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

des outils math´matiques (alg´briques. 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. mˆme si le vocabulaire est parfois diff´rent. sa e e e e parent´ avec le traitement du signal ne fait aucun doute. la structure de commande ` contree e a r´action et le concept de stabilit´ des syst`mes dynamiques et le probl`me de stabilit´ e e e e e pos´ par l’introduction de la contre-r´action. e e le concept d’information y est ´galement primordial. 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.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es. 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. th´orie des transformations.) mais plus important. e e Afin de manipuler et d’utiliser ces concepts. Certains de ces outils ont ´t´ d´j` pr´sent´s en cours de traitement ee ea e e du signal et sont donc uniquement rappel´s en annexes. Cette probl´matique est pr´sent´e et ´tudi´e en deuxi`me ann´e pour e e e e e e e e les m´thodes les plus classiques dans le cours de Jo¨l Bordeneuve-Guib´ et en troisi`me e e e e ann´e dans le cours de syst`mes multivariables et dans celui de commande robuste. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. Enfin.

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

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. Henrye e e ` 1771.1900 : 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. Entre temps. fours.1600 . machine ` vapeur) n´cessitent des syst`mes de com` e a e e mande perfectionn´s allant au-del` de la r´gulation manuelle. alchimiste hollandais du XV II eme si`cle est le premier ` inventer le thermostat en 1624 qu’il souhaite utiliser e a dans les fours pour la transmutation du plomb en or.8 INTRODUCTION A LA THEORIE DE LA COMMANDE Fig. Son ´chec ` trouver la e a pierre philosophale le conduit n´anmoins a inventer un incubateur automatique. l’invention de nouveaux m´canismes e e ` e e (moulins a grains avanc´s. les e e r´gulateurs de temp´rature sont ´tudi´s successivement par Becher en 1680. Becher-1680. e e e e utilis´s de nouveau pour un incubateur par R´aumur en 1754 alors que W. R´aumur-1754.R´gulation de temp´rature (Drebbel-1624. Bonnemain-1777) : Cornelius Drebbel. oeufs Clapet Eau Mercure 111111111111111111111 000000000000000000000 111111111111111111111 000000000000000000000 Gaz Source de chaleur Alcool Fig. I. e a e . e ` l’Athenor. e e Henry propose de l’utiliser pour les fours chimiques en 1771. En effet.4 – Sch´ma de l’incubateur Athenor e .3 – Illustration extraite du livre : ”Automata” (1315) [1] .

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). BREF ALBUM CHRONOLOGIQUE 9 .6 – Principe de la machine ` vapeur de Polzunov [35] a . I. Brindley-1758. Fig. 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. a .5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. En 1745. Crapper 1775. En Sib´rie. En particulier.I. invention pour laquelle il est anobli par la reine Victoria. e ` ` e les fr`res Perier mettent au point la premi`re boucle de r´gulation avec action e e e proportionnelle et int´grale. Wood-1784). I.R´gulation de niveaux (Salmon-1746.2. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig. Polzunove 1765. la chasse d’eau est mise au point par le londonien Crapper en 1775. (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. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur.

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

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

e e a . On assiste alors a une math´matisation e e ` e des la th´orie de la r´gulation avec le premier trait´ th´orique sur les sere e e e vom´canismes ´crit par Harold H´zen. A cette ´poque. I. seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques.11 – Manuscrit de Harold Stephen Black sur un exemplaire du New York times (AT & T Archives) Harry Nyquist reprend les m´thodes de repr´sentation dans le plan complexe e e (principe de l’argument) d’Augustin Cauchy pour donner une solution graphique au probl`me de stabilit´ des circuits.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. Le e e ee d´veloppement des techniques de communication permet a Harold Black de e ` proposer la r´tro-action n´gative pour la r´duction des ph´nom`nes de distore e e e e sion ` hautes fr´quences.

a e . I.W.B.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). les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A. I.I.1940-1960 : la deuxi`me guerre mondiale a jou´ le rˆle de stimulant intellectuel e e o primordial pour le d´veloppement des syst`mes de commande et a donn´ naissance e e e ` la p´riode dite classique. (Nichols-1947) et au laboratoire de Bell Telephone (Bode-1938) : H.C.13 – Syst`me de RADAR SRC-584 [40] e En parall`le. e Fig. Le groupe dirig´ e e e par Bode au MIT aboutit au d´veloppement du syst`me de RADAR SRC-584 e e coupl´ au pointeur M9. Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N. BREF ALBUM CHRONOLOGIQUE Nyquist Diagram 5 13 4 3 2 1 Imaginary Axis 0 −1 −2 −3 −4 −5 −7 −6 −5 −4 −3 Real Axis −2 −1 0 1 Fig.2. 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. Nichols.12 – Lieu de Nyquist . .

Fig. I.43 rad/sec) .14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61.N.25 dB 0.14 – Lieu de Bode Fig. N.D´veloppement de l’analyse stochastique (Kolmogorov-1941). Shannon qui publie en 1948 ”The mathematical theory of communication”. I.3 dB (at 1. . (Wiener et Bigelowe 1942) : A. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu. Pm = −44.5 dB 20 1 dB −1 dB 10 3 dB 6 dB −3 dB −6 dB Open−Loop Gain (dB) −40 −60 −80 −100 180 0 −10 −12 dB −20 −20 dB 90 −30 Phase (deg) 0 −40 −90 −40 dB −180 −50 −270 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 −60 −360 −60 dB −315 −270 −225 −180 −135 −90 −45 0 Open−Loop Phase (deg) Fig.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. Wiener et J. I. N.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0.7 deg (at 1. . Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”.D´veloppement de 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. dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien.15 – Abaque de Black-Nichols .

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

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

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

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

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

.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. 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. 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 Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig. Traitant e e uniquement dans ce cours des syst`mes dynamiques. e e Classification des syst`mes e Jusqu’ici.20 INTRODUCTION A LA THEORIE DE LA COMMANDE . En gras. 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. Cela signifie qu’en th´orie des syst`mes.formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie. La figure I.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.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. Il est important de remarquer que tous ces aspects de l’analyse des syst`mes ainsi e que ceux d´velopp´s par la suite sont abord´s en th´orie des syst`mes d’un point de vue e e e e e abstrait plutˆt que d’un point de vue physique. e e a . sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours. e e .26 – Nature math´matique des syst`mes e e Ce cours a donc pour but l’´tude des syst`mes d´crits par des ´quations diff´rentielles e e e e e ordinaires d´terministes lin´aires ` coefficients constants. I. 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. o e e l’identit´ physique des variables associ´es ` un syst`me importe moins que les relations e e a e math´matiques entre ces mˆmes variables.

e e e e Ainsi l’hypoth`se de lin´arit´ va permettre l’utilisation d’outils (analytiques. L’ensemble des m´thodes permettant l’analyse du comportement d’un e syst`me donn´ et la synth`se d’un syst`me de commande satisfaisant des sp´cifications e e e e e de performance pr´cises d´finit la th´orie de la commande. la sortie est e e e e e e donn´e par αs(t).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. les performances. 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 Toutefois. e e e I. e e e La th´orie de la commande.3. e e e e e e Si elle n’est strictement que rarement v´rifi´e en pratique. zone e ıtre e e e e morte. On parle alors de syst`mes lin´aires. cette hypoth`se de lin´arit´ e e e e e peut ˆtre accept´e pour de nombreux syst`mes ´voluant autour d’une position d’´quilibre e e e e e sous l’hypoth`se des faibles d´viations. e e e e D’un point de vue purement technique. 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. 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 . au sens large. les syst`mes lin´aires v´rifient le principe de e e e superposition et le principe d’homog´n´it´.3. la plue e e part des syst`mes physiques sont en r´alit´ non lin´aires (bras de robot. 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).2 Th´orie de la commande e Le processus pr´liminaire de mod´lisation achev´. seuil. ph´nom`nes e e e e e e ´lectrostatiques) ou font apparaˆ des ph´nom`nes non lin´aires (hyst´resis. Il conviendra donc de toujours justifier en pratique l’hypoth`se de e lin´arit´ et d’identifier son domaine de validit´. branche de la th´orie des syst`mes. 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. frottement sec). Un processus de lin´arisation est alors n´cessaire. e e e d’un syst`me peuvent ˆtre analys´es et des m´thodes de correction via l’action d’un e e e e syst`me de commande peuvent ˆtre propos´es. e e le calcul op´rationnel ou le th´or`me de convolution. En effet.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´. grae e e phiques) tr`s simples et puissants tels que les transform´es de Laplace et de Fourier.

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

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. Le concept de r´tro-action est toutefois e e e ` la base de tous les d´veloppements th´oriques de l’Automatique moderne et constituera a e e donc le pivot central autour duquel les notions d´velopp´es dans ce cours tourneront. e e e moindre sensibilit´ aux variations param´triques du mod`le. e e . Elle n´cessite l’emploi de capteurs qui augmentent le coˆt d’une e u installation. I. D’autre part. par opposition aux syst`mes en boucle ouverte (figure e e e I.THEORIE DE LA COMMANDE ET THEORIE DES SYSTEMES 23 syst`me boucl´ (figure I.27). 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. 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. Il est toutefois important de remarquer que cette structure de commande ne pr´sente e pas que des avantages.28 – Commande en boucle ferm´e e Un syst`me boucl´ v´rifie en quelque sorte que la r´ponse du syst`me correspond a e e e e e ` l’entr´e de r´f´rence tandis qu’un syst`me en boucle ouverte commande sans contrˆler l’efe ee e o fet de son action. stabilisation de syst`mes ine e e e stables en boucle ouverte). rejet de perturbation.28). meilleur suivi de consignes.

incubateur.2 Contrˆle de la tˆte d’un disque dur o e Afin d’acc´der ` des donn´es enregistr´es sur un disque num´rique tournant.4. Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I.4 Exemples de syst`mes de commande modernes e Quelques exemples remarquables de syst`mes de commande modernes sont d´velopp´s e e e afin d’illustrer de mani`re concr`te les diff´rentes notions introduites pr´c´demment telles e e e e e que r´gulation.4. La temp´rature T d’un processus donn´ o e ea e e est r´gul´e dans un four a l’aide d’une r´sistance R. 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 .29.1 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. contre-r´action. une tension de commande V est d´livr´e ` l’actionneur modifiant en cons´quence le courant parcourant la r´sistance e e a e e R. A partir de l’information de position restitu´e par un capteur au correcteur. Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig. il est e a e e e n´cessaire d’asservir la tˆte de lecture en position afin de la placer sur les pistes de donn´es e e e souhait´es. e e I.. e . I. . e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture.29 – R´gulation de temp´rature e e I..24 INTRODUCTION A LA THEORIE DE LA COMMANDE I.).

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

e −Z M T −X θ ε xA zA mg δe Fig. il se produira n´cessairement e e une certaine d´rive en altitude du fait des erreurs de mesure de cette vitesse de e mont´e. 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.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´.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. e I. Il est donc indispensable de mesurer directement l’altitude et d’utiliser un e syst`me de commande sp´cifique pour ce probl`me. Les param`tres fondamentaux e e e du mouvement longitudinal sont pr´sent´s figure I. .Commande de la vitesse de mont´e et de la vitesse globale : un pilote automatique e doit ˆtre d´fini afin de soulager le pilote lors des phases de mont´e ` vitesse constante e e e a fix´e. la proc´dure d’atterrissage peut ˆtre command´e automatiquee e e e ment. 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.Atterrissage automatique : en utilisant les ILS (Instrument Landing System) et un altim`tre RADAR. I. Cela revient ` fixer au satellite une vitesse de rotation fix´e autour d’un e a e axe li´ au corps du satellite et d’aligner cet axe avec un axe inertiel fixe. e e e . Dans ce cadre de travail et sous certaines hypoth`ses simplificatrices.32 – Param`tres longitudinaux e . e . gravitationnelles et a´rodynamiques.4.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. Diff´rents probl`mes de commande peuvent alors ˆtre e e e e e d´finis.

Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires. e e e e a La d´marche globale peut ainsi se r´sumer de la mani`re suivante.D´finir le syst`me ` ´tudier et ses composants ´l´mentaires e e ae ee 2. non lin´aires. Un certain nombre d’hypoth`ses de travail sont ainsi e e e formul´es d´finissant la classe des mod`les utilis´s.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3.1 Introduction La phase de mod´lisation est essentielle dans le processus d’analyse et de synth`se e e d’un syst`me de commande. L’ultime phase consiste alors a mettre e e e e ` en oeuvre des m´thodes d’analyse permettant le passage de ces mod`les math´matiques e e e vers des mod`les particuli`rement d´di´s ` l’Automatique. En Automatique.Ecrire les lois physiques r´gissant le comportement du syst`me et les ´quations e e e diff´rentielles et alg´briques associ´es e e e 4. le mod`le math´matique d’un syst`me e e e e dynamique est d´fini comme un ensemble d’´quations qui repr´sentent le comportement e e e dynamique du syst`me avec la pr´cision souhait´e. ` coefe e e e e e a ficients constants ou variant dans le temps) qui forment l’expression math´matique du e comportement id´al du syst`me. Le mod`le 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. e e e 1. Quelle que soit la nature physique du syst`me ` ´tudier.Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 .

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

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. EXEMPLES CARACTERISTIQUES 29 II. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. 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. y.´ II. Le mouvement du satellite se compose d’un mouvement d’orbite e e gouvern´ par les ´quations de translation et d’un mouvement d’orientation ou d’attitude e e gouvern´ par les ´quations de rotation. quie bus astronomiae pars optica traditur en 1604. .2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. 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. Il est d’ailleurs excome a muni´ en 1612. e ` e e Biographie 1 (J. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. il produit ´galement des travaux en optique (Ad Vitellionem paralipomena. 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. z). 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. 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. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s.2. Il publie le premier mod`le math´matique cosmologique e e e dans Mysterium cosmographicum en 1596 et l’envoie a l’astronome Tycho Brahe qui ` l’embauche a Prague comme math´maticien assistant.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1.2. On suppose que la force d’attraction gravitatione e nelle est la force dominante s’exer¸ant sur le satellite et par cons´quent le mouvement du c e satellite peut ˆtre mod´lis´ ` l’aide du mod`le de Kepler id´al ` deux corps pour lequel e e ea e e a un d´couplage entre le mouvement de translation et de rotation peut ˆtre effectu´. Dioptrice en 1611) et en g´om´trie e e (Nova stereometria dolorium en 1615). ` 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. 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. jI .3. Il publie a Linz en 1619 Harmonices ` mundi libri contenant la troisi`me loi dite loi des p´riodes puis les tables astronomiques e e Rudolphine tables ` Ulm en 1628.2 Exemples caract´ristiques e Dans cette section. kI ). On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . e e II. En dehors de ses travaux d’astronome proprement a dit. Il est mort le 15 Novembre 1630 a Regensburg.

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

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

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

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

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

3. e e La proc´dure de lin´arisation est essentiellement fond´e sur les d´veloppements en e e e e s´ries de Taylor autour d’un point de fonctionnement dont les termes d’ordre sup´rieur e e ` un sont n´glig´s. e e e e e . Deux hypoth`ses peuvent conduire ` la lin´arisation des ´quations du mod`le.Si y = a et F = 0.19) qui est une ´quation d’´tat du mˆme type que pr´c´demment. · · · . Ces mod`les pour aussi pr´cis e e e qu’ils soient n’en sont pas moins relativement difficiles a manipuler math´matiquement. ` e 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. √ ˙ = √ps − pe x θ 2AρRl qui est l’´quation d’´tat liant l’´tat X = θ ` l’entr´e x.´ ` II. Il est n´cessaire de v´rifier que cette approximation est valide et par a e e e e cons´quent que l’on est toujours dans un voisinage du point en lequel est effectu´e la e e lin´arisation. x2 . e e e a e . on obtient alors : ˙ p1 = ˙ θ= ps + pe + F/A 2 ps − pe − F/A √ x 2AρRl (II. x20 . · · · . · · · . xn0 ) est e e donn´ par : e y = g(x10 . e Etant donn´e une fonction non lin´aire en plusieurs variables : e e y = g(x1 .Si y = a ⇔ y = 0 et s’il n’y a pas de charge appliqu´e alors on peut ´crire. APPROXIMATION LINEAIRE DES SYSTEMES PHYSIQUES 35 II.16) Exemple : servo hydraulique 2 L’actionneur hydraulique est g´n´ralement con¸u de mani`re sym´trique de sorte que e e c e e e a e R1 = R2 et donc ps − p1 = p2 − pe .15) L’´quivalent lin´aire de cette fonction au voisinage du point x = (x10 . e e . x20 .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. xn ) (II.17) En supposant que sin θ ∼ θ pour θ petit.18) (II. xn0 ) + ∂g(x) ∂g(x) (x1 − x10 ) + · · · + (xn − xn0 ) ∂x1 |x10 ∂xn |xn0 (II. ˙ ¨ e e p1 = p2 = ps + pe 2 (II.

Ω) On suppose maintenant que les moments de commande appliqu´s ne perturbent pas e trop le mouvement du satellite a spin constant.22) (II. ` e e e e ωz − Ω sont faibles. 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. θ et φ sont petits. 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.24) (II. Il est alors possible de supposer que ωx . ωy0 . θ0 . 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. 0) (II. La solution des ´quations e e dynamiques et des ´quations cin´matiques est donn´e par : e e e (ψ0 . φ0 ) = (Ωt. on obtient les ´quations cin´matiques e e e lin´aris´es : e e ˙ ψ = ωz ˙ θ = ωy − Ωφ ˙ φ = ωx + Ωθ Ces deux jeux d’´quations peuvent alors ˆtre combin´s afin d’obtenir : e e e ¨ ˙ ˙ Ixx (φ − Ωθ) = (Iyy − Izz )Ω(θ + Ωφ) + ux + Tx ¨ ˙ ˙ Iyy (θ + Ωφ) = (Izz − Ixx )Ω(φ − Ωθ) + uy + Ty ¨ Izz ψ = uz + Tz (II. 0.20) (ωx0 . ωz0 ) = (0.36 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ¨ Tant que la commande x produit un mouvement angulaire tel que θ est faible.23) (II. ωy .8). 0.21) .

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.1 Le mod`le interne . A 5 ans. 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) ˙ . Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton. il sait le Latin. Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie. la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du syst`me. Kalman et par les e ee e e ing´nieurs travaillant sur les premi`res applications spatiales (Apollo.LA REPRESENTATION D’ETAT 37 II. Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans.4. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal.4. Le e e e e e e concept d’´tat a ´t´ introduit de mani`re syst´matique par R. le Grec et l’H´breu. Il publie On General Method in Dynamics en 1834 et est anobli en 1835. e Poincar´). Il marque son int´rˆt e e e pour les math´matiques d`s l’age de 12 ans et commence a ´tudier les travaux de Clairaut e e `e (Algebra).1 (formulation Hamiltonnienne de la loi de Newton) Selon la loi de Newton. Il meurt d’une ı e s´v`re attaque de goutte apr`s avoir appris son ´lection comme premier membre admis a e e e e ` la National Academy of Sciences des Etats Unis.la repr´sentation d’´tat e e e Le concept d’´tat d’un syst`me e e La th´orie moderne de la commande des syst`mes repose en grande partie sur le e e concept d’´tat d’un syst`me et sur le mod`le associ´. Apr`s ˆtre entr´ au Trinity College. de Newton et de Laplace. e Exemple II. Il publie ` a en 1832 son troisi`me suppl´ment ` son livre Theory of Systems e e a of Rays.E. Etant donn´ l’´tat d’un syst`me ` un instant donn´.` ´ ´ II. LE MODELE INTERNE . il publie Lectures on Quaternions en 1853 puis Elements of Quaternions dont le dernier chapˆtre reste inachev´. Polaris) aux d´buts e e e des ann´es 60. il soumet son premier article e e e ` la Royal Irish Academy en 1824.4 II.4. 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.R. e Biographie 3 (Sir W. un point de masse m soumis ` une force F (t) ob´it ` l’´quation a e a e dynamique : m¨(t) = F (t) x En notant q(t) = x(t) la coordonn´e g´n´ralis´e et p(t) = mx(t) le moment conjugu´ du e e e e ˙ e syst`me. La repr´sentation d’´tat.

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 . l’´tat initial d’un syst`me doit constituer sa e e e e e m´moire. e e II. t1 ]. L’´volution du syst`me peut ˆtre repr´sent´e au moyen des trajectoires d’´tat.4.1 (Vecteur d’´tat) e x(t) est un vecteur d’´tat pour le syst`me Σ si c’est un vecteur contenant le nombre e e minimal de variables n´cessaires ` la v´rification de la propri´t´ suivante : e a e ee e e e Si. 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. on trouve toutes les fonctions e e ee r´sultant d’une int´gration. e e e e e x(t) = [x1 (t). Parmi les fonctions poss´dant cette propri´t´.38 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES sont connues.4) ayant pour entr´es les composantes e e du vecteur u(t) ∈ Rm et pour sorties les composantes du vecteur y(t) ∈ Rr . le comportement du syst`me ` n’importe quel instant sera connu. Les variables d’´tat seront donc e e a e les solutions d’´quations diff´rentielles du premier ordre.4. 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. On consid`re donc le e e e syst`me dynamique multivariable de la figure (II. ´ Definition II. ` chaque instant t0 . · · · . e e t t0 t t x(t) = −∞ z(ξ)dξ = −∞ z(ξ)dξ + t0 z(ξ)dξ = x(t0 ) + t0 z(ξ)dξ x(t0 ) r´sume le pass´ de la fonction x jusqu’` l’instant t0 . e Le vecteur d’´tat x(t) appartient a un espace vectoriel E. e e e . l’´tat d’un syst`me est caract´ris´ par diff´rentes variables dynamiques e e e e e e e appel´es variables d’´tat regroup´es dans un unique vecteur appel´ vecteur d’´tat. U Vecteur d’entrée X Vecteur d’état dimension n Y Vecteur de sortie dimension m dimension r Fig.4 – Syst`me dynamique multivariable e En g´n´ral.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. xn (t)] . d´fini comme l’espace e ` e d’´tat. II. L’´tat du syst`me est e e e e donc compl`tement d´termin´ par la donn´e de ce vecteur o` q et p sont des variables e e e e u d’´tat du syst`me. e e Comme l’exemple pr´c´dent l’a montr´.

e ` e Pour un choix du vecteur d’´tat e .LE MODELE INTERNE .4.5 – Circuit de l’oscillateur de Van der Pol On obtient l’´quation dynamique de l’oscillateur de Van der Pol : e 2 v (t) − (α − βv 2 (t))v(t) + ω0 v(t) = 0 ¨ ˙ (II.2 (oscillateur de Van der Pol) En consid´rant le circuit ´lectrique suivant : e e L C Résistance négative Fig. 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.LA REPRESENTATION D’ETAT 39 x2 x(t0) x(t1) x2(t1) 0 x(t2) t x1 (t1) x1 Exemple II.

continue par rapport a u et continue par morceaux par rapport a t. e e e e e Exemple II.4.5 2 1. En ´crivant les lois de Kirchoff (noeuds e e et mailles). y(t) ∈ Rr est u le vecteur de sortie. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.1 L’int´rˆt de la notion d’´tat et de la repr´sentation d’´tat qui en d´coule r´side principaee e e e e e lement dans le nombre minimal de variables ind´pendantes ` consid´rer pour connaˆ le e a e ıtre comportement interne du syst`me.4.5 dx/dt 0 −0.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig.5 −2 −2. u(t).26) y(t) = h(x(t).5 −1 −1. II.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II. t) ´quation dynamique ˙ e (II. e ´ Definition II. u(t). on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II.2 (Repr´sentation d’´tat) e e Tout syst`me dynamique Σ peut ˆtre repr´sent´ par ses ´quations d’´tat d´finies comme e e e e e e e un ensemble d’´quations diff´rentielles du premier ordre appel´es ´quations dynamiques e e e e et un ensemble d’´quations alg´briques appel´es ´quations de sortie ou de mesure : e e e e x(t) = f (x(t).40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2.7).27) . Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me.4. t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II.5 1 0. u(t) ∈ Rm est le vecteur de commande.

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

cette classe n’en reste pas moins la plus e ee e e utilis´e en pratique. e II. le choix du vecteur d’´tat n’est pas unique puisqu’il d´pend de la base dans laquelle e e il est exprim´.4. 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´. Cela signifie que pour un mˆme syst`me phye e e e sique.B(t) ∈ Rn×m est la matrice de commande ou d’entr´e. .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. C. 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.3 Repr´sentation d’´tat lin´aire . t) ˙ (II.42 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Remarques II. .D(t) ∈ Rr×m est la matrice de transmission directe.C(t) ∈ Rr×n est la matrice de mesure ou de sortie.2 La repr´sentation d’´tat n’est pas unique.34) .A(t) ∈ Rn×n est la matrice dynamique. u(t).26). En effet. le syst`me est Lin´aire Temps-Invariant e e (LTI).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). e ´ Definition II. D sont constantes. 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. u0 (t). e . t) ˙ (II. Si les matrices A.4.32) y(t) = C(t)x(t) + D(t)u(t) o`: u . Soit le syst`me d´crit par l’´quation d’´tat diff´rentielle : e e e e e x(t) = f (x(t).Lin´arisation e e e e Une classe particuli`rement importante de mod`les d’´tat est celle des mod`les d’´tat e e e e e lin´aires. B.4.

0). u0 (t). x0 (t)) que tr`s faiblement. 0).5 θ l 11 00 11 00 11 00 11 00 m . t) + Jx (x0 (t). (π.5 (´quation d’un pendule non contrˆl´) e oe ˙ .LE MODELE INTERNE . Pour k/m = 1/2 g/l = 1. Cela e e e signifie que pour tout t0 ≤ t ≤ tf . (u (t). les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ. x(t)) ne diff`rent de (u0 (t).4.35) ˙ 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) + Ju (x0 (t). u0 (t). t)˜(t) + h(t) ˙ o` Jx (Ju ) est la matrice Jacobienne de la fonction f par rapport au vecteur x (u) : u Jx = ∂fi ∂xj 1≤i≤n 1≤j≤n Ju = ∂fi ∂uj 1≤i≤n 1≤j≤m En n´gligeant le terme h(t). la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0. Il est donc possible de d´finir les faibles perturbations u(t) et x(t) telles que : e ˜ ˜ ˜ u(t) = u0 (t) + u(t) x(t0 ) = x0 (t0 ) + x(t0 ) ˜ x(t) = x0 (t) + x(t) ˜ t0 ≤ t ≤ tf t0 ≤ t ≤ tf En ´crivant le d´veloppement en s´ries de Taylor au premier ordre de la fonction f e e e autour du point nominal. t) u(t) ˜ A(t) B(t) (II. t) x(t) + Ju (x0 (t). on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). u0 (t).LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales. on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (t). u0 (t). u0 (t).

on obtient les deux matrices Jacobiennes : e e A1 = 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. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II. e e e ´ Definition II. il est n´cessaire de d´finir la matrice e e u e e e de transition d’´tat qui intervient dans la solution de l’´quation d’´tat.4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e).36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy .4.37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t. e e e l’´quation diff´rentielle du deuxi`me ordre constituant l’´quation lin´aris´e du mouvement e e e e e e de l’attitude du satellite autour d’un axe peut s’´crire sous forme d’une repr´sentation e e d’´tat : e x1 (t) ˙ x2 (t) ˙ y(t) = = 0 1 0 0 x1 (t) x2 (t) x1 (t) x2 (t) + 0 1/Izz uz (II.38) Dans le cas g´n´ral o` le mod`le est temps-variant.5 A2 = 0 1 1 −0. t0 )x0 ∀t ≥ t0 (II.5 Exemple : satellite 3 En reprenant les ´quations lin´aris´es du satellite en spin ` vitesse constante autour de e e e a ˙ ˙ ˙ l’axe z et en choisissant les variables d’´tat x = φ θ ψ φ θ ψ .40) . 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.44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre.

t) ∀ t. τ )B(τ )u(τ )dτ t0 (II. e e e e e elle est donn´e par : e t x(t) = t0 Φ(t.4. la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique.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. t0 ∀ t ≥ t0 45 (II.Φ(t. il est possible de d´terminer la e e solution de l’´quation dynamique d’´tat qui correspond a la r´ponse compl`te du e e ` e e syst`me par application du principe de superposition.40). Pour les e e e e syst`mes LTI.LA REPRESENTATION D’ETAT o` Φ(t. t1 )Φ(t1 . τ )B(τ )u(τ )dτ (II.44) t y(t) = C(t)Φ(t. la matrice de transition peut ˆtre calcul´e de mani`re explicite par les e e e e m´thodes pr´sent´es dans ce chapˆ e e e ıtre.4.Φ(t2 . solution de l’´quation diff´rentielle : u e e ˙ Φ(t. t0 ) = Φ(t0 . e ee ´ ´ Proprietes II. De mˆme.43) x(t) = Φ(t. e ´ ` Theoreme II. elle est donn´e par l’´quation e e e e e e e (II.LE MODELE INTERNE . t0 ) est inversible pour tout t et tout t0 . t0 ) Φ(t0 . seront ´tudi´s e e e e . t0 )x0 + et la sortie s’´crit alors : e Φ(t. τ )B(τ )u(τ )dτ + D(t)u(t) (II.5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales. t0 ) = A(t)Φ(t. t0 ) est la matrice de transition. ´ Definition II. t0 )x0 + C(t) t0 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. e ´ Definition II.4. t0 ) . (LTI).4.42) A partir de la donn´e de la matrice de transition. seuls les syst`mes lin´aires temps-invariants.Φ−1 (t.41) Dans le cas g´n´ral d’un syst`me temps-variant.1 . t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t0 ) = Φ(t2 .45) Dans la suite. Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat.

4.D) a = x1 x2 x1 0 1 x2 -0. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie. >> C=[0 3]. ´ Definition II. e Exemple II.7) pour C = 2 F . Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.4.C.0].D=0.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model.B=[1/2. . D).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.1 -3].46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat. Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A. Script MATLAB 1 >> A=[0 -1/2.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.6 (circuit ´lectrique) e Calcul du mod`le d’´tat. Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II. L = 1 H et R = 3 Ω.5 -3 b = x1 x2 u1 0. C.4.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II.B. >> circuit=ss(A. B.

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

e Heaviside ´tudie ce dernier et propose de simplifier les 20 ´quations a e e ` 20 variables en 4 ´quations a deux variables. De fait. On d´finit ainsi une classe de mod`les dont les ´l´ments auront des propri´t´s e e ee ee ´quivalentes. la notion e e de fonction de transfert a ´t´ essentiellement d´finie par A.. 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. Heaviside) Oliver Heaviside est n´ le 18 Mai 1850 a Camden Town. Ses traee vaux sur l’´lectricit´ le font remarquer de Maxwell qui le mentionne e e dans son trait´ Treatise on Electricity and Magnetism. e e e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) x(t0 ) = x0 (II. tr`s isol´ et en butte ` un fort complexe de ` e e a pers´cution. Le come e portement ”interne” du syst`me est ignor´ (tensions et courants interm´diaires dans e e e un circuit p. 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. Il e ` contracte tr`s jeune une fi`vre scarlatine qui le laisse presque sourd.. Il ` e est ´lu pair de la Royal Society en 1891 suite a ses travaux sur la transmission des signaux e ` dans Electromagnetic induction and its propagation en 1887. Il n’en finit e pas moins sa vie a Torquay dans le Devon. 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. nous nous int´ressons dans ce cours ` la souse e e e a classe des mod`les Lin´aires Temps-Invariant (LTI). Cette classe ´tant tr`s vaste.C. les mod`les fond´s sur la r´ponse e e a e e e impulsionnelle et les mod`les de transfert. ae Il devient t´l´graphiste au Danemark puis en Angleterre.48 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.54) . e Soit le syst`me multivariable dont le mod`le d’´tat est donn´ ci-dessous. il pr´dit e l’existence de la couche portant son nom et refl´chissant les ondes radios.5. 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.1 La matrice de transfert Originellement d´finie pour le syst`mes SISO (Single Input Single Output). e e Biographie 4 (O. En 1902.5 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.) puisqu’il s’agit uniquement de caract´riser la relation causale entr´ese e sorties. e II. Heaviside introduit e ensuite le calcul op´rationnel afin de r´soudre plus facilement les ´quations diff´rentielles e e e e intervenant dans la th´orie des circuits.e. Londres en Angleterre. Maxwell. Celle-ci recouvre ainsi les mod`les e e e du type ´quations diff´rentielles ` coefficients constants. Cer derni`res sont mieux e ` e connues sous le nom d’´quations de .

5. u u1 u2 . on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II.54).60) Remarques II.La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles. il est possible de l’appliquer aux e e e ´quations (II. x0 = 0. e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II.La matrice de transfert est une caract´ristique du syst`me ind´pendante de l’amplie e e tude et de la nature de l’entr´e du syst`me.58) (II. .59) Yi (p) = j=1 gij (p)Uj (p) (II.55) u e e par rapport a Y (p). . .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).LES MODELES EXTERNES o` x ∈ Rn . yr 49 Système linéaire multivariable Fig. il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II. e e .57) ´ Definition II. u ∈ Rm et y ∈ Rr .55) o` X(p) = L[x(t)].1 . II.5. U (p) = L[u(t)] et Y (p) = L[y(t)]. . um y1 y2 . e e e . . En r´solvant les ´quations (II.8 – Syst`me lin´aire multivariable m entr´es et r sorties e e e Du fait de la lin´arit´ de l’op´rateur de Laplace.Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique. Y(p) = G(p)U(p) La notation matricielle peut ˆtre explicit´e ´l´ment par ´l´ment : e e ee ee Yi (p) = gij (p)Uj (p) ` On obtient ainsi pour la ieme sortie : m (II.56) Pour des conditions initiales nulles.

61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig.21 0.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur.01 0 0 0. les variables d’´tat e e (x1 . e on obtient : x(t) = ˙ −0. II. 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.01 x(t) (II. temp´rature TH .21 x(t) + 0.. nous obtenons les ´quations d’´tat : e e   β/VC −(f + β)/VC 0  x(t) + f /VC u(t) x(t) =  ˙ 0 f /VH β/VH −(f + β)VH (II.63) .2 0.01 m3 /min.C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me. β = 0. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II. En supposant les flux constants fH = fC = f . d´bit fC ).62) y(t) = x(t) Pour les valeurs num´riques f = 0. x2 ) = (TC .. e e e e e e e e e e temp´rature TC . Pour chaque ´tage. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi .2 −0. TH ) et les temp´ratures d’entr´e comme les commandes.9.2 m3 /min et VH = VC = 1 m3 .50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .5. de la capacit´ u e e e calorifique des fluides.

e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II..66) .0041 #2: Transfer function from input 2 to output. e e >> den=conv([1 0.01 0..01 0 0 0.den den}) Transfer function from input 1 to output. 0..01 0.57).01.42 s + 0..0041 0.01 (II.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur.21 −0.0021 #1: --------------------s^2 + 0.0021 --------------------s^2 + 0..LES MODELES EXTERNES En appliquant la formule (II.002 --------------------s^2 + 0.01].01)(p + 0.2 −0.[1 0.01 s + 0.2*0.01*0.21 −1 51 0. 0.0041 0. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.42 s + 0.2 p + 0.41]).0.21] 0.42 s + 0.2 p + 0..2 0.64) 0.01*0.002 #1: --------------------s^2 + 0..42 s + 0. {den den.21 0.41) p + 0.01*0.0041 #2: Exemple : satellite 5 On reprend les ´quations d’Euler du satellite en spin constant autour de l’axe en supposant e cette fois que Ixx = Iyy = I1 et Izz = I2 et ne retenant que le mouvement autour des axes x et y d´coupl´es comme on l’a vu du mouvement autour de l’axe z. >> echangeur=tf({[0.65) I1 ωy = (I3 − I1 )Ωωx + uy ˙ En posant a = (1 − I3 /I1 )Ω et en supposant que les vitesses de rotation sont mesur´es e indirectement par l’´quation : e y1 y2 = 1 a −a 1 ωx ωy (II.01 s + 0.21]}.2 [0.01 = (p + 0.

52 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ωx ˙ ωy ˙ 0 a −a 0 u1 u2 On obtient donc la matrice d’entr´e : e G(p) = 1 2 + a2 p a(p + 1) p − a2 −a(p + 1) p − a2 (II.5.5 -------s^2 + 25 #2: Transfer function from input 2 to output..[-5 -5] [1 -25]}.25 -------s^2 + 25 #2: II. s .68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II.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. >> satellite=tf({[1 -25] [5 5]. e e e (II.2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II.69) ´ Definition II.5.70) A chaque instant t. j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t. 5 s + 5 #1: -------s^2 + 25 s ... g(t) est une matrice de dimensions r × m..25 #1: -------s^2 + 25 -5 s . ` .. L’´l´ment (i. {[1 0 25] [1 0 25]...[1 0 25] [1 0 25]}) Transfer function from input 1 to output.67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur. e e >> a=5.

· · · 1 .2 (syst`me 3 entr´es . up1 . g(t) = cos at − a sin at sin at + a cos at −a cos at − sin at −a sin at + cos at cos at sin at − sin at cos at II. u pm ) m Du fait de la difficult´ ` les manipuler math´matiquement. · · · . y1 1 .3 Equations diff´rentielles entr´es-sorties e e Une autre forme pour le mod`le dynamique d’un syst`me consiste ` ´crire les ´quations e e ae e liant les variables d’entr´e et leurs d´riv´es aux variables de sortie et leurs d´riv´es ` e e e e e a l’exclusion de toutes les autres variables. e e e e a Exemple 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. · · · . G(p) = L[g(t)] (II.LES MODELES EXTERNES 53 Pour des conditions initiales nulles x0 = 0. u m . · · · n . · · · . y1 1 . le mod`le prend la forme e e e d’un syst`me d’´quations diff´rentielles entr´es-sorties.73) fs (y1 .5. 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. 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. la transform´e de Laplace permet de relier la matrice de r´ponse impulsione e nelle et la matrice de transfert. um . yr . yr r ) = g1 (u1 . · · · . up1 . Dans le cas g´n´ral. · · · .71) De plus. 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. . yr . .5.2 sorties) e e ˙ y ˙ y1 + 3y1 + 2¨1 = 4u1 + u2 + 2u3 y2 + y2 + 2¨2 = 4u1 + u2 + 2u3 ˙ y . (II. yr r ) = gs (u1 . · · · . · · · n . · · · . e e e e n n f1 (y1 .

3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II. on obtient.74).77) Exemple II.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.75) y(0) = y(0) = · · · = y ˙ (n−1) (II.78) k M s(t) f e(t) Fig. u(t). e e e La fonction de transfert Soit un syst`me LTI mono-entr´e.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles. mono-sortie. 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.5. y(t). e e a an y (n) (t) + · · · + a1 y (1) (t) + a0 y(t) = bm u(m) (t) + · · · + b1 u(1) (t) + b0 u(t) Si les conditions initiales sur le signal d’entr´e et de sortie sont nulles : e u(0) = u(0) = · · · = u(m−1) (0) = 0 ˙ (II. le rapport entre la transform´e de Laplace e e du signal de sortie et la transform´e de Laplace du signal d’entr´e d’un syst`me LTI est e e e la fonction de transfert de ce syst`me. Il peut alors ˆtre d´crit par e e e e l’´quation diff´rentielle ` coefficients constants (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.76) ´ Definition II.10 – Syst`me masse-ressort-amortisseur e .5. l’´quation diff´rentielle d´crivant le comportee e e ment de la masse M soumise ` une force u(t) est donn´e par : a e M y (t) + f y(t) + Ky(t) = u(t) ¨ ˙ (II.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie.5.10). e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II. Dans le cas de mod`les externes. e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II. Par application e e du principe fondamental de la dynamique.

alors : s(t) = su (t) + s0 (t) (II. on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II. 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.80) Exemple II.82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II. Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II. on peut choisir le vecteur d’´tat e u e e x(t) = [y(t) y(t)] o` y(t) est la position de la masse. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II.5. 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.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. Ainsi.83) La fonction de transfert G(p) est appel´e double int´grateur. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. vR (t).24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul.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. 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). 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.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. .

4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p).5.88) ⇔ Y (p) = G(p)U (p) (II.11 – Syst`me lin´aire e e ´ Definition II.mod`le temporel g(t) e Exemple : satellite 8 La fonction de transfert liant la force de propulsion a la d´viation angulaire suivant l’axe ` e 1 .87) (II.84) La r´ponse du syst`me ` une entr´e quelconque u(t) peut alors ˆtre calcul´e en utilisant e e a e e e le th´or`me de convolution.86) . e e e Remarques II.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig. ce qui conduit a calculer la r´ponse impulsionnelle du satellite comme. a pour r´ponse impulsionnelle la e e fonction : g(t) = L−1 [G(p)] (II.5.g(t) et G(p) contiennent la mˆme information. II. e e ´ ` Theoreme II.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t).mod`le alg´brique G(p) e e . ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II.2 1.5. e y(t) = g(t) ∗ u(t) . e G(p) = L[g(t)] 2.1 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.

89). o e ´ Definition II. Ils peuvent ˆtre d´finis ` partir des mod`les de transfert ou a partir des mod`les e e a e ` e d’´tat mˆme si dans le cas multivariable (MIMO).89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II. e A partir de la d´finition du polynˆme caract´ristique. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO.6 Pˆles et z´ros d’un mod`le LTI o e e Les pˆles et les z´ros d’un mod`le LTI sont essentiels pour sa caract´risation dynao e e e mique. la caract´risation par la fonction de transe a e fert est tr`s simple.89) et le mod`le de transfert G(p) ∈ Cr×m : e G(p) = C(p1 − A)−1 B + D On suppose que les deux mod`les sont parfaitement ´quivalents. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral.ˆ ´ ` II.3 (pˆles) o Les racines du polynˆme caract´ristique sont appel´es les pˆles du syst`me et sont donc o e e o e les valeurs propres de la matrice dynamique. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI. Pour e e e e n = m.6.1 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. e e e ´ Definition II.6. L’´quivalence du mod`le d’´tat et du mod`le de transfert fait appel e e e e e ` la th´orie de la r´alisation qui dans le cas multivariable est au del` du programme de a e e a premi`re ann´e.6. e e II.91) (II. Si le syst`me est causal alors n ≥ m.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique. 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). le syst`me est dit propre alors que pour n > m. . POLES ET ZEROS D’UN MODELE LTI 57 II.6.1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II. il est dit strictement propre. ` l’inverse. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II.6.

1 1 0].0 1]. o e e Exemple II.0 -1 0.6.1 Soit le mod`le d’´tat LTI donn´ par e e e  −1  0 A= 0 C= les matrices syst`me : e    0 0 1 0 −1 0  B =  0 1  0 −2 0 1 2 0 3 1 1 0 La matrice de transfert de ce syst`me est donn´e par : e e   3 2   G(p) =  p + 1 p + 2  1 1 p+1 p+1 Le plus petit commun d´nominateur associ´ ` cette matrice de transfert est : e ea πp (p) = (p + 1)2 (p + 2) = p3 + 4p2 + 5p + 2 Script MATLAB 4 >> A=[-1 0 0.58 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Les pˆles d’un syst`me r´el sont n´cessairement r´els ou complexes conjugu´s puisque o e e e e e les coefficients des polynˆmes caract´ristique sont r´els. >> Poly_car=poly(A) Poly_car = 1 4 5 2 >> G=tf({2 3. >> Poly_car=poly(G) Poly_car = 1 4 >> Poles=eig(A) Poles = -2 -1 -1 >> Poles=roots(Poly_car) 5 2 .0 0 -2]. >> C=[2 0 3.B=[1 0.1 1}.[1 1] [1 1]}).0 1.{[1 1] [1 2].

6.1.ˆ ´ ` II. transfert) choisie.89). e Sous ces hypoth`ses. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2.0000i -1. de z´ros invariants et de z´ros d´couplants sont ´quivalentes. Elle est ´troitement li´e ` la repr´sentation (´tat.93) . z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.94) (II.0000 -1.0. e e e e ´ Definition II. z0 est un z´ro du mod`le LTI ssi la mae e e trice M (z0 ) n’est pas de rang maximum : M (z0 ) = z0 1 − A −B C D (II.6.90).6. Sous les hypoth`se II. e e e e e a On d´finit pour cela le polynˆme des z´ros.0000i >> Poles=pole(G) Poles = -1 -2 -1 II. Ces syst`mes sont e e e e e e dits carr´s. 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. 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).1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.0000 .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.6. u e e e e ` Hypotheses II.6.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.0000 + 0. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission.

2 Reprenant l’exemple II.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).0000 Remarques II.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.6.1. e .6.0000 >> [Poles. 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 = 1.6.

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

II. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e.En appliquant la transform´e de Laplace.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie.62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment.Un sch´ma fonctionnel n’est pas unique. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles.7. e . e e e e + a−b+c − II. II.1 Soit le circuit ´lectrique RC : e i(t) R e(t) C s(t) Fig. e e e e e Principes de construction 1. e Remarques II. Dans ce cas. c a + b Fig. e e a ee e 2.de blocs sommateurs.7.Il est ind´pendant de la nature physique du syst`me mod´lis´. a ee 3. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert.1 . e Exemple II.15 – Circuit RC .Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel.7.

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

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. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur.96) ε (p) G(p) S(p) Fig.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. ´ Definition II. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire.7.3 (fonction de Transfert en Boucle Ferm´e) e La fonction de transfert en boucle ferm´e est d´finie comme : e e S(p) G(p) = E(p) 1 + G(p)H(p) Elle correspond au transfert ”global” de la boucle d’asservissement. II. ´ Definition II.95) (II.2 (fonction de transfert en Boucle Ouverte) La fonction de transfert en boucle ouverte ou gain de boucle est d´finie comme : e Y(p) = G(p)H(p) E(p) Elle correspond au transfert si la boucle est ouverte en A.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II.7. La fonction de transfert en boucle ouverte est alors ´gale au transfert de la chaine a e directe G(p) et la fonction de transfert en boucle ferm´e est donn´e par : e e S(p) G(p) = E(p) 1 + G(p) (II. II.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.97) .

19 et II.19 – Alg`bre des sch´mas fonctionnels e e .20.LES MODELES GRAPHIQUES 65 II.7.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe. 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. 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.

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 .66 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES A + A G AG + B AG .B A.B + B A.B G G AG-B B G 6 1 G B A A+ B A.BG G AG + BG AG-BG B 7 A G G G AG AG A 8 G AG AG A A G AG A G AG AG 1 G A 9 B + A+ B A.B A.B - A.B G AG .

21 est d´crit dans le domaine temporel. Dans le cas des syst`mes e e e LTI.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig.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.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.7.2 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. e e Ainsi.2 Le sch´ma fonctionnel II.LES MODELES GRAPHIQUES 67 II. II.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II.7. les matrices sont constantes et l’on peut d´composer ce sch´ma en faisant apparaˆ e e ıtre les diff´rents ´l´ments constitutifs. e ee Exemple II.22.

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

k) : renvoie dans sys un mod`le LTI d´fini par le vecteur des z´ros z. ee ) [V. ) II. ) ) C=conv(A. Si r est un vecteur. e e . ) [q.C.D]=ssdata(sys) : renvoie les matrices syst`me A. o ) [num.D) : renvoie dans sys un mod`le LTI d´fini par les matrices d’´tat ) e e e A.k]=zpkdata(sys) : renvoie le vecteur des z´ros. ) sys=zpk(z.p.D]=eig(A) : effectue le calcul des valeurs propres de A qui sont rang´es en dia) e gonale dans D et le calcul des vecteurs propres associ´s qui sont rang´s dans l’ordre e e en colonne dans V ) [V. v est le vecteur des coefficients du polynˆme e o dont les racines sont les ´l´ments de r.den) : renvoie dans sys un mod`le LTI d´fini par la fonction de transfert ) e e num .B. e e ) [A. e ) [z.8. e ) sys=ss(A. den) est un vecteur contenant les coefficients du polynˆme dans o den l’ordre d´croissant.2 Fonctions de mod´lisation LTI e ) sys=tf(num.r]=deconv(c. v est le vecteur des coefficients du polynˆme ca) o ract´ristique de r. num (resp.C.B.C.a) : calcule le quotient q et le reste de la division du polynˆme c par ) o le polynˆme a. ) e ) r=rank(A) : calcule le rang de la matrice A.B. ) e e e le vecteur des pˆles p et le gain statique k. o ) v=poly(r) : si r est une matrice.8.1 Fonctions MATLAB Fonctions d’alg`bre de base e ) d=det(A) : calcule le d´terminant de la matrice A. le vecteur des pˆles et le gain ) e o statique d’un mod`le LTI d´fini dans sys.p. ) e ) B=inv(A) : calcule l’inverse B de la matrice A.8 II.B) : calcule le polynˆme r´sultant de la multiplication des polynˆmes ) o e o A × B.D]=reig(A) : effectue le mˆme calcul que eig mais dans R.B.FONCTIONS MATLAB 69 II. ) ) X=expm(A) : calcule l’exponentielle de la matrice A.D.den]=tfdata(sys) : renvoie le num´rateur num et le d´nominateur den d’un ) e e mod`le LTI d´fini dans sys.D d’un mod`le LTI ) e e d´fini dans sys.C.

) sys=series(sys1.sys2.8.70 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II. ) z=zero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur z. ) o e ) r=roots(C) : renvoie les racines du polynˆme C dans le vecteur r. e ) sys=parallel(sys1.inputs1. ) e e ) [p. ) o ) z=tzero(sys) : renvoie les z´ros de transmission du mod`le LTI sys dans le vecteur ) e e z.4 Fonctions de mod´lisation par blocs e ) sys=feedback(sys1.inputs2.sys2) : cr´e le syst`me boucl´ sys ` partir de la chaine directe ) e e e a sys1 et de la chaine de retour sys2.inputs2) : cr´e dans sys l’interconnection s´rie des ) e e sorties outputs1 de sys1 avec les entr´es inputs2 de sys2. e .outputs1. II.8.z]=pzmap(sys) : renvoie les pˆles et les z´ros de transmission du mod`le LTI sys ) o e e dans le vecteur p et le vecteur z.3 Fonctions d’analyse des mod`les LTI e ) p=pole(sys) : renvoie les pˆles du mod`le LTI sys dans le vecteur p.outputs1.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.sys2.

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

R. e e e x(t) = Ax(t) + Bu(t) ˙ (III.1. B = 0.1.1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre.1. e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.1) e o` A ∈ Rn×n .1 III.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. B ∈ Rn×m est commandable ssi la matrice de commandabilit´. ´ ` Theoreme III.1. .1 .2) . Il est membre de l’acad´mie des sciences am´ricaine.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat. An−1 B .1 (commandabilit´) e e Un ´tat xi est commandable en t0 s’il est possible de d´terminer u(t) / [t0 tf ] conduisant e tout ´tat initial xi (t0 ) vers 0 en t0 ≤ t1 ≤ tf .1. . Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices. e e ´ Definition III. hongroise. e . · · · n alors le syst`me est compl`tement ee commandable. e e a . . · · · . =n (III. C est u de rang n. 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. 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.E.Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. . Remarques III. rang(C) = rang . 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. modification des dynamiques propres). AB .La commandabilit´ est une notion importante puisqu’elle ´tablit le fait que l’on e e puisse commander le syst`me afin de modifier son comportement (stabilisation d’un e syst`me instable.2 Crit`re de commandabilit´ e e Il est clairement difficile d’utiliser directement la d´finition pr´c´dente afin de d´cider e e e e de la commandabilit´ d’un syst`me LTI donn´. III. B .72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH). III. fran¸aise e e c et russe.

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 . B) est commandable ssi la matrice complexe n × (n + m) : λ1 − A B est de rang ´gal a n pour toute valeur propre λ de A. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande. B) sera appel´e come e e e mandabilit´ de la paire (A. c1 = c2 = 1.3) . e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont.1.1. x2 ) = (h1 .2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A.2 (test PBH) La paire (A. on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer. h2 ) et R1 = R2 = 1. 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). 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. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque.1. Physiquement. e ´ ` Theoreme III. e Exemple III.NOTION D’OBSERVABILITE 73 Remarques III. B).

u   C  · · ·     CA     · · ·  rang(O) = rang  (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.4) e o` A ∈ Rn×n . Elle correspond ` la capacit´ pour un syst`me ` connaˆ l’histoe e e a e e a ıtre rique d’un ´tat interne ` partir de la seule connaissance de variables de sortie mesur´es.2.5)  = n   . C ∈ Rr×n est observable ssi la matrice d’observabilit´. la notion d’observabilit´ est cruciale pour les syst`mes o` le vecteur d’´tat e e u e complet n’est pas accessible ` la mesure mais doit ˆtre reconstruit.2. e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1.2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A.2. ´ ` Theoreme III. e III.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure. e a e ´ Definition III. Exemple III.2. C) sera appel´e observabilit´ e e e e e de la paire (A.1 Notion d’observabilit´ e D´finition e Une caract´ristique structurelle compl´mentaire (duale) de la commandabilit´ peut e e e ´galement ˆtre d´finie. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III. n alors le syst`me est compl`tement ee observable. O est de rang n.74 COMMANDABILITE ET OBSERVABILITE III. .2 III.1 Soit le syst`me mod´lis´ par : e e e x1 (t) ˙ x2 (t) ˙ y(t) = = 1 1 −2 −1 x1 (t) x2 (t) x1 (t) x2 (t) + 1 0 u(t) 1 0 . · · · . estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie.   .2. C).1 Clairement.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 ].2. Remarques III.    · · ·  CAn−1 Remarques III.2.

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

8).3 III. ce qui ne e e l’empˆche pas de travailler comme ing´nieur par la suite.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´. la th`se de Doctorat de Jordan porte sur l’alg`bre et l’analyse.La forme compagne de commande. 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 Ces formes particuli`res sont appel´es les formes canoniques. e e Il publie son Cours d’analyse de l’Ecole Polytechnique en 1882 et 1887.9) ˆ D=D P est appel´e la matrice de passage de la repr´sentation d’´tat (II. e e Il devient professeur d’analyse ` l’´cole Polytechnique en 1876 et a e professeur au Coll`ge de France en 1883. . il devient ´diteur du Journal de math´matiques pures et appliqu´es. 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.La forme compagne d’observation. La nouvelle repr´sentation d’´tat s’´crit alors : e e e e ˙ ˆx ˆ x(t) = Aˆ(t) + Bu(t) ˆ (III. En 1885. 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. Il e e e meurt le 22 janvier 1922 a Paris apr`s avoir perdu 3 de ses fils pendant la guerre 14-18. Il rentre a l’´cole Polytechnique en e ` e 1855.3.46) a la repr´sentation e e e ` e d’´tat (III. Cette op´ration est une transformation de similarit´. On distingue trois e e grands types de formes canoniques : .La forme diagonale ou quasi-diagonale de Jordan. . les ´quations diff´rentielles et e e e la m´canique. ea e e e Ainsi. Cette transformation lin´aire correspond a un changement e ` de base dans l’espace d’´tat. Il se marie en 1862 avec la fille e e du d´put´-maire de Lyon qui lui donne 6 fils et 2 filles. En 1861.8) ˆˆ ˆ y(t) = C x(t) + Du(t) o` : u ˆ A = P −1 AP ˆ C = CP ˆ B = P −1 B (III. ` e . e 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.76 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES III. Il publie Trait´ des substitutions et des ´quations e e e alg´briques en 1870 qui est le premier livre sur la th´orie des groupes.

RELATIONS ENTRE MODELES INTERNES ET EXTERNES La forme diagonale ou quasi-diagonale de Jordan 77 Dans le cas o` la matrice A ∈ Rn×n a n valeurs propres distinctes. 1  . il est possible u d’effectuer un changement de base la diagonalisant. on d´finit un bloc de Jordan de e  pi 1   0 pi  Ji =  .1 Si la matrice A ∈ Rn×n a n valeurs propres distinctes p1 . p2 .  . Jili ) o` Jik est un bloc de Jordan de taille inf´rieure ` mi . · · · . · · · . p2 . .  . 0 ··· Pi = [e1 · · · eqi ] i i dimension mi × mi  0 ··· 0 . · · · . Il existe alors plusieurs possiu e a bilit´s qui doivent ˆtre test´es. Jk ) La partition de P est identique ` celle de J.. · · · ..  . une seule convenant. on d´finit un bloc diagonal Ji de dimension mi × mi et une matrice e Pi ∈ Rn×mi : Ji = diag(pi . 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. on d´finit un bloc diagonal Ji de dimension mi × mi form´ comme : Ji = diag(Ji1 . P = [e1 e2 · · · en ] est telle e e que : ˜ P −1 AP = A = diag(p1 . Ji2 .. n. J2 . Soit qi la multiplicit´ g´om´trique associ´e ` chaque valeur propre. 1. · · · .  ..  . . 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 . . . . pn alors la matrice de passage compos´e en colonnes des vecteurs propres associ´s. ´ ` Theoreme III.Si 1 < qi < mi . · · · . · · · .3.2 e e Soit A ∈ Rn×n ayant k valeurs propres distinctes pi .Si qi = mi . pn ) o` Aei = pi ei ∀ i = 1. pi ) 2. a . ´ ` Theoreme III..10) e e 3.Si qi = 1. .. 1  · · · 0 pi (III. k de multiplicit´ alg´brique respective mi .3. i = 1. u Dans le cas o` une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation u est plus complexe. 0    .

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. Le lecteur int´ress´ peut se reporter a la r´f´rence [12] e e ` ee pour plus de d´tails. qn ] o` qi est la i doit v´rifier : e Aqj = pi qj + γj qj−1 (III. Les autres colonnes du sous-bloc sont calcul´es en utilisant la e a e e e r´currence avec γj = 1.14) . les formes canoniques compagnes du polynˆme cao ract´ristique sont pr´sent´es uniquement pour des syst`mes monovariables. 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. 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. i = 1. e a Forme r´elle pour les pˆles complexes simples e o Le polynˆme caract´ristique d’une matrice r´elle peut avoir des racines complexes o e e conjugu´es faisant apparaˆ lors de la diagonalisation des blocs du type : e ıtre α + jβ 0 0 α − jβ = p 0 0 p∗ Ce bloc peut ˆtre rendu r´el par un changement de base. k est calcul´e avec γj = 0 et correspond a un vece teur propre associ´ ` pi .12) est donn´ par : o e e πp (p) = det(p1 − A) = pn + an−1 pn−1 + · · · + a0 (III.78 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Dans le cas de d´g´n´rescence d’une valeur propre multiple (cas 2 et 3). la matrice de e e e passage P doit ˆtre d´termin´e de la fa¸on suivante. Il est possible de montrer que l’on Soit P = [q1 . · · · . u ∈ R et y ∈ R.11) e o` pi est une valeur propre quelconque de A et γj = 0 ou γj = 1.13) Le polynˆme caract´ristique de (III. · · · . La premi`re colonne u e ` de chaque sous-bloc Pi .12) y(t) = Cx(t) e e e e o` x ∈ Rn . e e e c eme ` u colonne de P . Ces autres colonnes sont les vecteurs propres g´n´ralis´s e associ´s ` pi . e e α + jβ 0 0 α − jβ = 1/2 −i/2 1/2 i/2 α β −β α 1 1 i −i Dans toute la partie suivante.

. . ` e On applique alors le calcul r´current. ... ..        (III.. −a1 . . 1 .... ..16) ´ Definition III.2 (Forme compagne d’observation) La forme compagne d’observation est d´finie par les matrices du syst`me : e e     Ao =      0 · · · · · · 0 −a0 . e e Soit a d´terminer P = [P1 P2 · · · Pn ] la matrice de passage form´e de ses n colonnes. .. . 0 . 0 .RELATIONS ENTRE MODELES INTERNES ET EXTERNES ´ Definition III. 0 −an−2 0 · · · 0 1 −an−1 0 ··· 0 0 1        Bo =       bn−2  bn−1 b0 b1 . .. suivant : e Pn = B Pn−1 = (A + an−1 1n )B Pn−2 = (A2 + an−1 A + an−2 1n )B = APn−1 + an−2 B Pn−3 = (A + an−1 A + an−2 A + an−3 1n )B = APn−2 + an−3 B ··· P1 = (An−1 + an−1 An−2 + · · · + a1 1n )B = AP2 + a1 B 3 2 (III. . .12) a la forme compagne de e e ` commande n´cessite le calcul de la matrice de passage P .1 (Forme compagne de commande) La forme compagne de commande est d´finie par les matrices du syst`me : e e     Ac =             79 0 1 0 ··· 0 . 0 ··· ··· 0 1 −a0 · · · −ai · · · −an−1 b0 · · · bi · · · bn−1        Bc =      0 .17) Co = . . . . 0 1 (III. .3.. . . . .. . .15) Cc = Le passage de la repr´sentation d’´tat quelconque (III.3. colonne par colonne. . .. . . . .

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

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. on obtient : e ˙ X1 (t) ˙ 2 (t) X y(t) = o` : u X1 X2 = 0 1 1 0 x1 x2 = 0 0 1 0 X1 (t) X2 (t) X1 (t) X2 (t) + 1/Izz 0 uz (t) (III. la forme canonique d’observabilit´.20) 1/Izz 0 En ce qui concerne. 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.22) = 4+ = 4+ . (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.3. la m´thode consiste a isoler la transmission directe en effectuant la e ` division euclidienne du num´rateur par le d´nominateur et de traiter le restant comme e e ci-dessus.21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de. les syst`mes sont suppos´s strictement propres. du fait que le polynˆme caract´ristique associ´ est Psat. la Izz p2 D’autre part. ce qui n’est e e e e pas toujours v´rifi´ en pratique.

2679 0 x3 0 0 -3.732 b = x1 x2 x3 u1 4 4.899 4.82 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES compagne de commande peut alors ˆtre donn´e e e    0 0  x(t) +  0  u(t) 1 −4 1 Une repr´sentation d’´tat sous forme e e par :  0 1  0 0 x(t) = ˙ 0 −1 y(t) = 1 −2 −8 x(t) + 4u(t) La repr´sentation d’´tat sous forme modale peut ´galement ˆtre d´duite : e e e e e     0 0√ 0 1  0 −2 − 3 0 √  x(t) +  1  u(t) x(t) = ˙ 1 0 0 −2 + 3 y(t) = a b c x(t) + 4u(t) Script MATLAB 6 >> H=tf([4 8 2 1].[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.626 d = .’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.2115 x3 -1.25 x2 -0.899 c = y1 x1 0.

3 (r´alisation) e e On appelle r´alisation d’une matrice de transfert donn´e G(p) ∈ Cr×m .Non observable et non commandable : A3 = −1 0 0 −2 B3 = 0 1 C3 = 0 1 .23) e La r´alisation (A. toute repr´sentation e e d’´tat LTI (A.3.1 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. ´ Definition III. 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. e e Exemple III.2 Th´orie de la r´alisation e e D´finitions e Il a ´t´ vu au chapitre pr´c´dent ` la section II. D) d’ordre minimal n(x ∈ Rn ) est dite r´alisation minimale e ou r´alisation irr´ductible. C.Observable et commandable : A4 = [−2] B4 = [1] C4 = [1] . e e e . D) telle que : e G(p) = C(p1 − A)−1 B + D (III. B. B.Commandable et non observable : A1 = 0 1 −2 −3 B1 = 0 1 C1 = 1 1 .RELATIONS ENTRE MODELES INTERNES ET EXTERNES 83 y1 u1 4 III.Observable et non commandable : A2 = 0 −2 1 −2 B2 = 1 1 C2 = 0 1 . C.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.6.3.

e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig. D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable. Enfin. B. e .L’´quation diff´rentielle entr´e-sortie se d´duit ` partir des ´quations diff´rentielles e e e e a e e suivantes.3. 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.3.4 Soit le syst`me compos´ structur´ comme indiqu´ figure III.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 ´ ` Theoreme III.1 – Syst`me structur´ e e . C.3 Une r´alisation d’´tat (A.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.4 . Dans ce cas. on utilise la notation : G(p) : = A B C D Les diff´rentes mod´lisations utilis´es pour un mˆme syst`me ne conduisent pas ` des e e e e e a mod`les poss´dant les mˆmes propri´t´s structurelles. e e e ee ´ ` Theoreme III.La fonction de transfert du syst`me global est d’ordre 1 avec un pˆle −2 et un z´ro e o e 1. Y (p) p−1 = U (p) p+2 . ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) .3.1. e ee e e e il est clair que la r´alisation 4 est minimale alors que les trois premi`res ne le sont pas. III.

e e e     −2 0 0 1  −1 2 0  x +  1  u x= ˙ −3 3 −1 3 y= −1 1 −1 x + u 85 o` les pˆles sont donn´s par −2. e y + 3y + 2y = −u ¨ ˙ L’ordre est ´gal a 2 et il y a deux pˆles associ´s −2 et −1. Il faut e e donc choisir la base dans laquelle sera ´crite la repr´sentation d’´tat que l’on souhaite.Pˆles simples r´els : o e Dans ce cas. 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. · · · .25) Le choix des variables d’´tat est alors naturel : e ∀ i = 1. n Xi (p) = U (p) p − pi (III. e e e Obtention d’une forme diagonale ou de Jordan Cela suppose que l’on peut factoriser e le polynˆme caract´ristique du syst`me P (p) = (p − p1 )(p − p2 )(· · · )(p − pn ). 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. 2 non commandable u o e et non observable. La r´f´rence [12] peut servir a approfondir ce sujet. 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. commandable et observable.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. 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.26) . −1 non commandable et observable.Une ´quation d’´tat d’ordre 3 est donn´e par. La m´thode o e e g´n´rale consiste alors a d´composer F (p) en ´l´ments simples.n (III.RELATIONS ENTRE MODELES INTERNES ET EXTERNES et permet d’´crire. on a : Y (p) = F (p) = U (p) N (p) (p − pi ) i=1.··· .···n = αi p − pi i=1. e ` o e . e e ` e ee .

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

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

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.´ IV.6) Un syst`me LTI de r´alisation minimale (A. En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire.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. ` e e Exemple IV.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations.1. 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.6681 . D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives. e e e e e Si le syst`me est observable et commandable alors une r´alisation minimale d’´tat e e e peut ˆtre donn´e : e e G(p) : = A B C D (IV. e e e e ee Q R y(t) = k=1 Ak e σk t + j=1 Bj αj t e sin(ωj t) ωj (IV.1.3429 .e. tous les pˆles sont a o o ` partie r´elle n´gative.5083i 0. i.1. Munis de cette interpr´tation monovariable.5083i -1.3429 + 1. il est possible de donner une e e e caract´risation multivariable plus g´n´rale. Le demi-plan gauche est appel´ la r´gion de stabilit´. B. C.1.2 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. apr`s d´composition en ´l´ments simples. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s.

o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert. Canada.5083i + 0.7020i . Il meurt le 7 juin 1907 a ` Cambridge. eig(A) ans = 0. Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux. A treatise on analytic statistics.7020i >> >> >> >> G=tf([1 1]. IV.5088 + 0. Il devient e un des enseignants les plus connus de Cambridge en math´matiques appliqu´es et publie e e A treatise on dynamics of rigid bodies (1860).[1 2 3 6 5 3]).3429 0.1. Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p). 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.8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec.5088 .98 STABILITE DES SYSTEMES LTI -0. En 1854. .6681 -0.7020i -0.5088 + 1. sys=ss(G).D]=ssdata(sys).7) Le syst`me est observable et commandable. ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV.B. 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.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.5083i .0. [A.1. (1891) et A treatise on dynamics of a particle (1898).5088 -0. ce qui peut ˆtre fastidieux pour des ordres ´lev´s. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).C. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College.3429 -1.0.3 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.

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

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

Il y a donc 4 racines a partie r´elle nulle ± 2 et ±2.4 (une ligne de z´ros) e Soit le polynˆme caract´ristique o e πp (p) = p5 + 7p4 + 6p3 + 42p2 + 8p + 56 Le tableau de Routh s’´crit : e p5 p4 p3 p2 p p0 1 7 0 6 42 0 8 56 0 101 La troisi`me ligne indique que le polynˆme caract´ristique est divisible par le √ e o e polynˆme o ` e 7p4 + 42p2 + 56 = (p2 + 2)(p2 + 4).´ IV. LA STABILITE BIBO Exemple IV. .1.1.

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

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

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

6667 0  −1.3333 3.6667 0.0000 + 0.3333 1.0000 .2. >> eig(A3) ans = 0.3333 A5 =  −0.1 0 -1].3333 2  . LA STABILITE INTERNE 105 Remarques IV.-1.-2 2 2].3333 -2.9999 >> A3=[-2. o e Exemple IV.-1.6667 −2.17) peut ˆtre d´termin´e ` l’aide du crit`re de Routh-Hurwitz e e e e a e que l’on applique au polynˆme caract´ristique πp (p) = det(p1 − A).3333 1.1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A.6667 0.0000i -2.0001 >> A4=[0 0 0.0 0 0.3333 −0.2.3333 1. >> eig(A2) ans = -1.0000 0.-1.     −3 2 3 −1.6667 0.´ IV.3333 1.6667 0.3333 2].3333 3 A3 =  −1.9999 -1.6667 0.6667 −0.3333 −2.3333 0.0000i -1.0.6667 0.0000 -1.6667 Script MATLAB 9 >> A1=[-3 2 3.6667 -2.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.3333  1. >> eig(A4)    −2.6667 3 A1 =  −1 −3 0  A2 =  −1.3333 0.2 La stabilit´ interne de (IV.0000 -2.3333 0  −2 2 2 −0.6667 3.3333 1.2.-1 -3 0.6667 2].3333 1.-0. >> eig(A1) ans = -1.0000 >> A2=[-1.

2.6667 S = 0 0 0 0 -1.3333 -0.0000 IV.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.6667 0.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.2.6667 0.3333.3333 0.1.3333.6667 -0.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative. e e ´ ` Theoreme IV.3333 1.S]=eig(A5) V = 0.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome. e 4.0000 0 0 0 -0. ` e e A B C D IV. e e e .6667].3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.2182 -0.6667 -0.2.Le syst`me est BIBO-stable.3333 0. >> [V.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.8729 -0.3333 1.-0. e e 3.6667 0.3333 -0. e 2. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s.4364 0.

..  .Les deux valeurs propres p1 .19) peut ˆtre utilis´e afin e e e e de caract´riser la nature du point d’´quilibre 0.2. 0 ···  0 .. p2 sont r´elles. .19) P −1 = base. 0  0 pn Dans le cas d’un syst`me de dimension 2..  .p1 . ··· .  . En effet. LA STABILITE INTERNE Etant donn´ un mod`le LTI autonome. p2 < 0 sont stables. . · · · .3 – Noeud stable . pn sont distinctes. Cela donne des caract´ristiques e e e e diff´rentes aux trajectoires d’´tat. En ´crivant la matrice A e e a dans la base form´e des vecteurs propres ξi . w1 w2 · · · wn P est la matrice modale de changement de  p1 0   0 p Λ= . les valeurs propres peuvent e e ˆtre r´elles ou complexes conjugu´es. 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. l’´quation (IV. le point d’´quilibre 0 est un noeud stable. la r´ponse du syst`me ` une condition initiale e non nulle est.2 .´ IV. e e x(t) = Ax(t) ˙ 107 (IV.  . e 6 4 2 x2 0 −2 −4 −6 −12 −10 −8 −6 −4 −2 $x1$ 0 2 4 6 8 Fig. IV. e e e ..18) e on suppose que les n valeurs propres p1 .. stables ou instables.

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

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. Russie.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. ”Si l’´nergie totale d’un syst`me est dissip´e de mani`re continue alors le syst`me (qu’il e e e e e soit lin´aire ou non lin´aire) devra rejoindre finalement un point d’´quilibre”. Il meurt le 03 novembre 1918 a Odessa.7 – Syst`me masse-ressort e 1.LA METHODE DE LYAPUNOV 109 IV. ` Exemple IV. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales. Il est ami e ` d’´cole de Markov et plus tard ´tudiant de Chebyshev. Il con¸oit e e e c de nombreuses m´thodes d’approximation.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. ici l’´nergie totale.Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. e e Son travail a port´ essentiellement sur l’´quilibre et le mouvement des e e syst`mes m´caniques et la stabilit´ des fluides en rotation uniforme. IV. 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.3. Le point important est qu’elle ne n´cessite ni le calcul des e e e pˆles du syst`me ni la donn´e explicite de la solution de l’´quation d’´tat. La philosophie o e e e e de la m´thode r´side dans l’extension math´matique d’une observation fondamentale de e e e la physique.

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

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

il faut donc choisir a priori e e une fonction candidate de Lyapunov. t) est une fonction de Lyapunov et l’on peut e e conclure ` la stabilit´ sinon aucune conclusion ne peut ˆtre donn´e et il faut alors a e e e recommencer le processus avec une autre fonction candidate de Lyapunov.V (x) est d´finie n´gative.La condition pr´c´dente est une condition suffisante .24) . t).112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . la matrice unique solution de l’´quation de Lyapunov soit d´finie positive. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable. ˙ 1. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). e e A P + PA + Q = 0 (IV. Dans le cas des syst`mes LTI. V (x. e e 2||x||→+∞ lim V (x) = +∞. ´ ` Theoreme IV.3. alors 0 est un point d’´quilibre globalement asymptotiquement stable.V (x. e 2.3 Une condition n´cessaire et suffisante pour qu’un syst`me autonome de mod`le LTI x(t) = e e e ˙ Ax(t) soit asymptotiquement stable est que ∀ Q = Q > 0.3.8 – Illustration de la m´thode de Lyapunov e Remarques IV. Dans le cas non lin´aire. e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV. Si la e condition 2 est v´rifi´e. t) est une fonction de Lyapunov pour le syst`me. V (x) = x P x.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que. e e e x(t) = Ax(t) ˙ (IV. 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. d’o` l’utilisation de e u l’exp´rience.2 1.22) On consid`re une fonction candidate de Lyapunov quadratique.23) ´ ` Theoreme IV. la fonction V (x. fonction d´finie positive.2 V = C2 V = C1 x1 x0 Fig. la m´thode devient plus syst´matique. IV.3. alors.

3125 0.´ IV. P = 0.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.1664 0.5160 19.3. LA METHODE DE LYAPUNOV Exemple IV.3.3273 et 0. on trouve. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.eye(3)).0676 .0477. e Script MATLAB 10 >> P=lyap(A1’.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1. >> eig(P) ans = 0.0625 0.0625 0.

114 STABILITE DES SYSTEMES LTI .

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

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

y4 (t) comme la r´ponse transitoire du syst`me. ´ Definition 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).3) peut ´galement se d´composer en deux e e e e parties : . distinctes ou multiples.y4 (t) est la solution g´n´rale de l’´quation sans second membre (´quation homog`ne) e e e e e les n constantes d’int´gration ´tant d´termin´es de telle sorte que la solution globale e e e e y(t) satisfasse aux n conditions initiales. INTRODUCTION Exemple V.5) Remarques V.3 R´gime permanent . y4 (t) est e e la somme de n termes tels que : .1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini.6) Cette ´quation a n racines pi .1. . r´elles ou complexes.7) .y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.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.1.1. il ne subsiste que e y3 (t) et l’on d´finit alors.1. e e e .chaque racine r´elle pi de multiplicit´ mi donne une r´ponse : e e e mi y4i (t) = i=1 λi ti−1 epi t (V.y3 (t) comme la r´ponse en r´gime permanent du syst`me. e e e La solution g´n´rale y4 (t) est ind´pendante de u(t) et s’obtient en r´solvant l’´quation e e caract´ristique associ´e ` l’´quation diff´rentielle homog`ne : e e a e e e an p n + · · · + a 1 p + a0 = 0 (V. e e e V.r´gime transitoire e e La solution de l’´quation diff´rentielle (V. y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V.1. ` e e 0. e e e e .1.V. e e Remarques V.1 Soit a trouver la r´ponse y(t) de l’´quation.

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

1. R k e C s e i R e L C J s f 111 000 111 000 111 000 111 000 111 000 111 000 111 000 000 111 1111 0000 1111 0000 1111 0000 f ω Fig. e Cela conduit ` ´crire.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V.1 – Exemples de syst`mes du premier ordre e V. V.12) .2. ae Y (p) = K 1 + Tp (V.11) La r´ponse transitoire d’un syst`me du premier ordre est. LES SYSTEMES DU PREMIER ORDRE 119 V.2. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre.1 On appelle syst`me du premier ordre.10) (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.2. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V.` V. e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1.9) T est la constante de temps du syst`me.2.2 V.

18) . on obtient la pente de la tangente e e e e pour t = 0. ae Y (p) = d’o` la r´ponse indicielle.120 d’o` la r´ponse impulsionnelle. En calculant la d´riv´e.9 KT 0. u e y(t) = qui est repr´sent´e figure V.2.17) K KT K = − (1 + T p)p p 1 + Tp (V. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V. on obtient la pente de la tangente pour t = 0.14) La r´ponse indicielle e ´ Definition V.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.8 0.7 0. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.3.2 0.3 0.13) 0.6 y(t) 0.4 0.5 0.2.16) 1 p (V. la r´ponse ` une entr´e de type ´chelon de position (fonction e e a e e de Heaviside) dont la transform´e de Laplace est e L[u(t)] = Cela conduit ` ´crire. V.15) qui est repr´sent´e figure V. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V.2 (r´ponse indicielle) e On appelle r´ponse indicielle.2 – R´ponse impulsionnelle e En calculant la d´riv´e. K K dy(t) = e−t/T |t=0 = dt T T (V.

2.21) 1 p2 (V. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.6 0.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V.2 Amplitude y(t) To: Y(1) 1 0.4.3 – R´ponse indicielle e Remarques V. on obtient.) t Fig.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.20) qui est repr´sent´e figure V.6 1.8 0. on parle alors de rampe unitaire. En calculant le signal d’erreur (t) = u(t) − y(t). (t) = T (1 − et/T ) t→+∞ lim (t) = T (V.23) .4 0.2. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.632K 1.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V.19) Si k = 1. e e R´ponse ` une rampe unitaire e a ´ Definition V.8 1.2 0 0 T 2 4 6 8 10 12 Time (sec. plus le syst`me est rapide.4 0. ae Y (p) = d’o` la r´ponse. pour e e K = 1. V.1 Plus la constante de temps du syst`me T est faible.

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 Fig.7 ξ = 0.2 ξ = 0.8 et figure V. V.4 1.6 0.4 ω n= 0.8 ξ = 0.5 1.3 ξ = 0.9 0.4 ξ = 0.1 ω n= 0.8 0.5 ξ = 0.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.6 0.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.4 1.8 Step Response 127 1.6 ξ = 0.8 0.2 Amplitude 1 0.1 e .4 1. u L’allure de telles r´ponses est repr´sent´e figure V.9.4 1.2 ω n= 0.1 1.6 ξ = 0.6 1.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.8 Step Response ω n= 0.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ). V.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0. e e e ξ = 0.2 Amplitude 1 0.

1 0 0 5 Time (sec.7 D 0.2 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.4 D2 1 0. V.5 T/2 Amplitude 0.43) e e o` D1 est le premier d´passement balistique qui est uniquement d´pendant de l’amoru tissement. e Step Response 0.) 10 15 Fig. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes.128 ANALYSE TEMPORELLE DES SYSTEMES La courbe de la r´ponse indicielle d’un syst`me du second ordre poss`de un certain e e e nombre de caract´ristiques remarquables.6 T 0. 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 . .3 0.

2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .4 0.1 a=2 a = 10 Amplitude 0.6 0.LES SYSTEMES DU SECOND ORDRE 129 La position angulaire est asservie au d´placement longitudinal par un correcteur du e type avance ou retard de phase. V. e H(p) = Θ(p) K(1 + aT p) = Θc (p) αT p2 + (α + aT K)p + K et l’on peut calculer les param`tres du syst`me de commande a et T afin d’avoir certaines e e caract´ristiques de la r´ponse temporelle en boucle ferm´e (cf.1.8 a = 0.[T (1+a*T*K) K]) >> step(H_01.H_10=tf([K*T*a K].[T (1+a*T*K) K]) >> a=0. >> a=10.3]) Step Response 1. figure 3).H_01=tf([K*T*a K].H_10) >> axis([0 20 0 1.T=1.H_2=tf([K*T*a K].H_2.[T (1+a*T*K) K]) >> a=2. e e e Script MATLAB 12 >> K=1. C(p) = suivant le sch´ma-bloc suivant.11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.2 1 0.

12 – Sp´cifications de performance e . V.3 Sp´cifications temporelles d’un syst`me du second ordre e e On suppose que le syst`me du second ordre est sous-amorti et sp´cifi´ par la paire e e e e (ωn . ξ). cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1.49) .47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V. e e y(tr ) = 1 = 1 − e−ξωn tr d’o`. tan(ωp tr ) = − Apr`s calculs.Temps de mont´e tr : e La r´ponse indicielle d’un syst`me du second ordre est.45) Cette relation est approxim´e par la relation : e tr ≥ (V. Sa r´ponse temporelle a l’allure de la figure V.12.130 ANALYSE TEMPORELLE DES SYSTEMES V.5 0 tr tp t ts Fig. u cos(ωp tr ) + soit.3. y(t) Mp 0.8 ωn (V.48) 1 − ξ2 ξ (V.05 t td 0.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V.

e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`.7 ξ = 0.55) ξ ≥ ξ(Mp ) σ≥ 4.54) 4.3. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit.3 (V. Mp = y(tp ) − 1 = −e−ξωn tp Soit.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 . ωn doit ˆtre grand.6 ts . − 131 (V. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1.D´passement maximal Mp : e On a donc.Temps d’´tablissement ts : e G´n´ralement.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.6 = = ξωn σ Remarques V. De plus.LES SYSTEMES DU SECOND ORDRE .6 4. pour des r´ponses rapides.52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0. u tp = .5 ξ = 0.53) .50) π ωp (V.8 tr (V.

e e e e Soit la fonction de transfert G(p) d’ordre n que l’on factorise afin de faire apparaˆ ıtre les pˆles et les z´ros. e e Ainsi. u La r´ponse transitoire compl`te du syst`me est constitu´ par la combinaison lin´aire de e e e e e ces fonctions ´l´mentaires. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me. on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur. les pˆles.Chaque pˆle r´el pi de multiplicit´ mi donne une r´ponse transitoire : o e e e mi y4i (t) = j=1 λj tj−1 epi t (V. o ` e . y4 (t) est e e e constitu´e de la combinaison lin´aire de fonctions du temps ´l´mentaires d´finies par la e e ee e nature (r´els. . .57) . Dans le cas le plus g´n´ral.4.1 Les syst`mes d’ordre sup´rieur e e Notions de modes D´finitions e A partir de ce que l’on a d´j` vu pour les syst`mes d’ordre 1 et 2.Chaque paire de pˆles complexes conjugu´s (pi .4 V. on obtient la contribution ´l´mentaire de chaque pˆle sous la forme d’une fonction ee o du temps.1 (modes) On appelle mode du syst`me chaque fonction temporelle ´l´mentaire constituant la e ee r´ponse transitoire compl`te.4.r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V. La notion de stabie e e e lit´ asymptotique ´tudi´e dans les chapitres pr´c´dents exprime que la composante y4 (t) e e e e e tend vers 0 sur un horizon suffisamment long de temps mais ne donne pas d’indications sur l’´volution qualitative de ce signal transitoire.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. 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. complexes conjugu´s) des racines de l’´quation caract´ristique.58) o` σi = Re(pi ) et ωi = Im(pi ). o e G(p) = bm p m + · · · + b0 =K an p n + · · · + a 0 (p − zj ) (p − pi ) 2 ((p + αzj )2 + βzj ) 2 ((p + αpi )2 + βpi ) (V. e e ´ Definition V.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse. Dans cette combinaison lin´aire.

 . Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk .. · · · .LES SYSTEMES D’ORDRE SUPERIEUR .. P est la matrice modale de changement de base. e e Remarques V.  .60) C’est une oscillation de pulsation propre ωi amortie par une exponentielle d´croissante e caract´ris´e par la constante de temps τi = 1/λi . Etudions la solution de l’´quation d’´tat dans la base modale. e e Cette analyse temporelle men´e ` partir d’un mod`le de type fonction de transfert e a e (syst`mes monovariables) peut ˆtre g´n´ralis´e aux syst`mes multivariables en utilisant e e e e e e la repr´sentation d’´tat.  0 .1 La contribution de chaque mode a la forme des transitoires d´pend de la fonction excita` e trice (le signal d’entr´e) et de l’´tat initial E(0). u .Si A a k valeurs propres distinctes et a donc des valeurs propres multiples : n k x(t) = P eJt P −1 x0 = i=1 epi t Mi (t)x0 = i=1 Tk eJk t Uk x0 (V. p1 . . e a J = diag(J1 .4.62) o` u P = v1 v 2 · · · vn P −1 = base et ··· . ..61) e e o` x ∈ Rn . · · · .2 . 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 ··· ...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. pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (V.Si A a n valeurs propres distinctes.  . 0  0 pn w1 w2 · · · w n P est la matrice modale de changement de  p1 0   0 p Λ= .  .63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini. J est la forme de Jordan u o associ´e ` A.

Le mode d’oscillation d’incidence (short-period mode) p = −2.017)2 + (0. e e e Fig.045 0. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral. o e e (V.5 Fig.5 0 −0.02 1.5 1 Time (sec) 1.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.Mouvement propre longitudinal :     δu ˙ −0.2 0 0.2 1 0.1 0 −0.1 −0.13 – North American L-17A ”navion” .134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V.5 2 2. V.036 0 −0.76   δw ˙   0    q  =  0. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.213)2     (V.62) et (V.1 0 −0.2 0.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.65) Les modes propres longitudinaux sont d´finis comme : e .51)2 + (2.370 −2.14 – Mode d’oscillation d’incidence pur .96 −2.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.191 −3.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.5 −1 0.59)2 (p + 0.322 δu  δ w   −0.63) sont appel´s e ee e les modes du syst`me.Courtesy USAF Museum . 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.1 −0.51 ± 2. V.

5 −1 0..213j Response to Initial Conditions 1 To: Out(1) 0.1).036 0 -0.19 −8.05 0. >> initial(sys_long.LES SYSTEMES D’ORDRE SUPERIEUR .486)2 + (2.67)     (V. >> [navion_long.5 0 50 100 150 Time (sec) 200 250 300 350 Fig.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.Tlong]=canon(sys_long.76 0. 0].98 0.433) (p + 0.5 0 −0.’modal’) >> Plong=inv(Tlong).66) .3)) .08 2.1)).05 To: Out(2) 135 0 Amplitude −0.35  r ˙   0    p  =  −9.Plong(:.zeros(4.0088) Les modes propres lat´raux sont d´finis comme : e e .254 −1.0 0 1.96 -2..1 −0.2 To: Out(3) To: Out(4) 0.2 0.Le mode phugoide (phugoid mode) p = −0..1 0 −0...191 -3. o e e e (p + 8.37 -2.322. -0.433 ` (V.045 0.Mouvement propre lat´ral : e     v ˙ −0.02 1.76 −0.017 ± 0.Plong(:. V.322 v  r   2.eye(4).76 0 0.1)) >> initial(sys_long.zeros(4.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.334)2 (p + 0.0.5 0 −0.55 −0.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.

01 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.005 −0. V.4 0.2 0.5 0 0 −0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.17 – Mode de spirale pur .01 1 0.2 0 0.15 −0.7 Fig.02 To: Out(1) 0.02 0 1 0.1 −0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.0088 Response to Initial Conditions 0.5 0.04 0.334j .1 0.02 0 0.05 0 0 −0.16 – Mode de roulis pur .005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.3 Time (sec) 0.15 0.1 0.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.015 0.2 0.6 0.486 ± 2. V.05 −0.

Plat(:.. 0]. τq } associ´es ` ses diff´rents modes.18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-.5 1 0.Tlat]=canon(sys_lat..2)) >> initial(sys_lat. Supposons maintenant que la fonction de transfert soit du troisi`me ordre avec un pˆle e o r´el −1/γ et deux pˆles complexes conjugu´s : e o e G(p) = 2 ωn 2 (γp + 1)(p2 + 2ξωn p + ωn ) (V. e τi = −1/Re[pi ] (V.4..322.Plat(:.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.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.. 2.5 0 −0.4)) Caract´risation des modes e Il apparaˆ donc clairement sur les exemples pr´c´dents que la dur´e des transitoires ıt e e e d’un syst`me d’ordre quelconque est d´termin´e par l’ensemble des constantes de temps e e e e a e {τ1 . >> initial(sys_lat.55 -0.5 −1 0..35 0.5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0. ´ Definition V.zeros(4.1).Plat(:.2 0.2 0 2 4 6 Time (sec) 8 10 12 Fig.4 0. >> [navion_lat.76 -0.76 0 0.-9.19 -8.1)) >> initial(sys_lat.1 0 −0.5 0.eye(4).08 2.5 0 −0. V.69) .254 -1.1 −0.1)). · · · .LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.zeros(4.0 0 1.’modal’) >> Plat=inv(Tlat).

59j d´fini par sa constante de temps e et son amortissement.51 = 0.7 (V.0088 = 113.334j d´fini par sa constante e de temps et son amortissement.le mode correspondant de spirale p = −0.63 (V.73) (V. ´ Definition V.017 = 58.51 ± 2.4 ξinc. Pour un mode oscillatoire.71) .le mode d’oscillation de roulis hollandais p = −0. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1.82 ξphu. · · · . e τsp.06 ξdrol. = 1/0.138 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.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. = 0. τinc.433 = 0.Si ξ = 0 alors le mode oscillant est non amorti .le mode de roulis p = −8. on parle o e e de modes dominants.213j d´fini par sa constante de temps et son ıde e amortissement.74) .486 = 2. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par.4. ´ Definition V. e e . = 0. τphu. = 0. = 1/2. = 1/8.486±2. ξq }.72) .433 d´fini par sa constante de temps.08 Les modes propres lat´raux du Navion sont caract´ris´s par.le mode d’oscillation d’incidence p = −2.3984 0.75) . quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me. e e e .70) Par extension.4 (mode oscillant non amorti et ap´riodique) e . mˆme si cette condition n’est pas strictement v´rifi´e.4.0088 d´fini par sa constante de temps. = 1/0. = 1/0.le mode phugo¨ p = −0. e τrol.204 (V.12 (V. τdrol.017 ± 0.Si ξ = 1 alors le mode oscillant est ap´riodique e L’amortissement des transitoires d’un syst`me d’ordre quelconque est donc caract´ris´ e e e par l’ensemble des amortissements {ξ1 .

6946 0.6070 Xi_long = 0.4327 139 Xi_lat = 1.2040 1.0088 2.3836 8.4.0797 0.Xi_long]=damp(sys_long) Wn_long = 0.76) i=1 .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.6070 3.2140 3.0797 0.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.2140 0.3836 2.0000 0.6946 V.Xi_lat]=damp(sys_lat) Wn_lat = 0.2040 0.0000 >> [Wn_long.

4. Suivant que le e e e e e e z´ro sera stable ou instable. 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. e e n s(t) = K + i=1 bi 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. >> clf >> step(H1) >> hold.est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o . le d´passement sera augment´ ou diminu´.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. 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. e e o Si l’on ´tudie la r´ponse indicielle.[1 1 1]). e e Exemple V. >> step(H2) >> step(H1+H2) . e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1.77) avec. m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V. >> H2=tf([1/0.[1 1 1]). e e e n h(t) = i=1 ai epi t (V.5 0].79) e e ` e o` bi = ai /pi .140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors.

1 e e a o . 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 )|.2 H 2 0 −0.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1. e e e ` e e a e e Cette r´ponse d´pend des conditions initiales.2 H 1 Amplitude 1 0.8 0.6 H 1.5 e Step Response 1.6 0.5 −1 H 2 −1. e V.4. 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. 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). dans de nombreux cas pratiques.4 0.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0.5 e R´sum´ V.8 141 1. e e e a .4.2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.5 1 0.L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|.5 H1 H Amplitude 0 −0. 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.4 1. Ainsi. e .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 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.

Imposer une condition du type.80) revient donc a placer les pˆles ` gauche d’une verticale −1/τmax dans le plan complexe ` o a (cf. e .d´passement maximal (overshoot) Mp .temps de sommet (peak time) tp .temps de retard (delay time) td . e . figure V. . ∀ i : τi < τmax ⇔ σ < σi (V.temps d’´tablissement (settling time) ts . Il est alors possible de e sp´cifier des caract´ristiques temporelles identiques ` celles des syst`mes du second ordre. . σ) d´finissant la position des pˆles dans le plan o e o complexe. 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. le concepteur ne travaille pas directement sur ces grandeurs mais plutˆt sur les grandeurs (ωn .temps de mont´e (rise time) tr . .05 t td 0.5 0 tr tp t ts Fig. e Toutefois.142 ANALYSE TEMPORELLE DES SYSTEMES En g´n´ral.19 – Sp´cifications de performance e .20). ξ. V. e e a e y(t) Mp 0. dans la pratique.

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

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

5. ) e e ) [y. FONCTIONS MATLAB 145 V.t. ’square’ ou ’pulse’.5.t.x]=initial(sys. e ) [y. e o e e ) k=dcgain(sys): calcule le vecteur des gains statiques du mod`le LTI sys.t]=gensig(type.t. e e V.tau): g´n`re des signaux temporels dans u de p´riode tau et dont ) e e e le type peut ˆtre ’sim’.t): effectue la simulation temporelle du mod`le LTI sys pour ) e l’entr´e u sur l’horizon temporel d´fini par t.5 V.x]=step(sys): r´ponse indicielle du mod`le LTI sys.V.x0): r´ponse temporelle du mod`le LTI sys ` une condition initiale ) e e a x0 .1 Fonctions MATLAB Fonctions de r´ponse temporelle e ) [u.x]=lsim(sys.t. ) e .u. ) e e ) [y.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. ) [y.x]=impulse(sys): r´ponse impulsionnelle du mod`le LTI sys.5.2 Fonctions d’analyse des mod`les LTI e ) [Wn.

146 ANALYSE TEMPORELLE DES SYSTEMES .

D). les avantages pr´sent´s ici ne doivent pas faire oublier que ces m´thodes e e e ont ´t´ principalement d´finies pour les syst`mes monovariables. e e e e VI. Une autre raison repose sur les possibilit´s exp´rimentales nombreuses et e e e peu complexes n´cessaires pour reconstituer la r´ponse fr´quentielle d’un syst`me donn´ e e e e e ` partir de donn´es exp´rimentales entr´es-sorties (g´n´rateurs de signaux sinuso¨ a e e e e e ıdaux et ´quipements de mesure ad´quats). les syst`mes monovariables LTI sont indiff´remment mod´lis´s par e e e e leur fonction de tranfert G(p) ou une r´alisation minimale d’´tat (A. e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. e e Toutefois. C.1 D´finition et propri´t´s e e e La r´ponse fr´quentielle d’un syst`me LTI est un outil particuli`rement important e e e e pour l’analyse et la synth`se des syst`mes de commande.1. e e e e ces m´thodes n´cessitent une culture fr´quentielle suffisament pouss´e pour pallier la e e e e faible corr´lation entre les caract´ristiques temporelles des r´ponses transitoires et les e e e caract´ristiques des r´ponses r´ponses fr´quentielles.1 (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.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. Historiquement. e e 147 .1. De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre. 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. la plupart des outils peuvent ˆtre ´tendus au cas multivariable. e e ´ Definition VI. 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. B. Mˆme si comme nous le ee e e e verrons dans ce chapitre. De plus.1 Les syst`mes monovariables e Dans cette section.

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

´ ´ ´ 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

1 Le gain du syst`me ` une pulsation donn´e est mesur´ par la longueur du rayon vece a e e teur correspondant alors que la phase est l’angle mesur´ positivement dans le sens trigoe nom´trique entre l’axe ox et le rayon vecteur. e e . 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.Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif (la e e e diff´rence de degr´ entre le d´nominateur et le num´rateur) n − m. Il meurt en 1976. e e La mˆme ann´e. il s’engage sur des recherches g´n´rales en communication. En 1932. e Remarques VI. En effet. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson.2. 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 entre a AT&T pour d´velopper un syst`me de t´l´graphe et des ` e e ee m´thodes permettant la maitrise des messages dans les t´l´graphes a e ee ` bande ´troite. Il publie un article sur la fr´quence de Nyquist en 1928. Entre 1921 et 1935. Il immigre aux Etats Unis en 1907 afin e ` e de poursuivre sa formation scientifique et obtient son Master de l’universit´ du Dakota e du Nord ainsi que son Doctorat de Yaleen 1917.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. Apr`s ee e e e 1935. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. 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´. 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 .

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

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.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 ) . 1 Re 1 (jω )2 Im 1 a 1+jω T 1+jω aT 0 . 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.156 REPONSE FREQUENTIELLE DES SYSTEMES LTI Repr´sentations fr´quentielles usuelles e e Il est ` noter que les formes compliqu´es de courbes dans le plan de Nyquist ont pour a e origine les dynamiques du num´rateur. VI. Im 0 Im Re 1+jωT jωT Im Re 1+jωT Im Re jωT 1+jωT 0 .5 donne un certain nombre de trac´s e e typiques. 1 Re jω 0 . . La figure VI.

la pulsation propre non amortie et l’amortissement. e e a e (ωn . G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI.5 Re |G(j/T)| ω = 1/Τ Fig.14) Im 1 1 +ω T 0 ωT 1 + ω2T 2 −Φ( j/T) 2 2 1 0.6 – Premier ordre dans le plan de Nyquist Caract´ristiques d’un deuxi`me ordre dans le plan de Nyquist Un syst`me du second e e e ordre a une fonction de transfert sinuso¨ ıdale param´tr´e ` l’aide de deux param`tres. ξ). VI.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI.5.5. (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. 0) et de rayon 0.16) .12) permet de montrer que la courbe est un demi-cercle de centre e (0.

07 ξ = 0.7 ξ = 0. l’analyse asymptotique montre que la phase tend vers −π.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.19) e e Pour ω ∈ R+ . Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e .17) ω2 2 ωn + ω 2ξ ωn 2 (VI. e ` e Nyquist Diagram 15 10 ξ = 0. Aux hautes e e fr´quences.05 ξ = 0. Il est a remarquer que MATLAB donne le diagramme de e e a ` Nyquist complet avec le sym´trique par rapport a l’axe ox pour les pulsations n´gatives. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn . e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox.18) ω ωn ω + 2ξ ωn 2 (VI.158 et sa phase par : REPONSE FREQUENTIELLE DES SYSTEMES LTI  ω  2ξ( ωn )  −1   φ(ω) = − tan  ω2  1− 2 ωn La partie r´elle est d´finie par : e e 1− R(ω) = 1− alors que la partie imaginaire est : −2ξ I(ω) = 1− ω2 2 ωn 2 ω2 2 ωn 2  (VI. VI. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.4 ξ = 0.1 ξ = 0.7). Cette pulsation est la pulsation de e cassure associ´e au second ordre.

la partie r´elle et la partie imaginaire sont toujours n´gatives. e Script MATLAB 17 >> G=tf(4.[1 2 0]). >> nyquist(G). 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). 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.2. e ee G(jω) est alors caract´ris´e par : e e |G(jω)| = |G1 (jω)||G2 (jω)| φ(ω) = φ1 (ω) + φ2 (ω) Ceci est illustr´ par l’exemple suivant. On calcule les limites int´ressantes permettant d’indiquer le comportement de e la courbe en basses et hautes fr´quences : e ω→0 lim R(ω) = −1 lim I(ω) = −∞ lim φ(ω) = − ω→0 ω→0 π 2 ω→∞ lim R(ω) = 0 ω→∞ lim I(ω) = 0 ω→∞ lim φ(ω) = −π La courbe admet une asymptote verticale en −1 aux basses fr´quences. En effet.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.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. .

8 0+ −0.2.160 REPONSE FREQUENTIELLE DES SYSTEMES LTI Nyquist Diagram 20 ω 15 0− 10 5 Imaginary Axis ω 0 − + ω −5 −10 −15 ω −20 −1 −0.7 −0.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts. pulsation quelconque.2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations. Les courbes sont trac´es sur du papier semi-logarithmique en utilisant l’´chelle logae e rithmique pour les pulsations et l’´chelle lin´aire pour l’amplitude en d´cibels et la phase e e e en degr´s.2 −0. VI.6 −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 . Le premier repr´sente l’´volution e e e du module de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)) en fonction de la e e e pulsation ω en rad/s.4 −0. e 8 8 . ´ Definition VI.9 −0.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI.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.2.5 Real Axis −0. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade.

Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. il obtient son Ph. Pendant la seconde guerre mondiale. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958.20) pN . e e e Cela comprend en particulier des extensions du travail de Nyquist sur les amplificateurs a contre-r´action pour l’am´lioration des commu` e e nications longues distances. il continue a travailler en partie sur des applications e e ` militaires (guidage des missiles) mais ´galement sur la th´orie moderne de la communicae e tion. Echelles logarithmiques ω1 ω rad/s Φ1 Fig. D de l’universit´ de Columbia en 1935. Alors qu’il travaille chez Bell. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. e Pendant ses premi`res ann´es aux laboratoires Bell. Il devient ` ` membre de l’Acad´mie des Sciences. 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. 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. VI. il travaille principalement sur les syst`mes de commande de tir anti-a´rien et il re¸oit le Certificat Pr´sidentiel du e e c e M´rite en 1948. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. e L’inconv´nient majeur est que l’on ne peut repr´senter les courbes de gain et de phase e e jusqu’` la pulsation 0 du fait de l’utilisation de l’´chelle logarithmique pour les pulsations. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. e e toute fonction de transfert peut ˆtre factoris´e comme : e e G(p) = K (1 + pTi ) (1 + 2 ξ/ωnj p + (pωnj )2 ) (1 + pTk ) (1 + 2 (ξ/ωnl ) p + (pωnl )2 ) (VI. En 1955. Apr`s la guerre. En effet. Il entre aux laboratoires de Bell Telephone comme math´maticien. En 1952. Il meurt le 21 Juin 1982.

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

6 5. ω = 2/T . ω << ωc = 1/T .26) Dans cette plage de pulsations. et en de¸`.4 84.25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB. domaine ”hautes e fr´quences” ω >> ωc .En hautes fr´quences. domaine ”basses fr´quences” ω << ωc . . ω = 1/2T de ωc vaut a ca −0. Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e .3 .97 dB.L’erreur pour une octave au del`. on obtient.23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante.L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB. l’amplitude en dB peut ˆtre e approxim´e par. e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI. On rappelle que le module et la phase d’une telle fonction de e transfert sont donn´s par : e |G(jω)| = √ √ 1 |G(jω)| dB = −20Log10 ( 1 + ω 2 T 2 ) dB 1 + ω2T 2 (VI. la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave.Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI.Pour les basses fr´quences. Dans le plan de Bode.REPRESENTATION GRAPHIQUE 163 . 45 26. ω >> ωc = 1/T .7 63. 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 . e ` . e √ (VI. e e e c 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 Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI.30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences.29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences.Le facteur quadratique ram`tres (ωn .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.11 – Trac´ dans le plan de Bode de 1/(p + 2) e . ξ).164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0.97 dB 3 dB 0.28) Les asymptotes sont obtenues par une analyse identique a celle qui a ´t´ faite ` ee pour les syst`mes du premier ordre. e . e . e .Basses fr´quences : ω << ωn e −20Log10 (1) = 0 dB (VI. e .27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ. VI. la courbe de gain pr´sentera ou ne pr´sentera pas de pic de e e r´sonnance.Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI.Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   dB (VI.

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

13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.Tracer les courbes asymptotiques.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base.1 1. 4. ee 2.3 ξ = 0.5 −180 ξ = 0.34) ´ Definition VI.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.5 ξ = 0. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI.2.05 ξ = 0. e e e a 3. VI.1 ξ = 0.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte.2.2 ξ = 0.4 (bande passante) e La bande de pulsations correspondant a 0 ≤ ω ≤ ωcα est appel´e la bande passante du ` syst`me ` α dB.3 ξ = 0.1 −90 ξ = 0. e a ´ Procedure VI. .2.2 −135 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.05 ξ = 0.

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

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

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

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

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 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. nous retrouvons des 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 caract´ristiques identiques que pour le trac´ dans le plan de Bode. VI.5 ξ = 0.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0.38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg.3 ξ = 0.01 ξ = 0. aux hautes fr´quences. 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.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 .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.1 ξ = 0.

58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.2.04 dB.172 Exemple VI.58 rad/s.14 Phase (deg): −38.’r-.’.94 Frequency (rad/sec): 1.’.58 System: G3 Gain (dB): −8. ` e .[1 2 0]). e Script MATLAB 19 >> G2=tf(1. 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. >> G3=tf(1.04 dB et le point correspondant a ω = 1. >> nichols(G2.[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.[1 2]).3 Frequency (rad/sec): 1.’b’).58 Phase (deg): −90 Frequency (rad/sec): 1.G. >> G=tf(4.0273 System: G2 Phase (deg): −128 Gain (dB): −3.G3.’g. Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.

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.20 montre le diagramme des phases de G1 et de G2 . Exemple VI.2. ` Remarques VI. e Ce minimum est alors d´pass´ par le d´phasage d’un syst`me de mˆme module ` non e e e e e a minimum de phase. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations.40) La figure VI.2.4 Afin d’illustrer au mieux la remarque pr´c´dente. il sera ` dit a non minimum de phase.20 – Phases de G1 et G2 pour T1 = 1.2.3 Cette d´nomination provient du fait que pour un module identique. VI. prenons les deux fonctions de transfert e e suivantes ` minimum de phase (respectivement ` non minimum) : a a G1 (jω) = 1 + jωT1 1 − jωT1 G2 (jω) = 1 + jωT2 1 + jωT2 (VI.2. T2 = 2 .39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (VI. Dans le cas contraire.5 (minimum de phase) Un syst`me poss´dant des pˆles et des z´ros situ´s dans le demi-plan complexe gauche et e e o e e ne comprenant pas de retard est dit a minimum de phase.4 Les syst`mes ` non minimum de phase e a ´ Definition VI.REPRESENTATION GRAPHIQUE 173 VI. 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.

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

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. Dans la a e majorit´ des cas.1.45 s + 10 #2: .2.. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es. Cela signifie que seule la repr´sentation de la variation des gains e e principaux en fonction de la pulsation peut ˆtre trac´e.[1 0.01 2]. Cela impose donc le plan de Bode e e comme seul outil disponible.REPRESENTATION GRAPHIQUE 175 VI.002 s^2 + 0.{den den.[2 1] [1 4]}. 1 #1: ---------------------------------------s^4 + 0.21 s^3 + 7.21 s^3 + 7.H=tf({1 3.002 s^2 + 0.. ´ Definition VI.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.den den}) Transfer function from input 1 to output.5 Extension aux syst`mes multivariables e La section I.2.2 5]).5 (mod`le deux entr´es .6 (lieu de transfert multivariable) La repr´sentation graphique de la r´ponse fr´quentielle d’un syst`me multivariable consiste e e e e ` tracer les gains principaux du syst`me multivariable dans le plan de Bode.deux sorties) e e Script MATLAB 20 >> den=conv([1 0. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.2.

.21 s^3 + 7.21 s^3 + 7.176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output..002 s^2 + 0.45 s + 10 s + 4 ---------------------------------------s^4 + 0.002 s^2 + 0. 3 #1: ---------------------------------------s^4 + 0.45 s + 10 #2: >> sigma(H) >> grid .

FONCTIONS MATLAB 177 VI. e ) sigma(sys1.sys2. dans le mˆme plan ) e de Nichols-Black... dans le mˆme plan ) e e de Bode. dans le mˆme ) e plan de Nyquist..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.w) : calcule la r´ponse fr´quentielle du syst`me LTI sys aux pulsa) e e e tions contenues dans le vecteur w...VI. ) nyquist(sys1. ) ltiview : ouvre l’interface graphique permettant de tracer la r´ponse fr´quentielle ) e e dans diff´rents plans au choix.... sys2.) : trace les lieux de transfert de sys1..... e ....... sys2.sys2.3.3 VI. ) H=freqresp(sys.sys2...) : trace le diagramme de Bode du gain des syst`mes sys1...sys2. ) nichols(sys1..sys2.) : trace les lieux de transfert de sys1.) : trace les lieux de transfert de sys1.) : trace les valeurs singuli`res de sys1...3. sys2.... ) bodemag(sys1..sys2. ) e dans le mˆme plan. ) bode(sys1. sys2.1 Fonctions MATLAB Fonctions de trac´ de la r´ponse fr´quentielle e e e ) sys=frd(response. dans le mˆme plan ) e de Bode..

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e. e ` ea 179 . le principe fondamental consiste ` observer les effets e e e a des actions que l’on produit et de les corriger en fonction des r´sultats observ´s.1. En r´sum´. 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. Adopter une telle structure de commande induit bien e entendu un certain nombre d’avantages mais aussi quelques inconv´nients que nous allons e d´tailler a travers un exemple simple emprunt´ ` [13].1 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif.1. VII. la th´orie des syst`mes de commande a contre-r´action est introe e ` e duite pour tout ce qui concerne les aspects d’analyse. Dans ee e e la suite de ce cours. 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. seuls les syst`mes monovariables sont trait´s.1 Principe de la contre-r´action e Un syst`me de commande automatique a contre-r´action compare la valeur r´elle de la e ` e e sortie du syst`me avec l’entr´e de r´f´rence (la valeur souhait´e). 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). Jusqu’` pr´sent. 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. biographie).Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. Cette e e structure est illustr´e figure VII. Dans un premier temps.

sur le trajet matinal de l’Hudson River sur le ferry Lackawanny pour aller a son travail.1) u(t) − vn (t) vn (t) = ˙ m e e e o` vn = v/vmax est la vitesse normalis´e du v´hicule ´voluant entre 0 et 1. 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. Apr`s ses ann´es d’´tudes. Il est e ` diplˆm´ de l’Institut Polytechnique de Worcester en 1921 puis re¸oit du mˆme institut o e c e un doctorat honorifique. neuf c e prix ainsi que de nombreux autres titres honorifiques. Il 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. photo du chapitre e 1). Perturbation Système de commande Entrée de référence + Ampli. Il publie modulation theory en 1953. Process Sortie Fig.No.1 – Sch´ma de principe d’un asservissement e Il s’agit d’un syst`me de commande automatique de vitesse de croisi`re d’un v´hicule. Il meurt en 1983. Il ` e travaille alors sur la r´duction de la distorsion dans les amplificateurs de puissance pour e les communications t´l´phoniques longues distances. il rejoint les laboratoires de West e e e Street de la Western Electric a New York. ee En 1927. VII. Harold e e Black fait partie du Hall of Fame des inventeurs depuis 1981 et a re¸u 10 m´dailles. e . e e √ ρc 2 (VII. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action. 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. 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.180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1. Black) Harold Stephen Black est n´ le 14 Avril 1898 a Leominster dans le Massachussetts. m est la masse du v´hicule et ρ et c sont des constantes. Il d´pose un brevet (21 D´cembre 1937 . 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. 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. e e e Le sch´ma de principe est alors le suivant. ancˆtres des laboratoires Bell Telephone.

2 – Commande de la vitesse de croisi`re d’un v´hicule e e La loi de commande associ´e ` la fonction de correction est choisie comme. e a u(t) = k(vnr (t) − vn (t)) ˙ (VII.3 – Sch´ma SIMULINK de l’exemple voiture e . e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (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).2) o` la constante k est ` choisir par le concepteur du syst`me de commande. VII.` ` ´ VII.1. Ce type de loi u a e de commande est qualifi´e d’int´grale puisque. 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.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. e √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (VII.

6. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0. e e On peut remarquer sur la figure VII.6 e ee e ` ` l’instant 10 s. a Quelle que soit la valeur du gain de l’action int´grale k.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.52 0.08.6.05 0. = 0.56 k=0.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0. 0.58 0. Le signal de r´f´rence est donc un ´chelon passant de 0.05.06 correspondant a des accroissements respectifs ` pour k = 0.54 0.08. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0. 0.1 k=0. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis.05 et m m de masse de 20% et 40%.5 a 0.08 0.6 k=0. que pour les valeurs k = 0.02.1 s et pour diff´rentes valeurs de k ∈ {0.08.1 et k = 0.02 v 0. VII. .62 k=0.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0. La valeur satisfaisante e e du gain de l’action int´grale r´alisant un compromis acceptable entre la rapidit´ de la e e e r´ponse et le d´passement semble donc ˆtre k = 0.02. la r´ponse est tr`s lente.4.1}. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. 0.05. 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. On refait donc les simulations m √ √ ρc ρc = 0.

1.7 0.54 0.4 0.6 0.5 0.55 v 0.52 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.62 183 0.6 sans perturbation 0.56 v 0.58 0. e √ √ ρc 2 ρc (VII. VII.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. 0. le v´hicule ralentit dans un premier temps e pour ensuite de nouveau acc´lerer afin d’atteindre la vitesse de croisi`re d´sir´e. VII. e e e e . e a e Si l’on consid`re des conditions r´alistes.45 avec perturbation 0.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig. SYSTEMES DE COMMANDE A CONTRE-REACTION 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.65 0.` ` ´ VII. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.

nous avons principalement d´fini les transferts en boucle ouverte et a e e en boucle ferm´e. un syst`me stable en boucle ouverte peut devenir instable en boucle ferm´e si e e l’action correctrice est choisie de mani`re inad´quate.Cette structure pose ´galement des probl`mes de saturation des signaux de come e mande qui sont tr`s largement amplifi´s par une action correctrice ( a grand gain) e e (` ). e e VII. 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.1. e . VII.Le probl`me de stabilit´ est plus crucial en boucle ferm´e qu’en boucle ouverte. e e . ` e .La structure de commande a contre-r´action implique le plus souvent de disposer ` e d’un capteur mesurant la sortie.Robustesse du syst`me boucl´ vis-`-vis de variations param´triques e e a e . Nous d´finissons ainsi un sch´ma fonctionnel plus complet incluant un signal de e e e perturbation b et un signal de bruit de mesure w.2 Caract´risation des syst`mes de commande ` contre-r´action e e a e Jusqu’` pr´sent.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. on peut mettre en ´vidence les propri´t´s fondamentales de e ee la structure de commande a contre-r´action.r est le signal de r´f´rence que doit suivre la sortie ee .u est la commande issue du correcteur K(p) .y est la sortie du syst`me e . En e e e effet.7 – Sch´ma bloc avec perturbation et bruit e o` : u . . Les bruits et les erreurs de mesure associ´s ` cette e a op´ration peuvent entrainer des pertes de pr´cision.184 ANALYSE EN STABILITE DES SYSTEMES BOUCLES A partir de cet exemple.Am´lioration de la pr´cision en boucle ferm´e e e e . a travers l’introduction de e e e ` la perturbation. r + − ζ K(p) b + + ν u G(p) y + + w Fig. L’exemple de la section pr´c´dente induit.

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

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

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

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

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

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 .10 – Indentation pour une int´gration e Sur le contour modifi´ p = ρejθ avec ρ → 0 et −π/2 ≤ θ ≤ π/2.2 (lieu de Nyquist complet) Quand p = σ + jω parcourt CN .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.2. VII. la fonction de transfert K(p)G(p) parcourt le lieu de Nyquist complet.le lieu de transfert de K(p)G(p) dans le plan de Nyquist K(jω)G(jω) pour ω ≥ 0 . e o e on d´finit alors le contour de Nyquist modifi´ comprenant des indentations en la e e localisation des singularit´s critiques. Il est constitu´ par : e .190 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Il ne doit pas contenir de singularit´s de la fonction de transfert en boucle ouverte. VII. Si e la fonction de transfert en boucle ouverte poss`de des pˆles ou z´ros sur l’axe imaginaire. e Contour de Nyquist Im Contour de Nyquist modifié : système avec 1 intégration Im r= r= Fig. e ´ Definition VII. θ variant dans le sens e trigonom´trique.

il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant.ANALYSE EN STABILITE DES SYSTEMES BOUCLES .17) 1.Dans le cas o` le contour de Nyquist a une indentation.Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist . 4.Compter le nombre P de pˆles instables de la boucle ouverte. o e e . 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p).La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e . .Calculer la boucle ouverte de l’asservissement consid´r´. 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.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1. le lieu de Nyquist est complet et ferm´.1 Le syst`me ` contre-r´action de la figure VII. 3.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII.1 1. ` G(p) = K p(1 + T p) T >0 K>0 (VII.2.16) Exemple VII.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte. CN o 2. o a e Afin d’appliquer correctement le crit`re de Nyquist.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. 0).Tracer son sym´trique par rapport a l’axe ox.Tracer le lieu de Nyquist complet de la boucle ouverte.2. fermer le lieu de u Nyquist. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.2.

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

e ´ ` Theoreme VII. Ce crit`re peut s’appliquer e e e e e indiff´remment dans le plan de Nyquist et dans le plan de Nichols-Black.P = 0.N = 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation. Le syst`me est donc stable asymptotiquement. p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII.2 Le crit`re du revers e Le crit`re de Nyquist peut ˆtre appliqu´ sans restriction mais peut ˆtre parfois lourd a e e e e ` utiliser. Im Im −1 Re −1 Re K(j ω)G(j ω) K(j ω)G(jω ) Fig. Dans certains cas particuliers et sous certaines hypoth`ses. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII. il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers.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. 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.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e .2. VII. 4.20) K K G(p) ∼ ∼ e−jθ p ρ 3.

7 pour lequel les donn´es de l’exemple VII.7 incluant une perturbation e et un signal de bruit de mesure.1.2.1 e e e sont reprises. En effet.1. Dans le § VII. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente. 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. les fonctions de sensibilit´. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement. Il est donc indispensable de prendre en compte la stabilit´ interne e e du syst`me ` travers la stabilit´ de tous les transferts d´finis pr´c´demment. nous avons d´fini un certain nombre e de transferts.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII. e a e e e e . 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.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. VII. 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. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement.2. VII.

2. il est n´cessaire de s’assurer que e e e la boucle de la figure VII. On dit alors qu’elle est bien pos´e. e ´ Definition VII. La notion de stabilit´ interne est essentiellement une notion fond´e sur les mod`les e e e d’´tat.1 (bien pos´) e L’interconnection est bien pos´e ssi e 1 −K(∞) −G(∞) 1 existe et est propre.3 (bien pos´) e La boucle a contre-r´action de la figure VII. .2. e e ´ Definition VII.15 – Paradigme de stabilit´ interne e Avant de d´finir rigoureusement la stabilit´ interne. VII. e e L’interconnection est caract´ris´e par : e e v1 v2 Lemme VII. xK ) = (0.2.4 (stabilit´ interne) e Soient les repr´sentations minimales d’´tat de G et de K : e e K(p) : = AK BK CK DK G(p) : = A B C D −1 = 1 −K −G 1 u v e Pour v1 = v2 = 0. 0) est asympe e e totiquement stable. l’interconnection s’´crit : x = Ax + Bu ˙ v = Cx + Du xK = AK xK + BK v ˙ u = CK xK + DK v Le syst`me boucl´ est stable de mani`re interne si l’origine (x.ANALYSE EN STABILITE DES SYSTEMES BOUCLES Notion de bien pos´ et d´finition e e La notion de stabilit´ interne est d´finie ` partir du paradigme suivant : e e a G + + v2 + v + 195 u v1 K Fig.15 ainsi d´finie a un sens.15 est dite bien pos´e si toutes les fonctions ` e e de transfert en boucle ferm´e sont bien d´finies et propres.

2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.7).5 1].1023i .2. >> K=tf([1 1].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.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. Pour tous les signaux e e d’entr´e born´s (v1 . >> L=G*K.2326 .1434 -0. ν2 aux sorties e e u.9878 -3.15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 .conv([0.[2 1])). >> S=inv(1+L).1023i -0.5p + 1)2 (0. e ua e Exemple VII.2326 + 1. la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands.05 1].5 1]))).[0.conv([5 1].196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII. v) sont born´s.21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII. v sont stables asymptotiquement. e Script MATLAB 22 >> G=tf([10].2. les signaux de sortie (u.1. e e . v2 ). >> pole(S) ans = -19.conv([0.2.3 . Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.Test entr´e-sortie : la boucle ` contre-r´action de la figure VII.05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII.Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement.1 a . .

2326 -2.-D 1])*[zeros(1.D]=ssdata(sysG).2326 -0.1). >> pole(GS) ans = -19.DK]=ssdata(sysK). >> pole(T) ans = -19.1035 -0.0000 -1.BK.9878 -3.1023i -0.1023i -1. >> [A.B.C zeros(1. >> pole(KS) ans = -20.zeros(2.1023i -1.9878 -3.1035 -0. >> Abf=[A zeros(3. .1023i 1.2326 .1035 >> GS=G*S..CK.2).5000 >> sysG=ss(G).9878 -3.2326 + 1.3) AK]+[B zeros(3.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.1023i -0.1023i 0.1434 -0.0000 -2.1.0000i >> KS=K*S.1.2000 + + - 1.1434 -0.0000 -19.1035 >> T=1-S.2326 + 1...1) BK]*inv([1 DK.3) -CK.C.2326 . zeros(2.1434 -0.0000i 0.2)]. >> [AK. >> sysK=ss(K).

15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII. e e Exemple VII. >> L=G*K.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e). on obtient : e e max |K(jω)G(jω)| = 0. L’interconnection pr´sent´e e e figure VII.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.2.2.1 10]).2 .198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.2.15.1 0]. e ´ ` Theoreme VII. 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. >> K=tf([0.1023i -3.1035 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.3015 ω Le syst`me est stable de mani`re interne.2326 .[1 0.[1 1]). e e >> G=tf([1]. .9878 -0.2326 + 1.4 On suppose que G(p) et K(p) sont asymptotiquement stables.22) Remarques VII.1434 -1.1.1p p+1 1 p2 + 0. e e e .1p + 10 En appliquant le th´or`me du faible gain.1023i -0. Ce r´sultat connu sous le nom du th´or`me e e a e e e du faible gain donne une condition suffisante facile a tester qui permet de conclure a la ` ` stabilit´ interne d’un paradigme du type de la figure VII.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.

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. le pic de r´sonnance Mr peut ´galement servir a cet effet. e e e La mani`re dont un syst`me est stable est ´galement primordiale et conduit a l’´tude de la e e e ` e stabilit´ relative du syst`me boucl´.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. Dans le domaine e e e ` fr´quentiel. 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. j0) dans le plan de Nyquist. Un autre moyen e e de mesurer le degr´ de stabilit´ relative dans le domaine fr´quentiel consiste ` mesurer la e e e a distance du lieu de transfert en boucle ouverte au point critique d´fini comme le point e d’affixe (−1. Dans le domaine temporel.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement. .3015 Bode Diagram −10 −20 −30 −40 Magnitude (dB) −50 −60 −70 −80 −90 −100 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig.2.

25) (VII.2.23) 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. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.26) Remarques VII.3 Pour un syst`me ` minimum de phase.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black .200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.2. e e e Im 1 |G| dB MΦ ωco 0 dB Φo Kg −1 MΦ ωco ω−180 Re Kg ω−180 −180 Nyquist Black−Nichols Fig. VII.5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable. Arg[L(jω−180o )] = −180o (VII.2.

3 et l’on rajoute un gain K0 = 100 dans la boucle.8 deg (at 4. VII. 8 deg pour ωco = 4.1 0].2. >> K0=100. Pm = 25.42 rad/s.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. La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25. >> margin(L) .4 On reprend l’exemple V.5 10]).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. >> L=K0*G*K.[1 1]). Bode Diagram Gm = Inf dB (at Inf rad/sec) .2.[1 0.18 – Marges de gain et de phase dans le plan de Bode Exemple VII. >> K=tf([0.

VII.19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0.202 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Les marges pour ce syst`me sont ´galement repr´sent´es dans les plans de Nyquist et e e e e de Nichols-Black.00322 Phase (deg): −154 Frequency (rad/sec): 4.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig.449 Frequency (rad/sec): 4. VII.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.20 – Plan de Nichols-Black .908 Imag: −0.

VII. e e ´ Definition 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.22 – Marge de module dans le plan de Nyquist .2.27) Im −1 ∆M 1 Re G(jω ) Fig.2. Une mesure plus objective est d´finie par la marge de module. 0) et tangent au lieu de transfert.5 1 0. ∆M = 1 1 = MS max |S(jω)| ω (VII.2. c’est donc le rayon du cercle de centre le point critique (−1.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte. e Nyquist Diagram 2 1.5 −1 −1.5 Imaginary Axis 0 −0.3 avec le mˆme gain K0 = 100 dans la boucle.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig. Dans le plan de Nyquist. VII.5 On poursuit l’exemple V.21 – Marge de module dans le plan de Nyquist Exemple VII.

40911.6 On poursuit l’exemple pr´c´dent. Script MATLAB 24 >> G=tf(1.6 dB. >> K=tf([0.5 10]).[1 0. >> S=inv(1+L).6 (VII.23 – Pulsation de r´sonnance e . e e Bode Diagram 20 System: L Frequency (rad/sec): 3.14 rad/s et Mr = 15.28) 10 0 −10 Magnitude (dB) −20 −30 −40 −50 −60 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig. >> Mod=inv(norm(S. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.14 Magnitude (dB): 15.2.[1 1]).204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII. On trouve ωr = 3. VII.2.inf)) Mod = 0. >> L=K0*G*K.1 0].4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir. >> K0=100.

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

206 − → OA repr´sente L(jωA ).33) .2.707. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. . u e e ´ Definition VII. 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.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. L’intersection de L(jω) avec e les M-cercles et les N-cercles donnent les valeurs de M et N en des pulsations donn´es e e e comme il est indiqu´ par les figures suivantes. e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII. il s’agit de calL(jω) . culer pour chaque pulsation donn´e. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω).32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e. l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist.10 (M-cercles et N-cercles) . 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. u A partir de ces M-cercles et de ces N-cercles.34) o` N = tan(α). 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. les lieux d’amplitude constante et de phase constante en boucle ferm´e. Ainsi. On note.Les lieux de phase constante en boucle ferm´e sont appel´s les N-cercles et ont e e pour ´quation : e 1 (X + 1/2) + Y − 2N 2 2 = 1 1 + 4 (2N)2 (VII.

5 1 1.707 0. e e ea 2.833 0. VII.5 −1 −30o −2 −2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.707 M = 1.5 −2 −1.67 0.2 1.5 −1 −0. Un exemple d’abaque est donn´ ` la figure VII.5 −2.5 2.5 Im G 0 −90o −60o −45o −1.5 Re ω r (Mr = 2) M=0 Fig. VII.5 0 Re G 0.5 −36 o −0.3 1.0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0.5 30o (−150o) 36o 45 1 o 2 1.5 2 2.26 – Abaque des M-cercles L’utilisation de l’abaque des N-cercles est compl`tement identique ` celui des M-cercles e a et n’est donc pas d´taill´e ici.27.27 – Abaque des N-cercles .5 60o 90o 0.5 Fig.

16 rad/s ω = 3. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols.62 rad/s ωr = 4. on peut calculer des e e a points de la boucle ferm´e.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1. 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.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII. 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.2.92 Frequency (rad/sec): 3.375 Frequency (rad/sec): 2.7 En reprenant l’exemple pr´c´dent. Ainsi ` partir de la figure VII. e . e ω = 2.28 – 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). De ce fait. 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.64 Imag: 0.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.87 Imag: −1.28.29 qui forment l’abaque de Hall-Nichols.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig.

25 dB 0.25 dB 0.2.5 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.8 Soit la fonction de transfert : L(p) = p(p2 10K + 4p + 16) Nichols Charts 50 0.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 40 0 dB 30 0.29 – Abaque de Hall Exemple VII.5 dB 1 dB 3 dB 6 dB 0 dB 0 Open−Loop Gain (dB) −50 −100 −150 −200 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) . VII.

e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es.8 rad/s Nichols Charts 50 40 0 dB 30 0. e e Mφ = 60 deg ωco = 1. e En produisant un zoom sur les fr´quences interm´diaires. le coefficient de surtension qui est ´gal ici au pic de e r´sonnance ainsi que la pulsation de r´sonnance. il est alors possible de calculer e e la marge de phase.210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2.5.7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0.5 dB ωr = 2. e e . la marge de gain.25 dB Open−Loop Gain (dB) 10 Mφ Kg −150 Open−Loop Phase (deg) −100 −50 Un trac´ identique est donn´ pour K = 5 o` l’on peut voir l’effet de l’augmentation e e u du gain sur le syst`me en boucle ferm´e.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.

25 dB 0.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.5 −60 dB −80 dB −100 −100 dB −120 dB −140 dB −150 −160 dB −180 dB −200 −200 dB −220 dB −350 −300 −250 −200 −150 −100 −50 Open−Loop Phase (deg) Nichols Charts 50 40 0 dB 30 0.25 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.

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

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.ne passe pas par l’origine.3. Remarques VII. Le lieu de o e Nyquist complet est alors trac´ comme : e . e e e VII.3.3. e .3. dans L(p).fait Pbo tours dans le sens trigonom´trique autour de l’origine. EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII.` VII. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e .3 Extension aux syst`mes multivariables e Dans cette partie. e o e ´ ` Theoreme VII.1 Soit la boucle ouverte L(p) telle que : 1  1 + L(p) =  (p + 2)(p + 3) 0 On calcule : det(1 + L(p)) = 1 (p + 2)(p + 3)(p2 − 2p + 10)   p (p − 1)(p + 2)   1 p2 − 2p + 10 On a donc deux pˆles instables en boucle ferm´e p = 1 ± 3j et Pbo = 2.1 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. seules quelques extensions de ce qui a ´t´ vu pr´c´demment sont ee e e pr´sent´es pour les syst`mes multivariables.24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables. e Exemple VII.O.1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B.1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII.

5 0 0.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0. u e e a Exemple VII. ´ ` Theoreme VII.06 −0.0 1].0 -1 1.04 Imaginary Axis 0.3.06 det(1+L(p) 0.04 −0.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.2 Soit l’asservissement a retour unitaire du type de la figure VII.6 0.5 0 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.8 1 1.0 0 -4].5].C=[0.3. a e VII.2 0.1 0.5.08 0.08 0 0.4 0.5 0 0       Script MATLAB 25 >> A=[-1 0 -2. .B=[1 0.02 To: Y(1) 0 −0.5 0 0 0 0 0.0 0 0.02 −0. Le syst`me est instable.3.2 Le th´or`me du faible gain e e Le th´or`me du faible gain d´j` pr´sent´ dans le cas monovariable s’´tend naturellee e ea e e e ment au cas multivariable.2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.

EXTENSION AUX SYSTEMES MULTIVARIABLES 215 >> D=[0 0.C. e .B.L=ss(A.3.` VII.5163 Singular Values −5 −10 −15 −20 Singular Values (dB) −25 −30 −35 −40 −45 −50 −55 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Le syst`me est stable. >> sigma(L) >> norm(L.0 0].inf) ans = 0.D).

Wcp]=margin(sys) : calcule la marge de gain Gm. la marge de phase ) Pm. la marge de phase Pm.216 ANALYSE EN STABILITE DES SYSTEMES BOUCLES VII.Wcg. les pulsa) tions critiques associ´es.4.1 Fonctions MATLAB Fonctions d’analyse de stabilit´ e ) [Gm. la marge de retard du mod`le LTI sys. et les pulsations critiques associ´es du mod`le LTI sys.Pm. . e e ) grid : ajoute dans les plans de Nyquist et de Nichols-Black les abaques correspon) dants. e e ) S=allmargin(sys) : calcule la marge de gain Gm.4 VII.

Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte.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. de crit`res fr´quentiels en relations plus ou moins ´troites e e e e avec ces derniers et de crit`res de pr´cision sur le r´gime permanent. des propri´t´s e e e ee du syst`me ` corriger et particuli`rement des limitations de performance inh´rentes ` ce e a e e a syst`me. 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. Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me. Les performances d’un e e e syst`me dynamique doivent donc ˆtre d´finies et sp´cifi´es pr´cis´ment afin de faire une e e e e e e e analyse et une synth`se ad´quates du syst`me de commande. L’objet de ce chapitre est donc de fournir des m´thodes permettant de mani`re e e e syst´matique la g´n´ration de sp´cifications de performance. dans son ´tape de synth`se. e e e e 217 . Les sp´cifications de performance ne e e forment donc pas un ensemble rigide d’exigences mais doivent plutˆt ˆtre vues comme un o e moyen d’´tablir une liste de performances souhait´es. e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII.

3) (VIII. nous travaillerons comme dans le chapitre pr´c´dent ` e e a partir du sch´ma fonctionnel complet de la figure VIII.218 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.Relation 4 : ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) (VIII.2.4) (VIII.1 – Sch´ma bloc avec perturbation et bruit e Nous rappelons les relations importantes intervenant dans ce type de bouclage : . .Relation 2 : (p) = S(p)r(p) − S(p)G(p)b(p) + T (p)w(p) . S(p)K(p) et d’illustrer les b´n´fices que l’on peut attendre de ce e e type de structure. e r + − ζ K(p) b + ν u + G(p) y + + w Fig.Relation 3 : u(p) = K(p)S(p)(r(p) − w(p)) − T (p)b(p) .Relation 1 : y(p) = S(p)G(p)b(p) + T (p)(r(p) − w(p)) .1. T (p).2 VIII. S(p)G(p).1) Les quatre relations pr´c´dentes permettent de d´finir les quatre fonctions de sensibilit´ e e e e S(p).2) (VIII.1 Sp´cifications fr´quentielles de performance : syst`mes e e e monovariables Rappels sur les relations de bouclage Dans le cadre de ce chapitre. 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).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.2.2 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).7) e Du fait que T + S = 1 et S = (1 + GK)−1 .Pour que b ait peu d’influence sur ν : |S(jω)| 1 (VIII. e ωb < ωh u ∼ G−1 (r − w) − b et ν ∼ G−1 (r − w). Cela implique de choisir la pulsation ωb inf´rieure ` la pulsation ωh d´finissant les e a e bruits en hautes fr´quences. e e e a on en d´duit la r`gle g´n´rale en basses fr´quences pour le rejet de perturbations : e e e e e |S(jω)| 1 ω < ωb (VIII.SPECIFICATIONS FREQUENTIELLES 219 VIII.Pour que b ait peu d’influence sur y : |G(jω)S(jω)| . 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. en boucle e e ferm´e ou en boucle ouverte. e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωco e d´finissant la bande passante de G. ω < ωb ⇒ |T (jω)| ∼ 1 et |K(jω)G(jω)| 1 pour ω < ωb La sp´cification de rejet de pertubation peut donc s’exprimer en sensibilit´. e . On en d´duit que : |S(jω)| 1 .9) 1 .10) (VIII.6) 1 (VIII.

Pour que w ait peu d’influence sur y : |T (jω)| . e a Cela implique de choisir ´galement la pulsation ωb inf´rieure ` la pulsation ωh comme e il a ´t´ vu pr´c´demment.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.12) 1 (VIII. e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII.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 .15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .2.220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.14) VIII.11) Une analyse identique a la pr´c´dente utilisant les relations alg´briques sur les fonctions ` e e e de sensibilit´ conduit a ´crire la sp´cification en hautes fr´quences : e `e e e ω > ωh |S(jω)| ∼ 1 (VIII. ee e e (VIII. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .2.4 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.

17) On en d´duit la r`gle des int´grateurs. 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. Cela induit des pulsations ωco et ω−180o suffisamment importantes. e .. 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.. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).) Il est donc souhaitable que l’erreur s’annule ou e prenne une valeur finie en r´gime permanent pour des entr´es de r´f´rence types.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg. on obtient. e VIII. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII. e e e ´ ` Theoreme VIII.2.18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive. e la pente ne peut exc´der −30 dB/dec. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient.2. il faut avoir Φ = −135 deg et donc dans cette r´gion.16) En appliquant le th´or`me de la valeur finale. rampe.1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p). aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´. L’erreur e e ee comme fonction du signal de r´f´rence s’´crit : ee e (p) = S(p)r(p) = r(p) 1 + K(p)G(p) (VIII. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes. une contrainte e e |L(jωco )| < 1 alors que l’imp´ratif sur la rapidit´ de la r´ponse implique une bande pase e e sante suffisamment grande. Si la e marge de phase souhait´e est 45o .SPECIFICATIONS FREQUENTIELLES 221 Le suivi de r´f´rence pose le probl`me plus sp´cifique de la pr´cision du syst`me en ee e e e e r´gime permanent. e Exemple VIII.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.2.

Pour les pulsae a ` e tions comprises dans l’intervalle [ωB . La condition de roll-off est alors que L(jω) doit avoir un roll-off de 1 dans la r´gion de e a ωco et au minimum de 2 au del` de cette pulsation. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me. ωB = ωBT .La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte. pour les pulsations e e inf´rieures ` ωB .2. ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0.22) VIII. e ´ Definition VIII. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg. la bande passante est un indicateur de performance particuli`rement important.21) (VIII. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1.2.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII. e e . ωBT ].2. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir.1 ..19) Dans la majorit´ des cas. on a alors : e e ωB < ωco < ωBT (VIII. e Remarques VIII. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances. 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 . Dans le cas contraire. Au del` de ces pulsations.707 = −3 dB 2 (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. la commande est effective et am´liore les performances.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e.20) (VIII.1 La bande passante en boucle ferm´e peut alternativement ˆtre d´finie ` partir de la fonce e e a tion de sensibilit´ compl´mentaire. e e e C’est une ´tape importante dans l’´tape de mod´lisation.2.

e . e e e la fonction de transfert en boucle ouverte L(jω) = K(jω)G(jω).SPECIFICATIONS FREQUENTIELLES 223 la repr´sentation fr´quentielle des fonctions de sensibilit´ ou a la fonction de transfert en e e e ` boucle ouverte L(p).pente de −20 dB/decade autour de ωco pour satisfaire la condition de roll-off . VIII.pente aux basses fr´quences (ω ≤ ωb ) d´finie par le mod`le de la perturbation e b(p) e e 3. Si l’on souhaite travailler uniquement sur cette derni`re.pente sup´rieure ` −20 dB/decade aux hautes fr´quences (ω ≥ ωh ) pour le e a e filtrage des bruits e e .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. R´aliser un compensateur remplissant de telles exigences e e e est appel´ faire la synth`se d’un correcteur par loopshaping.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. la traduction des exigences de e performance vues pr´c´demment reviennent ` modeler la courbe de la boucle ouverte sur e e a diff´rentes plages de fr´quences.sp´cification de la pente de la courbe de gain en boucle ouverte |L(jω)| sur certaines e plages de fr´quence : e .sp´cification du nombre d’int´grateurs dans L(p) par la r`gle des int´grateurs e e e e 2. |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. La courbe de gain dans e e Bode de la boucle ouverte L(jω) = K(jω)G(jω) prend classiquement la forme suivante. 1.

25) (VIII. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples. Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig. (at 0.5 deg.24) Ce mod`le poss`de les caract´ristiques suivantes. a e e .1 rad/s.2 rad/s et ωp2 = e 0. e e e .41231 rad/sec).2 rad/s.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. 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 = 48.2 (loopshaping) Le mod`le du syst`me est donn´ par sa fonction de transfert en boucle ouverte pour un e e e asservissement ` retour unitaire.2.224 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.3 – Courbe de gain de G(p) . ωco = 0.448 deg.23) On peut en effet en d´duire ais´ment la fonction de transfert du compensateur par la e e m´thode d’inversion du mod`le.5.41 rad/s.5 et des pulsations de coupure ω−180o = 0. VIII.Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0.9588 dB (at 0. Bode Diagrams Gm=7. Pm=48. une marge de gain Kg = 2. e e e e e Exemple VIII. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII.20372 rad/sec) 10 0 −10 Phase (deg).

Le mod`le de la perturbation ´tant un premier ordre donn´ par : e e e w(p) = Gb (P )a(p) = 1 a(p) p+1 (VIII. Cela 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.26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p. A ce stade.1 rad/s.Le bruit de mesure intervenant au del` de 0.1 rad/s. e e e 225 .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 Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s.33p + 1) (VIII.Le syst`me corrig´ ne doit pas pr´senter d’erreur en r´gime permanent ` une r´ponse e e e e a e en ´chelon de position. L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII.Premi`re sp´cification : e e La r`gle des int´grateurs indique qu’il est n´cessaire d’ajouter une int´gration dans e e e e la boucle ouverte conduisant a ´crire : `e L(p) = .SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes.27) Pour ω = 0. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 1) (VIII. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e .Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration.29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0. On obtient donc. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`. e . Cela permet de choisir ωb = 0. e ` e . |Gb (jω)| ∼ 0 dB.28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII. L0 (p) = −2p + 1 p(2p + 1)(0.5 Hz doit ˆtre filtr´.

33p + 1) (VIII.95 rad/s 60 40 20 0 Phase (deg). ω−180o = 0. Magnitude (dB) −20 −40 −60 L(p) L0(p) G(p) 0 G(p) L(p) −100 −200 −300 L0(p) 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig. e e .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.2 rad/s.43 rad/s Bode Diagrams Kg = −0.15 et a ` une pulsation de coupure ωco = 0. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche. On obtient alors : L(p) = 0.31) 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 = 2.44 ωco = 0. VIII.15(−2p + 1) p(2p + 1)(0.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte.4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.92 . e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0.

44 rad/s Bode Diagrams 227 ωco = 0. e e e Step Response Step Response 1 1 0.6 0.6 Amplitude Amplitude 0.15(10p + 1)(5p + 1) p(2p + 1)(0. VIII. 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.33p + 1) (VIII.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 = 0.8 0.4 0. on obtient un compensateur ´gal a : e e e ` K(p) = 0.6 – R´ponses indicielles e .) 42 56 70 0 5 10 15 20 Time (sec.2 0. VIII.2 0 0 0 14 28 Time (sec.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).) 25 30 35 40 Fig.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg).8 0.4 0.

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.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.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 e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.2 0 0 0 14 28 Time (sec.6 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´.6 Amplitude Amplitude 0. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me.) 42 56 70 0 10 20 30 Time (sec.2 0.) 40 50 60 Fig. e e e Step Response Step Response 1 1 0. e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires. En effet.34) MT ≤ 1. e e e MS = ||S||∞ = sup |S(jω)| ω (VIII.35) .2.7 – R´ponses a une perturbation en ´chelon e ` e VIII.8 0.4 0.4 0.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.8 0.33) MT = ||T ||∞ = sup |T (jω)| ω ` MS et MT correspondent a un pic de la courbe de gain de chacun des transferts consid´r´s. VIII.

39) Remarques VIII. e e e e e ∆M = 1 MS 229 (VIII. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII.SPECIFICATIONS FREQUENTIELLES Remarques VIII.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.une bande passante minimale ωB ` −3 dB |S(jωB )| = 0. 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 ` 1.3 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.une erreur maximale de position en r´gime permanent A e 3.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (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. Un choix usuel est MS = 2.2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S.707 2.2. 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.le modelage de S sur certaines plages de fr´quences e 4.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII.2.

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

2.conv([2 1 0].1/Wp) >> grid A=0 .aux hautes fr´quences.Omega_B=0.05 rad/s Le choix de A = 0 correspond bien a la n´cessit´ d’inclure une action int´grale dans la ` e e e boucle pour annuler l’erreur en r´gime permanent en r´ponse ` un ´chelon de position. >> L=tf([-0.7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s. >> bodemag(S. >> S=inv(1+L). Il e e a e est ` noter sur la figure VIII.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 = 1.15(−2p + 1) p(2p + 1)(0. on choisit parfois une fonction de pond´ration plus e e complexe : wp (p) = (p/M 1/2 + ωB )2 (p + ωB A1/2 )2 (VIII.2.33 1])).05. elle est ´gale a M ≥ 1 e e ` .5.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII.42) Exemple VIII. Script MATLAB 26 >> M=1.8.SPECIFICATIONS FREQUENTIELLES .3 On reprend l’exemple utilis´ pour le loopshaping de la section III.8 ωB = 0. >> Wp=tf([1/M Omega_B].4 Afin d’am´liorer les performances.[0.[1 0]). e e la boucle ouverte vaut : L(p) = 0.3 0.15]. Apr`s loopshaping.2.

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

3. Pour cela.r`gle 1 : cascade e z(p) = G(p)w(p) = G2 (p)G1 (p)w(p) w G1 (p) y G2(p) z .SPECIFICATIONS FREQUENTIELLES 233 VIII.r`gle 3 : push and pull e G1 (p)(1 − G2 (p)G1 (p))−1 = (1 − G1 (p)G2 (p))−1 G1 (p) VIII. . e .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) .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. 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 VIII. du fait de la non commutativit´ du produit matriciel.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. En effet. il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable.

VIII. En fait.46) (VIII.3.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII. seul l’outil e e math´matique est r´ellement diff´rent. Afin de ne pas alourdir ce document.3.234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig.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. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.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 . e e e e ee . ´ Definition VIII.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII. ´ ´ Proprietes VIII. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.3.9 – 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.9.9 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.

= s − r = Sy (d − r) − Ty n + Sy Gb (VIII.50) (VIII.3. VIII.1 Pour les syst`mes MIMO.7 .SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant.10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII.48) cela peut s’exprimer par la relation suivante. il est donc indispensable que l’influence de r ee sur soit la plus faible possible. On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0.ωBi bande passante a −3 dB 10 1 10 0 Amplitude 1/Wi 10 −1 |S| 10 −2 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 Fig.Ai .9.7 ≤ ωB ≤ ωσ(S)=0.49) ` . En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII. la bande passante d´pend des directions.47) Pour que le suivi de r´f´rence soit bon. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec . l’erreur s’exprime comme suit.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII. les relations de l’asservissement VIII.

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

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

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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.f.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. = KG(p) 1 + KG(p) (IX. (p) = KG(p) Hb.1 – Sch´ma bloc classique e Les fonctions de transfert en boucle ouverte et en boucle ferm´e s’´crivent : e e Hb. c’est-`-dire des racines du polynˆme caract´ristique en boucle ferm´e. e r + − ζ K u G(p) y Fig.2) . IX.o.1) L’´quation caract´ristique en boucle ferm´e est donn´e par : e e e e 1 + KG(p) = 0 239 (IX.

e e e W. Evans a d´velopp´ une m´thode graphique en 1948. e e e e Il obtient son diplˆme de Bachelor of Science en g´nie ´lectrique de o e e l’universit´ de Washington a Saint Louis en 1941. 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. Biographie 13 (Walter Richard Evans) Walter Richard Evans est n´ ` Saint Louis dans le Missouri. e . Il publie Control system Dynamics e e en 1954. Il travaille ensuite dans l’encadrement technique du d´partement guidage et come mande de Ford Aeronautic Company de 1959 a 1971. 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. 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. En 1948. Il retourne alors chez Autonetics ` jusqu’` sa retraite en 1980. Quand le gain de la boucle varie. Du point de vue de la synth`se d’un o e ee e e syst`me de commande a action correctrice. Il o e est en effet g´n´ralement difficile de calculer explicitement les racines en boucle ferm´e e e e pour des polynˆmes caract´ristiques de degr´ ´lev´. Cela forme son esprit pour la r´solution de probl`mes n´cessitant une r´flexion anticipatrice. permettant l’ade a dition rapide et pr´cise d’angles et de longueurs de vecteurs. instrument de plastique compos´ e d’un bras et d’un disque articul´s l’un ` l’autre.R. 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.240 ANALYSE PAR LE LIEU DES RACINES dont les racines sont les pˆles en boucle ferm´e. 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. finit un programme e ` de formation avanc´e en ing´nierie a la General Electric en 1944. la o e localisation des pˆles en boucle ferm´e varie ´galement. Il apprend les ´checs avec sa grand-m`re Evelyne Burgess o e e championne des Etats-Unis durant trente ans (1906-1936). Son p`re est un ing´nieur et ea e e Walter contracte tˆt la vocation. il entre ` la soci´t´ Autonetics. a Il est l’inventeur du spirule. Il meurt le 10 juillet 1999.

2. r + − ζ G(p) F(p) y Fig.2 IX. CONSTRUCTION DU LIEU D’EVANS 241 IX. e e o e ´ Definition IX. Dans la majorit´ des cas. e e e .6 sont v´rifi´es. 1.Condition d’amplitude : |G(p)F (p)| = 1 (IX.4) (IX. IX.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.5) Remarques IX.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.1 Les valeurs de p telles que les deux conditions IX. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.3) L’´quation caract´ristique exprime une ´galit´ complexe qui peut ˆtre scind´e en deux e e e e e e ´galit´s r´elles.7) . · · · ) .5 et IX.IX.6) (IX. les fonctions de transfert F (p) et G(p) peuvent ˆtre factoris´es e e e de la fa¸on suivante : c 1+ K(p + z1 )(· · · )(p + zm ) =0 (p + p1 )(· · · )(p + pn ) (IX.1 (lieu des racines) Le lieu des racines ou lieu d’Evans est le lieu constitu´ par les pˆles en boucle ferm´e e o e quand le gain de boucle K varie.2.2. 2.2.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement.

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.2.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.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. r + − ζ K u G(p) y Fig. IX.8) Point test p Im A2 A1 A4 B1 θ1 −p1 −p4 θ4 −z1 Φ1 θ2 −p2 A3 θ3 −p 2 = −p 3 Ρε Fig. nous reprenons le sch´ma e e e a e d’asservissement initial.4 – Exemple .3 – Mesure des angles et des amplitudes IX. IX. Pour cela.

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

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. e Leur point d’intersection sur l’axe r´el est donn´ par : e e σa = pˆles o = −1 n−m (IX. −1 ± j 2 o .Pas de z´ros e .Il y a un z´ro. e Si le lieu des racines a des asymptotes alors. il y a n´cessairement 3 branches infinies. .Etape 3 : d´terminer le lieu des racines appartenant ` l’axe r´el. o e e . prendre un point test.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. 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.Le polynˆme caract´ristique est de degr´ 2.17) Remarques IX. e Exemple 1 : les segments ] − ∞ .Une branche du lieu peut ou non traverser l’asymptote correspondante.Les asymptotes indiquent le comportement pour |p| 1. 2. · · · ) (IX. 0] appartiennent au lieu des racines. .2. Il y aura donc 1 branche finie o e e et une branche infinie. − 2] et [−1 . Exemple 2 : le segment ] − ∞ . .Etape 4 : d´terminer les asymptotes au lieu des racines. o e ` e Pour chaque portion de l’axe r´el ` tester. Exemple 1 : puisque n − m = 3.L’angle des asymptotes avec l’axe r´el est donn´ par : e e Φa = ±180o (2k + 1) n−m (k = 0.244 ANALYSE PAR LE LIEU DES RACINES . Les pˆles et z´ros r´els doivent ˆtre comptabilis´s o e e e e avec leur multiplicit´. Exemple 2 : √ .Le polynˆme caract´ristique est de degr´ 3. 1. −2 e . − 2] appartient au lieu des racines.16) n−m Les pˆles et z´ros sont calcul´s en boucle ouverte.Il y a deux pˆles en boucle ouverte.18) .2 .

La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante. u dK = −3p2 − 6p − 2 = 0 dp (IX. Si K > 0.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines.21).2.Les points d’´clatement ou de rencontre sont des racines multiples de l’´quation e e caract´ristique en boucle ferm´e et sont donc a tangente verticale sur l’axe r´el. Si les rae e e cines sont r´elles.D´terminer les racines r´elles et complexes de cette ´quation. e e e 1+ K =0 p(p + 1)(p + 2) (IX. On suppose que le polynˆme caract´ristique s’´crit.24) . o e e B(p) + KA(p) = 0 alors.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.20) . e e ` e . ce point appartient au lieu des racines. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines.19) Exemple 2 : on a n − m = 1. il existe au moins un point d’´clatement e e (respectivement de rencontre). 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.21) Remarques IX. e e e 3. 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. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1. on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique.23) d’o` K = −p3 − 3p2 − 2p.Calculer l’´quation alg´brique (IX. On obtient donc.Etape 5 : d´terminer les points de d´part et d’arriv´e sur l’axe r´el ainsi e e e e que les points de rencontre et d’´clatement. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX. cette v´rification est simplement graphique.22) (IX.3 . e Exemple 1 : l’´quation caract´ristique s’´crit. Dans le cas come e plexe.CONSTRUCTION DU LIEU D’EVANS alors que l’angle avec l’axe r´el est donn´ par : e e Φa = ±60o (2k + 1) 245 (IX.

e Il suffit de r´soudre l’´quation caract´ristique en boucle ferm´e avec p = jω : e e e e 1 + KG(jω)F (jω) = 0 Les solutions possibles sont donn´es pour ω > 0 et K > 0.25) On a donc encore deux solutions −0.28) K=6 (IX.5774 o e e et −0. e e e e K − 3ω 2 = 0 2 (IX. . K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en.30) √ ω = 0 ou ω = ± 2 (IX.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX. e . Il n’y a donc pas d’intersection avec l’axe imaginaire.2679 et −3. (IX.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. K = 6).246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0. Exemple 2 : l’´quation caract´ristique s’´crit.26) p2 + 2p + 3 p+2 (IX.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu.31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif.4226. e e e K=− d’o`.

2. sur l’exemple 2.4 Dans certains cas particuliers.33) o` les angles θ et Φ sont calcul´s comme ` la figure IX. en e ´crivant l’´quation caract´ristique pour p = σ + jω. e e e e (σ + 2)2 + ω 2 = 3 (IX. IX. e e e Φ = 180o − i Φi + j θj (IX.5 – Exemple 2 : calcul des angles de d´part e Remarques IX.3. −1 ± j 2. 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. Ainsi. on obtient l’´quation. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes. e o e Θ = 180o − i θi + j Φj (IX.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par.CONSTRUCTION DU LIEU D’EVANS 247 .35) . e e √ Exemple 2 : il y a deux points de d´part complexes.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig. On obtient.

5 Imag Axis 0 −0. IX.[1 2 3]).248 .5 1 1. >> rlocus(G1). 2 1. >> rlocus(G2).5 −1 −1.5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig.5 −2 −1.5 Real Axis 0 0.[1 3 2 0]).5 2 Fig.5 1 0.7 – Exemple 2 .6 – Exemple 1 Exemple 2 : >> G2=tf([1 2].5 −1 −0.Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1. 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2. IX.

707 Overshoot (%): 4.5 Real Axis −2 0.5 −3 0.8 −2.5 0.707.3 IX.8.8 – R´glage du gain et amortissement e .5 0.5 3 2. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.38 −0.38 0.5 1 0.3. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.7+j1.95 0.18 0 Fig.34 Frequency (rad/sec): 2.986 −1 −1.5 0.` ´ IX.95 1 0. Cela conduit a choisir : e e ` cos Ψ = 0.5 −0.39 |p + 3| p=−1.5 −4 −3.8 0.7 (IX.3.7i Damping: 0. a e En appliquant la condition des gains a l’´quation caract´ristique.39 Pole: −1.5 0 4 3.54 0.68 −1.89 0.1 On reprend l’exemple 2 pour lequel on souhaite en boucle ferm´e une paire de pˆles e o complexes conjugu´s d´finis par leur amortissement ξ = 0.707 Ψ = 45o (IX.18 1.7.54 −1 0. a Root Locus 2 0.7±j1.7 + 1. e e e e e Exemple IX.68 0. ` e e K= |p2 + 2p + 3| = 1. L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.5 0.3.4 rad/s.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 0.89 −2 −4.5 2 1.4 . 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.5 Imaginary Axis System: G2 Gain: 1. on obtient. IX.986 0.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.

Pour v´rifier cela. Le lieu des racines d’un tel asservissement est repr´sent´ figure e e 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. e e Script MATLAB 27 >> G=tf([1 2].conv([1 -1 0]. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´.2 Syst`mes ` stabilit´ conditionnelle e a e Une autre caract´ristique int´ressante du lieu des racines est de faciliter l’analyse e e graphique des syst`mes conditionnellement stables. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet. 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.250 ANALYSE PAR LE LIEU DES RACINES IX.[1 6 36])).9. e Exemple IX.3. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue.3. >> rlocus(G). >> sgrid .38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote.

23 2 0.89 10 6 0.0017 + 3.08 8 System: G Gain: 112 6 Pole: −0.38 0.000674 Overshoot (%): 99.17 0.64 8 0. IX.23i Damping: 0.28 0.8 −6 6 −8 0.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.94 2 Imaginary Axis 2 System: G Gain: 61.8 Frequency (rad/sec): 2.89i Damping: 0.38 0.5 0.08 8 10 0 1 2 Fig.9 4 Frequency (rad/sec): 3.000437 Overshoot (%): 99.8 4 0.17 0.0015 − 2.5 0.9 – Syst`me ` stabilit´ conditionnelle e a e .5 Pole: −0.94 0 −2 −4 4 0.28 0.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.

ea e . ) e e ) [K.poles]=rlocfind(sys) : outil interactif de recherche du gain et des pˆles sur un ) o lieu des racines d´j` trac´. ) e ) sgrid : g´n`re une grille iso-amortissement et iso-gain dans le plan d’Evans.252 ANALYSE PAR LE LIEU DES RACINES IX.4 IX.4.1 Fonctions MATLAB Fonctions li´es ` l’utilisation du lieu des recines e a ) [R.K]=rlocus(sys) : calcule le lieu des racines du mod`le LTI sys.

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.1.1 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 (signal ´chelon) e e On appelle ´chelon d’amplitude E ou fonction de Heaviside en t0 . ee e e Le signal ´chelon e ´ Definition A. 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.Annexe A Rappels de th´orie du signal e A. e e A.1 Signaux d´terministes en temps continu e Dans la suite.1) 253 .1.1. e ea (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. L’impulsion n’est pas en effet e une fonction ordinaire.1. L’ing´nieur ou le physicien peuvent toutefois utiliser cette notion e .254 RAPPELS DE THEORIE DU SIGNAL u(t−to ) E 0 to t Fig.1 – Fonction de Heaviside Pour une amplitude E = 1.2 – Fonction rampe Pour α = 1.2 (signal rampe) On d´finit le signal rampe r(t) de pente α par. e e e Le signal rampe ´ Definition A. e r(t) = αtu(t − t0 ) = Il est repr´sent´ ` la figure A.2. e ea αt si t − t0 ≥ 0 0 si t − t0 < 0 (A. A. on parle de rampe unit´ ou de rampe unitaire. A.2) e(t) αt 0 to t Fig. on parle d’´chelon unit´ ou d’´chelon unitaire.

4 – Fonction impulsion d’aire A .4) t δ(t − t0 ) = 0 si t = t0 δ(t0 ) = ∞ δ(t − t0 ) = du(t − t0 ) dt u(t − t0 ) = δ(τ − t0 )dτ −∞ L’impulsion d’aire A en t0 est conventionnellement repr´sent´e par une fl`che de haue e e teur l’aire de l’impulsion en t0 . fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig.1.1.3) e e L’impulsion d’aire 1 est la fonction de Dirac. δ (t−to) A 0 to t Fig. ´ Definition A.3 – Fonctions impulsion L’impulsion a donc une aire finie pour une dur´e d’action infiniment courte et une e amplitude infiniment grande : +∞ −∞ Aδ(t − t0 )dt = A (A.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.3 (impulsion) e e e Une impulsion d’amplitude A en t0 . A. not´e Aδ(t − t0 ). peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes. δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes. A.1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A. ee ´ ´ Proprietes A.

8) −∞ .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.2 Repr´sentation fr´quentielle des signaux continus e e La repr´sentation fr´quentielle des signaux est obtenue par l’utilisation des transfore e mations de Fourier et de Laplace qui est son extension (cf.1. 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.6) Le signal sinusoidal ´ Definition A.5) 0 T 2T 3T 4T 5T 6T t Fig. u x(t)e−pt dt (A.5 – Peigne de Dirac Finalement.7) 0 Remarques A.1. il est ´galement possible de d´finir e e e un train d’impulsions ou peigne de Dirac de p´riode T par : e δT = δ(t) + δ(t − T ) + δ(t − 2T ) + · · · + δ(t − nT ) + · · · δ(t) 1 (A.5 (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. annexe A4). A. D´finition de la transform´e de Laplace e e ´ Definition A.1 .1.1.256 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). e ` A.

Nous utiliserons ainsi la notation unique de (A. La transform´e de Laplace inverse u e est rarement calcul´e ` partir de (A.11) d(n) x(t) ] = pn X(p) − pn−1 x(0) − · · · − x(n−1) (0) dtn (A.14) Th´or`me de la valeur finale e e p→0 lim pX(p) = lim x(t) t→∞ (A.9) mais par d´composition en ´l´ments simples e a e ee ou d´veloppement en s´ries de X(p) et en recherchant les inverses des ´l´ments e e ee simples dans les tables.15) .7).10) dx(t) ] = pX(p) − x(0) dt (A. x(t) = 0 si t < 0.12) L[ a x(τ )dτ ] = X(p) p (A.13) Th´or`me de la valeur initiale e e t→0+ lim x(t) = lim pX(p) p→∞ (A. Lin´arit´ e e L[ax(t) + by(t)] = aX(p) + bY (p) ∀(a.Cette d´finition suppose que l’int´grale est convergente. .9) o` p = σ + jω et σ est l’abscisse de convergence. e e . les deux transform´es e co¨ ıncident. 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 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. b) ∈ R2 D´rivation e L[ Cela se g´n´ralise ` : e e a L[ Int´gration e t (A. Pour les e signaux causaux qui sont l’objet de ce cours.

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.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. ∞ x(t)dt = a p→0 X(p) (A. on d´duit facilement les formules suivantes.16) Th´or`me de la somme Si e e −∞ |x(t)|dt < ∞.20) 1 p (A.19) (A.18) .22) (A.

2. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.2.2 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. on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement.1 La transform´e de Fourier e D´finition e ´ Definition A. il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .27) F[x(t ± T )] = e±jωT X(ω) (A. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A.25) x(t) sin(ωt)dt −∞ I(ω) = Lin´arit´ e e F[αx(t) + βy(t)] = αX(ω) + βY (ω) D´rivation e (A.2.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent. e A.´ A.28) . Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie.26) F[ D´calage temporel e dx(t) ] = jωX(ω) 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. LA TRANSFORMEE DE FOURIER 259 A.

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

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

1.1.1.1.||e|| = 0 ⇔ e = 0 3.∀ e ∈ E : ||e|| ≥ 0 2. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B.j A= ||A||sum = i. ||αe|| = |α|.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B.1.6 (condition de consistence) ||A|| est une norme matricielle si elle v´rifie en plus des propri´t´s ´l´mentaires la propri´t´ e e e ee ee multiplicative : ||AB|| ≤ ||A||. 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. e2 ∈ E.∀ α ∈ R.j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e .1 (In´galit´ de Cauchy-Schwartz) e e ||x y|| ≤ ||x|| ||y|| Il y a ´galit´ si x et y sont lin´airement d´pendants.5 (p-norme d’un vecteur) e Soit e ∈ Rn .||B|| Exemple B.1.2 1 −2 0 6 |aij |2 = i.||e|| 4.j i. ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.∀ e1 . e e e e ´ Definition B.4 (norme) Une norme est une fonction . d´finie sur un espace vectoriel E. ∀e ∈ E.

1. λn sont les valeurs propres de A. RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE ´ Definition B.1.Les valeurs propres de (cI + A) sont c + λ1 . m) B.2 Valeurs propres et valeurs singuli`res e ´ Definition B. 1 n . On associe a chaque valeur propre λi .1. σq ) 0l−m×m σi (A) = λi (AAH ) = λi (AH A) . · · · c + λn o` λ1 .9 (valeurs propres d’une matrice carr´e) e n×n o e Soit A ∈ R . un vecteur propre xi tel que : ` Axi = λi xi ´ ´ Propriete B.` ´ ´ ´ B.Les valeurs propres de A sont ´gales aux valeurs propres de A .8 (rang d’une matrice) : Rn → Rm . .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 d’une matrice triangulaire sup´rieure ou inf´rieure sont ´gales ` e e e a ses ´l´ments diagonaux.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. Elle sera dite de rang plein si : e e rg(A) = min(n.3326 valeur singuli`re maximale e ´ Definition B. e e e . Les valeurs propres de A sont les racines du polynˆme caract´ristique φ(λ) = det(λI − A).1.7 (norme induite) ||Ae||p = max ||Ae||p = max ||Ae||p ||e||p ≤1 ||e||p =1 ||e||p 263 ||A||ip = max e=0 Exemple B.l ≥ m: Σ= diag(σ1 .Les valeurs propres de Ak sont λk . e ´ Definition B.1.1. λk . · · · .1.2 .1. Le rang de A est le nombre max de colonnes (lignes) Soit A ∈ Rm×n lin´airement ind´pendantes. ee u . · · · .

e a e e a . .4 (A ∈ Cn × Cm ) . · · · .1.5 (matrices sym´triques) e . ´ ´ Propriete B. n λi ´ ´ Propriete B.1.1.l ≤ m: Σ= RAPPELS D’ALGEBRE LINEAIRE diag(σ1 .σ(AB) ≤ σ(A)σ(B) .1. e ´ ´ Propriete B.σ(A) ≤ |λi (A)| ≤ σ(A) . ||A||i∞ } ≤ ||A||sum B.Les valeurs propres de A sont r´elles.√1m ||A||i∞ ≤ σ(A) ≤ n||A||i∞ 1 √ ||A||i1 n . A ∈ Rn×n est sym´trique. · · · .3 .264 .Une base orthogonale de Rn peut ˆtre form´e ` partir des vecteurs propres de A.Les vecteurs propres associ´s ` des valeurs propres distinctes sont orthogonaux. e . m) ≥ rg(A) = q.σ(A) ≤ ||A||F ≤ min(n.11 (rayon spectral) Le rayon spectral d’une matrice carr´e A.σ(A)σ(B) ≤ σ(AB) .σ(A−1 ) = 1/σ(A) . 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 . i = 1. σq ) 0l×m−l avec σ = σ1 ≥ · · · ≥ σq = σ > 0 et min(l.3 Matrices sym´triques e Dans cette partie.σ(A) ≤ ≤ σ(A) ≤ √ m||A||i1 . · · · .max{σ(A) .Si l’on normalise les vecteurs propres xi : ||xi || = 1. m)σ(A) ||A||i1 ||A||i∞ √ . ||A||i1 .σ(A) − 1 ≤ σ(A + 1) ≤ σ(A) + 1 ´ Definition B.σi (A) − σ(A) ≤ σ(A + B) ≤ σi (A) + σ(B) . ||A||F .

CNS 1 : A > 0 ⇔ λ1 .12 (Matrice sym´trique d´finie positive) e e n Une matrice A = A ∈ R est dite d´finie positive si : e ∀ x = 0 ∈ Rn x Ax > 0 Elle sera dite semi-d´finie positive (non n´gative) si : e e ∀ x = 0 ∈ Rn x Ax ≥ 0 ´ ´ Propriete B.A−1/2 A−1/2 = A−1 . λ1 ≤ λ2 ≤ · · · ≤ λn . A A > 0 ssi la matrice A est de rang plein. . · · · . .6 . ´ Definition B. λ n > 0 .1.||A|| = ρ(A) = max {|λi |. alors A A ≥ 0.λ1 ||y||2 ≤ y Ay ≤ λn ||y||2 ∀ y = 0 ∈ Rn .Si A est non n´gative alors il existe une racine carr´e de A not´e A1/2 . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE 265 . .CNS 2 : A > 0 ssi les mineurs principaux de A sont strictement positifs.Soient A = A ∈ Rnn . les valeurs propres et vecteurs propres respectivement associ´s avec ||xi ||2 = 1 alors : e . (A1/2 )−1 = A−1/2 . xn .` ´ ´ ´ B. · · · .A1/2 est inversible ssi A est inversible.1.1.A1/2 A = AA1/2 . e e . x1 .Soit A ∈ Rm×n .L’inverse d’une matrice d´finie positive est d´finie positive. . e e e . |λn |} est une norme matricielle induite par || • ||. . De plus. .

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

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

  t 1 2 t tet − t2 et te e − tet + 1 t2 et 2 2 1 2 t  te et − tet − t2 et tet + 1 t2 et eAt = P eJt P −1 =  2 2 1 2 t 1 2 t t t 2 t t t te + 2 t e −3te − t e e + 2te + 2 t e La seconde m´thode implique de calculer (p1 − A)−1 . e e . e  2  p − 3p + 3 p − 3 1 1  1 p2 − 3p p  (p1 − A)−1 = (p − 1)3 p 1 − 3p p2 auquel on applique la transform´e de Laplace inverse afin de retrouver la mˆme formule. 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. ∂f (x) ∂xn 269 .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 Rappels de calcul diff´rentiel e ´ Definition C.1.2 (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.Annexe C Rappels d’Analyse C.1 (notations de Landau) Soit f : Rn → R. .1   ∇f (x) =  ∂f (x) ∂x1    .La notation f (x) = O(x) signifie que f (x) tend vers 0 au moins aussi vite que x : ∃K≥0 | f (x) ≤ K quand x → 0 x .

1.∀ y ∈ V(x).∀ y ∈ V(x). C 1 ) si chaque composante fi (i = 1. ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = . .1. · · · . La matrice gradient de f en x.1. la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C.Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 . m) est diff´rentiable (resp.1. . e ´ Definition C. ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C. . On d´finit la matrice Hessienne de f not´e e ∇2 f (x). 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition 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.2 (formulaire de d´rivation) e . · · · . ´ ` Theoreme C.6 (matrice Hessienne) e e Soit f : Rn → R.1.4 (fonction C 1 ) Si une fonction f est diff´rentiable sur un ensemble ouvert S ⊂ Rn et que le gradient e ∇f (x) est une fonction continue alors f est dite C 1 sur S. C 1 ).270 RAPPELS D’ANALYSE ´ 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. une fonction C 1 en x.1 (th´or`me de la valeur moyenne) e e n Soit f : R → R une fonction C 2 sur S un ensemble ouvert. ∃ α ∈ [0. 1] 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).1.5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp.1.

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

si P est une matrice (semi) d´finie positive (n´gative). t) est (semi) d´finie positive (n´gative). t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative. t) ≥ 0 Exemple C. x ∈ Rn avec e e P = P . 1 2 ´ Definition C.Une fonction scalaire V (x. t) = tcos(x1 ) est une fonction localement semi d´finie positive.V (x) = x1 x2 + x2 est une fonction ind´finie. t) = t2 x2 est une fonction semi d´finie positive.1 e .V (x. V (x. 2 e e . x2 ) = x2 + sin2 (x2 ) est d´finie positive localement.Une fonction scalaire V (x.V (x. 1 e . t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0.2 Rappels sur les fonctions d´finies positives e ´ Definition C. e 2.V (x. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive. t) est (localement). t) est e e (localement) (semi) d´finie positive. t) = 0 2 − ∀ x = 0 ∈ Br V (x. 1 Remarques C. x1 .2. t) ≥ 0 e 2.3 e .Si une fonction V (x.272 RAPPELS D’ANALYSE C.2 (fonctions semi d´finies positives) e e 1. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0. e e Exemple C. t) > 0 Exemple C.2. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0. 1 .1 (fonctions d´finies positives) e e 1. t) = 0 2 − ∀ x = 0 ∈ Rn V (x. e .2. t) > 0 e e 2. t) = 0 2 − ∀ x = 0 ∈ Br V (x.Une fonction scalaire V (x.Une fonction scalaire V (x.1 1.2.V (t.2 e .Cas particulier important : la forme quadratique V (x) = x P x.V (x. (semi) d´finie n´gative alors −V (x.2.2. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.

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

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

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

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

.5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 5 7 19 19 21 24 24 24 25 26 27 27 29 29 33 35 37 37 38 42 46 48 48 52 53 54 57 57 59 61 61 62 65 67 I. . . . . . e e e Les mod`les externes (entr´es-sorties) . . . . . . . . . .4. . . . . . . . . . .4.6. . . . . . . . . . . . . . e e II. . . . . .3 II. . . . . . . . e I. . . . . . .` TABLE DES MATIERES 277 Table des mati`res e I I. . e e e II. . . . .4 . . . . . . .1 Sch´ma fonctionnel . e II. . . . . . . . . . e e I.la repr´sentation d’´tat . . . . . . . .2 La matrice de r´ponse impulsionnelle . . . . . . .4 Sch´mas fonctionnels et repr´sentation d’´tat . . . . . . . . e II. . . . . . . . . . . . . . . . . .1 I. . e e e e II. . . . . . . . . . . . . . . . e e Le mod`le interne . . . . . .6. . . . . . . . . . . . . . . . . . . . . .2. . Th´orie des syst`mes et th´orie de la commande e e e I. . . . . . . . . . . . e Approximation lin´aire des syst`mes physiques . . . . . . . .7 Mod`les math´matiques des syst`mes lin´aires continus e e e e Introduction . . . .5.1 II. e I. . . . . . o e e II. . . . . . . . . e II. . . .2. . e Les mod`les graphiques . . . . . . . . .3 Repr´sentation d’´tat lin´aire . . . . . . . . . . . . . . . . o II. . . . . . . . .1 Notion de syst`me . . e e II. . . . . . . . . . . . .1 Le concept d’´tat d’un syst`me . . . . . . . .5 II. . . . . . . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . e e e II. . . . . . . .2 Servom´canisme hydraulique . . . . . . . . . . . . . . . . . .3 R`gles d’alg`bre dans les sch´mas fonctionnels . e Exemples de syst`mes de commande modernes . . . . . .3. . . . II. . . .2 Contrˆle de la tˆte d’un disque dur . . . . . Exemples caract´ristiques . . . . . . o e o II.6 II. e e II. . . . . . . . . . . . . . . . . . . . . . . . .4. . . . .4. .2 Les z´ros . . . . . . . . . . . .4. . . . . . . . .4 II.3 Introduction ` la th´orie de la commande a e Introduction . .4.7. .4 Le cas particulier des syst`mes SISO . . . . . . . . . . .2 Repr´sentation d’´tat des syst`mes dynamiques .2 II.5. . . . . . . . . . . . . . . . . . . . . . o I. . . . .3 Contrˆle d’attitude d’un satellite . .3 Equations diff´rentielles entr´es-sorties . . e e e II. . . . . . . . . . . . . . . . .Lin´arisation . . . . . . . . . . . . . . . o e I. . . . . .1 La matrice de transfert . . . . . . . . . . . . e Pˆles et z´ros d’un mod`le LTI . . . . . . . . . . . e II. . . . . . . . . . . . .3. II II. .2 Sch´ma fonctionnel et fonctions de transfert . . . .4 Commande longitudinale d’un avion civil . . . . . . . . . . . . . . . . . . . . . . . . . .1 Contrˆle d’attitude d’un satellite . . . . . . . . . . . . . . . .7. . . . . .7. . . . .2 I. . . . . . . . . . . . . . . . .2 Th´orie de la commande . .7. .4. . . . . . . . e e e . . . . Bref album chronologique . . . . .4 Repr´sentation d’´tat des syst`mes LTI . . . . . . . . . . . . . . . . . .5. . . . . . . . . e II. . . . . . . . .1 Le polynˆme caract´ristique et les pˆles .1 R´gulation de temp´rature dans un four . . .

. . . . . . . . . . e V. ` TABLE DES MATIERES . . .2. . . .1 Fonctions d’alg`bre de base . . . . . . . . . . . . . . . . . . . . .278 II.2. . . . . . .8.3 Stabilit´ BIBO et stabilit´ interne . .2. . . . . . . . . . . . . . . . . .1 D´finitions .1 D´finition et exemples . . . .2. . . . . . . . . . . .3 Fonctions de conversion entre mod`les LTI . . . . . . . . . . . . . . . . . . . . .2. . . . e e III. . e III. . . . . . . . . e e e III. . . . . . . . . . . . . . . . . . . . . . . .r´gime transitoire . . . . . . . .3 Relations entre mod`les internes et externes . . . . . . . . . . . . . . e IV. . .6. . . . . . . . . . . .1 Stabilit´ des syst`mes LTI e e IV.2 Th´orie de la r´alisation . . III. . . . . . . . . . . . . . . . . . . e III. . . . . . . . e III. . . . . . . . .r´gime forc´ . . . . . . . . . . . . . . e . . . . . . . . . . . . . . . . . . . . .8. . . . e II. . . . . . . . .1 Signaux d’entr´e types . . . . . . . . .1. . . .1. . e III.1 La stabilit´ BIBO . . .1. . . . . . . . . .2 Les syst`mes du premier ordre . . . . . V. . .2 R´gime libre . . . . . . .2 Crit`re d’observabilit´ . . e e e V. . . . . e e III. . . . . . .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV. . . e e V. . . . . . .3 Crit`re alg´brique de Routh-Hurwitz .1.2 Crit`re de commandabilit´ . . . . . . e Analyse temporelle des syst`mes continus e Introduction . IV V . . . e V. . . . .8. . . . . . .4 Fonctions de mod´lisation par blocs . . . .1. . .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. e III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 R´ponse ` des entr´es types . e V. . . .6. . . . . . . . . .1. . modales . . . . . . .1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . .2 Fonctions de mod´lisation LTI . . . . . . . . . . 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´ . . .3 Fonctions d’analyse des mod`les LTI e II. . e III. . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Fonctions d’alg`bre de base . . .1 D´finition . . . . . . . . .3 La m´thode de Lyapunov . . . . . . . . . . . . e III. e IV. . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e IV. . .1 Cas de modes simples distincts . . . . . e e IV. . . . . . .1 D´finition . .8 Fonctions MATLAB . .6 Fonctions MATLAB . . . . . e IV. . . . . . . . . . . . . . .2. . e e III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . .4. . . e III. . e III. . . . . . . . . . .2 La stabilit´ interne . . . . . . .1 D´finition . . . . . . . . . . . e a e V.4 Nature des points d’´quilibre en dimension 2 e IV. . . . . . . . . . . . . . . . . . . . .2 Cas de modes multiples . . . . .3 R´gime permanent . .2 Notion d’observabilit´ . . . . . . . . . . e e III. . . . . . .8.5 Grammiens de commandabilit´ et d’observabilit´ . . . . . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . . . . . . . . . . . . . . . . .2. . . . . . . . . . . .1 Les formes canoniques d’´tat . . . . . . . . . . . . . . . . . . . . . . . . . . . .6. . . . . . .2. . . . . . . . . . . . II. . III. . . .2 Caract´risations de la stabilit´ BIBO . . . . . . . . . . . . .1. . . . . . . . .4. . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . III. . . . e II. . . . . . . . . . e IV. . . . . e e IV. . . . . . . . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . . . . .

. . . . . e ee VI. . .1 Rappels sur les relations de bouclage . . e VI.2. 189 . . . . . . . . . . .5 Extension aux syst`mes multivariables . . e VII. . . . . . e e VII. . e e V. . . . . . . . . . . e VII. . . . . . . . . . . . . . . . . . . . . . .2 Extension au cas des syst`mes multivariables . . . . . . . . . . . . . VI. . . . . . . . . . . . . . . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . .2 Effets des z´ros et des pˆles additionnels .4 Les syst`mes ` non minimum de phase . . .2 Le crit`re du revers . . . . . . . . . VIII. . . . . . . . . . . . e VI. .1. . . . . . . . . . . . . . . . . .1 Introduction . . . 173 . . . . . . . . . . . . . . . . . . . . . . . . .4.1. . .2. . . . . . . . . . . . . . . . . . . . . . . . e e V. . . . . . . e e ` e VII. . . . . . . . . . . . .1 Syst`mes de commande a contre-r´action . . . . .2. . . . . . . . . . . .4 Les syst`mes d’ordre sup´rieur . . . e V. . . . . . . . . . . . . 177 179 . . . . . . . . VI. . . . . . . . . . . 168 .2 Le th´or`me du faible gain . . . . .3 Les syst`mes du second ordre . . e VII. . . . .1 Fonctions de r´ponse temporelle . . . . . .2. . .3. . . . . . . .4. . . . .1 Les syst`mes monovariables . . . . . . . .4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte . 175 .1 Le crit`re de Nyquist . . V. . . .1 D´finitions et exemples . . . . . . .1 Notions de modes . . . . . . VII. . . . . . . . . . . . e a VI. . 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 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI. . . . . . . . . . . . . . VI. . . . . .2 Le lieu de Bode . . . . . VIII. . .5. . . . . . . . . . . . . . . . . . . . . . . . 149 . . . . 184 . . 189 . . . . .3 Sp´cifications temporelles d’un syst`me du second ordre . . . . . . . . . . . . . .1 Fonctions d’analyse de stabilit´ . . e ` e VII. . . . .1 Le crit`re de Nyquist multivariable . . . . . . .1.1 Fonctions de trac´ de la r´ponse fr´quentielle . VII. . . . . . . . . . . . . . .5. . 153 . . . . . . . .` TABLE DES MATIERES V. . .1 Principe de la contre-r´action . . . . . . . .2 Etude de la r´ponse indicielle . . . . . . . . . . . . . . 160 . . . . . . . . 179 . . . . e VII. e V. . e e e VII. . . .3 Extension aux syst`mes multivariables . .3. . .5 Fonctions MATLAB . . .3.4. . . . . . . . . . . . . . . 193 . . . . . . . e V. . . . . e VIII Analyse en performance des syst`mes boucl´s e e VIII. e VII. . . . . . . . . . . . e e e VII. . . . . . . . . . e VI. . . . . .2. . . . . . . . . . .3 Le lieu de Nichols-Black . . . . VI. . . .4 Fonctions MATLAB . . . V. .2. . . . . 147 . . 179 . . . . . . . . . .2 Analyse en stabilit´ des syst`mes boucl´s . . . . . . . . . . . . . . . . 194 . . .3 Fonctions MATLAB . . .1 Le lieu de Nyquist . . . . . . . . e e V. . . . e . . . . . . . . . . . . . . . . . . .4. . . . .1 D´finition et propri´t´s .2. .3 Stabilit´ interne des syst`mes boucl´s . . . . . 279 123 123 126 130 132 132 139 141 145 145 145 VI R´ponse fr´quentielle des syst`mes LTI e e e VI. . e o V. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . e V. . . . . . e e e 147 . . . . . . . .3 Sp´cifications temporelles sur le r´gime transitoire . . . . . . 153 . . . . . . . . . . . . . . .2. . .2. . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . .3.3. . . .2. . . . . . 177 . 147 . . .1. . . . . . . . . .2 Caract´risation des syst`mes de commande a contre-r´action . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. . .2 Rejet de perturbation b . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . e B. . . . . . .2 Propri´t´s de la transform´e de Fourier . . . . . . . . . . . . . .280 ` TABLE DES MATIERES . . . . . IX. . . . . . . . . . . . . . .1 R´glage du gain . .2. . . . . . . . . . . . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . R´ VIII. . e e VIII. . . . . . . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel .2 A. . . . . . . . e a IX.2 Repr´sentation fr´quentielle des signaux continus . . . . . .1 D´finition . . . . . . ee e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Calcul de la matrice de transition d’´tat eAt .2 Valeurs propres et valeurs singuli`res . . . . . . . . . . .1. . . . . . B B. . . . ee e VIII. . . . . . . norme et rang . . . . . .1. . . .7 Modelage des fonctions de sensibilit´ . . . . e A. 269 e Rappels sur les fonctions d´finies positives . . . . . . . . . . . . e e IX.2 La transform´e de Fourier . . . .2. .1. . . . . .1 IX. . . . . . . . . . . . . . . . . B. . . . . . . .3. .3 Matrices sym´triques . .1.3. . . . . . . . . . . . . . . . .8 ecifications de performance en sensibilit´s mixtes . . .3 eduction du bruit de mesure w . . . . . . . . e A. . . . . .2 Utilisation de la transform´e de Laplace e C. . . . . . . Construction du lieu d’Evans .3 ecifications de performance . . . . . . . . . . . . . . . . . . . .5 Comportement aux fr´quences interm´diaires . . . . A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . .2. .2. IX. . 272 e 273 R´f´rences bibliographiques ee . e B. . . . . . . . . e e ee B. .6 Notion de modelage de boucle : loopshaping . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . .1 Produit scalaire. . . . . .2. . . .2. . . . . e B. . e IX. . . . . . . .3. . . . e VIII. . . . . . . . . . . . . e A. . .4 Suivi de r´f´rence r : pr´cision . . . . .2. . .4. . .1 Conditions des angles et des amplitudes . . . . . . . . .4 Fonctions MATLAB . . . . . . . . . . . .2 R`gles g´n´rales de construction . . . . . . . . Sp´ e VIII. . .2. . . . . . IX. . .2. e e e IX. . . .1 Fonctions li´es ` l’utilisation du lieu des recines . . . . . . . .1. . . .1 egles d’association dans les sch´mas-blocs . . . . . . . . . . . . . . . . . . . . . .1 C. . . . .1 . . . . . . . . . . . .2. . . . . . . . VIII. . R` e VIII. . . . . 220 220 221 222 228 232 233 233 233 234 239 239 241 241 242 249 249 250 252 252 253 253 253 256 259 259 259 261 261 261 263 264 266 266 267 VIII. . . . . . . . . .3 Analyse des syst`mes boucl´s par le lieu d’Evans . . . . . . . . . . . . . . . . . e B. e e VIII.2 Syst`mes ` stabilit´ conditionnelle . . . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . . . . . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . .1 M´thode de triangularisation . . . . . . . . . . . . . . . . . . . . . . . . .2 Les fonctions de sensibilit´s en entr´e et en sortie . . . . . . .3. e a e IX. . . . Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . . . . . . . . . . . .3. . . . . . e e A. . .

Sign up to vote on this title
UsefulNot useful