ENSICA - Premi`re ann´e e e

Repr´sentation et analyse des syst`mes e e lin´aires e
Notes de cours Version 5.0 D. Arzelier
LAAS-CNRS 07 Avenue du colonel Roche 31077 Toulouse cedex 04 France arzelier@laas.fr

Avertissement : ce document est constitu´ de notes de cours et ne pr´tend donc ni ` e e a l’exhaustivit´ ni ` l’originalit´. Ces notes doivent en effet beaucoup aux emprunts faits e a e aux ouvrages r´f´renc´s en bibliographie. Ce document peut ´galement ˆtre t´l´charg´ en ee e e e ee e version .ps ou .pdf a l’adresse http://www.laas.fr/˜arzelier. ` a Remerciement : je tiens ` remercier Marie pour sa relecture attentive du manuscrit et pour les nombreuses corrections apport´es. e

3

Notations
- R : corps des nombres r´els e - A : matrice transpos´e de la matrice A e - A > 0 : A matrice d´finie positive e • : norme Euclidienne pour un vecteur et induite par la norme Euclidienne pour une matrice

- δkl : symbole de Kronecker, δkl = 1 pour k = l et δkl = 0 pour k = l - δ(t) : impulsion de Dirac - 1n : matrice identit´ de dimension n e - Arg[•] : argument du probl`me d’optimisation e - u(t) : fonction de Heaviside - H = [hij ] 1≤i≤m 1≤j≤r : notation de la matrice de dimensions m × r

- h(t) ∗ e(t) : produit de convolution de h(t) par e(t) - diag(A1 , A2 , · · · , An ) : matrice bloc-diagonale ayant A1 , A2 , · · · , An sur sa diagonale - u ∧ v : produit vectoriel des vecteurs u et v

Chapitre I Introduction ` la th´orie de la a e commande

I.1

Introduction

Ce cours constitue une introduction a l’Automatique commun´ment et caricatura` e lement qualifi´e de science des automatismes. Son objet au sens large est donc l’´tude, e e l’analyse, la synth`se et la r´alisation des syst`mes de commande. Ce terme synth´tique e e e e est souvent ambigu et ne d´finit pas un p´rim`tre scientifique aussi clairement identie e e fiable que l’´quivalent anglo-saxon Automatic Control. Il s’agit pourtant bien de la mˆme e e th´orie de la commande fond´e sur la notion centrale de contre-r´action (feedback en e e e anglais) soit une th´orie de la r´gulation. e e Si les syst`mes de commande a contre-r´action sont connus depuis l’Antiquit´, le e ` e e `me e `me e si`cle pour les d´buts industriels et surtout le XX e e pour sa conceptualisation XIX th´orique ont r´ellement su utiliser l’id´e fondamentale de cette structure de commande. e e e Comment expliquer ces si`cles d’obscurantisme scientifique quand la biologie et le compore tement animal offrent tant d’exemples de syst`mes r´gul´s? Ce n’est certainement pas un e e e hasard si la perc´e technologique de la r´tro-action co¨ e e ıncide avec la r´volution industrielle. e Il est ´galement peu douteux que la synth`se de la th´orie de la commande et de la th´orie e e e e de la communication op´r´e par Wiener et donnant naissance a la cybern´tique soit la ee ` e contribution majeure ayant permis de constituer l’Automatique comme champ scientifique ` part enti`re. Le retard dans le d´veloppement des boucles de contre-r´action provient a e e e de l’absence de d´finition math´matique claire de la notion d’information qui leur est e e indispensable. Cela montre a l’´vidence que l’Automatique n’est pas un champ scientifique ferm´. ` e e Ce champ est transversal dans ses applications allant de la r´gulation de l’´conomie ` e e a celle de la machine ´lectrique en passant par le pilotage des lanceurs, l’asservissement e des tˆtes de lecture dans les disques durs... Il emprunte ses outils aux math´matiques e e 5

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

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

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

(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. Brindley-1758. 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. En 1745.6 – Principe de la machine ` vapeur de Polzunov [35] a . I. A la fin de ce si`cle. a . Fig.2.I. Crapper 1775. I. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur. En Sib´rie. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig.R´gulation de niveaux (Salmon-1746. 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. BREF ALBUM CHRONOLOGIQUE 9 . la chasse d’eau est mise au point par le londonien Crapper en 1775. Polzunove 1765. En particulier. invention pour laquelle il est anobli par la reine Victoria.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). Wood-1784).5 – Machine a vent dot´e d’un fantail [23] ` e Enfin.

(Porter-1858). En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs. Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803. (Siemens-1846). e ` (Pickering-1862). Delap-1799. On peut e . ` e e Fig.9 – Manuscrit de Watt ou Boulder [44] .R´gulation de pression (Papin-1707.10 INTRODUCTION A LA THEORIE DE LA COMMANDE . 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. Ce type de e ` r´gulation a action proportionnelle est ensuite am´lior´ dans son principe par e ` e e Siemens qui lui substitue l’action int´grale ainsi que technologiquement par e son adaptation a des vitesses de rotation plus ´lev´es. I.8 – Moteur a vapeur de Watt [46] ` Fig. Fig.7 – Soupape de s´curit´ de Papin [46] e e . (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton.1800-1935 : cette p´riode pr´classique de la th´orie de la commande fˆt celle pene e e u dant laquelle les principales contributions furent d’ordre math´matique. il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur. I. I. James Watt se propose d’adapter le r´gulateur centrifuge de Mead e pour la r´gulation de la vitesse de rotation du moteur a vapeur.R´gulation a gouverne centrifuge (Watt-1788).

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

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.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. e e a . 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. seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques. a e Fig. A cette ´poque. 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.

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

43 rad/sec) . N. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. Shannon qui publie en 1948 ”The mathematical theory of communication”. I. Wiener et J. . Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”.D´veloppement de l’analyse stochastique (Kolmogorov-1941).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. .3 dB (at 1.25 dB 0.N.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0. Fig. N. Pm = −44. I.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT.7 deg (at 1.15 – Abaque de Black-Nichols .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. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. (Wiener et Bigelowe 1942) : A. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu. I.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu.14 – Lieu de Bode Fig.

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

2 −0.2 −0. Il montre d’autre part e e . (Sandberg-1964).1 −0. Popov proa pose le crit`re de stabilit´ (dit de Popov) pour l’´tude du probl`me de stabilit´ e e e e e absolue propos´ initialement par Lur’e et Postnikov en 1944. V. Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton. L.1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale.2 0. (Yakubovich-1962).M. au crit`re du cercle et de la passivit´. 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.A. (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats. Hamel en France et J.S. Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat. (Narendra-1964).5 −0.3 −0.4 0. I. (Popove e 1961).4 0. (Desoer-1965).3 −0. R. introduction du e e formalisme d’´tat (Bellman-1957).3 0.1 Real Axis 0.5 Fig. 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.1 Imag Axis 0 −0. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial.16 INTRODUCTION A LA THEORIE DE LA COMMANDE . De son cˆt´.Th´orie de la commande optimale et th´orie de l’estimation.3 0. (Tsypkin-1955). Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e.5 −0.2 0. e e q=5 − mu=1 − a=1 0. (Pontryagin-1958). .4 −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.Th´orie de la commande non lin´aire (Hamel-1949).1 0 0.4 −0.5 0. e e R. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B. 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.20 – Application du crit`re du cercle e .

e e Fig.21 – Livre de Lev Pontryagin .Commande ´chantillonn´e (Shannon-1950). I. Ragazzini. Franke e e e e lin et L. (Astr¨m-1970) : le d´veloppement o e des calculateurs dans les ann´es 50-60 permet leur utilisation a double titre e ` en Automatique.Intel 4004 [34] .Th´orie de la valeur singuli`re structur´e (Doyle-1982). I. G. Shannon dans les ann´es 50. (Safonov-1981) e .I. .1980-? : l’introduction des capacit´s de calcul ´tendues et l’extension des logiciels e e de simulation et d’assistance ` la conception s’est traduite par la r´unification des a e th´ories classique et moderne et par l’´mergence du probl`me sp´cifique de la come e e e mande robuste. (Doyle-1981). Il est n´cessaire de les utiliser hors-ligne pour les calculs de e synth`se et la simulation mais aussi comme ´l´ment dans la chaine de come ee mande. (Ragazzini et Zadehe e 1952). e Fig.Th´orie de la commande H∞ (Zames-1971).R.2. (Kuo-1963). Zadeh qui suivent les jalons pos´s par C. (Jury-1960). 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. 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.22 – Microprocesseur . (Safonov-1982) e e e . (Ragazzini et Franklin-1958).

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

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

26 donne un aper¸u sommaire d’une classie a e e c fication des mod`les math´matiques associ´s ` diff´rents types de syst`mes. I. . 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. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig. La figure I. e e . Traitant e e uniquement dans ce cours des syst`mes dynamiques. 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.20 INTRODUCTION A LA THEORIE DE LA COMMANDE . Ces ´quations peuvent ˆtre ordinaires e e e e dans le cas de syst`mes ` param`tres localis´s dans l’espace ou a d´riv´es partielles pour e a e e ` e e les syst`mes ` param`tres r´partis.formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie. 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. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours. e e Classification des syst`mes e Jusqu’ici.26 – Nature math´matique des syst`mes e e Ce cours a donc pour but l’´tude des syst`mes d´crits par des ´quations diff´rentielles e e e e e ordinaires d´terministes lin´aires ` coefficients constants. 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.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. Cela signifie qu’en th´orie des syst`mes. aucune pr´cision n’a ´t´ donn´e sur le type de mod`le math´matique utilis´ e ee e e e e dans le processus de mod´lisation.repr´sentation math´matique des int´ractions entre les ´l´ments ` travers la repr´sentation e e e ee a e math´matique des int´ractions entre les variables. e e a . En gras.

e e e La th´orie de la commande. 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. On parle alors de syst`mes lin´aires. L’ensemble des m´thodes permettant l’analyse du comportement d’un e syst`me donn´ et la synth`se d’un syst`me de commande satisfaisant des sp´cifications e e e e e de performance pr´cises d´finit la th´orie de la commande. branche de la th´orie des syst`mes. En effet. seuil. e e e e Ainsi l’hypoth`se de lin´arit´ va permettre l’utilisation d’outils (analytiques. 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 Toutefois. 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 .2 Th´orie de la commande e Le processus pr´liminaire de mod´lisation achev´. e Contre-exemple I. e e e e e e Si elle n’est strictement que rarement v´rifi´e en pratique. la sortie est e e e e e e donn´e par αs(t). zone e ıtre e e e e morte. ph´nom`nes e e e e e e ´lectrostatiques) ou font apparaˆ des ph´nom`nes non lin´aires (hyst´resis.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. Il conviendra donc de toujours justifier en pratique l’hypoth`se de e lin´arit´ et d’identifier son domaine de validit´. les syst`mes lin´aires v´rifient le principe de e e e superposition et le principe d’homog´n´it´. au sens large.1 e e Le syst`me d´crit par l’´quation entr´e-sortie s = e3 n’est pas lin´aire car ne v´rifiant e e e e pas le principe de superposition alors que le syst`me d´crit par l’´quation entr´e-sortie e e e e s = me + b ne v´rifie par le principe d’homog´n´it´. e e e I. Un processus de lin´arisation est alors n´cessaire. 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.3. les performances. e e e e D’un point de vue purement technique. grae e e phiques) tr`s simples et puissants tels que les transform´es de Laplace et de Fourier. 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). 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). frottement sec).3. e e e d’un syst`me peuvent ˆtre analys´es et des m´thodes de correction via l’action d’un e e e e syst`me de commande peuvent ˆtre propos´es. la plue e e part des syst`mes physiques sont en r´alit´ non lin´aires (bras de robot.

Empruntant ses outils et ses bases th´oriques e e e aux math´matiques. e e Ainsi. il est toujours possible de classer les e a diff´rentes structures de commande en deux grandes familles. la th´orie de la commande permet la conception de syst`mes de come e e mande pour des domaines aussi vari´s que l’a´ronautique.. Le mod`le ne doit pas ˆtre trop simpliste au risque de ne e e e pas repr´senter la r´alit´ mais doit ˆtre suffisamment simple pour ne pas rendre inutilement e e e e complexes les ´tapes d’analyse des propri´t´s du syst`me et de synth`se des r´gulateurs.27 – Commande en boucle ouverte Cette solution est envisageable dans le cas o` le syst`me est parfaitement connu et u e mod´lis´ et dans le cas o` l’obtention d’une mesure de la sortie n’est pas ´conomiquement e e u e possible. un lien doit ˆtre cr´´ e e ee entre la r´alit´ et la th´orie math´matique. 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. e e l’automobile. Le processus de d´veloppement d’un mod`le e e e e e e math´matique constitue ce lien. Exemple I..3.1 (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. e(t) Loi de commande c(t) Actionneur Système s(t) Entrée de consigne Signal de commande Sortie réelle Fig. 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. il est imaginable de g´n´rer un signal de commande produisant le e e e signal de sortie souhait´. si le syst`me ` commander n’est pas parfaitement connu ou si des perture a bations l’affectent. I. e e Toutefois. Cela constitue le principe de la commande en boucle ouverte. 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. l’industrie chimique.22 INTRODUCTION A LA THEORIE DE LA COMMANDE oeuvre sur des syst`mes technologiques r´els. e ee e e e Quelle que soit la nature du syst`me ` commander. 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. les signaux de sortie ne seront pas ceux souhait´s. On parle alors de a e . le g´nie ´lectrique. 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). afin de mettre en pratique la th´orie de la commande.

27). 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). 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. Il est toutefois important de remarquer que cette structure de commande ne pr´sente e pas que des avantages. stabilisation de syst`mes ine e e e stables en boucle ouverte).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. rejet de perturbation. 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. 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. Cette structure de commande permet ainsi d’am´liorer les performances dynae e miques du syst`me command´ (rapidit´. 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. par opposition aux syst`mes en boucle ouverte (figure e e e I. Elle n´cessite l’emploi de capteurs qui augmentent le coˆt d’une e u installation. meilleur suivi de consignes. e e . I.

.4. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T . Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig.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. . 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. e . Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I.).29.29 – R´gulation de temp´rature e e I.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I. etc.. 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. 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. contre-r´action. incubateur. I. une tension de commande V est d´livr´e ` l’actionneur modifiant en cons´quence le courant parcourant la r´sistance e e a e e R. A partir de l’information de position restitu´e par un capteur au correcteur.4.2 Contrˆle de la tˆte d’un disque dur o e Afin d’acc´der ` des donn´es enregistr´es sur un disque num´rique tournant. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture.

connaissant le mod`le dynamique du satellite. de commander son orientation e (son attitude) dans l’espace. Un autre type de sp´cification e e e e . panneaux solaires ou des instruments de mesure .pointer dans la bonne direction les antennes.EXEMPLES DE SYSTEMES DE COMMANDE 25 Fig.courtesy IBM I.4.3 Contrˆle d’attitude d’un satellite o Il s’agit. I. I.30 – Disque dur . Il doit donc ˆtre isol´ des vibrations et des bruits e e e ´lectriques du corps du satellite.31 – Contrˆle d’attitude IRIS [24] o Des objectifs de commande en termes de vitesses de rotation du satellite sur luimˆme et/ou en termes d’attitude peuvent ainsi ˆtre d´finis.´viter les d´gats solaires ou atmosph´riques sur des composants sensibles e e e . e Fig. Les objectifs peuvent ˆtre : e .contrˆler la dissipation de chaleur o .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´.

Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me. e I. il se produira n´cessairement e e une certaine d´rive en altitude du fait des erreurs de mesure de cette vitesse de e mont´e. gravitationnelles et a´rodynamiques. Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices. 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.32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res.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. Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis. la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment. . e e e .26 INTRODUCTION A LA THEORIE DE LA COMMANDE consiste ` imposer au satellite un mouvement de spin de vitesse fix´e autour d’un axe a e inertiel donn´.Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR.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.4.32 – Param`tres longitudinaux e . Le mouvement peut e alors ˆtre d´crit par la position et la vitesse du centre de gravit´ ainsi que par l’oriene e e tation et la vitesse angulaire d’un ensemble d’axes li´s ` l’avion par rapport a des axes e a ` de r´f´rence.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. I. e . les ee e ´quations du mouvement peuvent ˆtre simplifi´es et d´coupl´es en ´quations du moue e e e e e vement longitudinal et ´quations du mouvement lat´ral. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I. e −Z M T −X θ ε xA zA mg δe Fig.

Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires. 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.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. Quelle que soit la nature physique du syst`me ` ´tudier. e e e e a La d´marche globale peut ainsi se r´sumer de la mani`re suivante.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. ` 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. e e e 1.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.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 . En Automatique. 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. non lin´aires.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3.

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

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´. e e II. quie bus astronomiae pars optica traditur en 1604. Il est mort le 15 Novembre 1630 a Regensburg. il produit ´galement des travaux en optique (Ad Vitellionem paralipomena. En dehors de ses travaux d’astronome proprement a dit. Ils seront repris de mani`re r´currente dans e e e e e la suite de ce document afin d’illustrer au mieux les notions d’Automatique d´velopp´es. 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. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. Il publie le premier mod`le math´matique cosmologique e e e dans Mysterium cosmographicum en 1596 et l’envoie a l’astronome Tycho Brahe qui ` l’embauche a Prague comme math´maticien assistant. e ` e e Biographie 1 (J.3. Il est d’ailleurs excome a muni´ en 1612.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1.2 Exemples caract´ristiques e Dans cette section. On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . 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. . y.2. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s. Il publie a Linz en 1619 Harmonices ` mundi libri contenant la troisi`me loi dite loi des p´riodes puis les tables astronomiques e e Rudolphine tables ` Ulm en 1628.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. EXEMPLES CARACTERISTIQUES 29 II. 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.´ II. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´.2. ` 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. jI . 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. 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. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). kI ). 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. z). 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.

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

l’angle de nutation et φ l’angle e e de rotation propre.7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (II. On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel. on e ee obtient les ´quations d’Euler : e ˙ Mx = Hx + ωy Hz − ωz Hy ˙ My = Hy + ωz Hx − ωx Hz ˙ Mz = Hz + ωx Hy − ωy Hx o` le vecteur de vitesse angulaire ωm = u ωx ωy ωz est exprim´ dans le r´f´rentiel B. 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. e ee (II. l’angle de pr´cession θ. (Tx .6) .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 . Deux syst`mes de coordonn´es avec une e ee e e origine commune sont li´s par ces trois angles en suivant une s´quence de trois rotations e e (cf. Les angles d’Euler sont not´s ψ.5) ` Hypotheses II. figure II. Ty . uy . Tθ ee e     cos ψ − sin ψ 0 cos θ 0 sin θ 0 1 0  Tψ =  sin ψ cos ψ 0  Tθ =  0 0 1 − sin θ 0 cos θ (II. Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes. La matrice de rotation peut alors ˆtre engendr´e par trois rotations e e ´l´mentaires d´finies par les matrices Tψ . uz ) forment le vecteur moment de commande.2).EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler).2. Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite. Tφ .

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

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

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

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

θ et φ sont petits.8). on obtient les ´quations cin´matiques e e e lin´aris´es : e e ˙ ψ = ωz ˙ θ = ωy − Ωφ ˙ φ = ωx + Ωθ Ces deux jeux d’´quations peuvent alors ˆtre combin´s afin d’obtenir : e e e ¨ ˙ ˙ Ixx (φ − Ωθ) = (Iyy − Izz )Ω(θ + Ωφ) + ux + Tx ¨ ˙ ˙ Iyy (θ + Ωφ) = (Izz − Ixx )Ω(φ − Ωθ) + uy + Ty ¨ Izz ψ = uz + Tz (II. Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant.20) (ωx0 .36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible. 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´. Il est alors possible de supposer que ωx . θ0 . ωz0 ) = (0.21) . La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 . les approximations pr´c´dentes restent valides. 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) (II.23) (II. ` e e e e ωz − Ω sont faibles. 0. on obtient : e e sin φ cos φ ˙ + ωz ψ = ωy cos θ cos θ ˙ θ = ωy cos φ − ωz sin φ ˙ φ = ωx + ωy tan θ sin φ + ωz tan θ cos φ En consid´rant que ψ − Ωt.22) (II. ωy0 .24) (II. ωy . φ0 ) = (Ωt. 0.

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

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

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

La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.27) . continue par rapport a u et continue par morceaux par rapport a t.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II.40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2.5 −1 −1.7).4. u(t) ∈ Rm est le vecteur de commande.5 2 1.4.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig. u(t).26) y(t) = h(x(t). En ´crivant les lois de Kirchoff (noeuds e e et mailles). Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.5 dx/dt 0 −0.4. t) ´quation dynamique ˙ e (II. II. y(t) ∈ Rr est u le vecteur de sortie.2 (Repr´sentation d’´tat) e e Tout syst`me dynamique Σ peut ˆtre repr´sent´ par ses ´quations d’´tat d´finies comme e e e e e e e un ensemble d’´quations diff´rentielles du premier ordre appel´es ´quations dynamiques e e e e et un ensemble d’´quations alg´briques appel´es ´quations de sortie ou de mesure : e e e e x(t) = f (x(t).5 −2 −2. u(t).3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II.5 1 0.1 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. e e e e e Exemple II. e ´ Definition II.

En posant e e e x1 = v et x2 = v.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. soit [x1 x2 ] = [vC iL ] .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. il est e e encore possible de donner une repr´sentation d’´tat non lin´aire. il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0.29) A partir de la donn´e des conditions initiales du circuit. x2 (0) .30) (II.LE MODELE INTERNE .31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II.6 pour diff´rentes e e e a e x1 (0) conditions initiales . on obtient l’´quation d’´tat non lin´aire : ˙ e e e x1 (t) = x2 (t) ˙ x2 (t) = (α − ˙ βx2 (t))x2 (t) 1 + 2 ω0 x1 (t) (II. ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (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. [x1 (0) x2 (0)]. vR = R(iL (t)). 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.25).4.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig. II.

42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II.26). Equation d’´tat lin´aris´e e e e La majorit´ des syst`mes physiques sont en r´alit´ non lin´aires et d´crits par le mod`le e e e e e e e (II.B(t) ∈ Rn×m est la matrice de commande ou d’entr´e.Lin´arisation e e e e Une classe particuli`rement importante de mod`les d’´tat est celle des mod`les d’´tat e e e e e lin´aires. B. Si les matrices A.2 La repr´sentation d’´tat n’est pas unique.3 (Repr´sentation d’´tat lin´aire) e e e Si Σ v´rifie l’hypoth`se de lin´arit´ alors sa repr´sentation d’´tat est donn´e par : e e e e e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II. Une pratique tr`s courante consiste a lin´ariser le mod`le d’´tat non lin´aire e ` e e e e localement autour d’un point de fonctionnement nominal afin de disposer d’un mod`le e lin´aire localement valide sous les hypoth`ses de faibles d´viations autour du point de e e e fonctionnement.4. t) ˙ (II. C. Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t).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). Cela signifie que pour un mˆme syst`me phye e e e sique.4. t) ˙ (II.A(t) ∈ Rn×n est la matrice dynamique. D sont constantes.32) y(t) = C(t)x(t) + D(t)u(t) o`: u .C(t) ∈ Rr×n est la matrice de mesure ou de sortie. e II. u0 (t). En effet.4. u(t). . e ´ Definition II. le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´. .D(t) ∈ Rr×m est la matrice de transmission directe. le syst`me est Lin´aire Temps-Invariant e e (LTI).34) .3 Repr´sentation d’´tat lin´aire . mˆme si aucun syst`me physique naturel ou artificiel ne peut pr´tendre e e e e v´rifier stricto sensu la propri´t´ de lin´arit´. cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique. e .

u0 (t).LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales. t) + Jx (x0 (t). t)˜(t) + Ju (x0 (t). (u (t).35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. x(t)) ne diff`rent de (u0 (t). θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0. 0). on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (t). u0 (t). u0 (t). Il est donc possible de d´finir les faibles perturbations u(t) et x(t) telles que : e ˜ ˜ ˜ u(t) = u0 (t) + u(t) x(t0 ) = x0 (t0 ) + x(t0 ) ˜ x(t) = x0 (t) + x(t) ˜ t0 ≤ t ≤ tf t0 ≤ t ≤ tf En ´crivant le d´veloppement en s´ries de Taylor au premier ordre de la fonction f e e e autour du point nominal. t) x(t) + Ju (x0 (t). les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ. u0 (t). on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0.4.5 (´quation d’un pendule non contrˆl´) e oe ˙ . (π. Pour k/m = 1/2 g/l = 1.5 θ l 11 00 11 00 11 00 11 00 m . 0). u0 (t). t)˜(t) + h(t) ˙ o` Jx (Ju ) est la matrice Jacobienne de la fonction f par rapport au vecteur x (u) : u Jx = ∂fi ∂xj 1≤i≤n 1≤j≤n Ju = ∂fi ∂uj 1≤i≤n 1≤j≤m En n´gligeant le terme h(t).LE MODELE INTERNE . Cela e e e signifie que pour tout t0 ≤ t ≤ tf . x0 (t)) que tr`s faiblement. t) u(t) ˜ A(t) B(t) (II.

44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre.5 A2 = 0 1 1 −0. 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.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. 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.4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e). e e e ´ Definition II. t0 )x0 ∀t ≥ t0 (II.5 Exemple : satellite 3 En reprenant les ´quations lin´aris´es du satellite en spin ` vitesse constante autour de e e e a ˙ ˙ ˙ l’axe z et en choisissant les variables d’´tat x = φ θ ψ φ θ ψ .38) Dans le cas g´n´ral o` le mod`le est temps-variant.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy . 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. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t.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. on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0.40) .

t) ∀ t. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. Pour les e e e e syst`mes LTI. ´ Definition II. (LTI).44) t y(t) = C(t)Φ(t. e ´ Definition II. t0 ) = Φ(t2 .6 (r´ponse forc´e) e e La r´ponse forc´e d’un syst`me est la r´ponse du syst`me au seul signal d’entr´e et pour e e e e e e des conditions initiales nulles. la matrice de transition 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 ) Φ(t0 .4. t0 ) est inversible pour tout t et tout t0 .42) A partir de la donn´e de la matrice de transition.Φ(t.45) Dans la suite.4.1 (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. τ )B(τ )u(τ )dτ + D(t)u(t) (II.LA REPRESENTATION D’ETAT o` Φ(t. e e e e e elle est donn´e par : e t x(t) = t0 Φ(t. t0 ) = Φ(t0 . t0 )x0 + et la sortie s’´crit alors : e Φ(t.1 .4. il est possible de d´terminer la e e solution de l’´quation dynamique d’´tat qui correspond a la r´ponse compl`te du e e ` e e syst`me par application du principe de superposition. τ )B(τ )u(τ )dτ t0 (II.41) Dans le cas g´n´ral d’un syst`me temps-variant. e ´ ` Theoreme II. elle est donn´e par l’´quation e e e e e e e (II.43) x(t) = Φ(t. t0 ∀ t ≥ t0 45 (II. De mˆme. Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat.Φ(t2 . t0 ) . la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique. t0 )x0 + C(t) t0 Φ(t.Φ−1 (t. t0 ) est la matrice de transition.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. τ )B(τ )u(τ )dτ (II. t1 )Φ(t1 . t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes. solution de l’´quation diff´rentielle : u e e ˙ Φ(t.LE MODELE INTERNE . seront ´tudi´s e e e e . e ee ´ ´ Proprietes II. seuls les syst`mes lin´aires temps-invariants. t0 ) = A(t)Φ(t.40).

5 -3 b = x1 x2 u1 0.C.B. >> circuit=ss(A. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model.4. D).1 -3]. e Exemple II.0].D=0. L = 1 H et R = 3 Ω. C. 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. .D) a = x1 x2 x1 0 1 x2 -0. B. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le.4.6 (circuit ´lectrique) e Calcul du mod`le d’´tat.B=[1/2. Script MATLAB 1 >> A=[0 -1/2.7) pour C = 2 F . ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es. ´ Definition II.46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A.4.4 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. >> C=[0 3]. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II.

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

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

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

9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur.01 x(t) (II. e Exemple II.62) y(t) = x(t) Pour les valeurs num´riques f = 0. TH ) et les temp´ratures d’entr´e comme les commandes.5. Pour chaque ´tage. e e e e e e e e e e temp´rature TC .61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig.63) .01 0 0 0.50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi . les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II.2 −0.21 0. e on obtient : x(t) = ˙ −0.1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II.2 m3 /min et VH = VC = 1 m3 .C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me. β = 0.01 m3 /min.21 x(t) + 0.. temp´rature TH .2 0. les variables d’´tat e e (x1 . x2 ) = (TC . de la capacit´ u e e e calorifique des fluides.9. En supposant les flux constants fH = fC = f .. nous obtenons les ´quations d’´tat : e e   β/VC −(f + β)/VC 0  x(t) + f /VC u(t) x(t) =  ˙ 0 f /VH β/VH −(f + β)VH (II. II. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi . d´bit fC ).

.01)(p + 0.0041 #2: Transfer function from input 2 to output.01 (II.66) .42 s + 0.. >> echangeur=tf({[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.21 −0.LES MODELES EXTERNES En appliquant la formule (II.002 --------------------s^2 + 0.42 s + 0. 0.2 [0.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.41]). e e >> den=conv([1 0. 0.21 −1 51 0.2 p + 0.den den}) Transfer function from input 1 to output.42 s + 0.... la matrice de transfert est donn´e par : e G(p) = 1 p + 0.01 0 0 0.01 0.0021 #1: --------------------s^2 + 0.01.01 = (p + 0.01].0041 0.21]}.21] 0. {den den.2 0. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.41) p + 0.2 p + 0.2*0.01*0.01 0..01 s + 0.0041 0.2 −0.64) 0.0021 --------------------s^2 + 0.01 s + 0.0.42 s + 0.01*0.21 0.[1 0.01*0.002 #1: --------------------s^2 + 0.57).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.

25 #1: -------s^2 + 25 -5 s .69) ´ Definition II. s . L’´l´ment (i. e e e (II. ` .52 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ωx ˙ ωy ˙ 0 a −a 0 u1 u2 On obtient donc la matrice d’entr´e : e G(p) = 1 2 + a2 p a(p + 1) p − a2 −a(p + 1) p − a2 (II..5 -------s^2 + 25 #2: Transfer function from input 2 to output.2 La matrice de r´ponse impulsionnelle e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) x(t0 ) = x0 Soit le mod`le LTI strictement propre poss´dant m entr´es et r sorties..5.5.68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II.2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t.. g(t) est une matrice de dimensions r × m.... 5 s + 5 #1: -------s^2 + 25 s . e e >> a=5. {[1 0 25] [1 0 25].[1 0 25] [1 0 25]}) Transfer function from input 1 to output. >> satellite=tf({[1 -25] [5 5].67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur.70) A chaque instant t.[-5 -5] [1 -25]}.25 -------s^2 + 25 #2: II..

· · · n . Dans le cas g´n´ral. e e e e n n f1 (y1 . u m . · · · . · · · . · · · .5. G(p) = L[g(t)] (II. ces mod`les sont tr`s peu ea e e e utilis´s except´ dans des cas particuliers tels que les mod`les LTI o` l’on obtient un e e e u syst`me d’´quations diff´rentielles lin´aires ` coefficients constants. · · · . .5.71) De plus. um . la transform´e de Laplace permet de relier la matrice de r´ponse impulsione e nelle et la matrice de transfert.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. · · · n . yr . u pm ) m Du fait de la difficult´ ` les manipuler math´matiquement. y1 1 . · · · . (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. yr r ) = gs (u1 . · · · 1 .2 (syst`me 3 entr´es . on obtient : e e A= 0 a −a 0 (p1 − A)−1 = p2 1 + a2 p a −a p Soit apr`s inversion de la transform´e de Laplace : e e eAt = Finalement. le mod`le prend la forme e e e d’un syst`me d’´quations diff´rentielles entr´es-sorties. yr r ) = g1 (u1 . . 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. upm ) 1 m .2 sorties) e e ˙ y ˙ y1 + 3y1 + 2¨1 = 4u1 + u2 + 2u3 y2 + y2 + 2¨2 = 4u1 + u2 + 2u3 ˙ y . up1 . e e e e a Exemple II.73) fs (y1 .LES MODELES EXTERNES 53 Pour des conditions initiales nulles x0 = 0. up1 . · · · . y1 1 . · · · . · · · .72) Exemple : satellite 6 En reprenant les ´quations d’´tat d´finies ` la section pr´c´dente et en appliquant la e e e a e e m´thode de calcul de l’exponentiel de matrice par la transform´e de Laplace. yr . · · · .

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

81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles.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.80) Exemple II.4 (syst`me ´lectrique (suite)) e e En choisissant comme entr´e le courant u(t) d´livr´ par la source de courant et comme e e e sortie la tension aux bornes de la r´sistance.79) En appliquant la transform´e de Laplace a cette ´quation et en choisissant la position e ` e de la masse y(t) comme sortie. e e Fonction de transfert et r´ponse impulsionnelle e Soit un syst`me LTI SISO soumis ` une entr´e u(t) et donn´ par sa fonction de transfert e a e e G(p). Ainsi.24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul. . e e a e Si su (t) et s0 (t) sont respectivement les r´ponses du syst`me ` l’entr´e et aux conditions initiales. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ.82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II.83) La fonction de transfert G(p) est appel´e double int´grateur. 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. alors : s(t) = su (t) + s0 (t) (II.5. 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). on obtient la fonction de transfert du syst`me comme le e rapport de Y (p) sur U (p) : Gm (p) = Y (p) 1 = 2 + fp + K U (p) Mp (II. on 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.

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.5.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle.5.86) .88) ⇔ Y (p) = G(p)U (p) (II.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).87) (II.mod`le temporel g(t) e Exemple : satellite 8 La fonction de transfert liant la force de propulsion a la d´viation angulaire suivant l’axe ` e 1 . a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II. e G(p) = L[g(t)] 2. e y(t) = g(t) ∗ u(t) .11 – Syst`me lin´aire e e ´ Definition II. II.5.2 1.mod`le alg´brique G(p) e e . ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme. e e ´ ` Theoreme 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. e e e Remarques II.g(t) et G(p) contiennent la mˆme information.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p). ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II.

89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II. .6. la caract´risation par la fonction de transe a e fert est tr`s simple.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II. e e ´ Definition II. o e ´ Definition II. e e II.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. 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.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.89).ˆ ´ ` II.6.6.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique.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.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. il est dit strictement propre. Pour e e e e n = m. ` l’inverse.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). le syst`me est dit propre alors que pour n > m. e A partir de la d´finition du polynˆme caract´ristique.6. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II.91) (II. POLES ET ZEROS D’UN MODELE LTI 57 II.6. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI. Si le syst`me est causal alors n ≥ m. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO. e e e ´ Definition II. 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). Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral.

0 1].B=[1 0.58 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Les pˆles d’un syst`me r´el sont n´cessairement r´els ou complexes conjugu´s puisque o e e e e e les coefficients des polynˆmes caract´ristique sont r´els. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.0 -1 0.0 1.6.1 1 0].{[1 1] [1 2]. >> C=[2 0 3.0 0 -2]. o e e Exemple II. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .[1 1] [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 0.1 1}.

e e e e ´ Definition II.90).6.0000i >> Poles=pole(G) Poles = -1 -2 -1 II. u e e e e ` Hypotheses II. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission.0.2 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. 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. 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). e Sous ces hypoth`ses. de z´ros invariants et de z´ros d´couplants sont ´quivalentes.6.6. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2. Elle est ´troitement li´e ` la repr´sentation (´tat.0000 + 0.1.0000i -1.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme. Sous les hypoth`se II.ˆ ´ ` II. e e e e e a On d´finit pour cela le polynˆme des z´ros. transfert) choisie.89).0000 .1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.94) (II. Ces syst`mes sont e e e e e e dits carr´s.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.93) .0000 -1.6.6. πz (p) comme le plus grand commun e o e diviseurs des num´rateurs des mineurs d’ordre maximum de G(p) normalis´s pour avoir e e e e le polynˆme caract´ristique πp (p) comme d´nominateur.

6.0000 >> [Poles.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p).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 = 1.0000 >> Zero=zero(G) Zero = 1.0000 Remarques II.1.6. on a vu que : πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Il y a ici un mineur maximal qui est d’ordre 2 et qui s’´crit : e det G(p) = Soit πz (p) = −p + 1 Script MATLAB 5 >> Zeros=tzero(G) Zeros = 1.6. e .2 Reprenant l’exemple II.

e .de blocs fonctionnels. U(p) K p+1 Y(p) u(t) y(t) F(p) = A(t) Fig.7. e e e e . LES MODELES GRAPHIQUES 61 II. des outils graphiques de mod´lisation peuvent ˆtre utilis´s.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 ´ Definition II.` II. Un sch´ma fonctionnel est compos´ : e e . II. Nous pr´sentons maintenant le type le plus couramment utilis´ parmi les e e mod`les graphiques. Bien que ceci ne soit pas exclusif. II. Cette op´ration math´matique est tr`s a e e e e souvent mais pas exclusivement repr´sent´e par une fonction de transfert.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. La figure e e II.d’arcs orient´s. il n’en reste pas moins que e les sch´mas fonctionnels sont ´troitement reli´s aux mod`les de type fonction de transfert.12 – Arc orient´ du signal U (p) e L’arc orient´ repr´sente le flux de signaux donn´s regroup´s dans un vecteur. e U(p) ou u(t) Fig. Afin de rendre claire et lisible la fonction de chaque composant d’un e ensemble complexe.7.1 Sch´ma fonctionnel e Le sch´ma fonctionnel d’un syst`me est une repr´sentation graphique des fonctions e e e de chaque composant ´l´mentaire constituant le syst`me ainsi que le flux des signaux ee e utiles. Chaque e e e type de repr´sentation graphique a son vocabulaire et ses r`gles de construction et de e e simplification.7 Les mod`les graphiques e Un syst`me peut ˆtre constitu´ d’un grand nombre de composants ´l´mentaires dont la e e e ee fonction est donn´e. e II.13 repr´sente ` gauche un bloc fonctionnel associ´ ` une fonction de transfert e a e a Y (p) = F (p)U (p) alors que celui de droite est associ´ ` l’op´ration de multiplication ea e de l’entr´e par une matrice y(t) = A(t)u(t).7.

II.Un sch´ma fonctionnel n’est pas unique.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel. Dans ce cas.7. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert.Il est ind´pendant de la nature physique du syst`me mod´lis´. e e e e e Principes de construction 1.7.2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig. e e a ee e 2.de blocs sommateurs.1 . une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e.15 – Circuit RC . e Exemple II.En appliquant la transform´e de Laplace.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . a ee 3. e Remarques II. e .Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me. e e e e + a−b+c − II.7. II. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles. c a + b Fig.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie.

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

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.96) ε (p) G(p) S(p) Fig. La fonction de transfert en boucle ouverte est alors ´gale au transfert de la chaine a e directe G(p) et la fonction de transfert en boucle ferm´e est donn´e par : e e S(p) G(p) = E(p) 1 + G(p) (II.64 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Chaîne directe E(p) + Y(p) − A ε (p) G(p) S(p) H(p) Chaîne de retour Fig.4 (syst`me boucl´ ` retour unitaire) e ea Un syst`me boucl´ est dit ` retour unitaire si le transfert de la chaine de retour est ´gal e e a e ` un. II.7.97) .3 (fonction de Transfert en Boucle Ferm´e) e La fonction de transfert en boucle ferm´e est d´finie comme : e e S(p) G(p) = E(p) 1 + G(p)H(p) Elle correspond au transfert ”global” de la boucle d’asservissement. ´ Definition II. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur. E(p) + S(p) − (II.7.95) (II. II. ´ Definition II.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.7. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire.

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

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

2 Le sch´ma fonctionnel II. .LES MODELES GRAPHIQUES 67 II. les matrices sont constantes et l’on peut d´composer ce sch´ma en faisant apparaˆ e e ıtre les diff´rents ´l´ments constitutifs. Dans le cas des syst`mes e e e LTI. e e Ainsi.7.21 : e e u(t) . la repr´sentation d’´tat lin´aire temps-variant suivante : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.21 est d´crit dans le domaine temporel.7.7.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II.2 Soit le syst`me de repr´sentation d’´tat : e e e        0 1 0 x1 0 x1 ˙  x2  =  0 ˙ 0 1   x2  +  0  u −18 −27 −10 1 x3 ˙ x3 y= 1 0 0 x Le sch´ma fonctionnel associ´ ` cette repr´sentation d’´tat particuli`re est repr´sent´ e ea e e e e e en figure II.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II. II. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig. e ee Exemple II.22.4 Sch´mas fonctionnels et repr´sentation d’´tat e e e Bien qu’utilis´s le plus souvent en liaison avec les mod`les entr´e-sortie du type fonction e e e de transfert.

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

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

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

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

.Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. · · · n alors le syst`me est compl`tement ee commandable. C est u de rang n. AB .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.1.E. 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. B . · · · . An−1 B .1. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices.1 III.1) e o` A ∈ Rn×n . e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. Remarques III. R. fran¸aise e e c et russe. . Il est membre de l’acad´mie des sciences am´ricaine. 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.1.1 . hongroise.2) .1 (commandabilit´) e e Un ´tat xi est commandable en t0 s’il est possible de d´terminer u(t) / [t0 tf ] conduisant e tout ´tat initial xi (t0 ) vers 0 en t0 ≤ t1 ≤ tf .1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre.72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH). =n (III. e e e x(t) = Ax(t) + Bu(t) ˙ (III. . rang(C) = rang . e e a . 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. III.1. e .1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. III. ´ ` Theoreme III. B ∈ Rn×m est commandable ssi la matrice de commandabilit´. e e ´ Definition III. modification des dynamiques propres).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´. .Si un syst`me n’est pas compl`tement commandable alors pour certaines conditions e e initiales il n’existe pas d’entr´e de commande pouvant ramener le syst`me ` l’origine. B = 0.1.

e ´ ` Theoreme III. h2 ) et R1 = R2 = 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). il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque.3) . B) sera appel´e come e e e mandabilit´ de la paire (A.1. B).1.2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A. e Exemple III.1 Soit le syst`me de bacs mod´lis´ par : e e e c2 dh2 h2 = q2 = dt R2 h2 h1 dh1 c1 − +u = q 2 − q1 + u = dt R2 R1 q2 u h2 h1 q1 En choisissant (x1 . e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont. Physiquement. x2 ) = (h1 .2 (test PBH) La paire (A. c1 = c2 = 1.1.NOTION D’OBSERVABILITE 73 Remarques III. 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. e ` (III. on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer. 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.

Exemple III.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie.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. C).5)  = n   .74 COMMANDABILITE ET OBSERVABILITE III.2. e III. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.1 Clairement.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A.2. · · · . n alors le syst`me est compl`tement ee observable.    · · ·  CAn−1 Remarques III.2 III. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (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.2.4) e o` A ∈ Rn×n . u   C  · · ·     CA     · · ·  rang(O) = rang  (III. O est de rang n.   . .2. Remarques III. la notion d’observabilit´ est cruciale pour les syst`mes o` le vecteur d’´tat e e u e complet n’est pas accessible ` la mesure mais doit ˆtre reconstruit. C) sera appel´e observabilit´ e e e e e de la paire (A.1 Soit le syst`me mod´lis´ par : e e e x1 (t) ˙ x2 (t) ˙ y(t) = = 1 1 −2 −1 x1 (t) x2 (t) x1 (t) x2 (t) + 1 0 u(t) 1 0 .2. C ∈ Rr×n est observable ssi la matrice d’observabilit´.2.2 Crit`re d’observabilit´ e e Un crit`re de Kalman existe ´galement pour la notion d’observabilit´ et fait intervenir e e e la matrice dynamique A et la matrice de sortie C.2. e a e ´ Definition III. ´ ` 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 ].

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

En 1861. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite. .76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III.46) a la repr´sentation e e e ` e d’´tat (III. Il rentre a l’´cole Polytechnique en e ` e 1855. ` e . Biographie 6 (Marie Ennemond Camille Jordan) Camille Jordan est n´ le 5 janvier a La Croix-Rousse ` Lyon d’un p`re ing´nieur de l’´cole e ` a e e e Polytechnique et de Jos´phine Puvis de Chavannes. Il e e e meurt le 22 janvier 1922 a Paris apr`s avoir perdu 3 de ses fils pendant la guerre 14-18. e Ces formes particuli`res sont appel´es les formes canoniques. ea e e e Ainsi. . Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles. La nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III. Cette op´ration est une transformation de similarit´.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. il devient ´diteur du Journal de math´matiques pures et appliqu´es. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat. les ´quations diff´rentielles et e e e la m´canique.La forme diagonale ou quasi-diagonale de Jordan.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II.3 III.La forme compagne de commande. En 1885. e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887.3. 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. 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. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883.La forme compagne d’observation. On distingue trois e e grands types de formes canoniques : . 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.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´.8). la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse. 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.

p2 .  . · · · .3. · · · . . i = 1. u Dans le cas o` une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation u est plus complexe. pi ) 2..2 e e Soit A ∈ Rn×n ayant k valeurs propres distinctes pi . . Soit qi la multiplicit´ g´om´trique associ´e ` chaque valeur propre.  . · · · . pn alors la matrice de passage compos´e en colonnes des vecteurs propres associ´s.  . 0    .. 1. n.Si qi = 1.. . p2 .Si 1 < qi < mi .. · · · . Jili ) o` Jik est un bloc de Jordan de taille inf´rieure ` mi . k de multiplicit´ alg´brique respective mi .  . ´ ` Theoreme III. ´ ` Theoreme III. a .3. .  ..Si qi = mi .10) e e 3. . e e e Il est alors possible de d´terminer une matrice de passage inversible P = [P1 P2 · · · Pk ] e telle que : P −1 AP = J = diag(J1 . · · · . · · · . · · · . Ji2 . on d´finit un bloc de Jordan de e  pi 1   0 pi  Ji =  . une seule convenant. on d´finit un bloc diagonal Ji de dimension mi × mi form´ comme : Ji = diag(Ji1 . J2 . 1  . P = [e1 e2 · · · en ] est telle e e que : ˜ P −1 AP = A = diag(p1 .1 Si la matrice A ∈ Rn×n a n valeurs propres distinctes p1 . 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. Il existe alors plusieurs possiu e a bilit´s qui doivent ˆtre test´es. pn ) o` Aei = pi ei ∀ i = 1. .. on d´finit un bloc diagonal Ji de dimension mi × mi et une matrice e Pi ∈ Rn×mi : Ji = diag(pi . 0 ··· Pi = [e1 · · · eqi ] i i dimension mi × mi  0 ··· 0 . il est possible u d’effectuer un changement de base la diagonalisant.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. Jk ) La partition de P est identique ` celle de J. 1  · · · 0 pi (III.

e e α + jβ 0 0 α − jβ = 1/2 −i/2 1/2 i/2 α β −β α 1 1 i −i Dans toute la partie suivante.12) y(t) = Cx(t) e e e e o` x ∈ Rn . qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III.14) . Une th´orie e e e e e identique existe pour les syst`mes multi-variables mais conduit a des d´veloppements tr`s e ` e e lourds et une notation fastidieuse. 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. Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1. La premi`re colonne u e ` de chaque sous-bloc Pi . i = 1. · · · . e e e c eme ` u colonne de P . On suppose que le syst`me est repr´sent´ de mani`re u ´quivalente par la fonction : e H(p) = bn−1 pn−1 + · · · + b0 pn + an−1 pn−1 + · · · + a0 (III. Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi .12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III. · · · . u ∈ R et y ∈ R.11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1.13) Le polynˆme caract´ristique de (III. la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante. 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.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi . Il est possible de montrer que l’on Soit P = [q1 . les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables.

.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 . 0 . 0 . . .... .. . . .3.. . 0 ··· ··· 0 1 −a0 · · · −ai · · · −an−1 b0 · · · bi · · · bn−1        Bc =      0 .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 . . .        (III. . . .RELATIONS ENTRE MODELES INTERNES ET EXTERNES ´ Definition III.3.15) Cc = Le passage de la repr´sentation d’´tat quelconque (III... −a1 . . . . . . 1 . .16) ´ Definition III. . . . colonne par colonne.. ...12) a la forme compagne de e e ` commande n´cessite le calcul de la matrice de passage P . 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..17) Co = . e e Soit a d´terminer P = [P1 P2 · · · Pn ] la matrice de passage form´e de ses n colonnes. ... 0 1 (III.. . 0 −an−2 0 · · · 0 1 −an−1 0 ··· 0 0 1        Bo =       bn−2  bn−1 b0 b1 . . ` e On applique alors le calcul r´current.

3. `               −1 Po    C(An−2 + an−1 An−3 + · · · + a3 A + a2 1n )    = . ce qui permet de d´duire de mani`re e e identique la matrice de passage a la forme compagne d’observation.80 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES On note que Ao = Ac .19) 1 0 .     C(A + an−1 1n ) C C(An−1 + an−1 An−2 + · · · + a2 A + a1 1n ) (III.18) Exemple III. e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (III. .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.  . Bo = Cc et Co = Bc .

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.3. ce qui n’est e e e e pas toujours v´rifi´ en pratique. les syst`mes sont suppos´s strictement propres. la Izz p2 D’autre part. Dans le cas d’un syst`me mod´lis´ par une fonction e e e e e de transfert propre. la forme canonique d’observabilit´.21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de.22) = 4+ = 4+ . 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 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. (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. F (p) = Exemple III. du fait que le polynˆme caract´ristique associ´ est Psat.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 .

2115 x3 -1.25 x2 -0.732 b = x1 x2 x3 u1 4 4.899 c = y1 x1 0.’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].[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.2679 0 x3 0 0 -3.626 d = .899 4.

2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II.6.3 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.3. B.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 83 y1 u1 4 III.3.23) e La r´alisation (A. C.3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m . B. 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. L’objet e e de cette section est de montrer comment obtenir une repr´sentation d’´tat donn´e ` partir e e e a de la matrice de transfert. e e Exemple III.Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 . D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible. e e e .Non observable et non commandable : A3 = −1 0 0 −2 B3 = 0 1 C3 = 0 1 . C.Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 . ´ Definition III.3. toute repr´sentation e e d’´tat LTI (A.Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] .

L’´quation diff´rentielle entr´e-sortie se d´duit ` partir des ´quations diff´rentielles e e e e a e e suivantes.3.84 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. e Exemple III.4 . e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig. III. Dans ce cas. ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) .3. e e e ee ´ ` Theoreme III. D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable.3. Enfin. e . B. on utilise la notation : G(p) : = A B C D Les diff´rentes mod´lisations utilis´es pour un mˆme syst`me ne conduisent pas ` des e e e e e a mod`les poss´dant les mˆmes propri´t´s structurelles. e e ´ ` Theoreme III. e ee e e e il est clair que la r´alisation 4 est minimale alors que les trois premi`res ne le sont pas.4 Soit le syst`me compos´ structur´ comme indiqu´ figure III. Y (p) p−1 = U (p) p+2 .1 – Syst`me structur´ e e .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.1.La fonction de transfert du syst`me global est d’ordre 1 avec un pˆle −2 et un z´ro e o e 1. C.Le mod`le entr´e-sortie du type fonction de transfert ne repr´sente que la partie e e e observable et commandable d’un syst`me.3 Une r´alisation d’´tat (A.

La m´thode o e e g´n´rale consiste alors a d´composer F (p) en ´l´ments simples. on a : Y (p) = F (p) = U (p) N (p) (p − pi ) i=1. e ` o e . La r´f´rence [12] peut servir a approfondir ce sujet. n Xi (p) = U (p) p − pi (III. ee ` On suppose donc que le syst`me monovariable LTI est mod´lis´ par une fonction de e e e transfert : F (p) = N (p) bn−1 pn−1 + · · · + b0 = n+a n−1 + · · · + a p D(p) n−1 p 0 (III. −1 non commandable et observable.Une ´quation d’´tat d’ordre 3 est donn´e par. 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.··· . Il faut e e donc choisir la base dans laquelle sera ´crite la repr´sentation d’´tat que l’on souhaite. Le probl`me est complexe puisque l’on dispose d’une e e e e unique fonction de transfert pour un choix non unique de la repr´sentation d’´tat.···n = αi p − pi i=1.24) 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. Le o e e e e cas des syst`mes multivariables peut ˆtre abord´ de mani`re identique mais n´cessiterait e e e e e beaucoup plus de temps. commandable et observable. · · · . e e ` e ee . seul le cas des syst`mes monovariables sera pr´sent´. 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 −2.26) . e y + 3y + 2y = −u ¨ ˙ L’ordre est ´gal a 2 et il y a deux pˆles associ´s −2 et −1.n (III. 2 non commandable u o e et non observable.Pˆles simples r´els : o e Dans ce cas. e e e Obtention d’une forme diagonale ou de Jordan Cela suppose que l’on peut factoriser e le polynˆme caract´ristique du syst`me P (p) = (p − p1 )(p − p2 )(· · · )(p − pn ).25) Le choix des variables d’´tat est alors naturel : e ∀ i = 1.RELATIONS ENTRE MODELES INTERNES ET EXTERNES et permet d’´crire.

86

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

1 1 . . . 1

    u(t) 

(III.27)

α1 α1 · · · αn

x(t)

(p − pi )

=
i=1

αi + (p − p1 )i i=m

n

1

αi p − pi +1 (III.28)

i=m1 +1,···n

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

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

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

87

(III.33)

(III.34)

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

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

(III.38)

(III.39)

· · · 0 x(t)

88

MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES

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

CRITERES POUR LES FORMES MODALES

89

III.4

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

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

III.4.1

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

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

c1 c2 · · · cn

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

III.4.2

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

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

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

(III.41)

y(t) =

c1

c2 · · ·

· · · cn

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

90

COMMANDABILITE ET OBSERVABILITE

      x(t) =  ˙    

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

0 ··· ... ... ... ...

··· ... Jk ...

··· . . .

···

··· . . . 

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

0 . . . . . . . . .

 bn1 ···

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

(III.42)

y(t) = o` : u

c1

c1k

c1s

x(t) 

   Jk =    

pi

1

0

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

··· ...

   ...    pi 1  0 pi

0 . . . . . .

(III.43)

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

(III.44)

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

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

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

92

COMMANDABILITE ET OBSERVABILITE

III.5

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

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

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

Wc =

eAτ BB eA τ dτ

(III.49)

0

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

(III.50)

Wo =

eA τ C CeAτ dτ

(III.51)

0

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

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

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

93

94

COMMANDABILITE ET OBSERVABILITE

III.6
III.6.1

Fonctions MATLAB
Fonctions d’alg`bre de base e

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

III.6.2

Fonctions d’analyse des mod`les LTI e

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

III.6.3

Fonctions de conversion entre mod`les LTI e

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

Chapitre IV Stabilit´ des syst`mes LTI e e

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

IV.1
IV.1.1

La stabilit´ BIBO e
D´finition e

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

95

96

STABILITE DES SYSTEMES LTI

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

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

IV.1.2

Caract´risations de la stabilit´ BIBO e e

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

|g(τ )|dτ ≤ k < ∞
1 t, Izz

(IV.2)

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

ce qui conduit a `

1 1 t2 τ dτ = Izz Izz 2

(IV.3)

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

4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations. B.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.6) Un syst`me LTI de r´alisation minimale (A. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire. e e e ´ ` Theoreme IV. Le demi-plan gauche est appel´ la r´gion de stabilit´.3429 .1. Munis de cette interpr´tation monovariable. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s.1. C. ` e e Exemple IV.1. e e e e e Si le syst`me est observable et commandable alors une r´alisation minimale d’´tat e e e peut ˆtre donn´e : e e G(p) : = A B C D (IV. tous les pˆles sont a o o ` partie r´elle n´gative. apr`s d´composition en ´l´ments simples. 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. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives. LA STABILITE BIBO Une fonction de transfert peut ˆtre factoris´e sous la forme : e e M 97 K G(p) = pN k=1 i=1 Q R (p − zi ) (IV.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 = 0.6681 . i.e. il est possible de donner une e e e caract´risation multivariable plus g´n´rale.5083i -1.1.´ IV.5083i 0.5) 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.3429 + 1.

Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p). 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).8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec.7) Le syst`me est observable et commandable. (1891) et A treatise on dynamics of a particle (1898). Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres.5088 -0. IV.3429 -1.6681 -0. eig(A) ans = 0. e Le crit`re de Routh-Hurwitz est un algorithme permettant de d´cider si un polynˆme e e o d’ordre quelconque a des racines a partie r´elle positive. Canada. 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.C. ce qui peut ˆtre fastidieux pour des ordres ´lev´s. A treatise on analytic statistics. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).5083i .1. . [A. ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.98 STABILITE DES SYSTEMES LTI -0.0.1. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College.D]=ssdata(sys).5088 + 1.7020i -0.5088 + 0.0.5088 .7020i .7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.3429 0.[1 2 3 6 5 3]).B.3 Crit`re alg´brique de Routh-Hurwitz e e On suppose que le syst`me est repr´sent´ par un mod`le LTI : e e e e G(p) : = A B C D (IV. Il meurt le 7 juin 1907 a ` Cambridge. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux. sys=ss(G). En 1854.5083i + 0.7020i >> >> >> >> G=tf([1 1].

il y a changement de ` e ee e signe et donc il existe une racine a partie r´elle positive.Appliquer le crit`re de Routh-Hurwitz. Weierse ` e u trass et Kronecker. on le remplace alors par > 0 et on ee e continue la construction du tableau. e Le syst`me est donc stable si et seulement si tous les coefficients de la premi`re colonne e e sont positifs. ` e . Il meurt le 18 novembre e 1919 a Z¨rich. .Si tous les coefficients sont positifs. Si un ´l´ment de la premi`re colonne est nul. pn−2 bn−1 bn−3 bn−5 pn−3 . En 1884.1 1. Si l’´l´ment au dessous de est positif. pn pn−1 an an−1 an an−2 an−1 an−3 =− an−1 an−1 an−3 bn−1 bn−3 =− bn−1 . LA STABILITE BIBO 99 Adolf Hurwitz est n´ le 26 mars 1859 a Hanovre. Il ´tudie la th´orie de ` a u e e la factorisation des quaternions entiers en 1896. il existe une ee racine a partie r´elle nulle.´ IV. . . Il travaille ´galement e sur les surfaces de Riemann. ` o u ` En 1892. hn−1 an−2 an−3 an an−4 an−1 an−5 =− an−1 an−1 an−5 bn−1 bn−5 =− bn−1 . il remplace Frobenius a ETH ` Z¨rich. on calcule le tableau de Routh suivant. 3. . la th´orie des fonctions complexes et ´crit e e plusieurs papiers sur les s´ries de Fourier. Il fait son doctorat a Leipzig sous l’autorit´ de Klein en 1881 sur les ` e fonctions modulaires. il est ´tudiant a l’universit´ de Berlin o` il assiste aux cours de Kummer. il occupe une chaire a K¨nigsberg o` il enseigne a Hilbert. .1.3 (crit`re de stabilit´ de Routh-Hurwitz) e e Le nombre de racines du polynˆme dont la partie r´elle est positive est ´gal au nombre o e e de changements de signes des coefficients de la premi`re colonne du tableau de Routh. e ` Puis. .1.1. Son premier professeur est Schubert. .Ecrire le polynˆme sous la forme (hypoth`se a0 = 0) o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.9) 2. ` u ´ Procedure IV. e ´ ` Theoreme IV. . p0 cn−1 cn−3 cn−5 4.Si un des coefficients est nul ou n´gatif alors qu’un autre coefficient au moins est e positif. il existe une racine ou des racines imaginaires ou nulle ou a partie r´elle ` e positive. an−4 an−5 an an−6 an−1 an−7 =− an−1 an−1 an−7 bn−1 bn−7 =− bn−1 . Si l’´l´ment au dessous de est n´gatif.

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 . Il y a donc deux racines a partie r´elle positive.Le nombre de racines du polynˆme caract´ristique ` partie r´elle n´gative est ´gal o e a e e e au nombre de changement de signes dans la premi`re colonne.1 1. e e a2 a1 > a3 a0 Exemple IV. o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme. 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. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme.3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique. e 2.100 STABILITE DES SYSTEMES LTI Remarques IV.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. ` e . 0 est remplac´ par . p3 p2 p p0 a3 a2 a3 a 1 a2 a0 − a2 a0 a1 a0 0 Une condition n´cessaire et suffisante de stabilit´ devient alors.1.1.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω). e e 3.1.2 (ordre 3) Soit le polynˆme caract´ristique. o o Exemple IV.

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

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

e . la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´.15) Cela signifie que le vecteur d’´tat.1). ´ Definition IV.4 (stabilit´ exponentielle) e Un point d’´quilibre xe est exponentiellement stable s’il existe α > 0 et λ > 0 tels que : e ∀t > 0 .2. ∃ Br (xe .16) (IV.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle. le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable. LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t.3 (stabilit´ asymptotique) e Un point d’´quilibre xe est asymptotiquement stable s’il est stable et e ∃ α > 0 tel que ||x(0) − xe || < α ⇒ t→+∞ lim x(t) = xe (IV.2.´ IV.x0 ) xe t x1 Fig.2. D’autre part. e ´ Definition IV.14) La stabilit´ asymptotique signifie que l’´quilibre est stable et que l’on est capable de e e d´terminer un voisinage du point d’´quilibre tel que n’importe quelle trajectoire issue e e d’un x0 appartenant a un voisinage de xe tend vers xe quand t → +∞. λ est appel´ le taux de convergence. ||x(t) − xe || ≤ α||x(0) − xe ||e−λt o` Br est une boule ferm´e dans Rn d´finie comme l’ensemble : u e e Br = {x ∈ Rn / ||x|| ≤ r} (IV.2. e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe .5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0). r) . si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV. ` ´ Definition IV. ∀ x0 ∈ Br . IV.

Si un des pˆles du syst`me est instable. Re(pj ) ≤ 0. pour tout j ∈ {1. et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement. 2. IV. e .1 Mˆme si la notion de stabilit´ au sens de Lyapunov a ´t´ pr´sent´e dans le cadre de la e e ee e e repr´sentation d’´tat des syst`mes.Si toutes les valeurs propres de A ont une partie r´elle non positive. poss´dant r valeurs propres distinctes (r pˆles) p1 . Re(pj ) > 0. · · · . · · · .2. r}. · · · . on e e o e suppose que xe = 0 est un point d’´quilibre. la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable.si Re(pj ) < 0. r}. pour j ∈ {1. alors xe est un point ea d’´quilibre instable.si un pˆle est tel que Re(pj ) = 0. pour j ∈ {1. e e a e e IV.2. · · · . et la multiplicit´ est o e sup´rieur a 1 alors. e pour tout j ∈ {1.2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV. r}. alors. · · · . alors xe o e est un point 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. e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement.104 STABILITE DES SYSTEMES LTI Ces concepts de stabilit´ d’un point d’´quilibre peuvent ˆtre illustr´s sur la figure e e e e IV. pour j ∈ {1. 3.17) Soit le syst`me autonome de mod`le LTI d’´tat : e e e La caract´risation de la stabilit´ interne se fait a partir de la matrice dynamique A et e e ` de ses valeurs propres. e 1. .17).si un pˆle est tel que Re(pj ) = 0. e ` e A B C Fig. alors xe est un point d’´quilibre asymptotiquement stable. · · · . ´ ` Theoreme IV. r}. pr .2. e .2 Pour le syst`me (IV.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV. r}. e (b) si un des blocs de Jordan associ´ ` pj est non scalaire. La position A correspond a un point d’´quilibre instable.2.

6667 0.3333 3 A3 =  −1.3333 -2. >> eig(A2) ans = -1.6667 −2.1 0 -1].3333 −2.0000 -1.0000 + 0.2.-1 -3 0.-1.-0.6667 0.0000 0.3333 1.3333 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.3333 3.3333 −0.6667 3 A1 =  −1 −3 0  A2 =  −1.-1.6667 2].6667 -2.3333 1.0.     −3 2 3 −1.0 0 0.6667 0.9999 -1.-2 2 2].3333 2].2 La stabilit´ interne de (IV.6667 0.3333 0.9999 >> A3=[-2.´ IV.0000 .6667 0.3333  1.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.3333 2  . o e Exemple IV.6667 Script MATLAB 9 >> A1=[-3 2 3.3333 1. LA STABILITE INTERNE 105 Remarques IV.2.0000i -2. >> eig(A1) ans = -1.0001 >> A4=[0 0 0.3333 0.3333 A5 =  −0.3333 0  −2 2 2 −0.0000 -2.6667 −0. >> eig(A3) ans = 0. >> eig(A4)    −2.17) peut ˆtre d´termin´e ` l’aide du crit`re de Routh-Hurwitz e e e e a e que l’on applique au polynˆme caract´ristique πp (p) = det(p1 − A).2.3333 1.0000i -1.6667 3.6667 0  −1.3333 1.0000 >> A2=[-1.6667 0.-1.

0000 IV.6667 -0.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative. e e 3. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.S]=eig(A5) V = 0.6667 0. ` e e A B C D IV.3333 0.6667 -0. e 2. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI.1.3333 0.8729 -0.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0. >> [V.2.2.2182 -0.4364 0.3333 1. e e e . e e ´ ` Theoreme IV.0000 0 0 0 -0. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.3333 -0.6667 S = 0 0 0 0 -1.2.6667].3333 -0.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.6667 0.3 Pour un mod`le dynamique LTI commandable et observable d´crit par sa fonction de e e transfert ou sa r´alisation d’´tat minimale.-0. e 4.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.3333 1.Le syst`me est BIBO-stable.3333.3333.6667 0.

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

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

Il con¸oit e e e c de nombreuses m´thodes d’approximation.LA METHODE DE LYAPUNOV 109 IV. e on obtient diff´rentes ´quations e e M Fig. Il meurt le 03 novembre 1918 a Odessa. 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.3. ici l’´nergie totale. e e e On pourra donc conclure a la stabilit´ d’un syst`me par l’examen d’une seule fonc` e e tion scalaire. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev.7 – Syst`me masse-ressort e 1.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. Russie. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales. 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.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse. ` Exemple IV.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.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 . ”Si l’´nergie totale d’un syst`me est dissip´e de mani`re continue alors le syst`me (qu’il e e e e e soit lin´aire ou non lin´aire) devra rejoindre finalement un point d’´quilibre”. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. 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. Ce travail e e e e e e e est publi´ par la soci´t´ math´matique de Kharkov en 1892 dans Probl`me e ee e e g´n´ral de la stabilit´ du mouvement traduite pour la premi`re fois en e e e e fran¸ais en 1907 dans les annales de l’universit´ de Toulouse puis en 1949 c e aux Princeton University Press. IV.

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

21) f (t. il existe une fonction scalaire de l’´tat V (x. t) est appel´e la d´riv´e de V (x.3.8). e ` e e e ´ Definition IV. dans une boule Br0 . t) ˙ V (x.3. x2 ) | x2 + x2 < 2 1 2 . ` ˙ V (x) = x1 x1 + x2 x2 = (x2 + x2 )(x2 + x2 − 2) ˙ ˙ 1 2 1 2 ˙ V (x) est donc localement asymptotiquement stable dans la boule : B√2 = (x1 . t) ∂xn       (IV. Si V e e e Exemple IV. On choisit une fonction candidate de e e 2 2 Lyapunov V (x) = 1/2(x1 + x2 ). t) est d´finie positive. On d´finit alors V : e e e ˙ n R × R+ → R par : ∂V ∂V (x. e ˙ (x. e e e e e e ´ ` Theoreme IV. x) (IV. t) le long des trajectoires de x = f (x.V (x. t). 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. figure IV. e ˙ 2. t) = (x. t) : R ×R+ → R une fonction continˆment diff´rentiable en tous ses arguments ˙ e et soit l’´quation non lin´aire diff´rentielle x = f (x. t)/x ∼    ∂V (x. t) est semi d´finie n´gative. x ∈ Rn . ∂V (x. t) ∂x   gradient de V (x.3. . LA METHODE DE LYAPUNOV 111 et d’en examiner la d´riv´e temporelle (cf. t) est d´finie n´gative alors la stabilit´ est dite localement asymptotique. t). 0) est un point d’´quilibre pour ce syst`me.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 (0.1 (stabilit´ (asymptotique) locale) e e e e Si.V (x. Cela conduit a calculer. t) + ∂t ∂x o` : u  ∂V (x.´ IV.3. On peut ainsi conclure quant ` la e e a stabilit´ sans avoir recours a la solution explicite des ´quations diff´rentielles non lin´aires. t) dont les d´riv´es partielles premi`res sont continues et telle que : e 1. t) ∂x1 .1 (D´riv´e de Lyapunov) e e n u e Soit V (x. .

23) ´ ` Theoreme IV. V (x) = x P x.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . Dans le cas non lin´aire.3. ´ ` Theoreme IV. e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV. d’o` l’utilisation de e u l’exp´rience. e 2. t). Si la e condition 2 est v´rifi´e. t) est une fonction de Lyapunov et l’on peut e e conclure ` la stabilit´ sinon aucune conclusion ne peut ˆtre donn´e et il faut alors a e e e recommencer le processus avec une autre fonction candidate de Lyapunov.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que. il faut donc choisir a priori e e une fonction candidate de Lyapunov. la m´thode devient plus syst´matique. V (x. IV. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes).3. e e e x(t) = Ax(t) ˙ (IV.22) On consid`re une fonction candidate de Lyapunov quadratique. Dans le cas des syst`mes LTI. t) est une fonction de Lyapunov pour le syst`me.8 – Illustration de la m´thode de Lyapunov e Remarques IV.La condition pr´c´dente est une condition suffisante . e e A P + PA + Q = 0 (IV. e e 2||x||→+∞ lim V (x) = +∞.V (x.24) . la fonction V (x.2 V = C2 V = C1 x1 x0 Fig. 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. alors 0 est un point d’´quilibre globalement asymptotiquement stable.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 > 0.3.2 1.V (x) est d´finie n´gative. fonction d´finie positive. ˙ 1. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive. alors.

3. P = 0.1664 0. on trouve.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.0676 .0625 0. >> eig(P) ans = 0.3. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.eye(3)). e Script MATLAB 10 >> P=lyap(A1’. LA METHODE DE LYAPUNOV Exemple IV.5160 19.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1.0477.3273 et 0.0625 0.3125 0.´ IV.

114 STABILITE DES SYSTEMES LTI .

e e Mˆme si le mat´riel pr´sent´ dans ce chapitre peut ˆtre ´tendu aux mod`les multivae e e e e e e riables. repr´sentation e e e e d’´tat.2) 115 . l’´tape suivante consiste a analyser les performances du syst`me.1 Introduction Une fois le mod`le math´matique d’un syst`me (fonction de transfert. nous nous sommes volontairement restreints a l’´tude du cas monovariable qu’il ` e est plus facile d’appr´hender physiquement..) obtenu. e V.1. 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. Cette e e ` e ´tape peut ˆtre men´e suivant de nombreuses m´thodes.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.Chapitre V Analyse temporelle des syst`mes e continus V.. il est n´cessaire de e e e e e disposer d’une base commune d’analyse pour des syst`mes diff´rents. 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.1) dont la transform´e de Laplace est donn´e par : e e U (p) = n pn+1 (V. Toutefois.

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

´ Definition V. r´elles ou complexes. e e Remarques V.1.chaque racine r´elle pi de multiplicit´ mi donne une r´ponse : e e e mi y4i (t) = i=1 λi ti−1 epi t (V. e e e V.y3 (t) comme la r´ponse en r´gime permanent du syst`me.V.1.7) .r´gime transitoire e e La solution de l’´quation diff´rentielle (V. e e e e .1. INTRODUCTION Exemple 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. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.1 Soit a trouver la r´ponse y(t) de l’´quation.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.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. distinctes ou multiples. il ne subsiste que e y3 (t) et l’on d´finit alors.3) peut ´galement se d´composer en deux e e e e parties : . e e e .1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini. .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). ` e e 0. y4 (t) est e e la somme de n termes tels que : .1.1.y4 (t) comme la r´ponse transitoire du syst`me.5) Remarques V.6) Cette ´quation a n racines pi . 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.1.3 R´gime permanent .5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors.

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

2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V.2.12) .9) T est la constante de temps du syst`me. 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.10) (V.11) La r´ponse transitoire d’un syst`me du premier ordre est. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre. ae Y (p) = K 1 + Tp (V.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.1 On appelle syst`me du premier ordre.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. V. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V. LES SYSTEMES DU PREMIER ORDRE 119 V.` V.1 – Exemples de syst`mes du premier ordre e V.2.2 V. e Cela conduit ` ´crire. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V.1.2.

15) qui est repr´sent´e figure V.2.3.2 (r´ponse indicielle) e On appelle r´ponse indicielle. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V.4 0.2 0.2 – R´ponse impulsionnelle e En calculant la d´riv´e. V.5 0.7 0. En calculant la d´riv´e.16) 1 p (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. on obtient la pente de la tangente pour t = 0. u e y(t) = qui est repr´sent´e figure V. ae Y (p) = d’o` la r´ponse indicielle. K K dy(t) = e−t/T |t=0 = dt T T (V.3 0.18) .17) K KT K = − (1 + T p)p p 1 + Tp (V. on obtient la pente de la tangente e e e e pour t = 0.120 d’o` la r´ponse impulsionnelle.2.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.14) La r´ponse indicielle e ´ Definition V.8 0. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.6 y(t) 0.13) 0.9 KT 0. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.

ae Y (p) = d’o` la r´ponse.4 0.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V.4.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V. pour e e K = 1. plus le syst`me est rapide.632K 1.6 0. En calculant le signal d’erreur (t) = u(t) − y(t).8 1.19) Si k = 1.2 0 0 T 2 4 6 8 10 12 Time (sec. on obtient.2 Amplitude y(t) To: Y(1) 1 0. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.21) 1 p2 (V. V.4 0.2.23) .20) qui est repr´sent´e figure V.3 – R´ponse indicielle e Remarques V.8 0. e e R´ponse ` une rampe unitaire e a ´ Definition V.6 1. on parle alors de rampe unitaire. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.1 Plus la constante de temps du syst`me T est faible.2.) t Fig.

122

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

35

T

30

25

Amplitude

To: Y(1)

y(t)

20

T
15

10

5

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

0

Time (sec.)

t

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

0.8

1.6

0.7

1.4

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

1.2

0.5

1

0.4

0.8

0.3

0.6

0.2

0.4

0.1

0.2

0

0

0

2

4

6 Time (sec)

8

10

12

Step Response 40

35

30

25 Amplitude

20

15

10

5

0

0

2

4

6

8

10 Time (sec)

12

14

16

18

20

` V.3. LES SYSTEMES DU SECOND ORDRE

123

V.3
V.3.1

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

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

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

p + 2ξ +1 ωn

=

2 Kωn 2 p2 + 2ξωn p + ωn

(V.26)

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

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

R e C

R C s M

k

γ f

θ i R L e C C J

s
111 000 111 000

f

k
111 000

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

124

ANALYSE TEMPORELLE DES SYSTEMES

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

(V.27)

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

(V.28)

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

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

(V.29)

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

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

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

125

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

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

(V.37)

(V.38)

ωp = ωn

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

(V.39)

θ = arcsinξ

Im

ωn σ ωd Re

Fig. V.6 – Paire de pˆles complexes o

126

ANALYSE TEMPORELLE DES SYSTEMES

V.3.2

Etude de la r´ponse indicielle e

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

(V.40)

1 ξ=1

0.8

ξ=4

Amplitude

0.6

0.4

0.2

0

0

2

4 Time (sec.)

6

8

10

12

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

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

4 1.9 – Syst`mes du second ordre sous-amortis pour ξ = 0. e e e ξ = 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0. V.2 Amplitude 1 0.1 ω n= 0. u L’allure de telles r´ponses est repr´sent´e figure V.5 1.1 1.8 et figure V.2 ω n= 0.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.3 ξ = 0.8 0.4 1. V.7 ξ = 0.4 ξ = 0.2 0 Fig.2 ξ = 0.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.6 ξ = 0.4 ω n= 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).8 Step Response ω n= 0.6 1.9 0.8 0.9.6 ξ = 0.5 ξ = 0.2 Amplitude 1 0.1 e .4 1.8 Step Response 127 1.6 0.8 ξ = 0.6 0.4 1.

e Step Response 0.1 0 0 5 Time (sec.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement.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.2 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.3 0. V. .6 T 0. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes.7 D 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 .5 T/2 Amplitude 0.) 10 15 Fig.4 D2 1 0.

1 a=2 a = 10 Amplitude 0.[T (1+a*T*K) K]) >> a=0.H_2.8 a = 0. V.[T (1+a*T*K) K]) >> step(H_01.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. >> a=10.T=1.6 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. e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf.[T (1+a*T*K) K]) >> a=2.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .H_10=tf([K*T*a K]. e e e Script MATLAB 12 >> K=1.H_2=tf([K*T*a K]. figure 3).H_10) >> axis([0 20 0 1.H_01=tf([K*T*a K].11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.2 1 0.1.4 0.3]) Step Response 1.

ξ). tan(ωp tr ) = − Apr`s calculs.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V. V. cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1.49) . u cos(ωp tr ) + soit.12 – Sp´cifications de performance e . e e y(tr ) = 1 = 1 − e−ξωn tr d’o`. Sa r´ponse temporelle a l’allure de la figure V.130 ANALYSE TEMPORELLE DES SYSTEMES V.47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.48) 1 − ξ2 ξ (V.45) Cette relation est approxim´e par la relation : e tr ≥ (V. y(t) Mp 0.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est.3.8 ωn (V.5 0 tr tp t ts Fig.12.05 t td 0.3 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 .

De plus. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.6 ts .55) ξ ≥ ξ(Mp ) σ≥ 4.6 = = ξωn σ Remarques V.8 tr (V.5 ξ = 0. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`.3 (V. − 131 (V.50) π ωp (V. Mp = y(tp ) − 1 = −e−ξωn tp Soit.1 e e ξ est g´n´ralement fix´ en corr´lation avec Mp alors que ts est principalement d´termin´ e e e e e e par ωn .D´passement maximal Mp : e On a donc. pour des r´ponses rapides.52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0. u tp = .3.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.7 ξ = 0. ωn doit ˆtre grand.Temps d’´tablissement ts : e G´n´ralement.54) 4. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.53) .LES SYSTEMES DU SECOND ORDRE .6 4.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit.

132 ANALYSE TEMPORELLE DES SYSTEMES V.4. complexes conjugu´s) des racines de l’´quation caract´ristique. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur.1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te. on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps. Dans cette combinaison lin´aire.1 Les syst`mes d’ordre sup´rieur e e Notions de modes D´finitions e A partir de ce que l’on a d´j` vu pour les syst`mes d’ordre 1 et 2. pi ) de multiplicit´ mi donne une o e e r´ponse : e mi y4i (t) = j=1 λj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) (V.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse. 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. 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.59) j=1 La d´croissance finale de cette contribution est caract´ris´e par la constante de e e e temps τi = 1/λi . La notion de stabie e e e lit´ asymptotique ´tudi´e dans les chapitres pr´c´dents exprime que la composante y4 (t) e e e e e tend vers 0 sur un horizon suffisamment long de temps mais ne donne pas d’indications sur l’´volution qualitative de ce signal transitoire. les pˆles. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me.Chaque pˆle r´el pi de multiplicit´ mi donne une r´ponse transitoire : o e e e mi y4i (t) = j=1 λj tj−1 epi t (V. 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. e e Ainsi.58) o` σi = Re(pi ) et ωi = Im(pi ). .4 V.57) . .r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V. e e e e Soit la fonction de transfert G(p) d’ordre n que l’on factorise afin de faire apparaˆ ıtre les pˆles et les z´ros.Chaque paire de pˆles complexes conjugu´s (pi . o ` e . e e ´ Definition V.4. Dans le cas le plus g´n´ral.

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

V. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral. V.5 2 2.62) et (V.Le mode d’oscillation d’incidence (short-period mode) p = −2.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.1 0 −0.191 −3.65) Les modes propres longitudinaux sont d´finis comme : e .96 −2.13 – North American L-17A ”navion” .51 ± 2.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.76   δw ˙   0    q  =  0.036 0 −0.322 δu  δ w   −0.5 −1 0.14 – Mode d’oscillation d’incidence pur .1 −0.5 1 Time (sec) 1.02 1.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.5 Fig.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V. 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.1 −0.370 −2.59)2 (p + 0. e e e Fig.017)2 + (0.5 0 −0.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.213)2     (V.51)2 + (2.045 0.2 1 0.2 0.Mouvement propre longitudinal :     δu ˙ −0.Courtesy USAF Museum . e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses. o e e (V.63) sont appel´s e ee e les modes du syst`me.2 0 0.1 0 −0.

05 0.67)     (V.2 0.98 0. o e e e (p + 8.zeros(4.55 −0.1)) >> initial(sys_long..0088) Les modes propres lat´raux sont d´finis comme : e e . 0].3)) .LES SYSTEMES D’ORDRE SUPERIEUR .2 To: Out(3) To: Out(4) 0.76 0 0.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.5 −1 0.Plong(:.66) .96 -2.19 −8.322.191 -3.5 0 −0.017 ± 0.5 0 −0.02 1. V.35  r ˙   0    p  =  −9.213j Response to Initial Conditions 1 To: Out(1) 0.1)). >> initial(sys_long.76 −0.1).05 To: Out(2) 135 0 Amplitude −0.036 0 -0.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.08 2.0 0 1.zeros(4.486)2 + (2.Mouvement propre lat´ral : e     v ˙ −0.322 v  r   2. >> [navion_long.eye(4)..Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.37 -2. -0.76 0.433 ` (V.Tlong]=canon(sys_long.1 −0.5 0 50 100 150 Time (sec) 200 250 300 350 Fig.334)2 (p + 0.0.254 −1.433) (p + 0.Le mode phugoide (phugoid mode) p = −0.’modal’) >> Plong=inv(Tlong).1 0 −0.Plong(:.045 0....

7 Fig.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.15 0.005 −0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.5 0 0 −0.5 0.015 0.02 0 0.01 1 0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.4 0.1 −0.2 0 0.05 −0. V.0088 Response to Initial Conditions 0.15 −0.3 Time (sec) 0.04 0. V.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.334j .1 0.2 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.1 0.02 0 1 0.05 0 0 −0.17 – Mode de spirale pur .01 0.6 0.16 – Mode de roulis pur .486 ± 2.2 0.02 To: Out(1) 0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.

zeros(4.2 0 2 4 6 Time (sec) 8 10 12 Fig.1)). · · · .1)) >> initial(sys_lat.5 1 0.5 0 −0.1 0 −0..18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-. 0].5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.19 -8.69) .1 −0.5 0 −0. Supposons maintenant que la fonction de transfert soit du troisi`me ordre avec un pˆle e o r´el −1/γ et deux pˆles complexes conjugu´s : e o e G(p) = 2 ωn 2 (γp + 1)(p2 + 2ξωn p + ωn ) (V.Plat(:..LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.5 0..4 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.322.5 −1 0.. >> [navion_lat.eye(4). >> initial(sys_lat.68) Les modes les plus rapides sont donc ceux associ´s aux pˆles les plus ´loign´s de l’axe e o e e imaginaire.2 0.Plat(:.zeros(4.Tlat]=canon(sys_lat.-9.254 -1.35 0.2)) >> initial(sys_lat.76 0 0.76 -0.4)) Caract´risation des modes e Il apparaˆ donc clairement sur les exemples pr´c´dents que la dur´e des transitoires ıt e e e d’un syst`me d’ordre quelconque est d´termin´e par l’ensemble des constantes de temps e e e e a e {τ1 ..0 0 1. V.08 2.Plat(:. ´ Definition V.1).’modal’) >> Plat=inv(Tlat). 2. e τi = −1/Re[pi ] (V.55 -0. τq } associ´es ` ses diff´rents modes.4.

12 (V.0088 d´fini par sa constante de temps. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me.334j d´fini par sa constante e de temps et son amortissement.0088 = 113.Si ξ = 0 alors le mode oscillant est non amorti .486 = 2. = 1/8.70) Par extension. = 0.06 ξdrol. τinc.204 (V.51 ± 2. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1.017 ± 0.486±2.3984 0.433 = 0.82 ξphu. e e .73) (V.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.le mode correspondant de spirale p = −0.71) . e τrol. ξq }.4. = 1/2.4 ξinc.433 d´fini par sa constante de temps. on parle o e e de modes dominants.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 . e τsp.72) .4. ´ Definition V.75) . = 0.213j d´fini par sa constante de temps et son ıde e amortissement.le mode d’oscillation d’incidence p = −2.le mode d’oscillation de roulis hollandais p = −0. τdrol. · · · . ´ Definition V.74) . mˆme si cette condition n’est pas strictement v´rifi´e.le mode phugo¨ p = −0. Pour un mode oscillatoire. = 1/0. = 1/0.017 = 58. = 0.08 Les modes propres lat´raux du Navion sont caract´ris´s par.63 (V. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par. e e e .51 = 0.59j d´fini par sa constante de temps e et son amortissement.7 (V. = 1/0.le mode de roulis p = −8. τphu.138 ANALYSE TEMPORELLE DES SYSTEMES Il a ´t´ montr´ exp´rimentalement que les performances de ce syst`me sont identiques ee e e e ` celles du second ordre seul en termes de d´passement et d’amortissement quand : a e |1/γ| ≥ 10|ξωn | (V.4 (mode oscillant non amorti et ap´riodique) e .

2140 0.0000 0.2040 1.Xi_lat]=damp(sys_lat) Wn_lat = 0.4.0088 2.2 Effets des z´ros et des pˆles additionnels e o Reprenons une fonction de transfert poss´dant des pˆles distincts stables et que l’on e o factorise sous la forme : m (p − zi ) H(p) = K i=1 n n = (p − pi ) i=1 ai p − pi (V.2140 3.6070 3.6946 0.3836 8.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.6946 V.3836 2.0797 0.0000 >> [Wn_long.Xi_long]=damp(sys_long) Wn_long = 0.6070 Xi_long = 0.2040 0.76) i=1 .4327 139 Xi_lat = 1.0797 0.

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

5 H1 H Amplitude 0 −0. tr`s souvent les caract´ristiques de performance d’un syst`me command´ e e e e sont sp´cifi´es en termes de r´ponse transitoire a une entr´e en ´chelon facile ` g´n´rer.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.5 e Step Response 1.8 0.5 e R´sum´ V.2 H 1 Amplitude 1 0.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.6 H 1.1 e e a o .4.5 −1 H 2 −1.L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales. 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).4.5 1 0.6 0. Ainsi.4 1. dans de nombreux cas pratiques.2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.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. e . e e e a .5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0.2 H 2 0 −0. e .L’addition d’un z´ro stable z ` une paire de pˆles dominants pdom augmente le e a o d´passement si |zadd | ≤ 4|Re(pdom )|.4 0.8 141 1. e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel. e V.

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

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

144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig.22 – Pulsation propre non amortie En g´n´ral.83) ξ ≥ ξ(Mp ) σ≥ 4.23 – R´gion de sp´cifications e e . V.8 tr (V. e e e ωn ≥ 1. Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig. V.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.

V.x]=initial(sys. ) e e ) [y.t. FONCTIONS MATLAB 145 V. ) e e ) [y. e e V.1 Fonctions MATLAB Fonctions de r´ponse temporelle e ) [u.tau): g´n`re des signaux temporels dans u de p´riode tau et dont ) e e e le type peut ˆtre ’sim’.t. ) e .t]=gensig(type. e ) [y.t.u.t.5 V. ’square’ ou ’pulse’.5.x0): r´ponse temporelle du mod`le LTI sys ` une condition initiale ) e e a x0 . ) [y.x]=impulse(sys): r´ponse impulsionnelle du mod`le LTI sys.x]=step(sys): r´ponse indicielle du mod`le LTI sys.t): effectue la simulation temporelle du mod`le LTI sys pour ) e l’entr´e u sur l’horizon temporel d´fini par t.5.5.x]=lsim(sys.Z]=damp(sys): renvoie les pulsations propres et les coefficients d’amortisse) ment des diff´rentes paires de pˆles complexes conjugu´es du mod`le LTI sys.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.

146 ANALYSE TEMPORELLE DES SYSTEMES .

B. D). la plupart des outils peuvent ˆtre ´tendus au cas multivariable. e e Toutefois.1 Les syst`mes monovariables e Dans cette section. e e e e VI.1. e e 147 . C. 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. Une autre raison repose sur les possibilit´s exp´rimentales nombreuses et e e e peu complexes n´cessaires pour reconstituer la r´ponse fr´quentielle d’un syst`me donn´ e e e e e ` partir de donn´es exp´rimentales entr´es-sorties (g´n´rateurs de signaux sinuso¨ a e e e e e ıdaux et ´quipements de mesure ad´quats). e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. 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. 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 e e ces m´thodes n´cessitent une culture fr´quentielle suffisament pouss´e pour pallier la e e e e faible corr´lation entre les caract´ristiques temporelles des r´ponses transitoires et les e e e caract´ristiques des r´ponses r´ponses fr´quentielles. e 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. De plus. Historiquement.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. e e ´ Definition VI. Mˆme si comme nous le ee e e e verrons dans ce chapitre.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre.1.1 D´finition et propri´t´s e e e La r´ponse fr´quentielle d’un syst`me LTI est un outil particuli`rement important e e e e pour l’analyse et la synth`se des syst`mes de commande.

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

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

149

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

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

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

VI.1.2

Extension au cas des syst`mes multivariables e

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

150

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

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

Yi (ω) =
j=1

gij (jω)Uj (ω)

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

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

u2 =

u3 =

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

151

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

6

σ (G) = 6.1401

5

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

4

3

2

1 −15

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

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

152

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

1 i=j 0 i=j

H W = [wi ]i=1,···r wj wi =

1 i=j 0 i=j

Gvi = σi wi

σi = ||Gvi ||2

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

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

VI.2

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

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

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

VI.2.1

Le lieu de Nyquist

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

Im(G(jω ))

Φ(ω i)

Re(G(j ω k))

−Φ(ω k)
ωi
Im(G(j ω k))

Re(G(j ω)) ω0

|G(j ω k)| ωk

Fig. VI.2 – Plan de Nyquist

e e La mˆme ann´e. il s’engage sur des recherches g´n´rales en communication.Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif (la e e e diff´rence de degr´ entre le d´nominateur et le num´rateur) n − m. Apr`s ee e e e 1935.2. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. En effet. En 1932. 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 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. Entre 1921 et 1935. e e . 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 .154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. Il immigre aux Etats Unis en 1907 afin e ` e de poursuivre sa formation scientifique et obtient son Master de l’universit´ du Dakota e du Nord ainsi que son Doctorat de Yaleen 1917. il donne la e premi`re analyse de stabilit´ pour les amplificateurs a contre-r´action e e ` e et d´veloppe le diagramme de Nyquist qui conduit au crit`re graphique e e de Nyquist pour la stabilit´. e Remarques VI. Il est e e retrait´ des laboratoires Bell en 1954 et travaille alors comme consultant pour diff´rentes e e entreprises et pour le gouvernement am´ricains.1 Le gain du syst`me ` une pulsation donn´e est mesur´ par la longueur du rayon vece a e e teur correspondant alors que la phase est l’angle mesur´ positivement dans le sens trigoe nom´trique entre l’axe ox et le rayon vecteur. Il publie un article sur la fr´quence de Nyquist en 1928. Il meurt en 1976. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson.

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

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

5. VI.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI.12) permet de montrer que la courbe est un demi-cercle de centre e (0.5.16) . G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI. ξ).14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0.5 Re |G(j/T)| ω = 1/Τ Fig. (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI. la pulsation propre non amortie et l’amortissement. e e a e (ωn .REPRESENTATION GRAPHIQUE 157 L’´tude de (VI. 0) et de rayon 0.6 – 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.

2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.7 ξ = 0.7). e ` e Nyquist Diagram 15 10 ξ = 0.18) ω ωn ω + 2ξ ωn 2 (VI. Il est a remarquer que MATLAB donne le diagramme de e e a ` Nyquist complet avec le sym´trique par rapport a l’axe ox pour les pulsations n´gatives.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e .1 ξ = 0. 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. l’analyse asymptotique montre que la phase tend vers −π. Aux hautes e e fr´quences. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn .07 ξ = 0. e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox.05 ξ = 0. Cette pulsation est la pulsation de e cassure associ´e au second ordre. Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1.4 ξ = 0.17) ω2 2 ωn + ω 2ξ ωn 2 (VI.

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

7 −0.8 0+ −0. VI.5 Real Axis −0.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts.2.4 −0. ´ Definition VI. 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.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations. 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.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. pulsation quelconque.2 −0.3 −0. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s. 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 . les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade. e 8 8 .8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI.6 −0.2.9 −0.1 0 Fig.

il obtient son Ph. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. e e toute fonction de transfert peut ˆtre factoris´e comme : e e G(p) = K (1 + pTi ) (1 + 2 ξ/ωnj p + (pωnj )2 ) (1 + pTk ) (1 + 2 (ξ/ωnl ) p + (pωnl )2 ) (VI. En 1955. D de l’universit´ de Columbia en 1935. il travaille principalement sur les syst`mes de commande de tir anti-a´rien et il re¸oit le Certificat Pr´sidentiel du e e c e M´rite en 1948. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. En 1952. Il entre aux laboratoires de Bell Telephone comme math´maticien. Il devient ` ` membre de l’Acad´mie des Sciences. 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 d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. il continue a travailler en partie sur des applications e e ` militaires (guidage des missiles) mais ´galement sur la th´orie moderne de la communicae e tion. 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. Alors qu’il travaille chez Bell. Pendant la seconde guerre mondiale. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. En effet. a e L’avantage principal d’une telle repr´sentation est qu’elle permet de convertir la mule tiplication des amplitudes en addition par l’utilisation de l’´chelle en d´cibels. e L’inconv´nient majeur est que l’on ne peut repr´senter les courbes de gain et de phase e e jusqu’` la pulsation 0 du fait de l’utilisation de l’´chelle logarithmique pour les pulsations. Il meurt le 21 Juin 1982. 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. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses.20) pN . VI. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. e Pendant ses premi`res ann´es aux laboratoires Bell. Apr`s la guerre.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin.

. e e ` .20). Log10 |G(jω)| = i Log10 |Gi (jω)| φ(ω) = i φi (ω) (VI. e e e e M´thode de construction e La majorit´ des fonctions de transfert rencontr´es est constitu´e de fonctions de transe e e fert faisant apparaˆ au d´nominateur des facteurs ´l´mentaires (VI.5 −91 10 0 10 Frequency (rad/sec) 1 Fig. VI. Bode Diagram 10 5 Magnitude (dB) 0 − 20 dB / decade −5 −10 ω co −15 −89 −89.Le facteur d’int´gration d’ordre N e Le module est d´fini par : e 20Log10 K K = 20Log10 N = 20Log10 K − 20N Log10 ω N (jω) ω (VI. Il peut ˆtre ensuite affin´ et corrig´ simplement. Ce trac´ asymptotique suffit en premi`re approximation pour e e e obtenir des informations sur le syt`me.Le gain K poss`de un module constant ´gal a K et une phase nulle.22) 1 a une phase constante valant −90×N deg. e e .10 – Trac´ dans le plan de Bode de 2/p e Le facteur d´riv´e K(jω)N se d´duit ais´ment du pr´c´dent en changeant le signe e e e e e e de la pente de la courbe de gain et le signe de la phase. (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 .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.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. Ces facteurs ıtre e ee peuvent ˆtre class´s en quatre familles.5 Phase (deg) −90 −90.

on obtient.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines.L’erreur pour une octave au del`. e ` .3 .25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB. ω << ωc = 1/T . . la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave. domaine ”hautes e fr´quences” ω >> ωc . e e e c e .L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB.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. e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI. Dans le plan de Bode. domaine ”basses fr´quences” ω << ωc . le trac´ asymptotique d’un premier ordre est donc d´termin´ e e e par les deux droites ainsi d´finies et qui se coupent en la pulsation de cassure ωc = e 1/T . ω = 2/T .REPRESENTATION GRAPHIQUE 163 .En hautes fr´quences.Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI. e √ (VI.Pour les basses fr´quences.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante.6 5.26) Dans cette plage de pulsations. ω >> ωc = 1/T . Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e .7 63. 45 26.97 dB. ω = 1/2T de ωc vaut a ca −0. et en de¸`. l’amplitude en dB peut ˆtre e approxim´e par. 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.

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

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

2. VI.5 −180 ξ = 0.2 ξ = 0.1 1.3 ξ = 0. .3 ξ = 0.5 ξ = 0.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.05 ξ = 0.2 −135 ξ = 0. e a ´ Procedure VI.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.1 −90 ξ = 0.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires. 4.34) ´ Definition VI.05 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.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.2. e e e a 3. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.1 ξ = 0.4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.Tracer les courbes asymptotiques.2. ee 2.

[1 2 0]).’. 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. >> G2=tf(1. Ces deux asymptotes se coupent e e e a en ωc = 2 rad/s.’b--’.’r-.[1 0]). >> bode(G1.’g. VI.2. >> G=tf(4.G.’. Script MATLAB 18 >> G1=tf(4.2 Reprenons la fonction de transfert pr´c´dente.’k’) >> grid Bode Diagram 40 20 Gain k = 4 Magnitude (dB) 0 −20 −40 −60 Intégration −80 0 −45 G(p) −90 Premier ordre 1 p+1 Phase (deg) −135 −180 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 Fig.[1 2]).G2.1).REPRESENTATION GRAPHIQUE Exemple VI.G3. >> G3=tf(1.14 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) . La courbe de phase pr´sente quant ` elle deux asymptotes horizontales en −90 deg et −180 deg.

35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black.168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI. VI. Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert. La courbe du lieu de transfert e e e dans le plan de Nichols-Black est ´galement une courbe param´tr´e en la pulsation ω et e e e doit donc ˆtre gradu´e de mani`re ad´quate. 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. 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig.15 – Plan de Nichols-Black Remarques VI. e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI.2.3 D´finition e Le lieu de Nichols-Black Le lieu de Nichols-Black repr´sente le lieu de transfert dans un plan dont l’abscisse est e l’argument de la r´ponse fr´quentielle en degr´s (φ(ω) deg) et dont l’ordonn´e est le module e e e e de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)).2 Dans la litt´rature anglo-saxonne.2. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants. a e o . 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.

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

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

18 – Lieu de transfert de 1/(1 + p) dans le plan de Nichols-Black Caract´ristiques d’un deuxi`me ordre dans le plan de Nichols-Black De mˆme pour e e e 1 un facteur du deuxi`me ordre du type e .1 ξ = 0. VI.02p + p2 ) 8 −135 −90 Open−Loop Phase (deg) −45 0 −70 −180 −135 −90 Open−Loop Phase (deg) −45 0 Lieux de transfert pour ξ variant et ωn = 1 .3 ξ = 0.01 ξ = 0. e e   ω 2 2  2ξ( ωn )  ω2 ω  1 − ω2 + 2ξ ωn dB φ = − tan−1  |G(jω)| dB = −20Log10  n ω2  1− 2 ωn (VI.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0.5 ξ = 0. aux hautes fr´quences.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. nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode. e Nichols Chart 30 Nichols Chart 30 ωn ∼ ω r = ωn 1 − 2ξ2 20 20 10 10 Mr = 2ξ 1 − ξ 2 Open−Loop Gain (dB) 0 Open−Loop Gain (dB) −10 0 −20 −10 ω=0 −20 −30 −40 ξ = 0.

14 Phase (deg): −38. >> nichols(G2.3 Frequency (rad/sec): 1.G3.04 dB et le point correspondant a ω = 1.’.3 Soit la fonction de transfert : G(p) = On rappelle : |G(jω)| = 20log10 ω→0 REPONSE FREQUENTIELLE DES SYSTEMES LTI 4 p(p + 2) G(jω) = 4 jω(jω + 2) 180 ω tan−1 deg π 2 4 ω 4 + ω2 √ dB φ(ω) = −90 − lim |G(jω)| = ∞ lim φ(ω) = −90 deg lim φ(ω) = −180 deg ω→0 ω→∞ ω→∞ lim |G(jω)| = −∞ La courbe admet une asymptote verticale aux basses fr´quences en −90 deg et en e −180 deg aux hautes fr´quences.[1 2 0]). Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0. ` e .2.172 Exemple VI.[1 0]). >> G=tf(4.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.58 rad/s.[1 2]). >> G3=tf(1.’b’).94 Frequency (rad/sec): 1. VI.G. se e construit facilement en d´phasant de −90 deg le point de G3 associ´ et en le translatant e verticalement du gain correspondant a l’int´gration + 12.58 Phase (deg): −90 Frequency (rad/sec): 1.’.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig. e Script MATLAB 19 >> G2=tf(1.’r-.04 dB.0273 System: G2 Phase (deg): −128 Gain (dB): −3.58 System: G3 Gain (dB): −8.’g.

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. 0 −20 −40 −60 Phase deg −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 10 3 Fig.20 montre le diagramme des phases de G1 et de G2 .2.3 Cette d´nomination provient du fait que pour un module identique.20 – Phases de G1 et G2 pour T1 = 1.4 Les syst`mes ` non minimum de phase e a ´ Definition VI. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.5 (minimum de phase) Un syst`me poss´dant des pˆles et des z´ros situ´s dans le demi-plan complexe gauche et e e o e e ne comprenant pas de retard est dit a minimum de phase. prenons les deux fonctions de transfert e e suivantes ` minimum de phase (respectivement ` non minimum) : a a G1 (jω) = 1 + jωT1 1 − jωT1 G2 (jω) = 1 + jωT2 1 + jωT2 (VI. il sera ` dit a non minimum de phase. Exemple VI. ` Remarques VI.REPRESENTATION GRAPHIQUE 173 VI. T2 = 2 . VI.40) La figure VI.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre.41) Arg(G2 (jω)) = − tan−1 ω(T1 + T2 ) ω(T1 + T2 ) = 90 deg + tan−1 2T T 1−ω 1 2 1 − ω 2 T1 T2 2 1 + ω 2 T1 2 1 + ω 2 T2 (VI.2. Dans le cas contraire.2.2.4 Afin d’illustrer au mieux la remarque pr´c´dente.

Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase. VI.2 Imaginary Axis 0 −0.8 0.4 0.2 0 Real Axis 0.6 −0. le module et la phase sont li´s par une relation e a e biunivoque.8 −0.8 −1 −1 −0.6 0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.4 −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.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 .6 0.2 0.4 0. nous donnons les lieux de transfert de G a dans le plan de Nyquist. VI.6 −0.4 −0.2 −0.8 1 Fig.42) Le module de G(jω) vaut 1 tandis que son argument est donn´e par : e Arg (G(jω) = −2 tan−1 ωT1 0 −20 −40 −60 −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 0 10 1 10 2 10 3 Fig. A titre d’exemple. Si la courbe de gain est connue sur l’ensemble des pulsations. Nyquist Diagram 1 0.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.

seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.1.45 s + 10 #2: .21 s^3 + 7.01 2].5 (mod`le deux entr´es .H=tf({1 3.{den den.5 Extension aux syst`mes multivariables e La section I.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.2.2.2 5])..21 s^3 + 7.6 (lieu de transfert multivariable) La repr´sentation graphique de la r´ponse fr´quentielle d’un syst`me multivariable consiste e e e e ` tracer les gains principaux du syst`me multivariable dans le plan de Bode. 1 #1: ---------------------------------------s^4 + 0..[2 1] [1 4]}. ´ Definition VI.002 s^2 + 0. 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.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. Cela impose donc le plan de Bode e e comme seul outil disponible. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.002 s^2 + 0.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.[1 0. Dans la a e majorit´ des cas.REPRESENTATION GRAPHIQUE 175 VI. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.2.

3 #1: ---------------------------------------s^4 + 0.21 s^3 + 7..21 s^3 + 7.002 s^2 + 0.176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.45 s + 10 s + 4 ---------------------------------------s^4 + 0.002 s^2 + 0.45 s + 10 #2: >> sigma(H) >> grid ..

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

1. Jusqu’` pr´sent. Dans ee e e la suite de ce cours. En r´sum´. 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. 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.Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. Dans un premier temps. Cette e e structure est illustr´e figure VII. e ` ea 179 . 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.1. 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. 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. VII.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). 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). Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif.

Black a l’id´e d’utiliser une contre` e r´action n´gative afin de r´duire la distorsion en contre-partie d’une e e e perte d’amplification. sur le trajet matinal de l’Hudson River sur le ferry Lackawanny pour aller a son travail. 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. 2 102 671) qui ne sera enregistr´ que neuf e e e ann´es plus tard du fait de l’incr´dulit´ du bureau des brevets. il rejoint les laboratoires de West e e e Street de la Western Electric a New York. Il publie modulation theory en 1953. 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.180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. m est la masse du v´hicule et ρ et c sont des constantes.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. ee En 1927. Il d´pose un brevet (21 D´cembre 1937 . Harold e e Black fait partie du Hall of Fame des inventeurs depuis 1981 et a re¸u 10 m´dailles. 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. ancˆtres des laboratoires Bell Telephone. Apr`s ses ann´es d’´tudes. 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. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action. neuf c e prix ainsi que de nombreux autres titres honorifiques. VII. Black) Harold Stephen Black est n´ le 14 Avril 1898 a Leominster dans le Massachussetts. u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1. 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. e . e e √ ρc 2 (VII. photo du chapitre e 1). 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. Perturbation Système de commande Entrée de référence + Ampli. Il meurt en 1983.No. e e e Le sch´ma de principe est alors le suivant.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. Process Sortie Fig.

e a u(t) = k(vnr (t) − vn (t)) ˙ (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).3 – Sch´ma SIMULINK de l’exemple voiture e .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. e √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (VII. VII. e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (VII.4) x2 (t) = −kx1 (t) + ke(t) ˙ Ce syst`me d’´quations diff´rentielles est simul´ ` l’aide de SIMULINK suivant le e e e e a sch´ma suivant : e e e1 Constant1 x20 1 e s Integrator1 k Sum1 k Sum4 1 s Integrator3 al Sum2 alpha x2 x2 x1 x1 1 s Integrator2 2 u Math Function 1 s Integrator4 x10 Constant Sum3 t Clock time Fig. VII.` ` ´ VII.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. 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.1.

08 0.4.05. a Quelle que soit la valeur du gain de l’action int´grale k.1 k=0. la r´ponse est tr`s lente.05 0. que pour les valeurs k = 0. 0. La valeur satisfaisante e e du gain de l’action int´grale r´alisant un compromis acceptable entre la rapidit´ de la e e e r´ponse et le d´passement semble donc ˆtre k = 0.1 et k = 0. 0. . la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0.1}.6 e ee e ` ` l’instant 10 s.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.56 k=0.58 0.02. Le signal de r´f´rence est donc un ´chelon passant de 0.54 0. e e On peut remarquer sur la figure VII. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0.05 et m m de masse de 20% et 40%. On refait donc les simulations m √ √ ρc ρc = 0.6. 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. 0.6.08.08. = 0.02.62 k=0.5 a 0.05.08.02 v 0.6 k=0.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re 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.1 s et pour diff´rentes valeurs de k ∈ {0.52 0. VII.06 correspondant a des accroissements respectifs ` pour k = 0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 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. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.

6 sans perturbation 0.65 0.` ` ´ VII. e e e 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.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.5 0. SYSTEMES DE COMMANDE A CONTRE-REACTION 0.45 avec perturbation 0.52 0.4 0. 0. VII. VII. e √ √ ρc 2 ρc (VII.1. 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. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. e a e Si l’on consid`re des conditions r´alistes.55 v 0.6 0.54 0.62 183 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. 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) 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.7 0.56 v 0.58 0.

. on peut mettre en ´vidence les propri´t´s fondamentales de e ee la structure de commande a contre-r´action.Robustesse du syst`me boucl´ vis-`-vis de variations param´triques e e a e . r + − ζ K(p) b + + ν u G(p) y + + w Fig.y est la sortie du syst`me e . VII.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 est le signal de r´f´rence que doit suivre la sortie ee . Les bruits et les erreurs de mesure associ´s ` cette e a op´ration peuvent entrainer des pertes de pr´cision.184 ANALYSE EN STABILITE DES SYSTEMES BOUCLES A partir de cet exemple. 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.1.2 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 . En e e e effet.Le probl`me de stabilit´ est plus crucial en boucle ferm´e qu’en boucle ouverte. e e VII.7 – Sch´ma bloc avec perturbation et bruit e o` : u .u est la commande issue du correcteur K(p) . 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. 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. ` e .La structure de commande a contre-r´action implique le plus souvent de disposer ` e d’un capteur mesurant la sortie.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 (` ). a travers l’introduction de e e e ` la perturbation. e e . L’exemple de la section pr´c´dente induit. nous avons principalement d´fini les transferts en boucle ouverte et a e e en boucle ferm´e.

ν est le signal de commande entrant r´ellement dans le syst`me e e . e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII.7) ´ Definition VII.1.1.8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc. SYSTEMES DE COMMANDE A CONTRE-REACTION .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.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. 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.6) u(p) = K(p)ζ(p) ζ(p) = r(p) − w(p) − y(p) Cela permet de d´terminer les relations en boucle ferm´e entre la sortie exog`ne et les e e e entr´es exog`nes : e e y(p) = (1 + G(p)K(p))−1 G(p)b(p)+ (1 + G(p)K(p))−1 G(p)K(p) (r(p) − w(p)) S(p) T(p) (VII.` ` ´ VII. a S(p) + T(p) = 1 (VII.w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) . La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle.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.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.1 (sensibilit´ et sensibilit´ compl´mentaire) e e e Les fonctions de transfert S(p) et T (p) sont appel´es respectivement fonction de sensibie lit´ et fonction de sensibilit´ compl´mentaire.

e e .La commande d´livr´e au syst`me est faible si S(p) et S(p)K(p) sont d’amplitude e e e faible.12) T (p) = G(p)S(p) = . e e . . 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. la e e e synth`se du correcteur K doit ob´ir aux diff´rents objectifs suivants : e e e .Une bonne rejection des perturbations sera obtenue pour S(p)G(p) faible. . e e Exemple VII. e e .186 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le sch´ma fonctionnel pr´c´dent fait donc apparaˆ e e e ıtre quatre fonctions de transfert importantes appel´es fonctions de sensibilit´ : e e S(p) S(p)G(p) T(p) S(p)K(p) o` : u . Objectifs de commande Compte tenu des relations ´tablies pr´c´demment et de l’analyse qui les suit.S(p)K(p) repr´sente l’influence de la r´f´rence et des bruits de mesure sur les come ee mandes.S(p)G(p) repr´sente l’influence de la perturbation sur la sortie et l’erreur.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.1.7 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. . Ces objectifs de commande sont contradictoires et devront faire l’objet de compromis lors de la synth`se du syst`me de commande.1 (fonctions de sensibilit´) e Soit le sch´ma d’asservissement de la figure VII.Un bon suivi du signal de r´f´rence implique une fonction de sensibilit´ S(p) faible ee e en amplitude.L’effort de commande est faible si l’amplitude de S(p)K(p) et de T (p) est faible.S(p) repr´sente le transfert entre la r´f´rence et l’erreur et entre la perturbation et e ee la commande d´livr´e.

` ` ´ VII.1.s^4 + 2 s^3 + s^2 --------------------------s^5 .s .1 ------------s^4 . >> L=G*K Transfer function: 2 s^2 . MATLAB ne a e simplifie pas les pˆles et z´ros identiques.1 >> T=1-S Transfer function: 2 s^2 .s^2 ----------------------------s^7 + s^6 + s^5 .s^2 ----------------s^4 + s^2 .s . >> K=tf([2 1].1 >> GS=G*S Transfer function: -s^5 + s^4 + s^3 .s .s^4 + s^3 . o e .1 ----------------s^4 + s^2 .s^2 >> S=inv(1+L) Transfer function: s^4 .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 .[1 1 0 0]).[-1 1]).2 s^3 .s . SYSTEMES DE COMMANDE A CONTRE-REACTION Script MATLAB 21 >> G=tf([-1 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) .

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. VII.2. La forme e e initiale du crit`re s’applique aux syst`mes mono-entr´e mono-sortie mais peut ´galement e e e e ˆtre ´tendue aux syst`mes multivariables et fait essentiellement appel a des r´sultats e e e ` e d’analyse complexe sur les transformations conformes et en particulier le th´or`me de e e Cauchy. Le crit`re de o e e e Nyquist est un crit`re graphique qui permet de conclure quant a la stabilit´ de la boucle e ` e ferm´e par la seule connaissance de la boucle ouverte.1 Le crit`re de Nyquist e Le crit`re de stabilit´ de Nyquist est un crit`re graphique fr´quentiel de stabilit´ e e e e e fond´ sur le trac´ du lieu de transfert en boucle ouverte dans le plan de Nyquist.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e. e e . ´ Definition VII. j∞] et d’un demi-cercle centr´ en (0. e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII.2.2. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII. K(p) = NK (p) DK (p) (VII. e VII. quand l’assere e e vissement est ` retour unitaire.15) G(p)K(p) 1 + G(p)K(p) (VII.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note. la sensibilit´ compl´mentaire T (p). 0) de rayon ee e infini incluant le demi-plan complexe droit.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∞ .14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit.´ ` ´ VII. a r + − ζ K(p) u G(p) y Fig. o e ` e e On souhaite toutefois d´cider de la stabilit´ de la boucle ferm´e sans avoir a calculer e e e ` explicitement le polynˆme caract´ristique en boucle ferm´e et ses racines. Il est orient´ dans le sens antitrigonom´trique.

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

o a e Afin d’appliquer correctement le crit`re de Nyquist.Compter le nombre P de pˆles instables de la boucle ouverte.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e .2.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant. fermer le lieu de u Nyquist.Calculer la boucle ouverte de l’asservissement consid´r´. 0).2.2. le lieu de Nyquist est complet et ferm´. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p).Tracer le lieu de Nyquist complet de la boucle ouverte.1 1. 3. ` G(p) = K p(1 + T p) T >0 K>0 (VII.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme 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.Dans le cas o` le contour de Nyquist a une indentation.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist . CN o 2. o e e .Tracer son sym´trique par rapport a l’axe ox. 4.17) 1. .ANALYSE EN STABILITE DES SYSTEMES BOUCLES . il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII.8 est stable asymptotiquement si et seulement e a e si le lieu de Nyquist complet de la boucle ouverte K(p)G(p) fait un nombre de tours comptabilis´s dans le sens trigonom´trique autour du point critique (−1. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.16) Exemple VII.1 Le syst`me ` contre-r´action de la figure VII.

11 – Exemple : contour de Nyquist 2.18) 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. VII.192 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Im r= Fig. e G(jω) = K jω(T jω + 1) −KT +1 (VII. VII.Le trac´ du lieu de Nyquist complet implique les calculs suivants.12 – Exemple : lieu de Nyquist complet .19) (VII.

ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation.20) K K G(p) ∼ ∼ e−jθ p ρ 3. 4.2.2 Le crit`re du revers e Le crit`re de Nyquist peut ˆtre appliqu´ sans restriction mais peut ˆtre parfois lourd a e e e e ` utiliser.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e . Im Im −1 Re −1 Re K(j ω)G(j ω) K(j ω)G(jω ) Fig.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. 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.N = 0. 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. VII.2. e ´ ` Theoreme VII. Dans certains cas particuliers et sous certaines hypoth`ses. p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII.P = 0. il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers. Le syst`me est donc stable asymptotiquement. e K →∞ ρ − π/2 ≤ θ ≤ π/2 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.2.7 pour lequel les donn´es de l’exemple VII. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement. 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. 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. e a e e e e . VII. les fonctions de sensibilit´. VII. 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. Dans le § VII.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente.7 incluant une perturbation e et un signal de bruit de mesure.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII.2.1. En effet.1 e e e sont reprises.1. Cela signifie que de faibles variations sur les bruits de mesure et sur le signal de r´f´rence vont r´sulter en de fortes variations sur les commandes voire en signaux de ee e commande satur´s. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement. nous avons d´fini un certain nombre e de transferts.

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. .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 = 0.2.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre.3 (bien pos´) e La boucle a contre-r´action de la figure VII. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII. e ´ Definition VII.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. On dit alors qu’elle est bien pos´e.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne. VII. 0) est asympe e e totiquement stable. e e ´ Definition VII. xK ) = (0. 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. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat. il est n´cessaire de s’assurer que e e e la boucle de la figure VII.

e Script MATLAB 22 >> G=tf([10]. Pour tous les signaux e e d’entr´e born´s (v1 . e ua e Exemple VII.9878 -3.7). >> L=G*K.1 a . ν2 aux sorties e e u.2.Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement.5 1]))). v2 ). >> pole(S) ans = -19.5p + 1)2 (0. v) sont born´s.21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII. v sont stables asymptotiquement.conv([5 1].05 1].3 .conv([0.1.On retrouve les quatre fonctions de transfert particuli`res ` un changement de signe e a pr`s dˆ ` la convention qui est ici d’une contre-r´action positive.Test entr´e-sortie : la boucle ` contre-r´action de la figure VII.2326 + 1. >> K=tf([1 1]. e e . Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.[0.2. 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].2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.2.[2 1])).1434 -0.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII.1023i .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.15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 . >> S=inv(1+L).1023i -0. . les signaux de sortie (u.conv([0.2326 .196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII.

1023i 1.0000 -1.2326 .0000 -2.1).1023i -1.3) -CK. >> pole(GS) ans = -19.2326 -2..1023i -0.D]=ssdata(sysG). >> pole(T) ans = -19. zeros(2.B.2)].1035 -0.1035 >> T=1-S.1023i 0.2326 + 1. >> [AK.CK.C.2326 + 1.2326 -0. >> pole(KS) ans = -20..0000i >> KS=K*S.1035 -0.1434 -0.1434 -0.DK]=ssdata(sysK).3) AK]+[B zeros(3.1023i -0.1.0000i 0.1) BK]*inv([1 DK.BK.2000 + + - 1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1. >> [A.9878 -3.1.5000 >> sysG=ss(G).1035 >> GS=G*S.9878 -3.2326 .0000 -19. >> sysK=ss(K). .zeros(2.9878 -3.C zeros(1.2). >> Abf=[A zeros(3.1434 -0.-D 1])*[zeros(1..1023i -1.

[1 1]).2326 + 1.1035 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. >> L=G*K.1 0]. on obtient : e e max |K(jω)G(jω)| = 0.2. e e e .2 .[1 0.1434 -1.22) Remarques VII.2326 .4 On suppose que G(p) et K(p) sont asymptotiquement stables. L’interconnection pr´sent´e e e figure VII. .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.2.9878 -0. 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.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e). 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.15.1 10]).1p p+1 1 p2 + 0.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII.1023i -3. >> K=tf([0.2.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19. e e >> G=tf([1]. e ´ ` Theoreme VII.3015 ω Le syst`me est stable de mani`re interne. e e Exemple VII.1023i -0.1.1p + 10 En appliquant le th´or`me du faible gain.

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

6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII.3 Pour un syst`me ` minimum de phase. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans. 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.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII. VII.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.2.2.24) 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 . Arg[L(jω−180o )] = −180o (VII.2.23) o` ωco est la pulsation de coupure a 0 dB (gain-crossover frequency) de la fonction de u ` transfert en boucle ouverte : L(jωco ) = 0 dB ´ Definition VII. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.26) Remarques VII.25) (VII.

42 rad/s.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. Pm = 25.4 On reprend l’exemple V.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. >> L=K0*G*K.8 deg (at 4. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.5 10]).[1 1]).2. VII.2. >> K0=100.18 – Marges de gain et de phase dans le plan de Bode Exemple VII.1 0]. >> margin(L) .[1 0. 8 deg pour ωco = 4. Bode Diagram Gm = Inf dB (at Inf rad/sec) . >> K=tf([0.3 et l’on rajoute un gain K0 = 100 dans la boucle.

20 – Plan de Nichols-Black .19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 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. VII.00322 Phase (deg): −154 Frequency (rad/sec): 4.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.449 Frequency (rad/sec): 4.202 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Les marges pour ce syst`me sont ´galement repr´sent´es dans les plans de Nyquist et e e e e de Nichols-Black.908 Imag: −0.

22 – Marge de module dans le plan de Nyquist .2.5 1 0. c’est donc le rayon du cercle de centre le point critique (−1. Dans le plan de Nyquist.5 Imaginary Axis 0 −0.3 avec le mˆme gain K0 = 100 dans la boucle. VII.5 −1 −1.21 – Marge de module dans le plan de Nyquist Exemple VII. Une mesure plus objective est d´finie par la marge de module. 0) et tangent au lieu de transfert.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte.2. e e ´ Definition VII.2. VII.5 On poursuit l’exemple V. e Nyquist Diagram 2 1.27) Im −1 ∆M 1 Re G(jω ) Fig.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig. ∆M = 1 1 = MS max |S(jω)| ω (VII.

[1 0. >> K0=100. On trouve ωr = 3.14 Magnitude (dB): 15.2.6 dB.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.2.28) 10 0 −10 Magnitude (dB) −20 −30 −40 −50 −60 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig. >> L=K0*G*K. >> K=tf([0. VII.1 0].5 10]). >> Mod=inv(norm(S.inf)) Mod = 0.6 (VII.14 rad/s et Mr = 15. e e Bode Diagram 20 System: L Frequency (rad/sec): 3. >> S=inv(1+L).40911.6 On poursuit l’exemple pr´c´dent. Script MATLAB 24 >> G=tf(1.8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir.[1 1]).23 – Pulsation de r´sonnance e .

VII.29) o` F (p) est la fonction de transfert en boucle ferm´e.24 – Asservissement a retour unitaire ` L(p) est stable. il s’agit de construire un abaque e a permettant de connaˆ des ´l´ments fr´quentiels de la boucle ferm´e ` partir du trac´ ıtre ee e e a e du lieu de transfert en boucle ouverte.2. M-cercles et N-cercles Etant donn´ un asservissement ` retour unitaire. Nous examinons en premier lieu la m´thode pour e le plan de Nyquist.25 – Lieu de Nyquist . VII.9 (facteur de qualit´) e Le facteur de qualit´ est d´fini par : e e Q= max|F(jω)| |F(jωr )| = |F(0)| |F(0)| 205 (VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ Definition VII. e L(p) est suppos´e telle que la boucle ferm´e e e jω (point critique) −1 P θ α−θ ωA A Φ 0 α σ L(j ω) Fig. 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.

707. 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.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). u A partir de ces M-cercles et de ces N-cercles. 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.10 (M-cercles et N-cercles) . il s’agit de calL(jω) . 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. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.2.34) o` N = tan(α). 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. La bande e passante a −3 dB du syst`me en boucle ferm´e est la pulsation du point d’intersection du ` e e lieu de transfert avec le M-cercle M = −0.32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e.30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`.33) . .Les lieux de phase constante en boucle ferm´e sont appel´s les N-cercles et ont e e pour ´quation : e 1 (X + 1/2) + Y − 2N 2 2 = 1 1 + 4 (2N)2 (VII. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII. e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII. les lieux d’amplitude constante et de phase constante en boucle ferm´e. On note.206 − → OA repr´sente L(jωA ). u e e ´ Definition VII.

2 1.27 – Abaque des N-cercles .5 −36 o −0.27.5 −1 −30o −2 −2. Un exemple d’abaque est donn´ ` la figure VII.5 −2 −1.5 −1 −0.26 – Abaque des M-cercles L’utilisation de l’abaque des N-cercles est compl`tement identique ` celui des M-cercles e a et n’est donc pas d´taill´e ici.5 0 Re G 0.5 Fig.5 30o (−150o) 36o 45 1 o 2 1.5 2.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.707 0. e e ea 2.5 Re ω r (Mr = 2) M=0 Fig.707 M = 1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0. VII.833 0. VII.5 Im G 0 −90o −60o −45o −1.5 2 2.67 0.3 1.5 1 1.5 60o 90o 0.5 −2.

87 Imag: −1. Ainsi ` partir de la figure VII.29 qui forment l’abaque de Hall-Nichols.7 En reprenant l’exemple pr´c´dent.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).375 Frequency (rad/sec): 2. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols. on peut calculer des e e a points de la boucle ferm´e.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte.92 Frequency (rad/sec): 3.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII.2.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig. VII. De la mˆme mani`re que des abaques ont ´t´ d´velopp´s dans le plan de Nyquist e e ee e e pour passer de la boucle ouverte a la boucle ferm´e. e ω = 2. e .64 Imag: 0. De ce fait. ` 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.62 rad/s ωr = 4. 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.28.16 rad/s ω = 3.

25 dB 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.25 dB 0.5 dB 20 1 dB −1 dB 209 Open−Loop Gain (dB) 10 3 dB 6 dB −3 dB −6 dB 0 −10 −12 dB −20 −20 dB −30 −40 −350 −300 −250 −200 −150 Open−Loop Phase (deg) −100 −50 −40 dB 0 Fig. VII.29 – Abaque de Hall Exemple VII.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.2.5 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 ωr = 2. il est alors possible de calculer e e la marge de phase. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.8 rad/s Nichols Charts 50 40 0 dB 30 0.5. e e . e e Mφ = 60 deg ωco = 1. la marge de gain. e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0. e En produisant un zoom sur les fr´quences interm´diaires.25 dB Open−Loop Gain (dB) 10 Mφ Kg −150 Open−Loop Phase (deg) −100 −50 Un trac´ identique est donn´ pour K = 5 o` l’on peut voir l’effet de l’augmentation e e u du gain sur le syst`me en boucle ferm´e.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.

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

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

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

5.5 0 0 0 0 0.04 Imaginary Axis 0.5 0 0.1 0.0 0 -4].5 0 0.6 0.3.02 To: Y(1) 0 −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. Le syst`me est instable.C=[0.5].8 1 1.08 0 0. ´ ` Theoreme VII. u e e a Exemple VII.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.02 −0.2 (th´or`me du faible gain) e e Etant donn´ un asservissement ` retour unitaire stable en boucle ouverte alors le syst`me e a e en boucle ferm´e est stable si : e ||L||∞ = max σ(L(jω)) < 1 ∀ ω ω o` σ est la valeur singuli`re maximale de L(jω) calcul´e ` la pulsation ω.B=[1 0.2 Soit l’asservissement a retour unitaire du type de la figure VII. a e VII. .04 −0.2 0.3.06 det(1+L(p) 0.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.3.08 0.0 1].5 0 0       Script MATLAB 25 >> A=[-1 0 -2.06 −0.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.0 -1 1.4 0.0 0 0.

5163 Singular Values −5 −10 −15 −20 Singular Values (dB) −25 −30 −35 −40 −45 −50 −55 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Le syst`me est stable.C. e .0 0].L=ss(A.D).` VII.inf) ans = 0.3.B. EXTENSION AUX SYSTEMES MULTIVARIABLES 215 >> D=[0 0. >> sigma(L) >> norm(L.

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

dans son ´tape de synth`se. 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. de crit`res fr´quentiels en relations plus ou moins ´troites e e e e avec ces derniers et de crit`res de pr´cision sur le r´gime permanent. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. 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. 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 performance ne e e forment donc pas un ensemble rigide d’exigences mais doivent plutˆt ˆtre vues comme un o e moyen d’´tablir une liste de performances souhait´es. e e e e 217 . Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me.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. e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires. L’objet de ce chapitre est donc de fournir des m´thodes permettant de mani`re e e e syst´matique la g´n´ration de sp´cifications de performance.

Relation 4 : ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) (VIII. T (p). nous travaillerons comme dans le chapitre pr´c´dent ` e e a partir du sch´ma fonctionnel complet de la figure VIII.Relation 1 : y(p) = S(p)G(p)b(p) + T (p)(r(p) − w(p)) .1 – Sch´ma bloc avec perturbation et bruit e Nous rappelons les relations importantes intervenant dans ce type de bouclage : .3) (VIII.1) Les quatre relations pr´c´dentes permettent de d´finir les quatre fonctions de sensibilit´ e e e e S(p).2 VIII.218 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII. . VIII. S(p)G(p). S(p)K(p) et d’illustrer les b´n´fices que l’on peut attendre de ce e e type de structure.Relation 3 : u(p) = K(p)S(p)(r(p) − w(p)) − T (p)b(p) .2) (VIII.Relation 2 : (p) = S(p)r(p) − S(p)G(p)b(p) + T (p)w(p) . e r + − ζ K(p) b + ν u + G(p) y + + w Fig.4) (VIII.1 Sp´cifications fr´quentielles de performance : syst`mes e e e monovariables Rappels sur les relations de bouclage Dans le cadre de ce chapitre.1.2.

9) 1 .8) |K(jω)G(jω)| |T (jω)| ∼ 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ (r − w) et ∼ w. e e e a on en d´duit la r`gle g´n´rale en basses fr´quences pour le rejet de perturbations : e e e e e |S(jω)| 1 ω < ωb (VIII. Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb .SPECIFICATIONS FREQUENTIELLES 219 VIII.Pour que b ait peu d’influence sur y : |G(jω)S(jω)| . e ω < ωb |S(jω)| 1 (VIII. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωco e d´finissant la bande passante de G.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 ωb < ωco (VIII.2.6) 1 (VIII. e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w). Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences. ω < ωb ⇒ |T (jω)| ∼ 1 et |K(jω)G(jω)| 1 pour ω < ωb La sp´cification de rejet de pertubation peut donc s’exprimer en sensibilit´. e . en boucle e e ferm´e ou en boucle ouverte.7) e Du fait que T + S = 1 et S = (1 + GK)−1 .5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω).10) (VIII.Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII. On en d´duit que : |S(jω)| 1 .

14) VIII.12) 1 (VIII.2. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .Pour que w ait peu d’influence sur y : |T (jω)| .4 Suivi de r´f´rence r : pr´cision ee e ω < ωb Cette sp´cification est g´n´ralement une sp´cification pour les basses fr´quences : e e e e e et l’on retrouve exactement les sp´cifications donn´es pour le rejet de perturbation : e e ω < ωb |S(jω)| 1 (VIII.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment.2.13) |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.Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).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.3 R´duction du bruit de mesure w e Les bruits sont usuellement mod´lis´s comme op´rant en hautes fr´quences : ω > ωh e e e e . ee e e (VIII.

on obtient.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p). e la pente ne peut exc´der −30 dB/dec. rampe. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (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. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).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.16) En appliquant le th´or`me de la valeur finale.. L’erreur e e ee comme fonction du signal de r´f´rence s’´crit : ee e (p) = S(p)r(p) = r(p) 1 + K(p)G(p) (VIII. une contrainte e e |L(jωco )| < 1 alors que l’imp´ratif sur la rapidit´ de la r´ponse implique une bande pase e e sante suffisamment grande. Si la e marge de phase souhait´e est 45o . aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´..5 Comportement aux fr´quences interm´diaires e e Condition de roll-off Les sp´cifications pr´c´dentes ont ´t´ ´labor´es en basses et hautes fr´quences. e . e e e ´ ` Theoreme VIII. 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.17) On en d´duit la r`gle des int´grateurs. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes.2.2. 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.) 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. Cela induit des pulsations ωco et ω−180o suffisamment importantes. e Exemple VIII. il faut avoir Φ = −135 deg et donc dans cette r´gion.2.

e e .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.2.22) VIII. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me.20) (VIII. ωBT ]..1 . Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir. e e e C’est une ´tape importante dans l’´tape de mod´lisation. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances.21) (VIII. Dans le cas contraire. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg. e Remarques VIII. ωB = ωBT . Les sp´cifications fr´quentielles e e e e e pr´c´dentes reviennent ` donner une forme particuli`re sur l’ensemble des pulsations ` e e a e a . on a alors : e e ωB < ωco < ωBT (VIII.6 D´finition e Notion de modelage de boucle : loopshaping e e Le choix des pulsations sp´cifiques ωb et ωh d´pend des applications sp´cifiques et des e connaissances que l’on poss`de sur les perturbations et les bruits r´els affectant le syst`me. Au del` de ces pulsations.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 ´ Definition 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. 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.707 = −3 dB 2 (VIII. pour les pulsations e e inf´rieures ` ωB . ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0. la commande est effective et am´liore les performances.2.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte.19) Dans la majorit´ des cas.2.2. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB . la bande passante est un indicateur de performance particuli`rement important.

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

a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (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.3 – Courbe de gain de G(p) .9588 dB (at 0.25) (VIII.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0. une marge de gain Kg = 2. Bode Diagrams Gm=7.41231 rad/sec). Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig.1 rad/s.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.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. ωco = 0. a e e . (at 0. Pm=48.41 rad/s.24) Ce mod`le poss`de les caract´ristiques suivantes.5 deg.5 et des pulsations de coupure ω−180o = 0. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples.20372 rad/sec) 10 0 −10 Phase (deg).2. e e e e e Exemple VIII. VIII.2 rad/s.448 deg. Le diagramme de Bode de la courbe de gain et de phase de cette fonction de transfert permet de calculer une marge de phase Mφ = 48.5.2 rad/s et ωp2 = e 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. e e e .

Le bruit de mesure intervenant au del` de 0.5 rad/s et β = 0.29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0. e ` e .Le syst`me corrig´ ne doit pas pr´senter d’erreur en r´gime permanent ` une r´ponse e e e e a e en ´chelon de position.1 rad/s.33p + 1) (VIII.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII.27) Pour ω = 0. On obtient donc.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`.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) = . 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. e .5 Hz doit ˆtre filtr´. Cela permet de choisir ωb = 0.30) . L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII.Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration.1 rad/s. Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation. A ce stade. e e e 225 .26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s. L0 (p) = −2p + 1 p(2p + 1)(0. |Gb (jω)| ∼ 0 dB. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e .Le mod`le de la perturbation ´tant un premier ordre donn´ par : e e e w(p) = Gb (P )a(p) = 1 a(p) p+1 (VIII.SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes.

On obtient alors : L(p) = 0.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte.2 rad/s. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche.92 . e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 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 .44 ωco = 0. 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 = 0.33p + 1) (VIII.15(−2p + 1) p(2p + 1)(0.43 rad/s Bode Diagrams Kg = −0. ω−180o = 0. 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 = 2.95 rad/s 60 40 20 0 Phase (deg).4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.

44 rad/s Bode Diagrams 227 ωco = 0.2 0.2 0 0 0 14 28 Time (sec.15(10p + 1)(5p + 1) p(2p + 1)(0.4 0.8 0.6 – R´ponses indicielles e . Magnitude (dB) Lf(p) −50 0 G(p) L(p) −100 −200 −300 L (p) L (p) f 0 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg).6 0. VIII.SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0. VIII. on obtient un compensateur ´gal a : e e e ` K(p) = 0.6 Amplitude Amplitude 0.) 42 56 70 0 5 10 15 20 Time (sec.8 0.) 25 30 35 40 Fig.4 0. e e e Step Response Step Response 1 1 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).33p + 1) (VIII.5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le.

8 0.33) MT = ||T ||∞ = sup |T (jω)| ω ` MS et MT correspondent a un pic de la courbe de gain de chacun des transferts consid´r´s.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.) 42 56 70 0 10 20 30 Time (sec.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII. VIII. e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII. 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.6 Amplitude Amplitude 0. En effet.2 0 0 0 14 28 Time (sec.4 0.35) .34) MT ≤ 1.) 40 50 60 Fig.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´. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me.7 Modelage des fonctions de sensibilit´ e Une strat´gie diff´rente de celle du loopshaping est de d´finir les sp´cifications direce e e e tement sur les fonctions de sensibilit´ S et T et de reformuler le probl`me de synth`se en e e e un probl`me d’optimisation.8 0. e e e Step Response Step Response 1 1 0.2.2 0.7 – R´ponses a une perturbation en ´chelon e ` e VIII. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.4 0.6 0.

SPECIFICATIONS FREQUENTIELLES Remarques VIII. 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.707 2.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.2.le modelage de S sur certaines plages de fr´quences e 4.2.une erreur maximale de position en r´gime permanent A e 3.38) 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. L’ensemble de ces sp´cifications peut ˆtre traduit en une sp´cification unique faisant e e e 1 intervenir une borne sup´rieure wp (jω) sur l’amplitude de S.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII.39) Remarques VIII.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.l’amplitude maximale du module de S : ||S||∞ < MS (VIII. e e e e e ∆M = 1 MS 229 (VIII.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .2. 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.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII. Un choix usuel est MS = 2.3 La derni`re sp´cification permet d’´viter l’amplification du bruit aux hautes fr´quences e e e e et introduit une marge de robustesse.

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

4 Afin d’am´liorer les performances.2. Apr`s loopshaping. >> bodemag(S.3 0.[0.15].1/Wp) >> grid A=0 .[1 0]).8.Omega_B=0. >> Wp=tf([1/M Omega_B].2. >> S=inv(1+L).7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.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.3 On reprend l’exemple utilis´ pour le loopshaping de la section III. elle est ´gale a M ≥ 1 e e ` .conv([2 1 0]. >> L=tf([-0.33p + 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. Il e e a e est ` noter sur la figure VIII.8 ωB = 0.33 1])). Script MATLAB 26 >> M=1.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.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.SPECIFICATIONS FREQUENTIELLES .aux hautes fr´quences.5.42) Exemple VIII.15(−2p + 1) p(2p + 1)(0. e e la boucle ouverte vaut : L(p) = 0.2.2.

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

En effet.9 o` G(p) ∈ Cr×m et K(p) ∈ Cm×r sont des mod`les LTI multivau e riables. e .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. Pour cela. du fait de la non commutativit´ du produit matriciel.SPECIFICATIONS FREQUENTIELLES 233 VIII.3.r`gle 1 : cascade e z(p) = G(p)w(p) = G2 (p)G1 (p)w(p) w G1 (p) y G2(p) z . . il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable.3 VIII. il est n´cessaire e e de diff´rencier les fonctions de sensibilit´ en entr´e et en sortie (calcul´es en ouvrant la e e e e boucle en 1 ou en 2).3.1 Sp´cifications fr´quentielles de performance : syst`mes e e e multivariables R`gles d’association dans les sch´mas-blocs e e Cette partie est consacr´e ` l’extension des caract´risations en performance pour les e a e syst`mes multivariables boucl´s.r`gle 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) .r`gle 3 : push and pull e G1 (p)(1 − G2 (p)G1 (p))−1 = (1 − G1 (p)G2 (p))−1 G1 (p) VIII.

45) KSy = K(1 + GK)−1 Sy G = (1 + GK)−1 G Il est ` noter que la diff´rence fondamentale avec les asservissements monovariables a e vient de la non identit´ des sensibilit´s et sensibilit´s compl´mentaires en entr´e et en e e e e e sortie Sy = Su et Ty = Tu .9 – Asservissement et fonctions de sensibilit´s e s(p) = (1 + GK)−1 Gb(p) + (1 + GK)−1 GK(r(p) − n(p)) ζ(p) = (1 + GK)−1 r(p) − (1 + GK)−1 Gb(p) + (1 + GK)−1 GKn(p) u(p) = K(1 + GK)−1 (r(p) − n(p)) − K(1 + GK)−1 Gb(p) Les relations de bouclage pr´c´dente permettent de d´finir les 6 transferts caract´risant e e e e l’asservissement VIII.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. Afin de ne pas alourdir ce document. ´ Definition VIII.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII.3.46) (VIII. ´ ´ Proprietes VIII. En fait. e e e e ee .234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig. VIII.3.9.9 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. seul l’outil e e math´matique est r´ellement diff´rent. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.3.

7 ≤ ωB ≤ ωσ(S)=0. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec .ωBi bande passante a −3 dB 10 1 10 0 Amplitude 1/Wi 10 −1 |S| 10 −2 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 Fig.7 .Ai .47) Pour que le suivi de r´f´rence soit bon.3.1 Pour les syst`mes MIMO.10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII. = s − r = Sy (d − r) − Ty n + Sy Gb (VIII.49) ` .50) (VIII. la bande passante d´pend des directions. il est donc indispensable que l’influence de r ee sur soit la plus faible possible. l’erreur s’exprime comme suit.48) cela peut s’exprimer par la relation suivante. VIII.9. En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII.SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant. les relations de l’asservissement VIII. On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0.

41 . e σ(L) − 1 ≤ 1 ≤ σ(L) + 1 σ(Sy ) 0.∼ 1 aux hautes fr´quences e ω > ωB σ(S) ∼ 1 σ(S) 1 . En effet.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).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.41 ≤ σ(S) ≤ 2.R´duction d’´nergie de commande u et ν faibles : KSy .faible ` basses fr´quences a e ω < ωB . 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 . Pour un bon suivi de r´f´rence. ´tant donn´ le filtre choisi. Tu et Su faibles e e σ(Wu KSy (ω)) < 1 ∀ ω ⇔ ou σ(K) faible 0 ≤ ωB ≤ ω . le trac´ des valeurs sinee e e e guli`res min et max de S doit donc suivre un gabarit : e .

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

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

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. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. En 1948. Il publie Control system Dynamics e e en 1954. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). e . il entre ` la soci´t´ Autonetics. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice.R. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs.240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e. permettant d’´valuer la e e e e localisation des pˆles en boucle ferm´e dans le plan complexe quand K varie de 0 a +∞ o e ` ` partir de la connaissance des pˆles et des z´ros en boucle ouverte : c’est la m´thode du a o e e lieu des racines ou du lieu d’Evans. Il meurt le 10 juillet 1999. Quand le gain de la boucle varie. 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. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. 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´. Evans a d´velopp´ une m´thode graphique en 1948. 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. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. e e e e Il obtient son diplˆme de Bachelor of Science en g´nie ´lectrique de o e e l’universit´ de Washington a Saint Louis en 1941. Il est donc important de connaˆ o e e ıtre la variation de ces racines (pˆles en boucle ferm´e) en fonction de la variation de K. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. la o e localisation des pˆles en boucle ferm´e varie ´galement. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. a Il est l’inventeur du spirule. e e e W. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation.

IX.6) (IX.1 Les valeurs de p telles que les deux conditions IX.2 IX.4) (IX. CONSTRUCTION DU LIEU D’EVANS 241 IX. 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. 2.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement.5) Remarques IX.2 – Sch´ma bloc classique e La fonction de transfert en boucle ferm´e est : e S(p) G(p) = E(p) 1 + F (p)G(p) dont l’´quation caract´ristique associ´e s’´crit : e e e e 1 + G(p)F (p) = 0 ⇔ G(p)F (p) = −1 (IX.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.2.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.2.2. IX. e e e .6 sont v´rifi´es.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. r + − ζ G(p) F(p) y Fig. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e. e e o e ´ Definition IX.7) .2.5 et IX. · · · ) .Condition d’amplitude : |G(p)F (p)| = 1 (IX.

4 – Exemple . nous reprenons le sch´ma e e e a e d’asservissement initial. IX.8) Point test p Im A2 A1 A4 B1 θ1 −p1 −p4 θ4 −z1 Φ1 θ2 −p2 A3 θ3 −p 2 = −p 3 Ρε Fig.2. r + − ζ K u G(p) y Fig. Pour cela. IX.3 – Mesure des angles et des amplitudes IX.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.242 ANALYSE PAR LE LIEU DES RACINES On rappelle que pour une fonction de transfert : G(p)F (p) = alors : Arg[G(p)F (p)] = Φ1 − θ1 − θ2 − θ3 − θ4 |G(p)F (p)| = KB1 A1 A2 A3 A4 (IX.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.

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

o e e . −1 ± j 2 o . Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´.2. − 2] et [−1 .Il y a un z´ro. 2. · · · ) (IX. Si le nombre e a total de pˆles et de z´ros r´els ` droite de ce point test est impair alors ce point o e e a appartient au lieu des racines.Etape 4 : d´terminer les asymptotes au lieu des racines. il y a n´cessairement 3 branches infinies.17) Remarques IX. 0] appartiennent au lieu des racines. Exemple 2 : le segment ] − ∞ . .L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0. Exemple 2 : √ . 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 aura donc 1 branche finie o e e et une branche infinie.Le polynˆme caract´ristique est de degr´ 3.Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el. Il y aura donc trois branches o e e infinies.244 ANALYSE PAR LE LIEU DES RACINES .Les asymptotes indiquent le comportement pour |p| 1. Exemple 1 : puisque n − m = 3.Le polynˆme caract´ristique est de degr´ 2.Une branche du lieu peut ou non traverser l’asymptote correspondante. −2 e . .18) . 1.16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte. − 2] appartient au lieu des racines. prendre un point test.Pas de z´ros e . e Exemple 1 : les segments ] − ∞ . e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX. . .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 Si le lieu des racines a des asymptotes alors. o e ` e Pour chaque portion de l’axe r´el ` tester.2 .Il y a deux pˆles en boucle ouverte.

D´terminer les racines r´elles et complexes de cette ´quation.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. cette v´rification est simplement graphique. Dans le cas come e plexe.24) . 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. e e e 1+ K =0 p(p + 1)(p + 2) (IX.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.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. 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. On suppose que le polynˆme caract´ristique s’´crit. Si K > 0. e e e 3.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines. e Exemple 1 : l’´quation caract´ristique s’´crit. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines. u dK = −3p2 − 6p − 2 = 0 dp (IX.19) Exemple 2 : on a n − m = 1. e e 2. On obtient donc.3 . on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX.22) (IX. e Ces points sp´cifiques appartiennent a l’axe r´el ou existent sous la forme d’une e ` e paire de pˆles complexes conjugu´s. Si les rae e e cines sont r´elles.23) d’o` K = −p3 − 3p2 − 2p.20) . on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique. o e e B(p) + KA(p) = 0 alors. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1.2.21) Remarques IX.Calculer l’´quation alg´brique (IX.21). La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante. e e ` e . ce point appartient au lieu des racines.

26) p2 + 2p + 3 p+2 (IX.25) On a donc encore deux solutions −0.4226. Exemple 2 : l’´quation caract´ristique s’´crit.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif. . e . e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles. Il n’y a donc pas d’intersection avec l’axe imaginaire.30) √ ω = 0 ou ω = ± 2 (IX.2679 et −3. e e e K=− d’o`. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.28) K=6 (IX.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire.27) (IX. e e e e K − 3ω 2 = 0 2 (IX.246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1.5774 o e e et −0. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. e Il suffit de r´soudre l’´quation caract´ristique en boucle ferm´e avec p = jω : e e e e 1 + KG(jω)F (jω) = 0 Les solutions possibles sont donn´es pour ω > 0 et K > 0. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en. K = 6).29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0. (IX.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines.

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

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

39 Pole: −1.3. a Root Locus 2 0.707 Ψ = 45o (IX. e e e e e Exemple IX.39 |p + 3| p=−1.18 1.1 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 −4 −3.5 −3 0. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.5 0.5 −0.5 Real Axis −2 0. Cela conduit a choisir : e e ` cos Ψ = 0.8 – R´glage du gain et amortissement e .5 0.7 + 1. Ce point d’intersection permet alors en retour la d´termination de la valeur du e gain K n´cessaire par simple r´solution de l’´quation caract´ristique en boucle ferm´e.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.5 0.707.1 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.34 Frequency (rad/sec): 2.3 IX.8 0. a e En appliquant la condition des gains a l’´quation caract´ristique.95 1 0.68 0.38 0.7±j1.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1. ` e e K= |p2 + 2p + 3| = 1.5 0 4 3.89 −2 −4.8 −2.986 0.5 3 2.5 1 0.7 (IX.7i Damping: 0. on obtient.707 Overshoot (%): 4.54 0. IX.38 −0. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.7.5 Imaginary Axis System: G2 Gain: 1.18 0 Fig.5 0.5 0.54 −1 0.4 .7+j1.3.` ´ IX.89 0.8.68 −1.4 rad/s. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.986 −1 −1.95 0.3.5 2 1.

e e Script MATLAB 27 >> G=tf([1 2]. >> sgrid .9. 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. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue.[1 6 36])). Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX.2 Syst`mes ` stabilit´ conditionnelle e a e Une autre caract´ristique int´ressante du lieu des racines est de faciliter l’analyse e e graphique des syst`mes conditionnellement stables. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet.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. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´. e Exemple IX.3.38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote.3. Pour v´rifier cela.conv([1 -1 0]. >> rlocus(G).250 ANALYSE PAR LE LIEU DES RACINES IX.

000437 Overshoot (%): 99.0015 − 2.64 8 0.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.94 2 Imaginary Axis 2 System: G Gain: 61.28 0.38 0.17 0.5 Pole: −0.9 – Syst`me ` stabilit´ conditionnelle e a e .000674 Overshoot (%): 99.94 0 −2 −4 4 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.28 0.89i Damping: 0.17 0.08 8 10 0 1 2 Fig.0017 + 3.9 4 Frequency (rad/sec): 3.38 0.8 Frequency (rad/sec): 2.5 0.23 2 0.08 8 System: G Gain: 112 6 Pole: −0. IX.89 10 6 0.5 0.8 4 0.8 −6 6 −8 0.23i Damping: 0.

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

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

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

δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes. ee ´ ´ Proprietes A.4) t δ(t − t0 ) = 0 si t = t0 δ(t0 ) = ∞ δ(t − t0 ) = du(t − t0 ) dt u(t − t0 ) = δ(τ − t0 )dτ −∞ L’impulsion d’aire A en t0 est conventionnellement repr´sent´e par une fl`che de haue e e teur l’aire de l’impulsion en t0 . A. δ (t−to) A 0 to t Fig.1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A. fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig.1.3 (impulsion) e e e Une impulsion d’amplitude A en t0 .SIGNAUX DETERMINISTES 255 sans l’arsenal math´matique requis et en utilisant des r`gles de calculs et de passages ` e e a la limite intuitifs.3) e e L’impulsion d’aire 1 est la fonction de Dirac.3 – Fonctions impulsion L’impulsion a donc une aire finie pour une dur´e d’action infiniment courte et une e amplitude infiniment grande : +∞ −∞ Aδ(t − t0 )dt = A (A. ´ Definition A.4 – Fonction impulsion d’aire A .1. peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes. not´e Aδ(t − t0 ). A.

D´finition de la transform´e de Laplace e e ´ Definition A. e ` A.La transform´e de Laplace bilat`re est d´finie par : e e e +∞ Lb [x(t)] = X(p) = x(t)e−pt dt (A. annexe A4).1 .2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf.1. A.4 La fonction sinuso¨ ıdale du temps s(t) = A sin(ωt + ψ) d´finit le signal harmonique e d’amplitude A de pulsation ω (rad/s) et de d´phasage a l’origine ψ (rad).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.1.6) Le signal sinusoidal ´ Definition A.256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac.5) 0 T 2T 3T 4T 5T 6T t Fig.7) 0 Remarques 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.5 – Peigne de Dirac Finalement.8) −∞ . u x(t)e−pt dt (A.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.

Pour les e signaux causaux qui sont l’objet de ce cours.15) .12) L[ a x(τ )dτ ] = X(p) p (A. 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. les deux transform´es e co¨ ıncident.9) o` p = σ + jω et σ est l’abscisse de convergence. Nous utiliserons ainsi la notation unique de (A. e e . x(t) = 0 si t < 0.11) d(n) x(t) ] = pn X(p) − pn−1 x(0) − · · · − x(n−1) (0) dtn (A. . La transform´e de Laplace inverse u e est rarement calcul´e ` partir de (A.SIGNAUX DETERMINISTES 257 qui n’est rien d’autre que la transform´e de Fourier du signal avec p = jω.9) mais par d´composition en ´l´ments simples e a e ee ou d´veloppement en s´ries de X(p) et en recherchant les inverses des ´l´ments e e ee simples dans les tables. b) ∈ R2 D´rivation e L[ Cela se g´n´ralise ` : e e a L[ Int´gration e t (A.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.10) dx(t) ] = pX(p) − x(0) dt (A. Propri´t´s fondamentales e e Nous rappelons ici quelques propri´t´s ´l´mentaires que nous serons amen´s ` utiliser e e ee e a par la suite.7).13) Th´or`me de la valeur initiale e e t→0+ lim x(t) = lim pX(p) p→∞ (A.Cette d´finition suppose que l’int´grale est convergente.

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

LA TRANSFORMEE DE FOURIER 259 A. e 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.28) .2. on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A.2 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.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A.2 Propri´t´s de la transform´e de Fourier e e e Etant donn´e la transform´e de Fourier d’une fonction x(t).1 La transform´e de Fourier e D´finition e ´ Definition A.´ A.2. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.27) F[x(t ± T )] = e±jωT X(ω) (A. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.

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

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

j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e . ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.1.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B.||B|| Exemple B.1.2 1 −2 0 6 |aij |2 = i. la p-norme de e est d´finie comme :       n 1/p |ei | i=1 p pour 1 ≤ p < ∞ ||e||p =     max |e | pour p = ∞  i 1≤i≤n Exemple B.1. d´finie sur un espace vectoriel E. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.||e|| = 0 ⇔ e = 0 3.∀ α ∈ R.1.1 (In´galit´ de Cauchy-Schwartz) e e ||x y|| ≤ ||x|| ||y|| Il y a ´galit´ si x et y sont lin´airement d´pendants. e e e e ´ Definition B.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B. e2 ∈ E.1.∀ e ∈ E : ||e|| ≥ 0 2. ∀e ∈ E.∀ e1 . ||αe|| = |α|.j i.4 (norme) Une norme est une fonction .j A= ||A||sum = i.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||.5 (p-norme d’un vecteur) e Soit e ∈ Rn .1.||e|| 4.

m) B.Les valeurs propres de Ak sont λk .1. Elle sera dite de rang plein si : e e rg(A) = min(n. · · · . Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A).l ≥ m: Σ= diag(σ1 . · · · . .Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux.1.8 (rang d’une matrice) : Rn → Rm .9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R .1.1.2 Valeurs propres et valeurs singuli`res e ´ Definition B.7 (norme induite) ||Ae||p = max ||Ae||p = max ||Ae||p ||e||p ≤1 ||e||p =1 ||e||p 263 ||A||ip = max e=0 Exemple B.Les valeurs propres de A sont ´gales aux valeurs propres de A . On associe a chaque valeur propre λi .3326 valeur singuli`re maximale e ´ Definition B. RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B. e e e . λn sont les valeurs propres de A. e ´ Definition B.1. · · · c + λn o` λ1 . ee u .2 . λk .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. · · · .1.10 (D´composition en valeurs singuli`res) e e l×m peut ˆtre factoris´e ` l’aide d’une d´composition en valeurs singuli`res : e e a e e A∈ C A = U ΣV H U ∈ Cl×l U H = U −1 V ∈ Cm×m V H = V −1 Σ est form´e par une matrice diagonale des valeurs singuli`res σi dans l’ordre d´croissant.1. σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) .` ´ ´ ´ B. 1 n .1. Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes. un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B.

· · · .Les valeurs propres de A sont r´elles. m)σ(A) ||A||i1 ||A||i∞ √ . ||A||F .σ(A−1 ) = 1/σ(A) . e . · · · .11 (rayon spectral) Le rayon spectral d’une matrice carr´e A.1.σ(A) ≤ ≤ σ(A) ≤ √ m||A||i1 . ´ ´ Propriete B.264 . σq ) 0l×m−l avec σ = σ1 ≥ · · · ≥ σq = σ > 0 et min(l. · · · .1. ||A||i1 .Si l’on normalise les vecteurs propres xi : ||xi || = 1.5 (matrices sym´triques) e . not´ ρ(A) est d´fini par : e e e ρ(A) = max |λi | i = 1. A ∈ Rn×n est sym´trique. m) ≥ rg(A) = q. n λi ´ ´ Propriete B.Une base orthogonale de Rn peut ˆtre form´e ` partir des vecteurs propres de A.σ(A) ≤ ||A||F ≤ min(n.4 (A ∈ Cn × Cm ) .3 .1.√1m ||A||i∞ ≤ σ(A) ≤ n||A||i∞ 1 √ ||A||i1 n .σ(A) − 1 ≤ σ(A + 1) ≤ σ(A) + 1 ´ Definition B.l ≤ m: Σ= RAPPELS D’ALGEBRE LINEAIRE diag(σ1 .3 Matrices sym´triques e Dans cette partie.σ(A) ≤ |λi (A)| ≤ σ(A) . ||A||i∞ } ≤ ||A||sum B.1.Les vecteurs propres associ´s ` des valeurs propres distinctes sont orthogonaux.max{σ(A) . i = 1. .σ(A)σ(B) ≤ σ(AB) . n alors : n A= i=1 λi xi xi . e ´ ´ Propriete B. e a e e a .1.σi (A) − σ(A) ≤ σ(A + B) ≤ σi (A) + σ(B) .σ(AB) ≤ σ(A)σ(B) .

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

266 RAPPELS D’ALGEBRE LINEAIRE B.  .  0 λ .    donn´e par J avec comme matrice e         ···         ···     ··· . . .  .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.. 1   .. . . ..   . . . λ1 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. . . ´ ` Theoreme B. ··· (B.   λn  e At = Pe P Dt −1   =P  e λ1 t  eλ2 t . . . eλn t   −1 P  (B. . .1) .. .Soit A une matrice diagonalisable et une matrice de passage P alors.1 . e e B.2) ··· ··· . 1 . J = P −1 AP =  . . .. . λn−1 . λn .  0 ..2.   . ···  .Soit A une matrice dont la forme de Jordan est de passage P . ··· . .   λ1   λ2   D = P −1 AP =   . 0 λ1    ··· ··· ··· ··· ···  . .2. . 0 .

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

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

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

C 1 ) si chaque composante fi (i = 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. une fonction C 1 en x. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 .1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert. . m) est diff´rentiable (resp. .Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 .∀ y ∈ V(x).2 (formulaire de d´rivation) e . ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C.1.270 RAPPELS D’ANALYSE ´ Definition C.1 (composition de fonctions) Soit f : Rk → Rm et g : Rn → Rm deux fonctions C 1 et h = gof alors : ∇h(x) = ∇f (x)∇g(f (x)) ∀ x ∈ Rk ´ ´ Propriete C.1.1. C 1 ). . ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (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. On d´finit la matrice Hessienne de f not´e e ∇2 f (x).∀ y ∈ V(x).1. e ´ Definition C.1. La matrice gradient de f en x. la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C. ∃ α ∈ [0. not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x). · · · .1.5 (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. ´ ` Theoreme C. · · · . 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C.1.

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

x1 . t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0. t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative.V (x) = x1 x2 + x2 est une fonction ind´finie.Une fonction scalaire V (x.3 e .V (x. t) est (localement).1 (fonctions d´finies positives) e e 1. 1 2 ´ Definition C. e 2.2 (fonctions semi d´finies positives) e e 1.Si une fonction V (x. e e Exemple C. (semi) d´finie n´gative alors −V (x. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive. t) = 0 2 − ∀ x = 0 ∈ Br V (x. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.2 e .Une fonction scalaire V (x.Une fonction scalaire V (x.2.Une fonction scalaire V (x.2. t) ≥ 0 e 2.2. t) est (semi) d´finie positive (n´gative). 1 Remarques C. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0. t) = 0 2 − ∀ x = 0 ∈ Br V (x.V (x. t) > 0 Exemple C.2. 2 e e . t) = 0 2 − ∀ x = 0 ∈ Rn V (x.2. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0. 1 . 1 e .V (x. x ∈ Rn avec e e P = P . t) > 0 e e 2. si P est une matrice (semi) d´finie positive (n´gative). t) = tcos(x1 ) est une fonction localement semi d´finie positive.V (x.1 e . t) est e e (localement) (semi) d´finie positive. x2 ) = x2 + sin2 (x2 ) est d´finie positive localement. e . V (x. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0.272 RAPPELS D’ANALYSE C. t) ≥ 0 Exemple C.Cas particulier important : la forme quadratique V (x) = x P x.1 1.2.2 Rappels sur les fonctions d´finies positives e ´ Definition C. t) = t2 x2 est une fonction semi d´finie positive.V (t.

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

Control of Spacecraft and Aircraft. 1994.ac. Kwakernaak. http:\\www. J. [27] K. Princeton University Press. F. Design methods for control systems. Dorf. 1984. Academic Press. Modern Control Systems.ir. Third Edition. ”Contributions to the theory of optimal control”. Bol.E. Chen.L. J. Sociedad Mat. Pneumaticae (The pneumatics of Hero of Alexandria. A.E. Kalman. Seventh Edition.D. Murakami.history. Addison-Wesley Publishing Company. J.edu/steam/thurston/1878/ [23] Indiana unniversity. [20] J. Feedback Control Systems. 1996. e [13] O. 1994.edu/\tilde rcapub/ [24] H. Geromel. http://www. Transform´es et abaques. Colaneri. e [21] T. [19] G. K.E. Richard. Gille. Modern Control Theory. ”Out of control”.indiana. Third Edition. [26] R. Control theory: Multivariable and nonlinear methods. e traduction de Bennett Woodcroft. Tome 1. Tinehart and Winston. L.C. ”Japanese infrared survey mission”. Ljung. 2000.. No. Notes pour le cours du Dutch Institute of Systems and Control.org/outofcontrol . Glad. Editions Technip.S. Kalman. Mod´lisation et Identification des Processus.isas. Dauphin-Tanguy. Narendra. R. Ho. 1991. 1963.H. Prentice Hall. Contributions to differential equations.kk. Holt. Y. Locatelli. Zambettakis. Franklin. I. [15] A. A. Addison Wesley Publishing Company. [17] P. Mex. Informatique Industrielle. 1960.274 REFERENCES BIBLIOGRAPHIQUES [12] P. 1992. Bryson. Kelly. Taylor Walton and Maberly.C. [22] H´ron d’Alexandrie. http://www. [18] R. ”Controllability of linear dynamical systems”. London. http://www. 1997. Signaux D´terministes. Powell. 1851. 1. Rotella.C. Brogan. Control theory and design. article R 7010. G.C. 2. Techniques de e e l’Ing´nieur. H. Linear System Theory and Design.K.F. Emami-Naeni. Bosgra. Borne. Taylor and Francis. [14] W.P.T.rochester. [16] C. IRIS/ASTRO-F. Vol. 1995.jp/ASTRO-F/detail/general [25] R. Bishop.

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

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

o I. . . .3. . . . . . . . . . . . . . . . . . . . . . e e e Les mod`les externes (entr´es-sorties) . . II. . . . . . . . e Exemples de syst`mes de commande modernes . e II. . . . . . .2 Servom´canisme hydraulique . . . . . e e II. . . . . . . . e e Le mod`le interne . . . . . . . . . . . . . . . .5 II. . . . . . . . .2 Contrˆle de la tˆte d’un disque dur . . . . . . . . . . . . . e e e . . . . . . . . . . . . . . . o II. . . Exemples caract´ristiques . . . . . . . . . . .6.2. . . . .1 Contrˆle d’attitude d’un satellite . .2 II. . . .2 Repr´sentation d’´tat des syst`mes dynamiques . . .4. e e e e II. . . II II. . . . . . . . . . . . . .1 I. . . . . . . .4. . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . e e II.4 Le cas particulier des syst`mes SISO . . . . e e e II. . e II. . . .4 Commande longitudinale d’un avion civil . .4 Sch´mas fonctionnels et repr´sentation d’´tat . .7. . . . . . . .1 Sch´ma fonctionnel . .5. . .1 Notion de syst`me . .4 II. . . . . . e Pˆles et z´ros d’un mod`le LTI . . .4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 I. . . .1 Le polynˆme caract´ristique et les pˆles . . . . . . . o e I. . . . .Lin´arisation . . . . . .7. . . . . .6. . . . . . . . . . . . . . . . . . . e II. . . . . e I. . . . . . . . . . . . . . . .1 R´gulation de temp´rature dans un four . .2 La matrice de r´ponse impulsionnelle . . . . . . . . . . . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . . . . . . . . . . . . . . . . . .7. .4. . . . . . . . . . . . . . . . . . . . Bref album chronologique . . .4. . . . . . . 5 5 7 19 19 21 24 24 24 25 26 27 27 29 29 33 35 37 37 38 42 46 48 48 52 53 54 57 57 59 61 61 62 65 67 I. . . . . . . . . . . . . . . . . . .6 II. . . . . . . . . . . . . .3 Introduction ` la th´orie de la commande a e Introduction . . . . . . . . . . . . . . . e II. .1 La matrice de transfert . . . .4. . . .3. . e e e II. . .2 Les z´ros . . . . .3 Contrˆle d’attitude d’un satellite . . . . . . . . . . . . . . . .4. . . . .4. . . . . . . . . . .` TABLE DES MATIERES 277 Table des mati`res e I I. . . . . . . . . . e e I.4. . . . . . . . . .3 Repr´sentation d’´tat lin´aire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . o e e II. . . e e II. .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . . .3 Equations diff´rentielles entr´es-sorties . . e II. . e e e II.3 II. . . . . . . . . . .5. . . . e I. . . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . o e o II. . . . . . . . . . . . . . . . . . . . .1 II. . . . . . . .2 Th´orie de la commande . . . . . . . . . .la repr´sentation d’´tat .2 Sch´ma fonctionnel et fonctions de transfert . . e Approximation lin´aire des syst`mes physiques . . . . . . . . . . . . . . . . . e Les mod`les graphiques . . .7. . . . . .1 Le concept d’´tat d’un syst`me . .5. . . Th´orie des syst`mes et th´orie de la commande e e e I. . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . .3 Crit`re alg´brique de Routh-Hurwitz . . . . . . . . . e V. . . . . . . . . . . . . .3 Fonctions de conversion entre mod`les LTI . . . . . . . . . . . . . . . . . . . . . . .278 II. . . . . .2 Crit`re d’observabilit´ . .3 Stabilit´ BIBO et stabilit´ interne .2.2. . .2. . . . . . e III. . . . . . . . . . . . . e IV. . . . e e V. . . . . . . . . . . . . . . . . . .1 D´finitions . e e e III.1. . .1. . . . . . . e . . . . . . . . . . .8. . . . . . . . . . .1 Stabilit´ des syst`mes LTI e e IV. .2. . . . . . . . . . . . . . . . . . . . . .r´gime transitoire . . . . .6 Fonctions MATLAB .3 Relations entre mod`les internes et externes . . . . e III. . . e e III. . .3 La m´thode de Lyapunov . .2 Notion d’observabilit´ . . . .1 Fonctions d’alg`bre de base . . . . . . . . .1 Les formes canoniques d’´tat . . . . . . . . . . . . . . . . . . . . . . . . . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . . . . . . . e IV. . . . .1 La stabilit´ BIBO . . . . . . . . . . . .1 D´finition . . . . .1. . . . . . . . . . . . . .8 Fonctions MATLAB . . . . 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´ . . . . . . . . . . . . . . . . e III. . . . . . . . . . . . . . . . . . . . .2 R´ponse ` des entr´es types . . .1 Signaux d’entr´e types . . . . . . . . . . .6. . . . . . . . . . . . . . . . . . . . . . . . e IV. . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Crit`re de commandabilit´ . . .4 Fonctions de mod´lisation par blocs . . . . . . . e II. e III. . . . . . modales . . .1 Cas de modes simples distincts . . . . . . . . . . . . . . . e e III. . . . . . . . . . . . . e e IV.1. . . . . . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . . .2 Les syst`mes du premier ordre . . . .1. . . . . . . . . . III. . . . .8. . . . . . e a e V. . . . . . . . . e IV. . . . e III. II. . . . . . . .r´gime forc´ . . . . . . .4. . . . . . . .1 Fonctions d’alg`bre de base . . . . . . . . . e V. . . . . . . . . . . .2.4 Nature des points d’´quilibre en dimension 2 e IV. e e IV. . . . . . . . . . .2. . . . e e III. . . . .1. e V. . . . e e e V. .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 D´finition . . . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . . . . . e III.2 Fonctions de mod´lisation LTI . .8. . . . . . . . . . . . . III. . e III. . . . . . . . . . . . . .1.5 Grammiens de commandabilit´ et d’observabilit´ . . . . . . . . . . . . . . . . . . ` TABLE DES MATIERES . e e IV. . . IV V . . . . . . . . . . . . . . . . . . e III. . . . . . . . . .1. . . . . .2.2 La stabilit´ interne . . .3 R´gime permanent . . . . . . . . . . . . . . . . .1 .1 D´finition et exemples . . e e III. . . . . . . . . . . . . . . . . . . . . . . . . .3 Fonctions d’analyse des mod`les LTI e II. . . . . . . .1 D´finition . . . . . . . . . . . . . . . e Analyse temporelle des syst`mes continus e Introduction . . . . . . V. .2 Th´orie de la r´alisation . . . .2. . . . . . . . .4. .2 Caract´risations de la stabilit´ BIBO . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . .6. . . . . . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV. . . . . . . . III. . .3. . . . . . . . .2 Cas de modes multiples . . . . . e III. . . . .8. . . . . . e II. . . . . . . .2 R´gime libre . . . . . . . . . . .

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

. . e A. . . . . . . . . .3. e a e IX. . . . . . . . . . . . . . . . . Sp´ e VIII. . . . .2 Utilisation de la transform´e de Laplace e C. . . . . . . . . . e A. . . . . .3 eduction du bruit de mesure w . . . . .1. . ee e . . . . . IX.1 Conditions des angles et des amplitudes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e B. . . .3. . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . . . . . . . .2.1.280 ` TABLE DES MATIERES . . . . . . . . . . . . . . .2. .2. . .2. . . . . .1 IX. . .2. .2 Repr´sentation fr´quentielle des signaux continus .1. .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . . . . . . . . . . . . . . . . .1 M´thode de triangularisation . . . . . . . . . . . . . . . . . . .1 R´glage du gain . . . . . . . . . . . . . . . . . . . . . . . VIII. .4 Suivi de r´f´rence r : pr´cision . . . . . . . . . . . . . . . . . . . . . 272 e 273 R´f´rences bibliographiques ee . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . ee e VIII. . . . . . . . . . . . . . . . . . . . . .2. .1 Fonctions li´es ` l’utilisation du lieu des recines .1 Produit scalaire. . . . e e e IX.2 Les fonctions de sensibilit´s en entr´e et en sortie . .2 Valeurs propres et valeurs singuli`res . . . . . .7 Modelage des fonctions de sensibilit´ . . . . . . e a IX. .3 Matrices sym´triques . . . . .1 . . . . . . . . . . . B. . . . . . . . e A. . . . . . . . . . . . . . . . . . . . . e B.3. . . . . . .4 Fonctions MATLAB . . . .2. 220 220 221 222 228 232 233 233 233 234 239 239 241 241 242 249 249 250 252 252 253 253 253 256 259 259 259 261 261 261 263 264 266 266 267 VIII. . . . . e e IX. . . . . . . . . . . . . . . . . .5 Comportement aux fr´quences interm´diaires .3 ecifications de performance . . . .2 La transform´e de Fourier . . . . . . . . R´ VIII. . . . . . . . . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. . . . .3. . .2 Syst`mes ` stabilit´ conditionnelle . . . . . . . . .3 Analyse des syst`mes boucl´s par le lieu d’Evans . . . . . . e e ee B. . e e VIII. . . . . . R` e VIII. . . .1 D´finition . . . . . . . .2 Calcul de la matrice de transition d’´tat eAt . . . . . . . . . e IX. . .1. . . . . . . . e VIII. . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . . . . .6 Notion de modelage de boucle : loopshaping . . .2. . .2. . . . . IX. . . . .1 C. . . . . . . . . . . . . . . . . norme et rang . . . . IX. . . . . . . . 269 e Rappels sur les fonctions d´finies positives . . B B. . . . . e B. . . . . . . . . . . .2 A. . . . . . A Rappels de th´orie du signal e Signaux d´terministes en temps continu .2 R`gles g´n´rales de construction . . . . . . . . . . .2. . . . . . . .4. . e B. . . .2 Propri´t´s de la transform´e de Fourier . . . e e VIII.2. . e e A. . . . . . . . . . . . . . . . . . .8 ecifications de performance en sensibilit´s mixtes . . . . .2. . . . . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . . . . . . . . . . . . . . . . . . . . .3. . Construction du lieu d’Evans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 egles d’association dans les sch´mas-blocs .

Sign up to vote on this title
UsefulNot useful