ENSICA - Premi`re ann´e e e

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

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

3

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

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

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

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

I.1

Introduction

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

Cette probl´matique est pr´sent´e et ´tudi´e en deuxi`me ann´e pour e e e e e e e e les m´thodes les plus classiques dans le cours de Jo¨l Bordeneuve-Guib´ et en troisi`me e e e e ann´e dans le cours de syst`mes multivariables et dans celui de commande robuste. e e Afin de manipuler et d’utiliser ces concepts. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. e e le concept d’information y est ´galement primordial. th´orie des transformations.. mˆme si le vocabulaire est parfois diff´rent. des outils math´matiques (alg´briques. 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.) mais plus important. 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. la structure de commande ` contree e a r´action et le concept de stabilit´ des syst`mes dynamiques et le probl`me de stabilit´ e e e e e pos´ par l’introduction de la contre-r´action.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es. Enfin.. sa e e e e parent´ avec le traitement du signal ne fait aucun doute. 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. 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 .

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

3 – Illustration extraite du livre : ”Automata” (1315) [1] . En effet. alchimiste hollandais du XV II eme si`cle est le premier ` inventer le thermostat en 1624 qu’il souhaite utiliser e a dans les fours pour la transmutation du plomb en or. les e e r´gulateurs de temp´rature sont ´tudi´s successivement par Becher en 1680. e a e . Becher-1680.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig. Bonnemain-1777) : Cornelius Drebbel. fours. I. I. e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W.1600 .R´gulation de temp´rature (Drebbel-1624.4 – Sch´ma de l’incubateur Athenor e . Entre temps. Henrye e e ` 1771. R´aumur-1754. 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. 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. Son ´chec ` trouver la e a pierre philosophale le conduit n´anmoins a inventer un incubateur automatique. e e Henry propose de l’utiliser pour les fours chimiques en 1771. l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s. machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle.

a . invention pour laquelle il est anobli par la reine Victoria.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin.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). 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. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig. A la fin de ce si`cle. (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.R´gulation de niveaux (Salmon-1746. I. e ` ` e les fr`res Perier mettent au point la premi`re boucle de r´gulation avec action e e e proportionnelle et int´grale. Wood-1784). I. En particulier. Polzunove 1765. En 1745. Crapper 1775.6 – Principe de la machine ` vapeur de Polzunov [35] a . la chasse d’eau est mise au point par le londonien Crapper en 1775. Fig. Brindley-1758. BREF ALBUM CHRONOLOGIQUE 9 .I. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. En Sib´rie.2. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur.

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. Delap-1799. I. (Porter-1858).8 – Moteur a vapeur de Watt [46] ` Fig. En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs. Fig. il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur. James Watt se propose d’adapter le r´gulateur centrifuge de Mead e pour la r´gulation de la vitesse de rotation du moteur a vapeur. 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. I.1800-1935 : cette p´riode pr´classique de la th´orie de la commande fˆt celle pene e e u dant laquelle les principales contributions furent d’ordre math´matique. (Siemens-1846). Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803.10 INTRODUCTION A LA THEORIE DE LA COMMANDE .R´gulation a gouverne centrifuge (Watt-1788).R´gulation de pression (Papin-1707. (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton.7 – Soupape de s´curit´ de Papin [46] e e .9 – Manuscrit de Watt ou Boulder [44] . I. e ` (Pickering-1862). ` e e Fig. On peut e .

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

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

(Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H. . Nichols.2. I.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.W.I.13 – Syst`me de RADAR SRC-584 [40] e En parall`le.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. a e . Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N. BREF ALBUM CHRONOLOGIQUE Nyquist Diagram 5 13 4 3 2 1 Imaginary Axis 0 −1 −2 −3 −4 −5 −7 −6 −5 −4 −3 Real Axis −2 −1 0 1 Fig. les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A.C.D´veloppement de la th´orie des servom´canismes dans le domaine fr´quentiel e e e e aux laboratoire des radiations du MIT (Hall-1940). e Fig. Le groupe dirig´ e e e par Bode au MIT aboutit au d´veloppement du syst`me de RADAR SRC-584 e e coupl´ au pointeur M9.12 – Lieu de Nyquist . I.

Wiener et J. .16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. Pm = −44. I. N. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”.D´veloppement de l’analyse stochastique (Kolmogorov-1941). I.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. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu. .N.3 dB (at 1.15 – Abaque de Black-Nichols .14 – Lieu de Bode Fig.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0.D´veloppement de la th´orie de l’information (Shannon-1948) et de la cye e bern´tique (Wiener-1949) : la th´orie math´matique de la communication naˆ e e e ıt entre 1939 et 1948 sous l’impulsion de C. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. Fig.7 deg (at 1. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. Shannon qui publie en 1948 ”The mathematical theory of communication”. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61.25 dB 0.43 rad/sec) . (Wiener et Bigelowe 1942) : A. N.

(Truxall-1955) : W. 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.B. Smith-1942). o e Nichols proposent leurs r´glages des compensateurs PID. Cette p´riode est principalement marqu´e par la parution e e e des premiers trait´s (S.R. Evans d´finit sa m´thode du lieu des racines permettant de d´terminer la locae e e lisation des pˆles en boucle ferm´e dans le plan complexe.I. (Truxal-1955).17 – 1ere ´dition de Cybernetics [2] e Fig.18 – M. Les progr`s r´alis´s e e e e durant la guerre ont permis d’´tablir une th´orie math´matique solide des e e e servom´canismes.P´riode classique de d´veloppement de la th´orie des servom´canismes (Smithe e e e 1942). 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. Ziegler et N. (McColl-1945). I. (Evans-1948).2.19 – Lieu d’Evans . J. (McColl-1945). En 1951 a lieu la e e e premi`re conf´rence d’Automatique a Cranfield. (Ziegler-Nichols-1942). de Shannon [42] .G.Sc. I. I. BREF ALBUM CHRONOLOGIQUE 15 ` Fig. Royaume Uni.

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

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

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

de sa composition et de son degr´ e e de complexit´ comporte donc les ´tapes suivantes : e e . La mod´lisation. 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 . I. Les autres entr´es troublent le fonctionnement d´sir´ et sont d´finies comme e e e e des perturbations. est constitu´ naturellement ou e e ee e e artificiellement afin d’accomplir une tˆche pr´d´finie. e(t) Système s(t) Fig.1 Th´orie des syst`mes et th´orie de la commande e e e Notion de syst`me e Un syst`me. 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. THEORIE DES SYSTEMES ET THEORIE DE LA COMMANDE 19 I. d(t) e(t) Système s(t) Fig.caract´risation des relations entre ces variables. ce sont les e e commandes.24 – Sch´ma fonctionnel e Les entr´es affectant un syst`me peuvent ˆtre de nature diff´rente. aggr´gation d’´l´ments interconnect´s. 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. Notons ainsi que la notion de syst`me est indissociable de celle de e e signal.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. 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. les entr´es du syst`me. Son ´tat est affect´ par une ou plua e e e e sieurs variables. ´tape pr´liminaire de l’analyse d’un syst`me e e e e e e quelconque.3. ind´pendamment de sa nature physique.3.3 I. c’est ` dire e e e a la combinaison des lois math´matiques pr´c´dentes. Les unes ont pour e e e e but d’exercer des actions entrainant le fonctionnement souhait´ du syst`me. I. e .identification des variables pertinentes pour la caract´risation de chaque ´l´ment e ee constituant le syst`me.´ ` ´ I. Le r´sultat de l’action des entr´es est la r´ponse e e e e e du syst`me qui peut ˆtre caract´ris´e par le comportement d’une ou plusieurs variables de e e e e sorties.

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

l’hypoth`se de lin´arit´ est valide dans un domaine pr´cis et ne tient pas e e e e compte d’un certain nombre de ph´nom`nes purement non lin´aires. e e e Toutefois. e e e La th´orie de la commande. zone e ıtre e e e e morte. On parle alors de syst`mes lin´aires. e e e e D’un point de vue purement technique.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 le calcul op´rationnel ou le th´or`me de convolution. 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. branche de la th´orie des syst`mes. En effet. 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 .3.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. au sens large. 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). les performances. seuil. 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). les syst`mes lin´aires v´rifient le principe de e e e superposition et le principe d’homog´n´it´. Un processus de lin´arisation est alors n´cessaire. grae e e phiques) tr`s simples et puissants tels que les transform´es de Laplace et de Fourier. e e e e e e Si elle n’est strictement que rarement v´rifi´e en pratique. la plue e e part des syst`mes physiques sont en r´alit´ non lin´aires (bras de robot. 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. 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. ph´nom`nes e e e e e e ´lectrostatiques) ou font apparaˆ des ph´nom`nes non lin´aires (hyst´resis. e e e I.3.2 Th´orie de la commande e Le processus pr´liminaire de mod´lisation achev´. la sortie est e e e e e e donn´e par αs(t). frottement sec). e e e e Ainsi l’hypoth`se de lin´arit´ va permettre l’utilisation d’outils (analytiques. Il conviendra donc de toujours justifier en pratique l’hypoth`se de e lin´arit´ et d’identifier son domaine de validit´. 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. e Contre-exemple I.

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

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. e e e moindre sensibilit´ aux variations param´triques du mod`le. Il est toutefois important de remarquer que cette structure de commande ne pr´sente e pas que des avantages.28 – Commande en boucle ferm´e e Un syst`me boucl´ v´rifie en quelque sorte que la r´ponse du syst`me correspond a e e e e e ` l’entr´e de r´f´rence tandis qu’un syst`me en boucle ouverte commande sans contrˆler l’efe ee e o fet de son action. le probl`me de la stabilit´ et de la pr´cision des syst`mes ` e e e e a contre-r´action se pose de mani`re plus complexe. 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.THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES 23 syst`me boucl´ (figure I. stabilisation de syst`mes ine e e e stables en boucle ouverte). Cette structure de commande permet ainsi d’am´liorer les performances dynae e miques du syst`me command´ (rapidit´. par opposition aux syst`mes en boucle ouverte (figure e e e I. meilleur suivi de consignes.28). rejet de perturbation. 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. I. D’autre part. Elle n´cessite l’emploi de capteurs qui augmentent le coˆt d’une e u installation. e e .27).

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. Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I. e . Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig.).. etc. e e I.4. 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.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T .29 – R´gulation de temp´rature e e I.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. incubateur.29. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture. contre-r´action.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. A partir de l’information de position restitu´e par un capteur au correcteur.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. .. I. une tension de commande V est d´livr´e ` l’actionneur modifiant en cons´quence le courant parcourant la r´sistance e e a e e R.

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

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 .4. la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment. gravitationnelles et a´rodynamiques. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I. Le mouvement peut e alors ˆtre d´crit par la position et la vitesse du centre de gravit´ ainsi que par l’oriene e e tation et la vitesse angulaire d’un ensemble d’axes li´s ` l’avion par rapport a des axes e a ` de r´f´rence. Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me. Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices.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.32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res. 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. Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis.32 – Param`tres longitudinaux e . e e e .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.Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR. I. e I. Cela revient ` fixer au satellite une vitesse de rotation fix´e autour d’un e a e axe li´ au corps du satellite et d’aligner cet axe avec un axe inertiel fixe.Commande d’altitude et de vitesse de croisi`re : si l’on souhaite maintenir une altie tude constante en maintenant une vitesse de mont´e nulle. e −Z M T −X θ ε xA zA mg δe Fig. il se produira n´cessairement e e une certaine d´rive en altitude du fait des erreurs de mesure de cette vitesse de e mont´e. .

Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II. 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. ` 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. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires. Un certain nombre d’hypoth`ses de travail sont ainsi e e e formul´es d´finissant la classe des mod`les utilis´s. e e e e a La d´marche globale peut ainsi se r´sumer de la mani`re suivante.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3. En Automatique. 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 . non lin´aires. Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires.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. 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. e e e 1. Quelle que soit la nature physique du syst`me ` ´tudier.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.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. Il est donc tr`s important d’´tablir e e e un bon compromis entre la pr´cision du mod`le et sa complexit´. Ce chapitre a pour e e e but de donner les principes de base de la mod´lisation des syst`mes dynamiques les plus e e courants rencontr´s dans le domaine a´ronautique et spatial sans pour autant pr´tendre e e e ` l’exhaustivit´. Il ne s’agit pas de se substituer ` un cours de m´canique du vol ou a e a e de m´canique des corps flexibles mais de disposer d’exemples r´alistes constituant des e e supports illustratifs de ce cours. .

On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . 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´. kI ). ` 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. EXEMPLES CARACTERISTIQUES 29 II.2. 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. jI . Il est d’ailleurs excome a muni´ en 1612. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s. z). y. 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 publie a Linz en 1619 Harmonices ` mundi libri contenant la troisi`me loi dite loi des p´riodes puis les tables astronomiques e e Rudolphine tables ` Ulm en 1628.2 Exemples caract´ristiques e Dans cette section. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. Ses ´tudes se d´roulent dans e e e une ´cole locale de Leonberg ainsi qu’au s´minaire a partir duquel il int´gre l’universit´ e e ` e e de T¨bingen r´put´e comme ´tant un bastion de l’´glise r´form´e Luth´rienne. Kepler) Johannes Kepler est n´ le 27 D´cembre 1571 a Weil der Stadt en Souabie d’un p`re e e ` e mercenaire de guerre et de m`re fille d’un tenancier d’auberge. e e II.2. 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 mort le 15 Novembre 1630 a Regensburg.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. 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. En dehors de ses travaux d’astronome proprement a dit. e ` e e Biographie 1 (J. .3. il produit ´galement des travaux en optique (Ad Vitellionem paralipomena. 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.´ II. 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. 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. quie bus astronomiae pars optica traditur en 1604.

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

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

e e e e e −π ≤ ψ ≤ π −π ≤ θ ≤ π 2 2 −π ≤ φ ≤ π (II. II.32 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES z φ y θ ψ Ligne des noeuds x Fig. D’autres repr´sentations fond´es sur l’utilisation des e e e quaternions et de l’alg`bre associ´e peuvent ´galement ˆtre utilis´es. 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).8) .2 – Angles d’Euler En utilisant les angles d’Euler.

for¸ant le piston vers e e e c la droite alors que pour x < 0.2 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. l’huile suit le trajet repr´sent´ sur la figure. o e e e e Son professeur de math´matiques Johann Bernoulli convaint son e p`re de son avenir de math´maticien. la preuve que e e est irrationnel. On suppose que le d´bit ` travers l’orifice de la soupape pilote est proportionnel e a ` x. son travail sur les s´ries infinies (probl`me de Basel. son travail sur e e la th´orie des nombres (´tude de nombreuses conjectures de Fermat. les passages d’huile sont ferm´s et aucun mouvement n’en e r´sulte. Ils sont en particulier.2. de Berlin puis de noua e veau de Saint Petersbourg. a w1 = 1 (ps − p1 )1/2 x R1 (II.EXEMPLES CARACTERISTIQUES 33 Biographie 2 (L. Citons entre autres. Il est successivement math´maticien e e e ` l’acad´mie des sciences de Saint Petersbourg. la standardisae tion des notations math´matiques (f (x).Il e ` e est diplˆm´ de l’universit´ de Basel en 1724 en th´ologie et h´breux. il contribue ´galement e e e e en m´canique (Mechanica en 1736 et Theoria motus corporum solidorum en 1765) e et en hydrostatique. e e formule d’Euler-MacLaurin). Institutiones calculi differentialis en 1755 et Institutiones calculi integralis en 1770) l’invention du calcul des variations (Methodus inveniendi lineas curvas en 1740). Quand la soupape e e e pilote est en position x = 0. Euler) Leonhard Euler est n´ le 15 Avril 1707 a Basel en Suisse d’un p`re pasteur calviniste. ` II. i et Σ). la r´solution du probl`me aux trois corps. e o e Exemple : servo hydraulique 1 Un exemple de servom´canisme hydraulique est pr´sent´ figure II. l’huile suit le trajet inverse entrainant le piston vers la gauche. π.3. la fondation de l’analyse math´matique (Introductio in analysin infinie torum en 1748. Pour x > 0. Il est mort le 18 Septembre 1783 a Saint Petersbourg d’une attaque. preuve du dernier e e th´or`me de Fermat pour n = 3). largement utilis´s afin de mouvoir les surfaces de contrˆle a´rodynamiques. e.10) 1 (p2 − pe )1/2 x w2 = R2 . Ses contributions aux diff´rents champs des e math´matiques sont innombrables. constante d’Euler. Outre les travaux math´matiques.

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

Si y = a et F = 0.3 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.19) qui est une ´quation d’´tat du mˆme type que pr´c´demment. · · · . √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x. ` 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. Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement. Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le.18) (II. e e La proc´dure de lin´arisation est essentiellement fond´e sur les d´veloppements en e e e e s´ries de Taylor autour d’un point de fonctionnement dont les termes d’ordre sup´rieur e e ` un sont n´glig´s. xn0 ) est e e donn´ par : e y = g(x10 .17) En supposant que sin θ ∼ θ pour θ petit. xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II. x2 .Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire.´ ` II.16) Exemple : servo hydraulique 2 L’actionneur hydraulique est g´n´ralement con¸u de mani`re sym´trique de sorte que e e c e e e a e R1 = R2 et donc ps − p1 = p2 − pe . · · · .15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . e e . ˙ ¨ e e p1 = p2 = ps + pe 2 (II. APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II. e e e e e . x20 . x20 . on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II.3. · · · . 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. xn ) (II. e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 . e e e a e .

0) (II. les approximations pr´c´dentes restent valides. e e Exemple : satellite 2 On suppose que le satellite a une vitesse de rotation constante autour de l’axe inertiel z et aucun moment de commande ou de perturbation n’est appliqu´.36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible.23) (II.20) (ωx0 . θ et φ sont petits. ωz0 ) = (0. ωy .24) (II.21) . Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant.22) (II. La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 . ωy0 . 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. 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. 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. φ0 ) = (Ωt.8). 0. 0. θ0 . ` e e e e ωz − Ω sont faibles. Il est alors possible de supposer que ωx .

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

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. le comportement du syst`me ` n’importe quel instant sera connu. e e Comme l’exemple pr´c´dent l’a montr´.38 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES sont connues. e Le vecteur d’´tat x(t) appartient a un espace vectoriel E. xn (t)] . U Vecteur d’entrée X Vecteur d’état dimension n Y Vecteur de sortie dimension m dimension r Fig. ` chaque instant t0 . Les variables d’´tat seront donc e e a e les solutions d’´quations diff´rentielles du premier ordre. · · · . Parmi les fonctions poss´dant cette propri´t´.4) ayant pour entr´es les composantes e e du vecteur u(t) ∈ Rm et pour sorties les composantes du vecteur y(t) ∈ Rr . t1 ]. 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 . e e II. L’´volution du syst`me peut ˆtre repr´sent´e au moyen des trajectoires d’´tat. l’´tat d’un syst`me est caract´ris´ par diff´rentes variables dynamiques e e e e e e e appel´es variables d’´tat regroup´es dans un unique vecteur appel´ vecteur d’´tat.1 (Vecteur d’´tat) e x(t) est un vecteur d’´tat pour le syst`me Σ si c’est un vecteur contenant le nombre e e minimal de variables n´cessaires ` la v´rification de la propri´t´ suivante : e a e ee e e e Si.4. on trouve toutes les fonctions e e ee r´sultant d’une int´gration.4 – Syst`me dynamique multivariable e En g´n´ral. e e e e e x(t) = [x1 (t). 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. d´fini comme l’espace e ` e d’´tat. II. e e e . ´ Definition 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.4. On consid`re donc le e e e syst`me dynamique multivariable de la figure (II. l’´tat initial d’un syst`me doit constituer sa e e e e e m´moire. 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. 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 .

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 .4.5 – Circuit de l’oscillateur de Van der Pol On obtient l’´quation dynamique de l’oscillateur de Van der Pol : e 2 v (t) − (α − βv 2 (t))v(t) + ω0 v(t) = 0 ¨ ˙ (II.2 (oscillateur de Van der Pol) En consid´rant le circuit ´lectrique suivant : e e L C Résistance négative Fig.LE MODELE INTERNE . les trajectoires d’´tat peuvent ˆtre repr´sent´es e e e e v(t) ˙ dans l’espace d’´tat a deux dimensions appel´ ici plan de phase. II.25) v(t) .

t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat. II. on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II. e e e e e Exemple II.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II.5 −1 −1.1 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.5 dx/dt 0 −0.5 1 0. u(t) ∈ Rm est le vecteur de commande.4. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.5 −2 −2.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II.7). En ´crivant les lois de Kirchoff (noeuds e e et mailles).27) . u(t).26) y(t) = h(x(t). continue par rapport a u et continue par morceaux par rapport a t. t) ´quation dynamique ˙ e (II.5 2 1. y(t) ∈ Rr est u le vecteur de sortie.2 (Repr´sentation d’´tat) e e Tout syst`me dynamique Σ peut ˆtre repr´sent´ par ses ´quations d’´tat d´finies comme e e e e e e e un ensemble d’´quations diff´rentielles du premier ordre appel´es ´quations dynamiques e e e e et un ensemble d’´quations alg´briques appel´es ´quations de sortie ou de mesure : e e e e x(t) = f (x(t). Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me.4. e ´ Definition II. u(t).40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig.4.

4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II. e e e 1 1 dx1 (t) = − x2 (t) + u(t) dt C C dx2 1 1 (t) = x1 (t) − R(x2 (t)) dt L L y(t) = R(x2 (t)) Exemple II. En posant e e e x1 = v et x2 = v. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II. soit [x1 x2 ] = [vC iL ] . 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. II. x2 (0) .30) (II.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig. ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire. 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.6 pour diff´rentes e e e a e x1 (0) conditions initiales . [x1 (0) x2 (0)]. il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0.LE MODELE INTERNE . il est e e encore possible de donner une repr´sentation d’´tat non lin´aire.28) dx2 1 R (t) = x1 (t) − x2 (t) dt L L Si l’on suppose de plus que l’on mesure la tension aux bornes de la r´sistance.29) A partir de la donn´e des conditions initiales du circuit.7 – Syst`me ´lectrique e e En choisissant comme variables d’´tat la tension aux bornes de la capacit´ et le courant e e e e dans l’inductance. vR = R(iL (t)).31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II.25).4.

B(t) ∈ Rn×m est la matrice de commande ou d’entr´e.2 La repr´sentation d’´tat n’est pas unique.34) . C.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. t) ˙ (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. le syst`me est Lin´aire Temps-Invariant e e (LTI). Cela signifie que pour un mˆme syst`me phye e e e sique. B.D(t) ∈ Rr×m est la matrice de transmission directe. D sont constantes. 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´. En effet. u0 (t). Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t). . e . cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique. Une pratique tr`s courante consiste a lin´ariser le mod`le d’´tat non lin´aire e ` e e e e localement autour d’un point de fonctionnement nominal afin de disposer d’un mod`le e lin´aire localement valide sous les hypoth`ses de faibles d´viations autour du point de e e e fonctionnement.4.3 (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. . le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´.32) y(t) = C(t)x(t) + D(t)u(t) o`: u . e ´ Definition II. t) ˙ (II.4.33) 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).3 Repr´sentation d’´tat lin´aire .C(t) ∈ Rr×n est la matrice de mesure ou de sortie.A(t) ∈ Rn×n est la matrice dynamique. e II. u(t).26). Si les matrices A.42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II.4.

4. 0). u0 (t). t)˜(t) + Ju (x0 (t). t) u(t) ˜ A(t) B(t) (II. (π.35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. u0 (t). t) x(t) + Ju (x0 (t). la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0. x(t)) ne diff`rent de (u0 (t). u0 (t). 0). on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). Il est donc possible de d´finir les faibles perturbations u(t) et x(t) telles que : e ˜ ˜ ˜ u(t) = u0 (t) + u(t) x(t0 ) = x0 (t0 ) + x(t0 ) ˜ x(t) = x0 (t) + x(t) ˜ t0 ≤ t ≤ tf t0 ≤ t ≤ tf En ´crivant le d´veloppement en s´ries de Taylor au premier ordre de la fonction f e e e autour du point nominal. les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ.LE MODELE INTERNE . Pour k/m = 1/2 g/l = 1.LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales. 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). θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0. u0 (t). on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (t).5 θ l 11 00 11 00 11 00 11 00 m . (u (t). u0 (t).5 (´quation d’un pendule non contrˆl´) e oe ˙ . x0 (t)) que tr`s faiblement. Cela e e e signifie que pour tout t0 ≤ t ≤ tf . t) + Jx (x0 (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. on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy .39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t. t0 )x0 ∀t ≥ t0 (II. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie. 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. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II.4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e).5 Exemple : satellite 3 En reprenant les ´quations lin´aris´es du satellite en spin ` vitesse constante autour de e e e a ˙ ˙ ˙ l’axe z et en choisissant les variables d’´tat x = φ θ ψ φ θ ψ .38) Dans le cas g´n´ral o` le mod`le est temps-variant.4. on obtient la e repr´sentation d’´tat lin´aris´e pour des perturbations nulles : e e e e     0 0 0 1 0 0 0 0 0  0  0 0 0 1 0  0  0 0      0   0 0 0 0 0 1  0 0   2  u(t)  x(t) =  ˙ x(t) +  Ω Ix 0 0 0 Ω(Ix + 1) 0  1/Ixx 0 0       0  0 0 0  0  −Ω2 Iy 0 Ω(Iy − 1) 1/Iyy 0 0 0 0 0 0 0 0 1/Izz (II. il est n´cessaire de d´finir la matrice e e u e e e de transition d’´tat qui intervient dans la solution de l’´quation d’´tat. e e e ´ Definition II.40) .44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre.5 A2 = 0 1 1 −0.

42) A partir de la donn´e de la matrice de transition. t0 ) Φ(t0 .44) t y(t) = C(t)Φ(t. Pour les e e e e syst`mes LTI. τ )B(τ )u(τ )dτ + D(t)u(t) (II. elle est donn´e par l’´quation e e e e e e e (II. ´ Definition II. e ´ ` Theoreme II.41) Dans le cas g´n´ral d’un syst`me temps-variant. e e e e e elle est donn´e par : e t x(t) = t0 Φ(t. solution de l’´quation diff´rentielle : u e e ˙ Φ(t. il est possible de d´terminer la e e solution de l’´quation dynamique d’´tat qui correspond a la r´ponse compl`te du e e ` e e syst`me par application du principe de superposition. la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique. t1 )Φ(t1 .1 . seuls les syst`mes lin´aires temps-invariants. τ )B(τ )u(τ )dτ t0 (II.LE MODELE INTERNE . t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes.45) Dans la suite. t0 ) = Φ(t0 .1 (r´ponse compl`te) e e La solution de l’´quation dynamique d’´tat : e e x(t) = A(t)x(t) + B(t)u(t) ˙ est donn´e par : e t x(t0 ) = x0 (II.4. seront ´tudi´s e e e e .43) x(t) = Φ(t. t) ∀ t. t0 ) = A(t)Φ(t. De mˆme. t0 ) . 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. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t0 ∀ t ≥ t0 45 (II.Φ(t. τ )B(τ )u(τ )dτ (II. t0 ) = Φ(t2 . t0 )x0 + C(t) t0 Φ(t. (LTI).4.4. e ee ´ ´ Proprietes II.5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. e ´ Definition II.LA REPRESENTATION D’ETAT o` Φ(t.Φ(t2 . Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t0 ) est la matrice de transition.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 ) est inversible pour tout t et tout t0 .4.40).Φ−1 (t. t0 )x0 + et la sortie s’´crit alors : e Φ(t.

B. ´ Definition II.C. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II. B.D) a = x1 x2 x1 0 1 x2 -0. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model.4.5 -3 b = x1 x2 u1 0. >> C=[0 3]. D).0]. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie. e Exemple II. L = 1 H et R = 3 Ω.46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat. Script MATLAB 1 >> A=[0 -1/2.6 (circuit ´lectrique) e Calcul du mod`le d’´tat. . Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.4.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le.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.D=0.B=[1/2. >> circuit=ss(A.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. C.7) pour C = 2 F .1 -3].4.

e e e x(t) = Ax(t) ˙ y(t) = Cx(t) a pour matrice de transition : Φ(t.50) eA(t−τ ) Bu(τ )dτ + Du(t) (II.2 Le mod`le LTI homog`ne (non command´) de condition initiale x(t0 ) = x0 .53) .52) (t − τ )uz (τ )dτ (II. t0 ) = eA(t−t0 ) o` : u eAt = 1 + At + A2 t2 An tn + ··· + + ··· 2! n! (II.LA REPRESENTATION D’ETAT La matrice de transition d’´tat e 47 Pour les mod`les LTI. e x(t) = Ax(t) + Bu(t) ˙ (II.4.51) y(t) = Cx(t) + Du(t) a pour r´ponse compl`te : e e y(t) = CeA(t−t0 ) x0 + C Exemple : satellite 4 La sortie ψ(t) a donc pour expression. ψ(t) = x1 (t) = x10 + (t − t0 )x20 + puisque eAt = 1 t 0 1 1 Izz t 0 t t0 (II. la matrice de transition d’´tat peut ˆtre donn´e de mani`re e e e e e explicite.47) Sa r´ponse libre est donc donn´e par : e e y(t) = CeA(t−t0 ) x0 Le mod`le LTI. ´ ` Theoreme II.49) (II.LE MODELE INTERNE .48) (II.

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

La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles. il est possible de l’appliquer aux e e e ´quations (II. e e e .55) u e e par rapport a Y (p).5.LES MODELES EXTERNES o` x ∈ Rn . u u1 u2 .5.8 – Syst`me lin´aire multivariable m entr´es et r sorties e e e Du fait de la lin´arit´ de l’op´rateur de Laplace. U (p) = L[u(t)] et Y (p) = L[y(t)].57) ´ Definition II.54). on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II.58) (II. x0 = 0. yr 49 Système linéaire multivariable Fig.59) Yi (p) = j=1 gij (p)Uj (p) (II. u ∈ Rm et y ∈ Rr . .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). .56) Pour des conditions initiales nulles.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.1 . . En r´solvant les ´quations (II. . Y(p) = G(p)U(p) La notation matricielle peut ˆtre explicit´e ´l´ment par ´l´ment : e e ee ee Yi (p) = gij (p)Uj (p) ` On obtient ainsi pour la ieme sortie : m (II. . il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II. II.Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique.60) Remarques II. e e . um y1 y2 .55) o` X(p) = L[x(t)]. e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II.

β = 0. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II.61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig. e on obtient : x(t) = ˙ −0.62) y(t) = x(t) Pour les valeurs num´riques f = 0.21 x(t) + 0. Pour chaque ´tage.50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .2 0. d´bit fC ).2 m3 /min et VH = VC = 1 m3 .9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi . 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. x2 ) = (TC .. e Exemple II.5. II.2 −0. de la capacit´ u e e e calorifique des fluides.01 x(t) (II. les variables d’´tat e e (x1 .01 0 0 0. temp´rature TH .C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me. En supposant les flux constants fH = fC = f ..21 0. e e e e e e e e e e temp´rature TC .01 m3 /min.9.63) . d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi . TH ) et les temp´ratures d’entr´e comme les commandes.1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II.

. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.01 = (p + 0.65) I1 ωy = (I3 − I1 )Ωωx + uy ˙ En posant a = (1 − I3 /I1 )Ω et en supposant que les vitesses de rotation sont mesur´es e indirectement par l’´quation : e y1 y2 = 1 a −a 1 ωx ωy (II.0041 #2: Exemple : satellite 5 On reprend les ´quations d’Euler du satellite en spin constant autour de l’axe en supposant e cette fois que Ixx = Iyy = I1 et Izz = I2 et ne retenant que le mouvement autour des axes x et y d´coupl´es comme on l’a vu du mouvement autour de l’axe z.01 s + 0.01*0.2 p + 0.21] 0. 0.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.01].01*0.den den}) Transfer function from input 1 to output.0. 0.[1 0.21 0.01.002 #1: --------------------s^2 + 0.42 s + 0. {den den.01*0.2 [0.21 −0.LES MODELES EXTERNES En appliquant la formule (II.01 s + 0...57).2 −0.0041 0.66) . e e >> den=conv([1 0.0041 0.21 −1 51 0...0021 #1: --------------------s^2 + 0.0041 #2: Transfer function from input 2 to output.2 0.41])..64) 0.0021 --------------------s^2 + 0.01 0.01 0 0 0.21]}.42 s + 0.2 p + 0.01 0.002 --------------------s^2 + 0..01)(p + 0.41) p + 0.42 s + 0.2*0. >> echangeur=tf({[0.01 (II. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.42 s + 0.

5 s + 5 #1: -------s^2 + 25 s .5 -------s^2 + 25 #2: Transfer function from input 2 to output. e e e (II.52 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ωx ˙ ωy ˙ 0 a −a 0 u1 u2 On obtient donc la matrice d’entr´e : e G(p) = 1 2 + a2 p a(p + 1) p − a2 −a(p + 1) p − a2 (II.. e e >> a=5..25 #1: -------s^2 + 25 -5 s ... >> satellite=tf({[1 -25] [5 5].70) A chaque instant t.5... s . g(t) est une matrice de dimensions r × m.68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II.67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur.25 -------s^2 + 25 #2: II. {[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. L’´l´ment (i.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.. ` .[1 0 25] [1 0 25]}) Transfer function from input 1 to output.[-5 -5] [1 -25]}.69) ´ Definition II.2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II.

· · · . upm ) 1 m . u 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 . · · · . G(p) = L[g(t)] (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. um .71) De plus. y1 1 . g(t) = cos at − a sin at sin at + a cos at −a cos at − sin at −a sin at + cos at cos at sin at − sin at cos at II. u pm ) m Du fait de la difficult´ ` les manipuler math´matiquement. .2 (syst`me 3 entr´es . Dans le cas g´n´ral. yr r ) = g1 (u1 . · · · n . · · · . · · · 1 . · · · n . up1 .LES MODELES EXTERNES 53 Pour des conditions initiales nulles x0 = 0. yr r ) = gs (u1 . · · · . ces mod`les sont tr`s peu ea e e e utilis´s except´ dans des cas particuliers tels que les mod`les LTI o` l’on obtient un e e e u syst`me d’´quations diff´rentielles lin´aires ` coefficients constants.5. · · · . . · · · .2 sorties) e e ˙ y ˙ y1 + 3y1 + 2¨1 = 4u1 + u2 + 2u3 y2 + y2 + 2¨2 = 4u1 + u2 + 2u3 ˙ y . · · · . yr . e e e e n n f1 (y1 .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. · · · . up1 . on obtient : e e A= 0 a −a 0 (p1 − A)−1 = p2 1 + a2 p a −a p Soit apr`s inversion de la transform´e de Laplace : e e eAt = Finalement. y1 1 . le mod`le prend la forme e e e d’un syst`me d’´quations diff´rentielles entr´es-sorties. (II. e e e e a Exemple II.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. · · · . yr .5.

3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles. 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.75) y(0) = y(0) = · · · = y ˙ (n−1) (II. II. y(t).10).74). Par application e e du principe fondamental de la dynamique. on obtient. e e e La fonction de transfert Soit un syst`me LTI mono-entr´e. mono-sortie.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.78) k M s(t) f e(t) Fig. u(t).5. Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II.5.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.5. Dans le cas de mod`les externes. 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.77) Exemple II.76) ´ Definition II.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II. e e a an y (n) (t) + · · · + a1 y (1) (t) + a0 y(t) = bm u(m) (t) + · · · + b1 u(1) (t) + b0 u(t) Si les conditions initiales sur le signal d’entr´e et de sortie sont nulles : e u(0) = u(0) = · · · = u(m−1) (0) = 0 ˙ (II. e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (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.10 – Syst`me masse-ressort-amortisseur e .

LES MODELES EXTERNES 55 Un vecteur d’´tat pour les syst`mes m´caniques peut ˆtre typiquement constitu´ ` e e e e e a partir des variables de position et de vitesse. e e a e Si su (t) et s0 (t) sont respectivement les r´ponses du syst`me ` l’entr´e et aux conditions initiales.82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II. . on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II.83) La fonction de transfert G(p) est appel´e double int´grateur. e L’´volution d’un syst`me lin´aire pour une entr´e donn´e et des conditions initiales fix´es e e e e e e s’obtient alors par application du principe de superposition. alors : s(t) = su (t) + s0 (t) (II.79) En appliquant la transform´e de Laplace a cette ´quation et en choisissant la position e ` e de la masse y(t) comme sortie. on peut choisir le vecteur d’´tat e u e e x(t) = [y(t) y(t)] o` y(t) est la position de la masse.5. Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II. Ainsi. vR (t).4 (syst`me ´lectrique (suite)) e e En choisissant comme entr´e le courant u(t) d´livr´ par la source de courant et comme e e e sortie la tension aux bornes de la r´sistance. on obtient la fonction de transfert 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.24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul.80) Exemple 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).81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles.

` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II. ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme.mod`le temporel g(t) e Exemple : satellite 8 La fonction de transfert liant la force de propulsion a la d´viation angulaire suivant l’axe ` e 1 .1 La r´ponse d’un syst`me de fonction de transfert G(p) est donn´e par l’int´grale de convoe e e e lution suivante : t t y(t) = 0 g(τ )u(t − τ )dτ = 0 g(t − τ )u(τ )dτ (II.86) .5. II.mod`le alg´brique G(p) e e .5.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p). e e ´ ` Theoreme II. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II.g(t) et G(p) contiennent la mˆme information.88) ⇔ Y (p) = G(p)U (p) (II. e G(p) = L[g(t)] 2.2 1.11 – Syst`me lin´aire e e ´ Definition II.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle.84) La r´ponse du syst`me ` une entr´e quelconque u(t) peut alors ˆtre calcul´e en utilisant e e a e e e le th´or`me de convolution.87) (II. e y(t) = g(t) ∗ u(t) .56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig. e e e Remarques II.5.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).

Pour e e e e n = m. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO.1 Le polynˆme caract´ristique et les pˆles o e o x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) Soient le mod`le LTI d’´tat : e e (II. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II. Ils peuvent ˆtre d´finis ` partir des mod`les de transfert ou a partir des mod`les e e a e ` e d’´tat mˆme si dans le cas multivariable (MIMO).89) et le mod`le de transfert G(p) ∈ Cr×m : e G(p) = C(p1 − A)−1 B + D On suppose que les deux mod`les sont parfaitement ´quivalents. il est dit strictement propre.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II. o e ´ Definition II.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique.6. POLES ET ZEROS D’UN MODELE LTI 57 II.91) (II. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral. . 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.ˆ ´ ` II.6. e A partir de la d´finition du polynˆme caract´ristique. e e ´ Definition II.89). il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI.6.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II. ` l’inverse. 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. e e e ´ Definition II.6. Si le syst`me est causal alors n ≥ m.6. le syst`me est dit propre alors que pour n > m.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).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. la caract´risation par la fonction de transe a e fert est tr`s simple.

{[1 1] [1 2].B=[1 0. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.1 1 0].0 1. o e e Exemple II. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .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}. >> C=[2 0 3.0 -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 0.6.0 1].[1 1] [1 1]}).0 0 -2].

90). Elle est ´troitement li´e ` la repr´sentation (´tat. de z´ros invariants et de z´ros d´couplants sont ´quivalentes.ˆ ´ ` II.2 Les z´ros e La notion de z´ros pour les syst`mes multivariables non carr´s (ne poss´dant pas le e e e e mˆme nombre d’entr´es que de sorties) est complexe et m´riterait d’ˆtre expos´e dans un e e e e e chapˆ complet. e e e e ´ Definition II.6.6.1. 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. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2. 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. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission. Nous ıtre e e a e e nous contenterons ici de r´sumer les principales caract´risations et nous nous placerons e e dans le cas o` les repr´sentations d’´tat et de transfert sont strictement ´quivalentes et u e e e o` le nombre d’entr´es est ´gal au nombre de sorties (syst`mes carr´s). e e e e e a On d´finit pour cela le polynˆme des z´ros. Ces syst`mes sont e e e e e e dits carr´s.0000i -1.6.0. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.0000 .6.94) (II. u e e e e ` Hypotheses II. Sous les hypoth`se II.0000 + 0.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II.0000i >> Poles=pole(G) Poles = -1 -2 -1 II.6.93) . transfert) choisie.0000 -1. e Sous ces hypoth`ses.89).92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.

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.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.2 Reprenant l’exemple II.Zeros]=pzmap(G) Poles = -1 -2 -1 z0 = 1 2 3 −p + 1 − = 2 (p + 1) (p + 1)(p + 2) (p + 1)2 (p + 2) Zeros = 1.6.1 (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).1.0000 >> Zero=zero(G) Zero = 1.0000 Remarques II.6.6. e .

e e e e . La figure e e II. Un sch´ma fonctionnel est compos´ : e e . LES MODELES GRAPHIQUES 61 II.d’arcs orient´s. Nous pr´sentons maintenant le type le plus couramment utilis´ parmi les e e mod`les graphiques.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). 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.7.de blocs fonctionnels. II. des outils graphiques de mod´lisation peuvent ˆtre utilis´s.7. U(p) K p+1 Y(p) u(t) y(t) F(p) = A(t) Fig. Bien que ceci ne soit pas exclusif.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.12 – Arc orient´ du signal U (p) e L’arc orient´ repr´sente le flux de signaux donn´s regroup´s dans un vecteur.7. e II. e e e e ´ Definition II. Chaque e e e type de repr´sentation graphique a son vocabulaire et ses r`gles de construction et de e e simplification.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.` II. II.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.13 – Blocs fonctionnels Le bloc fonctionnel est le symbole repr´sentant l’op´ration math´matique appliqu´e e e e e ` l’entr´e du bloc et produisant sa sortie. il n’en reste pas moins que e les sch´mas fonctionnels sont ´troitement reli´s aux mod`les de type fonction de transfert. Afin de rendre claire et lisible la fonction de chaque composant d’un e ensemble complexe. e . e U(p) ou u(t) Fig.

II. c a + b Fig.7. II. a ee 3. e Exemple II.7.Il est ind´pendant de la nature physique du syst`me mod´lis´. e Remarques II. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e.1 .62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . e e e e e Principes de construction 1.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie.En appliquant la transform´e de Laplace.Un sch´ma fonctionnel n’est pas unique.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig. e e e e + a−b+c − II.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me.7.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel.de blocs sommateurs. e e a ee e 2. e . calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles.15 – Circuit RC .2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert. Dans ce cas.

II. e a e e e .Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2.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. r´alisant ainsi un syst`me ` contre-r´action tel qu’il a ´t´ d´fini e e e a e ee e dans le premier chapitre.16 – Sch´ma fonctionnel e Fonction de transfert en boucle ouverte et en boucle ferm´e e L’exemple pr´c´dent fait apparaˆ un bouclage de la tension de sortie s(t) sur la e e ıtre tension d’entr´e e(t).17.LES MODELES GRAPHIQUES 1. Nous donnons maintenant un certain nombre de d´finitions e concernant les syst`mes ` contre-r´action ou syst`mes boucl´s du type de la figure II.Application de la transform´e de Laplace et d´termination des fonctions de transfert e e ´l´mentaires : ee VR (p) = E(p) − S(p) = RI(p) S(p) = 3.

95) (II.3 (fonction de Transfert en Boucle Ferm´e) e La fonction de transfert en boucle ferm´e est d´finie comme : e e S(p) G(p) = E(p) 1 + G(p)H(p) Elle correspond au transfert ”global” de la boucle d’asservissement.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.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. ´ Definition II. II.7.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.64 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Chaîne directe E(p) + Y(p) − A ε (p) G(p) S(p) H(p) Chaîne de retour Fig. ´ Definition II.97) . E(p) + S(p) − (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.96) ε (p) G(p) S(p) Fig. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur. II.

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

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

LES MODELES GRAPHIQUES 67 II. Dans le cas des syst`mes e e e LTI. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat.2 Le sch´ma fonctionnel II. II. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig.21 est d´crit dans le domaine temporel.21 : e e u(t) . 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.2 Soit le syst`me de repr´sentation d’´tat : e e e        0 1 0 x1 0 x1 ˙  x2  =  0 ˙ 0 1   x2  +  0  u −18 −27 −10 1 x3 ˙ x3 y= 1 0 0 x Le sch´ma fonctionnel associ´ ` cette repr´sentation d’´tat particuli`re est repr´sent´ e ea e e e e e en figure II.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II. e e Ainsi.22. .7.7.4 Sch´mas fonctionnels et repr´sentation d’´tat e e e Bien qu’utilis´s le plus souvent en liaison avec les mod`les entr´e-sortie du type fonction e e e de transfert.7.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II. e ee Exemple II.

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

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

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

Kalman) Rudolf Kalman est n´ le 19 mai 1930 a Budapest. en 1957 sous la direction du Professeur J.E. En 1971. Par exemple. En 1964. En 1958.R. Mˆme s’ils ont ´t´ d´finis e e e ee e formellement pour la premi`re fois dans l’espace d’´tat par R. commande ope e timale quadratique et liens avec le calcul des variations. 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. D. nous nous limiterons ` la pr´sentation de ces notions a partir des mod`les a e ` e d’´tat. le fait de tourner le volant ou non d’une automobile ne e e va pas affecter sa vitesse (la vitesse n’est pas commandable par le volant) alors que le fait de d´cel´rer ne va pas influencer la direction de la voiture. 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´.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. Ragazzini.E. Ses premi`res recherches en th´orie de la commande sont centr´es aue e e tour de la notion d’´tat. Kalman en 1960. Hongrie d’un p`re ing´nieur en g´nie e ` e e e ´lectrique. De 1957 ` 1958. il rejoint l’univere e e e e sit´ de Floride a Gainesville o` il est directeur du centre pour la th´orie math´matique des e ` u e e syst`mes. 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. 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. En 1973. e Biographie 5 (R. ils n’en e e sont pas pour autant exclusivement r´serv´s ` ce type de repr´sentation. Dans le cadre e e a e de ce cours. Il ´migre aux Etats-Unis et obtient son diplˆme de Master du MIT en 1954 en e e o g´nie ´lectrique. il est ´galement chercheur associ´ ` l’´cole polytechnique f´d´rale de e e ea e e e 71 . filtre de Kalman et de Kalman-Bucy. Il poursuit ses ´tudes de doctorat a l’universit´ de Columbia et obtient e e e ` e son Ph.

III. · · · n alors le syst`me est compl`tement ee commandable. Remarques III. 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. hongroise. modification des dynamiques propres). B = 0. .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.La commandabilit´ est une notion importante puisqu’elle ´tablit le fait que l’on e e puisse commander le syst`me afin de modifier son comportement (stabilisation d’un e syst`me instable. .2 Crit`re de commandabilit´ e e Il est clairement difficile d’utiliser directement la d´finition pr´c´dente afin de d´cider e e e e de la commandabilit´ d’un syst`me LTI donn´. C est u de rang n. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. An−1 B . e e a .E.1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre. =n (III.1 . e e e x(t) = Ax(t) + Bu(t) ˙ (III. 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 .72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH). Il est membre de l’acad´mie des sciences am´ricaine.1) e o` A ∈ Rn×n . · · · .1. AB . e . 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.2) .1. . B .1 III. rang(C) = rang .Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. e e ´ Definition III.1. R. III.1. ´ ` Theoreme III. e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 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.1. B ∈ Rn×m est commandable ssi la matrice de commandabilit´.

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

e III.5)  = n   .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 ]. C). Remarques III.2 Crit`re d’observabilit´ e e Un crit`re de Kalman existe ´galement pour la notion d’observabilit´ et fait intervenir e e e la matrice dynamique A et la matrice de sortie C.1 Notion d’observabilit´ e D´finition e Une caract´ristique structurelle compl´mentaire (duale) de la commandabilit´ peut e e e ´galement ˆtre d´finie. e a e ´ Definition III. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie.74 COMMANDABILITE ET OBSERVABILITE III. C) sera appel´e observabilit´ e e e e e de la paire (A.2. n alors le syst`me est compl`tement ee observable. Exemple III. C ∈ Rr×n est observable ssi la matrice d’observabilit´. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.2.2.1 Clairement.1 Soit le syst`me mod´lis´ par : e e e x1 (t) ˙ x2 (t) ˙ y(t) = = 1 1 −2 −1 x1 (t) x2 (t) x1 (t) x2 (t) + 1 0 u(t) 1 0 .2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A.2.   . 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.2.2. · · · . 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.4) e o` A ∈ Rn×n .    · · ·  CAn−1 Remarques III. la notion d’observabilit´ est cruciale pour les syst`mes o` le vecteur d’´tat e e u e complet n’est pas accessible ` la mesure mais doit ˆtre reconstruit. u   C  · · ·     CA     · · ·  rang(O) = rang  (III.2 III.2. ´ ` Theoreme III. O est de rang n. .

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

il devient ´diteur du Journal de math´matiques pures et appliqu´es.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. . 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. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat.46) a la repr´sentation e e e ` e d’´tat (III. En 1885. les ´quations diff´rentielles et e e e la m´canique. 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. 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.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´. En 1861. La nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III.La forme diagonale ou quasi-diagonale de Jordan. Biographie 6 (Marie Ennemond Camille Jordan) Camille Jordan est n´ le 5 janvier a La Croix-Rousse ` Lyon d’un p`re ing´nieur de l’´cole e ` a e e e Polytechnique et de Jos´phine Puvis de Chavannes. Il e e e meurt le 22 janvier 1922 a Paris apr`s avoir perdu 3 de ses fils pendant la guerre 14-18. Il rentre a l’´cole Polytechnique en e ` e 1855. ea e e e Ainsi. On distingue trois e e grands types de formes canoniques : .8).La forme compagne d’observation. Ses int´rˆts math´matiques e e e e vont de la th´orie des groupes finis a l’alg`bre lin´aire et multilin´aire e ` e e e en passant par la topologie des poly`dres. Cette op´ration est une transformation de similarit´.3.3 III. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse.8) ˆˆ ˆ y(t) = C x(t) + Du(t) o` : u ˆ A = P −1 AP ˆ C = CP ˆ B = P −1 B (III. e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887. e Ces formes particuli`res sont appel´es les formes canoniques.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. ` e . Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite. .La forme compagne de commande.

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

les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables. · · · . Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi . k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi . Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. e a Forme r´elle pour les pˆles complexes simples e o Le polynˆme caract´ristique d’une matrice r´elle peut avoir des racines complexes o e e conjugu´es faisant apparaˆ lors de la diagonalisation des blocs du type : e ıtre α + jβ 0 0 α − jβ = p 0 0 p∗ Ce bloc peut ˆtre rendu r´el par un changement de base. · · · . e 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.14) . qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III.13) Le polynˆme caract´ristique de (III. i = 1. 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 .12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III. 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. La premi`re colonne u e ` de chaque sous-bloc Pi .78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1. e e α + jβ 0 0 α − jβ = 1/2 −i/2 1/2 i/2 α β −β α 1 1 i −i Dans toute la partie suivante. 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.11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1.12) y(t) = Cx(t) e e e e o` x ∈ Rn . la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante.

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

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

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. la forme canonique d’observabilit´.3. ce qui n’est e e e e pas toujours v´rifi´ en pratique.2 Soit la fonction de transfert : H(p) = 4p3 + 8p2 + 2p + 1 p3 + 4p2 + p −8p2 − 2p + 1 p3 + 4p2 + p a b c √ + √ + p p+2+ 3 p+2− 3 N (p) N (p) =D+ D(p) D(p) (III. la Izz p2 D’autre part. du fait que le polynˆme caract´ristique associ´ est Psat. 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. les syst`mes sont suppos´s strictement propres.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 .21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de.22) = 4+ = 4+ . F (p) = Exemple III.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.

[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.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].25 x2 -0.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.899 c = y1 x1 0.899 4.2679 0 x3 0 0 -3.626 d = .732 b = x1 x2 x3 u1 4 4.2115 x3 -1.

Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] . 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.3 Soit : G(p) = p2 p+1 p+1 1 = = + 3p + 2 (p + 1)(p + 2) p+2 Les quatre repr´sentations d’´tat suivantes sont des r´alisations de G. B.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.3. e e Exemple III.3. D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible.3. B.Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 .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.2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II.6. C. e e e .23) e La r´alisation (A.3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m . ´ Definition III. C. D) telle que : e G(p) = C(p1 − A)−1 B + D (III.Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 . toute repr´sentation e e d’´tat LTI (A.

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

··· . seul le cas des syst`mes monovariables sera pr´sent´.Une ´quation d’´tat d’ordre 3 est donn´e par. on a : Y (p) = F (p) = U (p) N (p) (p − pi ) i=1. · · · .RELATIONS ENTRE MODELES INTERNES ET EXTERNES et permet d’´crire. −1 non commandable et observable. 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.n (III. commandable et observable. 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. 2 non commandable u o e et non observable. La r´f´rence [12] peut servir a approfondir ce sujet. Il faut e e donc choisir la base dans laquelle sera ´crite la repr´sentation d’´tat que l’on souhaite.26) . La m´thode o e e g´n´rale consiste alors a d´composer F (p) en ´l´ments simples. 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.Pˆles simples r´els : o e Dans ce cas.···n = αi p − pi i=1.24) Le syst`me est donc suppos´ strictement propre et l’on souhaite d´terminer une e e e repr´sentation d’´tat de ce syst`me. e e ` e ee . n Xi (p) = U (p) p − pi (III. e e e Obtention d’une forme diagonale ou de Jordan Cela suppose que l’on peut factoriser e le polynˆme caract´ristique du syst`me P (p) = (p − p1 )(p − p2 )(· · · )(p − pn ). 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. e y + 3y + 2y = −u ¨ ˙ L’ordre est ´gal a 2 et il y a deux pˆles associ´s −2 et −1.25) Le choix des variables d’´tat est alors naturel : e ∀ i = 1. e ` o e . 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

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

92

COMMANDABILITE ET OBSERVABILITE

III.5

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

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

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

Wc =

eAτ BB eA τ dτ

(III.49)

0

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

(III.50)

Wo =

eA τ C CeAτ dτ

(III.51)

0

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

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

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

93

94

COMMANDABILITE ET OBSERVABILITE

III.6
III.6.1

Fonctions MATLAB
Fonctions d’alg`bre de base e

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

III.6.2

Fonctions d’analyse des mod`les LTI e

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

III.6.3

Fonctions de conversion entre mod`les LTI e

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

Chapitre IV Stabilit´ des syst`mes LTI e e

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

IV.1
IV.1.1

La stabilit´ BIBO e
D´finition e

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

95

96

STABILITE DES SYSTEMES LTI

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

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

IV.1.2

Caract´risations de la stabilit´ BIBO e e

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

|g(τ )|dτ ≤ k < ∞
1 t, Izz

(IV.2)

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

ce qui conduit a `

1 1 t2 τ dτ = Izz Izz 2

(IV.3)

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

e e e ´ ` Theoreme IV.1.5083i 0. Le demi-plan gauche est appel´ la r´gion de stabilit´. Munis de cette interpr´tation monovariable. apr`s d´composition en ´l´ments simples.1.1.´ IV. C. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives. ` e e Exemple IV.3429 + 1. i.e. tous les pˆles sont a o o ` partie r´elle n´gative.3429 .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 = 0.1.6681 . Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s.5083i -1. 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.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. il est possible de donner une e e e caract´risation multivariable plus g´n´rale.6) Un syst`me LTI de r´alisation minimale (A.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations.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. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire. 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. B.

0.98 STABILITE DES SYSTEMES LTI -0. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p). sys=ss(G). La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).5088 + 0. IV. .6681 -0.3429 0.5083i + 0.7020i . [A.3429 -1. (1891) et A treatise on dynamics of a particle (1898). En 1854. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux.5088 .0. ce qui peut ˆtre fastidieux pour des ordres ´lev´s.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables. Il meurt le 7 juin 1907 a ` Cambridge. eig(A) ans = 0.7) Le syst`me est observable et commandable.7020i -0. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert.1.B.3 Crit`re alg´brique de Routh-Hurwitz e e On suppose que le syst`me est repr´sent´ par un mod`le LTI : e e e e G(p) : = A B C D (IV. Il 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). Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres.[1 2 3 6 5 3]). 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.C. A treatise on analytic statistics.D]=ssdata(sys). ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.5083i . Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College. Canada.5088 + 1.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec.1.7020i >> >> >> >> G=tf([1 1]. 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.5088 -0.

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

e e a2 a1 > a3 a0 Exemple IV. e 2. Afin de e e compl´ter le tableau.3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique. 0 est remplac´ par . Il y a donc deux racines a partie r´elle positive. 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 .2 (ordre 3) Soit le polynˆme caract´ristique.1. e e 3. o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme.1.1.Une ligne compl`te de z´ros indique que le polynˆme caract´ristique peut ˆtre face e o e e toris´ de telle mani`re ` faire apparaˆ e e a ıtre un facteur d’ordre pair dont les racines sont sym´triques par rapport a 0. p3 p2 p p0 a3 a2 a3 a 1 a2 a0 − a2 a0 a1 a0 0 Une condition n´cessaire et suffisante de stabilit´ devient alors. ` e .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. o o Exemple IV.Le nombre de racines du polynˆme caract´ristique ` partie r´elle n´gative est ´gal o e a e e e au nombre de changement de signes dans la premi`re colonne.100 STABILITE DES SYSTEMES LTI Remarques IV.1 1. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme.

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

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

λ est appel´ le taux de convergence. e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe . LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t. e .2.2. ´ Definition IV.´ IV. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle.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 → +∞.15) Cela signifie que le vecteur d’´tat. ∀ x0 ∈ Br .x0 ) xe t x1 Fig.2. 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). D’autre part. ` ´ Definition IV. r) .16) (IV.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.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 . la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´. ∃ Br (xe .1). IV. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure 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.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne. e ´ Definition IV.2.

Si toutes les valeurs propres de A ont une partie r´elle non positive. poss´dant r valeurs propres distinctes (r pˆles) p1 . Re(pj ) > 0.2. · · · . · · · . Re(pj ) ≤ 0. r}. IV.104 STABILITE DES SYSTEMES LTI Ces concepts de stabilit´ d’un point d’´quilibre peuvent ˆtre illustr´s sur la figure e e e e IV. r}. ´ ` Theoreme IV. alors xe o e est un point d’´quilibre instable.si un pˆle est tel que Re(pj ) = 0.Si un des pˆles du syst`me est instable. c’est une propri´t´ qualitative intrins`que du syst`me e e e ee e e que l’on pourra ´galement ´tudier ` partir d’une repr´sentation du type entr´e-sortie. pour j ∈ {1. pour j ∈ {1. r}. pour j ∈ {1.2. e pour tout j ∈ {1. pr .2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV. e e a e e IV. . et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement. et la multiplicit´ est o e sup´rieur a 1 alors.17).2.si un pˆle est tel que Re(pj ) = 0.2 Pour le syst`me (IV. alors. 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. alors xe est un point ea d’´quilibre instable. e 1. 2.1 Mˆme si la notion de stabilit´ au sens de Lyapunov a ´t´ pr´sent´e dans le cadre de la e e ee e e repr´sentation d’´tat des syst`mes.2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV. r}. e ` e A B C Fig. · · · . e (b) si un des blocs de Jordan associ´ ` pj est non scalaire. on e e o e suppose que xe = 0 est un point d’´quilibre. · · · . La position A correspond a un point d’´quilibre instable.2.si Re(pj ) < 0. e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement. e . · · · . · · · .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. 3. r}. alors xe est un point d’´quilibre asymptotiquement stable. e .

2 La stabilit´ interne de (IV.3333 3 A3 =  −1. >> eig(A3) ans = 0.6667 0.3333 1.0 0 0. LA STABILITE INTERNE 105 Remarques IV.6667 2].-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.6667 3 A1 =  −1 −3 0  A2 =  −1.6667 3.3333 1.-1.6667 0.6667 −0.3333 1.0000 -2.-1 -3 0.-2 2 2].3333 A5 =  −0.3333 0  −2 2 2 −0.3333 −2.     −3 2 3 −1. >> eig(A4)    −2. o e Exemple IV.6667 0.0000 -1.3333 0. >> eig(A2) ans = -1.´ IV.3333 1.3333 2  .0000i -1.17) peut ˆtre d´termin´e ` l’aide du crit`re de Routh-Hurwitz e e e e a e que l’on applique au polynˆme caract´ristique πp (p) = det(p1 − A).0.-1.0000 0.0000 .2.3333 -2.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.6667 0.6667 0.3333 1.2.6667 −2.3333 2].0000 >> A2=[-1.1 0 -1]. >> eig(A1) ans = -1.6667 Script MATLAB 9 >> A1=[-3 2 3.6667 -2.-0.3333  1.3333 0.6667 0  −1.3333 −0.0000 + 0.3333 1.9999 -1.3333 3.2.9999 >> A3=[-2.0001 >> A4=[0 0 0.6667 0.0000i -2.

3333 0. e 2.3333 1.6667]. e e e .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.Le syst`me est BIBO-stable. >> [V.3333 -0.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative.3333.S]=eig(A5) V = 0. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.6667 0.2.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.6667 -0.6667 -0.0000 0 0 0 -0.0000 IV.3333 1.2182 -0.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.3333. e 4.6667 S = 0 0 0 0 -1.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.2. e e 3.3333 0. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.-0.6667 0.6667 0.4364 0.1.3333 -0.2.8729 -0.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique. e e ´ ` Theoreme IV. ` e e A B C D IV.

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

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

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.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 . 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. ”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”.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. ` Exemple IV. IV. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. Ce travail e e e e e e e est publi´ par la soci´t´ math´matique de Kharkov en 1892 dans Probl`me e ee e e g´n´ral de la stabilit´ du mouvement traduite pour la premi`re fois en e e e e fran¸ais en 1907 dans les annales de l’universit´ de Toulouse puis en 1949 c e aux Princeton University Press. 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 con¸oit e e e c de nombreuses m´thodes d’approximation. ici l’´nergie totale.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2.3. 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. Russie. Il meurt le 03 novembre 1918 a Odessa.7 – Syst`me masse-ressort e 1. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales.LA METHODE DE LYAPUNOV 109 IV. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. e on obtient diff´rentes ´quations e e M Fig.

La masse est tir´e loin e e de sa position d’´quilibre (longueur naturelle du ressort) puis lach´e.Les propri´t´s de stabilit´ peuvent ˆtre caract´ris´es par la variation de l’´nergie ee e e e e e m´canique au cours du temps. e e a e e On peut donc supposer que : . e La m´thode directe de Lyapunov est fond´e sur l’extension de ces concepts.La stabilit´ asymptotique implique la convergence de l’´nergie vers 0. 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 . 0) e STABILITE DES SYSTEMES LTI La question est de savoir si ce point d’´quilibre est stable.Le point d’´nergie m´canique nulle est le point d’´quilibre. e e e e .L’instabilit´ est li´e ` la croissance de l’´nergie m´canique. 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.Energie cin´tique : e 1 1 Ec = m x 2 = m x 2 ˙ ˙2 2 2 .110 3.3.1 .Energie potentielle : x Epot. e e e . Reprendra t-elle sa e e position d’´quilibre? e Etude de l’´nergie m´canique totale : e e .L’´nergie m´canique refl`te indirectement l’amplitude du vecteur d’´tat. = . 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 e .Energie totale : 0 1 1 (k0 β + k1 β 3 )dβ = k0 x2 + k1 x4 1 1 2 4 1 1 1 Em = V (x) = k0 x2 + k1 x4 + mx2 ˙ 2 4 2 Remarques IV. ` partir d’une valeur initiale.

3.3. t). e e alors le point d’´quilibre 0 est stable. e e e ˙ On consid`re la stabilit´ du point d’´quilibre 0 pour les syst`mes ´tudi´s. 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) ∂x1 .1 (D´riv´e de Lyapunov) e e n u e Soit V (x.1 (stabilit´ (asymptotique) locale) e e e e Si. t) est semi d´finie n´gative. e ˙ 2.8). t) ∂x   gradient de V (x. e ` e e e ´ Definition IV. t) ˙ V (x. il existe une fonction scalaire de l’´tat V (x.V (x.3. t). x ∈ Rn .3. 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. x) (IV. x2 ) | x2 + x2 < 2 1 2 . t)/x ∼    ∂V (x. ` ˙ 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 . On choisit une fonction candidate de e e 2 2 Lyapunov V (x) = 1/2(x1 + x2 ). Cela conduit a calculer. Si V e e e Exemple IV.20) ˙ V (x. On d´finit alors V : e e e ˙ n R × R+ → R par : ∂V ∂V (x. figure IV. .V (x.21) f (t. t) ∂xn       (IV. t) dont les d´riv´es partielles premi`res sont continues et telle que : e 1. t) le long des trajectoires de x = f (x. t) = (x. LA METHODE DE LYAPUNOV 111 et d’en examiner la d´riv´e temporelle (cf. t) est d´finie n´gative alors la stabilit´ est dite localement asymptotique. 0) est un point d’´quilibre pour ce syst`me. dans une boule Br0 . e ˙ (x. .2 (syst`me non lin´aire) e e Soit le syst`me non lin´aire autonome donn´ par ses ´quations d’´tat : e e e e e  ˙  x1 = x1 (x2 + x2 − 2) − 4x1 x2 1 2 2  x2 = x2 (x2 + x2 − 2) + 4x2 x2 ˙ 1 2 1 (0. t) est appel´e la d´riv´e de V (x. t) est d´finie positive. t) + ∂t ∂x o` : u  ∂V (x.´ IV. e e e e e e ´ ` Theoreme IV. ∂V (x.

e 2. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable. V (x. t).3. V (x) = x P x. IV.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . e e e x(t) = Ax(t) ˙ (IV. e e 2||x||→+∞ lim V (x) = +∞.3 Une condition n´cessaire et suffisante pour qu’un syst`me autonome de mod`le LTI x(t) = e e e ˙ Ax(t) soit asymptotiquement stable est que ∀ Q = Q > 0. alors. il faut donc choisir a priori e e une fonction candidate de Lyapunov. la fonction V (x.24) . 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.V (x) est d´finie n´gative. fonction d´finie positive.2 V = C2 V = C1 x1 x0 Fig.3.3. Dans le cas des syst`mes LTI. alors 0 est un point d’´quilibre globalement asymptotiquement stable.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que.V (x.8 – Illustration de la m´thode de Lyapunov e Remarques IV.22) On consid`re une fonction candidate de Lyapunov quadratique. la m´thode devient plus syst´matique. ´ ` Theoreme IV. Si la e condition 2 est v´rifi´e. ˙ 1. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). la matrice unique solution de l’´quation de Lyapunov soit d´finie positive. Dans le cas non lin´aire. e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV. d’o` l’utilisation de e u l’exp´rience. t) est une fonction de Lyapunov pour le syst`me. e e A P + PA + Q = 0 (IV.2 1.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.23) ´ ` Theoreme IV.

P = 0.´ IV.3. LA METHODE DE LYAPUNOV Exemple IV.0625 0.0625 0 4 −8 −12 113 dont les valeurs propres sont 0. on trouve. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.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’.5160 19.3273 et 0.1664 0.3125 0.0676 . >> eig(P) ans = 0.0625 0.0477.eye(3)).3.

114 STABILITE DES SYSTEMES LTI .

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

y1 (t) est la r´ponse ` une excitation nulle u1 (t) = 0 appliqu´e ` partir de l’´tat e a e a e initial r´el U1 (0) = U (0). e e V.3) La r´ponse du syst`me y(t) ` un signal d’entr´e u(t). Par exemple. e e a e e d´pend de l’´tat initial U (0) caract´ris´ par les n valeurs initiales du signal de sortie et e e e e de ses n − 1 premi`res d´riv´es (th´or`me de Cauchy) : e e e e e U (0) = y(0).1.les signaux rampe .4) Par application du th´or`me de superposition. · · · . Ce type de signal a la carat´ristique de soumettre le e e e syst`me ` des sollicitations plus ou moins brusques et progressives. . Dans la pratique. y(0). e e e e e a an y (n) (t) + · · · + a0 y(t) = bm u(m) (t) + · · · + b0 u(t) (V. la r´ponse peut ˆtre d´compos´e en e e e e e e deux termes y1 (t) et y2 (t). e e e e Soit un syst`me d´crit par l’´quation diff´rentielle entr´e-sortie ` coefficients constants. e .2 R´gime libre .r´gime forc´ e e e Avant de caract´riser plus pr´cis´ment la r´ponse temporelle des syst`mes.les signaux ´chelon (fonction de Heaviside) 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 : .116 ANALYSE TEMPORELLE DES SYSTEMES Ces signaux d’entr´e sont plus particuli`rement utilis´s du fait de la simplicit´ de e e e e leur repr´sentation math´matique.les signaux acc´l´ration ee Le choix effectu´ dans cet ensemble est fonction des conditions d’utilisation du syst`me e e ´tudi´.1. si les entr´es r´elles d’un syst`me sont suppos´es varier graduellee e e e e e ment. y (n−1) (0) ˙ (V.y2 (t) est la r´ponse ` l’excitation r´elle u2 (t) = u(t) appliqu´e ` partir d’un ´tat e a e e a e initial nul U2 (0) = 0.les signaux de type impulsionnel (impulsion de Dirac) . Remarques V. une entr´e de type rampe est adapt´e alors que la r´ponse impulsionnelle mod´lisera e e e e correctement un choc. . nous revee e e e e nons sur les notions tr`s voisines de r´gime libre et de r´gime forc´. Ils permettent ainsi e a d’´tudier les performances transitoires de la r´ponse des syst`mes.1 Les signaux sinuso¨ ıdaux constituent une autre famille int´ressante de signaux types sere vant essentiellement ` l’´tude du r´gime permanent de la r´ponse temporelle et qui sera a e e e ´tudi´e dans un prochain chapitre. appel´ signal d’excitation.

5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors.y3 (t) comme la r´ponse en r´gime permanent du syst`me.3 R´gime permanent .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).6) Cette ´quation a n racines pi .y4 (t) comme la r´ponse transitoire du syst`me. e e e .1. ` e e 0. .1.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. INTRODUCTION Exemple V.1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini. e e e V. ´ Definition V. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V. distinctes ou multiples. e e Remarques V.5) Remarques V. e e e La solution g´n´rale y4 (t) est ind´pendante de u(t) et s’obtient en r´solvant l’´quation e e caract´ristique associ´e ` l’´quation diff´rentielle homog`ne : e e a e e e an p n + · · · + a 1 p + a0 = 0 (V.1 Soit a trouver la r´ponse y(t) de l’´quation. y4 (t) est e e la somme de n termes tels que : .3) peut ´galement se d´composer en deux e e e e parties : .y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.1.1.1.r´gime transitoire e e La solution de l’´quation diff´rentielle (V. r´elles ou complexes.7) .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. e e e e .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. il ne subsiste que e y3 (t) et l’on d´finit alors.

u Exemple V. 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.5p + 1 = 0 Elle a une unique solution p1 = −2 d’o` u y4 (t) = λ1 e−2t Alors. On a vu au e e e chapitre pr´c´dent diff´rentes notions de stabilit´ absolue pour les syst`mes lin´aires.2 L’´quation caract´ristique est e e 0. on obtient λ1 = −3 et donc y(t) = 2 − 3e−2t Les r´ponses temporelles ainsi fournies permettent d’´tudier les caract´ristiques fone e e damentales du syst`me que sont la stabilit´ absolue et la stabilit´ relative.chaque paire complexe conjugu´e (pj .8) o` σj = Re(pj ) et ωj = Im(pj ).118 ANALYSE TEMPORELLE DES SYSTEMES . e e toujours pr´sentes dans la partie transitoire de la r´ponse temporelle d’un syst`me. e e e . y(t) = 2 + λ1 e−2t soit pour y(0) = −1. amorties plus ou moins rapidement.1.

2.12) .9) T est la constante de temps du syst`me. R k e C s e i R e L C J s f 111 000 111 000 111 000 111 000 111 000 111 000 111 000 000 111 1111 0000 1111 0000 1111 0000 f ω Fig.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.11) La r´ponse transitoire d’un syst`me du premier ordre est. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V.2. e Cela conduit ` ´crire. e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1.1 – Exemples de syst`mes du premier ordre e V. LES SYSTEMES DU PREMIER ORDRE 119 V.2.1. V.2.1 On appelle syst`me du premier ordre. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V. ae Y (p) = K 1 + Tp (V.10) (V. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre.` V.2 V.

8 0.3. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.6 y(t) 0. on obtient la pente de la tangente e e e e pour t = 0.2.17) K KT K = − (1 + T p)p p 1 + Tp (V.9 KT 0. En calculant la d´riv´e. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V. la r´ponse ` une entr´e de type ´chelon de position (fonction e e a e e de Heaviside) dont la transform´e de Laplace est e L[u(t)] = Cela conduit ` ´crire.18) . V. u e y(t) = qui est repr´sent´e figure V.2. ae Y (p) = d’o` la r´ponse indicielle.2 (r´ponse indicielle) e On appelle r´ponse indicielle.16) 1 p (V. K K dy(t) = e−t/T |t=0 = dt T T (V.7 0.120 d’o` la r´ponse impulsionnelle.2 0.4 0. on obtient la pente de la tangente pour t = 0.14) La r´ponse indicielle e ´ Definition V.2 – R´ponse impulsionnelle e En calculant la d´riv´e.5 0.3 0.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.15) qui est repr´sent´e figure V.13) 0. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.

on parle alors de rampe unitaire.2 Amplitude y(t) To: Y(1) 1 0. V.2.4.632K 1. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.4 0.) t Fig.20) qui est repr´sent´e figure V.4 0.6 0.3 – R´ponse indicielle e Remarques V. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V.1 Plus la constante de temps du syst`me T est faible.23) .2 0 0 T 2 4 6 8 10 12 Time (sec. plus le syst`me est rapide.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1. on obtient. e e R´ponse ` une rampe unitaire e a ´ Definition V.6 1.2. ae Y (p) = d’o` la r´ponse.21) 1 p2 (V. En calculant le signal d’erreur (t) = u(t) − y(t). pour e e K = 1. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.19) Si k = 1.8 1.8 0.

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 Step Response ω n= 0.8 0.4 1.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.8 et figure V.1 ω n= 0.4 ω n= 0.1 1.8 0.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.5 1.6 ξ = 0.6 0. u L’allure de telles r´ponses est repr´sent´e figure V.7 ξ = 0.4 1.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).2 Amplitude 1 0.6 0.4 1.5 ξ = 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.9.9 0.2 0 Fig.4 1.1 e .6 ξ = 0.8 Step Response 127 1.2 ω n= 0. V. V.6 1.3 ξ = 0.2 ξ = 0.4 ξ = 0.8 ξ = 0.2 Amplitude 1 0.2 0 0 5 10 15 Time (sec) 20 25 30 Fig. e e e ξ = 0.

1 0 0 5 Time (sec. V.7 D 0.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V. .5 T/2 Amplitude 0.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement.6 T 0. e Step Response 0.3 0.2 0.4 D2 1 0.10 – Syst`me du second ordre sous-amorti e Les d´passements successifs sont d´finis par : e e Dk = s(kT /2) − s(∞) = −[e−πcotg(ψ) ]k = −(−D1 )k s(∞) (V.) 10 15 Fig. 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 .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.

6 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. V.H_2=tf([K*T*a K].4 0. C(p) = suivant le sch´ma-bloc suivant. >> a=10.[T (1+a*T*K) K]) >> a=0.3]) Step Response 1.H_10) >> axis([0 20 0 1. figure 3).2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .[T (1+a*T*K) K]) >> step(H_01. e e e Script MATLAB 12 >> K=1. e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf.H_2.8 a = 0.2 1 0. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.H_10=tf([K*T*a K].T=1.11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.1 a=2 a = 10 Amplitude 0.H_01=tf([K*T*a K].[T (1+a*T*K) K]) >> a=2.

8 ωn (V.48) 1 − ξ2 ξ (V.12.5 0 tr tp t ts Fig.47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.12 – Sp´cifications de performance e . Sa r´ponse temporelle a l’allure de la figure V.130 ANALYSE TEMPORELLE DES SYSTEMES V.05 t td 0.3.45) Cette relation est approxim´e par la relation : e tr ≥ (V.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`.49) . u cos(ωp tr ) + soit. y(t) Mp 0. 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 .Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est. cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1. tan(ωp tr ) = − Apr`s calculs. ξ).

53) . Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.7 ξ = 0.55) ξ ≥ ξ(Mp ) σ≥ 4. u tp = .D´passement maximal Mp : e On a donc.5 ξ = 0.6 ts . Mp = y(tp ) − 1 = −e−ξωn tp Soit.6 4. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`.Temps d’´tablissement ts : e G´n´ralement.LES SYSTEMES DU SECOND ORDRE . De plus.8 tr (V.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 .54) 4.6 = = ξωn σ Remarques V.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit. ωn doit ˆtre grand.3. − 131 (V.3 (V. pour des r´ponses rapides.50) π ωp (V.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.

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

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

5 2 2.63) sont appel´s e ee e les modes du syst`me.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.5 1 Time (sec) 1.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.Le mode d’oscillation d’incidence (short-period mode) p = −2. o e e (V.370 −2.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.96 −2. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.1 −0.045 0.02 1.51 ± 2.Mouvement propre longitudinal :     δu ˙ −0.017)2 + (0. V.14 – Mode d’oscillation d’incidence pur .2 0.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.76   δw ˙   0    q  =  0.62) et (V.5 −1 0.5 Fig.59)2 (p + 0.1 0 −0.213)2     (V.13 – North American L-17A ”navion” .65) Les modes propres longitudinaux sont d´finis comme : e . e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.51)2 + (2.191 −3.Courtesy USAF Museum .2 1 0.1 0 −0.5 0 −0.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 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.036 0 −0.1 −0.322 δu  δ w   −0. V.2 0 0. e e e Fig.

55 −0.045 0.2 To: Out(3) To: Out(4) 0.254 −1.Le mode phugoide (phugoid mode) p = −0.76 −0.191 -3..4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est..0088) Les modes propres lat´raux sont d´finis comme : e e .05 To: Out(2) 135 0 Amplitude −0.zeros(4.Tlong]=canon(sys_long.1 0 −0. >> initial(sys_long.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.5 0 50 100 150 Time (sec) 200 250 300 350 Fig..Plong(:.322 v  r   2.3)) .5 0 −0.98 0.5 0 −0.1).433) (p + 0.433 ` (V..08 2.LES SYSTEMES D’ORDRE SUPERIEUR . -0. >> [navion_long.05 0.66) .0.017 ± 0.213j Response to Initial Conditions 1 To: Out(1) 0.37 -2.96 -2.Mouvement propre lat´ral : e     v ˙ −0.zeros(4.1)) >> initial(sys_long.0 0 1.1 −0.02 1.334)2 (p + 0. V.76 0 0.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8. 0].76 0.67)     (V.486)2 + (2.Plong(:.’modal’) >> Plong=inv(Tlong).19 −8..5 −1 0.eye(4).036 0 -0. o e e e (p + 8.322.1)).35  r ˙   0    p  =  −9.2 0.

5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.15 0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.5 0 0 −0.02 0 0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.1 0.7 Fig.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.2 0. V.17 – Mode de spirale pur .1 0.01 1 0.02 0 1 0.5 0.4 0.15 −0.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.6 0.334j .005 −0.486 ± 2.05 −0.015 0.04 0.05 0 0 −0.16 – Mode de roulis pur .Le mode correspondant au mouvement de spirale (spiral mode) p = −0.01 0.2 0. V.02 To: Out(1) 0.0088 Response to Initial Conditions 0.1 −0.3 Time (sec) 0.2 0 0.

zeros(4.5 −1 0.18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-. >> initial(sys_lat. ´ Definition V.2 0.4.Plat(:.4 0. >> [navion_lat.0 0 1.322.2 (rapidit´) e Le temps de disparition de la composante transitoire associ´e ` un mode d´finit la rapie a e dit´ de ce mode.1).5 0 −0.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.-9.5 0.zeros(4. Supposons maintenant que la fonction de transfert soit du troisi`me ordre avec un pˆle e o r´el −1/γ et deux pˆles complexes conjugu´s : e o e G(p) = 2 ωn 2 (γp + 1)(p2 + 2ξωn p + ωn ) (V.Plat(:.1))..Tlat]=canon(sys_lat. · · · .2)) >> initial(sys_lat..35 0.’modal’) >> Plat=inv(Tlat).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. 0]..1 −0.2 0 2 4 6 Time (sec) 8 10 12 Fig. V.5 1 0. 2.68) Les modes les plus rapides sont donc ceux associ´s aux pˆles les plus ´loign´s de l’axe e o e e imaginaire.08 2. e τi = −1/Re[pi ] (V..76 0 0.5 0 −0.69) .76 -0.55 -0.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.254 -1.Plat(:. τq } associ´es ` ses diff´rents modes.19 -8.eye(4).1)) >> initial(sys_lat..

59j d´fini par sa constante de temps e et son amortissement.74) . τinc. Pour un mode oscillatoire.le mode correspondant de spirale p = −0. 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. e τrol.433 d´fini par sa constante de temps. τdrol.0088 = 113.138 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.06 ξdrol. e e . on parle o e e de modes dominants. = 0.3 (mode dominant) La paire de pˆles complexes conjugu´s les plus proches de l’axe imaginaire g´n`rent le o e e e mode dominant.486 = 2.51 ± 2.63 (V.4 ξinc. = 0.4 (mode oscillant non amorti et ap´riodique) e . ´ Definition V.71) . quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me. = 1/0. ξq }.Si ξ = 0 alors le mode oscillant est non amorti . = 1/8.3984 0.75) .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±2.204 (V. = 1/2.73) (V.82 ξphu.433 = 0.017 ± 0. = 0. · · · .51 = 0.0088 d´fini par sa constante de temps.08 Les modes propres lat´raux du Navion sont caract´ris´s par. τphu.le mode de roulis p = −8. mˆme si cette condition n’est pas strictement v´rifi´e.017 = 58. ´ Definition V. e e e .le mode d’oscillation de roulis hollandais p = −0.213j d´fini par sa constante de temps et son ıde e amortissement.le mode d’oscillation d’incidence p = −2.12 (V.72) .334j d´fini par sa constante e de temps et son amortissement.70) Par extension. = 1/0. e τsp.4.4. = 1/0. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1.7 (V.

Xi_long]=damp(sys_long) Wn_long = 0.3836 8.2040 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.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.3836 2.0000 0.2140 0.6070 3.76) i=1 .6946 V.0797 0.6070 Xi_long = 0.4327 139 Xi_lat = 1.0000 >> [Wn_long.Xi_lat]=damp(sys_lat) Wn_lat = 0.0797 0.6946 0.4.2040 1.0088 2.2140 3.

79) e e ` e o` bi = ai /pi .[1 1 1]). Suivant que le e e e e e e z´ro sera stable ou instable. >> H2=tf([1/0.5 0]. Le fait d’ajouter un z´ro a la fonction de transfert e ` αξ dt ajoute la d´riv´e de la r´ponse multipli´e par un coefficient ´gal au z´ro. >> clf >> step(H1) >> hold. le d´passement sera augment´ ou diminu´. e e e n h(t) = i=1 ai epi t (V. e e o Si l’on ´tudie la r´ponse indicielle.[1 1 1]). 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 Exemple V.77) avec. e e n s(t) = K + i=1 bi epi t (V.4.est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o . >> step(H2) >> step(H1+H2) .140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors. e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1.1 (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) . m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V. on d´duit que les diff´rents modes ont une contribution a la r´ponse indicielle u d’autant plus faible qu’ils sont plus ´loign´s de l’origine.78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros.

L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|.4 0. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0.5 H1 H Amplitude 0 −0. tr`s souvent les caract´ristiques de performance d’un syst`me command´ e e e e sont sp´cifi´es en termes de r´ponse transitoire a une entr´e en ´chelon facile ` g´n´rer. e .2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.2 H 1 Amplitude 1 0.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.4.5 e Step Response 1.6 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 )|. e .L’addition d’un z´ro instable z ` une paire de pˆles dominants pdom diminue le e a o d´passement mais provoque le ph´nom`ne de r´ponse inverse augmentant ainsi les e e e e temps de r´ponse.5 −1 H 2 −1.4. e V.6 0.4 1. Ainsi. e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel.2 H 2 0 −0.5 e R´sum´ V. dans de nombreux cas pratiques.5 1 0. e e e a . 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).1 e e a o .8 141 1.8 0.

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

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

Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig.8 tr (V.144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig.22 – Pulsation propre non amortie En g´n´ral. V.83) ξ ≥ ξ(Mp ) σ≥ 4. 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 . V.6 ts Cela conduit ` d´finir une r´gion int´ressante pour le placement des pˆles dans le plan a e e e o complexe. e e e ωn ≥ 1.

e o e e ) k=dcgain(sys): calcule le vecteur des gains statiques du mod`le LTI sys.5 V.x0): r´ponse temporelle du mod`le LTI sys ` une condition initiale ) e e a x0 .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.tau): g´n`re des signaux temporels dans u de p´riode tau et dont ) e e e le type peut ˆtre ’sim’. ) e .2 Fonctions d’analyse des mod`les LTI e ) [Wn. e e V. e ) [y. ) [y.t.u.t]=gensig(type. ) e e ) [y.V.t.1 Fonctions MATLAB Fonctions de r´ponse temporelle e ) [u.x]=initial(sys.t.x]=impulse(sys): r´ponse impulsionnelle du mod`le LTI sys.t.5.t): effectue la simulation temporelle du mod`le LTI sys pour ) e l’entr´e u sur l’horizon temporel d´fini par t. ) e e ) [y.x]=step(sys): r´ponse indicielle du mod`le LTI sys. ’square’ ou ’pulse’.5.5. FONCTIONS MATLAB 145 V.x]=lsim(sys.

146 ANALYSE TEMPORELLE DES SYSTEMES .

Mˆme si comme nous le ee e e e verrons dans ce chapitre. 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).1 Les syst`mes monovariables e Dans cette section. De plus. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre. e e ´ Definition VI. les premi`res e e e m´thodes de conception de syst`mes de commande a contre-r´action ont ´t´ fond´es e e ` e ee e sur l’utilisation des r´ponses fr´quentielles et des outils associ´s. e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. C. Historiquement. D). la plupart des outils peuvent ˆtre ´tendus au cas multivariable. 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 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.1. e e Toutefois.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. les avantages pr´sent´s ici ne doivent pas faire oublier que ces m´thodes e e e ont ´t´ principalement d´finies pour les syst`mes monovariables. e 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. e e 147 .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 (r´ponse fr´quentielle) e e La r´ponse fr´quentielle d’un syst`me LTI est d´finie comme l’ensemble des r´ponses e e e e e en r´gime permanent du syst`me ` des entr´es sinuso¨ e e a e ıdales param´tr´es par la pulsation. e e e e 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. e ´ ` Theoreme 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) On suppose ici que tous les pˆles de cette fonction de transfert sont distincts. La r´ponse en r´gime permanent est donc donn´e par. La o transform´e de Laplace de l’entr´e sinusoidale u(t) = X sin(ωt) est : e e U (p) = d’o`.7) (VI. −p1 . e e e y3 (t) = ae−jωt + aejωt o`.5) Xω a = G(p) 2 (p − jω) p + ω2 De plus. |p=jω XG(jω) = 2j G(jω) = |G(jω)|ejφ et G(−jω) = |G(jω)|e−jφ d’o`.8) . u X|G(jω)|e−jφ X|G(jω)|ejφ a=− et a = 2j 2j On obtient ainsi.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. y3 (t) = X|G(jω)| ej(ωt+φ) − e−j(ωt+φ) = X|G(jω)| sin(ωt + φ) = Y sin(ωt + φ) 2j (VI. u a = G(p) p2 Xω (p + jω) + ω2 =− |p=−jω (VI. e a e e Cela implique que les termes correspondants tendent vers 0 en r´gime permanent (quand e t → ∞).2) Pour un syst`me stable. 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.3) p2 ωX + ω2 (VI.6) (VI. · · · . − pn sont stables donc ` partie r´elle n´gative.1.

´ ´ ´ 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

En 1932.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. e e La mˆme ann´e. Entre 1921 et 1935. pour e e e e ω → ∞: G(jω) ∼ d’o` : u φ(ω) ∼ (n − m) π 2 bm 1 bm (jω)m = n an (jω) an (jω)n−m . En effet. Il meurt en 1976.1 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.2.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. il donne la e premi`re analyse de stabilit´ pour les amplificateurs a contre-r´action e e ` e et d´veloppe le diagramme de Nyquist qui conduit au crit`re graphique e e de Nyquist pour la stabilit´. Il publie un article sur la fr´quence de Nyquist en 1928. Apr`s ee e e e 1935. e Remarques VI. Il est e e retrait´ des laboratoires Bell en 1954 et travaille alors comme consultant pour diff´rentes e e entreprises et pour le gouvernement am´ricains. 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. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. 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. e Quelques caract´ristiques des courbes e les courbes dans le plan de Nyquist poss`dent des caract´ristiques en hautes et basses e e fr´quences facilitant leur trac´. e e . il s’engage sur des recherches g´n´rales en communication.

VI. VI.4 – Comportement en basses 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. Sans int´grations. 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.3 – Comportement en hautes fr´quences e .Basses fr´quences : la transmittance est ´quivalente au quotient des termes de plus e e bas degr´ d’o` l’importance de la pr´sence ´ventuelle d’int´grations.

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

la pulsation propre non amortie et l’amortissement. (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI. 0) et de rayon 0. e e a e (ωn .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.14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.5 Re |G(j/T)| ω = 1/Τ Fig.16) .12) permet de montrer que la courbe est un demi-cercle de centre e (0.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI.5.REPRESENTATION GRAPHIQUE 157 L’´tude de (VI.5. VI. ξ).

e ` e Nyquist Diagram 15 10 ξ = 0.17) ω2 2 ωn + ω 2ξ ωn 2 (VI.07 ξ = 0. Aux hautes e e fr´quences.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.7).4 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. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn . Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1. Cette pulsation est la pulsation de e cassure associ´e au second ordre.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.1 ξ = 0. e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox.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.05 ξ = 0.7 ξ = 0.19) e e Pour ω ∈ R+ . VI.

1 Soit la fonction de transfert G(p) = La fonction de transfert sinuso¨ ıdale est : G(jω) = On obtient donc : R(ω) = Re [G(jω)] = |G(jω)| = 4 √ ω 4 + ω2 ω2 −4 +4 I(ω) = Im [G(jω)] = φ(ω) = − π ω − tan−1 2 2 −8 ω(ω 2 + 4) 4 jω(jω + 2) 4 p(p + 2) Pour ω > 0.[1 2 0]). En effet.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. On calcule les limites int´ressantes permettant d’indiquer le comportement de e la courbe en basses et hautes fr´quences : e ω→0 lim R(ω) = −1 lim I(ω) = −∞ lim φ(ω) = − ω→0 ω→0 π 2 ω→∞ lim R(ω) = 0 ω→∞ lim I(ω) = 0 ω→∞ lim φ(ω) = −π La courbe admet une asymptote verticale en −1 aux basses fr´quences. e Script MATLAB 17 >> G=tf(4. >> nyquist(G). 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.2. 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). . la partie r´elle et la partie imaginaire sont toujours n´gatives. Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe.

2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations. ´ Definition VI. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s.7 −0.8 0+ −0. VI. 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.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.4 −0. Les courbes sont trac´es sur du papier semi-logarithmique en utilisant l’´chelle logae e rithmique pour les pulsations et l’´chelle lin´aire pour l’amplitude en d´cibels et la phase e e e en degr´s.3 −0. pulsation quelconque.9 −0.1 0 Fig. e 8 8 .5 Real Axis −0.2 −0.160 REPONSE FREQUENTIELLE DES SYSTEMES LTI Nyquist Diagram 20 ω 15 0− 10 5 Imaginary Axis ω 0 − + ω −5 −10 −15 ω −20 −1 −0.2.2.6 −0.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts. Une octave est e e e une bande de pulsations comprises entre ω1 et 2ω1 alors qu’une d´cade est une bande de pulsations entre ω1 et 10ω1 pour ω1 .

Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. Il meurt le 21 Juin 1982. VI. il obtient son Ph. il continue a travailler en partie sur des applications e e ` militaires (guidage des missiles) mais ´galement sur la th´orie moderne de la communicae e tion. D de l’universit´ de Columbia en 1935. Alors qu’il travaille chez Bell. Il entre aux laboratoires de Bell Telephone comme math´maticien. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. e e toute fonction de transfert peut ˆtre factoris´e comme : e e G(p) = K (1 + pTi ) (1 + 2 ξ/ωnj p + (pωnj )2 ) (1 + pTk ) (1 + 2 (ξ/ωnl ) p + (pωnl )2 ) (VI. a e L’avantage principal d’une telle repr´sentation est qu’elle permet de convertir la mule tiplication des amplitudes en addition par l’utilisation de l’´chelle en d´cibels. 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.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. Il devient ` ` membre de l’Acad´mie des Sciences.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. 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. En effet. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. Apr`s la guerre.20) pN . Pendant la seconde guerre mondiale. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. Il est all´ ` e e a l’´cole ` Urbana dans l’Illinois et obtient un diplˆme de l’universit´ d’´tat de l’Ohio en e a o e e 1926. e Pendant ses premi`res ann´es aux laboratoires Bell. En 1952. 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 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. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. En 1955.

Ces facteurs ıtre e ee peuvent ˆtre class´s en quatre familles.5 −91 10 0 10 Frequency (rad/sec) 1 Fig. Il peut ˆtre ensuite affin´ et corrig´ simplement.Le gain K poss`de un module constant ´gal a K et une phase nulle. . Bode Diagram 10 5 Magnitude (dB) 0 − 20 dB / decade −5 −10 ω co −15 −89 −89.10 – Trac´ dans le plan de Bode de 2/p e Le facteur d´riv´e K(jω)N se d´duit ais´ment du pr´c´dent en changeant le signe e e e e e e de la pente de la courbe de gain et le signe de la phase.21) L’utilisateur dispose ainsi d’une m´thode simple afin de tracer une repr´sentation e e approxim´e de la r´ponse fr´quentielle en utilisant le trac´ de diagrammes asymptotiques e e e e des ´l´ments constituant la fonction de transfert et en les additionnant afin d’obtenir le ee trac´ asymptotique global. e e .20). Log10 |G(jω)| = i Log10 |Gi (jω)| φ(ω) = i φi (ω) (VI. (jω)N La courbe de gain est donc une droite de pente −20 × N dB/dec qui coupe l’axe 0 dB au point ωco = (K)1/N .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.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.22) 1 a une phase constante valant −90×N deg. e e ` . Ce trac´ asymptotique suffit en premi`re approximation pour e e e obtenir des informations sur le syt`me. 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.

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

e .Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI.11 – Trac´ dans le plan de Bode de 1/(p + 2) e . e Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI.27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ.Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   dB (VI. la courbe de gain pr´sentera ou ne pr´sentera pas de pic de e e r´sonnance.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.28) Les asymptotes sont obtenues par une analyse identique a celle qui a ´t´ faite ` ee pour les syst`mes du premier ordre.Le facteur quadratique ram`tres (ωn .Basses fr´quences : ω << ωn e −20Log10 (1) = 0 dB (VI. VI.97 dB 3 dB 0. e .30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences. e . e .164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0.29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences. ξ).

Mr .12 – Courbe de gain dans le plan de Bode d’un deuxi`me ordre avec r´sonnance e e .33) ω = ωn φ = − tan−1 ω = ∞ φ = −180 deg . si ξ < 0. Son amplitude d´pend de e l’amortissement ξ. Toutefois.707.31) |G(jω)| dB Asymptotes Mr = 1 2ξ 1 − ξ 2 ωn − 40 dB/ dec. a la pulsation de r´sonnance ωr . VI. la phase vaut. ω=0 φ = 0 deg 2ξ 0 = −90 deg (VI.Etude de la phase :  ω  2ξ( ωn )  −1   φ = − tan  ω2  1− 2 ωn  (VI. ωr = ωn 1 − 2ξ 2 Mr = 1 2ξ 1 − ξ2 (VI. ω rad/s ωr − 3 dB = ωn 1 − 2ξ 2 Bande passante à −3 dB Fig. Pr`s de la pulsation de cassure.REPRESENTATION GRAPHIQUE 165 Les deux asymptotes ont une intersection commune en la pulsation de cassure ωc = ωn . il peut e ` e e exister un pic de r´sonnance.32) La phase est une fonction des deux param`tres pulsation propre et amortissee ment.

ee 2. .7 ξ=1 −20 Asymptotes −30 0 ξ = 0.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.05 ξ = 0. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.2.1 −90 ξ = 0.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.2.5 ξ = 0.34) ´ Definition VI. e a ´ Procedure VI.2 −135 ξ = 0.3 ξ = 0.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.2 ξ = 0.2.Tracer les courbes asymptotiques.1 ξ = 0. VI.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0. e e e a 3.3 ξ = 0.05 ξ = 0.3 (pulsation de coupure) ıdale est La pulsation ωcα pour laquelle l’amplitude de la fonction de transfert sinuso¨ inf´rieure de α dB ` l’amplitude de la fonction de transfert sinuso¨ e a ıdale ` la pulsation 0 a est la pulsation de coupure ` α dB.1 1. 4.5 −180 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.

REPRESENTATION GRAPHIQUE Exemple VI. Ces deux asymptotes se coupent e e e a en ωc = 2 rad/s. La courbe de phase pr´sente quant ` elle deux asymptotes horizontales en −90 deg et −180 deg.G.14 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) .’g.2 Reprenons la fonction de transfert pr´c´dente.[1 2 0]).2.’. >> G=tf(4. 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. VI. Script MATLAB 18 >> G1=tf(4. >> G3=tf(1.G2.’. >> bode(G1.’k’) >> grid Bode Diagram 40 20 Gain k = 4 Magnitude (dB) 0 −20 −40 −60 Intégration −80 0 −45 G(p) −90 Premier ordre 1 p+1 Phase (deg) −135 −180 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 Fig.[1 0]). >> G2=tf(1.G3.[1 2]).’r-.1).’b--’.

e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI.168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI. VI.35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black.2 Dans la litt´rature anglo-saxonne.2. a e o . 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants. la paternit´ de ce type de repr´sentation est attribu´e e e e e ` Nichols alors qu’inexplicablement la tradition francophone en cr´dite plutˆt Black.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)|)). 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.15 – Plan de Nichols-Black Remarques VI.2. Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert. La courbe du lieu de transfert e e e dans le plan de Nichols-Black est ´galement une courbe param´tr´e en la pulsation ω et e e e doit donc ˆtre gradu´e de mani`re ad´quate.

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

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.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 −180 −90 | G | dB 2 intégrations 1 intégration 0 intégration Φo Fig. VI. VI.170 REPONSE FREQUENTIELLE DES SYSTEMES LTI | G | dB − 180 − 90 Φ o n−m = 2 n−m = 1 Fig.16 – Comportement en hautes fr´quences e . Il y aura des e u e e e asymptotes verticales si le syst`me comprend une ou plusieurs int´grations. a e . en hautes fr´quences.

3 ξ = 0.02p + p2 ) 8 −135 −90 Open−Loop Phase (deg) −45 0 −70 −180 −135 −90 Open−Loop Phase (deg) −45 0 Lieux de transfert pour ξ variant et ωn = 1 . e e   ω 2 2  2ξ( ωn )  ω2 ω  1 − ω2 + 2ξ ωn dB φ = − tan−1  |G(jω)| dB = −20Log10  n ω2  1− 2 ωn (VI.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0.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.5 ξ = 0.38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg. aux hautes fr´quences. nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode.1 ξ = 0. e Nichols Chart 30 Nichols Chart 30 ωn ∼ ω r = ωn 1 − 2ξ2 20 20 10 10 Mr = 2ξ 1 − ξ 2 Open−Loop Gain (dB) 0 Open−Loop Gain (dB) −10 0 −20 −10 ω=0 −20 −30 −40 ξ = 0.01 ξ = 0.18 – 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 . VI.

[1 2 0]).58 Phase (deg): −90 Frequency (rad/sec): 1.’r-.G. >> G3=tf(1.04 dB et le point correspondant a ω = 1.58 rad/s.[1 2]).0273 System: G2 Phase (deg): −128 Gain (dB): −3. 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.[1 0]).3 Frequency (rad/sec): 1.’b’).14 Phase (deg): −38.’.’.G3.3 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.04 dB.172 Exemple VI. Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.2.58 System: G3 Gain (dB): −8. >> nichols(G2.94 Frequency (rad/sec): 1. ` e .’g. VI. >> G=tf(4. e Script MATLAB 19 >> G2=tf(1.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.

Exemple VI.3 Cette d´nomination provient du fait que pour un module identique.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.4 Les syst`mes ` non minimum de phase e a ´ Definition VI.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre. 0 −20 −40 −60 Phase deg −80 −100 −120 −140 −160 −180 −3 10 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 10 3 Fig.20 montre le diagramme des phases de G1 et de G2 .REPRESENTATION GRAPHIQUE 173 VI. T2 = 2 .41) Arg(G2 (jω)) = − tan−1 ω(T1 + T2 ) ω(T1 + T2 ) = 90 deg + tan−1 2T T 1−ω 1 2 1 − ω 2 T1 T2 2 1 + ω 2 T1 2 1 + ω 2 T2 (VI.2.2. il sera ` dit a non minimum de phase.20 – Phases de G1 et G2 pour T1 = 1. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.2.40) La figure VI. e Ce minimum est alors d´pass´ par le d´phasage d’un syst`me de mˆme module ` non e e e e e a minimum de phase. ` Remarques VI. prenons les deux fonctions de transfert e e suivantes ` minimum de phase (respectivement ` non minimum) : a a G1 (jω) = 1 + jωT1 1 − jωT1 G2 (jω) = 1 + jωT2 1 + jωT2 (VI. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI. Dans le cas contraire.2.4 Afin d’illustrer au mieux la remarque pr´c´dente. VI.

VI. Si la courbe de gain est connue sur l’ensemble des pulsations.2 0.8 −1 −1 −0.6 0.2 0 Real Axis 0. nous donnons les lieux de transfert de G a dans le plan de Nyquist. A titre d’exemple.4 −0.6 −0.8 −0.42) 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. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.8 1 Fig.4 −0. Nyquist Diagram 1 0.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.2 Imaginary Axis 0 −0. VI.4 0.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 .8 0.6 0. la courbe de phase peut en ˆtre d´duite directement de mani`re unique. les fonctions de transfert G1 et G2 sont reli´es par : e G1 (jω) = G2 (jω) 1 − jωT1 = G2 (jω)G(jω) 1 + jωT1 (VI.4 0.6 −0. le module et la phase sont li´s par une relation e a e biunivoque.2 −0.

La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.5 Extension aux syst`mes multivariables e La section I..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.002 s^2 + 0.21 s^3 + 7.H=tf({1 3. 1 #1: ---------------------------------------s^4 + 0.den den}) Transfer function from input 1 to output.45 s + 10 #2: .2.2 a montr´ que la r´ponse fr´quentielle des mod`les LTI multivariables e e e e est compl`tement caract´ris´e par les gains principaux (valeurs singuli`res) qui sont des e e e e fonctions de la pulsation ω.[1 0.2 5]).deux sorties) e e Script MATLAB 20 >> den=conv([1 0.2. e Singular Values 0 σ( j ω) Singular Values (dB) −50 −100 −150 σ( j ω) 10 −1 10 0 10 Frequency (rad/sec) 1 Exemple VI.. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es.{den den.21 s^3 + 7. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.002 s^2 + 0.REPRESENTATION GRAPHIQUE 175 VI.1.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.[2 1] [1 4]}.5 (mod`le deux entr´es .01 2]. Dans la a e majorit´ des cas. ´ Definition VI. Cela impose donc le plan de Bode e e comme seul outil disponible.2.

002 s^2 + 0.002 s^2 + 0..21 s^3 + 7.21 s^3 + 7..45 s + 10 s + 4 ---------------------------------------s^4 + 0. 3 #1: ---------------------------------------s^4 + 0.45 s + 10 #2: >> sigma(H) >> grid .176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

Cette e e structure est illustr´e figure VII. e ` ea 179 . Dans un premier temps. Jusqu’` pr´sent. 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. 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].1. le principe fondamental consiste ` observer les effets e e e a des actions que l’on produit et de les corriger en fonction des r´sultats observ´s. Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e. 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. biographie). 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).Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. 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 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 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). En r´sum´. VII.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif.1.

sur le trajet matinal de l’Hudson River sur le ferry Lackawanny pour aller a son travail. 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. Harold e e Black fait partie du Hall of Fame des inventeurs depuis 1981 et a re¸u 10 m´dailles. Black) Harold Stephen Black est n´ le 14 Avril 1898 a Leominster dans le Massachussetts. Apr`s ses ann´es d’´tudes. photo du chapitre e 1). e . 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. ee En 1927.1 – Sch´ma de principe d’un asservissement e Il s’agit d’un syst`me de commande automatique de vitesse de croisi`re d’un v´hicule. Il ` e travaille alors sur la r´duction de la distorsion dans les amplificateurs de puissance pour e les communications t´l´phoniques longues distances. neuf c e prix ainsi que de nombreux autres titres honorifiques. e e √ ρc 2 (VII. 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. VII.1) u(t) − vn (t) vn (t) = ˙ m e e e o` vn = v/vmax est la vitesse normalis´e du v´hicule ´voluant entre 0 et 1. Process Sortie Fig. il rejoint les laboratoires de West e e e Street de la Western Electric a New York.No. 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. Il s’agit donc de renvoyer une proportion du signal de communication sur l’entr´e de l’amplificateur afin d’am´liorer e e la qualit´ du signal en sortie. u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1.180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. Il publie modulation theory en 1953. m est la masse du v´hicule et ρ et c sont des constantes. Il d´pose un brevet (21 D´cembre 1937 . e e e Le sch´ma de principe est alors le suivant. 2 102 671) qui ne sera enregistr´ que neuf e e e ann´es plus tard du fait de l’incr´dulit´ du bureau des brevets. e 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. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action. ancˆtres des laboratoires Bell Telephone. Perturbation Système de commande Entrée de référence + Ampli.

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

1}.08 0.08. 0.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.6 k=0. 0.56 k=0. VII.06 correspondant a des accroissements respectifs ` pour k = 0. .1 et k = 0.6.02.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0. que pour les valeurs k = 0.05. a Quelle que soit la valeur du gain de l’action int´grale k.5 a 0. la r´ponse est tr`s lente.08. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0. e e On peut remarquer sur la figure VII.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.1 s et pour diff´rentes valeurs de k ∈ {0.02.54 0.05 0. On refait donc les simulations m √ √ ρc ρc = 0. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0.52 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 = 0.02 v 0.05 et m m de masse de 20% et 40%.08.6 e ee e ` ` l’instant 10 s. Le signal de r´f´rence est donc un ´chelon passant de 0.1 k=0.4. = 0.58 0.62 k=0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. 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. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0.6.05. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis. 0.

0.` ` ´ VII.56 v 0.6 0.1.5 – 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. VII.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.5) x1 (t) + x2 (t) + p(t) x1 (t) = − ˙ m m Cette perturbation est mod´lis´e comme un ´chelon de position n´gatif intervenant en e e e e t = 20 s. e a e Si l’on consid`re des conditions r´alistes.54 0. VII.58 0. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique. e e e e . SYSTEMES DE COMMANDE A CONTRE-REACTION 0.45 avec perturbation 0.52 0.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.5 0.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. 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.7 0.62 183 0.55 v 0. le v´hicule ralentit dans un premier temps e pour ensuite de nouveau acc´lerer afin d’atteindre la vitesse de croisi`re d´sir´e. e √ √ ρc 2 ρc (VII.65 0.6 sans perturbation 0.4 0.

e . En e e e effet. e e . Nous d´finissons ainsi un sch´ma fonctionnel plus complet incluant un signal de e e e perturbation b et un signal de bruit de mesure w. a travers l’introduction de e e e ` la perturbation.7 – Sch´ma bloc avec perturbation et bruit e o` : u . 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.1. r + − ζ K(p) b + + ν u G(p) y + + w Fig.2 Caract´risation des syst`mes de commande ` contre-r´action e e a e Jusqu’` pr´sent.r est le signal de r´f´rence que doit suivre la sortie ee . ` e . . que d’autres transferts peuvent ˆtre int´ressants ` consid´rer afin d’avoir e e a e une vision plus compl`te des probl`mes pos´s par la structure de commande a contree e e ` r´action. nous avons principalement d´fini les transferts en boucle ouverte et a e e en boucle ferm´e.La structure de commande a contre-r´action implique le plus souvent de disposer ` e d’un capteur mesurant la sortie.Am´lioration de la pr´cision en boucle ferm´e e e e .Robustesse du syst`me boucl´ vis-`-vis de variations param´triques e e a e . L’exemple de la section pr´c´dente induit. e e VII. VII.184 ANALYSE EN STABILITE DES SYSTEMES BOUCLES A partir de cet exemple.Le probl`me de stabilit´ est plus crucial en boucle ferm´e qu’en boucle ouverte. 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.u est la commande issue du correcteur K(p) .y est la sortie du syst`me e .Am´lioration du rejet de perturbation en boucle ferm´e e e Cette structure de commande souffre toutefois de d´fauts qui rendent son utilisation e parfois d´licate.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 (` ).

w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel. e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (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. La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle. 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. diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) .ν est le signal de commande entrant r´ellement dans le syst`me e e .1.6) 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. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII.7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII.8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc.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.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.7) ´ Definition VII. SYSTEMES DE COMMANDE A CONTRE-REACTION .1. a S(p) + T(p) = 1 (VII.b est le signal des perturbations = r − y est le signal d’erreur 185 .

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

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

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

1 Le crit`re de Nyquist e Le crit`re de stabilit´ de Nyquist est un crit`re graphique fr´quentiel de stabilit´ e e e e e fond´ sur le trac´ du lieu de transfert en boucle ouverte dans le plan de Nyquist.2. 0) de rayon ee e infini incluant le demi-plan complexe droit.2.14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit.15) G(p)K(p) 1 + G(p)K(p) (VII. a r + − ζ K(p) u G(p) y Fig. 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.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. quand l’assere e e vissement est ` retour unitaire.2.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps. VII. o e ` e e On souhaite toutefois d´cider de la stabilit´ de la boucle ferm´e sans avoir a calculer e e e ` explicitement le polynˆme caract´ristique en boucle ferm´e et ses racines. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e.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∞ . j∞] et d’un demi-cercle centr´ en (0.´ ` ´ VII. e e . la sensibilit´ compl´mentaire T (p). K(p) = NK (p) DK (p) (VII. ´ Definition 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. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note. e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII. Il est orient´ dans le sens antitrigonom´trique. e VII.

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

une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII. 4.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.2.Compter le nombre P de pˆles instables de la boucle ouverte. 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.ANALYSE EN STABILITE DES SYSTEMES BOUCLES . 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p). il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII. 0). .1 Le syst`me ` contre-r´action de la figure VII. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant. fermer le lieu de u Nyquist.16) Exemple VII.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .2. ` G(p) = K p(1 + T p) T >0 K>0 (VII.17) 1. le lieu de Nyquist est complet et ferm´. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e .2.Tracer son sym´trique par rapport a l’axe ox.Tracer le lieu de Nyquist complet de la boucle ouverte.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte. CN o 2.Calculer la boucle ouverte de l’asservissement consid´r´.1 1.8 est stable asymptotiquement si et seulement e a e si le lieu de Nyquist complet de la boucle ouverte K(p)G(p) fait un nombre de tours comptabilis´s dans le sens trigonom´trique autour du point critique (−1.Dans le cas o` le contour de Nyquist a une indentation. o e e . 3. o a e Afin d’appliquer correctement le crit`re de Nyquist.

12 – Exemple : lieu de Nyquist complet . e G(jω) = K jω(T jω + 1) −KT +1 (VII.18) Re[G] = −K Im[G] = 2 ω 2 + 1) ω(T 8 Re T 2ω2 0 - Im r= + 8 8 -KT Re 8 0 + Fig.Le trac´ du lieu de Nyquist complet implique les calculs suivants.11 – Exemple : contour de Nyquist 2. VII.19) (VII. VII.192 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Im r= Fig.

N = 0. e ´ ` Theoreme VII. VII.20) K K G(p) ∼ ∼ e−jθ p ρ 3. p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII. a droite) quand on parcourt le lieu de transfert ea ` dans le plan de Nyquist (dans le plan de Nichols-Black) dans le sens des ω croissants. Le syst`me est donc stable asymptotiquement.2. 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.2 Le crit`re du revers e Le crit`re de Nyquist peut ˆtre appliqu´ sans restriction mais peut ˆtre parfois lourd a e e e e ` utiliser. 4.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation.2.2 (crit`re du revers) e Si le syst`me en boucle ouverte est stable et a minimum de phase (pˆles et z´ros ` partie e ` o e a r´elle strictement n´gative) alors le syst`me est stable asymptotiquement si et seulement e e e si le point critique est laiss´ ` gauche (resp. Im Im −1 Re −1 Re K(j ω)G(j ω) K(j ω)G(jω ) Fig. Dans certains cas particuliers et sous certaines hypoth`ses.P = 0. il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e .

7 incluant une perturbation e et un signal de bruit de mesure. G(p) = p2 (1 1−p + p) K(p) = 1 + 2p 1−p Les fonctions de sensibilit´ associ´es ` cet asservissement se calculent comme : e e a S(p) = p2 (1 + p) p3 + p2 + 2p + 1 p3 2p + 1 + p2 + 2p + 1 K(p)S(p) = (1 + 2p)p2 (1 + p) (1 − p)(p3 + p2 + 2p + 1) p3 1−p + p2 + 2p + 1 T (p) = G(p)S(p) = La fonction de transfert K(p)S(p) a un pˆle ` partie r´elle positive 1 et est de ce fait o a e instable. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement. VII. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII. nous nous sommes principalement attach´s ` ´tudier la e e e a e stabilit´ de la fonction de transfert en boucle ferm´e ` partir de la donn´e de la fonction e e a e de transfert en boucle ouverte.2.1. Dans le § VII. En effet.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII. les fonctions de sensibilit´.1. VII.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente.194 | | ANALYSE EN STABILITE DES SYSTEMES BOUCLES dB | | dB −180 K(jω )G(j ω) Φ o K(j ω)G(j ω) Φ o −180 stable instable Fig. e a e e e e .7 pour lequel les donn´es de l’exemple VII. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement. 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. nous avons d´fini un certain nombre e de transferts.2. 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.

15 ainsi d´finie a un sens. xK ) = (0. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat.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.2. .4 (stabilit´ interne) e Soient les repr´sentations minimales d’´tat de G et de K : e e K(p) : = AK BK CK DK G(p) : = A B C D −1 = 1 −K −G 1 u v e Pour v1 = v2 = 0. VII. il est n´cessaire de s’assurer que e e e la boucle de la figure VII. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII. e e ´ Definition VII.2.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre. 0) est asympe e e totiquement stable. On dit alors qu’elle est bien pos´e.2. e ´ Definition VII.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres.3 (bien pos´) e La boucle a contre-r´action de la figure VII. 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.

v sont stables asymptotiquement.conv([0.1023i -0. e ua e Exemple VII. e Script MATLAB 22 >> G=tf([10].9878 -3. ν2 aux sorties e e u.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.7). . >> L=G*K. >> pole(S) ans = -19.2326 . v) sont born´s.5p + 1)2 (0.05 1].conv([5 1].Test entr´e-sortie : la boucle ` contre-r´action de la figure VII. Pour tous les signaux e e d’entr´e born´s (v1 .21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.3 .05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII.conv([0. e e .[0.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.5 1]))). Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.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. les signaux de sortie (u.2.1 a .Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement. la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands. >> S=inv(1+L).2326 + 1.1.2.5 1]. v2 ). >> K=tf([1 1].2.196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII.2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.1023i .[2 1])).

>> [A.1023i 1. >> [AK.1.1434 -0..0000i >> KS=K*S.1434 -0.-D 1])*[zeros(1.1023i -0.CK.1023i 0.9878 -3.3) AK]+[B zeros(3.0000i 0. >> Abf=[A zeros(3.2)].5000 >> sysG=ss(G).zeros(2.0000 -1.1023i -1.2326 ..1035 >> GS=G*S.2326 .1434 -0.1023i -1.1).2000 + + - 1.1023i -0.C zeros(1.DK]=ssdata(sysK).0000 -19. >> pole(T) ans = -19.1035 -0. >> pole(GS) ans = -19.B. .2326 + 1..1035 -0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.9878 -3.0000 -2.2).2326 + 1. >> pole(KS) ans = -20.1. zeros(2.9878 -3.2326 -0. >> sysK=ss(K).C.2326 -2.D]=ssdata(sysG).3) -CK.1) BK]*inv([1 DK.1035 >> T=1-S.BK.

1023i -3. e ´ ` Theoreme VII.3015 ω Le syst`me est stable de mani`re interne.2. on obtient : e e max |K(jω)G(jω)| = 0.2326 . L’interconnection pr´sent´e e e figure VII.22) Remarques VII. 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.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII.2.1p + 10 En appliquant le th´or`me du faible gain.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.1023i -0.Ce r´sultat est moins fort que le th´or`me de Nyquist puisque l’on suppose la stae e e bilit´ la boucle ouverte et que ce th´or`me ne constitue qu’une condition suffisante.15. >> L=G*K.1 10]). . Cela peut e e ˆtre num´riquement lourd et l’on pr´f`re souvent appliquer une m´thode plus restrictive e e ee e mais aussi plus l´g`re ` mettre en oeuvre. e e e . >> K=tf([0.1.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.9878 -0.[1 1]).2. e e Exemple VII.2 .198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.2326 + 1.1434 -1.1p p+1 1 p2 + 0. e e >> G=tf([1].Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).1 0].4 On suppose que G(p) et K(p) sont asymptotiquement stables.[1 0.

le pic de r´sonnance Mr peut ´galement servir a cet effet.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. Dans le domaine temporel. la stabilit´ absolue e e e telle qu’elle peut ˆtre attest´e par le crit`re de Nyquist n’est pas l’unique indice pertinent.inf) ans = 0. VII. 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.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. j0) dans le plan de Nyquist. Un autre moyen e e de mesurer le degr´ de stabilit´ relative dans le domaine fr´quentiel consiste ` mesurer la e e e a distance du lieu de transfert en boucle ouverte au point critique d´fini comme le point e d’affixe (−1.4 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´. .16 – Courbe de gain dans Bode de L 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´.2. Dans le domaine e e e ` fr´quentiel. cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement.

cela indique l’augmentation que le gain peut e a accepter avant de devenir instable.2. e e e Im 1 |G| dB MΦ ωco 0 dB Φo Kg −1 MΦ ωco ω−180 Re Kg ω−180 −180 Nyquist Black−Nichols Fig. VII.25) (VII.6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.23) o` ωco est la pulsation de coupure a 0 dB (gain-crossover frequency) de la fonction de u ` transfert en boucle ouverte : L(jωco ) = 0 dB ´ Definition VII.3 Pour un syst`me ` minimum de phase.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black . Arg[L(jω−180o )] = −180o (VII.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency). La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.2.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.26) Remarques VII.2.

2. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25. >> margin(L) .18 – Marges de gain et de phase dans le plan de Bode Exemple VII. VII.4 On reprend l’exemple V. Bode Diagram Gm = Inf dB (at Inf rad/sec) .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(1.42 rad/s.3 et l’on rajoute un gain K0 = 100 dans la boucle. >> L=K0*G*K. >> K=tf([0.8 deg (at 4.2. >> K0=100.5 10]).[1 1]).1 0]. 8 deg pour ωco = 4.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 201 |G| dB 0 ω co ω -180 Kg ω rad/s Φο −180 MΦ ω co ω -180 ω rad/s Fig. Pm = 25.[1 0.

42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.20 – Plan de Nichols-Black . Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.449 Frequency (rad/sec): 4.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig.202 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Les marges pour ce syst`me sont ´galement repr´sent´es dans les plans de Nyquist et e e e e de Nichols-Black. VII.19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0. VII.00322 Phase (deg): −154 Frequency (rad/sec): 4.908 Imag: −0.

5 Imaginary Axis 0 −0.3 avec le mˆme gain K0 = 100 dans la boucle. VII.2. Une mesure plus objective est d´finie par la marge de module. ∆M = 1 1 = MS max |S(jω)| ω (VII.27) Im −1 ∆M 1 Re G(jω ) Fig.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig.21 – Marge de module dans le plan de Nyquist Exemple VII.5 1 0.2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises.5 On poursuit l’exemple V. Dans le plan de Nyquist.2.5 −1 −1.22 – Marge de module dans le plan de Nyquist . e Nyquist Diagram 2 1. 0) et tangent au lieu de transfert. c’est donc le rayon du cercle de centre le point critique (−1. VII.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte. e e ´ Definition VII.

6 dB. Script MATLAB 24 >> G=tf(1.2. >> Mod=inv(norm(S. >> S=inv(1+L).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 rad/s et Mr = 15. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII. VII.6 On poursuit l’exemple pr´c´dent.inf)) Mod = 0.1 0]. On trouve ωr = 3.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir.[1 0.14 Magnitude (dB): 15.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0. >> K0=100. e e Bode Diagram 20 System: L Frequency (rad/sec): 3. >> L=K0*G*K.[1 1]).6 (VII.23 – Pulsation de r´sonnance e .5 10]).40911. >> K=tf([0.2.8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII.

M-cercles et N-cercles Etant donn´ un asservissement ` retour unitaire.29) o` F (p) est la fonction de transfert en boucle ferm´e.ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ Definition VII. 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.25 – Lieu de Nyquist . 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.2.24 – Asservissement a retour unitaire ` L(p) est stable. VII. Nous examinons en premier lieu la m´thode pour e le plan de Nyquist. u e Ce coefficient est ´galement appel´ coefficient de r´sonnance ou coefficient de surtene e e sion. 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. VII. il s’agit de construire un abaque e a permettant de connaˆ des ´l´ments fr´quentiels de la boucle ferm´e ` partir du trac´ ıtre ee e e a e du lieu de transfert en boucle ouverte.

707. 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.33) . On note.2.30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. les lieux d’amplitude constante et de phase constante en boucle ferm´e.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). La bande e passante a −3 dB du syst`me en boucle ferm´e est la pulsation du point d’intersection du ` e e lieu de transfert avec le M-cercle M = −0. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII. culer pour chaque pulsation donn´e.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. e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII. l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist.34) o` N = tan(α).206 − → OA repr´sente L(jωA ).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. u e e ´ Definition VII. Ainsi. 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. . il s’agit de calL(jω) .10 (M-cercles et N-cercles) . 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. u A partir de ces M-cercles et de ces N-cercles.

67 0. VII.5 Re ω r (Mr = 2) M=0 Fig.5 −2 −1.5 30o (−150o) 36o 45 1 o 2 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 −1 −0.5 2.5 0 Re G 0.5 Fig.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.833 0.5 −1 −30o −2 −2.707 M = 1.5 Im G 0 −90o −60o −45o −1.5 60o 90o 0.707 0.2 1.5 2 2. VII.5 −36 o −0. Un exemple d’abaque est donn´ ` la figure VII.3 1.27 – Abaque des N-cercles .5 1 1.5 −2. e e ea 2.27.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.

92 Frequency (rad/sec): 3.64 Imag: 0.29 qui forment l’abaque de Hall-Nichols.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig. e ω = 2.2. on peut calculer des e e a points de la boucle ferm´e.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1. 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. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.7 En reprenant l’exemple pr´c´dent.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte. e . 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.375 Frequency (rad/sec): 2.62 rad/s ωr = 4. Ainsi ` partir de la figure VII.28.87 Imag: −1. il est ainsi possible de tracer un abaque ` e dans le plan de Nichols-Black afin de calculer le module et la phase de la boucle ferm´e e d’un asservissement a retour unitaire connaissant le lieu de transfert en boucle ouverte.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).208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII. VII.16 rad/s ω = 3.

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.29 – Abaque de Hall Exemple VII. VII.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.25 dB 0.25 dB 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 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) .2.

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 En produisant un zoom sur les fr´quences interm´diaires. il est alors possible de calculer e e la marge de phase. e e .5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.8 rad/s Nichols Charts 50 40 0 dB 30 0. e e Mφ = 60 deg ωco = 1. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance.210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2. e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es.5 dB ωr = 2.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0. la marge de gain.5.

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 0.5 dB 1 dB 3 dB 6 dB 0 dB −1 dB −3 dB −6 dB −12 dB −20 dB −40 dB 0 Open−Loop Gain (dB) −50 K = 2.25 dB Open−Loop Gain (dB) 10 −150 Open−Loop Phase (deg) −100 −50 .ANALYSE EN STABILITE DES SYSTEMES BOUCLES 211 Nichols Charts 50 K=5 0.25 dB 0.

35) L(jω)H(jω) 1 1 que l’on translate de en gain et de Arg 1 + L(jω)H(jω) |H(jω)| H(jω) . il faut calculer. (VII. 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase.2.212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII.4 Si l’asservissement n’est pas unitaire.

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

5.0 1].5 0 0       Script MATLAB 25 >> A=[-1 0 -2.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.5].1 0.02 −0.08 0. Le syst`me est instable.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.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.5 0 0 0 0 0.06 det(1+L(p) 0. u e e a Exemple VII.C=[0.04 −0.6 0. ´ ` Theoreme VII.2 0.B=[1 0.0 0 0.0 0 -4].5 0 0.3.04 Imaginary Axis 0.5 0 0. .3.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.06 −0.4 0.8 1 1. a e VII.02 To: Y(1) 0 −0.2 Soit l’asservissement a retour unitaire du type de la figure VII.08 0 0.3.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.0 -1 1.

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

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

Les sp´cifications de pere e e e formance pour un syst`me de commande peuvent ˆtre constitu´es de crit`res temporels e e e e relatifs au r´gime transitoire. Les performances d’un e e e syst`me dynamique doivent donc ˆtre d´finies et sp´cifi´es pr´cis´ment afin de faire une e e e e e e e analyse et une synth`se ad´quates du syst`me de commande. dans son ´tape de synth`se. e e e e 217 . Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me. 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.1 Introduction Un syst`me de commande est calcul´ afin de modifier les caract´ristiques du r´gime e e e e transitoire et celles du r´gime permanent du syst`me original et ceci dans le cadre d’une e e structure de commande a contre-r´action. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. Les sp´cifications de performance ne e e forment donc pas un ensemble rigide d’exigences mais doivent plutˆt ˆtre vues comme un o e moyen d’´tablir une liste de performances souhait´es. e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires. de crit`res fr´quentiels en relations plus ou moins ´troites e e e e avec ces derniers et de crit`res de pr´cision sur le r´gime permanent. des propri´t´s e e e ee du syst`me ` corriger et particuli`rement des limitations de performance inh´rentes ` ce e a e e a syst`me.

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

e .6) 1 (VIII.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).Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII.2.8) |K(jω)G(jω)| |T (jω)| ∼ 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ (r − w) et ∼ w. 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´. On en d´duit que : |S(jω)| 1 . e ω < ωb |S(jω)| 1 (VIII. e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w). e ωb < ωco (VIII.5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω).7) e Du fait que T + S = 1 et S = (1 + GK)−1 . Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb .SPECIFICATIONS FREQUENTIELLES 219 VIII.Pour que b ait peu d’influence sur y : |G(jω)S(jω)| . e 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.10) (VIII. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωco e d´finissant la bande passante de G. Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences.

ee e e (VIII.Pour que w ait peu d’influence sur y : |T (jω)| .15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .12) 1 (VIII.13) |K(jω)G(jω)| |T (jω)| 1 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ Gb et ∼ r − Gb.2.11) Une analyse identique a la pr´c´dente utilisant les relations alg´briques sur les fonctions ` e e e de sensibilit´ conduit a ´crire la sp´cification en hautes fr´quences : e `e e e ω > ωh |S(jω)| ∼ 1 (VIII.3 R´duction du bruit de mesure w e Les bruits sont usuellement mod´lis´s comme op´rant en hautes fr´quences : ω > ωh e e e e .220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.14) VIII.2. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .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. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII.

Si la e marge de phase souhait´e est 45o ..1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg.) Il 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.2.17) On en d´duit la r`gle des int´grateurs. 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. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´. L’erreur e e ee comme fonction du signal de r´f´rence s’´crit : ee e (p) = S(p)r(p) = r(p) 1 + K(p)G(p) (VIII. Une e e e eee e e plage de fr´quence primordiale pour l’´tude de la stabilit´ est celle d´finie par : e e e e ωco ≤ ω ≤ ω−180o On rappelle que : ωco : |L(jωco )| = 1 (VIII. on obtient. e .18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive.2. e VIII. e Exemple VIII. il faut avoir Φ = −135 deg et donc dans cette r´gion. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes. une contrainte e e |L(jωco )| < 1 alors que l’imp´ratif sur la rapidit´ de la r´ponse implique une bande pase e e sante suffisamment grande. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. e la pente ne peut exc´der −30 dB/dec. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).SPECIFICATIONS FREQUENTIELLES 221 Le suivi de r´f´rence pose le probl`me plus sp´cifique de la pr´cision du syst`me en ee e e e e r´gime permanent.16) En appliquant le th´or`me de la valeur finale.2.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p). rampe.5 Comportement aux fr´quences interm´diaires e e Condition de roll-off Les sp´cifications pr´c´dentes ont ´t´ ´labor´es en basses et hautes fr´quences. e e e ´ ` Theoreme VIII. 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.

ωB = ωBT .2. la bande passante est un indicateur de performance particuli`rement important.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0. Au del` de ces pulsations.1 .21) (VIII. e e e C’est une ´tape importante dans l’´tape de mod´lisation. e Remarques VIII. pour les pulsations e e inf´rieures ` ωB . on a alors : e e ωB < ωco < ωBT (VIII.. la commande est effective et am´liore les performances. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg.707 = −3 dB 2 (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.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me. ωBT ]. e ´ Definition VIII.La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.22) VIII. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me. La condition de roll-off est alors que L(jω) doit avoir un roll-off de 1 dans la r´gion de e a ωco et au minimum de 2 au del` de cette pulsation.2. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB .2.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII. 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 .19) Dans la majorit´ des cas.20) (VIII. e e . Dans le cas contraire.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.

SPECIFICATIONS FREQUENTIELLES 223 la repr´sentation fr´quentielle des fonctions de sensibilit´ ou a la fonction de transfert en e e e ` boucle ouverte L(p).pente sup´rieure ` −20 dB/decade aux hautes fr´quences (ω ≥ ωh ) pour le e a e filtrage des bruits e e . VIII.pente aux basses fr´quences (ω ≤ ωb ) d´finie par le mod`le de la perturbation e b(p) e e 3. |L(j ω)| dB 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 − perturbation d − suivi de référence − règle des intégrateurs ωb ω co − condition de roll−off ωh 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 − bruit de mesure 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 ω Fig.pente de −20 dB/decade autour de ωco pour satisfaire la condition de roll-off . R´aliser un compensateur remplissant de telles exigences e e e est appel´ faire la synth`se d’un correcteur par loopshaping. La courbe de gain dans e e Bode de la boucle ouverte L(jω) = K(jω)G(jω) prend classiquement la forme suivante. 1. 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 d’une pulsation de coupure ωco pour r´pondre aux imp´ratifs de stabie lit´ en termes de marge de phase et de gain.sp´cification du nombre d’int´grateurs dans L(p) par la r`gle des int´grateurs e e e e 2. e e e la fonction de transfert en boucle ouverte L(jω) = K(jω)G(jω). e . Si l’on souhaite travailler uniquement sur cette derni`re.sp´cification de la pente de la courbe de gain en boucle ouverte |L(jω)| sur certaines e plages de fr´quence : 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.

une marge de gain Kg = 2.9588 dB (at 0.25) (VIII.20372 rad/sec) 10 0 −10 Phase (deg).41231 rad/sec).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.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.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0. a e e .448 deg.5.41 rad/s.224 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES L’int´rˆt de sp´cifier les performances par loopshaping provient principalement de la ee e simplicit´ de l’expression de la boucle ouverte comme fonction du compensateur K(p) e puisque : L(p) = K(p)G(p) (VIII. e e e e e Exemple VIII. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples. e e e .3 – Courbe de gain de G(p) . VIII.2 rad/s. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII.24) Ce mod`le poss`de les caract´ristiques suivantes. ωco = 0.2. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig. (at 0.1 rad/s. Pm=48.5 deg. Bode Diagrams Gm=7.5 et des pulsations de coupure ω−180o = 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 = 48.23) 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.

33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s. e .SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes.1 rad/s.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII. On obtient donc.26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII.30) .5 Hz doit ˆtre filtr´.Le bruit de mesure intervenant au del` de 0.Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration. L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII. L0 (p) = −2p + 1 p(2p + 1)(0.1 rad/s.5 rad/s et β = 0. |Gb (jω)| ∼ 0 dB.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.29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0. Cela permet de choisir ωb = 0.27) Pour ω = 0. e e e 225 . 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.33p + 1) (VIII. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e . Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation.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.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) = . e ` e .

ω−180o = 0.15 et a ` une pulsation de coupure ωco = 0.95 rad/s 60 40 20 0 Phase (deg).226 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES dont on fait le trac´ dans Bode pour obtenir la marge de phase et de gain : e Mφ = −52 deg et des pulsations de coupure. e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0.2 rad/s.92 . VIII.44 ωco = 0. On obtient alors : L(p) = 0. e e .43 rad/s Bode Diagrams Kg = −0.15(−2p + 1) p(2p + 1)(0.4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.31) Le trac´ de Bode d’une telle boucle ouverte conduit ` calculer une marge de phase e a et une marge de gain : Mφ = 54 deg Kg = 2. Magnitude (dB) −20 −40 −60 L(p) L0(p) G(p) 0 G(p) L(p) −100 −200 −300 L0(p) 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.33p + 1) (VIII. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte.

SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0.4 0.15(10p + 1)(5p + 1) p(2p + 1)(0.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg). VIII.33p + 1) (VIII.) 42 56 70 0 5 10 15 20 Time (sec.) 25 30 35 40 Fig.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).2 0.8 0.44 rad/s Bode Diagrams 227 ωco = 0.8 0.5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le. Magnitude (dB) Lf(p) −50 0 G(p) L(p) −100 −200 −300 L (p) L (p) f 0 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig. VIII. e e e Step Response Step Response 1 1 0.6 – R´ponses indicielles e . on obtient un compensateur ´gal a : e e e ` K(p) = 0.6 Amplitude Amplitude 0.6 0.2 0 0 0 14 28 Time (sec.4 0.

) 40 50 60 Fig. Des valeurs de MS et de MT grands indiquent une faible performance du ee syst`me ainsi qu’une faible robustesse vis a vis des perturbations pouvant l’affecter.2 0. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.2 0 0 0 14 28 Time (sec.8 0.4 0. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.8 0. VIII. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me.6 Amplitude Amplitude 0.33) MT = ||T ||∞ = sup |T (jω)| ω ` MS et MT correspondent a un pic de la courbe de gain de chacun des transferts consid´r´s. e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires.34) MT ≤ 1.6 0.7 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.) 42 56 70 0 10 20 30 Time (sec.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´.7 – R´ponses a une perturbation en ´chelon e ` e VIII.2.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.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.4 0. En effet. e e e Step Response Step Response 1 1 0.35) .

2.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.39) Remarques VIII.2.une erreur maximale de position en r´gime permanent A e 3. 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.3 La derni`re sp´cification permet d’´viter l’amplification du bruit aux hautes fr´quences e e e e et introduit une marge de robustesse. e e e e e ∆M = 1 MS 229 (VIII. 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. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII. Un choix usuel est MS = 2.le modelage de S sur certaines plages de fr´quences e 4.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.707 2.SPECIFICATIONS FREQUENTIELLES Remarques VIII.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0.2.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme. 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.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.

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

2.8 ωB = 0. e e la boucle ouverte vaut : L(p) = 0.SPECIFICATIONS FREQUENTIELLES .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. Script MATLAB 26 >> M=1.3 0.conv([2 1 0].3 On reprend l’exemple utilis´ pour le loopshaping de la section III.2. >> S=inv(1+L).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. >> bodemag(S.8. Apr`s loopshaping.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.05.5.1/Wp) >> grid A=0 .Omega_B=0.4 Afin d’am´liorer les performances.2.15(−2p + 1) p(2p + 1)(0. 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.15].2. elle est ´gale a M ≥ 1 e e ` .42) Exemple VIII.[0. >> L=tf([-0.aux hautes fr´quences.33 1])). Il e e a e est ` noter sur la figure VIII. >> Wp=tf([1/M Omega_B].[1 0]).

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

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

9.45) KSy = K(1 + GK)−1 Sy G = (1 + GK)−1 G Il est ` noter que la diff´rence fondamentale avec les asservissements monovariables a e vient de la non identit´ des sensibilit´s et sensibilit´s compl´mentaires en entr´e et en e e e e e sortie Sy = Su et Ty = Tu . En fait. seul l’outil e e math´matique est r´ellement diff´rent. e e e e ee . ´ Definition VIII. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII. Afin de ne pas alourdir ce document.46) (VIII. ´ ´ Proprietes VIII. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII. VIII.3.3.9 est compl`tement caract´ris´ par les fonctions de transe e e e fert : Sy = (1 + GK)−1 Su = (1 + KG)−1 Ty = (1 + GK)−1 GK Tu = (1 + KG)−1 KG (VIII.9 – Asservissement et fonctions de sensibilit´s e s(p) = (1 + GK)−1 Gb(p) + (1 + GK)−1 GK(r(p) − n(p)) ζ(p) = (1 + GK)−1 r(p) − (1 + GK)−1 Gb(p) + (1 + GK)−1 GKn(p) u(p) = K(1 + GK)−1 (r(p) − n(p)) − K(1 + GK)−1 Gb(p) Les relations de bouclage pr´c´dente permettent de d´finir les 6 transferts caract´risant e e e e l’asservissement VIII.3 Sp´cifications de performance e Les sp´cifications de performance sont ´tablies tr`s sensiblement de fa¸on identique e e e c pour les syst`mes multivariables et pour les syst`mes monovariables.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig.3.

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

un pic sup´rieur a 1 autour de la pulsation de coupure ωB e ` ω ∼ ωB Sp´cifications de performance e Nous r´sumons maintenant l’ensemble des sp´cifications que l’on peut exprimer a e e ` l’aide des valeurs singuli`res.41 .R´duction d’´nergie de commande u et ν faibles : KSy . la pire direction est choisie ωσ(S)=0. En effet.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 .236 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Si l’on souhaite associer un unique indicateur pour la bande passante. ´tant donn´ le filtre choisi.Suivi de r´f´rence et r´jection de perturbations : Sy et Sy G faibles ou L grande ee e σ(Wp Sy (ω)) < 1 ∀ ω ⇔ ou σ(L) grand 0 ≤ ω ≤ ωB . Tu et Su faibles e e σ(Wu KSy (ω)) < 1 ∀ ω ⇔ ou σ(K) faible 0 ≤ ωB ≤ ω . le trac´ des valeurs sinee e e e guli`res min et max de S doit donc suivre un gabarit : e . Pour un bon suivi de r´f´rence. 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).∼ 1 aux hautes fr´quences e ω > ωB σ(S) ∼ 1 σ(S) 1 . e σ(L) − 1 ≤ 1 ≤ σ(L) + 1 σ(Sy ) 0.7 .faible ` basses fr´quences a e ω < ωB .41 ≤ σ(S) ≤ 2.

2 (contraintes alg´briques sur les sp´cifications) e e Les sp´cifications pr´c´dentes sont contraintes par les relations alg´briques inh´rentes ` e e e e e a la d´finition de S et de T .11 – Valeurs singuli`res typiques du gain de boucle e Remarques VIII. 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. e |1 − σ(S)| ≤ σ(T ) ≤ 1 + σ(S) |1 − σ(T )| ≤ σ(S) ≤ 1 + σ(T ) .3.

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

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´. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. e e e W. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs. Il publie Control system Dynamics e e en 1954. la o e localisation des pˆles en boucle ferm´e varie ´galement. Quand le gain de la boucle varie. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. 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. a Il est l’inventeur du spirule.240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e. 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. e e e e Il obtient son diplˆme de Bachelor of Science en g´nie ´lectrique de o e e l’universit´ de Washington a Saint Louis en 1941. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. e . Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. 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.R. 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. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. En 1948. Il est donc important de connaˆ o e e ıtre la variation de ces racines (pˆles en boucle ferm´e) en fonction de la variation de K. division de ` a ee North American Aviation (maintenant Rockwell International) o` lors d’un enseignement u lui vient l’id´e de la m´thode du lieu des racines. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). Il meurt le 10 juillet 1999. Evans a d´velopp´ une m´thode graphique en 1948.

IX. r + − ζ G(p) F(p) y Fig. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.2.7) . 2.5) Remarques 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.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.1 Les valeurs de p telles que les deux conditions IX. Dans la majorit´ des cas.6 sont v´rifi´es.4) (IX.2. e e e . · · · ) .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.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement. e e o e ´ Definition IX.2 IX.2.2 – 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.2.Condition d’amplitude : |G(p)F (p)| = 1 (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.5 et IX. IX.6) (IX. CONSTRUCTION DU LIEU D’EVANS 241 IX. 1.

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. IX. r + − ζ K u G(p) y Fig. 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. nous reprenons le sch´ma e e e a e d’asservissement initial.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.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.4 – Exemple .3 – Mesure des angles et des amplitudes IX.2.

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. il y a autant de branches au lieu des racines qu’il y a de pˆles en boucle o ferm´e. −1. 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.Etape 1 : factorisation de l’´quation caract´ristique. e m branches finies Exemple 1 : . 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.12) . −2 o e n − m branches infinies .11) e e Exemple 1 : la fonction de transfert G1 (p) est ´crite sous forme factoris´e donc l’´quation caract´ristique factoris´e est e e e 1 + G1 (p) = 1 + Exemple 2 : 1 + G2 (p) = 1 + K(p + 2) K(p + 2) √ √ =1+ 2 + 2p + 3 p (p + 1 − j 2)(p + 1 + j 2) (IX. e e K→0 lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX.3 pˆles en boucle ouverte et en boucle ferm´e. K→+∞ lim K [(p + z1 )(· · · )(p + zm )] + [(p + p1 )(· · · )(p + pn )] (IX.13) K p(p + 1)(p + 2) (IX. Si ce nombre est ´gal au nombre de pˆles en boucle ouverte.14) Les points de d´part du lieu des racines en boucle ferm´e sont donc bien les pˆles e e o en boucle ouverte. 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 → ∞). 0. 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.10) (p + 2) G2 (p) = 2 p + 2p + 3 .Etape 2 : localisation des pˆles et des z´ros de la boucle ouverte dans le o e plan complexe. De plus.CONSTRUCTION DU LIEU D’EVANS o` pour les deux exemples : u G1 (p) = 1 p(p + 1)(p + 2) 243 (IX.

· · · ) (IX. o e ` e Pour chaque portion de l’axe r´el ` tester. − 2] et [−1 . Il y aura donc trois branches o e e infinies. e Exemple 1 : les segments ] − ∞ . e Si le lieu des racines a des asymptotes alors. 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. .16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte.Le polynˆme caract´ristique est de degr´ 3. o e e . −2 e .L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0. −1 ± j 2 o .Pas de z´ros e . Exemple 1 : puisque n − m = 3.toutes les asymptotes ont un point d’intersection commun situ´ sur l’axe r´el e e en : n m pˆles − o σa = i=1 i=1 z´ros e (IX. Il y aura donc 1 branche finie o e e et une branche infinie.Une branche du lieu peut ou non traverser l’asymptote correspondante.Il y a deux pˆles en boucle ouverte.2 . .Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el. − 2] appartient au lieu des racines.Le polynˆme caract´ristique est de degr´ 2. prendre un point test. 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. 0] appartiennent au lieu des racines.Les asymptotes indiquent le comportement pour |p| 1. il y a n´cessairement 3 branches infinies.Il y a un z´ro.18) .244 ANALYSE PAR LE LIEU DES RACINES . Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´. Exemple 2 : le segment ] − ∞ .2. 2.Etape 4 : d´terminer les asymptotes au lieu des racines. e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX. 1. .17) Remarques IX. . Exemple 2 : √ .

22) (IX.3 .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. u dK = −3p2 − 6p − 2 = 0 dp (IX. e e ` e . On suppose que le polynˆme caract´ristique s’´crit. e Ces points sp´cifiques appartiennent a l’axe r´el ou existent sous la forme d’une e ` e paire de pˆles complexes conjugu´s. Si K > 0.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines.23) d’o` K = −p3 − 3p2 − 2p.21) Remarques IX. e e 2.24) . On obtient donc. Si les rae e e cines sont r´elles.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. o e e B(p) + KA(p) = 0 alors. ce point appartient au lieu des racines. Dans le cas come e plexe.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.21). 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.D´terminer les racines r´elles et complexes de cette ´quation. 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.20) . e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1.Calculer l’´quation alg´brique (IX. on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX. cette v´rification est simplement graphique.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. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante.19) Exemple 2 : on a n − m = 1. e e e 3.

(IX. Exemple 2 : l’´quation caract´ristique s’´crit. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles.26) p2 + 2p + 3 p+2 (IX.30) √ ω = 0 ou ω = ± 2 (IX.4226. .27) (IX. e . e e e K=− d’o`. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0. e e e e K − 3ω 2 = 0 2 (IX. K = 6). 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 > 0.25) On a donc encore deux solutions −0. 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.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire.28) K=6 (IX.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.5774 o e e et −0. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en.2679 et −3.

sur l’exemple 2.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig.4 Dans certains cas particuliers.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par. e e √ Exemple 2 : il y a deux points de d´part complexes.5 – Exemple 2 : calcul des angles de d´part e Remarques IX. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles.3. On obtient.CONSTRUCTION DU LIEU D’EVANS 247 . il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle. en e ´crivant l’´quation caract´ristique pour p = σ + jω. −1 ± j 2.2. e e e Φ = 180o − i Φi + j θj (IX. e o e Θ = 180o − i θi + j Φj (IX.35) . e e e e (σ + 2)2 + ω 2 = 3 (IX. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes. IX. Ainsi.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.33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. on obtient l’´quation.

>> rlocus(G2).5 −1 −1. 2 1.5 −1 −0.Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1.[1 2 3]).5 1 1.6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].5 2 Fig.248 .5 Real Axis 0 0. IX.5 Imag Axis 0 −0.5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig. IX.[1 3 2 0]). >> rlocus(G1). 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2.7 – Exemple 2 .5 1 0.5 −2 −1.

89 0.5 0.7 + 1.5 Imaginary Axis System: G2 Gain: 1.39 |p + 3| p=−1.3 IX.3.95 1 0.39 Pole: −1. e e e e e Exemple IX. a e En appliquant la condition des gains a l’´quation caract´ristique.986 −1 −1.4 rad/s.5 0.38 −0.3.5 −4 −3. a Root Locus 2 0.54 −1 0.5 0 4 3.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.7+j1. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.` ´ IX.34 Frequency (rad/sec): 2.7i Damping: 0.68 −1.5 3 2.8 −2.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.707 Overshoot (%): 4. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.89 −2 −4.1 Analyse des syst`mes boucl´s par le lieu d’Evans e e R´glage du gain e Une des op´rations basiques de correction consiste a r´gler le gain de boucle K afin e ` e d’avoir un amortissement donn´ pour les pˆles en boucle ferm´e et fix´ par l’angle d’amore o e e tissement Ψ.5 0. on obtient.5 2 1.8 0.95 0.707.5 −0.7.54 0.3.5 −3 0.5 0.4 . ` e e K= |p2 + 2p + 3| = 1.18 1.18 0 Fig.8.986 0.8 – R´glage du gain et amortissement e . IX.68 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 = 0.7±j1.5 Real Axis −2 0.38 0. Cela conduit a choisir : e e ` cos Ψ = 0.707 Ψ = 45o (IX.5 1 0.5 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 (IX.

Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX.3. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue. l’´quation suivante doit e e ˆtre r´solue : e e 1+ K(jω + 2) =0 jω(jω − 1)(36 − ω 2 + 6jω) Cela conduit ` r´soudre le syst`me d’´quations r´elles : a e e e e 2K + ω 4 − 30ω 2 = 0 ω(K − 36 − 5ω 2 ) = 0 Les solutions en sont donn´es par : e √ K1 = 86 − 5 28 √ K2 = 86 + 5 28 ω1 = ω2 = 10 − 10 + √ √ 28 rad/s 28 rad/s Ces syst`mes posent des probl`mes en pratique puisqu’ils peuvent devenir instables e e pour une variation non pr´vue de la valeur du gain.3. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet. e Exemple IX.2 Syst`mes ` stabilit´ conditionnelle e a e Une autre caract´ristique int´ressante du lieu des racines est de faciliter l’analyse e e graphique des syst`mes conditionnellement stables.2 (dynamiques longitudinales d’un avion avec autopilote) Soit l’asservissement a retour unitaire dont la fonction de transfert en boucle ouverte est ` donn´e par : e KG(p) = K(p + 2) p(p − 1)(p2 + 6p + 36) (IX.9. Pour v´rifier cela. >> rlocus(G).conv([1 -1 0].38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote.250 ANALYSE PAR LE LIEU DES RACINES IX. >> sgrid . e e Script MATLAB 27 >> G=tf([1 2].[1 6 36])).

94 2 Imaginary Axis 2 System: G Gain: 61.23i Damping: 0.5 0. IX.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.94 0 −2 −4 4 0.17 0.89 10 6 0.0015 − 2.9 4 Frequency (rad/sec): 3.23 2 0.28 0.5 0.9 – Syst`me ` stabilit´ conditionnelle e a e .38 0.8 4 0.8 Frequency (rad/sec): 2.17 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.0017 + 3.38 0.08 8 System: G Gain: 112 6 Pole: −0.64 8 0.000437 Overshoot (%): 99.8 −6 6 −8 0.08 8 10 0 1 2 Fig.5 Pole: −0.89i Damping: 0.000674 Overshoot (%): 99.28 0.

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

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

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

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

le produit d’une impulsion δ(t − t0 ) par une fonction f (t) born´e et contie nue en t0 est l’impulsion d’aire f (t0 ) en t0 : +∞ f (t)δ(t − t0 ) = f (t0 )δ(t − t0 ) ⇔ −∞ f (t)δ(τ − t0 )dτ = f (t0 ) (A.256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac. u x(t)e−pt dt (A.1.6) 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).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. il est ´galement possible de d´finir e e e un train d’impulsions ou peigne de Dirac de p´riode T par : e δT = δ(t) + δ(t − T ) + δ(t − 2T ) + · · · + δ(t − nT ) + · · · δ(t) 1 (A.5 – Peigne de Dirac Finalement. annexe A4).1.1.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.8) −∞ .2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf. D´finition de la transform´e de Laplace e e ´ Definition A. e ` A.7) 0 Remarques A.1. 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. Pour les e signaux causaux qui sont l’objet de ce cours. b) ∈ R2 D´rivation e L[ Cela se g´n´ralise ` : e e a L[ Int´gration e t (A.Cette d´finition suppose que l’int´grale est convergente.13) Th´or`me de la valeur initiale e e t→0+ lim x(t) = lim pX(p) p→∞ (A.14) Th´or`me de la valeur finale e e p→0 lim pX(p) = lim x(t) t→∞ (A.9) o` p = σ + jω et σ est l’abscisse de convergence. les deux transform´es e co¨ ıncident. Lin´arit´ e e L[ax(t) + by(t)] = aX(p) + bY (p) ∀(a.SIGNAUX DETERMINISTES 257 qui n’est rien d’autre que la transform´e de Fourier du signal avec p = jω.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. x(t) = 0 si t < 0. Nous utiliserons ainsi la notation unique de (A.10) dx(t) ] = pX(p) − x(0) dt (A.11) d(n) x(t) ] = pn X(p) − pn−1 x(0) − · · · − x(n−1) (0) dtn (A.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.15) .12) L[ a x(τ )dτ ] = X(p) p (A. La transform´e de Laplace inverse u e est rarement calcul´e ` partir de (A. . e e .

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

il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .2.2.´ 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 +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.1 La transform´e de Fourier e D´finition e ´ Definition A.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.28) .2. LA TRANSFORMEE DE FOURIER 259 A.2.1 (transform´e de Fourier) e La transform´e de Fourier d’une fonction x(t) est une fonction de la pulsation d´finie e e par.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). e A. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A.2 A.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A. +∞ 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.29) x(t)2 dt = 1 2π +∞ −∞ |X(ω)|2 dω (A.30) .

´ Definition B. · · · . les vecteurs x. Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 . L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 . y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus. λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire.1. · · · . xm ∈ Rm .1. · · · . · · · . ee ´ Definition B.1.1 (Ind´pendance lin´aire) e e Soit un ensemble de vecteurs x1 . 261 .2 (espace engendr´ par un ensemble de vecteurs) e n Soit (x1 .1.3 (produit scalaire) Le produit scalaire de deux vecteurs x. xm ) est l’ensemble engendr´ par ces vecteurs. xm ) ∈ R . e e ´ Definition B.1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire. y sont dits orthogonaux ssi x y = 0. norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn .1 B. ils sont dits lin´airement d´pendants.Annexe B Rappels d’alg`bre lin´aire e e B.

j i.||B|| Exemple B.||e|| 4.4 (norme) Une norme est une fonction . e e e e ´ Definition B. ||αe|| = |α|.1.1.1 (In´galit´ de Cauchy-Schwartz) e e ||x y|| ≤ ||x|| ||y|| Il y a ´galit´ si x et y sont lin´airement d´pendants.∀ e1 .2 1 −2 0 6 |aij |2 = i.6 (condition de consistence) ||A|| est une norme matricielle si elle v´rifie en plus des propri´t´s ´l´mentaires la propri´t´ e e e ee ee multiplicative : ||AB|| ≤ ||A||.1. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.∀ e ∈ E : ||e|| ≥ 0 2. e2 ∈ E.1.5 (p-norme d’un vecteur) e Soit e ∈ Rn .∀ α ∈ R.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1. ∀e ∈ E.1.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B. la p-norme de e est d´finie comme :       n 1/p |ei | i=1 p pour 1 ≤ p < ∞ ||e||p =     max |e | pour p = ∞  i 1≤i≤n Exemple B.j A= ||A||sum = i.1.j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e . d´finie sur un espace vectoriel E.||e|| = 0 ⇔ e = 0 3.

Les valeurs propres de (cI + A) sont c + λ1 .Les valeurs propres de A sont ´gales aux valeurs propres de A .2 Valeurs propres et valeurs singuli`res e ´ Definition B.1.9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B.10 (D´composition en valeurs singuli`res) e e l×m peut ˆtre factoris´e ` l’aide d’une d´composition en valeurs singuli`res : e e a e e A∈ C A = U ΣV H U ∈ Cl×l U H = U −1 V ∈ Cm×m V H = V −1 Σ est form´e par une matrice diagonale des valeurs singuli`res σi dans l’ordre d´croissant.l ≥ m: Σ= diag(σ1 . λn sont les valeurs propres de A. e e e .1. Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes.1. σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B.1. On associe a chaque valeur propre λi .2 .Les valeurs propres de Ak sont λk .1. · · · . · · · . ee u .1. .Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux.8 (rang d’une matrice) : Rn → Rm . Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A). e ´ Definition B.7 (norme induite) ||Ae||p = max ||Ae||p = max ||Ae||p ||e||p ≤1 ||e||p =1 ||e||p 263 ||A||ip = max e=0 Exemple B. Elle sera dite de rang plein si : e e rg(A) = min(n.1. m) 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) = 6.1.3326 valeur singuli`re maximale e ´ Definition B. λk .` ´ ´ ´ B. · · · c + λn o` λ1 . · · · . 1 n .

max{σ(A) .3 . ||A||i1 .1.264 . A ∈ Rn×n est sym´trique.σ(A)σ(B) ≤ σ(AB) . e ´ ´ Propriete B. m) ≥ rg(A) = q. · · · .σ(AB) ≤ σ(A)σ(B) .4 (A ∈ Cn × Cm ) .σ(A) ≤ |λi (A)| ≤ σ(A) . σq ) 0l×m−l avec σ = σ1 ≥ · · · ≥ σq = σ > 0 et min(l.5 (matrices sym´triques) e . ||A||i∞ } ≤ ||A||sum B. e .σ(A) ≤ ≤ σ(A) ≤ √ m||A||i1 . · · · . .1. · · · . m)σ(A) ||A||i1 ||A||i∞ √ .√1m ||A||i∞ ≤ σ(A) ≤ n||A||i∞ 1 √ ||A||i1 n . ´ ´ Propriete B. not´ ρ(A) est d´fini par : e e e ρ(A) = max |λi | i = 1.σ(A) − 1 ≤ σ(A + 1) ≤ σ(A) + 1 ´ Definition B.1.l ≤ m: Σ= RAPPELS D’ALGEBRE LINEAIRE diag(σ1 .1. ||A||F . i = 1.Les valeurs propres de A sont r´elles.11 (rayon spectral) Le rayon spectral d’une matrice carr´e A.σ(A) ≤ ||A||F ≤ min(n.3 Matrices sym´triques e Dans cette partie.1. n alors : n A= i=1 λi xi xi . e a e e a .Les vecteurs propres associ´s ` des valeurs propres distinctes sont orthogonaux.σ(A−1 ) = 1/σ(A) .Si l’on normalise les vecteurs propres xi : ||xi || = 1. n λi ´ ´ Propriete B.Une base orthogonale de Rn peut ˆtre form´e ` partir des vecteurs propres de A.σi (A) − σ(A) ≤ σ(A + B) ≤ σi (A) + σ(B) .

RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE 265 .Soit A ∈ Rm×n .λ1 ||y||2 ≤ y Ay ≤ λn ||y||2 ∀ y = 0 ∈ Rn . · · · . alors A A ≥ 0. .1. . · · · .Soient A = A ∈ Rnn . x1 . e e e .CNS 1 : A > 0 ⇔ λ1 . . . A A > 0 ssi la matrice A est de rang plein.CNS 2 : A > 0 ssi les mineurs principaux de A sont strictement positifs. xn . De plus. (A1/2 )−1 = A−1/2 .Si A est non n´gative alors il existe une racine carr´e de A not´e A1/2 .A1/2 est inversible ssi A est inversible.` ´ ´ ´ B. .||A|| = ρ(A) = max {|λi |. |λn |} est une norme matricielle induite par || • ||. ´ Definition B.L’inverse d’une matrice d´finie positive est d´finie positive. e e . les valeurs propres et vecteurs propres respectivement associ´s avec ||xi ||2 = 1 alors : e .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.A−1/2 A−1/2 = A−1 . .6 .A1/2 A = AA1/2 .1.1. λ n > 0 . λ1 ≤ λ2 ≤ · · · ≤ λn .

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

. ce qui e e e donne.4) La seconde m´thode utilise la transform´e de Laplace et la formule suivante : e e Il suffit alors d’inverser la matrice (p1 − A). . . . .. 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 ··· .2. .. . . . eλn−1 t . ··· ··· ··· . . ··· ··· ··· . . . ··· . . 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. v2 = [0 1 2] . . Alors. .2. ··· . ..1 Soit la matrice  0 1 0 1  A= 0 0 1 −3 3 πp (p) = (p − 1)3  Le polynˆme caract´ristique de cette matrice est : o e 1 est donc valeur propre multiple d’ordre 3 (multiplicit´ alg´brique). eλn t B. .   1  1  v1 = (1 − A)v2 = 1 On choisit alors le dernier vecteur propre ind´pendant w = [0 0 1] et l’on a la matrice e de passage. .   1 0 0 P = 1 1 0  1 2 1 . . .2 Utilisation de la transform´e de Laplace e eAt = L−1 [(p1 − A)−1 ] (B. .CALCUL DE LA MATRICE DE TRANSITION D’ETAT eAt  t2 λ1 t e 2 λ1 t 267         ···   −1 P      ···     (B. . . . 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. ∂f (x) ∂xn 269 .1   ∇f (x) =  ∂f (x) ∂x1    .1.1 Rappels de calcul diff´rentiel e ´ Definition C.1. .La notation f (x) = O(x) signifie que f (x) tend vers 0 au moins aussi vite que x : ∃K≥0 | f (x) ≤ K quand x → 0 x .La notation f (x) = o(x) signifie que f (x) tend vers 0 plus vite que x : ∃K≥0 | f (x) → 0 quand x → 0 x ´ Definition C.1 (notations de Landau) Soit f : Rn → R.Annexe C Rappels d’Analyse C. .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.

e ´ Definition C.1.1.1.∀ y ∈ V(x). 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C.Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 .6 (matrice Hessienne) e e Soit f : Rn → R. m) est diff´rentiable (resp. . · · · . On d´finit la matrice Hessienne de f not´e e ∇2 f (x). ´ ` Theoreme C.1.1 (composition de fonctions) Soit f : Rk → Rm et g : Rn → Rm deux fonctions C 1 et h = gof alors : ∇h(x) = ∇f (x)∇g(f (x)) ∀ x ∈ Rk ´ ´ Propriete C. La matrice gradient de f en x. ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = .1.∀ y ∈ V(x).4 (fonction C 1 ) Si une fonction f est diff´rentiable sur un ensemble ouvert S ⊂ Rn et que le gradient e ∇f (x) est une fonction continue alors f est dite C 1 sur S.1.1.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp. C 1 ).1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert. une fonction C 1 en x. ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x).2 (formulaire de d´rivation) e . 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 . .270 RAPPELS D’ANALYSE ´ Definition C. la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C. · · · . C 1 ) si chaque composante fi (i = 1.3 La fonction f : Rn → R est dite diff´rentiable sur un ensemble Q ⊂ Rn si elle est e diff´rentiable en tout point de Q. . ∃ α ∈ [0.

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

t) ≥ 0 Exemple C. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive.Cas particulier important : la forme quadratique V (x) = x P x. t) > 0 e e 2.V (x. t) est (semi) d´finie positive (n´gative). 1 e .1 (fonctions d´finies positives) e e 1.Si une fonction V (x.Une fonction scalaire V (x.3 e .2. V (x. t) > 0 Exemple C.Une fonction scalaire V (x.2.2 (fonctions semi d´finies positives) e e 1.V (t.2. t) = 0 2 − ∀ x = 0 ∈ Br V (x. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.2. si P est une matrice (semi) d´finie positive (n´gative). t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative. t) = tcos(x1 ) est une fonction localement semi d´finie positive. x2 ) = x2 + sin2 (x2 ) est d´finie positive localement. t) est (localement).Une fonction scalaire V (x. t) ≥ 0 e 2.Une fonction scalaire V (x. x1 .2. 1 2 ´ Definition C. t) est e e (localement) (semi) d´finie positive.V (x. 1 . t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0. 2 e e .272 RAPPELS D’ANALYSE C. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0.2 Rappels sur les fonctions d´finies positives e ´ Definition C. (semi) d´finie n´gative alors −V (x. t) = t2 x2 est une fonction semi d´finie positive. t) = 0 2 − ∀ x = 0 ∈ Br V (x. 1 Remarques C.V (x. 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 localement semi d´finie positive s’il existe Br : 1 − V (0. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.1 1.V (x) = x1 x2 + x2 est une fonction ind´finie.1 e . e 2. x ∈ Rn avec e e P = P .2 e . e . e e Exemple C.2.V (x.

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

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

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

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

. . . e Pˆles et z´ros d’un mod`le LTI . .5. .2 Servom´canisme hydraulique . . . . . . . . . . . . . . . .1 Contrˆle d’attitude d’un satellite . . . . . . . . . . . . . . . . . . Bref album chronologique . . . . . .7. . . . . . . . . . . . . . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat . . . . . . . . . . . . . .3 II. . .2 Les z´ros . . . .4 . . . . o e I. . o I. . . . . . . . . . .4. . . . . . . e I. . .6 II. . . . . . e e e e II. . . . . .3. . . . . .1 R´gulation de temp´rature dans un four . .1 I. . . . . .2 II. . . e Les mod`les graphiques . .5. . . . . . . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . . . e e II. . . . . . . . . . . . . .7. . . . . . . . . . . e Exemples de syst`mes de commande modernes . . . . . e e I. . . . .4.4 Le cas particulier des syst`mes SISO . . . e e e II. . . . . e e II. . . . .4. . . .4. . . . . e Approximation lin´aire des syst`mes physiques .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . . . . . .4. .3. . . . . . . . . . . . . . . . Th´orie des syst`mes et th´orie de la commande e e e I. . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Introduction ` la th´orie de la commande a e Introduction . .` TABLE DES MATIERES 277 Table des mati`res e I I. . . .7.3 Contrˆle d’attitude d’un satellite . . . . . . . . .3 Equations diff´rentielles entr´es-sorties . . . .2 Th´orie de la commande . . . . . . . .1 II. . . . . . . . e e Le mod`le interne . . e II. . . . . . . . . . . . . . . e II. . . . . .2 Sch´ma fonctionnel et fonctions de transfert . . . . . . . . . . . . . . . . . . . . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . e e e II. . . . . .1 Notion de syst`me . . e e e . . . . . . . . . . . . . . . .2 Contrˆle de la tˆte d’un disque dur . . . .6. . . . . . . .5 II. . . . . II. . . . . . . . . . . . . . . . .1 Le concept d’´tat d’un syst`me . . . .Lin´arisation . . . . . . . . . . . . . .2 Repr´sentation d’´tat des syst`mes dynamiques . . 5 5 7 19 19 21 24 24 24 25 26 27 27 29 29 33 35 37 37 38 42 46 48 48 52 53 54 57 57 59 61 61 62 65 67 I. . . .1 Sch´ma fonctionnel . . Exemples caract´ristiques . . . . . . . .1 Le polynˆme caract´ristique et les pˆles . . . . . . . . . . . . . . . . . . . . . e II. . . . . II II. . .4 Commande longitudinale d’un avion civil .3 Repr´sentation d’´tat lin´aire . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . .6. . . . . .2 I. . . . . .2 La matrice de r´ponse impulsionnelle . . . . . . . .4. . . . . . . . . . . . . . . e II. . . . . . . . . . . o II. e e e Les mod`les externes (entr´es-sorties) . . . . . . . .7. . . . . . . . . o e e II. . o e o II. . . . . .5. . e e II. . . . . . e e e II. . . . . . . .4. . . .1 La matrice de transfert . . . . . . . .2. . . . .4 II. . . . .la repr´sentation d’´tat . . . . . . . . . . . . . . . . . . . . . e I. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . e II. . . . . . . . . . . . . . . . . . . . . . .5.

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

. . .2 Extension au cas des syst`mes multivariables . . . . . . .4. .1. . VI. . . . . . . . . . . . . . . .1. . . . . . . . .3 Fonctions MATLAB . . . . . . . . . . . . . . e VII. . . . . . . . . 193 . . e VII. . . . . . .3 Stabilit´ interne des syst`mes boucl´s . . . . . e V. . . . .2. . . VII. . . . . . 184 . . .2 Fonctions d’analyse des mod`les LTI . . . . . . e V. . . . . . . . . . . e . . . . . . . . . . e o V. . . . . . . .1 Introduction . . . . . . e e e VII. . . . . .4. . . . e e e 147 . . . . .1 D´finitions et exemples . . . . . .2 Etude de la r´ponse indicielle . . . . .2. .2. . . . . . . . . . . . . . . . . .2 Le lieu de Bode . .1 Le crit`re de Nyquist multivariable . . .1 Notions de modes . . . . . . . e VII. .1 D´finition et propri´t´s . .` TABLE DES MATIERES V. . . . . . . . . . . .5. . . . . . . . . . . . . . . . .1 Fonctions de trac´ de la r´ponse fr´quentielle . . 147 . . . . . . . VI. . . . . . . . . . . . . . . . . .2 Effets des z´ros et des pˆles additionnels . . . . . . . . . e a VI. . . . . . .1 Rappels sur les relations de bouclage . . . . .5 Extension aux syst`mes multivariables . . . . . . . . . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. . . . . . . . . e VII. 189 . . . .1 Fonctions de r´ponse temporelle . . . . . . .3. . . . 189 . . . . . . VIII. . . . . . .3 Sp´cifications temporelles sur le r´gime transitoire . . . . . . . . . . . . . . . . e VI. . . .5 Fonctions MATLAB . . .1 Principe de la contre-r´action . . . . . . . .4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . . . . . . . . . . . . .4 Les syst`mes d’ordre sup´rieur . . .3. . . .3 Le lieu de Nichols-Black . . . . . . . . . . . . . . . . . . 153 . . . . . . . .2. e VI. e V. . .1 Fonctions d’analyse de stabilit´ . . .2. . . . . . . .2. . . . . . . . . . . . . . . . . . . . . e e VII. V. . . . . . e e ` e VII. . . . . . . .1 Les syst`mes monovariables . . 173 . . . . . . . . . . 177 179 . . . . . . . . e V. . .4 Fonctions MATLAB . . . . . . . . . . .2 Le crit`re du revers . . . . . . . . . . . . . 149 . . . . . . . . . . . . . . . 160 . . . . . . . . . . . . . .3. . . . .3 Les syst`mes du second ordre . . . . . . 177 . . . 175 . . . . . . . . . . . . . . . . . . e e V. . . . . . . . . . . . 153 . . . . . . . . VII. .2 Le th´or`me du faible gain . . . V. . . . . . . . . . . . . . . . . . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII. .1. . . . . VI. . . . .4.1 Le crit`re de Nyquist . . . . . . . . . . . . . . . . .2. . .5. . . . e ` e VII. . . . . . . VIII. . . . e e V. . . .3. . . . . .2. . . . . 179 . . . . . . . . . . . . . e VIII Analyse en performance des syst`mes boucl´s e e VIII. . . e e V. . . . . . 179 . . . . . . . . .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.1 Syst`mes de commande a contre-r´action . . . . . . .3 Extension aux syst`mes multivariables . . . . . . . . . . .4. . . 194 . . . . . . . . . . . . . . . .2 Analyse en stabilit´ des syst`mes boucl´s . . . VI. . . .3. . .1. . . . . 168 .2. . . . . . .3 Sp´cifications temporelles d’un syst`me du second ordre . . . . . . . . .3. e ee VI. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 . . . . . . . . . . . .2 Rejet de perturbation b . . . . . . e e e VII.2. . . . . . . e VI. . . . . . .2 Caract´risation des syst`mes de commande a contre-r´action .1 Le lieu de Nyquist . . . . . . .2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI. . . . . . . . . . . . . . . e VII. . . . . . . . .4 Les syst`mes ` non minimum de phase . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .3.1. . e e A. . . . . . IX. . . . . . . . . . . . . . . . . . . .2. .7 Modelage des fonctions de sensibilit´ . . . . . . . . . . . . . . . .3 Matrices sym´triques . . . . . . . . . . . . e e VIII. . . e A. . . . IX. .3 Analyse des syst`mes boucl´s par le lieu d’Evans . .2. norme et rang . .3. . . . . . . . . . . . .2 Repr´sentation fr´quentielle des signaux continus .1. . . . . . . . . . . . . . . . . . . . ee e VIII. . . . . . .1 Fonctions li´es ` l’utilisation du lieu des recines . . . . . . . . . . . e e VIII. . .3 ecifications de performance .2 Propri´t´s de la transform´e de Fourier . . . . . . .3. . . . . . . . . . . . .2. e IX. . . . . . . . . . . . e B. . . . . . . . . . . . . . . .2 Calcul de la matrice de transition d’´tat eAt . IX. . . e e ee B. . . . . . . . . . . . e e e IX. . . . . . . . . . . . . . . . . . . . . . . R` e VIII. . . . . . . . . . . . . . . . . . . . . . . . e A. . . . .4 Suivi de r´f´rence r : pr´cision . . . . . . . . . . . . . . . . e A. . . . . . . .2 Utilisation de la transform´e de Laplace e C. .2. .4 Fonctions MATLAB . .1. . . . . . . . 269 e Rappels sur les fonctions d´finies positives . . . . . . . . . . .2 Les fonctions de sensibilit´s en entr´e et en sortie .2. . . . . . .2. .1 . . .2. . . . . . . . . . . . .8 ecifications de performance en sensibilit´s mixtes . . . . . . . . . . B. . . . . . . . .2 R`gles g´n´rales de construction . . . . . Sp´ e VIII. . . .4. . . . .2 Valeurs propres et valeurs singuli`res . VIII. . e B. . . . . .2. . e e IX. .1 R´glage du gain . . . . . . . . . . . . . . .2 Syst`mes ` stabilit´ conditionnelle . . . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. . .1. .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . . . .1 egles d’association dans les sch´mas-blocs . . . .1 D´finition . . . . . . . . . . .1 M´thode de triangularisation .2. .280 ` TABLE DES MATIERES . . . . . . . . . . . . . . .5 Comportement aux fr´quences interm´diaires .1 C. . . . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . . . . e VIII. . . . . . . . . . . . . . . . . . . . ee e . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . Construction du lieu d’Evans . . . . . . . . . .6 Notion de modelage de boucle : loopshaping . . . . . . . . . . . . . . .2 A. . . . . . . . . . . e a e IX. . . . . . B B.1 Produit scalaire.1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . . . . . . . . .2. . . . . . . . . . . . . .1 IX. e B. . e B. . . . . . . . 272 e 273 R´f´rences bibliographiques ee .3.2 La transform´e de Fourier . . . R´ VIII.1 Conditions des angles et des amplitudes . . . . . . . . . . . e a IX. . . . A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . .3 eduction du bruit de mesure w . . . . . . . . . . . . .1. . . . . . . 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. . . .

Sign up to vote on this title
UsefulNot useful