’un v´hicule e e La loi de commande associ´e ` la fonction de correction est choisie comme. VII.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).

0. la r´ponse est tr`s lente.58 0.02. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.08. que pour les valeurs k = 0. = 0. a Quelle que soit la valeur du gain de l’action int´grale k. VII. Le signal de r´f´rence est donc un ´chelon passant de 0. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis.08.54 0. 0. On refait donc les simulations m √ √ ρc ρc = 0.08.1 s et pour diff´rentes valeurs de k ∈ {0.62 k=0.08 0.4 – R´ponse indicielle pour k variant e On souhaite maintenant ´tudier la robustesse de ce sch´ma de commande vis-`-vis de e a √ e ρc variations du param`tre e et en particulier de la masse.05 et m m de masse de 20% et 40%. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0. 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 = 0.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.02.1 k=0.4. 0.1 et k = 0.56 k=0. La valeur satisfaisante e e du gain de l’action int´grale r´alisant un compromis acceptable entre la rapidit´ de la e e e r´ponse et le d´passement semble donc ˆtre k = 0.05 0.5 a 0.6 k=0.6. e e On peut remarquer sur la figure VII.6.6 e ee e ` ` l’instant 10 s.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0.1}.05.02 v 0.06 correspondant a des accroissements respectifs ` pour k = 0.05.52 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.

58 0.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.7 0.5 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.55 v 0.1.54 0.45 avec perturbation 0.6 sans perturbation 0. e √ √ ρc 2 ρc (VII. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.52 0. e a e Si l’on consid`re des conditions r´alistes. 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. SYSTEMES DE COMMANDE A CONTRE-REACTION 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.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.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 e e e .` ` ´ VII.6 0. VII.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.62 183 0.56 v 0.4 0.65 0.

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

La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle.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.b est le signal des perturbations = r − y est le signal d’erreur 185 . e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (VII.w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel.7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII. diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s.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.ν est le signal de commande entrant r´ellement dans le syst`me e e .1. SYSTEMES DE COMMANDE A CONTRE-REACTION . 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.` ` ´ VII.6) u(p) = K(p)ζ(p) ζ(p) = r(p) − w(p) − y(p) Cela permet de d´terminer les relations en boucle ferm´e entre la sortie exog`ne et les e e e entr´es exog`nes : e e y(p) = (1 + G(p)K(p))−1 G(p)b(p)+ (1 + G(p)K(p))−1 G(p)K(p) (r(p) − w(p)) S(p) T(p) (VII.8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc.1.10) Afin de conserver un certain contrˆle sur l’amplitude de la commande d´livr´e et de la o e e commande re¸ue.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) .7) ´ Definition VII. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII. a S(p) + T(p) = 1 (VII.

S(p) repr´sente le transfert entre la r´f´rence et l’erreur et entre la perturbation et e ee la commande d´livr´e.S(p)K(p) repr´sente l’influence de la r´f´rence et des bruits de mesure sur les come ee mandes.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.1 (fonctions de sensibilit´) e Soit le sch´ma d’asservissement de la figure VII.S(p)G(p) repr´sente l’influence de la perturbation sur la sortie et l’erreur. .12) T (p) = G(p)S(p) = . Ces objectifs de commande sont contradictoires et devront faire l’objet de compromis lors de la synth`se du syst`me de commande. . e .T (p) repr´sente l’influence des bruits de mesure sur la sortie et l’erreur et l’influence e de la perturbation sur la commande d´livr´e. Objectifs de commande Compte tenu des relations ´tablies pr´c´demment et de l’analyse qui les suit.1. la e e e synth`se du correcteur K doit ob´ir aux diff´rents objectifs suivants : e e e . .Les bruits de mesure seront att´nu´s si l’amplitude de T (p) est faible sur la plage e e de fr´quence concern´e.Un bon suivi du signal de r´f´rence implique une fonction de sensibilit´ S(p) faible ee e en amplitude. e e .L’effort de commande est faible si l’amplitude de S(p)K(p) et de T (p) est faible. e e Exemple VII.186 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le sch´ma fonctionnel pr´c´dent fait donc apparaˆ e e e ıtre quatre fonctions de transfert importantes appel´es fonctions de sensibilit´ : e e S(p) S(p)G(p) T(p) S(p)K(p) o` : u . e e .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.Une bonne rejection des perturbations sera obtenue pour S(p)G(p) faible. e e .

>> L=G*K Transfer function: 2 s^2 .s .s . o e .s .1 ----------------s^4 + s^2 .s^4 + 2 s^3 + s^2 --------------------------s^5 .1 ------------s^4 .[-1 1]).s^2 ----------------------------s^7 + s^6 + s^5 .s^2 >> S=inv(1+L) Transfer function: s^4 . SYSTEMES DE COMMANDE A CONTRE-REACTION Script MATLAB 21 >> G=tf([-1 1].1 >> GS=G*S Transfer function: -s^5 + s^4 + s^3 . >> K=tf([2 1]. MATLAB ne a e simplifie pas les pˆles et z´ros identiques.2 s^3 .` ` ´ VII.1 >> T=1-S Transfer function: 2 s^2 .[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.s^2 >> KS=K*S Transfer function: -2 s^5 .s .s^2 ----------------s^4 + s^2 .1.

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) .

ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII.´ ` ´ VII.2. e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII. la sensibilit´ compl´mentaire T (p). e e .1 Le crit`re de Nyquist e Le crit`re de stabilit´ de Nyquist est un crit`re graphique fr´quentiel de stabilit´ e e e e e fond´ sur le trac´ du lieu de transfert en boucle ouverte dans le plan de Nyquist. 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. a r + − ζ K(p) u G(p) y Fig.13) Nous rappelons que le syst`me est stable asymptotiquement en boucle ferm´e si et e e seulement si ce polynˆme caract´ristique a des racines a partie r´elle strictement n´gative.2. o e ` e e On souhaite toutefois d´cider de la stabilit´ de la boucle ferm´e sans avoir a calculer e e e ` explicitement le polynˆme caract´ristique en boucle ferm´e et ses racines.2. 0) de rayon ee e infini incluant le demi-plan complexe droit. Il est orient´ dans le sens antitrigonom´trique.15) G(p)K(p) 1 + G(p)K(p) (VII. ´ Definition VII. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e. 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. quand l’assere e e vissement est ` retour unitaire.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps.14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit.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∞ . e VII. VII. j∞] et d’un demi-cercle centr´ en (0.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note. K(p) = NK (p) DK (p) (VII.

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

3. 4.1 1.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .16) Exemple VII.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 . fermer le lieu de u Nyquist. CN o 2. il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII.2.Tracer son sym´trique par rapport a l’axe ox. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p). o a e Afin d’appliquer correctement le crit`re de Nyquist.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.Dans le cas o` le contour de Nyquist a une indentation. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.1 Le syst`me ` contre-r´action de la figure VII. Le nombre Z de o racines instables du polynˆme caract´ristique en boucle ferm´e ob´it ` la relation : o e e e a Z = P− N (VII. o e e .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 (−1.2.Tracer le lieu de Nyquist complet de la boucle ouverte. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant.Calculer la boucle ouverte de l’asservissement consid´r´.2. le lieu de Nyquist est complet et ferm´. ` G(p) = K p(1 + T p) T >0 K>0 (VII. 0).Compter le nombre P de pˆles instables de la boucle ouverte.17) 1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES . .

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. e G(jω) = K jω(T jω + 1) −KT +1 (VII.19) (VII. VII. VII.Le trac´ du lieu de Nyquist complet implique les calculs suivants.12 – Exemple : lieu de Nyquist complet .11 – Exemple : contour de Nyquist 2.192 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Im r= Fig.

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

VII.1. VII.7 pour lequel les donn´es de l’exemple VII.2. 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. Cela signifie que de faibles variations sur les bruits de mesure et sur le signal de r´f´rence vont r´sulter en de fortes variations sur les commandes voire en signaux de ee e commande satur´s. Dans le § VII. les fonctions de sensibilit´. En effet. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement. nous avons d´fini un certain nombre e de transferts. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII.194 | | ANALYSE EN STABILITE DES SYSTEMES BOUCLES dB | | dB −180 K(jω )G(j ω) Φ o K(j ω)G(j ω) Φ o −180 stable instable Fig. e a e e e e .1 e e e sont reprises.1.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII.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. 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.2.

4 (stabilit´ interne) e Soient les repr´sentations minimales d’´tat de G et de K : e e K(p) : = AK BK CK DK G(p) : = A B C D −1 = 1 −K −G 1 u v e Pour v1 = v2 = 0. e ´ Definition VII.3 (bien pos´) e La boucle a contre-r´action de la figure VII. VII. xK ) = (0. il est n´cessaire de s’assurer que e e e la boucle de la figure VII. e e ´ Definition VII.2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES Notion de bien pos´ et d´finition e e La notion de stabilit´ interne est d´finie ` partir du paradigme suivant : e e a G + + v2 + v + 195 u v1 K Fig. l’interconnection s’´crit : x = Ax + Bu ˙ v = Cx + Du xK = AK xK + BK v ˙ u = CK xK + DK v Le syst`me boucl´ est stable de mani`re interne si l’origine (x. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII. 0) est asympe e e totiquement stable.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre. On dit alors qu’elle est bien pos´e.2.15 ainsi d´finie a un sens.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres. . La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat.2.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne.

>> L=G*K.05 1].1023i . >> K=tf([1 1]. Pour tous les signaux e e d’entr´e born´s (v1 .conv([0.2.2326 + 1. .2.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. >> S=inv(1+L). Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.5p + 1)2 (0. la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands.5 1].Test entr´e-sortie : la boucle ` contre-r´action de la figure VII.1023i -0. e e .196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII. v2 ).2.15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 .[0.7).2326 . e ua e Exemple VII. les signaux de sortie (u. v sont stables asymptotiquement.1434 -0.5 1]))).21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.9878 -3. >> pole(S) ans = -19.1.1 a .2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.conv([5 1].conv([0. v) sont born´s.3 .[2 1])).Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement.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.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII. ν2 aux sorties e e u. e Script MATLAB 22 >> G=tf([10].

DK]=ssdata(sysK).D]=ssdata(sysG).5000 >> sysG=ss(G).2)].2326 + 1.1434 -0.1023i 1.1434 -0..2326 -0.2326 .1434 -0.1023i -0..0000 -19. >> pole(T) ans = -19.C zeros(1.3) AK]+[B zeros(3.1035 >> GS=G*S.9878 -3.0000i >> KS=K*S.C. >> pole(KS) ans = -20.1023i -1..B.0000i 0.2000 + + - 1.2).BK.2326 -2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.2326 + 1.0000 -1.1023i 0.zeros(2.-D 1])*[zeros(1.1023i -0.1035 -0.0000 -2. >> sysK=ss(K).1035 -0.2326 .1023i -1.9878 -3. >> Abf=[A zeros(3.1).1. zeros(2. >> [AK. .1035 >> T=1-S. >> pole(GS) ans = -19.1) BK]*inv([1 DK. >> [A.3) -CK.9878 -3.1.CK.

2326 .Ce r´sultat est moins fort que le th´or`me de Nyquist puisque l’on suppose la stae e e bilit´ la boucle ouverte et que ce th´or`me ne constitue qu’une condition suffisante.1. e e >> G=tf([1]. Ce r´sultat connu sous le nom du th´or`me e e a e e e du faible gain donne une condition suffisante facile a tester qui permet de conclure a la ` ` stabilit´ interne d’un paradigme du type de la figure VII.2326 + 1.1023i -3.1023i -0. L’interconnection pr´sent´e e e 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.[1 0. >> K=tf([0.2.15.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.1434 -1.[1 1]). >> L=G*K. e ´ ` Theoreme VII.3015 ω Le syst`me est stable de mani`re interne.2 .1 0].4 On suppose que G(p) et K(p) sont asymptotiquement stables. e e Exemple VII.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII.1p p+1 1 p2 + 0.1p + 10 En appliquant le th´or`me du faible gain.22) Remarques VII.2. e e e .Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0. .1 10]). 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.9878 -0.2. on obtient : e e max |K(jω)G(jω)| = 0.

Cette distance peut ˆtre mesur´e dans deux e e directions diff´rentes donnant lieu ` la d´finition de la marge de phase et de la marge de e a e gain. . le pic de r´sonnance Mr peut ´galement servir a cet effet. 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.2. 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 (−1.4 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´.inf) ans = 0. la stabilit´ absolue e e e telle qu’elle peut ˆtre attest´e par le crit`re de Nyquist n’est pas l’unique indice pertinent.3015 Bode Diagram −10 −20 −30 −40 Magnitude (dB) −50 −60 −70 −80 −90 −100 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig.16 – Courbe de gain dans Bode de L VII. j0) dans le plan de Nyquist. VII. Dans le domaine temporel. Dans le domaine e e e ` fr´quentiel.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L.

24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black .200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII.23) o` ωco est la pulsation de coupure a 0 dB (gain-crossover frequency) de la fonction de u ` transfert en boucle ouverte : L(jωco ) = 0 dB ´ Definition VII.25) (VII.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.2.3 Pour un syst`me ` minimum de phase.2. e e e Im 1 |G| dB MΦ ωco 0 dB Φo Kg −1 MΦ ωco ω−180 Re Kg ω−180 −180 Nyquist Black−Nichols Fig. Arg[L(jω−180o )] = −180o (VII.26) Remarques VII.2. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans. VII. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.

Pm = 25.5 10]). 8 deg pour ωco = 4.3 et l’on rajoute un gain K0 = 100 dans la boucle.42 rad/sec) 20 10 0 Magnitude (dB) Phase (deg) −10 −20 −30 −40 −50 −60 90 0 −90 −180 10 −2 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Script MATLAB 23 >> G=tf(1. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.2.[1 1]).4 On reprend l’exemple V.2. >> margin(L) .42 rad/s. >> 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 (at 4. >> K0=100.1 0]. VII. >> K=tf([0. Bode Diagram Gm = Inf dB (at Inf rad/sec) .[1 0.

908 Imag: −0.19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0.449 Frequency (rad/sec): 4. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig. VII.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.20 – Plan de Nichols-Black .00322 Phase (deg): −154 Frequency (rad/sec): 4. VII.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig.

5 On poursuit l’exemple V.27) Im −1 ∆M 1 Re G(jω ) Fig.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte. c’est donc le rayon du cercle de centre le point critique (−1.5 −1 −1. Dans le plan de Nyquist.2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig.5 1 0. ∆M = 1 1 = MS max |S(jω)| ω (VII.21 – Marge de module dans le plan de Nyquist Exemple VII.22 – Marge de module dans le plan de Nyquist .2. VII. 0) et tangent au lieu de transfert.3 avec le mˆme gain K0 = 100 dans la boucle.2. e e ´ Definition VII. Une mesure plus objective est d´finie par la marge de module. e Nyquist Diagram 2 1. VII.5 Imaginary Axis 0 −0.

Script MATLAB 24 >> G=tf(1.2. >> Mod=inv(norm(S. e e Bode Diagram 20 System: L Frequency (rad/sec): 3.23 – Pulsation de r´sonnance e .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.14 Magnitude (dB): 15. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII. >> L=K0*G*K.5 10]). >> S=inv(1+L).[1 1]).14 rad/s et Mr = 15.40911.6 dB. On trouve ωr = 3.inf)) Mod = 0. >> K=tf([0.[1 0.2.1 0].4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir.8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII. VII.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.6 (VII. >> K0=100.6 On poursuit l’exemple pr´c´dent.

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.ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ Definition VII. r + − u L(p) y Fig. Le lieu de trasnfert 1 + L(p) est trac´ dans le plan de Nyquist et diff´rents ´l´ments g´om´triques le caract´risant sont e e ee e e e d´finis. u e Ce coefficient est ´galement appel´ coefficient de r´sonnance ou coefficient de surtene e e sion. Nous examinons en premier lieu la m´thode pour e le plan de Nyquist.25 – Lieu de Nyquist .24 – Asservissement a retour unitaire ` L(p) est stable. 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. M-cercles et N-cercles Etant donn´ un asservissement ` retour unitaire.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. VII.29) o` F (p) est la fonction de transfert en boucle ferm´e.

il s’agit de calL(jω) . .10 (M-cercles et N-cercles) . e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII. 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. l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist.707.32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e.206 − → OA repr´sente L(jωA ).31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). La bande e passante a −3 dB du syst`me en boucle ferm´e est la pulsation du point d’intersection du ` e e lieu de transfert avec le M-cercle M = −0. u A partir de ces M-cercles et de ces N-cercles. e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII. les lieux d’amplitude constante et de phase constante en boucle ferm´e. Ainsi.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.34) o` N = tan(α).30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. il est possible de tracer des abaques utilis´s e afin de d´terminer l’amplitude et la phase en boucle ferm´e ` partir de la connaissance du e e a lieu de transfert de la boucle ouverte trac´ sur les abaques. u e e ´ Definition VII.2. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.Les lieux de phase constante en boucle ferm´e sont appel´s les N-cercles et ont e e pour ´quation : e 1 (X + 1/2) + Y − 2N 2 2 = 1 1 + 4 (2N)2 (VII. culer pour chaque pulsation donn´e. le pic de r´sonnance Mr est d´termin´ e e comme le plus petit M-cercle tangent avec le lieu de transfert en boucle ouverte alors que ` la pulsation de r´sonnance ωr correspond a la pulsation de point d’intersection.33) . On note.

5 Im G 0 −90o −60o −45o −1.707 M = 1.5 2.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.833 0.2 1.5 −2 −1. VII.5 2 2.5 Re ω r (Mr = 2) M=0 Fig.5 Fig.27.3 1.707 0. Un exemple d’abaque est donn´ ` la figure VII.5 30o (−150o) 36o 45 1 o 2 1.5 0 Re G 0.5 −1 −0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.67 0. e e ea 2.26 – Abaque des M-cercles L’utilisation de l’abaque des N-cercles est compl`tement identique ` celui des M-cercles e a et n’est donc pas d´taill´e ici.5 −2.5 60o 90o 0.27 – Abaque des N-cercles .5 −36 o −0.5 1 1. VII.5 −1 −30o −2 −2.

42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6. De la mˆme mani`re que des abaques ont ´t´ d´velopp´s dans le plan de Nyquist e e ee e e pour passer de la boucle ouverte a la boucle ferm´e. e ω = 2.92 Frequency (rad/sec): 3. e .64 Imag: 0.2. VII.87 Imag: −1. 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.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig.62 rad/s ωr = 4.28 – 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).16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols. ` 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. on peut calculer des e e a points de la boucle ferm´e.29 qui forment l’abaque de Hall-Nichols. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII. De ce fait.7 En reprenant l’exemple pr´c´dent.16 rad/s ω = 3.375 Frequency (rad/sec): 2. Ainsi ` partir de la figure VII.28.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1.

VII.29 – Abaque de Hall Exemple VII.2.25 dB 0.25 dB 0.5 dB 1 dB 3 dB 6 dB 0 dB 0 Open−Loop Gain (dB) −50 −100 −150 −200 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) .5 dB 20 1 dB −1 dB 209 Open−Loop Gain (dB) 10 3 dB 6 dB −3 dB −6 dB 0 −10 −12 dB −20 −20 dB −30 −40 −350 −300 −250 −200 −150 Open−Loop Phase (deg) −100 −50 −40 dB 0 Fig.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.

5. e En produisant un zoom sur les fr´quences interm´diaires.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0. il est alors possible de calculer e e la marge de phase.8 rad/s Nichols Charts 50 40 0 dB 30 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. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance. e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es. e e .7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 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. la marge de gain.5 dB ωr = 2. e e Mφ = 60 deg ωco = 1.

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 = 2.25 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 0.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.

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) . 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase.4 Si l’asservissement n’est pas unitaire. il faut calculer. (VII.2.212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII.

EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII.1 Le lieu de Nyquist de det(1+L(p)) correspond a l’image de det(1+L(p)) quand p parcourt ` le contour de Nyquist dans le sens antitrigonom´trique.3.ne passe pas par l’origine.1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII.3.fait Pbo tours dans le sens trigonom´trique autour de l’origine. e o e ´ ` Theoreme VII. seules quelques extensions de ce qui a ´t´ vu pr´c´demment sont ee e e pr´sent´es pour les syst`mes multivariables. e .O. e e e VII.3 Extension aux syst`mes multivariables e Dans cette partie. e Exemple VII. dans L(p).24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e .1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B. Remarques VII.3. 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.3.3. Le lieu de o e Nyquist complet est alors trac´ comme : e .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.

0 -1 1.5].3.5. ´ ` Theoreme VII.1 0. .04 −0.0 0 -4].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.6 0.5 0 0 0 0 0.B=[1 0.0 1].06 det(1+L(p) 0.02 To: Y(1) 0 −0. a e VII.8 1 1.04 Imaginary Axis 0.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.2 Soit l’asservissement a retour unitaire du type de la figure VII.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.08 0 0.2 0.4 0.2 Le th´or`me du faible gain e e Le th´or`me du faible gain d´j` pr´sent´ dans le cas monovariable s’´tend naturellee e ea e e e ment au cas multivariable.5 0 0.C=[0.3. Le syst`me est instable.5 0 0.02 −0.3.0 0 0.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.06 −0.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.08 0. u e e a Exemple VII.

5163 Singular Values −5 −10 −15 −20 Singular Values (dB) −25 −30 −35 −40 −45 −50 −55 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Le syst`me est stable.C. EXTENSION AUX SYSTEMES MULTIVARIABLES 215 >> D=[0 0.L=ss(A.` VII.3. e .inf) ans = 0.0 0].B.D). >> sigma(L) >> norm(L.

la marge de phase Pm. les pulsa) tions critiques associ´es. la marge de phase ) Pm. . et les pulsations critiques associ´es du mod`le LTI sys.Wcp]=margin(sys) : calcule la marge de gain Gm.Wcg. e e ) S=allmargin(sys) : calcule la marge de gain Gm. la marge de retard du mod`le LTI sys.Pm.216 ANALYSE EN STABILITE DES SYSTEMES BOUCLES VII.4 VII. e e ) grid : ajoute dans les plans de Nyquist et de Nichols-Black les abaques correspon) dants.4.1 Fonctions MATLAB Fonctions d’analyse de stabilit´ e ) [Gm.

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. 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. Les sp´cifications de pere e e e formance pour un syst`me de commande peuvent ˆtre constitu´es de crit`res temporels e e e e relatifs au r´gime transitoire. des propri´t´s e e e ee du syst`me ` corriger et particuli`rement des limitations de performance inh´rentes ` ce e a e e a syst`me. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. L’objet de ce chapitre est donc de fournir des m´thodes permettant de mani`re e e e syst´matique la g´n´ration de sp´cifications de performance. 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. Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me. dans son ´tape de synth`se. e e e e 217 .Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII.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.

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

5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω).Pour que b ait peu d’influence sur y : |G(jω)S(jω)| .10) (VIII.2 Rejet de perturbation b On souhaite g´n´ralement que la boucle d’asservissement soit insensible et rejette la e e perturbation mod´lis´e par le signal b(p). e e e a on en d´duit la r`gle g´n´rale en basses fr´quences pour le rejet de perturbations : e e e e e |S(jω)| 1 ω < ωb (VIII. ω < ωb ⇒ |T (jω)| ∼ 1 et |K(jω)G(jω)| 1 pour ω < ωb La sp´cification de rejet de pertubation peut donc s’exprimer en sensibilit´.2. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωco e d´finissant la bande passante de G. e ωb < ωco (VIII. e .7) e Du fait que T + S = 1 et S = (1 + GK)−1 .6) 1 (VIII. On en d´duit que : |S(jω)| 1 .SPECIFICATIONS FREQUENTIELLES 219 VIII. e ω < ωb |S(jω)| 1 (VIII. Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences. en boucle e e ferm´e ou en boucle ouverte.Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII.9) 1 . e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w).8) |K(jω)G(jω)| |T (jω)| ∼ 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ (r − w) et ∼ w. Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb .

Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .12) 1 (VIII. ee e e (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.14) VIII. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.2. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .2. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment.3 R´duction du bruit de mesure w e Les bruits sont usuellement mod´lis´s comme op´rant en hautes fr´quences : ω > ωh e e e e .4 Suivi de r´f´rence r : pr´cision ee e ω < ωb Cette sp´cification est g´n´ralement une sp´cification pour les basses fr´quences : e e e e e et l’on retrouve exactement les sp´cifications donn´es pour le rejet de perturbation : e e ω < ωb |S(jω)| 1 (VIII.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 y : |T (jω)| .

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

on a alors : e e ωB < ωco < ωBT (VIII.2. Dans le cas contraire. 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 . la commande est effective et am´liore les performances. e e e C’est une ´tape importante dans l’´tape de mod´lisation.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir.21) (VIII.19) Dans la majorit´ des cas. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg.22) VIII. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me.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. pour les pulsations e e inf´rieures ` ωB . ωBT ]. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0.2. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances. e ´ Definition VIII.1 .1 La bande passante en boucle ferm´e peut alternativement ˆtre d´finie ` partir de la fonce e e a tion de sensibilit´ compl´mentaire.2. la bande passante est un indicateur de performance particuli`rement important.20) (VIII.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1.2. e e .707 = −3 dB 2 est appel´e bande passante en boucle ferm´e.. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me. e Remarques VIII.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII.707 = −3 dB 2 (VIII. Au del` de ces pulsations. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB .La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte. 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. ωB = ωBT .

Si l’on souhaite travailler uniquement sur cette derni`re. VIII. 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. e .pente de −20 dB/decade autour de ωco pour satisfaire la condition de roll-off . e e e la fonction de transfert en boucle ouverte L(jω) = K(jω)G(jω).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 .SPECIFICATIONS FREQUENTIELLES 223 la repr´sentation fr´quentielle des fonctions de sensibilit´ ou a la fonction de transfert en e e e ` boucle ouverte L(p). 1.2 – Loopshaping de la boucle ouverte Sp´cifications de performance par loopshaping e Les sp´cifications de performance par loopshaping sont ´labor´es sur le gain de boucle. |L(j ω)| dB 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 − perturbation d − suivi de référence − règle des intégrateurs ωb ω co − condition de roll−off ωh 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 − bruit de mesure 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 ω Fig.sp´cification de la pente de la courbe de gain en boucle ouverte |L(jω)| sur certaines e plages de fr´quence : e .pente aux basses fr´quences (ω ≤ ωb ) d´finie par le mod`le de la perturbation e b(p) e e 3.sp´cification du nombre d’int´grateurs dans L(p) par la r`gle des int´grateurs e e e e 2.

Bode Diagrams Gm=7. 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 = 48.5 et des pulsations de coupure ω−180o = 0. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII. une marge de gain Kg = 2.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0.25) (VIII. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples.3 – Courbe de gain de G(p) . (at 0. e e e . a e e .2 rad/s et ωp2 = e 0.20372 rad/sec) 10 0 −10 Phase (deg). ωco = 0. VIII.1 rad/s.9588 dB (at 0.2 (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.2.41 rad/s. e e e e e Exemple VIII.41231 rad/sec).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.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. Pm=48. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig.2 rad/s.5 deg.5.24) Ce mod`le poss`de les caract´ristiques suivantes.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 = 0.448 deg.

e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e .SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII. Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation. On obtient donc.1 rad/s.5 Hz doit ˆtre filtr´.Le mod`le de la perturbation ´tant un premier ordre donn´ par : e e e w(p) = Gb (P )a(p) = 1 a(p) p+1 (VIII.5 rad/s et β = 0. L0 (p) = −2p + 1 p(2p + 1)(0. e ` e .33p + 1) (VIII.Le bruit de mesure intervenant au del` de 0. A ce stade.30) .26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p.Premi`re sp´cification : e e La r`gle des int´grateurs indique qu’il est n´cessaire d’ajouter une int´gration dans e e e e la boucle ouverte conduisant a ´crire : `e L(p) = .Le 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.27) Pour ω = 0. e e e 225 .33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`.29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0. Cela e e conduit a simplifier les deux pˆles de G(p) qui sont susceptibles de fournir trop ` o de roll-off sur la mauvaise plage de pulsations du fait de leur pulsation de cassure respective. L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII. Cela permet de choisir ωb = 0. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration.1 rad/s. |Gb (jω)| ∼ 0 dB.Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration. e .

95 rad/s 60 40 20 0 Phase (deg). Magnitude (dB) −20 −40 −60 L(p) L0(p) G(p) 0 G(p) L(p) −100 −200 −300 L0(p) 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.15 et a ` une pulsation de coupure ωco = 0. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0. VIII. ω−180o = 0. On obtient alors : L(p) = 0.2 rad/s.33p + 1) (VIII.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 = 2.43 rad/s Bode Diagrams Kg = −0.4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.44 ωco = 0.226 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES dont on fait le trac´ dans Bode pour obtenir la marge de phase et de gain : e Mφ = −52 deg et des pulsations de coupure. e e .15(−2p + 1) p(2p + 1)(0. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche.92 .Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte.

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. VIII.8 0.33p + 1) (VIII.SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 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).6 0.) 42 56 70 0 5 10 15 20 Time (sec.4 0.6 – R´ponses indicielles e .5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le.) 25 30 35 40 Fig.2 0.2 0 0 0 14 28 Time (sec. on obtient un compensateur ´gal a : e e e ` K(p) = 0.6 Amplitude Amplitude 0.15(10p + 1)(5p + 1) p(2p + 1)(0. VIII.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg). e e e Step Response Step Response 1 1 0.8 0.44 rad/s Bode Diagrams 227 ωco = 0.

25 (2 dB) Ces deux grandeurs ne sont ´videmment pas ind´pendantes et doivent v´rifier : e e e |||S| − |T ||| < |S + T | = 1 ∀ ω (VIII. En effet. VIII. e e e Step Response Step Response 1 1 0.4 0. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me.6 Amplitude Amplitude 0.6 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. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.2 0 0 0 14 28 Time (sec.8 0.34) MT ≤ 1.) 40 50 60 Fig.4 0.) 42 56 70 0 10 20 30 Time (sec.8 0.35) .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.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.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´.2 0.7 – R´ponses a une perturbation en ´chelon e ` e 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.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.2.

e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.707 2. L’ensemble de ces sp´cifications peut ˆtre traduit en une sp´cification unique faisant e e e 1 intervenir une borne sup´rieure wp (jω) sur l’amplitude de S.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.SPECIFICATIONS FREQUENTIELLES Remarques VIII. Un choix usuel est MS = 2.39) Remarques VIII.2.2.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.le modelage de S sur certaines plages de fr´quences e 4. 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 ` 1.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli. e e e e e ∆M = 1 MS 229 (VIII.2.une erreur maximale de position en r´gime permanent A e 3. L’interpr´tation ee graphique de la condition sur la sensibilit´ s’obtient en montrant que : e wp S ∞ |wp (jω)S(jω)| < 1 (VIII.3 La derni`re sp´cification permet d’´viter l’amplification du bruit aux hautes fr´quences e e e e et introduit une marge de robustesse.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .

Im W (j ω ) p −1 1+L(j ω ) Re ω0 L(j ω) Un choix classique pour la fonction de pond´ration est : e wp (p) = Le trac´ asymptotique dans Bode de e p/M + ωB p + ωB A (VIII.41) 1 est donn´ par : e wp (p) 1 |wp(j ω)| −3 dB M ωB ω rad/s A Fig. 0) et de rayon |wp (jω)|.8 – Fonction de pond´ration wp e La borne sup´rieure de |S|.aux basses fr´quences.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. e 1 v´rifie : e |wp | . elle est ´gale a A ≤ 1 (action int´grale) e e ` e . VIII.

8 ωB = 0.42) Exemple VIII. >> Wp=tf([1/M Omega_B].7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s. Il e e a e est ` noter sur la figure VIII.4 Afin d’am´liorer les performances.3 0.2.05 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. Script MATLAB 26 >> M=1. >> L=tf([-0.SPECIFICATIONS FREQUENTIELLES .15]. >> S=inv(1+L).1/Wp) >> grid A=0 .3 On reprend l’exemple utilis´ pour le loopshaping de la section III.8. >> bodemag(S.05. 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. elle est ´gale a M ≥ 1 e e ` .2.[0.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.aux hautes fr´quences.15(−2p + 1) p(2p + 1)(0.33 1])).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 = 1.5.Omega_B=0. Apr`s loopshaping.2.2. e e la boucle ouverte vaut : L(p) = 0.[1 0]).conv([2 1 0].

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

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

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. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.46) (VIII. En fait. seul l’outil e e math´matique est r´ellement diff´rent. e e e e ee .3.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII. ´ ´ Proprietes VIII.9 – Asservissement et fonctions de sensibilit´s e s(p) = (1 + GK)−1 Gb(p) + (1 + GK)−1 GK(r(p) − n(p)) ζ(p) = (1 + GK)−1 r(p) − (1 + GK)−1 Gb(p) + (1 + GK)−1 GKn(p) u(p) = K(1 + GK)−1 (r(p) − n(p)) − K(1 + GK)−1 Gb(p) Les relations de bouclage pr´c´dente permettent de d´finir les 6 transferts caract´risant e e e e l’asservissement VIII.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig. ´ Definition VIII. Afin de ne pas alourdir ce document.9.45) KSy = K(1 + GK)−1 Sy G = (1 + GK)−1 G Il est ` noter que la diff´rence fondamentale avec les asservissements monovariables a e vient de la non identit´ des sensibilit´s et sensibilit´s compl´mentaires en entr´e et en e e e e e sortie Sy = Su et Ty = Tu .9 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.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.3.3.

47) Pour que le suivi de r´f´rence soit bon.SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant.7 ≤ ωB ≤ ωσ(S)=0.48) cela peut s’exprimer par la relation suivante. la bande passante d´pend des directions.7 .Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII.49) ` .Ai . l’erreur s’exprime comme suit.ωBi bande passante a −3 dB 10 1 10 0 Amplitude 1/Wi 10 −1 |S| 10 −2 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 Fig.9.10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII. il est donc indispensable que l’influence de r ee sur soit la plus faible possible.1 Pour les syst`mes MIMO.3. les relations de l’asservissement VIII. VIII.50) (VIII. On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0. En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec . = s − r = Sy (d − r) − Ty n + Sy Gb (VIII.

´tant donn´ le filtre choisi. Pour un bon suivi de r´f´rence.41 ≤ σ(S) ≤ 2.R´duction d’´nergie de commande u et ν faibles : KSy .faible ` basses fr´quences a e ω < ωB . le trac´ des valeurs sinee e e e guli`res min et max de S doit donc suivre un gabarit : e .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. la pire direction est choisie ωσ(S)=0.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 . En effet. Tu et Su faibles e e σ(Wu KSy (ω)) < 1 ∀ ω ⇔ ou σ(K) faible 0 ≤ ωB ≤ ω .41 .∼ 1 aux hautes fr´quences e ω > ωB σ(S) ∼ 1 σ(S) 1 . e σ(L) − 1 ≤ 1 ≤ σ(L) + 1 σ(Sy ) 0.Suivi de r´f´rence et r´jection de perturbations : Sy et Sy G faibles ou L grande ee e σ(Wp Sy (ω)) < 1 ∀ ω ⇔ ou σ(L) grand 0 ≤ ω ≤ ωB .7 .236 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Si l’on souhaite associer un unique indicateur pour la bande passante. Celles-ci sont indiff´remment exprim´es en boucle ferm´e e e e e (fonctions de sensibilit´) ou en boucle ouverte (gain de boucle).

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

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

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

1.5) Remarques IX.7) . Dans la majorit´ des cas. 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.1 Les valeurs de p telles que les deux conditions IX.Condition d’amplitude : |G(p)F (p)| = 1 (IX. e e e .2.IX.2.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement. 2. IX.1 (lieu des racines) Le lieu des racines ou lieu d’Evans est le lieu constitu´ par les pˆles en boucle ferm´e e o e quand le gain de boucle K varie.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.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. r + − ζ G(p) F(p) y Fig.2.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.5 et IX. e e o e ´ Definition IX. · · · ) .6) (IX.2 IX.6 sont v´rifi´es.4) (IX. CONSTRUCTION DU LIEU D’EVANS 241 IX. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.2.

nous reprenons le sch´ma e e e a e d’asservissement initial.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX. IX.4 – Exemple . 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.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.2. r + − ζ K u G(p) y Fig. IX.3 – Mesure des angles et des amplitudes IX.2 R`gles g´n´rales de construction e e e Les r`gles g´n´rales de construction du lieu des racines sont donn´es sous forme e e e e g´n´rale puis sont illustr´es ` l’aide de deux exemples.

13) K p(p + 1)(p + 2) (IX. −2 o e n − m branches infinies .10) (p + 2) G2 (p) = 2 p + 2p + 3 . De plus.12) . e e L’´quation caract´ristique est toujours factoris´e sous la forme : e e e 1+ K(p + z1 )(· · · )(p + zm ) =0 (p + p1 )(· · · )(p + pn ) (IX. Les pˆles sont les points de d´part (K → 0) o e alors que les z´ros sont les points d’arriv´e du lieu (K → ∞).Etape 2 : localisation des pˆles et des z´ros de la boucle ouverte dans le o e plan complexe. il y a autant de branches au lieu des racines qu’il y a de pˆles en boucle o ferm´e. Si ce nombre est ´gal au nombre de pˆles en boucle ouverte.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.3 pˆles en boucle ouverte et en boucle ferm´e.15) Les points d’arriv´e du lieu des racines en boucle ferm´e sont donc bien les z´ros en e e e boucle ouverte. e m branches finies Exemple 1 : .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. 0.Etape 1 : factorisation de l’´quation caract´ristique. −1. e e K→0 lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX. n (ce qui est e e o le cas en g´n´ral) et que le nombre de z´ros en boucle ouverte est ´gal a m alors le e e e e ` lieu est constitu´ de n − m branches infinies et de m branches finies. K→+∞ lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX.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.

Le polynˆme caract´ristique est de degr´ 2. −1 ± j 2 o .L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0.16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte. .Etape 4 : d´terminer les asymptotes au lieu des racines. Exemple 2 : √ . il y a n´cessairement 3 branches infinies.Il y a deux pˆles en boucle ouverte. − 2] et [−1 . 2. Exemple 1 : puisque n − m = 3. o e e .2. e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX.Pas de z´ros e . · · · ) (IX.Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el. e Si le lieu des racines a des asymptotes alors. e Exemple 1 : les segments ] − ∞ . Exemple 2 : le segment ] − ∞ .Le polynˆme caract´ristique est de degr´ 3.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. 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. .Il y a un z´ro.17) Remarques IX. .2 .Les asymptotes indiquent le comportement pour |p| 1. 0] appartiennent au lieu des racines. 1. − 2] appartient au lieu des racines. Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´.Une branche du lieu peut ou non traverser l’asymptote correspondante. −2 e .244 ANALYSE PAR LE LIEU DES RACINES . 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.18) . . Il y aura donc 1 branche finie o e e et une branche infinie. Il y aura donc trois branches o e e infinies. o e ` e Pour chaque portion de l’axe r´el ` tester.

il existe au moins un point d’´clatement e e (respectivement de rencontre).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.24) . 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.Calculer l’´quation alg´brique (IX.22) (IX. e e e 1+ K =0 p(p + 1)(p + 2) (IX.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 2. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1. d’o` l’on a une seule direction infinie qui fait un u angle avec l’axe r´el donn´ par : e e Φa = 180o (IX. e Exemple 1 : l’´quation caract´ristique s’´crit.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines.3 . Si les rae e e cines sont r´elles.21). ce point appartient au lieu des racines.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.19) Exemple 2 : on a n − m = 1.21) Remarques IX. u dK = −3p2 − 6p − 2 = 0 dp (IX.20) . e e e 3. Si K > 0. o e e B(p) + KA(p) = 0 alors.CONSTRUCTION DU LIEU D’EVANS alors que l’angle avec l’axe r´el est donn´ par : e e Φa = ±60o (2k + 1) 245 (IX. on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines. On suppose que le polynˆme caract´ristique s’´crit.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.D´terminer les racines r´elles et complexes de cette ´quation. On obtient donc. Dans le cas come e plexe. cette v´rification est simplement graphique. e e ` e .2.

Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire. (IX.4226.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif.26) p2 + 2p + 3 p+2 (IX. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2.246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1. K = 6).7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en.2679 et −3.27) (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 > 0.5774 o e e et −0. e e e e K − 3ω 2 = 0 2 (IX. Exemple 2 : l’´quation caract´ristique s’´crit. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0. . Il n’y a donc pas d’intersection avec l’axe imaginaire. e e e K=− d’o`.25) On a donc encore deux solutions −0.30) √ ω = 0 ou ω = ± 2 (IX. e .28) K=6 (IX.

35) .4 Dans certains cas particuliers.5 – Exemple 2 : calcul des angles de d´part e Remarques IX. IX.2. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX. e e √ Exemple 2 : il y a deux points de d´part complexes. en e ´crivant l’´quation caract´ristique pour p = σ + jω. On obtient. e e e e (σ + 2)2 + ω 2 = 3 (IX.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig.Etape 7 : d´terminer les angles de d´part d’un pˆle complexe et d’arriv´e e e o e d’un z´ro complexe e L’angle de d´part d’un pˆle complexe est calcul´ par. −1 ± j 2. e o e Θ = 180o − i θi + j Φj (IX.3. e e e Φ = 180o − i Φi + j θj (IX.CONSTRUCTION DU LIEU D’EVANS 247 .33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. sur l’exemple 2. on obtient l’´quation. Ainsi. il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes.

5 −1 −0. IX. >> rlocus(G1).5 −1 −1.5 Real Axis 0 0.248 .[1 2 3]).[1 3 2 0]).Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1. IX.5 2 Fig. 2 1.5 Imag Axis 0 −0.6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].5 1 1.5 −2 −1. 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2.7 – Exemple 2 .5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig.5 1 0. >> rlocus(G2).

e e e e e Exemple IX.3 IX. a e En appliquant la condition des gains a l’´quation caract´ristique.5 3 2.707.5 0.7i Damping: 0. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.18 0 Fig.68 −1. IX.1 Analyse des syst`mes boucl´s par le lieu d’Evans e e R´glage du gain e Une des op´rations basiques de correction consiste a r´gler le gain de boucle K afin e ` e d’avoir un amortissement donn´ pour les pˆles en boucle ferm´e et fix´ par l’angle d’amore o e e tissement Ψ.3.38 −0.8 −2.7+j1.89 −2 −4.5 −4 −3.8.4 rad/s.38 0.707 Ψ = 45o (IX.5 0 4 3.7±j1.7 (IX.5 −3 0.` ´ IX.986 −1 −1.8 0. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines. Ce point d’intersection permet alors en retour la d´termination de la valeur du e gain K n´cessaire par simple r´solution de l’´quation caract´ristique en boucle ferm´e.5 0.5 Real Axis −2 0.5 1 0.986 0.68 0.3. a Root Locus 2 0.4 .18 1.95 0.5 2 1.7 + 1.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1. on obtient.1 On reprend l’exemple 2 pour lequel on souhaite en boucle ferm´e une paire de pˆles e o complexes conjugu´s d´finis par leur amortissement ξ = 0.5 −0. ` e e K= |p2 + 2p + 3| = 1.707 Overshoot (%): 4.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.5 Imaginary Axis System: G2 Gain: 1. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.5 0.3.89 0. Cela conduit a choisir : e e ` cos Ψ = 0.54 0.5 0.5 0.34 Frequency (rad/sec): 2.39 Pole: −1.7.95 1 0.8 – R´glage du gain et amortissement e .39 |p + 3| p=−1.54 −1 0.

Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX.38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote. e e Script MATLAB 27 >> G=tf([1 2].2 Syst`mes ` stabilit´ conditionnelle e a e Une autre caract´ristique int´ressante du lieu des racines est de faciliter l’analyse e e graphique des syst`mes conditionnellement stables.2 (dynamiques longitudinales d’un avion avec autopilote) Soit l’asservissement a retour unitaire dont la fonction de transfert en boucle ouverte est ` donn´e par : e KG(p) = K(p + 2) p(p − 1)(p2 + 6p + 36) (IX.9.conv([1 -1 0]. e Exemple IX. Pour v´rifier cela. >> rlocus(G). le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue.3. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´.3.250 ANALYSE PAR LE LIEU DES RACINES IX. >> sgrid .[1 6 36])). 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.

0015 − 2.89 10 6 0.64 8 0.94 0 −2 −4 4 0.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.8 4 0.94 2 Imaginary Axis 2 System: G Gain: 61.17 0.28 0.8 Frequency (rad/sec): 2.8 −6 6 −8 0.23 2 0.5 0.08 8 10 0 1 2 Fig.89i Damping: 0.28 0.000437 Overshoot (%): 99.23i Damping: 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.08 8 System: G Gain: 112 6 Pole: −0.9 – Syst`me ` stabilit´ conditionnelle e a e .0017 + 3.38 0.38 0.5 Pole: −0. IX.5 0.9 4 Frequency (rad/sec): 3.17 0.000674 Overshoot (%): 99.

ea e . ) e ) sgrid : g´n`re une grille iso-amortissement et iso-gain dans le plan d’Evans.4.252 ANALYSE PAR LE LIEU DES RACINES IX.4 IX. ) e e ) [K.1 Fonctions MATLAB Fonctions li´es ` l’utilisation du lieu des recines e a ) [R.K]=rlocus(sys) : calcule le lieu des racines du mod`le LTI sys.poles]=rlocfind(sys) : outil interactif de recherche du gain et des pˆles sur un ) o lieu des racines d´j` trac´.

1 (signal ´chelon) e e On appelle ´chelon d’amplitude E ou fonction de Heaviside en t0 .1 Signaux d´terministes en temps continu e Dans la suite.1.1 Repr´sentation temporelle des signaux d´terministes classiques e e Les signaux d´terministes classiques utiles en Automatique sont rappel´s et leurs proe e pri´t´s d´taill´es.Annexe A Rappels de th´orie du signal e A. le signal not´ e e u(t − t0 ) d´fini par : u(t − t0 ) = E si t − t0 ≥ 0 u(t − t0 ) = 0 si t − t0 < 0 et repr´sent´ ` la figure A.1. e e A.1) 253 . ee e e Le signal ´chelon e ´ Definition A.1. e ea (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.

2. on parle de rampe unit´ ou de rampe unitaire.1. A.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig.2) e(t) αt 0 to t Fig. A. e e e Le signal rampe ´ Definition A. L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e . L’impulsion n’est pas en effet e une fonction ordinaire.2 (signal rampe) On d´finit le signal rampe r(t) de pente α par. 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.1 – Fonction de Heaviside Pour une amplitude E = 1.2 – Fonction rampe Pour α = 1. e ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A. on parle d’´chelon unit´ ou d’´chelon unitaire.

3) e e L’impulsion d’aire 1 est la fonction de Dirac.1. 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 .SIGNAUX DETERMINISTES 255 sans l’arsenal math´matique requis et en utilisant des r`gles de calculs et de passages ` e e a la limite intuitifs.3 – Fonctions impulsion L’impulsion a donc une aire finie pour une dur´e d’action infiniment courte et une e amplitude infiniment grande : +∞ −∞ Aδ(t − t0 )dt = A (A.1.4) t δ(t − t0 ) = 0 si t = t0 δ(t0 ) = ∞ δ(t − t0 ) = du(t − t0 ) dt u(t − t0 ) = δ(τ − t0 )dτ −∞ L’impulsion d’aire A en t0 est conventionnellement repr´sent´e par une fl`che de haue e e teur l’aire de l’impulsion en t0 . A. δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes.1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A. not´e Aδ(t − t0 ). ee ´ ´ Proprietes A. δ (t−to) A 0 to t Fig. ´ Definition A.3 (impulsion) e e e Une impulsion d’amplitude A en t0 . fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig.

2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf.1. annexe A4).5 (transformation de Laplace) La transform´e de Laplace unilat`re d’un signal causal x(t) est d´finie par : e e e +∞ L[x(t)] = X(p) = o` p = σ + jω est la variable complexe.La transform´e de Laplace bilat`re est d´finie par : e e e +∞ Lb [x(t)] = X(p) = x(t)e−pt dt (A. 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. D´finition de la transform´e de Laplace e e ´ Definition A.7) 0 Remarques A.6) Le signal sinusoidal ´ Definition A. e ` A.8) −∞ .5) 0 T 2T 3T 4T 5T 6T t Fig.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).1.1.1 . le produit d’une impulsion δ(t − t0 ) par une fonction f (t) born´e et contie nue en t0 est l’impulsion d’aire f (t0 ) en t0 : +∞ f (t)δ(t − t0 ) = f (t0 )δ(t − t0 ) ⇔ −∞ f (t)δ(τ − t0 )dτ = f (t0 ) (A.1. A.256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac. u x(t)e−pt dt (A.5 – Peigne de Dirac Finalement.

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

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

28) .27) F[x(t ± T )] = e±jωT X(ω) (A.1 La transform´e de Fourier e D´finition e ´ Definition 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).2 A.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A.25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A. on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.2. e A. LA TRANSFORMEE DE FOURIER 259 A. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .´ A.2.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A.2.2.1 (transform´e de Fourier) e La transform´e de Fourier d’une fonction x(t) est une fonction de la pulsation d´finie e e par.

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

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

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.1.j A= ||A||sum = i.∀ e ∈ E : ||e|| ≥ 0 2.1.||e|| = 0 ⇔ e = 0 3.||B|| Exemple B.∀ α ∈ R.2 1 −2 0 6 |aij |2 = i.1.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B. 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.1.||e|| 4.5 (p-norme d’un vecteur) e Soit e ∈ Rn . e2 ∈ E.j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e .1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B. d´finie sur un espace vectoriel E.j i. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.1. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B. e e e e ´ Definition B.4 (norme) Une norme est une fonction . ||αe|| = |α|.1.6 (condition de consistence) ||A|| est une norme matricielle si elle v´rifie en plus des propri´t´s ´l´mentaires la propri´t´ e e e ee ee multiplicative : ||AB|| ≤ ||A||.∀ e1 .

λk .Les valeurs propres de Ak sont λk .1.1.1.l ≥ m: Σ= diag(σ1 .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. Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes. ee u . e e e . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B.` ´ ´ ´ B.2 . σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) . On associe a chaque valeur propre λi . · · · . Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A).1. · · · c + λn o` λ1 .1.Les valeurs propres de A sont ´gales aux valeurs propres de A . . e ´ Definition B.1. Elle sera dite de rang plein si : e e rg(A) = min(n. · · · .8 (rang d’une matrice) : Rn → Rm .Les valeurs propres de (cI + A) sont c + λ1 .3 ||A||i1 = max j i |aij | i =8 H ||A||i∞ = max i j |aij | =6 ||A||i2 = σ(A) = max λi (A A) = 6. un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B. λn sont les valeurs propres de A.3326 valeur singuli`re maximale e ´ Definition B.1. 1 n .2 Valeurs propres et valeurs singuli`res e ´ Definition B.1. · · · .Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux.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.9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R . m) B.

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

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

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

.3) eAt = P eJt P −1   0    0    ···  =P          eλ1 t teλ1 t eλ1 t 0 ··· te eλ1 t ··· . . . . . ..2 Utilisation de la transform´e de Laplace e eAt = L−1 [(p1 − A)−1 ] (B.2. . ce qui conduit a une matrice rationnelle ` en p dont on calcule la transform´e de Laplace ´l´ment par ´l´ment. .. ce qui e e e donne.4) La seconde m´thode utilise la transform´e de Laplace et la formule suivante : e e Il suffit alors d’inverser la matrice (p1 − A). 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. .   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. .2.. ··· ··· ··· . v2 = [0 1 2] .CALCUL DE LA MATRICE DE TRANSITION D’ETAT eAt  t2 λ1 t e 2 λ1 t 267         ···   −1 P      ···     (B. . . . . . . .. Alors. .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). . . . e ee ee Exemple B. eλn t B. . ··· ··· ··· . . ··· . . . . eλn−1 t . . . . ··· .   1 0 0 P = 1 1 0  1 2 1 .

268 La matrice A triangularis´e e  1  0 J= 0 RAPPELS D’ALGEBRE LINEAIRE et eJt s’´crivent alors. e e . e  t  1 0 e tet Jt 1 1  e =  0 et 0 0 0 1 1 2 t te 2 t   te et Cela permet d’obtenir finalement.   t 1 2 t tet − t2 et te e − tet + 1 t2 et 2 2 1 2 t  te et − tet − t2 et tet + 1 t2 et eAt = P eJt P −1 =  2 2 1 2 t 1 2 t t t 2 t t t te + 2 t e −3te − t e e + 2te + 2 t e La seconde m´thode implique de calculer (p1 − A)−1 . e  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.

2 (diff´rentiabilit´ (Frechet)) e e n e Une fonction f : R → R est dite diff´rentiable en x s’il existe un vecteur a ∈ Rn tel que : ∀ y ∈ Rn f (x + y) = f (x) + a y + o(y) Le vecteur a est appel´ le gradient de f (x) au point x et est not´ f (x) ou ∇f (x) : e e ∀ y ∈ Rn f (x + y) = f (x) + y + ∇f (x) y + o(y) Remarques C.1.Annexe C Rappels d’Analyse C.1 Rappels de calcul diff´rentiel e ´ Definition C.1 (notations de Landau) Soit f : Rn → R. .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 . .La notation f (x) = o(x) signifie que f (x) tend vers 0 plus vite que x : ∃K≥0 | f (x) → 0 quand x → 0 x ´ Definition C.1.1.1   ∇f (x) =  ∂f (x) ∂x1    . . ∂f (x) ∂xn 269 .

1. ´ ` Theoreme C.1.3 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.270 RAPPELS D’ANALYSE ´ Definition C. m) est diff´rentiable (resp. C 1 ). La matrice gradient de f en x.4 (fonction C 1 ) Si une fonction f est diff´rentiable sur un ensemble ouvert S ⊂ Rn et que le gradient e ∇f (x) est une fonction continue alors f est dite C 1 sur S. 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C.2 (formulaire de d´rivation) e . · · · .Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 .5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp.6 (matrice Hessienne) e e Soit f : Rn → R.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. . une fonction C 1 en x.∀ y ∈ V(x).1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert.1. . 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 . C 1 ) si chaque composante fi (i = 1. ∃ α ∈ [0. .1. · · · .1.1. la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C. not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x). On d´finit la matrice Hessienne de f not´e e ∇2 f (x).∀ y ∈ V(x). ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = .1. e ´ Definition C.

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

Une fonction scalaire V (x.2 e . t) > 0 Exemple C.Cas particulier important : la forme quadratique V (x) = x P x. (semi) d´finie n´gative alors −V (x. x2 ) = x2 + sin2 (x2 ) est d´finie positive localement. 1 . V (x.272 RAPPELS D’ANALYSE C.1 (fonctions d´finies positives) e e 1.2 (fonctions semi d´finies positives) e e 1.2.2. 1 e .Une fonction scalaire V (x. t) = 0 2 − ∀ x = 0 ∈ Br V (x.Une fonction scalaire V (x. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0. t) = tcos(x1 ) est une fonction localement semi d´finie positive. t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0. 2 e e . t) > 0 e e 2. t) = 0 2 − ∀ x = 0 ∈ Rn V (x. t) ≥ 0 Exemple C. e .Si une fonction V (x.Une fonction scalaire V (x. e 2.2.V (x.2.2 Rappels sur les fonctions d´finies positives e ´ Definition C. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive. x ∈ Rn avec e e P = P . t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0. si P est une matrice (semi) d´finie positive (n´gative). x1 . t) = 0 2 − ∀ x = 0 ∈ Rn V (x.2. 1 2 ´ Definition C. t) est (localement).1 e .V (x. t) ≥ 0 e 2. 1 Remarques C. t) est e e (localement) (semi) d´finie positive.V (x.1 1. e e Exemple C.3 e . t) est (semi) d´finie positive (n´gative). t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative.V (x) = x1 x2 + x2 est une fonction ind´finie. t) = 0 2 − ∀ x = 0 ∈ Br V (x. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0. t) = t2 x2 est une fonction semi d´finie positive.V (t.V (x.2.

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

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

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

Thurston. http://www.H.rsl.rochester. A history of the growth of the steam engine.htm .edu/steam/thurston/1878/ [47] http://vivovoco. 1878.276 REFERENCES BIBLIOGRAPHIQUES [46] R. Appleton and company.ru/VV/PAPERS/NATURE/MATH/CHAPT-02.history. New York.

. . e e e II. .4 Commande longitudinale d’un avion civil . . . . . . .3. . . . . . . . . . . . . . . . . .2 Servom´canisme hydraulique . . . . .6. . . . . . . . . . . . . . . . . . .1 II. 5 5 7 19 19 21 24 24 24 25 26 27 27 29 29 33 35 37 37 38 42 46 48 48 52 53 54 57 57 59 61 61 62 65 67 I. . . . e I. . . . . . . . . . . . . . . . . . . . . . . .2 I. . . . . . . . . . .4. . . . . . . . . . . II II.2 Sch´ma fonctionnel et fonctions de transfert . . . . . . . . . . . . .4 II.1 La matrice de transfert . . .2. . . . . . e II. . .4 Le cas particulier des syst`mes SISO . .4. . . . . . . e I. . . . . . . . .4. . . . . . . . . Th´orie des syst`mes et th´orie de la commande e e e I. . . . . . . . .3 Introduction ` la th´orie de la commande a e Introduction . . . . .7. . .3 II. . . e e e II. o I. . . . . . . . . . . . . . . . . . e Pˆles et z´ros d’un mod`le LTI . . . . .7. . . . . e Approximation lin´aire des syst`mes physiques . . . . . . . . . . . . .3 Repr´sentation d’´tat lin´aire . . . . . .5. .2 II. e II. . . . . . . .3 Contrˆle d’attitude d’un satellite . . . . . . . . . . . . . . . . . . . Bref album chronologique . . . . . . . . . . . . e II. . . . . . . . . .la repr´sentation d’´tat . . . . . . . . . . . . . . . . . . .2 Repr´sentation d’´tat des syst`mes dynamiques . . . . .7. .1 Notion de syst`me . . . . . . . . . . . . . o e I. .4 . . . . .1 R´gulation de temp´rature dans un four . . . . . . . e II. . . . . . . . . . . . . . . . . . . . . . . .1 I. . e e Le mod`le interne . . . . . . . . . . . . . . . . . . . . . . . .1 Sch´ma fonctionnel . . . . . . . . .6 II. e e e Les mod`les externes (entr´es-sorties) . . . . .4. . . . . . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat . . . . . . . . . . . . . e II. . . . . . . . . . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . . . . e e e e II. . . . . e e I. . . . . . . e e II. . . . . . . . . . . . . . . . . . . . . . . . . . . . . o e e II. . . . . . . . . .5. . . o e o II. . . . . . . e Exemples de syst`mes de commande modernes . . . Exemples caract´ristiques . . . .4. . . . .1 Le polynˆme caract´ristique et les pˆles . . . . . . . . .5 II. . .2 Th´orie de la commande . . . . . . . . . . . e e e . . . . . . . . . . . . . . . . . . . . . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . . . . . . . . .2 Contrˆle de la tˆte d’un disque dur . . . . . . . .3. . . . . e e e II. . .4. . . . . . . .2. . . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . .` TABLE DES MATIERES 277 Table des mati`res e I I.5. . . . . . . . . e e II. . . . .4. . .5.6. . . . . . . e Les mod`les graphiques .1 Contrˆle d’attitude d’un satellite .2 La matrice de r´ponse impulsionnelle . . . . .3 Equations diff´rentielles entr´es-sorties . .Lin´arisation . . . . . II. . . . . . . . . . . . . . . . . . . . . . .2 Les z´ros . . . . . . . e e II. . . . . .7. . . . . . . . . . .1 Le concept d’´tat d’un syst`me . . . . . . . . . . . . . . .4. . o II. . . . . . . . . . . . .

. . . .2 R´ponse ` des entr´es types . . IV V . . . . . . . . . . .2. . e II. e III. . . . e III. . . . . . . . .1. . . . 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. . . . . . . . . . .3. . . .8. .1 D´finition . . . . . . . . . . . e e III. . . . . . e IV.2 Fonctions de mod´lisation LTI . . . .2.6. . . .8. .3. . . . . . . . . . .2 Th´orie de la r´alisation . . .1 Fonctions d’alg`bre de base . . . . . . . . . . .3 Fonctions de conversion entre mod`les LTI . .4. . . . . . . . . . . e e e V. . . . . . modales . . . . . . . . . . . .3 R´gime permanent . . . . . . . . .1. . . . . . .6 Fonctions MATLAB . . . . . . . . . . . . . . . e III. . . . . . . .4. . . . . . . . . . . .5 Grammiens de commandabilit´ et d’observabilit´ . . . . . . . . . . . .2. . . . e e IV. . . . . . .3 Relations entre mod`les internes et externes . . . . . . . . . . . . . . . .1 D´finition . . . . . . . . .1. . . . III. . e III. . . . . . . . . . . . . . . . . . .1 Les formes canoniques d’´tat . . . . . . . . . . . . e III. . . . . . .1 Signaux d’entr´e types . . . . . . . . . . . . . . . . e V. . . . . . . . . . . . .2 Les syst`mes du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . e e V. . .1 Fonctions d’alg`bre de base . . .r´gime forc´ . . . . . . e III. . . .6. . . . . . e IV. . . . . . e e III. . . . . . . . . . . . .4 Nature des points d’´quilibre en dimension 2 e IV. . . . . . . . . . . . . . . . . . . . . . . . . . . .8 Fonctions MATLAB . . .2 Crit`re d’observabilit´ . . . .2 R´gime libre . . . . . . . . . . . . e IV. . . . .1. . . . . . . . . . . . . . . . . . . e IV. e e IV.2 La stabilit´ interne . .3 Dualit´ de la commandabilit´ et de l’observabilit´ .2 Notion d’observabilit´ . . . . . . . . . . . . . . . . . . . . . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV. . .1 Cas de modes simples distincts .3 Crit`re alg´brique de Routh-Hurwitz . ` TABLE DES MATIERES . . . . . . . . . . . . . .1. . . . . . . . . e III. . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . .2. . .8. . . . . . . e II. . . III. . . . . . . . . . e e IV. . . . . . . . . . . . . . . . .1. . . . . . . .2 Crit`re de commandabilit´ . . V. . . . .1 D´finitions . . . .3 La m´thode de Lyapunov . . . .2 Cas de modes multiples . . . . . . . . e III. . . . . . .3 Stabilit´ BIBO et stabilit´ interne . e V. . . . . . . . . . . . . . . .1 D´finition . . . . . e a e V. . . . . . . . . . . . . . . . . . . . . .2.278 II. . . .1. .3 Fonctions d’analyse des mod`les LTI e II. . . . . . . e V. . . . . . . . . . . .r´gime transitoire . . . .6. . . .1 . .8. . . . . . . . . . . . . . . . .4 Fonctions de mod´lisation par blocs . e III. . . . . . . . . . . .2. . . .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. . . e . . . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . . . . . . . . . .1 La stabilit´ BIBO .1 D´finition et exemples . . . . . . . . . . . . . . . . . . . . . . . . e e III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Caract´risations de la stabilit´ BIBO . . . . . . . . . . . . . II. . . . . . . . .1 Stabilit´ des syst`mes LTI e e IV. . . . . . . . . . . . . . . . . . . e Analyse temporelle des syst`mes continus e Introduction . . e e e III. . . . . . . . . . . . . .1. . . . . . . . . .2. . . . . . . . . . . . . . III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e III. . . . . . .

. . . .3. . . . . . e VI. . . . . e e V. . .3 Les syst`mes du second ordre . . . . .1 Principe de la contre-r´action . . . . . . . . . . . . 160 . . . . . . .3. . VI. . . . . . . . . . . . . . . . . e e V. . . .5. . . . . .2 Caract´risation des syst`mes de commande a contre-r´action . 193 . .3 Sp´cifications temporelles d’un syst`me du second ordre . .4.4 Fonctions MATLAB . . .1. . . . . . . . . . . . . . . .3. . .2. . e ` e VII.3 Stabilit´ interne des syst`mes boucl´s . . . . . . . . . . . .1. .2 Fonctions d’analyse des mod`les LTI .2 Le lieu de Bode . . . . . .1 Le crit`re de Nyquist multivariable . e . . . . 153 . . . . . . . . . . . . . e e e VII. . . . . . . . . . . .5 Fonctions MATLAB . . . . . . . . . . . . 173 . . . . . . . . . . . . . . . . . . . . . . . . e VI.1 Fonctions d’analyse de stabilit´ . . . . . . . . . . . . . . . . . . . .2 Le crit`re du revers . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. . . . . . . . . .2 Etude de la r´ponse indicielle . . 189 . . . . . . . . . . . . . . VI. . 147 .2. . . . . . . . . . . . . . e V. . . . . . . . . . . . . .5 Extension aux syst`mes multivariables . . . . 194 . . . . . .1 Fonctions de trac´ de la r´ponse fr´quentielle . . . . e e V. . . .2. e V. . . . . . . . . . . . . . . . . . VIII. . . . . . . . . . . . . . . . e V.` TABLE DES MATIERES V. . . . . . . . . . . . . . . . . . . . . . . VIII. . . . . . . . . . . VI. . .2 Extension au cas des syst`mes multivariables . . . . . . . . . . . . .4. . . . . . . 149 .4 Les syst`mes ` non minimum de phase . . . e e e VII.1 Introduction . . . . . . . . . . . . . . . . . e VII.3 Sp´cifications temporelles sur le r´gime transitoire . . e ee VI. . VII. 147 . . VII. . . . e VII. 153 . . . . . . . . . . .2. . . . . . . . . . . . . . . e o V. . . . . VI.2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI. . . . . 184 . . . . . . . . . . . . e a VI. . . . . . . .4. . . . . . . . . . . e e VII. . . . . e e e 147 . . . . e VII. . . . . . . .1 Les syst`mes monovariables . . . . . . . . .2 Analyse en stabilit´ des syst`mes boucl´s . . . . . . .2 Effets des z´ros et des pˆles additionnels . . . . . . . .3 Fonctions MATLAB . 189 . . 177 . . . . .1. . . .2. . . . . . . .2. . . . . . . . . .1 Le crit`re de Nyquist . .1 D´finitions et exemples .2 Rejet de perturbation b . . . . . . . . . . . . . . . . . . . e VI. . . . . . 279 123 123 126 130 132 132 139 141 145 145 145 VI R´ponse fr´quentielle des syst`mes LTI e e e VI. e V. . . . .3 Extension aux syst`mes multivariables . . . . . . . . . . . . 179 .4. . . . .2. . . . . .1 Notions de modes . . . . . .2 Le th´or`me du faible gain . . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII. . . . . . . 177 179 . V.4 Les syst`mes d’ordre sup´rieur . . . . . . . . . . . .1 Fonctions de r´ponse temporelle . .1 Syst`mes de commande a contre-r´action . . e VII. . . . . . . . . .2. . . . .1 Le lieu de Nyquist . .3.3 Le lieu de Nichols-Black . . . . . . . . . . . . . . . .4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . . . . . . . . . . . .5. . . . . . . . . . . . . . . .3. . . .1 Rappels sur les relations de bouclage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . .2. . . . V. . . 168 . . . . . 179 . . . . . . . . . . . . .2. . . . . . . 175 . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . e e ` e VII. . . .3. . . . . . . . . . . e VIII Analyse en performance des syst`mes boucl´s e e VIII. . . . . . . . . . . . . . . . . . . . . . e VII. . . . . . . .1 D´finition et propri´t´s . . .

. . . . . . . . A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . . . . .7 Modelage des fonctions de sensibilit´ .3. .2 A. . . .2. . . . . . . . . . . . . .2. . . . . . e B. . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . .1 . . . . . . . . . . . .3 Analyse des syst`mes boucl´s par le lieu d’Evans .4 Suivi de r´f´rence r : pr´cision . . . .3 ecifications de performance . . . . . . . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . . 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 Matrices sym´triques . . . . . . . . . .1.3. .2 Syst`mes ` stabilit´ conditionnelle . .1. . . .2.5 Comportement aux fr´quences interm´diaires . . . . . . IX. . . . .2 Calcul de la matrice de transition d’´tat eAt . . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . . . . . . . . . . . . Construction du lieu d’Evans . . . . . . IX. . . . . . . . . . . . . . .2 Les fonctions de sensibilit´s en entr´e et en sortie .1. . . . . . . . . ee e VIII. . . . . . . . . . . . . .280 ` TABLE DES MATIERES . . . . ee e . . . . . . . . .2. e e VIII. . . . . . . .1 C. e e A. . . . . .2. . . . . . . IX. . . . . . .1 D´finition . . e a IX. . . . . .6 Notion de modelage de boucle : loopshaping . . . . B. . . .3. . . .2 Repr´sentation fr´quentielle des signaux continus . . . .2 Valeurs propres et valeurs singuli`res . . . . . .1 R´glage du gain . . . . .2. . . . . . . e B. norme et rang .1 Conditions des angles et des amplitudes . . . . . . . . .2. . . . . . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Produit scalaire. . .1 Fonctions li´es ` l’utilisation du lieu des recines . e A. . . R´ VIII. . . . . . . . . . .1 IX. . . . . . . . . . . . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . . . . . . . . e A. . . . . . e B. . . . . . . . . . . . . . . . . . . . . . . . . . . . . B B. . . 272 e 273 R´f´rences bibliographiques ee . . . . . . . . . . . . . . . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. . . . .3. . . . .4. . . . . . . . . . . . . . . . . . .2 La transform´e de Fourier . . . . . .8 ecifications de performance en sensibilit´s mixtes . R` e VIII. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e A. . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . e VIII. e e ee B. . . . . . .3. . . . VIII. e a e IX. . .1 M´thode de triangularisation . . . . . . . . e e IX. . . . . . . . . . Sp´ e VIII. . . . . . . e e e IX. . . e B. . . .2. . . .3 eduction du bruit de mesure w . . . . . .2 R`gles g´n´rales de construction . .2 Propri´t´s de la transform´e de Fourier . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . e e VIII.1 egles d’association dans les sch´mas-blocs . . .2 Utilisation de la transform´e de Laplace e C. .1. 269 e Rappels sur les fonctions d´finies positives . .2. . . . . . . . . . . . . . . e IX. . . . . .2. .4 Fonctions MATLAB . . . . . . .

Sign up to vote on this title
UsefulNot useful