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

th´orie des transformations. mˆme si le vocabulaire est parfois diff´rent.) mais plus important.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. 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. 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. Enfin. des outils math´matiques (alg´briques. 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. Certains de ces outils ont ´t´ d´j` pr´sent´s en cours de traitement ee ea e e du signal et sont donc uniquement rappel´s en annexes. e e le concept d’information y est ´galement primordial.. e e Afin de manipuler et d’utiliser ces concepts. sa e e e e parent´ avec le traitement du signal ne fait aucun doute. e e graphiques et informatiques) sont pr´sent´s et ´tudi´s en d´tail et constituent le corps e e e e e technique de ce cours. e . 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..

[5]. le principe de la commande tout ou rien est pour la e premi`re fois utilis´. [27]..250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe.. L’´tude minutieuse des ` e e e e diff´rentes sources retra¸ant cette histoire montre que la pratique de l’ex´g`se et le sentie c e e ment national ne donnent pas toujours de bons r´sultats. 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]. .. I. Philon de Byzance (. : La premi`re mise en oeuvre de syst`me de commande ` contree e a r´action est l’oeuvre des grecs dans l’antiquit´ avec des r´gulations de niveau par e e e flotteur afin de mesurer pr´cis´ment le temps. [10].800 ..2 – Clepsydre d’H´ron [22] e . Le principe de la chasse d’eau est fond´ sur e e e e e le mˆme principe.1200 : diff´rents ing´nieurs Arabes (Al-Jazari. Durant cette p´riode. I.). [7].C.2. distributeurs automatiques de liquides. [4].2 Bref album chronologique L’histoire et le d´veloppement de la th´orie de la commande et des syst`mes de come e e mande a contre-r´action sont maintenant bri`vement retrac´s. La premi`re 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. 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. [3]. [6].I. 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. [8] [42]. clepsydres. r´gulateurs de e a e flammes. e e . ` Fig.).300 avant J.1 – Clepsydre de Ktesibios [28] Fig. distributeurs automatiques de vin. BREF ALBUM CHRONOLOGIQUE 7 I. 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.

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. Son ´chec ` trouver la e a pierre philosophale le conduit n´anmoins a inventer un incubateur automatique. les e e r´gulateurs de temp´rature sont ´tudi´s successivement par Becher en 1680. l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s. e ` l’Athenor.1900 : la r´volution industrielle d´bute r´ellement avec l’av`nement des e e e e proc´d´s de commande a contre-r´action.1600 . Henrye e e ` 1771. e e Henry propose de l’utiliser pour les fours chimiques en 1771. oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig. e a e .4 – Sch´ma de l’incubateur Athenor e . 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. I. fours. R´aumur-1754. I. e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W.R´gulation de temp´rature (Drebbel-1624. Entre temps. machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle. En effet.3 – Illustration extraite du livre : ”Automata” (1315) [1] . Bonnemain-1777) : Cornelius Drebbel.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. Becher-1680.

(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. Fig. Brindley-1758. 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.R´gulation des moulins a vent : le flux de grain dans un moulin est r´gul´ e ` e e suivant la vitesse de rotation de la meule en 1588 (par le mill-hoper). I.R´gulation de niveaux (Salmon-1746.I. BREF ALBUM CHRONOLOGIQUE 9 .6 – Principe de la machine ` vapeur de Polzunov [35] a . Crapper 1775. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. e ` ` e les fr`res Perier mettent au point la premi`re boucle de r´gulation avec action e e e proportionnelle et int´grale. A la fin de ce si`cle. Wood-1784). le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur. En particulier. Polzunove 1765. En 1745. En Sib´rie.2.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. la chasse d’eau est mise au point par le londonien Crapper en 1775. I. invention pour laquelle il est anobli par la reine Victoria. a .

Fig. I. Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803.7 – Soupape de s´curit´ de Papin [46] e e . (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton. il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur.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.R´gulation de pression (Papin-1707.R´gulation a gouverne centrifuge (Watt-1788). (Siemens-1846). I. Delap-1799. e ` (Pickering-1862). 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. (Porter-1858).8 – Moteur a vapeur de Watt [46] ` Fig. I. 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. En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs. On peut e . 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.10 INTRODUCTION A LA THEORIE DE LA COMMANDE . ` e e Fig.9 – Manuscrit de Watt ou Boulder [44] .

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

e e a . seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques. a e Fig. Le e e ee d´veloppement des techniques de communication permet a Harold Black de e ` proposer la r´tro-action n´gative pour la r´duction des ph´nom`nes de distore e e e e sion ` hautes fr´quences. A cette ´poque. I.12 INTRODUCTION A LA THEORIE DE LA COMMANDE ` au d´but du XX eme les r´gulations de position a base de PID (Proportione e ` nel Int´grale D´riv´e) pour la commande des bateaux.11 – Manuscrit de Harold Stephen Black sur un exemplaire du New York times (AT & T Archives) Harry Nyquist reprend les m´thodes de repr´sentation dans le plan complexe e e (principe de l’argument) d’Augustin Cauchy pour donner une solution graphique au probl`me de stabilit´ des circuits. 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.

1940-1960 : la deuxi`me guerre mondiale a jou´ le rˆle de stimulant intellectuel e e o primordial pour le d´veloppement des syst`mes de commande et a donn´ naissance e e e ` la p´riode dite classique. (Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H. BREF ALBUM CHRONOLOGIQUE Nyquist Diagram 5 13 4 3 2 1 Imaginary Axis 0 −1 −2 −3 −4 −5 −7 −6 −5 −4 −3 Real Axis −2 −1 0 1 Fig.C. 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. Nichols. 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).12 – Lieu de Nyquist . a e .W. Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N.13 – Syst`me de RADAR SRC-584 [40] e En parall`le.B. Bode propose en 1938 d’utiliser le trac´ de l’amplitude et de la phase de la r´ponse fr´quentielle des r´seaux e e e e lin´aires et d´finit les notions de marges de phase et de gain. .2. e Fig. I.I.

7 deg (at 1.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61.25 dB 0. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”.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. I.14 – Lieu de Bode Fig. . I.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0. (Wiener et Bigelowe 1942) : A. N. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu.3 dB (at 1.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.N. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu.43 rad/sec) .D´veloppement de l’analyse stochastique (Kolmogorov-1941). N. Pm = −44. . I.15 – Abaque de Black-Nichols .16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. Shannon qui publie en 1948 ”The mathematical theory of communication”. Wiener et J. Fig.

BREF ALBUM CHRONOLOGIQUE 15 ` Fig.18 – M.B. (Evans-1948). (McColl-1945). Royaume Uni. I.G. Ziegler et N. 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. 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. (Truxal-1955). J.Sc. (Ziegler-Nichols-1942). I.P´riode classique de d´veloppement de la th´orie des servom´canismes (Smithe e e e 1942). Smith-1942).2. (McColl-1945). En 1951 a lieu la e e e premi`re conf´rence d’Automatique a Cranfield. e e ` 4 3 2 1 Imag Axis 0 −1 −2 −3 −4 −5 −4 −3 −2 −1 Real Axis 0 1 2 3 Fig.R. (Truxall-1955) : W. o e Nichols proposent leurs r´glages des compensateurs PID. Evans d´finit sa m´thode du lieu des racines permettant de d´terminer la locae e e lisation des pˆles en boucle ferm´e dans le plan complexe.19 – Lieu d’Evans . Cette p´riode est principalement marqu´e par la parution e e e des premiers trait´s (S. I. de Shannon [42] .17 – 1ere ´dition de Cybernetics [2] e Fig.

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. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial. De son cˆt´. (Yakubovich-1962). 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.3 −0. R.4 −0.1 Real Axis 0.A.1 0 0.2 −0.5 0.16 INTRODUCTION A LA THEORIE DE LA COMMANDE . (Popove e 1961).M.5 −0.Th´orie de la commande optimale et th´orie de l’estimation.1 −0. Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat.2 0.4 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.5 Fig. (Desoer-1965). Hamel en France et J.1 Imag Axis 0 −0.2 0.Th´orie de la commande non lin´aire (Hamel-1949). L.2 −0. Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton.3 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. (Sandberg-1964).4 0. Il montre d’autre part e e . Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e. (Pontryagin-1958). 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. e e R.3 −0.20 – Application du crit`re du cercle e . I. (Tsypkin-1955). e e q=5 − mu=1 − a=1 0. au crit`re du cercle et de la passivit´.5 −0.4 −0. V. .1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale.3 0. (Narendra-1964). (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B.S. introduction du e e formalisme d’´tat (Bellman-1957). (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats.

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

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

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

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. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours.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. Cela signifie qu’en th´orie des syst`mes.repr´sentation math´matique des int´ractions entre les ´l´ments ` travers la repr´sentation e e e ee a e math´matique des int´ractions entre les variables. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig.26 – Nature math´matique des syst`mes e e Ce cours a donc pour but l’´tude des syst`mes d´crits par des ´quations diff´rentielles e e e e e ordinaires d´terministes lin´aires ` coefficients constants. e e a . 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. e e Classification des syst`mes e Jusqu’ici. I. e e . En gras.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. 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. 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. Traitant e e uniquement dans ce cours des syst`mes dynamiques. 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. . 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.20 INTRODUCTION A LA THEORIE DE LA COMMANDE .formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie.

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

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

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

. 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. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture.). incubateur. I.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I.29. Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig.4.. Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I.4.1 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. La temp´rature T d’un processus donn´ o e ea e e est r´gul´e dans un four a l’aide d’une r´sistance R. il est e a e e e n´cessaire d’asservir la tˆte de lecture en position afin de la placer sur les pistes de donn´es e e e souhait´es. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T .29 – R´gulation de temp´rature e e I.2 Contrˆle de la tˆte d’un disque dur o e Afin d’acc´der ` des donn´es enregistr´es sur un disque num´rique tournant.4 Exemples de syst`mes de commande modernes e Quelques exemples remarquables de syst`mes de commande modernes sont d´velopp´s e e e afin d’illustrer de mani`re concr`te les diff´rentes notions introduites pr´c´demment telles e e e e e que r´gulation. etc. e . A partir de l’information de position restitu´e par un capteur au correcteur. contre-r´action.. e e I.

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

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

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

.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. Ce chapitre a pour e e e but de donner les principes de base de la mod´lisation des syst`mes dynamiques les plus e e courants rencontr´s dans le domaine a´ronautique et spatial sans pour autant pr´tendre e e e ` l’exhaustivit´. Il ne s’agit pas de se substituer ` un cours de m´canique du vol ou a e a e de m´canique des corps flexibles mais de disposer d’exemples r´alistes constituant des e e supports illustratifs de ce cours. Il est donc tr`s important d’´tablir e e e un bon compromis entre la pr´cision du mod`le et sa complexit´.

il produit ´galement des travaux en optique (Ad Vitellionem paralipomena. quie bus astronomiae pars optica traditur en 1604. 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. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615).2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´.2. kI ).2. Il publie le premier mod`le math´matique cosmologique e e e dans Mysterium cosmographicum en 1596 et l’envoie a l’astronome Tycho Brahe qui ` l’embauche a Prague comme math´maticien assistant. e ` e e Biographie 1 (J. 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. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. 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. 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. 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. On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . Il est mort le 15 Novembre 1630 a Regensburg. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe.2 Exemples caract´ristiques e Dans cette section. . En dehors de ses travaux d’astronome proprement a dit. e e 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. 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´. jI . les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s. EXEMPLES CARACTERISTIQUES 29 II. ` 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. e e Il y suit un cours d’astronomie g´ocentrique (syst`me de Ptol´m´e) e e e e dans un premier temps puis est initi´ au cours d’astronomie avanc´e e e h´liocentrique de Copernic. Il est d’ailleurs excome a muni´ en 1612. 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. Nous e e e nous int´ressons au mod`le math´matique du mouvement d’orientation du satellite qui e e e peut ˆtre obtenu a l’aide des ´quations de la cin´matique et de la dynamique.´ II.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1. z). y.

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

uz ) forment le vecteur moment de commande. l’angle de nutation et φ l’angle e e de rotation propre.5) ` Hypotheses II.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 .EXEMPLES CARACTERISTIQUES 31 En projetant cette ´quation sur les axes du r´f´rentiel B (les axes d’Euler). 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. Tz ) sont les composantes ea du vecteur moment des perturbations exog`nes.7)   1 0 0 Tφ =  0 cos φ − sin φ  0 sin φ cos φ (II. Tφ . (Tx . Les angles d’Euler sont not´s ψ. figure II. e Les ´quations d’Euler d´crivent la rotation du satellite mais ne d´crivent pas son e e e orientation par rapport au r´f´rentiel inertiel. La matrice de rotation peut alors ˆtre engendr´e par trois rotations e e ´l´mentaires d´finies par les matrices Tψ .2. Chaque composante est issue u d’un moteur associ´ ` chaque axe principal du satellite. e ee (II.2). 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. l’angle de pr´cession θ.6) . On d´finit alors les angles d’Euler reliant ee e les axes attach´s au satellite au r´f´rentiel inertiel. Ty . uy . 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.

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

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

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

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

Il est alors possible de supposer que ωx . ωy . ωz0 ) = (0. La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 .21) . 0. θ et φ sont petits. θ0 . Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant. les approximations pr´c´dentes restent valides. ωy0 .23) (II. 0) (II. φ0 ) = (Ωt.22) (II.24) (II. on obtient les ´quations cin´matiques e e e lin´aris´es : e e ˙ ψ = ωz ˙ θ = ωy − Ωφ ˙ φ = ωx + Ωθ Ces deux jeux d’´quations peuvent alors ˆtre combin´s afin d’obtenir : e e e ¨ ˙ ˙ Ixx (φ − Ωθ) = (Iyy − Izz )Ω(θ + Ωφ) + ux + Tx ¨ ˙ ˙ Iyy (θ + Ωφ) = (Izz − Ixx )Ω(φ − Ωθ) + uy + Ty ¨ Izz ψ = uz + Tz (II.8).36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible. 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. 0.20) (ωx0 . 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´. On peut en d´duire les ´quations dynamiques lin´aris´es au premier ordre : ˙ Ixx ωx = (Iyy − Izz )Ωωy + ux + Tx Iyy ωy = (Izz − Ixx )Ωωx + uy + Ty ˙ Izz ωz = uz + Tz ˙ En inversant les ´quations cin´matiques (II.

E.4. A 5 ans. de Newton et de Laplace. 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). Polaris) aux d´buts e e e des ann´es 60.R. Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal. il soumet son premier article e e e ` la Royal Irish Academy en 1824. Kalman et par les e ee e e ing´nieurs travaillant sur les premi`res applications spatiales (Apollo.4. 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. e Poincar´). on obtient les ´quations de Hamilton d´crivant le syst`me : e e e e p d q = m dt p F (t) Si les conditions initiales q(t0 ) p(t0 ) = x(0) mx(0) ˙ . L’´tat d’un syst`me est caract´ris´ par un ensemble de variables dynamiques appel´es e e e e e variables d’´tat non uniques et qui r´sument compl`tement la configuration courante e e e du syst`me. Il publie ` a en 1832 son troisi`me suppl´ment ` son livre Theory of Systems e e a of Rays. LE MODELE INTERNE . La repr´sentation d’´tat. Etant donn´ l’´tat d’un syst`me ` un instant donn´. Il meurt d’une ı e s´v`re attaque de goutte apr`s avoir appris son ´lection comme premier membre admis a e e e e ` la National Academy of Sciences des Etats Unis.LA REPRESENTATION D’ETAT 37 II. le Grec et l’H´breu. e Exemple II. Il ´tait d´j` largement utilis´ dans d’autres disciplines scientifiques telles e e ea e que la M´canique (formulation Hamiltonienne) ou la Thermodynamique (travaux de H. il sait le Latin.4. Il publie On General Method in Dynamics en 1834 et est anobli en 1835.` ´ ´ II.1 Le mod`le interne . la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du 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´.4 II.1 (formulation Hamiltonnienne de la loi de Newton) Selon la loi de Newton. Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton. Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie. e Biographie 3 (Sir W. il publie Lectures on Quaternions en 1853 puis Elements of Quaternions dont le dernier chapˆtre reste inachev´. 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.

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

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

e ´ Definition II. u(t).4. u(t) ∈ Rm est le vecteur de commande.26) y(t) = h(x(t).3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II. II. En ´crivant les lois de Kirchoff (noeuds e e et mailles).5 2 1. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.5 dx/dt 0 −0.5 −2 −2. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.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.40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2. u(t). continue par rapport a u et continue par morceaux par rapport a t.2 (Repr´sentation d’´tat) e e Tout syst`me dynamique Σ peut ˆtre repr´sent´ par ses ´quations d’´tat d´finies comme e e e e e e e un ensemble d’´quations diff´rentielles du premier ordre appel´es ´quations dynamiques e e e e et un ensemble d’´quations alg´briques appel´es ´quations de sortie ou de mesure : e e e e x(t) = f (x(t). e e e e e Exemple II. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II. Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me.4.5 1 0.5 −1 −1. y(t) ∈ Rr est u le vecteur de sortie.7).5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig.27) . t) ´quation dynamique ˙ e (II.4.

25).6 pour diff´rentes e e e a e x1 (0) conditions initiales . 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.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.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II.LE MODELE INTERNE . II.4. vR = R(iL (t)).30) (II.31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II. soit [x1 x2 ] = [vC iL ] . il est e e encore possible de donner une repr´sentation d’´tat non lin´aire.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig. [x1 (0) x2 (0)]. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II. on obtient l’´quation dynamique d’´tat du r´seau ´lectrique : e e 1 1 dx1 (t) = − x2 (t) + u(t) dt C C (II. x2 (0) .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. ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire.29) A partir de la donn´e des conditions initiales du circuit. 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. il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0.

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

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

39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t. 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.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 ´ Definition II. on obtient la e repr´sentation d’´tat lin´aris´e pour des perturbations nulles : e e e e     0 0 0 1 0 0 0 0 0  0  0 0 0 1 0  0  0 0      0   0 0 0 0 0 1  0 0   2  u(t)  x(t) =  ˙ x(t) +  Ω Ix 0 0 0 Ω(Ix + 1) 0  1/Ixx 0 0       0  0 0 0  0  −Ω2 Iy 0 Ω(Iy − 1) 1/Iyy 0 0 0 0 0 0 0 0 1/Izz (II. 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. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II. on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0. t0 )x0 ∀t ≥ t0 (II.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie.40) .44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy .4.5 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.4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e).

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

5 -3 b = x1 x2 u1 0.B.4.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le.7) pour C = 2 F .4.4.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.0].D) a = x1 x2 x1 0 1 x2 -0. . ´ Definition II. B. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II. >> C=[0 3]. C.1 -3]. e Exemple II. D). >> circuit=ss(A.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. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A.46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat.D=0.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model. Script MATLAB 1 >> A=[0 -1/2.C. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.B=[1/2. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie. L = 1 H et R = 3 Ω.6 (circuit ´lectrique) e Calcul du mod`le d’´tat. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es.

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

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

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

21 x(t) + 0. les variables d’´tat e e (x1 . temp´rature TH . e on obtient : x(t) = ˙ −0. Pour chaque ´tage. II.01 0 0 0. En supposant les flux constants fH = fC = f .61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig.C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me..63) . e e e e e e e e e e temp´rature TC . les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II. x2 ) = (TC . β = 0. e Exemple II. TH ) et les temp´ratures d’entr´e comme les commandes.5.50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .01 m3 /min.01 x(t) (II. d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi .62) y(t) = x(t) Pour les valeurs num´riques f = 0.2 m3 /min et VH = VC = 1 m3 .2 0. d´bit fC ).2 −0.1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II.21 0. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi . de la capacit´ u e e e calorifique des fluides.9.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur.. 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.

64) 0.42 s + 0.0041 0.0021 #1: --------------------s^2 + 0.01*0. 0.21 −0.01 s + 0.0041 0.21] 0.41) p + 0.01 s + 0.41]).01.42 s + 0.01*0.21 −1 51 0.65) I1 ωy = (I3 − I1 )Ωωx + uy ˙ En posant a = (1 − I3 /I1 )Ω et en supposant que les vitesses de rotation sont mesur´es e indirectement par l’´quation : e y1 y2 = 1 a −a 1 ωx ωy (II.01].21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.. >> echangeur=tf({[0.01 0.66) .57).LES MODELES EXTERNES En appliquant la formule (II.2 p + 0.0021 --------------------s^2 + 0.42 s + 0..21 0.2*0..01 (II. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.2 p + 0. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.den den}) Transfer function from input 1 to output.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. 0.0041 #2: Transfer function from input 2 to output.01 0.01*0.2 0..01)(p + 0.[1 0.01 0 0 0..002 --------------------s^2 + 0.2 −0..2 [0.0. e e >> den=conv([1 0. {den den.01 = (p + 0.21]}..002 #1: --------------------s^2 + 0.42 s + 0.

. {[1 0 25] [1 0 25].5. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t.[1 0 25] [1 0 25]}) Transfer function from input 1 to output. e e >> a=5..2 La matrice de r´ponse impulsionnelle e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) x(t0 ) = x0 Soit le mod`le LTI strictement propre poss´dant m entr´es et r sorties.68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II. L’´l´ment (i.2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II.5 -------s^2 + 25 #2: Transfer function from input 2 to output.[-5 -5] [1 -25]}. e e e (II. 5 s + 5 #1: -------s^2 + 25 s ..70) A chaque instant t. s .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.69) ´ Definition II. ` .. g(t) est une matrice de dimensions r × m.25 #1: -------s^2 + 25 -5 s .67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur.. >> satellite=tf({[1 -25] [5 5].25 -------s^2 + 25 #2: II.5...

· · · n . 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. e e e e a Exemple II.2 (syst`me 3 entr´es .LES MODELES EXTERNES 53 Pour des conditions initiales nulles x0 = 0.72) Exemple : satellite 6 En reprenant les ´quations d’´tat d´finies ` la section pr´c´dente et en appliquant la e e e a e e m´thode de calcul de l’exponentiel de matrice par la transform´e de Laplace. G(p) = L[g(t)] (II. e e e e n n f1 (y1 . . y1 1 . (II. · · · . u pm ) m Du fait de la difficult´ ` les manipuler math´matiquement. yr . 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. 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. 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. . · · · . up1 . · · · . Dans le cas g´n´ral.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. · · · 1 .5. u m . up1 .2 sorties) e e ˙ y ˙ y1 + 3y1 + 2¨1 = 4u1 + u2 + 2u3 y2 + y2 + 2¨2 = 4u1 + u2 + 2u3 ˙ y .5. upm ) 1 m . la transform´e de Laplace permet de relier la matrice de r´ponse impulsione e nelle et la matrice de transfert. · · · .73) fs (y1 . · · · . · · · n . yr r ) = g1 (u1 . le mod`le prend la forme e e e d’un syst`me d’´quations diff´rentielles entr´es-sorties. yr r ) = gs (u1 . · · · .71) De plus. · · · . um . y1 1 . · · · . yr . · · · .

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. u(t).75) y(0) = y(0) = · · · = y ˙ (n−1) (II. y(t). Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II. l’´quation diff´rentielle d´crivant le comportee e e ment de la masse M soumise ` une force u(t) est donn´e par : a e M y (t) + f y(t) + Ky(t) = u(t) ¨ ˙ (II.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie. on obtient.77) Exemple II.5.5. e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II. mono-sortie. Dans le cas de mod`les externes.5. e e e La fonction de transfert Soit un syst`me LTI mono-entr´e.10 – Syst`me masse-ressort-amortisseur e .4 Le cas particulier des syst`mes SISO e Le cas particulier des syst`mes poss´dant une seule entr´e et une seule sortie (SISO) e e e est tr`s important non seulement puisqu’il fˆt historiquement le premier a ˆtre trait´ de e u `e e mani`re intensive et extensive mais ´galement parce qu’il poss`de de nombreuses proe e e pri´t´s que l’on ne retrouve pas dans le cas MIMO. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.10).76) ´ Definition II.74). II.78) k M s(t) f e(t) Fig. Par application e e du principe fondamental de la dynamique.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II. 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. 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.

24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul. e e a e Si su (t) et s0 (t) sont respectivement les r´ponses du syst`me ` l’entr´e et aux conditions initiales. 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. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II. vR (t).83) La fonction de transfert G(p) est appel´e double int´grateur. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II. 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. alors : s(t) = su (t) + s0 (t) (II. 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.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.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. . Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II.80) Exemple II.5. on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe.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. Ainsi. on obtient la fonction de transfert du syst`me comme le e rapport de Y (p) sur U (p) : Gm (p) = Y (p) 1 = 2 + fp + K U (p) Mp (II. e e Fonction de transfert et r´ponse impulsionnelle e Soit un syst`me LTI SISO soumis ` une entr´e u(t) et donn´ par sa fonction de transfert e a e e G(p).82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II.

ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme. e e ´ ` Theoreme II.2 1.11 – Syst`me lin´aire e e ´ Definition II.88) ⇔ Y (p) = G(p)U (p) (II.5.mod`le alg´brique G(p) e e .85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).87) (II.5. e G(p) = L[g(t)] 2.g(t) et G(p) contiennent la mˆme information.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.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p).5.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle. e e e Remarques II.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 . II. e y(t) = g(t) ∗ u(t) .56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.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. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II. ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II.86) .

` l’inverse. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral. e e e ´ Definition II.6. . e e ´ Definition II. le syst`me est dit propre alors que pour n > m. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI. e e II.6.ˆ ´ ` II.89). Si le syst`me est causal alors n ≥ m. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO. Pour e e e e n = m.6. L’´quivalence du mod`le d’´tat et du mod`le de transfert fait appel e e e e e ` la th´orie de la r´alisation qui dans le cas multivariable est au del` du programme de a e e a premi`re ann´e.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II. o e ´ Definition II.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II.6.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique. 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).3 (pˆles) o Les racines du polynˆme caract´ristique sont appel´es les pˆles du syst`me et sont donc o e e o e les valeurs propres de la matrice dynamique.1 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 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. la caract´risation par la fonction de transe a e fert est tr`s simple. il est dit strictement propre.91) (II. POLES ET ZEROS D’UN MODELE LTI 57 II.6. e A partir de la d´finition du polynˆme caract´ristique.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).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.

o e e Exemple II. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .0 1].B=[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 0.1 1}.6.0 1.[1 1] [1 1]}).0 -1 0.0 0 -2].1 1 0].58 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Les pˆles d’un syst`me r´el sont n´cessairement r´els ou complexes conjugu´s puisque o e e e e e les coefficients des polynˆmes caract´ristique sont r´els.{[1 1] [1 2]. >> C=[2 0 3.

e e e e ´ Definition II. Ces syst`mes sont e e e e e e dits carr´s.6.93) . transfert) choisie.6. z0 est un z´ro du mod`le LTI ssi la mae e e trice M (z0 ) n’est pas de rang maximum : M (z0 ) = z0 1 − A −B C D (II.0000 .0000i >> Poles=pole(G) Poles = -1 -2 -1 II. 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.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r. 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).0000 -1. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission.1.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II. Elle est ´troitement li´e ` la repr´sentation (´tat.ˆ ´ ` II. de z´ros invariants et de z´ros d´couplants sont ´quivalentes. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2.90). Sous les hypoth`se II.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.6.89). e Sous ces hypoth`ses. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.6.0000 + 0.94) (II. u e e e e ` Hypotheses II.0.0000i -1.2 Les z´ros e La notion de z´ros pour les syst`mes multivariables non carr´s (ne poss´dant pas le e e e e mˆme nombre d’entr´es que de sorties) est complexe et m´riterait d’ˆtre expos´e dans un e e e e e chapˆ complet. e e e e e a On d´finit pour cela le polynˆme des z´ros. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.6.

60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.6.1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p).2 Reprenant l’exemple II.1.0000 Remarques II.Zeros]=pzmap(G) Poles = -1 -2 -1 z0 = 1 2 3 −p + 1 − = 2 (p + 1) (p + 1)(p + 2) (p + 1)2 (p + 2) Zeros = 1.6.0000 >> Zero=zero(G) Zero = 1.6. on a vu que : πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Il y a ici un mineur maximal qui est d’ordre 2 et qui s’´crit : e det G(p) = Soit πz (p) = −p + 1 Script MATLAB 5 >> Zeros=tzero(G) Zeros = 1.0000 >> [Poles. e .

de blocs fonctionnels.` II.7.7 Les mod`les graphiques e Un syst`me peut ˆtre constitu´ d’un grand nombre de composants ´l´mentaires dont la e e e ee fonction est donn´e. La figure e e II. II. Nous pr´sentons maintenant le type le plus couramment utilis´ parmi les e e mod`les graphiques. il n’en reste pas moins que e les sch´mas fonctionnels sont ´troitement reli´s aux mod`les de type fonction de transfert.13 – Blocs fonctionnels Le bloc fonctionnel est le symbole repr´sentant l’op´ration math´matique appliqu´e e e e e ` l’entr´e du bloc et produisant sa sortie. e .12 – Arc orient´ du signal U (p) e L’arc orient´ repr´sente le flux de signaux donn´s regroup´s dans un vecteur. e e e e .7. e e e e ´ Definition II.13 repr´sente ` gauche un bloc fonctionnel associ´ ` une fonction de transfert e a e a Y (p) = F (p)U (p) alors que celui de droite est associ´ ` l’op´ration de multiplication ea e de l’entr´e par une matrice y(t) = A(t)u(t). Bien que ceci ne soit pas exclusif. Chaque e e e type de repr´sentation graphique a son vocabulaire et ses r`gles de construction et de e e simplification.7.1 Sch´ma fonctionnel e Le sch´ma fonctionnel d’un syst`me est une repr´sentation graphique des fonctions e e e de chaque composant ´l´mentaire constituant le syst`me ainsi que le flux des signaux ee e utiles. II.d’arcs orient´s.1 Sch´ma fonctionnel e D´finition e Ce type de repr´sentation graphique est particuli`rement adapt´ ` la mod´lisation des e e ea e syst`mes LTI monovariables. Afin de rendre claire et lisible la fonction de chaque composant d’un e ensemble complexe. LES MODELES GRAPHIQUES 61 II. e U(p) ou u(t) Fig. des outils graphiques de mod´lisation peuvent ˆtre utilis´s. U(p) K p+1 Y(p) u(t) y(t) F(p) = A(t) Fig. e II. Un sch´ma fonctionnel est compos´ : e e . 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.

Dans ce cas. e .14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie.7. e e e e + a−b+c − II. e Remarques II. a ee 3.2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment.15 – Circuit RC . II.Il est ind´pendant de la nature physique du syst`me mod´lis´. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e. c a + b Fig.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me. e Exemple II. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert. II.7.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .1 . e e a ee e 2.de blocs sommateurs.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig.En appliquant la transform´e de Laplace.7.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.Un sch´ma fonctionnel n’est pas unique.

e a e e e .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. r´alisant ainsi un syst`me ` contre-r´action tel qu’il a ´t´ d´fini e e e a e ee e dans le premier chapitre.Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2.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. II.LES MODELES GRAPHIQUES 1.17. 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).

´ Definition II.4 (syst`me boucl´ ` retour unitaire) e ea Un syst`me boucl´ est dit ` retour unitaire si le transfert de la chaine de retour est ´gal e e a e ` un.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.97) .64 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Chaîne directe E(p) + Y(p) − A ε (p) G(p) S(p) H(p) Chaîne de retour Fig.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II.7. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire. II. La fonction de transfert en boucle ouverte est alors ´gale au transfert de la chaine a e directe G(p) et la fonction de transfert en boucle ferm´e est donn´e par : e e S(p) G(p) = E(p) 1 + G(p) (II. II. ´ Definition II.96) ε (p) G(p) S(p) Fig.95) (II. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur. E(p) + S(p) − (II.2 (fonction de transfert en Boucle Ouverte) La fonction de transfert en boucle ouverte ou gain de boucle est d´finie comme : e Y(p) = G(p)H(p) E(p) Elle correspond au transfert si la boucle est ouverte en A.7.7.3 (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.

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

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

2 Le sch´ma fonctionnel II. .4 Sch´mas fonctionnels et repr´sentation d’´tat e e e Bien qu’utilis´s le plus souvent en liaison avec les mod`les entr´e-sortie du type fonction e e e de transfert.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat. e ee Exemple II.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II.7.LES MODELES GRAPHIQUES 67 II.21 : e e u(t) . x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig. e e Ainsi.7. II.7. les matrices sont constantes et l’on peut d´composer ce sch´ma en faisant apparaˆ e e ıtre les diff´rents ´l´ments constitutifs. la repr´sentation d’´tat lin´aire temps-variant suivante : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.21 est d´crit dans le domaine temporel.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.22. Dans le cas des syst`mes e e e LTI.

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

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

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

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

An−1 B .1.1.Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. e e a .E. e e ´ Definition III. AB . e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. III.1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre. · · · . hongroise. fran¸aise e e c et russe.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 .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. ´ ` Theoreme III. C est u de rang n. B = 0.1 .1) e o` A ∈ Rn×n .2) . e . III.La commandabilit´ est une notion importante puisqu’elle ´tablit le fait que l’on e e puisse commander le syst`me afin de modifier son comportement (stabilisation d’un e syst`me instable.1. . 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.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´. e e e x(t) = Ax(t) + Bu(t) ˙ (III. =n (III.1.1 III. rang(C) = rang .72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH). Remarques III. 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. . Cette notion joue donc un e rˆle tr`s important dans la th´orie de la synth`se de syst`mes de commande dans o e e e e l’espace d’´tat. R. · · · n alors le syst`me est compl`tement ee commandable. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices.1. Il est membre de l’acad´mie des sciences am´ricaine. modification des dynamiques propres). B . .

e Exemple III. e ` (III. on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer.3) . B). x2 ) = (h1 .1. B) est commandable ssi la matrice complexe n × (n + m) : λ1 − A B est de rang ´gal a n pour toute valeur propre λ de A.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 ´ ` Theoreme III. e rang(C) = rang B AB = rang 0 1/Izz 1/Izz 0 =2 Un crit`re de commandabilit´ ´quivalent au crit`re de Kalman quoique moins facile a e ee e ` manipuler est le crit`re PBH (Popov-Belevitch-Hautus).2 (test PBH) La paire (A. e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque.1.1.NOTION D’OBSERVABILITE 73 Remarques III. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande. 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.2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A. Physiquement. h2 ) et R1 = R2 = 1. c1 = c2 = 1.

Elle correspond ` la capacit´ pour un syst`me ` connaˆ l’histoe e e a e e a ıtre rique d’un ´tat interne ` partir de la seule connaissance de variables de sortie mesur´es.2 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.5)  = n   . .1 Clairement.2.2.1 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. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. C ∈ Rr×n est observable ssi la matrice d’observabilit´. e III.1 Soit le syst`me mod´lis´ par : e e e x1 (t) ˙ x2 (t) ˙ y(t) = = 1 1 −2 −1 x1 (t) x2 (t) x1 (t) x2 (t) + 1 0 u(t) 1 0 . ´ ` Theoreme III. u   C  · · ·     CA     · · ·  rang(O) = rang  (III. C).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.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure. n alors le syst`me est compl`tement ee observable.2.74 COMMANDABILITE ET OBSERVABILITE III.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A.2. la notion d’observabilit´ est cruciale pour les syst`mes o` le vecteur d’´tat e e u e complet n’est pas accessible ` la mesure mais doit ˆtre reconstruit.2. Remarques III. Exemple III.2.   . O est de rang n. C) sera appel´e observabilit´ e e e e e de la paire (A.2 III. e a e ´ Definition III.2.4) e o` A ∈ Rn×n . estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie.    · · ·  CAn−1 Remarques III.

e e D´finissons pour cela les mod`les d’´tat.7) o` A ∈ Rn×n .Σdual (A . B ∈ Rn×m . C) est observable ssi la matrice complexe (n + r) × n : λ1 − A C est de rang ´gal a n pour toute valeur propre λ de A. e e e ´ ` Theoreme III.2 (syst`me dual) e Le syst`me Σdual est appel´ syst`me dual du syst`me Σ. e e e e . De mˆme que pour la commandabilit´. les matrices dynamique et de sortie du satellite sont.2.2. B) est commandable ssi Σdual (A . rang(O) = rang C CA = rang 1 0 1 1 =2 75 Cela implique que le syst`me est compl`tement observable.6) III. B ) est observable.2.3 Dualit´ de la commandabilit´ et de l’observabilit´ e e e Les propri´t´s de commandabilit´ et d’observabilit´ sont tr`s ´troitement li´es par une ee e e e e e forme particuli`re de dualit´. e 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. On a alors le r´sultat suivant liant les conditions de u e commandabilit´ et d’observabilit´ des deux syst`mes Σ et Σdual . A= 0 1 0 0 C= 0 1 Le syst`me n’est donc pas observable puisque. ` e ´ ` Theoreme III.2. ´ Definition III.2 (test PBH) La paire (A. C ) est commandable ssi Σ (A. C ∈ Rr×n .3 . C) est observable.Σ (A.NOTION D’OBSERVABILITE On peut alors calculer. un crit`re d’observabilit´ ´quivalent au crit`re e e e ee e de Kalman quoique moins facile a manipuler est donn´ par le test PBH. e e Exemple : satellite 10 (mouvement autour de z) Si l’on mesure la vitesse angulaire. . 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 ` (III.

1 Relations entre mod`les internes et externes e Les formes canoniques d’´tat e On a d´j` vu que le choix du vecteur d’´tat n’est pas unique pour un syst`me donn´. Il 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.3. 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 devient ´diteur du Journal de math´matiques pures et appliqu´es.La forme diagonale ou quasi-diagonale de Jordan. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat. On distingue trois e e grands types de formes canoniques : .76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III.La forme compagne de commande. e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887.8). e Ces formes particuli`res sont appel´es les formes canoniques. En 1861. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse.46) a la repr´sentation e e e ` e d’´tat (III.8) ˆˆ ˆ y(t) = C x(t) + Du(t) o` : u ˆ A = P −1 AP ˆ C = CP ˆ B = P −1 B (III. Il rentre a l’´cole Polytechnique en e ` e 1855. . e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. les ´quations diff´rentielles et e e e la m´canique. .3 III. ` e . Il e e e meurt le 22 janvier 1922 a Paris apr`s avoir perdu 3 de ses fils pendant la guerre 14-18. Cette op´ration est une transformation de similarit´. 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. 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 nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III. En 1885.La forme compagne d’observation. 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.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II. 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. ea e e e Ainsi.

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

Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1. · · · . 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. Il est possible de montrer que l’on Soit P = [q1 . u ∈ R et y ∈ R. e e e c eme ` u colonne de P .14) . 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. 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. les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables.12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III. i = 1. e e α + jβ 0 0 α − jβ = 1/2 −i/2 1/2 i/2 α β −β α 1 1 i −i Dans toute la partie suivante.12) y(t) = Cx(t) e e e e o` x ∈ Rn . La premi`re colonne u e ` de chaque sous-bloc Pi .13) Le polynˆme caract´ristique de (III. qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III. k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi . Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi .78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante. · · · .11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1. 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 (Forme compagne de commande) La forme compagne de commande est d´finie par les matrices du syst`me : e e     Ac =             79 0 1 0 ··· 0 ..        (III.. .12) a la forme compagne de e e ` commande n´cessite le calcul de la matrice de passage P ... 1 . e e Soit a d´terminer P = [P1 P2 · · · Pn ] la matrice de passage form´e de ses n colonnes. . colonne par colonne. .3. . −a1 . .. .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 .17) Co = ..16) ´ Definition III. . 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.. .RELATIONS ENTRE MODELES INTERNES ET EXTERNES ´ Definition III. . .. . . . 0 1 (III.. ...3. . . 0 −an−2 0 · · · 0 1 −an−1 0 ··· 0 0 1        Bo =       bn−2  bn−1 b0 b1 . 0 . ... . .. 0 . . . 0 ··· ··· 0 1 −a0 · · · −ai · · · −an−1 b0 · · · bi · · · bn−1        Bc =      0 . ` e On applique alors le calcul r´current.15) Cc = Le passage de la repr´sentation d’´tat quelconque (III. . . . .

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

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

626 d = .[1 4 1 0]) Transfer function: 4 s^3 + 8 s^2 + 2 s + 1 ----------------------s^3 + 4 s^2 + s >> ex_332=canon(H.2679 0 x3 0 0 -3.2115 x3 -1.899 4.899 c = y1 x1 0.732 b = x1 x2 x3 u1 4 4.82 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES compagne de commande peut alors ˆtre donn´e e e    0 0  x(t) +  0  u(t) 1 −4 1 Une repr´sentation d’´tat sous forme e e par :  0 1  0 0 x(t) = ˙ 0 −1 y(t) = 1 −2 −8 x(t) + 4u(t) La repr´sentation d’´tat sous forme modale peut ´galement ˆtre d´duite : e e e e e     0 0√ 0 1  0 −2 − 3 0 √  x(t) +  1  u(t) x(t) = ˙ 1 0 0 −2 + 3 y(t) = a b c x(t) + 4u(t) Script MATLAB 6 >> H=tf([4 8 2 1].’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.25 x2 -0.

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.23) e La r´alisation (A. L’objet e e de cette section est de montrer comment obtenir une repr´sentation d’´tat donn´e ` partir e e e a de la matrice de transfert.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. toute repr´sentation e e d’´tat LTI (A.6.3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m .Non observable et non commandable : A3 = −1 0 0 −2 B3 = 0 1 C3 = 0 1 .RELATIONS ENTRE MODELES INTERNES ET EXTERNES 83 y1 u1 4 III. B. D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible. D) telle que : e G(p) = C(p1 − A)−1 B + D (III. ´ Definition III. e e Exemple III. C.3.3.Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 . B.3.Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 .2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II. e e e . C.Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] .

III. ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) .3. e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig.Le mod`le entr´e-sortie du type ´quation diff´rentielle ne repr´sente que la partie e e e e e observable d’un syst`me. Enfin.3. e Exemple III.4 Soit le syst`me compos´ structur´ comme indiqu´ figure III. Dans ce cas. Y (p) p−1 = U (p) p+2 .3 Une r´alisation d’´tat (A. C. D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable.4 .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.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 . 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.1. 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.1 – Syst`me structur´ e e .La fonction de transfert du syst`me global est d’ordre 1 avec un pˆle −2 et un z´ro e o e 1. B.3. e e ´ ` Theoreme III. e e e ee ´ ` Theoreme III.

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

86

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

1 1 . . . 1

    u(t) 

(III.27)

α1 α1 · · · αn

x(t)

(p − pi )

=
i=1

αi + (p − p1 )i i=m

n

1

αi p − pi +1 (III.28)

i=m1 +1,···n

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

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

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

87

(III.33)

(III.34)

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

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

(III.38)

(III.39)

· · · 0 x(t)

88

MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES

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

CRITERES POUR LES FORMES MODALES

89

III.4

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

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

III.4.1

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

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

c1 c2 · · · cn

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

III.4.2

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

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

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

(III.41)

y(t) =

c1

c2 · · ·

· · · cn

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

90

COMMANDABILITE ET OBSERVABILITE

      x(t) =  ˙    

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

0 ··· ... ... ... ...

··· ... Jk ...

··· . . .

···

··· . . . 

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

0 . . . . . . . . .

 bn1 ···

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

(III.42)

y(t) = o` : u

c1

c1k

c1s

x(t) 

   Jk =    

pi

1

0

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

··· ...

   ...    pi 1  0 pi

0 . . . . . .

(III.43)

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

(III.44)

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

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

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

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.3429 .1. B. C.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 = 0.1. ` e e Exemple IV. e e e e ee Q R y(t) = k=1 Ak e σk t + j=1 Bj αj t e sin(ωj t) ωj (IV. il est possible de donner une e e e caract´risation multivariable plus g´n´rale.3429 + 1. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire.6) Un syst`me LTI de r´alisation minimale (A.5083i 0.5083i -1.e.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. 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.´ IV. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s.1. Munis de cette interpr´tation monovariable. i. e e e ´ ` Theoreme IV.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives.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. tous les pˆles sont a o o ` partie r´elle n´gative. Le demi-plan gauche est appel´ la r´gion de stabilit´. apr`s d´composition en ´l´ments simples.6681 .

7020i >> >> >> >> G=tf([1 1].3429 0.5083i . ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.6681 -0.5088 -0.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec.5088 + 1.3 Crit`re alg´brique de Routh-Hurwitz e e On suppose que le syst`me est repr´sent´ par un mod`le LTI : e e e e G(p) : = A B C D (IV. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p).B. Il devient e un des enseignants les plus connus de Cambridge en math´matiques appliqu´es et publie e e A treatise on dynamics of rigid bodies (1860). 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. 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. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).1. Il meurt le 7 juin 1907 a ` Cambridge. En 1854. IV. . [A.3429 -1.D]=ssdata(sys). sys=ss(G).7020i .7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables. A treatise on analytic statistics.5088 .0.5088 + 0. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College. Canada. (1891) et A treatise on dynamics of a particle (1898).1. eig(A) ans = 0.7) Le syst`me est observable et commandable. ce qui peut ˆtre fastidieux pour des ordres ´lev´s. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert. Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres.C.98 STABILITE DES SYSTEMES LTI -0.5083i + 0.0.[1 2 3 6 5 3]).7020i -0.

` o u ` En 1892. . . . il existe une racine ou des racines imaginaires ou nulle ou a partie r´elle ` e positive. e ` Puis. . an−4 an−5 an an−6 an−1 an−7 =− an−1 an−1 an−7 bn−1 bn−7 =− bn−1 . on le remplace alors par > 0 et on ee e continue la construction du tableau. Weierse ` e u trass et Kronecker.Appliquer le crit`re de Routh-Hurwitz. Son premier professeur est Schubert. on calcule le tableau de Routh suivant. e ´ ` Theoreme IV.1. Il travaille ´galement e sur les surfaces de Riemann.Ecrire le polynˆme sous la forme (hypoth`se a0 = 0) o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV. 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. la th´orie des fonctions complexes et ´crit e e plusieurs papiers sur les s´ries de Fourier. il remplace Frobenius a ETH ` Z¨rich.Si tous les coefficients sont positifs. Si l’´l´ment au dessous de est n´gatif. 3. il existe une ee racine a partie r´elle nulle. 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 .1 1.1. Si l’´l´ment au dessous de est positif. LA STABILITE BIBO 99 Adolf Hurwitz est n´ le 26 mars 1859 a Hanovre.9) 2. Il meurt le 18 novembre e 1919 a Z¨rich. En 1884. Si un ´l´ment de la premi`re colonne est nul. 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 . pn−2 bn−1 bn−3 bn−5 pn−3 . Il ´tudie la th´orie de ` a u e e la factorisation des quaternions entiers en 1896. il est ´tudiant a l’universit´ de Berlin o` il assiste aux cours de Kummer.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.´ IV. Il fait son doctorat a Leipzig sous l’autorit´ de Klein en 1881 sur les ` e fonctions modulaires. . il y a changement de ` e ee e signe et donc il existe une racine a partie r´elle positive. .1. p0 cn−1 cn−3 cn−5 4. . ` e . . e Le syst`me est donc stable si et seulement si tous les coefficients de la premi`re colonne e e sont positifs. ` u ´ Procedure IV.

o o Exemple IV. Afin de e e compl´ter le tableau. 0 est remplac´ par .100 STABILITE DES SYSTEMES LTI Remarques IV. e e a2 a1 > a3 a0 Exemple IV.2 (ordre 3) Soit le polynˆme caract´ristique.1.1. ` e . 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. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme. o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme.Le nombre de racines du polynˆme caract´ristique ` partie r´elle n´gative est ´gal o e a e e e au nombre de changement de signes dans la premi`re colonne. Il y a donc deux racines a partie r´elle positive.Une ligne compl`te de z´ros indique que le polynˆme caract´ristique peut ˆtre face e o e e toris´ de telle mani`re ` faire apparaˆ e e a ıtre un facteur d’ordre pair dont les racines sont sym´triques par rapport a 0. e 2.1. 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 .Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω). La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme. e e 3.3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique.1 1.

Il y a donc 4 racines a partie r´elle nulle ± 2 et ±2.4 (une ligne de z´ros) e Soit le polynˆme caract´ristique o e πp (p) = p5 + 7p4 + 6p3 + 42p2 + 8p + 56 Le tableau de Routh s’´crit : e p5 p4 p3 p2 p p0 1 7 0 6 42 0 8 56 0 101 La troisi`me ligne indique que le polynˆme caract´ristique est divisible par le √ e o e polynˆme o ` e 7p4 + 42p2 + 56 = (p2 + 2)(p2 + 4). .1.´ IV. LA STABILITE BIBO Exemple IV.1.

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

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 → +∞. le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0).´ IV. ||x(t) − xe || ≤ α||x(0) − xe ||e−λt o` Br est une boule ferm´e dans Rn d´finie comme l’ensemble : u e e Br = {x ∈ Rn / ||x|| ≤ r} (IV. ` ´ Definition IV. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV. ∃ Br (xe .2. e .4 (stabilit´ exponentielle) e Un point d’´quilibre xe est exponentiellement stable s’il existe α > 0 et λ > 0 tels que : e ∀t > 0 .2.16) (IV. ´ Definition IV.1). e ´ Definition IV. IV. la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´. r) .2. LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne.2. λ est appel´ le taux de convergence. ∀ x0 ∈ Br .x0 ) xe t x1 Fig. D’autre part. e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe .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. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle.

IV. · · · . e e a e e IV.2.Si un des pˆles du syst`me est instable. 3. pour j ∈ {1. 2. · · · .si un pˆle est tel que 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.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. la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable.2.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV.si Re(pj ) < 0. alors. alors xe est un point d’´quilibre asymptotiquement stable. Re(pj ) > 0. · · · . pour j ∈ {1. alors xe o e est un point d’´quilibre instable. pr . alors xe est un point ea d’´quilibre instable. Re(pj ) ≤ 0. ´ ` Theoreme IV.2. La position A correspond a un point d’´quilibre instable. on e e o e suppose que xe = 0 est un point d’´quilibre. r}. et la multiplicit´ est o e sup´rieur a 1 alors.2 Pour le syst`me (IV. e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement. r}.Si toutes les valeurs propres de A ont une partie r´elle non positive. poss´dant r valeurs propres distinctes (r pˆles) p1 . e (b) si un des blocs de Jordan associ´ ` pj est non scalaire.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. r}. r}. e . e .2. 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. pour j ∈ {1. · · · . e 1. r}.17).si un pˆle est tel que Re(pj ) = 0. · · · . · · · . . et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement.2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV. e pour tout j ∈ {1. e ` e A B C Fig.

0000 + 0. >> eig(A1) ans = -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.1 0 -1].6667 0  −1.-1.3333 −0.0000i -2.6667 0.3333 1.2.17) peut ˆtre d´termin´e ` l’aide du crit`re de Routh-Hurwitz e e e e a e que l’on applique au polynˆme caract´ristique πp (p) = det(p1 − A).3333 0.0000 -1.-1 -3 0.6667 0.6667 −0.6667 0.6667 0.2 La stabilit´ interne de (IV. >> eig(A3) ans = 0. >> eig(A2) ans = -1.0001 >> A4=[0 0 0.3333 0.3333 3 A3 =  −1.0 0 0.0000 -2.6667 0.6667 2].     −3 2 3 −1.6667 -2.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.0000 >> A2=[-1.2.3333 -2.3333 −2.3333 1.3333 1.3333 2].6667 Script MATLAB 9 >> A1=[-3 2 3.0000 .6667 0.3333 1.-1.-0.3333 1.0000i -1.3333 0  −2 2 2 −0.6667 3.6667 3 A1 =  −1 −3 0  A2 =  −1.´ IV. o e Exemple IV.3333 2  .3333  1.-1.-2 2 2]. LA STABILITE INTERNE 105 Remarques IV.0.6667 −2.3333 1.2.3333 3. >> eig(A4)    −2.9999 >> A3=[-2.0000 0.3333 A5 =  −0.9999 -1.

6667 0.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.6667 0.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.3 Pour un mod`le dynamique LTI commandable et observable d´crit par sa fonction de e e transfert ou sa r´alisation d’´tat minimale.2.3333 0.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI.3333 -0.3333 1.4364 0.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.6667 -0.2182 -0.3333 0.S]=eig(A5) V = 0.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative. e 2.3333 -0.0000 IV.Le syst`me est BIBO-stable.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome.2.3333 1.6667].6667 S = 0 0 0 0 -1. e 4.8729 -0. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.-0.6667 0. e e 3.2.1. e e e . e e ´ ` Theoreme IV. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.3333.6667 -0.3333.0000 0 0 0 -0. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1. >> [V. ` e e A B C D IV.

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

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

Il con¸oit e e e c de nombreuses m´thodes d’approximation. IV.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. Russie. Il meurt le 03 novembre 1918 a Odessa. ici l’´nergie totale. ”Si l’´nergie totale d’un syst`me est dissip´e de mani`re continue alors le syst`me (qu’il e e e e e soit lin´aire ou non lin´aire) devra rejoindre finalement un point d’´quilibre”. e e e On pourra donc conclure a la stabilit´ d’un syst`me par l’examen d’une seule fonc` e e tion scalaire. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales.7 – Syst`me masse-ressort e 1. e e Son travail a port´ essentiellement sur l’´quilibre et le mouvement des e e syst`mes m´caniques et la stabilit´ des fluides en rotation uniforme.3 La m´thode de Lyapunov e Cette m´thode est tr`s g´n´rale et permet l’´tude de la stabilit´ des syst`mes non e e e e e e e lin´aires autant que lin´aires.Repr´sentation d’´tat : e e x1 = x ˙ x2 = x   x1 = x2  ˙ on a   x = − b x |x | − k0 x − k1 x3 ˙2 2 2 1 m m m 1 Posant . Ce travail e e e e e e e est publi´ par la soci´t´ math´matique de Kharkov en 1892 dans Probl`me e ee e e g´n´ral de la stabilit´ du mouvement traduite pour la premi`re fois en e e e e fran¸ais en 1907 dans les annales de l’universit´ de Toulouse puis en 1949 c e aux Princeton University Press. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. ` Exemple IV.LA METHODE DE LYAPUNOV 109 IV. Le point important est qu’elle ne n´cessite ni le calcul des e e e pˆles du syst`me ni la donn´e explicite de la solution de l’´quation d’´tat. e on obtient diff´rentes ´quations e e M Fig. 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.3.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse.

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

1 (stabilit´ (asymptotique) locale) e e e e Si. t) est d´finie positive.1 (D´riv´e de Lyapunov) e e n u e Soit V (x. . e e alors le point d’´quilibre 0 est stable.2 (syst`me non lin´aire) e e Soit le syst`me non lin´aire autonome donn´ par ses ´quations d’´tat : e e e e e  ˙  x1 = x1 (x2 + x2 − 2) − 4x1 x2 1 2 2  x2 = x2 (x2 + x2 − 2) + 4x2 x2 ˙ 1 2 1 (0. t). On peut ainsi conclure quant ` la e e a stabilit´ sans avoir recours a la solution explicite des ´quations diff´rentielles non lin´aires. t) dont les d´riv´es partielles premi`res sont continues et telle que : e 1. t) ∂x1 .´ IV.20) ˙ V (x.3.3. x2 ) | x2 + x2 < 2 1 2 .V (x. Cela conduit a calculer. t) le long des trajectoires de x = f (x. ∂V (x. On d´finit alors V : e e e ˙ n R × R+ → R par : ∂V ∂V (x. figure IV. t) est semi d´finie n´gative. t).3. t) ∂xn       (IV.21) f (t. t) est appel´e la d´riv´e de V (x. On choisit une fonction candidate de e e 2 2 Lyapunov V (x) = 1/2(x1 + x2 ). il existe une fonction scalaire de l’´tat V (x. LA METHODE DE LYAPUNOV 111 et d’en examiner la d´riv´e temporelle (cf. x ∈ Rn . dans une boule Br0 . Si V e e e Exemple IV. t) = (x. t) + ∂t ∂x o` : u  ∂V (x. e ˙ (x. e e e ˙ On consid`re la stabilit´ du point d’´quilibre 0 pour les syst`mes ´tudi´s. e e e e e e ´ ` Theoreme IV. t)/x ∼    ∂V (x. . 0) est un point d’´quilibre pour ce syst`me.V (x. x) (IV. ` ˙ V (x) = x1 x1 + x2 x2 = (x2 + x2 )(x2 + x2 − 2) ˙ ˙ 1 2 1 2 ˙ V (x) est donc localement asymptotiquement stable dans la boule : B√2 = (x1 . t) est d´finie n´gative alors la stabilit´ est dite localement asymptotique. 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.8).3. e ˙ 2. t) ˙ V (x. e ` e e e ´ Definition IV. t) ∂x   gradient de V (x.

e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV.3.V (x) est d´finie n´gative. d’o` l’utilisation de e u l’exp´rience. e e e x(t) = Ax(t) ˙ (IV.3 Une condition n´cessaire et suffisante pour qu’un syst`me autonome de mod`le LTI x(t) = e e e ˙ Ax(t) soit asymptotiquement stable est que ∀ Q = Q > 0.3. e e A P + PA + Q = 0 (IV.24) . t) est une fonction de Lyapunov pour le syst`me. IV.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que. alors 0 est un point d’´quilibre globalement asymptotiquement stable. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes).2 V = C2 V = C1 x1 x0 Fig. Dans le cas des syst`mes LTI.8 – Illustration de la m´thode de Lyapunov e Remarques IV.La condition pr´c´dente est une condition suffisante . e Le probl`me majeur de cette m´thode est de trouver une fonction de Lyapunov pour e e ce syst`me en l’absence de guide clair. la m´thode devient plus syst´matique. la fonction V (x. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive.3. t).22) On consid`re une fonction candidate de Lyapunov quadratique. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable.2 1. V (x) = x P x.V (x. ´ ` Theoreme IV. V (x. t) est une fonction de Lyapunov et l’on peut e e conclure ` la stabilit´ sinon aucune conclusion ne peut ˆtre donn´e et il faut alors a e e e recommencer le processus avec une autre fonction candidate de Lyapunov. e 2. Dans le cas non lin´aire. e e 2||x||→+∞ lim V (x) = +∞. Si la e condition 2 est v´rifi´e. ˙ 1.23) ´ ` Theoreme IV. il faut donc choisir a priori e e une fonction candidate de Lyapunov.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . fonction d´finie positive. alors.

3.3125 0.eye(3)).3273 et 0.1664 0. >> eig(P) ans = 0. P = 0.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1. e Script MATLAB 10 >> P=lyap(A1’. on trouve. LA METHODE DE LYAPUNOV Exemple IV.0477.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.0676 .0625 0. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.5160 19.´ IV.3.0625 0.

114 STABILITE DES SYSTEMES LTI .

Cette e e ` e ´tape peut ˆtre men´e suivant de nombreuses m´thodes.2) 115 . 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 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.1..1) dont la transform´e de Laplace est donn´e par : e e U (p) = n pn+1 (V. L’utilisation de signaux types est justifiable par la corr´lation qui existe entre les e caract´ristiques des r´ponses ` des entr´es types et la capacit´ du syst`me ` faire face a e e a e e e a ` des signaux d’entr´e r´els.1 Introduction Une fois le mod`le math´matique d’un syst`me (fonction de transfert.) obtenu. e V.Chapitre V Analyse temporelle des syst`mes e continus V. repr´sentation e e e e d’´tat..1 Signaux d’entr´e types e u(t) = tn Les signaux d’entr´e types sont en g´n´ral des signaux de type polynomial : e e e (V. Toutefois. il est n´cessaire de e e e e e disposer d’une base commune d’analyse pour des syst`mes diff´rents.

e . on e e e se limite souvent aux signaux polynomiaux jusqu’` l’ordre 2 d’entr´e caract´ristiques tels a e e que : .2 R´gime libre . Remarques V. e e e e e a an y (n) (t) + · · · + a0 y(t) = bm u(m) (t) + · · · + b0 u(t) (V.r´gime forc´ e e e Avant de caract´riser plus pr´cis´ment la r´ponse temporelle des syst`mes.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. · · · .116 ANALYSE TEMPORELLE DES SYSTEMES Ces signaux d’entr´e sont plus particuli`rement utilis´s du fait de la simplicit´ de e e e e leur repr´sentation math´matique. y(0). y (n−1) (0) ˙ (V. nous revee e e e e nons sur les notions tr`s voisines de r´gime libre et de r´gime forc´. si les entr´es r´elles d’un syst`me sont suppos´es varier graduellee e e e e e ment. Dans la pratique. Ils permettent ainsi e a d’´tudier les performances transitoires de la r´ponse des syst`mes. e e e e Soit un syst`me d´crit par l’´quation diff´rentielle entr´e-sortie ` coefficients constants.3) La r´ponse du syst`me y(t) ` un signal d’entr´e u(t). 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 ´chelon (fonction de Heaviside) e . une entr´e de type rampe est adapt´e alors que la r´ponse impulsionnelle mod´lisera e e e e correctement un choc. . appel´ signal d’excitation. 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).4) Par application du th´or`me de superposition.y1 (t) est la r´ponse ` une excitation nulle u1 (t) = 0 appliqu´e ` partir de l’´tat e a e a e initial r´el U1 (0) = U (0).les signaux de type impulsionnel (impulsion de Dirac) .1.les signaux rampe .les signaux acc´l´ration ee Le choix effectu´ dans cet ensemble est fonction des conditions d’utilisation du syst`me e e ´tudi´. Par exemple.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.1. . e e V.

6) Cette ´quation a n racines pi .1. e e e La solution g´n´rale y4 (t) est ind´pendante de u(t) et s’obtient en r´solvant l’´quation e e caract´ristique associ´e ` l’´quation diff´rentielle homog`ne : e e a e e e an p n + · · · + a 1 p + a0 = 0 (V.5) Remarques 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).3) peut ´galement se d´composer en deux e e e e parties : . e e e . e e e V.5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.V.chaque racine r´elle pi de multiplicit´ mi donne une r´ponse : e e e mi y4i (t) = i=1 λi ti−1 epi t (V. e e e e . il ne subsiste que e y3 (t) et l’on d´finit alors.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.2 On retrouve ici l’exacte contre-partie pour une ´quation diff´rentielle ordinaire du vocae e bulaire utilis´ pour les mod`les d’´tat.1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.y3 (t) comme la r´ponse en r´gime permanent du syst`me. y4 (t) est e e la somme de n termes tels que : .1.7) . INTRODUCTION Exemple V.y4 (t) est la solution g´n´rale de l’´quation sans second membre (´quation homog`ne) e e e e e les n constantes d’int´gration ´tant d´termin´es de telle sorte que la solution globale e e e e y(t) satisfasse aux n conditions initiales. ´ Definition V.1.3 R´gime permanent . distinctes ou multiples.1.y4 (t) comme la r´ponse transitoire du syst`me.1.1 Soit a trouver la r´ponse y(t) de l’´quation. e e Remarques V. ` e e 0. r´elles ou complexes.r´gime transitoire e e La solution de l’´quation diff´rentielle (V.

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

` V. ae Y (p) = K 1 + Tp (V.9) T est la constante de temps du syst`me.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V.2 V.2.2.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.1. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V.2.12) . 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. e Cela conduit ` ´crire.1 On appelle syst`me du premier ordre.10) (V.2. V.11) La r´ponse transitoire d’un syst`me du premier ordre est. 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. LES SYSTEMES DU PREMIER ORDRE 119 V. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V.1 – Exemples de syst`mes du premier ordre e V.

on obtient la pente de la tangente pour t = 0. V. u e y(t) = qui est repr´sent´e figure V. on obtient la pente de la tangente e e e e pour t = 0.2 0. la r´ponse ` une entr´e de type ´chelon de position (fonction e e a e e de Heaviside) dont la transform´e de Laplace est e L[u(t)] = Cela conduit ` ´crire.9 KT 0.18) . e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.17) K KT K = − (1 + T p)p p 1 + Tp (V.15) qui est repr´sent´e figure V. K K dy(t) = e−t/T |t=0 = dt T T (V.2 (r´ponse indicielle) e On appelle r´ponse indicielle.13) 0. En calculant la d´riv´e.4 0. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V.120 d’o` la r´ponse impulsionnelle.6 y(t) 0.8 0.2.3.14) La r´ponse indicielle e ´ Definition V. 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.3 0.2.7 0.5 0. ae Y (p) = d’o` la r´ponse indicielle.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.16) 1 p (V.

22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V. on parle alors de rampe unitaire.8 1. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V. En calculant le signal d’erreur (t) = u(t) − y(t).4. V.23) .19) Si k = 1.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V. ae Y (p) = d’o` la r´ponse.6 1.4 0.6 0.2 0 0 T 2 4 6 8 10 12 Time (sec.3 – R´ponse indicielle e Remarques V.2.20) qui est repr´sent´e figure V.2 Amplitude y(t) To: Y(1) 1 0. e e R´ponse ` une rampe unitaire e a ´ Definition V.4 0.) t Fig.632K 1. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.1 Plus la constante de temps du syst`me T est faible. on obtient. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.21) 1 p2 (V.8 0.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1. pour e e K = 1. plus le syst`me est rapide.2.

122

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

35

T

30

25

Amplitude

To: Y(1)

y(t)

20

T
15

10

5

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

0

Time (sec.)

t

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

0.8

1.6

0.7

1.4

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

1.2

0.5

1

0.4

0.8

0.3

0.6

0.2

0.4

0.1

0.2

0

0

0

2

4

6 Time (sec)

8

10

12

Step Response 40

35

30

25 Amplitude

20

15

10

5

0

0

2

4

6

8

10 Time (sec)

12

14

16

18

20

` V.3. LES SYSTEMES DU SECOND ORDRE

123

V.3
V.3.1

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

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

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

p + 2ξ +1 ωn

=

2 Kωn 2 p2 + 2ξωn p + ωn

(V.26)

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

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

R e C

R C s M

k

γ f

θ i R L e C C J

s
111 000 111 000

f

k
111 000

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

124

ANALYSE TEMPORELLE DES SYSTEMES

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

(V.27)

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

(V.28)

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

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

(V.29)

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

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

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

125

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

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

(V.37)

(V.38)

ωp = ωn

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

(V.39)

θ = arcsinξ

Im

ωn σ ωd Re

Fig. V.6 – Paire de pˆles complexes o

126

ANALYSE TEMPORELLE DES SYSTEMES

V.3.2

Etude de la r´ponse indicielle e

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

(V.40)

1 ξ=1

0.8

ξ=4

Amplitude

0.6

0.4

0.2

0

0

2

4 Time (sec.)

6

8

10

12

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

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

8 0.8 Step Response ω n= 0.4 ω n= 0.8 et figure V.2 ξ = 0.7 ξ = 0.4 ξ = 0.9.2 Amplitude 1 0. V.6 1.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.4 1.5 ξ = 0.1 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. e e e ξ = 0.6 ξ = 0.6 ξ = 0.8 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).8 ξ = 0.2 0 Fig.4 1.2 ω n= 0.1 1.6 0.9 0.5 1. V.8 Step Response 127 1.1 e .3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.3 ξ = 0. u L’allure de telles r´ponses est repr´sent´e figure V.6 0.4 1.2 Amplitude 1 0.4 1.

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. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.2 0. V. . e Step Response 0.5 T/2 Amplitude 0.6 T 0.3 0.1 0 0 5 Time (sec.4 D2 1 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.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement.) 10 15 Fig.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes. 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 .7 D 0.

e e e Script MATLAB 12 >> K=1.4 0.2 1 0.H_10=tf([K*T*a K]. V.[T (1+a*T*K) K]) >> a=0.11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.1 a=2 a = 10 Amplitude 0.[T (1+a*T*K) K]) >> a=2. >> a=10. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.[T (1+a*T*K) K]) >> step(H_01. 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.H_10) >> axis([0 20 0 1.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. figure 3).6 0.8 a = 0.H_2=tf([K*T*a K].1.H_01=tf([K*T*a K].3]) Step Response 1. C(p) = suivant le sch´ma-bloc suivant.H_2.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .T=1.

48) 1 − ξ2 ξ (V. u cos(ωp tr ) + soit.45) Cette relation est approxim´e par la relation : e 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 .12 – Sp´cifications de performance e . tan(ωp tr ) = − Apr`s calculs.130 ANALYSE TEMPORELLE DES SYSTEMES V. Sa r´ponse temporelle a l’allure de la figure V.49) .Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V.3.12. y(t) Mp 0. cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1.47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.8 ωn (V. V.5 0 tr tp t ts Fig. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`. ξ).05 t td 0.

6 ts .51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.50) π ωp (V.6 4.1 e e ξ est g´n´ralement fix´ en corr´lation avec Mp alors que ts est principalement d´termin´ e e e e e e par ωn . De plus. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.3.7 ξ = 0. u tp = . pour des r´ponses rapides.D´passement maximal Mp : e On a donc. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`. Mp = y(tp ) − 1 = −e−ξωn tp Soit.LES SYSTEMES DU SECOND ORDRE . ωn doit ˆtre grand.8 tr (V.54) 4.5 ξ = 0.3 (V.55) ξ ≥ ξ(Mp ) σ≥ 4.6 = = ξωn σ Remarques V.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit. − 131 (V.53) .Temps d’´tablissement ts : e G´n´ralement.

. o e G(p) = bm p m + · · · + b0 =K an p n + · · · + a 0 (p − zj ) (p − pi ) 2 ((p + αzj )2 + βzj ) 2 ((p + αpi )2 + βpi ) (V.Chaque paire de pˆles complexes conjugu´s (pi .1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te. les pˆles. Dans le cas le plus g´n´ral. 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. 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. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me. y4 (t) est e e e constitu´e de la combinaison lin´aire de fonctions du temps ´l´mentaires d´finies par la e e ee e nature (r´els. Dans cette combinaison lin´aire. 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.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse.4.r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V.Chaque pˆle r´el pi de multiplicit´ mi donne une r´ponse transitoire : o e e e mi y4i (t) = j=1 λj tj−1 epi t (V.1 Les syst`mes d’ordre sup´rieur e e Notions de modes D´finitions e A partir de ce que l’on a d´j` vu pour les syst`mes d’ordre 1 et 2.58) o` σi = Re(pi ) et ωi = Im(pi ). e e ´ Definition V. o ` e . on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur.4 V. on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps.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 . complexes conjugu´s) des racines de l’´quation caract´ristique. e e Ainsi.132 ANALYSE TEMPORELLE DES SYSTEMES V.4.57) . 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. .

· · · .61) e e o` x ∈ Rn . e a J = diag(J1 .LES SYSTEMES D’ORDRE SUPERIEUR . P est la matrice modale de changement de base.  . e e Remarques V.2 . Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk .  . · · · .  0 . e e Soit la r´alisation minimale d’´tat d’un syst`me autonome : e e e x(t) = Ax(t) ˙ x(0) = x0 (V. 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.. ..63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini. Etudions la solution de l’´quation d’´tat dans la base modale.complexes conjugu´s pi = −λi ± jωi correspondent a des modes oscillants e ` mi 133 µj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) j=1 (V. . e e Cette analyse temporelle men´e ` partir d’un mod`le de type fonction de transfert e a e (syst`mes monovariables) peut ˆtre g´n´ralis´e aux syst`mes multivariables en utilisant e e e e e e la repr´sentation d’´tat. p1 .  .1 La contribution de chaque mode a la forme des transitoires d´pend de la fonction excita` e trice (le signal d’entr´e) et de l’´tat initial E(0). u .  .62) o` u P = v1 v 2 · · · vn P −1 = base et ··· . pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (V. J est la forme de Jordan u o associ´e ` A... 0 ··· .4..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 .Si A a n valeurs propres distinctes.

59)2 (p + 0. e e e Fig.5 2 2.5 1 Time (sec) 1.63) sont appel´s e ee e les modes du syst`me.96 −2.13 – North American L-17A ”navion” .02 1.14 – Mode d’oscillation d’incidence pur .2 0.1 0 −0.62) et (V.213)2     (V. V.322 δu  δ w   −0. V.370 −2.1 −0.5 Fig.5 −1 0.036 0 −0.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.1 −0.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.1 0 −0.76   δw ˙   0    q  =  0.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.2 1 0.51 ± 2.017)2 + (0. Les polynˆmes caract´ristiques et les e o e mod`les d’´tat lin´aris´s associ´s au mouvement longitudinal et lat´ral du petit avion e e e e e e appel´ Navion au niveau de la mer sont ´tudi´s.65) Les modes propres longitudinaux sont d´finis comme : e .Mouvement propre longitudinal :     δu ˙ −0.5 0 −0. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.045 0.Courtesy USAF Museum .2 0 0.51)2 + (2. o e e (V.191 −3.Le mode d’oscillation d’incidence (short-period mode) p = −2.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.

1)).045 0.Tlong]=canon(sys_long.’modal’) >> Plong=inv(Tlong).3)) .1 0 −0.5 0 50 100 150 Time (sec) 200 250 300 350 Fig. V.036 0 -0.Plong(:.0.5 0 −0.98 0.Plong(:.1)) >> initial(sys_long..2 To: Out(3) To: Out(4) 0.5 −1 0.334)2 (p + 0.254 −1.Le mode phugoide (phugoid mode) p = −0.zeros(4.19 −8.5 0 −0.2 0. 0].0 0 1.433 ` (V.0088) Les modes propres lat´raux sont d´finis comme : e e .017 ± 0.05 0.213j Response to Initial Conditions 1 To: Out(1) 0. o e e e (p + 8..02 1.486)2 + (2.08 2.96 -2..35  r ˙   0    p  =  −9. >> initial(sys_long.66) .76 0 0. -0.76 −0.zeros(4.67)     (V.05 To: Out(2) 135 0 Amplitude −0.Mouvement propre lat´ral : e     v ˙ −0. >> [navion_long.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.55 −0.eye(4).191 -3.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.322.LES SYSTEMES D’ORDRE SUPERIEUR .1 −0.322 v  r   2..37 -2.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.1).76 0.433) (p + 0..

16 – Mode de roulis pur .5 0 0 −0.01 0.1 0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.015 0.17 – Mode de spirale pur .02 To: Out(1) 0.6 0.334j .05 −0. V.2 0 0.7 Fig.0088 Response to Initial Conditions 0.15 0.005 −0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0. V.2 0.15 −0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.04 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.1 0.2 0.3 Time (sec) 0.02 0 1 0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.486 ± 2.5 0.02 0 0.05 0 0 −0.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.01 1 0.1 −0.4 0.

τq } associ´es ` ses diff´rents modes.2 0 2 4 6 Time (sec) 8 10 12 Fig. e τi = −1/Re[pi ] (V..zeros(4. 0].254 -1. >> [navion_lat.18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-. ´ Definition V.2 (rapidit´) e Le temps de disparition de la composante transitoire associ´e ` un mode d´finit la rapie a e dit´ de ce mode.5 1 0.4.4 0.’modal’) >> Plat=inv(Tlat)..Plat(:.55 -0.4)) Caract´risation des modes e Il apparaˆ donc clairement sur les exemples pr´c´dents que la dur´e des transitoires ıt e e e d’un syst`me d’ordre quelconque est d´termin´e par l’ensemble des constantes de temps e e e e a e {τ1 .1 0 −0.Plat(:.-9.68) Les modes les plus rapides sont donc ceux associ´s aux pˆles les plus ´loign´s de l’axe e o e e imaginaire.76 -0.08 2.1)).5 −1 0.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.5 0 −0.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.Tlat]=canon(sys_lat.2)) >> initial(sys_lat.2 0. V.1 −0.0 0 1.eye(4).5 0. 2.1).Plat(:.zeros(4.19 -8.322..69) . · · · .5 0 −0..1)) >> initial(sys_lat. 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.35 0. >> initial(sys_lat..76 0 0.

4 ξinc. e τrol.4.le mode de roulis p = −8.433 = 0. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me. ´ Definition V.59j d´fini par sa constante de temps e et son amortissement.73) (V.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 .486 = 2. = 1/0. mˆme si cette condition n’est pas strictement v´rifi´e.74) . e e e .70) Par extension.08 Les modes propres lat´raux du Navion sont caract´ris´s par.06 ξdrol.213j d´fini par sa constante de temps et son ıde e amortissement.51 ± 2.82 ξphu. = 1/2. = 0. ´ Definition V.51 = 0.334j d´fini par sa constante e de temps et son amortissement.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.12 (V. = 1/0. · · · . e e . on parle o e e de modes dominants. = 0.le mode correspondant de spirale p = −0.4. ξq }.486±2.Si ξ = 0 alors le mode oscillant est non amorti .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.204 (V. τinc. Pour un mode oscillatoire.le mode d’oscillation de roulis hollandais p = −0.75) . e τsp. = 1/0.72) .3984 0. τphu. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par.le mode phugo¨ p = −0. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1. = 0. = 1/8. τdrol.7 (V.0088 = 113.4 (mode oscillant non amorti et ap´riodique) e .017 ± 0.63 (V.le mode d’oscillation d’incidence p = −2.71) .017 = 58.433 d´fini par sa constante de temps.0088 d´fini par sa constante de temps.

0797 0.2 Effets des z´ros et des pˆles additionnels e o Reprenons une fonction de transfert poss´dant des pˆles distincts stables et que l’on e o factorise sous la forme : m (p − zi ) H(p) = K i=1 n n = (p − pi ) i=1 ai p − pi (V.4327 139 Xi_lat = 1.Xi_long]=damp(sys_long) Wn_long = 0.2040 1.3836 2.2140 3.6946 0.3836 8.6946 V.0000 0.0088 2.2140 0.6070 3.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.Xi_lat]=damp(sys_lat) Wn_lat = 0.0000 >> [Wn_long.0797 0.2040 0.6070 Xi_long = 0.4.76) i=1 .

e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1.79) e e ` e o` bi = ai /pi . e e o Si l’on ´tudie la r´ponse indicielle.77) avec.5 0]. e e Exemple V.140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors. >> H2=tf([1/0.est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o .[1 1 1]). le d´passement sera augment´ ou diminu´. m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V.[1 1 1]). >> step(H2) >> step(H1+H2) . Suivant que le e e e e e e z´ro sera stable ou instable.1 (addition d’un z´ro ` une paire dominante) e a Soit la fonction de transfert normalis´e par le choix ωn = 1 : e H(p) = p αξ +1 p2 + 2ξp + 1 = 1 1 p + p2 + 2ξp + 1 2ξ p2 + 2ξp + 1 H1 (p) H2 (p) 1 dh1 (t) . >> clf >> step(H1) >> hold. 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. e e n s(t) = K + i=1 bi epi t (V. Le fait d’ajouter un z´ro a la fonction de transfert e ` αξ dt ajoute la d´riv´e de la r´ponse multipli´e par un coefficient ´gal au z´ro. On en d´duit donc que la contribution d’un pˆle pi e e o .est augment´e par la pr´sence des pˆles voisins. e e e n h(t) = i=1 ai epi t (V.4.78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros.

e V.6 0. e .4 1. Ainsi.2 H 1 Amplitude 1 0.4 0.5 e Step Response 1.L’addition d’un z´ro instable z ` une paire de pˆles dominants pdom diminue le e a o d´passement mais provoque le ph´nom`ne de r´ponse inverse augmentant ainsi les e e e e temps de r´ponse.5 H1 H Amplitude 0 −0.5 e R´sum´ V. e .L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|.8 0.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0.2 H 2 0 −0. e e e a .1 e e a o .5 −1 H 2 −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).6 H 1.L’addition d’un z´ro stable z ` une paire de pˆles dominants pdom augmente le e a o d´passement si |zadd | ≤ 4|Re(pdom )|. tr`s souvent les caract´ristiques de performance d’un syst`me command´ e e e e sont sp´cifi´es en termes de r´ponse transitoire a une entr´e en ´chelon facile ` g´n´rer.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.8 141 1. e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.4.5 1 0.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre. dans de nombreux cas pratiques.4.

le concepteur ne travaille pas directement sur ces grandeurs mais plutˆt sur les grandeurs (ωn . dans la pratique.temps de mont´e (rise time) tr .d´passement maximal (overshoot) Mp .temps d’´tablissement (settling time) ts . . V. figure V. e e a e y(t) Mp 0.20). Il est alors possible de e sp´cifier des caract´ristiques temporelles identiques ` celles des syst`mes du second ordre.142 ANALYSE TEMPORELLE DES SYSTEMES En g´n´ral. la r´ponse transitoire d’un syst`me d’ordre quelconque laisse apparaˆ e e e e ıtre des oscillations amorties avant d’atteindre un r´gime permanent. σ) d´finissant la position des pˆles dans le plan o e o complexe. ξ.80) revient donc a placer les pˆles ` gauche d’une verticale −1/τmax dans le plan complexe ` o a (cf.5 0 tr tp t ts Fig. e .05 t td 0. .19 – Sp´cifications de performance e . e Toutefois. e . ∀ i : τi < τmax ⇔ σ < σi (V. Imposer une condition du type.temps de sommet (peak time) tp . .temps de retard (delay time) td .

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

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

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

146 ANALYSE TEMPORELLE DES SYSTEMES .

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

3) p2 ωX + ω2 (VI.7) (VI. e ´ ` Theoreme VI.1) On suppose ici que tous les pˆles de cette fonction de transfert sont distincts.6) (VI. u y(t) = L−1 [Y (p)] = L−1 [G(p)E(p)] = ae−jωt + aejωt + b1 e−p1 t + · · · + bn e−pn t (VI.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.4) XG(−jω) 2j (VI.2) Pour un syst`me stable.8) . La o transform´e de Laplace de l’entr´e sinusoidale u(t) = X sin(ωt) est : e e U (p) = 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. La r´ponse en r´gime permanent est donc donn´e par. e e e y3 (t) = ae−jωt + aejωt o`. u X|G(jω)|e−jφ X|G(jω)|ejφ a=− et a = 2j 2j On obtient ainsi. 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. e a e e Cela implique que les termes correspondants tendent vers 0 en r´gime permanent (quand e t → ∞). y3 (t) = X|G(jω)| ej(ωt+φ) − e−j(ωt+φ) = X|G(jω)| sin(ωt + φ) = Y sin(ωt + φ) 2j (VI.1.5) Xω a = G(p) 2 (p − jω) p + ω2 De plus. −p1 . − pn sont stables donc ` partie r´elle n´gative. |p=jω XG(jω) = 2j G(jω) = |G(jω)|ejφ et G(−jω) = |G(jω)|e−jφ d’o`. · · · . u a = G(p) p2 Xω (p + jω) + ω2 =− |p=−jω (VI.

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

149

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

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

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

VI.1.2

Extension au cas des syst`mes multivariables e

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

150

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

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

Yi (ω) =
j=1

gij (jω)Uj (ω)

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

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

u2 =

u3 =

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

151

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

6

σ (G) = 6.1401

5

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

4

3

2

1 −15

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

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

152

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

1 i=j 0 i=j

H W = [wi ]i=1,···r wj wi =

1 i=j 0 i=j

Gvi = σi wi

σi = ||Gvi ||2

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

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

VI.2

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

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

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

VI.2.1

Le lieu de Nyquist

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

Im(G(jω ))

Φ(ω i)

Re(G(j ω k))

−Φ(ω k)
ωi
Im(G(j ω k))

Re(G(j ω)) ω0

|G(j ω k)| ωk

Fig. VI.2 – Plan de Nyquist

Il meurt en 1976. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es.2. 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. 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.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. En effet. e Remarques VI.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. En 1932. il donne la e premi`re analyse de stabilit´ pour les amplificateurs a contre-r´action e e ` e et d´veloppe le diagramme de Nyquist qui conduit au crit`re graphique e e de Nyquist pour la stabilit´. e 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 s’engage sur des recherches g´n´rales en communication. Il publie un article sur la fr´quence de Nyquist en 1928. Il entre a AT&T pour d´velopper un syst`me de t´l´graphe et des ` e e ee m´thodes permettant la maitrise des messages dans les t´l´graphes a e ee ` bande ´troite. Entre 1921 et 1935. e e La mˆme ann´e. pour e e e e ω → ∞: G(jω) ∼ d’o` : u φ(ω) ∼ (n − m) π 2 bm 1 bm (jω)m = n an (jω) an (jω)n−m . il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. Apr`s ee e e e 1935.

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.4 – Comportement en basses fr´quences e .Basses fr´quences : la transmittance est ´quivalente au quotient des termes de plus e e bas degr´ d’o` l’importance de la pr´sence ´ventuelle d’int´grations. VI. Sans int´grations.3 – Comportement en hautes fr´quences e .REPRESENTATION GRAPHIQUE 155 ω I(ω) n−m = 3 8 0 N=1 n−m = 2 R(ω) n−m = 1 Fig. VI.

156 REPONSE FREQUENTIELLE DES SYSTEMES LTI Repr´sentations fr´quentielles usuelles e e Il est ` noter que les formes compliqu´es de courbes dans le plan de Nyquist ont pour a e origine les dynamiques du num´rateur.5 donne un certain nombre de trac´s e e typiques.13) Φ(ω) = − tan−1 (ωT ) . VI. 1 Re jω 0 . Im 0 Im Re 1+jωT jωT Im Re 1+jωT Im Re jωT 1+jωT 0 . 1 Re 1 (jω )2 Im 1 a 1+jω T 1+jω aT 0 .5 – 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. La figure VI. 0 Im 1 Re 1 Re 1 (1+jω T1)(1+jω T2)(1+jωT3 ) 0 Re Im 0 ω jω [(jω )2 + 2 ζ ω n(jω ) +ω 2 ] n 2 n Im Re (1 + jω T1 ) jω (1+jω T2)(1+jω T3 ) 0 Re Fig. . Im 0 1 jω Im 0 .12) −ωT Y = Im(G(jω)) = 1 + ω2T 2 et par son module et sa phase : |G(jω)| = √ 1 1 + ω2T 2 (VI.

12) permet de montrer que la courbe est un demi-cercle de centre e (0. 0) et de rayon 0.5. (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. la pulsation propre non amortie et l’amortissement.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. ξ). VI.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.16) .14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0. e e a e (ωn .REPRESENTATION GRAPHIQUE 157 L’´tude de (VI.

19) e e Pour ω ∈ R+ . Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1.05 ξ = 0.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e .18) ω ωn ω + 2ξ ωn 2 (VI. l’analyse asymptotique montre que la phase tend vers −π.4 ξ = 0. Aux hautes e e fr´quences.17) ω2 2 ωn + ω 2ξ ωn 2 (VI. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.7 ξ = 0.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.07 ξ = 0. e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox. Cette pulsation est la pulsation de e cassure associ´e au second ordre.7).1 ξ = 0. Il est a remarquer que MATLAB donne le diagramme de e e a ` Nyquist complet avec le sym´trique par rapport a l’axe ox pour les pulsations n´gatives.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. VI. e ` e Nyquist Diagram 15 10 ξ = 0. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn .

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

2 −0.1 0 Fig. ´ Definition VI.7 −0. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s. Le premier repr´sente l’´volution e e e du module de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)) en fonction de la e e e pulsation ω en rad/s. Les courbes sont trac´es sur du papier semi-logarithmique en utilisant l’´chelle logae e rithmique pour les pulsations et l’´chelle lin´aire pour l’amplitude en d´cibels et la phase e e e en degr´s. pulsation quelconque.2.2. VI.8 0+ −0.5 Real Axis −0. e 8 8 . les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations. Une octave est e e e une bande de pulsations comprises entre ω1 et 2ω1 alors qu’une d´cade est une bande de pulsations entre ω1 et 10ω1 pour ω1 .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 −0.4 −0.9 −0.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI.3 −0.6 −0.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts.

En effet. il obtient son Ph. 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 1948.20) pN . Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. e e toute fonction de transfert peut ˆtre factoris´e comme : e e G(p) = K (1 + pTi ) (1 + 2 ξ/ωnj p + (pωnj )2 ) (1 + pTk ) (1 + 2 (ξ/ωnl ) p + (pωnl )2 ) (VI. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. En 1955. En 1952.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. e L’inconv´nient majeur est que l’on ne peut repr´senter les courbes de gain et de phase e e jusqu’` la pulsation 0 du fait de l’utilisation de l’´chelle logarithmique pour les pulsations. Il entre aux laboratoires de Bell Telephone comme math´maticien.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. Apr`s la guerre. Il meurt le 21 Juin 1982. D de l’universit´ de Columbia en 1935. 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 est all´ ` e e a l’´cole ` Urbana dans l’Illinois et obtient un diplˆme de l’universit´ d’´tat de l’Ohio en e a o e e 1926. e e e Cela comprend en particulier des extensions du travail de Nyquist sur les amplificateurs a contre-r´action pour l’am´lioration des commu` e e nications longues distances. il continue a travailler en partie sur des applications e e ` militaires (guidage des missiles) mais ´galement sur la th´orie moderne de la communicae e tion. e Pendant ses premi`res ann´es aux laboratoires Bell. Ce travail s’est e e e concr´tis´ par l’´dition de sa c´l`bre monographie Network analysis and feedback ame e e ee plifier design en 1945. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. VI. Pendant la seconde guerre mondiale. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. Alors qu’il travaille chez Bell. Il devient ` ` membre de l’Acad´mie des Sciences.

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

23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines.3 .25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB.4 84. Dans le plan de Bode. 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. 45 26. ω << ωc = 1/T . la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave. e e e c e .L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB.Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI. l’amplitude en dB peut ˆtre e approxim´e par.Pour les basses fr´quences. e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI. e √ (VI.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante.En hautes fr´quences. ω = 2/T . Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e . 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 .REPRESENTATION GRAPHIQUE 163 . .L’erreur pour une octave au del`. et en de¸`. ω = 1/2T de ωc vaut a ca −0.6 5. on obtient.97 dB. domaine ”hautes e fr´quences” ω >> ωc . e ` .26) Dans cette plage de pulsations. ω >> ωc = 1/T . 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. domaine ”basses fr´quences” ω << ωc .7 63.

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

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

7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.5 ξ = 0.2 ξ = 0.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.34) ´ Definition VI.1 1.2.2.05 ξ = 0. VI. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires. e a ´ Procedure VI.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base.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.7 ξ=1 −20 Asymptotes −30 0 ξ = 0. 4. e e e a 3.1 −90 ξ = 0.Tracer les courbes asymptotiques. .1 ξ = 0.3 ξ = 0.5 −180 ξ = 0.05 ξ = 0.2 −135 ξ = 0.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0. ee 2.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.3 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.2.

[1 2]). La courbe de phase pr´sente quant ` elle deux asymptotes horizontales en −90 deg et −180 deg. Ces deux asymptotes se coupent e e e a en ωc = 2 rad/s.G.G3.14 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) . Script MATLAB 18 >> G1=tf(4.G2. >> bode(G1.2.’r-.[1 0]).REPRESENTATION GRAPHIQUE Exemple VI.’.’. e e G(p) = On rappelle que : |G(jω)| = 20log10 et ω→0 167 4 p(p + 2) G(jω) = 4 jω(jω + 2) 180 ω tan−1 deg π 2 4 √ ω 4 + ω2 dB φ(ω) = −90 − lim φ(ω) = −90 deg lim φ(ω) = −180 deg ω→0 lim |G(jω)| = ∞ lim |G(jω)| = −∞ ω→∞ ω→∞ La courbe de gain admet une asymptote oblique de pente −20 dB/dec aux basses fr´quences et de pente −40 dB/dec aux hautes fr´quences.1).’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. >> G2=tf(1.’b--’. VI.’g.2 Reprenons la fonction de transfert pr´c´dente.[1 2 0]). >> G=tf(4. >> G3=tf(1.

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

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

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

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.3 ξ = 0. aux hautes fr´quences.REPRESENTATION GRAPHIQUE Nichols Chart −5 171 ω=0 −10 −15 Open−Loop Gain (dB) −20 G(jω ) = 1 1 + jω −25 −30 8 ω −35 −90 −60 Open−Loop Phase (deg) −30 0 Fig.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0. nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode.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 .38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg.01 ξ = 0.1 ξ = 0.5 ξ = 0. VI.18 – Lieu de transfert de 1/(1 + p) dans le plan de Nichols-Black Caract´ristiques d’un deuxi`me ordre dans le plan de Nichols-Black De mˆme pour e e e 1 un facteur du deuxi`me ordre du type e . e Nichols Chart 30 Nichols Chart 30 ωn ∼ ω r = ωn 1 − 2ξ2 20 20 10 10 Mr = 2ξ 1 − ξ 2 Open−Loop Gain (dB) 0 Open−Loop Gain (dB) −10 0 −20 −10 ω=0 −20 −30 −40 ξ = 0.

G3.[1 2 0]).’g.0273 System: G2 Phase (deg): −128 Gain (dB): −3.04 dB. >> G=tf(4.58 System: G3 Gain (dB): −8.[1 2]).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.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.[1 0]).04 dB et le point correspondant a ω = 1.’.’.14 Phase (deg): −38.G. e Script MATLAB 19 >> G2=tf(1.94 Frequency (rad/sec): 1. >> G3=tf(1.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.58 rad/s.172 Exemple VI. Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.58 Phase (deg): −90 Frequency (rad/sec): 1. 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. ` e .2.’r-.’b’). VI.3 Frequency (rad/sec): 1. >> nichols(G2.

REPRESENTATION GRAPHIQUE 173 VI.20 montre le diagramme des phases de G1 et de G2 . 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.4 Afin d’illustrer au mieux la remarque pr´c´dente.4 Les syst`mes ` non minimum de phase e a ´ Definition VI.2.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre.2. Exemple VI.2.5 (minimum de phase) Un syst`me poss´dant des pˆles et des z´ros situ´s dans le demi-plan complexe gauche et e e o e e ne comprenant pas de retard est dit a minimum de phase.40) La figure VI.2. 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. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations. VI.41) Arg(G2 (jω)) = − tan−1 ω(T1 + T2 ) ω(T1 + T2 ) = 90 deg + tan−1 2T T 1−ω 1 2 1 − ω 2 T1 T2 2 1 + ω 2 T1 2 1 + ω 2 T2 (VI. T2 = 2 . il sera ` dit a non minimum de phase.3 Cette d´nomination provient du fait que pour un module identique. 0 −20 −40 −60 Phase deg −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 10 3 Fig.20 – Phases de G1 et G2 pour T1 = 1. ` Remarques VI. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI.

nous donnons les lieux de transfert de G a dans le plan de Nyquist.8 1 Fig.4 0.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 .174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.8 0.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.8 −0.6 0. VI.6 0.2 0 Real Axis 0. Nyquist Diagram 1 0. Si la courbe de gain est connue sur l’ensemble des pulsations.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.4 −0.4 −0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique.6 −0.2 −0.8 −1 −1 −0. le module et la phase sont li´s par une relation e a e biunivoque.6 −0. les fonctions de transfert G1 et G2 sont reli´es par : e G1 (jω) = G2 (jω) 1 − jωT1 = G2 (jω)G(jω) 1 + jωT1 (VI. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase.2 Imaginary Axis 0 −0.4 0.2 0. VI. A titre d’exemple.

002 s^2 + 0. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.2.{den den.1.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0. Cela impose donc le plan de Bode e e comme seul outil disponible.5 Extension aux syst`mes multivariables e La section I.002 s^2 + 0.[2 1] [1 4]}.REPRESENTATION GRAPHIQUE 175 VI.6 (lieu de transfert multivariable) La repr´sentation graphique de la r´ponse fr´quentielle d’un syst`me multivariable consiste e e e e ` tracer les gains principaux du syst`me multivariable dans le plan de Bode.2.01 2].den den}) Transfer function from input 1 to output. 1 #1: ---------------------------------------s^4 + 0. e Singular Values 0 σ( j ω) Singular Values (dB) −50 −100 −150 σ( j ω) 10 −1 10 0 10 Frequency (rad/sec) 1 Exemple VI.2 5]). La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.21 s^3 + 7..H=tf({1 3..45 s + 10 #2: . seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.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 0.21 s^3 + 7.2. Dans la a e majorit´ des cas. ´ Definition VI.5 (mod`le deux entr´es .

45 s + 10 s + 4 ---------------------------------------s^4 + 0.21 s^3 + 7.176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output..21 s^3 + 7.45 s + 10 #2: >> sigma(H) >> grid .002 s^2 + 0.002 s^2 + 0. 3 #1: ---------------------------------------s^4 + 0..

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

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

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

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

08. 0. La valeur satisfaisante e e du gain de l’action int´grale r´alisant un compromis acceptable entre la rapidit´ de la e e e r´ponse et le d´passement semble donc ˆtre k = 0.02 v 0.05.1 k=0.05 et m m de masse de 20% et 40%. = 0. On refait donc les simulations m √ √ ρc ρc = 0.1 et k = 0. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis.56 k=0.1}. e e On peut remarquer sur la figure VII.08.05 0. a Quelle que soit la valeur du gain de l’action int´grale k.52 0.6 k=0. la r´ponse est tr`s lente. 0.4.08 0. VII.5 a 0.08.6.6 e ee e ` ` l’instant 10 s. .1 s et pour diff´rentes valeurs de k ∈ {0. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.62 k=0. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.6. que pour les valeurs 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. 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 = 0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0.02.05.02. Le signal de r´f´rence est donc un ´chelon passant de 0.58 0. 0.4 – R´ponse indicielle pour k variant e On souhaite maintenant ´tudier la robustesse de ce sch´ma de commande vis-`-vis de e a √ e ρc variations du param`tre e et en particulier de la masse.06 correspondant a des accroissements respectifs ` pour k = 0.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.54 0.

45 avec perturbation 0. e √ √ ρc 2 ρc (VII. 0.65 0.5) x1 (t) + x2 (t) + p(t) x1 (t) = − ˙ m m Cette perturbation est mod´lis´e comme un ´chelon de position n´gatif intervenant en e e e e t = 20 s.7 0. VII.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.54 0.58 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.56 v 0.` ` ´ VII. SYSTEMES DE COMMANDE A CONTRE-REACTION 0.5 – R´ponse indicielle pour des variations de masse e On peut donc conclure a une certaine insensibilit´ du syst`me de commande de la ` e e vitesse de croisi`re vis-`-vis des variations de masse du v´hicule.5 0.52 0.1.55 v 0. e a e Si l’on consid`re des conditions r´alistes.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.4 0.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.62 183 0. VII. e e e e .6 0.6 sans perturbation 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.

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

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

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

o e .1.s^2 >> S=inv(1+L) Transfer function: s^4 .s^4 + s^3 .2 s^2 + 1 187 Il est ` noter qu’effectuant les op´rations sur les fonctions de transfert.` ` ´ VII.1 >> GS=G*S Transfer function: -s^5 + s^4 + s^3 .s .1 ----------------s^4 + s^2 .s .2 s^3 . >> L=G*K Transfer function: 2 s^2 .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.[-1 1]).s^4 + 2 s^3 + s^2 --------------------------s^5 .s^2 ----------------s^4 + s^2 .s .s^2 >> KS=K*S Transfer function: -2 s^5 . >> K=tf([2 1]. SYSTEMES DE COMMANDE A CONTRE-REACTION Script MATLAB 21 >> G=tf([-1 1].1 ------------s^4 .[1 1 0 0]).s .

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) .

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

2.le lieu de transfert de K(p)G(p) dans le plan de Nyquist K(jω)G(jω) pour ω ≥ 0 . Il est constitu´ par : e . VII. e ´ Definition VII. la fonction de transfert K(p)G(p) parcourt le lieu de Nyquist complet.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. VII.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. e Contour de Nyquist Im Contour de Nyquist modifié : système avec 1 intégration Im r= r= Fig.2 (lieu de Nyquist complet) Quand p = σ + jω parcourt CN .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 . Si e la fonction de transfert en boucle ouverte poss`de des pˆles ou z´ros sur l’axe imaginaire.190 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Il ne doit pas contenir de singularit´s de la fonction de transfert en boucle ouverte.

La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e .Calculer la boucle ouverte de l’asservissement consid´r´. ` G(p) = K p(1 + T p) T >0 K>0 (VII. 3.Tracer son sym´trique par rapport a l’axe ox.ANALYSE EN STABILITE DES SYSTEMES BOUCLES . Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant. il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII.1 1. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.1 Le syst`me ` contre-r´action de la figure VII.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. o a e Afin d’appliquer correctement le crit`re de Nyquist.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte.Tracer le lieu de Nyquist complet de la boucle ouverte. 0).Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist . Le nombre Z de o racines instables du polynˆme caract´ristique en boucle ferm´e ob´it ` la relation : o e e e a Z = P− N (VII.2. CN o 2. o e e . le lieu de Nyquist est complet et ferm´.Dans le cas o` le contour de Nyquist a une indentation.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).16) Exemple VII. . 4. fermer le lieu de u Nyquist.2.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.2.17) 1.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII.

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

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

e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente. Cela signifie que de faibles variations sur les bruits de mesure et sur le signal de r´f´rence vont r´sulter en de fortes variations sur les commandes voire en signaux de ee e commande satur´s.1 e e e sont reprises.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. 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 nous sommes principalement attach´s ` ´tudier la e e e a e stabilit´ de la fonction de transfert en boucle ferm´e ` partir de la donn´e de la fonction e e a e de transfert en boucle ouverte. e a e e e e .7 incluant une perturbation e et un signal de bruit de mesure.1. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement. nous avons d´fini un certain nombre e de transferts. Dans le § VII. Il est donc indispensable de prendre en compte la stabilit´ interne e e du syst`me ` travers la stabilit´ de tous les transferts d´finis pr´c´demment. les fonctions de sensibilit´.2.7 pour lequel les donn´es de l’exemple VII. VII.2. En effet. VII.1.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII.

2.15 ainsi d´finie a un sens. VII. .2. e ´ Definition VII.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre.2.3 (bien pos´) e La boucle a contre-r´action de la figure VII. 0) est asympe e e totiquement stable. On dit alors qu’elle est bien pos´e.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne.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. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat. xK ) = (0.4 (stabilit´ interne) e Soient les repr´sentations minimales d’´tat de G et de K : e e K(p) : = AK BK CK DK G(p) : = A B C D −1 = 1 −K −G 1 u v e Pour v1 = v2 = 0. e e ´ Definition VII. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII. 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. il est n´cessaire de s’assurer que e e e la boucle de la figure VII.

e Script MATLAB 22 >> G=tf([10]. >> pole(S) ans = -19.1. Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII. les signaux de sortie (u.[2 1])). >> S=inv(1+L).Test entr´e-sortie : la boucle ` contre-r´action de la figure VII.196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII.5 1].15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 .1434 -0.conv([5 1].5 1]))).21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.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.5p + 1)2 (0. e e .2.On retrouve les quatre fonctions de transfert particuli`res ` un changement de signe e a pr`s dˆ ` la convention qui est ici d’une contre-r´action positive.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII.1023i -0. . la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands. Pour tous les signaux e e d’entr´e born´s (v1 .conv([0.2326 + 1.05 1].conv([0.2. >> K=tf([1 1].2. >> L=G*K.3 .Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement. ν2 aux sorties e e u. e ua e Exemple VII. v) sont born´s. v2 ).9878 -3.1 a .2326 .7).2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.[0. v sont stables asymptotiquement.1023i .

D]=ssdata(sysG).2326 + 1.1434 -0. >> [AK.0000 -1.2326 .2326 ..1434 -0.C. >> pole(T) ans = -19.2326 -0.1023i -1.1035 -0.B. >> [A.1023i 1.1.2)].1434 -0. zeros(2.0000i 0.3) -CK.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.1035 >> T=1-S. .1023i 0.2326 + 1.2000 + + - 1.BK.9878 -3.1023i -0. >> pole(GS) ans = -19.1).9878 -3.1023i -0. >> Abf=[A zeros(3.1.0000i >> KS=K*S.2326 -2.1) BK]*inv([1 DK.5000 >> sysG=ss(G). >> sysK=ss(K).zeros(2.0000 -19..1035 >> GS=G*S.3) AK]+[B zeros(3.DK]=ssdata(sysK). >> pole(KS) ans = -20.9878 -3.CK..-D 1])*[zeros(1.0000 -2.2).1035 -0.1023i -1.C zeros(1.

Ce r´sultat connu sous le nom du th´or`me e e a e e e du faible gain donne une condition suffisante facile a tester qui permet de conclure a la ` ` stabilit´ interne d’un paradigme du type de la figure VII. e e Exemple VII.1035 Le th´or`me du faible gain e e Les tests pr´c´dents n´cessitent de calculer les pˆles de 4 fonctions de transfert en e e e o boucle ferm´e ou les valeurs propres de la matrice dynamique en boucle ferm´e.4 On suppose que G(p) et K(p) sont asymptotiquement stables. e ´ ` Theoreme VII.1.1p + 10 En appliquant le th´or`me du faible gain.1 0].2.2326 + 1.3015 ω Le syst`me est stable de mani`re interne.1023i -0.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.9878 -0.[1 1]). L’interconnection pr´sent´e e e figure VII.1434 -1.1023i -3. >> K=tf([0.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).Ce r´sultat est moins fort que le th´or`me de Nyquist puisque l’on suppose la stae e e bilit´ la boucle ouverte et que ce th´or`me ne constitue qu’une condition suffisante.2. 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.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0. >> L=G*K.15. e e >> G=tf([1].[1 0. .2326 .2 .2.22) Remarques VII.1 10]). e e e .1p p+1 1 p2 + 0.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII. on obtient : e e max |K(jω)G(jω)| = 0.

le pic de r´sonnance Mr peut ´galement servir a cet effet. Dans le domaine e e e ` fr´quentiel. VII. 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´.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. cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement. Un autre moyen e e de mesurer le degr´ de stabilit´ relative dans le domaine fr´quentiel consiste ` mesurer la e e e a distance du lieu de transfert en boucle ouverte au point critique d´fini comme le point e d’affixe (−1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. Cette distance peut ˆtre mesur´e dans deux e e directions diff´rentes donnant lieu ` la d´finition de la marge de phase et de la marge de e a e gain. Dans le domaine temporel.16 – Courbe de gain dans Bode de L VII. j0) dans le plan de Nyquist. . 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.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.inf) ans = 0.

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.6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.2.26) Remarques VII.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.2. VII.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black . Arg[L(jω−180o )] = −180o (VII. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.2.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).3 Pour un syst`me ` minimum de phase.23) o` ωco est la pulsation de coupure a 0 dB (gain-crossover frequency) de la fonction de u ` transfert en boucle ouverte : L(jωco ) = 0 dB ´ Definition VII.25) (VII. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable.

2.3 et l’on rajoute un gain K0 = 100 dans la boucle.42 rad/s. >> L=K0*G*K.[1 1]).1 0]. >> margin(L) .18 – Marges de gain et de phase dans le plan de Bode Exemple VII. Bode Diagram Gm = Inf dB (at Inf rad/sec) . 8 deg pour ωco = 4. Pm = 25. VII.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. >> K0=100.4 On reprend l’exemple V.2. >> K=tf([0.42 rad/sec) 20 10 0 Magnitude (dB) Phase (deg) −10 −20 −30 −40 −50 −60 90 0 −90 −180 10 −2 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Script MATLAB 23 >> G=tf(1. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.8 deg (at 4.5 10]).[1 0.

VII.19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.202 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.00322 Phase (deg): −154 Frequency (rad/sec): 4.20 – Plan de Nichols-Black . VII.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig.908 Imag: −0.449 Frequency (rad/sec): 4.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.

0) et tangent au lieu de transfert.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig.27) Im −1 ∆M 1 Re G(jω ) Fig. Dans le plan de Nyquist.5 1 0.21 – Marge de module dans le plan de Nyquist Exemple VII.3 avec le mˆme gain K0 = 100 dans la boucle.5 On poursuit l’exemple V. Une mesure plus objective est d´finie par la marge de module. ∆M = 1 1 = MS max |S(jω)| ω (VII. VII.5 Imaginary Axis 0 −0.2. c’est donc le rayon du cercle de centre le point critique (−1. VII.5 −1 −1.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte.2. e Nyquist Diagram 2 1.2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises.22 – Marge de module dans le plan de Nyquist . e e ´ Definition VII.

23 – Pulsation de r´sonnance e . >> L=K0*G*K.6 On poursuit l’exemple pr´c´dent. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII. Script MATLAB 24 >> G=tf(1.2.6 dB. >> S=inv(1+L). >> K=tf([0.6 (VII. e e Bode Diagram 20 System: L Frequency (rad/sec): 3.inf)) Mod = 0.40911. >> Mod=inv(norm(S.1 0].28) 10 0 −10 Magnitude (dB) −20 −30 −40 −50 −60 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig.14 Magnitude (dB): 15.2.[1 1]).8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII. VII.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir. >> K0=100.5 10]). On trouve ωr = 3.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.[1 0.14 rad/s et Mr = 15.

2. M-cercles et N-cercles Etant donn´ un asservissement ` retour unitaire. e L(p) est suppos´e telle que la boucle ferm´e e e jω (point critique) −1 P θ α−θ ωA A Φ 0 α σ L(j ω) Fig. r + − u L(p) y Fig.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. u e Ce coefficient est ´galement appel´ coefficient de r´sonnance ou coefficient de surtene e e sion. 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.24 – Asservissement a retour unitaire ` L(p) est stable. 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.ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ Definition VII.25 – Lieu de Nyquist .29) o` F (p) est la fonction de transfert en boucle ferm´e. Nous examinons en premier lieu la m´thode pour e le plan de Nyquist. VII.

Ainsi. On note.206 − → OA repr´sente L(jωA ). l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist. il est possible de tracer des abaques utilis´s e afin de d´terminer l’amplitude et la phase en boucle ferm´e ` partir de la connaissance du e e a lieu de transfert de la boucle ouverte trac´ sur les abaques.32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e.34) o` N = tan(α). les lieux d’amplitude constante et de phase constante en boucle ferm´e. le pic de r´sonnance Mr est d´termin´ e e comme le plus petit M-cercle tangent avec le lieu de transfert en boucle ouverte alors que ` la pulsation de r´sonnance ωr correspond a la pulsation de point d’intersection. La bande e passante a −3 dB du syst`me en boucle ferm´e est la pulsation du point d’intersection du ` e e lieu de transfert avec le M-cercle M = −0. 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.30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII. u A partir de ces M-cercles et de ces N-cercles.33) .Les lieux de phase constante en boucle ferm´e sont appel´s les N-cercles et ont e e pour ´quation : e 1 (X + 1/2) + Y − 2N 2 2 = 1 1 + 4 (2N)2 (VII. culer pour chaque pulsation donn´e.10 (M-cercles et N-cercles) . . u e e ´ Definition VII.Les lieux d’amplitude constante en boucle ferm´e sont appel´s les M-cercles et ont e e pour ´quation : e X+ M M2 − 1 2 + Y2 = M2 (M2 − 1)2 (VII.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII.707. il s’agit de calL(jω) .2.

ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.5 −36 o −0.5 Re ω r (Mr = 2) M=0 Fig.5 −2 −1. Un exemple d’abaque est donn´ ` la figure VII.5 2 2.5 −1 −0.5 0 Re G 0.707 M = 1. VII.2 1.5 Im G 0 −90o −60o −45o −1.833 0.5 −2.5 Fig.67 0.3 1.26 – 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 60o 90o 0.27 – Abaque des N-cercles .27.5 30o (−150o) 36o 45 1 o 2 1. e e ea 2.5 2. VII.5 1 1.5 −1 −30o −2 −2.707 0.

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.28. Ainsi ` partir de la figure VII.7 En reprenant l’exemple pr´c´dent. e ω = 2. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols.87 Imag: −1.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6. 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: 1.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig.16 rad/s ω = 3. on peut calculer des e e a points de la boucle ferm´e.64 Imag: 0.375 Frequency (rad/sec): 2.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1.92 Frequency (rad/sec): 3.62 rad/s ωr = 4.28 – Exemple : abaque des M-cercles Abaque de Hall-Nichols Un inconv´nient majeur de l’utilisation des abaques des M-cercles et des N-cercles e est que la forme g´n´rale de la courbe du lieu de tranfert dans le plan de Nyquist n’est e e g´n´ralement pas conserv´e lors de modifications mˆmes ´l´mentaires de la fonction de e e e e ee transfert (changement de la valeur du gain par exemple). si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII. De ce fait. ` 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.2. e . 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.29 qui forment l’abaque de Hall-Nichols.

8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.5 dB 20 1 dB −1 dB 209 Open−Loop Gain (dB) 10 3 dB 6 dB −3 dB −6 dB 0 −10 −12 dB −20 −20 dB −30 −40 −350 −300 −250 −200 −150 Open−Loop Phase (deg) −100 −50 −40 dB 0 Fig.25 dB 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0. VII.2.29 – Abaque de Hall Exemple VII.25 dB 0.5 dB 1 dB 3 dB 6 dB 0 dB 0 Open−Loop Gain (dB) −50 −100 −150 −200 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) .

la marge de gain.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0.5 dB ωr = 2.210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2.8 rad/s Nichols Charts 50 40 0 dB 30 0. e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance. e En produisant un zoom sur les fr´quences interm´diaires. il est alors possible de calculer e e la marge de phase.5.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.25 dB Open−Loop Gain (dB) 10 Mφ Kg −150 Open−Loop Phase (deg) −100 −50 Un trac´ identique est donn´ pour K = 5 o` l’on peut voir l’effet de l’augmentation e e u du gain sur le syst`me en boucle ferm´e. e e . e e Mφ = 60 deg ωco = 1.

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

4 Si l’asservissement n’est pas unitaire. 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase. (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) .212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII.2. il faut calculer.

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

06 det(1+L(p) 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.6 0.5].08 0.4 0.3.06 −0.2 0.5 0 0 0 0 0. ´ ` Theoreme VII.3.04 −0. . Le syst`me est instable.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.1 0.2 Soit l’asservissement a retour unitaire du type de la figure VII.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.0 0 0.B=[1 0. a e VII.0 0 -4].02 To: Y(1) 0 −0.02 −0. u e e a Exemple VII.04 Imaginary Axis 0.5 0 0.8 1 1.5 0 0.2 Le th´or`me du faible gain e e Le th´or`me du faible gain d´j` pr´sent´ dans le cas monovariable s’´tend naturellee e ea e e e ment au cas multivariable.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.3.C=[0.5.0 -1 1.0 1].08 0 0.

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

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

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.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. dans son ´tape de synth`se. 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.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. 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. 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 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. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. Les sp´cifications de pere e e e formance pour un syst`me de commande peuvent ˆtre constitu´es de crit`res temporels e e e e relatifs au r´gime transitoire. e e e e 217 .

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

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

2.14) VIII. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w). e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment. ee e e (VIII.Pour que w ait peu d’influence sur y : |T (jω)| .220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.2.13) |K(jω)G(jω)| |T (jω)| 1 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ Gb et ∼ r − Gb.Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 . Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .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 .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.12) 1 (VIII.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.

rampe. 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. e . Si la e marge de phase souhait´e est 45o . il faut avoir Φ = −135 deg et donc dans cette r´gion.. Cela induit des pulsations ωco et ω−180o suffisamment importantes. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII.2. on obtient.17) On en d´duit la r`gle des int´grateurs. e e e ´ ` Theoreme VIII.16) En appliquant le th´or`me de la valeur finale.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. 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. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).SPECIFICATIONS FREQUENTIELLES 221 Le suivi de r´f´rence pose le probl`me plus sp´cifique de la pr´cision du syst`me en ee e e e e r´gime permanent. e Exemple VIII.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg. e la pente ne peut exc´der −30 dB/dec.) 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.2. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´.2.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p). 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. On souhaite en effet que le syst`me boucl´ r´ponde sans erreur ou avec e e e e une erreur donn´e ` des entr´es types telles que celles qui ont ´t´ d´finies pour l’analyse e a e ee e temporelle transitoire (´chelon.. e VIII.18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive.

Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir.La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte. Dans le cas contraire. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB .20) (VIII.2.1 La bande passante en boucle ferm´e peut alternativement ˆtre d´finie ` partir de la fonce e e a tion de sensibilit´ compl´mentaire.22) VIII.1 .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. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances.707 = −3 dB 2 (VIII. ωB = ωBT . e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me.2.2. la commande est effective et am´liore les performances. ωBT ]. e ´ Definition VIII. e e . 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.. e Remarques VIII. e e e C’est une ´tape importante dans l’´tape de mod´lisation. pour les pulsations e e inf´rieures ` ωB .222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e. Au del` de ces pulsations. on a alors : e e ωB < ωco < ωBT (VIII.2.19) Dans la majorit´ des cas.21) (VIII.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1. Les sp´cifications fr´quentielles e e e e e pr´c´dentes reviennent ` donner une forme particuli`re sur l’ensemble des pulsations ` e e a e a .La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0. la bande passante est un indicateur de performance particuli`rement important. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me.

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

2.224 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.1 rad/s.448 deg. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig.3 – Courbe de gain de G(p) . e e e .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.20372 rad/sec) 10 0 −10 Phase (deg). Pm=48.41 rad/s.5. ωco = 0.2 rad/s et ωp2 = e 0.2 (loopshaping) Le mod`le du syst`me est donn´ par sa fonction de transfert en boucle ouverte pour un e e e asservissement ` retour unitaire. une marge de gain Kg = 2. VIII.2 rad/s.5 et des pulsations de coupure ω−180o = 0.5 deg.9588 dB (at 0.41231 rad/sec). e e e e e Exemple VIII. (at 0. a e e . e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII.25) (VIII.24) Ce mod`le poss`de les caract´ristiques suivantes.Il est stable en boucle ouverte puisque ses pˆles sont p1 = −1/5 et p2 = −1/10 o correspondant aux pulsations de cassure caract´ristiques ωp1 = 0. Bode Diagrams Gm=7.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0. Le diagramme de Bode de la courbe de gain et de phase de cette fonction de transfert permet de calculer une marge de phase Mφ = 48.

Le bruit de mesure intervenant au del` de 0.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII.33p + 1) (VIII. On obtient donc.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.Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration. 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. A ce stade.1 rad/s.5 rad/s et β = 0.26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p.Premi`re sp´cification : e e La r`gle des int´grateurs indique qu’il est n´cessaire d’ajouter une int´gration dans e e e e la boucle ouverte conduisant a ´crire : `e L(p) = .SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes.30) . L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII.27) Pour ω = 0.29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0.1 rad/s. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s. Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`.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. e . e ` e .5 Hz doit ˆtre filtr´. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration. L0 (p) = −2p + 1 p(2p + 1)(0. |Gb (jω)| ∼ 0 dB. Cela permet de choisir ωb = 0. e e e 225 . a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e .

On obtient alors : L(p) = 0. ω−180o = 0. Magnitude (dB) −20 −40 −60 L(p) L0(p) G(p) 0 G(p) L(p) −100 −200 −300 L0(p) 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig. VIII.2 rad/s.4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e. e e .Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche.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. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0.95 rad/s 60 40 20 0 Phase (deg).33p + 1) (VIII.44 ωco = 0.226 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES dont on fait le trac´ dans Bode pour obtenir la marge de phase et de gain : e Mφ = −52 deg et des pulsations de coupure.92 .15(−2p + 1) p(2p + 1)(0.43 rad/s Bode Diagrams Kg = −0.15 et a ` une pulsation de coupure ωco = 0.

8 0.4 0.6 Amplitude Amplitude 0. VIII. VIII.33p + 1) (VIII.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg).15(10p + 1)(5p + 1) p(2p + 1)(0.) 25 30 35 40 Fig.5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le. on obtient un compensateur ´gal a : e e e ` K(p) = 0.6 0.6 – R´ponses indicielles e .SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0. e e e Step Response Step Response 1 1 0.) 42 56 70 0 5 10 15 20 Time (sec.2 0 0 0 14 28 Time (sec. 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.44 rad/s Bode Diagrams 227 ωco = 0.8 0.4 0.2 0.32) Les figures suivantes sont les r´ponses temporelles ` une entr´e en ´chelon de position e a e e unitaire r(p) = 1/p pour le syst`me boucl´ non corrig´ (pour lequel il existe une erreur e e e de position) et le syst`me boucl´ corrig´ par K(p).

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´.34) MT ≤ 1.25 (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.7 – R´ponses a une perturbation en ´chelon e ` e VIII. Des valeurs de MS et de MT grands indiquent une faible performance du ee syst`me ainsi qu’une faible robustesse vis a vis des perturbations pouvant l’affecter.) 42 56 70 0 10 20 30 Time (sec.6 Amplitude Amplitude 0. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me.35) .8 0. e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires. e e e Step Response Step Response 1 1 0.6 0.2 0.) 40 50 60 Fig.33) MT = ||T ||∞ = sup |T (jω)| ω ` MS et MT correspondent a un pic de la courbe de gain de chacun des transferts consid´r´s.4 0.2 0 0 0 14 28 Time (sec. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII. En effet.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. VIII.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.8 0. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.4 0.

37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.707 2.2.39) Remarques VIII. Un choix usuel est MS = 2.2. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition 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.2.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0. 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.SPECIFICATIONS FREQUENTIELLES Remarques VIII.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1. e e e e e ∆M = 1 MS 229 (VIII.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.le modelage de S sur certaines plages de fr´quences e 4. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII.une erreur maximale de position en r´gime permanent A e 3.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.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.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| . 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.

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

7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.15(−2p + 1) p(2p + 1)(0. >> L=tf([-0. Il e e a e est ` noter sur la figure VIII.SPECIFICATIONS FREQUENTIELLES .8.Omega_B=0.conv([2 1 0].[0. Script MATLAB 26 >> M=1.3 0.3 On reprend l’exemple utilis´ pour le loopshaping de la section III.aux hautes fr´quences.2. e e la boucle ouverte vaut : L(p) = 0.8 ωB = 0. >> bodemag(S.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.2. elle est ´gale a M ≥ 1 e e ` .2.15]. >> Wp=tf([1/M Omega_B].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. 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.05.33 1])). >> S=inv(1+L).[1 0]). Apr`s loopshaping.42) Exemple VIII.4 Afin d’am´liorer les performances.2.1/Wp) >> grid A=0 .5.33p + 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.

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

r`gle 3 : push and pull e G1 (p)(1 − G2 (p)G1 (p))−1 = (1 − G1 (p)G2 (p))−1 G1 (p) VIII.1 Sp´cifications fr´quentielles de performance : syst`mes e e e multivariables R`gles d’association dans les sch´mas-blocs e e Cette partie est consacr´e ` l’extension des caract´risations en performance pour les e a e syst`mes multivariables boucl´s.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). Pour cela.3. En effet. il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable.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) .2 Les fonctions de sensibilit´s en entr´e et en sortie e e Il est tout d’abord n´cessaire de d´finir les relations de bouclage associ´es au sch´ma e e e e d’asservissement VIII.SPECIFICATIONS FREQUENTIELLES 233 VIII. e .3 VIII.3.9 o` G(p) ∈ Cr×m et K(p) ∈ Cm×r sont des mod`les LTI multivau e riables. du fait de la non commutativit´ du produit matriciel.

On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence. ´ ´ Proprietes VIII. ´ Definition VIII. seul l’outil e e math´matique est r´ellement diff´rent.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.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII. En fait.3. e e e e ee . VIII. Afin de ne pas alourdir ce document.3.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII.9.9 – Asservissement et fonctions de sensibilit´s e s(p) = (1 + GK)−1 Gb(p) + (1 + GK)−1 GK(r(p) − n(p)) ζ(p) = (1 + GK)−1 r(p) − (1 + GK)−1 Gb(p) + (1 + GK)−1 GKn(p) u(p) = K(1 + GK)−1 (r(p) − n(p)) − K(1 + GK)−1 Gb(p) Les relations de bouclage pr´c´dente permettent de d´finir les 6 transferts caract´risant e e e e l’asservissement VIII.3.3 Sp´cifications de performance e Les sp´cifications de performance sont ´tablies tr`s sensiblement de fa¸on identique e e e c pour les syst`mes multivariables et pour les syst`mes monovariables.45) KSy = K(1 + GK)−1 Sy G = (1 + GK)−1 G Il est ` noter que la diff´rence fondamentale avec les asservissements monovariables a e vient de la non identit´ des sensibilit´s et sensibilit´s compl´mentaires en entr´e et en e e e e e sortie Sy = Su et Ty = Tu .

On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0.SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant. VIII.10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec .49) ` .7 .1 Pour les syst`mes MIMO.Ai .48) cela peut s’exprimer par la relation suivante.3. l’erreur s’exprime comme suit. il est donc indispensable que l’influence de r ee sur soit la plus faible possible. la bande passante d´pend des directions.ωBi bande passante a −3 dB 10 1 10 0 Amplitude 1/Wi 10 −1 |S| 10 −2 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 Fig.9.50) (VIII. les relations de l’asservissement VIII. = s − r = Sy (d − r) − Ty n + Sy Gb (VIII. En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII.47) Pour que le suivi de r´f´rence soit bon.7 ≤ ωB ≤ ωσ(S)=0.

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

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

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

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

2.5) Remarques IX. 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 (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. · · · ) . e e o e ´ Definition IX.2. Dans la majorit´ des cas. e e e . 1. IX.3) L’´quation caract´ristique exprime une ´galit´ complexe qui peut ˆtre scind´e en deux e e e e e e ´galit´s r´elles.2 IX.2.2.Condition d’amplitude : |G(p)F (p)| = 1 (IX. r + − ζ G(p) F(p) y Fig.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.2 – 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 Les valeurs de p telles que les deux conditions IX.IX.6 sont v´rifi´es.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement.7) . sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.6) (IX.5 et IX. CONSTRUCTION DU LIEU D’EVANS 241 IX.2.4) (IX.

8) Point test p Im A2 A1 A4 B1 θ1 −p1 −p4 θ4 −z1 Φ1 θ2 −p2 A3 θ3 −p 2 = −p 3 Ρε Fig.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. nous reprenons le sch´ma e e e a e d’asservissement initial. IX.2.3 – Mesure des angles et des amplitudes IX. r + − ζ K u G(p) y Fig.4 – Exemple . IX.2 R`gles g´n´rales de construction e e e Les r`gles g´n´rales de construction du lieu des racines sont donn´es sous forme e e e e g´n´rale puis sont illustr´es ` l’aide de deux exemples. Pour cela.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.

11) e e Exemple 1 : la fonction de transfert G1 (p) est ´crite sous forme factoris´e donc l’´quation caract´ristique factoris´e est e e e 1 + G1 (p) = 1 + Exemple 2 : 1 + G2 (p) = 1 + K(p + 2) K(p + 2) √ √ =1+ 2 + 2p + 3 p (p + 1 − j 2)(p + 1 + j 2) (IX.CONSTRUCTION DU LIEU D’EVANS o` pour les deux exemples : u G1 (p) = 1 p(p + 1)(p + 2) 243 (IX.14) Les points de d´part du lieu des racines en boucle ferm´e sont donc bien les pˆles e e o en boucle ouverte.13) K p(p + 1)(p + 2) (IX. e m branches finies Exemple 1 : . il y a autant de branches au lieu des racines qu’il y a de pˆles en boucle o ferm´e.15) Les points d’arriv´e du lieu des racines en boucle ferm´e sont donc bien les z´ros en e e e boucle ouverte. 0. Les pˆles et les z´ros de la boucle ouverte sont repr´sent´s dans le plan complexe par o e e e une croix et un cercle respectivement.3 pˆles en boucle ouverte et en boucle ferm´e. K→+∞ lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX.10) (p + 2) G2 (p) = 2 p + 2p + 3 . e e K→0 lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX. Les pˆles sont les points de d´part (K → 0) o e alors que les z´ros sont les points d’arriv´e du lieu (K → ∞). 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. −2 o e n − m branches infinies . n (ce qui est e e o le cas en g´n´ral) et que le nombre de z´ros en boucle ouverte est ´gal a m alors le e e e e ` lieu est constitu´ de n − m branches infinies et de m branches finies. Si ce nombre est ´gal au nombre de pˆles en boucle ouverte.Etape 1 : factorisation de l’´quation caract´ristique.Etape 2 : localisation des pˆles et des z´ros de la boucle ouverte dans le o e plan complexe. −1.12) . De plus.

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

23) d’o` K = −p3 − 3p2 − 2p. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1.Les points d’´clatement ou de rencontre sont des racines multiples de l’´quation e e caract´ristique en boucle ferm´e et sont donc a tangente verticale sur l’axe r´el. cette v´rification est simplement graphique.21) Remarques IX.D´terminer les racines r´elles et complexes de cette ´quation. on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique. d’o` l’on a une seule direction infinie qui fait un u angle avec l’axe r´el donn´ par : e e Φa = 180o (IX. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines. Si K > 0. Si les rae e e cines sont r´elles. ce point appartient au lieu des racines. o e e B(p) + KA(p) = 0 alors.2.CONSTRUCTION DU LIEU D’EVANS alors que l’angle avec l’axe r´el est donn´ par : e e Φa = ±60o (2k + 1) 245 (IX. e Exemple 1 : l’´quation caract´ristique s’´crit. e e e 3.22) (IX. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante. il existe au moins un point d’´clatement e e (respectivement de rencontre). e e e 1+ K =0 p(p + 1)(p + 2) (IX.Calculer l’´quation alg´brique (IX. e Ces points sp´cifiques appartiennent a l’axe r´el ou existent sous la forme d’une e ` e paire de pˆles complexes conjugu´s. e e ` e .19) Exemple 2 : on a n − m = 1. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX.21).20) .Etape 5 : d´terminer les points de d´part et d’arriv´e sur l’axe r´el ainsi e e e e que les points de rencontre et d’´clatement. e e 2.3 . u dK = −3p2 − 6p − 2 = 0 dp (IX.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines. On suppose que le polynˆme caract´ristique s’´crit.24) . On obtient donc.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. Dans le cas come e plexe.

e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2.28) K=6 (IX. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en. e .26) p2 + 2p + 3 p+2 (IX.30) √ ω = 0 ou ω = ± 2 (IX.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0. K = 6). Exemple 2 : l’´quation caract´ristique s’´crit. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles. Il n’y a donc pas d’intersection avec l’axe imaginaire.246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif. (IX.25) On a donc encore deux solutions −0.5774 o e e et −0.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire.27) (IX. e e e e K − 3ω 2 = 0 2 (IX.4226. . 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. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines.2679 et −3. e e e K=− d’o`. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu.

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

5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig.5 1 1.5 Imag Axis 0 −0.5 2 Fig. IX.248 . 2 1.[1 2 3]). >> rlocus(G1). >> rlocus(G2).5 −2 −1. 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2. IX.6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].7 – Exemple 2 .5 −1 −0.5 Real Axis 0 0.5 −1 −1.[1 3 2 0]).5 1 0.Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1.

3.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.8 – R´glage du gain et amortissement e .8.54 −1 0. a Root Locus 2 0.68 −1.4 rad/s.3. e e e e e Exemple IX.7 (IX.707.5 0.8 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 3 2. IX.34 Frequency (rad/sec): 2.5 Real Axis −2 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.7+j1.38 0.707 Ψ = 45o (IX.5 −3 0.5 2 1.39 |p + 3| p=−1.7 + 1.5 0.8 −2.5 0.89 −2 −4.5 0. on obtient.5 −0.38 −0.89 0. Cela conduit a choisir : e e ` cos Ψ = 0.39 Pole: −1.7±j1.7i Damping: 0.986 −1 −1. ` e e K= |p2 + 2p + 3| = 1.68 0.986 0. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.7.5 0. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines. a e En appliquant la condition des gains a l’´quation caract´ristique.707 Overshoot (%): 4.5 −4 −3.3.18 0 Fig.5 Imaginary Axis System: G2 Gain: 1.5 1 0. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.` ´ IX.54 0.3 IX.18 1.37) Il est ` noter que la pulsation propre correspondante est ωn = 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.95 0.4 .95 1 0.5 0 4 3.

[1 6 36])).38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote. Pour v´rifier cela. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´.3. Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue.conv([1 -1 0].3. >> rlocus(G). e e Script MATLAB 27 >> G=tf([1 2].2 (dynamiques longitudinales d’un avion avec autopilote) Soit l’asservissement a retour unitaire dont la fonction de transfert en boucle ouverte est ` donn´e par : e KG(p) = K(p + 2) p(p − 1)(p2 + 6p + 36) (IX. l’´quation suivante doit e e ˆtre r´solue : e e 1+ K(jω + 2) =0 jω(jω − 1)(36 − ω 2 + 6jω) Cela conduit ` r´soudre le syst`me d’´quations r´elles : a e e e e 2K + ω 4 − 30ω 2 = 0 ω(K − 36 − 5ω 2 ) = 0 Les solutions en sont donn´es par : e √ K1 = 86 − 5 28 √ K2 = 86 + 5 28 ω1 = ω2 = 10 − 10 + √ √ 28 rad/s 28 rad/s Ces syst`mes posent des probl`mes en pratique puisqu’ils peuvent devenir instables e e pour une variation non pr´vue de la valeur du gain.9.2 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. >> sgrid .250 ANALYSE PAR LE LIEU DES RACINES IX. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet. e Exemple IX.

64 8 0.28 0.38 0.08 8 System: G Gain: 112 6 Pole: −0.38 0.94 2 Imaginary Axis 2 System: G Gain: 61. IX.23 2 0.23i Damping: 0.8 −6 6 −8 0.17 0.0015 − 2.5 Pole: −0.89i Damping: 0.8 4 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.94 0 −2 −4 4 0.000674 Overshoot (%): 99.5 0.000437 Overshoot (%): 99.17 0.89 10 6 0.8 Frequency (rad/sec): 2.5 0.9 4 Frequency (rad/sec): 3.0017 + 3.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.9 – Syst`me ` stabilit´ conditionnelle e a e .28 0.08 8 10 0 1 2 Fig.

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

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

A. e e e Le signal rampe ´ Definition A.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig.1 – Fonction de Heaviside Pour une amplitude E = 1. A. L’impulsion n’est pas en effet e une fonction ordinaire. e ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A. on parle d’´chelon unit´ ou d’´chelon unitaire. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A.2 – Fonction rampe Pour α = 1. L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e .2 (signal rampe) On d´finit le signal rampe r(t) de pente α par.1.2. e Signaux impulsionnels La d´finition math´matique rigoureuse d’un signal impulsionnel doit faire appel a la e e ` th´orie des distributions qui est hors du cadre de ce cours.2) e(t) αt 0 to t Fig. on parle de rampe unit´ ou de rampe unitaire.

δ (t−to) A 0 to t Fig.3) e e L’impulsion d’aire 1 est la fonction de Dirac.1.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. A.1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A.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. ´ Definition A.3 (impulsion) e e e Une impulsion d’amplitude A en t0 .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. A. not´e Aδ(t − t0 ).1.4) t δ(t − t0 ) = 0 si t = t0 δ(t0 ) = ∞ δ(t − t0 ) = du(t − t0 ) dt u(t − t0 ) = δ(τ − t0 )dτ −∞ L’impulsion d’aire A en t0 est conventionnellement repr´sent´e par une fl`che de haue e e teur l’aire de l’impulsion en t0 . ee ´ ´ Proprietes A. peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes.

6) Le signal sinusoidal ´ Definition A.4 La fonction sinuso¨ ıdale du temps s(t) = A sin(ωt + ψ) d´finit le signal harmonique e d’amplitude A de pulsation ω (rad/s) et de d´phasage a l’origine ψ (rad). A. D´finition de la transform´e de Laplace e e ´ Definition 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.1.5) 0 T 2T 3T 4T 5T 6T t Fig. u x(t)e−pt dt (A.2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf.1.1. annexe A4).5 – Peigne de Dirac Finalement.1.1 .256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac. 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. e ` A.8) −∞ . 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.7) 0 Remarques 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.

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

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

1 La transform´e de Fourier e D´finition e ´ Definition A.25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A.28) .´ A.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A.27) F[x(t ± T )] = e±jωT X(ω) (A. on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement. e A.2 A.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .2. LA TRANSFORMEE DE FOURIER 259 A.2. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.2.2.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.1 (transform´e de Fourier) e La transform´e de Fourier d’une fonction x(t) est une fonction de la pulsation d´finie e e par.2 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). +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (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.

· · · . ´ Definition B.1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire. · · · . ils sont dits lin´airement d´pendants.1. · · · . les vecteurs x. y sont dits orthogonaux ssi x y = 0.3 (produit scalaire) Le produit scalaire de deux vecteurs x.1.1 (Ind´pendance lin´aire) e e Soit un ensemble de vecteurs x1 . xm ∈ Rm . y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus. L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 .1 B.1. xm ) ∈ R .2 (espace engendr´ par un ensemble de vecteurs) e n Soit (x1 . norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn .1. ee ´ Definition B. · · · .Annexe B Rappels d’alg`bre lin´aire e e B. λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire. 261 . e e ´ Definition B. Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 . xm ) est l’ensemble engendr´ par ces vecteurs.

1.∀ e ∈ E : ||e|| ≥ 0 2.j A= ||A||sum = 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. ||αe|| = |α|. 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|| 4. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.j i.4 (norme) Une norme est une fonction . ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.6 (condition de consistence) ||A|| est une norme matricielle si elle v´rifie en plus des propri´t´s ´l´mentaires la propri´t´ e e e ee ee multiplicative : ||AB|| ≤ ||A||.||B|| Exemple B.1.1.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B. e e e e ´ Definition B.∀ e1 .∀ α ∈ R. ∀e ∈ E.||e|| = 0 ⇔ e = 0 3.2 1 −2 0 6 |aij |2 = i.1.1. e2 ∈ E.1.5 (p-norme d’un vecteur) e Soit e ∈ Rn .j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e .1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B.

1.Les valeurs propres de Ak sont λk .3326 valeur singuli`re maximale e ´ Definition B. 1 n . On associe a chaque valeur propre λi .1. Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A). ee u .l ≥ m: Σ= diag(σ1 . e ´ Definition B.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. · · · c + λn o` λ1 .` ´ ´ ´ B.Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux. Elle sera dite de rang plein si : e e rg(A) = min(n. e e e .Les valeurs propres de (cI + A) sont c + λ1 .1. · · · .2 Valeurs propres et valeurs singuli`res e ´ Definition B.1.7 (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. λk . λn sont les valeurs propres de A. · · · .8 (rang d’une matrice) : Rn → Rm . · · · . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B. Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes.Les valeurs propres de A sont ´gales aux valeurs propres de A .1.1.10 (D´composition en valeurs singuli`res) e e l×m peut ˆtre factoris´e ` l’aide d’une d´composition en valeurs singuli`res : e e a e e A∈ C A = U ΣV H U ∈ Cl×l U H = U −1 V ∈ Cm×m V H = V −1 Σ est form´e par une matrice diagonale des valeurs singuli`res σi dans l’ordre d´croissant.2 .1. .9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R . σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B. m) B.1.

not´ ρ(A) est d´fini par : e e e ρ(A) = max |λi | i = 1.3 Matrices sym´triques e Dans cette partie.σ(A−1 ) = 1/σ(A) . m) ≥ rg(A) = q.1. e .1. ||A||i1 . i = 1. e a e e a . · · · .σ(A)σ(B) ≤ σ(AB) .√1m ||A||i∞ ≤ σ(A) ≤ n||A||i∞ 1 √ ||A||i1 n .σ(A) ≤ ≤ σ(A) ≤ √ m||A||i1 .l ≤ m: Σ= RAPPELS D’ALGEBRE LINEAIRE diag(σ1 .1. · · · .5 (matrices sym´triques) e .Les vecteurs propres associ´s ` des valeurs propres distinctes sont orthogonaux.4 (A ∈ Cn × Cm ) . n alors : n A= i=1 λi xi xi . . ||A||i∞ } ≤ ||A||sum B.264 .σ(A) ≤ |λi (A)| ≤ σ(A) . · · · .σ(AB) ≤ σ(A)σ(B) . σq ) 0l×m−l avec σ = σ1 ≥ · · · ≥ σq = σ > 0 et min(l. ´ ´ Propriete B.Si l’on normalise les vecteurs propres xi : ||xi || = 1. m)σ(A) ||A||i1 ||A||i∞ √ .1.σ(A) − 1 ≤ σ(A + 1) ≤ σ(A) + 1 ´ Definition B. n λi ´ ´ Propriete B.σi (A) − σ(A) ≤ σ(A + B) ≤ σi (A) + σ(B) .Les valeurs propres de A sont r´elles. ||A||F .Une base orthogonale de Rn peut ˆtre form´e ` partir des vecteurs propres de A.max{σ(A) .3 . A ∈ Rn×n est sym´trique.11 (rayon spectral) Le rayon spectral d’une matrice carr´e A.1. e ´ ´ Propriete B.σ(A) ≤ ||A||F ≤ min(n.

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

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

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

e  2  p − 3p + 3 p − 3 1 1  1 p2 − 3p p  (p1 − A)−1 = (p − 1)3 p 1 − 3p p2 auquel on applique la transform´e de Laplace inverse afin de retrouver la mˆme formule.268 La matrice A triangularis´e e  1  0 J= 0 RAPPELS D’ALGEBRE LINEAIRE et eJt s’´crivent alors.   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  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.

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

. ∃ α ∈ [0. e ´ Definition C.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp.1. la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C.Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 .1.1.∀ y ∈ V(x). ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = .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. · · · . ´ ` Theoreme C. .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. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 . not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x).6 (matrice Hessienne) e e Soit f : Rn → R. · · · . .1. 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C. m) est diff´rentiable (resp.∀ y ∈ V(x). La matrice gradient de f en x. une fonction C 1 en x.1. On d´finit la matrice Hessienne de f not´e e ∇2 f (x). ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. C 1 ).1.4 (fonction C 1 ) Si une fonction f est diff´rentiable sur un ensemble ouvert S ⊂ Rn et que le gradient e ∇f (x) est une fonction continue alors f est dite C 1 sur S.1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert.2 (formulaire de d´rivation) e . C 1 ) si chaque composante fi (i = 1.

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

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

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

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

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

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

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

. . . .8. . . . . . . . . . . . . . e e III. . .1 Les formes canoniques d’´tat . . . . . .2. .2. . . . . . . . . . . . . . . . . . . . . . . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV.1. . . . . . . . . . . . . . . . . . . . .8. . . e e III. . . . . . . e V. . . . . e V. .4 Fonctions de mod´lisation par blocs . V. . . e III. . . . . . e III. . e e III. . . . . .3 Relations entre mod`les internes et externes . . III. . . . . . . . . . . . . . . . . . . . . . . . . . . .278 II. . .2.4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. . . . . . . . . . e III. . . . . . . e IV. . . . . . . . . . . e III. . . . . . . . . . .2. e III. . . . . .3. . . . . . . . . . . . . . . .1 Cas de modes simples distincts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Signaux d’entr´e types . . e e IV. . . . . . . . . .3 Stabilit´ BIBO et stabilit´ interne . . . . . . . .2. . . . . . . e V. . . . . . .6. . . . . . .1 D´finition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e IV. e II. . . . . .1 Fonctions d’alg`bre de base .1. . . . . . . . . . . . . e III. . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Analyse temporelle des syst`mes continus e Introduction . .2 Notion d’observabilit´ . .8. . . . . . . . . . modales . .1 D´finition . . . . .1. . . . . . . . . . . . . . . . .3 R´gime permanent . . . . . . . . .2 R´gime libre .2 R´ponse ` des entr´es types . . . . . . . . . . e . . . . . . . . . .1. . . . e e e V. . . . . . . . . . . . . . 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´ . . . . . . . . . . . . . . . . ` TABLE DES MATIERES . . . . . . . . . . . . . . . . . .3. e III. . . . . . . .2. . . . . . . . . . . . . .3 Fonctions de conversion entre mod`les LTI . . .6. . . . . . . e e e III. . . e III. . . . . . . . . . . . . . .1 La stabilit´ BIBO . . .2. e IV. . . . . . . . . . . . . . . . . . . . . . . . . .8. .2 Crit`re de commandabilit´ . . . e IV. .1 Fonctions d’alg`bre de base . . . . . . .2 Cas de modes multiples . e e IV. . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . e III. . . . . . . . . . IV V . . . . . . . . . . . . .1. .5 Grammiens de commandabilit´ et d’observabilit´ . . . . . . . . . . . . .2 Th´orie de la r´alisation .r´gime forc´ . . . . . . . . . . . . .3 La m´thode de Lyapunov . . . . . . . . . .8 Fonctions MATLAB . . . . . .2 Les syst`mes du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . e II. . . . .2.3 Dualit´ de la commandabilit´ et de l’observabilit´ . . . . . . . . .1 D´finitions . . . . . . . . . . . .2 Crit`re d’observabilit´ . .3 Fonctions d’analyse des mod`les LTI e II. . . .1 Stabilit´ des syst`mes LTI e e IV. . . . . . . . . . . . . . . . . . . e IV. . . .2. . e a e V. . . . .6. . . . .2 La stabilit´ interne . . . . . . . . . . . . . . . . . . . .1 D´finition . . . . . . . . . . . . . . . .1 . . . . . . . . . . . . . . .1. . . . . . . . .r´gime transitoire . . . . e e V. . . . . . . . . . . . .4.2 Fonctions de mod´lisation LTI . . . . . . . . . III. . . . .6 Fonctions MATLAB . . . . . . .1. . . . . . . e e III. . . . . . . . . III.1. . . .4 Nature des points d’´quilibre en dimension 2 e IV. . .1 D´finition . . . . . . . . . . . . . . . . . . . .2 Caract´risations de la stabilit´ BIBO . . . . II. . . . . . . . . . . . . . . .3 Crit`re alg´brique de Routh-Hurwitz . . . . . . . . . . . . . .

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

. .1. . . . . . . . . . .6 Notion de modelage de boucle : loopshaping . . e B. R` e VIII. . . . . .8 ecifications de performance en sensibilit´s mixtes . . . .1 Fonctions li´es ` l’utilisation du lieu des recines . . . . . . . . . .2. . . . . . . . . . . . . VIII. . e B. . . . . . . .1 egles d’association dans les sch´mas-blocs . . e e IX. . .3 Matrices sym´triques . . e IX. . . . B. . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . .1.2. . . .4. . . . . . . . e A. . . IX. e a IX. . . . e B. 272 e 273 R´f´rences bibliographiques ee . .4 Fonctions MATLAB . . . .1. . .3. . . . . . . . . . . . .1 R´glage du gain . . . . . . . . . . .280 ` TABLE DES MATIERES . . . . . . . . . . . . .3. . . . . . .2. . . . . . . . . 269 e Rappels sur les fonctions d´finies positives . . . . . . . . .1 M´thode de triangularisation . . . . . . . . . . . . . . . . . .2. . e e ee B. . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . .7 Modelage des fonctions de sensibilit´ . . . . . . . . . . . . . . . . . .1 Conditions des angles et des amplitudes . . . .3 eduction du bruit de mesure w . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . . . . .3 Analyse des syst`mes boucl´s par le lieu d’Evans . . . 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. . . .2 Syst`mes ` stabilit´ conditionnelle . IX. . .2 Calcul de la matrice de transition d’´tat eAt . . . . . . . . . . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . . . . . . . . . IX. R´ VIII.1 D´finition . . . . . .2.2 A. . . . . . . . . . . . . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . . . . . .2. .4 Suivi de r´f´rence r : pr´cision . . . . . . . . . . . . .1. . . .1 C. . e A. . .3. .2 Valeurs propres et valeurs singuli`res . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . Sp´ e VIII. . . . . . . . . . . . . . . . . . . . . . . . e VIII. . . e e VIII. . .2. . . ee e VIII. . . . . . . . .1 Produit scalaire. . . . . . . e a e IX. . e A. . . .2 Les fonctions de sensibilit´s en entr´e et en sortie . . . . . . . . . . . . . . . B B. . . . . . . . . .3 ecifications de performance . . . . . . .2. . . . .1. ee e . . . . . . . e e VIII. . . . . . . . . . . . . . . . . .1 . .1 IX. . . . . . . . . . . . norme et rang . . . . .2 R`gles g´n´rales de construction . . .2 Propri´t´s de la transform´e de Fourier . . . . .2 Repr´sentation fr´quentielle des signaux continus . . . . . . . . . . . . . . . . . . . . e e e IX. . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . . . . . . . . . . . . . . . . . . . e e A. .2 La transform´e de Fourier . . . . . Construction du lieu d’Evans . . . . . . .2. . . . . . . . . . . . . e B. . . .2. .2 Utilisation de la transform´e de Laplace e C. . . . . . A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . . . . . .5 Comportement aux fr´quences interm´diaires . .