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

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

[6]. [3].2.. 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. 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.800 .250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe. le principe de la commande tout ou rien est pour la e premi`re fois utilis´.300 avant J. : 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.. 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.1200 : diff´rents ing´nieurs Arabes (Al-Jazari. I. [8] [42]. Philon de Byzance (.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.2 – Clepsydre d’H´ron [22] e . distributeurs automatiques de liquides.. BREF ALBUM CHRONOLOGIQUE 7 I.I.). clepsydres. Durant cette p´riode.). [5]. [10]. distributeurs automatiques de vin. Le principe de la chasse d’eau est fond´ sur e e e e e le mˆme principe. [4]. r´gulateurs de e a e flammes. e e . ` Fig. 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. 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. [32].. 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. [7].1 – Clepsydre de Ktesibios [28] Fig. .C. [27].

Henrye e e ` 1771. I. 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. machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle. Entre temps. oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig.1900 : la r´volution industrielle d´bute r´ellement avec l’av`nement des e e e e proc´d´s de commande a contre-r´action.3 – Illustration extraite du livre : ”Automata” (1315) [1] . I. l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s. e ` l’Athenor.R´gulation de temp´rature (Drebbel-1624.4 – Sch´ma de l’incubateur Athenor e .1600 . e a e . En effet. 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. Bonnemain-1777) : Cornelius Drebbel.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. e e Henry propose de l’utiliser pour les fours chimiques en 1771. R´aumur-1754. fours. Becher-1680. 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. e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W.

le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur.R´gulation de niveaux (Salmon-1746.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. Fig.6 – Principe de la machine ` vapeur de Polzunov [35] a . Brindley-1758. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig. En particulier. 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. Crapper 1775.2. invention pour laquelle il est anobli par la reine Victoria. En Sib´rie. En 1745.R´gulation des moulins a vent : le flux de grain dans un moulin est r´gul´ e ` e e suivant la vitesse de rotation de la meule en 1588 (par le mill-hoper). a . I. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. (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. la chasse d’eau est mise au point par le londonien Crapper en 1775. I. Wood-1784). A la fin de ce si`cle. BREF ALBUM CHRONOLOGIQUE 9 .I. Lee invente une petite roue a vent (fantail) mont´e perpendiculairement ` l’axe ` e a de rotation afin d’orienter la voilure des moulins dans le sens du vent. Polzunove 1765.

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

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

A cette ´poque.11 – Manuscrit de Harold Stephen Black sur un exemplaire du New York times (AT & T Archives) Harry Nyquist reprend les m´thodes de repr´sentation dans le plan complexe e e (principe de l’argument) d’Augustin Cauchy pour donner une solution graphique au probl`me de stabilit´ des circuits. seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques. 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. I. e e a . On assiste alors a une math´matisation e e ` e des la th´orie de la r´gulation avec le premier trait´ th´orique sur les sere e e e vom´canismes ´crit par Harold H´zen.12 INTRODUCTION A LA THEORIE DE LA COMMANDE ` au d´but du XX eme les r´gulations de position a base de PID (Proportione e ` nel Int´grale D´riv´e) pour la commande des bateaux. a e Fig.

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

Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”. N. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu.43 rad/sec) . Fig. Wiener et J. N.7 deg (at 1.D´veloppement de l’analyse stochastique (Kolmogorov-1941).9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0.25 dB 0.5 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. . (Wiener et Bigelowe 1942) : A.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.3 dB (at 1. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu. I.N. Pm = −44. I. Shannon qui publie en 1948 ”The mathematical theory of communication”.14 – Lieu de Bode Fig. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. .14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61. I.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT.15 – Abaque de Black-Nichols .

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

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

e e Fig.1980-? : l’introduction des capacit´s de calcul ´tendues et l’extension des logiciels e e de simulation et d’assistance ` la conception s’est traduite par la r´unification des a e th´ories classique et moderne et par l’´mergence du probl`me sp´cifique de la come e e e mande robuste. (Doyle-1981). (Safonov-1981) e .2. (Jury-1960). BREF ALBUM CHRONOLOGIQUE 17 la dualit´ existante entre les probl`mes de filtrage et de commande et d´rive e e e les ´quations du filtre de Kalman. Shannon dans les ann´es 50. I. (Safonov-1982) e e e . 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. Zadeh qui suivent les jalons pos´s par C.Th´orie de la valeur singuli`re structur´e (Doyle-1982).22 – Microprocesseur .I.R. G.Th´orie de la commande H∞ (Zames-1971). . (Ragazzini et Zadehe e 1952).Intel 4004 [34] . Ragazzini. 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.21 – Livre de Lev Pontryagin . I. Franke e e e e lin et L. e Fig. (Kuo-1963).Commande ´chantillonn´e (Shannon-1950). (Astr¨m-1970) : le d´veloppement o e des calculateurs dans les ann´es 50-60 permet leur utilisation a double titre e ` en Automatique. (Ragazzini et Franklin-1958).

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

La mod´lisation. aggr´gation d’´l´ments interconnect´s. Le syst`me complet ou un des ´l´ments le composant est g´n´ralement repr´sent´ e ee e e e e sch´matiquement par un sch´ma fonctionnel consistant en un rectangle auquel les sie e gnaux d’entr´e repr´sent´s par des fl`ches entrantes sont appliqu´s. est constitu´ naturellement ou e e ee e e artificiellement afin d’accomplir une tˆche pr´d´finie. I.identification des variables pertinentes pour la caract´risation de chaque ´l´ment e ee constituant le syst`me. les entr´es du syst`me. d(t) e(t) Système s(t) Fig. 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. L’action des entr´es e e e e e e produit de mani`re causale des effets mesur´s par les signaux de sortie repr´sent´s par e e e e des fl`ches sortantes. e . THEORIE DES SYSTEMES ET THEORIE DE LA COMMANDE 19 I. Son ´tat est affect´ par une ou plua e e e e sieurs variables. e .25 – Commandes e(t) et perturbations d(t) Chaque ´l´ment constitutif de l’ensemble syst`me peut ˆtre caract´ris´ par un nombre ee e e e e fini de variables et l’interd´pendance des variables caract´risant chaque ´l´ment peut ˆtre e e ee e exprim´e sous la forme d’une loi math´matique.´ ` ´ I. e(t) Système s(t) Fig. Les autres entr´es troublent le fonctionnement d´sir´ et sont d´finies comme e e e e des perturbations. ce sont les e e commandes.24 – Sch´ma fonctionnel e Les entr´es affectant un syst`me peuvent ˆtre de nature diff´rente. ind´pendamment de sa nature physique. Notons ainsi que la notion de syst`me est indissociable de celle de e e signal. 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. c’est ` dire e e e a la combinaison des lois math´matiques pr´c´dentes. 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.3. Les unes ont pour e e e e but d’exercer des actions entrainant le fonctionnement souhait´ du syst`me.3.3 I. ´tape pr´liminaire de l’analyse d’un syst`me e e e e e e quelconque. de sa composition et de son degr´ e e de complexit´ comporte donc les ´tapes suivantes : e e .caract´risation des relations entre ces variables.

aucune pr´cision n’a ´t´ donn´e sur le type de mod`le math´matique utilis´ e ee e e e e dans le processus de mod´lisation. e e Classification des syst`mes e Jusqu’ici.26 donne un aper¸u sommaire d’une classie a e e c fication des mod`les math´matiques associ´s ` diff´rents types de syst`mes.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. I.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. La figure I. 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. 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. e e . Traitant e e uniquement dans ce cours des syst`mes dynamiques. .20 INTRODUCTION A LA THEORIE DE LA COMMANDE .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. 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. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours. En gras. e e a .formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig. 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. Cela signifie qu’en th´orie des syst`mes.

les syst`mes lin´aires v´rifient le principe de e e e superposition et le principe d’homog´n´it´. 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. 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.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´. En effet. les performances.3.3. e e e Toutefois. L’ensemble des m´thodes permettant l’analyse du comportement d’un e syst`me donn´ et la synth`se d’un syst`me de commande satisfaisant des sp´cifications e e e e e de performance pr´cises d´finit la th´orie de la commande. branche de la th´orie des syst`mes. la sortie est e e e e e e donn´e par αs(t). zone e ıtre e e e e morte. 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 La th´orie de la commande. au sens large. Un processus de lin´arisation est alors n´cessaire. e e e I. ph´nom`nes e e e e e e ´lectrostatiques) ou font apparaˆ des ph´nom`nes non lin´aires (hyst´resis. frottement sec). e e e e D’un point de vue purement technique. 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). e Contre-exemple I. la plue e e part des syst`mes physiques sont en r´alit´ non lin´aires (bras de robot. On parle alors de syst`mes lin´aires.2 Th´orie de la commande e Le processus pr´liminaire de mod´lisation achev´. 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 . 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. e e e e Ainsi l’hypoth`se de lin´arit´ va permettre l’utilisation d’outils (analytiques. grae e e phiques) tr`s simples et puissants tels que les transform´es de Laplace et de Fourier. e e e e e e Si elle n’est strictement que rarement v´rifi´e en pratique. Il conviendra donc de toujours justifier en pratique l’hypoth`se de e lin´arit´ et d’identifier son domaine de validit´.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. seuil. l’hypoth`se de lin´arit´ est valide dans un domaine pr´cis et ne tient pas e e e e compte d’un certain nombre de ph´nom`nes purement non lin´aires. e e le calcul op´rationnel ou le th´or`me de convolution.

1 (machine ` laver) a L’exemple typique de ce type de structure est constitu´ par la machine a laver fonce ` tionnant sur la base de cycles pr´-programm´s ne poss´dant pas d’informations mesur´es e e e e concernant le degr´ de propret´ du linge. e Commande en boucle ouverte En l’absence d’entr´es perturbatrices et en supposant que le mod`le math´matique e e e du syst`me est parfait. e e 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). les signaux de sortie ne seront pas ceux souhait´s.3. Cela constitue le principe de la commande en boucle ouverte. Exemple I. l’industrie chimique. I.22 INTRODUCTION A LA THEORIE DE LA COMMANDE oeuvre sur des syst`mes technologiques r´els. e ee e e e Quelle que soit la nature du syst`me ` commander. e Les signaux d’entr´e e(t) ne sont pas influenc´s par la connaissance des signaux de sortie e e s(t). Empruntant ses outils et ses bases th´oriques e e e aux math´matiques. e e Ainsi. le spatial. 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 ferm´e e L’introduction d’un retour d’information sur les sorties mesur´es s’av`re alors n´cessaire. il est toujours possible de classer les e a diff´rentes structures de commande en deux grandes familles. le g´nie ´lectrique. il est imaginable de g´n´rer un signal de commande produisant le e e e signal de sortie souhait´.27 – Commande en boucle ouverte Cette solution est envisageable dans le cas o` le syst`me est parfaitement connu et u e mod´lis´ et dans le cas o` l’obtention d’une mesure de la sortie n’est pas ´conomiquement e e u e possible. un lien doit ˆtre cr´´ e e ee entre la r´alit´ et la th´orie math´matique. Les structures de commande e en boucle ouverte et les structures de commande a contre-r´action appel´es ´galement ` e e e structures de commande en boucle ferm´e. e(t) Loi de commande c(t) Actionneur Système s(t) Entrée de consigne Signal de commande Sortie réelle Fig. afin de mettre en pratique la th´orie de la commande. Le processus de d´veloppement d’un mod`le e e e e e e math´matique constitue ce lien. 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... si le syst`me ` commander n’est pas parfaitement connu ou si des perture a bations l’affectent. e e l’automobile. On parle alors de a e .

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

29.4. incubateur.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.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture.. contre-r´action.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. 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. A partir de l’information de position restitu´e par un capteur au correcteur.29 – R´gulation de temp´rature e e I. 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. . Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I.2 Contrˆle de la tˆte d’un disque dur o e Afin d’acc´der ` des donn´es enregistr´es sur un disque num´rique tournant. I.). e . 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. etc.. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T . Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig.

I.´viter les d´gats solaires ou atmosph´riques sur des composants sensibles e e e . Un autre type de sp´cification e e e e . connaissant le mod`le dynamique du satellite. I.3 Contrˆle d’attitude d’un satellite o Il s’agit. Les objectifs peuvent ˆtre : e . e Fig. panneaux solaires ou des instruments de mesure .contrˆler la dissipation de chaleur o .orienter les moteurs pour les manoeuvres orbitales Un exemple classique est celui du satellite ayant pour charge un ´quipement sciene tifique de mesure n´cessitant un pointage pr´cis sur un objectif donn´ et ceci dans un e e e environnement pour le moins perturb´.courtesy IBM I.pointer dans la bonne direction les antennes.EXEMPLES DE SYSTEMES DE COMMANDE 25 Fig.4.30 – Disque dur . Il doit donc ˆtre isol´ des vibrations et des bruits e e e ´lectriques du corps du satellite.31 – Contrˆle d’attitude IRIS [24] o Des objectifs de commande en termes de vitesses de rotation du satellite sur luimˆme et/ou en termes d’attitude peuvent ainsi ˆtre d´finis. de commander son orientation e (son attitude) dans l’espace.

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. . Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I. il se produira n´cessairement e e une certaine d´rive en altitude du fait des erreurs de mesure de cette vitesse de e mont´e. e e e . I.32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res. Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices.Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR. Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me. e I.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. la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment. Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis. 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.4.26 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´. 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.32 – Param`tres longitudinaux e . gravitationnelles et a´rodynamiques.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. 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. e −Z M T −X θ ε xA zA mg δe Fig.

Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3. En Automatique. le mod`le math´matique d’un syst`me e e e e dynamique est d´fini comme un ensemble d’´quations qui repr´sentent le comportement e e e dynamique du syst`me avec la pr´cision souhait´e. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires. Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires. Quelle que soit la nature physique du syst`me ` ´tudier. Le mod`le e e ee e math´matique id´al est obtenu en ´crivant les lois physiques r´gissant le comportement e e e e du syst`me.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. e e e 1. 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 2.1 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. 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.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 . non lin´aires.Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II. Un certain nombre d’hypoth`ses de travail sont ainsi e e e formul´es d´finissant la classe des mod`les utilis´s. ` 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.

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

Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. EXEMPLES CARACTERISTIQUES 29 II. y. il produit ´galement des travaux en optique (Ad Vitellionem paralipomena.2. En dehors de ses travaux d’astronome proprement a dit. Ils seront repris de mani`re r´currente dans e e e e e la suite de ce document afin d’illustrer au mieux les notions d’Automatique d´velopp´es. e ` e e Biographie 1 (J. 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.´ II. il propose les deux premi`res lois (de Kepler) dans Astronomia e Nova en 1609 : les orbites des plan`tes autour du soleil sont des ellipses dont un des foyers e est le soleil et parcourues suivant la loi des aires. 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. jI .2. 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 est mort le 15 Novembre 1630 a Regensburg. Il publie le premier mod`le math´matique cosmologique e e e dans Mysterium cosmographicum en 1596 et l’envoie a l’astronome Tycho Brahe qui ` l’embauche a Prague comme math´maticien assistant. . z). 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. kI ). Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s. e e II. Nous e e e nous int´ressons au mod`le math´matique du mouvement d’orientation du satellite qui e e e peut ˆtre obtenu a l’aide des ´quations de la cin´matique et de la dynamique. Il est d’ailleurs excome a muni´ en 1612.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. 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. 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. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI .2 Exemples caract´ristiques e Dans cette section. quie bus astronomiae pars optica traditur en 1604. Ses conceptions peu orthodoxes en mati`re e e de religion lui font abandonner son projet d’ordination pour une position d’enseignant en math´matiques ` Graz.3. ` 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.

30 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES dm r z o x y B rI ro I oI Fig. la loi de Newton peut se r´´crire : e e e ee M|B = dH + ωm ∧ H|B dt |B (II.4) . VB u la vitesse de dm dans le r´f´rentiel B et ωm la vitesse angulaire inertielle du satellite. 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. d’apr`s le th´or`me de Coriolis. on obtient : H = Iωm o` I est la matrice d’inertie du satellite : u   Ixx −Ixy −Ixz I =  −Ixy Iyy −Iyz  −Ixz −Iyz Izz D’autre part.1 – R´f´rentiels inertiel et en mouvement ee e On note en suivant la figure II. II.1 que rI = rO + r et par application de la r`gle de d´rivation dans deux r´f´rentiels diff´rents.3) (II.1) Par application de la loi de Newton pour le mouvement en rotation du satellite : M= dH dt |I (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.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. 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. Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes. La matrice de rotation peut alors ˆtre engendr´e par trois rotations e e ´l´mentaires d´finies par les matrices Tψ .5) ` Hypotheses II. uy . Tθ ee e     cos ψ − sin ψ 0 cos θ 0 sin θ 0 1 0  Tψ =  sin ψ cos ψ 0  Tθ =  0 0 1 − sin θ 0 cos θ (II.EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler). e ee (II.6) . l’angle de nutation et φ l’angle e e de rotation propre.1 Les axes sont les axes principaux d’inertie : Hx = Ixx ωx Hy = Iyy ωy Hz = Izz ωzz Dans ce cas les ´quations de la dynamique du satellite sont : e Ixx ωx = (Iyy − Izz )ωy ωz + ux + Tx ˙ Iyy ωy = (Izz − Ixx )ωx ωz + uy + Ty ˙ Izz ωz = (Ixx − Iyy )ωx ωy + uz + Tz ˙ o` (ux . (Tx . uz ) forment le vecteur moment de commande.2). Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite. Deux syst`mes de coordonn´es avec une e ee e e origine commune sont li´s par ces trois angles en suivant une s´quence de trois rotations e e (cf.7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (II. l’angle de pr´cession θ. Tφ . figure II. Les angles d’Euler sont not´s ψ. Ty . On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel. e Les ´quations d’Euler d´crivent la rotation du satellite mais ne d´crivent pas son e e e orientation par rapport au r´f´rentiel inertiel. on e ee obtient les ´quations d’Euler : e ˙ Mx = Hx + ωy Hz − ωz Hy ˙ My = Hy + ωz Hx − ωx Hz ˙ Mz = Hz + ωx Hy − ωy Hx o` le vecteur de vitesse angulaire ωm = u ωx ωy ωz est exprim´ dans le r´f´rentiel B.

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

10) 1 (p2 − pe )1/2 x w2 = R2 . la r´solution du probl`me aux trois corps. les passages d’huile sont ferm´s et aucun mouvement n’en e r´sulte. π. il contribue ´galement e e e e en m´canique (Mechanica en 1736 et Theoria motus corporum solidorum en 1765) e et en hydrostatique. de Berlin puis de noua e veau de Saint Petersbourg. a w1 = 1 (ps − p1 )1/2 x R1 (II. largement utilis´s afin de mouvoir les surfaces de contrˆle a´rodynamiques. ` II. Ses contributions aux diff´rents champs des e math´matiques sont innombrables. Il est mort le 18 Septembre 1783 a Saint Petersbourg d’une attaque. l’huile suit le trajet inverse entrainant le piston vers la gauche. o e e e e Son professeur de math´matiques Johann Bernoulli convaint son e p`re de son avenir de math´maticien. l’huile suit le trajet repr´sent´ sur la figure.2 Servom´canisme hydraulique e Les actionneurs hydrauliques sont couramment utilis´s dans les asservissements induse triels du fait qu’ils peuvent fournir de grandes forces avec de faibles inerties et poids.EXEMPLES CARACTERISTIQUES 33 Biographie 2 (L. i et Σ).2. Quand la soupape e e e pilote est en position x = 0. son travail sur e e la th´orie des nombres (´tude de nombreuses conjectures de Fermat. Outre les travaux math´matiques. son travail sur les s´ries infinies (probl`me de Basel. Il est successivement math´maticien e e e ` l’acad´mie des sciences de Saint Petersbourg. la preuve que e e est irrationnel. Institutiones calculi differentialis en 1755 et Institutiones calculi integralis en 1770) l’invention du calcul des variations (Methodus inveniendi lineas curvas en 1740). e. Euler) Leonhard Euler est n´ le 15 Avril 1707 a Basel en Suisse d’un p`re pasteur calviniste.Il e ` e est diplˆm´ de l’universit´ de Basel en 1724 en th´ologie et h´breux. for¸ant le piston vers e e e c la droite alors que pour x < 0. la standardisae tion des notations math´matiques (f (x). constante d’Euler. e o e Exemple : servo hydraulique 1 Un exemple de servom´canisme hydraulique est pr´sent´ figure II. Ils sont en particulier. preuve du dernier e e th´or`me de Fermat pour n = 3). Citons entre autres. e e formule d’Euler-MacLaurin). Pour x > 0. On suppose que le d´bit ` travers l’orifice de la soupape pilote est proportionnel e a ` x. la fondation de l’analyse math´matique (Introductio in analysin infinie torum en 1748.3.

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

e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 . ˙ ¨ e e p1 = p2 = ps + pe 2 (II.16) Exemple : servo hydraulique 2 L’actionneur hydraulique est g´n´ralement con¸u de mani`re sym´trique de sorte que e e c e e e a e R1 = R2 et donc ps − p1 = p2 − pe .3. xn ) (II.18) (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.17) En supposant que sin θ ∼ θ pour θ petit.´ ` II. on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II. x20 . · · · . e e e a e . ` e Il est donc tr`s important de pouvoir disposer de mod`les math´matiques lin´aires suffie e e e samment repr´sentatifs du syst`me physique r´el afin d’y appliquer les nombreux outils e e e d’analyse existant et fournissant des informations essentielles sur le syst`me non lin´aire.15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement. e e . · · · . 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. · · · . Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le. x2 . x20 .Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire.19) qui est une ´quation d’´tat du mˆme type que pr´c´demment.3 Approximation lin´aire des syst`mes physiques e e Le mod`le math´matique des syst`mes physiques pr´sent´s dans la section pr´c´dente e e e e e e e expriment des lois non lin´aires en les variables pertinentes. APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II. xn0 ) est e e donn´ par : e y = g(x10 . xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II.Si y = a et F = 0. √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x. e e e e e .

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.24) (II. les approximations pr´c´dentes restent valides. ωy0 . 0. ωy . 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. La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 .20) (ωx0 . φ0 ) = (Ωt. Il est alors possible de supposer que ωx .21) . 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´.23) (II. 0) (II. θ et φ sont petits. 0. on obtient : e e sin φ cos φ ˙ + ωz ψ = ωy cos θ cos θ ˙ θ = ωy cos φ − ωz sin φ ˙ φ = ωx + ωy tan θ sin φ + ωz tan θ cos φ En consid´rant que ψ − Ωt. ` e e e e ωz − Ω sont faibles. θ0 .22) (II.8).36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible. ωz0 ) = (0. Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant.

4. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal. il publie Lectures on Quaternions en 1853 puis Elements of Quaternions dont le dernier chapˆtre reste inachev´.1 (formulation Hamiltonnienne de la loi de Newton) Selon la loi de Newton. Il publie On General Method in Dynamics en 1834 et est anobli en 1835. 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. on obtient les ´quations de Hamilton d´crivant le syst`me : e e e e p d q = m dt p F (t) Si les conditions initiales q(t0 ) p(t0 ) = x(0) mx(0) ˙ . il sait le Latin. Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans. le Grec et l’H´breu. La repr´sentation d’´tat. la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du syst`me. e Biographie 3 (Sir W. 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. de Newton et de Laplace. Etant donn´ l’´tat d’un syst`me ` un instant donn´.4 II.4. LE MODELE INTERNE .` ´ ´ II.R. e Poincar´). il soumet son premier article e e e ` la Royal Irish Academy en 1824. Polaris) aux d´buts e e e des ann´es 60. Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton. 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). Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie. Kalman et par les e ee e e ing´nieurs travaillant sur les premi`res applications spatiales (Apollo. A 5 ans. Il publie ` a en 1832 son troisi`me suppl´ment ` son livre Theory of Systems e e a of Rays. 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.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 Exemple II.LA REPRESENTATION D’ETAT 37 II. Apr`s ˆtre entr´ au Trinity College. Le e e e e e e concept d’´tat a ´t´ introduit de mani`re syst´matique par R.4.1 Le mod`le 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.

l’´tat initial d’un syst`me doit constituer sa e e e e e m´moire. Les variables d’´tat seront donc e e a e les solutions d’´quations diff´rentielles du premier ordre. · · · . On consid`re donc le e e e syst`me dynamique multivariable de la figure (II.4. 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 .4.1 (Vecteur d’´tat) e x(t) est un vecteur d’´tat pour le syst`me Σ si c’est un vecteur contenant le nombre e e minimal de variables n´cessaires ` la v´rification de la propri´t´ suivante : e a e ee e e e Si. L’´tat 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. on trouve toutes les fonctions e e ee r´sultant d’une int´gration.38 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES sont connues. e Le vecteur d’´tat x(t) appartient a un espace vectoriel E. L’´volution du syst`me peut ˆtre repr´sent´e au moyen des trajectoires d’´tat. 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. U Vecteur d’entrée X Vecteur d’état dimension n Y Vecteur de sortie dimension m dimension r Fig. x(t0 ) est connu alors y(t1 ) et x(t1 ) peuvent ˆtre d´termin´s a de mani`re unique pour tout t1 ≥ t0 si u(t) est connue sur l’intervalle [t0 . e e e e e x(t) = [x1 (t). ` chaque instant t0 . e e II. e e Comme l’exemple pr´c´dent l’a montr´. d´fini comme l’espace e ` e d’´tat. xn (t)] . II. ´ Definition II. e e e .4 – Syst`me dynamique multivariable e En g´n´ral. le comportement du syst`me ` n’importe quel instant sera connu.4) ayant pour entr´es les composantes e e du vecteur u(t) ∈ Rm et pour sorties les composantes du vecteur y(t) ∈ Rr .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. Le vecteur e a q des variables constitue un ensemble de variables n´cesssaire et suffisant pour assurer e p la description compl`te du comportement dynamique du syst`me. e e e e e e e lieu dans l’espace d’´tat E du point de coordonn´es x(t) dans le rep`re choisi. t1 ]. Parmi les fonctions poss´dant cette propri´t´.

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

u(t) ∈ Rm est le vecteur de commande.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).40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2. y(t) ∈ Rr est u le vecteur de sortie.5 1 0.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II. II.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II. u(t). Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me.7).5 dx/dt 0 −0.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig. continue par rapport a u et continue par morceaux par rapport a t.4.5 −1 −1.27) . e e e e e Exemple II.4. e ´ Definition II. u(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.26) y(t) = h(x(t).5 −2 −2.4. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x. En ´crivant les lois de Kirchoff (noeuds e e et mailles). t) ´quation dynamique ˙ e (II.5 2 1.

LE MODELE INTERNE .30) (II.28) dx2 1 R (t) = x1 (t) − x2 (t) dt L L Si l’on suppose de plus que l’on mesure la tension aux bornes de la r´sistance. En posant e e e x1 = v et x2 = v.7 – Syst`me ´lectrique e e En choisissant comme variables d’´tat la tension aux bornes de la capacit´ et le courant e e e e dans l’inductance. il est e e encore possible de donner une repr´sentation d’´tat non lin´aire. [x1 (0) x2 (0)]. 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.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II. e e e 1 1 dx1 (t) = − x2 (t) + u(t) dt C C dx2 1 1 (t) = x1 (t) − R(x2 (t)) dt L L y(t) = R(x2 (t)) Exemple II. ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire. soit [x1 x2 ] = [vC iL ] .29) A partir de la donn´e des conditions initiales du circuit.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II.6 pour diff´rentes e e e a e x1 (0) conditions initiales . x2 (0) . 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. vR = R(iL (t)).4.31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II.25). il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0. II.

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

(π. u0 (t). Cela e e e signifie que pour tout t0 ≤ t ≤ tf . u0 (t).LE MODELE INTERNE . 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). 0).4. u0 (t). θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0. t) + Jx (x0 (t). x0 (t)) que tr`s faiblement. t) x(t) + Ju (x0 (t). x(t)) ne diff`rent de (u0 (t). on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (t). les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ. (u (t). u0 (t). Il est donc possible de d´finir les faibles perturbations u(t) et x(t) telles que : e ˜ ˜ ˜ u(t) = u0 (t) + u(t) x(t0 ) = x0 (t0 ) + x(t0 ) ˜ x(t) = x0 (t) + x(t) ˜ t0 ≤ t ≤ tf t0 ≤ t ≤ tf En ´crivant le d´veloppement en s´ries de Taylor au premier ordre de la fonction f e e e autour du point nominal. t)˜(t) + Ju (x0 (t).LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales. la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0.5 θ l 11 00 11 00 11 00 11 00 m .35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. t) u(t) ˜ A(t) B(t) (II.5 (´quation d’un pendule non contrˆl´) e oe ˙ . on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). Pour k/m = 1/2 g/l = 1. u0 (t).

on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t.4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e). 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.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy . t0 )x0 ∀t ≥ t0 (II.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie.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 . e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes. on obtient la e repr´sentation d’´tat lin´aris´e pour des perturbations nulles : e e e e     0 0 0 1 0 0 0 0 0  0  0 0 0 1 0  0  0 0      0   0 0 0 0 0 1  0 0   2  u(t)  x(t) =  ˙ x(t) +  Ω Ix 0 0 0 Ω(Ix + 1) 0  1/Ixx 0 0       0  0 0 0  0  −Ω2 Iy 0 Ω(Iy − 1) 1/Iyy 0 0 0 0 0 0 0 0 1/Izz (II.5 A2 = 0 1 1 −0. il est n´cessaire de d´finir la matrice e e u e e e de transition d’´tat qui intervient dans la solution de l’´quation d’´tat. 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.38) Dans le cas g´n´ral o` le mod`le est temps-variant.40) .44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre.4. e e e ´ Definition II.

t0 ) = Φ(t2 . e e e e e elle est donn´e par : e t x(t) = t0 Φ(t. De mˆme. t1 )Φ(t1 . t0 ) = A(t)Φ(t.42) A partir de la donn´e de la matrice de transition. la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique. τ )B(τ )u(τ )dτ t0 (II. t0 ) Φ(t0 . Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. (LTI). t0 )x0 + C(t) t0 Φ(t.1 . t0 ∀ t ≥ t0 45 (II.LE MODELE INTERNE .4.Φ(t. seuls les syst`mes lin´aires temps-invariants.45) Dans la suite. e ee ´ ´ Proprietes II. t0 ) = Φ(t0 .Φ−1 (t.5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes. t0 ) est inversible pour tout t et tout t0 . Pour les e e e e syst`mes LTI. t) ∀ t.43) x(t) = Φ(t. τ )B(τ )u(τ )dτ + D(t)u(t) (II.4.4.Φ(t2 . t0 )x0 + et la sortie s’´crit alors : e Φ(t.6 (r´ponse forc´e) e e La r´ponse forc´e d’un syst`me est la r´ponse du syst`me au seul signal d’entr´e et pour e e e e e e des conditions initiales nulles. ´ Definition II. τ )B(τ )u(τ )dτ (II.40). la matrice de transition peut ˆtre calcul´e de mani`re explicite par les e e e e m´thodes pr´sent´es dans ce chapˆ e e e ıtre. solution de l’´quation diff´rentielle : u e e ˙ Φ(t. elle est donn´e par l’´quation e e e e e e e (II.1 (r´ponse compl`te) e e La solution de l’´quation dynamique d’´tat : e e x(t) = A(t)x(t) + B(t)u(t) ˙ est donn´e par : e t x(t0 ) = x0 (II. e ´ ` Theoreme II.41) Dans le cas g´n´ral d’un syst`me temps-variant. e ´ Definition II.LA REPRESENTATION D’ETAT o` Φ(t. t0 ) . t0 ) est la matrice de transition.4. seront ´tudi´s e e e e . e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat.44) t y(t) = C(t)Φ(t. 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.

e Exemple II. .0].5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.6 (circuit ´lectrique) e Calcul du mod`le d’´tat.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. L = 1 H et R = 3 Ω.D) a = x1 x2 x1 0 1 x2 -0.4.5 -3 b = x1 x2 u1 0.46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat. ` 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. Script MATLAB 1 >> A=[0 -1/2.4.B=[1/2. >> circuit=ss(A. C.7) pour C = 2 F .4.C. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II. D). ´ Definition II.1 -3]. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II. B. >> C=[0 3].D=0.B. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A.

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

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

5.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.60) Remarques II. . x0 = 0.8 – 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.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. .55) u e e par rapport a Y (p). on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II. U (p) = L[u(t)] et Y (p) = L[y(t)]. e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II.1 . um y1 y2 . Y(p) = G(p)U(p) La notation matricielle peut ˆtre explicit´e ´l´ment par ´l´ment : e e ee ee Yi (p) = gij (p)Uj (p) ` On obtient ainsi pour la ieme sortie : m (II.1 (Matrice de transfert) e e a La matrice G(p) ∈ Cr×m est appel´e matrice de transfert liant l’entr´e U (p) ` la sortie Y (p).55) o` X(p) = L[x(t)]. il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II. yr 49 Système linéaire multivariable Fig. II.59) Yi (p) = j=1 gij (p)Uj (p) (II. u ∈ Rm et y ∈ Rr .La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles. . u u1 u2 . e e . . e e e .LES MODELES EXTERNES o` x ∈ Rn .54). .58) (II.5. En r´solvant les ´quations (II.57) ´ Definition II. il est possible de l’appliquer aux e e e ´quations (II.

d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi . les variables d’´tat e e (x1 . de la capacit´ u e e e calorifique des fluides. e e e e e e e e e e temp´rature TC . II.62) y(t) = x(t) Pour les valeurs num´riques f = 0.01 0 0 0.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur.2 −0.2 0. e on obtient : x(t) = ˙ −0. temp´rature TH .5.50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II.01 m3 /min.21 0. En supposant les flux constants fH = fC = f . TH ) et les temp´ratures d’entr´e comme les commandes. x2 ) = (TC .63) .9.. β = 0.21 x(t) + 0. nous obtenons les ´quations d’´tat : e e   β/VC −(f + β)/VC 0  x(t) + f /VC u(t) x(t) =  ˙ 0 f /VH β/VH −(f + β)VH (II. e Exemple II.C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me.01 x(t) (II. Pour chaque ´tage. d´bit fC ).61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig.2 m3 /min et VH = VC = 1 m3 ..1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi .

21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.01 s + 0. >> echangeur=tf({[0.01*0.01*0.41]).002 --------------------s^2 + 0.2 0..42 s + 0.64) 0.01*0.01)(p + 0.41) p + 0.01 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.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.01 = (p + 0.66) . e e >> den=conv([1 0.LES MODELES EXTERNES En appliquant la formule (II.42 s + 0.. {den den.01].0041 0.[1 0.den den}) Transfer function from input 1 to output..21 −1 51 0.0041 #2: Transfer function from input 2 to output.. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.2 −0.01 0 0 0.42 s + 0..57).01 (II.21] 0. 0..21 0.42 s + 0.0041 0.21]}.002 #1: --------------------s^2 + 0.0021 #1: --------------------s^2 + 0.2 p + 0.0021 --------------------s^2 + 0.2 p + 0.21 −0. 0.0.. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.01.01 s + 0.2 [0.2*0.01 0.

>> satellite=tf({[1 -25] [5 5].25 #1: -------s^2 + 25 -5 s ...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..25 -------s^2 + 25 #2: II. e e >> a=5.52 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ωx ˙ ωy ˙ 0 a −a 0 u1 u2 On obtient donc la matrice d’entr´e : e G(p) = 1 2 + a2 p a(p + 1) p − a2 −a(p + 1) p − a2 (II.2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II. L’´l´ment (i.. {[1 0 25] [1 0 25].5.67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur. s . j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t.5 -------s^2 + 25 #2: Transfer function from input 2 to output. e e e (II.[1 0 25] [1 0 25]}) Transfer function from input 1 to output.69) ´ Definition II..[-5 -5] [1 -25]}.. ` .70) A chaque instant t. 5 s + 5 #1: -------s^2 + 25 s .68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II. g(t) est une matrice de dimensions r × m..

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

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

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

e y(t) = g(t) ∗ u(t) .2 1.mod`le alg´brique G(p) e e .5.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p). ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme.5. ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II. e e e Remarques II.88) ⇔ Y (p) = G(p)U (p) (II.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).5.11 – Syst`me lin´aire e e ´ Definition II. 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 .1 La r´ponse d’un syst`me de fonction de transfert G(p) est donn´e par l’int´grale de convoe e e e lution suivante : t t y(t) = 0 g(τ )u(t − τ )dτ = 0 g(t − τ )u(τ )dτ (II.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle.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.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.87) (II. e G(p) = L[g(t)] 2. e e ´ ` Theoreme II.g(t) et G(p) contiennent la mˆme information. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II.86) .

POLES ET ZEROS D’UN MODELE LTI 57 II.ˆ ´ ` 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.6.89). Pour e e e e n = m.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II. il est dit strictement propre.91) (II. la caract´risation par la fonction de transe a e fert est tr`s simple.90) e e e πp est ´galement d´fini comme le plus petit d´nominateur commun de tous les mineurs possibles non identiquement nuls de G(p). e e ´ Definition II. Ils peuvent ˆtre d´finis ` partir des mod`les de transfert ou a partir des mod`les e e a e ` e d’´tat mˆme si dans le cas multivariable (MIMO). la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO.6. le syst`me est dit propre alors que pour n > m. ` l’inverse. e e e ´ Definition II.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II.6 Pˆles et z´ros d’un mod`le LTI o e e Les pˆles et les z´ros d’un mod`le LTI sont essentiels pour sa caract´risation dynao e e e mique.6.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II. . e e II.6.3 (pˆles) o Les racines du polynˆme caract´ristique sont appel´es les pˆles du syst`me et sont donc o e e o e les valeurs propres de la matrice dynamique.89) 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. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral. e A partir de la d´finition du polynˆme caract´ristique. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI. 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.6. o e ´ Definition II. Si le syst`me est causal alors n ≥ m.

o e e Exemple II.0 1.6.1 1 0].1 Soit le mod`le d’´tat LTI donn´ par e e e  −1  0 A= 0 C= les matrices syst`me : e    0 0 1 0 −1 0  B =  0 1  0 −2 0 1 2 0 3 1 1 0 La matrice de transfert de ce syst`me est donn´e par : e e   3 2   G(p) =  p + 1 p + 2  1 1 p+1 p+1 Le plus petit commun d´nominateur associ´ ` cette matrice de transfert est : e ea πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Script MATLAB 4 >> A=[-1 0 0.58 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 1]. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.1 1}.0 -1 0. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 . >> C=[2 0 3.0 0 -2].B=[1 0.[1 1] [1 1]}).{[1 1] [1 2].

POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2.0. u e e e e ` Hypotheses II. z0 est un z´ro du mod`le LTI ssi la mae e e trice M (z0 ) n’est pas de rang maximum : M (z0 ) = z0 1 − A −B C D (II. de z´ros invariants et de z´ros d´couplants sont ´quivalentes.94) (II. e e e e e a On d´finit pour cela le polynˆme des z´ros.6.0000 + 0.6. Elle est ´troitement li´e ` la repr´sentation (´tat. transfert) choisie. Sous les hypoth`se II.6.0000i -1.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.6.1.90). e Sous ces hypoth`ses.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II.0000 .0000 -1.ˆ ´ ` II.0000i >> Poles=pole(G) Poles = -1 -2 -1 II.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. Ces syst`mes sont e e e e e e dits carr´s. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission. Nous ıtre e e a e e nous contenterons ici de r´sumer les principales caract´risations et nous nous placerons e e dans le cas o` les repr´sentations d’´tat et de transfert sont strictement ´quivalentes et u e e e o` le nombre d’entr´es est ´gal au nombre de sorties (syst`mes carr´s). e e e e ´ Definition II. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.6.89).93) . 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.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.

1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p).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 = 1.6.2 Reprenant l’exemple II.0000 Remarques II.0000 >> Zero=zero(G) Zero = 1.0000 >> [Poles.6. e .1.6.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II. 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.

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

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

Nous donnons maintenant un certain nombre de d´finitions e concernant les syst`mes ` contre-r´action ou syst`mes boucl´s du type de la figure II.16 – Sch´ma fonctionnel e Fonction de transfert en boucle ouverte et en boucle ferm´e e L’exemple pr´c´dent fait apparaˆ un bouclage de la tension de sortie s(t) sur la e e ıtre tension d’entr´e e(t).LES MODELES GRAPHIQUES 1. e a e e e . 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.Trac´ du sch´ma fonctionnel : e e 1 I(p) Cp E(p) + − S(p) E(p) + 1 R I(p) I(p) 1 Cp S(p) − S(p) 1 R I(p) 1 Cp S(p) Fig.Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2.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.17.

7.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.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.4 (syst`me boucl´ ` retour unitaire) e ea Un syst`me boucl´ est dit ` retour unitaire si le transfert de la chaine de retour est ´gal e e a e ` un.7. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II.95) (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.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. 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. II. ´ Definition II. ´ Definition II. E(p) + S(p) − (II. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur.96) ε (p) G(p) S(p) Fig.97) .

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

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

7.2 Le sch´ma fonctionnel II. Dans le cas des syst`mes e e e LTI. e e Ainsi.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. .7.22.LES MODELES GRAPHIQUES 67 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. 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.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II.21 est d´crit dans le domaine temporel.7.21 : e e u(t) . x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig.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. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II. II.

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

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

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

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

e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. . modification des dynamiques propres).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 . Remarques III. . B .Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. e e e x(t) = Ax(t) + Bu(t) ˙ (III. · · · n alors le syst`me est compl`tement ee commandable. e .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.1) e o` A ∈ Rn×n .1 III.1. R.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. · · · .1. B = 0. =n (III.2) . 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 a . III. hongroise. An−1 B . Cette notion joue donc un e rˆle tr`s important dans la th´orie de la synth`se de syst`mes de commande dans o e e e e l’espace d’´tat. Il est membre de l’acad´mie des sciences am´ricaine.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. ´ ` Theoreme III. AB .72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH).1.1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre.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. C est u de rang n. . III. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices. B ∈ Rn×m est commandable ssi la matrice de commandabilit´. 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. rang(C) = rang . fran¸aise e e c et russe. e e ´ Definition III.1 .

Physiquement. e ` (III.1 Soit le syst`me de bacs mod´lis´ par : e e e c2 dh2 h2 = q2 = dt R2 h2 h1 dh1 c1 − +u = q 2 − q1 + u = dt R2 R1 q2 u h2 h1 q1 En choisissant (x1 . e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont.2 (test PBH) La paire (A. e Exemple III. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande.1. B) sera appel´e come e e e mandabilit´ de la paire (A. 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. B). e ´ ` Theoreme III.2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A.1. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque. x2 ) = (h1 .3) . c1 = c2 = 1. e rang(C) = rang B AB = rang 0 1/Izz 1/Izz 0 =2 Un crit`re de commandabilit´ ´quivalent au crit`re de Kalman quoique moins facile a e ee e ` manipuler est le crit`re PBH (Popov-Belevitch-Hautus). h2 ) et R1 = R2 = 1. on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer. B) est commandable ssi la matrice complexe n × (n + m) : λ1 − A B est de rang ´gal a n pour toute valeur propre λ de A.NOTION D’OBSERVABILITE 73 Remarques III.1.

1 Soit le syst`me mod´lis´ par : e e e x1 (t) ˙ x2 (t) ˙ y(t) = = 1 1 −2 −1 x1 (t) x2 (t) x1 (t) x2 (t) + 1 0 u(t) 1 0 .2 III.2. Remarques III.4) e o` A ∈ Rn×n .5)  = n   . e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. · · · . . 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. ´ ` Theoreme III. n alors le syst`me est compl`tement ee observable.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 ∈ Rr×n est observable ssi la matrice d’observabilit´.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 ]. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III. u   C  · · ·     CA     · · ·  rang(O) = rang  (III. C). C) sera appel´e observabilit´ e e e e e de la paire (A. O est de rang n.   .2.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure.    · · ·  CAn−1 Remarques III.1 Clairement. e III.2.1 Notion d’observabilit´ e D´finition e Une caract´ristique structurelle compl´mentaire (duale) de la commandabilit´ peut e e e ´galement ˆtre d´finie.2.2.2. Exemple III. Elle correspond ` la capacit´ pour un syst`me ` connaˆ l’histoe e e a e e a ıtre rique d’un ´tat interne ` partir de la seule connaissance de variables de sortie mesur´es. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie.74 COMMANDABILITE ET OBSERVABILITE III. e a e ´ Definition III.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A.

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

1 Relations entre mod`les internes et externes e Les formes canoniques d’´tat e On a d´j` vu que le choix du vecteur d’´tat n’est pas unique pour un syst`me donn´. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat.3 III. 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.3. La nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III. . ea e e e Ainsi. Il rentre a l’´cole Polytechnique en e ` e 1855. Il e e e meurt le 22 janvier 1922 a Paris apr`s avoir perdu 3 de ses fils pendant la guerre 14-18.8) 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. e Ces formes particuli`res sont appel´es les formes canoniques. les ´quations diff´rentielles et e e e la m´canique. En 1885.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse. ` e . On distingue trois e e grands types de formes canoniques : . 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.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. . e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887. 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. il devient ´diteur du Journal de math´matiques pures et appliqu´es. Cette op´ration est une transformation de similarit´.46) a la repr´sentation e e e ` e d’´tat (III. Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles. Il 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. En 1861. 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. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite.La forme compagne d’observation.La forme compagne de commande.La forme diagonale ou quasi-diagonale de Jordan.8).

Jili ) o` Jik est un bloc de Jordan de taille inf´rieure ` mi . il est possible u d’effectuer un changement de base la diagonalisant.3. Jk ) La partition de P est identique ` celle de J. 1. pi ) 2. · · · .  . . pn ) o` Aei = pi ei ∀ i = 1. une seule convenant. p2 . 0    . . on d´finit un bloc diagonal Ji de dimension mi × mi form´ comme : Ji = diag(Ji1 .1 Si la matrice A ∈ Rn×n a n valeurs propres distinctes p1 .  .  . on d´finit un bloc de Jordan de e  pi 1   0 pi  Ji =  . pn alors la matrice de passage compos´e en colonnes des vecteurs propres associ´s.RELATIONS ENTRE MODELES INTERNES ET EXTERNES La forme diagonale ou quasi-diagonale de Jordan 77 Dans le cas o` la matrice A ∈ Rn×n a n valeurs propres distinctes. e e e Il est alors possible de d´terminer une matrice de passage inversible P = [P1 P2 · · · Pk ] e telle que : P −1 AP = J = diag(J1 . .10) e e 3. · · · . Il existe alors plusieurs possiu e a bilit´s qui doivent ˆtre test´es..  . p2 . .. a .  . 1  · · · 0 pi (III. Soit qi la multiplicit´ g´om´trique associ´e ` chaque valeur propre. ´ ` Theoreme III. J2 . k de multiplicit´ alg´brique respective mi .Si 1 < qi < mi .. Ji2 . ... · · · . n. on d´finit un bloc diagonal Ji de dimension mi × mi et une matrice e Pi ∈ Rn×mi : Ji = diag(pi . 1  .3.Si qi = 1. · · · . · · · . 0 ··· Pi = [e1 · · · eqi ] i i dimension mi × mi  0 ··· 0 .2 e e Soit A ∈ Rn×n ayant k valeurs propres distinctes pi .Si qi = mi . 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.. i = 1. · · · . · · · . ´ ` Theoreme III. u Dans le cas o` une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation u est plus complexe. P = [e1 e2 · · · en ] est telle e e que : ˜ P −1 AP = A = diag(p1 . .

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

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

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

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. 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.3. F (p) = Exemple III. la m´thode consiste a isoler la transmission directe en effectuant la e ` division euclidienne du num´rateur par le d´nominateur et de traiter le restant comme e e ci-dessus.21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de. la Izz p2 D’autre part.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 .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.22) = 4+ = 4+ . la forme canonique d’observabilit´.20) 1/Izz 0 En ce qui concerne. du fait que le polynˆme caract´ristique associ´ est Psat.

732 b = x1 x2 x3 u1 4 4.25 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].2679 0 x3 0 0 -3.[1 4 1 0]) Transfer function: 4 s^3 + 8 s^2 + 2 s + 1 ----------------------s^3 + 4 s^2 + s >> ex_332=canon(H.899 4.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.626 d = .899 c = y1 x1 0.2115 x3 -1.

2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 83 y1 u1 4 III. e e Exemple III.3.6. ´ Definition III.Non observable et non commandable : A3 = −1 0 0 −2 B3 = 0 1 C3 = 0 1 .3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m .Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 .23) e La r´alisation (A. B.3. B. D) telle que : e G(p) = C(p1 − A)−1 B + D (III.Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] . C.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.Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 .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. toute repr´sentation e e d’´tat LTI (A.3. e e e . 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. D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible. C.

e e e ee ´ ` Theoreme III.4 Soit le syst`me compos´ structur´ comme indiqu´ figure III. D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable.4 . III.3.3.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.1 – Syst`me structur´ e e .1.3 Une r´alisation d’´tat (A.3. Enfin. e e ´ ` Theoreme III. B.La fonction de transfert du syst`me global est d’ordre 1 avec un pˆle −2 et un z´ro e o e 1. e . ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) . Dans ce cas. on utilise la notation : G(p) : = A B C D Les diff´rentes mod´lisations utilis´es pour un mˆme syst`me ne conduisent pas ` des e e e e e a mod`les poss´dant les mˆmes propri´t´s structurelles. e Exemple III. Y (p) p−1 = U (p) p+2 .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 ee e e e il est clair que la r´alisation 4 est minimale alors que les trois premi`res ne le sont pas. C.L’´quation diff´rentielle entr´e-sortie se d´duit ` partir des ´quations diff´rentielles e e e e a e e suivantes.84 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES L’exemple pr´c´dent montre clairement d’une part que les repr´sentations d’´tat pr´c´dentes e e e e e e ne sont pas ´quivalentes et d’autre part que la simplification entre pˆle et z´ro est direce o e tement reli´e aux propri´t´s d’observabilit´ et de commandabilit´ de la r´alisation. e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig.

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

86

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

1 1 . . . 1

    u(t) 

(III.27)

α1 α1 · · · αn

x(t)

(p − pi )

=
i=1

αi + (p − p1 )i i=m

n

1

αi p − pi +1 (III.28)

i=m1 +1,···n

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

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

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

87

(III.33)

(III.34)

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

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

(III.38)

(III.39)

· · · 0 x(t)

88

MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES

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

CRITERES POUR LES FORMES MODALES

89

III.4

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

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

III.4.1

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

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

c1 c2 · · · cn

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

III.4.2

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

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

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

(III.41)

y(t) =

c1

c2 · · ·

· · · cn

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

90

COMMANDABILITE ET OBSERVABILITE

      x(t) =  ˙    

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

0 ··· ... ... ... ...

··· ... Jk ...

··· . . .

···

··· . . . 

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

0 . . . . . . . . .

 bn1 ···

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

(III.42)

y(t) = o` : u

c1

c1k

c1s

x(t) 

   Jk =    

pi

1

0

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

··· ...

   ...    pi 1  0 pi

0 . . . . . .

(III.43)

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

(III.44)

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

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

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

92

COMMANDABILITE ET OBSERVABILITE

III.5

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

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

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

Wc =

eAτ BB eA τ dτ

(III.49)

0

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

(III.50)

Wo =

eA τ C CeAτ dτ

(III.51)

0

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

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

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

93

94

COMMANDABILITE ET OBSERVABILITE

III.6
III.6.1

Fonctions MATLAB
Fonctions d’alg`bre de base e

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

III.6.2

Fonctions d’analyse des mod`les LTI e

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

III.6.3

Fonctions de conversion entre mod`les LTI e

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

Chapitre IV Stabilit´ des syst`mes LTI e e

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

IV.1
IV.1.1

La stabilit´ BIBO e
D´finition e

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

95

96

STABILITE DES SYSTEMES LTI

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

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

IV.1.2

Caract´risations de la stabilit´ BIBO e e

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

|g(τ )|dτ ≤ k < ∞
1 t, Izz

(IV.2)

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

ce qui conduit a `

1 1 t2 τ dτ = Izz Izz 2

(IV.3)

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

` e e Exemple IV. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire.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. apr`s d´composition en ´l´ments simples.3429 . Munis de cette interpr´tation monovariable.´ IV.5083i 0.2 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.1. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations.6681 . 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.1.1.1 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. C. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s.3429 + 1. tous les pˆles sont a o o ` partie r´elle n´gative.1. i. e e e ´ ` Theoreme IV.5083i -1. B. Le demi-plan gauche est appel´ la r´gion de stabilit´. e e e e e Si le syst`me est observable et commandable alors une r´alisation minimale d’´tat e e e peut ˆtre donn´e : e e G(p) : = A B C D (IV.e. il est possible de donner une e e e caract´risation multivariable plus g´n´rale. LA STABILITE BIBO Une fonction de transfert peut ˆtre factoris´e sous la forme : e e M 97 K G(p) = pN k=1 i=1 Q R (p − zi ) (IV.6) Un syst`me LTI de r´alisation minimale (A.

5083i .3429 -1. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert. Canada. Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres.0.[1 2 3 6 5 3]). A treatise on analytic statistics.5088 + 0. Il meurt le 7 juin 1907 a ` Cambridge. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).7) Le syst`me est observable et commandable. sys=ss(G). ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV. eig(A) ans = 0.D]=ssdata(sys).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.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College. IV.1.7020i . En 1854. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux. ce qui peut ˆtre fastidieux pour des ordres ´lev´s.0.1.5088 -0. 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).6681 -0.7020i >> >> >> >> G=tf([1 1].3429 0.C. [A.5088 + 1.B. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p). (1891) et A treatise on dynamics of a particle (1898).5088 . 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. .98 STABILITE DES SYSTEMES LTI -0. e Le crit`re de Routh-Hurwitz est un algorithme permettant de d´cider si un polynˆme e e o d’ordre quelconque a des racines a partie r´elle positive.7020i -0.5083i + 0.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec.

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

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 .Le nombre de racines du polynˆme caract´ristique ` partie r´elle n´gative est ´gal o e a e e e au nombre de changement de signes dans la premi`re colonne.1.1 1. ` e . o o Exemple IV.1. La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme. 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 a2 a1 > a3 a0 Exemple IV.Une ligne compl`te de z´ros indique que le polynˆme caract´ristique peut ˆtre face e o e e toris´ de telle mani`re ` faire apparaˆ e e a ıtre un facteur d’ordre pair dont les racines sont sym´triques par rapport a 0.2 (ordre 3) Soit le polynˆme caract´ristique. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme. e e 3.3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique. Afin de e e compl´ter le tableau.100 STABILITE DES SYSTEMES LTI Remarques IV.1.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω). 0 est remplac´ par . Il y a donc deux racines a partie r´elle positive. e 2. o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme.

1.´ IV. LA STABILITE BIBO Exemple IV. Il y a donc 4 racines a partie r´elle nulle ± 2 et ±2.1. .4 (une ligne de z´ros) e Soit le polynˆme caract´ristique o e πp (p) = p5 + 7p4 + 6p3 + 42p2 + 8p + 56 Le tableau de Routh s’´crit : e p5 p4 p3 p2 p p0 1 7 0 6 42 0 8 56 0 101 La troisi`me ligne indique que le polynˆme caract´ristique est divisible par le √ e o e polynˆme o ` e 7p4 + 42p2 + 56 = (p2 + 2)(p2 + 4).

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

2. ` ´ Definition IV. IV.14) La stabilit´ asymptotique signifie que l’´quilibre est stable et que l’on est capable de e e d´terminer un voisinage du point d’´quilibre tel que n’importe quelle trajectoire issue e e d’un x0 appartenant a un voisinage de xe tend vers xe quand t → +∞.´ IV.2.3 (stabilit´ asymptotique) e Un point d’´quilibre xe est asymptotiquement stable s’il est stable et e ∃ α > 0 tel que ||x(0) − xe || < α ⇒ t→+∞ lim x(t) = xe (IV.15) Cela signifie que le vecteur d’´tat.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne. e . e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe . ∀ x0 ∈ Br . ´ Definition IV. le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable.2. r) .5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0). ∃ Br (xe . λ est appel´ le taux de convergence. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle.2. ||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.16) (IV. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV.1). la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´.4 (stabilit´ exponentielle) e Un point d’´quilibre xe est exponentiellement stable s’il existe α > 0 et λ > 0 tels que : e ∀t > 0 .x0 ) xe t x1 Fig. e ´ Definition IV. D’autre part. LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t.

2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV. on e e o e suppose que xe = 0 est un point d’´quilibre. ´ ` Theoreme IV. · · · . r}. pour j ∈ {1. IV. e e a e e IV. r}. alors. · · · . e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement. Re(pj ) > 0. · · · . e 1. e pour tout j ∈ {1.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV. poss´dant r valeurs propres distinctes (r pˆles) p1 . r}.si un pˆle est tel que Re(pj ) = 0. pr . 3.2. e . r}. alors xe est un point d’´quilibre asymptotiquement stable. · · · . pour j ∈ {1.1 Mˆme si la notion de stabilit´ au sens de Lyapunov a ´t´ pr´sent´e dans le cadre de la e e ee e e repr´sentation d’´tat des syst`mes. pour tout j ∈ {1. r}. e ` e A B C Fig.2.si un pˆle est tel que Re(pj ) = 0. Re(pj ) ≤ 0.17) Soit le syst`me autonome de mod`le LTI d’´tat : e e e La caract´risation de la stabilit´ interne se fait a partir de la matrice dynamique A et e e ` de ses valeurs propres. e (b) si un des blocs de Jordan associ´ ` pj est non scalaire.2 Pour le syst`me (IV. et la multiplicit´ est o e sup´rieur a 1 alors.2. pour j ∈ {1. · · · . 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. alors xe o e est un point d’´quilibre instable.2.si Re(pj ) < 0.104 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. et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement.17).Si toutes les valeurs propres de A ont une partie r´elle non positive. c’est une propri´t´ qualitative intrins`que du syst`me e e e ee e e que l’on pourra ´galement ´tudier ` partir d’une repr´sentation du type entr´e-sortie. e . .Si un des pˆles du syst`me est instable. La position A correspond a un point d’´quilibre instable.

>> eig(A4)    −2.9999 >> A3=[-2.-1.-1.3333 1.1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A. >> eig(A3) ans = 0.6667 2].1 0 -1].-0. LA STABILITE INTERNE 105 Remarques IV.6667 Script MATLAB 9 >> A1=[-3 2 3.0000 0.3333  1.0000i -2.6667 0.6667 0.2 La stabilit´ interne de (IV.6667 0.3333 2].6667 −0.0. >> eig(A2) ans = -1.6667 0.0000 + 0.2.0000 -1.-1.0000 >> A2=[-1.3333 1.6667 0  −1.3333 0.6667 0.2.6667 0.-1 -3 0.6667 3 A1 =  −1 −3 0  A2 =  −1.3333 3 A3 =  −1.3333 0.´ IV.0000 -2.0000 .3333 1. o e Exemple IV.3333 2  .3333 −0.-2 2 2].3333 -2.3333 3.9999 -1. >> eig(A1) ans = -1.3333 −2.3333 1.0 0 0.6667 3.6667 −2.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.3333 A5 =  −0.3333 1.3333 1.0000i -1.0001 >> A4=[0 0 0.2.3333 0  −2 2 2 −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).6667 -2.     −3 2 3 −1.

Le syst`me est BIBO-stable. >> [V.6667 0. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.6667 0.0000 IV. ` e e A B C D IV.2.3333 0. e e e .2.2182 -0. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.6667].6667 -0.3333 -0.-0.3333 1.3333 0.S]=eig(A5) V = 0.3333.8729 -0.1. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1. e e ´ ` Theoreme IV.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI.3 Pour un mod`le dynamique LTI commandable et observable d´crit par sa fonction de e e transfert ou sa r´alisation d’´tat minimale.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.6667 -0.0000 0 0 0 -0. e 4.6667 S = 0 0 0 0 -1.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome.3333 1.3333.2.3333 -0.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.4364 0. e 2. e e 3.6667 0.

e 6 4 2 x2 0 −2 −4 −6 −12 −10 −8 −6 −4 −2 $x1$ 0 2 4 6 8 Fig.2.19) peut ˆtre utilis´e afin e e e e de caract´riser la nature du point d’´quilibre 0. w1 w2 · · · wn P est la matrice modale de changement de  p1 0   0 p Λ= . la r´ponse du syst`me ` une condition initiale e non nulle est.p1 .. e e x(t) = Ax(t) ˙ 107 (IV. . stables ou instables. 0 ···  0 . Cela donne des caract´ristiques e e e e diff´rentes aux trajectoires d’´tat.  . En ´crivant la matrice A e e a dans la base form´e des vecteurs propres ξi . les valeurs propres peuvent e e ˆtre r´elles ou complexes conjugu´es. .18) e on suppose que les n valeurs propres p1 . · · · .Les deux valeurs propres p1 . ··· .  .19) P −1 = base. . 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. En effet.´ IV.. 0  0 pn Dans le cas d’un syst`me de dimension 2. le point d’´quilibre 0 est un noeud stable. LA STABILITE INTERNE Etant donn´ un mod`le LTI autonome.  .3 – Noeud stable . IV. p2 sont r´elles.2 .. e e e . l’´quation (IV.. p2 < 0 sont stables..

le point d’´quilibre 0 est un point-selle (col) instable. e 6 4 2 0 −2 −4 −6 −6 −4 −2 0 2 4 6 Fig. IV.σ = 0.2 0.6 – Centre .2 −0. IV.Les deux valeurs propres p1 . e .2 0 0.σ < 0.σ > 0. p2 sont complexes conjugu´es.2 0.6 −0. e 0.3 −0. p2 > 0 sont instables. le point d’´quilibre 0 est un foyer stable. IV.4 0.4 −0. e e .p1 . p2 = σ−jω.8 1 Fig.6 0.1 −0. 50 40 30 20 10 0 −10 −20 −30 −40 −50 −4 −3 −2 −1 0 1 2 3 4 Fig.3 0.5 – Foyer stable . e .1 0 −0.p1 < 0 et p2 > 0. le point d’´quilibre 0 est un foyer instable.4 – Point selle .5 −0. p1 = σ+jω.4 −0. le point d’´quilibre 0 est un noeud instable.108 STABILITE DES SYSTEMES LTI . le point d’´quilibre 0 est un centre.

7 – Syst`me masse-ressort e 1.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse. La philosophie o e e e e de la m´thode r´side dans l’extension math´matique d’une observation fondamentale de e e e la physique.3 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. 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. Ce travail e e e e e e e est publi´ par la soci´t´ math´matique de Kharkov en 1892 dans Probl`me e ee e e g´n´ral de la stabilit´ du mouvement traduite pour la premi`re fois en e e e e fran¸ais en 1907 dans les annales de l’universit´ de Toulouse puis en 1949 c e aux Princeton University Press. IV. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. 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. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. 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. e on obtient diff´rentes ´quations e e M Fig.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2.LA METHODE DE LYAPUNOV 109 IV. ici l’´nergie totale.3. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales.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 . Il con¸oit e e e c de nombreuses m´thodes d’approximation. ”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”. Il meurt le 03 novembre 1918 a Odessa. Russie.

est dissip´e de mani`re continue e e a e e par l’amortisseur jusqu’au point d’´quilibre.110 3.Le point d’´nergie m´canique nulle est le point d’´quilibre. La masse est tir´e loin e e de sa position d’´quilibre (longueur naturelle du ressort) puis lach´e. e e a e e On peut donc supposer que : . e e e . La proc´dure e e e de base est de g´n´rer une fonction scalaire ”de type ´nergie” pour le syst`me dynamique e e e e .3. Reprendra t-elle sa e e position d’´quilibre? e Etude de l’´nergie m´canique totale : e e .L’´nergie m´canique refl`te indirectement l’amplitude du vecteur d’´tat.Les propri´t´s de stabilit´ peuvent ˆtre caract´ris´es par la variation de l’´nergie ee e e e e e m´canique au cours du temps. e 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. 0) e STABILITE DES SYSTEMES LTI La question est de savoir si ce point d’´quilibre est stable.La stabilit´ asymptotique implique la convergence de l’´nergie vers 0.Energie totale : 0 1 1 (k0 β + k1 β 3 )dβ = k0 x2 + k1 x4 1 1 2 4 1 1 1 Em = V (x) = k0 x2 + k1 x4 + mx2 ˙ 2 4 2 Remarques IV. ` partir d’une valeur initiale. = . e e . e La m´thode directe de Lyapunov est fond´e sur l’extension de ces concepts.Point d’´quilibre : (0.1 .Energie cin´tique : e 1 1 Ec = m x 2 = m x 2 ˙ ˙2 2 2 .Energie potentielle : x Epot.L’instabilit´ est li´e ` la croissance de l’´nergie m´canique. e e e e .

Si V e e e Exemple IV.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. e e alors le point d’´quilibre 0 est stable. t) = (x.3. e e e e e e ´ ` Theoreme IV. il existe une fonction scalaire de l’´tat V (x.1 (stabilit´ (asymptotique) locale) e e e e Si. e ˙ 2. t) : R ×R+ → R une fonction continˆment diff´rentiable en tous ses arguments ˙ e et soit l’´quation non lin´aire diff´rentielle x = f (x. t). t) est semi d´finie n´gative. e ˙ (x. Cela conduit a calculer. On peut ainsi conclure quant ` la e e a stabilit´ sans avoir recours a la solution explicite des ´quations diff´rentielles non lin´aires. 0) est un point d’´quilibre pour ce syst`me. figure IV.21) f (t.8). t) + ∂t ∂x o` : u  ∂V (x. .V (x. t) le long des trajectoires de x = f (x.3. x) (IV. t) ˙ V (x. e ` e e e ´ Definition IV. LA METHODE DE LYAPUNOV 111 et d’en examiner la d´riv´e temporelle (cf. t) est d´finie positive. ` ˙ V (x) = x1 x1 + x2 x2 = (x2 + x2 )(x2 + x2 − 2) ˙ ˙ 1 2 1 2 ˙ V (x) est donc localement asymptotiquement stable dans la boule : B√2 = (x1 . t) ∂xn       (IV. On d´finit alors V : e e e ˙ n R × R+ → R par : ∂V ∂V (x. x2 ) | x2 + x2 < 2 1 2 . t)/x ∼    ∂V (x. t). dans une boule Br0 .20) ˙ V (x.3.1 (D´riv´e de Lyapunov) e e n u e Soit V (x. On choisit une fonction candidate de e e 2 2 Lyapunov V (x) = 1/2(x1 + x2 ). t) ∂x1 . x ∈ Rn . ∂V (x. t) est appel´e la d´riv´e de V (x.V (x.´ IV. e e e ˙ On consid`re la stabilit´ du point d’´quilibre 0 pour les syst`mes ´tudi´s. t) ∂x   gradient de V (x. t) dont les d´riv´es partielles premi`res sont continues et telle que : e 1. t) est d´finie n´gative alors la stabilit´ est dite localement asymptotique. .

IV.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que. 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. Dans le cas des syst`mes LTI. alors. Dans le cas non lin´aire. V (x. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive.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. Si la e condition 2 est v´rifi´e.3. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). fonction d´finie positive.8 – Illustration de la m´thode de Lyapunov e Remarques IV.V (x. alors 0 est un point d’´quilibre globalement asymptotiquement stable.V (x) est d´finie n´gative. 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 2. e e A P + PA + Q = 0 (IV.2 V = C2 V = C1 x1 x0 Fig. la fonction V (x. t) est une fonction de Lyapunov pour le syst`me. ˙ 1.La condition pr´c´dente est une condition suffisante .112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . t).3.2 1. e e 2||x||→+∞ lim V (x) = +∞. V (x) = x P x. il faut donc choisir a priori e e une fonction candidate de Lyapunov.3. e e e x(t) = Ax(t) ˙ (IV. ´ ` Theoreme IV. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable.22) On consid`re une fonction candidate de Lyapunov quadratique. e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV. la m´thode devient plus syst´matique.23) ´ ` Theoreme IV. d’o` l’utilisation de e u l’exp´rience.24) .

e Script MATLAB 10 >> P=lyap(A1’.0625 0.3273 et 0. P = 0.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.3.´ IV.5160 19.3125 0. LA METHODE DE LYAPUNOV Exemple IV.eye(3)).3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1.0676 .0625 0.0477. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.1664 0. >> eig(P) ans = 0. on trouve.3.

114 STABILITE DES SYSTEMES LTI .

Toutefois. e e Mˆme si le mat´riel pr´sent´ dans ce chapitre peut ˆtre ´tendu aux mod`les multivae e e e e e e riables. nous nous sommes volontairement restreints a l’´tude du cas monovariable qu’il ` e est plus facile d’appr´hender physiquement. L’utilisation de signaux types est justifiable par la corr´lation qui existe entre les e caract´ristiques des r´ponses ` des entr´es types et la capacit´ du syst`me ` faire face a e e a e e e a ` des signaux d’entr´e r´els.1. Cette e e ` e ´tape peut ˆtre men´e suivant de nombreuses m´thodes..1) dont la transform´e de Laplace est donn´e par : e e U (p) = n pn+1 (V.1 Signaux d’entr´e types e u(t) = tn Les signaux d’entr´e types sont en g´n´ral des signaux de type polynomial : e e e (V.1 Introduction Une fois le mod`le math´matique d’un syst`me (fonction de transfert.2) 115 . repr´sentation e e e e d’´tat.) obtenu.Chapitre V Analyse temporelle des syst`mes e continus V. il est n´cessaire de e e e e e disposer d’une base commune d’analyse pour des syst`mes diff´rents.. l’´tape suivante consiste a analyser les performances du syst`me. 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. e V.

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

y4 (t) comme la r´ponse transitoire du syst`me. distinctes ou multiples. e e e .6) Cette ´quation a n racines pi . y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V. ´ Definition 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.V.5) Remarques V.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.1.1.1.5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors.r´gime transitoire e e La solution de l’´quation diff´rentielle (V. INTRODUCTION Exemple V. e e Remarques V. .1. r´elles ou complexes.chaque racine r´elle pi de multiplicit´ mi donne une r´ponse : e e e mi y4i (t) = i=1 λi ti−1 epi t (V.1.3 La r´ponse transitoire y4 (t) est tr`s li´e ` la r´ponse y1 (t) alors que la r´ponse en r´gime e e e a e e e ` e permanent y3 (t) l’est a la r´ponse y2 (t). e e e V. e e e La solution g´n´rale y4 (t) est ind´pendante de u(t) et s’obtient en r´solvant l’´quation e e caract´ristique associ´e ` l’´quation diff´rentielle homog`ne : e e a e e e an p n + · · · + a 1 p + a0 = 0 (V.y3 (t) comme la r´ponse en r´gime permanent du syst`me. il ne subsiste que e y3 (t) et l’on d´finit alors. y4 (t) est e e la somme de n termes tels que : .7) .y4 (t) est la solution g´n´rale de l’´quation sans second membre (´quation homog`ne) e e e e e les n constantes d’int´gration ´tant d´termin´es de telle sorte que la solution globale e e e e y(t) satisfasse aux n conditions initiales.1.3 R´gime permanent .1 Soit a trouver la r´ponse y(t) de l’´quation.3) peut ´galement se d´composer en deux e e e e parties : . ` e e 0. e e e e .1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.

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

2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.1. e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1.2 V. 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. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V. R k e C s e i R e L C J s f 111 000 111 000 111 000 111 000 111 000 111 000 111 000 000 111 1111 0000 1111 0000 1111 0000 f ω Fig.9) T est la constante de temps du syst`me.2.12) .2.11) La r´ponse transitoire d’un syst`me du premier ordre est.` V. e Cela conduit ` ´crire.1 – Exemples de syst`mes du premier ordre e V.10) (V.2. V. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre. LES SYSTEMES DU PREMIER ORDRE 119 V. ae Y (p) = K 1 + Tp (V.2.

on obtient la pente de la tangente pour t = 0.3.2. ae Y (p) = d’o` la r´ponse indicielle.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.14) La r´ponse indicielle e ´ Definition V. la r´ponse ` une entr´e de type ´chelon de position (fonction e e a e e de Heaviside) dont la transform´e de Laplace est e L[u(t)] = Cela conduit ` ´crire.15) qui est repr´sent´e figure V.4 0. u e y(t) = qui est repr´sent´e figure V.8 0. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.7 0. on obtient la pente de la tangente e e e e pour t = 0.6 y(t) 0. En calculant la d´riv´e.17) K KT K = − (1 + T p)p p 1 + Tp (V. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V.13) 0. K K dy(t) = e−t/T |t=0 = dt T T (V.18) .3 0.5 0. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.2 – R´ponse impulsionnelle e En calculant la d´riv´e.120 d’o` la r´ponse impulsionnelle.9 KT 0.16) 1 p (V.2.2 (r´ponse indicielle) e On appelle r´ponse indicielle. V.2 0.

u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V.4 0.6 0. plus le syst`me est rapide. on obtient.8 0.23) .2. on parle alors de rampe unitaire. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V. En calculant le signal d’erreur (t) = u(t) − y(t).632K 1. pour e e K = 1.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.4 0.6 1.20) qui est repr´sent´e figure V.1 Plus la constante de temps du syst`me T est faible. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.) t Fig. e e R´ponse ` une rampe unitaire e a ´ Definition V.2 0 0 T 2 4 6 8 10 12 Time (sec. ae Y (p) = d’o` la r´ponse. V.2 Amplitude y(t) To: Y(1) 1 0.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.4.21) 1 p2 (V.8 1.2.3 – R´ponse indicielle e Remarques V.19) Si k = 1.

122

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

35

T

30

25

Amplitude

To: Y(1)

y(t)

20

T
15

10

5

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

0

Time (sec.)

t

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

0.8

1.6

0.7

1.4

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

1.2

0.5

1

0.4

0.8

0.3

0.6

0.2

0.4

0.1

0.2

0

0

0

2

4

6 Time (sec)

8

10

12

Step Response 40

35

30

25 Amplitude

20

15

10

5

0

0

2

4

6

8

10 Time (sec)

12

14

16

18

20

` V.3. LES SYSTEMES DU SECOND ORDRE

123

V.3
V.3.1

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

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

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

p + 2ξ +1 ωn

=

2 Kωn 2 p2 + 2ξωn p + ωn

(V.26)

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

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

R e C

R C s M

k

γ f

θ i R L e C C J

s
111 000 111 000

f

k
111 000

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

124

ANALYSE TEMPORELLE DES SYSTEMES

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

(V.27)

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

(V.28)

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

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

(V.29)

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

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

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

125

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

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

(V.37)

(V.38)

ωp = ωn

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

(V.39)

θ = arcsinξ

Im

ωn σ ωd Re

Fig. V.6 – Paire de pˆles complexes o

126

ANALYSE TEMPORELLE DES SYSTEMES

V.3.2

Etude de la r´ponse indicielle e

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

(V.40)

1 ξ=1

0.8

ξ=4

Amplitude

0.6

0.4

0.2

0

0

2

4 Time (sec.)

6

8

10

12

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

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

4 1.4 ω n= 0.2 0 Fig.8 Step Response ω n= 0.2 Amplitude 1 0.4 ξ = 0. V.6 ξ = 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).8 Step Response 127 1.2 Amplitude 1 0. e e e ξ = 0.5 1.2 ω n= 0.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.1 1.7 ξ = 0.8 ξ = 0.6 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.6 1. V.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.1 ω n= 0.9.8 0.9 0. u L’allure de telles r´ponses est repr´sent´e figure V.4 1.1 e .6 ξ = 0.4 1.8 et figure V.8 0.3 ξ = 0.5 ξ = 0.4 1.6 0.2 ξ = 0.

) 10 15 Fig.6 T 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.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes.5 T/2 Amplitude 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.2 0.4 D2 1 0.3 0.7 D 0.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement. 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 . V. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V. .1 0 0 5 Time (sec. e Step Response 0.

2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .[T (1+a*T*K) K]) >> a=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.4 0.[T (1+a*T*K) K]) >> step(H_01.H_01=tf([K*T*a K].3]) Step Response 1.H_2.[T (1+a*T*K) K]) >> a=2. e e e Script MATLAB 12 >> K=1. C(p) = suivant le sch´ma-bloc suivant. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.H_10) >> axis([0 20 0 1.8 a = 0. figure 3).1 a=2 a = 10 Amplitude 0.H_2=tf([K*T*a K].11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.1.2 1 0. e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf.T=1. >> a=10. V.6 0.H_10=tf([K*T*a K].

cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est.45) Cette relation est approxim´e par la relation : e tr ≥ (V. tan(ωp tr ) = − Apr`s calculs.12. u cos(ωp tr ) + soit. Sa r´ponse temporelle a l’allure de la figure V.130 ANALYSE TEMPORELLE DES SYSTEMES V.8 ωn (V. V. ξ).49) .5 0 tr tp t ts Fig.05 t td 0. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`.12 – Sp´cifications de performance e .47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.3. y(t) Mp 0.46) 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 .48) 1 − ξ2 ξ (V.

6 ts .52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0. pour des r´ponses rapides.Temps d’´tablissement ts : e G´n´ralement.3. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`. − 131 (V.5 ξ = 0.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.8 tr (V.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit.6 = = ξωn σ Remarques V.50) π ωp (V. u tp = .LES SYSTEMES DU SECOND ORDRE . De plus.53) .3 (V.7 ξ = 0.54) 4. Mp = y(tp ) − 1 = −e−ξωn tp Soit. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.55) ξ ≥ ξ(Mp ) σ≥ 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 .D´passement maximal Mp : e On a donc. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V. ωn doit ˆtre grand.6 4.

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.4.Chaque paire de pˆles complexes conjugu´s (pi . on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps. o ` e . 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.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.4.1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te.57) . e e Ainsi. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur.r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V.58) o` σi = Re(pi ) et ωi = Im(pi ).4 V. Dans le cas le plus g´n´ral.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse.132 ANALYSE TEMPORELLE DES SYSTEMES V.59) j=1 La d´croissance finale de cette contribution est caract´ris´e par la constante de e e e temps τi = 1/λi . 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. les pˆles. complexes conjugu´s) des racines de l’´quation caract´ristique. . pi ) de multiplicit´ mi donne une o e e r´ponse : e mi y4i (t) = j=1 λj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) (V. Dans cette combinaison lin´aire. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me. .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. 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. e e ´ Definition 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.

. Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk . e a J = diag(J1 .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 . Etudions la solution de l’´quation d’´tat dans la base modale.  .  . u .. · · · . 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.63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini. e e Remarques V. J est la forme de Jordan u o associ´e ` A. e e Cette analyse temporelle men´e ` partir d’un mod`le de type fonction de transfert e a e (syst`mes monovariables) peut ˆtre g´n´ralis´e aux syst`mes multivariables en utilisant e e e e e e la repr´sentation d’´tat. 0 ··· .Si A a n valeurs propres distinctes..  . 0  0 pn w1 w2 · · · w n P est la matrice modale de changement de  p1 0   0 p Λ= . · · · .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.. . P est la matrice modale de changement de base. pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (V.62) o` u P = v1 v 2 · · · vn P −1 = base et ··· ..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).LES SYSTEMES D’ORDRE SUPERIEUR .  0 .61) e e o` x ∈ Rn .  .2 . p1 .4. .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.

134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.65) Les modes propres longitudinaux sont d´finis comme : e .5 −1 0.5 1 Time (sec) 1.63) sont appel´s e ee e les modes du syst`me.51)2 + (2.96 −2.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.13 – North American L-17A ”navion” .370 −2.5 0 −0.5 Fig.191 −3.1 0 −0.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0. e e e Fig. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.2 0 0. o e e (V.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.Courtesy USAF Museum .322 δu  δ w   −0. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral. V.2 0.Le mode d’oscillation d’incidence (short-period mode) p = −2.1 0 −0.5 2 2.1 −0.Mouvement propre longitudinal :     δu ˙ −0.14 – Mode d’oscillation d’incidence pur .62) et (V.036 0 −0.59)2 (p + 0.76   δw ˙   0    q  =  0.51 ± 2. V.213)2     (V.017)2 + (0.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.2 1 0.02 1. 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.045 0.1 −0.

1)). 0].0088) Les modes propres lat´raux sont d´finis comme : e e .76 0 0.486)2 + (2.254 −1.017 ± 0.5 −1 0.045 0.1 −0.05 0.036 0 -0.1)) >> initial(sys_long.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.76 0.2 0..Tlong]=canon(sys_long..19 −8.’modal’) >> Plong=inv(Tlong).322 v  r   2. >> [navion_long. o e e e (p + 8.433) (p + 0.Plong(:.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.Plong(:.37 -2.76 −0.1 0 −0.55 −0.LES SYSTEMES D’ORDRE SUPERIEUR .eye(4).67)     (V. >> initial(sys_long.334)2 (p + 0.2 To: Out(3) To: Out(4) 0.Mouvement propre lat´ral : e     v ˙ −0.322.98 0..5 0 −0.1).5 0 −0.66) .02 1..433 ` (V.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-. -0.05 To: Out(2) 135 0 Amplitude −0.5 0 50 100 150 Time (sec) 200 250 300 350 Fig.191 -3.96 -2.Le mode phugoide (phugoid mode) p = −0.3)) .zeros(4..35  r ˙   0    p  =  −9.0 0 1.08 2.zeros(4. V.213j Response to Initial Conditions 1 To: Out(1) 0.0.

1 0.17 – Mode de spirale pur .2 0.2 0.01 1 0.02 0 1 0.4 0.05 −0.334j .5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.02 To: Out(1) 0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.5 0 0 −0.015 0.486 ± 2.1 −0.01 0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.6 0.1 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.16 – Mode de roulis pur .005 −0.5 0.0088 Response to Initial Conditions 0.04 0.15 −0.02 0 0. V.05 0 0 −0.15 0.7 Fig.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.3 Time (sec) 0.2 0 0. V.

2.4)) 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 .18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-..Plat(:.76 -0.2 0 2 4 6 Time (sec) 8 10 12 Fig. ´ Definition V.’modal’) >> Plat=inv(Tlat).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.08 2. · · · . >> [navion_lat.zeros(4.5 −1 0. >> initial(sys_lat.1)) >> initial(sys_lat.2 0.4.zeros(4.5 0 −0.76 0 0. 0].2)) >> initial(sys_lat.19 -8. τq } associ´es ` ses diff´rents modes...35 0.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0..1 −0.1).5 0.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.55 -0.1 0 −0.Plat(:.254 -1.69) .5 1 0.5 0 −0.0 0 1.eye(4).-9. e τi = −1/Re[pi ] (V. V. 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.322.Tlat]=canon(sys_lat.4 0..Plat(:.1)).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.

le mode correspondant de spirale p = −0.4. τdrol.138 ANALYSE TEMPORELLE DES SYSTEMES Il a ´t´ montr´ exp´rimentalement que les performances de ce syst`me sont identiques ee e e e ` celles du second ordre seul en termes de d´passement et d’amortissement quand : a e |1/γ| ≥ 10|ξωn | (V.82 ξphu.0088 = 113. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me. Pour un mode oscillatoire. = 1/0. τphu.4.51 ± 2.75) .0088 d´fini par sa constante de temps.486 = 2.204 (V.51 = 0.Si ξ = 0 alors le mode oscillant est non amorti .213j d´fini par sa constante de temps et son ıde e amortissement.74) .3984 0.12 (V. ´ Definition V.017 ± 0. e e .08 Les modes propres lat´raux du Navion sont caract´ris´s par.70) Par extension.7 (V. τinc. mˆme si cette condition n’est pas strictement v´rifi´e.4 ξinc. ξq }. = 1/2.433 d´fini par sa constante de temps. = 0. ´ Definition V. e e e . = 0. e τsp.72) . on parle o e e de modes dominants.73) (V.3 (mode dominant) La paire de pˆles complexes conjugu´s les plus proches de l’axe imaginaire g´n`rent le o e e e mode dominant.le mode d’oscillation de roulis hollandais p = −0. = 1/0.06 ξdrol.63 (V.71) .le mode de roulis p = −8.4 (mode oscillant non amorti et ap´riodique) e . Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par. = 1/8.59j d´fini par sa constante de temps e et son amortissement.433 = 0. = 1/0.486±2. = 0.le mode phugo¨ p = −0.le mode d’oscillation d’incidence p = −2.Si ξ = 1 alors le mode oscillant est ap´riodique e L’amortissement des transitoires d’un syst`me d’ordre quelconque est donc caract´ris´ e e e par l’ensemble des amortissements {ξ1 . e τrol.017 = 58. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1. · · · .334j d´fini par sa constante e de temps et son amortissement.

76) i=1 .2140 0.Xi_long]=damp(sys_long) Wn_long = 0.6070 Xi_long = 0.2140 3.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.3836 2.2040 1.4.4327 139 Xi_lat = 1.6946 0.0797 0.6946 V.3836 8.0797 0.2040 0.6070 3.0088 2.0000 0.0000 >> [Wn_long.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.Xi_lat]=damp(sys_lat) Wn_lat = 0.

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

4.4 0.1 e e a o .2 H 1 Amplitude 1 0. tr`s souvent les caract´ristiques de performance d’un syst`me command´ e e e e sont sp´cifi´es en termes de r´ponse transitoire a une entr´e en ´chelon facile ` g´n´rer. e .LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1. e .8 0.L’addition d’un z´ro instable z ` une paire de pˆles dominants pdom diminue le e a o d´passement mais provoque le ph´nom`ne de r´ponse inverse augmentant ainsi les e e e e temps de r´ponse. e e e a .5 H1 H Amplitude 0 −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 )|.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0.4 1.6 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 )|.5 1 0.4.5 −1 H 2 −1. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales. 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.2 H 2 0 −0. e V.8 141 1. dans de nombreux cas pratiques. Ainsi.5 e Step Response 1. Il est d’usage afin d’´tablir des comparaisons e e e sens´es de consid´rer la r´ponse temporelle ` un ´chelon de position pour des conditions e e e a e initiales nulles (syst`me au repos et d´riv´es successives nulles ` l’instant initial).2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.6 H 1.5 e R´sum´ V.

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

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

V.22 – Pulsation propre non amortie En g´n´ral.23 – R´gion de sp´cifications e e .83) ξ ≥ ξ(Mp ) σ≥ 4.8 tr (V. Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p 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.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.144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig. e e e ωn ≥ 1.

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

146 ANALYSE TEMPORELLE DES SYSTEMES .

e e e e VI.1 D´finition et propri´t´s e e e La r´ponse fr´quentielle d’un syst`me LTI est un outil particuli`rement important e e e e pour l’analyse et la synth`se des syst`mes de commande. e e ´ Definition VI. e e e e ces m´thodes n´cessitent une culture fr´quentielle suffisament pouss´e pour pallier la e e e e faible corr´lation entre les caract´ristiques temporelles des r´ponses transitoires et les e e e caract´ristiques des r´ponses r´ponses fr´quentielles. e e 147 . C.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 Toutefois. B. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre.1.1 (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. 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). Mˆme si comme nous le ee e e e verrons dans ce chapitre.1 Les syst`mes monovariables e Dans cette section. e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. 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. Historiquement. 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. 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. D). De plus.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. la plupart des outils peuvent ˆtre ´tendus au cas multivariable.

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

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

149

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

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

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

VI.1.2

Extension au cas des syst`mes multivariables e

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

150

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

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

Yi (ω) =
j=1

gij (jω)Uj (ω)

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

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

u2 =

u3 =

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

151

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

6

σ (G) = 6.1401

5

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

4

3

2

1 −15

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

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

152

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

1 i=j 0 i=j

H W = [wi ]i=1,···r wj wi =

1 i=j 0 i=j

Gvi = σi wi

σi = ||Gvi ||2

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

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

VI.2

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

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

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

VI.2.1

Le lieu de Nyquist

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

Im(G(jω ))

Φ(ω i)

Re(G(j ω k))

−Φ(ω k)
ωi
Im(G(j ω k))

Re(G(j ω)) ω0

|G(j ω k)| ωk

Fig. VI.2 – Plan de Nyquist

e Remarques VI.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. Il immigre aux Etats Unis en 1907 afin e ` e de poursuivre sa formation scientifique et obtient son Master de l’universit´ du Dakota e du Nord ainsi que son Doctorat de Yaleen 1917.1 Le gain du syst`me ` une pulsation donn´e est mesur´ par la longueur du rayon vece a e e teur correspondant alors que la phase est l’angle mesur´ positivement dans le sens trigoe nom´trique entre l’axe ox et le rayon vecteur. e e . e Quelques caract´ristiques des courbes e les courbes dans le plan de Nyquist poss`dent des caract´ristiques en hautes et basses e e fr´quences facilitant leur trac´. Il meurt en 1976. Apr`s ee e e e 1935. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson.2. 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 entre a AT&T pour d´velopper un syst`me de t´l´graphe et des ` e e ee m´thodes permettant la maitrise des messages dans les t´l´graphes a e ee ` bande ´troite. il s’engage sur des recherches g´n´rales en communication. En 1932. En effet. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. e e La mˆme ann´e. il donne la e premi`re analyse de stabilit´ pour les amplificateurs a contre-r´action e e ` e et d´veloppe le diagramme de Nyquist qui conduit au crit`re graphique e e de Nyquist pour la stabilit´.Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif (la e e e diff´rence de degr´ entre le d´nominateur et le num´rateur) n − m. Entre 1921 et 1935. Il publie un article sur la fr´quence de Nyquist en 1928. 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.

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

1 Re 1 (jω )2 Im 1 a 1+jω T 1+jω aT 0 . La figure VI.5 donne un certain nombre de trac´s e e typiques.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. 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.13) Φ(ω) = − tan−1 (ωT ) .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. 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 . Im 0 1 jω Im 0 . 1 Re jω 0 . .

6 – Premier ordre dans le plan de Nyquist Caract´ristiques d’un deuxi`me ordre dans le plan de Nyquist Un syst`me du second e e e ordre a une fonction de transfert sinuso¨ ıdale param´tr´e ` l’aide de deux param`tres.12) permet de montrer que la courbe est un demi-cercle de centre e (0. 0) et de rayon 0. la pulsation propre non amortie et l’amortissement. VI. ξ). e e a e (ωn .REPRESENTATION GRAPHIQUE 157 L’´tude de (VI. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI.5.16) . (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI.5 Re |G(j/T)| ω = 1/Τ Fig.5.14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0.

7 ξ = 0. VI. Cette pulsation est la pulsation de e cassure associ´e au second ordre.1 ξ = 0.19) e e Pour ω ∈ R+ . Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1.07 ξ = 0.7). e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox.18) ω ωn ω + 2ξ ωn 2 (VI.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.158 et sa phase par : REPONSE FREQUENTIELLE DES SYSTEMES LTI  ω  2ξ( ωn )  −1   φ(ω) = − tan  ω2  1− 2 ωn La partie r´elle est d´finie par : e e 1− R(ω) = 1− alors que la partie imaginaire est : −2ξ I(ω) = 1− ω2 2 ωn 2 ω2 2 ωn 2  (VI.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e . la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn . Aux hautes e e fr´quences.4 ξ = 0. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (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.05 ξ = 0. e ` e Nyquist Diagram 15 10 ξ = 0. l’analyse asymptotique montre que la phase tend vers −π.17) ω2 2 ωn + ω 2ξ ωn 2 (VI.

REPRESENTATION GRAPHIQUE 159 L’avantage d’une telle repr´sentation est qu’elle d´crit de mani`re graphique les cae e e ract´ristiques fr´quentielles du syst`me sur l’ensemble du domaine de variation des pule e e sations d’entr´e. e L’inconv´nient est qu’elle n’est pas adapt´e ` la repr´sentation de lieux de transfert e e a e form´s par des produits de lieux ´l´mentaires connus G(jω) = G1 (jω)G2 (jω). e Exemple VI. En effet.2. Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe. e Script MATLAB 17 >> G=tf(4. >> nyquist(G). la partie r´elle et la partie imaginaire sont toujours n´gatives. .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 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. On calcule les limites int´ressantes permettant d’indiquer le comportement de e la courbe en basses et hautes fr´quences : e ω→0 lim R(ω) = −1 lim I(ω) = −∞ lim φ(ω) = − ω→0 ω→0 π 2 ω→∞ lim R(ω) = 0 ω→∞ lim I(ω) = 0 ω→∞ lim φ(ω) = −π La courbe admet une asymptote verticale en −1 aux basses fr´quences.[1 2 0]).

8 0+ −0.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI.9 −0.2.1 0 Fig.4 −0. pulsation quelconque. ´ Definition VI. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s.7 −0.3 −0. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.2 −0.2.5 Real Axis −0.160 REPONSE FREQUENTIELLE DES SYSTEMES LTI Nyquist Diagram 20 ω 15 0− 10 5 Imaginary Axis ω 0 − + ω −5 −10 −15 ω −20 −1 −0.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts. 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 . VI. e 8 8 .6 −0. Les courbes sont trac´es sur du papier semi-logarithmique en utilisant l’´chelle logae e rithmique pour les pulsations et l’´chelle lin´aire pour l’amplitude en d´cibels et la phase e e e en degr´s. 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.

9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. Il devient ` ` membre de l’Acad´mie des Sciences. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. 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. En effet. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. e e toute fonction de transfert peut ˆtre factoris´e comme : e e G(p) = K (1 + pTi ) (1 + 2 ξ/ωnj p + (pωnj )2 ) (1 + pTk ) (1 + 2 (ξ/ωnl ) p + (pωnl )2 ) (VI. a e L’avantage principal d’une telle repr´sentation est qu’elle permet de convertir la mule tiplication des amplitudes en addition par l’utilisation de l’´chelle en d´cibels. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. VI. Il meurt le 21 Juin 1982. D de l’universit´ de Columbia en 1935. En 1952. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. e Pendant ses premi`res ann´es aux laboratoires Bell. il continue a travailler en partie sur des applications e e ` militaires (guidage des missiles) mais ´galement sur la th´orie moderne de la communicae e tion. En 1955. il obtient son Ph. Pendant la seconde guerre mondiale.20) pN . Apr`s la guerre.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. Alors qu’il travaille chez Bell. Il entre aux laboratoires de Bell Telephone comme math´maticien. 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. e L’inconv´nient majeur est que l’on ne peut repr´senter les courbes de gain et de phase e e jusqu’` la pulsation 0 du fait de l’utilisation de l’´chelle logarithmique pour les pulsations. Ce travail s’est e e e concr´tis´ par l’´dition de sa c´l`bre monographie Network analysis and feedback ame e e ee plifier design en 1945. 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.

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

.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante.L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB.REPRESENTATION GRAPHIQUE 163 . 45 26.6 5. 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.Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI. e √ (VI.97 dB.Pour les basses fr´quences. e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI. l’amplitude en dB peut ˆtre e approxim´e par. la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave.26) Dans cette plage de pulsations. Dans le plan de Bode. 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 .25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB. domaine ”basses fr´quences” ω << ωc .En hautes fr´quences.7 63. e e e c e .4 84. ω = 2/T . e ` . 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. ω = 1/2T de ωc vaut a ca −0. ω >> ωc = 1/T . et en de¸`. on obtient. Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e .L’erreur pour une octave au del`. domaine ”hautes e fr´quences” ω >> ωc .3 .23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines. ω << ωc = 1/T .

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

REPRESENTATION GRAPHIQUE 165 Les deux asymptotes ont une intersection commune en la pulsation de cassure ωc = ωn . ω=0 φ = 0 deg 2ξ 0 = −90 deg (VI. a la pulsation de r´sonnance ωr . il peut e ` e e exister un pic de r´sonnance. VI. Son amplitude d´pend de e l’amortissement ξ. ωr = ωn 1 − 2ξ 2 Mr = 1 2ξ 1 − ξ2 (VI. si ξ < 0.32) La phase est une fonction des deux param`tres pulsation propre et amortissee ment. Pr`s de la pulsation de cassure.31) |G(jω)| dB Asymptotes Mr = 1 2ξ 1 − ξ 2 ωn − 40 dB/ dec. Toutefois.Etude de la phase :  ω  2ξ( ωn )  −1   φ = − tan  ω2  1− 2 ωn  (VI.707. Mr . la phase vaut.33) ω = ωn φ = − tan−1 ω = ∞ φ = −180 deg .12 – Courbe de gain dans le plan de Bode d’un deuxi`me ordre avec r´sonnance e e . ω rad/s ωr − 3 dB = ωn 1 − 2ξ 2 Bande passante à −3 dB Fig.

Tracer les courbes asymptotiques. e a ´ Procedure VI.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.2.1 ξ = 0. ee 2.3 ξ = 0.5 −180 ξ = 0. 4.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte. VI.05 ξ = 0.4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB. .34) ´ Definition VI.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.2.3 (pulsation de coupure) ıdale est La pulsation ωcα pour laquelle l’amplitude de la fonction de transfert sinuso¨ inf´rieure de α dB ` l’amplitude de la fonction de transfert sinuso¨ e a ıdale ` la pulsation 0 a est la pulsation de coupure ` α dB.2 ξ = 0.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.2 −135 ξ = 0.3 ξ = 0.05 ξ = 0.1 1.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.1 −90 ξ = 0.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0.2. e e e a 3.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.5 ξ = 0.

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

20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig. 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. 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.35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black.2.168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI. Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert.2 Dans la litt´rature anglo-saxonne. L’avantage majeur d’une telle repr´sentation est li´ ` la propri´t´ d’additivit´ de l’ame ea ee e plitude exprim´e en d´cibels et de la phase. VI.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)|)). e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI. a e o .15 – Plan de Nichols-Black Remarques VI. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants.2.

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

On rappelle que : |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI.37) Φ(ω) = − tan−1 (ωT ) L’analyse asymptotique conduit imm´diatement a identifier une asymptote verticale e ` ` −90 deg.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. VI. 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. Il y aura des e u e e e asymptotes verticales si le syst`me comprend une ou plusieurs int´grations.16 – Comportement en hautes fr´quences e . e e −180 −90 | G | dB 2 intégrations 1 intégration 0 intégration Φo Fig. a e . en hautes fr´quences.

3 ξ = 0.5 ξ = 0.1 ξ = 0. e Nichols Chart 30 Nichols Chart 30 ωn ∼ ω r = ωn 1 − 2ξ2 20 20 10 10 Mr = 2ξ 1 − ξ 2 Open−Loop Gain (dB) 0 Open−Loop Gain (dB) −10 0 −20 −10 ω=0 −20 −30 −40 ξ = 0.01 ξ = 0.38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg. VI. 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.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 .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.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0.18 – 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 . nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode. aux hautes fr´quences.

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.’b’).[1 0]).G3.[1 2 0]).’.14 Phase (deg): −38.G. e Script MATLAB 19 >> G2=tf(1.’. >> G=tf(4.58 rad/s.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig. ` e .’r-.3 Frequency (rad/sec): 1.2. >> nichols(G2.172 Exemple VI.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.94 Frequency (rad/sec): 1. VI.04 dB.58 Phase (deg): −90 Frequency (rad/sec): 1.04 dB et le point correspondant a ω = 1.’g.0273 System: G2 Phase (deg): −128 Gain (dB): −3. >> G3=tf(1.58 System: G3 Gain (dB): −8.3 Soit la fonction de transfert : G(p) = On rappelle : |G(jω)| = 20log10 ω→0 REPONSE FREQUENTIELLE DES SYSTEMES LTI 4 p(p + 2) G(jω) = 4 jω(jω + 2) 180 ω tan−1 deg π 2 4 ω 4 + ω2 √ dB φ(ω) = −90 − lim |G(jω)| = ∞ lim φ(ω) = −90 deg lim φ(ω) = −180 deg ω→0 ω→∞ ω→∞ lim |G(jω)| = −∞ La courbe admet une asymptote verticale aux basses fr´quences en −90 deg et en e −180 deg aux hautes fr´quences.[1 2]). Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.

leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI.3 Cette d´nomination provient du fait que pour un module identique.2.20 montre le diagramme des phases de G1 et de G2 .4 Afin d’illustrer au mieux la remarque pr´c´dente.4 Les syst`mes ` non minimum de phase e a ´ Definition VI.REPRESENTATION GRAPHIQUE 173 VI. il sera ` dit a non minimum de phase.2. 0 −20 −40 −60 Phase deg −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 10 3 Fig.2. VI. 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.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre.5 (minimum de phase) Un syst`me poss´dant des pˆles et des z´ros situ´s dans le demi-plan complexe gauche et e e o e e ne comprenant pas de retard est dit a minimum de phase.2. e Ce minimum est alors d´pass´ par le d´phasage d’un syst`me de mˆme module ` non e e e e e a minimum de phase. Dans le cas contraire. ` Remarques VI. Exemple VI. T2 = 2 .20 – Phases de G1 et G2 pour T1 = 1.41) 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. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.40) La figure VI.

6 −0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique.8 −1 −1 −0.6 −0.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.2 0 Real Axis 0.4 0.2 Imaginary Axis 0 −0.6 0. VI.8 −0.4 −0.4 0.2 −0.6 0. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase. Nyquist Diagram 1 0.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait. nous donnons les lieux de transfert de G a dans le plan de Nyquist. le module et la phase sont li´s par une relation e a e biunivoque.2 0. VI.4 −0.8 1 Fig.8 0. Si la courbe de gain est connue sur l’ensemble des pulsations.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 .42) Le module de G(jω) vaut 1 tandis que son argument est donn´e par : e Arg (G(jω) = −2 tan−1 ωT1 0 −20 −40 −60 −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 0 10 1 10 2 10 3 Fig. A titre d’exemple. 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.

1.002 s^2 + 0. Dans la a e majorit´ des cas.[2 1] [1 4]}.2 5]).21 s^3 + 7.H=tf({1 3.2. Cela impose donc le plan de Bode e e comme seul outil disponible.01 2].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..[1 0. 1 #1: ---------------------------------------s^4 + 0.6 (lieu de transfert multivariable) La repr´sentation graphique de la r´ponse fr´quentielle d’un syst`me multivariable consiste e e e e ` tracer les gains principaux du syst`me multivariable dans le plan de Bode.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.{den den.5 Extension aux syst`mes multivariables e La section I. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.45 s + 10 #2: .21 s^3 + 7. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es. ´ Definition VI. 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.. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.002 s^2 + 0.2.2.den den}) Transfer function from input 1 to output.REPRESENTATION GRAPHIQUE 175 VI.5 (mod`le deux entr´es .

21 s^3 + 7.45 s + 10 #2: >> sigma(H) >> grid . 3 #1: ---------------------------------------s^4 + 0.002 s^2 + 0.21 s^3 + 7.002 s^2 + 0.176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.45 s + 10 s + 4 ---------------------------------------s^4 + 0...

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

1. En r´sum´. il existe deux structures baee e siques de commande des syst`mes dynamiques : la commande en boucle ouverte et la come mande en boucle ferm´e (asservie). Adopter une telle structure de commande induit bien e entendu un certain nombre d’avantages mais aussi quelques inconv´nients que nous allons e d´tailler a travers un exemple simple emprunt´ ` [13]. e ` ea 179 . VII. Jusqu’` pr´sent.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif.Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e. Dans un premier temps. le principe fondamental consiste ` observer les effets e e e a des actions que l’on produit et de les corriger en fonction des r´sultats observ´s. Cette e e structure est illustr´e figure VII.1. d´termine l’´cart entre e e ee e e e les deux et produit un signal de commande dont le but est de r´duire cet ´cart a 0 ou e e ` de le rendre tr`s faible. Dans ee e e la suite de ce cours. seuls les syst`mes monovariables sont trait´s. biographie). la th´orie des syst`mes de commande a contre-r´action est introe e ` e duite pour tout ce qui concerne les aspects d’analyse.1 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. 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.

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

2) o` la constante k est ` choisir par le concepteur du syst`me de commande. e a u(t) = k(vnr (t) − vn (t)) ˙ (VII. 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. VII. e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (VII.1.3) 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). VII. e √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (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.4) x2 (t) = −kx1 (t) + ke(t) ˙ Ce syst`me d’´quations diff´rentielles est simul´ ` l’aide de SIMULINK suivant le e e e e a sch´ma suivant : e e e1 Constant1 x20 1 e s Integrator1 k Sum1 k Sum4 1 s Integrator3 al Sum2 alpha x2 x2 x1 x1 1 s Integrator2 2 u Math Function 1 s Integrator4 x10 Constant Sum3 t Clock time Fig. Ce type de loi u a e de commande est qualifi´e d’int´grale puisque.3 – Sch´ma SIMULINK de l’exemple voiture e .` ` ´ VII.

6. a Quelle que soit la valeur du gain de l’action int´grale k.1}.5 a 0. la r´ponse est tr`s lente.1 s et pour diff´rentes valeurs de k ∈ {0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0.05. 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 = 0.54 0.08. 0. e e On peut remarquer sur la figure VII.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.58 0.06 correspondant a des accroissements respectifs ` pour k = 0. .4. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0.02. 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 = 0.6 e ee e ` ` l’instant 10 s.02.08.4 – 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 = 0.56 k=0. Le signal de r´f´rence est donc un ´chelon passant de 0. que pour les valeurs k = 0. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0. 0.05.05 0.02 v 0.62 k=0. = 0.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.08 0.05 et m m de masse de 20% et 40%.1 et k = 0. 0.6 k=0. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0.1 k=0.6.08. VII. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis.52 0.

` ` ´ VII. e √ √ ρc 2 ρc (VII. VII.6 0.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.55 v 0. 0.5 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.56 v 0.7 0.54 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. e e e e . VII.5) x1 (t) + x2 (t) + p(t) x1 (t) = − ˙ m m Cette perturbation est mod´lis´e comme un ´chelon de position n´gatif intervenant en e e e e t = 20 s. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.45 avec 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.1.52 0. e a e Si l’on consid`re des conditions r´alistes.4 0.62 183 0. SYSTEMES DE COMMANDE A CONTRE-REACTION 0.6 sans perturbation 0.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.65 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.58 0.

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

SYSTEMES DE COMMANDE A CONTRE-REACTION .1 (sensibilit´ et sensibilit´ compl´mentaire) e e e Les fonctions de transfert S(p) et T (p) sont appel´es respectivement fonction de sensibie lit´ et fonction de sensibilit´ compl´mentaire.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) .7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII.ν est le signal de commande entrant r´ellement dans le syst`me e e .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.1.10) Afin de conserver un certain contrˆle sur l’amplitude de la commande d´livr´e et de la o e e commande re¸ue.8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc. diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s.1.9) 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. 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. e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (VII.w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel.b est le signal des perturbations = r − y est le signal d’erreur 185 .` ` ´ VII.7) ´ Definition VII. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII. La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle.

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

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

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

ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII.´ ` ´ VII. la sensibilit´ compl´mentaire T (p). Il est orient´ dans le sens antitrigonom´trique. e e .2. VII.15) G(p)K(p) 1 + G(p)K(p) (VII. a r + − ζ K(p) u G(p) y Fig.14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit. 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. 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. K(p) = NK (p) DK (p) (VII.13) Nous rappelons que le syst`me est stable asymptotiquement en boucle ferm´e si et e e seulement si ce polynˆme caract´ristique a des racines a partie r´elle strictement n´gative.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. e VII. ´ Definition VII. quand l’assere e e vissement est ` retour unitaire.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∞ .8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note. j∞] et d’un demi-cercle centr´ en (0.2. 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. e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps.2. 0) de rayon ee e infini incluant le demi-plan complexe droit. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e.

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

Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant.2.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .Tracer son sym´trique par rapport a l’axe ox.Dans le cas o` le contour de Nyquist a une indentation.16) Exemple VII.8 est stable asymptotiquement si et seulement e a e si le lieu de Nyquist complet de la boucle ouverte K(p)G(p) fait un nombre de tours comptabilis´s dans le sens trigonom´trique autour du point critique (−1. il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII. le lieu de Nyquist est complet et ferm´.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte.Compter le nombre P de pˆles instables de la boucle ouverte. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p). 4. 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. .une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES . Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.17) 1.1 Le syst`me ` contre-r´action de la figure VII. 0). 3.La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e . o e e .1 1.Calculer la boucle ouverte de l’asservissement consid´r´.2.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1. CN o 2.Tracer le lieu de Nyquist complet de la boucle ouverte. fermer le lieu de u Nyquist. ` G(p) = K p(1 + T p) T >0 K>0 (VII. o a e Afin d’appliquer correctement le crit`re de Nyquist.2.

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

2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation. 4.2. e ´ ` Theoreme VII.2 Le crit`re du revers e Le crit`re de Nyquist peut ˆtre appliqu´ sans restriction mais peut ˆtre parfois lourd a e e e e ` utiliser. VII. 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. 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. 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.20) K K G(p) ∼ ∼ e−jθ p ρ 3. Dans certains cas particuliers et sous certaines hypoth`ses.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e . p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII. Le syst`me est donc stable asymptotiquement.N = 0. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII.P = 0.2 (crit`re du revers) e Si le syst`me en boucle ouverte est stable et a minimum de phase (pˆles et z´ros ` partie e ` o e a r´elle strictement n´gative) alors le syst`me est stable asymptotiquement si et seulement e e e si le point critique est laiss´ ` gauche (resp.

14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII. VII.7 incluant une perturbation e et un signal de bruit de mesure. 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. 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. nous avons d´fini un certain nombre e de transferts. 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. 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.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. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII.7 pour lequel les donn´es de l’exemple VII.1.2. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement. les fonctions de sensibilit´.1.1 e e e sont reprises. Dans le § VII. En effet.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente.2. e a e e e e .

La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat.2. .15 ainsi d´finie a un sens. xK ) = (0. 0) est asympe e e totiquement stable.4 (stabilit´ interne) e Soient les repr´sentations minimales d’´tat de G et de K : e e K(p) : = AK BK CK DK G(p) : = A B C D −1 = 1 −K −G 1 u v e Pour v1 = v2 = 0.2. 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.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres.3 (bien pos´) e La boucle a contre-r´action de la figure VII.2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES Notion de bien pos´ et d´finition e e La notion de stabilit´ interne est d´finie ` partir du paradigme suivant : e e a G + + v2 + v + 195 u v1 K Fig. e ´ Definition VII. On dit alors qu’elle est bien pos´e. 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. e e ´ Definition VII.

. la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands.1434 -0. v) sont born´s.2.Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement.Test espace d’´tat : l’interconnection est stable de mani`re interne ssi e e 1 −DK −D 1 existe et A 0 0 AK + B 0 0 BK 1 −DK −D 1 −1 −1 0 CK C 0 est stable asymptotiquement.9878 -3. >> pole(S) ans = -19.21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.[2 1])).1023i . les signaux de sortie (u. >> S=inv(1+L). v2 ).2326 . >> L=G*K.05 1]. Pour tous les signaux e e d’entr´e born´s (v1 .conv([0.3 .7). ν2 aux sorties e e u.1 a .15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 .1.Test entr´e-sortie : la boucle ` contre-r´action de la figure VII.5 1]))).196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII. e Script MATLAB 22 >> G=tf([10]. >> K=tf([1 1].05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII.2. e ua e Exemple VII.5 1].2326 + 1.1023i -0.5p + 1)2 (0. Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.conv([5 1].[0.2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.On retrouve les quatre fonctions de transfert particuli`res ` un changement de signe e a pr`s dˆ ` la convention qui est ici d’une contre-r´action positive. v sont stables asymptotiquement.conv([0. e e .2.

1035 >> T=1-S.9878 -3.1434 -0.3) -CK.9878 -3.1035 -0.B.1434 -0. >> pole(KS) ans = -20..ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.D]=ssdata(sysG).0000 -2.1).2326 + 1.1434 -0.1.2)].9878 -3.DK]=ssdata(sysK).1023i -1. >> [A.0000 -1. .2326 -2.-D 1])*[zeros(1.BK. >> sysK=ss(K).1) BK]*inv([1 DK.0000 -19.5000 >> sysG=ss(G).1023i 1.2326 -0..CK. zeros(2.C zeros(1.2326 .1023i 0.3) AK]+[B zeros(3.2326 + 1. >> [AK..0000i 0.1035 >> GS=G*S.2326 .0000i >> KS=K*S.2000 + + - 1.zeros(2.1023i -1. >> pole(GS) ans = -19.1023i -0.1023i -0.1035 -0. >> pole(T) ans = -19. >> Abf=[A zeros(3.2).C.1.

Ce r´sultat est moins fort que le th´or`me de Nyquist puisque l’on suppose la stae e e bilit´ la boucle ouverte et que ce th´or`me ne constitue qu’une condition suffisante.1 10]).2.2. . >> L=G*K.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.1023i -3.1023i -0. e e Exemple VII. L’interconnection pr´sent´e e e figure VII.22) Remarques VII.1434 -1.3015 ω Le syst`me est stable de mani`re interne.[1 0.1p + 10 En appliquant le th´or`me du faible gain. >> K=tf([0. e e e .15.1. e e >> G=tf([1].1035 Le th´or`me du faible gain e e Les tests pr´c´dents n´cessitent de calculer les pˆles de 4 fonctions de transfert en e e e o boucle ferm´e ou les valeurs propres de la matrice dynamique en boucle ferm´e.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.2.2 .2326 .9878 -0.4 On suppose que G(p) et K(p) sont asymptotiquement stables.[1 1]).1 0]. Cela peut e e ˆtre num´riquement lourd et l’on pr´f`re souvent appliquer une m´thode plus restrictive e e ee e mais aussi plus l´g`re ` mettre en oeuvre.2326 + 1. on obtient : e e max |K(jω)G(jω)| = 0.1p p+1 1 p2 + 0. Ce r´sultat connu sous le nom du th´or`me e e a e e e du faible gain donne une condition suffisante facile a tester qui permet de conclure a la ` ` stabilit´ interne d’un paradigme du type de la figure VII.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e). 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.

cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. Dans le domaine e e e ` fr´quentiel. j0) dans le plan de Nyquist.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´.2.3015 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. VII.inf) ans = 0. Cette distance peut ˆtre mesur´e dans deux e e directions diff´rentes donnant lieu ` la d´finition de la marge de phase et de la marge de e a e gain. 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. Un autre moyen e e de mesurer le degr´ de stabilit´ relative dans le domaine fr´quentiel consiste ` mesurer la e e e a distance du lieu de transfert en boucle ouverte au point critique d´fini comme le point e d’affixe (−1.16 – Courbe de gain dans Bode de L VII. . le pic de r´sonnance Mr peut ´galement servir a cet effet. e e e La mani`re dont un syst`me est stable est ´galement primordiale et conduit a l’´tude de la e e e ` e stabilit´ relative du syst`me boucl´. Dans le domaine temporel.

Arg[L(jω−180o )] = −180o (VII.3 Pour un syst`me ` minimum de phase. VII. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black .6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).2. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.26) Remarques VII.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.23) o` ωco est la pulsation de coupure a 0 dB (gain-crossover frequency) de la fonction de u ` transfert en boucle ouverte : L(jωco ) = 0 dB ´ Definition VII.2. e e e Im 1 |G| dB MΦ ωco 0 dB Φo Kg −1 MΦ ωco ω−180 Re Kg ω−180 −180 Nyquist Black−Nichols Fig.2.25) (VII.

Bode Diagram Gm = Inf dB (at Inf rad/sec) .2. Pm = 25.42 rad/s. 8 deg pour ωco = 4.3 et l’on rajoute un gain K0 = 100 dans la boucle. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.18 – Marges de gain et de phase dans le plan de Bode Exemple VII. >> K=tf([0.[1 0. >> K0=100.8 deg (at 4. >> margin(L) .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.4 On reprend l’exemple V.2.1 0].[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. VII.5 10]). >> L=K0*G*K.

19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0.449 Frequency (rad/sec): 4. VII.202 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Les marges pour ce syst`me sont ´galement repr´sent´es dans les plans de Nyquist et e e e e de Nichols-Black.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.00322 Phase (deg): −154 Frequency (rad/sec): 4. VII.20 – Plan de Nichols-Black . Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.908 Imag: −0.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig.

22 – Marge de module dans le plan de Nyquist .5 1 0. Une mesure plus objective est d´finie par la marge de module. ∆M = 1 1 = MS max |S(jω)| ω (VII. VII.3 avec le mˆme gain K0 = 100 dans la boucle.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig.2.27) Im −1 ∆M 1 Re G(jω ) Fig. e e ´ Definition VII.2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises.2.5 −1 −1.5 On poursuit l’exemple V.5 Imaginary Axis 0 −0. c’est donc le rayon du cercle de centre le point critique (−1. 0) et tangent au lieu de transfert.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte. Dans le plan de Nyquist. VII. e Nyquist Diagram 2 1.21 – Marge de module dans le plan de Nyquist Exemple VII.

2.2.6 (VII.[1 0.6 dB. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.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.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 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. >> K=tf([0. >> K0=100. VII.5 10]).23 – Pulsation de r´sonnance e .6 On poursuit l’exemple pr´c´dent. e e Bode Diagram 20 System: L Frequency (rad/sec): 3. >> Mod=inv(norm(S.1 0].14 Magnitude (dB): 15.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir. On trouve ωr = 3. Script MATLAB 24 >> G=tf(1.14 rad/s et Mr = 15.40911.[1 1]).inf)) Mod = 0. >> L=K0*G*K. >> S=inv(1+L).

r + − u L(p) y Fig.ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ Definition VII.25 – Lieu de Nyquist .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. 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. VII. M-cercles et N-cercles Etant donn´ un asservissement ` retour unitaire.24 – Asservissement a retour unitaire ` L(p) est stable.2. Nous examinons en premier lieu la m´thode pour e le plan de Nyquist. u e Ce coefficient est ´galement appel´ coefficient de r´sonnance ou coefficient de surtene e e sion.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. 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.

les lieux d’amplitude constante et de phase constante en boucle ferm´e.206 − → OA repr´sente L(jωA ). u e e ´ Definition VII.Les lieux de phase constante en boucle ferm´e sont appel´s les N-cercles et ont e e pour ´quation : e 1 (X + 1/2) + Y − 2N 2 2 = 1 1 + 4 (2N)2 (VII. On note. il s’agit de calL(jω) .2. culer pour chaque pulsation donn´e. l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist.30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. 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. u A partir de ces M-cercles et de ces N-cercles. La bande e passante a −3 dB du syst`me en boucle ferm´e est la pulsation du point d’intersection du ` e e lieu de transfert avec le M-cercle M = −0.32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e. Ainsi. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.Les lieux d’amplitude constante en boucle ferm´e sont appel´s les M-cercles et ont e e pour ´quation : e X+ M M2 − 1 2 + Y2 = M2 (M2 − 1)2 (VII.33) . . 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. 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. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII.707.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω).10 (M-cercles et N-cercles) .34) o` N = tan(α).

5 1 1.3 1.5 −2 −1.2 1.5 −1 −0.5 30o (−150o) 36o 45 1 o 2 1.5 Fig.27 – Abaque des N-cercles .ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 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 Im G 0 −90o −60o −45o −1.5 −36 o −0.5 −2. VII. VII.5 Re ω r (Mr = 2) M=0 Fig.5 60o 90o 0.27.707 M = 1.707 0. Un exemple d’abaque est donn´ ` la figure VII.5 2.5 0 Re G 0.833 0.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.5 2 2. e e ea 2.

92 Frequency (rad/sec): 3. e .28.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII.62 rad/s ωr = 4.87 Imag: −1. 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.16 rad/s ω = 3.29 qui forment l’abaque de Hall-Nichols.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). Ainsi ` partir de la figure VII.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte. 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. ` 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.7 En reprenant l’exemple pr´c´dent.2.375 Frequency (rad/sec): 2.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1. De ce fait. il est ainsi possible de tracer un abaque ` e dans le plan de Nichols-Black afin de calculer le module et la phase de la boucle ferm´e e d’un asservissement a retour unitaire connaissant le lieu de transfert en boucle ouverte. e ω = 2. on peut calculer des e e a points de la boucle ferm´e.64 Imag: 0.

VII.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.5 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.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) .29 – Abaque de Hall Exemple VII.25 dB 0.25 dB 0.2.

7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0. e En produisant un zoom sur les fr´quences interm´diaires.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. e e Mφ = 60 deg ωco = 1. e e . il est alors possible de calculer e e la marge de phase.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0. la marge de gain.25 dB Open−Loop Gain (dB) 10 Mφ Kg −150 Open−Loop Phase (deg) −100 −50 Un trac´ identique est donn´ pour K = 5 o` l’on peut voir l’effet de l’augmentation e e u du gain sur le syst`me en boucle ferm´e. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance.8 rad/s Nichols Charts 50 40 0 dB 30 0.5.210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2.

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

(VII.35) L(jω)H(jω) 1 1 que l’on translate de en gain et de Arg 1 + L(jω)H(jω) |H(jω)| H(jω) . il faut calculer. 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase.212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII.2.4 Si l’asservissement n’est pas unitaire.

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

3.1 0.3.4 0. u e e a Exemple VII.02 To: Y(1) 0 −0.06 −0.04 −0.2 Soit l’asservissement a retour unitaire du type de la figure VII.5]. a e VII.02 −0.5 0 0.06 det(1+L(p) 0.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2. ´ ` Theoreme VII.08 0 0.0 0 -4].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.B=[1 0.0 0 0.5 0 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.04 Imaginary Axis 0.5 0 0 0 0 0. . Le syst`me est instable.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.0 1].2 0.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.08 0.5.C=[0.0 -1 1.3.8 1 1.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.

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

e e ) grid : ajoute dans les plans de Nyquist et de Nichols-Black les abaques correspon) dants. la marge de phase Pm.Wcg. e e ) S=allmargin(sys) : calcule la marge de gain Gm.4 VII.Pm.4.Wcp]=margin(sys) : calcule la marge de gain Gm. la marge de phase ) Pm.216 ANALYSE EN STABILITE DES SYSTEMES BOUCLES VII. . 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.

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. L’objet de ce chapitre est donc de fournir des m´thodes permettant de mani`re e e e syst´matique la g´n´ration de sp´cifications de performance. Les sp´cifications de performance ne e e forment donc pas un ensemble rigide d’exigences mais doivent plutˆt ˆtre vues comme un o e moyen d’´tablir une liste de performances souhait´es.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. des propri´t´s e e e ee du syst`me ` corriger et particuli`rement des limitations de performance inh´rentes ` ce e a e e a syst`me. 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 . 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.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. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires. Les sp´cifications de pere e e e formance pour un syst`me de commande peuvent ˆtre constitu´es de crit`res temporels e e e e relatifs au r´gime transitoire.

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

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

Pour que w ait peu d’influence sur y : |T (jω)| . Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 . ee e e (VIII.11) Une analyse identique a la pr´c´dente utilisant les relations alg´briques sur les fonctions ` e e e de sensibilit´ conduit a ´crire la sp´cification en hautes fr´quences : e `e e e ω > ωh |S(jω)| ∼ 1 (VIII.Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).14) VIII.220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.12) 1 (VIII. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment.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.2.3 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 .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.2.

e e e ´ ` Theoreme VIII. e VIII. e .2. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).) Il est donc souhaitable que l’erreur s’annule ou e prenne une valeur finie en r´gime permanent pour des entr´es de r´f´rence types. on obtient. 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.16) En appliquant le th´or`me de la valeur finale.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg.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. On souhaite en effet que le syst`me boucl´ r´ponde sans erreur ou avec e e e e une erreur donn´e ` des entr´es types telles que celles qui ont ´t´ d´finies pour l’analyse e a e ee e temporelle transitoire (´chelon.2. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´.2.17) On en d´duit la r`gle des int´grateurs.18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes. rampe. une contrainte e e |L(jωco )| < 1 alors que l’imp´ratif sur la rapidit´ de la r´ponse implique une bande pase e e sante suffisamment grande. Si la e marge de phase souhait´e est 45o . Cela induit des pulsations ωco et ω−180o suffisamment importantes. 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. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII.. e la pente ne peut exc´der −30 dB/dec.5 Comportement aux fr´quences interm´diaires e e Condition de roll-off Les sp´cifications pr´c´dentes ont ´t´ ´labor´es en basses et hautes fr´quences.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p).. il faut avoir Φ = −135 deg et donc dans cette r´gion. e Exemple VIII.

ωBT ].2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1. Au del` de ces pulsations.2. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me. e Remarques VIII.707 = −3 dB 2 (VIII. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB .21) (VIII.. Dans le cas contraire. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir.2. 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 .1 . e e .1 La bande passante en boucle ferm´e peut alternativement ˆtre d´finie ` partir de la fonce e e a tion de sensibilit´ compl´mentaire.2. la bande passante est un indicateur de performance particuli`rement important.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0. la commande est effective et am´liore les performances. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0.La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte. ωB = ωBT . e e e C’est une ´tape importante dans l’´tape de mod´lisation. e ´ Definition VIII. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII.22) VIII.19) Dans la majorit´ des cas. on a alors : e e ωB < ωco < ωBT (VIII. La condition de roll-off est alors que L(jω) doit avoir un roll-off de 1 dans la r´gion de e a ωco et au minimum de 2 au del` de cette pulsation. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances. pour les pulsations e e inf´rieures ` ωB .20) (VIII.2.6 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.

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

20372 rad/sec) 10 0 −10 Phase (deg).41231 rad/sec). ωco = 0.9588 dB (at 0.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 = 0.5.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0.1 rad/s. e e e . Pm=48.224 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.2 rad/s.24) Ce mod`le poss`de les caract´ristiques suivantes. une marge de gain Kg = 2.41 rad/s. VIII.448 deg. Bode Diagrams Gm=7.2. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples. e e e e e Exemple VIII.2 rad/s et ωp2 = e 0. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig. (at 0.25) (VIII. Le diagramme de Bode de la courbe de gain et de phase de cette fonction de transfert permet de calculer une marge de phase Mφ = 48. a e e .3 – Courbe de gain de G(p) .23) On peut en effet en d´duire ais´ment la fonction de transfert du compensateur par la e e m´thode d’inversion du mod`le.5 deg.2 (loopshaping) Le mod`le du syst`me est donn´ par sa fonction de transfert en boucle ouverte pour un e e e asservissement ` retour unitaire.5 et des pulsations de coupure ω−180o = 0.

|Gb (jω)| ∼ 0 dB. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s.30) .1 rad/s.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.Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration. A ce stade. e ` e . Cela permet de choisir ωb = 0. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e .29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0.5 rad/s et β = 0.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) = .26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p.33p + 1) (VIII.5 Hz doit ˆtre filtr´.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`. Cela e e conduit a simplifier les deux pˆles de G(p) qui sont susceptibles de fournir trop ` o de roll-off sur la mauvaise plage de pulsations du fait de leur pulsation de cassure respective. L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII. Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation.1 rad/s.Le mod`le de la perturbation ´tant un premier ordre donn´ par : e e e w(p) = Gb (P )a(p) = 1 a(p) p+1 (VIII.SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes.Le bruit de mesure intervenant au del` de 0.27) Pour ω = 0.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII. e . On obtient donc. e e e 225 . L0 (p) = −2p + 1 p(2p + 1)(0.

43 rad/s Bode Diagrams Kg = −0. e e . e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte.92 .4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.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. 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. On obtient alors : L(p) = 0. ω−180o = 0.44 ωco = 0.2 rad/s.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.33p + 1) (VIII.95 rad/s 60 40 20 0 Phase (deg). VIII.15 et a ` une pulsation de coupure ωco = 0.15(−2p + 1) p(2p + 1)(0.

) 25 30 35 40 Fig. VIII. VIII.5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le.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).15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg).8 0. Magnitude (dB) Lf(p) −50 0 G(p) L(p) −100 −200 −300 L (p) L (p) f 0 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.4 0.6 Amplitude Amplitude 0.4 0.2 0.8 0.33p + 1) (VIII.) 42 56 70 0 5 10 15 20 Time (sec.6 – R´ponses indicielles e .44 rad/s Bode Diagrams 227 ωco = 0.15(10p + 1)(5p + 1) p(2p + 1)(0. on obtient un compensateur ´gal a : e e e ` K(p) = 0.2 0 0 0 14 28 Time (sec.SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0. e e e Step Response Step Response 1 1 0.6 0.

e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.2 0.) 42 56 70 0 10 20 30 Time (sec.4 0.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII. e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires.34) MT ≤ 1. VIII.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 0.25 (2 dB) Ces deux grandeurs ne sont ´videmment pas ind´pendantes et doivent v´rifier : e e e |||S| − |T ||| < |S + T | = 1 ∀ ω (VIII. e e e Step Response Step Response 1 1 0.7 – R´ponses a une perturbation en ´chelon e ` e VIII.6 0.) 40 50 60 Fig.35) .2 0 0 0 14 28 Time (sec.6 Amplitude Amplitude 0. En effet. 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. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me.2.8 0.8 0.33) MT = ||T ||∞ = sup |T (jω)| ω ` MS et MT correspondent a un pic de la courbe de gain de chacun des transferts consid´r´s.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.

2. e e e e e ∆M = 1 MS 229 (VIII. Un choix usuel est MS = 2. e e La sp´cification de pond´ration signifie donc que la norme H∞ (la valeur maximale e e e e a e du gain) de S pond´r´e par la fonction wp (p) doit ˆtre inf´rieure ` 1.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.SPECIFICATIONS FREQUENTIELLES Remarques VIII. L’interpr´tation ee graphique de la condition sur la sensibilit´ s’obtient en montrant que : e wp S ∞ |wp (jω)S(jω)| < 1 (VIII.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.une erreur maximale de position en r´gime permanent A e 3.2.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.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.2.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.707 2. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.le modelage de S sur certaines plages de fr´quences e 4. 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. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1.39) Remarques VIII.

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.8 – Fonction de pond´ration wp e La borne sup´rieure de |S|.41) 1 est donn´ par : e wp (p) 1 |wp(j ω)| −3 dB M ωB ω rad/s A Fig.aux basses fr´quences. e 1 v´rifie : e |wp | . elle est ´gale a A ≤ 1 (action int´grale) e e ` e . VIII. 0) et de rayon |wp (jω)|.

3 0.33 1])).5.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.conv([2 1 0]. >> S=inv(1+L). >> Wp=tf([1/M Omega_B].2. elle est ´gale a M ≥ 1 e e ` . 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. Apr`s loopshaping. Il e e a e est ` noter sur la figure VIII.[0.8 ωB = 0.SPECIFICATIONS FREQUENTIELLES .1/Wp) >> grid A=0 .aux hautes fr´quences. >> L=tf([-0.4 Afin d’am´liorer les performances. e e la boucle ouverte vaut : L(p) = 0. >> bodemag(S.Omega_B=0.[1 0]).2. Script MATLAB 26 >> M=1.05.3 On reprend l’exemple utilis´ pour le loopshaping de la section III.2.15(−2p + 1) p(2p + 1)(0.42) Exemple VIII.33p + 1) Un choix de filtre de pond´ration coh´rent avec les sp´cifications impos´es est donn´ e e e e e par : M = 1.8.05 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.7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.15].2.

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

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

3.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII.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.46) (VIII. ´ Definition VIII.3.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII. e e e e ee . nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence. Afin de ne pas alourdir ce document. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s. En fait.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.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. seul l’outil e e math´matique est r´ellement diff´rent. ´ ´ Proprietes VIII.45) KSy = K(1 + GK)−1 Sy G = (1 + GK)−1 G Il est ` noter que la diff´rence fondamentale avec les asservissements monovariables a e vient de la non identit´ des sensibilit´s et sensibilit´s compl´mentaires en entr´e et en e e e e e sortie Sy = Su et Ty = Tu .234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig.9.3. VIII.

il est donc indispensable que l’influence de r ee sur soit la plus faible possible.49) ` . = s − r = Sy (d − r) − Ty n + Sy Gb (VIII. l’erreur s’exprime comme suit. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec .SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant.7 .10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII.9.7 ≤ ωB ≤ ωσ(S)=0.50) (VIII.Ai . la bande passante d´pend des directions.3.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII.1 Pour les syst`mes MIMO. les relations de l’asservissement VIII. On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0. VIII. En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII.47) Pour que le suivi de r´f´rence soit bon.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.48) cela peut s’exprimer par la relation suivante.

la pire direction est choisie ωσ(S)=0.41 ≤ σ(S) ≤ 2.∼ 1 aux hautes fr´quences e ω > ωB σ(S) ∼ 1 σ(S) 1 .236 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Si l’on souhaite associer un unique indicateur pour la bande passante. ´tant donn´ le filtre choisi.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 . e σ(L) − 1 ≤ 1 ≤ σ(L) + 1 σ(Sy ) 0. 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).7 .R´duction d’´nergie de commande u et ν faibles : KSy . Tu et Su faibles e e σ(Wu KSy (ω)) < 1 ∀ ω ⇔ ou σ(K) faible 0 ≤ ωB ≤ ω . En effet.un pic sup´rieur a 1 autour de la pulsation de coupure ωB e ` ω ∼ ωB Sp´cifications de performance e Nous r´sumons maintenant l’ensemble des sp´cifications que l’on peut exprimer a e e ` l’aide des valeurs singuli`res. le trac´ des valeurs sinee e e e guli`res min et max de S doit donc suivre un gabarit : e .faible ` basses fr´quences a e ω < ωB .41 . Pour un bon suivi de r´f´rence.

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

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971. En 1948. il entre ` la soci´t´ Autonetics. e .240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. Quand le gain de la boucle varie. la o e localisation des pˆles en boucle ferm´e varie ´galement. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. Il publie Control system Dynamics e e en 1954. 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´. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. a Il est l’inventeur du spirule. Il meurt le 10 juillet 1999. 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. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. 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. 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. 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. Il est donc important de connaˆ o e e ıtre la variation de ces racines (pˆles en boucle ferm´e) en fonction de la variation de K. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). il est ´galement int´ressant de savoir comment e ` e e s´lectionner le gain de boucle afin d’imposer une localisation des pˆles en boucle ferm´e e o e satisfaisante et par cons´quent une dynamique ad´quate pour le r´gime transitoire. e e e W.R. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. 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.

2.1 Les valeurs de p telles que les deux conditions IX.5 et IX.2.6 sont v´rifi´es. Dans la majorit´ des cas. les fonctions de transfert F (p) et G(p) peuvent ˆtre factoris´es e e e de la fa¸on suivante : c 1+ K(p + z1 )(· · · )(p + zm ) =0 (p + p1 )(· · · )(p + pn ) (IX.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.4) (IX.2 IX.5) Remarques IX. e e e . e e o e ´ Definition IX.7) .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. 1.3) 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.IX. · · · ) .Condition d’amplitude : |G(p)F (p)| = 1 (IX.6) (IX.2. 2.1 (lieu des racines) Le lieu des racines ou lieu d’Evans est le lieu constitu´ par les pˆles en boucle ferm´e e o e quand le gain de boucle K varie. IX. CONSTRUCTION DU LIEU D’EVANS 241 IX.2. r + − ζ G(p) F(p) y Fig.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.

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. nous reprenons le sch´ma e e e a e d’asservissement initial.242 ANALYSE PAR LE LIEU DES RACINES On rappelle que pour une fonction de transfert : G(p)F (p) = alors : Arg[G(p)F (p)] = Φ1 − θ1 − θ2 − θ3 − θ4 |G(p)F (p)| = KB1 A1 A2 A3 A4 (IX.4 – Exemple . r + − ζ K u G(p) y Fig.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.2.3 – Mesure des angles et des amplitudes IX. Pour cela. IX. IX.

il y a autant de branches au lieu des racines qu’il y a de pˆles en boucle o ferm´e.CONSTRUCTION DU LIEU D’EVANS o` pour les deux exemples : u G1 (p) = 1 p(p + 1)(p + 2) 243 (IX.15) Les points d’arriv´e du lieu des racines en boucle ferm´e sont donc bien les z´ros en e e e boucle ouverte. 0.14) Les points de d´part du lieu des racines en boucle ferm´e sont donc bien les pˆles e e o en boucle ouverte.10) (p + 2) G2 (p) = 2 p + 2p + 3 . 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 : . Les pˆles sont les points de d´part (K → 0) o e alors que les z´ros sont les points d’arriv´e du lieu (K → ∞). Les pˆles et les z´ros de la boucle ouverte sont repr´sent´s dans le plan complexe par o e e e une croix et un cercle respectivement.11) e e Exemple 1 : la fonction de transfert G1 (p) est ´crite sous forme factoris´e donc l’´quation caract´ristique factoris´e est e e e 1 + G1 (p) = 1 + Exemple 2 : 1 + G2 (p) = 1 + K(p + 2) K(p + 2) √ √ =1+ 2 + 2p + 3 p (p + 1 − j 2)(p + 1 + j 2) (IX. e e K→0 lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX. n (ce qui est e e o le cas en g´n´ral) et que le nombre de z´ros en boucle ouverte est ´gal a m alors le e e e e ` lieu est constitu´ de n − m branches infinies et de m branches finies. K→+∞ lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX. −1.12) .3 pˆles en boucle ouverte et en boucle ferm´e. Si ce nombre est ´gal au nombre de pˆles en boucle ouverte.Etape 1 : factorisation de l’´quation caract´ristique. −2 o e n − m branches infinies .13) K p(p + 1)(p + 2) (IX. De plus.Etape 2 : localisation des pˆles et des z´ros de la boucle ouverte dans le o e plan complexe.

· · · ) (IX. e Exemple 1 : les segments ] − ∞ . . . − 2] appartient au lieu des racines. .18) . . o e e . e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX.Il y a deux pˆles en boucle ouverte. −1 ± j 2 o .244 ANALYSE PAR LE LIEU DES RACINES .Pas de z´ros e . 2. Il y aura donc 1 branche finie o e e et une branche infinie.Une branche du lieu peut ou non traverser l’asymptote correspondante. Il y aura donc trois branches o e e infinies. 0] appartiennent au lieu des racines.L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0. −2 e .Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el. o e ` e Pour chaque portion de l’axe r´el ` tester.toutes les asymptotes ont un point d’intersection commun situ´ sur l’axe r´el e e en : n m pˆles − o σa = i=1 i=1 z´ros e (IX. 1.Il y a un z´ro. 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. Exemple 2 : le segment ] − ∞ . − 2] et [−1 .2.Les asymptotes indiquent le comportement pour |p| 1.17) Remarques IX.Etape 4 : d´terminer les asymptotes au lieu des racines.Le polynˆme caract´ristique est de degr´ 2. e Si le lieu des racines a des asymptotes alors.16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte. Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´. prendre un point test. Exemple 2 : √ .Le polynˆme caract´ristique est de degr´ 3. il y a n´cessairement 3 branches infinies.2 . Exemple 1 : puisque n − m = 3. 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.

On suppose que le polynˆme caract´ristique s’´crit. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1. d’o` l’on a une seule direction infinie qui fait un u angle avec l’axe r´el donn´ par : e e Φa = 180o (IX.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines. e Exemple 1 : l’´quation caract´ristique s’´crit. e e ` e . cette v´rification est simplement graphique. il existe au moins un point d’´clatement e e (respectivement de rencontre). e e 2.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.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.19) Exemple 2 : on a n − m = 1. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines. 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.23) d’o` K = −p3 − 3p2 − 2p.22) (IX.21).21) Remarques IX.Tous ces points v´rifient la condition pr´c´dente mais toutes les solutions de e e e cette ´quation ne sont pas n´cessairement des points de rencontre ou d’´clatement.24) . Si K > 0.3 . Si les rae e e cines sont r´elles.Calculer l’´quation alg´brique (IX. e e e 1+ K =0 p(p + 1)(p + 2) (IX. o e e B(p) + KA(p) = 0 alors.D´terminer les racines r´elles et complexes de cette ´quation. u dK = −3p2 − 6p − 2 = 0 dp (IX. Dans le cas come e plexe. On obtient donc. on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique.20) . e e e 3.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.2. ce point appartient au lieu des racines. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX.

e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles.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 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.25) On a donc encore deux solutions −0.26) p2 + 2p + 3 p+2 (IX. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en.2679 et −3.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif. Exemple 2 : l’´quation caract´ristique s’´crit.27) (IX. (IX. e Il suffit de r´soudre l’´quation caract´ristique en boucle ferm´e avec p = jω : e e e e 1 + KG(jω)F (jω) = 0 Les solutions possibles sont donn´es pour ω > 0 et K > 0. e e e K=− d’o`.30) √ ω = 0 ou ω = ± 2 (IX.5774 o e e et −0. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.28) K=6 (IX. Il n’y a donc pas d’intersection avec l’axe imaginaire. .4226.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire. e . K = 6).29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines.

3.35) . demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles. e e e e (σ + 2)2 + ω 2 = 3 (IX.CONSTRUCTION DU LIEU D’EVANS 247 .4 Dans certains cas particuliers. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes. on obtient l’´quation.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. en e ´crivant l’´quation caract´ristique pour p = σ + jω. il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX. Ainsi.5 – Exemple 2 : calcul des angles de d´part e Remarques IX. e o e Θ = 180o − i θi + j Φj (IX. sur l’exemple 2. e e e Φ = 180o − i Φi + j θj (IX. −1 ± j 2.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig. e e √ Exemple 2 : il y a deux points de d´part complexes. IX.33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. On obtient.

6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].[1 3 2 0]).5 Real Axis 0 0. >> rlocus(G2).5 Imag Axis 0 −0.7 – Exemple 2 . IX.5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig. 2 1. IX. 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2.5 1 1.5 −1 −1.5 −1 −0.5 2 Fig.5 −2 −1.5 1 0.Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1.248 .[1 2 3]). >> rlocus(G1).

54 −1 0.68 0. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.5 2 1.18 1.5 3 2.1 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. a Root Locus 2 0.39 |p + 3| p=−1.7+j1.18 0 Fig.95 0.7±j1. e e e e e Exemple IX. ` e e K= |p2 + 2p + 3| = 1.707.3 IX.7 (IX.95 1 0.7 + 1.8.3.8 – R´glage du gain et amortissement e .37) Il est ` noter que la pulsation propre correspondante est ωn = 2.4 rad/s.5 −0.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.38 −0.5 Imaginary Axis System: G2 Gain: 1.5 0. a e En appliquant la condition des gains a l’´quation caract´ristique.5 0 4 3.7i Damping: 0. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.68 −1.707 Overshoot (%): 4.3.7.89 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 = 0.5 0.707 Ψ = 45o (IX. IX. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.8 0. on obtient.5 1 0.8 −2.34 Frequency (rad/sec): 2.5 −3 0.5 Real Axis −2 0.986 −1 −1.39 Pole: −1.4 .` ´ IX.38 0. Ce point d’intersection permet alors en retour la d´termination de la valeur du e gain K n´cessaire par simple r´solution de l’´quation caract´ristique en boucle ferm´e.986 0.89 −2 −4.5 0. Cela conduit a choisir : e e ` cos Ψ = 0.3.54 0.5 −4 −3.5 0.5 0.

38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote. e Exemple IX.3. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue.[1 6 36])). 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. Pour v´rifier cela.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.9.2 (dynamiques longitudinales d’un avion avec autopilote) Soit l’asservissement a retour unitaire dont la fonction de transfert en boucle ouverte est ` donn´e par : e KG(p) = K(p + 2) p(p − 1)(p2 + 6p + 36) (IX. >> rlocus(G).3. e e Script MATLAB 27 >> G=tf([1 2]. >> sgrid .250 ANALYSE PAR LE LIEU DES RACINES IX. 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].

28 0.08 8 System: G Gain: 112 6 Pole: −0.94 2 Imaginary Axis 2 System: G Gain: 61.89i Damping: 0.23i Damping: 0.5 0.8 4 0.17 0.000437 Overshoot (%): 99.08 8 10 0 1 2 Fig.89 10 6 0.38 0.8 −6 6 −8 0.28 0.8 Frequency (rad/sec): 2.9 – Syst`me ` stabilit´ conditionnelle e a e . IX.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.0017 + 3.9 4 Frequency (rad/sec): 3.17 0.64 8 0.0015 − 2.38 0.000674 Overshoot (%): 99.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.5 0.94 0 −2 −4 4 0.23 2 0.5 Pole: −0.

1 Fonctions MATLAB Fonctions li´es ` l’utilisation du lieu des recines e a ) [R.poles]=rlocfind(sys) : outil interactif de recherche du gain et des pˆles sur un ) o lieu des racines d´j` trac´. ) 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.K]=rlocus(sys) : calcule le lieu des racines du mod`le LTI sys.4.4 IX. ) e e ) [K. ea e .

ee e e Le signal ´chelon e ´ Definition A.1.1.1 Signaux d´terministes en temps continu e Dans la suite.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. 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. e ea (A.1. nous identifions les signaux en temps continu avec les signaux continus ou la valeur de la variable peut ˆtre une fonction continue ou discontinue du temps qui e ´volue lui de mani`re continue.1) 253 .Annexe A Rappels de th´orie du signal e A. e e A.1 (signal ´chelon) e e On appelle ´chelon d’amplitude E ou fonction de Heaviside en t0 .

2) e(t) αt 0 to t Fig.2. A. on parle de rampe unit´ ou de rampe unitaire. 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. on parle d’´chelon unit´ ou d’´chelon unitaire.2 – Fonction rampe Pour α = 1.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig.1 – Fonction de Heaviside Pour une amplitude E = 1. L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e . e e e Le signal rampe ´ Definition A. L’impulsion n’est pas en effet e une fonction ordinaire. 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.1. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A.

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

5 (transformation de Laplace) La transform´e de Laplace unilat`re d’un signal causal x(t) est d´finie par : e e e +∞ L[x(t)] = X(p) = o` p = σ + jω est la variable complexe.8) −∞ .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. 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. u x(t)e−pt dt (A.7) 0 Remarques A.1.1.1.1 .5) 0 T 2T 3T 4T 5T 6T t Fig. D´finition de la transform´e de Laplace e e ´ Definition A. annexe A4).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).6) Le signal sinusoidal ´ Definition A.5 – Peigne de Dirac Finalement.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. A. e ` A.La transform´e de Laplace bilat`re est d´finie par : e e e +∞ Lb [x(t)] = X(p) = x(t)e−pt dt (A.

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

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

e A.2 A. on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.2 Propri´t´s de la transform´e de Fourier e e e Etant donn´e la transform´e de Fourier d’une fonction x(t). LA TRANSFORMEE DE FOURIER 259 A.1 La transform´e de Fourier e D´finition e ´ Definition A.2.´ A. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .2.27) F[x(t ± T )] = e±jωT X(ω) (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. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.28) .2.25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A.

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

1. xm ) est l’ensemble engendr´ par ces vecteurs. y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus. ils sont dits lin´airement d´pendants. · · · . xm ∈ Rm . · · · .3 (produit scalaire) Le produit scalaire de deux vecteurs x. xm ) ∈ R .1 B. · · · . L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 .1.1.1. λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire. 261 . norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn .1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire.Annexe B Rappels d’alg`bre lin´aire e e B. y sont dits orthogonaux ssi x y = 0.1 (Ind´pendance lin´aire) e e Soit un ensemble de vecteurs x1 . ´ Definition B. e e ´ Definition B. les vecteurs x. · · · . ee ´ Definition B. Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 .2 (espace engendr´ par un ensemble de vecteurs) e n Soit (x1 .

||αe|| = |α|.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.4 (norme) Une norme est une fonction .6 (condition de consistence) ||A|| est une norme matricielle si elle v´rifie en plus des propri´t´s ´l´mentaires la propri´t´ e e e ee ee multiplicative : ||AB|| ≤ ||A||.2 1 −2 0 6 |aij |2 = i.1.||B|| Exemple B.1. e e e e ´ Definition B.∀ e1 .||e|| = 0 ⇔ e = 0 3.5 (p-norme d’un vecteur) e Soit e ∈ Rn . ∀e ∈ E.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B.j A= ||A||sum = i.1.||e|| 4.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B.j i.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.1.1.∀ α ∈ R.∀ e ∈ E : ||e|| ≥ 0 2. 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. d´finie sur un espace vectoriel E. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.

1. 1 n .Les valeurs propres de A sont ´gales aux valeurs propres de A .2 . ee u . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B.l ≥ m: Σ= diag(σ1 .2 Valeurs propres et valeurs singuli`res e ´ Definition B. On associe a chaque valeur propre λi . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B.Les valeurs propres de Ak sont λk . λk . Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes. σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) . · · · . .` ´ ´ ´ B.1. Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A). · · · c + λn o` λ1 .1.1. · · · .1.8 (rang d’une matrice) : Rn → Rm .3326 valeur singuli`re maximale e ´ Definition B.9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R . Elle sera dite de rang plein si : e e rg(A) = min(n. · · · .1.1. m) B.Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux. λn sont les valeurs propres de A.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 .Les valeurs propres de (cI + A) sont c + λ1 .1. e ´ Definition B.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.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.

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

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

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

··· ··· ··· . . ··· ··· ··· . . ··· . . . .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).. . Alors. . . . ce qui e e e donne. . .   1 0 0 P = 1 1 0  1 2 1 .. eλn t B.3) eAt = P eJt P −1   0    0    ···  =P          eλ1 t teλ1 t eλ1 t 0 ··· te eλ1 t ··· . .   1  1  v1 = (1 − A)v2 = 1 On choisit alors le dernier vecteur propre ind´pendant w = [0 0 1] et l’on a la matrice e de passage. ..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 .. .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). 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. . . . . . ··· . . .CALCUL DE LA MATRICE DE TRANSITION D’ETAT eAt  t2 λ1 t e 2 λ1 t 267         ···   −1 P      ···     (B. . v2 = [0 1 2] . . .2. . .

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.   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 e . 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.

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

1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 . · · · .1.2 (formulaire de d´rivation) e . ´ ` Theoreme C.4 (fonction C 1 ) Si une fonction f est diff´rentiable sur un ensemble ouvert S ⊂ Rn et que le gradient e ∇f (x) est une fonction continue alors f est dite C 1 sur S. On d´finit la matrice Hessienne de f not´e e ∇2 f (x).1.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp.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. C 1 ) si chaque composante fi (i = 1.1. ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C.∀ y ∈ V(x).1. .6 (matrice Hessienne) e e Soit f : Rn → R. la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C.Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 .∀ y ∈ V(x). e ´ Definition C.1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert. ∃ α ∈ [0.1. · · · . . La matrice gradient de f en x. .1. C 1 ).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.270 RAPPELS D’ANALYSE ´ Definition C. une fonction C 1 en x. m) est diff´rentiable (resp. not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x). ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = .1.

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

e 2. t) = t2 x2 est une fonction semi d´finie positive. t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0. V (x. si P est une matrice (semi) d´finie positive (n´gative).2 (fonctions semi d´finies positives) e e 1.2.Une fonction scalaire V (x. t) > 0 e e 2. 2 e e . t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative.V (x. t) = tcos(x1 ) est une fonction localement semi d´finie positive. t) est (semi) d´finie positive (n´gative). 1 e .2 e . t) est e e (localement) (semi) d´finie positive.2.2.272 RAPPELS D’ANALYSE C.1 (fonctions d´finies positives) e e 1. t) est (localement).3 e .V (x.2. x2 ) = x2 + sin2 (x2 ) est d´finie positive localement. 1 . t) = 0 2 − ∀ x = 0 ∈ Br V (x. t) > 0 Exemple C. x ∈ Rn avec e e P = P . 1 Remarques C. x1 .Une fonction scalaire V (x.Si une fonction V (x. (semi) d´finie n´gative alors −V (x. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.2.1 1.Cas particulier important : la forme quadratique V (x) = x P x.Une fonction scalaire V (x.2 Rappels sur les fonctions d´finies positives e ´ Definition C.1 e .2.V (x) = x1 x2 + x2 est une fonction ind´finie. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.Une fonction scalaire V (x.V (x. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0.V (x. t) ≥ 0 e 2. t) ≥ 0 Exemple C. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0. e e Exemple C. 1 2 ´ Definition C.V (t. t) = 0 2 − ∀ x = 0 ∈ Br V (x. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0. e . t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive.

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

indiana. Dorf.H. Addison Wesley Publishing Company. Bosgra. [18] R. 1851. Princeton University Press. Modern Control Systems. Signaux D´terministes. ”Controllability of linear dynamical systems”. Modern Control Theory. Narendra. 1996. Murakami. Y.C.edu/\tilde rcapub/ [24] H. A. J. Rotella. [14] W. F. Chen. [19] G. Seventh Edition.C. Geromel. Third Edition. [17] P. [20] J. K.P. Feedback Control Systems.T. [22] H´ron d’Alexandrie. I. 1984. Notes pour le cours du Dutch Institute of Systems and Control. Bol.E.S. Richard. 1992. Bishop. e [21] T. ”Out of control”. Contributions to differential equations. Kwakernaak. Tinehart and Winston. 1997.C. Ho. http://www. Taylor Walton and Maberly.ir.history. http:\\www. Glad. Kalman. IRIS/ASTRO-F. Taylor and Francis. Brogan.C. Control of Spacecraft and Aircraft. No. [15] A.F. Linear System Theory and Design.D. article R 7010.org/outofcontrol . Colaneri. Tome 1. H. Kelly. ”Contributions to the theory of optimal control”. Control theory and design. [16] C. 1994. [27] K. 2000. London. Borne. 1960. Informatique Industrielle.. e [13] O. Sociedad Mat.L. Dauphin-Tanguy. Editions Technip. Ljung. e traduction de Bennett Woodcroft. [26] R.K. J. 1995. Addison-Wesley Publishing Company.E.edu/steam/thurston/1878/ [23] Indiana unniversity. http://www.rochester. Locatelli. Zambettakis. A. 1963.274 REFERENCES BIBLIOGRAPHIQUES [12] P. G. J. Techniques de e e l’Ing´nieur. Mex.kk. Mod´lisation et Identification des Processus. Design methods for control systems. 2. 1994.jp/ASTRO-F/detail/general [25] R. 1991. Prentice Hall. Franklin.E. Powell. Bryson. Holt.ac. R. ”Japanese infrared survey mission”. Gille. Control theory: Multivariable and nonlinear methods. L. Kalman. Transform´es et abaques. Third Edition. Pneumaticae (The pneumatics of Hero of Alexandria. Academic Press. Vol.isas. 1. Emami-Naeni. http://www.

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

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

. . . . . . . . . . . . . . . . . . . . . . . .5. . .7. . . . . . . . .1 Le polynˆme caract´ristique et les pˆles . . . . . . . . . . . . . . .1 Le concept d’´tat d’un syst`me . . . . . . . . . . .3 Contrˆle d’attitude d’un satellite . e e Le mod`le interne . . . . . .2 Les z´ros . . e e e II. . . .5. . . . . . . . . . . . . . . .5. . . . . .4. . . . . . . . . . . . . . . . . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . . . . . . . . . . . . e I. . . . . . . . . e Exemples de syst`mes de commande modernes . . . . . . . . . .4. . . . . . . . . . . . . . . . . .6. . .4 Commande longitudinale d’un avion civil . . . . . . .2 II. . . . . . . . . . . .6. . . . . . . . . . . . . .1 Contrˆle d’attitude d’un satellite . . . . . . . . . . .4. . . e II. . . . . e e II. . . . . . .2 La matrice de r´ponse impulsionnelle . e Approximation lin´aire des syst`mes physiques . . . . .3 II. . . . . . . . . . . . . . . . . . . . . . . . . . .2 Th´orie de la commande . . . . .4. . . . . . . . II II. . . . . . . . . . . . . . . . .3 Introduction ` la th´orie de la commande a e Introduction . . . . e e e II. .1 R´gulation de temp´rature dans un four . . . . . . . . . .4 II. . . . . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat . . . . . . . . . . . . . o e o II. . . . . . . . . . . . . . . . . Exemples caract´ristiques . . .1 I. . . . . . e II. . . e e e e II. . . .4 Le cas particulier des syst`mes SISO . . . . . . . . . e e II. . . . .5. . . . . .Lin´arisation .4. . . . . . e Les mod`les graphiques . . . . . . . . . . .7. . . o I.3 Repr´sentation d’´tat lin´aire . . e e e Les mod`les externes (entr´es-sorties) . . . . . . . . . . . . . . . . . . . . o e e II. .2.4. . . . Th´orie des syst`mes et th´orie de la commande e e e I. . .1 Sch´ma fonctionnel . . . . . . . . . . .2 Repr´sentation d’´tat des syst`mes dynamiques . .` TABLE DES MATIERES 277 Table des mati`res e I I. . .4 Repr´sentation d’´tat des syst`mes LTI . . . . e e II. . . . .4. . . . .2 Sch´ma fonctionnel et fonctions de transfert . . . .2 Servom´canisme hydraulique . . . . . .la repr´sentation d’´tat . . . . . . . . e e I. . . . . . o II. .3. . . . . . . . . . . . . . . . . . . . . . . . . . . e II. . . . . . . . . . . . . e II. . . . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . e Pˆles et z´ros d’un mod`le LTI . . . .3 Equations diff´rentielles entr´es-sorties . .3. .1 II. . . . . . . . . . . . . . . . . . . e e e . .4 . .4. . . . . .1 La matrice de transfert . . . . . . . .7. . . . . . . . . . . . . . . . e e e II. . . . . . . . . . . .2 Contrˆle de la tˆte d’un disque dur . . . . . . . . . . . . . . . . . . . . . . . Bref album chronologique . . . . . . . . . . . . . . .1 Notion de syst`me . . . . . . . . . . . II. . . . . . . .2. . . .5 II. . . . . . . . .2 I.7. . . . . . . . . . . . e I. . . . . . o e I. . . . 5 5 7 19 19 21 24 24 24 25 26 27 27 29 29 33 35 37 37 38 42 46 48 48 52 53 54 57 57 59 61 61 62 65 67 I. . e II. . . . . . .6 II.

.2 Caract´risations de la stabilit´ BIBO . . . . . e III. e e III. . . e e III. . .r´gime forc´ . . . . . . . . . e e III. . . . . . . . . . . . . . . . . . . . . . .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. . . . . . . . . . . . . . .4 Fonctions de mod´lisation par blocs . . . . . . . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . . . . II. . e a e V. . . . . . . . . .2. . 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´ .6. . .2. . . . III. . e e IV. . . . . . . . . . . . . . . . e e e V. . . . . . . . .3. . . . . . .8. . . . . . . . . . . . . .1 Fonctions d’alg`bre de base . . . . . . .1 D´finition et exemples . . . . .2. . . . . . . . . . . . . . . . . . . . .5 Grammiens de commandabilit´ et d’observabilit´ . . . . . . . . . . .1. . . e III. . . . . . . . . .2 R´gime libre . . . . .2 Fonctions de mod´lisation LTI . .2. . .1 Fonctions d’alg`bre de base . .3 Fonctions de conversion entre mod`les LTI . . . .2. . . .1. . . . . . . . . . . . . . . . . . . . . .2 R´ponse ` des entr´es types . . . . . . . e IV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . e III. V. IV V . . .6. . . . . e V. . . . . . . . . . . . . . III. . . . . . . . . . .2 Crit`re de commandabilit´ . . . . .2 Th´orie de la r´alisation . . . . . . . . . . . . . . . . .2 Crit`re d’observabilit´ . . . . . . . . . . . .2 La stabilit´ interne . . . e e IV. . . . . . . . . . . . . . . . e . . . . . . . . . . . . . . . . . . . . e III. . modales . . . . . . . . .8. . . . . . . . . . e III. . .2. . . .r´gime transitoire . . . III.2 Fonctions d’analyse des mod`les LTI . . . . . . . . .1 D´finition . . .4. . .1 Cas de modes simples distincts . . . . . . . . . e V. . . . . . . . . . . . . . .278 II. . . . . . .2 Notion d’observabilit´ . . . . . . . . . . e III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 Fonctions MATLAB . . . .2. . . . . . . e e V. . .3. . . . . . .8. .2 Cas de modes multiples . . e III. .2. .8 Fonctions MATLAB . . . . .4 Nature des points d’´quilibre en dimension 2 e IV. . e V. . . . . . . . . . .1 D´finition . . . . . . . . . . .1 . . . . e e e III. . . . . . . . .4. . . . . . . . . . . .1 D´finition . . .2. . . e Analyse temporelle des syst`mes continus e Introduction . . . . . . . .1 Les formes canoniques d’´tat . . . e IV. . . . . . . . .1 La stabilit´ BIBO . . . . . . . . . . . .1. . . . . . . . . . . . . e II. . . . . .3 La m´thode de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . .1 D´finitions . . .3 Fonctions d’analyse des mod`les LTI e II. . . . . . . e IV. e e III. . . . .3 Stabilit´ BIBO et stabilit´ interne . . . . . ` TABLE DES MATIERES . . . . . . . . . . . . . . . . .1 Signaux d’entr´e types . e II. . . . . . . . . . . . . e e IV. . . .6. . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . e III. . . . . . . . . . .1. . . . . . . . . . . . . . . . . . e IV. . . . . . . . . . . .2 Les syst`mes du premier ordre . . . . . . . . . . . . . . . .1.1 Stabilit´ des syst`mes LTI e e IV. . . . . . . . . . . . . . . . . . . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV. . . . . . . . . . . . . . .3 R´gime permanent . . . . . . . . . . . . . . . . . . . . . . . . . . e III. .8.1. .3 Crit`re alg´brique de Routh-Hurwitz . . . . . . . .3 Relations entre mod`les internes et externes . . . . . . . . . . . . . . . . .

. . . . . . . . V. 153 . .3. . . . . . . . e a VI. . . . VI. . . .1 Introduction . . . . . . . . . . . . . . . . . . . e V. . .4. 179 . . . . e . VIII. . . . . . . . 153 . . . . .3. . . . . . . . . . . . . . . . . . . . . . 173 . . . e e ` e VII. . . . . . . . . . . . . . .1 Principe de la contre-r´action . . . VIII.2. .2. . .2 Caract´risation des syst`mes de commande a contre-r´action . . . . . . . . . . . . . . . . . . . 177 . . .2. . . . . . .2 Fonctions d’analyse des mod`les LTI . 189 . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Le lieu de Nichols-Black .2. . . e e VII. . . . . . . . . . e e e 147 . . . . . . . .4.4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . . . . . . . . . . .2. e VI. e e V. . . . . . . . . . . . . .1 Syst`mes de commande a contre-r´action . . . . .2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Le crit`re de Nyquist . . . . 168 . . .2 Effets des z´ros et des pˆles additionnels .3. . . . . .2 Le crit`re du revers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . .3 Fonctions MATLAB .3 Sp´cifications temporelles sur le r´gime transitoire . . . . . . . V. e ee VI. . . . . e e e VII. . VII. . . . .3. . . .3 Sp´cifications temporelles d’un syst`me du second ordre . . . . . . . .1 Rappels sur les relations de bouclage . . . . . . . . . .2 Extension au cas des syst`mes multivariables . . . 279 123 123 126 130 132 132 139 141 145 145 145 VI R´ponse fr´quentielle des syst`mes LTI e e e VI. . . . . . . . . . e VI. .` TABLE DES MATIERES V. . e V. . .2 Rejet de perturbation b . . . . . .1 Notions de modes . . . . . . . .1 D´finitions et exemples . . . . . . . 194 . . . .4 Les syst`mes ` non minimum de phase . . . . . .2. . . . . . . .1 Les syst`mes monovariables . . . . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. . . . . . . . . . . . . . . . . 179 .2. . e VIII Analyse en performance des syst`mes boucl´s e e VIII. . . . .5. . . . . . . . . . . . . .1 Fonctions de trac´ de la r´ponse fr´quentielle . . . . 147 . . .2 Etude de la r´ponse indicielle . e V. . . . e e e VII.1. . . . . . . . . . . . . . . 160 . . . . . . . . . . . . . . . .3 Extension aux syst`mes multivariables . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184 . . . . .2. . .3. . . .5 Extension aux syst`mes multivariables . . . . . . . . . . . .2. . . . .1 Le lieu de Nyquist . . . .1 Fonctions de r´ponse temporelle . . . . . . . . . . . . . . . . . e VII. . . .2 Le th´or`me du faible gain .1. . . . . . . . . . . . . . . 149 . . e VII. . . . . . . . . . . . . . . 177 179 . . e VII. . . . . . . . . . . . . .4. . . . . . . .3 Les syst`mes du second ordre . . . . . . . . e ` e VII. .2 Le lieu de Bode . . . . . . . . . . . . . . . . . . . . . . . .3 Stabilit´ interne des syst`mes boucl´s . . . . .2.5 Fonctions MATLAB . . . . . . VI. . . . . . . . . . . 175 . . . . . . . e e V. e V. . . . . 193 . . . .2 Analyse en stabilit´ des syst`mes boucl´s . . . . . . . . . . . . . . . e VII. . .1 Le crit`re de Nyquist multivariable . e e V. . . . . . . . . . . . . . . . . . . . . . . . . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII. . . . . e VII. . . .4 Les syst`mes d’ordre sup´rieur . VII. . . . . e o V.1. . . . . 189 . . . . . . VI.4. . .1 D´finition et propri´t´s . . . . e VI. . . . . . .1 Fonctions d’analyse de stabilit´ . VI. . . . . . . . . . . . .3. . . . . . . . . .5. . . 147 .4 Fonctions MATLAB . . . . . . . . .

.5 Comportement aux fr´quences interm´diaires . . B B. . . . .2 Calcul de la matrice de transition d’´tat eAt . . . . .2. . . . . . . . . . . . . . . VIII. . . .7 Modelage des fonctions de sensibilit´ . . . e A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272 e 273 R´f´rences bibliographiques ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . e A. . .3 Analyse des syst`mes boucl´s par le lieu d’Evans .2. . . . . . . . . .2.1 egles d’association dans les sch´mas-blocs . . e B. . . . . . . . . . . . . . . . e a e IX. .1 M´thode de triangularisation . . . . . . . . . . . . . . . . . IX. . . . . . . . . . . . . . . . . . . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. . . e B. . . . . . .2 Repr´sentation fr´quentielle des signaux continus . .2 La transform´e de Fourier . . . . . . . . . . . . . . . . . . . . .2 Syst`mes ` stabilit´ conditionnelle . . . . . . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . . . e VIII. . . . . . . . .1 Conditions des angles et des amplitudes . . . . . . .2 Utilisation de la transform´e de Laplace e C. . . . .3. e B. . . . . . . .2 Les fonctions de sensibilit´s en entr´e et en sortie . . . . . . . . . .1. . . . . . . . . . . . . . norme et rang . . . . .2. . . .3 eduction du bruit de mesure w . . . .3 ecifications de performance . . . . . .1 . . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . .1 D´finition . . . . .2.3.6 Notion de modelage de boucle : loopshaping . . 269 e Rappels sur les fonctions d´finies positives . . . . . A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . . . .2. . .4 Fonctions MATLAB .2.1 C. . . ee e VIII. e B.1. . . . . . . . . . . . . . . . . . . . . . . e e e IX. . . . . . e A. .1 Produit scalaire. . . . . . . B. . .2 Valeurs propres et valeurs singuli`res . . . . . . . . . . . . . . . . Sp´ e VIII. . . . . . . . . . . .3. . . . . . . . . . . . .2. . . . . . . . . . . . .3 Matrices sym´triques . . . IX. . . . . . . . .2 R`gles g´n´rales de construction . . . . .1 R´glage du gain . . . .1 Fonctions li´es ` l’utilisation du lieu des recines . . . ee e . . e e ee B. . . . . . . . . . . . Construction du lieu d’Evans . . . . . . . IX. . . . . . . . e e IX. . . . .2. . . . . . . . .3. R´ VIII. . .2 A. . . . . . . . . . .280 ` TABLE DES MATIERES . . . . . . . .1 IX. . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Suivi de r´f´rence r : pr´cision . . . . .1. . . . . . . . . . . . e e A. . . . . . . . . . . . . . . . . e e VIII. . .3. . e IX. .2. . . . . . . . .1. . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . R` e VIII. . . . . . . . . . . . .1. . .4. . . . . . . .2. . . . . . . . . . . .2 Propri´t´s de la transform´e de Fourier . . . . . . . e a IX. . . .8 ecifications de performance en sensibilit´s mixtes . . .2. . . . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . e e VIII. . . . . . . . . . . . . . . . . . . 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. . . . .

Sign up to vote on this title
UsefulNot useful