ENSICA - Premi`re ann´e e e

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

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

3

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

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

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

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

I.1

Introduction

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

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

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

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

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.6 – Principe de la machine ` vapeur de Polzunov [35] a . I. I. (Perier-1790) : les r´gulations de niveaux ne sont plus utie lis´es afin de mesurer le temps du fait de l’invention de l’horloge m´canique au e e eme ` si`cle mais dans la chaudi`re des moteurs ` vapeur et pour les syst`mes e e a e XIV de distribution d’eau domestiques. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. A la fin de ce si`cle.I. Brindley-1758. Polzunove 1765. En Sib´rie. En 1745.R´gulation de niveaux (Salmon-1746. En particulier. la chasse d’eau est mise au point par le londonien Crapper en 1775.2. Wood-1784). a . invention pour laquelle il est anobli par la reine Victoria.R´gulation des moulins a vent : le flux de grain dans un moulin est r´gul´ e ` e e suivant la vitesse de rotation de la meule en 1588 (par le mill-hoper). Crapper 1775. BREF ALBUM CHRONOLOGIQUE 9 . 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.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur. Fig.

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. I. James Watt se propose d’adapter le r´gulateur centrifuge de Mead e pour la r´gulation de la vitesse de rotation du moteur a vapeur. Delap-1799. 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.R´gulation a gouverne centrifuge (Watt-1788).8 – Moteur a vapeur de Watt [46] ` Fig.9 – Manuscrit de Watt ou Boulder [44] .R´gulation de pression (Papin-1707. Fig. I. e ` (Pickering-1862).10 INTRODUCTION A LA THEORIE DE LA COMMANDE . ` e e Fig. (Siemens-1846). En utilisant la soupape de s´curit´ mise au point en 1681 e e e pour les autocuiseurs. 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. il obtient en 1707 un r´gulateur de pression pour le e moteur a vapeur. (Hartnell-1872) : suite a sa correspondance avec Matthew ` Boulton. On peut e .7 – Soupape de s´curit´ de Papin [46] e e . Ce proc´d´ de r´gulation est ensuite am´lior´ par Delap en ` e e e e e 1799 et Murray en 1803. (Porter-1858).

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

seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques. On assiste alors a une math´matisation e e ` e des la th´orie de la r´gulation avec le premier trait´ th´orique sur les sere e e e vom´canismes ´crit par Harold H´zen. I.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. 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. e e a . A cette ´poque.12 INTRODUCTION A LA THEORIE DE LA COMMANDE ` au d´but du XX eme les r´gulations de position a base de PID (Proportione e ` nel Int´grale D´riv´e) pour la commande des bateaux. a e Fig.

I.C. (Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H.12 – Lieu de Nyquist . les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A.B. Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N. a e .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).W. 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. I. e Fig.1940-1960 : la deuxi`me guerre mondiale a jou´ le rˆle de stimulant intellectuel e e o primordial pour le d´veloppement des syst`mes de commande et a donn´ naissance e e e ` la p´riode dite classique. Nichols. Bode propose en 1938 d’utiliser le trac´ de l’amplitude et de la phase de la r´ponse fr´quentielle des r´seaux e e e e lin´aires et d´finit les notions de marges de phase et de gain.2. I. Le groupe dirig´ e e e par Bode au MIT aboutit au d´veloppement du syst`me de RADAR SRC-584 e e coupl´ au pointeur M9.13 – Syst`me de RADAR SRC-584 [40] e En parall`le. .

9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0.15 – Abaque de Black-Nichols . N. I.7 deg (at 1. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”. I.25 dB 0.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu. . Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu.D´veloppement de l’analyse stochastique (Kolmogorov-1941). Shannon qui publie en 1948 ”The mathematical theory of communication”.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. . Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. (Wiener et Bigelowe 1942) : A.N.43 rad/sec) . I.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.14 – Lieu de Bode Fig. Pm = −44. Fig. Wiener et J.3 dB (at 1.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61. N.

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

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.M. au crit`re du cercle et de la passivit´. 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.5 0. Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e.16 INTRODUCTION A LA THEORIE DE LA COMMANDE . Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat.3 0. (Popove e 1961).2 −0. e e R. (Tsypkin-1955).2 0. Tsypkin ` d´velopper une th´orie tema e e porelle pour le premier et fr´quentielle pour le second pour l’identification et e l’analyse des cycles limites dans les asservissements ` relais.3 −0.5 −0. De son cˆt´.S. (Yakubovich-1962).2 0. introduction du e e formalisme d’´tat (Bellman-1957). I.Th´orie de la commande optimale et th´orie de l’estimation. (Desoer-1965). V.4 0. R.1 Real Axis 0. Bellman ´tablit le principe d’optimalit´ et d´veloppe la proe e e e grammation dynamique pour r´soudre les probl`mes de commande optimale e e en temps discret.4 0.4 −0. L. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial.1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale. (Narendra-1964).1 0 0.A. (Sandberg-1964).5 −0.2 −0. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B.5 Fig.Th´orie de la commande non lin´aire (Hamel-1949). (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats.3 −0.1 Imag Axis 0 −0.20 – Application du crit`re du cercle e .1 −0. e e q=5 − mu=1 − a=1 0. (Pontryagin-1958). Hamel en France et J.3 0. Il montre d’autre part e e . . Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton. 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 1944.4 −0.

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

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

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

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

seuil. les syst`mes lin´aires v´rifient le principe de e e e superposition et le principe d’homog´n´it´. zone e ıtre e e e e morte. En effet. 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 e Ainsi l’hypoth`se de lin´arit´ va permettre l’utilisation d’outils (analytiques. e e le calcul op´rationnel ou le th´or`me de convolution. branche de la th´orie des syst`mes. 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.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´.3. Principe d’homog´n´it´ : e e e Un syst`me v´rifie le principe d’homog´n´it´ si pour une entr´e αe(t). e e e I. la plue e e part des syst`mes physiques sont en r´alit´ non lin´aires (bras de robot. 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. cette hypoth`se de lin´arit´ e e e e e peut ˆtre accept´e pour de nombreux syst`mes ´voluant autour d’une position d’´quilibre e e e e e sous l’hypoth`se des faibles d´viations. e e e e e e Si elle n’est strictement que rarement v´rifi´e en pratique. frottement sec). Il conviendra donc de toujours justifier en pratique l’hypoth`se de e lin´arit´ et d’identifier son domaine de validit´. les performances. la sortie est e e e e e e donn´e par αs(t). e e e Toutefois. 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. On parle alors de syst`mes lin´aires. e e e La th´orie de la commande. e Contre-exemple I. 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). au sens large. e e e e D’un point de vue purement technique. 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.THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES Les syst`mes lin´aires e e 21 Une classe particuli`re dont l’importance pratique est remarquable est celle des syst`mes e e d´crits par des ´quations diff´rentielles lin´aires. Un processus de lin´arisation est alors n´cessaire. grae e e phiques) tr`s simples et puissants tels que les transform´es de Laplace et de Fourier. 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.2 Th´orie de la commande e Le processus pr´liminaire de mod´lisation achev´.

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

THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES 23 syst`me boucl´ (figure I.28). Le concept de r´tro-action est toutefois e e e ` la base de tous les d´veloppements th´oriques de l’Automatique moderne et constituera a e e donc le pivot central autour duquel les notions d´velopp´es dans ce cours tourneront. I. rejet de perturbation.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. Cette structure de commande permet ainsi d’am´liorer les performances dynae e miques du syst`me command´ (rapidit´. Signal de référence c(t) Actionneur u(t) Système s(t) e(t) + ε(t) Loi de commande − Signal d’erreur Sortie mesurée Signal de commande Sortie réelle Capteur Fig. D’autre part. meilleur suivi de consignes. stabilisation de syst`mes ine e e e stables en boucle ouverte).27). e e . 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. 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. Elle n´cessite l’emploi de capteurs qui augmentent le coˆt d’une e u installation. 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. par opposition aux syst`mes en boucle ouverte (figure e e e I.

contre-r´action.). e .4 Exemples de syst`mes de commande modernes e Quelques exemples remarquables de syst`mes de commande modernes sont d´velopp´s e e e afin d’illustrer de mani`re concr`te les diff´rentes notions introduites pr´c´demment telles e e e e e que r´gulation. Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I.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. incubateur. e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture.29 – R´gulation de temp´rature e e I.. A partir de l’information de position restitu´e par un capteur au correcteur. I.4. Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig. La temp´rature T d’un processus donn´ o e ea e e est r´gul´e dans un four a l’aide d’une r´sistance R. il est e a e e e n´cessaire d’asservir la tˆte de lecture en position afin de la placer sur les pistes de donn´es e e e souhait´es.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I.29. e e I.1 R´gulation de temp´rature dans un four e e Un des probl`mes les plus fr´quemment rencontr´s dans l’industrie est celui de la e e e r´gulation de temp´rature dans une enceinte close (four.4.. . etc. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T . 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.

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´.3 Contrˆle d’attitude d’un satellite o Il s’agit.4.31 – 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. Un autre type de sp´cification e e e e . Les objectifs peuvent ˆtre : e . I. Il doit donc ˆtre isol´ des vibrations et des bruits e e e ´lectriques du corps du satellite. connaissant le mod`le dynamique du satellite.30 – Disque dur .pointer dans la bonne direction les antennes. I. e Fig.EXEMPLES DE SYSTEMES DE COMMANDE 25 Fig.contrˆler la dissipation de chaleur o .courtesy IBM I. de commander son orientation e (son attitude) dans l’espace.´viter les d´gats solaires ou atmosph´riques sur des composants sensibles e e e . panneaux solaires ou des instruments de mesure .

Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I.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´. Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices. Le mouvement peut e alors ˆtre d´crit par la position et la vitesse du centre de gravit´ ainsi que par l’oriene e e tation et la vitesse angulaire d’un ensemble d’axes li´s ` l’avion par rapport a des axes e a ` de r´f´rence.32 – Param`tres longitudinaux e . e I.4. les ee e ´quations du mouvement peuvent ˆtre simplifi´es et d´coupl´es en ´quations du moue e e e e e vement longitudinal et ´quations du mouvement lat´ral.32 et peuvent ˆtre command´s par e e e e la pouss´e et les ailerons arri`res. e −Z M T −X θ ε xA zA mg δe Fig. . e e e . la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment. e . Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me.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.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. 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.Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR. Cela revient ` fixer au satellite une vitesse de rotation fix´e autour d’un e a e axe li´ au corps du satellite et d’aligner cet axe avec un axe inertiel fixe.4 Commande longitudinale d’un avion civil La plupart des avions sont bien approxim´s comme des corps rigides sur lesquels e agissent des forces propulsives. Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis. I. gravitationnelles et a´rodynamiques.

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.Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3. 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. En Automatique. ` coefe e e e e e a ficients constants ou variant dans le temps) qui forment l’expression math´matique du e comportement id´al du syst`me.D´finir le syst`me ` ´tudier et ses composants ´l´mentaires e e ae ee 2. 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. Quelle que soit la nature physique du syst`me ` ´tudier.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 . non lin´aires. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires.Ecrire les lois physiques r´gissant le comportement du syst`me et les ´quations e e e diff´rentielles et alg´briques associ´es e e e 4. e e e 1. 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.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. Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires.

. Il ne s’agit pas de se substituer ` un cours de m´canique du vol ou a e a e de m´canique des corps flexibles mais de disposer d’exemples r´alistes constituant des e e supports illustratifs de ce cours. Il est donc tr`s important d’´tablir e e e un bon compromis entre la pr´cision du mod`le et sa complexit´. 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´.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.

1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1. quie bus astronomiae pars optica traditur en 1604. En dehors de ses travaux d’astronome proprement a dit. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. 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.3. 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. Il est mort le 15 Novembre 1630 a Regensburg. 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. 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. ` 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. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). 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. z). jI . 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. EXEMPLES CARACTERISTIQUES 29 II. kI ). Nous e e e nous int´ressons au mod`le math´matique du mouvement d’orientation du satellite qui e e e peut ˆtre obtenu a l’aide des ´quations de la cin´matique et de la dynamique. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. e ` e e Biographie 1 (J. y.2 Exemples caract´ristiques e Dans cette section. On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . e e II. 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. 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. Le mouvement du satellite se compose d’un mouvement d’orbite e e gouvern´ par les ´quations de translation et d’un mouvement d’orientation ou d’attitude e e gouvern´ par les ´quations de rotation.´ II.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. il produit ´galement des travaux en optique (Ad Vitellionem paralipomena. 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´. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s.2. .2. Il est d’ailleurs excome a muni´ en 1612.

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

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

9) (II.32 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES z φ y θ ψ Ligne des noeuds x Fig. II. e e e e e −π ≤ ψ ≤ π −π ≤ θ ≤ π 2 2 −π ≤ φ ≤ π (II. D’autres repr´sentations fond´es sur l’utilisation des e e e quaternions et de l’alg`bre associ´e peuvent ´galement ˆtre utilis´es. 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.2 – Angles d’Euler En utilisant les angles d’Euler.8) .9).

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

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 . Fa la force a´rodynamique u e appliqu´e sur la surface.tige. L’´quation des moments s’´crit : e e ¨ I θ = F l cos θ − Fa d (II. II.34 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Soupape pilote x w2 w1 pe θ pe ps w2 w1 p2 y Huile basse-pression p1 l F Fa d Huile haute-pression Surface aérodynamique Fig. l’´quation cin´matique compl`te l’ensemble des ´quations du mouvement : e e e e y = l sin θ (II.11) o` ρ est la densit´ du fluide. e Finalement.14) . F est la force appliqu´e par la tige au point u e d’attache avec la surface.13) o` I est le moment d’inertie de la surface et de son attache. A la surface du piston. L’´quation des forces est donn´e par : u e e e A(p1 − p2 ) − F = m¨ y (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.3.19) qui est une ´quation d’´tat du mˆme type que pr´c´demment.18) (II. APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II.17) En supposant que sin θ ∼ θ pour θ petit. xn0 ) est e e donn´ par : e y = g(x10 . x2 . on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II. ˙ ¨ e e p1 = p2 = ps + pe 2 (II. e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 . ` 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. xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II.Si y = a et F = 0.´ ` II. Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le.16) Exemple : servo hydraulique 2 L’actionneur hydraulique est g´n´ralement con¸u de mani`re sym´trique de sorte que e e c e e e a e R1 = R2 et donc ps − p1 = p2 − pe . x20 .Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire. 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. · · · . Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement. √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x.15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . · · · . x20 . e e e e e . e e .3 Approximation lin´aire des syst`mes physiques e e Le mod`le math´matique des syst`mes physiques pr´sent´s dans la section pr´c´dente e e e e e e e expriment des lois non lin´aires en les variables pertinentes. e e e a e .

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

Apr`s ˆtre entr´ au Trinity College.1 Le mod`le interne .4.LA REPRESENTATION D’ETAT 37 II. Il ´tait d´j` largement utilis´ dans d’autres disciplines scientifiques telles e e ea e que la M´canique (formulation Hamiltonienne) ou la Thermodynamique (travaux de H. il sait le Latin. la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du syst`me. Etant donn´ l’´tat d’un syst`me ` un instant donn´. e Biographie 3 (Sir W. Il publie ` a en 1832 son troisi`me suppl´ment ` son livre Theory of Systems e e a of Rays. de Newton et de Laplace. Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton. e Poincar´). 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´.4. 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). 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) ˙ . Le e e e e e e concept d’´tat a ´t´ introduit de mani`re syst´matique par R. e Exemple II.` ´ ´ II. 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. Polaris) aux d´buts e e e des ann´es 60.R.4. 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. il soumet son premier article e e e ` la Royal Irish Academy en 1824.la repr´sentation d’´tat e e e Le concept d’´tat d’un syst`me e e La th´orie moderne de la commande des syst`mes repose en grande partie sur le e e concept d’´tat d’un syst`me et sur le mod`le associ´. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal. le Grec et l’H´breu.E. LE MODELE INTERNE . Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans.4 II. 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. 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. A 5 ans. Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie. La repr´sentation d’´tat.

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

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

4.4. e e e e e Exemple II. En ´crivant les lois de Kirchoff (noeuds e e et mailles). II.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. y(t) ∈ Rr est u le vecteur de sortie.5 dx/dt 0 −0.5 −2 −2. u(t).4.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II.26) y(t) = h(x(t).2 (Repr´sentation d’´tat) e e Tout syst`me dynamique Σ peut ˆtre repr´sent´ par ses ´quations d’´tat d´finies comme e e e e e e e un ensemble d’´quations diff´rentielles du premier ordre appel´es ´quations dynamiques e e e e et un ensemble d’´quations alg´briques appel´es ´quations de sortie ou de mesure : e e e e x(t) = f (x(t).27) . on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II. t) ´quation dynamique ˙ e (II. e ´ Definition II.5 2 1.40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2.5 −1 −1. u(t) ∈ Rm est le vecteur de commande.5 1 0.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat. u(t). Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me. continue par rapport a u et continue par morceaux par rapport a t.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig.7). La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.

soit [x1 x2 ] = [vC iL ] . x2 (0) . [x1 (0) x2 (0)].28) dx2 1 R (t) = x1 (t) − x2 (t) dt L L Si l’on suppose de plus que l’on mesure la tension aux bornes de la r´sistance.25). ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire.4.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II. on obtient l’´quation dynamique d’´tat du r´seau ´lectrique : e e 1 1 dx1 (t) = − x2 (t) + u(t) dt C C (II. II.30) (II. il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0.7 – Syst`me ´lectrique e e En choisissant comme variables d’´tat la tension aux bornes de la capacit´ et le courant e e e e dans l’inductance. il est e e encore possible de donner une repr´sentation d’´tat non lin´aire. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II. En posant e e e x1 = v et x2 = v.LE MODELE INTERNE .6 pour diff´rentes e e e a e x1 (0) conditions initiales . e e e 1 1 dx1 (t) = − x2 (t) + u(t) dt C C dx2 1 1 (t) = x1 (t) − R(x2 (t)) dt L L y(t) = R(x2 (t)) Exemple II. vR = R(iL (t)).29) A partir de la donn´e des conditions initiales du circuit.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig.31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II. 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.

e . le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´.4.4.32) y(t) = C(t)x(t) + D(t)u(t) o`: u . le syst`me est Lin´aire Temps-Invariant e e (LTI). Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t). Si les matrices A.D(t) ∈ Rr×m est la matrice de transmission directe.2 La repr´sentation d’´tat n’est pas unique. u0 (t). cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique. Equation d’´tat lin´aris´e e e e La majorit´ des syst`mes physiques sont en r´alit´ non lin´aires et d´crits par le mod`le e e e e e e e (II. t) ˙ (II. D sont constantes.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.A(t) ∈ Rn×n est la matrice dynamique.B(t) ∈ Rn×m est la matrice de commande ou d’entr´e. C. t) ˙ (II. 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.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.C(t) ∈ Rr×n est la matrice de mesure ou de sortie. 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.42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II. .4.26).3 Repr´sentation d’´tat lin´aire . Cela signifie que pour un mˆme syst`me phye e e e sique. . e II.33) On d´finit une trajectoire d’´tat nominale x0 (t) ainsi qu’un vecteur de commande e e e nominal u0 (t) v´rifiant : x0 (t) = f (x0 (t).34) . B. u(t). e ´ Definition II.

5 (´quation d’un pendule non contrˆl´) e oe ˙ . x0 (t)) que tr`s faiblement. u0 (t). u0 (t).4. u0 (t). x(t)) ne diff`rent de (u0 (t). on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). (π. on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (t). t)˜(t) + Ju (x0 (t).LE MODELE INTERNE . t) + Jx (x0 (t). u0 (t). Cela e e e signifie que pour tout t0 ≤ t ≤ tf . 0). les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ. 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. u0 (t). t) u(t) ˜ A(t) B(t) (II.35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0. 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). Pour k/m = 1/2 g/l = 1.5 θ l 11 00 11 00 11 00 11 00 m .LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales. (u (t). la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0. t) x(t) + Ju (x0 (t). 0).

u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre.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.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t. 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.5 A2 = 0 1 1 −0. nous nous int´ressons plus particuli`rement ` la solution de l’´quation e e a e diff´rentielle d’´tat (l’´quation dynamique) : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e). e e e l’´quation diff´rentielle du deuxi`me ordre constituant l’´quation lin´aris´e du mouvement e e e e e e de l’attitude du satellite autour d’un axe peut s’´crire sous forme d’une repr´sentation e e d’´tat : e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (II. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II. e e e ´ Definition II.40) .36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy .37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie. on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0.38) Dans le cas g´n´ral o` le mod`le est temps-variant.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 . t0 )x0 ∀t ≥ t0 (II.

t) ∀ t. seuls les syst`mes lin´aires temps-invariants. t0 ) est la matrice de transition. t0 ∀ t ≥ t0 45 (II.45) Dans la suite. t0 ) = A(t)Φ(t. t0 ) = Φ(t2 . elle est donn´e par l’´quation e e e e e e e (II. e ´ Definition II. t0 ) est inversible pour tout t et tout t0 . τ )B(τ )u(τ )dτ + D(t)u(t) (II. Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. e e e e e elle est donn´e par : e t x(t) = t0 Φ(t.43) x(t) = Φ(t.4. ´ Definition II.Φ(t2 .4. t0 )x0 + C(t) t0 Φ(t. la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique.42) A partir de la donn´e de la matrice de transition. t0 ) . e ee ´ ´ Proprietes II. τ )B(τ )u(τ )dτ (II. 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. seront ´tudi´s e e e e . De mˆme.Φ(t. t0 ) Φ(t0 .LE MODELE INTERNE .4.41) Dans le cas g´n´ral d’un syst`me temps-variant. τ )B(τ )u(τ )dτ t0 (II.44) t y(t) = C(t)Φ(t. t0 )x0 + et la sortie s’´crit alors : e Φ(t.6 (r´ponse forc´e) e e La r´ponse forc´e d’un syst`me est la r´ponse du syst`me au seul signal d’entr´e et pour e e e e e e des conditions initiales nulles. t0 ) = Φ(t0 .4. e ´ ` Theoreme II. 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.40).5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. solution de l’´quation diff´rentielle : u e e ˙ Φ(t.LA REPRESENTATION D’ETAT o` Φ(t.Φ−1 (t. Pour les e e e e syst`mes LTI. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes.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.1 . (LTI). t1 )Φ(t1 .

6 (circuit ´lectrique) e Calcul du mod`le d’´tat. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.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. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model.D) a = x1 x2 x1 0 1 x2 -0. B.C. . du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le.7) pour C = 2 F .1 -3]. e Exemple II. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A. >> C=[0 3].46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. >> circuit=ss(A.D=0.B. Script MATLAB 1 >> A=[0 -1/2.46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat. C.B=[1/2.5 -3 b = x1 x2 u1 0. L = 1 H et R = 3 Ω.4.4. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es.0]. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II. D).4. ´ Definition II.

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

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

yr 49 Système linéaire multivariable Fig. .59) Yi (p) = j=1 gij (p)Uj (p) (II. II.57) ´ Definition II.1 (Matrice de transfert) e e a La matrice G(p) ∈ Cr×m est appel´e matrice de transfert liant l’entr´e U (p) ` la sortie Y (p). 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. e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II. u u1 u2 .La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles.55) o` X(p) = L[x(t)].1 . e e . x0 = 0.5. .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.58) (II.La matrice de transfert est une caract´ristique du syst`me ind´pendante de l’amplie e e tude et de la nature de l’entr´e du syst`me. on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II.55) u e e par rapport a Y (p). u ∈ Rm et y ∈ Rr . .54). . um y1 y2 .5. il est possible de l’appliquer aux e e e ´quations (II.Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique. En r´solvant les ´quations (II.60) Remarques II.56) Pour des conditions initiales nulles. . il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II. e e e . U (p) = L[u(t)] et Y (p) = L[y(t)].LES MODELES EXTERNES o` x ∈ Rn .

TH ) et les temp´ratures d’entr´e comme les commandes.5..2 −0.2 0. Pour chaque ´tage.C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me. e on obtient : x(t) = ˙ −0.01 m3 /min.62) y(t) = x(t) Pour les valeurs num´riques f = 0. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II.21 0. En supposant les flux constants fH = fC = f .50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES . d´bit fC ).63) . d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi . e Exemple II.1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II.9. x2 ) = (TC .. β = 0. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi .2 m3 /min et VH = VC = 1 m3 .01 0 0 0. e e e e e e e e e e temp´rature TC .61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig. 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.01 x(t) (II. II. de la capacit´ u e e e calorifique des fluides. temp´rature TH . les variables d’´tat e e (x1 .21 x(t) + 0.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur.

0..66) .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.. {den den. >> echangeur=tf({[0.2 p + 0.2 p + 0.002 --------------------s^2 + 0.42 s + 0.01 s + 0..01*0.41) p + 0.01.01 s + 0...21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.2 0.21] 0.01 0.01].01 (II.01*0. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II.LES MODELES EXTERNES En appliquant la formule (II.[1 0.01 0 0 0.0041 #2: Transfer function from input 2 to output.21 0. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.01)(p + 0.0041 0.21 −0.2 −0.0041 0.42 s + 0..21 −1 51 0.01*0.01 0.64) 0.01 = (p + 0.57).0.42 s + 0.2 [0.21]}.0021 --------------------s^2 + 0.den den}) Transfer function from input 1 to output.2*0. 0.42 s + 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.41]).0021 #1: --------------------s^2 + 0. e e >> den=conv([1 0.002 #1: --------------------s^2 + 0.

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

· · · n . yr r ) = gs (u1 . · · · . g(t) = cos at − a sin at sin at + a cos at −a cos at − sin at −a sin at + cos at cos at sin at − sin at cos at II. · · · n . . yr . G(p) = L[g(t)] (II.2 sorties) e e ˙ y ˙ y1 + 3y1 + 2¨1 = 4u1 + u2 + 2u3 y2 + y2 + 2¨2 = 4u1 + u2 + 2u3 ˙ y . yr . y1 1 . 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. · · · .72) Exemple : satellite 6 En reprenant les ´quations d’´tat d´finies ` la section pr´c´dente et en appliquant la e e e a e e m´thode de calcul de l’exponentiel de matrice par la transform´e de Laplace. yr r ) = g1 (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. · · · . um .71) De plus. le mod`le prend la forme e e e d’un syst`me d’´quations diff´rentielles entr´es-sorties. la transform´e de Laplace permet de relier la matrice de r´ponse impulsione e nelle et la matrice de transfert. · · · . · · · . · · · .2 (syst`me 3 entr´es . · · · . . up1 .5. Dans le cas g´n´ral.73) fs (y1 . · · · 1 . up1 . u pm ) m Du fait de la difficult´ ` les manipuler math´matiquement.LES MODELES EXTERNES 53 Pour des conditions initiales nulles x0 = 0. u m .5. e e e e n n f1 (y1 . upm ) 1 m . on obtient : e e A= 0 a −a 0 (p1 − A)−1 = p2 1 + a2 p a −a p Soit apr`s inversion de la transform´e de Laplace : e e eAt = Finalement. · · · .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. e e e e a Exemple II. y1 1 . (II.

e e e La fonction de transfert Soit un syst`me LTI mono-entr´e. e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II.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. 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. II.5.77) Exemple II. le rapport entre la transform´e de Laplace e e du signal de sortie et la transform´e de Laplace du signal d’entr´e d’un syst`me LTI est e e e la fonction de transfert de ce syst`me.5. y(t).10 – Syst`me masse-ressort-amortisseur e . Dans le cas de mod`les externes.10). u(t). 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. ee e la simplification de la repr´sentation permet de d´velopper des m´thodes graphiques et e e e alg´briques qui sont difficilement g´n´ralisables au cas matriciel.5.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie.74). Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (II. Par application e e du principe fondamental de la dynamique.76) ´ Definition II.78) k M s(t) f e(t) Fig. 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. mono-sortie. on obtient.75) y(0) = y(0) = · · · = y ˙ (n−1) (II.

80) Exemple II. alors : s(t) = su (t) + s0 (t) (II. on peut choisir le vecteur d’´tat e u e e x(t) = [y(t) y(t)] o` y(t) est la position de la masse. 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.5. Ainsi. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ.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.83) La fonction de transfert G(p) est appel´e double int´grateur. on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe. 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.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. vR (t). Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II. e L’´volution d’un syst`me lin´aire pour une entr´e donn´e et des conditions initiales fix´es e e e e e e s’obtient alors par application du principe de superposition. .82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles.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. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (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. 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).

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.88) ⇔ Y (p) = G(p)U (p) (II.5.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 . ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II. e e e Remarques II.mod`le alg´brique G(p) e e .4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p).5. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II.5.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).g(t) et G(p) contiennent la mˆme information.1 La r´ponse d’un syst`me de fonction de transfert G(p) est donn´e par l’int´grale de convoe e e e lution suivante : t t y(t) = 0 g(τ )u(t − τ )dτ = 0 g(t − τ )u(τ )dτ (II.86) . e G(p) = L[g(t)] 2.11 – Syst`me lin´aire e e ´ Definition II.2 1. e e ´ ` Theoreme II. II. ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme. e y(t) = g(t) ∗ u(t) .Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle.

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.6. POLES ET ZEROS D’UN MODELE LTI 57 II.ˆ ´ ` II. la caract´risation par la fonction de transe a e fert est tr`s simple. Pour e e e e n = m. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI.6. ` l’inverse.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II.6. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO. il est dit strictement propre.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. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral. L’´quivalence du mod`le d’´tat et du mod`le de transfert fait appel e e e e e ` la th´orie de la r´alisation qui dans le cas multivariable est au del` du programme de a e e a premi`re ann´e.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II.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. 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). e A partir de la d´finition du polynˆme caract´ristique. le syst`me est dit propre alors que pour n > m. e e ´ Definition II.90) e e e πp est ´galement d´fini comme le plus petit d´nominateur commun de tous les mineurs possibles non identiquement nuls de G(p). . e e e ´ Definition II.6.6. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II.91) (II. e e II. Si le syst`me est causal alors n ≥ m.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. 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.

0 1].1 1}.58 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Les pˆles d’un syst`me r´el sont n´cessairement r´els ou complexes conjugu´s puisque o e e e e e les coefficients des polynˆmes caract´ristique sont r´els. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .B=[1 0.1 Soit le mod`le d’´tat LTI donn´ par e e e  −1  0 A= 0 C= les matrices syst`me : e    0 0 1 0 −1 0  B =  0 1  0 −2 0 1 2 0 3 1 1 0 La matrice de transfert de ce syst`me est donn´e par : e e   3 2   G(p) =  p + 1 p + 2  1 1 p+1 p+1 Le plus petit commun d´nominateur associ´ ` cette matrice de transfert est : e ea πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Script MATLAB 4 >> A=[-1 0 0.{[1 1] [1 2].0 1. >> C=[2 0 3.1 1 0].[1 1] [1 1]}).6. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3.0 -1 0. o e e Exemple II.0 0 -2].

0000 .0000 -1.94) (II.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.93) . z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II. πz (p) comme le plus grand commun e o e diviseurs des num´rateurs des mineurs d’ordre maximum de G(p) normalis´s pour avoir e e e e le polynˆme caract´ristique πp (p) comme d´nominateur.6.6.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (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. u e e e e ` Hypotheses II.89).0000i >> Poles=pole(G) Poles = -1 -2 -1 II.6. transfert) choisie. Sous les hypoth`se II. Nous ıtre e e a e e nous contenterons ici de r´sumer les principales caract´risations et nous nous placerons e e dans le cas o` les repr´sentations d’´tat et de transfert sont strictement ´quivalentes et u e e e o` le nombre d’entr´es est ´gal au nombre de sorties (syst`mes carr´s). e e e e e a On d´finit pour cela le polynˆme des z´ros. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.90). e e e e ´ Definition II.ˆ ´ ` II. Elle est ´troitement li´e ` la repr´sentation (´tat.6. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2.0000i -1. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission.6.0000 + 0.0. e Sous ces hypoth`ses.1. de z´ros invariants et de z´ros d´couplants sont ´quivalentes. 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. Ces syst`mes sont e e e e e e dits carr´s.

6.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II. on a vu que : πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Il y a ici un mineur maximal qui est d’ordre 2 et qui s’´crit : e det G(p) = Soit πz (p) = −p + 1 Script MATLAB 5 >> Zeros=tzero(G) Zeros = 1.0000 >> [Poles.0000 Remarques II.6.2 Reprenant l’exemple II. e .6.0000 >> Zero=zero(G) Zero = 1.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 = 1.1 (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.

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

e e e e + a−b+c − II.En appliquant la transform´e de Laplace.7.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me.2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment.de blocs sommateurs.7. e Exemple II. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles. e . e e a ee e 2.Un sch´ma fonctionnel n’est pas unique. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .Il est ind´pendant de la nature physique du syst`me mod´lis´. 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. e Remarques II.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig. 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 . a ee 3.15 – Circuit RC .7. II. c a + b Fig.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel. Dans ce cas. II.

Trac´ du sch´ma fonctionnel : e e 1 I(p) Cp E(p) + − S(p) E(p) + 1 R I(p) I(p) 1 Cp S(p) − S(p) 1 R I(p) 1 Cp S(p) Fig. e a e e e .LES MODELES GRAPHIQUES 1.16 – 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). II.Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2.Application de la transform´e de Laplace et d´termination des fonctions de transfert e e ´l´mentaires : ee VR (p) = E(p) − S(p) = RI(p) S(p) = 3. 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. 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.17.

18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire.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.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.96) ε (p) G(p) S(p) Fig. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur. La fonction de transfert en boucle ouverte est alors ´gale au transfert de la chaine a e directe G(p) et la fonction de transfert en boucle ferm´e est donn´e par : e e S(p) G(p) = E(p) 1 + G(p) (II.7.2 (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. ´ Definition II.95) (II. II.7.64 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Chaîne directe E(p) + Y(p) − A ε (p) G(p) S(p) H(p) Chaîne de retour Fig.7. ´ Definition II. II.4 (syst`me boucl´ ` retour unitaire) e ea Un syst`me boucl´ est dit ` retour unitaire si le transfert de la chaine de retour est ´gal e e a e ` un. E(p) + S(p) − (II.97) .

20.LES MODELES GRAPHIQUES 65 II.19 – Alg`bre des sch´mas fonctionnels e e . 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. le sch´ma fonctionnel peut comporter un nombre ime e portant de blocs et de boucles. Ces r`gles sont r´sum´es e e e e e dans les tableaux II. 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.19 et II.7.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe. II.

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

98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II. II.LES MODELES GRAPHIQUES 67 II.22.2 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. Dans le cas des syst`mes e e e LTI. e ee Exemple II. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig. e e Ainsi.21 est d´crit dans le domaine temporel.7.7. la repr´sentation d’´tat lin´aire temps-variant suivante : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II. . les matrices sont constantes et l’on peut d´composer ce sch´ma en faisant apparaˆ e e ıtre les diff´rents ´l´ments constitutifs.21 : e e u(t) .4 Sch´mas fonctionnels et repr´sentation d’´tat e e e Bien qu’utilis´s le plus souvent en liaison avec les mod`les entr´e-sortie du type fonction e e e de transfert. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat.2 Le sch´ma fonctionnel II.7.

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

e e ) [A.B.2 Fonctions de mod´lisation LTI e ) sys=tf(num.C.p. o ) [num. ) e ) r=rank(A) : calcule le rang de la matrice A.D]=ssdata(sys) : renvoie les matrices syst`me A. o ) v=poly(r) : si r est une matrice. v est le vecteur des coefficients du polynˆme ca) o ract´ristique de r. e ) sys=ss(A.D d’un mod`le LTI ) e e d´fini dans sys.r]=deconv(c.B.D) : renvoie dans sys un mod`le LTI d´fini par les matrices d’´tat ) e e e A.1 Fonctions MATLAB Fonctions d’alg`bre de base e ) d=det(A) : calcule le d´terminant de la matrice A.D.8.8 II.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.k) : renvoie dans sys un mod`le LTI d´fini par le vecteur des z´ros z. ) e ) B=inv(A) : calcule l’inverse B de la matrice A.B.FONCTIONS MATLAB 69 II.8.a) : calcule le quotient q et le reste de la division du polynˆme c par ) o le polynˆme a. ) [q. num (resp. ee ) [V. ) sys=zpk(z. Si r est un vecteur.C. e e . ) ) X=expm(A) : calcule l’exponentielle de la matrice A.B) : calcule le polynˆme r´sultant de la multiplication des polynˆmes ) o e o A × B.p. ) II. den) est un vecteur contenant les coefficients du polynˆme dans o den l’ordre d´croissant. ) ) C=conv(A.C.B.den) : renvoie dans sys un mod`le LTI d´fini par la fonction de transfert ) e e num . e ) [z. ) e e e le vecteur des pˆles p et le gain statique k.C.den]=tfdata(sys) : renvoie le num´rateur num et le d´nominateur den d’un ) e e mod`le LTI d´fini dans sys. le vecteur des pˆles et le gain ) e o statique d’un mod`le LTI d´fini dans sys. v est le vecteur des coefficients du polynˆme e o dont les racines sont les ´l´ments de r.k]=zpkdata(sys) : renvoie le vecteur des z´ros.D]=reig(A) : effectue le mˆme calcul que eig mais dans R.

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

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

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.72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH).2) . III. .1. e e e x(t) = Ax(t) + Bu(t) ˙ (III.1. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices.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) e o` A ∈ Rn×n . B ∈ Rn×m est commandable ssi la matrice de commandabilit´. R. AB . modification des dynamiques propres).1 III.1. . B = 0. B . . III. e e ´ Definition III. e . =n (III. Il est membre de l’acad´mie des sciences am´ricaine.1.E. · · · n alors le syst`me est compl`tement ee commandable.Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. Remarques III.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. .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 .2 Crit`re de commandabilit´ e e Il est clairement difficile d’utiliser directement la d´finition pr´c´dente afin de d´cider e e e e de la commandabilit´ d’un syst`me LTI donn´. e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.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. C est u de rang n.1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre. · · · . e e a . ´ ` Theoreme III. An−1 B . hongroise. 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. fran¸aise e e c et russe.1. la commanea e dabilit´ a pour objet de caract´riser la capacit´ d’un syst`me ` voir ses caract´ristiques e e e e a e dynamiques modifi´es par les entr´es. rang(C) = rang .

1. B) est commandable ssi la matrice complexe n × (n + m) : λ1 − A B est de rang ´gal a n pour toute valeur propre λ de A. Physiquement. on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer.2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A. B).2 (test PBH) La paire (A. x2 ) = (h1 . e ` (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). h2 ) et R1 = R2 = 1. e ´ ` Theoreme III. e Exemple III. 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. e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont.NOTION D’OBSERVABILITE 73 Remarques III. B) sera appel´e come e e e mandabilit´ de la paire (A. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque.3) .1.1.1 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 . c1 = c2 = 1.

   · · ·  CAn−1 Remarques III. Exemple 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.2. C) sera appel´e observabilit´ e e e e e de la paire (A. ´ ` Theoreme III. e a e ´ Definition III. C ∈ Rr×n est observable ssi la matrice d’observabilit´.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 . O est de rang n.74 COMMANDABILITE ET OBSERVABILITE 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.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III.   .2.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A.2. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.1 Clairement.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. n alors le syst`me est compl`tement ee observable. e III.2. estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie.2 III.2.5)  = n   . C).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 . · · · .2. Remarques III.1 (observabilit´) e e Un ´tat xi est observable en t0 s’il est possible de d´terminer xi (t0 ) connaissant y(t) / e [t0 tf ].

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

Il rentre a l’´cole Polytechnique en e ` e 1855.46) a la repr´sentation e e e ` e d’´tat (III. 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 devient ´diteur du Journal de math´matiques pures et appliqu´es.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. les ´quations diff´rentielles et e e e la m´canique. 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 compagne de commande. 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.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.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´. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. En 1885. ea e e e Ainsi.3. En 1861.8).La forme diagonale ou quasi-diagonale de Jordan. ` e .3 III. . On distingue trois e e grands types de formes canoniques : . Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles. e Ces formes particuli`res sont appel´es les formes canoniques. 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.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II. 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. e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887. Cette op´ration est une transformation de similarit´. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat. . si x est un vecteur d’´tat alors le vecteur x = P x est ´galement un vecteur d’´tat e ˆ e e si la matrice P est inversible. e e e Le fait de disposer de diff´rentes repr´sentations d’´tat pour un mˆme syst`me est un e e e e e avantage qui va permettre d’utiliser des formes particuli`res de la repr´sentation d’´tat e e e pour des probl`mes particuliers. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse.La forme compagne d’observation. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite.

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

k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi . · · · . Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1. La premi`re colonne u e ` de chaque sous-bloc Pi . 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. e e e c eme ` u colonne de P . qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III. e a Forme r´elle pour les pˆles complexes simples e o Le polynˆme caract´ristique d’une matrice r´elle peut avoir des racines complexes o e e conjugu´es faisant apparaˆ lors de la diagonalisation des blocs du type : e ıtre α + jβ 0 0 α − jβ = p 0 0 p∗ Ce bloc peut ˆtre rendu r´el par un changement de base. 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. Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi . · · · . u ∈ R et y ∈ R. Il est possible de montrer que l’on Soit P = [q1 .11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1. 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. Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. 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 matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante.13) Le polynˆme caract´ristique de (III.14) . les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). i = 1.12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III.12) y(t) = Cx(t) e e e e o` x ∈ Rn .

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

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

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

2115 x3 -1.82 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES compagne de commande peut alors ˆtre donn´e e e    0 0  x(t) +  0  u(t) 1 −4 1 Une repr´sentation d’´tat sous forme e e par :  0 1  0 0 x(t) = ˙ 0 −1 y(t) = 1 −2 −8 x(t) + 4u(t) La repr´sentation d’´tat sous forme modale peut ´galement ˆtre d´duite : e e e e e     0 0√ 0 1  0 −2 − 3 0 √  x(t) +  1  u(t) x(t) = ˙ 1 0 0 −2 + 3 y(t) = a b c x(t) + 4u(t) Script MATLAB 6 >> H=tf([4 8 2 1].2679 0 x3 0 0 -3.25 x2 -0.626 d = .[1 4 1 0]) Transfer function: 4 s^3 + 8 s^2 + 2 s + 1 ----------------------s^3 + 4 s^2 + s >> ex_332=canon(H.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.899 4.732 b = x1 x2 x3 u1 4 4.899 c = y1 x1 0.

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

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

26) .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.··· . · · · .Pˆles simples r´els : o e Dans ce cas. e e ` e ee .RELATIONS ENTRE MODELES INTERNES ET EXTERNES et permet d’´crire. −1 non commandable et observable. Le o e e e e cas des syst`mes multivariables peut ˆtre abord´ de mani`re identique mais n´cessiterait e e e e e beaucoup plus de temps. 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 ). e ` o e . seul le cas des syst`mes monovariables sera pr´sent´. Algorithmes de r´alisation e A l’instar de ce qui a ´t´ fait pour la pr´sentation des formes canoniques compagnes ee e du polynˆme caract´ristique. n Xi (p) = U (p) p − pi (III. ee ` On suppose donc que le syst`me monovariable LTI est mod´lis´ par une fonction de e e e transfert : F (p) = N (p) bn−1 pn−1 + · · · + b0 = n+a n−1 + · · · + a p D(p) n−1 p 0 (III. on a : Y (p) = F (p) = U (p) N (p) (p − pi ) i=1.n (III. Il faut e e donc choisir la base dans laquelle sera ´crite la repr´sentation d’´tat que l’on souhaite. commandable et observable. e e e     −2 0 0 1  −1 2 0  x +  1  u x= ˙ −3 3 −1 3 y= −1 1 −1 x + u 85 o` les pˆles sont donn´s par −2. La m´thode o e e g´n´rale consiste alors a d´composer F (p) en ´l´ments simples.···n = αi p − pi i=1. 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. 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. La r´f´rence [12] peut servir a approfondir ce sujet. 2 non commandable u o e et non observable.Une ´quation d’´tat d’ordre 3 est donn´e par.

86

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

1 1 . . . 1

    u(t) 

(III.27)

α1 α1 · · · αn

x(t)

(p − pi )

=
i=1

αi + (p − p1 )i i=m

n

1

αi p − pi +1 (III.28)

i=m1 +1,···n

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

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

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

87

(III.33)

(III.34)

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

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

(III.38)

(III.39)

· · · 0 x(t)

88

MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES

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

CRITERES POUR LES FORMES MODALES

89

III.4

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

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

III.4.1

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

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

c1 c2 · · · cn

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

III.4.2

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

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

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

(III.41)

y(t) =

c1

c2 · · ·

· · · cn

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

90

COMMANDABILITE ET OBSERVABILITE

      x(t) =  ˙    

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

0 ··· ... ... ... ...

··· ... Jk ...

··· . . .

···

··· . . . 

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

0 . . . . . . . . .

 bn1 ···

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

(III.42)

y(t) = o` : u

c1

c1k

c1s

x(t) 

   Jk =    

pi

1

0

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

··· ...

   ...    pi 1  0 pi

0 . . . . . .

(III.43)

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

(III.44)

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

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

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

apr`s d´composition en ´l´ments simples. 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.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. e e e ´ ` Theoreme IV.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations.3429 + 1.´ IV. e e e e e Si le syst`me est observable et commandable alors une r´alisation minimale d’´tat e e e peut ˆtre donn´e : e e G(p) : = A B C D (IV. B.5083i 0.e. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives. ` e e Exemple IV. e e e e ee Q R y(t) = k=1 Ak e σk t + j=1 Bj αj t e sin(ωj t) ωj (IV.6681 .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.1. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s.6) Un syst`me LTI de r´alisation minimale (A. il est possible de donner une e e e caract´risation multivariable plus g´n´rale.1. tous les pˆles sont a o o ` partie r´elle n´gative. C.1.1 Soit la fonction de transfert : G(p) = p+1 p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Son polynˆme caract´ristique est πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 o e Script MATLAB 8 >> roots([1 2 3 6 5 3]) ans = 0.5083i -1. Munis de cette interpr´tation monovariable.3429 . i.1. Le demi-plan gauche est appel´ la r´gion de stabilit´.

eig(A) ans = 0.0.D]=ssdata(sys).1.5083i . 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. 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.7) Le syst`me est observable et commandable. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux.3 Crit`re alg´brique de Routh-Hurwitz e e On suppose que le syst`me est repr´sent´ par un mod`le LTI : e e e e G(p) : = A B C D (IV. . Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p). En 1854.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p). Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College.7020i -0. ce qui peut ˆtre fastidieux pour des ordres ´lev´s.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.6681 -0. Canada. A treatise on analytic statistics. 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.5088 .7020i >> >> >> >> G=tf([1 1].7020i .98 STABILITE DES SYSTEMES LTI -0.5083i + 0.B.5088 + 0.C. Il meurt le 7 juin 1907 a ` Cambridge.[1 2 3 6 5 3]). sys=ss(G).3429 0.1. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert. ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.3429 -1. IV.5088 + 1. (1891) et A treatise on dynamics of a particle (1898). [A.0.5088 -0.

il existe une ee racine a partie r´elle nulle. e ´ ` Theoreme IV. Si l’´l´ment au dessous de est positif. Il meurt le 18 novembre e 1919 a Z¨rich. Si un ´l´ment de la premi`re colonne est nul. il est ´tudiant a l’universit´ de Berlin o` il assiste aux cours de Kummer. . hn−1 an−2 an−3 an an−4 an−1 an−5 =− an−1 an−1 an−5 bn−1 bn−5 =− bn−1 . Il fait son doctorat a Leipzig sous l’autorit´ de Klein en 1881 sur les ` e fonctions modulaires.1.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.9) 2. il remplace Frobenius a ETH ` Z¨rich.Si tous les coefficients sont positifs. il y a changement de ` e ee e signe et donc il existe une racine a partie r´elle positive. Il travaille ´galement e sur les surfaces de Riemann.1.3 (crit`re de stabilit´ de Routh-Hurwitz) e e Le nombre de racines du polynˆme dont la partie r´elle est positive est ´gal au nombre o e e de changements de signes des coefficients de la premi`re colonne du tableau de Routh. . il existe une racine ou des racines imaginaires ou nulle ou a partie r´elle ` e positive. ` o u ` En 1892.1. p0 cn−1 cn−3 cn−5 4. LA STABILITE BIBO 99 Adolf Hurwitz est n´ le 26 mars 1859 a Hanovre. pn−2 bn−1 bn−3 bn−5 pn−3 . 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 . an−4 an−5 an an−6 an−1 an−7 =− an−1 an−1 an−7 bn−1 bn−7 =− bn−1 .1 1. Il ´tudie la th´orie de ` a u e e la factorisation des quaternions entiers en 1896. .´ IV. . . .Appliquer le crit`re de Routh-Hurwitz. la th´orie des fonctions complexes et ´crit e e plusieurs papiers sur les s´ries de Fourier. . Weierse ` e u trass et Kronecker.Si un des coefficients est nul ou n´gatif alors qu’un autre coefficient au moins est e positif. e ` Puis. il occupe une chaire a K¨nigsberg o` il enseigne a Hilbert. En 1884. on le remplace alors par > 0 et on ee e continue la construction du tableau. . ` e . ` u ´ Procedure IV. 3. Si l’´l´ment au dessous de est n´gatif. e Le syst`me est donc stable si et seulement si tous les coefficients de la premi`re colonne e e sont positifs. on calcule le tableau de Routh suivant.

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 .1.3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique. 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. Il y a donc deux racines a partie r´elle positive. e 2.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. o o Exemple IV.1. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme. ` e . o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme.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. Afin de e e compl´ter le tableau. 0 est remplac´ par .1 1.1. e e a2 a1 > a3 a0 Exemple IV.2 (ordre 3) Soit le polynˆme caract´ristique. e e 3.100 STABILITE DES SYSTEMES LTI Remarques IV.Le nombre de racines du polynˆme caract´ristique ` partie r´elle n´gative est ´gal o e a e e e au nombre de changement de signes dans la premi`re colonne.

1. Il y a donc 4 racines a partie r´elle nulle ± 2 et ±2.´ 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). LA STABILITE BIBO Exemple IV. .1.

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. 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 .2. e e e e ´ Definition IV.un point d’´quilibre unique qui est l’origine de l’espace d’´tat x = 0 si A est inversible e e . les points e e e ˙ d’´quilibre sont les solutions de l’´quation alg´brique : e e e 0 = f (t. Le cas des syst`mes LTI est particuli`rement remarquable.une infinit´ de points d’´quilibre si A n’est pas inversible e e Intuitivement.2. 0) (IV. On doit donc toujours parler en toute rigueur de la stabilit´ d’un point e e d’´quilibre ou de la stabilit´ des trajectoires et non de la stabilit´ d’un syst`me. x(t). Soit un syst`me donn´ par son ´quation d’´tat x(t) = e e e e e e ˙ f (x(t)). il est clair que l’on peut u e avoir un nombre arbitraire de points d’´quilibre. x(t). Si ` un instant t0 . de trajectoires d’´tat et de point e e a e e d’´quilibre. ´ Definition IV. x0 = x(0).11) Dans le cas o` f est une fonction non lin´aire quelconque.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.1 La stabilit´ interne e D´finitions e Cette notion est tr`s intimement li´e ` celle d’´tat. la question de la stabilit´ d’un point d’´quilibre peut se poser en ces e e termes. ∀t≥0 (IV. u(t)). 0) ∀ t ≥ 0 Pour un syst`me autonome.102 STABILITE DES SYSTEMES LTI IV. ∃ α > 0 tel que si ||x(0) − xe || < α alors ||x(t) − xe || < Dans le cas contraire.2. l’´tat est perturb´ de l’´tat d’´quilibre xe .2 (stabilit´-instabilit´ au sens de Lyapunov) e e L’´tat d’´quilibre xe est dit stable au sens de Lyapunov si e e ∀ > 0 . xe est dit instable. . on a alors : e 0 = f (x(t). est-ce que la trajeca e e e e toire d’´tat retourne en xe ou diverge-t-elle? e Il est n´cessaire de formaliser math´matiquement les r´ponses ` cette question afin e e e a qu’elles soient g´n´ralisables.13) . ´ ` Theoreme IV.2 IV.2.12) (IV. Pour un syst`me dynamique de repr´sentation d’´tat x(t) = f (t.10) en l’absence de commande et de perturbations.

la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´.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. ´ Definition IV.2.14) La stabilit´ asymptotique signifie que l’´quilibre est stable et que l’on est capable de e e d´terminer un voisinage du point d’´quilibre tel que n’importe quelle trajectoire issue e e d’un x0 appartenant a un voisinage de xe tend vers xe quand t → +∞. IV.´ IV. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV. r) . e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe . D’autre part.2. ` ´ Definition 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. LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t.4 (stabilit´ exponentielle) e Un point d’´quilibre xe est exponentiellement stable s’il existe α > 0 et λ > 0 tels que : e ∀t > 0 .x0 ) xe t x1 Fig. e ´ Definition IV. le ee e e e point d’´quilibre est globalement asymptotiquement (exponentiellement) stable. e . ∃ Br (xe .16) (IV.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0). ∀ x0 ∈ Br .1). pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne.2.15) Cela signifie que le vecteur d’´tat.2. λ est appel´ le taux de convergence.

17). · · · .1 Mˆme si la notion de stabilit´ au sens de Lyapunov a ´t´ pr´sent´e dans le cadre de la e e ee e e repr´sentation d’´tat des syst`mes. la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable. . ´ ` Theoreme IV.2 Pour le syst`me (IV. e (b) si un des blocs de Jordan associ´ ` pj est non scalaire. et la multiplicit´ est o e sup´rieur a 1 alors.2. · · · . alors. alors xe est un point ea d’´quilibre instable. c’est une propri´t´ qualitative intrins`que du syst`me e e e ee e e que l’on pourra ´galement ´tudier ` partir d’une repr´sentation du type entr´e-sortie. r}. La position A correspond a un point d’´quilibre instable. pour j ∈ {1. · · · . IV.si Re(pj ) < 0. Re(pj ) > 0. pr . e pour tout j ∈ {1. pour tout j ∈ {1. r}. pour j ∈ {1. pour j ∈ {1.104 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. on e e o e suppose que xe = 0 est un point d’´quilibre.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV.2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV. e 1.Si toutes les valeurs propres de A ont une partie r´elle non positive. · · · . 3. Re(pj ) ≤ 0. r}. e e a e e IV. r}.si un pˆle est tel que Re(pj ) = 0. e .si un pˆle est tel que Re(pj ) = 0. alors xe est un point d’´quilibre asymptotiquement stable. e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement. e ` e A B C Fig. r}.2. e .2. 2.Si un des pˆles du syst`me est instable.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. alors xe o e est un point d’´quilibre instable. · · · .2. et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement. poss´dant r valeurs propres distinctes (r pˆles) p1 . · · · .

1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A.3333 1.3333 1.-0.3333  1.0000i -1.0000 -2.6667 −2.6667 0.6667 -2. >> eig(A2) ans = -1.-1 -3 0.0000 0. >> eig(A4)    −2.3333 2].3333 0  −2 2 2 −0.6667 3 A1 =  −1 −3 0  A2 =  −1. LA STABILITE INTERNE 105 Remarques IV.3333 1.6667 0. >> eig(A3) ans = 0. o e Exemple IV.-2 2 2].9999 -1.6667 0.     −3 2 3 −1.0.0000 + 0.-1.6667 Script MATLAB 9 >> A1=[-3 2 3.-1. >> eig(A1) ans = -1.3333 1.3333 −0.´ IV.2 La stabilit´ interne de (IV.3333 3 A3 =  −1.0000 >> A2=[-1.3333 3.3333 2  .6667 3.6667 −0.3333 A5 =  −0.3333 −2.3333 0.0000 -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).0000i -2.2.9999 >> A3=[-2.6667 2].0001 >> A4=[0 0 0.3333 1.2.3333 0.2.0 0 0.-1.6667 0  −1.3333 -2.6667 0.6667 0.1 0 -1].3333 1.0000 .6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.6667 0.

3333.8729 -0.6667].2.6667 0.2.3 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.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative.6667 -0. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.6667 0. e e e .6667 0.4364 0.2.2182 -0. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.6667 S = 0 0 0 0 -1.3333 -0.S]=eig(A5) V = 0. e 2. e e 3.3333 0. e e ´ ` Theoreme IV.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI.3333.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome.1.0000 0 0 0 -0.Le syst`me est BIBO-stable. ` e e A B C D IV.0000 IV.3333 1.3333 1.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable. >> [V.6667 -0.3333 0.-0. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.3333 -0. e 4.

. w1 w2 · · · wn P est la matrice modale de changement de  p1 0   0 p Λ= . p2 < 0 sont stables.. En effet.2 . pn sont distinctes.  . e 6 4 2 x2 0 −2 −4 −6 −12 −10 −8 −6 −4 −2 $x1$ 0 2 4 6 8 Fig... · · · . e e e . le point d’´quilibre 0 est un noeud stable. p2 sont r´elles. stables ou instables. la r´ponse du syst`me ` une condition initiale e non nulle est. 0  0 pn Dans le cas d’un syst`me de dimension 2.  . e e x(t) = Ax(t) ˙ 107 (IV.p1 .Les deux valeurs propres p1 . Cela donne des caract´ristiques e e e e diff´rentes aux trajectoires d’´tat. 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. IV.  .19) P −1 = base. . En ´crivant la matrice A e e a dans la base form´e des vecteurs propres ξi . l’´quation (IV. les valeurs propres peuvent e e ˆtre r´elles ou complexes conjugu´es.19) peut ˆtre utilis´e afin e e e e de caract´riser la nature du point d’´quilibre 0.18) e on suppose que les n valeurs propres p1 . ··· .3 – Noeud stable .2..´ IV. 0 ···  0 .  . LA STABILITE INTERNE Etant donn´ un mod`le LTI autonome. . .

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

e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. Il meurt le 03 novembre 1918 a Odessa.Repr´sentation d’´tat : e e x1 = x ˙ x2 = x   x1 = x2  ˙ on a   x = − b x |x | − k0 x − k1 x3 ˙2 2 2 1 m m m 1 Posant . Ce travail e e e e e e e est publi´ par la soci´t´ math´matique de Kharkov en 1892 dans Probl`me e ee e e g´n´ral de la stabilit´ du mouvement traduite pour la premi`re fois en e e e e fran¸ais en 1907 dans les annales de l’universit´ de Toulouse puis en 1949 c e aux Princeton University Press. e 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. Russie.7 – Syst`me masse-ressort e 1. ici l’´nergie totale.LA METHODE DE LYAPUNOV 109 IV. Il con¸oit e e e c de nombreuses m´thodes d’approximation. IV.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. ”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. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. 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. 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.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. e on obtient diff´rentes ´quations e e M Fig. ` Exemple IV. 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. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse.

` partir d’une valeur initiale. La proc´dure e e e de base est de g´n´rer une fonction scalaire ”de type ´nergie” pour le syst`me dynamique e e e e .Point d’´quilibre : (0. e e e . e e . Reprendra t-elle sa e e position d’´quilibre? e Etude de l’´nergie m´canique totale : e e .La stabilit´ asymptotique implique la convergence de l’´nergie vers 0.3. e e e e .Energie cin´tique : e 1 1 Ec = m x 2 = m x 2 ˙ ˙2 2 2 .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. 0) e STABILITE DES SYSTEMES LTI La question est de savoir si ce point d’´quilibre est stable.1 . e La m´thode directe de Lyapunov est fond´e sur l’extension de ces concepts. e e a e e On peut donc supposer que : .110 3. e Etude de la variation de l’´nergie m´canique : e e d ˙ ˙ [V (x)] = (m¨ + k0 x + k1 x3 )x = −b|x|3 x dt L’´nergie du syst`me. La masse est tir´e loin e e de sa position d’´quilibre (longueur naturelle du ressort) puis lach´e.L’´nergie m´canique refl`te indirectement l’amplitude du vecteur d’´tat. = .L’instabilit´ est li´e ` la croissance de l’´nergie m´canique. est dissip´e de mani`re continue e e a e e par l’amortisseur jusqu’au point d’´quilibre.Le point d’´nergie m´canique nulle est le point d’´quilibre.Energie potentielle : x Epot.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.

. t) dont les d´riv´es partielles premi`res sont continues et telle que : e 1.3. t) ∂x   gradient de V (x. t) ˙ V (x. e ` e e e ´ Definition IV. 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. ∂V (x. x ∈ Rn .1 (D´riv´e de Lyapunov) e e n u e Soit V (x. 0) est un point d’´quilibre pour ce syst`me. t) ∂x1 . t) est semi d´finie n´gative. t) + ∂t ∂x o` : u  ∂V (x. il existe une fonction scalaire de l’´tat V (x.20) ˙ V (x. On d´finit alors V : e e e ˙ n R × R+ → R par : ∂V ∂V (x. t) ∂xn       (IV. t).3.21) f (t.3. t) est d´finie n´gative alors la stabilit´ est dite localement asymptotique. 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. e e alors le point d’´quilibre 0 est stable.8). t) = (x. e ˙ 2.V (x. Cela conduit a calculer. LA METHODE DE LYAPUNOV 111 et d’en examiner la d´riv´e temporelle (cf. t) est d´finie positive.1 (stabilit´ (asymptotique) locale) e e e e Si.V (x. . t)/x ∼    ∂V (x. x) (IV. x2 ) | x2 + x2 < 2 1 2 . On choisit une fonction candidate de e e 2 2 Lyapunov V (x) = 1/2(x1 + x2 ). figure IV. dans une boule Br0 . ` ˙ V (x) = x1 x1 + x2 x2 = (x2 + x2 )(x2 + x2 − 2) ˙ ˙ 1 2 1 2 ˙ V (x) est donc localement asymptotiquement stable dans la boule : B√2 = (x1 . t). Si V e e e Exemple IV.3. e e e e e e ´ ` Theoreme IV.´ IV. On peut ainsi conclure quant ` la e e a stabilit´ sans avoir recours a la solution explicite des ´quations diff´rentielles non lin´aires. e e e ˙ On consid`re la stabilit´ du point d’´quilibre 0 pour les syst`mes ´tudi´s. t) le long des trajectoires de x = f (x. t) est appel´e la d´riv´e de V (x.

2 1.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que.22) On consid`re une fonction candidate de Lyapunov quadratique. d’o` l’utilisation de e u l’exp´rience. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). e e 2||x||→+∞ lim V (x) = +∞. e 2.23) ´ ` Theoreme IV. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive. il faut donc choisir a priori e e une fonction candidate de Lyapunov.8 – Illustration de la m´thode de Lyapunov e Remarques IV. 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.24) . e e e x(t) = Ax(t) ˙ (IV. e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV.2 V = C2 V = C1 x1 x0 Fig.3.112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . IV.La condition pr´c´dente est une condition suffisante . fonction d´finie positive. la fonction V (x.3. V (x) = x P x. ˙ 1. 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.V (x. la m´thode devient plus syst´matique.3 Une condition n´cessaire et suffisante pour qu’un syst`me autonome de mod`le LTI x(t) = e e e ˙ Ax(t) soit asymptotiquement stable est que ∀ Q = Q > 0. Si la e condition 2 est v´rifi´e. t) est une fonction de Lyapunov pour le syst`me. t). ´ ` Theoreme IV. alors 0 est un point d’´quilibre globalement asymptotiquement stable.V (x) est d´finie n´gative. alors. Dans le cas non lin´aire. e e A P + PA + Q = 0 (IV. V (x. Dans le cas des syst`mes LTI.3.

P = 0.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.´ IV.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1. on trouve.3273 et 0.0676 .1664 0.3125 0.0625 0.0477. e Script MATLAB 10 >> P=lyap(A1’.3. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.5160 19.eye(3)). >> eig(P) ans = 0. LA METHODE DE LYAPUNOV Exemple IV.3.0625 0.

114 STABILITE DES SYSTEMES LTI .

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

Ce type de signal a la carat´ristique de soumettre le e e e syst`me ` des sollicitations plus ou moins brusques et progressives.les signaux rampe . e e e e e a an y (n) (t) + · · · + a0 y(t) = bm u(m) (t) + · · · + b0 u(t) (V. Ils permettent ainsi e a d’´tudier les performances transitoires de la r´ponse des syst`mes. nous revee e e e e nons sur les notions tr`s voisines de r´gime libre et de r´gime forc´.les signaux ´chelon (fonction de Heaviside) e .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 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. .4) Par application du th´or`me de superposition.2 R´gime libre .3) La r´ponse du syst`me y(t) ` un signal d’entr´e u(t). e e V. 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). la r´ponse peut ˆtre d´compos´e en e e e e e e deux termes y1 (t) et y2 (t).1.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). y (n−1) (0) ˙ (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.116 ANALYSE TEMPORELLE DES SYSTEMES Ces signaux d’entr´e sont plus particuli`rement utilis´s du fait de la simplicit´ de e e e e leur repr´sentation math´matique. e e e e Soit un syst`me d´crit par l’´quation diff´rentielle entr´e-sortie ` coefficients constants.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) = 0.1. Remarques V. on e e e se limite souvent aux signaux polynomiaux jusqu’` l’ordre 2 d’entr´e caract´ristiques tels a e e que : . appel´ signal d’excitation. y(0). si les entr´es r´elles d’un syst`me sont suppos´es varier graduellee e e e e e ment.r´gime forc´ e e e Avant de caract´riser plus pr´cis´ment la r´ponse temporelle des syst`mes. e .les signaux de type impulsionnel (impulsion de Dirac) . Dans la pratique. Par exemple. .

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

5p + 1 = 0 Elle a une unique solution p1 = −2 d’o` u y4 (t) = λ1 e−2t Alors. 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. On a vu au e e e chapitre pr´c´dent diff´rentes notions de stabilit´ absolue pour les syst`mes lin´aires. e e e . 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. e e toujours pr´sentes dans la partie transitoire de la r´ponse temporelle d’un syst`me.chaque paire complexe conjugu´e (pj .8) o` σj = Re(pj ) et ωj = Im(pj ). u Exemple V. y(t) = 2 + λ1 e−2t soit pour y(0) = −1. amorties plus ou moins rapidement.1.2 L’´quation caract´ristique est e e 0.118 ANALYSE TEMPORELLE DES SYSTEMES .

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

u e y(t) = K(1 − e−t/T ) t ≥ 0 (V. on obtient la pente de la tangente pour t = 0.120 d’o` la r´ponse impulsionnelle. 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.6 y(t) 0.5 0.7 0.16) 1 p (V.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.15) qui est repr´sent´e figure V. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V. K K dy(t) = e−t/T |t=0 = dt T T (V.2 (r´ponse indicielle) e On appelle r´ponse indicielle.2.18) .9 KT 0.14) La r´ponse indicielle e ´ Definition V. En calculant la d´riv´e. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.8 0. on obtient la pente de la tangente e e e e pour t = 0. V.4 0.2 0.2 – R´ponse impulsionnelle e En calculant la d´riv´e.3 0.13) 0.3. ae Y (p) = d’o` la r´ponse indicielle. u e y(t) = qui est repr´sent´e figure V.17) K KT K = − (1 + T p)p p 1 + Tp (V.2.

23) .2 Amplitude y(t) To: Y(1) 1 0.2.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1. En calculant le signal d’erreur (t) = u(t) − y(t).20) qui est repr´sent´e figure V.2.4. pour e e K = 1.6 1.2 0 0 T 2 4 6 8 10 12 Time (sec.4 0.21) 1 p2 (V. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.8 1.) t Fig.4 0.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V. V. plus le syst`me est rapide. on parle alors de rampe unitaire.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.6 0.8 0. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V. e e R´ponse ` une rampe unitaire e a ´ Definition V.632K 1. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.19) Si k = 1. on obtient. ae Y (p) = d’o` la r´ponse.1 Plus la constante de temps du syst`me T est faible.3 – R´ponse indicielle e Remarques V.

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)

2 0 0 5 10 15 Time (sec) 20 25 30 Fig.4 1.3 ξ = 0.6 ξ = 0.7 ξ = 0.9 0. e e e ξ = 0.6 ξ = 0.8 et figure V.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.4 1.9.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.2 ω n= 0.4 1.4 1. V.4 ξ = 0.8 Step Response 127 1. V.6 0.2 Amplitude 1 0.2 0 Fig.5 1.5 ξ = 0. u L’allure de telles r´ponses est repr´sent´e figure V.1 ω n= 0.8 0.4 ω n= 0.8 0.8 Step Response ω n= 0.8 ξ = 0.2 ξ = 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).6 0.1 e .1 1.6 1.2 Amplitude 1 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.

6 T 0.) 10 15 Fig. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.3 0.10 – Syst`me du second ordre sous-amorti e Les d´passements successifs sont d´finis par : e e Dk = s(kT /2) − s(∞) = −[e−πcotg(ψ) ]k = −(−D1 )k s(∞) (V.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes. 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 .4 D2 1 0.2 0.7 D 0.128 ANALYSE TEMPORELLE DES SYSTEMES La courbe de la r´ponse indicielle d’un syst`me du second ordre poss`de un certain e e e nombre de caract´ristiques remarquables. V. e Step Response 0. .1 0 0 5 Time (sec.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.

11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.2 1 0. e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf.3]) Step Response 1.H_2=tf([K*T*a K]. e e e Script MATLAB 12 >> K=1.H_01=tf([K*T*a K].2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .LES SYSTEMES DU SECOND ORDRE 129 La position angulaire est asservie au d´placement longitudinal par un correcteur du e type avance ou retard de phase.H_2. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.H_10) >> axis([0 20 0 1.[T (1+a*T*K) K]) >> a=2. figure 3).T=1.[T (1+a*T*K) K]) >> a=0. >> a=10. C(p) = suivant le sch´ma-bloc suivant.8 a = 0.1 a=2 a = 10 Amplitude 0.4 0.1.[T (1+a*T*K) K]) >> step(H_01. V.6 0.H_10=tf([K*T*a K].

3.49) .12.48) 1 − ξ2 ξ (V.45) Cette relation est approxim´e par la relation : e tr ≥ (V. tan(ωp tr ) = − Apr`s calculs. y(t) Mp 0. V. cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1.12 – Sp´cifications de performance e . Sa r´ponse temporelle a l’allure de la figure V.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est. u cos(ωp tr ) + soit.47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.130 ANALYSE TEMPORELLE DES SYSTEMES V. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`. ξ).8 ωn (V.5 0 tr tp t ts Fig.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V.05 t td 0.3 Sp´cifications temporelles d’un syst`me du second ordre e e On suppose que le syst`me du second ordre est sous-amorti et sp´cifi´ par la paire e e e e (ωn .

8 tr (V.3 (V.55) ξ ≥ ξ(Mp ) σ≥ 4. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`. − 131 (V.Temps d’´tablissement ts : e G´n´ralement.5 ξ = 0. ωn doit ˆtre grand.LES SYSTEMES DU SECOND ORDRE . u tp = . pour des r´ponses rapides.6 ts .D´passement maximal Mp : e On a donc. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V. Mp = y(tp ) − 1 = −e−ξωn tp Soit.6 4.50) π ωp (V.52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0. De plus.53) .54) 4.1 e e ξ est g´n´ralement fix´ en corr´lation avec Mp alors que ts est principalement d´termin´ e e e e e e par ωn .7 ξ = 0.6 = = ξωn σ Remarques V.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit.3.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.

Chaque paire de pˆles complexes conjugu´s (pi .4.1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te.4. u La r´ponse transitoire compl`te du syst`me est constitu´ par la combinaison lin´aire de e e e e e ces fonctions ´l´mentaires. e e ´ Definition V. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur.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 .132 ANALYSE TEMPORELLE DES SYSTEMES V. on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps. La notion de stabie e e e lit´ asymptotique ´tudi´e dans les chapitres pr´c´dents exprime que la composante y4 (t) e e e e e tend vers 0 sur un horizon suffisamment long de temps mais ne donne pas d’indications sur l’´volution qualitative de ce signal transitoire.Chaque 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.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse. e e Ainsi.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. . o ` e . chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me. 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. Dans le cas le plus g´n´ral. Dans cette combinaison lin´aire.4 V. .57) . 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 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.r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V. complexes conjugu´s) des racines de l’´quation caract´ristique. y4 (t) est e e e constitu´e de la combinaison lin´aire de fonctions du temps ´l´mentaires d´finies par la e e ee e nature (r´els. les pˆles.58) o` σi = Re(pi ) et ωi = Im(pi ).

 . pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (V.. · · · .4.60) C’est une oscillation de pulsation propre ωi amortie par une exponentielle d´croissante e caract´ris´e par la constante de temps τi = 1/λi .  ..  0 . .62) o` u P = v1 v 2 · · · vn P −1 = base et ··· .  . J est la forme de Jordan u o associ´e ` A. e a J = diag(J1 .. P est la matrice modale de changement de base.1 La contribution de chaque mode a la forme des transitoires d´pend de la fonction excita` e trice (le signal d’entr´e) et de l’´tat initial E(0).LES SYSTEMES D’ORDRE SUPERIEUR . e e Cette analyse temporelle men´e ` partir d’un mod`le de type fonction de transfert e a e (syst`mes monovariables) peut ˆtre g´n´ralis´e aux syst`mes multivariables en utilisant e e e e e e la repr´sentation d’´tat.. p1 .61) e e o` x ∈ Rn .2 .63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini.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. u .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.Si A a n valeurs propres distinctes. e e Soit la r´alisation minimale d’´tat d’un syst`me autonome : e e e x(t) = Ax(t) ˙ x(0) = x0 (V.  . 0 ··· . 0  0 pn w1 w2 · · · w n P est la matrice modale de changement de  p1 0   0 p Λ= . Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk . Etudions la solution de l’´quation d’´tat dans la base modale. . e e Remarques V. · · · ..

o e e (V. Les polynˆmes caract´ristiques et les e o e mod`les d’´tat lin´aris´s associ´s au mouvement longitudinal et lat´ral du petit avion e e e e e e appel´ Navion au niveau de la mer sont ´tudi´s.213)2     (V.5 Fig.1 −0.63) sont appel´s e ee e les modes du syst`me. V.51 ± 2.Mouvement propre longitudinal :     δu ˙ −0.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.1 0 −0.017)2 + (0.02 1.5 0 −0. V.51)2 + (2.036 0 −0.5 2 2.191 −3.Courtesy USAF Museum .045 0.2 1 0.322 δu  δ w   −0. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.59)2 (p + 0.Le mode d’oscillation d’incidence (short-period mode) p = −2.5 −1 0.62) et (V.65) Les modes propres longitudinaux sont d´finis comme : e .5 1 Time (sec) 1.370 −2.76   δw ˙   0    q  =  0.1 0 −0.1 −0. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.2 0 0.14 – Mode d’oscillation d’incidence pur .98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V. e e e Fig.96 −2.2 0.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.13 – North American L-17A ”navion” .

.1 −0.322 v  r   2.98 0.66) .55 −0.eye(4).3)) .191 -3.35  r ˙   0    p  =  −9.76 0.02 1.5 0 −0.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8. -0.322.08 2.zeros(4.76 −0.Tlong]=canon(sys_long.254 −1.05 0.486)2 + (2.Mouvement propre lat´ral : e     v ˙ −0. >> [navion_long.Plong(:.5 0 50 100 150 Time (sec) 200 250 300 350 Fig.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.96 -2..334)2 (p + 0.5 −1 0.2 To: Out(3) To: Out(4) 0.1)..045 0.Le mode phugoide (phugoid mode) p = −0.213j Response to Initial Conditions 1 To: Out(1) 0..zeros(4..2 0. 0]. >> initial(sys_long.’modal’) >> Plong=inv(Tlong).017 ± 0. o e e e (p + 8.0 0 1.036 0 -0.0088) Les modes propres lat´raux sont d´finis comme : e e .67)     (V.1 0 −0.37 -2.5 0 −0.1)) >> initial(sys_long.76 0 0.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.Plong(:.1)).433 ` (V.LES SYSTEMES D’ORDRE SUPERIEUR .19 −8.0.433) (p + 0.05 To: Out(2) 135 0 Amplitude −0. V.

Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0. V.04 0.15 −0.0088 Response to Initial Conditions 0.02 To: Out(1) 0.1 0.015 0.6 0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.05 −0.486 ± 2.01 0.7 Fig.5 0.2 0.3 Time (sec) 0.005 −0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.02 0 1 0.334j . V.2 0 0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.1 0.16 – Mode de roulis pur .02 0 0.01 1 0.17 – Mode de spirale pur .2 0.15 0.5 0 0 −0.05 0 0 −0.4 0.1 −0.

zeros(4.4 0.35 0.’modal’) >> Plat=inv(Tlat). V.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 . 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.1 0 −0.4.5 0.2 0 2 4 6 Time (sec) 8 10 12 Fig.1).08 2.322. 2. ´ Definition V.5 0 −0..LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.1 −0..5 1 0.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0..5 −1 0.76 0 0. 0]. >> [navion_lat. τq } associ´es ` ses diff´rents modes.19 -8.Tlat]=canon(sys_lat.1)) >> initial(sys_lat.68) Les modes les plus rapides sont donc ceux associ´s aux pˆles les plus ´loign´s de l’axe e o e e imaginaire.Plat(:.Plat(:..-9. >> initial(sys_lat.55 -0.eye(4). e τi = −1/Re[pi ] (V.5 0 −0.zeros(4.18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-.254 -1.2)) >> initial(sys_lat.. · · · .0 0 1.69) .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.Plat(:.1)).76 -0.2 0.

Si ξ = 0 alors le mode oscillant est non amorti . = 0.63 (V. = 1/0.4 ξinc. τdrol. e τsp.51 = 0. = 1/2.71) . = 1/0. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par.12 (V.0088 = 113.74) .3984 0.0088 d´fini par sa constante de temps.70) Par extension. Pour un mode oscillatoire.le mode phugo¨ p = −0.59j d´fini par sa constante de temps e et son amortissement.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 . ´ Definition V.204 (V.486±2. mˆme si cette condition n’est pas strictement v´rifi´e.82 ξphu.017 ± 0. = 1/0.213j d´fini par sa constante de temps et son ıde e amortissement.7 (V.3 (mode dominant) La paire de pˆles complexes conjugu´s les plus proches de l’axe imaginaire g´n`rent le o e e e mode dominant.334j d´fini par sa constante e de temps et son amortissement.06 ξdrol. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me.08 Les modes propres lat´raux du Navion sont caract´ris´s par.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. ξq }.4.73) (V. e e .4.72) . ´ Definition V.017 = 58. = 1/8.433 d´fini par sa constante de temps. τphu.486 = 2. e e e .le mode d’oscillation de roulis hollandais p = −0.le mode de roulis p = −8. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1. = 0. on parle o e e de modes dominants.le mode d’oscillation d’incidence p = −2.75) .433 = 0. = 0.51 ± 2. · · · .le mode correspondant de spirale p = −0. e τrol. τinc.4 (mode oscillant non amorti et ap´riodique) e .

2040 0.3836 8.6946 0.0000 >> [Wn_long.76) i=1 .Xi_long]=damp(sys_long) Wn_long = 0.0797 0.6070 3.3836 2.2140 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.Xi_lat]=damp(sys_lat) Wn_lat = 0.6946 V.6070 Xi_long = 0.0088 2.2040 1.4327 139 Xi_lat = 1.4.0000 0.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.2140 3.0797 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.[1 1 1]). e e e n h(t) = i=1 ai epi t (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. e e n s(t) = K + i=1 bi epi t (V. e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1. e e o Si l’on ´tudie la r´ponse indicielle.4.5 0].77) avec. >> step(H2) >> step(H1+H2) . le d´passement sera augment´ ou diminu´.[1 1 1]). m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V. On en d´duit donc que la contribution d’un pˆle pi e e o .78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros.est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o . >> H2=tf([1/0.79) e e ` e o` bi = ai /pi . e e Exemple V. >> clf >> step(H1) >> hold.1 (addition d’un z´ro ` une paire dominante) e a Soit la fonction de transfert normalis´e par le choix ωn = 1 : e H(p) = p αξ +1 p2 + 2ξp + 1 = 1 1 p + p2 + 2ξp + 1 2ξ p2 + 2ξp + 1 H1 (p) H2 (p) 1 dh1 (t) .est augment´e par la pr´sence des pˆles voisins.140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors. Suivant que le e e e e e e z´ro sera stable ou instable.

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.4 1. e V.1 e e a o .8 0. dans de nombreux cas pratiques.8 141 1.L’addition d’un z´ro instable z ` une paire de pˆles dominants pdom diminue le e a o d´passement mais provoque le ph´nom`ne de r´ponse inverse augmentant ainsi les e e e e temps de r´ponse.6 H 1.4. e .L’addition d’un z´ro stable z ` une paire de pˆles dominants pdom augmente le e a o d´passement si |zadd | ≤ 4|Re(pdom )|. e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel. e .2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.4 0.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.5 1 0. Ainsi.5 −1 H 2 −1.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|.6 0.4.2 H 1 Amplitude 1 0.5 e Step Response 1. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.5 H1 H Amplitude 0 −0.2 H 2 0 −0. Il est d’usage afin d’´tablir des comparaisons e e e sens´es de consid´rer la r´ponse temporelle ` un ´chelon de position pour des conditions e e e a e initiales nulles (syst`me au repos et d´riv´es successives nulles ` l’instant initial). e e e a .5 e R´sum´ V.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0.

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

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

6 ts Cela conduit ` d´finir une r´gion int´ressante pour le placement des pˆles dans le plan a e e e o complexe. V. V. Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig.23 – R´gion de sp´cifications e e .144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig.22 – Pulsation propre non amortie En g´n´ral.8 tr (V. e e e ωn ≥ 1. 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.83) ξ ≥ ξ(Mp ) σ≥ 4.

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

146 ANALYSE TEMPORELLE DES SYSTEMES .

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

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

´ ´ ´ 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

Apr`s ee e e e 1935. Il entre a AT&T pour d´velopper un syst`me de t´l´graphe et des ` e e ee m´thodes permettant la maitrise des messages dans les t´l´graphes a e ee ` bande ´troite. Entre 1921 et 1935.2. e e . En effet. e Remarques VI. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. 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. 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.1 Le gain du syst`me ` une pulsation donn´e est mesur´ par la longueur du rayon vece a e e teur correspondant alors que la phase est l’angle mesur´ positivement dans le sens trigoe nom´trique entre l’axe ox et le rayon vecteur. Il meurt en 1976. e e La mˆme ann´e. pour e e e e ω → ∞: G(jω) ∼ d’o` : u φ(ω) ∼ (n − m) π 2 bm 1 bm (jω)m = n an (jω) an (jω)n−m . Il publie un article sur la fr´quence de Nyquist en 1928. 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´.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. il s’engage sur des recherches g´n´rales en communication. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. 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 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.

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

1 Re jω 0 .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.13) Φ(ω) = − tan−1 (ωT ) . .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. 1 Re 1 (jω )2 Im 1 a 1+jω T 1+jω aT 0 . Im 0 Im Re 1+jωT jωT Im Re 1+jωT Im Re jωT 1+jωT 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. VI. Im 0 1 jω Im 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. La figure VI.

la pulsation propre non amortie et l’amortissement.6 – Premier ordre dans le plan de Nyquist Caract´ristiques d’un deuxi`me ordre dans le plan de Nyquist Un syst`me du second e e e ordre a une fonction de transfert sinuso¨ ıdale param´tr´e ` l’aide de deux param`tres. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.12) permet de montrer que la courbe est un demi-cercle de centre e (0.5. (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI.REPRESENTATION GRAPHIQUE 157 L’´tude de (VI.16) .5. 0) et de rayon 0. VI.14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI.5 Re |G(j/T)| ω = 1/Τ Fig. e e a e (ωn . ξ).

2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig. l’analyse asymptotique montre que la phase tend vers −π. VI.7). e ` e Nyquist Diagram 15 10 ξ = 0.4 ξ = 0.158 et sa phase par : REPONSE FREQUENTIELLE DES SYSTEMES LTI  ω  2ξ( ωn )  −1   φ(ω) = − tan  ω2  1− 2 ωn La partie r´elle est d´finie par : e e 1− R(ω) = 1− alors que la partie imaginaire est : −2ξ I(ω) = 1− ω2 2 ωn 2 ω2 2 ωn 2  (VI. Il est a remarquer que MATLAB donne le diagramme de e e a ` Nyquist complet avec le sym´trique par rapport a l’axe ox pour les pulsations n´gatives.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e . e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox.19) e e Pour ω ∈ R+ .07 ξ = 0. Cette pulsation est la pulsation de e cassure associ´e au second ordre. Aux hautes e e fr´quences. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn . les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.18) ω ωn ω + 2ξ ωn 2 (VI.7 ξ = 0.05 ξ = 0. Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1.17) ω2 2 ωn + ω 2ξ ωn 2 (VI.1 ξ = 0.

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. En effet. la partie r´elle et la partie imaginaire sont toujours n´gatives.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. Cela e e implique que la courbe est toute enti`re contenue dans le quatri`me cadran du plan e e complexe. e Exemple VI.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. >> nyquist(G).[1 2 0]). e Script MATLAB 17 >> G=tf(4. .2. e L’inconv´nient est qu’elle n’est pas adapt´e ` la repr´sentation de lieux de transfert e e a e form´s par des produits de lieux ´l´mentaires connus G(jω) = G1 (jω)G2 (jω). e 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. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.4 −0.7 −0. VI.5 Real Axis −0. 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 .8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) 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.3 −0.1 0 Fig. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s. e 8 8 . ´ Definition VI.6 −0.9 −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.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 −0.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations.8 0+ −0.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts. pulsation quelconque.2.

Il entre aux laboratoires de Bell Telephone comme math´maticien.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. En 1955. Apr`s la guerre. il obtient son Ph. 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. Echelles logarithmiques ω1 ω rad/s Φ1 Fig.20) pN . a e L’avantage principal d’une telle repr´sentation est qu’elle permet de convertir la mule tiplication des amplitudes en addition par l’utilisation de l’´chelle en d´cibels. Il est all´ ` e e a l’´cole ` Urbana dans l’Illinois et obtient un diplˆme de l’universit´ d’´tat de l’Ohio en e a o e e 1926. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. Il devient ` ` membre de l’Acad´mie des Sciences. 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. e Pendant ses premi`res ann´es aux laboratoires Bell. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. il continue a travailler en partie sur des applications e e ` militaires (guidage des missiles) mais ´galement sur la th´orie moderne de la communicae e tion. En 1952. 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. Alors qu’il travaille chez Bell. Ce travail s’est e e e concr´tis´ par l’´dition de sa c´l`bre monographie Network analysis and feedback ame e e ee plifier design en 1945. e e e Cela comprend en particulier des extensions du travail de Nyquist sur les amplificateurs a contre-r´action pour l’am´lioration des commu` e e nications longues distances. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. VI.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. D de l’universit´ de Columbia en 1935. En effet. Il meurt le 21 Juin 1982. Pendant la seconde guerre mondiale.

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. (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 . Bode Diagram 10 5 Magnitude (dB) 0 − 20 dB / decade −5 −10 ω co −15 −89 −89.20).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. Ce trac´ asymptotique suffit en premi`re approximation pour e e e obtenir des informations sur le syt`me.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. 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. VI.162 REPONSE FREQUENTIELLE DES SYSTEMES LTI Il suffit alors d’appliquer la propri´t´ d’additivit´ que partagent la fonction Log10 et ee e la fonction argument.Le gain K poss`de un module constant ´gal a K et une phase nulle.5 −91 10 0 10 Frequency (rad/sec) 1 Fig. . Ces facteurs ıtre e ee peuvent ˆtre class´s en quatre familles. Il peut ˆtre ensuite affin´ et corrig´ simplement. Log10 |G(jω)| = i Log10 |Gi (jω)| φ(ω) = i φi (ω) (VI.5 Phase (deg) −90 −90. e e ` . e e .22) 1 a une phase constante valant −90×N deg.

Pour les basses fr´quences.3 . ω = 2/T . 45 26. 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 . l’amplitude en dB peut ˆtre e approxim´e par.L’erreur pour une octave au del`. . domaine ”hautes e fr´quences” ω >> ωc . la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines. e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI. Dans le plan de Bode.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante. domaine ”basses fr´quences” ω << ωc .97 dB. Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e . Les courbes de phase dans le plan de Bode des facteurs du premier ordre sont toutes identiques et peuvent ˆtre d´duites des points suivants : e e ω rad/s 1/T 1/2T 1/10T 2/T 10/T Φ deg. e ` .REPRESENTATION GRAPHIQUE 163 .L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB. 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.6 5.26) Dans cette plage de pulsations. 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.En hautes fr´quences. e e e c e .25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB. e √ (VI. ω << ωc = 1/T .7 63. on obtient. ω = 1/2T de ωc vaut a ca −0.4 84. et en de¸`.

29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences.97 dB 3 dB 0. la courbe de gain pr´sentera ou ne pr´sentera pas de pic de e e r´sonnance. e .Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI.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 .164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0. e .30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences.97 dB −20 dB/dec Magnitude (dB) −20 −25 −30 −35 −40 −45 −50 0 ωc Phase (deg) −45 −90 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 Fig. e Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI.Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   dB (VI.11 – Trac´ dans le plan de Bode de 1/(p + 2) e . e .Basses fr´quences : ω << ωn e −20Log10 (1) = 0 dB (VI. ξ).27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ. e . VI.

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

3 ξ = 0.2.5 ξ = 0.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0.34) ´ Definition VI.1 1.4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI. e e e a 3.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.1 −90 ξ = 0.2 ξ = 0. e a ´ Procedure VI. ee 2.Tracer les courbes asymptotiques.05 ξ = 0. VI.5 −180 ξ = 0.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.3 ξ = 0.7 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.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.2 −135 ξ = 0.05 ξ = 0. .2.1 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.2. 4.

[1 0]). >> G3=tf(1. La courbe de phase pr´sente quant ` elle deux asymptotes horizontales en −90 deg et −180 deg.’b--’. >> G2=tf(1.1).’.’r-. 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.’.14 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) . >> G=tf(4.[1 2]). VI.2.G.’g.2 Reprenons la fonction de transfert pr´c´dente. Ces deux asymptotes se coupent e e e a en ωc = 2 rad/s.G2.G3. >> bode(G1.[1 2 0]). Script MATLAB 18 >> G1=tf(4.’k’) >> grid Bode Diagram 40 20 Gain k = 4 Magnitude (dB) 0 −20 −40 −60 Intégration −80 0 −45 G(p) −90 Premier ordre 1 p+1 Phase (deg) −135 −180 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 Fig.REPRESENTATION GRAPHIQUE Exemple VI.

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. 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. e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI.168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI.35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black.2.2. 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. VI. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants. Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert. a e o .2 Dans la litt´rature anglo-saxonne.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)|)).15 – Plan de Nichols-Black Remarques VI. 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig.

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

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

18 – Lieu de transfert de 1/(1 + p) dans le plan de Nichols-Black Caract´ristiques d’un deuxi`me ordre dans le plan de Nichols-Black De mˆme pour e e e 1 un facteur du deuxi`me ordre du type e .1 ξ = 0. 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. VI.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. 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 = 0.5 ξ = 0.01 ξ = 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.38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg.

3 Frequency (rad/sec): 1.’b’). >> nichols(G2.’.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12. e Script MATLAB 19 >> G2=tf(1.04 dB et le point correspondant a ω = 1.[1 2 0]).G3. >> G3=tf(1.’r-.’g. >> G=tf(4.172 Exemple VI.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.’.G. VI.0273 System: G2 Phase (deg): −128 Gain (dB): −3.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.04 dB.58 System: G3 Gain (dB): −8.[1 2]).58 Phase (deg): −90 Frequency (rad/sec): 1.2.94 Frequency (rad/sec): 1. ` e .58 rad/s.14 Phase (deg): −38. Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.[1 0]). 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.

41) Arg(G2 (jω)) = − tan−1 ω(T1 + T2 ) ω(T1 + T2 ) = 90 deg + tan−1 2T T 1−ω 1 2 1 − ω 2 T1 T2 2 1 + ω 2 T1 2 1 + ω 2 T2 (VI. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations. Dans le cas contraire. Exemple VI. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI.3 Cette d´nomination provient du fait que pour un module identique.2.4 Les syst`mes ` non minimum de phase e a ´ Definition VI.2. VI.REPRESENTATION GRAPHIQUE 173 VI.4 Afin d’illustrer au mieux la remarque pr´c´dente.2.20 montre le diagramme des phases de G1 et de G2 . 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. 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.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. ` Remarques VI.2.20 – Phases de G1 et G2 pour T1 = 1. T2 = 2 .39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre. il sera ` dit a non minimum de phase. 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.40) La figure VI.

Nyquist Diagram 1 0.4 −0. nous donnons les lieux de transfert de G a dans le plan de Nyquist. le module et la phase sont li´s par une relation e a e biunivoque.6 0.2 −0.4 −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.2 Imaginary Axis 0 −0.6 0.6 −0.22 – Diagramme de Nyquist de G(jω) pour T1 = 1 . 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. VI. VI. Ce n’est pas le cas des syst`mes e e e e ` non minimum de phase.2 0.8 1 Fig. A titre d’exemple. la courbe de phase peut en ˆtre d´duite directement de mani`re unique.2 0 Real Axis 0.8 −1 −1 −0.4 0.21 – Phase de G(jω) pour T1 = 1 Pour un syst`me ` minimum de phase.6 −0.4 0. Si la courbe de gain est connue sur l’ensemble des pulsations.8 0.8 −0.174 REPONSE FREQUENTIELLE DES SYSTEMES LTI En fait.

1 #1: ---------------------------------------s^4 + 0.H=tf({1 3.002 s^2 + 0. Dans la a e majorit´ des cas. ´ Definition VI.[2 1] [1 4]}.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.21 s^3 + 7. Cela impose donc le plan de Bode e e comme seul outil disponible.{den den. 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.[1 0.01 2]..2 a montr´ que la r´ponse fr´quentielle des mod`les LTI multivariables e e e e est compl`tement caract´ris´e par les gains principaux (valeurs singuli`res) qui sont des e e e e fonctions de la pulsation ω.2. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es..5 Extension aux syst`mes multivariables e La section I.21 s^3 + 7.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.REPRESENTATION GRAPHIQUE 175 VI.den den}) Transfer function from input 1 to output.2.45 s + 10 #2: . La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.2.002 s^2 + 0.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.5 (mod`le deux entr´es .2 5]).1.

21 s^3 + 7.002 s^2 + 0.45 s + 10 #2: >> sigma(H) >> grid ..176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.002 s^2 + 0.21 s^3 + 7.. 3 #1: ---------------------------------------s^4 + 0.45 s + 10 s + 4 ---------------------------------------s^4 + 0.

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e.1 Principe de la contre-r´action e Un syst`me de commande automatique a contre-r´action compare la valeur r´elle de la e ` e e sortie du syst`me avec l’entr´e de r´f´rence (la valeur souhait´e). Jusqu’` pr´sent.1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif. e ` ea 179 . e e Cette id´e de contre-r´action n´gative est principalement due a l’ing´nieur en g´nie e e e ` e e ´lectrique Harold Black qui l’a appliqu´ aux amplificateurs utilis´s dans les communicae e e tions longues distances (cf. biographie). En r´sum´.1. Dans un premier temps. seuls les syst`mes monovariables sont trait´s. 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. 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]. VII. 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. 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. 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. d´termine l’´cart entre e e ee e e e les deux et produit un signal de commande dont le but est de r´duire cet ´cart a 0 ou e e ` de le rendre tr`s faible.1. Cette e e structure est illustr´e figure VII. Dans ee e e la suite de ce cours.

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. ancˆtres des laboratoires Bell Telephone. il rejoint les laboratoires de West e e e Street de la Western Electric a New York.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. e e e Le sch´ma de principe est alors le suivant. 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 d´pose un brevet (21 D´cembre 1937 . 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. ee En 1927. 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. 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 meurt en 1983. Il publie modulation theory en 1953. 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. u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1. e e √ ρc 2 (VII. VII. neuf c e prix ainsi que de nombreux autres titres honorifiques. photo du chapitre e 1).180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. Perturbation Système de commande Entrée de référence + Ampli. Il ` e travaille alors sur la r´duction de la distorsion dans les amplificateurs de puissance pour e les communications t´l´phoniques longues distances. Il 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.No. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action. e . 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. Apr`s ses ann´es d’´tudes. m est la masse du v´hicule et ρ et c sont des constantes. 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. Process Sortie Fig.

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

02.6.05.6 k=0. = 0.52 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.6 e ee e ` ` l’instant 10 s. 0.4. La valeur satisfaisante e e du gain de l’action int´grale r´alisant un compromis acceptable entre la rapidit´ de la e e e r´ponse et le d´passement semble donc ˆtre k = 0. que pour les valeurs k = 0.62 k=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. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0.02. On refait donc les simulations m √ √ ρc ρc = 0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0.1 et k = 0.1}. . Le signal de r´f´rence est donc un ´chelon passant de 0.54 0. la r´ponse est tr`s lente. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.08 0. 0.1 s et pour diff´rentes valeurs de k ∈ {0.08.06 correspondant a des accroissements respectifs ` pour k = 0. 0. e e On peut remarquer sur la figure VII.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.6.4 – 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 k=0. a Quelle que soit la valeur du gain de l’action int´grale k.02 v 0.05 et m m de masse de 20% et 40%.56 k=0.05 0.05.08.08. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis.58 0. VII. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0.5 a 0.

56 v 0.62 183 0.5) x1 (t) + x2 (t) + p(t) x1 (t) = − ˙ m m Cette perturbation est mod´lis´e comme un ´chelon de position n´gatif intervenant en e e e e t = 20 s.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. 0. il est ´galement n´cessaire de prendre en e e e e compte la possibilit´ de perturbations affectant le v´hicule telles que des raffales de vent e e ou un rev`tement de la route imparfait.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.65 0.52 0.` ` ´ VII.1.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.6 0. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.5 0.54 0.6 sans perturbation 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 a e Si l’on consid`re des conditions r´alistes. e √ √ ρc 2 ρc (VII. e e e e .7 0.45 avec perturbation 0.4 0. SYSTEMES DE COMMANDE A CONTRE-REACTION 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.58 0. VII.

Les bruits et les erreurs de mesure associ´s ` cette e a op´ration peuvent entrainer des pertes de pr´cision. . 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.184 ANALYSE EN STABILITE DES SYSTEMES BOUCLES A partir de cet exemple. 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.7 – Sch´ma bloc avec perturbation et bruit e o` : u .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 (` ). En e e e effet.y est la sortie du syst`me e . nous avons principalement d´fini les transferts en boucle ouverte et a e e en boucle ferm´e. on peut mettre en ´vidence les propri´t´s fondamentales de e ee la structure de commande a contre-r´action.Robustesse du syst`me boucl´ vis-`-vis de variations param´triques e e a e .Am´lioration de la pr´cision en boucle ferm´e e e e . que d’autres transferts peuvent ˆtre int´ressants ` consid´rer afin d’avoir e e a e une vision plus compl`te des probl`mes pos´s par la structure de commande a contree e e ` r´action. VII. r + − ζ K(p) b + + ν u G(p) y + + w Fig.u est la commande issue du correcteur K(p) .Le probl`me de stabilit´ est plus crucial en boucle ferm´e qu’en boucle ouverte.1. e e . e e VII.r est le signal de r´f´rence que doit suivre la sortie ee . ` e . L’exemple de la section pr´c´dente induit.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.2 Caract´risation des syst`mes de commande ` contre-r´action e e a e Jusqu’` pr´sent. e . a travers l’introduction de e e e ` la perturbation.La structure de commande a contre-r´action implique le plus souvent de disposer ` e d’un capteur mesurant la sortie.

ν est le signal de commande entrant r´ellement dans le syst`me e e .7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII. SYSTEMES DE COMMANDE A CONTRE-REACTION .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. a S(p) + T(p) = 1 (VII.7) ´ Definition VII. il est ´galement n´cessaire de connaˆ les transferts de ces commandes c e e ıtre aux entr´es exog`nes : e e u(p) = K(p)S(p)(r(p) − w(p)) − T(p)b(p) (VII.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.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.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.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.` ` ´ VII. diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s.1. La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle.b est le signal des perturbations = r − y est le signal d’erreur 185 . e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII.1.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) .8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc.

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

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

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

e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII. VII. a r + − ζ K(p) u G(p) y Fig.14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note.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∞ . 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.15) G(p)K(p) 1 + G(p)K(p) (VII. Il est orient´ dans le sens antitrigonom´trique.2.1 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.´ ` ´ VII. e e .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. 0) de rayon ee e infini incluant le demi-plan complexe droit. j∞] et d’un demi-cercle centr´ en (0. nous allons nous int´resser ` la stabilit´ asymptotique de la e a e fonction de transfert en boucle ferm´e. la sensibilit´ compl´mentaire T (p). K(p) = NK (p) DK (p) (VII. quand l’assere e e vissement est ` retour unitaire. e VII.2.2. La forme e e initiale du crit`re s’applique aux syst`mes mono-entr´e mono-sortie mais peut ´galement e e e e ˆtre ´tendue aux syst`mes multivariables et fait essentiellement appel a des r´sultats e e e ` e d’analyse complexe sur les transformations conformes et en particulier le th´or`me de e e Cauchy. Le crit`re de o e e e Nyquist est un crit`re graphique qui permet de conclure quant a la stabilit´ de la boucle e ` e ferm´e par la seule connaissance de la boucle ouverte. ´ Definition VII.

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

` G(p) = K p(1 + T p) T >0 K>0 (VII.1 Le syst`me ` contre-r´action de la figure VII. 4.16) Exemple VII. Le nombre Z de o racines instables du polynˆme caract´ristique en boucle ferm´e ob´it ` la relation : o e e e a Z = P− N (VII.17) 1. 3.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte. o e e .2.1 1.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p). Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant. fermer le lieu de u Nyquist. CN o 2. le lieu de Nyquist est complet et ferm´.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.Tracer son sym´trique par rapport a l’axe ox.Tracer le lieu de Nyquist complet de la boucle ouverte.2. il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII.2. o a e Afin d’appliquer correctement le crit`re de Nyquist. .Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES .Calculer la boucle ouverte de l’asservissement consid´r´.Compter le nombre P de pˆles instables de la boucle ouverte.La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e . Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .Dans le cas o` le contour de Nyquist a une indentation. 0).

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

4. a droite) quand on parcourt le lieu de transfert ea ` dans le plan de Nyquist (dans le plan de Nichols-Black) dans le sens des ω croissants.P = 0. VII. Dans certains cas particuliers et sous certaines hypoth`ses.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation. p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII. Le syst`me est donc stable asymptotiquement. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII.20) K K G(p) ∼ ∼ e−jθ p ρ 3.2. 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. Im Im −1 Re −1 Re K(j ω)G(j ω) K(j ω)G(jω ) Fig.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e . il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers.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. e ´ ` Theoreme VII.N = 0.2.2 (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.

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.7 incluant une perturbation e et un signal de bruit de mesure. 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.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente. e a e e e e . qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement.1. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement. Dans le § 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.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII.2.2. 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.1.7 pour lequel les donn´es de l’exemple VII. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII. VII. les fonctions de sensibilit´. nous avons d´fini un certain nombre e de transferts. VII. Il est donc indispensable de prendre en compte la stabilit´ interne e e du syst`me ` travers la stabilit´ de tous les transferts d´finis pr´c´demment. En effet.

2. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat. 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.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre.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.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne.15 ainsi d´finie a un sens.2.3 (bien pos´) e La boucle a contre-r´action de la figure VII. On dit alors qu’elle est bien pos´e.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres. e e ´ Definition VII.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. 0) est asympe e e totiquement stable. e ´ Definition VII. VII. xK ) = (0. 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.2. .

15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 . >> S=inv(1+L).3 .5 1].2.[2 1])).1023i -0.196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII. e ua e Exemple VII.On retrouve les quatre fonctions de transfert particuli`res ` un changement de signe e a pr`s dˆ ` la convention qui est ici d’une contre-r´action positive. v) sont born´s.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII.9878 -3.1 a .[0. e e .2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0. les signaux de sortie (u.5p + 1)2 (0. v sont stables asymptotiquement.1023i . >> K=tf([1 1].7).2326 + 1. Pour tous les signaux e e d’entr´e born´s (v1 . Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.conv([0.5 1]))). >> pole(S) ans = -19.Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement.21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.Test espace d’´tat : l’interconnection est stable de mani`re interne ssi e e 1 −DK −D 1 existe et A 0 0 AK + B 0 0 BK 1 −DK −D 1 −1 −1 0 CK C 0 est stable asymptotiquement. . e Script MATLAB 22 >> G=tf([10]. la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands. v2 ).conv([0. >> L=G*K.Test entr´e-sortie : la boucle ` contre-r´action de la figure VII.2.1434 -0.2326 .conv([5 1].05 1]. ν2 aux sorties e e u.1.2.

0000 -2..2326 + 1. >> Abf=[A zeros(3.0000 -19.1023i 1.1.2000 + + - 1.1434 -0. zeros(2.BK.2).2326 .1.2326 + 1.D]=ssdata(sysG).1023i -1.C.1035 -0.1023i -1.0000i >> KS=K*S.2326 -2.CK. >> [A.2326 .zeros(2.0000 -1.1035 >> T=1-S.1).1035 >> GS=G*S..1) BK]*inv([1 DK.1023i 0.1023i -0. >> pole(T) ans = -19.B.9878 -3.DK]=ssdata(sysK).ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.0000i 0. >> sysK=ss(K).-D 1])*[zeros(1.C zeros(1.5000 >> sysG=ss(G). >> pole(GS) ans = -19.9878 -3.1434 -0.2)].9878 -3.1434 -0. >> pole(KS) ans = -20.3) AK]+[B zeros(3..2326 -0.1035 -0.1023i -0. . >> [AK.3) -CK.

.1023i -0.22) Remarques VII.1434 -1.15.1.1035 Le th´or`me du faible gain e e Les tests pr´c´dents n´cessitent de calculer les pˆles de 4 fonctions de transfert en e e e o boucle ferm´e ou les valeurs propres de la matrice dynamique en boucle ferm´e.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).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.1p p+1 1 p2 + 0.15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII.2326 + 1.2326 . e e Exemple VII. L’interconnection pr´sent´e e e figure VII. e e e .198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.4 On suppose que G(p) et K(p) sont asymptotiquement stables. e e >> G=tf([1].[1 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.1 0].3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.2 .2. >> L=G*K.2.9878 -0.3015 ω Le syst`me est stable de mani`re interne. >> K=tf([0. e ´ ` Theoreme VII.1p + 10 En appliquant le th´or`me du faible gain.[1 1]).2. 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.1023i -3. on obtient : e e max |K(jω)G(jω)| = 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. j0) dans le plan de Nyquist.3015 Bode Diagram −10 −20 −30 −40 Magnitude (dB) −50 −60 −70 −80 −90 −100 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig. Dans le domaine e e e ` fr´quentiel.2. 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´. 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.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.inf) ans = 0. VII. la stabilit´ absolue e e e telle qu’elle peut ˆtre attest´e par le crit`re de Nyquist n’est pas l’unique indice pertinent. Un autre moyen e e de mesurer le degr´ de stabilit´ relative dans le domaine fr´quentiel consiste ` mesurer la e e e a distance du lieu de transfert en boucle ouverte au point critique d´fini comme le point e d’affixe (−1. . cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement. Dans le domaine temporel.

2.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black . La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.2. VII. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.23) o` ωco est la pulsation de coupure a 0 dB (gain-crossover frequency) de la fonction de u ` transfert en boucle ouverte : L(jωco ) = 0 dB ´ Definition VII.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.25) (VII. Arg[L(jω−180o )] = −180o (VII.3 Pour un syst`me ` minimum de phase. e e e Im 1 |G| dB MΦ ωco 0 dB Φo Kg −1 MΦ ωco ω−180 Re Kg ω−180 −180 Nyquist Black−Nichols Fig.2.26) Remarques 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.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).

VII. Bode Diagram Gm = Inf dB (at Inf rad/sec) .3 et l’on rajoute un gain K0 = 100 dans la boucle.1 0].4 On reprend l’exemple V. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.8 deg (at 4. >> margin(L) . Pm = 25.2.[1 1]).18 – Marges de gain et de phase dans le plan de Bode Exemple VII. >> L=K0*G*K. >> K0=100.[1 0. 8 deg pour ωco = 4.2.42 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.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.5 10]). >> K=tf([0.42 rad/s.

00322 Phase (deg): −154 Frequency (rad/sec): 4.20 – Plan de Nichols-Black .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.19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0. VII. VII.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.449 Frequency (rad/sec): 4.908 Imag: −0. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.

∆M = 1 1 = MS max |S(jω)| ω (VII.2.21 – Marge de module dans le plan de Nyquist Exemple VII.5 1 0.5 Imaginary Axis 0 −0. e Nyquist Diagram 2 1.22 – Marge de module dans le plan de Nyquist .5 −1 −1.27) Im −1 ∆M 1 Re G(jω ) Fig. VII.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises. e e ´ Definition VII.2.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte. c’est donc le rayon du cercle de centre le point critique (−1. Une mesure plus objective est d´finie par la marge de module.5 On poursuit l’exemple V. Dans le plan de Nyquist.3 avec le mˆme gain K0 = 100 dans la boucle.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig. 0) et tangent au lieu de transfert.2. VII.

On trouve ωr = 3. >> K=tf([0. >> S=inv(1+L). >> Mod=inv(norm(S. >> L=K0*G*K.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. >> K0=100.[1 1]).[1 0.6 On poursuit l’exemple pr´c´dent.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.2. Script MATLAB 24 >> G=tf(1.6 (VII.14 Magnitude (dB): 15.6 dB.23 – Pulsation de r´sonnance e .5 10]).4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir. e e Bode Diagram 20 System: L Frequency (rad/sec): 3. VII.1 0]. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.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.2.inf)) Mod = 0.14 rad/s et Mr = 15.40911.

VII.24 – Asservissement a retour unitaire ` L(p) est stable.29) o` F (p) est la fonction de transfert en boucle ferm´e. 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. Nous examinons en premier lieu la m´thode pour e le plan de Nyquist.ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ Definition VII.25 – Lieu de Nyquist . u e Ce coefficient est ´galement appel´ coefficient de r´sonnance ou coefficient de surtene e e sion. M-cercles et N-cercles Etant donn´ un asservissement ` retour unitaire.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. r + − u L(p) y Fig. 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. il s’agit de construire un abaque e a permettant de connaˆ des ´l´ments fr´quentiels de la boucle ferm´e ` partir du trac´ ıtre ee e e a e du lieu de transfert en boucle ouverte.2. VII.

206 − → OA repr´sente L(jωA ).34) o` N = tan(α). e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII.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. On note.2. u e e ´ Definition VII.32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e. culer pour chaque pulsation donn´e. 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.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω). 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) . .30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`.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. les lieux d’amplitude constante et de phase constante en boucle ferm´e.707. 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. Ainsi. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.33) .Les lieux de phase constante en boucle ferm´e sont appel´s les N-cercles et ont e e pour ´quation : e 1 (X + 1/2) + Y − 2N 2 2 = 1 1 + 4 (2N)2 (VII. l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist.

5 1 1.5 Fig.5 0 Re G 0.5 30o (−150o) 36o 45 1 o 2 1.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0. VII.3 1.5 Re ω r (Mr = 2) M=0 Fig.27 – Abaque des N-cercles .5 2 2.833 0.5 2.5 Im G 0 −90o −60o −45o −1.5 −1 −0.27.707 0. e e ea 2.5 60o 90o 0.5 −2 −1.5 −36 o −0.26 – Abaque des M-cercles L’utilisation de l’abaque des N-cercles est compl`tement identique ` celui des M-cercles e a et n’est donc pas d´taill´e ici.707 M = 1.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0. VII.5 −1 −30o −2 −2.2 1.5 −2.67 0. Un exemple d’abaque est donn´ ` la figure VII.

375 Frequency (rad/sec): 2.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII. 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.16 rad/s ω = 3.28. De ce fait.62 rad/s ωr = 4.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1.87 Imag: −1.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6. De la mˆme mani`re que des abaques ont ´t´ d´velopp´s dans le plan de Nyquist e e ee e e pour passer de la boucle ouverte a la boucle ferm´e.92 Frequency (rad/sec): 3. Ainsi ` partir de la figure VII.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig. on peut calculer des e e a points de la boucle ferm´e. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols.2.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1.7 En reprenant l’exemple pr´c´dent. e ω = 2. VII.28 – Exemple : abaque des M-cercles Abaque de Hall-Nichols Un inconv´nient majeur de l’utilisation des abaques des M-cercles et des N-cercles e est que la forme g´n´rale de la courbe du lieu de tranfert dans le plan de Nyquist n’est e e g´n´ralement pas conserv´e lors de modifications mˆmes ´l´mentaires de la fonction de e e e e ee transfert (changement de la valeur du gain par exemple). si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte. ` 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.64 Imag: 0.29 qui forment l’abaque de Hall-Nichols. e .

ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.25 dB 0.25 dB 0.5 dB 20 1 dB −1 dB 209 Open−Loop Gain (dB) 10 3 dB 6 dB −3 dB −6 dB 0 −10 −12 dB −20 −20 dB −30 −40 −350 −300 −250 −200 −150 Open−Loop Phase (deg) −100 −50 −40 dB 0 Fig.5 dB 1 dB 3 dB 6 dB 0 dB 0 Open−Loop Gain (dB) −50 −100 −150 −200 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) .29 – Abaque de Hall Exemple VII.2.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0. VII.

e e Mφ = 60 deg ωco = 1.210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance. la marge de gain.5.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0.5 dB ωr = 2. e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es. e En produisant un zoom sur les fr´quences interm´diaires.8 rad/s Nichols Charts 50 40 0 dB 30 0.25 dB Open−Loop Gain (dB) 10 Mφ Kg −150 Open−Loop Phase (deg) −100 −50 Un trac´ identique est donn´ pour K = 5 o` l’on peut voir l’effet de l’augmentation e e u du gain sur le syst`me en boucle ferm´e. il est alors possible de calculer e e la marge de phase. e e .

5 −60 dB −80 dB −100 −100 dB −120 dB −140 dB −150 −160 dB −180 dB −200 −200 dB −220 dB −350 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) Nichols Charts 50 40 0 dB 30 0.25 dB 0.25 dB Open−Loop Gain (dB) 10 −150 Open−Loop Phase (deg) −100 −50 .5 dB 1 dB 3 dB 6 dB 0 dB −1 dB −3 dB −6 dB −12 dB −20 dB −40 dB 0 Open−Loop Gain (dB) −50 K = 2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 211 Nichols Charts 50 K=5 0.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.

il faut calculer.4 Si l’asservissement n’est pas unitaire.35) L(jω)H(jω) 1 1 que l’on translate de en gain et de Arg 1 + L(jω)H(jω) |H(jω)| H(jω) . 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase.212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII. (VII.2.

1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e .O. Le lieu de o e Nyquist complet est alors trac´ comme : e .24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables. EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII.fait Pbo tours dans le sens trigonom´trique autour de l’origine. dans L(p).3.1 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.` VII.3.1 Soit la boucle ouverte L(p) telle que : 1  1 + L(p) =  (p + 2)(p + 3) 0 On calcule : det(1 + L(p)) = 1 (p + 2)(p + 3)(p2 − 2p + 10)   p (p − 1)(p + 2)   1 p2 − 2p + 10 On a donc deux pˆles instables en boucle ferm´e p = 1 ± 3j et Pbo = 2. 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 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B. 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. e o e ´ ` Theoreme VII. e e e VII.ne passe pas par l’origine. Remarques VII. e .3. e Exemple VII.3 Extension aux syst`mes multivariables e Dans cette partie.3.

´ ` Theoreme VII.5 0 0.08 0 0.2 Soit l’asservissement a retour unitaire du type de la figure VII. .04 Imaginary Axis 0.0 0 0.5 0 0.0 1].5.02 To: Y(1) 0 −0. a e VII.5 0 0 0 0 0.04 −0.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.1 0.B=[1 0.5].06 det(1+L(p) 0.2 (th´or`me du faible gain) e e Etant donn´ un asservissement ` retour unitaire stable en boucle ouverte alors le syst`me e a e en boucle ferm´e est stable si : e ||L||∞ = max σ(L(jω)) < 1 ∀ ω ω o` σ est la valeur singuli`re maximale de L(jω) calcul´e ` la pulsation ω.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0. Le syst`me est instable.02 −0.0 0 -4].4 0.8 1 1.06 −0.C=[0.2 Le th´or`me du faible gain e e Le th´or`me du faible gain d´j` pr´sent´ dans le cas monovariable s’´tend naturellee e ea e e e ment au cas multivariable.3.0 -1 1.08 0.3.6 0.2 0. u e e a Exemple VII.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.3.

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

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

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. 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. 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. 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.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. 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. dans son ´tape de synth`se. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me. e e e e 217 . 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. e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires. Les sp´cifications de 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.

2 VIII.218 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.Relation 1 : y(p) = S(p)G(p)b(p) + T (p)(r(p) − w(p)) .1 Sp´cifications fr´quentielles de performance : syst`mes e e e monovariables Rappels sur les relations de bouclage Dans le cadre de ce chapitre.3) (VIII.2.Relation 4 : ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) (VIII. nous travaillerons comme dans le chapitre pr´c´dent ` e e a partir du sch´ma fonctionnel complet de la figure VIII.Relation 3 : u(p) = K(p)S(p)(r(p) − w(p)) − T (p)b(p) . S(p)G(p). VIII.2) (VIII. .1.1) Les quatre relations pr´c´dentes permettent de d´finir les quatre fonctions de sensibilit´ e e e e S(p).1 – Sch´ma bloc avec perturbation et bruit e Nous rappelons les relations importantes intervenant dans ce type de bouclage : . e r + − ζ K(p) b + ν u + G(p) y + + w Fig. S(p)K(p) et d’illustrer les b´n´fices que l’on peut attendre de ce e e type de structure.4) (VIII.Relation 2 : (p) = S(p)r(p) − S(p)G(p)b(p) + T (p)w(p) . T (p).

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. Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences. Ceci est imp´ratif en r`gle g´n´rale aux basses e e e e e e fr´quences : ω < ωb . e ωb < ωco (VIII.2 Rejet de perturbation b On souhaite g´n´ralement que la boucle d’asservissement soit insensible et rejette la e e perturbation mod´lis´e par le signal b(p). e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w). e e e a on en d´duit la r`gle g´n´rale en basses fr´quences pour le rejet de perturbations : e e e e e |S(jω)| 1 ω < ωb (VIII. e ω < ωb |S(jω)| 1 (VIII.5) Comme G(jω) est donn´e et ne peut ˆtre modifi´e qu’` travers le compensateur K(jω). e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωco e d´finissant la bande passante de G.7) e Du fait que T + S = 1 et S = (1 + GK)−1 .9) 1 . en boucle e e ferm´e ou en boucle ouverte.SPECIFICATIONS FREQUENTIELLES 219 VIII. On en d´duit que : |S(jω)| 1 . 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´.6) 1 (VIII.2.10) (VIII.Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII.Pour que b ait peu d’influence sur y : |G(jω)S(jω)| . e .

ee e e (VIII.Pour que w ait peu d’influence sur y : |T (jω)| .220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.12) 1 (VIII. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .2. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).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.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 .Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .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.14) 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.

on obtient.2..2.2. e .16) En appliquant le th´or`me de la valeur finale. e 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. e la pente ne peut exc´der −30 dB/dec. e e e ´ ` Theoreme VIII. 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.18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive.) Il est donc souhaitable que l’erreur s’annule ou e prenne une valeur finie en r´gime permanent pour des entr´es de r´f´rence types.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg. Si la e marge de phase souhait´e est 45o . la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. e Exemple VIII.. il faut avoir Φ = −135 deg et donc dans cette r´gion. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´. rampe.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. Cela induit des pulsations ωco et ω−180o suffisamment importantes. 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. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).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. 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.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p). Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes.17) On en d´duit la r`gle des int´grateurs.

2. pour les pulsations e e inf´rieures ` ωB .2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1. e Remarques VIII. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB . Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me.19) Dans la majorit´ des cas.22) VIII. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir. la bande passante est un indicateur de performance particuli`rement important.2. Les sp´cifications fr´quentielles e e e e e pr´c´dentes reviennent ` donner une forme particuli`re sur l’ensemble des pulsations ` e e a e a . la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances.21) (VIII. e ´ Definition VIII.2.La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte. 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. on a alors : e e ωB < ωco < ωBT (VIII.1 . ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0.2.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e. Au del` de ces pulsations. la commande est effective et am´liore les performances. ωB = ωBT .707 = −3 dB 2 (VIII. e e . e e e C’est une ´tape importante dans l’´tape de mod´lisation.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.20) (VIII.6 D´finition e Notion de modelage de boucle : loopshaping e e Le choix des pulsations sp´cifiques ωb et ωh d´pend des applications sp´cifiques et des e connaissances que l’on poss`de sur les perturbations et les bruits r´els affectant le syst`me. ωBT ]. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me. Dans le cas contraire.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.. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII.

e e e la fonction de transfert en boucle ouverte L(jω) = K(jω)G(jω). 1.2 – Loopshaping de la boucle ouverte Sp´cifications de performance par loopshaping e Les sp´cifications de performance par loopshaping sont ´labor´es sur le gain de boucle. Si l’on souhaite travailler uniquement sur cette derni`re. e .SPECIFICATIONS FREQUENTIELLES 223 la repr´sentation fr´quentielle des fonctions de sensibilit´ ou a la fonction de transfert en e e e ` boucle ouverte L(p).sp´cification du nombre d’int´grateurs dans L(p) par la r`gle des int´grateurs e e e e 2.pente aux basses fr´quences (ω ≤ ωb ) d´finie par le mod`le de la perturbation e b(p) e e 3.pente sup´rieure ` −20 dB/decade aux hautes fr´quences (ω ≥ ωh ) pour le e a e filtrage des bruits e e . |L(j ω)| dB 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 − perturbation d − suivi de référence − règle des intégrateurs ωb ω co − condition de roll−off ωh 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 − bruit de mesure 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 1111111111111111111 0000000000000000000 ω Fig.pente de −20 dB/decade autour de ωco pour satisfaire la condition de roll-off . VIII.sp´cification d’une pulsation de coupure ωco pour r´pondre aux imp´ratifs de stabie lit´ en termes de marge de phase et de gain. La courbe de gain dans e e Bode de la boucle ouverte L(jω) = K(jω)G(jω) prend classiquement la forme suivante. R´aliser un compensateur remplissant de telles exigences e e e est appel´ faire la synth`se d’un correcteur par loopshaping.sp´cification de la pente de la courbe de gain en boucle ouverte |L(jω)| sur certaines e plages de fr´quence : e . 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.

2.3 – Courbe de gain de G(p) . Pm=48.41 rad/s.41231 rad/sec). une marge de gain Kg = 2.5 deg.2 rad/s et ωp2 = e 0. Bode Diagrams Gm=7.23) 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. (at 0.5 et des pulsations de coupure ω−180o = 0. VIII. e e e e e Exemple VIII.448 deg.1 rad/s.224 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES L’int´rˆt de sp´cifier les performances par loopshaping provient principalement de la ee e simplicit´ de l’expression de la boucle ouverte comme fonction du compensateur K(p) e puisque : L(p) = K(p)G(p) (VIII.5.2 rad/s. e e e . ωco = 0. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII.24) Ce mod`le poss`de les caract´ristiques suivantes.25) (VIII.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 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.9588 dB (at 0. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples.Il est stable en boucle ouverte puisque ses pˆles sont p1 = −1/5 et p2 = −1/10 o correspondant aux pulsations de cassure caract´ristiques ωp1 = 0. a e e .20372 rad/sec) 10 0 −10 Phase (deg). Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig. 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.

L0 (p) = −2p + 1 p(2p + 1)(0.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. e . a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e .1 rad/s. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII. e ` e . A ce stade. On obtient donc.27) Pour ω = 0. Cela permet de choisir ωb = 0.5 Hz doit ˆtre filtr´.1 rad/s.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) = .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.33p + 1) (VIII. L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII.30) . Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation.5 rad/s et β = 0. e e e 225 .26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p. |Gb (jω)| ∼ 0 dB. 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.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`.SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII.29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s.Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration.Le bruit de mesure intervenant au del` de 0.

ω−180o = 0.92 . la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche.44 ωco = 0. VIII. On obtient alors : L(p) = 0.33p + 1) (VIII.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte. e e . e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0.95 rad/s 60 40 20 0 Phase (deg).15 et a ` une pulsation de coupure ωco = 0.226 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES dont on fait le trac´ dans Bode pour obtenir la marge de phase et de gain : e Mφ = −52 deg et des pulsations de coupure.43 rad/s Bode Diagrams Kg = −0. Magnitude (dB) −20 −40 −60 L(p) L0(p) G(p) 0 G(p) L(p) −100 −200 −300 L0(p) 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig.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 = 2.2 rad/s.4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.15(−2p + 1) p(2p + 1)(0.

Magnitude (dB) Lf(p) −50 0 G(p) L(p) −100 −200 −300 L (p) L (p) f 0 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig. VIII.8 0.2 0 0 0 14 28 Time (sec. on obtient un compensateur ´gal a : e e e ` K(p) = 0.15(10p + 1)(5p + 1) p(2p + 1)(0.8 0.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg). VIII.) 42 56 70 0 5 10 15 20 Time (sec.4 0.32) Les figures suivantes sont les r´ponses temporelles ` une entr´e en ´chelon de position e a e e unitaire r(p) = 1/p pour le syst`me boucl´ non corrig´ (pour lequel il existe une erreur e e e de position) et le syst`me boucl´ corrig´ par K(p).4 0.6 – R´ponses indicielles e .5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le.SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0.2 0.44 rad/s Bode Diagrams 227 ωco = 0. e e e Step Response Step Response 1 1 0.33p + 1) (VIII.6 0.) 25 30 35 40 Fig.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.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.8 0.7 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´. En effet.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. 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. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.2.) 40 50 60 Fig.) 42 56 70 0 10 20 30 Time (sec. VIII. e e e Step Response Step Response 1 1 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.4 0.35) .4 0.8 0. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.7 – R´ponses a une perturbation en ´chelon e ` e VIII. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me.2 0.6 0.6 Amplitude Amplitude 0.34) MT ≤ 1. 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.2 0 0 0 14 28 Time (sec.

707 2.2. Un choix usuel est MS = 2. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.le modelage de S sur certaines plages de fr´quences e 4.3 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 KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII. L’interpr´tation ee graphique de la condition sur la sensibilit´ s’obtient en montrant que : e wp S ∞ |wp (jω)S(jω)| < 1 (VIII.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .une erreur maximale de position en r´gime permanent A e 3.39) Remarques VIII.SPECIFICATIONS FREQUENTIELLES Remarques VIII.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.2. e e e e e ∆M = 1 MS 229 (VIII.2. L’ensemble de ces sp´cifications peut ˆtre traduit en une sp´cification unique faisant e e e 1 intervenir une borne sup´rieure wp (jω) sur l’amplitude de S. e e 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.

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.8 – Fonction de pond´ration wp e La borne sup´rieure de |S|. e 1 v´rifie : e |wp | . VIII. 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.

[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.2.33 1])). Apr`s loopshaping.Omega_B=0. >> S=inv(1+L). >> bodemag(S.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.5. Script MATLAB 26 >> M=1.15].3 0. >> Wp=tf([1/M Omega_B].8.3 On reprend l’exemple utilis´ pour le loopshaping de la section III.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. e e la boucle ouverte vaut : L(p) = 0.7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.2.33p + 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.conv([2 1 0].2.1/Wp) >> grid A=0 .[1 0]).SPECIFICATIONS FREQUENTIELLES .2. >> L=tf([-0. elle est ´gale a M ≥ 1 e e ` .15(−2p + 1) p(2p + 1)(0.42) Exemple VIII.8 ωB = 0.4 Afin d’am´liorer les performances.aux hautes fr´quences. Il e e a e est ` noter sur la figure VIII.05.

afin de r´duire l’amplitude des signaux de e sup´rieure e |wT | 1 commande. De plus. 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.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.44) .2. il est ´galement possible de d´finir une borne sup´rieure e e e sur l’amplitude |wu | du transfert KS.8 Sp´cifications de performance en sensibilit´s mixtes e e La sp´cification ||wp S||∞ < 1 permet d’avoir une borne inf´rieure sur la bande passante e e mais pas de borne sup´rieure. on peut sp´cifier une borne e e 1 sur l’amplitude de T . En particulier. elle ne permet pas de sp´cifier le roll-off e e de la boucle ouverte L(p) au dessus de la bande passante.43) wu KS ∞ o` u   wp S  wT T  wu KS = max ω ∞ |wp S|2 + |wT T |2 + |wu KS|2 (VIII. Un moyen de garantir des sp´cifications compl´mentaires consiste a introduire des sp´cifications de type norme sur e e ` e d’autres fonctions de sensibilit´. e Afin de garantir un roll-off suffisant aux hautes fr´quences.

9 o` G(p) ∈ Cr×m et K(p) ∈ Cm×r sont des mod`les LTI multivau e riables.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) . du fait de la non commutativit´ du produit matriciel.r`gle 1 : cascade e z(p) = G(p)w(p) = G2 (p)G1 (p)w(p) w G1 (p) y G2(p) z .r`gle 3 : push and pull e G1 (p)(1 − G2 (p)G1 (p))−1 = (1 − G1 (p)G2 (p))−1 G1 (p) VIII.3. il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable. Pour cela. e .3 VIII.SPECIFICATIONS FREQUENTIELLES 233 VIII. En effet.3.2 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.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).

3.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.3 Sp´cifications de performance e Les sp´cifications de performance sont ´tablies tr`s sensiblement de fa¸on identique e e e c pour les syst`mes multivariables et pour les syst`mes monovariables.9 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.3.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig.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. Afin de ne pas alourdir ce document.46) (VIII. En fait. VIII. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII. ´ ´ Proprietes VIII. ´ Definition VIII.45) KSy = K(1 + GK)−1 Sy G = (1 + GK)−1 G Il est ` noter que la diff´rence fondamentale avec les asservissements monovariables a e vient de la non identit´ des sensibilit´s et sensibilit´s compl´mentaires en entr´e et en e e e e e sortie Sy = Su et Ty = Tu . seul l’outil e e math´matique est r´ellement diff´rent.3. e e e e ee .9.

l’erreur s’exprime comme suit. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec .50) (VIII.Ai . les relations de l’asservissement VIII. VIII.SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant.47) Pour que le suivi de r´f´rence soit bon. En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII. = s − r = Sy (d − r) − Ty n + Sy Gb (VIII. On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0.48) cela peut s’exprimer par la relation suivante.7 .7 ≤ ωB ≤ 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. il est donc indispensable que l’influence de r ee sur soit la plus faible possible. la bande passante d´pend des directions.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII.1 Pour les syst`mes MIMO.49) ` .3.9.10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII.

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

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

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

Il est donc important de connaˆ o e e ıtre la variation de ces racines (pˆles en boucle ferm´e) en fonction de la variation de K. Il publie Control system Dynamics e e en 1954.240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. e . Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. En 1948. trae e ` vaille comme enseignant a l’universit´ de Washington de 1946 a 1948 ` e ` et obtient son Master of Science en g´nie ´lectrique de l’universit´ de e e e Californie a Los Angeles en 1951. Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. e e e W. 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. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. Il o e est en effet g´n´ralement difficile de calculer explicitement les racines en boucle ferm´e e e e pour des polynˆmes caract´ristiques de degr´ ´lev´. Il meurt le 10 juillet 1999. Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice. il entre ` la soci´t´ Autonetics. la o e localisation des pˆles en boucle ferm´e varie ´galement. 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. 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.R. a Il est l’inventeur du spirule. e e e e Il obtient son diplˆme de Bachelor of Science en g´nie ´lectrique de o e e l’universit´ de Washington a Saint Louis en 1941. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. Quand le gain de la boucle varie. Evans a d´velopp´ une m´thode graphique en 1948.

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.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. e e o e ´ Definition IX.6) (IX.2. 1.IX.2.2 IX.Condition d’amplitude : |G(p)F (p)| = 1 (IX.5 et IX. Dans la majorit´ des cas. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.2 – Sch´ma bloc classique e La fonction de transfert en boucle ferm´e est : e S(p) G(p) = E(p) 1 + F (p)G(p) dont l’´quation caract´ristique associ´e s’´crit : e e e e 1 + G(p)F (p) = 0 ⇔ G(p)F (p) = −1 (IX. r + − ζ G(p) F(p) y Fig. e e e . · · · ) .1 Les valeurs de p telles que les deux conditions IX. CONSTRUCTION DU LIEU D’EVANS 241 IX.4) (IX. 2.2.7) .6 sont v´rifi´es. IX.5) Remarques IX. les fonctions de transfert F (p) et G(p) peuvent ˆtre factoris´es e e e de la fa¸on suivante : c 1+ K(p + z1 )(· · · )(p + zm ) =0 (p + p1 )(· · · )(p + pn ) (IX.2.

Pour cela.4 – Exemple . r + − ζ K u G(p) y Fig.242 ANALYSE PAR LE LIEU DES RACINES On rappelle que pour une fonction de transfert : G(p)F (p) = alors : Arg[G(p)F (p)] = Φ1 − θ1 − θ2 − θ3 − θ4 |G(p)F (p)| = KB1 A1 A2 A3 A4 (IX. IX.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.2. nous reprenons le sch´ma e e e a e d’asservissement initial. IX.3 – Mesure des angles et des amplitudes IX.2 R`gles g´n´rales de construction e e e Les r`gles g´n´rales de construction du lieu des racines sont donn´es sous forme e e e e g´n´rale puis sont illustr´es ` l’aide de deux exemples.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.

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

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

e e e 3. ce point appartient au lieu des racines.20) .21) Remarques IX.23) d’o` K = −p3 − 3p2 − 2p. u dK = −3p2 − 6p − 2 = 0 dp (IX. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX. 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.Calculer l’´quation alg´brique (IX.24) . On obtient donc.22) (IX. e Ces points sp´cifiques appartiennent a l’axe r´el ou existent sous la forme d’une e ` e paire de pˆles complexes conjugu´s. e e 2. il existe au moins un point d’´clatement e e (respectivement de rencontre).Etape 5 : d´terminer les points de d´part et d’arriv´e sur l’axe r´el ainsi e e e e que les points de rencontre et d’´clatement. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines.21). e e e 1+ K =0 p(p + 1)(p + 2) (IX. Si les rae e e cines sont r´elles. o e e B(p) + KA(p) = 0 alors. On suppose que le polynˆme caract´ristique s’´crit.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. Dans le cas come e plexe. Si K > 0.3 . on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique. e Exemple 1 : l’´quation caract´ristique s’´crit.19) Exemple 2 : on a n − m = 1. e e ` e . e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1.2.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines. 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.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.D´terminer les racines r´elles et complexes de cette ´quation.

27) (IX. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles. (IX. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire. .2679 et −3. e . Exemple 2 : l’´quation caract´ristique s’´crit.30) √ ω = 0 ou ω = ± 2 (IX. e e e K=− d’o`.28) K=6 (IX.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines. e e e e K − 3ω 2 = 0 2 (IX. K = 6).246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1.26) p2 + 2p + 3 p+2 (IX. Il n’y a donc pas d’intersection avec l’axe imaginaire.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif.5774 o e e et −0.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2.4226. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.25) On a donc encore deux solutions −0. 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. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en.

4 Dans certains cas particuliers. e e e e (σ + 2)2 + ω 2 = 3 (IX.5 – Exemple 2 : calcul des angles de d´part e Remarques IX. il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle.Etape 7 : d´terminer les angles de d´part d’un pˆle complexe et d’arriv´e e e o e d’un z´ro complexe e L’angle de d´part d’un pˆle complexe est calcul´ par. sur l’exemple 2. −1 ± j 2. On obtient. e e e Φ = 180o − i Φi + j θj (IX.35) .CONSTRUCTION DU LIEU D’EVANS 247 . e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes.2. Ainsi. e e √ Exemple 2 : il y a deux points de d´part complexes.3. e o e Θ = 180o − i θi + j Φj (IX. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles. en e ´crivant l’´quation caract´ristique pour p = σ + jω.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig. IX.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par.33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. on obtient l’´quation.

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

89 0. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.7 (IX.39 Pole: −1.54 0.95 0.5 0.707.5 0.3.5 2 1. a e En appliquant la condition des gains a l’´quation caract´ristique.4 rad/s.986 −1 −1.68 −1.38 −0.4 . on obtient.7i Damping: 0.986 0.5 1 0.5 −0. ` e e K= |p2 + 2p + 3| = 1.3.7.39 |p + 3| p=−1.8 −2.5 Imaginary Axis System: G2 Gain: 1. e e e e e Exemple IX.8.5 Real Axis −2 0.54 −1 0.` ´ IX.34 Frequency (rad/sec): 2.5 0.89 −2 −4.5 0 4 3.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1. a Root Locus 2 0.95 1 0. Cela conduit a choisir : e e ` cos Ψ = 0. IX.68 0.5 3 2.38 0.3.1 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 = 0.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.1 Analyse des syst`mes boucl´s par le lieu d’Evans e e R´glage du gain e Une des op´rations basiques de correction consiste a r´gler le gain de boucle K afin e ` e d’avoir un amortissement donn´ pour les pˆles en boucle ferm´e et fix´ par l’angle d’amore o e e tissement Ψ.5 0.8 – R´glage du gain et amortissement e .7 + 1.5 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.3 IX.7±j1.8 0.707 Overshoot (%): 4.5 −4 −3.7+j1. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.18 0 Fig.5 −3 0.18 1.707 Ψ = 45o (IX. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.

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. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue.250 ANALYSE PAR LE LIEU DES RACINES IX. e Exemple IX.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. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet.3.[1 6 36])).9. l’´quation suivante doit e e ˆtre r´solue : e e 1+ K(jω + 2) =0 jω(jω − 1)(36 − ω 2 + 6jω) Cela conduit ` r´soudre le syst`me d’´quations r´elles : a e e e e 2K + ω 4 − 30ω 2 = 0 ω(K − 36 − 5ω 2 ) = 0 Les solutions en sont donn´es par : e √ K1 = 86 − 5 28 √ K2 = 86 + 5 28 ω1 = ω2 = 10 − 10 + √ √ 28 rad/s 28 rad/s Ces syst`mes posent des probl`mes en pratique puisqu’ils peuvent devenir instables e e pour une variation non pr´vue de la valeur du gain. e e Script MATLAB 27 >> G=tf([1 2]. Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX. Pour v´rifier cela.3.2 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. >> rlocus(G). >> sgrid .

5 Pole: −0.64 8 0.8 −6 6 −8 0.28 0.23 2 0.38 0.0017 + 3.5 0.08 8 10 0 1 2 Fig.8 4 0.38 0.000437 Overshoot (%): 99.9 4 Frequency (rad/sec): 3.89 10 6 0.23i Damping: 0.08 8 System: G Gain: 112 6 Pole: −0.28 0.89i Damping: 0.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.94 0 −2 −4 4 0.17 0.0015 − 2.9 – Syst`me ` stabilit´ conditionnelle e a e .17 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0. IX.000674 Overshoot (%): 99.94 2 Imaginary Axis 2 System: G Gain: 61.8 Frequency (rad/sec): 2.5 0.

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

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

L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e . A. e Signaux impulsionnels La d´finition math´matique rigoureuse d’un signal impulsionnel doit faire appel a la e e ` th´orie des distributions qui est hors du cadre de ce cours. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A.254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig.2) e(t) αt 0 to t Fig. e ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A. on parle de rampe unit´ ou de rampe unitaire. on parle d’´chelon unit´ ou d’´chelon unitaire. A.2 (signal rampe) On d´finit le signal rampe r(t) de pente α par. e e e Le signal rampe ´ Definition A.2 – Fonction rampe Pour α = 1.2. L’impulsion n’est pas en effet e une fonction ordinaire.1 – Fonction de Heaviside Pour une amplitude E = 1.1.

δ (t−to) A 0 to t Fig.3 – Fonctions impulsion L’impulsion a donc une aire finie pour une dur´e d’action infiniment courte et une e amplitude infiniment grande : +∞ −∞ Aδ(t − t0 )dt = A (A. ´ Definition A. A. ee ´ ´ Proprietes A. fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig. A. not´e Aδ(t − t0 ).SIGNAUX DETERMINISTES 255 sans l’arsenal math´matique requis et en utilisant des r`gles de calculs et de passages ` e e a la limite intuitifs.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. peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes.1.1. δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes.4 – Fonction impulsion d’aire A .1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A.3 (impulsion) e e e Une impulsion d’amplitude A en t0 .

2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf.5) 0 T 2T 3T 4T 5T 6T t Fig. D´finition de la transform´e de Laplace e e ´ Definition A. le produit d’une impulsion δ(t − t0 ) par une fonction f (t) born´e et contie nue en t0 est l’impulsion d’aire f (t0 ) en t0 : +∞ f (t)δ(t − t0 ) = f (t0 )δ(t − t0 ) ⇔ −∞ f (t)δ(τ − t0 )dτ = f (t0 ) (A.1.6) Le signal sinusoidal ´ Definition A.7) 0 Remarques A. il est ´galement possible de d´finir e e e un train d’impulsions ou peigne de Dirac de p´riode T par : e δT = δ(t) + δ(t − T ) + δ(t − 2T ) + · · · + δ(t − nT ) + · · · δ(t) 1 (A.256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac.4 La fonction sinuso¨ ıdale du temps s(t) = A sin(ωt + ψ) d´finit le signal harmonique e d’amplitude A de pulsation ω (rad/s) et de d´phasage a l’origine ψ (rad).5 (transformation de Laplace) La transform´e de Laplace unilat`re d’un signal causal x(t) est d´finie par : e e e +∞ L[x(t)] = X(p) = o` p = σ + jω est la variable complexe.1.1.8) −∞ . A.La transform´e de Laplace bilat`re est d´finie par : e e e +∞ Lb [x(t)] = X(p) = x(t)e−pt dt (A.1 .5 – Peigne de Dirac Finalement. annexe A4). u x(t)e−pt dt (A. e ` A.1.

Cette d´finition suppose que l’int´grale est convergente. Lin´arit´ e e L[ax(t) + by(t)] = aX(p) + bY (p) ∀(a.7).9) o` p = σ + jω et σ est l’abscisse de convergence. e e . . b) ∈ R2 D´rivation e L[ Cela se g´n´ralise ` : e e a L[ Int´gration e t (A. les deux transform´es e co¨ ıncident.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.14) Th´or`me de la valeur finale e e p→0 lim pX(p) = lim x(t) t→∞ (A. Pour les e signaux causaux qui sont l’objet de ce cours.12) L[ a x(τ )dτ ] = X(p) p (A.La transform´e de Laplace inverse est d´finie par : e e L−1 [X(p)] = X(t) = σ+∞ X(p)etp dp σ−j∞ (A.SIGNAUX DETERMINISTES 257 qui n’est rien d’autre que la transform´e de Fourier du signal avec p = jω. 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. La transform´e de Laplace inverse u e est rarement calcul´e ` partir de (A. x(t) = 0 si t < 0.13) Th´or`me de la valeur initiale e e t→0+ lim x(t) = lim pX(p) p→∞ (A. 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.15) .

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

1 La transform´e de Fourier e D´finition e ´ Definition 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.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A.1 (transform´e de Fourier) e La transform´e de Fourier d’une fonction x(t) est une fonction de la pulsation d´finie e e par.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A.27) F[x(t ± T )] = e±jωT X(ω) (A. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.2 A. on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie. LA TRANSFORMEE DE FOURIER 259 A. e A. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .2.28) .2.25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A.´ A.2 Propri´t´s de la transform´e de Fourier e e e Etant donn´e la transform´e de Fourier d’une fonction x(t).2.2.

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

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

1. e e e e ´ Definition B. e2 ∈ E. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.||e|| = 0 ⇔ e = 0 3.∀ e1 . ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.1.1.||B|| Exemple B.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||.4 (norme) Une norme est une fonction .1.1.j i.∀ α ∈ R.5 (p-norme d’un vecteur) e Soit e ∈ Rn .||e|| 4. la p-norme de e est d´finie comme :       n 1/p |ei | i=1 p pour 1 ≤ p < ∞ ||e||p =     max |e | pour p = ∞  i 1≤i≤n Exemple B. d´finie sur un espace vectoriel E.j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e .∀ e ∈ E : ||e|| ≥ 0 2.j A= ||A||sum = i.1 (In´galit´ de Cauchy-Schwartz) e e ||x y|| ≤ ||x|| ||y|| Il y a ´galit´ si x et y sont lin´airement d´pendants. ∀e ∈ E.1.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B. ||αe|| = |α|.2 1 −2 0 6 |aij |2 = i.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B.

· · · . 1 n . σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) . ee u .l ≥ m: Σ= diag(σ1 .1.1.Les valeurs propres d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux. On associe a chaque valeur propre λi . · · · .Les valeurs propres de Ak sont λk .Les valeurs propres de (cI + A) sont c + λ1 . Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A). m) 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.Les valeurs propres de A sont ´gales aux valeurs propres de A . · · · c + λn o` λ1 . Elle sera dite de rang plein si : e e rg(A) = min(n.` ´ ´ ´ B.1.1.8 (rang d’une matrice) : Rn → Rm .2 .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. λn sont les valeurs propres de A. λk . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B.9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R .1.3326 valeur singuli`re maximale e ´ Definition B.1. Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes.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.1. . e e e .1.2 Valeurs propres et valeurs singuli`res e ´ Definition B. · · · . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B. e ´ Definition B.

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

||A|| = ρ(A) = max {|λi |. |λn |} est une norme matricielle induite par || • ||. les valeurs propres et vecteurs propres respectivement associ´s avec ||xi ||2 = 1 alors : e .CNS 1 : A > 0 ⇔ λ1 .Si A est non n´gative alors il existe une racine carr´e de A not´e A1/2 . · · · . xn . . . x1 .Soit A ∈ Rm×n .L’inverse d’une matrice d´finie positive est d´finie positive. alors A A ≥ 0.1. RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE 265 .A1/2 est inversible ssi A est inversible. λ n > 0 . (A1/2 )−1 = A−1/2 . .Soient A = A ∈ Rnn . A A > 0 ssi la matrice A est de rang plein.A−1/2 A−1/2 = A−1 . · · · . De plus. ´ Definition B.1.CNS 2 : A > 0 ssi les mineurs principaux de A sont strictement positifs. . λ1 ≤ λ2 ≤ · · · ≤ λn . e e .1.12 (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. . e e e .6 .A1/2 A = AA1/2 .` ´ ´ ´ B.λ1 ||y||2 ≤ y Ay ≤ λn ||y||2 ∀ y = 0 ∈ Rn . .

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

.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). . . Alors. . ce qui conduit a une matrice rationnelle ` en p dont on calcule la transform´e de Laplace ´l´ment par ´l´ment. . ce qui e e e donne.2. . . . . . . .. . eλn t B.   1 0 0 P = 1 1 0  1 2 1 .3) eAt = P eJt P −1   0    0    ···  =P          eλ1 t teλ1 t eλ1 t 0 ··· te eλ1 t ··· . ··· . . . .2 Utilisation de la transform´e de Laplace e eAt = L−1 [(p1 − A)−1 ] (B. . . . . .2. . ··· ··· ··· . eλn−1 t . .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). .. ··· ..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 e rg(1 − A) = 2 rg((1 − A)2 ) = 1 rg((1 − A)3 ) = 0 On choisit donc comme vecteur propre g´n´ralis´ de rang 2.   1  1  v1 = (1 − A)v2 = 1 On choisit alors le dernier vecteur propre ind´pendant w = [0 0 1] et l’on a la matrice e de passage. . . . v2 = [0 1 2] ..

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

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

la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C. e ´ Definition C.1 (composition de fonctions) Soit f : Rk → Rm et g : Rn → Rm deux fonctions C 1 et h = gof alors : ∇h(x) = ∇f (x)∇g(f (x)) ∀ x ∈ Rk ´ ´ Propriete C.3 La fonction f : Rn → R est dite diff´rentiable sur un ensemble Q ⊂ Rn si elle est e diff´rentiable en tout point de Q.1. ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. La matrice gradient de f en x. . 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C. une fonction C 1 en x.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp. On d´finit la matrice Hessienne de f not´e e ∇2 f (x).2 (formulaire de d´rivation) e .Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 .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. ∃ α ∈ [0. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 . not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x). C 1 ) si chaque composante fi (i = 1.1.∀ y ∈ V(x).6 (matrice Hessienne) e e Soit f : Rn → R.1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert.∀ y ∈ V(x).1. ´ ` Theoreme C.270 RAPPELS D’ANALYSE ´ Definition C.1. m) est diff´rentiable (resp. · · · . ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = . .1.1. . · · · . C 1 ).

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

2 Rappels sur les fonctions d´finies positives e ´ Definition C. t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0. e e Exemple C. t) > 0 e e 2. t) = 0 2 − ∀ x = 0 ∈ Br V (x. t) = 0 2 − ∀ x = 0 ∈ Rn V (x. t) = 0 2 − ∀ x = 0 ∈ Br V (x.2. t) > 0 Exemple C. x ∈ Rn avec e e P = P .2.2.V (x. x2 ) = x2 + sin2 (x2 ) est d´finie positive localement. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive.2.Une fonction scalaire V (x. t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative. t) = t2 x2 est une fonction semi d´finie positive. si P est une matrice (semi) d´finie positive (n´gative). 2 e e . t) est (semi) d´finie positive (n´gative). t) = 0 2 − ∀ x = 0 ∈ Rn V (x. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0.272 RAPPELS D’ANALYSE C. t) = tcos(x1 ) est une fonction localement semi d´finie positive.1 (fonctions d´finies positives) e e 1.V (x) = x1 x2 + x2 est une fonction ind´finie. t) est e e (localement) (semi) d´finie positive.V (x. t) est (localement). e 2. 1 .V (x. (semi) d´finie n´gative alors −V (x. t) ≥ 0 Exemple C. e .1 e .Une fonction scalaire V (x. 1 e . V (x. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0. t) ≥ 0 e 2. 1 2 ´ Definition C.V (x.2. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0.Cas particulier important : la forme quadratique V (x) = x P x.V (t. 1 Remarques C.1 1.2.Si une fonction V (x. x1 .Une fonction scalaire V (x.2 (fonctions semi d´finies positives) e e 1.2 e .3 e .Une fonction scalaire V (x.

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

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

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

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

. e Approximation lin´aire des syst`mes physiques . . . . . e II. . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Contrˆle de la tˆte d’un disque dur . e e e II. .7. .5. e e I.1 II. . . II II. . . .2 Sch´ma fonctionnel et fonctions de transfert .2. . . .3.1 Contrˆle d’attitude d’un satellite . . . . . . . . . . . .3 Equations diff´rentielles entr´es-sorties . . . . . .7. . . . . . . . . . . . . . . . . . .1 La matrice de transfert . . . . . . . . .6. . . . . . e e II. . . .2 II. . . . . . . . . . . . . . . . . . . . . II. . . . .2 Servom´canisme hydraulique .5. . . . . . . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . . . . e e e II. . . . . . . . . . . . . .5.3 Contrˆle d’attitude d’un satellite . . .la repr´sentation d’´tat . . . . . .4 Le cas particulier des syst`mes SISO . .1 Le concept d’´tat d’un syst`me . . . . . . . . . . . . . . . . . .1 Notion de syst`me . . . e e e II. . . . . . . . . . . . .2 Th´orie de la commande . . . . . . . . . . . . . . e e II. . . . . . . . . . . . . Exemples caract´ristiques . . . . . . . . . . . .3 II.6 II. .6. . . . .4. . . .4 Repr´sentation d’´tat des syst`mes LTI . . e e e Les mod`les externes (entr´es-sorties) . Th´orie des syst`mes et th´orie de la commande e e e I.4. . . . o I. . . . . e Exemples de syst`mes de commande modernes . . .7. . . . . . . . . . . . . . . . . . . . .5 II. . . . . . . . . . . . . . . . . . . 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. . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . e Pˆles et z´ros d’un mod`le LTI . . . . o e o II. . . . . . . . .5. . . . . . . . . .3 Repr´sentation d’´tat lin´aire . . . . . .1 R´gulation de temp´rature dans un four .7. . . . . . . . . . . . . . .4. . . . . . .1 Sch´ma fonctionnel . . e e II. . . . . . . . . . . . . . . . . . . . e I. . . . . o II. .Lin´arisation . . . . . e e e . . .4 Commande longitudinale d’un avion civil . . . . . . . . . . .4. . . . .2 Repr´sentation d’´tat des syst`mes dynamiques . . . . . . e II. . . . . . . . . . . e II. . . . e Les mod`les graphiques . . . . . . . . . . . .3. . . . . . . e e Le mod`le interne . . . . . . . . e I. . . . . . . . . . o e I. . Bref album chronologique . . . . . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat . . . . .4. . . . . . . . . . . . e II. . . . e II. . . . . . . . . . . . . . .2 Les z´ros . . . . . . . . . . . . . . . . . . . . . . . . .2.4 II. . .4 . . . .4. . . . . . . . . . . . . . . . . . . . . .` TABLE DES MATIERES 277 Table des mati`res e I I. o e e II. . . . . . . . . . . . . . . . . . . . . .2 I. . . . . . . . . . . . . . . . . . . . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . . .2 La matrice de r´ponse impulsionnelle .4.3 Introduction ` la th´orie de la commande a e Introduction . .1 I. . . . . . . . . . . . . .1 Le polynˆme caract´ristique et les pˆles . . . . . . . . . . . . . . . . . . . . . e e e e II. . . . . . . . . . . . . . .

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

. . . . . e e V. . 189 . . .3 Extension aux syst`mes multivariables . . . . . . . . . . . . . . . . . . . e o V. . .1. . . . . . . . . . . . . . . e ` e VII. . .4. . . . VII. . . . 175 . . . .1 Introduction . .2. . . . . e e e VII. . .1 Principe de la contre-r´action . . . . . . . . . . . . . . 184 . e V. .1. . . e V. . . . . . .2. . . .1 D´finition et propri´t´s .1 Le crit`re de Nyquist multivariable . . . . . . . . . .2. . . . . . . .4. . 179 . .1 Le lieu de Nyquist . . . . . . . . e e ` e VII. . . . . .1 Le crit`re de Nyquist . . . .1 Les syst`mes monovariables . . VI. . . . . . . VII. .2. e VII. . . V. 149 . . . . . . . . . . . . . . . . e VII. . . . . .3. . . . . . . . . .2. .1 Fonctions d’analyse de stabilit´ . . . . . .1 Notions de modes . . . . . . . .2 Le lieu de Bode . e VII.4 Les syst`mes d’ordre sup´rieur . . . . .5.3 Le lieu de Nichols-Black . .3 Les syst`mes du second ordre . .2. . e VI. . . . . . .1 Rappels sur les relations de bouclage . . . . . . . . . . . . . . . . . . . . .2. . . . .2 Le th´or`me du faible gain . . . . . . .2 Analyse en stabilit´ des syst`mes boucl´s . . . . . . . .2 Le crit`re du revers . . . . . . . . . e VI. . . . . . .2. e ee VI. . . . . . . . .3. . . . . . . . . .3. .2 Rejet de perturbation b . . .2 Effets des z´ros et des pˆles additionnels .3. . . . . . . . . .2. . . . . . . . .3. . . . . . . . . .4 Fonctions MATLAB . . . . . 147 . . . .` TABLE DES MATIERES V. . . . .3 Fonctions MATLAB . . . . . . . 177 179 . . . . e e VII. . . . . . . . . . . . .1 Syst`mes de commande a contre-r´action . . e V. e V. . . . .5 Fonctions MATLAB . . . . . . 160 . . . . . . . . . . . . 177 . . . . .1 D´finitions et exemples . . . . . . . . e e V. . . . . . 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. . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . 147 . . VIII. . .1 Fonctions de trac´ de la r´ponse fr´quentielle . . . . . . . . . . . . . . . . . . . . 179 . VI. . . . . . . .4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . . . .5. . . . VI. . . . . . . . . . .3 Sp´cifications temporelles sur le r´gime transitoire . . . . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII. . . . . . . . . . . . . . . . . . .2 Caract´risation des syst`mes de commande a contre-r´action . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 . . . . . . . . . . 194 . . . . . e e V. . . . . . . . . . . . . 189 . . . . . . . . . . 173 . . . . . . . V. . e VII. e . . . . .5 Extension aux syst`mes multivariables . . e e e 147 . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . e VIII Analyse en performance des syst`mes boucl´s e e VIII. . . . . . . . . . . . . . . . . . . .3 Sp´cifications temporelles d’un syst`me du second ordre . . . . . . . . . . . 153 . . . . . . . .1. . . . . .4 Les syst`mes ` non minimum de phase . . . .3 Stabilit´ interne des syst`mes boucl´s . . . . . . e e e VII. . . 193 .2 Etude de la r´ponse indicielle . . . . . . e a VI. . .2. .1 Fonctions de r´ponse temporelle . . . . . . . . . . .2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI. . . . . . VI. . . . e VI. . . . . . e VII. . . . . . . . . . . .2 Extension au cas des syst`mes multivariables . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168 . . . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. . . . . . . . .3. . VIII. . . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . . . . . . . . . . .

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

Sign up to vote on this title
UsefulNot useful