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

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. sa e e e e parent´ avec le traitement du signal ne fait aucun doute.) mais plus important.. e e le concept d’information y est ´galement primordial. Enfin. des outils math´matiques (alg´briques. th´orie des transformations. mˆme si le vocabulaire est parfois diff´rent. Certains de ces outils ont ´t´ d´j` pr´sent´s en cours de traitement ee ea e e du signal et sont donc uniquement rappel´s en annexes. e e graphiques et informatiques) sont pr´sent´s et ´tudi´s en d´tail et constituent le corps e e e e e technique de ce cours. Le probl`me de synth`se des syst`mes de e e e e e commande ne sera que bri`vement abord´ et aucune technique de synth`se proprement e e e dite ne sera abord´e.. e e Afin de manipuler et d’utiliser ces concepts. e Ce cours de premi`re ann´e a pour objectif d’introduire les principaux concepts de e e l’Automatique : la notion de mod`le d’un syst`me. e . De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. la structure de commande ` contree e a r´action et le concept de stabilit´ des syst`mes dynamiques et le probl`me de stabilit´ e e e e e pos´ par l’introduction de la contre-r´action.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es.

[27].). 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. 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. 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. [8] [42]. I. [10]. [7]. [6]. BREF ALBUM CHRONOLOGIQUE 7 I. distributeurs automatiques de liquides. ` Fig. 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.I. r´gulateurs de e a e flammes. clepsydres. le principe de la commande tout ou rien est pour la e premi`re fois utilis´.1200 : diff´rents ing´nieurs Arabes (Al-Jazari. .300 avant J.250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe..2 – Clepsydre d’H´ron [22] e ..).800 . : 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.1 – Clepsydre de Ktesibios [28] Fig. Philon de Byzance (.2. [32]. e e . I. Durant cette p´riode. [3]. distributeurs automatiques de vin. [5]. les trois fr`res Musa et Ibn e e e al-S¯’¯t¯ utilisent des r´gulateurs a flotteur pour des horloges a eau et autres applia a ı) e ` ` cations.2 Bref album chronologique L’histoire et le d´veloppement de la th´orie de la commande et des syst`mes de come e e mande a contre-r´action sont maintenant bri`vement retrac´s.C. 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. [4]... Le principe de la chasse d’eau est fond´ sur e e e e e le mˆme principe.

e e Henry propose de l’utiliser pour les fours chimiques en 1771. R´aumur-1754. fours. e a e . En effet.R´gulation de temp´rature (Drebbel-1624. e ` l’Athenor.1900 : la r´volution industrielle d´bute r´ellement avec l’av`nement des e e e e proc´d´s de commande a contre-r´action. e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W. I. 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.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. les e e r´gulateurs de temp´rature sont ´tudi´s successivement par Becher en 1680. Son ´chec ` trouver la e a pierre philosophale le conduit n´anmoins a inventer un incubateur automatique. l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s. Becher-1680. I. oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig.1600 . pour l’´closion des oeufs mˆme si le principe du thermostat ne sera e e red´couvert qu’un si`cle plus tard par Bonnemain en 1777.3 – Illustration extraite du livre : ”Automata” (1315) [1] . Entre temps. machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle.4 – Sch´ma de l’incubateur Athenor e . Bonnemain-1777) : Cornelius Drebbel. Henrye e e ` 1771.

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. la chasse d’eau est mise au point par le londonien Crapper en 1775. En Sib´rie. En particulier. Brindley-1758. BREF ALBUM CHRONOLOGIQUE 9 . Wood-1784). invention pour laquelle il est anobli par la reine Victoria. 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.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur. a .2. (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. I.R´gulation des moulins a vent : le flux de grain dans un moulin est r´gul´ e ` e e suivant la vitesse de rotation de la meule en 1588 (par le mill-hoper). Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge.R´gulation de niveaux (Salmon-1746. Polzunove 1765.I. Crapper 1775. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig. Fig. A la fin de ce si`cle. En 1745.6 – Principe de la machine ` vapeur de Polzunov [35] a . I.

I. Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803. ` e e Fig. I. Ce type de e ` r´gulation a action proportionnelle est ensuite am´lior´ dans son principe par e ` e e Siemens qui lui substitue l’action int´grale ainsi que technologiquement par e son adaptation a des vitesses de rotation plus ´lev´es. On peut e . En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs.R´gulation a gouverne centrifuge (Watt-1788).R´gulation de pression (Papin-1707. Fig. il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur. James Watt se propose d’adapter le r´gulateur centrifuge de Mead e pour la r´gulation de la vitesse de rotation du moteur a vapeur.9 – Manuscrit de Watt ou Boulder [44] .10 INTRODUCTION A LA THEORIE DE LA COMMANDE . (Siemens-1846). I.8 – Moteur a vapeur de Watt [46] ` Fig.7 – Soupape de s´curit´ de Papin [46] e e . e ` (Pickering-1862). (Porter-1858).1800-1935 : cette p´riode pr´classique de la th´orie de la commande fˆt celle pene e e u dant laquelle les principales contributions furent d’ordre math´matique. (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton. 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. Delap-1799.

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

seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques.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. 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. e e a . A cette ´poque.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. Le e e ee d´veloppement des techniques de communication permet a Harold Black de e ` proposer la r´tro-action n´gative pour la r´duction des ph´nom`nes de distore e e e e sion ` hautes fr´quences. a e Fig. I.

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

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.D´veloppement de l’analyse stochastique (Kolmogorov-1941). N.25 dB 0. I. Wiener et J.7 deg (at 1. . I.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. . dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu. N. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu. (Wiener et Bigelowe 1942) : A.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0. I.N.43 rad/sec) . Shannon qui publie en 1948 ”The mathematical theory of communication”. Pm = −44.5 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.14 – Lieu de Bode Fig.3 dB (at 1. Fig. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61.15 – Abaque de Black-Nichols .

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

(Tsypkin-1955).2 0. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B. e e R.3 0. introduction du e e formalisme d’´tat (Bellman-1957). au crit`re du cercle et de la passivit´. (Pontryagin-1958). I.M.1 Real Axis 0. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial.3 0. .1 −0. Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat.5 Fig.3 −0.16 INTRODUCTION A LA THEORIE DE LA COMMANDE . (Popove e 1961). 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.20 – Application du crit`re du cercle e .1 Imag Axis 0 −0.5 −0. R.4 0. Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e.Th´orie de la commande non lin´aire (Hamel-1949).4 0. De son cˆt´. (Sandberg-1964). L.4 −0.3 −0.2 −0.1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale.5 0. Il montre d’autre part e e . Hamel en France et J. 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. (Narendra-1964).2 −0. Bellman ´tablit le principe d’optimalit´ et d´veloppe la proe e e e grammation dynamique pour r´soudre les probl`mes de commande optimale e e en temps discret. V. (Desoer-1965). e e q=5 − mu=1 − a=1 0.1 0 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 1944.2 0.Th´orie de la commande optimale et th´orie de l’estimation.5 −0.S. (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats.A.4 −0. 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. (Yakubovich-1962). Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton.

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

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

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

e e a .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. Cela signifie qu’en th´orie des syst`mes.20 INTRODUCTION A LA THEORIE DE LA COMMANDE . aucune pr´cision n’a ´t´ donn´e sur le type de mod`le math´matique utilis´ e ee e e e e dans le processus de mod´lisation.formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours. e e . 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. Traitant e e uniquement dans ce cours des syst`mes dynamiques. .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. 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.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. Ces ´quations peuvent ˆtre ordinaires e e e e dans le cas de syst`mes ` param`tres localis´s dans l’espace ou a d´riv´es partielles pour e a e e ` e e les syst`mes ` param`tres r´partis. La 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. 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 Classification des syst`mes e Jusqu’ici. La figure I. I. En gras. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout.

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

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

I.28 – Commande en boucle ferm´e e Un syst`me boucl´ v´rifie en quelque sorte que la r´ponse du syst`me correspond a e e e e e ` l’entr´e de r´f´rence tandis qu’un syst`me en boucle ouverte commande sans contrˆler l’efe ee e o fet de son action. le probl`me de la stabilit´ et de la pr´cision des syst`mes ` e e e e a contre-r´action se pose de mani`re plus complexe. D’autre part. stabilisation de syst`mes ine e e e stables en boucle ouverte). rejet de perturbation. Il est toutefois important de remarquer que cette structure de commande ne pr´sente e pas que des avantages. Signal de référence c(t) Actionneur u(t) Système s(t) e(t) + ε(t) Loi de commande − Signal d’erreur Sortie mesurée Signal de commande Sortie réelle Capteur Fig. Elle n´cessite l’emploi de capteurs qui augmentent le coˆt d’une e u installation.THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES 23 syst`me boucl´ (figure I.28). Les syst`mes de commande en boucle ferm´e sont ainsi pr´f´rables quand e e ee des perturbations non mod´lisables et/ou des variations impr´visibles des param`tres sont e e e pr´sentes. Cette structure de commande permet ainsi d’am´liorer les performances dynae e miques du syst`me command´ (rapidit´. 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.27). e e e moindre sensibilit´ aux variations param´triques du mod`le. e e . meilleur suivi de consignes. par opposition aux syst`mes en boucle ouverte (figure e e e I.

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

pointer dans la bonne direction les antennes.3 Contrˆle d’attitude d’un satellite o Il s’agit. connaissant le mod`le dynamique du satellite.contrˆler la dissipation de chaleur o . e Fig. I.EXEMPLES DE SYSTEMES DE COMMANDE 25 Fig. I.4. Les objectifs peuvent ˆtre : e .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. panneaux solaires ou des instruments de mesure .courtesy IBM I.´viter les d´gats solaires ou atmosph´riques sur des composants sensibles e e e . Il doit donc ˆtre isol´ des vibrations et des bruits e e e ´lectriques du corps du satellite. Un autre type de sp´cification e e e e .30 – Disque dur . de commander son orientation e (son attitude) dans l’espace.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´.

32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res. e −Z M T −X θ ε xA zA mg δe Fig. il se produira n´cessairement e e une certaine d´rive en altitude du fait des erreurs de mesure de cette vitesse de e mont´e. e I.4. I.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. 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.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. . 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.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. la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment. 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.32 – Param`tres longitudinaux e . Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I. e .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. e e e . Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me. gravitationnelles et a´rodynamiques. Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis.

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. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires. En Automatique. 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. e e e 1. Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires. Un certain nombre d’hypoth`ses de travail sont ainsi e e e formul´es d´finissant la classe des mod`les utilis´s. Le 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.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3. ` coefe e e e e e a ficients constants ou variant dans le temps) qui forment l’expression math´matique du e comportement id´al du syst`me. le mod`le math´matique d’un syst`me e e e e dynamique est d´fini comme un ensemble d’´quations qui repr´sentent le comportement e e e dynamique du syst`me avec la pr´cision souhait´e.Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 .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. non lin´aires. 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.

Il est donc tr`s important d’´tablir e e e un bon compromis entre la pr´cision du mod`le et sa complexit´. 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 produit ´galement des travaux en optique (Ad Vitellionem paralipomena. Le mouvement du satellite se compose d’un mouvement d’orbite e e gouvern´ par les ´quations de translation et d’un mouvement d’orientation ou d’attitude e e gouvern´ par les ´quations de rotation. quie bus astronomiae pars optica traditur en 1604. 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. ` Exemple : satellite 1 Le satellite est mod´lis´ comme un corps rigide auquel est attach´ en son centre de masse e e e un r´f´rentiel mobile B : (x. Il est d’ailleurs excome a muni´ en 1612.2. 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. Nous e e e nous int´ressons au mod`le math´matique du mouvement d’orientation du satellite qui e e e peut ˆtre obtenu a l’aide des ´quations de la cin´matique et de la dynamique.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. z). 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.´ 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.2 Exemples caract´ristiques e Dans cette section.3. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. jI . 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´. Il publie le premier mod`le math´matique cosmologique e e e dans Mysterium cosmographicum en 1596 et l’envoie a l’astronome Tycho Brahe qui ` l’embauche a Prague comme math´maticien assistant. Il est mort le 15 Novembre 1630 a Regensburg. y. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). e ` e e Biographie 1 (J.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1.2. EXEMPLES CARACTERISTIQUES 29 II. e e II. Ses conceptions peu orthodoxes en mati`re e e de religion lui font abandonner son projet d’ordination pour une position d’enseignant en math´matiques ` Graz. kI ). On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . 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. Ils seront repris de mani`re r´currente dans e e e e e la suite de ce document afin d’illustrer au mieux les notions d’Automatique d´velopp´es. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. En dehors de ses travaux d’astronome proprement a dit.

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

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. uz ) forment le vecteur moment de commande. e Les ´quations d’Euler d´crivent la rotation du satellite mais ne d´crivent pas son e e e orientation par rapport au r´f´rentiel inertiel. On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel.5) ` Hypotheses II. La matrice de rotation peut alors ˆtre engendr´e par trois rotations e e ´l´mentaires d´finies par les matrices Tψ . l’angle de pr´cession θ.1 Les axes sont les axes principaux d’inertie : Hx = Ixx ωx Hy = Iyy ωy Hz = Izz ωzz Dans ce cas les ´quations de la dynamique du satellite sont : e Ixx ωx = (Iyy − Izz )ωy ωz + ux + Tx ˙ Iyy ωy = (Izz − Ixx )ωx ωz + uy + Ty ˙ Izz ωz = (Ixx − Iyy )ωx ωy + uz + Tz ˙ o` (ux . Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes. 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. uy . figure II.7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (II.2). e ee (II.2. Tφ . l’angle de nutation et φ l’angle e e de rotation propre. Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite. Les angles d’Euler sont not´s ψ. Ty . (Tx .EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler).6) . on e ee obtient les ´quations d’Euler : e ˙ Mx = Hx + ωy Hz − ωz Hy ˙ My = Hy + ωz Hx − ωx Hz ˙ Mz = Hz + ωx Hy − ωy Hx o` le vecteur de vitesse angulaire ωm = u ωx ωy ωz est exprim´ dans le r´f´rentiel B.

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

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

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

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

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. ` e e e e ωz − Ω sont faibles.21) .36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible.22) (II. φ0 ) = (Ωt. 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.20) (ωx0 . les approximations pr´c´dentes restent valides. 0. 0. La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 . 0) (II. θ et φ sont petits. θ0 .24) (II.23) (II. Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant. 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´. ωy0 . Il est alors possible de supposer que ωx . ωy . on obtient : e e sin φ cos φ ˙ + ωz ψ = ωy cos θ cos θ ˙ θ = ωy cos φ − ωz sin φ ˙ φ = ωx + ωy tan θ sin φ + ωz tan θ cos φ En consid´rant que ψ − Ωt. ωz0 ) = (0.8).

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

l’´tat initial d’un syst`me doit constituer sa e e e e e m´moire. On consid`re donc le e e e syst`me dynamique multivariable de la figure (II. ´ Definition II. ` chaque instant t0 . Les variables d’´tat seront donc e e a e les solutions d’´quations diff´rentielles du premier ordre. L’´volution du syst`me peut ˆtre repr´sent´e au moyen des trajectoires d’´tat. e e t t0 t t x(t) = −∞ z(ξ)dξ = −∞ z(ξ)dξ + t0 z(ξ)dξ = x(t0 ) + t0 z(ξ)dξ x(t0 ) r´sume le pass´ de la fonction x jusqu’` l’instant t0 .4. 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. d´fini comme l’espace e ` e d’´tat.38 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES sont connues. t1 ]. 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. e e Comme l’exemple pr´c´dent l’a montr´. e e e . II. Le vecteur e a q des variables constitue un ensemble de variables n´cesssaire et suffisant pour assurer e p la description compl`te du comportement dynamique du syst`me. x(t0 ) est connu alors y(t1 ) et x(t1 ) peuvent ˆtre d´termin´s a de mani`re unique pour tout t1 ≥ t0 si u(t) est connue sur l’intervalle [t0 .4 – Syst`me dynamique multivariable e En g´n´ral. le comportement du syst`me ` n’importe quel instant sera connu.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. Parmi les fonctions poss´dant cette propri´t´. e e II. xn (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. e e e e e x(t) = [x1 (t). e Le vecteur d’´tat x(t) appartient a un espace vectoriel E. on trouve toutes les fonctions e e ee r´sultant d’une int´gration.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.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. U Vecteur d’entrée X Vecteur d’état dimension n Y Vecteur de sortie dimension m dimension r 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.2 (oscillateur de Van der Pol) En consid´rant le circuit ´lectrique suivant : e e L C Résistance négative Fig.4. 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 REPRESENTATION D’ETAT 39 x2 x(t0) x(t1) x2(t1) 0 x(t2) t x1 (t1) x1 Exemple II. II. e ` e Pour un choix du vecteur d’´tat e .25) v(t) .

4.2 (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 1.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig. y(t) ∈ Rr est u le vecteur de sortie. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II. Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me. u(t).5 −2 −2.7). continue par rapport a u et continue par morceaux par rapport a t.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.27) . u(t) ∈ Rm est le vecteur de commande.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II.26) y(t) = h(x(t). u(t).5 dx/dt 0 −0.4. e ´ Definition II. e e e e e Exemple II. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.5 −1 −1. II. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.5 1 0.40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2. t) ´quation dynamique ˙ e (II. En ´crivant les lois de Kirchoff (noeuds e e et mailles).4.

x2 (0) . soit [x1 x2 ] = [vC iL ] . ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire.28) dx2 1 R (t) = x1 (t) − x2 (t) dt L L Si l’on suppose de plus que l’on mesure la tension aux bornes de la r´sistance. 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.25).6 pour diff´rentes e e e a e x1 (0) conditions initiales . [x1 (0) x2 (0)]. En posant e e e x1 = v et x2 = v.30) (II. il est e e encore possible de donner une repr´sentation d’´tat non lin´aire.29) A partir de la donn´e des conditions initiales du circuit.4.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig. 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. II.7 – Syst`me ´lectrique e e En choisissant comme variables d’´tat la tension aux bornes de la capacit´ et le courant e e e e dans l’inductance. 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. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II.31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II.LE MODELE INTERNE . il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II.

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.4. . Equation d’´tat lin´aris´e e e e La majorit´ des syst`mes physiques sont en r´alit´ non lin´aires et d´crits par le mod`le e e e e e e e (II. t) ˙ (II. u(t). D sont constantes. t) ˙ (II. Cela signifie que pour un mˆme syst`me phye e e e sique. Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t).4. En effet.B(t) ∈ Rn×m est la matrice de commande ou d’entr´e.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).34) .D(t) ∈ Rr×m est la matrice de transmission directe. u0 (t).3 Repr´sentation d’´tat lin´aire .26). le syst`me est Lin´aire Temps-Invariant e e (LTI). e II.4.42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II. e ´ Definition 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. Si les matrices A.2 La repr´sentation d’´tat n’est pas unique.32) y(t) = C(t)x(t) + D(t)u(t) o`: u . B. C. e . cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique. le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´. mˆme si aucun syst`me physique naturel ou artificiel ne peut pr´tendre e e e e v´rifier stricto sensu la propri´t´ de lin´arit´. .A(t) ∈ Rn×n est la matrice dynamique.C(t) ∈ Rr×n est la matrice de mesure ou de sortie.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.

on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). Cela e e e signifie que pour tout t0 ≤ t ≤ tf . t) x(t) + Ju (x0 (t). u0 (t).LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales.5 θ l 11 00 11 00 11 00 11 00 m . Pour k/m = 1/2 g/l = 1. la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0.35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. 0). on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (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). 0). (π. u0 (t). u0 (t).5 (´quation d’un pendule non contrˆl´) e oe ˙ . u0 (t). t) + Jx (x0 (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. les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ.LE MODELE INTERNE . u0 (t). x0 (t)) que tr`s faiblement. θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0. t) u(t) ˜ A(t) B(t) (II.4. t)˜(t) + Ju (x0 (t). (u (t). x(t)) ne diff`rent de (u0 (t).

4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e).39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t.5 A2 = 0 1 1 −0.40) . 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.44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre. t0 )x0 ∀t ≥ t0 (II. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes. 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. on obtient la e repr´sentation d’´tat lin´aris´e pour des perturbations nulles : e e e e     0 0 0 1 0 0 0 0 0  0  0 0 0 1 0  0  0 0      0   0 0 0 0 0 1  0 0   2  u(t)  x(t) =  ˙ x(t) +  Ω Ix 0 0 0 Ω(Ix + 1) 0  1/Ixx 0 0       0  0 0 0  0  −Ω2 Iy 0 Ω(Iy − 1) 1/Iyy 0 0 0 0 0 0 0 0 1/Izz (II. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II.4.5 Exemple : satellite 3 En reprenant les ´quations lin´aris´es du satellite en spin ` vitesse constante autour de e e e a ˙ ˙ ˙ l’axe z et en choisissant les variables d’´tat x = φ θ ψ φ θ ψ . 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.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy . on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0.38) Dans le cas g´n´ral o` le mod`le est temps-variant.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie. e e e ´ Definition II.

4. t0 ) = A(t)Φ(t. t0 ) est la matrice de transition.Φ(t. e e e e e elle est donn´e par : e t x(t) = t0 Φ(t.41) Dans le cas g´n´ral d’un syst`me temps-variant. t) ∀ t. t0 )x0 + et la sortie s’´crit alors : e Φ(t.Φ−1 (t.LE MODELE INTERNE . la matrice de transition peut ˆtre calcul´e de mani`re explicite par les e e e e m´thodes pr´sent´es dans ce chapˆ e e e ıtre. t0 ) = Φ(t0 . e ´ Definition II. t0 ) est inversible pour tout t et tout t0 .1 (r´ponse compl`te) e e La solution de l’´quation dynamique d’´tat : e e x(t) = A(t)x(t) + B(t)u(t) ˙ est donn´e par : e t x(t0 ) = x0 (II.42) A partir de la donn´e de la matrice de transition. Pour les e e e e syst`mes LTI. De mˆme. 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.1 . ´ Definition II. seuls les syst`mes lin´aires temps-invariants.4.4. t0 ) = Φ(t2 .LA REPRESENTATION D’ETAT o` Φ(t.40). t0 ) Φ(t0 . t0 ∀ t ≥ t0 45 (II.5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. e ee ´ ´ Proprietes II. (LTI). t1 )Φ(t1 .6 (r´ponse forc´e) e e La r´ponse forc´e d’un syst`me est la r´ponse du syst`me au seul signal d’entr´e et pour e e e e e e des conditions initiales nulles. t0 ) . τ )B(τ )u(τ )dτ t0 (II. τ )B(τ )u(τ )dτ (II.43) x(t) = Φ(t. t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes. τ )B(τ )u(τ )dτ + D(t)u(t) (II. elle est donn´e par l’´quation e e e e e e e (II. solution de l’´quation diff´rentielle : u e e ˙ Φ(t.Φ(t2 . la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t0 )x0 + C(t) t0 Φ(t. e ´ ` Theoreme II.4.44) t y(t) = C(t)Φ(t. seront ´tudi´s e e e e . Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat.45) Dans la suite.

Script MATLAB 1 >> A=[0 -1/2.D=0. L = 1 H et R = 3 Ω. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie. D).B. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.4.B=[1/2. . Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II.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.7) pour C = 2 F . Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A. C. e Exemple II.0].5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model.5 -3 b = x1 x2 u1 0. >> circuit=ss(A. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II.4.6 (circuit ´lectrique) e Calcul du mod`le d’´tat.C. >> C=[0 3].4.46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.1 -3]. B. ´ Definition II.D) a = x1 x2 x1 0 1 x2 -0.

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

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

e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II.La matrice de transfert est une caract´ristique du syst`me ind´pendante de l’amplie e e tude et de la nature de l’entr´e du syst`me.59) Yi (p) = j=1 gij (p)Uj (p) (II. u u1 u2 . on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II. . En r´solvant les ´quations (II.60) Remarques II.55) o` X(p) = L[x(t)]. II. e e . . .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). il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II. x0 = 0. il est possible de l’appliquer aux e e e ´quations (II.55) u e e par rapport a Y (p).1 . e e e . yr 49 Système linéaire multivariable Fig.LES MODELES EXTERNES o` x ∈ Rn .5.57) ´ Definition 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. . . u ∈ Rm et y ∈ Rr .5. um y1 y2 .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.54).56) Pour des conditions initiales nulles.Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique.La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles. U (p) = L[u(t)] et Y (p) = L[y(t)].58) (II.

01 m3 /min.21 x(t) + 0. x2 ) = (TC .5.61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig.50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ..01 x(t) (II. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi . En supposant les flux constants fH = fC = f .1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II. 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.C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me.9. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II. e Exemple II. e on obtient : x(t) = ˙ −0.01 0 0 0. Pour chaque ´tage.. temp´rature TH . β = 0.2 m3 /min et VH = VC = 1 m3 .21 0. d´bit fC ). e e e e e e e e e e temp´rature TC .63) .2 −0.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur. TH ) et les temp´ratures d’entr´e comme les commandes. d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi . les variables d’´tat e e (x1 .2 0. de la capacit´ u e e e calorifique des fluides. II.62) y(t) = x(t) Pour les valeurs num´riques f = 0.

01*0.2*0.42 s + 0.21 0.01 0 0 0.01 0.2 p + 0.LES MODELES EXTERNES En appliquant la formule (II.den den}) Transfer function from input 1 to output.42 s + 0.002 --------------------s^2 + 0.01 0.2 −0.[1 0..42 s + 0..0041 0..66) .01 (II. >> echangeur=tf({[0.01 s + 0. 0.2 p + 0.002 #1: --------------------s^2 + 0.01].42 s + 0.0.0021 #1: --------------------s^2 + 0.01 s + 0.0041 #2: Transfer function from input 2 to output..01)(p + 0.01.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur..21 −0.65) I1 ωy = (I3 − I1 )Ωωx + uy ˙ En posant a = (1 − I3 /I1 )Ω et en supposant que les vitesses de rotation sont mesur´es e indirectement par l’´quation : e y1 y2 = 1 a −a 1 ωx ωy (II.01*0.21]}.0021 --------------------s^2 + 0. {den den.21 −1 51 0. e e >> den=conv([1 0.41) p + 0.0041 0.2 [0.57).64) 0.. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.01*0. 0.2 0.21] 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.41]).01 = (p + 0.. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.

g(t) est une matrice de dimensions r × m..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. ` . L’´l´ment (i..2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II.[-5 -5] [1 -25]}.68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t.70) A chaque instant t.25 -------s^2 + 25 #2: II.67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur.25 #1: -------s^2 + 25 -5 s . >> satellite=tf({[1 -25] [5 5]... e e e (II.[1 0 25] [1 0 25]}) Transfer function from input 1 to output. s . {[1 0 25] [1 0 25]..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 + 5 #1: -------s^2 + 25 s .69) ´ Definition II.5 -------s^2 + 25 #2: Transfer function from input 2 to output.. e e >> a=5.5.

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

76) ´ Definition II. Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II.10 – Syst`me masse-ressort-amortisseur e . y(t). e e e La fonction de transfert Soit un syst`me LTI mono-entr´e. II. 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.5.5.75) y(0) = y(0) = · · · = y ˙ (n−1) (II.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles.77) Exemple II. Dans le cas de mod`les externes. mono-sortie.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II.74). e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II.5. e e a an y (n) (t) + · · · + a1 y (1) (t) + a0 y(t) = bm u(m) (t) + · · · + b1 u(1) (t) + b0 u(t) Si les conditions initiales sur le signal d’entr´e et de sortie sont nulles : e u(0) = u(0) = · · · = u(m−1) (0) = 0 ˙ (II. le rapport entre la transform´e de Laplace e e du signal de sortie et la transform´e de Laplace du signal d’entr´e d’un syst`me LTI est e e e la fonction de transfert de ce syst`me.4 Le cas particulier des syst`mes SISO e Le cas particulier des syst`mes poss´dant une seule entr´e et une seule sortie (SISO) e e e est tr`s important non seulement puisqu’il fˆt historiquement le premier a ˆtre trait´ de e u `e e mani`re intensive et extensive mais ´galement parce qu’il poss`de de nombreuses proe e e pri´t´s que l’on ne retrouve pas dans le cas MIMO.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. u(t).78) k M s(t) f e(t) Fig. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II. on obtient. l’´quation diff´rentielle d´crivant le comportee e e ment de la masse M soumise ` une force u(t) est donn´e par : a e M y (t) + f y(t) + Ky(t) = u(t) ¨ ˙ (II.10). Par application e e du principe fondamental de la dynamique.

5. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (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. Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II. Ainsi. 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.24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul.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. 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).83) La fonction de transfert G(p) est appel´e double int´grateur.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. e e a e Si su (t) et s0 (t) sont respectivement les r´ponses du syst`me ` l’entr´e et aux conditions initiales. alors : s(t) = su (t) + s0 (t) (II. . 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 obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ.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.LES MODELES EXTERNES 55 Un vecteur d’´tat pour les syst`mes m´caniques peut ˆtre typiquement constitu´ ` e e e e e a partir des variables de position et de vitesse. e 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.80) Exemple II.

2 1.mod`le alg´brique G(p) e e .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.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.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.g(t) et G(p) contiennent la mˆme information.87) (II.11 – Syst`me lin´aire e e ´ Definition II. e y(t) = g(t) ∗ u(t) . ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t). e G(p) = L[g(t)] 2. II.86) .Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle. e e e Remarques II.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.88) ⇔ Y (p) = G(p)U (p) (II.5.5. e e ´ ` Theoreme 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.5.

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.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).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.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. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI. e e II. .91) (II. o e ´ Definition II.6.6.89). e e ´ Definition II. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO. il est dit strictement propre. le syst`me est dit propre alors que pour n > m. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral. POLES ET ZEROS D’UN MODELE LTI 57 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. Si le syst`me est causal alors n ≥ m. e A partir de la d´finition du polynˆme caract´ristique.ˆ ´ ` II. ` l’inverse. 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). Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II. e e e ´ Definition II.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique.6.89) et le mod`le de transfert G(p) ∈ Cr×m : e G(p) = C(p1 − A)−1 B + D On suppose que les deux mod`les sont parfaitement ´quivalents.6. Pour e e e e n = m.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II.1 Le polynˆme caract´ristique et les pˆles o e o x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) Soient le mod`le LTI d’´tat : e e (II.

[1 1] [1 1]}).58 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Les pˆles d’un syst`me r´el sont n´cessairement r´els ou complexes conjugu´s puisque o e e e e e les coefficients des polynˆmes caract´ristique sont r´els.0 0 -2].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 0.0 -1 0.{[1 1] [1 2].1 1 0].6. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.0 1. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .B=[1 0.0 1].1 1}. >> C=[2 0 3. o e e Exemple II.

z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.1. e e e e ´ Definition II.0000i >> Poles=pole(G) Poles = -1 -2 -1 II.0000 + 0. Elle est ´troitement li´e ` la repr´sentation (´tat.6. transfert) choisie.0. z0 est un z´ro du mod`le LTI ssi la mae e e trice M (z0 ) n’est pas de rang maximum : M (z0 ) = z0 1 − A −B C D (II. e Sous ces hypoth`ses.0000 . ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.94) (II. e e e e e a On d´finit pour cela le polynˆme des z´ros.ˆ ´ ` II. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission.0000i -1.2 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.0000 -1. πz (p) comme le plus grand commun e o e diviseurs des num´rateurs des mineurs d’ordre maximum de G(p) normalis´s pour avoir e e e e le polynˆme caract´ristique πp (p) comme d´nominateur.6.6.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II. Ces syst`mes sont e e e e e e dits carr´s. Sous les hypoth`se II.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II. de z´ros invariants et de z´ros d´couplants sont ´quivalentes. u e e e e ` Hypotheses II.90). 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).93) .1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2.89).6.6.

0000 >> [Poles.6.6. 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 = 1.0000 >> Zero=zero(G) Zero = 1.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.2 Reprenant l’exemple II.Zeros]=pzmap(G) Poles = -1 -2 -1 z0 = 1 2 3 −p + 1 − = 2 (p + 1) (p + 1)(p + 2) (p + 1)2 (p + 2) Zeros = 1.0000 Remarques II. e .1.6.1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p).

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

II. e . a ee 3. II. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e.Un sch´ma fonctionnel n’est pas unique.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel.Il est ind´pendant de la nature physique du syst`me mod´lis´.de blocs sommateurs. e Remarques II.2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment. e Exemple II.1 . le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert. Dans ce cas.7.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . c a + b Fig.7. e e a ee e 2. e e e e + a−b+c − II. e e e e e Principes de construction 1.En appliquant la transform´e de Laplace.15 – Circuit RC . calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig.7.

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. II. r´alisant ainsi un syst`me ` contre-r´action tel qu’il a ´t´ d´fini e e e a e ee e dans le premier chapitre.16 – Sch´ma fonctionnel e Fonction de transfert en boucle ouverte et en boucle ferm´e e L’exemple pr´c´dent fait apparaˆ un bouclage de la tension de sortie s(t) sur la e e ıtre tension d’entr´e e(t).17.LES MODELES GRAPHIQUES 1.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 .Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2.

Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur.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.95) (II.3 (fonction de Transfert en Boucle Ferm´e) e La fonction de transfert en boucle ferm´e est d´finie comme : e e S(p) G(p) = E(p) 1 + G(p)H(p) Elle correspond au transfert ”global” de la boucle d’asservissement. II.7.4 (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. ´ Definition II.7.97) . E(p) + S(p) − (II. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire. II. La fonction de transfert en boucle ouverte est alors ´gale au transfert de la chaine a e directe G(p) et la fonction de transfert en boucle ferm´e est donn´e par : e e S(p) G(p) = E(p) 1 + G(p) (II.7.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.96) ε (p) G(p) S(p) Fig.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II.64 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Chaîne directe E(p) + Y(p) − A ε (p) G(p) S(p) H(p) Chaîne de retour Fig. ´ Definition II.

20. 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. Ces r`gles sont r´sum´es e e e e e dans les tableaux II.19 – Alg`bre des sch´mas fonctionnels e e . II. Sch´ma de d´part e e A + B - Sch´ma ´quivalent e e A + C + A-B + C + A-B+C A+C + B - A-B+C 1 B A + C A-B+C + A + B - A-B + + A-B+C C 2 A 3 G1 AG 1 G2 AG 1G 2 A G2 AG 2 G1 AG 1G 2 A 4 G1 AG 1 G2 AG 1G 2 A G 1G 2 AG 1G 2 A G1 AG 1 + AG 1 + AG 2 + AG 2 A 5 G2 G1 + G2 AG 1 + AG2 Fig.LES MODELES GRAPHIQUES 65 II.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe.7. le sch´ma fonctionnel peut comporter un nombre ime e portant de blocs et de boucles.19 et II.

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

2 Le sch´ma fonctionnel II. Dans le cas des syst`mes e e e LTI.7. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat. 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.2 Soit le syst`me de repr´sentation d’´tat : e e e        0 1 0 x1 0 x1 ˙  x2  =  0 ˙ 0 1   x2  +  0  u −18 −27 −10 1 x3 ˙ x3 y= 1 0 0 x Le sch´ma fonctionnel associ´ ` cette repr´sentation d’´tat particuli`re est repr´sent´ e ea e e e e e en figure II.4 Sch´mas fonctionnels et repr´sentation d’´tat e e e Bien qu’utilis´s le plus souvent en liaison avec les mod`les entr´e-sortie du type fonction e e e de transfert. .7.22.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II. e e Ainsi.21 : e e u(t) .7.LES MODELES GRAPHIQUES 67 II. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig. II.21 est d´crit dans le domaine temporel.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II. e ee Exemple II. la repr´sentation d’´tat lin´aire temps-variant suivante : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.

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

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

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

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 1973. Par exemple. En 1971. 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. Ses premi`res recherches en th´orie de la commande sont centr´es aue e e tour de la notion d’´tat. ils n’en e e sont pas pour autant exclusivement r´serv´s ` ce type de repr´sentation. il rejoint l’universit´ de Stanford o` ses travaux concernent la e u th´orie de la r´alisation et la th´orie alg´brique des syst`mes. filtre de Kalman et de Kalman-Bucy. Kalman en 1960. De 1957 ` 1958. Dans le cadre e e a e de ce cours. le fait de tourner le volant ou non d’une automobile ne e e va pas affecter sa vitesse (la vitesse n’est pas commandable par le volant) alors que le fait de d´cel´rer ne va pas influencer la direction de la voiture. commande ope e timale quadratique et liens avec le calcul des variations. il rejoint 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 poursuit ses ´tudes de doctorat a l’universit´ de Columbia et obtient e e e ` e son Ph. En 1958. 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´. en 1957 sous la direction du Professeur J. Il ´migre aux Etats-Unis et obtient son diplˆme de Master du MIT en 1954 en e e o g´nie ´lectrique. Hongrie d’un p`re ing´nieur en g´nie e ` e e e ´lectrique. nous nous limiterons ` la pr´sentation de ces notions a partir des mod`les a e ` e 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. il est ´galement chercheur associ´ ` l’´cole polytechnique f´d´rale de e e ea e e e 71 . En 1964.E. e Biographie 5 (R.E. D.R. 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. Kalman) Rudolf Kalman est n´ le 19 mai 1930 a Budapest. Ragazzini.

e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. · · · n alors le syst`me est compl`tement ee commandable.La commandabilit´ est une notion importante puisqu’elle ´tablit le fait que l’on e e puisse commander le syst`me afin de modifier son comportement (stabilisation d’un e syst`me instable. e .1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. 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.1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre. e e ´ Definition III. B .1. rang(C) = rang .2) . R. Il est membre de l’acad´mie des sciences am´ricaine.Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. .1. e e a .72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH). hongroise. III. modification des dynamiques propres).E.1.2 Crit`re de commandabilit´ e e Il est clairement difficile d’utiliser directement la d´finition pr´c´dente afin de d´cider e e e e de la commandabilit´ d’un syst`me LTI donn´.1 . B = 0.1. La commandabilit´ est une propri´t´ e e e e ee caract´ristique du couplage entre l’entr´e et la sortie du syst`me et fera donc intervenir e e e les matrices A et B. e e e x(t) = Ax(t) + Bu(t) ˙ (III. . fran¸aise e e c et russe. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices. la commanea e dabilit´ a pour objet de caract´riser la capacit´ d’un syst`me ` voir ses caract´ristiques e e e e a e dynamiques modifi´es par les entr´es.1) e o` A ∈ Rn×n . · · · .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. . AB . =n (III.1. C est u de rang n. An−1 B . III. Remarques III. ´ ` Theoreme III. B ∈ Rn×m est commandable ssi la matrice de commandabilit´.1 (commandabilit´) e e Un ´tat xi est commandable en t0 s’il est possible de d´terminer u(t) / [t0 tf ] conduisant e tout ´tat initial xi (t0 ) vers 0 en t0 ≤ t1 ≤ tf .1 III. .

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 rang(C) = rang B AB = rang 0 1/Izz 1/Izz 0 =2 Un crit`re de commandabilit´ ´quivalent au crit`re de Kalman quoique moins facile a e ee e ` manipuler est le crit`re PBH (Popov-Belevitch-Hautus). e ` (III. Physiquement.1.3) . 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. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque. e Exemple III. c1 = c2 = 1. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande. B).1. e ´ ` Theoreme III. h2 ) et R1 = R2 = 1.2 (test PBH) La paire (A.2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A. 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.NOTION D’OBSERVABILITE 73 Remarques III. B) sera appel´e come e e e mandabilit´ de la paire (A. x2 ) = (h1 . e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont.1.

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 .4) e o` A ∈ Rn×n .   . n alors le syst`me est compl`tement ee observable. u   C  · · ·     CA     · · ·  rang(O) = rang  (III.2. la notion d’observabilit´ est cruciale pour les syst`mes o` le vecteur d’´tat e e u e complet n’est pas accessible ` la mesure mais doit ˆtre reconstruit. O est de rang n.2. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie. Remarques III.2.2. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. 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.2.5)  = n   .2 III. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III. e III.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A.2.1 (observabilit´) e e Un ´tat xi est observable en t0 s’il est possible de d´terminer xi (t0 ) connaissant y(t) / e [t0 tf ].1 Notion d’observabilit´ e D´finition e Une caract´ristique structurelle compl´mentaire (duale) de la commandabilit´ peut e e e ´galement ˆtre d´finie. e a e ´ Definition III. C) sera appel´e observabilit´ e e e e e de la paire (A. C ∈ Rr×n est observable ssi la matrice d’observabilit´.2.1 Clairement. C).    · · ·  CAn−1 Remarques III. Exemple III.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure. · · · . ´ ` Theoreme III. .74 COMMANDABILITE ET OBSERVABILITE III.2 Crit`re d’observabilit´ e e Un crit`re de Kalman existe ´galement pour la notion d’observabilit´ et fait intervenir e e e la matrice dynamique A et la matrice de sortie C.

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. B ) est observable. C ∈ Rr×n . e e Exemple : satellite 10 (mouvement autour de z) Si l’on mesure la vitesse angulaire.3 Dualit´ de la commandabilit´ et de l’observabilit´ e e e Les propri´t´s de commandabilit´ et d’observabilit´ sont tr`s ´troitement li´es par une ee e e e e e forme particuli`re de dualit´. ` e ´ ` Theoreme III.2. e e e ´ ` Theoreme III.Σ (A. B ∈ Rn×m . 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. les matrices dynamique et de sortie du satellite sont. On a alors le r´sultat suivant liant les conditions de u e commandabilit´ et d’observabilit´ des deux syst`mes Σ et Σdual . B) est commandable ssi Σdual (A .6) III. A= 0 1 0 0 C= 0 1 Le syst`me n’est donc pas observable puisque. De mˆme que pour la commandabilit´.2. C) est observable.3 .Σdual (A .2 (syst`me dual) e Le syst`me Σdual est appel´ syst`me dual du syst`me Σ. e ` (III. .NOTION D’OBSERVABILITE On peut alors calculer. e e e e . ´ Definition III.2. C ) est commandable ssi Σ (A. rang(O) = rang C CA = rang 1 0 1 1 =2 75 Cela implique que le syst`me est compl`tement observable. 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.7) o` A ∈ Rn×n . 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.2.2 (test PBH) La paire (A. e e D´finissons pour cela les mod`les d’´tat.

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.La forme diagonale ou quasi-diagonale de Jordan. ea e e e Ainsi.3.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. ` e . 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.La forme compagne d’observation. 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. La nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III. Il rentre a l’´cole Polytechnique en e ` e 1855.1 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) 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 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. On distingue trois e e grands types de formes canoniques : . ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite. . les ´quations diff´rentielles et e e e la m´canique. Cette op´ration est une transformation de similarit´. En 1885. si x est un vecteur d’´tat alors le vecteur x = P x est ´galement un vecteur d’´tat e ˆ e e si la matrice P est inversible. e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887. Biographie 6 (Marie Ennemond Camille Jordan) Camille Jordan est n´ le 5 janvier a La Croix-Rousse ` Lyon d’un p`re ing´nieur de l’´cole e ` a e e e Polytechnique et de Jos´phine Puvis de Chavannes.46) a la repr´sentation e e e ` e d’´tat (III. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse.3 III.La forme compagne de commande.8). e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. . En 1861. 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. Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II.

10) e e 3. a .. . · · · . une seule convenant.Si qi = 1. i = 1. . Ji2 .  .  .3.  . · · · .. on d´finit un bloc diagonal Ji de dimension mi × mi et une matrice e Pi ∈ Rn×mi : Ji = diag(pi . ´ ` Theoreme III. . p2 . p2 . il est possible u d’effectuer un changement de base la diagonalisant. on d´finit un bloc de Jordan de e  pi 1   0 pi  Ji =  . . · · · . Il existe alors plusieurs possiu e a bilit´s qui doivent ˆtre test´es. . ´ ` Theoreme III. on d´finit un bloc diagonal Ji de dimension mi × mi form´ comme : Ji = diag(Ji1 . P = [e1 e2 · · · en ] est telle e e que : ˜ P −1 AP = A = diag(p1 .  . 0 ··· Pi = [e1 · · · eqi ] i i dimension mi × mi  0 ··· 0 . 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 . · · · . n. pn ) o` Aei = pi ei ∀ i = 1. k de multiplicit´ alg´brique respective mi . 1  · · · 0 pi (III.  . Jili ) o` Jik est un bloc de Jordan de taille inf´rieure ` mi . 0    . 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..2 e e Soit A ∈ Rn×n ayant k valeurs propres distinctes pi .. J2 . u Dans le cas o` une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation u est plus complexe. · · · .Si qi = mi . pi ) 2.3. Soit qi la multiplicit´ g´om´trique associ´e ` chaque valeur propre.. 1  .1 Si la matrice A ∈ Rn×n a n valeurs propres distinctes p1 . pn alors la matrice de passage compos´e en colonnes des vecteurs propres associ´s.. . 1. · · · . Jk ) La partition de P est identique ` celle de J.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. · · · .Si 1 < qi < mi .

qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III. Il est possible de montrer que l’on Soit P = [q1 .12) y(t) = Cx(t) e e e e o` x ∈ Rn . Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi . i = 1.13) Le polynˆme caract´ristique de (III. Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante. e e e c eme ` u colonne de P . · · · . 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. k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi . On suppose que le syst`me est repr´sent´ de mani`re u ´quivalente par la fonction : e H(p) = bn−1 pn−1 + · · · + b0 pn + an−1 pn−1 + · · · + a0 (III. e 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.11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1. e e α + jβ 0 0 α − jβ = 1/2 −i/2 1/2 i/2 α β −β α 1 1 i −i Dans toute la partie suivante. · · · . e 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. les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables. La premi`re colonne u e ` de chaque sous-bloc Pi . u ∈ R et y ∈ R.14) .12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III.

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

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

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

25 x2 -0.82 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES compagne de commande peut alors ˆtre donn´e e e    0 0  x(t) +  0  u(t) 1 −4 1 Une repr´sentation d’´tat sous forme e e par :  0 1  0 0 x(t) = ˙ 0 −1 y(t) = 1 −2 −8 x(t) + 4u(t) La repr´sentation d’´tat sous forme modale peut ´galement ˆtre d´duite : e e e e e     0 0√ 0 1  0 −2 − 3 0 √  x(t) +  1  u(t) x(t) = ˙ 1 0 0 −2 + 3 y(t) = a b c x(t) + 4u(t) Script MATLAB 6 >> H=tf([4 8 2 1].732 b = x1 x2 x3 u1 4 4.2679 0 x3 0 0 -3.626 d = .2115 x3 -1.899 c = y1 x1 0.[1 4 1 0]) Transfer function: 4 s^3 + 8 s^2 + 2 s + 1 ----------------------s^3 + 4 s^2 + s >> ex_332=canon(H.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.899 4.

6. e e Exemple III. D) telle que : e G(p) = C(p1 − A)−1 B + D (III.23) e La r´alisation (A. 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 e . toute repr´sentation e e d’´tat LTI (A.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 83 y1 u1 4 III.2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II.Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 .Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 . C. ´ Definition 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. C.3.3 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. B.3.3.Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] .3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m . D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible. B.Non observable et non commandable : A3 = −1 0 0 −2 B3 = 0 1 C3 = 0 1 .

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

seul le cas des syst`mes monovariables sera pr´sent´. Algorithmes de r´alisation e A l’instar de ce qui a ´t´ fait pour la pr´sentation des formes canoniques compagnes ee e du polynˆme caract´ristique. La r´f´rence [12] peut servir a approfondir ce sujet.Pˆles simples r´els : o e Dans ce cas.··· . Il faut e e donc choisir la base dans laquelle sera ´crite la repr´sentation d’´tat que l’on souhaite.RELATIONS ENTRE MODELES INTERNES ET EXTERNES et permet d’´crire.25) Le choix des variables d’´tat est alors naturel : e ∀ i = 1. on a : Y (p) = F (p) = U (p) N (p) (p − pi ) i=1. commandable et observable. −1 non commandable et observable.Une ´quation d’´tat d’ordre 3 est donn´e par.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. e ` o e . e y + 3y + 2y = −u ¨ ˙ L’ordre est ´gal a 2 et il y a deux pˆles associ´s −2 et −1. 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. 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 ). La m´thode o e e g´n´rale consiste alors a d´composer F (p) en ´l´ments simples. 2 non commandable u o e et non observable. · · · . Le o e e e e cas des syst`mes multivariables peut ˆtre abord´ de mani`re identique mais n´cessiterait e e e e e beaucoup plus de temps.n (III. e e ` e ee . 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. 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 Xi (p) = U (p) p − pi (III.···n = αi p − pi i=1.26) .

86

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

1 1 . . . 1

    u(t) 

(III.27)

α1 α1 · · · αn

x(t)

(p − pi )

=
i=1

αi + (p − p1 )i i=m

n

1

αi p − pi +1 (III.28)

i=m1 +1,···n

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

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

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

87

(III.33)

(III.34)

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

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

(III.38)

(III.39)

· · · 0 x(t)

88

MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES

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

CRITERES POUR LES FORMES MODALES

89

III.4

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

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

III.4.1

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

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

c1 c2 · · · cn

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

III.4.2

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

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

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

(III.41)

y(t) =

c1

c2 · · ·

· · · cn

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

90

COMMANDABILITE ET OBSERVABILITE

      x(t) =  ˙    

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

0 ··· ... ... ... ...

··· ... Jk ...

··· . . .

···

··· . . . 

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

0 . . . . . . . . .

 bn1 ···

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

(III.42)

y(t) = o` : u

c1

c1k

c1s

x(t) 

   Jk =    

pi

1

0

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

··· ...

   ...    pi 1  0 pi

0 . . . . . .

(III.43)

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

(III.44)

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

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

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

92

COMMANDABILITE ET OBSERVABILITE

III.5

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

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

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

Wc =

eAτ BB eA τ dτ

(III.49)

0

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

(III.50)

Wo =

eA τ C CeAτ dτ

(III.51)

0

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

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

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

93

94

COMMANDABILITE ET OBSERVABILITE

III.6
III.6.1

Fonctions MATLAB
Fonctions d’alg`bre de base e

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

III.6.2

Fonctions d’analyse des mod`les LTI e

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

III.6.3

Fonctions de conversion entre mod`les LTI e

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

Chapitre IV Stabilit´ des syst`mes LTI e e

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

IV.1
IV.1.1

La stabilit´ BIBO e
D´finition e

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

95

96

STABILITE DES SYSTEMES LTI

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

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

IV.1.2

Caract´risations de la stabilit´ BIBO e e

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

|g(τ )|dτ ≤ k < ∞
1 t, Izz

(IV.2)

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

ce qui conduit a `

1 1 t2 τ dτ = Izz Izz 2

(IV.3)

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

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.6681 . e e e ´ ` Theoreme IV. 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. Munis de cette interpr´tation monovariable. tous les pˆles sont a o o ` partie r´elle n´gative. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire. apr`s d´composition en ´l´ments simples.1.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations.2 Un syst`me LTI de matrice de transfert G(p) est BIBO-stable si et seulement si tous e les pˆles de G(p) appartiennent au demi-plan complexe gauche. i.6) Un syst`me LTI de r´alisation minimale (A.´ IV. Le demi-plan gauche est appel´ la r´gion de stabilit´.1 Soit la fonction de transfert : G(p) = p+1 p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Son polynˆme caract´ristique est πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 o e Script MATLAB 8 >> roots([1 2 3 6 5 3]) ans = 0. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s. LA STABILITE BIBO Une fonction de transfert peut ˆtre factoris´e sous la forme : e e M 97 K G(p) = pN k=1 i=1 Q R (p − zi ) (IV.e. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives.1. B. ` e e Exemple IV.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.5083i -1.1.3429 .3429 + 1.5083i 0. il est possible de donner une e e e caract´risation multivariable plus g´n´rale. C.1.

ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.7020i -0.6681 -0. A treatise on analytic statistics.5088 .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. En 1854. eig(A) ans = 0. Canada.1.7020i .3429 0.5088 + 0.98 STABILITE DES SYSTEMES LTI -0.5083i .7) Le syst`me est observable et commandable. sys=ss(G). (1891) et A treatise on dynamics of a particle (1898). La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p). Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables. 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). .5088 + 1.5083i + 0.C. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College. ce qui peut ˆtre fastidieux pour des ordres ´lev´s. 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.B.5088 -0.[1 2 3 6 5 3]).0.1.3429 -1. e Le crit`re de Routh-Hurwitz est un algorithme permettant de d´cider si un polynˆme e e o d’ordre quelconque a des racines a partie r´elle positive. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p).D]=ssdata(sys). Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres. [A.7020i >> >> >> >> G=tf([1 1]. IV.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec.0. Il meurt le 7 juin 1907 a ` Cambridge.

e Le syst`me est donc stable si et seulement si tous les coefficients de la premi`re colonne e e sont positifs. on calcule le tableau de Routh suivant. p0 cn−1 cn−3 cn−5 4.Ecrire le polynˆme sous la forme (hypoth`se a0 = 0) o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.1. . Weierse ` e u trass et Kronecker. . LA STABILITE BIBO 99 Adolf Hurwitz est n´ le 26 mars 1859 a Hanovre. Il meurt le 18 novembre e 1919 a Z¨rich. il y a changement de ` e ee e signe et donc il existe une racine a partie r´elle positive. e ` Puis. ` u ´ Procedure IV. pn−2 bn−1 bn−3 bn−5 pn−3 . ` o u ` En 1892. Il ´tudie la th´orie de ` a u e e la factorisation des quaternions entiers en 1896.´ IV.Appliquer le crit`re de Routh-Hurwitz. il occupe une chaire a K¨nigsberg o` il enseigne a Hilbert. Son premier professeur est Schubert. 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 travaille ´galement e sur les surfaces de Riemann.Si un des coefficients est nul ou n´gatif alors qu’un autre coefficient au moins est e positif. En 1884. il remplace Frobenius a ETH ` Z¨rich.1 1.Si tous les coefficients sont positifs. ` e . . . an−4 an−5 an an−6 an−1 an−7 =− an−1 an−1 an−7 bn−1 bn−7 =− bn−1 .1. il existe une racine ou des racines imaginaires ou nulle ou a partie r´elle ` e positive. . . on le remplace alors par > 0 et on ee e continue la construction du tableau.1. e ´ ` Theoreme IV.9) 2. il est ´tudiant a l’universit´ de Berlin o` il assiste aux cours de Kummer. Si l’´l´ment au dessous de est positif. il existe une ee racine a partie r´elle nulle.3 (crit`re de stabilit´ de Routh-Hurwitz) e e Le nombre de racines du polynˆme dont la partie r´elle est positive est ´gal au nombre o e e de changements de signes des coefficients de la premi`re colonne du tableau de Routh. Il fait son doctorat a Leipzig sous l’autorit´ de Klein en 1881 sur les ` e fonctions modulaires. la th´orie des fonctions complexes et ´crit e e plusieurs papiers sur les s´ries de Fourier. . . 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 . 3. Si un ´l´ment de la premi`re colonne est nul. 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 .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 0.2 (ordre 3) Soit le polynˆme caract´ristique. e e a2 a1 > a3 a0 Exemple IV. La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme.1 1. 0 est remplac´ par .3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique.1. Afin de e e compl´ter le tableau. ` e . o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme.1.100 STABILITE DES SYSTEMES LTI Remarques IV.Le nombre de racines du polynˆme caract´ristique ` partie r´elle n´gative est ´gal o e a e e e au nombre de changement de signes dans la premi`re colonne. e 2.1. o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme. Il y a donc deux racines a partie r´elle positive. 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. e e 3.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω). o o Exemple IV.

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

les points e e e ˙ d’´quilibre sont les solutions de l’´quation alg´brique : e e e 0 = f (t. e e e e ´ Definition IV. ´ Definition IV.1 La stabilit´ interne e D´finitions e Cette notion est tr`s intimement li´e ` celle d’´tat. Si ` un instant t0 . x(t).2. on a alors : e 0 = f (x(t).12) (IV. On doit donc toujours parler en toute rigueur de la stabilit´ d’un point e e d’´quilibre ou de la stabilit´ des trajectoires et non de la stabilit´ d’un syst`me.13) . 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. 0) ∀ t ≥ 0 Pour un syst`me autonome. Le cas des syst`mes LTI est particuli`rement remarquable.2. u(t)). 0) (IV. x(t).2. Soit un syst`me donn´ par son ´quation d’´tat x(t) = e e e e e e ˙ f (x(t)). il est clair que l’on peut u e avoir un nombre arbitraire de points d’´quilibre.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. xe est dit instable. 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 .11) Dans le cas o` f est une fonction non lin´aire quelconque.2 IV. ∃ α > 0 tel que si ||x(0) − xe || < α alors ||x(t) − xe || < Dans le cas contraire.un point d’´quilibre unique qui est l’origine de l’espace d’´tat x = 0 si A est inversible e e . l’´tat est perturb´ de l’´tat d’´quilibre xe .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 . de trajectoires d’´tat et de point e e a e e d’´quilibre.10) en l’absence de commande et de perturbations.une infinit´ de points d’´quilibre si A n’est pas inversible e e Intuitivement. x0 = x(0). ∀t≥0 (IV. la question de la stabilit´ d’un point d’´quilibre peut se poser en ces e e termes. Pour un syst`me dynamique de repr´sentation d’´tat x(t) = f (t. ´ ` Theoreme IV.102 STABILITE DES SYSTEMES LTI IV.2.1 (´tat d’´quilibre) e e e e e e Un point xe de la trajectoire d’´tat d’un syst`me dynamique est un ´tat d’´quilibre si x(t0 ) = xe ⇔ x(t) = xe t ≥ t0 (IV. .

2. ∃ Br (xe . e ´ Definition IV.1). e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe . le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0). pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle. ||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. ´ Definition IV. λ est appel´ le taux de convergence.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne. LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t.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 → +∞.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. r) . la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´.15) Cela signifie que le vecteur d’´tat.2. D’autre part. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV.2.2.16) (IV. ` ´ Definition IV.x0 ) xe t x1 Fig. ∀ x0 ∈ Br . e .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 .´ IV. IV.

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

-1 -3 0.6667 0.2.2.1 0 -1].6667 0.3333 1.3333 -2.3333 0.0000 -1.6667 -2.3333 0.´ IV. >> eig(A2) ans = -1.-0.3333 1.3333 1.6667 0.6667 0. >> eig(A3) ans = 0.-2 2 2].3333 1. >> eig(A1) ans = -1.3333 −2.0000 + 0.0.-1.3333 3 A3 =  −1.3333 0  −2 2 2 −0.9999 >> A3=[-2.6667 Script MATLAB 9 >> A1=[-3 2 3.-1.0 0 0.3333 2].6667 2].0001 >> A4=[0 0 0.9999 -1.6667 0.6667 0.6667 3.3333 2  .6667 0  −1.3333 1.-1.6667 −0.17) 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).     −3 2 3 −1. >> eig(A4)    −2. o e Exemple IV.6667 3 A1 =  −1 −3 0  A2 =  −1.3333 −0.2.0000i -2.3333 3.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.2 La stabilit´ interne de (IV.0000 -2.0000 >> A2=[-1.0000i -1.0000 .3333 1.6667 −2.1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A.0000 0.3333 A5 =  −0. LA STABILITE INTERNE 105 Remarques IV.3333  1.

6667 0.6667].2.3333 -0.1.3 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.3333.6667 0. e 4.4364 0.S]=eig(A5) V = 0.2.0000 0 0 0 -0.6667 0.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.3333 -0. e e e .Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative. e e ´ ` Theoreme IV.3333 0.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.6667 S = 0 0 0 0 -1.-0.6667 -0. e 2.2.8729 -0.Le syst`me est BIBO-stable.3333 1.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.3333.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI.6667 -0.3333 0. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.3333 1. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique. >> [V.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative. e e 3.0000 IV.2182 -0. ` e e A B C D IV.

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

le point d’´quilibre 0 est un foyer instable.2 −0.σ < 0. le point d’´quilibre 0 est un point-selle (col) instable. IV.6 – Centre .σ > 0.5 −0.2 0.4 −0.1 0 −0.3 −0.6 −0. IV. IV. p2 = σ−jω. le point d’´quilibre 0 est un foyer stable.σ = 0. e .Les deux valeurs propres p1 . p2 > 0 sont instables.108 STABILITE DES SYSTEMES LTI . e 6 4 2 0 −2 −4 −6 −6 −4 −2 0 2 4 6 Fig. e e .2 0 0.4 0.6 0. e .3 0.p1 .4 – Point selle . e 0.4 −0.1 −0. p2 sont complexes conjugu´es.2 0.8 1 Fig. p1 = σ+jω. le point d’´quilibre 0 est un noeud instable.5 – Foyer stable .p1 < 0 et p2 > 0. 50 40 30 20 10 0 −10 −20 −30 −40 −50 −4 −3 −2 −1 0 1 2 3 4 Fig. le point d’´quilibre 0 est un centre.

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

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

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

V (x.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 > 0.23) ´ ` Theoreme IV.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que.V (x) est d´finie n´gative. alors 0 est un point d’´quilibre globalement asymptotiquement stable. il faut donc choisir a priori e e une fonction candidate de Lyapunov.2 V = C2 V = C1 x1 x0 Fig.24) .V (x. e Le probl`me majeur de cette m´thode est de trouver une fonction de Lyapunov pour e e ce syst`me en l’absence de guide clair.La condition pr´c´dente est une condition suffisante .3. IV. Si la e condition 2 est v´rifi´e. V (x) = x P x.2 1. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable. e e 2||x||→+∞ lim V (x) = +∞.3. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive. ´ ` Theoreme IV. d’o` l’utilisation de e u l’exp´rience. e 2. la m´thode devient plus syst´matique. t). e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . ˙ 1.3. Dans le cas des syst`mes LTI. la fonction V (x. e e e x(t) = Ax(t) ˙ (IV. Dans le cas non lin´aire. t) est une fonction de Lyapunov pour le syst`me. fonction d´finie positive. e e A P + PA + Q = 0 (IV.22) On consid`re une fonction candidate de Lyapunov quadratique. alors.8 – Illustration de la m´thode de Lyapunov e Remarques IV. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). t) est une fonction de Lyapunov et l’on peut e e conclure ` la stabilit´ sinon aucune conclusion ne peut ˆtre donn´e et il faut alors a e e e recommencer le processus avec une autre fonction candidate de Lyapunov.

e Script MATLAB 10 >> P=lyap(A1’.3273 et 0. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.5160 19.1664 0.´ IV. P = 0. LA METHODE DE LYAPUNOV Exemple IV.0625 0.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1. >> eig(P) ans = 0.3. on trouve.0477.0625 0.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.0676 .3125 0.eye(3)).3.

114 STABILITE DES SYSTEMES LTI .

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

nous revee e e e e nons sur les notions tr`s voisines de r´gime libre et de r´gime forc´.r´gime forc´ e e e Avant de caract´riser plus pr´cis´ment la r´ponse temporelle des syst`mes. e e V. . Dans la pratique.4) Par application du th´or`me de superposition. Par exemple. e e e e e a an y (n) (t) + · · · + a0 y(t) = bm u(m) (t) + · · · + b0 u(t) (V. Ce type de signal a la carat´ristique de soumettre le e e e syst`me ` des sollicitations plus ou moins brusques et progressives.y1 (t) est la r´ponse ` une excitation nulle u1 (t) = 0 appliqu´e ` partir de l’´tat e a e a e initial r´el U1 (0) = U (0). e 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). y(0).3) La r´ponse du syst`me y(t) ` un signal d’entr´e u(t). si les entr´es r´elles d’un syst`me sont suppos´es varier graduellee e e e e e ment.1.116 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.les signaux acc´l´ration ee Le choix effectu´ dans cet ensemble est fonction des conditions d’utilisation du syst`me e e ´tudi´. e e e e Soit un syst`me d´crit par l’´quation diff´rentielle entr´e-sortie ` coefficients constants. la r´ponse peut ˆtre d´compos´e en e e e e e e deux termes y1 (t) et y2 (t). appel´ signal d’excitation. e . Remarques V. y (n−1) (0) ˙ (V.y2 (t) est la r´ponse ` l’excitation r´elle u2 (t) = u(t) appliqu´e ` partir d’un ´tat e a e e a e initial nul U2 (0) = 0.les signaux rampe .les signaux ´chelon (fonction de Heaviside) e . · · · . Ils permettent ainsi e a d’´tudier les performances transitoires de la r´ponse des syst`mes. on e e e se limite souvent aux signaux polynomiaux jusqu’` l’ordre 2 d’entr´e caract´ristiques tels a e e que : . une entr´e de type rampe est adapt´e alors que la r´ponse impulsionnelle mod´lisera e e e e correctement un choc.1.1 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. .2 R´gime libre .les signaux de type impulsionnel (impulsion de Dirac) .

3 R´gime permanent . INTRODUCTION Exemple V.1.y3 (t) comme la r´ponse en r´gime permanent du syst`me. 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.y4 (t) est la solution g´n´rale de l’´quation sans second membre (´quation homog`ne) e e e e e les n constantes d’int´gration ´tant d´termin´es de telle sorte que la solution globale e e e e y(t) satisfasse aux n conditions initiales.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.6) Cette ´quation a n racines pi .V.5) Remarques V. ` e e 0.3) peut ´galement se d´composer en deux e e e e parties : . distinctes ou multiples. r´elles ou complexes.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).1 Soit a trouver la r´ponse y(t) de l’´quation. e e e .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. il ne subsiste que e y3 (t) et l’on d´finit alors. e e e V. y4 (t) est e e la somme de n termes tels que : .1.7) . y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.1.1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors. e e Remarques V. .2 On retrouve ici l’exacte contre-partie pour une ´quation diff´rentielle ordinaire du vocae e bulaire utilis´ pour les mod`les d’´tat.1.y4 (t) comme la r´ponse transitoire du syst`me. e e e e . ´ Definition V.1.r´gime transitoire e e La solution de l’´quation diff´rentielle (V.1.

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

2.` V.12) . e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1.2. e Cela conduit ` ´crire. LES SYSTEMES DU PREMIER ORDRE 119 V.2 V.1. ae Y (p) = K 1 + Tp (V.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V. V.10) (V.9) T est la constante de temps du syst`me. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V.1 On appelle syst`me du premier ordre.11) La r´ponse transitoire d’un syst`me du premier ordre est.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V.2. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre. R k e C s e i R e L C J s f 111 000 111 000 111 000 111 000 111 000 111 000 111 000 000 111 1111 0000 1111 0000 1111 0000 f ω Fig.2. 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 – Exemples de syst`mes du premier ordre e V.

on obtient la pente de la tangente e e e e pour t = 0.120 d’o` la r´ponse impulsionnelle.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig. on obtient la pente de la tangente pour t = 0.15) qui est repr´sent´e figure V.2 – R´ponse impulsionnelle e En calculant la d´riv´e.3 0. la r´ponse ` une entr´e de type ´chelon de position (fonction e e a e e de Heaviside) dont la transform´e de Laplace est e L[u(t)] = Cela conduit ` ´crire.2.3.2 (r´ponse indicielle) e On appelle r´ponse indicielle. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.18) .2. En calculant la d´riv´e. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.8 0. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V. K K dy(t) = e−t/T |t=0 = dt T T (V.4 0.9 KT 0.7 0.17) K KT K = − (1 + T p)p p 1 + Tp (V.13) 0.16) 1 p (V. u e y(t) = qui est repr´sent´e figure V.14) La r´ponse indicielle e ´ Definition V.6 y(t) 0.2 0. V. ae Y (p) = d’o` la r´ponse indicielle.5 0.

1 Plus la constante de temps du syst`me T est faible.19) Si k = 1. V. on parle alors de rampe unitaire. ae Y (p) = d’o` la r´ponse.6 0.8 0.6 1. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire. En calculant le signal d’erreur (t) = u(t) − y(t).632K 1. on obtient.4.20) qui est repr´sent´e figure V.21) 1 p2 (V.23) .LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.3 – R´ponse indicielle e Remarques V.8 1.2. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V.4 0.2 Amplitude y(t) To: Y(1) 1 0.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.2 0 0 T 2 4 6 8 10 12 Time (sec. plus le syst`me est rapide.4 0.2.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V. e e R´ponse ` une rampe unitaire e a ´ Definition V. pour e e K = 1.) 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)

8 0.2 Amplitude 1 0.6 1.2 Amplitude 1 0.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.4 ω n= 0.2 ξ = 0.6 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.7 ξ = 0.8 0.8 Step Response 127 1. V.3 ξ = 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ). e e e ξ = 0.4 1.2 ω n= 0.6 ξ = 0.4 ξ = 0.1 e .6 ξ = 0.1 ω n= 0.5 1.9 0.4 1.8 et figure V. u L’allure de telles r´ponses est repr´sent´e figure V.9 – Syst`mes du second ordre sous-amortis pour ξ = 0. V.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.8 ξ = 0.4 1.9.5 ξ = 0.4 1.1 1.2 0 Fig.8 Step Response ω n= 0.6 0.

V.2 0.) 10 15 Fig.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.5 T/2 Amplitude 0.7 D 0.128 ANALYSE TEMPORELLE DES SYSTEMES La courbe de la r´ponse indicielle d’un syst`me du second ordre poss`de un certain e e e nombre de caract´ristiques remarquables. 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 .44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V. e Step Response 0.4 D2 1 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 0.6 T 0.

[T (1+a*T*K) K]) >> a=2.1. V.T=1.H_2=tf([K*T*a K].2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .[T (1+a*T*K) K]) >> a=0. figure 3).H_10) >> axis([0 20 0 1.6 0.11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.3]) Step Response 1. e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf.1 a=2 a = 10 Amplitude 0.4 0. C(p) = suivant le sch´ma-bloc suivant. >> a=10. e e e Script MATLAB 12 >> K=1.[T (1+a*T*K) K]) >> step(H_01.H_01=tf([K*T*a K]. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.8 a = 0.H_10=tf([K*T*a K].2 1 0.LES SYSTEMES DU SECOND ORDRE 129 La position angulaire est asservie au d´placement longitudinal par un correcteur du e type avance ou retard de phase.H_2.

46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V.3 Sp´cifications temporelles d’un syst`me du second ordre e e On suppose que le syst`me du second ordre est sous-amorti et sp´cifi´ par la paire e e e e (ωn .5 0 tr tp t ts Fig.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est. ξ). cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1.47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.05 t td 0. y(t) Mp 0.48) 1 − ξ2 ξ (V. tan(ωp tr ) = − Apr`s calculs.130 ANALYSE TEMPORELLE DES SYSTEMES V.45) Cette relation est approxim´e par la relation : e tr ≥ (V.3.49) . Sa r´ponse temporelle a l’allure de la figure V.12 – Sp´cifications de performance e . V.12.8 ωn (V. u cos(ωp tr ) + soit. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`.

D´passement maximal Mp : e On a donc. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.3. pour des r´ponses rapides. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.54) 4.6 = = ξωn σ Remarques V.LES SYSTEMES DU SECOND ORDRE .Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit. ωn doit ˆtre grand.52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.6 ts .50) π ωp (V.8 tr (V.5 ξ = 0. u tp = .3 (V.7 ξ = 0.53) . e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V. De plus.55) ξ ≥ ξ(Mp ) σ≥ 4.6 4.1 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 . Mp = y(tp ) − 1 = −e−ξωn tp Soit.Temps d’´tablissement ts : e G´n´ralement. − 131 (V.

Dans cette combinaison lin´aire. o ` e .Chaque paire de pˆles complexes conjugu´s (pi .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 . on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur. complexes conjugu´s) des racines de l’´quation caract´ristique. 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.57) . La notion de stabie e e e lit´ asymptotique ´tudi´e dans les chapitres pr´c´dents exprime que la composante y4 (t) e e e e e tend vers 0 sur un horizon suffisamment long de temps mais ne donne pas d’indications sur l’´volution qualitative de ce signal transitoire.1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te. 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. les pˆles.Chaque pˆle r´el pi de multiplicit´ mi donne une r´ponse transitoire : o e e e mi y4i (t) = j=1 λj tj−1 epi t (V. . . e e ´ Definition V.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.4.4. u La r´ponse transitoire compl`te du syst`me est constitu´ par la combinaison lin´aire de e e e e e ces fonctions ´l´mentaires.132 ANALYSE TEMPORELLE DES SYSTEMES V.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me. 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. on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps.4 V.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 2.58) o` σi = Re(pi ) et ωi = Im(pi ). Dans le cas le plus g´n´ral.

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. ... · · · . Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk . P est la matrice modale de changement de base. p1 ..  0 .62) o` u P = v1 v 2 · · · vn P −1 = base et ··· . e a J = diag(J1 .LES SYSTEMES D’ORDRE SUPERIEUR ...2 .  . e e Remarques V. 0  0 pn w1 w2 · · · w n P est la matrice modale de changement de  p1 0   0 p Λ= .  .complexes conjugu´s pi = −λi ± jωi correspondent a des modes oscillants e ` mi 133 µj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) j=1 (V. e e 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.Si A a n valeurs propres distinctes.63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini. pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (V. Etudions la solution de l’´quation d’´tat dans la base modale. J est la forme de Jordan u o associ´e ` A. · · · . . u .  . 0 ··· .  .60) C’est une oscillation de pulsation propre ωi amortie par une exponentielle d´croissante e caract´ris´e par la constante de temps τi = 1/λi .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).4.61) e e o` x ∈ Rn . 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.

322 δu  δ w   −0.51 ± 2.13 – North American L-17A ”navion” .Le mode d’oscillation d’incidence (short-period mode) p = −2.1 −0. Les polynˆmes caract´ristiques et les e o e mod`les d’´tat lin´aris´s associ´s au mouvement longitudinal et lat´ral du petit avion e e e e e e appel´ Navion au niveau de la mer sont ´tudi´s.14 – Mode d’oscillation d’incidence pur .045 0.1 0 −0. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses. e e e Fig.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.5 0 −0. V.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.62) et (V.2 0.1 0 −0.51)2 + (2. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.76   δw ˙   0    q  =  0.191 −3.2 0 0.1 −0.5 Fig.02 1.213)2     (V.96 −2.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0. o e e (V.2 1 0. V.Courtesy USAF Museum .5 −1 0.5 2 2.5 1 Time (sec) 1.370 −2.65) Les modes propres longitudinaux sont d´finis comme : e .Mouvement propre longitudinal :     δu ˙ −0.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.036 0 −0.59)2 (p + 0.63) sont appel´s e ee e les modes du syst`me.017)2 + (0.

02 1. >> initial(sys_long.Plong(:.5 0 −0.1)).334)2 (p + 0.76 0 0.05 0.Le mode phugoide (phugoid mode) p = −0.2 To: Out(3) To: Out(4) 0.08 2.5 0 50 100 150 Time (sec) 200 250 300 350 Fig. o e e e (p + 8.76 −0.zeros(4.2 0.3)) .LES SYSTEMES D’ORDRE SUPERIEUR .Tlong]=canon(sys_long.’modal’) >> Plong=inv(Tlong)..0 0 1.017 ± 0.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-..Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.322.76 0.036 0 -0.486)2 + (2.05 To: Out(2) 135 0 Amplitude −0. 0].4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est. V.1 0 −0..191 -3.19 −8. -0.433 ` (V.35  r ˙   0    p  =  −9.0.55 −0. >> [navion_long.96 -2.045 0.213j Response to Initial Conditions 1 To: Out(1) 0.254 −1.322 v  r   2.98 0.37 -2.67)     (V..1 −0.Plong(:.0088) Les modes propres lat´raux sont d´finis comme : e e .eye(4).Mouvement propre lat´ral : e     v ˙ −0.1)) >> initial(sys_long.zeros(4.66) .5 0 −0..5 −1 0.433) (p + 0.1).

5 0 0 −0.2 0.1 −0.6 0.02 To: Out(1) 0.4 0. V.1 0.2 0 0.1 0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.05 −0.02 0 1 0.486 ± 2.16 – Mode de roulis pur .334j . V.15 0.04 0.02 0 0.17 – Mode de spirale pur .5 0.01 0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.01 1 0.15 −0.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.005 −0.05 0 0 −0.7 Fig.3 Time (sec) 0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.015 0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.0088 Response to Initial Conditions 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.2 0.

1 −0. V.1)).Plat(:... >> initial(sys_lat.Tlat]=canon(sys_lat. 0]..0 0 1.08 2.5 0.Plat(:.eye(4)..LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.76 -0. τq } associ´es ` ses diff´rents modes.254 -1.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.zeros(4.69) .. · · · .5 −1 0.5 1 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.zeros(4. >> [navion_lat.2)) >> initial(sys_lat.Plat(:.2 0.68) Les modes les plus rapides sont donc ceux associ´s aux pˆles les plus ´loign´s de l’axe e o e e imaginaire.19 -8.4.1)) >> initial(sys_lat. e τi = −1/Re[pi ] (V.4 0.’modal’) >> Plat=inv(Tlat).76 0 0. ´ Definition V.18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-.5 0 −0.35 0.1). 2.-9.2 0 2 4 6 Time (sec) 8 10 12 Fig.5 0 −0.2 (rapidit´) e Le temps de disparition de la composante transitoire associ´e ` un mode d´finit la rapie a e dit´ de ce mode.1 0 −0.322.55 -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 .

3984 0.017 = 58.213j d´fini par sa constante de temps et son ıde e amortissement.le mode d’oscillation de roulis hollandais p = −0. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me. e τsp. ξq }. τphu.486±2. = 1/0.08 Les modes propres lat´raux du Navion sont caract´ris´s par. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1. = 0. = 1/0. τinc.70) Par extension. τdrol.le mode correspondant de spirale p = −0.Si ξ = 1 alors le mode oscillant est ap´riodique e L’amortissement des transitoires d’un syst`me d’ordre quelconque est donc caract´ris´ e e e par l’ensemble des amortissements {ξ1 .73) (V.0088 d´fini par sa constante de temps.72) . = 1/0. e τrol. e e e .4 ξinc.12 (V.le mode d’oscillation d’incidence p = −2.017 ± 0. mˆme si cette condition n’est pas strictement v´rifi´e.51 = 0.3 (mode dominant) La paire de pˆles complexes conjugu´s les plus proches de l’axe imaginaire g´n`rent le o e e e mode dominant. e e . = 1/2. ´ Definition V.486 = 2.334j d´fini par sa constante e de temps et son amortissement.82 ξphu.71) .7 (V.63 (V.433 d´fini par sa constante de temps.59j d´fini par sa constante de temps e et son amortissement.4.le mode de roulis p = −8. = 1/8.433 = 0.51 ± 2. Pour un mode oscillatoire.le mode phugo¨ p = −0.Si ξ = 0 alors le mode oscillant est non amorti . = 0.75) .06 ξdrol.4 (mode oscillant non amorti et ap´riodique) e .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.4.74) .204 (V.0088 = 113. · · · . = 0. on parle o e e de modes dominants. ´ Definition V.

6946 0.0000 0.0088 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.76) i=1 .6946 V.4327 139 Xi_lat = 1.6070 Xi_long = 0.0797 0.2040 0.2040 1.Xi_lat]=damp(sys_lat) Wn_lat = 0.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.3836 2.4.2140 0.0797 0.6070 3.0000 >> [Wn_long.2140 3.3836 8.Xi_long]=damp(sys_long) Wn_long = 0.

est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o . e e Exemple V.[1 1 1]).140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors.est augment´e par la pr´sence des pˆles voisins. Suivant que le e e e e e e z´ro sera stable ou instable.4. e e e n h(t) = i=1 ai epi t (V.[1 1 1]).78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros. 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. le d´passement sera augment´ ou diminu´. 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. >> H2=tf([1/0.1 (addition d’un z´ro ` une paire dominante) e a Soit la fonction de transfert normalis´e par le choix ωn = 1 : e H(p) = p αξ +1 p2 + 2ξp + 1 = 1 1 p + p2 + 2ξp + 1 2ξ p2 + 2ξp + 1 H1 (p) H2 (p) 1 dh1 (t) . >> clf >> step(H1) >> hold. e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1. e e o Si l’on ´tudie la r´ponse indicielle. On en d´duit donc que la contribution d’un pˆle pi e e o .79) e e ` e o` bi = ai /pi . m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V. >> step(H2) >> step(H1+H2) . e e n s(t) = K + i=1 bi epi t (V.5 0].

2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.5 1 0.6 H 1. e .8 141 1.5 −1 H 2 −1.4 0.L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|. Il est d’usage afin d’´tablir des comparaisons e e e sens´es de consid´rer la r´ponse temporelle ` un ´chelon de position pour des conditions e e e a e initiales nulles (syst`me au repos et d´riv´es successives nulles ` l’instant initial). e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.2 H 1 Amplitude 1 0. e . e V.5 H1 H Amplitude 0 −0.1 e e a o . e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel.5 e R´sum´ V.4.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.2 H 2 0 −0. dans de nombreux cas pratiques. e e e a .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.6 0.8 0.5 e Step Response 1.5 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 stable z ` une paire de pˆles dominants pdom augmente le e a o d´passement si |zadd | ≤ 4|Re(pdom )|. Ainsi. 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.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.4.4 1.

d´passement maximal (overshoot) Mp . Imposer une condition du type. ∀ i : τi < τmax ⇔ σ < σi (V.temps de retard (delay time) td . e e a e y(t) Mp 0.80) revient donc a placer les pˆles ` gauche d’une verticale −1/τmax dans le plan complexe ` o a (cf.temps d’´tablissement (settling time) ts . .20). . e Toutefois.temps de mont´e (rise time) tr . le concepteur ne travaille pas directement sur ces grandeurs mais plutˆt sur les grandeurs (ωn .5 0 tr tp t ts Fig. e . 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.142 ANALYSE TEMPORELLE DES SYSTEMES En g´n´ral. . dans la pratique.19 – Sp´cifications de performance e . figure V.05 t td 0.temps de sommet (peak time) tp . V. Il est alors possible de e sp´cifier des caract´ristiques temporelles identiques ` celles des syst`mes du second ordre. ξ. e . σ) d´finissant la position des pˆles dans le plan o e o complexe.

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

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. e e e ωn ≥ 1.144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig. V.8 tr (V.23 – R´gion de sp´cifications e e . V. Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig.83) ξ ≥ ξ(Mp ) σ≥ 4.22 – Pulsation propre non amortie En g´n´ral.6 ts Cela conduit ` d´finir une r´gion int´ressante pour le placement des pˆles dans le plan a e e e o complexe.

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

146 ANALYSE TEMPORELLE DES SYSTEMES .

B.1.1 Les syst`mes monovariables e Dans cette section. e e Toutefois. les syst`mes monovariables LTI sont indiff´remment mod´lis´s par e e e e leur fonction de tranfert G(p) ou une r´alisation minimale d’´tat (A. C. D). e e e e VI. les avantages pr´sent´s ici ne doivent pas faire oublier que ces m´thodes e e e ont ´t´ principalement d´finies pour les syst`mes monovariables. e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. Historiquement.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. e e ´ Definition VI. De plus. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre. la plupart des outils peuvent ˆtre ´tendus au cas multivariable.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. 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). 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. Mˆme si comme nous le ee e e e verrons dans ce chapitre.1. e ee e e e Cela explique en partie la persistance de ces m´thodes dans les bureaux d’´tudes et parmi e e les ing´nieurs. e e 147 .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 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.

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

il donne la e premi`re analyse de stabilit´ pour les amplificateurs a contre-r´action e e ` e et d´veloppe le diagramme de Nyquist qui conduit au crit`re graphique e e de Nyquist pour la stabilit´. Il publie un article sur la fr´quence de Nyquist en 1928.2. e e La mˆme ann´e. il s’engage sur des recherches g´n´rales en communication. Il meurt en 1976. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. 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. Apr`s ee e e e 1935.1 Le gain du syst`me ` une pulsation donn´e est mesur´ par la longueur du rayon vece a e e teur correspondant alors que la phase est l’angle mesur´ positivement dans le sens trigoe nom´trique entre l’axe ox et le rayon vecteur. En 1932. 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 . il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. e Remarques VI. Entre 1921 et 1935. En effet. 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 1917.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. 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´. e e .Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif (la e e e diff´rence de degr´ entre le d´nominateur et le num´rateur) n − m. 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.

3 – Comportement en hautes fr´quences e .REPRESENTATION GRAPHIQUE 155 ω I(ω) n−m = 3 8 0 N=1 n−m = 2 R(ω) n−m = 1 Fig. e u e e e e b0 G(jω) ∼ a0 Si la fonction de transfert contient N int´grations alors : e b0 G(jω) ∼ a0 (jω)N Cela conduit donc a ´crire aux basses fr´quences : `e e Nπ φ(ω) ∼ − 2 I(ω) N=2 0 R(ω) N=0 Fig. 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.4 – Comportement en basses fr´quences e . VI. 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. Im 0 1 jω Im 0 .13) Φ(ω) = − tan−1 (ωT ) .5 donne un certain nombre de trac´s e e typiques. 1 Re jω 0 . La figure VI.156 REPONSE FREQUENTIELLE DES SYSTEMES LTI Repr´sentations fr´quentielles usuelles e e Il est ` noter que les formes compliqu´es de courbes dans le plan de Nyquist ont pour a e origine les dynamiques du num´rateur. VI.12) −ωT Y = Im(G(jω)) = 1 + ω2T 2 et par son module et sa phase : |G(jω)| = √ 1 1 + ω2T 2 (VI. Im 0 Im Re 1+jωT jωT Im Re 1+jωT Im Re jωT 1+jωT 0 . 0 Im 1 Re 1 Re 1 (1+jω T1)(1+jω T2)(1+jωT3 ) 0 Re Im 0 ω jω [(jω )2 + 2 ζ ω n(jω ) +ω 2 ] n 2 n Im Re (1 + jω T1 ) jω (1+jω T2)(1+jω T3 ) 0 Re Fig. 1 Re 1 (jω )2 Im 1 a 1+jω T 1+jω aT 0 .

G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI. 0) et de rayon 0. e e a e (ωn .12) permet de montrer que la courbe est un demi-cercle de centre e (0.5 Re |G(j/T)| ω = 1/Τ Fig.14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0. la pulsation propre non amortie et l’amortissement.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI. VI.REPRESENTATION GRAPHIQUE 157 L’´tude de (VI.5. (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI.6 – Premier ordre dans le plan de Nyquist Caract´ristiques d’un deuxi`me ordre dans le plan de Nyquist Un syst`me du second e e e ordre a une fonction de transfert sinuso¨ ıdale param´tr´e ` l’aide de deux param`tres.16) . ξ).5.

Aux hautes e e fr´quences.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e .7 ξ = 0.7).1 ξ = 0.19) e e Pour ω ∈ R+ .05 ξ = 0. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn . e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox. Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1. e ` e Nyquist Diagram 15 10 ξ = 0. Cette pulsation est la pulsation de e cassure associ´e au second ordre. l’analyse asymptotique montre que la phase tend vers −π.4 ξ = 0.18) ω ωn ω + 2ξ ωn 2 (VI.158 et sa phase par : REPONSE FREQUENTIELLE DES SYSTEMES LTI  ω  2ξ( ωn )  −1   φ(ω) = − tan  ω2  1− 2 ωn La partie r´elle est d´finie par : e e 1− R(ω) = 1− alors que la partie imaginaire est : −2ξ I(ω) = 1− ω2 2 ωn 2 ω2 2 ωn 2  (VI. Il est a remarquer que MATLAB donne le diagramme de e e a ` Nyquist complet avec le sym´trique par rapport a l’axe ox pour les pulsations n´gatives.07 ξ = 0. VI.17) ω2 2 ωn + ω 2ξ ωn 2 (VI. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.

1 Soit la fonction de transfert G(p) = La fonction de transfert sinuso¨ ıdale est : G(jω) = On obtient donc : R(ω) = Re [G(jω)] = |G(jω)| = 4 √ ω 4 + ω2 ω2 −4 +4 I(ω) = Im [G(jω)] = φ(ω) = − π ω − tan−1 2 2 −8 ω(ω 2 + 4) 4 jω(jω + 2) 4 p(p + 2) Pour ω > 0. e Script MATLAB 17 >> G=tf(4.2. >> nyquist(G).[1 2 0]). .REPRESENTATION GRAPHIQUE 159 L’avantage d’une telle repr´sentation est qu’elle d´crit de mani`re graphique les cae e e ract´ristiques fr´quentielles du syst`me sur l’ensemble du domaine de variation des pule e e sations d’entr´e. e ee G(jω) est alors caract´ris´e par : e e |G(jω)| = |G1 (jω)||G2 (jω)| φ(ω) = φ1 (ω) + φ2 (ω) Ceci est illustr´ par l’exemple suivant. En effet. e 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). On calcule les limites int´ressantes permettant d’indiquer le comportement de e la courbe en basses et hautes fr´quences : e ω→0 lim R(ω) = −1 lim I(ω) = −∞ lim φ(ω) = − ω→0 ω→0 π 2 ω→∞ lim R(ω) = 0 ω→∞ lim I(ω) = 0 ω→∞ lim φ(ω) = −π La courbe admet une asymptote verticale en −1 aux basses fr´quences. e Exemple VI. Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe. la partie r´elle et la partie imaginaire sont toujours n´gatives.

2 −0.7 −0. VI.3 −0.8 0+ −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.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts.5 Real Axis −0. ´ Definition VI. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.9 −0.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations. Une octave est e e e une bande de pulsations comprises entre ω1 et 2ω1 alors qu’une d´cade est une bande de pulsations entre ω1 et 10ω1 pour ω1 . 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.4 −0. pulsation quelconque.2. e 8 8 . 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.2.160 REPONSE FREQUENTIELLE DES SYSTEMES LTI Nyquist Diagram 20 ω 15 0− 10 5 Imaginary Axis ω 0 − + ω −5 −10 −15 ω −20 −1 −0.6 −0.1 0 Fig.

Apr`s la guerre. Il entre aux laboratoires de Bell Telephone comme math´maticien.20) pN .REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. En effet. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. VI. 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. D de l’universit´ de Columbia en 1935. 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 devient directeur des recherches en Math´matiques pour les laboratoires e Bell. 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 est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. Alors qu’il travaille chez Bell. 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. Ce travail s’est e e e concr´tis´ par l’´dition de sa c´l`bre monographie Network analysis and feedback ame e e ee plifier design en 1945. il travaille principalement sur les syst`mes de commande de tir anti-a´rien et il re¸oit le Certificat Pr´sidentiel du e e c e M´rite en 1948. Il est all´ ` e e a l’´cole ` Urbana dans l’Illinois et obtient un diplˆme de l’universit´ d’´tat de l’Ohio en e a o e e 1926. e Pendant ses premi`res ann´es aux laboratoires Bell. En 1952. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. Il meurt le 21 Juin 1982. 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. il obtient son Ph. Pendant la seconde guerre mondiale. Il devient ` ` membre de l’Acad´mie des Sciences. En 1955.

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. Il peut ˆtre ensuite affin´ et corrig´ simplement.20).162 REPONSE FREQUENTIELLE DES SYSTEMES LTI Il suffit alors d’appliquer la propri´t´ d’additivit´ que partagent la fonction Log10 et ee e la fonction argument. .5 −91 10 0 10 Frequency (rad/sec) 1 Fig. Log10 |G(jω)| = i Log10 |Gi (jω)| φ(ω) = i φi (ω) (VI. (jω)N La courbe de gain est donc une droite de pente −20 × N dB/dec qui coupe l’axe 0 dB au point ωco = (K)1/N .Le gain K poss`de un module constant ´gal a K et une phase nulle. e e . VI. Ces facteurs ıtre e ee peuvent ˆtre class´s en quatre familles.21) L’utilisateur dispose ainsi d’une m´thode simple afin de tracer une repr´sentation e e approxim´e de la r´ponse fr´quentielle en utilisant le trac´ de diagrammes asymptotiques e e e e des ´l´ments constituant la fonction de transfert et en les additionnant afin d’obtenir le ee trac´ asymptotique global.22) 1 a une phase constante valant −90×N deg.Le facteur d’int´gration d’ordre N e Le module est d´fini par : e 20Log10 K K = 20Log10 N = 20Log10 K − 20N Log10 ω N (jω) ω (VI. Ce trac´ asymptotique suffit en premi`re approximation pour e e e obtenir des informations sur le syt`me. e e ` . Bode Diagram 10 5 Magnitude (dB) 0 − 20 dB / decade −5 −10 ω co −15 −89 −89.10 – Trac´ dans le plan de Bode de 2/p e Le facteur d´riv´e K(jω)N se d´duit ais´ment du pr´c´dent en changeant le signe e e e e e e de la pente de la courbe de gain et le signe de la phase.5 Phase (deg) −90 −90.

on obtient. e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI. Les courbes de phase dans le plan de Bode des facteurs du premier ordre sont toutes identiques et peuvent ˆtre d´duites des points suivants : e e ω rad/s 1/T 1/2T 1/10T 2/T 10/T Φ deg.4 84.L’erreur pour une octave au del`. 45 26.97 dB.6 5. .26) Dans cette plage de pulsations.En hautes fr´quences.25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB.7 63. 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 . domaine ”hautes e fr´quences” ω >> ωc .Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI. ω << ωc = 1/T . e e e c e . ω = 2/T .REPRESENTATION GRAPHIQUE 163 . e √ (VI. On rappelle que le module et la phase d’une telle fonction de e transfert sont donn´s par : e |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI. l’amplitude en dB peut ˆtre e approxim´e par.Pour les basses fr´quences.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines.3 .24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante. e ` . Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e . Dans le plan de Bode. la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave. et en de¸`. ω >> ωc = 1/T .L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB. ω = 1/2T de ωc vaut a ca −0.

Basses fr´quences : ω << ωn e −20Log10 (1) = 0 dB (VI. e Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI. ξ).164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0.97 dB −20 dB/dec Magnitude (dB) −20 −25 −30 −35 −40 −45 −50 0 ωc Phase (deg) −45 −90 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 Fig. e .27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ.29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences. VI.Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   dB (VI. la courbe de gain pr´sentera ou ne pr´sentera pas de pic de e e r´sonnance. e .Le facteur quadratique ram`tres (ωn . e .11 – Trac´ dans le plan de Bode de 1/(p + 2) e .28) Les asymptotes sont obtenues par une analyse identique a celle qui a ´t´ faite ` ee pour les syst`mes du premier ordre.Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI. e .97 dB 3 dB 0.30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences.

VI. Son amplitude d´pend de e l’amortissement ξ. a la pulsation de r´sonnance ωr .REPRESENTATION GRAPHIQUE 165 Les deux asymptotes ont une intersection commune en la pulsation de cassure ωc = ωn . la phase vaut. il peut e ` e e exister un pic de r´sonnance. Pr`s de la pulsation de cassure.Etude de la phase :  ω  2ξ( ωn )  −1   φ = − tan  ω2  1− 2 ωn  (VI.707.12 – Courbe de gain dans le plan de Bode d’un deuxi`me ordre avec r´sonnance e e . Toutefois. ωr = ωn 1 − 2ξ 2 Mr = 1 2ξ 1 − ξ2 (VI.33) ω = ωn φ = − tan−1 ω = ∞ φ = −180 deg .32) La phase est une fonction des deux param`tres pulsation propre et amortissee ment. ω rad/s ωr − 3 dB = ωn 1 − 2ξ 2 Bande passante à −3 dB Fig.31) |G(jω)| dB Asymptotes Mr = 1 2ξ 1 − ξ 2 ωn − 40 dB/ dec. si ξ < 0. Mr . ω=0 φ = 0 deg 2ξ 0 = −90 deg (VI.

3 ξ = 0.2.5 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.Tracer les courbes asymptotiques.34) ´ Definition VI. VI.2 ξ = 0.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires. e a ´ Procedure VI.1 −90 ξ = 0.05 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 = 0.2.2 −135 ξ = 0. ee 2.1 ξ = 0. e e e a 3.4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.2.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.05 ξ = 0.1 1. . 4.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.3 ξ = 0.5 −180 ξ = 0.

G2.G. >> G=tf(4.’r-. La courbe de phase pr´sente quant ` elle deux asymptotes horizontales en −90 deg et −180 deg. >> G2=tf(1.’. VI.[1 0]). Ces deux asymptotes se coupent e e e a en ωc = 2 rad/s.’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.2 Reprenons la fonction de transfert pr´c´dente. >> bode(G1.’g. Script MATLAB 18 >> G1=tf(4.REPRESENTATION GRAPHIQUE Exemple VI.[1 2 0]).G3.2. e e G(p) = On rappelle que : |G(jω)| = 20log10 et ω→0 167 4 p(p + 2) G(jω) = 4 jω(jω + 2) 180 ω tan−1 deg π 2 4 √ ω 4 + ω2 dB φ(ω) = −90 − lim φ(ω) = −90 deg lim φ(ω) = −180 deg ω→0 lim |G(jω)| = ∞ lim |G(jω)| = −∞ ω→∞ ω→∞ La courbe de gain admet une asymptote oblique de pente −20 dB/dec aux basses fr´quences et de pente −40 dB/dec aux hautes fr´quences.[1 2]).1).’.’b--’. >> G3=tf(1.14 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) .

35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black. e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI. 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. VI. la paternit´ de ce type de repr´sentation est attribu´e e e e e ` Nichols alors qu’inexplicablement la tradition francophone en cr´dite plutˆt Black. 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig.3 D´finition e Le lieu de Nichols-Black Le lieu de Nichols-Black repr´sente le lieu de transfert dans un plan dont l’abscisse est e l’argument de la r´ponse fr´quentielle en degr´s (φ(ω) deg) et dont l’ordonn´e est le module e e e e de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)). Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert.15 – Plan de Nichols-Black Remarques VI. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants. a e o .2.2 Dans la litt´rature anglo-saxonne.168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI.2. 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.

Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif n − e e e m de G(p). On e e e e reprend donc une analyse identique a celle qui a pu ˆtre men´e pr´c´demment. Il participe ainsi a un groupe de recherche e ` sur le syst`me de guidage automatique anti-a´rien SCR-584. Apr`s avoir a ` e e ´t´ directeur de recherches a la Raytheon Manufacturing Company de 1951 a 1955. ` e e e e . Il rejoint finalement le ` e control analysis department de Aerospace’s control systems division jusqu’` sa retraite. |G(jω)| → −∞ dB (VI. Le fait que le syst`me soit strictement propre implique la pr´sence e e d’asymptotes verticales dans le plan de Nichols-Black. A cette e e occasion. Nichols et Phillips. u e Ils publient ensemble en 1942 un article sur le sujet dans les transactions de l’ASME. il ee ` ` retourne chez Taylor de 1957 a 1963 comme ing´nieur en chef. il retourne a Taylor e ` Instruments de 1946 ` 1950 puis passe un an a l’universit´ du Minnesota. Il fait ainsi la connaissance de C. il propose l’abaque dit de Nichols permettant de calculer des ´l´ments de la ee boucle ferm´e ` partir de la connaissance de la boucle ouverte. Brown qui travaillent sur les servom´canismes hydrauliques pour la commande e des batteries anti-a´riennes. Theory of servomechanisms par James. Draper et G. Ce travail est publi´ en e a e 1947 dans le volume 25 des monographies du MIT. e e e Quelques caract´ristiques des courbes e Exactement comme dans le plan de Nyquist. Il est ´galement honor´ par la cr´ation de la m´daille Nichols e e e e de l’International Federation of Automatic Control.36) Φ(ω) → (n − m)90 deg . Taylor Instruments envoie Nichols au MIT afin d’utiliser l’analyseur diff´rentiel de V. Il a est d´c´d´ en 1997. 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. les courbes dans le plan de Nichols-Black poss`dent des caract´ristiques en hautes et basses fr´quences facilitant leur trac´. Bush pour des probl`mes de e e commande. Apr`s la guerre.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 y aura des e u e e e asymptotes verticales si le syst`me comprend une ou plusieurs 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.170 REPONSE FREQUENTIELLE DES SYSTEMES LTI | G | dB − 180 − 90 Φ o n−m = 2 n−m = 1 Fig. On rappelle que : |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI.16 – Comportement en hautes fr´quences e . VI. en hautes fr´quences. e e −180 −90 | G | dB 2 intégrations 1 intégration 0 intégration Φo Fig. a e .37) Φ(ω) = − tan−1 (ωT ) L’analyse asymptotique conduit imm´diatement a identifier une asymptote verticale e ` ` −90 deg. VI.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.

5 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. nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode.18 – Lieu de transfert de 1/(1 + p) dans le plan de Nichols-Black Caract´ristiques d’un deuxi`me ordre dans le plan de Nichols-Black De mˆme pour e e e 1 un facteur du deuxi`me ordre du type e .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 . 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.3 ξ = 0.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0. e Nichols Chart 30 Nichols Chart 30 ωn ∼ ω r = ωn 1 − 2ξ2 20 20 10 10 Mr = 2ξ 1 − ξ 2 Open−Loop Gain (dB) 0 Open−Loop Gain (dB) −10 0 −20 −10 ω=0 −20 −30 −40 ξ = 0.1 ξ = 0. VI.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.

3 Frequency (rad/sec): 1.’r-. Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0. ` e .58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.04 dB et le point correspondant a ω = 1.G3.’b’). >> G=tf(4.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.0273 System: G2 Phase (deg): −128 Gain (dB): −3.3 Soit la fonction de transfert : G(p) = On rappelle : |G(jω)| = 20log10 ω→0 REPONSE FREQUENTIELLE DES SYSTEMES LTI 4 p(p + 2) G(jω) = 4 jω(jω + 2) 180 ω tan−1 deg π 2 4 ω 4 + ω2 √ dB φ(ω) = −90 − lim |G(jω)| = ∞ lim φ(ω) = −90 deg lim φ(ω) = −180 deg ω→0 ω→∞ ω→∞ lim |G(jω)| = −∞ La courbe admet une asymptote verticale aux basses fr´quences en −90 deg et en e −180 deg aux hautes fr´quences. e Script MATLAB 19 >> G2=tf(1.[1 2]).[1 0]).’.2.58 rad/s.94 Frequency (rad/sec): 1.58 Phase (deg): −90 Frequency (rad/sec): 1.[1 2 0]).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. >> nichols(G2.’g.172 Exemple VI.14 Phase (deg): −38. >> G3=tf(1.58 System: G3 Gain (dB): −8.04 dB.’. VI.

40) La figure VI.20 montre le diagramme des phases de G1 et de G2 . ` Remarques VI. il sera ` dit a non minimum de phase. Dans le cas contraire.5 (minimum de phase) Un syst`me poss´dant des pˆles et des z´ros situ´s dans le demi-plan complexe gauche et e e o e e ne comprenant pas de retard est dit a minimum de phase.2.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre.REPRESENTATION GRAPHIQUE 173 VI.4 Afin d’illustrer au mieux la remarque pr´c´dente. 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.3 Cette d´nomination provient du fait que pour un module identique.2.2.41) 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. T2 = 2 . 0 −20 −40 −60 Phase deg −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 10 3 Fig.20 – Phases de G1 et G2 pour T1 = 1.2. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.4 Les syst`mes ` non minimum de phase e a ´ Definition VI. VI. 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. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI. Exemple VI.

Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase.2 −0.2 0. VI.42) Le module de G(jω) vaut 1 tandis que son argument est donn´e par : e Arg (G(jω) = −2 tan−1 ωT1 0 −20 −40 −60 −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 0 10 1 10 2 10 3 Fig.8 −0.8 1 Fig.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.8 0.4 0.4 −0.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait. les fonctions de transfert G1 et G2 sont reli´es par : e G1 (jω) = G2 (jω) 1 − jωT1 = G2 (jω)G(jω) 1 + jωT1 (VI.4 0. Si la courbe de gain est connue sur l’ensemble des pulsations.6 −0.6 0.6 0. Nyquist Diagram 1 0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique.2 Imaginary Axis 0 −0.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 . A titre d’exemple. VI.6 −0.4 −0. le module et la phase sont li´s par une relation e a e biunivoque. nous donnons les lieux de transfert de G a dans le plan de Nyquist.8 −1 −1 −0.2 0 Real Axis 0.

5 Extension aux syst`mes multivariables e La section I. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e. Dans la a e majorit´ des cas.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.5 (mod`le deux entr´es .H=tf({1 3. ´ Definition VI.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..2 5]).2.. e Singular Values 0 σ( j ω) Singular Values (dB) −50 −100 −150 σ( j ω) 10 −1 10 0 10 Frequency (rad/sec) 1 Exemple VI.REPRESENTATION GRAPHIQUE 175 VI.002 s^2 + 0.2. 1 #1: ---------------------------------------s^4 + 0. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.45 s + 10 #2: .002 s^2 + 0.21 s^3 + 7.2 a montr´ que la r´ponse fr´quentielle des mod`les LTI multivariables e e e e est compl`tement caract´ris´e par les gains principaux (valeurs singuli`res) qui sont des e e e e fonctions de la pulsation ω. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.01 2].{den den. Cela impose donc le plan de Bode e e comme seul outil disponible.2.den den}) Transfer function from input 1 to output.[2 1] [1 4]}.21 s^3 + 7.[1 0.1.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.

3 #1: ---------------------------------------s^4 + 0.45 s + 10 s + 4 ---------------------------------------s^4 + 0.002 s^2 + 0.21 s^3 + 7.21 s^3 + 7..176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.45 s + 10 #2: >> sigma(H) >> grid .002 s^2 + 0..

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e.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). 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. biographie). seuls les syst`mes monovariables sont trait´s.1. 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. En r´sum´.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.Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif. Dans un premier temps. 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. Cette e e structure est illustr´e figure VII. Adopter une telle structure de commande induit bien e entendu un certain nombre d’avantages mais aussi quelques inconv´nients que nous allons e d´tailler a travers un exemple simple emprunt´ ` [13]. Jusqu’` pr´sent. il existe deux structures baee e siques de commande des syst`mes dynamiques : la commande en boucle ouverte et la come mande en boucle ferm´e (asservie). VII. Dans ee e e la suite de ce cours. e ` ea 179 . 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.

Il s’agit donc de renvoyer une proportion du signal de communication sur l’entr´e de l’amplificateur afin d’am´liorer e e la qualit´ du signal en sortie. m est la masse du v´hicule et ρ et c sont des constantes. 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.180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. Perturbation Système de commande Entrée de référence + Ampli. Ne disposant d’aucun autre support que son journal matinal e (le New York Times) il couche son id´e sur une des pages du journal (cf. 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.No. e e e Le sch´ma de principe est alors le suivant. Apr`s ses ann´es d’´tudes. ee En 1927. Il d´pose un brevet (21 D´cembre 1937 . 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.1) u(t) − vn (t) vn (t) = ˙ m e e e o` vn = v/vmax est la vitesse normalis´e du v´hicule ´voluant entre 0 et 1. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action. neuf c e prix ainsi que de nombreux autres titres honorifiques. u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1. VII. Process Sortie Fig.1 – Sch´ma de principe d’un asservissement e Il s’agit d’un syst`me de commande automatique de vitesse de croisi`re d’un v´hicule. Il publie modulation theory en 1953. Harold e e Black fait partie du Hall of Fame des inventeurs depuis 1981 et a re¸u 10 m´dailles. sur le trajet matinal de l’Hudson River sur le ferry Lackawanny pour aller a son travail. ancˆtres des laboratoires Bell Telephone. 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. il rejoint les laboratoires de West e e e Street de la Western Electric a New York. Il meurt en 1983. Il est e ` diplˆm´ de l’Institut Polytechnique de Worcester en 1921 puis re¸oit du mˆme institut o e c e un doctorat honorifique. e e √ ρc 2 (VII. Black) Harold Stephen Black est n´ le 14 Avril 1898 a Leominster dans le Massachussetts. photo du chapitre e 1). 2 102 671) qui ne sera enregistr´ que neuf e e e ann´es plus tard du fait de l’incr´dulit´ du bureau des brevets. e .

SYSTEMES DE COMMANDE A CONTRE-REACTION Perturbation Ouverture des gaz u Correcteur vr − vr − v Véhicule 181 Vitesse de référence + Vitesse du véhicule v Fig. e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (VII. VII.4) x2 (t) = −kx1 (t) + ke(t) ˙ Ce syst`me d’´quations diff´rentielles est simul´ ` l’aide de SIMULINK suivant le e e e e a sch´ma suivant : e e e1 Constant1 x20 1 e s Integrator1 k Sum1 k Sum4 1 s Integrator3 al Sum2 alpha x2 x2 x1 x1 1 s Integrator2 2 u Math Function 1 s Integrator4 x10 Constant Sum3 t Clock time Fig.3 – Sch´ma SIMULINK de l’exemple voiture e . Ce type de loi u a e de commande est qualifi´e d’int´grale puisque. e √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (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).1.2) o` la constante k est ` choisir par le concepteur du syst`me de commande.` ` ´ VII.2 – Commande de la vitesse de croisi`re d’un v´hicule e e La loi de commande associ´e ` la fonction de correction est choisie comme. e a u(t) = k(vnr (t) − vn (t)) ˙ (VII. VII.

08.05.6.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.54 0.1 k=0. VII.6. e e On peut remarquer sur la figure VII. 0.02.05 0.52 0.08.1 et k = 0.06 correspondant a des accroissements respectifs ` pour k = 0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0. Le signal de r´f´rence est donc un ´chelon passant de 0.58 0.02 v 0.4. . 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 = 0.62 k=0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. la r´ponse est tr`s lente.08 0. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0.1 s et pour diff´rentes valeurs de k ∈ {0. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e 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.05.6 e ee e ` ` l’instant 10 s. la r´ponse du syst`me pr´sente un d´passement entrainant un temps d’´tablissement e e e e e relativement lent alors que pour k = 0.56 k=0. que pour les valeurs k = 0.08. = 0.4 – R´ponse indicielle pour k variant e On souhaite maintenant ´tudier la robustesse de ce sch´ma de commande vis-`-vis de e a √ e ρc variations du param`tre e et en particulier de la masse. On refait donc les simulations m √ √ ρc ρc = 0.1}. 0.05 et m m de masse de 20% et 40%. 0. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.02. a Quelle que soit la valeur du gain de l’action int´grale k.5 a 0.6 k=0.

7 0. 0.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation. e a e Si l’on consid`re des conditions r´alistes.58 0.55 v 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.65 0.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. SYSTEMES DE COMMANDE A CONTRE-REACTION 0. le v´hicule ralentit dans un premier temps e pour ensuite de nouveau acc´lerer afin d’atteindre la vitesse de croisi`re d´sir´e.45 avec perturbation 0.5 – R´ponse indicielle pour des variations de masse e On peut donc conclure a une certaine insensibilit´ du syst`me de commande de la ` e e vitesse de croisi`re vis-`-vis des variations de masse du v´hicule.5 0.` ` ´ VII. e √ √ ρc 2 ρc (VII.56 v 0.62 183 0.4 0.52 0.1. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.54 0.6 0. VII. VII. e e e 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.6 sans perturbation 0. il est ´galement n´cessaire de prendre en e e e e compte la possibilit´ de perturbations affectant le v´hicule telles que des raffales de vent e e ou un rev`tement de la route imparfait.

Robustesse du syst`me boucl´ vis-`-vis de variations param´triques e e a e .La structure de commande a contre-r´action implique le plus souvent de disposer ` e d’un capteur mesurant la sortie. nous avons principalement d´fini les transferts en boucle ouverte et a e e en boucle ferm´e.Le probl`me de stabilit´ est plus crucial en boucle ferm´e qu’en boucle ouverte.7 – Sch´ma bloc avec perturbation et bruit e o` : u . .2 Caract´risation des syst`mes de commande ` contre-r´action e e a e Jusqu’` pr´sent. r + − ζ K(p) b + + ν u G(p) y + + w Fig.y est la sortie du syst`me e . e .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. 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.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 (` ). e e . que d’autres transferts peuvent ˆtre int´ressants ` consid´rer afin d’avoir e e a e une vision plus compl`te des probl`mes pos´s par la structure de commande a contree e e ` r´action. VII.Am´lioration de la pr´cision en boucle ferm´e e e e . a travers l’introduction de e e e ` la perturbation. e e VII. Nous d´finissons ainsi un sch´ma fonctionnel plus complet incluant un signal de e e e perturbation b et un signal de bruit de mesure w. 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.1. ` e . En e e e effet.u est la commande issue du correcteur K(p) .r est le signal de r´f´rence que doit suivre la sortie ee . on peut mettre en ´vidence les propri´t´s fondamentales de e ee la structure de commande a contre-r´action. L’exemple de la section pr´c´dente induit.

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

la e e e synth`se du correcteur K doit ob´ir aux diff´rents objectifs suivants : e e e . . Ces objectifs de commande sont contradictoires et devront faire l’objet de compromis lors de la synth`se du syst`me de commande.S(p)K(p) repr´sente l’influence de la r´f´rence et des bruits de mesure sur les come ee mandes.T (p) repr´sente l’influence des bruits de mesure sur la sortie et l’erreur et l’influence e de la perturbation sur la commande d´livr´e.La commande d´livr´e au syst`me est faible si S(p) et S(p)K(p) sont d’amplitude e e e faible. . e e .L’effort de commande est faible si l’amplitude de S(p)K(p) et de T (p) est faible.12) T (p) = G(p)S(p) = . e e . e .Un bon suivi du signal de r´f´rence implique une fonction de sensibilit´ S(p) faible ee e en amplitude.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.186 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le sch´ma fonctionnel pr´c´dent fait donc apparaˆ e e e ıtre quatre fonctions de transfert importantes appel´es fonctions de sensibilit´ : e e S(p) S(p)G(p) T(p) S(p)K(p) o` : u . e e .S(p) repr´sente le transfert entre la r´f´rence et l’erreur et entre la perturbation et e ee la commande d´livr´e.1.1 (fonctions de sensibilit´) e Soit le sch´ma d’asservissement de la figure VII.S(p)G(p) repr´sente l’influence de la perturbation sur la sortie et l’erreur. Objectifs de commande Compte tenu des relations ´tablies pr´c´demment et de l’analyse qui les suit.Une bonne rejection des perturbations sera obtenue pour S(p)G(p) faible.7 avec : e G(p) = On obtient alors ais´ment : e S(p) = p2 (1 + p) p3 + p2 + 2p + 1 2p + 1 p3 + p2 + 2p + 1 K(p)S(p) = (1 + 2p)p2 (1 + p) (1 − p)(p3 + p2 + 2p + 1) 1−p p3 + p2 + 2p + 1 p2 (1 1−p + p) K(p) = 1 + 2p 1−p (VII. . e e Exemple VII.

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

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

VII. o e ` e e On souhaite toutefois d´cider de la stabilit´ de la boucle ferm´e sans avoir a calculer e e e ` explicitement le polynˆme caract´ristique en boucle ferm´e et ses racines. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e. 0) de rayon ee e infini incluant le demi-plan complexe droit. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII.2.´ ` ´ VII. Le crit`re de o e e e Nyquist est un crit`re graphique qui permet de conclure quant a la stabilit´ de la boucle e ` e ferm´e par la seule connaissance de la boucle ouverte.14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit.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.2.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps.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∞ . a r + − ζ K(p) u G(p) y Fig. j∞] et d’un demi-cercle centr´ en (0.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note. quand l’assere e e vissement est ` retour unitaire. ´ Definition VII. K(p) = NK (p) DK (p) (VII. e VII. la sensibilit´ compl´mentaire T (p).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. e e . e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII.15) G(p)K(p) 1 + G(p)K(p) (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. Il est orient´ dans le sens antitrigonom´trique.

le sym´trique par rapport a l’axe ox du lieu de transfert K(jω)G(jω) qui correspond e ` au lieu de transfert K(jω)G(jω) pour ω ≤ 0 8 Re 8 Re -j ρ . VII. e o e on d´finit alors le contour de Nyquist modifi´ comprenant des indentations en la e e localisation des singularit´s critiques.2 (lieu de Nyquist complet) Quand p = σ + jω parcourt CN . Si e la fonction de transfert en boucle ouverte poss`de des pˆles ou z´ros sur l’axe imaginaire. la fonction de transfert K(p)G(p) parcourt le lieu de Nyquist complet.190 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Il ne doit pas contenir de singularit´s de la fonction de transfert en boucle ouverte.10 – Indentation pour une int´gration e Sur le contour modifi´ p = ρejθ avec ρ → 0 et −π/2 ≤ θ ≤ π/2. Il est constitu´ par : e .le lieu de transfert de K(p)G(p) dans le plan de Nyquist K(jω)G(jω) pour ω ≥ 0 . VII. e ´ Definition VII.2. e Contour de Nyquist Im Contour de Nyquist modifié : système avec 1 intégration Im r= r= Fig.9 – Contours de Nyquist simple et modifi´ e L’indentation en 0 pour un syst`me comprenant des int´grations peut ˆtre d´taill´e e e e e e comme suit : Im jρ ρ θ 0 Re Fig. θ variant dans le sens e trigonom´trique.

4.2. o a e Afin d’appliquer correctement le crit`re de Nyquist.17) 1.8 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. CN o 2.16) Exemple VII.2.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.1 Le syst`me ` contre-r´action de la figure VII. Le nombre Z de o racines instables du polynˆme caract´ristique en boucle ferm´e ob´it ` la relation : o e e e a Z = P− N (VII.Calculer la boucle ouverte de l’asservissement consid´r´. .Tracer le lieu de Nyquist complet de la boucle ouverte. ` G(p) = K p(1 + T p) T >0 K>0 (VII. o e e .1 1.Compter le nombre P de pˆles instables de la boucle ouverte. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.2.Tracer son sym´trique par rapport a l’axe ox.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .Dans le cas o` le contour de Nyquist a une indentation.La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e .Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant. 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). fermer le lieu de u Nyquist. 0).une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte. 3.

192 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Im r= Fig. VII.Le trac´ du lieu de Nyquist complet implique les calculs suivants.12 – Exemple : lieu de Nyquist complet .11 – Exemple : contour de Nyquist 2.19) (VII.18) Re[G] = −K Im[G] = 2 ω 2 + 1) ω(T 8 Re T 2ω2 0 - Im r= + 8 8 -KT Re 8 0 + Fig. e G(jω) = K jω(T jω + 1) −KT +1 (VII. VII.

p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII. Ce crit`re peut s’appliquer e e e e e indiff´remment dans le plan de Nyquist et dans le plan de Nichols-Black.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation.P = 0.2. Im Im −1 Re −1 Re K(j ω)G(j ω) K(j ω)G(jω ) Fig. il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers. e ´ ` Theoreme VII.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e .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. 4. a droite) quand on parcourt le lieu de transfert ea ` dans le plan de Nyquist (dans le plan de Nichols-Black) dans le sens des ω croissants.2.2 (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. Le syst`me est donc stable asymptotiquement.N = 0. Dans certains cas particuliers et sous certaines hypoth`ses.20) K K G(p) ∼ ∼ e−jθ p ρ 3. VII.

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

15 ainsi d´finie a un sens. e e ´ Definition VII. e ´ Definition VII. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat.2.2.3 (bien pos´) e La boucle a contre-r´action de la figure VII. VII. xK ) = (0.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII. il est n´cessaire de s’assurer que e e e la boucle de la figure VII.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre. 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.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. On dit alors qu’elle est bien pos´e.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne. 0) est asympe e e totiquement stable.2.4 (stabilit´ interne) e Soient les repr´sentations minimales d’´tat de G et de K : e e K(p) : = AK BK CK DK G(p) : = A B C D −1 = 1 −K −G 1 u v e Pour v1 = v2 = 0. .

1 a .2.21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII. e Script MATLAB 22 >> G=tf([10].05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII.2.conv([0.Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement. v2 ).5p + 1)2 (0.1023i -0. e e .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. >> pole(S) ans = -19.7).5 1]))). .2326 + 1.5 1]. >> K=tf([1 1].1.[2 1])). ν2 aux sorties e e u. les signaux de sortie (u. la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands. >> S=inv(1+L).196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII.1023i . Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.3 .Test entr´e-sortie : la boucle ` contre-r´action de la figure VII.05 1].15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 . >> L=G*K. v sont stables asymptotiquement.1434 -0. Pour tous les signaux e e d’entr´e born´s (v1 .2326 .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.2.conv([0.2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0. e ua e Exemple VII. v) sont born´s.conv([5 1].[0.9878 -3.

3) AK]+[B zeros(3. >> [AK.1).B.BK..0000 -19.1023i -1. zeros(2.1035 -0.1.D]=ssdata(sysG).C zeros(1.1) BK]*inv([1 DK.9878 -3.0000 -1.2326 .ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.1434 -0.1023i -0.2).2326 + 1.1023i -0.. >> Abf=[A zeros(3.0000i 0..9878 -3. >> pole(KS) ans = -20.1035 >> T=1-S. >> sysK=ss(K).2326 -2.0000 -2.1.C.0000i >> KS=K*S.zeros(2.1023i -1. >> pole(T) ans = -19.1023i 0.-D 1])*[zeros(1.1434 -0.2)].9878 -3.DK]=ssdata(sysK).3) -CK.1035 -0.1434 -0. >> [A. .CK. >> pole(GS) ans = -19.1023i 1.2326 -0.1035 >> GS=G*S.2326 + 1.2000 + + - 1.2326 .5000 >> sysG=ss(G).

on obtient : e e max |K(jω)G(jω)| = 0.1p p+1 1 p2 + 0. Cela peut e e ˆtre num´riquement lourd et l’on pr´f`re souvent appliquer une m´thode plus restrictive e e ee e mais aussi plus l´g`re ` mettre en oeuvre.1434 -1. Ce r´sultat connu sous le nom du th´or`me e e a e e e du faible gain donne une condition suffisante facile a tester qui permet de conclure a la ` ` stabilit´ interne d’un paradigme du type de la figure VII. >> L=G*K.[1 1]).1.9878 -0.22) Remarques VII.2.1023i -0. >> K=tf([0.Ce r´sultat est moins fort que le th´or`me de Nyquist puisque l’on suppose la stae e e bilit´ la boucle ouverte et que ce th´or`me ne constitue qu’une condition suffisante.1023i -3.[1 0.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.2.1 10]).15.1035 Le th´or`me du faible gain e e Les tests pr´c´dents n´cessitent de calculer les pˆles de 4 fonctions de transfert en e e e o boucle ferm´e ou les valeurs propres de la matrice dynamique en boucle ferm´e.2326 + 1.3015 ω Le syst`me est stable de mani`re interne.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0. e e e .2. e e >> G=tf([1].1p + 10 En appliquant le th´or`me du faible gain.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).2326 .4 On suppose que G(p) et K(p) sont asymptotiquement stables.2 . e e Exemple VII. L’interconnection pr´sent´e e e figure VII.1 0]. e ´ ` Theoreme VII.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII. .

VII. j0) dans le plan de Nyquist. 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. 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. 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.inf) ans = 0.16 – Courbe de gain dans Bode de L VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. Dans le domaine temporel. . Dans le domaine e e e ` fr´quentiel.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´. le pic de r´sonnance Mr peut ´galement servir a cet effet.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.2. cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement. 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´.

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.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.3 Pour un syst`me ` minimum de phase.2.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black .26) Remarques VII.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1. Arg[L(jω−180o )] = −180o (VII. VII. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable.6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.25) (VII.2.2.

>> margin(L) . >> L=K0*G*K. VII.4 On reprend l’exemple V.42 rad/s. >> K0=100. Pm = 25.18 – Marges de gain et de phase dans le plan de Bode Exemple VII.2.1 0]. 8 deg pour ωco = 4.5 10]). >> K=tf([0. Bode Diagram Gm = Inf dB (at Inf rad/sec) . La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.3 et l’on rajoute un gain K0 = 100 dans la boucle.[1 1]).42 rad/sec) 20 10 0 Magnitude (dB) Phase (deg) −10 −20 −30 −40 −50 −60 90 0 −90 −180 10 −2 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Script MATLAB 23 >> G=tf(1.2.8 deg (at 4.[1 0.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.

19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0. VII.00322 Phase (deg): −154 Frequency (rad/sec): 4.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.202 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Les marges pour ce syst`me sont ´galement repr´sent´es dans les plans de Nyquist et e e e e de Nichols-Black.449 Frequency (rad/sec): 4.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig. VII.20 – Plan de Nichols-Black .908 Imag: −0.

VII.21 – Marge de module dans le plan de Nyquist Exemple VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises.2. ∆M = 1 1 = MS max |S(jω)| ω (VII. Une mesure plus objective est d´finie par la marge de module.22 – Marge de module dans le plan de Nyquist .5 On poursuit l’exemple V. VII.27) Im −1 ∆M 1 Re G(jω ) Fig.5 Imaginary Axis 0 −0.2. c’est donc le rayon du cercle de centre le point critique (−1.5 1 0. 0) et tangent au lieu de transfert.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig.5 −1 −1. Dans le plan de Nyquist.3 avec le mˆme gain K0 = 100 dans la boucle.2.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte. e e ´ Definition VII. e Nyquist Diagram 2 1.

>> Mod=inv(norm(S.23 – Pulsation de r´sonnance e .2.6 (VII.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.2. >> S=inv(1+L). On trouve ωr = 3. Script MATLAB 24 >> G=tf(1.5 10]).inf)) Mod = 0. >> K0=100. e e Bode Diagram 20 System: L Frequency (rad/sec): 3.6 dB.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.40911.14 Magnitude (dB): 15. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.6 On poursuit l’exemple pr´c´dent.14 rad/s et Mr = 15.1 0].[1 1]).[1 0. VII.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir. >> L=K0*G*K. >> K=tf([0.8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII.

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

31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω).30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`.2. il s’agit de calL(jω) . e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII. . il est possible de tracer des abaques utilis´s e afin de d´terminer l’amplitude et la phase en boucle ferm´e ` partir de la connaissance du e e a lieu de transfert de la boucle ouverte trac´ sur les abaques.32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e. 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. On note. 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. le pic de r´sonnance Mr est d´termin´ e e comme le plus petit M-cercle tangent avec le lieu de transfert en boucle ouverte alors que ` la pulsation de r´sonnance ωr correspond a la pulsation de point d’intersection. culer pour chaque pulsation donn´e. u A partir de ces M-cercles et de ces N-cercles.34) o` N = tan(α). les lieux d’amplitude constante et de phase constante en boucle ferm´e.33) .206 − → OA repr´sente L(jωA ). e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII. l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist.10 (M-cercles et N-cercles) .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. Ainsi. u e e ´ Definition VII.707. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII.Les lieux de phase constante en boucle ferm´e sont appel´s les N-cercles et ont e e pour ´quation : e 1 (X + 1/2) + Y − 2N 2 2 = 1 1 + 4 (2N)2 (VII.

5 2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.3 1.5 −36 o −0.5 −2.5 60o 90o 0.5 Re ω r (Mr = 2) M=0 Fig. VII.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.67 0.5 −1 −30o −2 −2.26 – Abaque des M-cercles L’utilisation de l’abaque des N-cercles est compl`tement identique ` celui des M-cercles e a et n’est donc pas d´taill´e ici.5 Fig. e e ea 2.5 −2 −1.5 30o (−150o) 36o 45 1 o 2 1. VII.27 – Abaque des N-cercles .707 M = 1.5 1 1.833 0.5 −1 −0.2 1.5 Im G 0 −90o −60o −45o −1. Un exemple d’abaque est donn´ ` la figure VII.5 2 2.5 0 Re G 0.27.707 0.

si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte.64 Imag: 0. e ω = 2.2. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols.375 Frequency (rad/sec): 2. on peut calculer des e e a points de la boucle ferm´e.16 rad/s ω = 3. ` 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. e . VII.29 qui forment l’abaque de Hall-Nichols. 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.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1.7 En reprenant l’exemple pr´c´dent. Ainsi ` partir de la figure VII.87 Imag: −1. De ce fait.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6. De la mˆme mani`re que des abaques ont ´t´ d´velopp´s dans le plan de Nyquist e e ee e e pour passer de la boucle ouverte a la boucle ferm´e.62 rad/s ωr = 4.92 Frequency (rad/sec): 3.28.28 – 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).62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig.

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.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.5 dB 1 dB 3 dB 6 dB 0 dB 0 Open−Loop Gain (dB) −50 −100 −150 −200 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) . VII.2.25 dB 0.25 dB 0.29 – Abaque de Hall Exemple VII.

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 0.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0.5 dB ωr = 2. e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es. il est alors possible de calculer e e la marge de phase.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. e e .8 rad/s Nichols Charts 50 40 0 dB 30 0. la marge de gain.210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2. e e Mφ = 60 deg ωco = 1.5. e En produisant un zoom sur les fr´quences interm´diaires.

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

(VII.212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII.2.35) 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) .4 Si l’asservissement n’est pas unitaire. 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase. il faut calculer.

e o e ´ ` Theoreme VII. e .fait Pbo tours dans le sens trigonom´trique autour de l’origine. dans L(p).ne passe pas par l’origine. EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII.3. Si le syst`me est instable alors le nombre de pˆles instables en boucle ferm´e est e o e Pbf = N +Pbo o` N est le nombre de tours dans le sens antitrigonom´trique autour de 0 du lieu de u e Nyquist de det(1 + L(jω)).1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B. Remarques VII.O. Le lieu de o e Nyquist complet est alors trac´ comme : e .1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII. seules quelques extensions de ce qui a ´t´ vu pr´c´demment sont ee e e pr´sent´es pour les syst`mes multivariables. e e e VII.3.3.3 Extension aux syst`mes multivariables e Dans cette partie.24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables.1 Le lieu de Nyquist de det(1+L(p)) correspond a l’image de det(1+L(p)) quand p parcourt ` le contour de Nyquist dans le sens antitrigonom´trique.3.3. e Exemple VII.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.` VII. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e .

08 0. ´ ` Theoreme VII.5 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.5 0 0 0 0 0.02 −0.06 det(1+L(p) 0. .0 0 -4].0 0 0.C=[0.08 0 0.0 1].02 To: Y(1) 0 −0.8 1 1.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.6 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. u e e a Exemple VII.3.1 0.2 Soit l’asservissement a retour unitaire du type de la figure VII.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.5].3. a e VII.5 0 0.04 −0.2 0.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.4 0.B=[1 0.5.06 −0.0 -1 1.04 Imaginary Axis 0. Le syst`me est instable.3.

C.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.D). EXTENSION AUX SYSTEMES MULTIVARIABLES 215 >> D=[0 0.3.B.L=ss(A.` VII. e .0 0]. >> sigma(L) >> norm(L.inf) ans = 0.

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

Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me. e e e e 217 . 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. dans son ´tape de synth`se. 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. Les sp´cifications de pere e e e formance pour un syst`me de commande peuvent ˆtre constitu´es de crit`res temporels e e e e relatifs au r´gime transitoire. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires. de crit`res fr´quentiels en relations plus ou moins ´troites e e e e avec ces derniers et de crit`res de pr´cision sur le r´gime permanent. 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.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.

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

5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω). e ω < ωb |S(jω)| 1 (VIII.2 Rejet de perturbation b On souhaite g´n´ralement que la boucle d’asservissement soit insensible et rejette la e e perturbation mod´lis´e par le signal b(p). e e e a on en d´duit la r`gle g´n´rale en basses fr´quences pour le rejet de perturbations : e e e e e |S(jω)| 1 ω < ωb (VIII.SPECIFICATIONS FREQUENTIELLES 219 VIII. On en d´duit que : |S(jω)| 1 . e .7) e Du fait que T + S = 1 et S = (1 + GK)−1 .Pour que b ait peu d’influence sur ν : |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. Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences.9) 1 .2.8) |K(jω)G(jω)| |T (jω)| ∼ 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ (r − w) et ∼ w.6) 1 (VIII. Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb . ω < ωb ⇒ |T (jω)| ∼ 1 et |K(jω)G(jω)| 1 pour ω < ωb La sp´cification de rejet de pertubation peut donc s’exprimer en sensibilit´. e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w).Pour que b ait peu d’influence sur y : |G(jω)S(jω)| .10) (VIII. en boucle e e ferm´e ou en boucle ouverte. e ωb < ωco (VIII.

14) VIII.11) Une analyse identique a la pr´c´dente utilisant les relations alg´briques sur les fonctions ` e e e de sensibilit´ conduit a ´crire la sp´cification en hautes fr´quences : e `e e e ω > ωh |S(jω)| ∼ 1 (VIII.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. 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. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).3 R´duction du bruit de mesure w e Les bruits sont usuellement mod´lis´s comme op´rant en hautes fr´quences : ω > ωh e e e e .2.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .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.220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.12) 1 (VIII.Pour que w ait peu d’influence sur y : |T (jω)| . ee e e (VIII. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (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. 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.2. il faut avoir Φ = −135 deg et donc dans cette r´gion. e . 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.SPECIFICATIONS FREQUENTIELLES 221 Le suivi de r´f´rence pose le probl`me plus sp´cifique de la pr´cision du syst`me en ee e e e e r´gime permanent. e VIII.) Il est donc souhaitable que l’erreur s’annule ou e prenne une valeur finie en r´gime permanent pour des entr´es de r´f´rence types. e la pente ne peut exc´der −30 dB/dec. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. e Exemple VIII.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. rampe. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p).18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive. Si la e marge de phase souhait´e est 45o .. Cela induit des pulsations ωco et ω−180o suffisamment importantes.2. e e e ´ ` Theoreme VIII.17) On en d´duit la r`gle des int´grateurs. on obtient.2. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes.. une contrainte e e |L(jωco )| < 1 alors que l’imp´ratif sur la rapidit´ de la r´ponse implique une bande pase e e sante suffisamment grande.16) En appliquant le th´or`me de la valeur finale.

ωB = ωBT .La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e. Au del` de ces pulsations.19) Dans la majorit´ des cas. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me. la commande est effective et am´liore les performances. pour les pulsations e e inf´rieures ` ωB . on a alors : e e ωB < ωco < ωBT (VIII.21) (VIII. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg..6 D´finition e Notion de modelage de boucle : loopshaping e e Le choix des pulsations sp´cifiques ωb et ωh d´pend des applications sp´cifiques et des e connaissances que l’on poss`de sur les perturbations et les bruits r´els affectant le syst`me.2.22) VIII. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB . 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.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me.La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte. e e .2. ωBT ].707 = −3 dB 2 (VIII.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. Les sp´cifications fr´quentielles e e e e e pr´c´dentes reviennent ` donner une forme particuli`re sur l’ensemble des pulsations ` e e a e a . e e e C’est une ´tape importante dans l’´tape de mod´lisation.20) (VIII. la bande passante est un indicateur de performance particuli`rement important.1 . la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances. Dans le cas contraire. e Remarques VIII.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0. e ´ Definition VIII.2.2.

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

20372 rad/sec) 10 0 −10 Phase (deg). Bode Diagrams Gm=7. e e e .2.448 deg. 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. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII.9588 dB (at 0. Pm=48.25) (VIII.3 – Courbe de gain de G(p) . e e e e e Exemple VIII.41 rad/s.2 rad/s.5 et des pulsations de coupure ω−180o = 0.2 (loopshaping) Le mod`le du syst`me est donn´ par sa fonction de transfert en boucle ouverte pour un e e e asservissement ` retour unitaire.2 rad/s et ωp2 = e 0.23) On peut en effet en d´duire ais´ment la fonction de transfert du compensateur par la e e m´thode d’inversion du mod`le.1 rad/s. a e e . Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig.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. (at 0.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0. Le diagramme de Bode de la courbe de gain et de phase de cette fonction de transfert permet de calculer une marge de phase Mφ = 48.41231 rad/sec).5.24) Ce mod`le poss`de les caract´ristiques suivantes. ωco = 0.5 deg. une marge de gain Kg = 2. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples.

on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII. A ce stade. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s.SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes.5 Hz doit ˆtre filtr´.5 rad/s et β = 0. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration. e e e 225 .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. Cela permet de choisir ωb = 0.Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration. On obtient donc. e ` e .30) .29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0. e .27) Pour ω = 0. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e .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.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) = .28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII.Le bruit de mesure intervenant au del` de 0.26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p.33p + 1) (VIII.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`. L0 (p) = −2p + 1 p(2p + 1)(0.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. L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII. 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. |Gb (jω)| ∼ 0 dB.1 rad/s.

ω−180o = 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. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche.92 .4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e. On obtient alors : L(p) = 0.2 rad/s.43 rad/s Bode Diagrams Kg = −0.15 et a ` une pulsation de coupure ωco = 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 = 2.33p + 1) (VIII. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0. e e .Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte.15(−2p + 1) p(2p + 1)(0.95 rad/s 60 40 20 0 Phase (deg).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.44 ωco = 0.

5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le.33p + 1) (VIII.4 0. VIII.32) Les figures suivantes sont les r´ponses temporelles ` une entr´e en ´chelon de position e a e e unitaire r(p) = 1/p pour le syst`me boucl´ non corrig´ (pour lequel il existe une erreur e e e de position) et le syst`me boucl´ corrig´ par K(p). on obtient un compensateur ´gal a : e e e ` K(p) = 0. Magnitude (dB) Lf(p) −50 0 G(p) L(p) −100 −200 −300 L (p) L (p) f 0 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.2 0 0 0 14 28 Time (sec. VIII.8 0.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg).2 0.) 25 30 35 40 Fig. e e e Step Response Step Response 1 1 0.SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0.6 – R´ponses indicielles e .) 42 56 70 0 5 10 15 20 Time (sec.6 0.8 0.15(10p + 1)(5p + 1) p(2p + 1)(0.6 Amplitude Amplitude 0.44 rad/s Bode Diagrams 227 ωco = 0.4 0.

En effet. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.7 Modelage des fonctions de sensibilit´ e Une strat´gie diff´rente de celle du loopshaping est de d´finir les sp´cifications direce e e e tement sur les fonctions de sensibilit´ S et T et de reformuler le probl`me de synth`se en e e e un probl`me d’optimisation.8 0.25 (2 dB) Ces deux grandeurs ne sont ´videmment pas ind´pendantes et doivent v´rifier : e e e |||S| − |T ||| < |S + T | = 1 ∀ ω (VIII.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. e e e Step Response Step Response 1 1 0.) 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´.4 0.2 0 0 0 14 28 Time (sec.4 0.2 0.) 42 56 70 0 10 20 30 Time (sec. e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires. 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.2.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII. VIII.34) MT ≤ 1.35) .6 0.6 Amplitude Amplitude 0.8 0. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.7 – R´ponses a une perturbation en ´chelon e ` e VIII.

une bande passante minimale ωB ` −3 dB |S(jωB )| = 0.3 La derni`re sp´cification permet d’´viter l’amplification du bruit aux hautes fr´quences e e e e et introduit une marge de robustesse. e e e e e ∆M = 1 MS 229 (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.SPECIFICATIONS FREQUENTIELLES Remarques VIII.39) Remarques VIII.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli. 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 erreur maximale de position en r´gime permanent A e 3.2.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.le modelage de S sur certaines plages de fr´quences e 4. L’ensemble de ces sp´cifications peut ˆtre traduit en une sp´cification unique faisant e e e 1 intervenir une borne sup´rieure wp (jω) sur l’amplitude de S. Un choix usuel est MS = 2.2.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .2. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.707 2.

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

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. >> S=inv(1+L).conv([2 1 0].4 Afin d’am´liorer les performances. >> Wp=tf([1/M Omega_B]. elle est ´gale a M ≥ 1 e e ` . Apr`s loopshaping.3 0.15(−2p + 1) p(2p + 1)(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 = 1.2.[1 0]). >> L=tf([-0.05 rad/s Le choix de A = 0 correspond bien a la n´cessit´ d’inclure une action int´grale dans la ` e e e boucle pour annuler l’erreur en r´gime permanent en r´ponse ` un ´chelon de position.42) Exemple VIII.Omega_B=0.3 On reprend l’exemple utilis´ pour le loopshaping de la section III.SPECIFICATIONS FREQUENTIELLES .33 1])). Script MATLAB 26 >> M=1.5.2.2.15].7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.8 ωB = 0.aux hautes fr´quences.[0. e e la boucle ouverte vaut : L(p) = 0.1/Wp) >> grid A=0 .2.05. >> bodemag(S.8. Il e e a e est ` noter sur la figure VIII.

43) wu KS ∞ o` u   wp S  wT T  wu KS = max ω ∞ |wp S|2 + |wT T |2 + |wu KS|2 (VIII. on peut sp´cifier une borne e e 1 sur l’amplitude de T .2.232 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Bode Diagram 5 0 1 wp Magnitude (dB) −5 −10 S −15 −20 10 −2 10 −1 10 0 10 1 Frequency (rad/sec) VIII. Tenir compte de l’ensemble de ces sp´cifications revient a d´finir une e ` e sp´cification globale : e   wp S  wT T  <1 (VIII. elle ne permet pas de sp´cifier le roll-off e e de la boucle ouverte L(p) au dessus de la bande passante. De plus. afin de r´duire l’amplitude des signaux de e sup´rieure e |wT | 1 commande. 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´. e Afin de garantir un roll-off suffisant aux hautes fr´quences. En particulier.44) . il est ´galement possible de d´finir une borne sup´rieure e e e sur l’amplitude |wu | du transfert KS.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.

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

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 . 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. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.46) (VIII. En fait. e e e e ee .3. ´ ´ Proprietes VIII. Afin de ne pas alourdir ce document. seul l’outil e e math´matique est r´ellement diff´rent.3.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII.9 – Asservissement et fonctions de sensibilit´s e s(p) = (1 + GK)−1 Gb(p) + (1 + GK)−1 GK(r(p) − n(p)) ζ(p) = (1 + GK)−1 r(p) − (1 + GK)−1 Gb(p) + (1 + GK)−1 GKn(p) u(p) = K(1 + GK)−1 (r(p) − n(p)) − K(1 + GK)−1 Gb(p) Les relations de bouclage pr´c´dente permettent de d´finir les 6 transferts caract´risant e e e e l’asservissement VIII.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig.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.9. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence. ´ Definition VIII.3.

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

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.7 .236 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Si l’on souhaite associer un unique indicateur pour la bande passante. Tu et Su faibles e e σ(Wu KSy (ω)) < 1 ∀ ω ⇔ ou σ(K) faible 0 ≤ ωB ≤ ω . En effet. 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). Pour un bon suivi de r´f´rence. e σ(L) − 1 ≤ 1 ≤ σ(L) + 1 σ(Sy ) 0.Suivi de r´f´rence et r´jection de perturbations : Sy et Sy G faibles ou L grande ee e σ(Wp Sy (ω)) < 1 ∀ ω ⇔ ou σ(L) grand 0 ≤ ω ≤ ωB .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 . la pire direction est choisie ωσ(S)=0.41 . le trac´ des valeurs sinee e e e guli`res min et max de S doit donc suivre un gabarit : e .41 ≤ σ(S) ≤ 2.∼ 1 aux hautes fr´quences e ω > ωB σ(S) ∼ 1 σ(S) 1 . ´tant donn´ le filtre choisi.faible ` basses fr´quences a e ω < ωB .R´duction d’´nergie de commande u et ν faibles : KSy .

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

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

la o e localisation des pˆles en boucle ferm´e varie ´galement. Il meurt le 10 juillet 1999. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. il entre ` la soci´t´ Autonetics. Il o e est en effet g´n´ralement difficile de calculer explicitement les racines en boucle ferm´e e e e pour des polynˆmes caract´ristiques de degr´ ´lev´. il est ´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.R. trae e ` vaille comme enseignant a l’universit´ de Washington de 1946 a 1948 ` e ` et obtient son Master of Science en g´nie ´lectrique de l’universit´ de e e e Californie a Los Angeles en 1951. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. e . Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. 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 publie Control system Dynamics e e en 1954. permettant d’´valuer la e e e e localisation des pˆles en boucle ferm´e dans le plan complexe quand K varie de 0 a +∞ o e ` ` partir de la connaissance des pˆles et des z´ros en boucle ouverte : c’est la m´thode du a o e e lieu des racines ou du lieu d’Evans. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice. 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. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. En 1948. 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. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. Evans a d´velopp´ une m´thode graphique en 1948. e e e W. Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971. a Il est l’inventeur du spirule. Quand le gain de la boucle varie.240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e.

7) . e e e .2 IX.1 Les valeurs de p telles que les deux conditions IX. IX.1 (lieu des racines) Le lieu des racines ou lieu d’Evans est le lieu constitu´ par les pˆles en boucle ferm´e e o e quand le gain de boucle K varie. 1. Dans la majorit´ des cas.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. r + − ζ G(p) F(p) y Fig.6) (IX.2.3) 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.6 sont v´rifi´es. les fonctions de transfert F (p) et G(p) peuvent ˆtre factoris´es e e e de la fa¸on suivante : c 1+ K(p + z1 )(· · · )(p + zm ) =0 (p + p1 )(· · · )(p + pn ) (IX.5 et IX. 2.2. CONSTRUCTION DU LIEU D’EVANS 241 IX.5) Remarques IX. · · · ) .1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.2.4) (IX. e e o e ´ Definition IX.Condition d’amplitude : |G(p)F (p)| = 1 (IX.2.IX. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.

IX. nous reprenons le sch´ma e e e a e d’asservissement initial. IX.4 – Exemple . r + − ζ K u G(p) y Fig.2.3 – Mesure des angles et des amplitudes IX.2 R`gles g´n´rales de construction e e e Les r`gles g´n´rales de construction du lieu des racines sont donn´es sous forme e e e e g´n´rale puis sont illustr´es ` l’aide de deux exemples. Pour cela.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.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.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.

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

244 ANALYSE PAR LE LIEU DES RACINES .16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte.Les asymptotes indiquent le comportement pour |p| 1.Une branche du lieu peut ou non traverser l’asymptote correspondante. Exemple 1 : puisque n − m = 3.2 .17) Remarques IX. . Exemple 2 : √ .Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el. il y a n´cessairement 3 branches infinies. 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.Il y a deux pˆles en boucle ouverte. 0] appartiennent au lieu des racines. · · · ) (IX. 2.Le polynˆme caract´ristique est de degr´ 2. Il y aura donc 1 branche finie o e e et une branche infinie. Il y aura donc trois branches o e e infinies. . −2 e . o e e . e Si le lieu des racines a des asymptotes alors. Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´. . −1 ± j 2 o .Il y a un z´ro. .18) . prendre un point test.L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0. 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. o e ` e Pour chaque portion de l’axe r´el ` tester. 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. 1. e Exemple 1 : les segments ] − ∞ . − 2] appartient au lieu des racines. − 2] et [−1 .Pas de z´ros e .2.Le polynˆme caract´ristique est de degr´ 3. Exemple 2 : le segment ] − ∞ .

CONSTRUCTION DU LIEU D’EVANS alors que l’angle avec l’axe r´el est donn´ par : e e Φa = ±60o (2k + 1) 245 (IX. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX. e e 2. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines. e e e 1+ K =0 p(p + 1)(p + 2) (IX.20) .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. e e e 3. On suppose que le polynˆme caract´ristique s’´crit. e Exemple 1 : l’´quation caract´ristique s’´crit. cette v´rification est simplement graphique.21) Remarques IX. Si K > 0.2.19) Exemple 2 : on a n − m = 1. d’o` l’on a une seule direction infinie qui fait un u angle avec l’axe r´el donn´ par : e e Φa = 180o (IX. il existe au moins un point d’´clatement e e (respectivement de rencontre). On obtient donc. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante.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. on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique. e e ` e . e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1. ce point appartient au lieu des racines. Si les rae e e cines sont r´elles.22) (IX.3 .D´terminer les racines r´elles et complexes de cette ´quation.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.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines.21).23) d’o` K = −p3 − 3p2 − 2p. u dK = −3p2 − 6p − 2 = 0 dp (IX. o e e B(p) + KA(p) = 0 alors.24) . Dans le cas come e plexe.Calculer l’´quation alg´brique (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.

Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles. Exemple 2 : l’´quation caract´ristique s’´crit. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.25) On a donc encore deux solutions −0.246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1. e e e K=− d’o`. e e e e K − 3ω 2 = 0 2 (IX. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. K = 6).5774 o e e et −0. .29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0.28) K=6 (IX.26) p2 + 2p + 3 p+2 (IX. e Il suffit de r´soudre l’´quation caract´ristique en boucle ferm´e avec p = jω : e e e e 1 + KG(jω)F (jω) = 0 Les solutions possibles sont donn´es pour ω > 0 et K > 0.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif. Il n’y a donc pas d’intersection avec l’axe imaginaire. (IX.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines.27) (IX.4226.30) √ ω = 0 ou ω = ± 2 (IX. 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.2679 et −3. e .

35) .CONSTRUCTION DU LIEU D’EVANS 247 .33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. e e e Φ = 180o − i Φi + j θj (IX. en e ´crivant l’´quation caract´ristique pour p = σ + jω. IX.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig. Ainsi. e o e Θ = 180o − i θi + j Φj (IX.2.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. sur l’exemple 2. on obtient l’´quation. On obtient. e e √ Exemple 2 : il y a deux points de d´part complexes. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX. e e e e (σ + 2)2 + ω 2 = 3 (IX. −1 ± j 2.5 – Exemple 2 : calcul des angles de d´part e Remarques IX.4 Dans certains cas particuliers.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par.3. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes. il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle.

5 −1 −1. >> rlocus(G1).[1 3 2 0]). >> rlocus(G2).5 1 1. IX. 2 1.5 2 Fig.5 −1 −0. 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2.[1 2 3]).5 Imag Axis 0 −0.7 – Exemple 2 .5 −2 −1.Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1.248 .5 Real Axis 0 0.5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig.6 – Exemple 1 Exemple 2 : >> G2=tf([1 2]. IX.5 1 0.

5 0 4 3.68 0.5 Real Axis −2 0. on obtient.18 1. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.5 0.3 IX. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.5 3 2.7+j1.7 + 1.7.707 Overshoot (%): 4.3.3.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.54 −1 0.5 1 0.1 On reprend l’exemple 2 pour lequel on souhaite en boucle ferm´e une paire de pˆles e o complexes conjugu´s d´finis par leur amortissement ξ = 0.68 −1.707. Cela conduit a choisir : e e ` cos Ψ = 0.38 −0.5 −4 −3.95 0.39 |p + 3| p=−1.5 0.986 0.4 rad/s.8 −2.8.95 1 0.5 Imaginary Axis System: G2 Gain: 1. ` e e K= |p2 + 2p + 3| = 1. IX. a Root Locus 2 0.4 .89 −2 −4.707 Ψ = 45o (IX.5 2 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.38 0. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.89 0.34 Frequency (rad/sec): 2.54 0.5 0.18 0 Fig.7±j1.5 0.8 – R´glage du gain et amortissement e .39 Pole: −1.7 (IX.986 −1 −1.1 Analyse des syst`mes boucl´s par le lieu d’Evans e e R´glage du gain e Une des op´rations basiques de correction consiste a r´gler le gain de boucle K afin e ` e d’avoir un amortissement donn´ pour les pˆles en boucle ferm´e et fix´ par l’angle d’amore o e e tissement Ψ.5 0.5 −3 0.3.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.` ´ IX. e e e e e Exemple IX.8 0. a e En appliquant la condition des gains a l’´quation caract´ristique.5 −0.7i Damping: 0.

>> rlocus(G). >> sgrid .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. 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.250 ANALYSE PAR LE LIEU DES RACINES IX. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue. 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.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.[1 6 36])).9. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´. Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX.conv([1 -1 0].3. e e Script MATLAB 27 >> G=tf([1 2]. Pour v´rifier cela.

64 8 0.38 0.28 0.38 0.0015 − 2.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.9 – Syst`me ` stabilit´ conditionnelle e a e .89 10 6 0.000437 Overshoot (%): 99.17 0.9 4 Frequency (rad/sec): 3.5 0.28 0.94 2 Imaginary Axis 2 System: G Gain: 61.08 8 System: G Gain: 112 6 Pole: −0.0017 + 3.23 2 0.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.8 4 0.17 0.5 0.08 8 10 0 1 2 Fig. IX.5 Pole: −0.89i Damping: 0.8 −6 6 −8 0.8 Frequency (rad/sec): 2.000674 Overshoot (%): 99.94 0 −2 −4 4 0.23i Damping: 0.

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

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

L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e . 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.2 – Fonction rampe Pour α = 1.1. A.2. e e e Le signal rampe ´ Definition A. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig. on parle de rampe unit´ ou de rampe unitaire. L’impulsion n’est pas en effet e une fonction ordinaire.1 – Fonction de Heaviside Pour une amplitude E = 1. on parle d’´chelon unit´ ou d’´chelon unitaire.2) e(t) αt 0 to t Fig. e ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A.2 (signal rampe) On d´finit le signal rampe r(t) de pente α par.

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

u x(t)e−pt dt (A.7) 0 Remarques A. A.8) −∞ .6) Le signal sinusoidal ´ Definition A. D´finition de la transform´e de Laplace e e ´ Definition 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). annexe A4).5 – Peigne de Dirac Finalement.1 .1.5 (transformation de Laplace) La transform´e de Laplace unilat`re d’un signal causal x(t) est d´finie par : e e e +∞ L[x(t)] = X(p) = o` p = σ + jω est la variable complexe.2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf.5) 0 T 2T 3T 4T 5T 6T t Fig.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. 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. e ` A.1.256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac. 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.1.

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

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

Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.27) F[x(t ± T )] = e±jωT X(ω) (A. on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement.2. e A. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A.´ A.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.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A.2.28) .23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A. LA TRANSFORMEE DE FOURIER 259 A.2 A.1 La transform´e de Fourier e D´finition e ´ Definition A. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A.2.2 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).24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.

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

e e ´ Definition B. · · · .1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire. · · · . ils sont dits lin´airement d´pendants. ee ´ Definition B. · · · .3 (produit scalaire) Le produit scalaire de deux vecteurs x. 261 .1 B. les vecteurs x. Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 . xm ) ∈ R .1.1. xm ) est l’ensemble engendr´ par ces vecteurs. y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus.1. · · · . xm ∈ Rm . ´ Definition B. L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 . y sont dits orthogonaux ssi x y = 0.1 (Ind´pendance lin´aire) e e Soit un ensemble de vecteurs x1 .Annexe B Rappels d’alg`bre lin´aire e e B.2 (espace engendr´ par un ensemble de vecteurs) e n Soit (x1 . norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn . λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire.1.

j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e . e2 ∈ E.1. ∀e ∈ E.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.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B.1.||e|| 4. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B. e e e e ´ Definition B.5 (p-norme d’un vecteur) e Soit e ∈ Rn .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||.2 1 −2 0 6 |aij |2 = i. d´finie sur un espace vectoriel E. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.∀ α ∈ R.j 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. ||αe|| = |α|.∀ e1 .262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B.1.∀ e ∈ E : ||e|| ≥ 0 2.4 (norme) Une norme est une fonction .j A= ||A||sum = i.1.||B|| Exemple B.||e|| = 0 ⇔ e = 0 3.1.1.

1 n .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. e e e .1.1. · · · .1.Les valeurs propres de A sont ´gales aux valeurs propres de A .8 (rang d’une matrice) : Rn → Rm . Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A). · · · c + λn o` λ1 .2 .2 Valeurs propres et valeurs singuli`res e ´ Definition B.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. σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) . .Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux. RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B. ee u .` ´ ´ ´ B.3326 valeur singuli`re maximale e ´ Definition B. λk . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B.1. · · · . m) B.1. e ´ Definition B.l ≥ m: Σ= diag(σ1 .Les valeurs propres de Ak sont λk .1. Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes.1. On associe a chaque valeur propre λi .Les valeurs propres de (cI + A) sont c + λ1 . Elle sera dite de rang plein si : e e rg(A) = min(n. λn sont les valeurs propres de A. · · · .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.9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R .

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

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

.. λn−1 . ´ ` Theoreme B. .   . .2) ··· ··· . J = P −1 AP =  . eλn t   −1 P  (B. . ···  . 1 .  0 λ .266 RAPPELS D’ALGEBRE LINEAIRE B. .  . . 0 . λn . .   . ··· .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. e e B. .  0 . .1) . . . ··· (B.   λn  e At = Pe P Dt −1   =P  e λ1 t  eλ2 t .Soit A une matrice dont la forme de Jordan est de passage P . . 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.   λ1   λ2   D = P −1 AP =   .. .Soit A une matrice diagonalisable et une matrice de passage P alors.    donn´e par J avec comme matrice e         ···         ···     ··· .2. . 0 λ1    ··· ··· ··· ··· ···  ..2. .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. . . . .. eλn−1 t . ··· . . . . . . . . . ··· ··· ··· .CALCUL DE LA MATRICE DE TRANSITION D’ETAT eAt  t2 λ1 t e 2 λ1 t 267         ···   −1 P      ···     (B. . Alors. e ee ee Exemple B. ce qui conduit a une matrice rationnelle ` en p dont on calcule la transform´e de Laplace ´l´ment par ´l´ment.1 Soit la matrice  0 1 0 1  A= 0 0 1 −3 3 πp (p) = (p − 1)3  Le polynˆme caract´ristique de cette matrice est : o e 1 est donc valeur propre multiple d’ordre 3 (multiplicit´ alg´brique).2.   1  1  v1 = (1 − A)v2 = 1 On choisit alors le dernier vecteur propre ind´pendant w = [0 0 1] et l’on a la matrice e de passage. .. eλn t B. . .   1 0 0 P = 1 1 0  1 2 1 . . . . v2 = [0 1 2] .2 Utilisation de la transform´e de Laplace e eAt = L−1 [(p1 − A)−1 ] (B.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). . ··· . ce qui e e e donne. .3) eAt = P eJt P −1   0    0    ···  =P          eλ1 t teλ1 t eλ1 t 0 ··· te eλ1 t ··· . .

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

Annexe C Rappels d’Analyse C. . .1 (notations de Landau) Soit f : Rn → R. .La notation f (x) = O(x) signifie que f (x) tend vers 0 au moins aussi vite que x : ∃K≥0 | f (x) ≤ K quand x → 0 x .1   ∇f (x) =  ∂f (x) ∂x1    .2 (diff´rentiabilit´ (Frechet)) e e n e Une fonction f : R → R est dite diff´rentiable en x s’il existe un vecteur a ∈ Rn tel que : ∀ y ∈ Rn f (x + y) = f (x) + a y + o(y) Le vecteur a est appel´ le gradient de f (x) au point x et est not´ f (x) ou ∇f (x) : e e ∀ y ∈ Rn f (x + y) = f (x) + y + ∇f (x) y + o(y) Remarques C.1. ∂f (x) ∂xn 269 .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 Rappels de calcul diff´rentiel e ´ Definition C.1.1.

not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x). ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. On d´finit la matrice Hessienne de f not´e e ∇2 f (x). . ´ ` Theoreme C. 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C. m) est diff´rentiable (resp.270 RAPPELS D’ANALYSE ´ Definition C.2 (formulaire de d´rivation) e . .1.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp. C 1 ).1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert. la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C.∀ y ∈ V(x).1 (composition de fonctions) Soit f : Rk → Rm et g : Rn → Rm deux fonctions C 1 et h = gof alors : ∇h(x) = ∇f (x)∇g(f (x)) ∀ x ∈ Rk ´ ´ Propriete C. une fonction C 1 en x.1.1. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 . · · · .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.4 (fonction C 1 ) Si une fonction f est diff´rentiable sur un ensemble ouvert S ⊂ Rn et que le gradient e ∇f (x) est une fonction continue alors f est dite C 1 sur S.1. . ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = .1.Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 . C 1 ) si chaque composante fi (i = 1.∀ y ∈ V(x).1.6 (matrice Hessienne) e e Soit f : Rn → R. · · · .1. ∃ α ∈ [0. La matrice gradient de f en x. e ´ Definition C.

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

x2 ) = x2 + sin2 (x2 ) est d´finie positive localement.2 (fonctions semi d´finies positives) e e 1. t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative.2 e . t) = 0 2 − ∀ x = 0 ∈ Rn V (x. t) ≥ 0 Exemple C. t) est (localement).Une fonction scalaire V (x. t) = t2 x2 est une fonction semi d´finie positive. t) est e e (localement) (semi) d´finie positive.2.V (x. 2 e e . 1 Remarques C. t) > 0 Exemple C. t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0.2. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0. t) = tcos(x1 ) est une fonction localement semi d´finie positive.Une fonction scalaire V (x.V (x. si P est une matrice (semi) d´finie positive (n´gative).Une fonction scalaire V (x.272 RAPPELS D’ANALYSE C. x ∈ Rn avec e e P = P .3 e . 1 e . e e Exemple C. 1 2 ´ Definition C.V (x.Cas particulier important : la forme quadratique V (x) = x P x. t) = 0 2 − ∀ x = 0 ∈ Br V (x. 1 .2. (semi) d´finie n´gative alors −V (x.1 e . t) > 0 e e 2.V (t.2.1 1.Si une fonction V (x.Une fonction scalaire V (x. t) = 0 2 − ∀ x = 0 ∈ Br V (x. t) est (semi) d´finie positive (n´gative).1 (fonctions d´finies positives) e e 1. x1 . V (x.V (x) = x1 x2 + x2 est une fonction ind´finie. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0.V (x. e . t) = 0 2 − ∀ x = 0 ∈ Rn V (x. e 2. t) ≥ 0 e 2.2.2 Rappels sur les fonctions d´finies positives e ´ Definition C.2. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0.

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

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

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

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

e e II. . . . . . . . . .1 Le polynˆme caract´ristique et les pˆles . . . .3 II. . . . . . .2 Th´orie de la commande . e e e e II. . .7. . . . . . . . . . . . . . .2 Servom´canisme hydraulique . . . . . . . . . . .5 II. .1 R´gulation de temp´rature dans un four . . . . . . . . . . . . e II. . . . . . . . . . . . . . . . . . . . .3. . . . e e e II. . . . . . . . . .3 Introduction ` la th´orie de la commande a e Introduction . . .4 Commande longitudinale d’un avion civil .3 Repr´sentation d’´tat lin´aire . . . . . . . . . . . . . . . . . . . . . e Approximation lin´aire des syst`mes physiques . . . .1 Contrˆle d’attitude d’un satellite .4. . . . . . . .5. . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . . . . . . . . .la repr´sentation d’´tat . . . .4 . . . . .4 Le cas particulier des syst`mes SISO . . . . . . . . .4. . . .3 Equations diff´rentielles entr´es-sorties . . . . . . . e e e II. . . .2 II. . . . . . . . . e II. . . . . . . . . . . . . e Pˆles et z´ros d’un mod`le LTI . . . . .4. . . . . . . . .1 Notion de syst`me . . . . . . . . . . . . . . . . . . o II.6. . . . . . . . . . . . . . . . . . . e I. .1 I. . o e I. . e Exemples de syst`mes de commande modernes . o e o II.3 Contrˆle d’attitude d’un satellite . . . . . . . . . . . .4 II. . . . . e Les mod`les graphiques . . . . . . . . . . .6 II. . . . e II. . . .2 I. . . . . . . . . . . . .` TABLE DES MATIERES 277 Table des mati`res e I I. . o I. . . . . . . .2 Les z´ros .6. . . . . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . . . . . . . . . .2 La matrice de r´ponse impulsionnelle .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . e I. . . e e I. . . . . . . . . . Exemples caract´ristiques . . . . . . . . . . .1 Le concept d’´tat d’un syst`me . e e e . . . . .5. . . . . . . 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. . . . . . . . . .1 La matrice de transfert . . . .2 Contrˆle de la tˆte d’un disque dur . . . . . . . . . . . . .4. Bref album chronologique . . . . . . . . . . .1 Sch´ma fonctionnel . o e e II. . . . . . . . . . . . . .2.4. . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . Th´orie des syst`mes et th´orie de la commande e e e I. . . . . . . .4. .7.7. . . . . . . . . . .2 Repr´sentation d’´tat des syst`mes dynamiques . . . . . . . . . . . . . . e e Le mod`le interne . . . . . . e e e Les mod`les externes (entr´es-sorties) . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . .Lin´arisation . . . . e II. . . . . . . . . . . . . . . .7. . . . e e II. . . . . . . . e II. . . . . . . . . . . . . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat . . . . . . . . . . . . . .4. . . e e e II. .2 Sch´ma fonctionnel et fonctions de transfert . . II. . . . . . .5. . . . .1 II. . . . . II II. . . . . . . . e e II. . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . e III. . . . . . . . . . . .4. . . . . . . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV. .1. . . .2 R´ponse ` des entr´es types . . . .6 Fonctions MATLAB . . . . . e e IV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Analyse temporelle des syst`mes continus e Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e IV. . . . .8. . . . . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ` TABLE DES MATIERES . . . . . . . . . . .1 .1 Signaux d’entr´e types . .r´gime forc´ . . . . . .8. e IV. . . . . . .2 La stabilit´ interne . . .1. . . . .2. . . . . . . . . . . . . . . . .2. e III.278 II. . e e III. . . . . e e e V. . . . . . . . . . . . . . . e III. . . . . . modales .6. . . .3 Crit`re alg´brique de Routh-Hurwitz . . . .3 Relations entre mod`les internes et externes . . e III. .3 Fonctions de conversion entre mod`les LTI . . . . . . .1 D´finitions . . . . . . .2 Crit`re d’observabilit´ . . . . .1 Cas de modes simples distincts . . . . . . . . .2 Cas de modes multiples . .8 Fonctions MATLAB . . . . V. . . . .6. . . . .3 Fonctions d’analyse des mod`les LTI e II. . . . . . . . . . .2 Caract´risations de la stabilit´ BIBO . . . . . . . . . e V. . . . . . . . . . . . . . . . . . . .5 Grammiens de commandabilit´ et d’observabilit´ . . . . . . . . . . . . . . . . . . . . . . . . e IV. . . . . . .4 Fonctions de mod´lisation par blocs . . . . . . . III.3 Stabilit´ BIBO et stabilit´ interne . .1 Fonctions d’alg`bre de base . . . . . . e e III. . . e e III. . .2 Fonctions de mod´lisation LTI . . . . . . . . . . . . . . . .2 R´gime libre . . . . .r´gime transitoire . . . . . . . . . . . . .2 Notion d’observabilit´ . . . . . . . .1. . . . . . . . . . . . . .2. . . .2. . . . . . . . . .1 D´finition . . .2. . . . . . . e e V. . . . . . . . . . . . . . . . . . . . . . e III. . . .8. . .2 Crit`re de commandabilit´ . . . . . . . . . . . . . e IV. . . . . . . . . .1 Stabilit´ des syst`mes LTI e e IV. . . . . . . . . . . . . . . . . . . . . . . . .1 La stabilit´ BIBO . . . .2. . e III.2 Fonctions d’analyse des mod`les LTI .2. . . . . . . . . . . . . . . . . .1 D´finition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e e III. . . . . . . . . . . . . . . .4. . . . . . e II. . . e e III. .6. . e III. . .2 Les syst`mes du premier ordre . . . . . . . . . . . . . . . . . . . . . . . III. .3 La m´thode de Lyapunov . . e II. .4 Nature des points d’´quilibre en dimension 2 e IV. . . . . . . e IV. . . . . e e IV. . . . . . e V. .1 D´finition . . e a e V. . . . . . . . . . . . . . .1 D´finition . . . . . . . . .2 Th´orie de la r´alisation .1.1. . . . .3. .1. . . . . . . . . . . . . . . . . III. . . . .1. . . . .1.1 Les formes canoniques d’´tat . . . . . . . . . . . . . . . . . . . . . . .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. . . . . . . . e III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. .3 R´gime permanent . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . .8. . . . . . . . . 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. . . . . . . IV V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Fonctions d’alg`bre de base . . . . e V. . . . . . . . . . . . . II. . . . . . . e .

. VI. 160 . . . . . . . . . . . . . . . . . . . . . .2. . . . . e e ` e VII. . . . . . V. . . . . .3. . . . . . . . . . . . . . . . . .3. . . . .1 Principe de la contre-r´action . . . . . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. . . . . . . . . . . VIII. . . . 147 .2 Le th´or`me du faible gain . . . e e VII. . e VII. 153 . . . . . . . . . . . . V. . . . . e e V. . . . . . . . . 177 179 . . . . . . . . . . . . . . . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII. . .2 Rejet de perturbation b . . . . . . . . e a VI. . . . . . . . . . . . . 179 . . . . . . . . . . . . . .1 Introduction . . . . . . . . . VIII.1 Notions de modes . . . . .2 Le lieu de Bode . . . . . . . . . . . .2 Extension au cas des syst`mes multivariables . . . . . . . 184 .2. . . . . . . . . . e e e VII. . . . . . . . . . . . . . . .1 D´finitions et exemples . VII. . . . . . . . . . . . . . .2. . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . .5 Extension aux syst`mes multivariables . . . e VI. . .2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI. . . . . . . . . . . . . . . 168 . . . . . . . . . . .3 Stabilit´ interne des syst`mes boucl´s . . .4. . . . e V. . . . . . . . . . . . . . .1 Les syst`mes monovariables . . . . . 175 .4 Les syst`mes d’ordre sup´rieur . . . . 177 .4 Fonctions MATLAB . . e VI. . .2. . . . . . . . . . . . 147 . . . . . e ` e VII. . . . . . . . 279 123 123 126 130 132 132 139 141 145 145 145 VI R´ponse fr´quentielle des syst`mes LTI e e e VI. . . . . . . . . . . . . . . .2 Effets des z´ros et des pˆles additionnels . . . . . . . . . .1 Le crit`re de Nyquist multivariable . . . . . .2 Le crit`re du revers . . . . .3. . . . . . . . . . . . . . . . . e e e VII. . . . e e e 147 . . e o V. . . . . . . . . . 189 . . . . . . . . . 193 . . . . . . 189 . . e V. . .4. . . . . . . . . . .1 Fonctions de r´ponse temporelle . . . .4. . . . . VI. . . .2 Caract´risation des syst`mes de commande a contre-r´action . . . . . . . .1. .2. . . . .1. . . . . . . . e e V. . e VII. . . . . . . . . . . . . . . . . .2. .4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . .3 Sp´cifications temporelles d’un syst`me du second ordre . . . . . . e VIII Analyse en performance des syst`mes boucl´s e e VIII. . . . . . 153 . . . . . . . . . . . . . . . . . . . . .5.` TABLE DES MATIERES V. . . . . . . . . . . . . . . . . . .3. . . . . . . . .2.1 Fonctions de trac´ de la r´ponse fr´quentielle . . . .1 Syst`mes de commande a contre-r´action . .2. . . . . . . . . . . . . . . . . .1 Le crit`re de Nyquist . . . . . . . . . .3 Fonctions MATLAB . . . . .4 Les syst`mes ` non minimum de phase . . e VII. 179 . . .3 Les syst`mes du second ordre . . . . . . .3 Sp´cifications temporelles sur le r´gime transitoire . . . . . .3 Extension aux syst`mes multivariables . . . . 194 . VII. . . .1 Rappels sur les relations de bouclage . . . e VII. . . . . . . . . 173 . . .2 Etude de la r´ponse indicielle . . . . . . . e V. . . . . . . . . . .3.1. . . . e V. . . . . . . . . . . . . .2 Analyse en stabilit´ des syst`mes boucl´s . . VI. . . . . . . . . . .5. . . . . . . . . . . . . . . .2. . .1 D´finition et propri´t´s . . . . . . e VI. . . . . . . . . .1 Fonctions d’analyse de stabilit´ . .1 Le lieu de Nyquist .5 Fonctions MATLAB . . . . . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . . . . . . . . . . . . . . e VII. . . . . . . . .4. . . VI. . . . . .2. . . . . . . . 149 . . . . . . . . . .1. . e e V. e ee VI.3 Le lieu de Nichols-Black . . . . . e . . . . . . . . . . . . . . . . . . . . . .2. .

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

Sign up to vote on this title
UsefulNot useful