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

mˆme si le vocabulaire est parfois diff´rent. De nombreux outils privil´gi´s e e e sont communs (calcul op´rationnel. e e graphiques et informatiques) sont pr´sent´s et ´tudi´s en d´tail et constituent le corps e e e e e technique de ce cours. th´orie des transformations. 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.. des outils math´matiques (alg´briques. la structure de commande ` contree e a r´action et le concept de stabilit´ des syst`mes dynamiques et le probl`me de stabilit´ e e e e e pos´ par l’introduction de la contre-r´action.. sa e e e e parent´ avec le traitement du signal ne fait aucun doute. 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.) mais plus important.6 INTRODUCTION A LA THEORIE DE LA COMMANDE pures et math´matiques appliqu´es. e . Le probl`me de synth`se des syst`mes de e e e e e commande ne sera que bri`vement abord´ et aucune technique de synth`se proprement e e e dite ne sera abord´e. e e Afin de manipuler et d’utiliser ces concepts. 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. Enfin. e e le concept d’information y est ´galement primordial.

2 – Clepsydre d’H´ron [22] e .1200 : diff´rents ing´nieurs Arabes (Al-Jazari. I.800 . 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.2.). I. [27]. r´gulateurs de e a e flammes.1 – Clepsydre de Ktesibios [28] Fig. . L’´tude minutieuse des ` e e e e diff´rentes sources retra¸ant cette histoire montre que la pratique de l’ex´g`se et le sentie c e e ment national ne donnent pas toujours de bons r´sultats. [3]. [6].. distributeurs automatiques de vin.2 Bref album chronologique L’histoire et le d´veloppement de la th´orie de la commande et des syst`mes de come e e mande a contre-r´action sont maintenant bri`vement retrac´s.. 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. [32]. 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.C.. [8] [42].. 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.300 avant J.). [10]. BREF ALBUM CHRONOLOGIQUE 7 I. Durant cette p´riode. distributeurs automatiques de liquides. Philon de Byzance (.I. le principe de la commande tout ou rien est pour la e premi`re fois utilis´. ` Fig. Le principe de la chasse d’eau est fond´ sur e e e e e le mˆme principe. clepsydres. : La premi`re mise en oeuvre de syst`me de commande ` contree e a r´action est l’oeuvre des grecs dans l’antiquit´ avec des r´gulations de niveau par e e e flotteur afin de mesurer pr´cis´ment le temps. La premi`re pendule ` eau ou clepe e e a sydre (Ktesibios d’Alexandrie -270) utilise un flotteur r´gulant le niveau d’un pree mier bac permettant ainsi de fournir un d´bit constant dans un second bac dont le e niveau ´tablit ainsi la dur´e ´coul´e. [4]. [7].250) proposa de mˆme une r´gulation a e e e ` flotteur du niveau d’huile alimentant une lampe. e e . [5].

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

Polzunove 1765. En 1745. e Sortie vapeur Entrée de l’eau Flotteur Niveau d’eau Fig. I.6 – Principe de la machine ` vapeur de Polzunov [35] a .R´gulation des moulins a vent : le flux de grain dans un moulin est r´gul´ e ` e e suivant la vitesse de rotation de la meule en 1588 (par le mill-hoper). a . En Sib´rie. Thomas Mead (1780) r´gule la vitesse de rotation a l’aide d’un double e ` pendule soumis ` la force centrifuge. 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.2. (Perier-1790) : les r´gulations de niveaux ne sont plus utie lis´es afin de mesurer le temps du fait de l’invention de l’horloge m´canique au e e eme ` si`cle mais dans la chaudi`re des moteurs ` vapeur et pour les syst`mes e e a e XIV de distribution d’eau domestiques.R´gulation de niveaux (Salmon-1746. la chasse d’eau est mise au point par le londonien Crapper en 1775. Fig. le mineur de charbon Polzunov d´veloppe en e e 1769 un r´gulateur a flotteur pour un moteur a vapeur.I. invention pour laquelle il est anobli par la reine Victoria.5 – Machine a vent dot´e d’un fantail [23] ` e Enfin. I. A la fin de ce si`cle. Brindley-1758. En particulier. Wood-1784). BREF ALBUM CHRONOLOGIQUE 9 . e ` ` e les fr`res Perier mettent au point la premi`re boucle de r´gulation avec action e e e proportionnelle et int´grale. Crapper 1775.

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

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

e e a .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. Le e e ee d´veloppement des techniques de communication permet a Harold Black de e ` proposer la r´tro-action n´gative pour la r´duction des ph´nom`nes de distore e e e e sion ` hautes fr´quences. I. 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.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. a e Fig. seule e e e e la r´tro-action positive est utilis´e pour tester les circuits t´l´phoniques.

I.C. 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-1947) et au laboratoire de Bell Telephone (Bode-1938) : H. a e . 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.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.B. les m´thodes d’analyse fr´quentielle se d´veloppent avec les trae e e e vaux de A. e Fig.I. I.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). Nichols.2. Le groupe dirig´ e e e par Bode au MIT aboutit au d´veloppement du syst`me de RADAR SRC-584 e e coupl´ au pointeur M9.13 – Syst`me de RADAR SRC-584 [40] e En parall`le. .W.12 – Lieu de Nyquist . Hall sur le RADAR (introduction des M-cercles et des N-cercles) et l’abaque de N.

Pm = −44. .14 – Lieu de Bode Fig. Cela e donne naissance au filtre de Wiener statistiquement optimal pour les signaux stationnaires en temps continu. Kolmogorov introduit en 1941 une th´orie des processus stochase tiques stationnaires en temps discret. I. N.16 – Manuscrit d’Andrei Kolmogorov [47] Au MIT. Fig. . dans le but de pr´dire la position future des avions pour les batteries e de tir antia´rien. I.D´veloppement de la th´orie de l’information (Shannon-1948) et de la cye e bern´tique (Wiener-1949) : la th´orie math´matique de la communication naˆ e e e ıt entre 1939 et 1948 sous l’impulsion de C.7 deg (at 1.5 dB 20 1 dB −1 dB 10 3 dB 6 dB −3 dB −6 dB Open−Loop Gain (dB) −40 −60 −80 −100 180 0 −10 −12 dB −20 −20 dB 90 −30 Phase (deg) 0 −40 −90 −40 dB −180 −50 −270 10 −1 10 0 10 Frequency (rad/sec) 1 10 2 −60 −360 −60 dB −315 −270 −225 −180 −135 −90 −45 0 Open−Loop Phase (deg) Fig. (Wiener et Bigelowe 1942) : A. Bigelow analysent les syst`mes de traitement e e de l’information en utilisant des mod`les stochastiques en temps continu.9 rad/sec) 100 Nichols Chart 40 0 dB 80 30 60 40 Magnitude (dB) 20 0 −20 0.D´veloppement de l’analyse stochastique (Kolmogorov-1941). N.25 dB 0.3 dB (at 1.15 – Abaque de Black-Nichols . Shannon qui publie en 1948 ”The mathematical theory of communication”. Wiener et J. Wiener publie la mˆme ann´e son e e plus fameux ouvrage ”Cybernetics or Control and communication in the animal and the machine”. I.43 rad/sec) .N.14 INTRODUCTION A LA THEORIE DE LA COMMANDE Bode Diagram Gm = −61.

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

e e q=5 − mu=1 − a=1 0.4 0. (Pontryagin-1958). (Tsypkin-1955).3 0.3 0. R. Kalman introduit les concepts d’observabilit´ et de commandabilit´ insise e tant ainsi sur l’importance de la repr´sesntation d’´tat.3 −0. 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. . (Sandberg-1964).Th´orie de la commande optimale et th´orie de l’estimation.5 −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. (Desoer-1965).2 0.S. e e R.1 0 0.4 0. (Zames-1966) : le d´veloppement des relais dans les syst`mes de commande e e conduit B.3 −0. Hamel en France et J. (Narendra-1964).Th´orie de la commande non lin´aire (Hamel-1949). V. I.1 −0.20 – Application du crit`re du cercle e .1960-1980 : p´riode moderne avec le d´veloppement de l’industrie a´ronautique et e e e spatiale.4 −0.2 −0. (Popove e 1961).M. 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. 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.5 −0. (Yakubovich-1962). 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.1 Real Axis 0.5 0.2 −0.5 Fig. L.4 −0. temps variant et de commande optimale rencontr´s en particulier dans le e e domaine spatial.A. introduction du e e formalisme d’´tat (Bellman-1957). Pontryagin pose les bases de la commande oe optimale avec le principe du maximum qui g´n´ralise l’approche d’Hamilton.16 INTRODUCTION A LA THEORIE DE LA COMMANDE .2 0.1 Imag Axis 0 −0. au crit`re du cercle et de la passivit´. De son cˆt´. Ce travail est e prolong´ par Yakubovich qui relie les travaux de Popov et ceux de Lur’e. Il montre d’autre part e e . (Kalman-1960) : en trae vaillant sur les probl`mes d’allocation de missiles sur des cibles afin de maximie ser les d´gats.

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

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

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

e e Classification des syst`mes e Jusqu’ici.20 INTRODUCTION A LA THEORIE DE LA COMMANDE . o e e l’identit´ physique des variables associ´es ` un syst`me importe moins que les relations e e a e math´matiques entre ces mˆmes variables. sont e e e a e e indiqu´s les classes de mod`les qui sont l’objet de ce cours. La figure I. Traitant e e uniquement dans ce cours des syst`mes dynamiques. 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.formation d’un syst`me de relations entre les variables d’entr´e et les variables de e e sortie. 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.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. 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.formation d’un syst`me de relations entre les variables caract´risant le syst`me e e e comme un tout. e e a . e e . En gras. I. e e Paramètres distribués Paramètres localisés Stochastiques Déterministes Temps continu Temps discret Linéaires Non linéaires Coefficients constants Temps variant Monovariables Multivariables Fig. Cela signifie qu’en th´orie des syst`mes. . 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.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.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. 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.

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

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

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

.4.29 – R´gulation de temp´rature e e I. Par comparaison entre la tension de e e ` e e e consigne Vc et la tension ”mesur´e” reflet de la temp´rature T . 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.4.). e e I.29.2 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. Vb Vh + − R T Processus Te i = kVb Correcteur V + − Vc Vth Thermocouple K th Tm Kc Tc Fig. incubateur. une tension de commande V est d´livr´e ` l’actionneur modifiant en cons´quence le courant parcourant la r´sistance e e a e e R. Un syst`me de e e e contrˆle thermique est repr´sent´ ` la figure I. A partir de l’information de position restitu´e par un capteur au correcteur.. contre-r´action.24 INTRODUCTION A LA THEORIE DE LA COMMANDE I. e . I.4 Exemples de syst`mes de commande modernes e Quelques exemples remarquables de syst`mes de commande modernes sont d´velopp´s e e e afin d’illustrer de mani`re concr`te les diff´rentes notions introduites pr´c´demment telles e e e e e que r´gulation. etc. . e e un signal de commande est d´livr´ au sol´noide permettant le positionnement du bras de e e e lecture/´criture. 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.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.

Il doit donc ˆtre isol´ des vibrations et des bruits e e e ´lectriques du corps du satellite.31 – Contrˆle d’attitude IRIS [24] o Des objectifs de commande en termes de vitesses de rotation du satellite sur luimˆme et/ou en termes d’attitude peuvent ainsi ˆtre d´finis. e Fig.´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 . I.courtesy IBM I. Les objectifs peuvent ˆtre : e .30 – Disque dur . I. panneaux solaires ou des instruments de mesure .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´.pointer dans la bonne direction les antennes. de commander son orientation e (son attitude) dans l’espace. connaissant le mod`le dynamique du satellite.3 Contrˆle d’attitude d’un satellite o Il s’agit.contrˆler la dissipation de chaleur o .4.

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

Le mod`le e e ee e math´matique id´al est obtenu en ´crivant les lois physiques r´gissant le comportement e e e e du syst`me.Ecrire les lois physiques r´gissant le comportement du syst`me et les ´quations e e e diff´rentielles et alg´briques associ´es e e e 4. Un certain nombre d’hypoth`ses de travail sont ainsi e e e formul´es d´finissant la classe des mod`les utilis´s. 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.D´finir le syst`me ` ´tudier et ses composants ´l´mentaires e e ae ee 2. ` 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.Formuler le mod`le math´matique id´al et dresser la liste des hypoth`ses ` retenir e e e e a 3. e e e 1.1 Introduction La phase de mod´lisation est essentielle dans le processus d’analyse et de synth`se e e d’un syst`me de commande. Le processus de mod´lisation consiste e e e e premi`rement en l’identification du syst`me et de ses composants ´l´mentaires. cette ´tape r´sulte e e ae e e en l’´criture des ´quations diff´rentielles et alg´briques (lin´aires. e e e e a La d´marche globale peut ainsi se r´sumer de la mani`re suivante.Chapitre II Mod`les math´matiques des syst`mes e e e lin´aires continus e II. non lin´aires. En Automatique. Quelle que soit la nature physique du syst`me ` ´tudier.D´finir le mod`le d´di´ ` l’Automatique e e e ea 27 . 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.

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

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. Utilisant les tr`s nombreuses obser` e e vations de Tycho Brahe. On d´finit d’autre part un r´f´rentiel inertiel fixe ee e ee I : (iI . e ` e e Biographie 1 (J. jI . . 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´. quie bus astronomiae pars optica traditur en 1604. kI ). 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 1628.1 Contrˆle d’attitude d’un satellite o L’exemple propos´ ` la section 1. Il est mort le 15 Novembre 1630 a Regensburg. les mod`les math´matiques de deux exemples caract´ristiques des e e e domaines a´ronautique et spatial sont d´taill´s. Il retire u e e e e e e e de cette ´ducation un fort sentiment religieux qui ne l’a jamais abandonn´. e e Il y suit un cours d’astronomie g´ocentrique (syst`me de Ptol´m´e) e e e e dans un premier temps puis est initi´ au cours d’astronomie avanc´e e e h´liocentrique de Copernic. il produit ´galement des travaux en optique (Ad Vitellionem paralipomena. z). 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.2.2. 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. 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.2 du contrˆle d’attitude d’un satellite est mainteea o nant repris et d´taill´. Ils seront repris de mani`re r´currente dans e e e e e la suite de ce document afin d’illustrer au mieux les notions d’Automatique d´velopp´es. Nous e e e nous int´ressons au mod`le math´matique du mouvement d’orientation du satellite qui e e e peut ˆtre obtenu a l’aide des ´quations de la cin´matique et de la dynamique. EXEMPLES CARACTERISTIQUES 29 II. En dehors de ses travaux d’astronome proprement a dit. 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. Il est d’ailleurs excome a muni´ en 1612.´ II.3. Kepler) Johannes Kepler est n´ le 27 D´cembre 1571 a Weil der Stadt en Souabie d’un p`re e e ` e mercenaire de guerre et de m`re fille d’un tenancier d’auberge. Ses ´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. e e II. y.2 Exemples caract´ristiques e Dans cette section.

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

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

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

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

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

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

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

Il meurt d’une ı e s´v`re attaque de goutte apr`s avoir appris son ´lection comme premier membre admis a e e e e ` la National Academy of Sciences des Etats Unis.LA REPRESENTATION D’ETAT 37 II.4.4. e Exemple II.E. Il publie On General Method in Dynamics en 1834 et est anobli en 1835. e Poincar´). on obtient les ´quations de Hamilton d´crivant le syst`me : e e e e p d q = m dt p F (t) Si les conditions initiales q(t0 ) p(t0 ) = x(0) mx(0) ˙ . LE MODELE INTERNE . Le e e e e e e concept d’´tat a ´t´ introduit de mani`re syst´matique par R. il soumet son premier article e e e ` la Royal Irish Academy en 1824. Polaris) aux d´buts e e e des ann´es 60. e Biographie 3 (Sir W.4. La repr´sentation d’´tat. la connaissance du pass´ e e e e a e e ne donne pas d’information additionnelle sur le futur comportement du syst`me.1 (formulation Hamiltonnienne de la loi de Newton) Selon la loi de Newton. 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). Hamilton) William Rowan Hamilton est n´ le 4 aoˆt 1805 ` Dublin en Irlande de Archibald Hamilton e u a et de Sarah Hutton. Etant donn´ l’´tat d’un syst`me ` un instant donn´. 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.4 II. Il produit sa th´orie des quaternions en 1843 en e se promenant avec sa femme le long du canal royal. Malgr´ sa d´pendance vis-`-vis de e e a l’alcool dans le dernier tiers de sa vie. Il publie ` a en 1832 son troisi`me suppl´ment ` son livre Theory of Systems e e a of Rays. le Grec et l’H´breu. A 5 ans. il publie Lectures on Quaternions en 1853 puis Elements of Quaternions dont le dernier chapˆtre reste inachev´. il sait le Latin. 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.` ´ ´ II. Kalman et par les e ee e e ing´nieurs travaillant sur les premi`res applications spatiales (Apollo.R. 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.1 Le mod`le interne . Il obtient le poste de professeur a d’astronomie du Trinity College en 1827 a l’ˆge de 21 ans. de Newton et de Laplace.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.

On consid`re donc le e e e syst`me dynamique multivariable de la figure (II. x(t0 ) est connu alors y(t1 ) et x(t1 ) peuvent ˆtre d´termin´s a de mani`re unique pour tout t1 ≥ t0 si u(t) est connue sur l’intervalle [t0 .4) ayant pour entr´es les composantes e e du vecteur u(t) ∈ Rm et pour sorties les composantes du vecteur y(t) ∈ Rr . l’´tat initial d’un syst`me doit constituer sa e e e e e m´moire. · · · . ` chaque instant t0 . xn (t)] . t1 ]. Parmi les fonctions poss´dant cette propri´t´. e Le vecteur d’´tat x(t) appartient a un espace vectoriel E. e e II.4.4 – Syst`me dynamique multivariable e En g´n´ral. 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. 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. U Vecteur d’entrée X Vecteur d’état dimension n Y Vecteur de sortie dimension m dimension r Fig. le comportement du syst`me ` n’importe quel instant sera connu. e e t t0 t t x(t) = −∞ z(ξ)dξ = −∞ z(ξ)dξ + t0 z(ξ)dξ = x(t0 ) + t0 z(ξ)dξ x(t0 ) r´sume le pass´ de la fonction x jusqu’` l’instant t0 .2 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. on trouve toutes les fonctions e e ee r´sultant d’une int´gration.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. e e e e e x(t) = [x1 (t).4. 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. ´ Definition II. d´fini comme l’espace e ` e d’´tat. II. e e e . L’´volution du syst`me peut ˆtre repr´sent´e au moyen des trajectoires d’´tat. e e Comme l’exemple pr´c´dent l’a montr´.38 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES sont connues. Les variables d’´tat seront donc e e a e les solutions d’´quations diff´rentielles du premier ordre.

2 (oscillateur de Van der Pol) En consid´rant le circuit ´lectrique suivant : e e L C Résistance négative Fig. 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. e ` e Pour un choix du vecteur d’´tat e .LA REPRESENTATION D’ETAT 39 x2 x(t0) x(t1) x2(t1) 0 x(t2) t x1 (t1) x1 Exemple II.5 – Circuit de l’oscillateur de Van der Pol On obtient l’´quation dynamique de l’oscillateur de Van der Pol : e 2 v (t) − (α − βv 2 (t))v(t) + ω0 v(t) = 0 ¨ ˙ (II. II.25) v(t) .4.LE MODELE INTERNE .

on obtient alors les deux ´quations diff´rentielles : e e C L dvc = u(t) − iL dt diL = −RiL + vc dt (II.5 −1 −1. e e e e e Exemple II.5 1 0. u(t). t) ´quation dynamique ˙ e (II.26) y(t) = h(x(t).6 – Trajectoires d’´tat de l’´quation de Van der Pol e e Remarques II.4.7).5 −2 −2. y(t) ∈ Rr est u le vecteur de sortie.5 −5 −4 −3 −2 −1 x 0 1 2 3 4 Fig. En ´crivant les lois de Kirchoff (noeuds e e et mailles). t) ´quation de mesure e e o` x(t) ∈ Rn est le vecteur d’´tat.40 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Plan de phase 2. e ´ Definition II.27) . II.4.3 (circuit ´lectrique) e Soit le circuit ´lectrique RLC de la figure (II.5 dx/dt 0 −0. La fonction f : Rn × Rm × R → Rn est une fonction de Lipschitz par rapport a x.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).4. Les ` ` ` ´quations d’´tat caract´risent compl`tement le comportement dynamique du syst`me. u(t) ∈ Rm est le vecteur de commande.5 2 1. continue par rapport a u et continue par morceaux par rapport a t.1 L’int´rˆt de la notion d’´tat et de la repr´sentation d’´tat qui en d´coule r´side principaee e e e e e lement dans le nombre minimal de variables ind´pendantes ` consid´rer pour connaˆ le e a e ıtre comportement interne du syst`me. u(t).

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.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.LA REPRESENTATION D’ETAT L 41 iL U(t) C V C V R R Fig. x2 (0) .31) Les trajectoires dans l’espace d’´tat sont repr´sent´es ` la figure II.7 – Syst`me ´lectrique e e En choisissant comme variables d’´tat la tension aux bornes de la capacit´ et le courant e e e e dans l’inductance. ıtre e Si l’on suppose maintenant que la r´sistance est non lin´aire. l’´quation e e de sortie s’´crit : e vR (t) = y(t) = Rx2 (t) (II. soit [x1 x2 ] = [vC iL ] .LE MODELE INTERNE . il est e e encore possible de donner une repr´sentation d’´tat non lin´aire.30) (II. [x1 (0) x2 (0)].25). 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.29) A partir de la donn´e des conditions initiales du circuit. En posant e e e x1 = v et x2 = v. vR = R(iL (t)).6 pour diff´rentes e e e a e x1 (0) conditions initiales . il est alors e possible de connaˆ le comportement du r´seau et de sa sortie pour t > 0.4. 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.4 (´quation de Van der pol) e L’´quation diff´rentielle de l’oscillateur de Van der Pol est donn´e par (II.

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

t)˜(t) + Ju (x0 (t). t) u(t) ˜ A(t) B(t) (II. u0 (t). u0 (t). les ´quations d’´tat d’un pendule de raideur k sont : En choisissant x = (θ. 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). 0). Pour k/m = 1/2 g/l = 1.5 θ l 11 00 11 00 11 00 11 00 m .LA REPRESENTATION D’ETAT 43 On suppose alors que le syst`me fonctionne autour des conditions nominales. t) + Jx (x0 (t). θ) e e x1 = x2 ˙ g k x2 = − sin x1 − x2 ˙ l m qui poss`de deux points d’´quilibre (0. 0).4. (π. on obtient : ˙ ˜ x u x0 (t) + x(t) = f (x0 (t). Il est donc possible de d´finir les faibles perturbations u(t) et x(t) telles que : e ˜ ˜ ˜ u(t) = u0 (t) + u(t) x(t0 ) = x0 (t0 ) + x(t0 ) ˜ x(t) = x0 (t) + x(t) ˜ t0 ≤ t ≤ tf t0 ≤ t ≤ tf En ´crivant le d´veloppement en s´ries de Taylor au premier ordre de la fonction f e e e autour du point nominal. u0 (t). on obtient l’´quation d’´tat lin´aris´e pour t0 ≤ t ≤ tf : e e e e e ˙ ˜ ˜ x(t) = Jx (x0 (t). la matrice e e Jacobienne associ´e est donn´e par : e e A= 0 1 − cos(x1 ) −0.5 (´quation d’un pendule non contrˆl´) e oe ˙ . x(t)) ne diff`rent de (u0 (t). (u (t). u0 (t). x0 (t)) que tr`s faiblement.LE MODELE INTERNE . Cela e e e signifie que pour tout t0 ≤ t ≤ tf .35) ˙ x(t) = A(t)˜(t) + B(t)˜ (t) ˜ x u Exemple II. t) x(t) + Ju (x0 (t).

4.39) o` A(t) est continue par rapport a t est donn´e par : u ` e x(t) = Φ(t. e e e e x(t) = A(t)x(t) ˙ x(t0 ) = x0 (II.5 A2 = 0 1 1 −0.38) Dans le cas g´n´ral o` le mod`le est temps-variant. e e e ´ Definition II.36) o` Ix = (Iyy − Izz )/Ixx et Ix = (Izz − Ixx )/Iyy .37) 1 0 Solution de l’´quation d’´tat e e Dans cette partie. nous nous int´ressons plus particuli`rement ` la solution de l’´quation e e a e diff´rentielle d’´tat (l’´quation dynamique) : e e e x(t) = A(t)x(t) + B(t)u(t) ˙ (II. e e e 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.40) .4 (La matrice de transition) La solution de l’´quation d’´tat homog`ne (non command´e). on obtient la e repr´sentation d’´tat lin´aris´e pour des perturbations nulles : e e e e     0 0 0 1 0 0 0 0 0  0  0 0 0 1 0  0  0 0      0   0 0 0 0 0 1  0 0   2  u(t)  x(t) =  ˙ x(t) +  Ω Ix 0 0 0 Ω(Ix + 1) 0  1/Ixx 0 0       0  0 0 0  0  −Ω2 Iy 0 Ω(Iy − 1) 1/Iyy 0 0 0 0 0 0 0 0 1/Izz (II. il est n´cessaire de d´finir la matrice e e u e e e de transition d’´tat qui intervient dans la solution de l’´quation d’´tat. 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 .44 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Evalu´e aux deux points d’´quilibre. on obtient les deux matrices Jacobiennes : e e A1 = 0 1 −1 −0. u En consid´rant le mouvement autour de l’axe z d´coupl´ de ceux autour des deux axes.

t0 ∀ t ≥ t0 45 (II.LE MODELE INTERNE . e ´ Definition II.1 .5 (r´ponse libre) e La r´ponse libre d’un syst`me est la r´ponse du syst`me ` ses seules conditions initiales.Φ(t2 .44) t y(t) = C(t)Φ(t. t0 )x0 + C(t) t0 Φ(t. t) ∀ t.4. t0 ) est inversible pour tout t et tout t0 . e e e e e elle est donn´e par : e t x(t) = t0 Φ(t. e ee ´ ´ Proprietes II. t0 )x0 + et la sortie s’´crit alors : e Φ(t.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.41) Dans le cas g´n´ral d’un syst`me temps-variant. De mˆme.4.43) x(t) = Φ(t.Φ−1 (t. (LTI). seront ´tudi´s e e e e . t0 ) Φ(t0 . e ´ ` Theoreme II. la matrice de transition peut ˆtre calcul´e de mani`re explicite par les e e e e m´thodes pr´sent´es dans ce chapˆ e e e ıtre. τ )B(τ )u(τ )dτ t0 (II. t0 ) est la matrice de transition. t0 ) = Φ(t2 . t0 ) = 1n La matrice de transition poss`de les propri´t´s suivantes.4.6 (r´ponse forc´e) e e La r´ponse forc´e d’un syst`me est la r´ponse du syst`me au seul signal d’entr´e et pour e e e e e e des conditions initiales nulles. t0 ) = A(t)Φ(t. t1 )Φ(t1 . Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. 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. ´ Definition II. Pour les e e e e syst`mes LTI. e e e e a Dans le cas d’un syst`me repr´sent´ par son mod`le d’´tat. t0 ) = Φ(t0 .40). la matrice de transition est raree e e ment accessible litt´ralement mais doit ˆtre obtenue par int´gration num´rique.45) Dans la suite. t0 ) .4. τ )B(τ )u(τ )dτ (II.42) A partir de la donn´e de la matrice de transition. seuls les syst`mes lin´aires temps-invariants.Φ(t. solution de l’´quation diff´rentielle : u e e ˙ Φ(t. τ )B(τ )u(τ )dτ + D(t)u(t) (II. elle est donn´e par l’´quation e e e e e e e (II.LA REPRESENTATION D’ETAT o` Φ(t.

Un mod`le d’´tat LTI est donc compl`tement caract´ris´ par le triplet e e e e e (A. ´ Definition II.C. u ∈ Rm est le vecteur de commande et y ∈ Rr est le u e vecteur de sortie.4. e Exemple II.46 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.46) y(t) = Cx(t) + Du(t) o` x ∈ Rn est le vecteur d’´tat.7) pour C = 2 F .B=[1/2.4. Si la matrice de transmission e e directe D = 0 alors le mod`le est dit strictement propre sinon il est dit propre.1 -3]. Script MATLAB 1 >> A=[0 -1/2.7 (ordre-syst`me propre) e La dimension du vecteur d’´tat est l’ordre (n) du mod`le. . Soit le mod`le LTI : e e x(t) = Ax(t) + Bu(t) ˙ (II.4. >> circuit=ss(A. B. D).6 (circuit ´lectrique) e Calcul du mod`le d’´tat.0].D) a = x1 x2 x1 0 1 x2 -0.5 -3 b = x1 x2 u1 0.B.4 Repr´sentation d’´tat des syst`mes LTI e e e D´finitions e Nous nous int´ressons maintenant aux mod`les d’´tat LTI. du polynˆme caract´ristique et des pˆles pour le circuit ´lectrique e e o e o e (II. C.5 0 c = y1 x1 0 x2 3 d = y1 u1 0 Continuous-time model. ` leurs propri´t´s et d´finissons e e e a ee e quelques notions associ´es.D=0. L = 1 H et R = 3 Ω. >> C=[0 3].

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

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

5. U (p) = L[u(t)] et Y (p) = L[y(t)]. u ∈ Rm et y ∈ Rr . e pX(p) − x0 = AX(p) + BU (p) Y (p) = CX(p) + DU (p) (II.57) ´ Definition II.Le concept de matrice de transfert permet de repr´senter le comportement dynae mique du syst`me de mani`re alg´brique. .59) Yi (p) = j=1 gij (p)Uj (p) (II.54). Y(p) = G(p)U(p) La notation matricielle peut ˆtre explicit´e ´l´ment par ´l´ment : e e ee ee Yi (p) = gij (p)Uj (p) ` On obtient ainsi pour la ieme sortie : m (II. e e .55) o` X(p) = L[x(t)]. . . yr 49 Système linéaire multivariable Fig. x0 = 0. .5.1 (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 .60) Remarques II. .1 .58) (II.La matrice de transfert est une caract´ristique du syst`me ind´pendante de l’amplie e e tude et de la nature de l’entr´e du syst`me. il est possible de l’appliquer aux e e e ´quations (II. e e e . u u1 u2 .La notion de matrice de transfert n’est d´finie que pour des conditions initiales e nulles. En r´solvant les ´quations (II. II.55) u e e par rapport a Y (p).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. on obtient la relation entr´es-sorties : e Y(p) = C(p1 − A)−1 B + D U(p) = G(p)U(p) (II. um y1 y2 . il vient : ` Y (p) = C(p1 − A)−1 (BU (p) + x0 ) + DU (p) (II.56) Pour des conditions initiales nulles.

e Exemple II.2 0. II. En supposant les flux constants fH = fC = f .1 (´changeur de chaleur) e Soit l’´changeur de chaleur de la figure II.C’est un mod`le entr´e-sortie qui ne contient aucune information sur la structure e e physique du syst`me.01 m3 /min. d´bit fC ).50 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .2 m3 /min et VH = VC = 1 m3 .01 0 0 0. Pour chaque ´tage.21 0. les variables d’´tat e e (x1 .63) .62) y(t) = x(t) Pour les valeurs num´riques f = 0. nous obtenons les ´quations d’´tat : e e   β/VC −(f + β)/VC 0  x(t) + f /VC u(t) x(t) =  ˙ 0 f /VH β/VH −(f + β)VH (II. e on obtient : x(t) = ˙ −0. β = 0.. les ´quations de la physique s’´crivent : e VC dTC = fC (TCi − TC ) + β(TH − TC ) dt (II.2 −0. TH ) et les temp´ratures d’entr´e comme les commandes. de la capacit´ u e e e calorifique des fluides. temp´rature TH . d´bit fH ) et un ´tage froid (temp´rature d’entr´e TCi .5.9 – Echangeur de chaleur o` β est une constante d´pendant du coefficient de transfert de chaleur.61) dTH = fH (THi − TH ) − β(TH − TC ) VH dt fH Ti H TH T C Ti C V H V C fC Fig. Il comporte un ´tage chaud (temp´rature e e e d’entr´e THi .9.21 x(t) + 0. x2 ) = (TC .01 x(t) (II. e e e e e e e e e e temp´rature TC ..

>> echangeur=tf({[0.0041 0.41) p + 0.0021 --------------------s^2 + 0. 0.01 (II.den den}) Transfer function from input 1 to output.01*0..[1 0. e e ˙ I1 ωx = (I1 − I3 )Ωωy + ux (II..01 = (p + 0. la matrice de transfert est donn´e par : e G(p) = 1 p + 0.002 --------------------s^2 + 0.01 0.01*0.01..0041 #2: Exemple : satellite 5 On reprend les ´quations d’Euler du satellite en spin constant autour de l’axe en supposant e cette fois que Ixx = Iyy = I1 et Izz = I2 et ne retenant que le mouvement autour des axes x et y d´coupl´es comme on l’a vu du mouvement autour de l’axe z.01 0.21]}.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.42 s + 0.42 s + 0.2 p + 0.0041 0.0021 #1: --------------------s^2 + 0.2*0.01*0.01 s + 0.42 s + 0.LES MODELES EXTERNES En appliquant la formule (II.01 0 0 0..2 0.21] 0...01)(p + 0.21 0.. 0. {den den.2 [0.2 −0.64) 0.66) .002 #1: --------------------s^2 + 0.21 −1 51 0.01].42 s + 0.57).21 −0.01 s + 0.21 Script MATLAB 2 D´finition de la matrice de transfert de l’´changeur. e e >> den=conv([1 0.41]).2 p + 0.0041 #2: Transfer function from input 2 to output.

>> satellite=tf({[1 -25] [5 5].2 La matrice de r´ponse impulsionnelle e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) x(t0 ) = x0 Soit le mod`le LTI strictement propre poss´dant m entr´es et r sorties.[-5 -5] [1 -25]}... ` . s .25 -------s^2 + 25 #2: II.67) avec : = Script MATLAB 3 D´finition de la matrice de transfert de l’´changeur. {[1 0 25] [1 0 25].5. 5 s + 5 #1: -------s^2 + 25 s . j) donne ee eme ` eme ` la relation entre la j entr´e et la i e sortie a l’instant t.[1 0 25] [1 0 25]}) Transfer function from input 1 to output.25 #1: -------s^2 + 25 -5 s ..52 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES ωx ˙ ωy ˙ 0 a −a 0 u1 u2 On obtient donc la matrice d’entr´e : e G(p) = 1 2 + a2 p a(p + 1) p − a2 −a(p + 1) p − a2 (II. L’´l´ment (i.70) A chaque instant t.. g(t) est une matrice de dimensions r × m..69) ´ Definition II. e e e (II.68) ωx ωy ux /I1 uy /I1 u1 u2 = + (II.5.5 -------s^2 + 25 #2: Transfer function from input 2 to output..2 (la matrice de r´ponse impulsionnelle) e g(t) = CeAt B (II.. e e >> a=5.

y1 1 .LES MODELES EXTERNES 53 Pour des conditions initiales nulles x0 = 0.5.3 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. u m . um . · · · . up1 .73) fs (y1 . · · · . (II. e e e e a Exemple II. up1 . u pm ) m Du fait de la difficult´ ` les manipuler math´matiquement. · · · 1 . · · · .5.2 sorties) e e ˙ y ˙ y1 + 3y1 + 2¨1 = 4u1 + u2 + 2u3 y2 + y2 + 2¨2 = 4u1 + u2 + 2u3 ˙ y . la transform´e de Laplace permet de relier la matrice de r´ponse impulsione e nelle et la matrice de transfert. · · · . yr r ) = gs (u1 .72) Exemple : satellite 6 En reprenant les ´quations d’´tat d´finies ` la section pr´c´dente et en appliquant la e e e a e e m´thode de calcul de l’exponentiel de matrice par la transform´e de Laplace. yr r ) = g1 (u1 . 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.2 (syst`me 3 entr´es . e e e e n n f1 (y1 . yr .71) De plus. Dans le cas g´n´ral. 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. · · · . · · · . yr . le mod`le prend la forme e e e d’un syst`me d’´quations diff´rentielles entr´es-sorties. 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. · · · . · · · . upm ) 1 m . . y1 1 . g(t) = cos at − a sin at sin at + a cos at −a cos at − sin at −a sin at + cos at cos at sin at − sin at cos at II. · · · n . · · · n . . G(p) = L[g(t)] (II. · · · .

77) Exemple II. on obtient.3 (syst`me masse-ressort-amortisseur) e Soit le syst`me m´canique masse-ressort-amortisseur de la figure (II. ee e la simplification de la repr´sentation permet de d´velopper des m´thodes graphiques et e e e alg´briques qui sont difficilement g´n´ralisables au cas matriciel.10). Par application e e du principe fondamental de la dynamique. 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.3 (La fonction de transfert) Sous l’hypoth`se des conditions initiales nulles. 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. u(t).74). mono-sortie.54 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES II.5.74) (0) = 0 et si la transform´e de Laplace est appliqu´e aux signaux d’entr´e et de sortie. Dans le cas de mod`les externes.78) k M s(t) f e(t) Fig.76) ´ Definition II.5.10 – Syst`me masse-ressort-amortisseur e . e e e [an pn + · · · + a1 p + a0 ] Y (p) = [bm pm + · · · + b1 p + b0 ] U (p) (II. 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. e G(p) = bm pm + · · · + b1 p + b0 Y(p) = U(p) an pn + · · · + a1 p + a0 (II. e e e La fonction de transfert Soit un syst`me LTI mono-entr´e.5.75) y(0) = y(0) = · · · = y ˙ (n−1) (II.

4 (syst`me ´lectrique (suite)) e e En choisissant comme entr´e le courant u(t) d´livr´ par la source de courant et comme e e e sortie la tension aux bornes de la r´sistance. 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.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.81) La d´finition de la fonction de transfert est valide pour des conditions initiales nulles. on obtient la fonction de transfert e G(p) : G(p) = VR (p) R = U (p) 2 + RCp + 1 U (p) LCp (II. e e Fonction de transfert et r´ponse impulsionnelle e Soit un syst`me LTI SISO soumis ` une entr´e u(t) et donn´ par sa fonction de transfert e a e e G(p).80) Exemple II. e L’´volution d’un syst`me lin´aire pour une entr´e donn´e et des conditions initiales fix´es e e e e e e s’obtient alors par application du principe de superposition. Ainsi.82) Exemple : satellite 7 Reprenant les ´quations lin´aris´es du satellite (II.24) en ne retenant que le mouvement e e e suivant l’axe z et en supposant que le moment de perturbation est nul. on obtient alors ais´ment la fonction de e e e transfert du satellite suivant cet axe. 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.83) La fonction de transfert G(p) est appel´e double int´grateur. alors : s(t) = su (t) + s0 (t) (II.5. ψ(p) = 1 Uz (p) Izz p2 G(p) = 1 Izz p2 (II.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. Tz = 0 et que la sortie du syst`me est l’angle de pr´cession ψ. Cela donne la repr´sentation d’´tat ˙ suivante : x1 (t) = x2 ˙ f K 1 x2 (t) = − x2 − x1 + u(t) ˙ M M M (II. vR (t). . 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.

5.11 – Syst`me lin´aire e e ´ Definition II.g(t) et G(p) contiennent la mˆme information.4 (la r´ponse impulsionnelle) e Un syst`me ayant pour fonction de transfert G(p).5.5. e y(t) = g(t) ∗ u(t) .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.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. ` e z est G(p) = Izz p2 g(t) = L−1 [G(p)] = t Izz (II.87) (II.Une d´finition alternative pour la fonction de transfert est la transform´e de Laplace e e de la r´ponse impulsionnelle. 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 .86) . e e e Remarques II.mod`le alg´brique G(p) e e .2 1.85) Le produit de convolution est g´n´ralement not´ y(t) = g(t) ∗ u(t) = u(t) ∗ g(t). 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.88) ⇔ Y (p) = G(p)U (p) (II. e e ´ ` Theoreme II. e G(p) = L[g(t)] 2.56 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES U(p) G(p) Y(p) Fig.

il est dit strictement propre.6. le syst`me est dit propre alors que pour n > m.90) e e e πp est ´galement d´fini comme le plus petit d´nominateur commun de tous les mineurs possibles non identiquement nuls de G(p).1 Le polynˆme caract´ristique et les pˆles o e o x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) Soient le mod`le LTI d’´tat : e e (II.6. . ` l’inverse.6.89). POLES ET ZEROS D’UN MODELE LTI 57 II. Il est donc e e e e o e ´gal au nombre d’´tats dans le mod`le (II.91) (II.6 Pˆles et z´ros d’un mod`le LTI o e e Les pˆles et les z´ros d’un mod`le LTI sont essentiels pour sa caract´risation dynao e e e mique. 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).1 (polynˆme caract´ristique) o e Le polynˆme caract´ristique associ´ au mod`le LTI (II. e e II. 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.3 (pˆles) o Les racines du polynˆme caract´ristique sont appel´es les pˆles du syst`me et sont donc o e e o e les valeurs propres de la matrice dynamique. la caract´risation par la fonction de transe a e fert est tr`s simple. Si le syst`me est causal alors n ≥ m. e e e ´ Definition II. il est relativement ais´ de d´finir e o e e e les pˆles d’un mod`le LTI.89) est d´fini par : o e e e e πp (p) = det(p1n − A) (II. o e ´ Definition II. Nous revenons sur la notion d’ordre et de syst`me propre dans un cadre plus g´n´ral. la caract´risation par les matrices d’´tat e e e e est plus ais´e et dans le cas SISO.6.ˆ ´ ` II. e e ´ Definition II.2 (ordre et syst`me propre) e L’ordre du mod`le LTI est le degr´ le plus ´lev´ du polynˆme caract´ristique.6. Pour e e e e n = m.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. e A partir de la d´finition du polynˆme caract´ristique.

>> 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].1 1}.6.1 1 0].0 1.B=[1 0.0 1].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 0.0 -1 0.[1 1] [1 1]}).58 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Les pˆles d’un syst`me r´el sont n´cessairement r´els ou complexes conjugu´s puisque o e e e e e les coefficients des polynˆmes caract´ristique sont r´els.{[1 1] [1 2]. o e e Exemple II. >> C=[2 0 3.

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.ˆ ´ ` II. la notion de z´ro est univoque et les d´finitions de z´ros de e e e e transmission.93) . e Sous ces hypoth`ses. transfert) choisie. Ces syst`mes sont e e e e e e dits carr´s. u e e e e ` Hypotheses II. z0 est un z´ro du mod`le LTI ssi la mae e e trice M (z0 ) n’est pas de rang maximum : M (z0 ) = z0 1 − A −B C D (II.1 Les syst`mes ´tudi´s ont un nombre ´gal d’entr´es et de sorties m = r.6.94) (II. z0 est un z´ro ssi : e o e πz (z0 ) = 0 (II.4 (z´ro) e e e Etant donn´e la repr´sentation d’´tat (II.6. ce o e polynˆme est donn´ par : o e πp (p) = det G(p) Les z´ros sont alors les racines de ce polynˆme.6.1.6.89).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.90).0. Elle est ´troitement li´e ` la repr´sentation (´tat.0000 -1. POLES ET ZEROS D’UN MODELE LTI 59 Poles = -2.0000 + 0. e e e e ´ Definition II. e e e e e a On d´finit pour cela le polynˆme des z´ros.92) Les z´ros peuvent ´galement ˆtre caract´ris´s ` l’aide de la matrice de transfert (II.0000i -1. Sous les hypoth`se II. Nous ıtre e e a e e nous contenterons ici de r´sumer les principales caract´risations et nous nous placerons e e dans le cas o` les repr´sentations d’´tat et de transfert sont strictement ´quivalentes et u e e e o` le nombre d’entr´es est ´gal au nombre de sorties (syst`mes carr´s).0000 .6. de z´ros invariants et de z´ros d´couplants sont ´quivalentes.0000i >> Poles=pole(G) Poles = -1 -2 -1 II.

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 = 1.6.60 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Exemple II.0000 Remarques II.2 Reprenant l’exemple II.6.0000 >> [Poles.6.1 (syst`mes SISO) e Toutes ces d´finitions s’appliquent ´videmment au cas plus simple des syst`mes SISO e e e pour lesquels G(p) devient une fraction rationnelle dont le num´rateur est πz (p) et le e d´nominateur est πp (p).0000 >> Zero=zero(G) Zero = 1. 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. e .

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

7. e . e Exemple II. e e a ee e 2. II. le sch´ma fonctionnel est tr`s ´troitement ee e e e e e e associ´ aux fonctions de transfert.Identifier les relations inter-signaux et les relations signaux-blocs pour tracer le sch´ma fonctionnel. a ee 3. II.Un sch´ma fonctionnel n’est pas unique. e Remarques II.Il est ind´pendant de la nature physique du syst`me mod´lis´. c a + b Fig. Dans ce cas. calculer la fonction de transfert associ´e e e ` chaque ´l´ment en supposant les conditions initiales nulles.2 Sch´ma fonctionnel et fonctions de transfert e Comme il a ´t´ mentionn´ pr´c´demment.15 – Circuit RC .1 .62 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES .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.Ecrire les ´quations de la physique associ´es ` chaque ´l´ment constituant le syst`me.En appliquant la transform´e de Laplace.de blocs sommateurs.7. une proc´dure syst´matique de trac´ du e e e e sch´ma fonctionnel d’un syst`me donn´ peut ˆtre propos´e. e e e e + a−b+c − II.7.14 – Bloc sommateur Le bloc sommateur traduit une relation purement alg´brique entre les signaux e d’entr´e et de sortie.

Les ´quations ´lectriques donnent : e e e(t) − s(t) = Ri(t) s(t) = 1 C t 63 i(τ )dτ 0 2. 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. II.LES MODELES GRAPHIQUES 1.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.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). e a e e e . r´alisant ainsi un syst`me ` contre-r´action tel qu’il a ´t´ d´fini e e e a e ee e dans le premier chapitre.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) = 3.17.

II. E(p) + S(p) − (II. Y (p) comme la sortie mesur´e et e e e (p) comme l’erreur.96) ε (p) G(p) S(p) Fig. 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. ´ Definition II.7.2 (fonction de transfert en Boucle Ouverte) La fonction de transfert en boucle ouverte ou gain de boucle est d´finie comme : e Y(p) = G(p)H(p) E(p) Elle correspond au transfert si la boucle est ouverte en A.97) .7.4 (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.3 (fonction de Transfert en Boucle Ferm´e) e La fonction de transfert en boucle ferm´e est d´finie comme : e e S(p) G(p) = E(p) 1 + G(p)H(p) Elle correspond au transfert ”global” de la boucle d’asservissement.17 – Asservissement a contre-r´action ` e On d´finit E(p) comme l’entr´e de consigne.18 – Syst`me boucl´ ` retour unitaire e ea ´ Definition II.64 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES Chaîne directe E(p) + Y(p) − A ε (p) G(p) S(p) H(p) Chaîne de retour Fig. II. Un cas particulier que l’on rencontre fr´quemment est celui des syst`mes boucl´s ` e e e a retour unitaire. ´ Definition II.95) (II.7.

Sch´ma de d´part e e A + B - Sch´ma ´quivalent e e A + C + A-B + C + A-B+C A+C + B - A-B+C 1 B A + C A-B+C + A + B - A-B + + A-B+C C 2 A 3 G1 AG 1 G2 AG 1G 2 A G2 AG 2 G1 AG 1G 2 A 4 G1 AG 1 G2 AG 1G 2 A G 1G 2 AG 1G 2 A G1 AG 1 + AG 1 + AG 2 + AG 2 A 5 G2 G1 + G2 AG 1 + AG2 Fig.19 – Alg`bre des sch´mas fonctionnels e e .20.7.3 R`gles d’alg`bre dans les sch´mas fonctionnels e e e Quand le syst`me est complexe. Ces r`gles sont r´sum´es e e e e e dans les tableaux II. le sch´ma fonctionnel peut comporter un nombre ime e portant de blocs et de boucles. II.19 et II. On dispose alors d’un certain nombre de r`gles permettant e de le simplifier en agr´geant les blocs et en r´duisant les boucles.LES MODELES GRAPHIQUES 65 II.

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

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. 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. les sch´mas fonctionnels peuvent aussi servir a donner une image graphique e ` des mod`les dans l’espace d’´tat.98) y(t) = C(t)x(t) + D(t)u(t) a pour ´quivalent le sch´ma fonctionnel II. e e Ainsi.7.21 : e e u(t) .4 Sch´mas fonctionnels et repr´sentation d’´tat e e e Bien qu’utilis´s le plus souvent en liaison avec les mod`les entr´e-sortie du type fonction e e e de transfert. les matrices sont constantes et l’on peut d´composer ce sch´ma en faisant apparaˆ e e ıtre les diff´rents ´l´ments constitutifs. Dans le cas des syst`mes e e e LTI. II.22. x(t) x(t) y(t) B(t) + C(t) + + + A(t) D(t) Fig.LES MODELES GRAPHIQUES 67 II.21 est d´crit dans le domaine temporel. e ee Exemple II.2 Le sch´ma fonctionnel II.21 – Sch´ma fonctionnel d’une repr´sentation d’´tat e e e Remarques II.7.

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

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

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

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

C est u de rang n.1. B ∈ Rn×m est commandable ssi la matrice de commandabilit´. 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. B = 0.E.Si un syst`me n’est pas compl`tement commandable alors pour certaines conditions e e initiales il n’existe pas d’entr´e de commande pouvant ramener le syst`me ` l’origine. Remarques III.72 COMMANDABILITE ET OBSERVABILITE Zurich (ETH). e . e e a . Il est membre de l’acad´mie des sciences am´ricaine.2 Crit`re de commandabilit´ e e Il est clairement difficile d’utiliser directement la d´finition pr´c´dente afin de d´cider e e e e de la commandabilit´ d’un syst`me LTI donn´.1 (crit`re de Kalman) e Un syst`me LTI d’´quation dynamique d’´tat.Un syst`me trivialement non commandable est celui dont la matrice d’entr´e est e e nulle. 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. =n (III. . · · · . e e e x(t) = Ax(t) + Bu(t) ˙ (III. .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 .1.1.2) .1. Kalman a propos´ un crit`re simple construit ` partir de ces e e a deux matrices. AB . III.1 Notion de commandabilit´ e D´finition e Comme nous l’avons d´j` mentionn´ dans l’introduction de ce chapitre. e e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. R. hongroise.1) e o` A ∈ Rn×n . ´ ` Theoreme III. · · · n alors le syst`me est compl`tement ee commandable. modification des dynamiques propres). III. 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 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. An−1 B .1.1 . . e e ´ Definition III. fran¸aise e e c et russe.1 III. B . . rang(C) = rang .

e e Exemple : satellite 9 (mouvement suivant z) Les matrices dynamique et de commande du satellite sont. A= 0 1 0 0 B= 0 1/Izz Le syst`me est donc commandable puisque. h2 ) et R1 = R2 = 1.2 (test PBH) La paire (A. rang(C) = rang B AB = rang 1 −1 0 0 =1 = −1 1 0 1 x1 (t) x2 (t) + 1 0 u(t) Cela implique que le syst`me n’est pas compl`tement commandable.1 Soit le syst`me de bacs mod´lis´ par : e e e c2 dh2 h2 = q2 = dt R2 h2 h1 dh1 c1 − +u = q 2 − q1 + u = dt R2 R1 q2 u h2 h1 q1 En choisissant (x1 . e ` (III.1. B) sera appel´e come e e e mandabilit´ de la paire (A.3) . e rang(C) = rang B AB = rang 0 1/Izz 1/Izz 0 =2 Un crit`re de commandabilit´ ´quivalent au crit`re de Kalman quoique moins facile a e ee e ` manipuler est le crit`re PBH (Popov-Belevitch-Hautus). B) est commandable ssi la matrice complexe n × (n + m) : λ1 − A B est de rang ´gal a n pour toute valeur propre λ de A. Physiquement.1.NOTION D’OBSERVABILITE 73 Remarques III. il e e est clair que le niveau du bac 2 ne peut ˆtre modifi´ par la commande. c1 = c2 = 1. on obtient : x1 (t) ˙ x2 (t) ˙ On peut alors calculer. e Exemple III. B). e ´ ` Theoreme III.1. x2 ) = (h1 .2 La commandabilit´ d’un syst`me de matrices caract´ristiques (A.

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 ]. 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. e e x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) (III. O est de rang n. e a e ´ Definition III. C).4) e o` A ∈ Rn×n . estim´ ou filtr´ ` partir a e e ea des donn´es fournies par la sortie. u   C  · · ·     CA     · · ·  rang(O) = rang  (III.   .2 L’observabilit´ d’un syst`me de matrices caract´ristiques (A. ´ ` Theoreme III.1 Notion d’observabilit´ e D´finition e Une caract´ristique structurelle compl´mentaire (duale) de la commandabilit´ peut e e e ´galement ˆtre d´finie. · · · .2 Crit`re d’observabilit´ e e Un crit`re de Kalman existe ´galement pour la notion d’observabilit´ et fait intervenir e e e la matrice dynamique A et la matrice de sortie C.1 (crit`re de Kalman) e Un syst`me LTI d’´quations dynamique et de mesure. Exemple III.2.2. Elle correspond ` la capacit´ pour un syst`me ` connaˆ l’histoe e e a e e a ıtre rique d’un ´tat interne ` partir de la seule connaissance de variables de sortie mesur´es.1 Clairement.74 COMMANDABILITE ET OBSERVABILITE III. .2. C) sera appel´e observabilit´ e e e e e de la paire (A.2. n alors le syst`me est compl`tement ee observable.    · · ·  CAn−1 Remarques 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 . e e Si cette propri´t´ est vraie ∀ t0 et ∀ i = 1. C ∈ Rr×n est observable ssi la matrice d’observabilit´.2. e III. Remarques III.2.2.5)  = n   .2 III.

B ∈ Rn×m . e e e Σ x(t) = Ax(t) + Bu(t) ˙ y(t) = Cx(t) Σdual ˙ ξ(t) = A ξ(t) + C ν η = B ξ(t) (III. On a alors le r´sultat suivant liant les conditions de u e commandabilit´ et d’observabilit´ des deux syst`mes Σ et Σdual . C ) est commandable ssi Σ (A. e ` (III. 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.2. rang(O) = rang C CA = rang 1 0 1 1 =2 75 Cela implique que le syst`me est compl`tement observable. e e Exemple : satellite 10 (mouvement autour de z) Si l’on mesure la vitesse angulaire. e rang(O) = rang C CA = rang 0 1 0 0 =1 Il est effectivement impossible physiquement de reconstruire la vitesse et la position angulaire avec la seule connaissance de la vitesse. ` e ´ ` Theoreme III. C) est observable ssi la matrice complexe (n + r) × n : λ1 − A C est de rang ´gal a n pour toute valeur propre λ de A. e e e e . les matrices dynamique et de sortie du satellite sont. e e D´finissons pour cela les mod`les d’´tat. De mˆme que pour la commandabilit´. C ∈ Rr×n . e e e ´ ` Theoreme III. B ) est observable. B) est commandable ssi Σdual (A .NOTION D’OBSERVABILITE On peut alors calculer. C) est observable. A= 0 1 0 0 C= 0 1 Le syst`me n’est donc pas observable puisque. ´ Definition III.2 (test PBH) La paire (A.Σ (A. .2.2 (syst`me dual) e Le syst`me Σdual est appel´ syst`me dual du syst`me Σ.Σdual (A .2.2.7) o` A ∈ Rn×n .6) III.3 .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´.

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

. 0    . une seule convenant. n. Ji2 ..2 e e Soit A ∈ Rn×n ayant k valeurs propres distinctes pi . Soit qi la multiplicit´ g´om´trique associ´e ` chaque valeur propre. Jk ) La partition de P est identique ` celle de J.. k de multiplicit´ alg´brique respective mi ... u Dans le cas o` une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation u est plus complexe.. p2 . 1  .3. pn ) o` Aei = pi ei ∀ i = 1. a . 1  · · · 0 pi (III. ´ ` Theoreme III. 1.1 Si la matrice A ∈ Rn×n a n valeurs propres distinctes p1 . P = [e1 e2 · · · en ] est telle e e que : ˜ P −1 AP = A = diag(p1 . · · · . · · · . on d´finit un bloc de Jordan de e  pi 1   0 pi  Ji =  . · · · .  . . 0 ··· Pi = [e1 · · · eqi ] i i dimension mi × mi  0 ··· 0 . · · · . J2 . Jili ) o` Jik est un bloc de Jordan de taille inf´rieure ` mi .Si 1 < qi < mi . pi ) 2. . · · · . . i = 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 . ´ ` Theoreme III.  . c’este e e e a e a `-dire le nombre de vecteurs propres ind´pendants e1 · · · eqi associ´s ` chaque valeur a e i i propre.Si qi = mi . .  . Il existe alors plusieurs possiu e a bilit´s qui doivent ˆtre test´es.  .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. il est possible u d’effectuer un changement de base la diagonalisant. pn alors la matrice de passage compos´e en colonnes des vecteurs propres associ´s.10) e e 3. . p2 .Si qi = 1. · · · . on d´finit un bloc diagonal Ji de dimension mi × mi et une matrice e Pi ∈ Rn×mi : Ji = diag(pi . · · · .3. on d´finit un bloc diagonal Ji de dimension mi × mi form´ comme : Ji = diag(Ji1 ..  .

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

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

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

(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.21) 0 1 Cas des syst`mes non strictement propres e Dans ce qui pr´c`de.3. 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 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. Dans le cas d’un syst`me mod´lis´ par une fonction e e e e e de transfert propre. la Izz p2 D’autre part.20) 1/Izz 0 En ce qui concerne. ce qui n’est e e e e pas toujours v´rifi´ en pratique.RELATIONS ENTRE MODELES INTERNES ET EXTERNES 81 1 . la forme canonique d’observabilit´. les syst`mes sont suppos´s strictement propres.2 Soit la fonction de transfert : H(p) = 4p3 + 8p2 + 2p + 1 p3 + 4p2 + p −8p2 − 2p + 1 p3 + 4p2 + p a b c √ + √ + p p+2+ 3 p+2− 3 N (p) N (p) =D+ D(p) D(p) (III.22) = 4+ = 4+ . du fait que le polynˆme caract´ristique associ´ est Psat. F (p) = Exemple III.

25 x2 -0.626 d = .2115 x3 -1.82 MODELES MATHEMATIQUES DES SYSTEMES LINEAIRES compagne de commande peut alors ˆtre donn´e e e    0 0  x(t) +  0  u(t) 1 −4 1 Une repr´sentation d’´tat sous forme e e par :  0 1  0 0 x(t) = ˙ 0 −1 y(t) = 1 −2 −8 x(t) + 4u(t) La repr´sentation d’´tat sous forme modale peut ´galement ˆtre d´duite : e e e e e     0 0√ 0 1  0 −2 − 3 0 √  x(t) +  1  u(t) x(t) = ˙ 1 0 0 −2 + 3 y(t) = a b c x(t) + 4u(t) Script MATLAB 6 >> H=tf([4 8 2 1].2679 0 x3 0 0 -3.’modal’) a = x1 x2 x3 x1 0 0 0 x2 0 -0.899 4.[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.732 b = x1 x2 x3 u1 4 4.899 c = y1 x1 0.

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

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. Enfin.Le mod`le entr´e-sortie du type ´quation diff´rentielle ne repr´sente que la partie e e e e e observable d’un syst`me.3 Une r´alisation d’´tat (A. e Exemple III.L’´quation diff´rentielle entr´e-sortie se d´duit ` partir des ´quations diff´rentielles e e e e a e e suivantes. e e e ee ´ ` Theoreme III. e .4 Soit le syst`me compos´ structur´ comme indiqu´ figure 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. D) de G(p) est minimale (irr´ductible) si et seulement si e e e elle est commandable et observable.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.3.3.4 .Le mod`le entr´e-sortie du type fonction de transfert ne repr´sente que la partie e e e observable et commandable d’un syst`me. Dans ce cas. B. C. e e e e + + y1 -3 1 p+2 x1 + 3 p+1 x3 1 p+1 x2 + y2 + y u Fig.3.1 – Syst`me structur´ e e . e e ´ ` Theoreme III. ˙ y + y = y1 − y1 ¨ ˙ ¨ ˙ y1 + 2y1 = u + u ˙ y + y = y1 − y1 ˙ ˙ ˙ ¨ ˙ y1 + 2y1 = u + u ¨ (1) (2) (3) (4) . 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. III. Y (p) p−1 = U (p) p+2 .1.

Il faut e e donc choisir la base dans laquelle sera ´crite la repr´sentation d’´tat que l’on souhaite. e y + 3y + 2y = −u ¨ ˙ L’ordre est ´gal a 2 et il y a deux pˆles associ´s −2 et −1. Le probl`me est complexe puisque l’on dispose d’une e e e e unique fonction de transfert pour un choix non unique de la repr´sentation d’´tat. on a : Y (p) = F (p) = U (p) N (p) (p − pi ) i=1.Pˆles simples r´els : o e Dans ce cas.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. · · · .25) Le choix des variables d’´tat est alors naturel : e ∀ i = 1.··· . Algorithmes de r´alisation e A l’instar de ce qui a ´t´ fait pour la pr´sentation des formes canoniques compagnes ee e du polynˆme caract´ristique. La m´thode o e e g´n´rale consiste alors a d´composer F (p) en ´l´ments simples. 2 non commandable u o e et non observable. −1 non commandable et observable. commandable et observable.RELATIONS ENTRE MODELES INTERNES ET EXTERNES et permet d’´crire. e ` o e .n (III. seul le cas des syst`mes monovariables sera pr´sent´. n Xi (p) = U (p) p − pi (III. La r´f´rence [12] peut servir a approfondir ce sujet.Une ´quation d’´tat d’ordre 3 est donn´e par.···n = αi p − pi i=1.26) . 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. Le o e e e e cas des syst`mes multivariables peut ˆtre abord´ de mani`re identique mais n´cessiterait e e e e e beaucoup plus de temps. e e ` e ee . e e e Obtention d’une forme diagonale ou de Jordan Cela suppose que l’on peut factoriser e le polynˆme caract´ristique du syst`me P (p) = (p − p1 )(p − p2 )(· · · )(p − pn ). ee ` On suppose donc que le syst`me monovariable LTI est mod´lis´ par une fonction de e e e transfert : F (p) = N (p) bn−1 pn−1 + · · · + b0 = n+a n−1 + · · · + a p D(p) n−1 p 0 (III.

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

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

92

COMMANDABILITE ET OBSERVABILITE

III.5

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

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

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

Wc =

eAτ BB eA τ dτ

(III.49)

0

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

(III.50)

Wo =

eA τ C CeAτ dτ

(III.51)

0

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

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

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

93

94

COMMANDABILITE ET OBSERVABILITE

III.6
III.6.1

Fonctions MATLAB
Fonctions d’alg`bre de base e

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

III.6.2

Fonctions d’analyse des mod`les LTI e

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

III.6.3

Fonctions de conversion entre mod`les LTI e

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

Chapitre IV Stabilit´ des syst`mes LTI e e

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

IV.1
IV.1.1

La stabilit´ BIBO e
D´finition e

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

95

96

STABILITE DES SYSTEMES LTI

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

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

IV.1.2

Caract´risations de la stabilit´ BIBO e e

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

|g(τ )|dτ ≤ k < ∞
1 t, Izz

(IV.2)

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

ce qui conduit a `

1 1 t2 τ dτ = Izz Izz 2

(IV.3)

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

1. D) est BIBO stable ssi les valeurs e e propres de A sont a parties r´elles strictement n´gatives.2 Un syst`me LTI de matrice de transfert G(p) est BIBO-stable si et seulement si tous e les pˆles de G(p) appartiennent au demi-plan complexe gauche. ` e e Exemple IV.e.5083i 0. 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.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. Munis de cette interpr´tation monovariable. e e e ´ ` Theoreme IV.5083i -1. tous les pˆles sont a o o ` partie r´elle n´gative. 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. Q le nombre de pˆles r´els et R le nombre de paires u e o e de pˆles complexes conjugu´s.1.3429 + 1. C. 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.4) 2 2 (p2 − 2αj p + (αj + ωj )) (p − σk ) j=1 o` N est le nombre d’int´grations.´ IV. apr`s d´composition en ´l´ments simples. B. i.1.6) Un syst`me LTI de r´alisation minimale (A.3429 . En supposant que N = 0 alors la r´ponse impulsionnelle o e e du syst`me peut s’´crire.1.5) 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. il est possible de donner une e e e caract´risation multivariable plus g´n´rale.6681 . Le demi-plan gauche est appel´ la r´gion de stabilit´.

5088 -0. Il n’y a donc pas de simplification pˆlese o z´ros dans la matrice de transfert G(p). Routh est senior e ` Wrangler alors que Maxwell est second et le prix Smith est partag´ entre eux.6681 -0.7020i -0.[1 2 3 6 5 3]).5088 + 0.1.5083i + 0. eig(A) ans = 0.3429 -1. ea o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV. ce qui peut ˆtre fastidieux pour des ordres ´lev´s.1. .B.5088 .98 STABILITE DES SYSTEMES LTI -0. Il meurt le 7 juin 1907 a ` Cambridge. 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. En 1854. La m´thode consiste a construire ` e e ` un tableau form´ ` partir des coefficients du polynˆme caract´ristique πp (p).7020i >> >> >> >> G=tf([1 1]. Canada.0. A treatise on analytic statistics. Il vient en Angleterre e ` en 1842 et ´tudie avec De Morgan a Londres. 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).5088 + 1.5083i . IV.C. Il entre a Peterhouse en mˆme temps que e ` ` e Maxwell qui le quitte peu apr`s pour entrer a Trinity College.0. o e Cette derni`re caract´risation n´cessite le calcul explicite des pˆles de la fonction e e e o de transfert.7020i Le polynˆme caract´rstique a 3 racines stables et 2 instables.3429 0.7) Le syst`me est observable et commandable.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. sys=ss(G).8) Biographie 7 (Edward John Routh et Adolf Hurwitz) Edward John Routh est n´ le 20 janvier 1831 a Quebec. [A. (1891) et A treatise on dynamics of a particle (1898).D]=ssdata(sys). 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 .

1. Son premier professeur est Schubert.1. e Le syst`me est donc stable si et seulement si tous les coefficients de la premi`re colonne e e sont positifs. Il meurt le 18 novembre e 1919 a Z¨rich. Il travaille ´galement e sur les surfaces de Riemann. Il ´tudie la th´orie de ` a u e e la factorisation des quaternions entiers en 1896. En 1884. .1. Si l’´l´ment au dessous de est positif. on calcule le tableau de Routh suivant. p0 cn−1 cn−3 cn−5 4.´ IV.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. . pn−2 bn−1 bn−3 bn−5 pn−3 . Si l’´l´ment au dessous de est n´gatif. Si un ´l´ment de la premi`re colonne est nul.Si tous les coefficients sont positifs. . .Ecrire le polynˆme sous la forme (hypoth`se a0 = 0) o e πp (p) = an pn + an−1 pn−1 + · · · + a1 p + a0 (IV. la th´orie des fonctions complexes et ´crit e e plusieurs papiers sur les s´ries de Fourier.Si un des coefficients est nul ou n´gatif alors qu’un autre coefficient au moins est e positif. on le remplace alors par > 0 et on ee e continue la construction du tableau. . e ` Puis.1 1. 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 . il occupe une chaire a K¨nigsberg o` il enseigne a Hilbert. il existe une ee racine a partie r´elle nulle. il remplace Frobenius a ETH ` Z¨rich. ` e . ` o u ` En 1892.9) 2. 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 . Weierse ` e u trass et Kronecker. e ´ ` Theoreme IV. 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. an−4 an−5 an an−6 an−1 an−7 =− an−1 an−1 an−7 bn−1 bn−7 =− bn−1 . . . il existe une racine ou des racines imaginaires ou nulle ou a partie r´elle ` e positive. LA STABILITE BIBO 99 Adolf Hurwitz est n´ le 26 mars 1859 a Hanovre. Il fait son doctorat a Leipzig sous l’autorit´ de Klein en 1881 sur les ` e fonctions modulaires. ` u ´ Procedure IV.Appliquer le crit`re de Routh-Hurwitz. 3. .

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.1. e 2.1 1.Un z´ro dans la premi`re colonne indique une racine imaginaire pure (jω). 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 . o e πp (p) = a3 p3 + a2 p2 + a1 p + a0 Le tableau de Routh est construit comme. e e 3.1.Une ligne compl`te de z´ros indique que le polynˆme caract´ristique peut ˆtre face e o e e toris´ de telle mani`re ` faire apparaˆ e e a ıtre un facteur d’ordre pair dont les racines sont sym´triques par rapport a 0.3 (un z´ro dans la premi`re colonne) e e Soit le polynˆme caract´ristique. 0 est remplac´ par . La ligne au dessus de cette ligne nulle contient les e ` coefficients du polynˆme alors que les lignes au dessous testent ce polynˆme.100 STABILITE DES SYSTEMES LTI Remarques IV.2 (ordre 3) Soit le polynˆme caract´ristique. o e πp (p) = p5 + 2p4 + 3p3 + 6p2 + 5p + 3 Le tableau de Routh est construit comme. e e a2 a1 > a3 a0 Exemple IV. o o Exemple IV. ` e .1.Le nombre de racines du polynˆme caract´ristique ` partie r´elle n´gative est ´gal o e a e e e au nombre de changement de signes dans la premi`re colonne. Il y a donc deux racines a partie r´elle positive. Afin de e e compl´ter le tableau.

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

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

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 → +∞.16) (IV.´ IV. e .4 (stabilit´ exponentielle) e Un point d’´quilibre xe est exponentiellement stable s’il existe α > 0 et λ > 0 tels que : e ∀t > 0 . LA STABILITE INTERNE x2 x0 ε +α −α −ε 103 x(t.1). la stabilit´ exponentielle implique la stabilit´ asymptotique qui implique la e e stabilit´.2. e e e e Elle signifie que la trajectoire d’´tat peut ˆtre gard´e arbitrairement pr`s de xe . ´ Definition IV.x0 ) xe t x1 Fig. pour une condition initiale x0 ∈ Br converge vers e e xe plus rapidement qu’une fonction exponentielle. IV. r) . ∀ x0 ∈ Br . e ´ Definition IV.5 (stabilit´ globale) e Si la propri´t´ de stabilit´ asymptotique (exponentielle) est v´rifi´e quelle que soit x(0). ∃ Br (xe . D’autre part. λ est appel´ le taux de convergence. ` ´ Definition IV.1 – Stabilit´ au sens de Lyapunov e La stabilit´ au sens de Lyapunov est ´galement d´finie comme la stabilit´ interne. ||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.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.2.2. si l’on e e e e prend une condition initiale suffisamment proche de xe (voir figure IV.15) Cela signifie que le vecteur d’´tat.

e 1.2.si un pˆle est tel que Re(pj ) = 0. r}. r}.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. Re(pj ) > 0. pour j ∈ {1. r}.Si toutes les valeurs propres de A ont une partie r´elle non positive. pr . on e e o e suppose que xe = 0 est un point d’´quilibre.2. · · · .2 Crit`res de stabilit´ interne des mod`les LTI e e e x(t) = Ax(t) + Bu(t) ˙ (IV. Re(pj ) ≤ 0. 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. poss´dant r valeurs propres distinctes (r pˆles) p1 . 3. ´ ` Theoreme IV.2. e . la position B a un point ` e ` d’´quilibre stable et la position C a une position d’´quilibre asymptotiquement stable.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. r}. · · · .2. et la multiplicit´ est o e sup´rieur a 1 alors. · · · . e ` (a) si les blocs de Jordan associ´s ` pj sont scalaires alors xe est un point e a d’´quilibre stable marginalement.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.si un pˆle est tel que Re(pj ) = 0. · · · .17). e e a e e IV. .Si un des pˆles du syst`me est instable. alors xe est un point ea d’´quilibre instable.si Re(pj ) < 0. e . pour j ∈ {1. alors xe est un point d’´quilibre asymptotiquement stable. · · · . pour tout j ∈ {1. La position A correspond a un point d’´quilibre instable. IV. e ` e A B C Fig.2 – Stabilit´ de l’´quilibre d’une bille e e Remarques IV.2 Pour le syst`me (IV. et la multiplicit´ est 1 o e e alors xe est un point d’´quilibre stable marginalement. e (b) si un des blocs de Jordan associ´ ` pj est non scalaire. alors xe o e est un point d’´quilibre instable. r}. e pour tout j ∈ {1. alors. pour j ∈ {1. 2. · · · .

0000i -2.-2 2 2].3333 1. >> eig(A2) ans = -1.9999 >> A3=[-2.-1.´ IV.6667 −2.6667 3.-1.6667 2  0 0 0 A4 =  0 0 0  1 0 −1  0.2.6667 Script MATLAB 9 >> A1=[-3 2 3.3333 0.0.1 Soient les syst`mes autonomes dont le mod`le d’´tat LTI est donn´ par la matrice dynae e e e mique A.2. LA STABILITE INTERNE 105 Remarques IV.0000 >> A2=[-1.0001 >> A4=[0 0 0.3333 2].3333 A5 =  −0.6667 3 A1 =  −1 −3 0  A2 =  −1.     −3 2 3 −1.3333 -2.3333 3 A3 =  −1.3333 2  .3333 1.3333 1.3333 1.0000i -1.0000 + 0.0000 0.9999 -1.6667 0.6667 0.6667 0.6667 0.0 0 0.3333  1.3333 −0.-1 -3 0.3333 −2.3333 0  −2 2 2 −0. o e Exemple IV.0000 .3333 3.3333 1.0000 -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).2.6667 -2.1 0 -1]. >> eig(A4)    −2.2 La stabilit´ interne de (IV.6667 0.6667 −0.3333 1.3333 0.-0.6667 0  −1.6667 0.0000 -1. >> eig(A1) ans = -1.-1.6667 2]. >> eig(A3) ans = 0.

3333.3333.3 Stabilit´ BIBO et stabilit´ interne e e Pour les mod`les LTI.6667 -0. ` e e A B C D IV. il est possible sous certaines hypoth`ses d’´tablir un lien entre e e e stabilit´ BIBO et stabilit´ asymptotique.6667 0.2.106 STABILITE DES SYSTEMES LTI ans = -1 0 0 >> A5=[0.4 Nature des points d’´quilibre en dimension 2 e Au del` de sa nature stable ou instable.S]=eig(A5) V = 0.-0.3333 1.3 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. e e G(p) : = les propositions suivantes sont ´quivalentes : e 1. e 2.6667 0.3333 0.2.6667].1.3333 1.4364 0.3333 -0.2182 -0.6667 S = 0 0 0 0 -1.6667 -0.0 est un point d’´quilibre stable asymptotiquement pour le syst`me autonome. e 4.0000 IV. e e e . e e ´ ` Theoreme IV.Toutes les valeurs propres de A sont a partie r´elle strictement n´gative.8729 -0.6667 0.Tous les pˆles de la fonction de transfert H(p) sont a partie r´elle strictement o ` e n´gative.2.0000 0 0 0 -0. les points d’´quilibre d’un syst`me peuvent a e e ˆtre class´s en des types vari´s. >> [V.3333 -0. e e 3.3333 0.Le syst`me est BIBO-stable.

.  . e 6 4 2 x2 0 −2 −4 −6 −12 −10 −8 −6 −4 −2 $x1$ 0 2 4 6 8 Fig. l’´quation (IV.3 – Noeud stable . En effet.  .. les valeurs propres peuvent e e ˆtre r´elles ou complexes conjugu´es. . 0 ···  0 ..p1 .. la r´ponse du syst`me ` une condition initiale e non nulle est.19) peut ˆtre utilis´e afin e e e e de caract´riser la nature du point d’´quilibre 0.19) P −1 = base. stables ou instables.´ IV.  . Cela donne des caract´ristiques e e e e diff´rentes aux trajectoires d’´tat. pn sont distinctes. w1 w2 · · · wn P est la matrice modale de changement de  p1 0   0 p Λ= .  . e e e . p2 < 0 sont stables.. En ´crivant la matrice A e e a dans la base form´e des vecteurs propres ξi .Les deux valeurs propres p1 . e e x(t) = Ax(t) ˙ 107 (IV. 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. p2 sont r´elles.18) e on suppose que les n valeurs propres p1 . · · · . IV. .2. LA STABILITE INTERNE Etant donn´ un mod`le LTI autonome.2 . 0  0 pn Dans le cas d’un syst`me de dimension 2. ··· .. le point d’´quilibre 0 est un noeud stable.

5 −0.2 0.6 −0.σ < 0. IV. le point d’´quilibre 0 est un point-selle (col) instable. p1 = σ+jω.4 – Point selle .2 0. le point d’´quilibre 0 est un noeud instable. e .2 −0.σ > 0.6 – Centre .Les deux valeurs propres p1 .5 – Foyer stable . le point d’´quilibre 0 est un foyer instable.108 STABILITE DES SYSTEMES LTI . 50 40 30 20 10 0 −10 −20 −30 −40 −50 −4 −3 −2 −1 0 1 2 3 4 Fig. e .3 −0.4 −0.p1 .σ = 0. le point d’´quilibre 0 est un centre.6 0.8 1 Fig. le point d’´quilibre 0 est un foyer stable.1 −0. e 0. IV. e e .p1 < 0 et p2 > 0.4 0. IV.2 0 0.3 0.1 0 −0. e 6 4 2 0 −2 −4 −6 −6 −4 −2 0 2 4 6 Fig. p2 > 0 sont instables. p2 sont complexes conjugu´es. p2 = σ−jω.4 −0.

Equation du mouvement : m¨ + bx|x| + k0 x + k1 x3 = 0 x ˙ ˙ 2. ` Exemple IV. IV. e on obtient diff´rentes ´quations e e M Fig. La philosophie o e e e e de la m´thode r´side dans l’extension math´matique d’une observation fondamentale de e e e la physique. 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. 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. ici l’´nergie totale.7 – Syst`me masse-ressort e 1.1 (le syst`me masse-ressort-amortisseur) e En appliquant le principe fondamental de la dynamique au centre de gravit´ de la masse.LA METHODE DE LYAPUNOV 109 IV. Il meurt le 03 novembre 1918 a Odessa.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. 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. ”Si l’´nergie totale d’un syst`me est dissip´e de mani`re continue alors le syst`me (qu’il e e e e e soit lin´aire ou non lin´aire) devra rejoindre finalement un point d’´quilibre”. e e 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. 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.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 .3. e Biographie 8 (Aleksandr Mikhailovich Lyapunov) Aleksandr Mikhailovich Lyapunov est n´ le 6 juin 1857 a Yaroslavl en Russie. Russie. La m´thode de Lyapunov permet e e de d´terminer la stabilit´ d’´quations diff´rentielles tr`s g´n´rales.

La masse est tir´e loin e e de sa position d’´quilibre (longueur naturelle du ressort) puis lach´e.Energie totale : 0 1 1 (k0 β + k1 β 3 )dβ = k0 x2 + k1 x4 1 1 2 4 1 1 1 Em = V (x) = k0 x2 + k1 x4 + mx2 ˙ 2 4 2 Remarques IV. e e e e . = .Les propri´t´s de stabilit´ peuvent ˆtre caract´ris´es par la variation de l’´nergie ee e e e e e m´canique au cours du temps.3. e La m´thode directe de Lyapunov est fond´e sur l’extension de ces concepts. ` partir d’une valeur initiale.110 3. est dissip´e de mani`re continue e e a e e par l’amortisseur jusqu’au point d’´quilibre.La stabilit´ asymptotique implique la convergence de l’´nergie vers 0. e e a e e On peut donc supposer que : . e Etude de la variation de l’´nergie m´canique : e e d ˙ ˙ [V (x)] = (m¨ + k0 x + k1 x3 )x = −b|x|3 x dt L’´nergie du syst`me. 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 .Energie potentielle : x Epot. e e . Reprendra t-elle sa e e position d’´quilibre? e Etude de l’´nergie m´canique totale : e e .1 . e e e .Le point d’´nergie m´canique nulle est le point d’´quilibre.Energie cin´tique : e 1 1 Ec = m x 2 = m x 2 ˙ ˙2 2 2 .L’´nergie m´canique refl`te indirectement l’amplitude du vecteur d’´tat.L’instabilit´ est li´e ` la croissance de l’´nergie m´canique. 0) e STABILITE DES SYSTEMES LTI La question est de savoir si ce point d’´quilibre est stable.Point d’´quilibre : (0.

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

la fonction V (x. Dans le cas des syst`mes LTI. il n’existe pas de m´thode e e e syst´matique pour choisir une fonction de Lyapunov convenable. Dans le cas non lin´aire.2 1.3 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 > 0.8 – Illustration de la m´thode de Lyapunov e Remarques IV.22) On consid`re une fonction candidate de Lyapunov quadratique. de l’intuition et de consid´rations physiques et de quelques m´thodes pare e e tielles (suffisantes). e e 2||x||→+∞ lim V (x) = +∞. t).112 STABILITE DES SYSTEMES LTI C1 < C2 < C 3 x2 x0 V = C3 . alors 0 est un point d’´quilibre globalement asymptotiquement stable.23) ´ ` Theoreme IV. t) est une fonction de Lyapunov et l’on peut e e conclure ` la stabilit´ sinon aucune conclusion ne peut ˆtre donn´e et il faut alors a e e e recommencer le processus avec une autre fonction candidate de Lyapunov. V (x. fonction d´finie positive. e ˙ V (x) = x P x + x P x = x (A P + P A)x ˙ ˙ (IV. e 2. e e e x(t) = Ax(t) ˙ (IV. d’o` l’utilisation de e u l’exp´rience.3. la matrice unique solution de l’´quation de Lyapunov soit d´finie positive. e Le probl`me majeur de cette m´thode est de trouver une fonction de Lyapunov pour e e ce syst`me en l’absence de guide clair.V (x) est d´finie n´gative. ´ ` Theoreme IV.24) .2 V = C2 V = C1 x1 x0 Fig.3. V (x) = x P x.V (x.3. ˙ 1. alors. t) est une fonction de Lyapunov pour le syst`me. la m´thode devient plus syst´matique. il faut donc choisir a priori e e une fonction candidate de Lyapunov. e e A P + PA + Q = 0 (IV.2 (stabilit´ globale asymptotique) e S’il existe une fonction candidate de Lyapunov telle que. Si la e condition 2 est v´rifi´e. IV.La condition pr´c´dente est une condition suffisante .

0477.3. P = 0. e Script MATLAB 10 >> P=lyap(A1’. >> eig(P) ans = 0.0625 0. LA METHODE DE LYAPUNOV Exemple IV.0625 0 4 −8 −12 113 dont les valeurs propres sont 0.eye(3)).´ IV.5160 19. Cela signifie que la matrice P est d´finie e positive et donc que le syst`me est stable.3273 et 0.3125 0.0625 0. on trouve.3 Soit le syst`me lin´aire autonome donn´ par sa matrice dynamique : e e e A= En choisissant Q = 1.3.1664 0.0676 .

114 STABILITE DES SYSTEMES LTI .

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

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

1 Soit a trouver la r´ponse y(t) de l’´quation.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).r´gime transitoire e e La solution de l’´quation diff´rentielle (V.5) Remarques V.3 R´gime permanent . .y4 (t) est la solution g´n´rale de l’´quation sans second membre (´quation homog`ne) e e e e e les n constantes d’int´gration ´tant d´termin´es de telle sorte que la solution globale e e e e y(t) satisfasse aux n conditions initiales.1. 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. ´ Definition V.1.1.y3 (t) est une solution particuli`re de l’´quation diff´rentielle compl`te.1. e e e . e e e e . y1 (t) = −e−2t y2 (t) = 2(1 − e−2t ) y(t) = 2 − 3e−2t 117 (V. il ne subsiste que e y3 (t) et l’on d´finit alors.6) Cette ´quation a n racines pi . r´elles ou complexes.1.y3 (t) comme la r´ponse en r´gime permanent du syst`me.V.chaque racine r´elle pi de multiplicit´ mi donne une r´ponse : e e e mi y4i (t) = i=1 λi ti−1 epi t (V. INTRODUCTION Exemple V.1 Lorsque la solution partielle y4 (t) tend vers 0 quand t tend vers l’infini. ` e e 0.5y(t) + y(t) = 2u(t) pour u(t) = 1 t ≥ 0 et y(0) = −1 ˙ On a alors.y4 (t) comme la r´ponse transitoire du syst`me.7) . y4 (t) est e e la somme de n termes tels que : . e e Remarques V.2 On retrouve ici l’exacte contre-partie pour une ´quation diff´rentielle ordinaire du vocae e bulaire utilis´ pour les mod`les d’´tat.1.3) peut ´galement se d´composer en deux e e e e parties : . distinctes ou multiples. e e e V.

pj ) de multiplicit´ mj donne une r´ponse : e e e mj y4j (t) = j=1 λj tj−1 eσj t cos(ωj t) + µj tj−1 eσj t sin(ωj t) (V.5p + 1 = 0 Elle a une unique solution p1 = −2 d’o` u y4 (t) = λ1 e−2t Alors. e e e e e e La stabilit´ relative caract´rise les oscillations. u Exemple V.118 ANALYSE TEMPORELLE DES SYSTEMES .2 L’´quation caract´ristique est e e 0. On a vu au e e e chapitre pr´c´dent diff´rentes notions de stabilit´ absolue pour les syst`mes lin´aires. amorties plus ou moins rapidement. y(t) = 2 + λ1 e−2t soit pour y(0) = −1.chaque paire complexe conjugu´e (pj . e e toujours pr´sentes dans la partie transitoire de la r´ponse temporelle d’un syst`me. e e e .1. on obtient λ1 = −3 et donc y(t) = 2 − 3e−2t Les r´ponses temporelles ainsi fournies permettent d’´tudier les caract´ristiques fone e e damentales du syst`me que sont la stabilit´ absolue et la stabilit´ relative.8) o` σj = Re(pj ) et ωj = Im(pj ).

1 – Exemples de syst`mes du premier ordre e V. ae Y (p) = K 1 + Tp (V.2.2 V. V.2. e Des exemples ´lectriques et m´caniques de syst`mes du premier ordre sont donn´s ` e e e e a la figure V.1 On appelle syst`me du premier ordre. e e La r´ponse impulsionnelle e On rappelle que la transform´e de Laplace de l’impulsion de Dirac est L[δ(t)] = 1.1 Les syst`mes du premier ordre e D´finition et exemples e ´ Definition V. e Cela conduit ` ´crire.2.2 R´ponse ` des entr´es types e a e y4 (t) = λe(−t/T ) (V. LES SYSTEMES DU PREMIER ORDRE 119 V.10) (V.2.11) La r´ponse transitoire d’un syst`me du premier ordre est.12) . R k e C s e i R e L C J s f 111 000 111 000 111 000 111 000 111 000 111 000 111 000 000 111 1111 0000 1111 0000 1111 0000 f ω Fig.` V.1. les syst`mes d´crits par une ´quation diff´rentielle e e e e e du premier ordre. T y(t) + y(t) = Ku(t) ˙ La fonction de transfert associ´e est : e H(p) = K 1 + Tp (V.9) T est la constante de temps du syst`me.

2 0.120 d’o` la r´ponse impulsionnelle.3 0. V. e e 1 ANALYSE TEMPORELLE DES SYSTEMES K −t/T e T t≥0 (V.2 – R´ponse impulsionnelle e En calculant la d´riv´e.9 KT 0.1 0 0 2 T 4 6 (sec) 8 10 12 t Fig.5 0. K K dy(t) = e−t/T |t=0 = dt T T (V.8 0.4 0.7 0. u e y(t) = K(1 − e−t/T ) t ≥ 0 (V.3.6 y(t) 0. la r´ponse ` une entr´e de type ´chelon de position (fonction e e a e e de Heaviside) dont la transform´e de Laplace est e L[u(t)] = Cela conduit ` ´crire. u e y(t) = qui est repr´sent´e figure V. ae Y (p) = d’o` la r´ponse indicielle. on obtient la pente de la tangente pour t = 0. En calculant la d´riv´e.18) .2. e e K K dy(t) = − 2 e−t/T |t=0 = − 2 dt T T (V.17) K KT K = − (1 + T p)p p 1 + Tp (V. on obtient la pente de la tangente e e e e pour t = 0.15) qui est repr´sent´e figure V.2.16) 1 p (V.2 (r´ponse indicielle) e On appelle r´ponse indicielle.13) 0.14) La r´ponse indicielle e ´ Definition V.

4.8 0.3 – R´ponse indicielle e Remarques V. Le signal rampe unitaire a pour transform´e e de Laplace : L[u(t)] = Cela conduit ` ´crire.2 Amplitude y(t) To: Y(1) 1 0. u e y(t) = K(t − T + Te−t/T ) t ≥ 0 (V.4 0. ae Y (p) = d’o` la r´ponse.22) K K KT KT 2 = 2− − (1 + T p)p2 p p 1 + Tp (V. En calculant le signal d’erreur (t) = u(t) − y(t).) t Fig.19) Si k = 1.2 0 0 T 2 4 6 8 10 12 Time (sec. e e R´ponse ` une rampe unitaire e a ´ Definition V.23) .4 0. (t) = T (1 − et/T ) t→+∞ lim (t) = T (V.632K 1.6 0. on parle alors de rampe unitaire.1 Plus la constante de temps du syst`me T est faible. plus le syst`me est rapide. V.2. pour e e K = 1.21) 1 p2 (V.20) qui est repr´sent´e figure V.6 1.2.8 1.3 (signal rampe) Un signal rampe est un signal de la forme u(t) = kt (V. on obtient.LES SYSTEMES DU PREMIER ORDRE Step Response From: U(1) 121 pente 1/K 2 1.

122

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

35

T

30

25

Amplitude

To: Y(1)

y(t)

20

T
15

10

5

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

0

Time (sec.)

t

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

0.8

1.6

0.7

1.4

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

1.2

0.5

1

0.4

0.8

0.3

0.6

0.2

0.4

0.1

0.2

0

0

0

2

4

6 Time (sec)

8

10

12

Step Response 40

35

30

25 Amplitude

20

15

10

5

0

0

2

4

6

8

10 Time (sec)

12

14

16

18

20

` V.3. LES SYSTEMES DU SECOND ORDRE

123

V.3
V.3.1

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

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

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

p + 2ξ +1 ωn

=

2 Kωn 2 p2 + 2ξωn p + ωn

(V.26)

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

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

R e C

R C s M

k

γ f

θ i R L e C C J

s
111 000 111 000

f

k
111 000

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

124

ANALYSE TEMPORELLE DES SYSTEMES

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

(V.27)

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

(V.28)

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

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

(V.29)

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

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

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

125

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

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

(V.37)

(V.38)

ωp = ωn

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

(V.39)

θ = arcsinξ

Im

ωn σ ωd Re

Fig. V.6 – Paire de pˆles complexes o

126

ANALYSE TEMPORELLE DES SYSTEMES

V.3.2

Etude de la r´ponse indicielle e

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

(V.40)

1 ξ=1

0.8

ξ=4

Amplitude

0.6

0.4

0.2

0

0

2

4 Time (sec.)

6

8

10

12

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

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

2 Amplitude 1 0.4 1.9 – Syst`mes du second ordre sous-amortis pour ξ = 0.1 ω n= 0.2 Amplitude 1 0.4 1.LES SYSTEMES DU SECOND ORDRE o` ψ = cos−1 (ξ).8 Step Response ω n= 0.6 0. u L’allure de telles r´ponses est repr´sent´e figure V.1 e .4 1.4 ω n= 0.1 1.5 1.2 0 0 5 10 15 Time (sec) 20 25 30 Fig.9.8 0.3 ξ = 0.6 0.3 0 10 20 30 40 50 Time (sec) 60 70 80 90 100 0.9 0.4 ξ = 0.6 1.7 ξ = 0. V.8 Step Response 127 1. e e e ξ = 0.8 et figure V.2 ξ = 0.8 ξ = 0.2 ω n= 0.4 1.6 ξ = 0. V.5 ξ = 0.8 – Syst`mes du second ordre sous-amortis pour ωn = 1 e ω n= 0.2 0 Fig.8 0.6 ξ = 0.

3 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 .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.2 0.7 D 0.) 10 15 Fig.6 T 0.128 ANALYSE TEMPORELLE DES SYSTEMES La courbe de la r´ponse indicielle d’un syst`me du second ordre poss`de un certain e e e nombre de caract´ristiques remarquables. V.44) Exemple : servo hydraulique 3 Reprenant l’exemple de la servo-commande hydraulique sous les hypoth`ses lin´arisantes.4 D2 1 0. .10 – Syst`me du second ordre sous-amorti e Les d´passements successifs sont d´finis par : e e Dk = s(kT /2) − s(∞) = −[e−πcotg(ψ) ]k = −(−D1 )k s(∞) (V. ξ = (1 + π2 )−1/2 ln2 (D1 ) D1 = e−πcotg(ψ) (V. e Step Response 0.1 0 0 5 Time (sec.

figure 3).3]) Step Response 1.2 0 0 2 4 6 8 10 Time (sec) 12 14 16 18 20 .6 0.2 1 0.T=1.[T (1+a*T*K) K]) >> step(H_01.H_10) >> axis([0 20 0 1. e e e Script MATLAB 12 >> K=1.H_2.LES SYSTEMES DU SECOND ORDRE 129 La position angulaire est asservie au d´placement longitudinal par un correcteur du e type avance ou retard de phase.H_01=tf([K*T*a K].11 – Servo-commande hydraulique asservie La fonction de transfert en boucle ferm´e se calcule alors comme.1 a=2 a = 10 Amplitude 0.4 0.[T (1+a*T*K) K]) >> a=0.1.H_10=tf([K*T*a K]. V.[T (1+a*T*K) K]) >> a=2. >> a=10. C(p) = suivant le sch´ma-bloc suivant. 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. e Θc(p) + C(p) X(p) F(P) Θ (p) 1 + aT p 1 + Tp − Fig.H_2=tf([K*T*a K].8 a = 0.

e e y(tr ) = 1 = 1 − e−ξωn tr d’o`. ξ).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 .05 t td 0. u cos(ωp tr ) + soit.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.47) ξ 1 − ξ2 sin(ωp tr ) = 0 (V.48) 1 − ξ2 ξ (V. tan(ωp tr ) = − Apr`s calculs.3. y(t) Mp 0.49) .8 ωn (V.5 0 tr tp t ts Fig.12 – Sp´cifications de performance e .130 ANALYSE TEMPORELLE DES SYSTEMES V. cela conduit a : e ` tr = π−ψ π − cos−1 (ξ) = ωp ωn 1 − ξ 2 1.46) cos(ωp tr ) + ξ 1 − ξ2 sin(ωp tr ) (V. Sa r´ponse temporelle a l’allure de la figure V. V.12.

52) Mp = e   5%  ξπ    1 − ξ2 = 16 %      35 % ξ = 0.6 ts .1 e e ξ est g´n´ralement fix´ en corr´lation avec Mp alors que ts est principalement d´termin´ e e e e e e par ωn .54) 4.3.6 4.50) π ωp (V.D´passement maximal Mp : e On a donc.53) . − 131 (V.51) cos(ωp tp ) + ξ 1 − ξ2 sin(ωp tp ) (V.Temps d’´tablissement ts : e G´n´ralement. De plus.8 tr (V.3 (V.LES SYSTEMES DU SECOND ORDRE .7 ξ = 0. e e e e dy(t) ωn e−ξωn tp =0= sin(ωp tp ) dt |t=tp 1 − ξ2 d’o`. u tp = .5 ξ = 0. ωn doit ˆtre grand.Temps de crˆte tp : e La d´riv´e de la r´ponse indicielle en 0 s’´crit. Mp = y(tp ) − 1 = −e−ξωn tp Soit. Les sp´cifications de performance sont donc g´n´ralement traduites comme suit : e e e ωn ≥ 1. pour des r´ponses rapides.6 = = ξωn σ Remarques V. on choisit pour le temps d’´tablissement : e e e t5% = s t1% s 3 3 = ξωn σ (V.55) ξ ≥ ξ(Mp ) σ≥ 4.

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 .57) .132 ANALYSE TEMPORELLE DES SYSTEMES V. 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.Chaque paire de pˆles complexes conjugu´s (pi . 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.56) Apr`s d´composition en ´l´ments simples et utilisation de la transform´e de Laplace e e ee e inverse. 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. les pˆles. 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. 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 V.r´els pi = −λi correspondent a des modes ap´riodiques e mi µj tj−1 e−λi t (V.4. . e e ´ Definition V. . on souhaite pouvoir ea e caract´riser les r´gimes transitoires des syst`mes d’ordre sup´rieur. 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. u La r´ponse transitoire compl`te du syst`me est constitu´ par la combinaison lin´aire de e e e e e ces fonctions ´l´mentaires. e e Ainsi. chaque fonction ´l´mentaire ee e ee du temps est appel´e mode du syst`me.4. Dans cette combinaison lin´aire. complexes conjugu´s) des racines de l’´quation caract´ristique.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 . Dans le cas le plus g´n´ral.1 Les syst`mes d’ordre sup´rieur e e Notions de modes D´finitions e A partir de ce que l’on a d´j` vu pour les syst`mes d’ordre 1 et 2.58) o` σi = Re(pi ) et ωi = Im(pi ).

pn : n x(t) = P eΛt P −1 x0 = i=1 epi t vi wi x0 (V.  . Jk ) P = T1 T2 · · · Tk P −1 = U1 U2 · · · Uk . .  . 0  0 pn w1 w2 · · · w n P est la matrice modale de changement de  p1 0   0 p Λ= .. Etudions la solution de l’´quation d’´tat dans la base modale.62) o` u P = v1 v 2 · · · vn P −1 = base et ··· . 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. P est la matrice modale de changement de base. u ..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). 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.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 ..  . J est la forme de Jordan u o associ´e ` A. . p1 .complexes conjugu´s pi = −λi ± jωi correspondent a des modes oscillants e ` mi 133 µj tj−1 eσi t cos(ωi t) + µj tj−1 eσi t sin(ωi t) j=1 (V.Si A a n valeurs propres distinctes.LES SYSTEMES D’ORDRE SUPERIEUR .  .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.4. e a J = diag(J1 . · · · .61) e e o` x ∈ Rn . · · · ..63) o` Mi (t) est une matrice de polynˆmes en t d’ordre fini. 0 ··· .2 . e e Remarques V.  0 ..

1 0 −0.322 δu  δ w   −0. Les polynˆmes caract´ristiques et les e o e mod`les d’´tat lin´aris´s associ´s au mouvement longitudinal et lat´ral du petit avion e e e e e e appel´ Navion au niveau de la mer sont ´tudi´s.51 ± 2.62) et (V.191 −3.134 ANALYSE TEMPORELLE DES SYSTEMES Les diff´rents termes (fonctions ´l´mentaires) des sommes (V. e Exemple : avion 1 (modes propres longitudinaux et lat´raux) e Sous certaines hypoth`ses.017)2 + (0.65) Les modes propres longitudinaux sont d´finis comme : e .96 −2.14 – Mode d’oscillation d’incidence pur . o e e (V.13 – North American L-17A ”navion” .Le mode d’oscillation d’incidence (short-period mode) p = −2.213)2     (V.Courtesy USAF Museum .76   δw ˙   0    q  =  0.2 0.2 0 0.2 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.045 0.51)2 + (2.63) sont appel´s e ee e les modes du syst`me.370 −2.02 1.64) Le polynˆme caract´ristique associ´ au mouvement longitudinal est.98  q ˙ 0 ˙ 0 0 1 0 δθ δθ (p + 2.1 0 −0.5 2 2.1 −0.5 1 Time (sec) 1.5 −1 0. le mouvement dynamique d’un avion peut ˆtre d´coupl´ en e e e e mouvement longitudinal et mouvement lat´ral.59)2 (p + 0.Mouvement propre longitudinal :     δu ˙ −0. e e e Fig. V.59j x 10 5 To: Out(1) −3 Response to Initial Conditions 0 −5 0.036 0 −0.5 0 −0.2 1 0. V.1 −0.5 Fig.

5 0 −0.1)).036 0 -0.0.0 0 1.Le mode phugoide (phugoid mode) p = −0.zeros(4.1)) >> initial(sys_long.334)2 (p + 0.98 0..0088) Les modes propres lat´raux sont d´finis comme : e e .zeros(4.66) .76 −0.5 0 −0.486)2 + (2.5 0 50 100 150 Time (sec) 200 250 300 350 Fig.191 -3.76 0 0.017 ± 0.213j Response to Initial Conditions 1 To: Out(1) 0..2 To: Out(3) To: Out(4) 0.LES SYSTEMES D’ORDRE SUPERIEUR ..Mouvement propre lat´ral : e     v ˙ −0.19 −8..254 −1.96 -2.433 ` (V.55 −0.1). >> initial(sys_long.08 2.15 – Mode phugoide pur Script MATLAB 13 >> sys_long=ss([-.Tlong]=canon(sys_long.eye(4).05 0. V.05 To: Out(2) 135 0 Amplitude −0. 0].3)) .322 v  r   2. -0.37 -2.Plong(:.Le mode correspondant a l’amortissement de roulis (roll mode) p = −8.’modal’) >> Plong=inv(Tlong).1 −0.322. o e e e (p + 8..02 1.67)     (V.76 0.1 0 −0.433) (p + 0.Plong(:. >> [navion_long.5 −1 0.2 0.35  r ˙   0    p  =  −9.4 ˙ 0  p ˙ 0 0 1 0 φ φ Le polynˆme caract´ristique associ´ au mouvement lat´ral est.045 0.

0088 Response to Initial Conditions 0.6 0.04 0.Le mode correspondant au mouvement de spirale (spiral mode) p = −0.2 0.005 0 To: Out(2) Amplitude To: Out(3) To: Out(4) 0.005 −0.015 0.334j . V.486 ± 2.05 0 0 −0.01 0.04 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0.5 0 0 100 200 300 Time (sec) 400 500 600 700 Fig.02 0 0.17 – Mode de spirale pur .1 0. V.05 −0.16 – Mode de roulis pur .1 −0.4 0.136 ANALYSE TEMPORELLE DES SYSTEMES Response to Initial Conditions 0.15 −0.02 To: Out(1) 0.15 0.2 0 0.5 0 0 −0.1 0.Le mode d’oscillation de d´rapage ou roulis hollandais (dutch roll mode) e p = −0.2 0.01 1 0.02 0 1 0.7 Fig.5 0.3 Time (sec) 0.

2 0 2 4 6 Time (sec) 8 10 12 Fig. 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.5 0 −0.18 – Mode de d´rapage pur e Script MATLAB 14 >> sys_lat=ss([-. >> initial(sys_lat. >> [navion_lat.2 0.-9.55 -0.5 0 −0.69) . V.Plat(:.’modal’) >> Plat=inv(Tlat). ´ Definition V.4)) Caract´risation des modes e Il apparaˆ donc clairement sur les exemples pr´c´dents que la dur´e des transitoires ıt e e e d’un syst`me d’ordre quelconque est d´termin´e par l’ensemble des constantes de temps e e e e a e {τ1 .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.0 0 1.4.19 -8.zeros(4.1).5 To: Out(1) To: Out(2) Amplitude To: Out(3) To: Out(4) 0 −0.Tlat]=canon(sys_lat. 0].... τq } associ´es ` ses diff´rents modes.35 0.eye(4).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.5 −1 0.Plat(:.LES SYSTEMES D’ORDRE SUPERIEUR 137 Response to Initial Conditions 0.08 2.1)).zeros(4. · · · .. 2..5 0.1)) >> initial(sys_lat. e τi = −1/Re[pi ] (V.76 -0.2)) >> initial(sys_lat.5 1 0.Plat(:.4 0.1 −0.1 0 −0.76 0 0.254 -1.322.

= 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.le mode correspondant de spirale p = −0.0088 = 113.433 d´fini par sa constante de temps.3984 0.63 (V.Si ξ = 0 alors le mode oscillant est non amorti . ´ Definition V. e e e . mˆme si cette condition n’est pas strictement v´rifi´e.4.433 = 0.486±2. = 0.7 (V. τdrol. = 0.le mode de roulis p = −8. = 1/0.75) . = 1/2. τinc.08 Les modes propres lat´raux du Navion sont caract´ris´s par. = 1/8.0088 d´fini par sa constante de temps.72) . = 0. on parle o e e de modes dominants. = 1/0.59j d´fini par sa constante de temps e et son amortissement.Si ξ = 1 alors le mode oscillant est ap´riodique e L’amortissement des transitoires d’un syst`me d’ordre quelconque est donc caract´ris´ e e e par l’ensemble des amortissements {ξ1 . ξq }.74) . e τrol.le mode d’oscillation de roulis hollandais p = −0.017 ± 0.213j d´fini par sa constante de temps et son ıde e amortissement.4. τphu.486 = 2.51 = 0.204 (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.06 ξdrol.51 ± 2. e τsp. ´ Definition V. la convergence des oscillations est caract´ris´e par le face e teur d’amortissement 0 ≤ ξ ≤ 1. · · · . e e .334j d´fini par sa constante e de temps et son amortissement. Exemple : avion 2 (caract´risation des modes propres) e Les modes propres longitudinaux du Navion sont caract´ris´s par.71) .le mode phugo¨ p = −0.82 ξphu.73) (V. quand une paire e e e de pˆles complexes conjugu´s imposent le comportement dynamique du syst`me.017 = 58.4 (mode oscillant non amorti et ap´riodique) e .4 ξinc.12 (V.70) Par extension.le mode d’oscillation d’incidence p = −2. Pour un mode oscillatoire.

Xi_long]=damp(sys_long) Wn_long = 0.2040 0.0797 0.2 Effets des z´ros et des pˆles additionnels e o Reprenons une fonction de transfert poss´dant des pˆles distincts stables et que l’on e o factorise sous la forme : m (p − zi ) H(p) = K i=1 n n = (p − pi ) i=1 ai p − pi (V.3836 2.0000 0.LES SYSTEMES D’ORDRE SUPERIEUR Script MATLAB 15 >> [Wn_lat.6070 Xi_long = 0.0088 2.3836 8.76) i=1 .6946 V.6946 0.2140 3.4327 139 Xi_lat = 1.4.2040 1.0797 0.0000 >> [Wn_long.6070 3.2140 0.Xi_lat]=damp(sys_lat) Wn_lat = 0.

77) avec. 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.est diminu´e par la pr´sence d’un z´ro zk voisin du pˆle pi e e e o . >> clf >> step(H1) >> hold.[1 1 1]). Suivant que le e e e e e e z´ro sera stable ou instable.1 (addition d’un z´ro ` une paire dominante) e a Soit la fonction de transfert normalis´e par le choix ωn = 1 : e H(p) = p αξ +1 p2 + 2ξp + 1 = 1 1 p + p2 + 2ξp + 1 2ξ p2 + 2ξp + 1 H1 (p) H2 (p) 1 dh1 (t) .est augment´e par la pr´sence des pˆles voisins.78) Le coefficient ai devant chaque mode d´pend donc de la contribution des autres pˆles e o et des z´ros. >> step(H2) >> step(H1+H2) . e e o Si l’on ´tudie la r´ponse indicielle.5 0]. le d´passement sera augment´ ou diminu´. 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 Exemple V. m (pi − zi ) ai = K i=1 n (pi − pj ) j=i (V. >> H2=tf([1/0. e e n s(t) = K + i=1 bi epi t (V.140 ANALYSE TEMPORELLE DES SYSTEMES La r´ponse impulsionnelle du syst`me s’´crit alors. e e e e On remarque que h2 (t) = Script MATLAB 16 >> H1=tf(1. e e e n h(t) = i=1 ai epi t (V.4.[1 1 1]).79) e e ` e o` bi = ai /pi . On en d´duit donc que la contribution d’un pˆle pi e e o .

5 H1 H Amplitude 0 −0.5 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = −1 et ξ = 0.1 e e a o .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.4.2 H 2 0 −0.4.4 1.5 e R´sum´ V.8 0. dans de nombreux cas pratiques.L’addition d’un pˆle padd ` une paire de pˆles dominants pdom augmente le temps o de mont´e si |padd | ≤ 4|Re(pdom )|.6 0. e . e les caract´ristiques de performance souhait´es d’un syst`me sont sp´cifi´es dans le domaine e e e e e temporel. e .8 141 1.2 H 1 Amplitude 1 0.L’addition d’un z´ro stable z ` une paire de pˆles dominants pdom augmente le e a o d´passement si |zadd | ≤ 4|Re(pdom )|.LES SYSTEMES D’ORDRE SUPERIEUR Step Response 1.5 e Step Response 1. Il est d’usage afin d’´tablir des comparaisons e e e sens´es de consid´rer la r´ponse temporelle ` un ´chelon de position pour des conditions e e e a e initiales nulles (syst`me au repos et d´riv´es successives nulles ` l’instant initial).6 H 1. e V. e e e a . e e e ` e e a e e Cette r´ponse d´pend des conditions initiales. Ainsi.4 0.2 0 2 4 6 Time (sec) 8 10 12 Addition d’un z´ro stable α = 1 et ξ = 0.5 −1 H 2 −1. 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.5 1 0.3 Sp´cifications temporelles sur le r´gime transitoire e e Comme on l’a vu pour les syst`mes du second ordre.

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

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

144 ANALYSE TEMPORELLE DES SYSTEMES Im(p) p ωn 0 Re(p) Instabilité p Fig.8 tr (V.22 – Pulsation propre non amortie En g´n´ral. V. e e e ωn ≥ 1.83) ξ ≥ ξ(Mp ) σ≥ 4. les sp´cifications de performance impos´es aux syst`mes d’ordre quele e e e e conque consistent a imposer une paire de pˆles complexes conjugu´s suivant les sp´cifications ` o e e impos´es pr´c´demment.23 – R´gion de sp´cifications e e . V.6 ts Cela conduit ` d´finir une r´gion int´ressante pour le placement des pˆles dans le plan a e e e o complexe. Im(p) σ p ωn Arcsin ξ 0 Re(p) Instabilité p Fig.

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

146 ANALYSE TEMPORELLE DES SYSTEMES .

De plus. e e Toutefois. e e e e VI.1 Les syst`mes monovariables e Dans cette section. 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. la plupart des outils peuvent ˆtre ´tendus au cas multivariable. e e 147 . De nombreux outils e e e math´matiques analytiques et graphiques ont ainsi ´t´ d´finis et d´velopp´s dans ce cadre. D). 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.1.1 (r´ponse fr´quentielle) e e La r´ponse fr´quentielle d’un syst`me LTI est d´finie comme l’ensemble des r´ponses e e e e e en r´gime permanent du syst`me ` des entr´es sinuso¨ e e a e ıdales param´tr´es par la pulsation. Mˆme si comme nous le ee e e e verrons dans ce chapitre.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. 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). e e leur utilisation dans des proc´dures de synth`se syst´matiques est plus d´licate. C.Chapitre VI R´ponse fr´quentielle des syst`mes LTI e e e VI. les premi`res e e e m´thodes de conception de syst`mes de commande a contre-r´action ont ´t´ fond´es e e ` e ee e sur l’utilisation des r´ponses fr´quentielles et des outils associ´s. Historiquement. 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 ´ Definition VI. B.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.

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

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

149

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

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

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

VI.1.2

Extension au cas des syst`mes multivariables e

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

150

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

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

Yi (ω) =
j=1

gij (jω)Uj (ω)

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

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

u2 =

u3 =

´ ´ ´ VI.1. DEFINITION ET PROPRIETES

151

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

6

σ (G) = 6.1401

5

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

4

3

2

1 −15

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

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

152

REPONSE FREQUENTIELLE DES SYSTEMES LTI

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

1 i=j 0 i=j

H W = [wi ]i=1,···r wj wi =

1 i=j 0 i=j

Gvi = σi wi

σi = ||Gvi ||2

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

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

VI.2

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

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

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

VI.2.1

Le lieu de Nyquist

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

Im(G(jω ))

Φ(ω i)

Re(G(j ω k))

−Φ(ω k)
ωi
Im(G(j ω k))

Re(G(j ω)) ω0

|G(j ω k)| ωk

Fig. VI.2 – Plan de Nyquist

il 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´. pour e e e e ω → ∞: G(jω) ∼ d’o` : u φ(ω) ∼ (n − m) π 2 bm 1 bm (jω)m = n an (jω) an (jω)n−m . Il 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 1917.2. Il est e e retrait´ des laboratoires Bell en 1954 et travaille alors comme consultant pour diff´rentes e e entreprises et pour le gouvernement am´ricains. e e . e Quelques caract´ristiques des courbes e les courbes dans le plan de Nyquist poss`dent des caract´ristiques en hautes et basses e e fr´quences facilitant leur trac´. Il 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.154 REPONSE FREQUENTIELLE DES SYSTEMES LTI Biographie 9 (Harold Nyquist) Harold Nyquist est n´ en 1889 a Nilsby en Su`de. Il publie un article sur la fr´quence de Nyquist en 1928. ses recherches se focae lisent sur la t´l´vision et les m´thodes de transmission associ´es. il s’engage sur des recherches g´n´rales en communication. e e La mˆme ann´e.Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif (la e e e diff´rence de degr´ entre le d´nominateur et le num´rateur) n − m. En effet. En 1932. Apr`s ee e e e 1935. il propose une analyse math´matique du bruit there e e mique observ´ dans les circuits par Johnson. e Remarques VI.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. Entre 1921 et 1935. Il meurt en 1976.

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

VI. Im 0 Im Re 1+jωT jωT Im Re 1+jωT Im Re jωT 1+jωT 0 .156 REPONSE FREQUENTIELLE DES SYSTEMES LTI Repr´sentations fr´quentielles usuelles e e Il est ` noter que les formes compliqu´es de courbes dans le plan de Nyquist ont pour a e origine les dynamiques du num´rateur. 1 Re jω 0 .13) Φ(ω) = − tan−1 (ωT ) . 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.5 donne un certain nombre de trac´s e e typiques. Im 0 1 jω Im 0 .5 – Repr´sentations de Nyquist de syst`mes usuels e e Caract´ristiques d’un premier ordre dans le plan de Nyquist Un premier ordre de e fonction de transfert sinuso¨ ıdale‘: 1 G(jω) = 1 + JωT est caract´ris´ par : e e X = Re(G(jω)) = 1 1 + ω2T 2 (VI. 1 Re 1 (jω )2 Im 1 a 1+jω T 1+jω aT 0 .12) −ωT Y = Im(G(jω)) = 1 + ω2T 2 et par son module et sa phase : |G(jω)| = √ 1 1 + ω2T 2 (VI. . La figure VI.

5.5.REPRESENTATION GRAPHIQUE 157 L’´tude de (VI. G(jω) = 1 ω 1 + 2ξ j ωn ω + j ωn 2 (VI. e e a e (ωn .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. ξ).6 – Premier ordre dans le plan de Nyquist Caract´ristiques d’un deuxi`me ordre dans le plan de Nyquist Un syst`me du second e e e ordre a une fonction de transfert sinuso¨ ıdale param´tr´e ` l’aide de deux param`tres.12) permet de montrer que la courbe est un demi-cercle de centre e (0.15) L’amplitude est d´finie par : e |G(jω)| = 1− ω2 2 ωn 1 2 + ω 2ξ ωn 2 (VI. VI. la pulsation propre non amortie et l’amortissement. 0) et de rayon 0.16) . (X − 1/2) + Y = 2 2 1 − ω2T 2 1 + ω2T 2 2 + −ωT 1 + ω2T 2 2 = 1/4 (VI.

e ` e Nyquist Diagram 15 10 ξ = 0. la partie imaginaire est toujours n´gative alors que la partie r´elle change de signe et devient n´gative pour ωc = ωn .19) e e Pour ω ∈ R+ . Cette pulsation est la pulsation de e cassure associ´e au second ordre. 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.17) ω2 2 ωn + ω 2ξ ωn 2 (VI.7 ξ = 0.158 et sa phase par : REPONSE FREQUENTIELLE DES SYSTEMES LTI  ω  2ξ( ωn )  −1   φ(ω) = − tan  ω2  1− 2 ωn La partie r´elle est d´finie par : e e 1− R(ω) = 1− alors que la partie imaginaire est : −2ξ I(ω) = 1− ω2 2 ωn 2 ω2 2 ωn 2  (VI.05 ξ = 0. VI. e La courbe appartient donc au demi-plan inf´rieur d´fini par l’axe ox. l’analyse asymptotique montre que la phase tend vers −π.07 ξ = 0. Pour diff´rentes e e e valeurs de l’amortissemen ξ et pour ωn = 1.18) ω ωn ω + 2ξ ωn 2 (VI. les trac´s dans le plan de Nyquist sont repr´sent´s ` la figure (VI.1 ξ = 0.4 ξ = 0.7 – Deuxi`me ordre dans le plan de Nyquist pour ξ variant et ωn = 1 e .7). Aux hautes e e fr´quences.2 5 Imaginary Axis 0 −5 −10 −15 −6 −4 −2 0 Real Axis 2 4 6 Fig.

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

7 −0. 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. e 8 8 .1 0 Fig.8 0+ −0. Les courbes sont trac´es sur du papier semi-logarithmique en utilisant l’´chelle logae e rithmique pour les pulsations et l’´chelle lin´aire pour l’amplitude en d´cibels et la phase e e e en degr´s.2.6 −0. pulsation quelconque.4 −0.2 D´finition e Le lieu de Bode Le lieu de Bode comprend deux trac´s distincts.5 Real Axis −0. Une octave est e e e une bande de pulsations comprises entre ω1 et 2ω1 alors qu’une d´cade est une bande de pulsations entre ω1 et 10ω1 pour ω1 .2 (octave et d´cade) e Du fait de l’utilisation de l’´chelle logarithmique pour l’axe des pulsations.9 −0.2.2 −0. les plages de e pulsations sont usuellement exprim´es en termes d’octave et de d´cade. ´ Definition VI.8 – Lieu de transfert de 4 pour −∞ < ω < ∞ p(p + 2) VI.3 −0.160 REPONSE FREQUENTIELLE DES SYSTEMES LTI Nyquist Diagram 20 ω 15 0− 10 5 Imaginary Axis ω 0 − + ω −5 −10 −15 ω −20 −1 −0. Le deuxi`me repr´sente la phase (φ(ω)) en degr´s en fonction de la e e e pulsation ω en rad/s. VI.

e e toute fonction de transfert peut ˆtre factoris´e comme : e e G(p) = K (1 + pTi ) (1 + 2 ξ/ωnj p + (pωnj )2 ) (1 + pTk ) (1 + 2 (ξ/ωnl ) p + (pωnl )2 ) (VI. il 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 1948.9 – Plan de Bode Biographie 10 (Hendrik Bode) Hendrik Bode est n´ en 1905 sur la route de Madison dans le Wisconsin. 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 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. il obtient son Ph. Il entre aux laboratoires de Bell Telephone comme math´maticien. D de l’universit´ de Columbia en 1935. il est directeur des recherches en Sciences Physiques puis vice-pr´sident en e 1958. Alors qu’il travaille chez Bell. Il d´finit ”le plan de e e Bode” afin de tracer les repr´sentations fr´quentielles des filtres ´lectriques. 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. e L’inconv´nient majeur est que l’on ne peut repr´senter les courbes de gain et de phase e e jusqu’` la pulsation 0 du fait de l’utilisation de l’´chelle logarithmique pour les pulsations. Echelles logarithmiques ω1 ω rad/s Φ1 Fig.REPRESENTATION GRAPHIQUE 161 |G(j ω)| dB |G(j ω 1)| ω1 ω rad/s Φ deg. Bode d´veloppe e e e une th´orie des r´seaux ´lectriques avec des fondations rigoureuses. il devient directeur des recherches en Math´matiques pour les laboratoires e Bell. En effet. En 1952. 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. En 1955. Il meurt le 21 Juin 1982.20) pN . e Pendant ses premi`res ann´es aux laboratoires Bell. Il devient ` ` membre de l’Acad´mie des Sciences. Apr`s la guerre. Il part a la retraite en 1967 et obtient un poste de professeur a Harvard. 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. Pendant la seconde guerre mondiale.

Le facteur d’int´gration d’ordre N e Le module est d´fini par : e 20Log10 K K = 20Log10 N = 20Log10 K − 20N Log10 ω N (jω) ω (VI. .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. Ces facteurs ıtre e ee peuvent ˆtre class´s en quatre familles. Bode Diagram 10 5 Magnitude (dB) 0 − 20 dB / decade −5 −10 ω co −15 −89 −89. 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.5 Phase (deg) −90 −90.Le gain K poss`de un module constant ´gal a K et une phase nulle.22) 1 a une phase constante valant −90×N deg. Ce trac´ asymptotique suffit en premi`re approximation pour e e e obtenir des informations sur le syt`me.10 – Trac´ dans le plan de Bode de 2/p e Le facteur d´riv´e K(jω)N se d´duit ais´ment du pr´c´dent en changeant le signe e e e e e e de la pente de la courbe de gain et le signe de la phase. e e .5 −91 10 0 10 Frequency (rad/sec) 1 Fig. Log10 |G(jω)| = i Log10 |Gi (jω)| φ(ω) = i φi (ω) (VI. VI. (jω)N La courbe de gain est donc une droite de pente −20 × N dB/dec qui coupe l’axe 0 dB au point ωco = (K)1/N . Il peut ˆtre ensuite affin´ et corrig´ simplement.20). e e ` .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.

REPRESENTATION GRAPHIQUE 163 .23) Cette pulsation est particuli`rement importante puisqu’elle s´pare l’espace des pule e sations en deux domaines. . domaine ”hautes e fr´quences” ω >> ωc .Pour les basses fr´quences.97 dB.24) Φ(ω) = − tan−1 (ωT ) L’´tude asymptotique peut ˆtre men´e alors de la fa¸on suivante. ω = 2/T . la courbe est donc une droite de pente −20 dB/dec ou −6 dB/octave. e √ (VI. e √ −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (ωT ) dB (VI. l’amplitude en dB peut ˆtre e approxim´e par. on obtient.4 84. ω = 1/2T de ωc vaut a ca −0. 45 26.6 5. 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.En hautes fr´quences.25) −20Log10 ( 1 + ω 2 T 2 ) ∼ −20Log10 (1) = 0 dB La repr´sentation logarithmique admet donc une asymptote horizontale a 0 dB.26) Dans cette plage de pulsations. e ` . le trac´ asymptotique d’un premier ordre est donc d´termin´ e e e par les deux droites ainsi d´finies et qui se coupent en la pulsation de cassure ωc = e 1/T . et en de¸`. e e e c e .7 63. ω >> ωc = 1/T . Les courbes de phase dans le plan de Bode des facteurs du premier ordre sont toutes identiques et peuvent ˆtre d´duites des points suivants : e e ω rad/s 1/T 1/2T 1/10T 2/T 10/T Φ deg.Le facteur du premier ordre tion de cassure 1 est essentiellement caract´ris´ par sa pulsae e 1 + jωT ωc = 1 T (VI.3 . domaine ”basses fr´quences” ω << ωc .L’erreur pour une octave au del`.L’erreur maximale intervient pour la pulsation de cassure ωc = 1/T et vaut −3 dB. ω << ωc = 1/T . Ce trac´ asymptotique peut ensuite ˆtre rectifi´ par l’analyse d’erreur suivante : e e e . Dans le plan de Bode.

Hautes fr´quences : ω >> ωn e −20Log10 ω2 2 ωn = −40Log10 ω ωn (VI. la courbe de gain pr´sentera ou ne pr´sentera pas de pic de e e r´sonnance.Basses fr´quences : ω << ωn e −20Log10 (1) = 0 dB (VI. VI. e Le premier param`tre d´finit la pulsation de cassure e e ωc = ωn (VI. e .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.97 dB 3 dB 0. e . e .29) La courbe de gain a donc une asymptote horizontale a 0 dB en basses ` fr´quences.164 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 0 −5 −10 −15 0.30) La courbe de gain a donc une asymptote de pente −40 dB/d´cade en e hautes fr´quences.27) 1 est caract´ris´ par les deux pae e 1 + 2 (ξ/ωn ) jω + (jω/ωn )2 Suivant la valeur de ξ.11 – Trac´ dans le plan de Bode de 1/(p + 2) e .28) Les asymptotes sont obtenues par une analyse identique a celle qui a ´t´ faite ` ee pour les syst`mes du premier ordre.Le facteur quadratique ram`tres (ωn .Etude de l’amplitude :  1− ω2 2 ωn |G(jω)| dB = −20Log10  2 + 2ξ ω ωn 2   dB (VI. e . ξ).

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

05 ξ = 0.3 (pulsation de coupure) ıdale est La pulsation ωcα pour laquelle l’amplitude de la fonction de transfert sinuso¨ inf´rieure de α dB ` l’amplitude de la fonction de transfert sinuso¨ e a ıdale ` la pulsation 0 a est la pulsation de coupure ` α dB.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 = 0.5 ξ = 0.Calculer le module et la phase de la fonction de transfert et tracer quelques points afin d’obtenir la courbe exacte. VI. e e e a 3.1 1.Ecrire la fonction de transfert sinuso¨ ıdale comme une factorisation des termes ´l´mentaires.166 REPONSE FREQUENTIELLE DES SYSTEMES LTI Bode Diagram 20 10 Magnitude (dB) 0 −10 ξ = 0.7 ξ=1 −45 Phase (deg) 10 0 10 1 Frequency (rad/sec) Fig.13 – Deuxi`me ordre dans le plan de Bode pour ξ variant e ´ Definition VI. a |G(jωcα )| dB = |G(j0)| dB − α dB (VI. 4.2.Identifier les fr´quences de cassure caract´ristiques associ´es ` ces facteurs de base. e a ´ Procedure VI. . ee 2.05 ξ = 0.7 ξ=1 −20 Asymptotes −30 0 ξ = 0.Tracer les courbes asymptotiques.2.2 ξ = 0.2 −135 ξ = 0.1 −90 ξ = 0.34) ´ Definition VI.3 ξ = 0.1 ξ = 0.2.5 −180 ξ = 0.

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

VI. 20Log10|G(j ω)| 20Log10|G(0)| Φ(ω k) Φ(ω) ωi 20Log10|G(jω k )| ωk Fig.168 REPONSE FREQUENTIELLE DES SYSTEMES LTI VI.2. e 20Log10 (|G1 (jω)||G2 (jω)|) = 20Log10 (|G1 (jω)|) + 20Log10 (|G2 (jω)|) (VI. Cela permet une repr´sentation graphique e e e ais´e des produits de fonctions de transfert.35) La multiplication par une constante (un gain) se traduit donc par une translation verticale dans le plan de Nichols-Black. Elle est donc toujours orient´e dans le sens e e e e e des ω croissants.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. a e o . la paternit´ de ce type de repr´sentation est attribu´e e e e e ` Nichols alors qu’inexplicablement la tradition francophone en cr´dite plutˆt Black.3 D´finition e Le lieu de Nichols-Black Le lieu de Nichols-Black repr´sente le lieu de transfert dans un plan dont l’abscisse est e l’argument de la r´ponse fr´quentielle en degr´s (φ(ω) deg) et dont l’ordonn´e est le module e e e e de la r´ponse fr´quentielle en d´cibels (20Log10 (|G(jω)|)). L’avantage majeur d’une telle repr´sentation est li´ ` la propri´t´ d’additivit´ de l’ame ea ee e plitude exprim´e en d´cibels et de la phase.2.2 Dans la litt´rature anglo-saxonne.

A cette e e occasion. Brown qui travaillent sur les servom´canismes hydrauliques pour la commande e des batteries anti-a´riennes. Draper et G. Taylor Instruments envoie Nichols au MIT afin d’utiliser l’analyseur diff´rentiel de V. Nichols et Phillips. e e e Quelques caract´ristiques des courbes e Exactement comme dans le plan de Nyquist. |G(jω)| → −∞ dB (VI. Ce travail est publi´ en e a e 1947 dans le volume 25 des monographies du MIT. Il fait ainsi la connaissance de C. il propose l’abaque dit de Nichols permettant de calculer des ´l´ments de la ee boucle ferm´e ` partir de la connaissance de la boucle ouverte. Il participe ainsi a un groupe de recherche e ` sur le syst`me de guidage automatique anti-a´rien SCR-584. 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. Apr`s la guerre. u e Ils publient ensemble en 1942 un article sur le sujet dans les transactions de l’ASME.REPRESENTATION GRAPHIQUE 169 Biographie 11 (Nataniel Nichols) Nataniel Nichols est n´ en 1914 dans le Michigan et obtient en 1937 son Master de e Physique de l’universit´ du Michigan. il ee ` ` retourne chez Taylor de 1957 a 1963 comme ing´nieur en chef. Il rejoint finalement le ` e control analysis department de Aerospace’s control systems division jusqu’` sa retraite. Bush pour des probl`mes de e e commande. Le fait que le syst`me soit strictement propre implique la pr´sence e e d’asymptotes verticales dans le plan de Nichols-Black. il retourne a Taylor e ` Instruments de 1946 ` 1950 puis passe un an a l’universit´ du Minnesota. On e e e e reprend donc une analyse identique a celle qui a pu ˆtre men´e pr´c´demment. Apr`s avoir a ` e e ´t´ directeur de recherches a la Raytheon Manufacturing Company de 1951 a 1955. Il est ´galement honor´ par la cr´ation de la m´daille Nichols e e e e de l’International Federation of Automatic Control. les courbes dans le plan de Nichols-Black poss`dent des caract´ristiques en hautes et basses fr´quences facilitant leur trac´.36) Φ(ω) → (n − m)90 deg . Theory of servomechanisms par James.Hautes fr´quences : le lieu de transfert d´pend essentiellement du degr´ relatif n − e e e m de G(p). Il a est d´c´d´ en 1997. ` e e e e .

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

1 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. 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 = 0.38) La courbe d’un ordre 2 dans le plan de Nichols-Black admet donc toujours une asymptote verticale en −180 deg.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.01 ξ = 0.3 ξ = 0. VI.02p + p2 ) 8 −135 −90 Open−Loop Phase (deg) −45 0 −70 −180 −135 −90 Open−Loop Phase (deg) −45 0 Lieux de transfert pour ξ variant et ωn = 1 . aux hautes fr´quences.7 ξ=1 −50 −30 ω −40 −180 −60 Lieux de transfert de 1/(1 + 0. 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.5 ξ = 0.

’.19 – Lieu de transfert de 4 pour 0 < ω < ∞ p(p + 2) ` Noter que 20Log10 (4) = 12.[1 2 0]). Nichols Chart 40 30 Asymptotes 20 10 Open−Loop Gain (dB) 0 System: G Gain (dB): −0.’g. 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 + 12.58 System: G3 Gain (dB): −8.172 Exemple VI.2.58 −10 −20 −30 −40 −50 −60 −180 −135 −90 Open−Loop Phase (deg) −45 0 Fig.14 Phase (deg): −38.58 rad/s.G. >> G=tf(4.94 Frequency (rad/sec): 1.[1 0]).’r-.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. e Script MATLAB 19 >> G2=tf(1.’b’).3 Frequency (rad/sec): 1.04 dB.0273 System: G2 Phase (deg): −128 Gain (dB): −3. >> nichols(G2.58 Phase (deg): −90 Frequency (rad/sec): 1. ` e .G3.[1 2]).’.04 dB et le point correspondant a ω = 1. VI.

2.39) Ces deux fonctions de transfert ont un module identique : |G1 (jω)| = |G2 (jω)| = Par contre.2.40) La figure VI. Exemple VI.REPRESENTATION GRAPHIQUE 173 VI.4 Les syst`mes ` non minimum de phase e a ´ Definition VI. leur argument est diff´rent : e Arg(G1 (jω)) = tan−1 ω(T1 − T2 ) 1 + ω 2 T1 T2 (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. 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.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.20 montre le diagramme des phases de G1 et de G2 . T2 = 2 .4 Afin d’illustrer au mieux la remarque pr´c´dente.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 – Phases de G1 et G2 pour T1 = 1. Dans le cas contraire. les syst`mes ` mie e a nimum de phase atteignent un minimum de d´phasage sur l’ensemble dess pulsations. ` 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. il sera ` dit a non minimum de phase.3 Cette d´nomination provient du fait que pour un module identique.2. VI.2.

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

den den}) Transfer function from input 1 to output.6 (lieu de transfert multivariable) La repr´sentation graphique de la r´ponse fr´quentielle d’un syst`me multivariable consiste e e e e ` tracer les gains principaux du syst`me multivariable dans le plan de Bode.21 s^3 + 7.01 2].5 Extension aux syst`mes multivariables e La section I.1.H=tf({1 3. Dans la a e majorit´ des cas.45 s + 10 2 s + 1 ---------------------------------------s^4 + 0.5 (mod`le deux entr´es .2. e Singular Values 0 σ( j ω) Singular Values (dB) −50 −100 −150 σ( j ω) 10 −1 10 0 10 Frequency (rad/sec) 1 Exemple VI. seules les valeurs singuli`res maximale (σ(jω)) et minimale (σ(jω) seront e e trac´es..002 s^2 + 0. La notion de phase pour les syst`mes multivariables n’est e pas clairement d´finie.2.2. ´ Definition VI.REPRESENTATION GRAPHIQUE 175 VI.deux sorties) e e Script MATLAB 20 >> den=conv([1 0.{den den.21 s^3 + 7.002 s^2 + 0. Cela impose donc le plan de Bode e e comme seul outil disponible.. 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 0.2 5]).[2 1] [1 4]}.2 a montr´ que la r´ponse fr´quentielle des mod`les LTI multivariables e e e e est compl`tement caract´ris´e par les gains principaux (valeurs singuli`res) qui sont des e e e e fonctions de la pulsation ω. 1 #1: ---------------------------------------s^4 + 0.45 s + 10 #2: .

21 s^3 + 7.21 s^3 + 7.176 REPONSE FREQUENTIELLE DES SYSTEMES LTI Transfer function from input 2 to output.45 s + 10 s + 4 ---------------------------------------s^4 + 0. 3 #1: ---------------------------------------s^4 + 0..002 s^2 + 0.002 s^2 + 0.45 s + 10 #2: >> sigma(H) >> grid ..

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

178 REPONSE FREQUENTIELLE DES SYSTEMES LTI .

En r´sum´. Une extension au cas des syst`mes multivariables est e e e succintement pr´sent´e.1. 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. Jusqu’` pr´sent.Chapitre VII Analyse en stabilit´ des syst`mes e e boucl´s e VII. Dans ee e e la suite de ce cours. nous nous sommes essentiellement e a e attach´s ` l’´tape de mod´lisation et d’analyse des propri´t´s des syst`mes dynamiques e a e e ee e consid´r´s en tant que tels et d´connect´s de la structure de commande choisie. 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 Syst`mes de commande ` contre-r´action e a e Comme il a ´t´ mentionn´ dans le chapitre introductif. 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).1. Cette e e structure est illustr´e figure VII. seuls les syst`mes monovariables sont trait´s. Dans un premier temps. VII. biographie). e ` ea 179 .1 Principe de la contre-r´action e Un syst`me de commande automatique a contre-r´action compare la valeur r´elle de la e ` e e sortie du syst`me avec l’entr´e de r´f´rence (la valeur souhait´e). e e Cette id´e de contre-r´action n´gative est principalement due a l’ing´nieur en g´nie e e e ` e e ´lectrique Harold Black qui l’a appliqu´ aux amplificateurs utilis´s dans les communicae e e tions longues distances (cf. d´termine l’´cart entre e e ee e e e les deux et produit un signal de commande dont le but est de r´duire cet ´cart a 0 ou e e ` de le rendre tr`s faible. Adopter une telle structure de commande induit bien e entendu un certain nombre d’avantages mais aussi quelques inconv´nients que nous allons e d´tailler a travers un exemple simple emprunt´ ` [13].

u(t) est la u variable de commande d’ouverture du papillon d’admission des gaz variant ´galement e entre 0 et 1. e e e Le sch´ma de principe est alors le suivant. Il publie modulation theory en 1953. 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. 2 102 671) qui ne sera enregistr´ que neuf e e e ann´es plus tard du fait de l’incr´dulit´ du bureau des brevets. Il d´pose un brevet (21 D´cembre 1937 . Perturbation Système de commande Entrée de référence + Ampli. 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. Black) Harold Stephen Black est n´ le 14 Avril 1898 a Leominster dans le Massachussetts. e On suppose que l’´quation du mouvement associ´e au d´placement du v´hicule est e e e e une ´quation diff´rentielle du premier ordre. m est la masse du v´hicule et ρ et c sont des constantes. Il est e ` diplˆm´ de l’Institut Polytechnique de Worcester en 1921 puis re¸oit du mˆme institut o e c e un doctorat honorifique. il rejoint les laboratoires de West e e e Street de la Western Electric a New York. 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. e .No. e e √ ρc 2 (VII. Il meurt en 1983. Apr`s ses ann´es d’´tudes. Harold e e Black fait partie du Hall of Fame des inventeurs depuis 1981 et a re¸u 10 m´dailles. ancˆtres des laboratoires Bell Telephone.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. photo du chapitre e 1). Il ` e travaille alors sur la r´duction de la distorsion dans les amplificateurs de puissance pour e les communications t´l´phoniques longues distances. neuf c e prix ainsi que de nombreux autres titres honorifiques. Process Sortie Fig. ee En 1927.1 – Sch´ma de principe d’un asservissement e Il s’agit d’un syst`me de commande automatique de vitesse de croisi`re d’un v´hicule. Signal de commande Signal d’erreur Capteur Détecteur d’erreur Action.180 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Biographie 12 (Harold S. sur le trajet matinal de l’Hudson River sur le ferry Lackawanny pour aller a son travail. Black a l’id´e d’utiliser une contre` e r´action n´gative afin de r´duire la distorsion en contre-partie d’une e e e perte d’amplification. VII.

VII.4) x2 (t) = −kx1 (t) + ke(t) ˙ Ce syst`me d’´quations diff´rentielles est simul´ ` l’aide de SIMULINK suivant le e e e e a sch´ma suivant : e e e1 Constant1 x20 1 e s Integrator1 k Sum1 k Sum4 1 s Integrator3 al Sum2 alpha x2 x2 x1 x1 1 s Integrator2 2 u Math Function 1 s Integrator4 x10 Constant Sum3 t Clock time Fig.` ` ´ VII. Ce type de loi u a e de commande est qualifi´e d’int´grale puisque.3 – Sch´ma SIMULINK de l’exemple voiture e .2) o` la constante k est ` choisir par le concepteur du syst`me de commande. 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.3) Il est alors possible de proposer une repr´sentation d’´tat non lin´aire de cette mod´lisation e e e e e en choisissant le vecteur d’´tat : x(t) = [vn (t) u(t)] et l’entr´e comme e(t) = vnr (t). e e t u(t) = u(0) + k 0 (vnr (s) − vn (s))ds (VII. e a u(t) = k(vnr (t) − vn (t)) ˙ (VII.1.2 – 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 √ √ ρc 2 ρc x1 (t) = − ˙ x1 (t) + x2 (t) m m (VII. VII.

06 correspondant a des accroissements respectifs ` pour k = 0. .02. Le signal de r´f´rence est donc un ´chelon passant de 0. la r´ponse est tr`s lente.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. VII. 0.56 k=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 = 0.4.6 e ee e ` ` l’instant 10 s.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.58 0.08 0.08.05.182 ANALYSE EN STABILITE DES SYSTEMES BOUCLES √ ρc = m −1 e 0. la vitesse de croisi`re du e e v´hicule atteint la valeur finale souhait´e de 0. la r´ponse du syst`me pr´sente un d´passement entrainant un temps d’´tablissement e e e e e relativement lent alors que pour k = 0.6. Le syst`me en boucle ferm´e et corrig´ e e e e e par cette action int´grale est donc pr´cis.1}. a Quelle que soit la valeur du gain de l’action int´grale k.6. e e e Nous consid´rons la r´ponse indicielle de ce syst`me en boucle ferm´e pour e e e e 0.1 et k = 0. On refait donc les simulations m √ √ ρc ρc = 0. On suppose que la voiture ` ` l’instant initial est a une vitesse de croisi`re vnr0 = 0.52 0.1 s et pour diff´rentes valeurs de k ∈ {0.05 0.08.05 et m m de masse de 20% et 40%.02.08.54 0.6 k=0. 0.1 k=0. 0. = 0.05.5 et que l’on souhaite passer a une a ` e vitesse de croisi`re de 0.5 a 0.62 k=0.02 v 0. que pour les valeurs k = 0. e e On peut remarquer sur la figure VII.

65 0.5 – R´ponse indicielle pour des variations de masse e On peut donc conclure a une certaine insensibilit´ du syst`me de commande de la ` e e vitesse de croisi`re vis-`-vis des variations de masse du v´hicule. VII.58 0.54 0.` ` ´ VII. 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. e a e Si l’on consid`re des conditions r´alistes.1. 0.4 0.5 0. Cela peut ˆtre mod´lis´ en introduisant un terme e e e e de perturbation dans l’´quation dynamique.5 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.52 0. e e e e .56 v 0. SYSTEMES DE COMMANDE A CONTRE-REACTION 0.55 v 0.45 avec perturbation 0. e √ √ ρc 2 ρc (VII. 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.7 0.6 0. VII.6 sans perturbation 0.6 – R´ponse indicielle avec et sans perturbation e Du fait de l’occurrence de la perturbation.62 183 0.5) x1 (t) + x2 (t) + p(t) x1 (t) = − ˙ m m Cette perturbation est mod´lis´e comme un ´chelon de position n´gatif intervenant en e e e e t = 20 s.35 0 10 20 30 40 50 temps (s) 60 70 80 90 100 Fig.

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.Am´lioration du rejet de perturbation en boucle ferm´e e e Cette structure de commande souffre toutefois de d´fauts qui rendent son utilisation e parfois d´licate.Cette structure pose ´galement des probl`mes de saturation des signaux de come e mande qui sont tr`s largement amplifi´s par une action correctrice ( a grand gain) e e (` ). L’exemple de la section pr´c´dente induit. ` e . r + − ζ K(p) b + + ν u G(p) y + + w Fig.r est le signal de r´f´rence que doit suivre la sortie ee .y est la sortie du syst`me e . e . e e .184 ANALYSE EN STABILITE DES SYSTEMES BOUCLES A partir de cet exemple. e e VII. Nous d´finissons ainsi un sch´ma fonctionnel plus complet incluant un signal de e e e perturbation b et un signal de bruit de mesure w. nous avons principalement d´fini les transferts en boucle ouverte et a e e en boucle ferm´e.u est la commande issue du correcteur K(p) . que d’autres transferts peuvent ˆtre int´ressants ` consid´rer afin d’avoir e e a e une vision plus compl`te des probl`mes pos´s par la structure de commande a contree e e ` r´action. VII.2 Caract´risation des syst`mes de commande ` contre-r´action e e a e Jusqu’` pr´sent. Les bruits et les erreurs de mesure associ´s ` cette e a op´ration peuvent entrainer des pertes de pr´cision. . a travers l’introduction de e e e ` la perturbation. on peut mettre en ´vidence les propri´t´s fondamentales de e ee la structure de commande a contre-r´action.Am´lioration de la pr´cision en boucle ferm´e e e e .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 .Le probl`me de stabilit´ est plus crucial en boucle ferm´e qu’en boucle ouverte.7 – Sch´ma bloc avec perturbation et bruit e o` : u . En e e e effet.1.

a S(p) + T(p) = 1 (VII. SYSTEMES DE COMMANDE A CONTRE-REACTION .1.6) u(p) = K(p)ζ(p) ζ(p) = r(p) − w(p) − y(p) Cela permet de d´terminer les relations en boucle ferm´e entre la sortie exog`ne et les e e e entr´es exog`nes : e e y(p) = (1 + G(p)K(p))−1 G(p)b(p)+ (1 + G(p)K(p))−1 G(p)K(p) (r(p) − w(p)) S(p) T(p) (VII. e S(p) = 1 G(p)K(p) T(p) = 1 + G(p)K(p) 1 + G(p)K(p) (VII.11) ν(p) = K(p)S(p)(r(p) − w(p)) + S(p)b(p) .w est le signal des bruits de mesure A partir de ce sch´ma fonctionnel.10) Afin de conserver un certain contrˆle sur l’amplitude de la commande d´livr´e et de la o e e commande re¸ue.7) ´ Definition VII.7 s’´crivent : e ee e e e y(p) = G(p)ν(p) ν(p) = b(p) + u(p) (VII.b est le signal des perturbations = r − y est le signal d’erreur 185 .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.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. diff´rents transferts entre les entr´es et les signaux e e e de sortie int´ressants vont ˆtre consid´r´s. 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.` ` ´ VII.8) Il est ` noter que T (p) = G(p)K(p)S(p) et donc. La fonction de sensibilit´ compl´mentaire e e e e e est en fait la fonction de transfert en boucle ferm´e usuelle. e e ee Les fonctions de sensibilit´ e Les relations alg´briques ´l´mentaires d´finies dans le sch´ma fonctionnel VII.ν est le signal de commande entrant r´ellement dans le syst`me e e .1.

S(p)K(p) repr´sente l’influence de la r´f´rence et des bruits de mesure sur les come ee mandes. la e e e synth`se du correcteur K doit ob´ir aux diff´rents objectifs suivants : e e 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 . e e .Un bon suivi du signal de r´f´rence implique une fonction de sensibilit´ S(p) faible ee e en amplitude.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) = .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.1.7 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. e . e e .1 (fonctions de sensibilit´) e Soit le sch´ma d’asservissement de la figure VII.Une bonne rejection des perturbations sera obtenue pour S(p)G(p) faible.S(p) repr´sente le transfert entre la r´f´rence et l’erreur et entre la perturbation et e ee la commande d´livr´e. . e e Exemple VII. .S(p)G(p) repr´sente l’influence de la perturbation sur la sortie et l’erreur. .L’effort de commande est faible si l’amplitude de S(p)K(p) et de T (p) est faible.186 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le sch´ma fonctionnel pr´c´dent fait donc apparaˆ e e e ıtre quatre fonctions de transfert importantes appel´es fonctions de sensibilit´ : e e S(p) S(p)G(p) T(p) S(p)K(p) o` : u .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. Objectifs de commande Compte tenu des relations ´tablies pr´c´demment et de l’analyse qui les suit.

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

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) .

0) de rayon ee e infini incluant le demi-plan complexe droit. 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. j∞] et d’un demi-cercle centr´ en (0.8 – Sch´ma bloc classique e On rappelle que T (p) = Si l’on note. K(p) = NK (p) DK (p) (VII. ´ Definition VII.2.2. Il est orient´ dans le sens antitrigonom´trique. la sensibilit´ compl´mentaire T (p). e e e e e e 1 + K(p)G(p) = DG (p)DK (p) + NG (p)NK (p) = 0 (VII. VII.2 Analyse en stabilit´ des syst`mes boucl´s e e e Dans un premier temps.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.1 Le crit`re de Nyquist e Le crit`re de stabilit´ de Nyquist est un crit`re graphique fr´quentiel de stabilit´ e e e e e fond´ sur le trac´ du lieu de transfert en boucle ouverte dans le plan de Nyquist.´ ` ´ VII. e 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. quand l’assere e e vissement est ` retour unitaire.13) Nous rappelons que le syst`me est stable asymptotiquement en boucle ferm´e si et e e seulement si ce polynˆme caract´ristique a des racines a partie r´elle strictement n´gative.1 (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∞ . e e .15) G(p)K(p) 1 + G(p)K(p) (VII. o e ` e e On souhaite toutefois d´cider de la stabilit´ de la boucle ferm´e sans avoir a calculer e e e ` explicitement le polynˆme caract´ristique en boucle ferm´e et ses racines.14) NG (p) G(p) = DG (p) L’´quation caract´ristique r´gissant la stabilit´ en boucle ferm´e s’´crit. ANALYSE EN STABILITE DES SYSTEMES BOUCLES 189 VII.

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

La fonction de transfert en boucle ouverte comprend une int´gration et le contour e de Nyquist correspondant est donc donn´ par : e .Tracer le lieu de transfert de la boucle ouverte dans le plan de Nyquist .2.Calculer la boucle ouverte de l’asservissement consid´r´. 0) ´gal au nombre e e e de pˆles ` partie r´elle strictement positive de la boucle ouverte K(p)G(p).ANALYSE EN STABILITE DES SYSTEMES BOUCLES .1 1.Compter le nombre N de tours dans le sens trigonom´trique autour du point critique e (−1.16) Exemple VII.une fermeture dans le cas d’une indentation du contour de Nyquist 191 ´ ` Theoreme VII.17) 1.1 Le syst`me ` contre-r´action de la figure VII. o a e Afin d’appliquer correctement le crit`re de Nyquist. Le nombre Z de o racines instables du polynˆme caract´ristique en boucle ferm´e ob´it ` la relation : o e e e a Z = P− N (VII. 4.Compter le nombre P de pˆles instables de la boucle ouverte.2. o e e .Dans le cas o` le contour de Nyquist a une indentation. il convient de proc´der de mani`re e e e m´thodique en suivant les ´tapes suivantes : e e ´ Procedure VII.8 est stable asymptotiquement si et seulement e a e si le lieu de Nyquist complet de la boucle ouverte K(p)G(p) fait un nombre de tours comptabilis´s dans le sens trigonom´trique autour du point critique (−1. CN o 2. ` G(p) = K p(1 + T p) T >0 K>0 (VII.1 Soit l’asservissement a retour unitaire de fonction de transfert en boucle ouverte.Tracer le lieu de Nyquist complet de la boucle ouverte. 0). . 3. Identifier le nombre de ee pˆles sur l’axe imaginaire et tracer le contour de Nyquist correspondant. le lieu de Nyquist est complet et ferm´.Tracer son sym´trique par rapport a l’axe ox.2. fermer le lieu de u Nyquist. Si la boucle ouverte n’a pas de e ` pˆles/z´ros sur l’axe imaginaire.

e G(jω) = K jω(T jω + 1) −KT +1 (VII.18) Re[G] = −K Im[G] = 2 ω 2 + 1) ω(T 8 Re T 2ω2 0 - Im r= + 8 8 -KT Re 8 0 + Fig.Le trac´ du lieu de Nyquist complet implique les calculs suivants. VII.12 – Exemple : lieu de Nyquist complet .19) (VII.11 – Exemple : contour de Nyquist 2.192 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Im r= Fig. VII.

N = 0. e K →∞ ρ − π/2 ≤ θ ≤ π/2 VII. 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.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.P = 0. 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.13 – Crit`re du revers dans Nyquist : syst`mes stable et instable e e . p = ρejθ ρ→0 − π/2 ≤ θ ≤ π/2 193 (VII. e ´ ` Theoreme VII.2.ANALYSE EN STABILITE DES SYSTEMES BOUCLES La fermeture du contour s’effectue en constatant que sur l’indentation. a droite) quand on parcourt le lieu de transfert ea ` dans le plan de Nyquist (dans le plan de Nichols-Black) dans le sens des ω croissants. Le syst`me est donc stable asymptotiquement.20) K K G(p) ∼ ∼ e−jθ p ρ 3. il est possible d’applie quer un crit`re de Nyquist simplifi´ appel´ crit`re du revers.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.2. 4.

Dans le § VII.7 incluant une perturbation e et un signal de bruit de mesure.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. 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. nous avons d´fini un certain nombre e de transferts. G(p) = p2 (1 1−p + p) K(p) = 1 + 2p 1−p Les fonctions de sensibilit´ associ´es ` cet asservissement se calculent comme : e e a S(p) = p2 (1 + p) p3 + p2 + 2p + 1 p3 2p + 1 + p2 + 2p + 1 K(p)S(p) = (1 + 2p)p2 (1 + p) (1 − p)(p3 + p2 + 2p + 1) p3 1−p + p2 + 2p + 1 T (p) = G(p)S(p) = La fonction de transfert K(p)S(p) a un pˆle ` partie r´elle positive 1 et est de ce fait o a e instable.1. les fonctions de sensibilit´. VII.1 e e e sont reprises. e e e Motivation par un exemple Soit l’asservissement mod´lis´ par VII.2. VII.2. 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. la stabilit´ de ces fonctions de transfert doit e ´galement ˆtre assur´e pour un bon fonctionnement de l’asservissement.7 pour lequel les donn´es de l’exemple VII.1.14 – Crit`re du revers dans Nichols-Black : syst`mes stable et instable e e VII. e a e e e e . En effet. qu’il est n´cessaire de prendre en consid´ration e e e afin de faire une analyse plus pouss´e de l’asservissement. 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.3 Stabilit´ interne des syst`mes boucl´s e e e Dans la section pr´c´dente.

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

Test entr´e-sortie : la boucle ` contre-r´action de la figure VII. >> pole(S) ans = -19.2326 + 1. Hν1 u (p) = G(p)K(p) G(p) Hν1 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) (VII.1 a . e Script MATLAB 22 >> G=tf([10].7).05 1]. e e . la stabilit´ interne implique que des faibles bruits ne doivent pas e r´sulter en signaux de commande et de sortie trop grands.conv([0.5p + 1)2 (0.2.5 1].05p + 1)(2p + 1) dans le sch´ma d’asservissement (VII. Pour tous les signaux e e d’entr´e born´s (v1 .2326 . >> K=tf([1 1].1.1023i -0.3 . e ua e Exemple VII.[2 1])). v) sont born´s.1023i . v sont stables asymptotiquement. >> L=G*K.2.conv([0.1434 -0.Si l’on identifie ν1 et ν2 ` des bruits additionnels sur la commande et la mesure respectivement. ν2 aux sorties e e u. >> S=inv(1+L).conv([5 1].21) K(p) 1 Hν2 u (p) = Hν2 v (p) = 1 − G(p)K(p) 1 − G(p)K(p) Remarques VII.On retrouve les quatre fonctions de transfert particuli`res ` un changement de signe e a pr`s dˆ ` la convention qui est ici d’une contre-r´action positive.196 ANALYSE EN STABILITE DES SYSTEMES BOUCLES ´ ` Theoreme VII.[0.2 Soit le syst`me G(p) = e p+1 10 et le correcteur K(p) = (5p + 1)(0.5 1]))).15 v´rifie la propri´t´ e a e e ee de stabilit´ interne si les quatre fonctions de transfert des entr´es ν1 .Test espace d’´tat : l’interconnection est stable de mani`re interne ssi e e 1 −DK −D 1 existe et A 0 0 AK + B 0 0 BK 1 −DK −D 1 −1 −1 0 CK C 0 est stable asymptotiquement.9878 -3. les signaux de sortie (u. v2 ).2. .

zeros(2.B.1035 >> GS=G*S.1023i 0.9878 -3.9878 -3.2326 .1023i -0.1023i 1.1023i -1.1434 -0.0000 -2.BK.2326 -0.zeros(2. >> [A.C zeros(1.1023i -1.0000i >> KS=K*S.3) -CK.DK]=ssdata(sysK). >> Abf=[A zeros(3.0000 -19.1) BK]*inv([1 DK.1434 -0.C.2)]..0000 -1.1. >> pole(T) ans = -19.. >> pole(KS) ans = -20.1023i -0.2326 -2.1)..9878 -3. .1. >> [AK.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 197 -1.1035 -0.-D 1])*[zeros(1.5000 >> sysG=ss(G).0000i 0.1434 -0.CK.2).D]=ssdata(sysG). >> sysK=ss(K).2326 + 1.1035 -0. >> pole(GS) ans = -19.1035 >> T=1-S.2000 + + - 1.3) AK]+[B zeros(3.2326 .2326 + 1.

e e >> G=tf([1]. e ´ ` Theoreme VII.2.15.22) Remarques VII.1 10]).2326 + 1.Il sera particuli`rement utilis´ dans le cadre de l’analyse de stabilit´ robuste (cours e e e de troisi`me ann´e).15 de boucle ouverte K(p)G(p) est stable de mani`re interne si : e max |K(jω)G(jω)| < 1 ω (VII. L’interconnection pr´sent´e e e figure 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. e e e . >> L=G*K.4 On suppose que G(p) et K(p) sont asymptotiquement stables.1p p+1 1 p2 + 0.[1 0.1023i -3. .1434 -1.9878 -0.3 Soit la fonction de transfert G(p) = et le correcteur K(p) = 0.1023i -0.[1 1]).3015 ω Le syst`me est stable de mani`re interne.2. Ce r´sultat connu sous le nom du th´or`me e e a e e e du faible gain donne une condition suffisante facile a tester qui permet de conclure a la ` ` stabilit´ interne d’un paradigme du type de la figure VII.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.1p + 10 En appliquant le th´or`me du faible gain.1 0].Ce r´sultat est moins fort que le th´or`me de Nyquist puisque l’on suppose la stae e e bilit´ la boucle ouverte et que ce th´or`me ne constitue qu’une condition suffisante. on obtient : e e max |K(jω)G(jω)| = 0.1.198 ANALYSE EN STABILITE DES SYSTEMES BOUCLES >> eig(Abf) ans = -19.2.2 .2326 . e e Exemple VII.

j0) dans le plan de Nyquist. Dans le domaine temporel. 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´.16 – Courbe de gain dans Bode de L 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.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 199 >> bodemag(L) >> grid >> norm(L. Dans le domaine e e e ` fr´quentiel. 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. le pic de r´sonnance Mr peut ´galement servir a cet effet.inf) ans = 0. . VII. Cette distance peut ˆtre mesur´e dans deux e e directions diff´rentes donnant lieu ` la d´finition de la marge de phase et de la marge de e a e gain.3015 Bode Diagram −10 −20 −30 −40 Magnitude (dB) −50 −60 −70 −80 −90 −100 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig.2. cette notion est reli´e e e e e aux param`tres tels que le d´passement maximal et l’amortissement.4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la e e e a boucle ouverte Stabilit´ relative e Dans l’analyse qualitative que l’on peut faire d’un syst`me boucl´.

2. cela indique l’augmentation que le gain peut e a accepter avant de devenir instable.24) o` ω−180o est la pulsation pour laquelle la phase de la boucle ouverte vaut −180o (phaseu crossover frequency).5 (marge de phase) La marge de phase est d´finie par : e Mφ = φ(ωco ) + 180o (VII.200 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Marge de phase et marge de gain ´ Definition VII.17 – Marges de gain et de phase dans les plans de Nyquist et de Nichols-Black .23) o` ωco est la pulsation de coupure a 0 dB (gain-crossover frequency) de la fonction de u ` transfert en boucle ouverte : L(jωco ) = 0 dB ´ Definition VII.25) (VII. La marge de phase et de gain mesurent la distance du lieu de Nyquist au point critique −1.26) Remarques VII.3 Pour un syst`me ` minimum de phase. Ces indicateurs sont repr´sent´s graphiquement dans les diff´rents plans.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. Arg[L(jω−180o )] = −180o (VII.2. VII.6 (marge de gain) La marge de gain se d´finit par : e Kg = 1 |L(jω180o )| Kg dB = −20Log10 |G(jω−180o )| (VII.

18 – Marges de gain et de phase dans le plan de Bode Exemple VII. Bode Diagram Gm = Inf dB (at Inf rad/sec) . Pm = 25. >> margin(L) .2.[1 1]). VII. >> K0=100. >> K=tf([0.2.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.1 0].42 rad/sec) 20 10 0 Magnitude (dB) Phase (deg) −10 −20 −30 −40 −50 −60 90 0 −90 −180 10 −2 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Script MATLAB 23 >> G=tf(1.42 rad/s.5 10]). La marge e de gain est infinie Kg = ∞ alors que la marge de phase est donn´e par Mφ = 25.4 On reprend l’exemple V. 8 deg pour ωco = 4. >> L=K0*G*K.[1 0.8 deg (at 4.3 et l’on rajoute un gain K0 = 100 dans la boucle.

449 Frequency (rad/sec): 4.202 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. Nyquist Diagram 6 4 2 Imaginary Axis 0 System: L Real: −0. VII.19 – Plan de Nyquist Nichols Chart 20 10 System: L Gain (dB): 0.43 −2 −4 −6 −6 −4 −2 0 Real Axis 2 4 6 Fig. VII.42 0 Open−Loop Gain (dB) −10 −20 −30 −40 −50 −180 −135 −90 −45 Open−Loop Phase (deg) 0 45 90 Fig.908 Imag: −0.00322 Phase (deg): −154 Frequency (rad/sec): 4.20 – Plan de Nichols-Black .

22 – Marge de module dans le plan de Nyquist . Dans le plan de Nyquist.5 −2 −4 −3 −2 −1 0 Real Axis 1 2 3 4 Fig. e Nyquist Diagram 2 1. 0) et tangent au lieu de transfert.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 203 Ces deux indicateurs permettent de juger de la robustesse en stabilit´ dans deux e directions pr´cises. Une mesure plus objective est d´finie par la marge de module. VII.2. VII.5 −1 −1.5 1 0.5 Imaginary Axis 0 −0. ∆M = 1 1 = MS max |S(jω)| ω (VII.2.27) Im −1 ∆M 1 Re G(jω ) Fig. e e ´ Definition VII.21 – Marge de module dans le plan de Nyquist Exemple VII.7 (marge de module) La marge de module est la plus petite distance du point critique au lieu de transfert en boucle ouverte.2.3 avec le mˆme gain K0 = 100 dans la boucle.5 On poursuit l’exemple V. c’est donc le rayon du cercle de centre le point critique (−1.

6 (VII.204 ANALYSE EN STABILITE DES SYSTEMES BOUCLES La marge de module vaut donc ∆M = 0.5 10]).40911.6 On poursuit l’exemple pr´c´dent. Script MATLAB 24 >> G=tf(1.[1 0. >> Mod=inv(norm(S.2. On trouve ωr = 3.14 Magnitude (dB): 15. e e e ` e Pulsation de r´sonnance et coefficient de qualit´ e e ´ Definition VII.2.1 0]. >> K0=100.6 dB.[1 1]).14 rad/s et Mr = 15.8 (pulsation de r´sonnance) e La pulsation de r´sonnance est la pulsation ωr telle que : e ωr = Arg[maxω (L(jω))] Exemple VII. >> K=tf([0.28) 10 0 −10 Magnitude (dB) −20 −30 −40 −50 −60 −2 10 10 −1 10 0 10 1 10 2 Frequency (rad/sec) Fig. VII.4091 D’autres indicateurs fr´quentiels sont ´galement tr`s importants a d´finir. >> S=inv(1+L).inf)) Mod = 0.23 – Pulsation de r´sonnance e . >> L=K0*G*K. e e Bode Diagram 20 System: L Frequency (rad/sec): 3.

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

34) o` N = tan(α). culer pour chaque pulsation donn´e. l’amplitude et la phase de la boucle ferm´e e e 1 + L(jω) On souhaite donc tracer dans le plan de Nyquist.206 − → OA repr´sente L(jωA ). Ainsi.32) o` M est le module en boucle ferm´e et α la phase en boucle ferm´e.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. e ANALYSE EN STABILITE DES SYSTEMES BOUCLES − → |OA| = |L(jωA )| (VII.Les lieux d’amplitude constante en boucle ferm´e sont appel´s les M-cercles et ont e e pour ´quation : e X+ M M2 − 1 2 + Y2 = M2 (M2 − 1)2 (VII. les lieux d’amplitude constante et de phase constante en boucle ferm´e. u A partir de ces M-cercles et de ces N-cercles. On note.707. 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.10 (M-cercles et N-cercles) .33) . u e e ´ Definition VII. e u − → |OA| L(jωA )| − = |1 + L(jω )| → A |P A| α−θ =φ L(jωA ) 1 + L(jωA ) (VII.2. L’intersection de L(jω) avec e les M-cercles et les N-cercles donnent les valeurs de M et N en des pulsations donn´es e e e comme il est indiqu´ par les figures suivantes. e Y (jω) = M ejα R(jω) L(jω) = X + jY (VII.31) A partir de la connaissance du lieu de transfert en boucle ouverte L(jω).30) φ(L(jωA )) = φ − → P A repr´sente 1 + L(jωA ) d’o`. 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. 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. il s’agit de calL(jω) . .

0 3 −1 M= 8 L(j ω) M=1 −1/2 Im M = 0. Un exemple d’abaque est donn´ ` la figure VII.5 −1 −30o −2 −2.5 −2 −1.26 – Abaque des M-cercles L’utilisation de l’abaque des N-cercles est compl`tement identique ` celui des M-cercles e a et n’est donc pas d´taill´e ici.ANALYSE EN STABILITE DES SYSTEMES BOUCLES 207 ω 0.833 0.5 −36 o −0.5 2 2.707 M = 1. VII.3 1.5 Fig.27 – Abaque des N-cercles .67 0.5 Re ω r (Mr = 2) M=0 Fig.5 2.5 60o 90o 0.707 0.5 1 1.5 Im G 0 −90o −60o −45o −1.2 1.5 −2.5 0 Re G 0.5 −1 −0. e e ea 2.27. VII.5 30o (−150o) 36o 45 1 o 2 1.

7 En reprenant l’exemple pr´c´dent. 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. 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. si l’on souhaite utiliser un abaque en vue de la synth`se d’un correcteur venant modifier la boucle ouverte.64 Imag: 0.375 Frequency (rad/sec): 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). on peut calculer des e e a points de la boucle ferm´e. Ainsi ` partir de la figure VII. e ω = 2.87 Imag: −1.99 dB Nyquist Diagram 6 0 dB 4 2 2 dB 4 dB −4 dB −6 dB −10 dB −2 dB System: L Real: 1.16 Imaginary Axis 6 dB 10 dB 0 System: L Real: −1.42 rad/s |T (jω)| = −4 dB |T (jω)| = 2 dB Mr = |T (jωr )| = 6.62 −2 −4 −6 −2 −1 0 1 Real Axis 2 3 4 5 Fig. e .2.28. il est e plus pratique de travailler dans le plan de Nichols-Black et d’utiliser l’abaque de HallNichols. VII. ` 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.62 rad/s ωr = 4.16 rad/s ω = 3. De ce fait.29 qui forment l’abaque de Hall-Nichols.208 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Exemple VII.92 Frequency (rad/sec): 3.

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

7 rad/s Kg = 8 dB ω−π = 4 rad/s Mr = 0. 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. il est alors possible de calculer e e la marge de phase.8 rad/s Nichols Charts 50 40 0 dB 30 0. 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.5 dB ωr = 2.5. e e Mφ = 60 deg ωco = 1.210 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Le lieu de transfert de L(p) est trac´ dans l’abaque de Hall-Nichols pour K = 2.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0. e Diff´rentes valeurs de l’amplitude de la boucle ferm´e ` retour unitaire peuvent ainsi ˆtre e e a e calcul´es.

ANALYSE EN STABILITE DES SYSTEMES BOUCLES 211 Nichols Charts 50 K=5 0.5 dB 20 1 dB 3 dB 6 dB 0 −10 −20 −30 −40 −50 −200 0.5 dB 1 dB 3 dB 6 dB 0 dB −1 dB −3 dB −6 dB −12 dB −20 dB −40 dB 0 Open−Loop Gain (dB) −50 K = 2.25 dB 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 .

il faut calculer.2.35) 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) . (VII.4 Si l’asservissement n’est pas unitaire.212 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Remarques VII. 1 L(p)H(p) Y (p) = R(p) H(p) 1 + L(p)H(p) On trace alors en phase.

dans L(p). Le lieu de o e Nyquist complet est alors trac´ comme : e .3.` VII. Si le syst`me est instable alors le nombre de pˆles instables en boucle ferm´e est e o e Pbf = N +Pbo o` N est le nombre de tours dans le sens antitrigonom´trique autour de 0 du lieu de u e Nyquist de det(1 + L(jω)). e o e ´ ` Theoreme VII.3.O. L’asservissement ` retour unitaire est BIBO stable en boucle ferm´e ssi le lieu de Nyquist de det(1 + L(p)) : e . e .3. seules quelques extensions de ce qui a ´t´ vu pr´c´demment sont ee e e pr´sent´es pour les syst`mes multivariables.1 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 = 2.24 o` l’on suppose que L(p) e a u ne poss`de pas de simplification de pˆles-z´ros instables.1 Le crit`re de Nyquist multivariable e Soit le syst`me asservi ` retour unitaire de la figure VII.ne passe pas par l’origine. e Exemple VII. EXTENSION AUX SYSTEMES MULTIVARIABLES 213 VII.3.3 Extension aux syst`mes multivariables e Dans cette partie.fait Pbo tours dans le sens trigonom´trique autour de l’origine.1 (crit`re de Nyquist multivariable) e o a Soit Pbo le nombre de pˆles instables en B.1 Le lieu de Nyquist de det(1+L(p)) correspond a l’image de det(1+L(p)) quand p parcourt ` le contour de Nyquist dans le sens antitrigonom´trique.3. e e e VII. Remarques VII.

2 Real Axis Cela conduit ` calculer N = 0 et donc Pbf = Pbo = 2.2 Soit l’asservissement a retour unitaire du type de la figure VII.5].3.4 0. . Le syst`me est instable.04 Imaginary Axis 0.2 0.0 0 0.0 0 -4].8 1 1. ´ ` Theoreme VII.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.3. a e VII.02 −0.C=[0.5 0 0.2 Le th´or`me du faible gain e e Le th´or`me du faible gain d´j` pr´sent´ dans le cas monovariable s’´tend naturellee e ea e e e ment au cas multivariable.3.08 0.1 0.6 0. u e e a Exemple VII.5.04 −0.0 -1 1.214 ANALYSE EN STABILITE DES SYSTEMES BOUCLES Nyquist Diagrams From: U(1) 0.5 0 0       Script MATLAB 25 >> A=[-1 0 -2.06 −0.5 0 0.B=[1 0.24 avec `    L(p) : =    −1 0 −2 1 0 0 −1 1 1 0 0 0 −4 0 1 0.02 To: Y(1) 0 −0.08 0 0.5 0 0 0 0 0.06 det(1+L(p) 0.0 1].

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

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

e e e e 217 . 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. dans son ´tape de synth`se. 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. L’objet de ce chapitre est donc de fournir des m´thodes permettant de mani`re e e e syst´matique la g´n´ration de sp´cifications de performance.1 Introduction Un syst`me de commande est calcul´ afin de modifier les caract´ristiques du r´gime e e e e transitoire et celles du r´gime permanent du syst`me original et ceci dans le cadre d’une e e structure de commande a contre-r´action.Chapitre VIII Analyse en performance des syst`mes e boucl´s e VIII. e e e Ces sp´cifications de nature diff´rente ne vont pas s’en s’opposer parfois les unes e e aux autres conduisant le concepteur du syst`me de commande ` adopter un comproe a mis entre ces diff´rentes exigences contradictoires. Les performances d’un e e e syst`me dynamique doivent donc ˆtre d´finies et sp´cifi´es pr´cis´ment afin de faire une e e e e e e e analyse et une synth`se ad´quates du syst`me de commande. Cela est d’autant plus vrai que le e e concepteur devra n´cessairement tenir compte. 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. Ces caract´ristiques sont regroup´es sous le ` e e e terme g´n´rique de performances dynamiques du syst`me.

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

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

e a ωco < ωh u ∼ K(r − w) − b et ν ∼ b + K(r − w).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 .12) 1 (VIII.4 Suivi de r´f´rence r : pr´cision ee e ω < ωb Cette sp´cification est g´n´ralement une sp´cification pour les basses fr´quences : e e e e e et l’on retrouve exactement les sp´cifications donn´es pour le rejet de perturbation : e e ω < ωb |S(jω)| 1 (VIII.2.15) |K(jω)G(jω)| |T (jω)| ∼ 1 1 .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.Pour que w ait peu d’influence sur ν : |K(jω)S(jω)| 1 (VIII. Cela implique de choisir la pulsation ωh sup´rieure ` la pulsation ωco .14) VIII. ee e e (VIII.11) Une analyse identique a la pr´c´dente utilisant les relations alg´briques sur les fonctions ` e e e de sensibilit´ conduit a ´crire la sp´cification en hautes fr´quences : e `e e e ω > ωh |S(jω)| ∼ 1 (VIII.220 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES VIII.2.13) |K(jω)G(jω)| |T (jω)| 1 1 Si ces sp´cifications sont v´rifi´es alors n´cessairement : e e e e y ∼ Gb et ∼ r − Gb.

1 (r`gle des int´grateurs) e e Afin d’annuler l’erreur en r´gime permanent ` une entr´e transitoire r(p).2.2. on obtient. il faut avoir Φ = −135 deg et donc dans cette r´gion. la boucle ouverte e a e doit comprendre au moins autant d’int´grateurs que le signal r(p) en contient. 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. aux hautes fr´quences (ω ≥ ωh ) et avoir une pente au voisinage de la pulsation de coupure garantissant la stabilit´.1 Si L(p) = 1 pn alors |L(jω)| a une pente de −n × 20 dB/decade et sa phase vaut −n × 90 deg. e e e ´ ` Theoreme VIII. e Exemple VIII. 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 . e .18) ω−180o : Arg[L(jω−180o )] = −180 deg L’imp´ratif de stabilit´ impose afin d’avoir une marge de gain positive.) Il est donc souhaitable que l’erreur s’annule ou e prenne une valeur finie en r´gime permanent pour des entr´es de r´f´rence types. Cela induit des pulsations ωco et ω−180o suffisamment importantes. On ne peut en effet imposer librement l’att´nuation aux basses fr´quences e e e e e (ω ≤ ωb ).16) En appliquant le th´or`me de la valeur finale. e e t→∞ lim (t) = (∞) = lim p (p) = lim pS(p)r(p) p→0 p→0 (VIII. e 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.SPECIFICATIONS FREQUENTIELLES 221 Le suivi de r´f´rence pose le probl`me plus sp´cifique de la pr´cision du syst`me en ee e e e e r´gime permanent. On souhaite en effet que le syst`me boucl´ r´ponde sans erreur ou avec e e e e une erreur donn´e ` des entr´es types telles que celles qui ont ´t´ d´finies pour l’analyse e a e ee e temporelle transitoire (´chelon. rampe..2. e la pente ne peut exc´der −30 dB/dec. 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.. Il y a donc contradiction entre les deux termes de ces exigences et les sp´cifications e pr´c´dentes.17) On en d´duit la r`gle des int´grateurs.

22) VIII.707 = −3 dB 2 est appel´e bande passante en boucle ferm´e.2 (condition de roll-off ) Une fonction de transfert ayant une pente de −20 dB/dec est dite avoir un roll-off de 1.707 = −3 dB 2 (VIII. on a alors : e e ωB < ωco < ωBT (VIII.2. e e Pour les syst`mes poss´dant une marge de phase Mφ < 90 deg.21) (VIII.La pulsation ωB pour laquelle : 1 |S(jωB )| = √ = 0. e ´ Definition VIII.2. la commande continue a influencer la r´ponse du syst`me mais n’am´liore plus les performances. e e .2.1 La bande passante en boucle ferm´e peut alternativement ˆtre d´finie ` partir de la fonce e e a tion de sensibilit´ compl´mentaire. ωBT ]. Bandes passantes en boucle ouverte et en boucle ferm´e e Comme nous venons de le voir. la bande passante est un indicateur de performance particuli`rement important. ωB = ωBT .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.222 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES ´ ` Theoreme VIII. la commande est effective et am´liore les performances. Dans le cas contraire.1 . e e e C’est une ´tape importante dans l’´tape de mod´lisation.La pulsation ωco pour laquelle : |L(jωco )| = 1 = 0 dB est appel´e bande passante en boucle ouverte.2. Diff´rentes bandes passantes peuvent ainsi ˆtre utilis´es pour e e e e imposer un certain niveau de performance au syst`me. e Remarques VIII. Au del` de ces pulsations. Les sp´cifications fr´quentielles e e e e e pr´c´dentes reviennent ` donner une forme particuli`re sur l’ensemble des pulsations ` e e a e a .19) Dans la majorit´ des cas. 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. Pour les pulsae a ` e tions comprises dans l’intervalle [ωB . ωBT est la pulsation pour laquelle : e e 1 |T (jω)| = √ = 0. S ∼ 1 et la e e a commande n’affecte plus la r´ponse du syst`me. pour les pulsations e e inf´rieures ` ωB ..20) (VIII.

pente de −20 dB/decade autour de ωco pour satisfaire la condition de roll-off . La courbe de gain dans e e Bode de la boucle ouverte L(jω) = K(jω)G(jω) prend classiquement la forme suivante.2 – Loopshaping de la boucle ouverte Sp´cifications de performance par loopshaping e Les sp´cifications de performance par loopshaping sont ´labor´es sur le gain de boucle. Si l’on souhaite travailler uniquement sur cette derni`re.sp´cification du nombre d’int´grateurs dans L(p) par la r`gle des int´grateurs e e e e 2.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. e . 1. |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. R´aliser un compensateur remplissant de telles exigences e e e est appel´ faire la synth`se d’un correcteur par loopshaping. 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 .pente aux basses fr´quences (ω ≤ ωb ) d´finie par le mod`le de la perturbation e b(p) e e 3. 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). VIII.

e e e e e Exemple VIII.20372 rad/sec) 10 0 −10 Phase (deg). Magnitude (dB) −20 −30 −50 −100 −150 −200 −250 10 −1 10 Frequency (rad/sec) 0 Fig.5. 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 = 48.3 – Courbe de gain de G(p) .1 rad/s.5 deg. ωco = 0.23) 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. a e e .25) (VIII. (at 0.2 rad/s et ωp2 = e 0.2 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. Bode Diagrams Gm=7.224 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES L’int´rˆt de sp´cifier les performances par loopshaping provient principalement de la ee e simplicit´ de l’expression de la boucle ouverte comme fonction du compensateur K(p) e puisque : L(p) = K(p)G(p) (VIII.5 et des pulsations de coupure ω−180o = 0.9588 dB (at 0.24) Ce mod`le poss`de les caract´ristiques suivantes.41 rad/s.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. a G(p) = 3(−2p + 1) (5p + 1)(10p + 1) (VIII. une marge de gain Kg = 2. e e e .448 deg.41231 rad/sec).Il est ` non minimum de phase du fait de la pr´sence d’un z´ro instable z = 0.2. e e K(p) = L(p)G−1 (p) Cette m´thode est g´n´ralement bien adapt´e pour les probl`mes simples. Pm=48. VIII.

Le bruit de mesure intervenant au del` de 0.1 rad/s.1 rad/s.Premi`re sp´cification : e e La r`gle des int´grateurs indique qu’il est n´cessaire d’ajouter une int´gration dans e e e e la boucle ouverte conduisant a ´crire : `e L(p) = . L’analyse de la perturbation b(p) conduit a ´crire : `e |Gb (jω)| = √ 1 1 + ω2 (VIII.27) Pour ω = 0.33 a afin d’avoir ωpβ = 3 rad/s et un roll-off de 2 au del`. Cela permet de choisir ωb = 0. on a donc une fonction de transfert en boucle ouverte : L(p) = K(−2p + 1) p(αp + 1)(βp + 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. On obtient donc. a e e Les sp´cifications du loopshaping sont remplies de la mani`re suivante : e e .30) .SPECIFICATIONS FREQUENTIELLES On souhaite corriger ce syst`me afin qu’il v´rifie les sp´cifications suivantes.29) On choisit α = 2 afin d’avoir une pulsation de coupure ωpα = 0. a La pente aux basses fr´quences est de −20 dB/dec du fait de l’int´gration.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.5 Hz doit ˆtre filtr´.5 rad/s et β = 0. e e e 225 .26) on d´sire que la sortie revienne a z´ro le plus rapidement possible si a(p) = 1/p. e ` e .Deuxi`me sp´cification : e e La condition de roll-off est v´rifi´e du fait de l’int´gration. L0 (p) = −2p + 1 p(2p + 1)(0. A ce stade. Cela a implique l’ajout ´ventuel d’un pˆle dont la pulsation de cassure est sup´rieure e o e ` cette pulsation.33p + 1) (VIII. e .28) 3(−2p + 1) p(5p + 1)(10p + 1) (VIII.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. |Gb (jω)| ∼ 0 dB. e e e Le bruit de mesure intervient ` partir de la pulsation ωh = 3 rad/s.

95 rad/s 60 40 20 0 Phase (deg). e e e La courbe de gain est descendue de −15 dB conduisant au calcul de K = 0.226 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES dont on fait le trac´ dans Bode pour obtenir la marge de phase et de gain : e Mφ = −52 deg et des pulsations de coupure.43 rad/s Bode Diagrams Kg = −0.15 et a ` une pulsation de coupure ωco = 0. e e .31) Le trac´ de Bode d’une telle boucle ouverte conduit ` calculer une marge de phase e a et une marge de gain : Mφ = 54 deg Kg = 2. la courbe de gain est d´plac´e verticalement afin de d´placer la pulsation de coupure ωco vers la gauche. Magnitude (dB) −20 −40 −60 L(p) L0(p) G(p) 0 G(p) L(p) −100 −200 −300 L0(p) 10 −3 −2 −1 0 1 2 10 10 10 10 10 Frequency (rad/sec) Fig. On obtient alors : L(p) = 0.4 – Courbe de gain de L0 (p) Ce syst`me est visiblement instable en boucle ferm´e.2 rad/s.44 ωco = 0.33p + 1) (VIII. ω−180o = 0.Troisi`me sp´cification : e e A l’aide d’un gain K que l’on introduit dans la boucle ouverte. VIII.15(−2p + 1) p(2p + 1)(0.92 .

VIII.8 0.8 0.SPECIFICATIONS FREQUENTIELLES et des pulsations de coupure : ω−180o = 0.4 0.6 Amplitude Amplitude 0.6 – R´ponses indicielles e .15(10p + 1)(5p + 1) p(2p + 1)(0.2 0 0 0 14 28 Time (sec.4 0.33p + 1) (VIII. e e e Step Response Step Response 1 1 0.15 rad/s 50 L(p) L (p) 0 G(p) 0 Phase (deg).2 0.44 rad/s Bode Diagrams 227 ωco = 0.) 42 56 70 0 5 10 15 20 Time (sec. 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. on obtient un compensateur ´gal a : e e e ` K(p) = 0.6 0.5 – Courbe de gain de L(p) Par la m´thode d’inversion de mod`le.32) Les figures suivantes sont les r´ponses temporelles ` une entr´e en ´chelon de position e a e e unitaire r(p) = 1/p pour le syst`me boucl´ non corrig´ (pour lequel il existe une erreur e e e de position) et le syst`me boucl´ corrig´ par K(p).) 25 30 35 40 Fig.

Des valeurs de MS et de MT grands indiquent une faible performance du ee syst`me ainsi qu’une faible robustesse vis a vis des perturbations pouvant l’affecter.) 40 50 60 Fig.228 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES La figure VIII.6 0.8 0. VIII.7 repr´sente les sorties du syst`me quand a(p) = 1/p pour le syst`me e e e non corrig´ et le syst`me corrig´.) 42 56 70 0 10 20 30 Time (sec.2 0 0 0 14 28 Time (sec. la sensibilit´ S est en particulier un bon indicateur e e des performances du syst`me. Des e ` valeurs typiques correctes sont donn´es par : e MS ≤ 2 (6 dB) (VIII.2.4 0. En effet.7 – R´ponses a une perturbation en ´chelon e ` e VIII.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.8 0.7 Modelage des fonctions de sensibilit´ e Une strat´gie diff´rente de celle du loopshaping est de d´finir les sp´cifications direce e e e tement sur les fonctions de sensibilit´ S et T et de reformuler le probl`me de synth`se en e e e un probl`me d’optimisation.4 0.6 Amplitude Amplitude 0.2 0.34) MT ≤ 1.25 (2 dB) Ces deux grandeurs ne sont ´videmment pas ind´pendantes et doivent v´rifier : e e e |||S| − |T ||| < |S + T | = 1 ∀ ω (VIII.35) . e e e MS = ||S||∞ = sup |S(jω)| ω (VIII. e Crit`res de performance e On d´finit deux indicateurs de performance a partir de la norme H∞ sur les fonctions e ` de sensibilit´ et sensibilit´ compl´mentaires. e e e Step Response Step Response 1 1 0.

2.SPECIFICATIONS FREQUENTIELLES Remarques VIII.2.39) Remarques VIII. 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.40) < 1 ⇔ ∀ ω |wp (jω)| < |L(jω) + 1| .2 (fonction de pond´ration) e wp (p) est appel´e fonction de pond´ration de S. e e La sp´cification de pond´ration signifie donc que la norme H∞ (la valeur maximale e e e e a e du gain) de S pond´r´e par la fonction wp (p) doit ˆtre inf´rieure ` 1. e ∀ ω |S(jω)| < 1 |wp (jω)| ⇔ ||wp S||∞ < 1 ´ Definition VIII. e e e KG ≥ MS MS − 1 1 MT Mφ ≥ 2 sin−1 ( 1 1 )≥ rad 2MS MS 1 1 )> rad 2MT MT (VIII. Un choix usuel est MS = 2.une erreur maximale de position en r´gime permanent A e 3.3 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 bande passante minimale ωB ` −3 dB |S(jωB )| = 0. e e e e e ∆M = 1 MS 229 (VIII.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 4.37) KG ≥ 1 + Mφ ≥ 2 sin−1 ( (VIII.707 2.38) Sp´cifications de performance en sensibilit´ e e Elles sont donn´es sous la forme suivante : e a 1.36) Un lien entre ces grandeurs et la marge de phase et de gain peut ´galement ˆtre ´tabli.l’amplitude maximale du module de S : ||S||∞ < MS (VIII.2 La marge de module d´finie dans le chapitre pr´c´dent se d´finit ´galement comme.

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

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. Il e e a e est ` noter sur la figure VIII.15]. >> bodemag(S.2. e e la boucle ouverte vaut : L(p) = 0.SPECIFICATIONS FREQUENTIELLES .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. Apr`s loopshaping.2.2.ωB est la pulsation de coupure a −3 dB ` 231 Remarques VIII. >> S=inv(1+L).15(−2p + 1) p(2p + 1)(0.4 Afin d’am´liorer les performances. Script MATLAB 26 >> M=1.8.[1 0]).conv([2 1 0].3 0.2.8 ωB = 0.3 On reprend l’exemple utilis´ pour le loopshaping de la section III.7 que la pulsation a partir de laquelle S ∼ 1 (le correcteur a ` n’est plus effectif) est 1 rad/s.05. elle est ´gale a M ≥ 1 e e ` .Omega_B=0.33 1])). 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.aux hautes fr´quences.5.42) Exemple VIII.[0. >> Wp=tf([1/M Omega_B].1/Wp) >> grid A=0 .

afin de r´duire l’amplitude des signaux de e sup´rieure e |wT | 1 commande. De plus. e Afin de garantir un roll-off suffisant aux hautes fr´quences. on peut sp´cifier une borne e e 1 sur l’amplitude de T . 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. En particulier.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.2.44) . Un moyen de garantir des sp´cifications compl´mentaires consiste a introduire des sp´cifications de type norme sur e e ` e d’autres fonctions de sensibilit´.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. 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. elle ne permet pas de sp´cifier le roll-off e e de la boucle ouverte L(p) au dessus de la bande passante.

SPECIFICATIONS FREQUENTIELLES 233 VIII. Pour cela.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.2 Les fonctions de sensibilit´s en entr´e et en sortie e e Il est tout d’abord n´cessaire de d´finir les relations de bouclage associ´es au sch´ma e e e e d’asservissement VIII. .r`gle 2 : bouclage e v(p) = (1 + L(p))−1 u(p) L(p) = G2 (p)G1 (p) U(p) + v(p) − G1(p) Y(p) G2 (p) .r`gle 3 : push and pull e G1 (p)(1 − G2 (p)G1 (p))−1 = (1 − G1 (p)G2 (p))−1 G1 (p) VIII. En effet. du fait de la non commutativit´ du produit matriciel. 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). e .3.3 VIII.9 o` G(p) ∈ Cr×m et K(p) ∈ Cm×r sont des mod`les LTI multivau e riables.r`gle 1 : cascade e z(p) = G(p)w(p) = G2 (p)G1 (p)w(p) w G1 (p) y G2(p) z . il est important de rappeler les r`gles de e e e composition des op´rateurs de transfert dans le cas multivariable.3.

Afin de ne pas alourdir ce document. En fait.3.3.3.9 est compl`tement caract´ris´ par les fonctions de transe e e e fert : Sy = (1 + GK)−1 Su = (1 + KG)−1 Ty = (1 + GK)−1 GK Tu = (1 + KG)−1 KG (VIII. VIII. On doit substituer les valeurs singuli`res au module e e e e pour ´valuer la ”taille”des transferts consid´r´s.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. ´ ´ Proprietes VIII.1 (sensibilit´s en entr´e et en sortie) e e Le sch´ma d’asservissement VIII.9 – Asservissement et fonctions de sensibilit´s e s(p) = (1 + GK)−1 Gb(p) + (1 + GK)−1 GK(r(p) − n(p)) ζ(p) = (1 + GK)−1 r(p) − (1 + GK)−1 Gb(p) + (1 + GK)−1 GKn(p) u(p) = K(1 + GK)−1 (r(p) − n(p)) − K(1 + GK)−1 Gb(p) Les relations de bouclage pr´c´dente permettent de d´finir les 6 transferts caract´risant e e e e l’asservissement VIII. nous e ee n’´tablissons pr´cis´ment qu’une sp´cification : suivi de r´f´rence.1 Sy + Ty = 1 KSy = Su K Su + Tu = 1 Sy G = GSu VIII. ´ Definition VIII. seul l’outil e e math´matique est r´ellement diff´rent. e e e e ee .46) (VIII.9.45) KSy = K(1 + GK)−1 Sy G = (1 + GK)−1 G Il est ` noter que la diff´rence fondamentale avec les asservissements monovariables a e vient de la non identit´ des sensibilit´s et sensibilit´s compl´mentaires en entr´e et en e e e e e sortie Sy = Su et Ty = Tu .234 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES b + + ν u 2 r + − ζ K(p) F(p) 1 + s v + + n Fig.

SPECIFICATIONS FREQUENTIELLES Suivi de r´f´rence ee 235 En reprenant. σ(Wp Sy (ω)) < 1 ∀ ω o` u Wp = diag(wpi ) avec . On d´finit donc une e e e r´gion de bande passante e ωσ(S)=0.47) Pour que le suivi de r´f´rence soit bon.10 – Fonction de pond´ration et sensibilit´ typiques e e Remarques VIII. = s − r = Sy (d − r) − Ty n + Sy Gb (VIII. il est donc indispensable que l’influence de r ee sur soit la plus faible possible.48) cela peut s’exprimer par la relation suivante.7 .ωBi bande passante a −3 dB 10 1 10 0 Amplitude 1/Wi 10 −1 |S| 10 −2 10 −2 10 −1 10 ω rad/s 0 10 1 10 2 Fig.9. VIII. En rappelant que σ(Sy (ω)) ≤ (ω) r(ω) 2 2 ≤ σ(Sy (ω)) (VIII.1 Pour les syst`mes MIMO. la bande passante d´pend des directions. l’erreur s’exprime comme suit.3.Mi 1 pour une action int´grale e 2 wp i = s/Mi + ωBi s + ωBi Ai (VIII. les relations de l’asservissement VIII.Ai .49) ` .7 ≤ ωB ≤ ωσ(S)=0.50) (VIII.

faible ` basses fr´quences a e ω < ωB . Pour un bon suivi de r´f´rence. Celles-ci sont indiff´remment exprim´es en boucle ferm´e e e e e (fonctions de sensibilit´) ou en boucle ouverte (gain de boucle). e σ(L) − 1 ≤ 1 ≤ σ(L) + 1 σ(Sy ) 0.236 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES Si l’on souhaite associer un unique indicateur pour la bande passante. 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 .41 . Tu et Su faibles e e σ(Wu KSy (ω)) < 1 ∀ ω ⇔ ou σ(K) faible 0 ≤ ωB ≤ ω .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 .7 .R´duction d’´nergie de commande u et ν faibles : KSy . le trac´ des valeurs sinee e e e guli`res min et max de S doit donc suivre un gabarit : e . ´tant donn´ le filtre choisi.41 ≤ σ(S) ≤ 2. la pire direction est choisie ωσ(S)=0.∼ 1 aux hautes fr´quences e ω > ωB σ(S) ∼ 1 σ(S) 1 .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.

e |1 − σ(S)| ≤ σ(T ) ≤ 1 + σ(S) |1 − σ(T )| ≤ σ(S) ≤ 1 + σ(T ) .11 – Valeurs singuli`res typiques du gain de boucle e Remarques VIII. VIII.3.2 (contraintes alg´briques sur les sp´cifications) e e Les sp´cifications pr´c´dentes sont contraintes par les relations alg´briques inh´rentes ` e e e e e a la d´finition de S et de T .SPECIFICATIONS FREQUENTIELLES 237 Amplitude − perturbation d − suivi de référence 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 111111111 000000000 σ( L ) ωh ω σ( L ) 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 − bruit de mesure 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 − réduction de l’énergie 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 11111111111111111111 00000000000000000000 ωb ωB de commande Fig.

238 ANALYSE EN PERFORMANCE DES SYSTEMES BOUCLES .

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

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

3) L’´quation caract´ristique exprime une ´galit´ complexe qui peut ˆtre scind´e en deux e e e e e e ´galit´s r´elles.1 Les valeurs de p telles que les deux conditions IX.5) Remarques IX. r + − ζ G(p) F(p) y Fig.Condition des angles : Arg[G(p)F (p)] = ±180o (2k + 1) (k = 0.2 – Sch´ma bloc classique e La fonction de transfert en boucle ferm´e est : e S(p) G(p) = E(p) 1 + F (p)G(p) dont l’´quation caract´ristique associ´e s’´crit : e e e e 1 + G(p)F (p) = 0 ⇔ G(p)F (p) = −1 (IX.IX. sont les racines e e de l’´quation caract´ristique donc les pˆles en boucle ferm´e.2. e e o e ´ Definition IX.4) (IX. e e e . CONSTRUCTION DU LIEU D’EVANS 241 IX. 1. · · · ) .Condition d’amplitude : |G(p)F (p)| = 1 (IX. 2.2. IX.7) .2.6) (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.1 Construction du lieu d’Evans Conditions des angles et des amplitudes Soit l’asservissement.2. 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.6 sont v´rifi´es. Dans la majorit´ des cas.2 IX.5 et IX.

3 – Mesure des angles et des amplitudes 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.9) K(p + z1 ) (p + p1 )(p + p2 )(p + p3 )(p + p4 ) (IX.2 R`gles g´n´rales de construction e e e Les r`gles g´n´rales de construction du lieu des racines sont donn´es sous forme e e e e g´n´rale puis sont illustr´es ` l’aide de deux exemples.4 – Exemple . Pour cela. nous reprenons le sch´ma e e e a e d’asservissement initial.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. IX.2. IX.

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

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

Calculer l’´quation alg´brique (IX. on recherche les racines de l’´quation : e B (p)A(p) − A (p)B(p) dK =− =0 dp A2 (p) (IX.V´rifier que les solutions pr´c´dentes appartiennent au lieu des racines. u dK = −3p2 − 6p − 2 = 0 dp (IX. o e e B(p) + KA(p) = 0 alors. ce point appartient au lieu des racines.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. La d´termination de ces points se fait par la r´solution de l’´quation polynˆmiale e e e o suivante. 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.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. Si les rae e e cines sont r´elles. On suppose que le polynˆme caract´ristique s’´crit.21) Remarques IX.2.D´terminer les racines r´elles et complexes de cette ´quation.24) . Si K > 0. e e e 3. e e 2. e e e 1+ K =0 p(p + 1)(p + 2) (IX.21).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. On obtient donc. e e ` e .20) . on d´termine la valeur de K correspondante par r´solution de l’´quation e e e caract´ristique. e Exemple 1 : l’´quation caract´ristique s’´crit.3 . Dans le cas come e plexe. il existe au moins un point d’´clatement e e (respectivement de rencontre).22) (IX. e e e La m´thode consiste donc a suivre les ´tapes suivantes : e ` e 1.23) d’o` K = −p3 − 3p2 − 2p.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. Si le segment entre deux pˆles (respectivement o e o deux z´ros) appartient au lieu des racines. 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.19) Exemple 2 : on a n − m = 1. cette v´rification est simplement graphique.

26) p2 + 2p + 3 p+2 (IX.29) √ √ ω(2 − ω ) = 0 ω = 0 ou ω = ± 2 On a donc une intersection pour (ω = 0. e Il suffit de r´soudre l’´quation caract´ristique en boucle ferm´e avec p = jω : e e e e 1 + KG(jω)F (jω) = 0 Les solutions possibles sont donn´es pour ω > 0 et K > 0. Il n’y a donc pas d’intersection avec l’axe imaginaire. .31) Les solutions de ces ´quations alg´briques ne sont pas admissibles puisque le e e gain K est n´gatif. e Exemple 1 : on a K − jω 3 − 3ω 2 + 2jω = 0 Cette ´quation complexe se d´compose en deux ´quations r´elles. u dK 2(p + 1)(p + 2) − (p2 + 2p + 3) =0 =− dp (p + 2)2 (IX.28) K=6 (IX.7321 telles que la premi`re e n’appartient pas alors que la seconde appartient au lieu des racines. e e e K=− d’o`.30) √ ω = 0 ou ω = ± 2 (IX.5774 o e e et −0.27) (IX. Exemple 2 : l’´quation caract´ristique s’´crit.25) On a donc encore deux solutions −0. K = 0) et (ω = Exemple 2 : on a K(2 + jω) + (−ω 2 + 2jω + 3) = 0 Cela r´sulte en. e .4226. e 2K − 3 − ω 2 = 0 K = ω(2 + K) = 0 ω2 − 3 2 2. (IX.246 ANALYSE PAR LE LIEU DES RACINES Les deux racines de ce trinˆme du second degr´ sont r´elles et valent −1. e e e e K − 3ω 2 = 0 2 (IX. La premi`re n’appartient pas au lieu alors que la seconde est un e point du lieu. K = 6).2679 et −3.Etape 6 : d´terminer les points d’intersection avec l’axe imaginaire.

e e √ Exemple 2 : il y a deux points de d´part complexes. u e a Exemple 1 : il n’y a pas de point de d´part ou d’arriv´e complexes.5 – Exemple 2 : calcul des angles de d´part e Remarques IX.2. on obtient l’´quation.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.3.4 Dans certains cas particuliers. demi-cercle) par calculs sur l’´quation e e caract´ristique en appliquant la condition des angles. Ainsi. On obtient.32) L’angle d’arriv´e d’un z´ro complexe est calcul´ par. e e e Φ = 180o − i Φi + j θj (IX. e e e e (σ + 2)2 + ω 2 = 3 (IX. e √ θ = 90 deg Φ = tan−1 2 = 55 deg Θ1 = 180o − 90o + 55o = 145o (IX. sur l’exemple 2.35) . −1 ± j 2.33) o` les angles θ et Φ sont calcul´s comme ` la figure IX.34) Θ2 = −35 o Im p 2 z -2 Φ -1 θ Re p Fig.CONSTRUCTION DU LIEU D’EVANS 247 . IX. en e ´crivant l’´quation caract´ristique pour p = σ + jω. e o e Θ = 180o − i θi + j Φj (IX. il est possible d’identifier des figures g´om´triques e e caract´ristiques sur le lieu des racines (cercle.

5 −1 −1.5 Imag Axis 0 −0. IX. >> rlocus(G1).6 – Exemple 1 Exemple 2 : >> G2=tf([1 2]. 2 1.5 2 Fig.5 −2 −1.7 – Exemple 2 . 3 ANALYSE PAR LE LIEU DES RACINES 2 1 Imag Axis 0 −1 −2 −3 −3 −2.5 1 0.5 1 1. IX.[1 2 3]).5 −1 −0.5 −2 −5 −4 −3 −2 Real Axis −1 0 1 2 Fig.Etape 8 : trac´ du lieu : e Exemple 1 : >> G1=tf(1. >> rlocus(G2).5 Real Axis 0 0.248 .[1 3 2 0]).

L’angle Ψ d´termine un point d’intersection avec le lieu des ea e racines.95 1 0.89 −2 −4.7 + 1.95 0. ANALYSE DES SYSTEMES BOUCLES PAR LE LIEU D’EVANS 249 IX.5 −3 0.54 0.68 −1. a Root Locus 2 0.5 0.39 |p + 3| p=−1. IX.3.3.7+j1. 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.38 0.68 0.5 2 1.37) Il est ` noter que la pulsation propre correspondante est ωn = 2.5 3 2.1 Analyse des syst`mes boucl´s par le lieu d’Evans e e R´glage du gain e Une des op´rations basiques de correction consiste a r´gler le gain de boucle K afin e ` e d’avoir un amortissement donn´ pour les pˆles en boucle ferm´e et fix´ par l’angle d’amore o e e tissement Ψ.7 (IX.7±j1.1 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.` ´ IX.39 Pole: −1.5 1 0.7. ` e e K= |p2 + 2p + 3| = 1.34 Frequency (rad/sec): 2.5 0.8 −2.7i Damping: 0.89 0.54 −1 0.18 0 Fig.707.5 −4 −3. Ce gain peut ˆtre ais´ment calcul´ en utilisant le lieu des racines comme il e e e est indiqu´ ` la figure IX.707 Ψ = 45o (IX. a e En appliquant la condition des gains a l’´quation caract´ristique. e e e e e Exemple IX.4 .5 0.8.5 0.5 Real Axis −2 0.8 0.707 Overshoot (%): 4.5 0.3 IX. Cela conduit a choisir : e e ` cos Ψ = 0.8 – R´glage du gain et amortissement e .36) Les points du lieu des racines correspondant ` Ψ = 45o sont d´finis par p = −1.986 −1 −1.986 0.5 Imaginary Axis System: G2 Gain: 1.3.4 rad/s.18 1. on obtient.5 0 4 3.38 −0.5 −0.

e Exemple IX. l’´quation suivante doit e e ˆtre r´solue : e e 1+ K(jω + 2) =0 jω(jω − 1)(36 − ω 2 + 6jω) Cela conduit ` r´soudre le syst`me d’´quations r´elles : a e e e e 2K + ω 4 − 30ω 2 = 0 ω(K − 36 − 5ω 2 ) = 0 Les solutions en sont donn´es par : e √ K1 = 86 − 5 28 √ K2 = 86 + 5 28 ω1 = ω2 = 10 − 10 + √ √ 28 rad/s 28 rad/s Ces syst`mes posent des probl`mes en pratique puisqu’ils peuvent devenir instables e e pour une variation non pr´vue de la valeur du gain. Pour v´rifier cela.9. Le lieu des racines d’un tel asservissement est repr´sent´ figure e e IX.3. e e Script MATLAB 27 >> G=tf([1 2].conv([1 -1 0].[1 6 36])).38) Cette fonction de transfert est un mod`le simplifi´ des dynamiques longitudinales d’un e e avion muni d’un autopilote.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. Il est n´cessaire de pr´voir alors un e e e syst`me de compensation adapt´. Ce syst`me est stable uniquement pour une plage de K limit´e : e e √ √ 86 − 5 28 < K < 86 + 5 28 En effet.2 (dynamiques longitudinales d’un avion avec autopilote) Soit l’asservissement a retour unitaire dont la fonction de transfert en boucle ouverte est ` donn´e par : e KG(p) = K(p + 2) p(p − 1)(p2 + 6p + 36) (IX. >> rlocus(G). >> sgrid .3.250 ANALYSE PAR LE LIEU DES RACINES IX. le lieu des racines de G(p) a deux intersections avec l’axe imaginaire si l’intersection triviale pour ω = 0 est exclue.

89i Damping: 0.89 10 6 0.38 0.9 – Syst`me ` stabilit´ conditionnelle e a e .000674 Overshoot (%): 99.ANALYSE PAR LE LIEU DES RACINES 251 Root Locus 10 0.94 0 −2 −4 4 0.8 −6 6 −8 0.5 Pole: −0.94 2 Imaginary Axis 2 System: G Gain: 61.5 0.17 0.08 8 10 0 1 2 Fig.8 4 0.28 0.5 0.0017 + 3. IX.64 −10 −7 −6 −5 −4 −3 Real Axis −2 −1 0.28 0.17 0.38 0.9 4 Frequency (rad/sec): 3.8 Frequency (rad/sec): 2.0015 − 2.64 8 0.23 2 0.08 8 System: G Gain: 112 6 Pole: −0.000437 Overshoot (%): 99.23i Damping: 0.

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

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

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

3 – Fonctions impulsion L’impulsion a donc une aire finie pour une dur´e d’action infiniment courte et une e amplitude infiniment grande : +∞ −∞ Aδ(t − t0 )dt = A (A. δ (t−to) A 0 to t Fig. δ(t − t0 ) qui peut ˆtre d´finie par les propri´t´s suivantes.4 – Fonction impulsion d’aire A . not´e Aδ(t − t0 ).3 (impulsion) e e e Une impulsion d’amplitude A en t0 .1. peut ˆtre d´finie comme la limite quand λ tend vers 0 des fonctions fλ ou gλ suivantes. ee ´ ´ Proprietes A.3) e e L’impulsion d’aire 1 est la fonction de Dirac. fλ(t) Aλ Aλ gλ(t) 0 to t o + 1/λ t 0 to− 1/2 to + 1/2λ t λ Fig. A.1 +∞ −∞ δ(t − t0 )dt = 1 δ(t − t0 ) = δ(t0 − t) ∀ t0 (A. ´ Definition 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.1.4) t δ(t − t0 ) = 0 si t = t0 δ(t0 ) = ∞ δ(t − t0 ) = du(t − t0 ) dt u(t − t0 ) = δ(τ − t0 )dτ −∞ L’impulsion d’aire A en t0 est conventionnellement repr´sent´e par une fl`che de haue e e teur l’aire de l’impulsion en t0 .

1.1. e ` A.7) 0 Remarques 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.5 – Peigne de Dirac Finalement.8) −∞ .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.256 RAPPELS DE THEORIE DU SIGNAL A partir de la d´finition de l’impulsion de Dirac.5) 0 T 2T 3T 4T 5T 6T t Fig. 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. D´finition de la transform´e de Laplace e e ´ Definition A. il est ´galement possible de d´finir e e e un train d’impulsions ou peigne de Dirac de p´riode T par : e δT = δ(t) + δ(t − T ) + δ(t − 2T ) + · · · + δ(t − nT ) + · · · δ(t) 1 (A.La transform´e de Laplace bilat`re est d´finie par : e e e +∞ Lb [x(t)] = X(p) = x(t)e−pt dt (A.1.1.4 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).1 . u x(t)e−pt dt (A.

15) . Lin´arit´ e e L[ax(t) + by(t)] = aX(p) + bY (p) ∀(a. e e .Cette d´finition suppose que l’int´grale est convergente.7). . 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.13) Th´or`me de la valeur initiale e e t→0+ lim x(t) = lim pX(p) p→∞ (A. les deux transform´es e co¨ ıncident. x(t) = 0 si t < 0. Nous utiliserons ainsi la notation unique de (A.12) L[ a x(τ )dτ ] = X(p) p (A.SIGNAUX DETERMINISTES 257 qui n’est rien d’autre que la transform´e de Fourier du signal avec p = jω.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. La transform´e de Laplace inverse u e est rarement calcul´e ` partir de (A. Pour les e signaux causaux qui sont l’objet de ce cours.10) dx(t) ] = pX(p) − x(0) dt (A.9) o` p = σ + jω et σ est l’abscisse de convergence.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.11) d(n) x(t) ] = pn X(p) − pn−1 x(0) − · · · − x(n−1) (0) dtn (A. b) ∈ R2 D´rivation e L[ Cela se g´n´ralise ` : e e a L[ Int´gration e t (A.14) Th´or`me de la valeur finale e e p→0 lim pX(p) = lim x(t) t→∞ (A.

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

on peut distinguer les e e parties r´elles et les parties imaginaires qui sont respectivement.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.1 La transform´e de Fourier e D´finition e ´ Definition A.26) F[ D´calage temporel e dx(t) ] = jωX(ω) dt (A.2 A.2.2 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).´ A.28) . il faut que x(t) appartienne a l’espace des fonctions de carr´ sommable e ` e e `e not´ L2 .2.2.24) On d´montre que pour que la transform´e de Fourier et la transformation r´ciproque e e e associ´e existent.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.23) −∞ La transformation r´ciproque se d´finit par : e e x(t) = F −1 1 [F(ω)] = 2π +∞ −∞ ejωt F(ω)dω (A. e A. Cela signifie en fait que x(t) et sa transform´e de Fourier sont a ´nergie finie. LA TRANSFORMEE DE FOURIER 259 A.2.27) F[x(t ± T )] = e±jωT X(ω) (A. +∞ F[x(t)] = F(ω) = e−jωt x(t)dt (A. e +∞ R(ω) = −∞ +∞ x(t) cos(ωt)dt (A.

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

e e ´ Definition B. xm ) ∈ R . ´ Definition B.1 Rappels d’alg`bre lin´aire ´l´mentaire e e ee Produit scalaire.Annexe B Rappels d’alg`bre lin´aire e e B.3 (produit scalaire) Le produit scalaire de deux vecteurs x. Ils sont dits lin´airement ind´pendants e e ssi ∃ λ1 . xm ∈ Rm . ils sont dits lin´airement d´pendants.1.1 B. · · · .1.1.1. L’ensemble des vecteurs qui forment une combinaison lin´aire de e e (x1 . y ∈ Rn × Rn est d´fini par : e n xy = i=1 xi yi De plus. · · · . norme et rang L’espace vectoriel consid´r´ dans ce cours est Rn . · · · . 261 . les vecteurs x. · · · . λm (= 0) tels que : m λi xi = 0 i=1 Dans le cas contraire.2 (espace engendr´ par un ensemble de vecteurs) e n Soit (x1 .1 (Ind´pendance lin´aire) e e Soit un ensemble de vecteurs x1 . y sont dits orthogonaux ssi x y = 0. xm ) est l’ensemble engendr´ par ces vecteurs. ee ´ Definition B.

1.1.∀ e ∈ E : ||e|| ≥ 0 2. e2 ∈ E.1.2 1 −2 0 6 |aij |2 = i.||e|| 4.5 (p-norme d’un vecteur) e Soit e ∈ Rn .||e|| = 0 ⇔ e = 0 3.1. ||e1 + e2 || ≤ ||e1 || + ||e2 || ´ ´ Propriete B.1 e = 1 0 −3 ||e||1 = 4 (taxi cab norm) ||e||2 = √ 10 (norme Euclidienne) ||e||∞ = 3 ´ Definition B. ||αe|| = |α|.∀ e1 .||B|| Exemple B.4 (norme) Une norme est une fonction . e e e e ´ Definition B.j |aij | = 9 ||A||F = tr(AH A) = √ 41 ||A||max = max |aij | = 6 norme g´n´ralis´e e e e . ||e|| : E → R+ v´rifiant e e les propri´t´s axiomatiques : ee 1.6 (condition de consistence) ||A|| est une norme matricielle si elle v´rifie en plus des propri´t´s ´l´mentaires la propri´t´ e e e ee ee multiplicative : ||AB|| ≤ ||A||. 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.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.262 RAPPELS D’ALGEBRE LINEAIRE ´ Definition B. ∀e ∈ E. d´finie sur un espace vectoriel E.1.j A= ||A||sum = i.1.∀ α ∈ R.j i.

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

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

A1/2 A = AA1/2 .A1/2 est inversible ssi A est inversible.A−1/2 A−1/2 = A−1 . les valeurs propres et vecteurs propres respectivement associ´s avec ||xi ||2 = 1 alors : e .1. e e . xn . . RAPPELS D’ALGEBRE LINEAIRE ELEMENTAIRE 265 . . λ n > 0 .λ1 ||y||2 ≤ y Ay ≤ λn ||y||2 ∀ y = 0 ∈ Rn . alors A A ≥ 0.1. .` ´ ´ ´ B. .L’inverse d’une matrice d´finie positive est d´finie positive. . λ1 ≤ λ2 ≤ · · · ≤ λn . x1 .1. |λn |} est une norme matricielle induite par || • ||. · · · .12 (Matrice sym´trique d´finie positive) e e n Une matrice A = A ∈ R est dite d´finie positive si : e ∀ x = 0 ∈ Rn x Ax > 0 Elle sera dite semi-d´finie positive (non n´gative) si : e e ∀ x = 0 ∈ Rn x Ax ≥ 0 ´ ´ Propriete B. · · · .Soient A = A ∈ Rnn . (A1/2 )−1 = A−1/2 . De plus.Soit A ∈ Rm×n .Si A est non n´gative alors il existe une racine carr´e de A not´e A1/2 .CNS 2 : A > 0 ssi les mineurs principaux de A sont strictement positifs.6 . e e e .CNS 1 : A > 0 ⇔ λ1 . A A > 0 ssi la matrice A est de rang plein.||A|| = ρ(A) = max {|λi |. ´ Definition B. .

.. . . eλn t   −1 P  (B.    donn´e par J avec comme matrice e         ···         ···     ··· . J = P −1 AP =  .2 Calcul de la matrice de transition d’´tat eAt e Deux m´thodes diff´rentes pour le calcul de la matrice de transition d’une ´quation e e e d’´tat LTI sont propos´es. 0 .   λn  e At = Pe P Dt −1   =P  e λ1 t  eλ2 t .  . .  0 . 1   . 0 λ1    ··· ··· ··· ··· ···  . ..1 . 1 .2.2.. . .   .   . ..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. e e B. ··· (B.266 RAPPELS D’ALGEBRE LINEAIRE B. . λn−1 .  0 λ . . ···  . .Soit A une matrice dont la forme de Jordan est de passage P . ´ ` Theoreme B. . . . . . λn . .  .. . .2) ··· ··· . λ1 1  . . ··· .1) .Soit A une matrice diagonalisable et une matrice de passage P alors. .   λ1   λ2   D = P −1 AP =   .

. . . . .CALCUL DE LA MATRICE DE TRANSITION D’ETAT eAt  t2 λ1 t e 2 λ1 t 267         ···   −1 P      ···     (B. ··· . ··· ··· ··· . . ce qui e e e donne. . .3) eAt = P eJt P −1   0    0    ···  =P          eλ1 t teλ1 t eλ1 t 0 ··· te eλ1 t ··· . . . e ee ee Exemple B. ··· ··· ··· . .   1  1  v1 = (1 − A)v2 = 1 On choisit alors le dernier vecteur propre ind´pendant w = [0 0 1] et l’on a la matrice e de passage.2 Utilisation de la transform´e de Laplace e eAt = L−1 [(p1 − A)−1 ] (B. eλn−1 t .1 Soit la matrice  0 1 0 1  A= 0 0 1 −3 3 πp (p) = (p − 1)3  Le polynˆme caract´ristique de cette matrice est : o e 1 est donc valeur propre multiple d’ordre 3 (multiplicit´ alg´brique). . . ··· .2. . e e rg(1 − A) = 2 rg((1 − A)2 ) = 1 rg((1 − A)3 ) = 0 On choisit donc comme vecteur propre g´n´ralis´ de rang 2.   1 0 0 P = 1 1 0  1 2 1 .4) La seconde m´thode utilise la transform´e de Laplace et la formule suivante : e e Il suffit alors d’inverser la matrice (p1 − A). . .. . . . Alors. . ... . .2. . . . . . ce qui conduit a une matrice rationnelle ` en p dont on calcule la transform´e de Laplace ´l´ment par ´l´ment. v2 = [0 1 2] .. . eλn t B.

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. e  2  p − 3p + 3 p − 3 1 1  1 p2 − 3p p  (p1 − A)−1 = (p − 1)3 p 1 − 3p p2 auquel on applique la transform´e de Laplace inverse afin de retrouver la mˆme formule.   t 1 2 t tet − t2 et te e − tet + 1 t2 et 2 2 1 2 t  te et − tet − t2 et tet + 1 t2 et eAt = P eJt P −1 =  2 2 1 2 t 1 2 t t t 2 t t t te + 2 t e −3te − t e e + 2te + 2 t e La seconde m´thode implique de calculer (p1 − A)−1 . e e .

.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. ∂f (x) ∂xn 269 .1. .1.La notation f (x) = o(x) signifie que f (x) tend vers 0 plus vite que x : ∃K≥0 | f (x) → 0 quand x → 0 x ´ Definition C.1 (notations de Landau) Soit f : Rn → R. .1.La notation f (x) = O(x) signifie que f (x) tend vers 0 au moins aussi vite que x : ∃K≥0 | f (x) ≤ K quand x → 0 x .1   ∇f (x) =  ∂f (x) ∂x1    .Annexe C Rappels d’Analyse C.1 Rappels de calcul diff´rentiel e ´ Definition C.

´ ` Theoreme C.2 (formulaire de d´rivation) e .Soit f : Rn → R :        Gradient   ∇f (x) =    ∂f (x) ∂x1 .5 (diff´rentiabilit´) e e n m e Une fonction f : R → R est dite diff´rentiable (resp. m) est diff´rentiable (resp.270 RAPPELS D’ANALYSE ´ Definition C.1. ∇fm (x)] ∇f (x) est appel´e la matrice Jacobienne de f : e ∂fi Jf = ∂xj ´ Definition C.6 (matrice Hessienne) e e Soit f : Rn → R. e ´ Definition C.1. 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x)y + o(||y||2 ) 2 ´ Definition C.1. . une fonction C 1 en x. C 1 ) si chaque composante fi (i = 1. ∃ α ∈ [0. 1] tel que : 1 f (x + y) = f (x) + y ∇f (x) + y ∇2 f (x + αy)y 2 .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.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.∀ y ∈ V(x). la matrice sym´trique : ∇2 f (x) = ∂2f ∂xi ∂xj ´ ´ Propriete C. · · · . La matrice gradient de f en x.1.1.1. · · · . .1. .3 La fonction f : Rn → R est dite diff´rentiable sur un ensemble Q ⊂ Rn si elle est e diff´rentiable en tout point de Q. C 1 ). ∂f (x) ∂xn ∂2f ∂xi ∂xj Hessienne ∇2 f (x) = .∀ y ∈ V(x). not´e e e ∇f (x) est une matrice n × m : ∇f (x) = [∇f1 (x). On d´finit la matrice Hessienne de f not´e e ∇2 f (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.

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

t) = tcos(x1 ) est une fonction localement semi d´finie positive. 1 Remarques C. t) = 0 2 − ∀ x = 0 ∈ Rn V (x.V (x.2 (fonctions semi d´finies positives) e e 1.2.Cas particulier important : la forme quadratique V (x) = x P x. x2 ) = x2 + sin2 (x2 ) est d´finie positive localement.V (x.1 e .2 Rappels sur les fonctions d´finies positives e ´ Definition C. t) : Rn × R+ → R est semi d´finie positive si elle v´rifie : e 1 − V (0.1 1. t) : Rn × R+ → R est localement semi d´finie positive s’il existe Br : 1 − V (0.V (x.Si une fonction V (x. t) = 0 2 − ∀ x = 0 ∈ Br V (x.Une fonction scalaire V (x.Une fonction scalaire V (x. 1 e .V (x.Une fonction scalaire V (x. t) = 0 2 − ∀ x = 0 ∈ Br V (x.2. t) > 0 Exemple C. si P est une matrice (semi) d´finie positive (n´gative).Une fonction scalaire V (x. 2 e e .272 RAPPELS D’ANALYSE C. t) = 0 2 − ∀ x = 0 ∈ Rn V (x. V (x. x1 .2 e . e . 1 . t) est (localement).2.3 e . (semi) d´finie n´gative alors −V (x.V (t.V (x) = x1 x2 + x2 est une fonction ind´finie. e 2. t) ≥ 0 Exemple C. t) > 0 e e 2. 1 2 ´ Definition C. t) = (t + 1)(x2 + x2 ) est une fonction d´finie positive. t) = −x2 − (3x1 + 2x2 )2 est une fonction d´finie n´gative. e e Exemple C. t) ≥ 0 e 2. t) : Rn × R+ → R est d´finie positive si elle v´rifie : 1 − V (0. t) = t2 x2 est une fonction semi d´finie positive. t) est (semi) d´finie positive (n´gative). t) : Rn × R+ → R est localement d´finie positive s’il existe une boule Br telle que : 1 − V (0. t) est e e (localement) (semi) d´finie positive.1 (fonctions d´finies positives) e e 1.2.2.2. x ∈ Rn avec e e P = P .

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

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

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

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

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

. . e e III. . . . . . . . . . . . . e III. . . . . . . . . . . . . . . . . . . . . . . . .2 Crit`re d’observabilit´ . . . . . . e e III. . . . . 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´ . . . . . .2 Fonctions de mod´lisation LTI . . . . . . . . . . . . . . . . . . . . . . e e IV. . . . . .3 Dualit´ de la commandabilit´ et de l’observabilit´ . . .8. . . . . . . e e V. . . . . . . .8. . . . . . . . . . . . . . . . . . . . III. . . .1 Stabilit´ des syst`mes LTI e e IV. . . . . . . . .1. . . . . . . . . .1. . .6. . . II. . . .1. . . . . . . . . . . . . . . . . .8. . . .8.1 D´finition . . e III. . . . . . . . . . e Analyse temporelle des syst`mes continus e Introduction .2 Crit`res de stabilit´ interne des mod`les LTI e e e IV.4. . . . . . . .1 Fonctions d’alg`bre de base . . .1. . . e III.3 Stabilit´ BIBO et stabilit´ interne . . e V. . .2. . . . . . . . e IV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 R´gime permanent . . . . . . . .1.r´gime transitoire . . . . . . .1 D´finitions . e III. . . . . . . III. . . . III. . . . . . .2. . . .1. . . . .2. e IV. . . . . . . . . . . . . e III. . e IV. . . . . .2 Notion d’observabilit´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . modales . . . . . . . . . . . . . . . . . . . . . . . . . .3 Relations entre mod`les internes et externes . . . . . . . . . . . . . .3 Fonctions de conversion entre mod`les LTI .2. . . . . . . . .1 Signaux d’entr´e types .2 La stabilit´ interne . . . . . . . . . .2 Les syst`mes du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 . . . . . . . . . . . . . . . . . . . . . . . e e e III. . . . .2. . . . . . . . . . . . . . . .6 Fonctions MATLAB . IV V . . . . . . . . . . . . . . . . . . . . . .4. . . e III. . . . . . . . . . . e e IV. .3 Crit`re alg´brique de Routh-Hurwitz . .1 Cas de modes simples distincts . . . . . . . . . . . . . . . e III.2 Caract´risations de la stabilit´ BIBO . .8 Fonctions MATLAB . . . . . . . . . . . . . . . .2 Cas de modes multiples . e V. . . . . . . . . .1 D´finition . . . . . . . . . . . . . . . . e IV. . . . .2 Th´orie de la r´alisation .1. . . . .4 Crit`res de commandabilit´ et d’observabilit´ pour les formes e e e III. . e II. . . . . . . . . . . e . . . . .3 Fonctions d’analyse des mod`les LTI e II. . e V. . . . . . . . e e IV. . . .1 Fonctions d’alg`bre de base . . . . . . . . . . e e III. . . . . . . . .1 Les formes canoniques d’´tat . . .r´gime forc´ . .3. .278 II. . . . . . . . . . . . . .2 Fonctions d’analyse des mod`les LTI . . . . . . . . . . . . . . .2. . . . . .2 R´gime libre . . . ` TABLE DES MATIERES . . .1 La stabilit´ BIBO . . . . . . . . . . . . .1 D´finition . . . . . . . . .2. . .2 Crit`re de commandabilit´ . . . . . . . . . . . . . . e II. . . . . . . . . . . .6. . .3. . . . . . .4 Fonctions de mod´lisation par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 D´finition et exemples . e III. . . . .3 La m´thode de Lyapunov . . . . . . . . .1.2 R´ponse ` des entr´es types . . . .6. . . . . . . . . . . . . .4 Nature des points d’´quilibre en dimension 2 e IV. . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V. . . . . . . . . . . . e a e V. . . . . . . . . . . . . . . . .5 Grammiens de commandabilit´ et d’observabilit´ . . . . . . . . e III. . . . . . . e e e V. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . e e III. .

. . .2 Le th´or`me du faible gain . . . .2 Le crit`re du revers . . . . . . .2.3 Stabilit´ interne des syst`mes boucl´s . . . 177 179 . . . . . . . . . . . . .4. . . . . . . . . . V. . . . .2. . . . 189 . . . . . . e VI. . VII. . e VII. . . . . . . . . e a VI. . . . . VI. . . . . . . . . . e VI. . . . . . . . . . .2. . . .` TABLE DES MATIERES V. . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . e e V. .3. .2 Fonctions d’analyse des mod`les LTI . . . . 160 . . . . . . . . . . VI. .5 Fonctions MATLAB . . . . . .4 Fonctions MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI. . . . . . . . 153 . . e .3 Sp´cifications temporelles d’un syst`me du second ordre .5. . . . . . . e VII. . .3. . . . . . .1 Le crit`re de Nyquist multivariable . . . . . .2. . . 179 . . . . . .1 Notions de modes .2 Sp´cifications fr´quentielles de performance : syst`mes monovariables e e e VIII. . . . . . . . . . .2. 149 . . . e VIII Analyse en performance des syst`mes boucl´s e e VIII. . 199 213 213 214 216 216 217 217 218 218 219 VII Analyse en stabilit´ des syst`mes boucl´s e e e VII. . . . . . .1 Fonctions d’analyse de stabilit´ . . . . . . . . . . . . . . .4 Les syst`mes d’ordre sup´rieur . . 189 . . . . . . .1. . 184 . VII. . . . . . . . . . . . . . . . . . . . . . e V. . . . . . . e e e 147 . . . 168 . . . . . . . . . . . . . . . 194 . . . 175 . . . e V. . . . . 179 . . .2 Effets des z´ros et des pˆles additionnels . . . .2. . . . . . . . . . . . . . . . . . . .1 Rappels sur les relations de bouclage . .3 Les syst`mes du second ordre . . e e V. . . . . . . . .1. . . . . . . . e V.2 Extension au cas des syst`mes multivariables . . . . . . . . . . . . . . e ee VI. . . . . . . . . . . . . . e o V. . . . . . . . . . . . . . . . . .1 Introduction . . . . .2 Analyse en stabilit´ des syst`mes boucl´s . .2 Rejet de perturbation b . . . . . . . .3. . . . . .3. . . . . . .1 Le lieu de Nyquist . . .5 Extension aux syst`mes multivariables . . . . . . . . . . . . . . . . . .2 Le lieu de Bode . 153 . . .4. . . . . . . . e e e VII. .3. . . . . . . . . . . . . . . . . . . .3 Extension aux syst`mes multivariables . . . . . . . .3 Sp´cifications temporelles sur le r´gime transitoire . . V. . . . . . . . . . . . . . . . . . . . . . . . . .1 Fonctions de r´ponse temporelle . . e e e VII. . . . . . . . e e ` e VII. . . . . e VII. 147 . . . .3. . e e VII. . . 193 .3 Le lieu de Nichols-Black . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . .2 Repr´sentation graphique de la r´ponse fr´quentielle e e e VI.1. . . . . . VIII. .2. .1 Les syst`mes monovariables . . . . . . . . . . . . . . . . . . . . .2. . . . . . VI. . . . . . . e VII. . . . . . . . . . . . . . . . . . . . . . . . . . . .5. .1 D´finition et propri´t´s . . . . . . .2. . . . . . . . . . . . .1 Principe de la contre-r´action . . . . . . . . . . e e V. 279 123 123 126 130 132 132 139 141 145 145 145 VI R´ponse fr´quentielle des syst`mes LTI e e e VI. VIII. . . . . . 147 . . . . . .2 Etude de la r´ponse indicielle . . . .4 Les syst`mes ` non minimum de phase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Fonctions MATLAB . . . 177 . . . . . . . . . e VII. . . . . . e V. . . . . . . . . . . .2. . . . . . . . . . . e VI. . . .1 Le crit`re de Nyquist .1 Syst`mes de commande a contre-r´action . . . . . . . . . e ` e VII. . .2. . . . . .2 Caract´risation des syst`mes de commande a contre-r´action . . .4. . . .4 Analyse fr´quentielle des syst`mes boucl´s ` partir de la boucle e e e a ouverte .1 Fonctions de trac´ de la r´ponse fr´quentielle . . . . . .1 D´finitions et exemples . 173 . . . . . . . . . . . . . . . .

e B. . . . . . . . . . . IX. . . . e e ee B. . . . . . . . . . . . .2 C Rappels d’Analyse 269 Rappels de calcul diff´rentiel . . . . . . . . . ee e VIII. . . . . . . .2. . . . . . e A. . . . . . . . . . . . . . . . ee e . . . . . . . . . . . . . . .3 Sp´cifications fr´quentielles de performance : syst`mes multivariables e e e VIII. . . .2. . . . . . . . . . . . . . .1 egles d’association dans les sch´mas-blocs . . . . . . . . IX. . . .1 . . . . . . .2 Valeurs propres et valeurs singuli`res . . . . . . . . . . . . . . . . . . . . .1. . . . . . .3 ecifications de performance . . . . . . .8 ecifications de performance en sensibilit´s mixtes . . e A. . . . . . . . . . . . . . .3.2. . .3 eduction du bruit de mesure w . e e VIII. . . . . . . . e a IX. .3. . . e e IX. . . . . . .6 Notion de modelage de boucle : loopshaping . . . . . . .1 IX.1. . . . .7 Modelage des fonctions de sensibilit´ . A Rappels de th´orie du signal e Signaux d´terministes en temps continu . . . . . . . . . . . . . . . . . . . . . . . . . . .2. .2. .2.1 R´glage du gain . Sp´ e VIII. Sp´ IX Analyse par le lieu des racines des syst`mes boucl´s e e Introduction . . . . . . . . .2. . . . . . . . . . . . . . . . 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. . . . . . . . . . . . .1 Conditions des angles et des amplitudes . .2 Les fonctions de sensibilit´s en entr´e et en sortie . . . . . . . . . . . . . . . . . e B. .2. . . . . . . . . . . . . . B. . . . .3 Matrices sym´triques . . . .2. .2. . . . . . . .4. . . . . . . . . . . . . . . . e e e IX. . . . e e VIII. . . . . . . .1 C. . . . . . . . . . . . . . . . .2.3. . . . . . . . . . 269 e Rappels sur les fonctions d´finies positives . .2 Repr´sentation fr´quentielle des signaux continus . . . . . R` e VIII. . . . . . . . R´ VIII. . . . . . e a e IX. e B. . . Construction du lieu d’Evans . .280 ` TABLE DES MATIERES . . .3 Analyse des syst`mes boucl´s par le lieu d’Evans . . . . . . . . . .1 Rappels d’alg`bre lin´aire e e Rappels d’alg`bre lin´aire ´l´mentaire . . . . . . . . . . . e VIII. . . . . . . . . .2 Propri´t´s de la transform´e de Fourier . . .3. .5 Comportement aux fr´quences interm´diaires . . . . .2 A. . . . . . . . .2 Utilisation de la transform´e de Laplace e C. .1 Fonctions li´es ` l’utilisation du lieu des recines . . . . . . . . . . .2 R`gles g´n´rales de construction . . . . . .1 Repr´sentation temporelle des signaux d´terministes classiques e e A. . . . . . . . . . . . . . . . . . . . . . .4 Suivi de r´f´rence r : pr´cision . . . . . B B. . . .1 M´thode de triangularisation . .2. . . e A. . norme et rang . . .1 D´finition . . . . . . . . . . . . . . . . . . . . .2 Syst`mes ` stabilit´ conditionnelle . . . .1.3. . . . . . . . . . . . . . e e A. . .1 Produit scalaire. . . . . . . . . . . . .2 Calcul de la matrice de transition d’´tat eAt .4 Fonctions MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . e IX. . .1. . 272 e 273 R´f´rences bibliographiques ee .1. . e B. . . . . . . . . .2 La transform´e de Fourier . . . . . . . . . . . . . . . . . . . . . . . . IX. . . . . . . . . . . . . . . .