You are on page 1of 207

No d’ordre : 26

´
ECOLE CENTRALE DE LILLE
UNIVERSIT
´
E DES SCIENCES ET TECHNOLOGIES DE LILLE
TH
`
ESE
pr´esent´ee en vue d’obtenir le grade de
DOCTEUR
Sp´ecialit´e : Automatique, G´enie Informatique et Signal
par
Alexandre Seuret
Ing´enieur
´
Ecole Centrale de Lille
Commande et observation des syst`emes `a retards variables :
th´eorie et applications
Doctorat d´elivr´e conjointement par l’
´
Ecole Centrale de Lille
et l’Universit´e de Sciences et Technologies de Lille
Soutenue le 4 Octobre 2006 devant le jury constitu´e de :
M. J.-F. Lafay Professeur Pr´esident
´
Ecole Centrale de Nantes
M. C. Canudas de Wit Directeur de Recherche Rapporteur
Laboratoire d’Automatique de Grenoble
M. S.-I. Niculescu Directeur de Recherche Rapporteur
Laboratoire des Signaux et Syst`emes - CNRS - Sup´elec
M. W. Perruquetti Professeur Examinateur
´
Ecole Centrale de Lille
M. J.-P. Richard Professeur Directeur
´
Ecole Centrale de Lille
M. M. Dambrine Professeur Directeur
Laboratoire d’Automatique, de M´ecanique et
d’Informatique Industrielles et Humaines
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Table des mati`eres
Remerciements 1
Notations 3
Introduction g´en´erale 5
1 Stabilit´e des syst`emes `a retards 9
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Mod´elisation des syst`emes `a retards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.1 Les syst`emes de type retard´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.2 Syst`emes de type neutre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.3 Mod`eles lin´eaires invariants `a retards discrets . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.4 Mod`eles non lin´eaires, non stationnaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.5 Mod`eles de retards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3 Stabilit´e des syst`emes `a retards par la seconde m´ethode de Lyapunov . . . . . . . . . . . . . . . . 16
1.3.1 Seconde m´ethode de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.2 Approche par fonctions de Razumikhin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.3 Approche par fonctionnelles de Krasovskii . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.4 Extensions des th´eor`emes de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.5 Deux transformations sur le mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.6 Stabilit´e asymptotique des syst`emes `a retards major´es . . . . . . . . . . . . . . . . . . . . 20
1.3.7 Stabilit´e asymptotique des syst`emes `a retards born´es . . . . . . . . . . . . . . . . . . . . . 21
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Stabilit´e exponentielle des syst`emes lin´eaires 25
2.1 Pr´eliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Cas des retards constants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Cas des retards variables major´es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.1 Stabilit´e exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.2 Exemple de comparaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.3 Application au cas des retards multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3.4 Application `a la stabilisation exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3.5 Stabilisation `a coˆ ut quadratique garanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4 TABLE DES MATI
`
ERES
2.3.6 Optimisation de l’ensemble des conditions initiales admissibles . . . . . . . . . . . . . . . 45
2.4 Cas des retards variables born´es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.4.1 Etude de la stabilit´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.4.2 Stabilisation des syst`emes lin´eaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.4.3 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.5 Cas particulier des syst`emes neutres `a retard constant . . . . . . . . . . . . . . . . . . . . . . . . 53
2.5.1 Stabilit´e exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.5.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3 Stabilit´e des syst`emes non lin´eaires `a retards 57
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2 Syst`emes affines en l’entr´ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.1 Notations et formulation du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.2 Transformations du syst`eme initial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.3 Exemple du pendule et du chariot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.3 Approches par mod`eles polytopiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.3.1 Pr´esentation du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.3.2 Stabilit´e exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.3.3 Stabilisation exponentielle de syst`emes polytopiques . . . . . . . . . . . . . . . . . . . . . 65
3.3.4 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.4 Stabilisation exponentielle robuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.4.1 Pr´esentation du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.4.2 Stabilit´e exponentielle de syst`emes soumis `a des incertitudes . . . . . . . . . . . . . . . . 68
3.4.3 Application `a la stabilisation exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.4.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.5 Introduction `a la commande satur´ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.6 Approche polytopique pour l’´etude des syst`emes `a entr´ee satur´ee et retard´ee . . . . . . . . . . . . 81
3.6.1 Syst`emes `a entr´ee satur´ee et retard´ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.6.2 R´esultats pr´eliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.6.3 Stabilisation Locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.6.4 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.6.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.7 Syst`emes `a entr´ee satur´ee et `a ´etat retard´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7.1 Position du Probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7.2 Conditions de stabilit´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.7.3 Etude du cas retard´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.7.4 Optimisation des r´esultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.7.5 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.7.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
TABLE DES MATI
`
ERES 5
3.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4 Syst`emes `a entr´ee ´echantillonn´ee 97
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.2 Une approche fr´equentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.1 Condition n´ecessaire et suffisante de stabilit´e . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.2 Cas du double int´egrateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.2.3 Une premi`ere approche par retard variable . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.3 Une approche par retard variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.3.1 Stabilit´e d’un syst`eme `a entr´ee ´echantillonn´ee . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.3.2 Etude de la robustesse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.3.3 Stabilit´e d’un syst`eme neutre `a entr´ee ´echantillonn´ee retard´ee . . . . . . . . . . . . . . . . 105
4.3.4 Stabilisation exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
4.3.5 Stabilisation des syst`emes `a entr´ee satur´ee et ´echantillonn´ee . . . . . . . . . . . . . . . . . 108
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5 Observation des syst`emes `a retards 113
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.2 Observation de syst`emes `a retards connus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.2.1 Pr´esentation du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.2.2 Retard connu sur l’´etat et la sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.3 Observation de syst`emes `a retards inconnus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.3.2 Observateurs `a modes glissants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.3.3 Retour de sortie sur la partie non-mesurable . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.4 α−stabilit´e des observateurs `a modes glissants . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.4.1 Observateur α−stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.4.2 Observateur `a retour de sorties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.5 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.5.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.5.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
5.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6 Applications 135
6.1 Etude de la barre de torsion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
6.2 Application `a la t´el´e-op´eration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
6.2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
6.2.2 Conception de la commande du syst`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
6.2.3 Application au cas d’un robot mobile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
6.2.4 Conception informatique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
6.2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.3 Commande d’un chariot utilisant un capteur cam´era . . . . . . . . . . . . . . . . . . . . . . . . . 153
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6 TABLE DES MATI
`
ERES
6.3.1 D´eplacement motoris´e d’un chariot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.3.2 Mod`ele du syst`eme `a commander . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.3.3 Syst`eme de vision artificielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.3.4 Utilisation d’un observateur pr´edicteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
6.3.5 Validation exp´erimentale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
6.4 Commande retard´ee d’un pendule inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.4.1 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.4.2 Mod´elisation sous forme syst`emes de param`etres incertains . . . . . . . . . . . . . . . . . 160
6.4.3 Etude de la stabilisation du pendule inverse . . . . . . . . . . . . . . . . . . . . . . . . . . 161
6.4.4 R´esultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
6.4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
6.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
Conclusion 164
A In´egalit´es matricielles lin´eaires 165
A.1 D´efinitions et notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
A.2 Programmation semi-d´efinie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
A.3 Les th´eor`emes classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
B Commande d’un pulv´erisateur [3] 167
B.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
B.2 Description of the system . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
B.3 Modelling of the system . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
B.4 Control law . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
B.5 Stability analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
B.6 Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
B.7 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
C Contrˆole d’un moteur par capteur visuel [20] 179
D Observateurs `a modes glissants et observateurs d’Utkin 191
Bibliographie 193
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Remerciements
Le travail que nous pr´esentons dans ce m´emoire a ´et´e effectu´e au LAGIS sous la direction de Monsieur
Jean-Pierre Richard, Professeur `a l’Ecole Centrale de Lille et de Monsieur Michel Dambrine, Professeur au
LAMIH.
Je tiens `a remercier tr`es vivement Monsieur Jean-Pierre Richard et Monsieur Michel Dambrine de m’avoir
accept´e dans leur ´equipe, de leur enthousiasme envers mon travail, de leur disponibilit´e. Les judicieux conseils
qu’ils m’ont prodigu´es tout au long de ces trois ann´ees de th`ese m’ont permis de progresser dans mes ´etudes et
d’achever ce travail dans les meilleures conditions.
Je suis tr`es honor´e que Monsieur Carlos Canudas de Witt, Directeur de Recherche CNRS au Laboratoire
d’Automatique de Grenoble et Monsieur Silviu-Iulian Niculescu, Directeur de Recherche CNRS `a l’Heudiasyc
aient accept´e de rapporter mon travail.
Je tiens aussi `a assurer de ma reconnaissance Monsieur Jean-Fran¸ cois Lafay, Professeur `a l’IRCYN, qui a
accept´e de juger mon travail.
Je suis aussi tr`es reconnaissant `a Monsieur Wilfrid Perruquetti, Professeur `a l’Ecole Centrale de Lille, pour
avoir accept´e d’examiner mon travail. Je tiens aussi `a le remercier, pour tous les conseils et avis qu’il m’a donn´es
lors de nos nombreuses discussions.
C’est avec sympathie que je souhaite t´emoigner ma reconnaissance `a Monsieur Thierry Floquet, Charg´e de
Recherche au CNRS et au LAGIS pour la pertinence de ses remarques et ses conseils et `a Jan Anthonis, Docteur
`a l’Universit´e de Leuven en Belgique, pour les nombreuses discussions et collaborations que nous avons eu tout
au long de mon doctorat.
J’aimerai exprimer aussi toute ma gratitude envers tous les membres du LAGIS pour leur sympathie. Ils
ont rendu tr`es agr´eables ces trois ann´ees. Je pense particuli`erement `a Philippe Vanheeghe, Professeur `a l’Ecole
Centrale de Lille et Directeur du LAGIS, mais aussi Hilaire, Gilles, Bernard, Jacques, Brigitte, R´egine et Patrick.
Bien sˆ ur je souhaite aussi remercier les doctorants qui sont devenus plus que des coll`egues de travail. Un
grand merci `a Romain, Nima, Fran¸ cois, Micha¨el, Mohammed, Afzal, Emmanuel et tous les autres.
Je souhaite aussi dire un grand merci `a tous mes amis Lillois, Parisiens, Seine-et-Marnais et tous les autres
pour leur soutien.
Je terminerai cet avant-propos en remerciant chaleureusement ma famille, St´ephane et Agn`es pour leur
implication dans mes choix tant au niveau professionnel que personnel, et bien sˆ ur ma m`ere qui m’a ´enorm´ement
soutenu. Je voulais aussi remercier le petit Eliott et la petite Camille pour leurs nombreux et chaleureux sourires.
1
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2 Remerciements
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Notations
Notations relatives aux ensembles :
– R : ensemble des nombres r´eels
– C : ensemble des nombres complexes
– R
+
: ensemble des nombres r´eels ou nuls
– R
n
: espace vectoriel de dimension n construit sur le corps des r´eels.
– [a, b] : intervalle ferm´e de R d’extr´emit´es a et b
– ]a, b[ : intervalle ouvert de R d’extr´emit´es a et b
– [a, b[ : intervalle semi-ferm´e de R d’extr´emit´es a et b
– N
r
= ¦1, ..., r¦ : ensemble des r premiers nombres entiers positifs
– ( = (([−τ, 0]; R
n
) ensemble des fonctions continues de [−τ, 0] dans R
n
– x
t
∈ ( est d´efinie par x
t
(θ) = x(t −θ), ∀θ ∈ [−τ, 0]
– (
1
= (
1
([−τ, 0]; R
n
) ou (
1
(R
n
) : ensemble des fonctions continˆ ument diff´erentiables de [−τ, 0] dans R
n
– T : sous-ensemble de R
n
– ((T) : sous-ensemble de ( d´efini par ((T) = ¦φ ∈ ( : φ(θ) ∈ T, ∀θ ∈ [−τ, 0]¦
– [.[ : valeur absolue d’un nombre r´eel ou module d’un nombre complexe
– |.| : une norme sur R
n
– |.|
C
: norme sur ( d´efinie par ∀φ ∈ ( : |φ|
C
= sup
θ∈[−τ,0]
¦|φ(θ|)¦
– t ∈ R
+
: variable temporelle
3
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4 Notations
– x = [x
1
, ..., x
n
] ∈ R
n
: vecteur d’´etat instantan´e
– ˙ x(t) =
dx
dt
: d´eriv´ee temporelle de l’´etat x
– x
(i)
: i
` eme
d´eriv´ee de x par rapport au temps
Notations relatives aux vecteurs :
– x
T
: transpos´e du vecteur x
– |x| : norme Euclidienne de x
Notations relatives aux matrices
– [a
ij
] : matrice dont le coefficient de la i
` eme
ligne et j
` eme
colonne est a
ij
– A
T
: transpos´e de la matrice A
– |x| : norme Euclidienne de x
– A < B (resp. A > B) : signifie que A−B est une matrice d´efinie n´egative ( resp. d´efinie positive)
– |A| : norme Euclidienne de la matrice A
– I
n
: matrice identit´e de R
n×n
– |A|
e
o` u A est une matrice carr´ee est le plus grand module des valeurs propres de la matrice A.
– λ
min
(A), o` u A est une matrice sym´etrique, est la plus petite valeur propre de A.
– λ
min
(A), o` u A est une matrice carr´ee est la plus petite de valeur absolue de la partie r´eelle des valeurs
propres de A.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Introduction g´en´erale
Ce travail de doctorat a ´et´e pr´epar´e au sein de l’´equipe SyNeR
1
(Syst`emes Non lin´eaires et `a Retards) du
Laboratoire d’Automatique, G´enie Informatique et Signal (LAGIS, UMR CNRS 8146). Mon travail de recherche
s’inscrit dans le cadre du projet ROBOCOOP
2
, soutenu par le Conseil R´egional Nord-Pas de Calais et l’Union
Europ´eenne. Ce projet concerne le d´eveloppement de robots autonomes et collaboratifs. Un robot autonome est
un syst`eme automoteur, disposant `a la fois de moyens de traitement de l’information permettant une capacit´e
d´ecisionnelle suffisante et de moyens mat´eriels adapt´es, de fa¸con `a pouvoir ex´ecuter, sous contrˆole humain r´eduit,
un certain nombre de tˆaches pr´ecises, dans un environnement variable non compl`etement connu `a l’avance. Ces
robots autonomes devront r´ealiser une action commune. Cette collaboration suppose un partage de tˆaches et
d’informations, ce qui implique la pr´esence d’un r´eseau de communication. Les objectifs principaux du projet
ROBOCOOP sont de proposer et de mettre en œuvre des outils pour la mod´elisation, l’analyse et la synth`ese
de lois de commande sp´ecifiques `a la coop´eration de robots distants.
Dans ce m´emoire, l’accent va ˆetre port´e sur l’analyse des probl`emes apparaissant dans les communications
entre les diff´erents agents coop´erants et le d´eveloppement de solutions d´edi´ees. La principale difficult´e rencontr´ee
pour ce type de probl`emes est l’existence de retards induits par la transmission des informations. En outre —
difficult´e suppl´ementaire,— pour diff´erentes raisons comme la variation de la distance s´eparant les robots mo-
biles, les valeurs de ces retards sont fonction du temps. Mon travail de recherche est consacr´e au d´eveloppement
d’outils d’analyse et de synth`ese de lois de commande qui s’appliquent aux syst`emes `a retards variables de lois
connues ou non.
Consid´erons l’exemple d’une flotte de N robots coop´erants. Pour repr´esenter son ´evolution, on peut suivre
l’hypoth`ese classique dans la mod´elisation math´ematique qui suppose que le comportement futur peut ˆetre
caract´eris´e uniquement `a l’instant pr´esent (not´e t) par un vecteur x(t) appartenant `a un espace vectoriel de
dimension finie R
n
. On appelle alors x(t) le vecteur d’´etat de l’ensemble des robots se d´epla¸ cant dans un
espace donn´e. Ce vecteur x(t) rend compte de l’´etat de chacun des N robots pris individuellement, c’est-`a-dire
x(t) = [x
1
(t), ..., x
i
(t), .., x
N
(t)]. La composante x
i
(t) du i
` eme
robot contient notamment sa position et sa vitesse.
L’´evolution de l’´etat de chacune des entit´es est alors d´ecrite par le syst`eme d’´equations :
∀i = 1, .., N, ˙ x
i
(t) = f(x
1
(t), ..., x
i
(t), .., x
N
(t)). (I)
Pour de nombreux syst`emes, l’hypoth`ese d’un mod`ele `a ´etat de dimension finie (I) n’est plus valable. Dans
l’exemple pr´ec´edent, les retards induits par le r´eseau de communication impliquent que cette repr´esentation est
1
Le site de l’´equipe SyNeR est disponible sur http ://syner.free.fr/
2
Le site du projet ROBOCOOP est disponible sur http ://syner.ec-lille.fr/robocoop/
5
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6 Introduction g´en´erale
peu r´ealiste. En effet, les informations provenant des autres robots ne parviennent qu’un certain laps de temps
apr`es leur ´emission. Cette situation conduit alors `a modifier le syst`eme (I) en un syst`eme plus complexe :
∀i = 1, .., N, ˙ x
i
(t) = f(x
1
(t −τ
1
), ..., x
i−1
(t −τ
i−1
), x
i
(t), x
i+1
(t −τ
i+1
), .., x
N
(t −τ
N
)). (II)
Les retards de transmission τ
i
d´ependent souvent du temps t et sont fr´equemment la cause d’une d´egradation
de performances.
Plus g´en´eralement, les syst`emes `a retards (ou “h´er´editaires”) sont des syst`emes dont la dynamique ne
d´epend plus uniquement de la valeur du vecteur x exprim´ee `a l’instant pr´esent t, mais aussi des valeurs pass´ees
de x(t) prises sur un certain horizon temporel. Les ´equations diff´erentielles “d´ecrivant” l’´evolution du syst`eme
d´ependent de x
i
(t − τ
i
), avec τ
i
≥ 0. Dans ce cas, l’´etat `a l’instant t est “d´ecrit” par une fonction, not´ee x
t
,
d´efinie sur l’intervalle [−τ, 0]. Cette fonction x
t
repr´esente ainsi un ´etat distribu´e et non plus localis´e dans le
temps. On retrouve de tels exemples de syst`emes dans une multitude de domaines (chimie, biologie, transport,
communication, m´ecanique, m´ecanique des fluides,...). Remarquons que les syst`emes “`a ´etats de dimension finie”
ne sont finalement en pratique que des mod`eles simplifi´es de syst`emes `a ´etat fonctionnel.
L’analyse de la stabilit´e des syst`emes `a retards peut ˆetre men´ee `a l’aide de techniques issues de la seconde
m´ethode de Lyapunov. Dans la litt´erature, on trouve de nombreux r´esultats concernant des retards constants
ou variables, simples ou multiples. La pertinence des conditions obtenues d´epend du type de syst`emes consid´er´e,
du domaine d’application, mais aussi de leur conservatisme. Bien que focalis´e sur l’aspect retard, l’objectif de
ce m´emoire est multiple. Il s’agit principalement de :
– d´eterminer des lois de commande stabilisante garantissant certaines caract´eristiques (bornes de retards
admissibles, performances en stabilit´e/stabilisation, robustesse) ;
– d´eduire ´egalement des techniques de reconstruction d’´etat (avec le mˆeme type de caract´eristiques) ;
– trouver des situations concr`etes dans lesquelles ces m´ethodes montrent leur int´erˆet ;
– contribuer `a la r´eduction du conservatisme des th´eor`emes et `a les utiliser pour r´esoudre des probl`emes
exp´erimentaux.
Le premier chapitre de ce m´emoire est consacr´e `a la pr´esentation de bases th´eoriques sur les syst`emes `a
retards. On y pr´esentera les principaux outils pour l’´etude de la stabilit´e ou de la stabilisation asymptotique
bas´es sur les extensions aux syst`emes `a retards de la th´eorie des fonctions de Lyapunov.
Le deuxi`eme chapitre traite du probl`eme th´eorique de la stabilit´e et de la stabilisation exponentielles des
syst`emes lin´eaires `a retards. Nous pr´esenterons diverses m´ethodes qui assurent non seulement la convergence
mais aussi une certaine rapidit´e de convergence.
Le troisi`eme chapitre porte sur l’extension des r´esultats propos´es au chapitre pr´ec´edent `a deux classes de
syst`emes non lin´eaires `a retards. En particulier, on consid´erera les deux probl`emes pratiques de l’incertitude
provenant de l’identification de param`etres et la saturation de commande.
Dans le quatri`eme chapitre, on proc`ede `a l’´etude des syst`emes continus `a commande ´echantillonn´ee. Une
approche par retard variable est propos´ee qui permet d’utiliser les approches classiques des syst`emes `a re-
tards au cas des syst`emes ´echantillonn´es. L’objectif pratique de ce chapitre est d’´etudier qualitativement et
quantitativement l’effet de la p´eriode d’´echantillonnage sur le comportement asymptotique des solutions.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Introduction g´en´erale 7
Le cinqui`eme chapitre concerne l’observation des syst`emes `a retards. Nous pr´esentons des r´esultats concer-
nant le cas, fr´equent dans la litt´erature, de retards connus mais aussi le cas, plus d´elicat, des retards inconnus.
Le dernier chapitre pr´esente quelques probl`emes exp´erimentaux pour lesquels les r´esultats th´eoriques pr´esent´es
tout au long de ce m´emoire trouvent finalement leur justification. En effet les retards ou les ´echantillonnages
apparaissent fr´equemment sur des plates-formes exp´erimentales. Nous nous pencherons particuli`erement sur le
probl`eme de la commande d’un robot `a distance et `a travers un r´eseau internet , celui de la commande d’un
pendule 2D dont les informations de sortie proviennent d’un capteur visuel induisant un retard et un ph´enom`ene
d’´echantillonnage et `a la synth`ese d’une loi de commande qui stabilise un pendule invers´ee malgr´e la pr´esence
d’un retard variable en entr´ee.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
8 Introduction g´en´erale
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 1
Stabilit´e des syst`emes `a retards
1.1 Introduction
Les ph´enom`enes de retard apparaissent naturellement dans la mod´elisation de nombreux processus physiques.
La biologie, l’´ecologie, les sciences de l’ing´enieur ou les t´el´ecommunications sont des domaines o` u interviennent
des ´equations diff´erentielles dont l’´evolution d´epend non seulement de la valeur de leurs variables `a l’instant
pr´esent t, mais aussi d’une partie de leur “histoire”, c’est-`a-dire des valeurs `a un instant t

< t. Ces ´equations
diff´erentielles sont ainsi dites “h´er´editaires” ou “`a arguments (ici temporels) diff´er´es” ou plus simplement ”`a
retard”.
En sciences de l’ing´enieur, on constate que la plupart des commandes actuellement implant´ees le sont sur des
calculateurs num´eriques. Par cons´equent, mˆeme si un processus `a r´eguler ne contient pas de retard intrins`eque,
bien souvent des retards apparaissent dans la boucle de commande par l’interm´ediaire des temps de r´eaction des
capteurs ou des actionneurs (1), des temps de transmissions des informations (2) ou des temps de calculs (3). La
Figure 1.1 permet de localiser les lieux o` u apparaissent ces retards. Ces retards peuvent quelquefois ˆetre n´eglig´es,
mais lorsque leur taille devient significative au regard des performances temporelles du syst`eme (dynamiques
en boucles ouverte et ferm´ee) il n’est plus possible de les ignorer. On retrouve ici la probl´ematique classique
de la “dynamique des actionneurs”, mais avec une complexit´e suppl´ementaire provenant, nous le verrons, de la
nature des ´equations des syst`emes h´er´editaires.

( 3 ) ( 2 ) ( 2 ) ( 1 )

Actionneur


Processus


Capteur


Commande

Retard
( 1 )
Fig. 1.1 – Illustration de la provenance des retards dans une boucle de contrˆole.
9
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
10 Chapitre 1. Stabilit´e des syst`emes `a retards
Par ailleurs, les commandes implant´ees ne peuvent ˆetre vues comme des fonctions continues du temps du fait
que le calculateur travaille avec une fr´equence limit´ee. Le temps d’´echantillonnage correspond ainsi au temps
n´ecessaire aux calculateurs et aux convertisseurs analogique-num´erique pour passer d’une valeur `a la suivante.
L’impact des p´eriodes d’´echantillonnage sur les performances d’un processus doit ´egalement ˆetre ´evalu´e. De plus
la p´eriodicit´e de l’´echantillonnage n’est qu’une premi`ere approximation, qui ne peut pas ˆetre fond´ee dans le cas
d’un processus `a dynamiques rapides command´e par un syst`eme temps r´eel. Dans ce cas, l’ordonnancement des
tˆaches peut aussi cr´eer des variations de cadence non n´egligeables. Ici encore, une garantie des performances est
souhaitable. Nous aborderons ce point au Chapitre 4.
Exemple d’un processus command´e par retour visuel
Consid´erons un premier exemple de syst`eme o` u le retard apparaˆıt dans la boucle de commande. Le d´evelop-
pement des technologies dans le domaine de l’imagerie a motiv´e l’utilisation de cam´eras comme capteurs ([83],
Chapitre 1). La Figure 1.2 est un exemple de plateforme exp´erimentale disponible au LAGIS [19], [20].

Caméra PC
Moteurs électriques
Fig. 1.2 – Syst`eme `a retour visuel
Il s’agit d’un pendule invers´e dont le point bas se d´eplace sur le plan horizontal. Sur le point haut de la barre
du pendule sont dispos´es des ´emetteurs reconnus par la cam´era. Dans une premi`ere phase, les informations
´echantillonn´ees issues du capteur cam´era doivent ˆetre interpr´et´ees et modifi´ees en vue de d´elivrer des donn´ees
utilisables par le contrˆoleur. Cette op´eration n´ecessite des temps de calcul non n´egligeables qui introduisent des
retards dans la boucle de commande. La Figure 1.3a pr´esente une mod´elisation de cette partie. La Figure 1.3b
montre la diff´erence entre la sortie r´eelle mais indisponible y et la sortie retard´ee et ´echantillonn´ee z.
Il est ´evident que l’utilisation de la sortie z peut poser des probl`emes dans le calcul de la commande. On
en d´eduit la n´ecessit´e de l’analyse de ces syst`emes et de trouver des solutions garantissant un meilleur contrˆole.
Nous reviendrons sur cet exemple dans le Chapitre 6 o` u une solution a ´et´e d´evelopp´e en collaboration avec A.
Chamroo [20].
Exemple d’un syst`eme command´e `a travers un r´eseau de communication
Dans un autre registre, le contrˆole `a distance est un moyen de r´ealiser sans danger des tˆaches en envi-
ronnement hostile (d´eminage, d´epollution par exemple), d’admettre des utilisateurs d´elocalis´es (enseignement,
chirurgie...) ou encore de faire collaborer plusieurs applications d’un syst`eme informatique distribu´e. Bien-sur, le
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.1. INTRODUCTION 11

Sortie disponible
(t
e
)
y
(non disponible)
u B x A x . . ' + =
x C y . =
u
Capteur
z
e
t N. Retard
Moteur
(a)
(b)
Fig. 1.3 – Sortie du pendule 2D [19]
transfert informatique des donn´ees (capteurs ou commande) par le r´eseau n´ecessite l’´echantillonnage des sorties
capteur et des commandes g´en´er´ees. Il faut ajouter `a cela l’apparition de retards intervenant dans une ligne
de communication [14], [107], [134] et [135]. Dans des communications `a travers un r´eseau internet, ces retards
sont g´en´eralement variables et constituent un facteur non n´egligeable de d´egradation des performances.
Le nombre croissant d’articles concernant la commande de syst`emes en r´eseau (“Networked Control System-
s”) montre l’int´erˆet port´e `a ce domaine
1
. Cette probl´ematique pose des probl`emes dans l’analyse de la stabilit´e
d’un syst`eme tel que le syst`eme Maˆıtre-Esclave pr´esent´e Figure 1.4. C’est pourquoi le probl`eme de la commande
`a distance constitue un enjeu actuel de l’automatique des syst`emes `a retards. Il sera ´egalement l’objet d’une
´etude au Chapitre 6.


E Es sc cl la av ve e

R Ré és se ea au u i in nt te er rn ne et t
Echantillonnage


M Ma ai it tr re e
Echantillonnage
Fig. 1.4 – Syst`eme command´e `a distance
Ce m´emoire concerne la stabilit´e, la commande et l’observation des syst`emes `a retards ainsi que quelques
unes des applications qui en d´ecoulent. La suite de ce premier chapitre s’articule en deux parties visant `a situer
nos travaux fondamentaux dans un cadre relativement g´en´eral.
La partie 1.2 est consacr´ee `a la mod´elisation. Nous y pr´esenterons les diff´erentes classes de syst`emes et de
retards que l’on rencontre dans la litt´erature.
1
On pourra consulter `a ce sujet les chapitres d’introduction de [153]
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
12 Chapitre 1. Stabilit´e des syst`emes `a retards
La partie 1.3 concerne les approches de type Lyapunov et rappelle quelques r´esultats concernant la stabilit´e
des syst`emes `a retards. Ces m´ethodes r´ecentes permettent de r´eduire le conservatisme inh´erent `a cette approche
(conditions suffisantes et non n´ecessaires) et de prendre aussi en compte le fait que le retard est une fonction
variant dans le temps.
1.2 Mod´elisation des syst`emes `a retards
Dans cette partie, nous allons pr´esenter les diff´erents types de syst`emes `a retards rencontr´es dans la
litt´erature. Nous n’exposerons pas le probl`eme de Cauchy associ´e aux diff´erents classes de syst`emes, initialement
´etudi´e par Mishkis [108]. Le lecteur se r´ef´erera aux ouvrages [10], [85] ou [126] sur les conditions d’existence et
d’unicit´e des solutions.
1.2.1 Les syst`emes de type retard´e
Comme nous l’avons dit, les syst`emes retard´es sont des syst`emes dynamiques r´egis par des ´equations
diff´erentielles fonctionnelles portant `a la fois sur des valeurs pr´esentes et pass´ees du temps. Si nous suppo-
sons que la d´eriv´ee du vecteur d’´etat peut ˆetre explicit´ee `a chaque instant t, de tels syst`emes sont r´egis par des
´equations diff´erentielles de la forme :
_
¸
¸
_
¸
¸
_
˙ x(t) = f(t, x
t
, u
t
),
x
t
0
= φ(θ) pour θ ∈ [t
0
−τ, t
0
],
u
t
0
= ζ(θ) pour θ ∈ [t
0
−τ, t
0
],
(1.2.1)
o` u τ > 0 et les fonctions x
t
et u
t
sont d´efinies par (notation de Shimanov, [137]) :
x
t
:
_
[−τ, 0] →R
n
,
θ →x
t
(θ) = x(t +θ),
(1.2.2)
u
t
:
_
[−τ, 0] →R
n
,
θ →u
t
(θ) = u(t +θ).
(1.2.3)
Nous noterons par la suite ( = (
0
([−τ, 0], R
n
) l’ensemble des fonctions continues de [−τ, 0] dans R
n
.
La fonction x
t
∈ ( repr´esente l’´etat du syst`eme `a l’instant t, u
t
est l’entr´ee (commande et perturbations
2
) du
syst`eme. Les conditions initiales φ et ζ `a l’instant t
0
sont des fonctions de [t
0
− τ, t
0
] vers R
n
et suppos´ees
continues par morceaux.
Les syst`emes h´er´editaires appartiennent donc `a la classe des syst`emes de dimension infinie ou syst`emes
fonctionnels.
1.2.2 Syst`emes de type neutre
Les syst`emes neutres sont aussi des syst`emes h´er´editaires. La diff´erence avec le cas des syst`emes retard´es
vient des arguments du champ de vecteur f, qui, cette fois-ci, font aussi intervenir la d´eriv´ee de l’´etat x
t
et, par
cons´equent, des d´eriv´ees retard´ees de x(t). On les repr´esente alors par des ´equations diff´erentielles de la forme :
2
Les perturbations peuvent aussi ˆetre mod´elis´ees par la pr´esence du premier argument de la fonction f, sous forme d’un syst`eme
non stationnaire.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.2. MOD
´
ELISATION DES SYST
`
EMES
`
A RETARDS 13
_
¸
¸
_
¸
¸
_
˙ x(t) = f(t, x
t
, ˙ x
t
, u
t
),
x
t
0
= φ(θ) pour θ ∈ [−τ, 0],
u
t
0
= ζ(θ) pour θ ∈ [−τ, 0].
(1.2.4)
La pr´esence de l’argument ˙ x
t
rend l’analyse de ces syst`emes plus complexe. Une autre formulation possible
est celle d´efinie par Hale et Lunel [73] :
_
Fx
t
dt
= f(t, x
t
, u
t
), (1.2.5)
o` u T : ( →R
n
est un op´erateur r´egulier. On peut citer le cas particulier lin´eaire qui s’´ecrit :
Tx
t
= x(t) −Dx(t −g), (1.2.6)
o` u D est une matrice constante et g > 0 un retard.
La stabilit´e d’un tel syst`eme n´ecessite que l’op´erateur T v´erifie des conditions restrictives du fait de l’´equation
aux diff´erences par rapport `a ˙ x(t), soit Tx
t
= 0 [85][108]). Pour reprendre l’exemple de l’op´erateur lin´eaire
(1.2.6), il est n´ecessaire que les valeurs propres de la matrice D soient incluses `a l’int´erieur du cercle unit´e
(crit`ere de Schur-Cohn, crit`ere de Jury [111],[125]) pour obtenir des propri´et´es de convergence de (1.2.5).
1.2.3 Mod`eles lin´eaires invariants `a retards discrets
Les retards discrets correspondent au cas o` u le support de x
t
et u
t
a une mesure nulle et peut se r´eduire
`a un nombre fini de point. Dans le cas des syst`emes lin´eaires invariants (en anglais “Linear Time-Invariant”,
LTI), les ´equations diff´erentielles `a retards discrets sont de la forme :
_
˙ x(t) =

q
i=1
D
l
˙ x(t −ω
l
) +

r
j=0
(A
j
x(t −τ
j
) +B
j
u(t −τ
j
)),
y(t) =

r
j=0
C
j
x(t −τ
j
),
(1.2.7)
o` u x ∈ R
n
, u ∈ R
m
et y ∈ R
p
repr´esentent respectivement le “vecteur d’´etat instantan´e” [87], le vecteur de
commande et le vecteur de sortie du syst`eme, τ
0
= 0 et les matrices d’´etat A
i
∈ R
n×n
, de commande B
i
∈ R
n×m
,
des termes neutres D
i
∈ R
n×n
et de sortie C
i
∈ R
p×n
sont des matrices constantes. Les retards τ
j
> 0 et ω
i
> 0,
bien que pouvant ´eventuellement varier
3
dans le temps, sont des retards discrets (ou “ponctuels”) en ce sens
que le syst`eme diff´erentiel (1.2.7) ne n´ecessite, pour le calcul de ˙ x(t) `a l’instant t, qu’une information discr`ete
sur l’´etat fonctionnel x
t
et de sa d´eriv´ee, dans le cas neutre.
Remarque 1.2.1 Le retard peut intervenir d’une autre mani`ere dans les ´equations d’´etats. On mentionne les
retards distribu´es qui font intervenir dans le syst`eme d’´equation (1.2.7) des termes de la forme
_
t
t−σ
G(θ)x(θ)dθ.
Dans ce m´emoire, l’analyse de ces retards ne sera pas abord´ee. On pourra par exemple se r´ef´erer `a [111]
pour quelques crit`eres concernant les syst`emes `a retards distribu´es et `a [153] pour leur application en tant que
pr´edicteurs.
Dans le cas “simplement” retard´e, le syst`eme (1.2.7) s’´ecrit :
_
˙ x(t) =

r
i=0
(A
i
x(t −τ
i
) +B
i
u(t −τ
i
)),
y(t) =

r
i=0
C
i
x(t −τ
i
).
(1.2.8)
3
Si le retard varie, le syst`eme n’est plus `a proprement parler “invariant” (LTI) mais nous avons pr´ef´er´e cet abus de langage `a
une appellation plus lourde comme “syst`emes lin´eaires `a gains constants et `a retards variables”
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
14 Chapitre 1. Stabilit´e des syst`emes `a retards
1.2.4 Mod`eles non lin´eaires, non stationnaires
Afin de se rapprocher du comportement des processus r´eels, il nous parait int´eressant de proposer des mod`eles
dont les param`etres peuvent varier au cours du temps et avec l’´etat. Les mod`eles non lin´eaires autorisent un
plus grand domaine d’analyse puisque leur validit´e ne se r´eduit pas `a un voisinage du point d’´equilibre ou de la
trajectoire de r´ef´erence. Ils permettent, apr`es transformations, de consid´erer des fonctionnements plus globaux.
La diff´erence avec les syst`emes lin´eaires est que les matrices A
i
, B
i
et C
i
deviennent des fonctions du
temps et/ou de l’´etat et g´en´eralement continues (ou continues par morceaux) en leurs arguments. Les ´equations
d´efinissant ces mod`eles, dans le cas d’un retard simple (c’est-`a-dire r = 1) sur l’´etat et sur l’entr´ee, se pr´esentent
de la mani`ere suivante [69] :
_
˙ x(t) = A(t, x
t
)x(t) +B(t, x
t
)u(t)) +A
τ
(t, x
t
)x(t −τ) +B
τ
(t, x
t
)u(t −τ)),
y(t) = C(t, x
t
)x(t),
(1.2.9)
Afin de faciliter l’´etude de ces syst`emes, nous utiliserons deux mod´elisations sensiblement diff´erentes. La
premi`ere est la mod´elisation polytopique. Elle consiste `a exprimer les fonctions matricielles comme une somme
pond´er´ee de matrices constantes. La seconde est la mod´elisation par syst`emes `a param`etres incertains.
Les mod`eles polytopiques
La mod´elisation polytopique [140] transforme un syst`eme de la forme (1.2.9) en un syst`eme multimod`ele,
c’est-`a-dire une somme de mod`eles lin´eaires pond´er´es de fa¸con non constante [140]. Ceci s’exprime de la mani`ere
suivante [69] :
_
˙ x(t) =

r
i=0
λ
i
(t, x
t
) ¦A
i
x(t) +B
i
u(t)) +A
τ,i
x(t −τ) +B
τ,i
u(t −τ))¦ ,
y(t) =

r
i=0
λ(t, x
t
) ¦C
i
x(t)¦ ,
(1.2.10)
o` u les fonctions scalaires λ
i
(t, x
t
), pour i = 1, .., r, sont des fonctions de pond´eration v´erifiant les conditions de
convexit´e :

r
i=0
λ
i
(t, x
t
) = 1 et ∀i = 1, .., r, λ
i
(t, x
t
) ≥ 0. (1.2.11)
Si les fonctions matricielles A(t, x
t
), A
τ
(t, x
t
), B(t, x
t
), B
τ
(t, x
t
) sont continues, les fonctions λ
i
(t, x
t
) le
sont elles aussi. Par la suite, l’objectif sera de faire ressortir des propri´et´es communes `a tous les sous-mod`eles
lin´eaires
4
pour en d´eduire celles du syst`eme (1.2.10). Cette mod´elisation va notamment permettre d’´elaborer
des conditions de stabilit´e exponentielle pour les syst`emes `a retards variables.
Les mod`eles `a param`etres incertains born´es en norme
La mod´elisation par param`etres incertains consid`ere que chaque fonction matricielle d´efinissant le syst`eme
(1.2.9) est la somme d’une matrice constante repr´esentant le comportement nominal et d’une matrice d´ependant
de t et de x
t
repr´esentant les perturbations par rapport au syst`eme nominal. Il s’exprime alors de la mani`ere
suivante :
_
¸
¸
_
¸
¸
_
˙ x(t) = (A+ ∆A(t, x
t
))x(t) + (A
τ
+ ∆A
τ
(t, x
t
))x(t −τ)
+(B + ∆B(t, x
t
))u(t)) + (B
τ
+ ∆B
τ
(t, x
t
))u(t −τ)),
y(t) = (C + ∆C(t, x
t
))x(t),
(1.2.12)
4
Le sous-mod`ele S
i
correspond au cas λ
i
= 1
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.2. MOD
´
ELISATION DES SYST
`
EMES
`
A RETARDS 15
o` u les matrices A, A
τ
, B, B
τ
et C sont des matrices constantes de dimension appropri´ee. Les matrices
repr´esentant les perturbations sont g´en´eralement pr´esent´ees sous la forme [69] :
∆A(t, x
t
) = G∆(t, x
t
)D, ∆A
τ
(t, x
t
) = G
τ
∆(t, x
t
)D
τ
,
∆B(t, x
t
) = H∆(t, x
t
)E, ∆B
τ
(t, x
t
) = H
τ
∆(t, x
t
)E
τ
,
∆B(t, x
t
) = J∆(t, x
t
)F,
(1.2.13)
o` u ∆(t, x
t
) est une matrice qui v´erifie :
∀t, ∆
T
(t, x
t
)∆(t, x
t
) ≤ I
n
. (1.2.14)
Les amplitudes de variation des coefficients de perturbations sont ainsi report´ees dans les matrices (G, D),
(G
τ
, D
τ
), (H, E), (H
τ
, E
τ
), (J, F). Cette repr´esentation est g´en´eralement utilis´ee dans le probl`eme de la synth`ese
de lois de commande [35]. Elle permet en effet de caract´eriser la robustesse par rapport `a des incertitudes
param´etriques. De plus, cette mod´elisation sera elle-aussi utile pour ´etablir d’autres conditions de stabilit´e
exponentielle pour les syst`emes `a retards variables.
1.2.5 Mod`eles de retards
Dans cette partie, nous pr´esenterons succinctement les diff´erents mod`eles de retards discrets que l’on ren-
contre dans la litt´erature.
a) Retards constants : Les premi`eres ´etudes sur la stabilit´e des syst`emes `a retards concernaient principale-
ment des retards constants. On compte de nombreux crit`eres fr´equentiel [24], LMI [69], [111] d´evelopp´es
pour des retards constants connus ou inconnus (`a borne connue ou non). Depuis le milieu des 90, diff´erentes
conditions, pr´esent´ees sous forme LMI, de stabilit´e robuste de syst`emes lin´eaires `a retards constants mais
incertains ont ´et´e d´evelopp´ees [86],[92] et [111]. Dans la plupart des cas r´eellement rencontr´es, seule une
partie r´ecente du pass´e exerce une influence sur le comportement du syst`eme. On parle alors d’´equations
`a retards major´es ou born´es s’il existe un nombre r´eel τ > 0 tel que dans les ´equations (1.2.1) et (1.2.4)
les fonctionnelles x
t
et ˙ x
t
sont d´efinies sur l’intervalle [−τ, 0].
b) Retards variables major´es : Comme la constance du retard est une hypoth`ese rarement v´erifi´ee dans la
r´ealit´e (communications internet [99] et mod`eles de vannes [4] pour ne citer que deux exemples), le cas
des retards variables (connus ou inconnus) a fait lui aussi l’objet de nombreuses recherches. On d´efinit les
retards major´es pour lesquels il existe un r´eel connu τ
2
> 0 tel que [79] :
0 ≤ τ(t) ≤ τ
2
. (1.2.15)
Certains auteurs rajoutent des conditions de r´egularit´e sur ces fonctions de retards, comme nous le verrons
dans cette description.
c) Retards variables born´es : Une grande partie des r´esultats existant supposent que les retards varient
dans un intervalle [0, τ
2
]. Or les retards apparaissant dans des processus r´eels sont le plus souvent dus `a
des ph´enom`enes de transfert d’information ou de mati`ere. Le fait d’autoriser le retard `a prendre la valeur
0 revient `a supposer qu’`a un moment ce transfert se fait de mani`ere instantan´ee. Dans ce contexte et `a
condition bien sˆ ur que cela conduise `a des crit`eres moins restrictifs, il parait int´eressant de se donner une
borne inf´erieure du retard pour ensuite se donner les moyens de mesurer son impact sur la stabilit´e du
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
16 Chapitre 1. Stabilit´e des syst`emes `a retards
syst`eme. On d´efinit alors les retards born´es, les retards τ(t) pour lesquels il existe deux r´eels τ
1
et τ
2
tels
que :
0 < τ
1
≤ τ(t) ≤ τ
2
. (1.2.16)
Ce n’est que r´ecemment que des chercheurs ont obtenus des solutions `a ce probl`eme [49], [54], [80]. La
m´ethode propos´ee dans ces articles est identique. Elle consiste `a transformer le retard τ(t) en une somme de
deux retards. Le premier peut ˆetre assimil´e `a un retard nominal et le second comme ´etant une perturbation
born´ee par rapport au retard nominal.
d) Retards variables avec contrainte sur la d´eriv´ee : De nombreux r´esultats n´ecessitent une condition
sur la d´eriv´ee de la fonction retard. On suppose alors qu’il existe un r´eel d tel que :
˙ τ(t) ≤ d < 1. (1.2.17)
Si l’on regarde la fonction f(t) = t − τ(t), la condition pr´ec´edente implique que f est une fonction
strictement croissante. Cela signifie que les informations retard´ees arrivent dans un ordre chronologique.
e) Retards variables continus par morceaux : Ces retards apparaissent notamment lors de l’´echantillo-
nnage d’un signal. Ce cas particulier autorise notamment la d´eriv´ee du retard `a prendre la valeur 1 :
(critique au vu de la contrainte pr´ec´edente).
˙ τ(t) ≤ 1. (1.2.18)
Ce cas sera trait´e dans le Chapitre 4.
G´en´eralement, les contraintes faites sur les retards sont des combinaison des diff´erents mod`eles pr´esent´es.
On trouve dans la litt´erature des r´esultats qui allient
Dans ce m´emoire, on ´evitera le plus souvent possible la contrainte d). G´en´eralement notre travail s’adressera
aux cas alliant b), c) et e)
1.3 Stabilit´e des syst`emes `a retards par la seconde m´ethode de Lya-
punov
Dans cette partie, nous allons rappeler quelques r´esultats concernant la stabilit´e asymptotique des syst`emes
`a retards en se focalisant sur l’approche temporelle li´ee `a la seconde m´ethode de Lyapunov.
1.3.1 Seconde m´ethode de Lyapunov
Consid´erons le syst`eme suivant :
˙ x(t) = f(t, x(t), x
t
),
x
t
0
(θ) = φ(θ), pour θ ∈ [−τ, 0],
(1.3.1)
dont nous supposerons qu’il admet une solution unique et un ´etat d’´equilibre x
t
= 0 (si le syst`eme admet un
autre point d’´equilibre, nous pouvons nous ramener par un changement de variables).
La seconde m´ethode de Lyapunov repose sur l’existence d’une fonction V d´efinie positive telle que le long
des trajectoires de (1.3.1), on ait
dV
dt
< 0, si x ,= 0. Cette m´ethode directe n’est valable que pour une classe
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.3. STABILIT
´
E DES SYST
`
EMES
`
A RETARDS PAR LA SECONDE M
´
ETHODE DE LYAPUNOV 17
restreinte de syst`emes h´er´editaires car
dV
dt
d´epend des valeurs pass´ees x
t
. Elle est donc tr`es difficile `a appliquer
dans le cas g´en´eral des syst`emes `a retards. Deux extensions `a la seconde m´ethode de Lyapunov ont alors ´et´e
d´evelopp´ees dans le cadre des ´equations diff´erentielles `a retards. Dans le cas des ´equations ordinaires (c’est-`a-dire
sans retard), la fonction V = V (t, x(t)) ne d´epend que d’arguments pr´esents. Dans le cas retard´e, deux types
d’approches sont possibles : V = V (t, x(t)) ou V = V (t, x
t
). Le premier cas conduit `a une difficult´e d’analyse
li´ee au fait que la d´eriv´ee d´epend des instants pass´ees. Le second cas reporte cette difficult´e dans la conception
de la fonction V . Ces deux approches, respectivement d´evelopp´ees par Razumikhin et Krasovskii, vont ˆetre
bri`evement rappel´ees dans les deux paragraphes suivants.
1.3.2 Approche par fonctions de Razumikhin
Dans cette approche, nous nous placerons dans R
n
en consid´erant une fonction de Lyapunov V (t, x(t))
classiques pour les ´equations diff´erentielles ordinaires. Toutefois le th´eor`eme suivant montre qu’il est inutile de
v´erifier que
˙
V (t, x(t)) ≤ 0 le long de toutes les trajectoires du syst`eme. Effectivement, ce test peut se restreindre
aux solutions qui ont tendance `a quitter un voisinage de V (t, x(t)) ≤ c du point d’´equilibre.
Th´eor`eme 1.3.1 [85] Soient u, v et w : R
+
→ R
+
des fonctions croissantes, telles que u(θ) et v(θ) soient
strictement positives pour tout θ > 0. Supposons que le champ de vecteur f de (1.3.1) est born´e pour des valeurs
born´ees de ses arguments.
S’il existe une fonction continue V : R R
n
→R
+
telle que :
a) u(|φ(0)|) ≤ V (t, φ) ≤ v(|φ|),
b)
˙
V (t, φ) ≤ −w(|φ(0)|) pour toutes les trajectoires de (1.3.1) v´erifiant :
V (t +θ, φ(t +θ)) ≤ V (t, φ(t)), ∀θ ∈ [−τ, 0], (1.3.2)
alors la solution nulle de (1.3.1) est uniform´ement stable.
De plus si w(θ) > 0 pour tout θ > 0 et s’il existe une fonction p : R
+
→ R
+
strictement croissante avec
p(θ) > θ pour tout θ > 0 telle que :
i) u(|φ(0)|) ≤ V (t, φ) ≤ v(|φ|),
ii)
˙
V (t, φ) ≤ −w(|φ(0)|), pour toutes les trajectoires de (1.3.1) v´erifiant :
V (t +θ, x(t +θ)) ≤ p(V (t, x(t))), ∀θ ∈ [−τ, 0], (1.3.3)
alors une telle fonction V est appel´ee fonction de Lyapunov-Razumikhin et la solution nulle de (1.3.1) est
uniform´ement asymptotiquement stable.
Dans la pratique, les fonctions p les plus souvent utilis´ees sont celles de la forme p = qθ o` u q est une constante
strictement sup´erieure `a 1. de plus les fonctions de Lyapunov recherch´ees dans l’approche de Razumikhin sont
souvent des fonctions quadratiques de la forme :
V (t) = x
T
Px(t), (1.3.4)
o` u P est une matrice sym´etrique d´efinie positive. L’´equation (1.3.3) devient la plupart du temps :
x
T
(t +θ)Px(t +θ) ≤ qx
T
(t)Px(t), ∀θ ∈ [−τ, 0], et q > 1. (1.3.5)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
18 Chapitre 1. Stabilit´e des syst`emes `a retards
Ainsi dans l’approche de Lyapunov-Razumikhin, la n´egativit´e n’est requise que pour les trajectoires qui, `a
l’instant t, appartiennent `a un certain espace d´efini par l’´evolution du syst`eme sur l’intervalle [t −τ, t].
Mˆeme si l’approche Lyapunov-Razumikhin conduit g´en´eralement `a des r´esultats plus conservatifs que ceux
tir´es de l’approche de Lyapunov-Krasovskii, pr´esent´ee au paragraphe suivant, elle permet de prendre en compte
des retards variables sans restriction sur la d´eriv´ee du retard (1.2.17). Il a par ailleurs ´et´e montr´e que, pour
des retards constants, l’existence d’une fonction de Lyapunov-Razumikhin entraˆıne celle d’une fonctionnelle
de Lyapunov-Krasovskii [34]. Cependant, dans la litt´erature, la stabilit´e des syst`emes `a retards fait plus
g´en´eralement appel `a des fonctionnelles de Lyapunov-Krasovskii.
1.3.3 Approche par fonctionnelles de Krasovskii
La m´ethode de Krasovskii est une extension de la seconde m´ethode de Lyapunov pour les ´equations
diff´erentielles fonctionnelles. Elle consiste `a rechercher des fonctionnelles 1(t, x
t
) qui d´ecroissent le long des
solutions de (1.3.1).
Th´eor`eme 1.3.2 [85] Soient u, v, w : R
+
→ R
+
des fonctions continues croissantes ; u(θ) et v(θ) sont
strictement positives pour θ > 0 et u(0) = v(0) = 0. Supposons que le champ de vecteur f de (1.3.1) soit born´e
pour des valeurs born´ees de ses arguments.
S’il existe une fonctionnelle continue 1 : R C →R
+
telle que :
a) u(|φ(0)|) ≤ 1(t, φ) ≤ v(|φ|),
b)
˙
1(t, φ) ≤ −w(|φ(0)|) pour tout t ≥ t
0
le long des trajectoires de (1.3.1),
alors la solution nulle de (1.3.1) est uniform´ement stable. Si de plus w(θ) > 0 pour tout θ > 0, alors la solution
nulle de (1.3.1) est uniform´ement asymptotiquement stable.
Si 1 v´erifie plutˆot les conditions :
i) u(|φ(0)|) ≤ 1(t, φ) ≤ v(|φ|),
ii)
˙
1(t, φ) ≤ −w(|φ(0)|), pour tout t ≥ t
0
et w(θ) > 0 pour tout θ > 0,
iii) 1 est lipschitzienne par rapport `a son second argument,
alors la solution nulle de (1.3.1) est exponentiellement stable.
˙
1(t, φ) est ici une d´eriv´ee au sens de Dini,
˙
1(t, φ) = lim
→0
+ sup
V(t+,x
t+
)−V(t,x
t
)

.
Une telle fonctionnelle 1 est appel´ee fonctionnelle de Lyapunov-Krasovskii.
L’id´ee principale de ce th´eor`eme est donc de d´eterminer une fonctionnelle 1 d´efinie positive dont la d´eriv´ee
le long des trajectoires de (1.3.1) est d´efinie n´egative. Le principal probl`eme dans l’application de ce th´eor`eme
est la conception, lorsqu’elle existe, de la fonctionnelle de Lyapunov-Krasovskii 1. Les fonctionnelles recherch´ee
sont g´en´eralement de la forme suivante ([88], section 2.2.2) :
1(t, φ) = φ
T
(0)P(t)φ(0) +φ
T
(0)
_
_
0
−τ
Q(t, σ)φ(σ)dσ
_
+
_
_
0
−τ
φ
T
(σ)Q
T
(t, σ)dσ
_
φ(0)
+
_
0
−τ
_
0
−τ
φ
T
(σ)R(t, σ, ρ)φ(ρ)dσdρ +
_
0
−τ
φ
T
(ζ)S(ζ)φ(ζ)dζ,
(1.3.6)
o` u P, Q, R et S sont des matrices carr´ees de dimension n n. P(t) et S(ζ) sont sym´etriques d´efinies positives.
R v´erifie R(t, σ, ρ) = R
T
(t, ρ, σ). On suppose que chacun des ´el´ements de ces matrices est born´e et admet une
d´eriv´ee continue par morceaux et born´ee.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.3. STABILIT
´
E DES SYST
`
EMES
`
A RETARDS PAR LA SECONDE M
´
ETHODE DE LYAPUNOV 19
Dans la pratique, la recherche de ces fonctions pose des probl`emes difficiles `a r´esoudre. On pr´ef`ere se res-
treindre aux fonctionnelles dont les fonctions matricielles P, Q et R sont des matrices constantes. On se propose
alors de trouver une fonctionnelle de Lyapunov-Krasovskii de la forme :
1(t, φ) = φ
T
(0)Pφ(0) +
_
0
−τ
φ
T
(σ)Sφ(σ)dσ +φ
T
(0)
_
0
−τ
Qφ(σ)dσ
+
_
0
−τ
_
0
−τ
φ
T
(σ)Rφ(ρ)dσdρ,
(1.3.7)
o` u les matrices P, Q, R et S sont sym´etriques d´efinies positives.
Remarque 1.3.3 Des r´ecents travaux [54], [50], [68], [69] ont permis de r´eduire le conservatisme relatif au
choix des matrices P, Q et R constantes. La m´ethode consiste `a d´efinir des fonctions matricielles continues par
morceaux .
Tout au long de ce m´emoire, les probl`emes qui seront r´esolus feront intervenir une fonctionnelle de la forme
(1.3.7) pour des syst`emes de la forme (1.2.7), (1.2.10) et (1.2.12).
1.3.4 Extensions des th´eor`emes de Lyapunov
Les deux approches temporelles bas´ees sur le second th´eor`eme de Lyapunov, combin´ees avec des m´ethodes
d’optimisation convexe appel´ees in´egalit´es matricielles lin´eaires (voir les ouvrages g´en´eraux [13],[63] et l’annexe
A), permettent d’´etablir des crit`eres syst´ematiques de stabilit´e et de stabilisation pour les syst`emes `a retard.
De nombreuses applications et extensions ont ´et´e propos´ees :
– Les probl`emes de la stabilit´e et de la stabilisation robuste vis-`a-vis d’incertidudes param´etriques sur le
mod`eles peuvent ˆetre trait´es d’une mani`ere analogue en utilisant des syst`emes de la forme (1.2.10) ou
(1.2.12).
– Le cas de la commande H

, quelquefois trait´e en fr´equentiel [151], peut ˆetre aussi ´etudi´e dans un cadre
temporel. Une loi de commande est construite pour assurer la stabilit´e robuste avec un certain taux
d’att´enuation des perturbations exog`enes [56], [91], [92].
– La finesse de ces crit`eres est largement d´ependante du choix des fonctions, des fonctionnelles de Lyapunov
ou des diverses m´ethodes de majoration conduisant `a des LMI.
– La stabilisation `a coˆ ut garanti.
– La stabilisation en temps fini [106].
– La stabilit´e entr´ee-´etat (ISS) [157], [69].
1.3.5 Deux transformations sur le mod`ele
Il est bien ´evident que notre objectif n’est pas de pr´esenter une liste exhaustive de crit`eres de stabilit´e et de
stabilisation de syst`emes `a retards. Cependant, nous pr´esenterons dans la suite de ce chapitre, quelques crit`eres
de stabilit´e asymptotique et quelques techniques qui auront retenu notre attention.
Nous rappellerons des conditions permettant de caract´eriser la stabilit´e asymptotique du syst`eme suivant :
_
˙ x(t) = Ax(t) +A
τ
x(t −τ(t)),
x(θ) = φ(θ), ∀θ ∈ [τ
2
, 0].
(1.3.8)
Dans (1.3.8), le retard τ(t) sera consid´er´e comme constant, puis variant dans le temps major´e et enfin born´e.
Les crit`eres que nous exposerons utilisent l’outil LMI.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
20 Chapitre 1. Stabilit´e des syst`emes `a retards
Mod`ele descripteur
La “mod´elisation descripteur” (en anglais “descriptor form”) est une technique d´evelopp´ee en 2001 par E.
Fridman [47], [56], [57]. L’id´ee consiste `a r´e´ecrire le syst`eme (1.3.8) de la mani`ere suivante :
_
˙ x(t) = z(t),
0 ˙ z(t) = −z(t) +Ax(t) +A
τ
(t, x
t
)x(t −τ(t)).
(1.3.9)
En consid´erant maintenant la variable ´elargie ¯ x(t) = col¦x(t), z(t)¦, on remarque que cette transformation
augmente la dimension du syst`eme ´etudi´ees sans rajouter de dynamiques additionnelles. .
Ensuite, en utilisant une fonctionnelle de Lyapunov-Krasovskii adapt´ee, on montre la stabilit´e asympto-
tique du syst`eme d´ecrit par l’´equation (1.3.9) qui est ´equivalente `a celle d´ecrite par l’´equation (1.3.8). Pour le
cas des syst`emes `a retards constants, la mod´elisation descripteur conduit aux conditions de stabilit´e asympto-
tique que nous rappellerons dans le lemme 1.3.4. Nous pr´esenterons alors les avantages sur l’int´erˆet d’une telle
transformation dans la section suivante.
Transformation de Leibniz
Cette transformation [66], [67] est tr`es utile dans la construction de crit`eres de stabilit´e d´ependent du retard.
Elle permet d’´ecrire le syst`eme (1.3.8) comme un syst`eme `a retard distribu´e :
x(t −τ(t)) = x(t) −
_
t
t−τ(t)
˙ x(s)ds. (1.3.10)
La d´eriv´ee ˙ x peut ensuite ˆetre exprim´ee selon (1.3.8) et ce genre de transformations peut conduire `a des
modifications importantes du syst`eme. Il est n´ecessaire de s’assurer de sa bonne utilisation. Par exemple, si
l’on remplace ˙ x(s) dans (1.3.10) par son expression dans (1.3.8), on introduit des dynamiques additionnelles
[70][71] et on transforme le syst`eme initial soumis `a un retard variant dans [−τ
2
, 0] `a un nouveau syst`eme
soumis `a un retard variant dans [−2τ
2
, 0]. La d´efinition des conditions initiales ´etant diff´erente, il faut s’assurer
de la justification de cette modification. Pour plus de d´etails, on se r´ef´erera `a [111]. D’autre part, mˆeme si de
nombreux efforts ont ´et´e men´es pour ´etudier le conservatisme introduit lors des calculs [127], [160], les th´eor`emes
rencontr´es peuvent ˆetre conservatifs.
1.3.6 Stabilit´e asymptotique des syst`emes `a retards major´es
Lemme 1.3.4 [57] Le syst`eme (1.3.8) est asymptotiquement stable pour tout retard τ constant inf´erieur `a τ
2
,
s’il existe des matrices de dimension nn, sym´etriques d´efinies positives P
1
, S et R, et des matrices de dimension
nn, P
2
, P
3
, Y
1
, Y
2
, Z
1
, Z
2
et Z
3
telles que les conditions LMI suivantes soient satisfaites :
_
¸
¸
_
Ψ
1
P
T
_
0
A
1
_
−Y
T
1
∗ −S
1
_
¸
¸
_
< 0,
_
R Y
∗ Z
_
≥ 0, (1.3.11)
o` u les matrices Y , Z et Ψ
1
sont donn´ees par :
Ψ
1
= P
T
_
0 I
n
A
0
−I
n
_
+
_
0 I
n
A
0
−I
n
_
T
P +τ
2
Z +
_
S 0
0 τ
2
R
_
+
_
Y
0
_
+
_
Y
0
_
T
,
Y = [Y
1
Y
2
], Z =
_
Z
1
Z
2
Z
T
2
Z
3
_
.
(1.3.12)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.3. STABILIT
´
E DES SYST
`
EMES
`
A RETARDS PAR LA SECONDE M
´
ETHODE DE LYAPUNOV 21
D´emonstration. La d´emonstration utilise une fonctionnelle de Lyapunov-Krasovskii de la forme :
V (t) = ¯ x
T
(t)EP ¯ x(t) +
_
t
t−τ
2
x
T
(s)Sx(s)ds +
_
0
−τ
2
_
t
t+θ
z
T
(s)Rz(s)dsdθ, (1.3.13)
o` u E =
_
I
n
0
0 0
_
et o` u le vecteur ¯ x(t) est donn´e par col¦x(t), z(t)¦. Pour plus de d´etails, nous invitons le
lecteur `a se r´ef´erer `a [57].
Dans le cas de syst`emes `a retards variables, on introduit la condition suppl´ementaire ˙ τ(t) ≤ d < 1. On
obtient alors le lemme suivant :
Lemme 1.3.5 [57] Le syst`eme (1.3.8) est asymptotiquement stable pour tout retard variable v´erifiant τ(t) ≤ τ
2
et ˙ τ(t) ≤ d < 1, s’il existe des matrices de dimension nn, sym´etriques d´efinies positives P
1
, S et R, et
des matrices de dimension nn, P
2
, P
3
, Y
1
, Y
2
, Z
1
, Z
2
et Z
3
telles que les conditions LMI suivantes soient
satisfaites :
_
¸
¸
_
Ψ
1
P
T
_
0
A
1
_
−Y
T
1
∗ −(1 −d)S
1
_
¸
¸
_
< 0,
_
R Y
∗ Z
_
≥ 0, (1.3.14)
o` u les matrices Y , Z et Ψ
1
sont donn´ees par (1.3.12).
Il est possible de r´eduire le conservatisme des conditions de stabilit´e asymptotique et aussi d’´eliminer la
condition sur la d´eriv´ee du retard ˙ τ(t) ≤ d < 1. Ceci sera illustr´e dans le paragraphe suivant.
1.3.7 Stabilit´e asymptotique des syst`emes `a retards born´es
Consid´erons le syst`eme neutre `a retard :
˙ x(t) −F ˙ x(t −g(t)) = A
0
x(t) +A
1
x(t −τ
1
(t)) +BKx(t −τ
2
(t)),
τ
i
(t) ∈ [δ
i
−µ
i
, δ
i

i
].
(1.3.15)
o` u les retards τ
i
sont de la forme τ
i
(t) = δ
i

i
(t), pour i = 1, 2 avec [η
i
(t)[ ≤ µ
i
. Les retards constants δ
i
sont
les valeurs nominales des retards τ
i
. Les fonctions η
i
(t) repr´esentent des perturbations born´ees autour du retard
nominal. Le retard g(t) du terme neutre satisfait `a la condition ˙ g(t) ≤ d
0
< 1.
Lemme 1.3.6 [49] Pour une matrice K donn´ee et sous reserve que la matrice F ait tous les modules de ses
valeurs propres strictement inf´erieurs `a 1, le syst`eme (1.3.15) est asymptotiquement stable pour tous retards τ
i
(t)
variant dans l’intervalle [δ
i
− µ
i
, δ
i
+ µ
i
], s’il existe des matrices sym´etriques d´efinies positives, de dimension
nn, P
1
, S
i
, U, R
i
et R
ia
et des matrices de dimension nn, P
2
, P
3
, Y
i1
, Y
i2
, Z
i1
, Z
i2
et Z
i3
, pour i = 1, 2,
telles que les conditions LMI suivantes soient satisfaites :
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Ψ
2
P
T
_
0
A
1
_
−Y
T
1
P
T
_
0
BK
_
−Y
T
2
P
T
_
0
F
_
µ
1
P
T
_
0
A
1
_
µ
2
P
T
_
0
BK
_
∗ −S
1
0 0 0 0
∗ ∗ −S
2
0 0 0
∗ ∗ ∗ −(1 −d
0
)U 0 0
∗ ∗ ∗ ∗ −µ
1
R
1a
0
∗ ∗ ∗ ∗ ∗ −µ
2
R
2a
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0,
(1.3.16)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
22 Chapitre 1. Stabilit´e des syst`emes `a retards
_
R
i
Y
i
∗ Z
i
_
≥ 0, i = 1, 2, (1.3.17)
o` u les matrices Y
i
, Z
i
et Ψ
2
sont donn´ees par :
Ψ
2
= Ψ
n
+
_
0 0
0

2
i=1

i
R
ia
_
,
Ψ
n
= P
T
_
0 I
n
A
0
−I
n
_
+
_
0 I
n
A
0
−I
n
_
T
P +

2
i=1
δ
i
Z
i
+
_

2
i=1
S
i
0
0

2
i=1
δ
i
R
i
+U
_
+

2
i=1
_
Y
i
0
_
+

2
i=1
_
Y
i
0
_
T
,
Y
i
= [Y
i1
Y
i2
], Z
i
=
_
Z
i1
Z
i2
∗ Z
i3
_
(1.3.18)
D´emonstration. La preuve de ce lemme utilise la mod´elisation descripteur et une fonctionnelle de Lyapunov-
Krasovskii adapt´ee. Elle peut se diviser en deux parties. La premi`ere consiste `a tester la stabilit´e asymptotique
du syst`eme soumis au retard nominal en utilisant la fonctionnelle suivante provenant du Lemme 1.3.4 :
V
n
(t) = ¯ x
T
(t)EP ¯ x(t) +

2
i=1
_
0
−δ
i
_
t
t+θ
˙ x
T
(s)R
i
˙ x(s)dsdθ +

2
i=1
_
t
t−δ
i
x
T
(s)S
i
x(s)ds. (1.3.19)
La seconde ´etape consiste `a tester la robustesse de la pr´ec´edente par rapport aux perturbations η
i
(t) du
retard nominal. On ajoute alors la fonctionnelle suivante :
V
a
(t) =

2
i=1
_
µ
i
−µ
i
_
t
t+θ−δ
i
˙ x
T
(s)R
ia
˙ x(s)dsdθ. (1.3.20)
Les conditions de stabilit´e asymptotique du syst`eme complet sont d´eterminer `a l’aide de la fonctionnelle :
V (t) = V
n
(t) +V
a
(t). (1.3.21)
On remarque que dans ce lemme, les conditions sur les retards sont diff´erentes. Les retards sur l’´etat sont
born´es mais ne sont soumis `a aucune contrainte sur leur d´eriv´ee. En revanche, le retard du terme neutre n’est
pas major´e mais n’est soumis qu’`a une contrainte classique sur la d´eriv´ee du retard. Ceci montre la diversit´e
des contraintes sur les retards et, par cons´equent, des crit`eres que l’on peut rencontrer dans la litt´erature.
1.4 Conclusion
Dans ce chapitre, nous avons pr´esent´e le contexte des syst`emes `a retards. Leur apparition fr´equente dans
la mod´elisation des ph´enom`enes physiques a suscit´e l’int´erˆet de nombreux chercheurs. Apr`es avoir pr´esent´e les
mod`eles de syst`emes `a retards li´es `a notre travail, nous avons rappel´e des conditions de stabilit´e asymptotique
qui permettent d’en tester la convergence.
Nous pouvons remarquer que, dans le cas des retards variables, ces r´esultats concernent la stabilit´e asympto-
tique. Mˆeme si, dans le cas des syst`emes lin´eaires `a retards sans incertitudes sur les retards et sur les param`etres,
les notions de stabilit´e asymptotique et exponentielle sont ´equivalentes [87]
5
, dans le cas g´en´eral (non lin´eaire,
5
De plus dans ce cas, il faut remarquer que le taux de convergence exponentielle n’est pas connu a priori, mˆeme si son existence
est garantie.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.4. CONCLUSION 23
non stationnaire, retard variable) cette ´equivalence ne tient plus. Or l’α−stabilit´e (ou stabilit´e exponentielle `a
taux α garanti) est une propri´et´e de performance en rapidit´e et il convient de pouvoir l’´etudier dans des cas
r´ealistes de fonctionnement. C’est cette lacune que nous tenterons de combler dans le chapitre suivant.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
24 Chapitre 1. Stabilit´e des syst`emes `a retards
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 2
Stabilit´e exponentielle des syst`emes
lin´eaires
2.1 Pr´eliminaires
La plupart des r´esultats existants concerne la stabilit´e asymptotique des syst`emes `a retards variables ou
constants [127]. Mais il peut ˆetre plus pertinent pour des probl`emes d’observations, de syst`emes contrˆol´es `a
travers un r´eseau ou `a distance, de garantir une convergence exponentielle car elle permet d’assurer une rapidit´e
de convergence. R´ecemment, quelques auteurs se sont investis dans l’´elaboration de crit`eres garantissant une
convergence exponentielle pour les syst`emes `a retards [82], [98],[104], [110], [113]. Cependant ces r´esultats sont
bien souvent limit´es au cas des retards constants ou conduisent `a des r´esultats conservatifs. Or dans la majorit´e
des cas, par exemple dans les lignes de communications `a travers des r´eseaux internet, le retard ne peut ˆetre
r´eduit au seul cas du retard constant.
La motivation de ce chapitre qui se consacre `a l’α-stabilit´e, la stabilit´e et `a la stabilisation exponentielle `a
taux garanti de syst`emes lin´eaires `a retards est donc claire. Les approches pr´esent´ees utilisent les techniques des
fonctionnelles de Lyapunov-Krasovskii et le mod`ele descripteur qui ont ´et´e pr´esent´es dans le chapitre pr´ec´edent
mais aussi dans [57], [58] pour la stabilit´e et la stabilisation asymptotique. L’id´ee principale de ce chapitre est
de r´e´ecrire le syst`eme en utilisant une nouvelle variable. Ce changement de variables ajoute des incertitudes sur
le syst`eme provenant des incertitudes sur le retard. Afin de d´eterminer des conditions de stabilit´e exponentielle,
diff´erentes approches seront propos´ees. Une mod´elisation du syst`eme sous forme polytopique introduite dans
[130] permettra d’´elaborer des premi`eres conditions de stabilit´e et de stabilisation exponentielle. Ensuite une
approche par des incertitudes born´ees en norme (“Norm-Bounded Uncertainties”) permettra d’obtenir d’autres
conditions de stabilit´e exponentielle. Ce chapitre s’organise de la mani`ere suivante.
Une premi`ere partie concernant la stabilit´e exponentielle `a taux de convergence garanti des syst`emes lin´eaires
`a retards constants. Elle nous permettra de situer les diff´erentes approches existant dans la litt´erature. Une
seconde partie est consacr´ee au cas des syst`emes lin´eaires `a retards variables et major´es avec des extensions au
cas des syst`emes `a retards multiples et au probl`eme de la stabilisation `a coˆ ut quadratique garanti. Une troisi`eme
partie correspond `a l’´etude des syst`emes `a retards born´es. Enfin le cas particulier des syst`emes neutres `a retards
constants sera le sujet de la derni`ere partie.
25
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
26 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
Reprenons la d´efinition de [113], pour tout α > 0, un syst`eme `a retards est dit α−stable, ou “exponentielle-
ment stable et de degr´e de convergence α”, s’il existe un r´eel β ≥ 1 tel que les solutions x(t; t
0
, φ), pour toute
condition initiale φ, v´erifient :
[x(t, t
0
, φ)[ ≤ β[φ[e
−α(t−t
0
)
. (2.1.1)
Cela revient `a d´eterminer une enveloppe exponentielle des trajectoires d’un syst`eme.
2.2 Cas des retards constants
Cette section est consacr´ee `a la classe des syst`emes d´efinis par des ´equations diff´erentielles aux diff´erences de
type retard´e `a coefficients et `a retards constants. Sans perte de g´en´eralit´e, nous consid´erons le syst`eme soumis
`a un seul retard suivant :
_
˙ x(t) = A
0
x(t) +A
1
x(t −τ),
x(s) = φ(s), ∀ s ∈ [−τ, 0],
(2.2.1)
o` u x ∈ R
n
, u ∈ R
m
sont respectivement les vecteurs d’´etat, de commande. φ ∈ (
τ
= C
0
([−τ
2
, 0], R
n
) repr´esente
la fonction des conditions initiales. Les matrices A
0
et A
1
sont suppos´ees connues, constantes et de dimension
appropri´ee. Il est connu que, pour un tel syst`eme, les propri´et´es de stabilit´e asymptotique et exponentielle
sont ´equivalentes. Cependant il est souvent important en pratique de se fixer un cahier des charges. Parmi ces
sp´ecifications, on peut se donner un degr´e de convergence minimal. L’id´ee directrice de cette partie est de savoir
si pour une valeur de α > 0, un syst`eme `a retard est α−stable. Dans ce cadre, il existe diff´erentes techniques
qui permettent de d´eterminer si un syst`eme `a retards poss`ede un degr´e de convergence α fix´e a priori. Nous
donnerons dans cette section trois exemples de telles techniques.
Premi`ere technique : Th´eorie de Lyapunov et comparaison. L’α−stabilit´e du syst`eme (2.2.1 est prou-
v´ee s’il existe une fonctionnelle de Lyapunov V v´erifiant les propri´et´es suivantes : Il existe des r´eels positifs
r, a
m
et a
M
tels que :
a
m
[φ(0)[
r
≤ V (φ) ≤ a
M
|φ|
r
, (2.2.2)
et
˙
V (φ) ≤ rαV (φ).
En effet en appliquant le principe de comparaison, le long des trajectoires de (2.2.1), V est major´ee
exponentiellement :
V (x
t
) ≤ V (φ)e
rα(t−t
0
)
.
En utilisant la condition (2.2.2), il vient
a
m
[x(t)[
r
≤ V (φ)e
rα(t−t
0
)
≤ a
M
|φ|
r
e
rα(t−t
0
)
.
On retrouve alors la condition (2.1.1) avec β = (a
M
/a
m
)
1/r
.
Cette approche a ´et´e exploit´ee par [82] et [104] pour les syst`emes `a retards constants et les syst`emes
neutres.
Deuxi`eme technique : M´ethode du changement de variable. L’id´ee de cette technique est de faire in-
tervenir une nouvelle variable x
α
(t) = x(t)e
α(t−t
0
)
. L’objectif est alors de montrer que si la solution x
α
(t)
est asymptotiquement stable pour α fix´e, alors le syst`eme est α−stable. La preuve suit les ´etapes suivantes :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.2. CAS DES RETARDS CONSTANTS 27
Si le syst`eme en x
α
(t) est uniform´ement stable alors, pour tout > 0 quelconque, il existe un r´eel δ > 0
tel que :
|φ| < δ →[x
α
(t, φ)[ < .
Il suffit alors d’utiliser la propri´et´e de lin´earit´e du syst`eme :
x
α
(t, φ) =
2|φ|
δ
x
α
(t, δ
φ
2|φ|
)
Comme δ
φ

est de norme inf´erieure `a δ, on a
[x
α
(t, φ)[ <
2|φ|
δ
,
et donc
[x(t, φ)[ <
2|φ|
δ
e
−α(t−t
0
)
.
On remarque l’importance de l’uniformit´e de la stabilit´e de x
α
Troisi`eme technique : Mod`ele de comparaison & in´egalit´e diff´erentielle. [9], [24], [109] Cette technique
utilise des mod`eles simplifi´es auxquels seront compar´es les performances du syst`eme `a ´etudier. Elle requi`ere
les notions de mesures et de normes de matrices.
Dans la suite de ce m´emoire nous utiliserons la m´ethode du changement de variables pour obtenir des
propri´et´e d’α−stabilit´e. Ainsi en utilisant le changement de variable x
α
(t) = x(t)e
αt
, le syst`eme s’´ecrit alors :
˙ x
α
(t) = (A
0
+αI
n
)x
α
(t) +e
ατ
A
1
x
α
(t −τ). (2.2.3)
On peut directement appliquer les th´eor`emes de stabilit´e asymptotique des syst`emes `a retards constants.
Ainsi, le th´eor`eme suivant est une application directe de [57] :
Th´eor`eme 2.2.1 Le syst`eme (2.2.1) est exponentiellement stable avec un taux α de convergence, s’il existe des
matrices de dimension nn, P
1
, S et R sym´etriques d´efinies positives et P
2
, P
3
, Z
1
, Z
2
, Z
3
, Y
1
, Y
2
, telles que
les conditions LMI suivantes soient satisfaites :
Γ
1
=
_
¸
¸
_
Ψ P
T
_
0
e
ατ
A
1
_

_
Y
T
1
Y
T
2
_
∗ −S
_
¸
¸
_
< 0, (2.2.4)
et
_
¸
¸
_
R Y
1
Y
2
∗ Z
1
Z
2
∗ ∗ Z
3
_
¸
¸
_
≥ 0, (2.2.5)
o` u on d´efinit la matrice P =
_
P
1
0
P
2
P
3
_
et :
Ψ = P
T
_
0 I
n
A
0
+αI
n
−I
n
_
+
_
0 I
n
A
0
+αI
n
−I
n
_
T
P +τZ +
_
S +Y
1
+Y
T
1
Y
2
Y
T
2
τR
_
, (2.2.6)
D´emonstration. La d´emonstration est bas´ee sur le Th´eor`eme 1.3.4 [57] pr´esent´e dans le Chapitre 1 appliqu´e
au syst`eme `a retard et `a coefficients constants (2.2.3).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
28 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
2.3 Cas des retards variables major´es
Consid´erons le syst`eme `a retard sur l’´etat et sur l’entr´ee :
_
˙ x(t) = A
0
x(t) +A
1
x(t −τ(t))
x(s) = φ(s), ∀ s ∈ [−τ
2
, 0]
(2.3.1)
o` u x ∈ IR
n
, u ∈ IR
m
sont respectivement les vecteurs d’´etat, de commande. φ ∈ (
τ
2
repr´esente le vecteur des
conditions initiales. Les matrices A
0
et A
1
sont suppos´ees connues, constantes et de dimension appropri´ee. Nous
supposerons que le retard est major´ee et v´erifie la relation suivante :
0 ≤ τ(t) ≤ τ
2
. (2.3.2)
2.3.1 Stabilit´e exponentielle
Dans cette partie nous ´etudierons uniquement l’α−stabilit´e du syst`eme libre, c’est-`a-dire sans commande
(2.3.1). Le changement de variable x
α
= x(t)e
αt
conduit `a l’´equation diff´erentielle :
˙ x
α
(t) = (A
0
+αI
n
)x
α
(t) +e
ατ(t)
A
1
x
α
(t −τ(t)). (2.3.3)
La principale difficult´e du d´eveloppement d’un crit`ere de convergence pour (2.3.3) provient de la matrice
associ´ee au terme retard´e e
ατ(t)
A
1
. En effet le changement de variables x
α
= x(t)e
αt
transforme le syst`eme initial
en un syst`eme `a coefficients variant dans le temps. Les r´esultats sur la convergence de syst`emes lin´eaires `a retards
ne sont plus d´esormais applicables. Cependant, comme les ´el´ements variant dans le temps sont uniquement des
fonctions scalaires, il est possible r´e´ecrire autrement, ce qui permettra d’´elaborer des conditions de stabilit´e du
syst`eme (2.3.3).
Mod´elisation polytopique
Il est possible de passer outre la difficult´e du au terme e
ατ(t)
en remarquant que la fonction e
ατ(t)
est born´ee.
En effet, sachant que le retard τ(t) est born´e car il v´erifie (2.3.2), on d´eduit que le terme e
ατ(t)
s’´ecrit comme
une somme convexe de ses bornes qui sont β
1
= e
α0
= 1 et β
2
= e
ατ
2
:
e
ατ(t)
= λ
1
(t)β
1

2
(t)β
2
λ
1
(t), λ
2
(t) ≥ 0 et λ
1
(t) +λ
2
(t) = 1.
(2.3.4)
Les fonctions scalaires λ
1
= (e
ατ(t)
−β
1
)/(β
2
−β
1
) et λ
2
= (β
2
−e
ατ(t)
)/(β
2
−β
1
) d´ependent uniquement de
la valeur du retard inconnu τ(t). Ainsi ces fonctions sont elles aussi inconnues. On sait juste qu’elles v´erifient la
condition de convexit´e (2.3.4). En utilisant la mod´elisation polytopique de la fonction e
ατ(t)
, le syst`eme (2.3.3)
est repr´esent´e par un mod`ele polytopique :
˙ x
α
(t) = (A
0
+αI
n
)x
α
(t) +

2
i=1
λ
i
(t)β
i
A
1
x
α
(t −τ(t))
ou encore
˙ x
α
(t) =

2
i=1
λ
i
(t) ¦(A
0
+αI
n
)x
α
(t) +β
i
A
1
x
α
(t −τ(t))¦ (2.3.5)
La formule de Leibniz, qui, pour tout signal continue et d´erivable y, permet d’´ecrire y(t − τ(t)) = y(t) −
_
t
t−τ(t)
˙ y(s)ds, conduit `a :
˙ x
α
(t) =

2
i=1
λ
i
(t)
_
(A
0
+αI
n

i
A
1
)x
α
(t) −β
i
A
1
_
t
t−τ(t)
˙ x
α
(s)ds
_
(2.3.6)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR
´
ES 29
Afin d’analyser la stabilit´e exponentielle, le syst`eme (2.3.6) est pr´esent´e sous forme polytopique et maintenant
descripteur :
E
˙
¯ x
α
(t) =
_
0 I
n

2
i=1
λ
i
(t)Λ
i
−I
n
_
¯ x
α
(t) −
_
0

2
i=1
λ
i
(t)β
i
A
1
_
_
t
t−τ(t)
˙ x
α
(s)ds (2.3.7)
avec ¯ x
α
(t) = col¦x
α
(t), ˙ x
α
(t)¦, E = diag¦I
n
, 0¦. En utilisant cette repr´esentation polytopique et descripteur,
on peut donner le r´esultat suivant :
Th´eor`eme 2.3.1 Le syst`eme (2.3.1) est α-stable pour tout retard variable τ(t) v´erifiant (2.3.2), s’il existe
des matrices de dimension n n P
1
, R sym´etriques d´efinies positives et des matrices P
2
, P
3
, satisfaisant les
conditions LMI suivantes pour i = 1, 2 :
Γ
i
=
_
¸
¸
_
Ψ
i
0
τ
2
P
T
_
0
A
1
β
i
_
∗ −τ
2
R
_
¸
¸
_
< 0, (2.3.8)
o` u
Ψ
i
0
= P
T
_
0 I
n
Λ
i
−I
n
_
+
_
0 I
n
Λ
i
−I
n
_
T
P +
_
0 0
0 τ
2
R
_
, (2.3.9)
et o` u
P =
_
P
1
0
P
2
P
3
_
,
β
1
= 1, β
2
= e
ατ
2
,
Λ
i
= A
0
+αI
n

i
A
1
.
D´emonstration. On introduit alors la fonctionnelle de Lyapunov-Krasovskii suivante :
V (¯ x
α
(t)) = ¯ x
T
α
(t)EP ¯ x
α
(t) +
_
0
−τ
2
_
t
t+θ
˙ x
T
α
(s)R¯ x
α
(s)dsdθ, (2.3.10)
Cette fonctionnelle est bien d´efinie positive car on remarque que ¯ x
T
α
(t)EP ¯ x
α
(t) = x
T
α
(t)P
1
x
α
(t). Sachant
que EP = P
T
E, le calcul de la d´eriv´ee temporelle de la fonctionnelle donne :
˙
V (t) = ¯ x
T
α
(t)Ψ
0
(t)¯ x
α
(t) +η
0
(t) +τ
2
˙ x
T
α
(t)R˙ x
α
(t) −
_
t
t−τ
2
˙ x
T
α
(s)R˙ x
α
(s)ds, (2.3.11)
o` u
Ψ
0
(t) =
2

i=1
λ
i
(t)
_
_
_
P
T
_
0 I
n
Λ
i
−I
n
_
+
_
0 I
n
Λ
i
−I
n
_
T
P
_
_
_
,
η
0
(t) = −2
2

i=1
λ
i
(t)
_
_
t
t−τ(t)
¯ x
T
α
(t)P
T
_
0
β
i
A
1
_
˙ x
α
(s)ds
_
.
En utilisant la majoration classique, qui, pour toute matrice de dimension n n R d´efinie positive et pour
tous vecteurs a et b de R
n
, permet d’´ecrire :
±2a
T
b ≤ a
T
R
−1
a +b
T
Rb.
Ainsi en utilisant le fait que le retard τ
2
est major´e (2.3.2), on obtient :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
30 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
η
0
(t) ≤

2
i=1
λ
i
(t)
_
_
_
τ
2
¯ x
T
α
(t)P
T
_
0
β
i
A
1
_
R
−1
_
0
β
i
A
1
_
T
P ¯ x
α
(t)
+
_
t
t−τ(t)
˙ x
T
α
(s)R˙ x
α
(s)ds
_
.
On en d´eduit la majoration suivante :
˙
V (t) ≤ ¯ x
T
α
(t)
_
_

2
i=1
λ
i
(t)
_
_
_
P
T
_
0 I
n
Λ
i
−I
n
_
+
_
0 I
n
Λ
i
−I
n
_
T
P
+
_
0 0
0 τ
2
R
_

2
P
T
_
0
β
i
A
1
_

2
R)
−1
_
0
β
i
A
1
_
T

2
_
_
_
_
_
¯ x
α
(t)
+

2
i=1
λ
i
(t)
_
_
t
t−τ(t)
˙ x
T
α
(s)R˙ x
α
(s)ds
_

_
t
t−τ
2
˙ x
T
α
(s)R˙ x
α
(s)ds.
Or la condition de convexit´e des fonctions λ
i
(2.3.4) et la condition sur le retard (2.3.2) permettent d’´eliminer
les termes int´egrales, ce qui permet d’´ecrire finalement :
˙
V (t) ≤ ¯ x
T
α
(t)
_
_

2
i=1
λ
i
(t)
_
_
_
P
T
_
0 I
n
Λ
i
−I
n
_
+
_
0 I
n
Λ
i
−I
n
_
T
P
+
_
0 0
0 τ
2
R
_

2
P
T
_
0
β
i
A
1
_

2
R)
−1
_
0
β
i
A
1
_
T

2
_
_
_
_
_
¯ x
α
(t).
Ensuite, en appliquant le compl´ement de Schur au dernier terme de l’in´egalit´e, le probl`eme de la n´egativit´e
de la d´eriv´ee de la fonctionnelle est exprim´ee `a l’aide les conditions LMI (2.3.8). Ainsi si ces conditions sont
satisfaites, la d´eriv´ee de la fonctionnelle de Lyapunov-Krasovskii est d´efinie n´egative. Le syst`eme (2.3.3) est
alors asymptotiquement stable. Le syst`eme (2.3.1) est donc α−stable.
Le r´esultat suivant utilise la mˆeme fonctionnelle de Lyapunov-Krasovskii mais pr´esente une autre technique
de majoration de la fonction η
0
(t).
Th´eor`eme 2.3.2 Le syst`eme (2.3.1) est α-stable pour tout retard variable τ(t) ≤ τ
2
, s’il existe des matrices de
dimension n n, P
2
, P
3
, Z
i
1
, Z
i
2
, Z
i
3
, pour i = 1, 2, et deux matrices sym´etriques d´efinies positives P
1
> 0 et
R > 0 qui v´erifient les conditions LMI suivantes pour i = 1, 2 :
Ψ
i
< 0 et
_
_
R
_
0 β
i
A
T
1
_
P
∗ Z
i
_
_
≥ 0, (2.3.12)
avec
P =
_
P
1
0
P
2
P
3
_
, Z
i
=
_
Z
i
1
Z
i
2
Z
iT
2
Z
i
3
_
,
et
Ψ
i
= P
T
_
0 I
n
Λ
i
−I
n
_
+
_
0 I
n
Λ
i
−I
n
_
T
P +τ
2
Z
i
+
_
0 0
0 τ
2
R
_
,
Λ
i
= αI
n
+A
0

i
A
1
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR
´
ES 31
D´emonstration. La fonctionnelle de Lyapunov-Krasovskii candidate est toujours la fonctionnelle d´efinie
dans (2.3.10). Le raisonnement est identique `a la d´emonstration du Th´eor`eme 2.3.1 jusqu’`a l’´equation (2.3.11).
Le terme η
0
doit ˆetre major´e pour garantir la n´egativit´e de
˙
V . Une majoration, a priori moins conservative
utilise la condition :
_
R N
N
T
Z
_
≥ 0,
qui permet d’´ecrire que, pour tous vecteurs a et b et pour toutes matrices N, R et Z de dimension appropri´ee,
les in´egalit´es suivantes :
_
a
b
_
T
_
R N
N
T
Z
__
a
b
_
≥ 0, ±2a
T
N
T
b ≤ a
T
Ra +b
T
Zb
,
Sachant que η
0
s’´ecrit sous forme polytopique, il est alors n´ecessaire de d´eterminer une majoration de chacun
des polytopes, des sous mod`eles du syst`eme. En posant N =
_
0 β
i
A
T
1
_
P :
_
_
R
_
0 β
i
A
T
1
_
P
∗ Z
i
_
_
≥ 0, i = 1, 2,
qui, avec les conditions de convexit´e (2.3.4), a = ˙ x
α
(s) et b = ¯ x
α
(t), donne
η
0
(t) ≤
_
t
t−τ(t)
_
¯ x
T
α
(t)
_

2
i=1
λ
i
(t)Z
i
_
¯ x
α
(t) + ˙ x
T
α
(s)R˙ x
α
(s)
_
,
puis, en int´egrant par rapport `a la variable “s” entre t−τ
2
et t et en majorant le retard avec (2.3.2), conduisent :
η
0
(t) ≤ τ
2
¯ x
T
α
(t)
_

2
i=1
λ
i
(t)Z
i
_
¯ x
α
(t) +
_
t
t−τ
2
˙ x
T
α
(s)R˙ x
α
(s)ds,
avec R, Z
1
et Z
2
satisfaisant `a (2.3.12b). On en d´eduit une autre majoration de (2.3.11) :
˙
V (t) ≤ ¯ x
T
α
(t)Ψ(t)¯ x
α
(t),
avec
Ψ(t) = Ψ
0
(t) +τ
2
_
2

i=1
λ
i
(t)Z
i
_
+
_
0 0
0 τ
2
R
_
.
Le syst`eme (2.3.3) est asymptotiquement stable si la matrice Ψ(t) est sym´etrique d´efinie n´egative. En ´ecrivant
Ψ(t) sous forme polytopique, la n´egativit´e de
˙
V n´ecessite :
2

i=1
λ
i
(t)Ψ
i
< 0.
L’ensemble des matrices sym´etriques d´efinies n´egatives ´etant convexe, si chacune des matrices Ψ
i
est d´efinie
n´egative, il en sera de mˆeme pour Ψ(t). La stabilit´e asymptotique du syst`eme transform´e (2.3.3) est prouv´ee, car
V est une fonctionnelle de Lyapunov-Krasovskii. Il s’en suit que le syst`eme initial (2.3.1) est exponentiellement
stable de degr´e α.
A ce stade, on remarque que les Th´eor`emes (2.3.1) et (2.3.2) d’α−stabilit´e n´ecessitent la r´esolution d’un
probl`eme double de conditions LMI. Du fait que la mod´elisation polytopique transforme le syst`eme initial en
la somme de deux syst`emes lin´eaires `a param`etres constants. Il faut tester la stabilit´e de chacun de ces deux
sous-syst`emes.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
32 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
Mod´elisation avec incertitudes param`etriques
Reprenons l’´equation diff´erentielle (2.3.3) exprim´ee `a l’aide de la variable x
α
. On ´ecrit le terme exponentielle
sous forme d’un mod`ele incertain, c’est-`a-dire comme la somme d’un terme constant repr´esentant la valeur
nominale et d’un terme variant dans le temps mais born´e repr´esentant la perturbation par rapport `a cette
valeur nominale. On obtient alors :
e
ατ(t)
= β
m
+ ∆(t)β
d
,
o` u ∆(t) est une fonction r´eelle inconnue et d´ependant de la valeur du retard v´erifiant |∆(t)| ≤ 1 et o` u les
param`etres sont donn´es par β
m
= (e
ατ
2
+1)/2 et β
d
= (e
ατ
2
−1)/2. La formule de Leibniz permet de transformer
le terme retard´e en int´egrale de la mani`ere suivante :
˙ x
α
(t) = (A
0
+αI
n
+ (β
m
+ ∆(t)β
d
)A
1
)x
α
(t) −(β
m
+ ∆(t)β
d
)A
1
_
t
t−τ(t)
x
α
(s)ds. (2.3.13)
On ´ecrit alors le syst`eme (2.3.13) sous la forme descripteur en d´efinissant la variable ´elargie ¯ x
α
= col¦x
α
, ˙ x
α
¦ :
E
˙
¯ x
α
(t) =
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
¯ x
α
(t) +
_
0
∆(t)β
d
A
1
_
x
α
(t)

_
0
β
m
A
1
_
_
t
t−τ(t)
˙ x
α
(s)ds −
_
0
∆(t)β
d
A
1
_
_
t
t−τ(t)
˙ x
α
(s)ds.
(2.3.14)
On introduit alors la fonctionnelle de Lyapunov-Krasovskii :
V
α
(t) = ¯ x
T
α
(t)EP ¯ x
α
(t) +
_
0
−τ
2
_
t
t+θ
˙ x
T
α
(s)(R
m
+R
d
) ˙ x
α
(s)dsdθ. (2.3.15)
qui, en diff´erenciant (2.3.15) le long des trajectoires de (3.3.14) conduit alors `a l’in´egalit´e :
˙
V
α
(t) = ¯ x
T
α
(t)
_
_
_
P
T
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
+
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
T
P
_
_
_
¯ x
α
(t)

0
(t) +η
1
(t) +η
2
(t) + ˙ x
T
α
(t)(R
m
+R
d
) ˙ x
α
(t) −
_
t
t−τ
2
˙ x
T
α
(s)(R
m
+R
d
) ˙ x
α
(s)ds.
o` u
η
0
(t) = 2¯ x
T
α
(t)P
T
_
0
∆(t)β
d
A
1
_
x
α
(t),
η
1
(t) = −2¯ x
T
α
(t)P
T
_
0
β
m
A
1
_
_
t
t−τ(t)
˙ x
α
(s)ds,
η
2
(t) = −2¯ x
T
α
(t)P
T
_
0
∆(t)β
d
A
1
_
_
t
t−τ(t)
˙ x
α
(s)ds.
(2.3.16)
En utilisant les deux techniques de majoration des fonctions η
i
, pour i = 1, 2, 3, pr´esent´ees dans l’approche
par mod`eles polytopiques, on obtient deux th´eor`emes de stabilit´e exponentielle :
Th´eor`eme 2.3.3 Le syst`eme (2.3.1) est α−stable pour tout retard τ(t) satisfaisant (2.3.2), s’il existe des
matrices de R
n×n
P
1
, R
0
, R
m
et R
d
, sym´etriques d´efinies positives et P
2
et P
3
telles que la condition LMI
suivante soit r´ealis´ee :
_
¸
¸
¸
¸
¸
¸
¸
_
Ψ
0
P
T
_
0
β
d
A
1
_
τ
2
P
T
_
0
β
m
A
1
_
τ
2
P
T
_
0
β
d
A
1
_
∗ −R
0
0 0
∗ ∗ −τ
2
R
m
0
∗ ∗ ∗ −τ
2
R
d
_
¸
¸
¸
¸
¸
¸
¸
_
< 0 (2.3.17)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR
´
ES 33
o` u
Ψ
0
= P
T
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
+
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
T
P
+
_
R
0
0
0 τ
2
(R
m
+R
d
)
_
,
β
m
= (e
ατ
2
+ 1)/2, β
d
= (e
ατ
2
−1)/2.
D´emonstration. En appliquant la majoration standard, les fonctions η
0
, η
1
et η
2
v´erifient les in´egalit´es
suivantes :
η
0
(t) ≤ ¯ x
α
(t)
T
P
T
_
0
∆(t)β
d
A
1
_
R
−1
0
_
0
∆(t)β
d
A
1
_
T
P ¯ x
α
(t) +x
T
α
(t)R
0
x
α
(t),
η
1
(t) ≤ τ
2
¯ x
α
(t)
T
P
T
_
0
β
m
A
1
_
R
−1
m
_
0
β
m
A
1
_
T
P ¯ x
α
(t) +
_
t
t−τ(t)
˙ x
T
α
(s)R
m
˙ x
α
(s)ds,
η
2
(t) ≤ τ
2
¯ x
α
(t)
T
P
T
_
0
∆(t)β
d
A
1
_
R
−1
d
_
0
∆(t)β
d
A
1
_
T
P ¯ x
α
(t) +
_
t
t−τ(t)
˙ x
T
α
(s)R
d
˙ x
α
(s)ds.
(2.3.18)
On en d´eduit finalement :
˙
V
α
(t) ≤ ¯ x
T
α
(t)
_
_
_
Ψ
0
+P
T
_
0
β
d
A
1
_
R
−1
0
_
0
β
d
A
1
_
T
P +τ
2
P
T
_
0
β
m
A
1
_
R
−1
m
_
0
β
m
A
1
_
T
P

2
P
T
_
0
β
d
A
1
_
R
−1
d
_
0
β
d
A
1
_
T
P
_
_
_
¯ x
α
(t).
Enfin en appliquant le lemme de Schur aux trois derniers termes de l’in´egalit´e, on retrouve la condition
(2.3.17). Ainsi le syst`eme (2.3.3) est asymptotiquement stable et par cons´equent que le syst`eme initial (2.3.1)
est exponentiellement stable avec un degr´e de convergence α garanti.
De la mˆeme mani`ere que dans l’approche par mod`ele polytopique, il est possible d’aboutir `a d’autres condi-
tions avec de nouvelles majorations des fonctions η
i
(t) pour i = 1, 2 et 3.
Th´eor`eme 2.3.4 Le syst`eme (2.3.1) est α−stable pour tout retard τ(t) satisfaisant (2.3.2), s’il existe des
matrices de dimension nn, P
1
, R
m
, R
d
, sym´etriques d´efinies positives, des matrices P
2
et P
3
et deux matrices
sym´etriques de dimension 2n 2n, Z
m
et Z
d
, telles que les conditions LMI suivantes soient r´ealis´ees :
Ψ
1
< 0, (2.3.19)
et
_
_
R
i
_
0 β
i
A
T
1
_
P
∗ Z
i
_
_
≥ 0, i = m, d, (2.3.20)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
34 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
o` u
Ψ
1
= P
T
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
+
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
T
P
+
_
R
d
0
0 τ
2
(R
m
+R
d
)
_
+Z
d

2
(Z
m
+Z
d
),
β
m
= (1 +e
ατ
2
)/2, β
d
= (e
ατ
2
−1)/2.
D´emonstration.
La d´emonstration suit le mˆeme cheminement que pour le Th´eor`eme 2.3.3 mais utilise une autre majoration.
Les LMI (2.3.20) permettent de majorer les fonctions η
i
pour i = 0, 1, 2 dans (3.3.17). On obtient alors :
η
0
(t) ≤ ¯ x
α
(t)
T
Z
d
¯ x
α
(t) +x
T
α
(t)R
d
x
α
(t),
η
1
(t) ≤ τ
2
¯ x
α
(t)
T
Z
m
¯ x
α
(t) +
_
t
t−τ(t)
˙ x
T
α
(s)R
m
˙ x
α
(s)ds,
η
2
(t) ≤ τ
2
¯ x
α
(t)
T
Z
d
¯ x
α
(t) +
_
t
t−τ(t)
˙ x
T
α
(s)R
d
˙ x
α
(s)ds.
Si les conditions LMI (2.3.20) sont v´erifi´ees, on obtient alors
˙
V
α
(t) ≤ ¯ x
T
α
(t)Ψ
1
¯ x
α
(t).
Ainsi, si les conditions (2.3.19) est v´erifi´ee, la stabilit´e du syst`eme (2.3.3) et la stabilit´e exponentielle de
(2.3.1) sont d´emontr´ees.
On remarque que lorsqu’on choisit α = 0 dans les th´eor`emes pr´ec´edents, on montre que le syst`eme est
asymptotiquement stable.
Par rapport `a l’approche par mod`ele polytopique, on remarque quelques diff´erences. L’approche polytopique
impose aux mˆemes variables matricielles de satisfaire `a deux conditions LMI distinctes. D’autre part, l’approche
par mod`ele incertain augmente la dimension de l’unique condition LMI.
2.3.2 Exemple de comparaison
Consid´erons le syst`eme suivant ([97],[154]) :
˙ x(t) =
_
−3 −2
1 0
_
x(t) +
_
−0.5 0.1
0.3 0
_
x(t −τ(t)). (2.3.21)
On teste l’α−stabilit´e de ce syst`eme en utilisant les Th´eor`emes 2.3.1, 2.3.2, 2.3.4 et 2.3.3. Les r´esultats sont
donn´es dans le Tableau 2.1 o` u l’on recherche la plus grande valeur de τ
2
qui v´erifie les conditions du th´eor`eme
consid´er´e : Le Tableau 2.1 pr´esente les r´esultats des conditions de stabilit´e exponentielle du syst`eme (2.3.22).
On peut d´ej`a remarquer que les Th´eor`emes 2.3.1 et 2.3.2 donnent des r´esultats identiques. L’approche par
mod`eles polytopiques parait moins conservative. Il est possible de trouver des solutions aux quatre probl`emes
jusqu’`a α = 1. Cela correspond au cas critique o` u la matrice A
0
+ αI
n
+ β
1
A
1
, dans l’approche polytopique,
et A
0
+αI
n

m
A
1
, dans l’approche par mod`ele incertain, n’est plus de Hurwitz (c’est-`a-dire quand la partie
r´eelle d’une valeur propre de cette matrice devient nulle). D’autre part, le crit`ere de [104] (pour des retards
constants) ne permet pas de garantir l’α−stabilit´e du syst`eme (2.3.21). Cela vient du fait que la matrice A
0
n’est pas de Hurwitz. Ainsi les r´esultats pr´esent´es dans cette partie ont un champ applicatif plus important que
ceux trouv´es dans la litt´erature dans la mesure o` u il prend en compte les variations du retard.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR
´
ES 35
α delay type 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2.0
Mondi´e et al [104] C 0.911 0.861 0.800 0.734 0.671 0.614 0.564 0.5202 0.4818 0.4481
Liu [97] C ∗ ∗ ∗ ∗ 0.590 0.340 0.181 0.0752 0.0014 0
Xu et al [154] C 0.972 0.963 0.951 0.936 0.919 0.899 0.811 0.6990 0.6148 0.5494
Th´eor`eme 2.3.1 V 0.972 0.963 0.950 0.935 0.590 0.340 0.181 0.0752 0.014 0
Th´eor`eme 2.3.2 V 0.972 0.963 0.950 0.935 0.590 0.340 0.181 0.0752 0.014 0
Th´eor`eme 2.3.3 V 0.972 0.963 0.950 0.925 0.583 0.338 0.180 0.0751 0.014 0
Th´eor`eme 2.3.4 V 0.971 0.957 0.946 0.901 0.520 0.298 0.140 0.0513 0.014 0
Tab. 2.1 – Valeurs maximales de τ
2
en fonction de α.
D’autre part, on remarque que pour des petites bornes sup´erieures du retard, les r´esultats de stabilit´e
exponentielle sont ´equivalents au cas de retard constant developp´e par [154] et sup´erieure `a ceux de Mondi´e
et al [104]. Pour des valeurs plus importantes de τ
2
, les degr´es de convergence exponentielle d´etermin´e par les
Th´eor`emes 2.3.2 et 2.3.3 sont plus faibles. Cela paraˆıt naturel du fait que nous consid´erons des retards variables
contrairement aux autres conditions. Toute fois les r´esultats sont ´equivalents `a ceux de Lui [97].
2.3.3 Application au cas des retards multiples
Ce paragraphe est consacr´e `a l’´etude de la stabilit´e et de la stabilisation exponentielle de syst`emes lin´eaires
`a retards multiples.
˙ x(t) = A
0
x(t) +
N

i=1
A
i
x(t −τ
i
(t)). (2.3.22)
Les retards sont suppos´es variables et v´erifient les conditions de majoration (2.3.23) :
0 ≤ τ
i
(t) ≤ τ
i2
, ∀t ≥ 0, ∀i = 1...N. (2.3.23)
En utilisant le changement de variable x
α
(t) = e
αt
x(t), le syst`eme (2.3.22) exprim´e en fonction de x
α
est
r´egi par :
˙ x
α
(t) = (A
0
+αI
n
)x(t) +
N

i=1
e
ατ
i
(t)
A
i
x
α
(t −τ
i
(t)), (2.3.24)
Les conditions de stabilit´e qui seront d´etermin´ees sont issues d’une adaptation des th´eor`emes pr´ec´edents.
Mod´elisation polytopique
On se propose dans un premier temps d’´ecrire les termes exponentiels sous la forme polytopique (2.3.4).
D´efinition 2.3.5 On note σ, une bijection de ¦1, ..., 2
N
¦ vers ¦1, 2¦
N
telle que, pour tout entier j de ¦1, ..., 2
N
¦,
on associe σ(j) d´efini par :
j →σ(j) = [σ
1
(j), .., σ
N
(j)], (2.3.25)
o` u σ
i
(j) ∈ ¦1, 2¦
On peut alors ´enoncer le th´eor`eme suivant :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
36 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
Th´eor`eme 2.3.6 Le syst`eme lin´eaire `a retards multiples (2.3.22) est α−stable s’il existe des matrices de di-
mension n n, P
1
> 0, P
2
, P
3
, R
i
> 0, i = 1, .., N et des matrices de dimension 2n 2n, Z
ik
, pour i = 1, .., N
et k = 1, 2, telles que les conditions LMI suivantes soient satisfaites pour j = 1, .., 2
N
:
Ψ
j
= P
T
_
0 I
n
Λ
j
−I
n
_
+
_
0 I
n
Λ
j
−I
n
_
T
P +

N
i=1
τ
i2
_
Z

i
(j)
+
_
0 0
0 R
i
__
< 0,
(2.3.26)
et pour i = 1, .., N et k = 1, 2 :
_
_
R
i
_
0 e
ατ
ik
A
T
i
_
P
∗ Z
ik
_
_
≥ 0,
(2.3.27)
o` u
Λ
j
= αI
n
+A
0
+
N

i=1
e
ατ

i
(j)
A
i
.
D´emonstration. Ce th´eor`eme est une adaptation du Th´eor`eme 2.3.2 au cas des syst`emes `a retards multiples.
La d´emonstration suit les mˆemes lignes et utilise la fonctionnelle de Lyapunov-Krasovskii suivante :
V (t) = ¯ x
T
α
(t)EP ¯ x
α
(t) +

N
i=1
_
0
−τ
2i
_
t
t+θ
˙ x
T
α
(s)R
i
˙ x
α
(s)dsdθ.
La d´eriv´ee par rapport au temps de cette fonctionnelle donne :
˙
V (t) = ¯ z
T
(t)Ψ
0
(t)¯ z(t) +η(t) +

N
i=1
τ
2i
˙ x
T
α
(t)R
i
˙ x
α
(t) −

N
i=1
_
t
t−τ
2i
˙ x
T
α
(s)R
i
˙ x
α
(s)ds,
o` u
Ψ
0
(t) = P
T
_
0 I
n
Λ(t) −I
n
_
+
_
0 I
n
Λ(t) −I
n
_
T
P,
Λ(t) = αI
n
+A
0
+
N

i=1
e
ατ
i
(t)
A
i
,
η(t) = −2
N

i=1
_
t
t−τ
i
(t)
¯ x
T
α
(t)P
T
_
0
e
ατ
i
(t)
A
i
_
˙ x
α
(s)ds.
En utilisant le mˆeme formalisme que dans la partie 2.3.1 et sachant que chacun des retards τ
i
est major´e
par τ
2i
, le terme e
ατ
i
(t)
peut s’´ecrire comme une somme convexe de ses bornes `a savoir qu’il existe des fonctions
scalaires λ
ik
, pour i = 1, .., N et k = 1, 2 telle que :
e
ατ
i
(t)
= λ
i1
(t) +λ
i2
e
ατ
2i
Ainsi, on peut d´efinir les foncions scalaires µ
j
afin de determiner une ´ecriture polytopique du terme variant
Λ(t) et η(t) grˆace aux fonctions de permutations σ d´efinies dans (3.2.7).
µ
j
(t) =
N

i=1
λ

i
(j)
(t).
On d´eduit, apr`es calcul, les conditions de convexit´e li´ees aux fonctions µ
j
:
µ
j
(t) ≥ 0, ∀t ≥ 0 ∀j = 1, ...2
N

2
N
j=1
µ
j
(t) = 1 ∀t ≥ 0
Ensuite la d´emonstration est identique `a celle du Th´eor`eme 2.3.2.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR
´
ES 37
Remarque 2.3.7 Il est possible de simplifier les conditions de stabilit´e exponentielle en introduisant la borne
sup´erieure de tous les retards ¯ τ
2
= max
i=1,..,N

i2
)..
On remarque que le nombre de conditions LMI `a r´esoudre augmente g´eom´etriquement avec le nombre de
retards. En effet dans le cas d’un syst`eme `a N retards distincts, le nombre de conditions LMI `a satisfaire est
de 2
N
+ 2N. De plus le nombre de variables augmente lui aussi puisque l’on doit d´eterminer 8N + 3 matrices
de dimension n n. Plus le nombre de retards est important, moins il sera possible de satisfaire les conditions
LMI du Th´eor`eme 2.3.6.
Il serait donc int´eressant de r´eduire le nombre de conditions et de variables qui d´efinissent le crit`ere de
stabilit´e exponentielle, mˆeme s’il est possible que le conservatisme des conditions augmente.
Mod´elisation avec incertitudes param`etriques
Les pr´ec´edentes conditions utilisant une mod´elisation polytopique des termes e
ατ
i
(t)
ont conduit `a des condi-
tions de stabilit´e exponentielle qui deviennent difficiles `a r´esoudre dans le cas o` u le nombre de retards est ´elev´e.
L’avantage de l’approche par mod`eles incertains est de r´eduire consid´erablement le nombre de conditions `a
satisfaire et de variables `a d´eterminer. Dans cette partie, nous allons pr´esenter le syst`eme (2.3.22) sous forme
de syst`eme `a param`etres incertains :
˙ x
α
(t) = (αI
n
+A
0
)x
α
(t) +

N
i=1

mi
A
i
+ ∆
i
(t)β
di
A
i
)x
α
(t −τ
i
(t)), (2.3.28)
o` u ∆
i
(t) est une fonction inconnue d´ependant de la valeur du retard τ
i
(t) et v´erifiant |∆
i
| ≤ 1
Th´eor`eme 2.3.8 Le syst`eme (2.3.22) est α−stable, pour tout r´eel α > 0, s’il existe des matrices de dimension
n n, P
1
> 0 et R
i
> 0, pour i = 1, .., N, et P
2
, P
3
ainsi que des matrices Z
ij
de dimension 2n 2n, pour
i = 1, .., N et j = m, d telles que les conditions LMI suivantes soient satisfaites :
Ψ
N
= P
T
_
0 I
n
A
0
+αI
n
+

N
i=1
β
im
A
i
−I
n
_
+
_
0 I
n
A
0
+αI
n
+

N
i=1
β
im
A
i
−I
n
_
T
P
+

N
i=1
__
R
id
0
0 τ
2i
(R
im
+R
id
)
_
+Z
id

2i
(Z
im
+Z
id
)
_
< 0,
(2.3.29)
et
_
_
R
ij
_
0 β
ij
A
i
_
∗ Z
ij
_
_
≥ 0, j = m, d, (2.3.30)
o` u β
m
= (1 +e
ατ
2
)/2 et β
d
= (e
ατ
2
−1)/2.
D´emonstration. Le Th´eor`eme 2.3.8 est une adaptation du Th´eor`eme 2.3.4 aux cas des syst`emes `a retards
multiples. Consid´erons le syst`eme (2.3.28) et la fonctionnelle de Lyapunov-Krasovskii
V (¯ x
α
(t)) = ¯ x
T
α
(t)EP ¯ x
α
(t) +

N
i=1
_
0
−τ
i2
_
t
t+θ
˙ x
T
α
(s)(R
id
+R
im
) ˙ x
α
(s)dsdθ,
o` u ¯ x
α
(t) = col¦x
α
(t), ˙ x
α
(t)¦. La suite de la d´emonstration utilise le mˆeme d´eveloppement que pour le Th´eor`eme
2.3.4.
On remarque que le Th´eor`eme 2.3.8 conduit `a des conditions LMI plus r´eduites. Le nombre de LMI `a r´esoudre
est maintenant de 1 + 2N avec 4 + 14N matrices de dimension n n `a d´eterminer.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
38 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
Exemple
On souhaite montrer la diff´erence entre les deux Th´eor`emes 2.3.6 et 2.3.8 dans le cas d’un syst`eme soumis
`a deux retards. Consid´erons le syst`eme (2.3.22) avec les valeurs suivantes :
_
−2 1
2 −0.5
_
,
_
1 0
0 −1
_
,
_
0 0
0 −2
_
.
Le Tableau 2.2 pr´esente les r´esultats des conditions de stabilit´e exponentielle du syst`eme (2.3.22).
α 0 0.5 1 1.5 1.9 2
Th 2.3.6 0.471 0.402 0.364 0.330 0.302 0
Th 2.3.8 0.381 0.300 0.253 0.222 0.119 0
Tab. 2.2 – Valeurs maximales de τ
2
en fonction de α.
On remarque que l’approche polytopique aboutit encore une fois `a des valeurs de τ
2
plus importantes que
par l’approche par mod`ele incertain. Cela dit, il faut tout de mˆeme rappeler que le nombre de conditions LMI
`a r´esoudre par l’approche polytopique est beaucoup plus important que dans l’approche par mod`ele incertain.
Cette seconde approche trouve donc son int´erˆet dans le cas d’un grand nombre de retards.
2.3.4 Application `a la stabilisation exponentielle
Consid´erons le syst`eme
_
˙ x(t) = Ax(t) +A
τ
x(t −τ(t)) +Bu(t) +B
τ
u(t −τ(t)),
x(s) = φ(s), ∀ s ∈ [−τ
2
, 0].
(2.3.31)
Apr`es avoir d´eterminer des crit`eres de stabilit´e exponentielle en boucle ouverte de syst`emes lin´eaires `a retards,
l’´etape suivante consiste `a d´efinir des algorithmes autorisant la synth`ese d’un gain K tel que la commande par
retour d’´etat u(t) = Kx(t) stabilise exponentiellement le syst`eme avec un taux de convergence α garanti. On
consid´erera le syst`eme lin´eaire `a retard simple suivant :
˙ x(t) = (A+BK)x(t) + (A
τ
+B
τ
K)x(t −τ(t)); (2.3.32)
Les matrices A, A
τ
∈ R
n×n
, B, B
τ
∈ R
n×m
, sont les matrices d’´etats suppos´ees constantes. Ainsi en rem-
pla¸cant les matrices A
0
par A+BK et A
1
par A
τ
+B
τ
K dans les th´eor`emes de la partie pr´ec´edente, on obtient
des crit`eres LMI caract´erisant la stabilit´e exponentielle du syst`eme en boucle ferm´ee. L’´etape suivante consiste
`a modifier ses crit`eres pour qu’ils permettent une synth`ese “syst´ematique” d’un gain K qui stabilise exponen-
tiellement le syst`eme en boucle ferm´ee. Pour le moment les conditions obtenues ne sont pas lin´eaires. En effet,
comme les matrices A
0
et A
1
sont multipli´ees par les variables des LMI. Il existe alors des termes bilin´eaires en
K et en les autres variables du syst`eme qu’il faut transformer pour obtenir des conditions lin´eaires.
Il existe plusieurs m´ethodes permettant ce calcul. Certaines conduisent `a des conditions restrictives. En
effet, certaines techniques de synth`ese du gain n´ecessitent de lier les param`etres des crit`eres. Pour ´eviter de
trop alourdir ce m´emoire, nous allons simplement exposer trois techniques en utilisant uniquement le Th´eor`eme
2.3.2, sachant il est possible de les appliquer aux autres th´eor`emes d’α−stabilit´e.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR
´
ES 39
Mod´elisation polytopique
D’apr`es le Th´eor`eme 2.3.2, il faut que les conditions suivantes (qui ne sont plus lin´eaires mais bilin´eaires `a
cause de produit K.P) soient satisfaites pour i = 1, 2 pour que le syst`eme en boucle ferm´ee avec la commande
u(t) = Kx(t) soit α−stable :
Ψ
i
< 0 et
_
_
R
_
0 β
i
(A
τ
+BK)
T
_
P
∗ Z
i
_
_
≥ 0, (2.3.33)
avec
P =
_
P
1
0
P
2
P
3
_
, Z
i
=
_
Z
i
1
Z
i
2
Z
iT
2
Z
i
3
_
,
et
Ψ
i
= P
T
_
0 I
n
Λ
i
−I
n
_
+
_
0 I
n
Λ
i
−I
n
_
T
P +τ
2
Z
i
+
_
0 0
0 τ
2
R
_
,
Λ
i
= αI
n
+A+BK +β
i
(A
τ
+B
τ
K).
La premi`ere technique de synth`ese de gain, propos´ee dans [139], utilise la contrainte liante sur les variables
de la condition de stabilit´e P
3
= εP
2
, o` u ε ∈ R est un param`etre de r´eglage. On remarque dans un premier
temps que P
2
est n´ecessairement non singuli`ere car sinon le second bloc diagonal de (2.3.33a), c’est-`a-dire
−ε(P
2
+P
T
2
) +τ
2
R ne pourrait ˆetre d´efini n´egatif. On d´efinit alors :
¯
P = P
−1
2
.
Ensuite, on d´efinit les nouvelles variables
¯
P
1
,
¯
R,
¯
Z
i
j
,pour i = 1, 2 et j = 1, 2, 3, et Y par
¯
P
1
=
¯
P
T
P
1
¯
P,
¯
R =
¯
P
T
R
¯
P,
¯
Z
i
j
=
¯
P
T
Z
i
j
¯
Pet Y = K
¯
P. On multiplie les conditions (2.3.33a) `a droite (respectivement `a gauche)
par la matrice ∆
3
= diag¦
¯
P,
¯
P¦ (par la matrice ∆
T
3
`a gauche) et on multiplie les conditions LMI (2.3.33b) `a
droite (respectivement `a gauche) par la matrice ∆ = diag¦
¯
P,
¯
P,
¯
P¦ (par la matrice ∆
T
`a gauche) On obtient
finalement les conditions LMI de stabilisation du Th´eor`eme 2.3.9.
Th´eor`eme 2.3.9 Le syst`eme (2.3.32) est α-stabilisable pour un r´eel > 0 et pour tout retard variable τ(t)
v´erifiant (2.3.2), s’il existe des matrices de dimension n n
¯
P
1
> 0,
¯
R > 0
¯
P,
¯
Z
i
1
,
¯
Z
i
2
,
¯
Z
i
3
et Y une matrice de
dimension mn, satisfaisant les conditions LMI suivantes pour i = 1, 2 :
_
Φ
i
11
Φ
i
12
∗ Φ
i
22
_
< 0,
_
¸
¸
_
¯
R β
i
(
¯
P
T
A
T
τ
+Y
T
B
T
τ
) β
i
(
¯
P
T
A
T
τ
+Y
T
B
T
τ
)

¯
Z
i
1
¯
Z
i
2
∗ ∗
¯
Z
i
3
_
¸
¸
_
≥ 0,
(2.3.34)
o` u
Φ
i
11
= (A+αI
n

i
A
τ
)
¯
P +
¯
P
T
(A+αI
n

i
A
τ
)
T
+ (B +β
i
B
τ
)Y +Y
T
(B +β
i
B
τ
)
T

2
¯
Z
i
1
,
Φ
i
12
=
¯
P
1

¯
P +
¯
P
T
(A+αI
n

i
A
τ
)
T
+Y
T
(B +β
i
B
τ
)
T

2
¯
Z
i
2
,
Φ
i
22
= −(
¯
P +
¯
P
T
) +
¯
R +τ
2
¯
Z
i
3
.
Le gain du retour d’´etat est alors donn´e par :
K = Y
¯
P
−1
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
40 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
Une autre technique, utilis´ee dans [51] consiste `a faire apparaˆıtre le produit KQ
1
dans les conditions LMI
du Th´eor`eme 2.3.2 appliqu´e au syst`eme boucl´e (2.3.32) avec la commande u(t) = Kx(t) et avec, cette fois-ci,
Λ
i
= A+αI
n

i
A
τ
+(B+β
i
B
τ
)K et A
1
= A
τ
+B
τ
K. Premi`erement on remarque que la matrice composant
le bloc de la seconde colonne et de la seconde ligne de Ψ
i
0
est −P
3
−P
T
3
doit ˆetre d´efini n´egatif pour qu’il existe
une solution au probl`eme LMI (2.3.12). La matrice P
3
est donc non singuli`ere. On peut alors d´efinir la matrice
Q telle que :
Q =
_
Q
1
0
Q
2
Q
3
_
= P
−1
.
La seconde ´etape consiste `a d´evelopper le dernier terme de Ψ
i
0
qui peut aussi s’´ecrire :
_
0 0
0 τ
2
R
_
= τ
2
_
0
I
n
_

2
R)
−1
τ
2
_
0
I
n
_
T
. (2.3.35)
Ainsi le complement de Schur, appliqu´e une premi`ere fois `a l’expression pr´ec´edente et une seconde fois `a la
seconde colonne et la seconde ligne, permet d’obtenir une condition de stabilit´e exponentielle du syst`eme en
boucle ferm´ee ´equivalente `a (2.3.33). Ensuite la multiplication `a droite par ∆
1
= diag¦Q, I
2n×2n
¦ et `a gauche
par ∆
T
1
conduit `a la condition :
_
¸
¸
_
_
0 I
n
Λ
i
−I
n
_
Q+Q
T
_
0 I
n
Λ
i
−I
n
_
T

2
Q
T
Z
i
Q τ
2
Q
T
_
0
I
n
_
∗ −τ
2
R
−1
_
¸
¸
_
< 0.
On introduit alors les matrices W = Q
T
Z
i
Q =
_
W
i
1
W
i
2
∗ W
i
3
_
et S = R
−1
. En d´eveloppant, on obtient :
_
¸
¸
_
Q
2
+Q
T
2
+W
i
1
Θ
21
τ
2
Q
T
2
∗ −Q
3
−Q
T
3
+W
i
3
τ
2
Q
T
3
∗ ∗ −τ
2
S
_
¸
¸
_
< 0,
o` u
Θ
21
= Q
1
(A+αI
n

i
A
τ
)
T
+Q
1
K
T
(B +β
i
B
τ
)
T
−Q
T
2
+Q
3
+W
i
2
.
La deuxi`eme condition LMI du Th´eor`eme 2.3.2 doit ˆetre, elle aussi, exprim´ee en fonction des nouvelles
variables d´efinies ci-dessus. Pour cela, on multiplie (2.3.12b) par diag¦Q
1
, Q
T
¦ `a gauche et par sa transpos´ee
`a droite, ce qui conduit `a la condition bilin´eaire (BMI) suivante :
_
¸
¸
_
Q
T
1
S
−1
Q
1
0 β
i
Q
1
(A
τ
+B
τ
K)
T
∗ W
i
1
W
i
2
∗ ∗ W
i
3
_
¸
¸
_
≥ 0 (2.3.36)
L’´el´ement Q
T
1
S
−1
Q
1
pose probl`eme dans la r´esolution. Les deux derni`eres techniques que nous proposerons
permettent de r´esoudre les difficult´es caus´ees par ces non-lin´earit´es. Une premi`ere piste consiste `a introduire
une condition liante telle que Q
1
= S pour rendre le probl`eme lin´eaire.
Th´eor`eme 2.3.10 Le syst`eme (2.3.32) est α-stabilisable pour tout retard variable τ(t) v´erifiant (2.3.2), s’il
existe un r´eel > 0 et des matrices de dimension n n Q
1
> 0, Q
2
, Q
3
, W
i
1
, W
i
2
, W
i
3
et Y une matrice de
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR
´
ES 41
dimension mn, satisfaisant les conditions LMI suivantes pour i = 1, 2 :
_
¸
¸
_
Q
2
+Q
T
2

2
W
i
1
Φ
i
12
τ
2
Q
T
2
∗ −(Q
3
+Q
T
3
) +τ
2
W
i
3
τ
2
Q
T
3
∗ ∗ −τ
2
Q
1
_
¸
¸
_
< 0, (2.3.37)
_
¸
¸
_
Q
1
0 β
i
(Q
1
A
T
τ
+Y
T
B
T
τ
)
∗ W
i
1
W
i
2
∗ ∗ W
i
3
_
¸
¸
_
≥ 0, (2.3.38)
o` u
Φ
i
12
= Q
1
(A+αI
n

i
A
τ
)
T
+Y
T
(B +β
i
B
τ
) −Q
T
2
+Q
3

2
W
i
2
.
Le gain du retour d’´etat est alors donn´e par :
K = Y Q
−1
1
.
Remarque 2.3.11 On comprend bien que le fait d’imposer la relation liante S = Q
1
ou P
2
= P
3
augmente
le conservatisme des conditions.
Une autre m´ethode d´evelopp´ee dans [72] est envisageable pour ´eviter cette restriction en utilisant l’in´egalit´e
suivante pour :
(Q
1
−S)
T
S
−1
(Q
1
−S) ≥ 0,
qui, en la d´eveloppant, assure que −Q
1
S
−1
Q
1
≤ −2Q
1
+ S. Le lemme de Schur permet ensuite d’´ecrire la
condition (2.3.36) sous la forme :
−Q
1
SQ
1
+
_
0
β
i
(A
τ
+B
τ
K)Q
1
_
T
(W
i
)
−1
_
0
β
i
(A
τ
+B
τ
K)Q
1
_
< 0. (2.3.39)
On remarque alors que si la condition :
−2Q
1
+S +
_
0
β
i
(A
τ
+B
τ
K)Q
1
_
T
(W
i
)
−1
_
0
β
i
(A
τ
+B
τ
K)Q
1
_
< 0,
est satisfaite, alors (2.3.39) sera satisfaite. En appliquant le lemme de Schur, on retrouve alors la condition
(2.3.41). Ainsi, en posant Y = KQ
1
, les conditions (2.3.40) et (2.3.41) garantissent que le syst`eme (2.3.32) est
α−stabilisable. On obtient alors le r´esultat suivant :
Th´eor`eme 2.3.12 Le syst`eme (2.3.32) est α-stabilisable pour tout retard variable τ(t) v´erifiant (2.3.2), s’il
existe des matrices de dimension n n Q
1
> 0, S > 0 Q
2
, Q
3
, W
i
1
, W
i
2
, W
i
3
et Y une matrice de dimension
mn, satisfaisant les conditions LMI suivantes pour i = 1, 2 :
_
¸
¸
_
Q
2
+Q
T
2

2
W
i
1
Φ
i
12
τ
2
Q
T
2
∗ −(Q
3
+Q
T
3
) +τ
2
W
i
3
τ
2
Q
T
3
∗ ∗ −τ
2
S
_
¸
¸
_
< 0, (2.3.40)
_
¸
¸
_
2Q
1
−S 0 β
i
(Q
1
A
T
τ
+Y
T
B
T
τ
)
∗ W
i
1
W
i
2
∗ ∗ W
i
3
_
¸
¸
_
≥ 0, (2.3.41)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
42 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
o` u
Φ
i
12
= Q
1
(A+αI
n

i
A
τ
)
T
+Y
T
(B +β
i
B
τ
) −Q
T
2
+Q
3

2
W
i
2
.
Le gain du retour d’´etat est alors donn´e par :
K = Y Q
−1
1
.
Remarque 2.3.13 Comme nous l’avons dit en d´ebut de section, nous n’avons pr´esent´e que quelques r´esultats,
sachant qu’il est possible d’´enoncer plusieurs th´eor`emes en se basant sur les th´eor`emes 2.3.1, 2.3.3 et 2.3.4.
De plus les approches par mod`ele incertain et par mod`eles polytopiques peuvent ˆetre employ´ees avec d’autres
th´eor`emes de stabilit´e et de stabilisation `a partir du moment o` u les conditions obtenues sont lin´eaires par
rapport aux matrices d´efinissant le syst`eme.
Remarque 2.3.14 Comme pour le probl`eme de l’α−stabilit´e il est possible de d´eterminer des conditions de
stabilisation exponentielle avec un degr´e de convergence α garanti pour les syst`emes `a retards multiples.
2.3.5 Stabilisation `a coˆ ut quadratique garanti
Pr´esentation du probl`eme
Dans ce paragraphe, nous allons nous int´eresser `a la stabilit´e et `a la stabilisation exponentielle sous contrainte.
Ce probl`eme de stabilit´e ou stabilisation `a coˆ ut garanti trouve sa justification dans le domaine pratique.
G´en´eralement, la fonction coˆ ut repr´esente l’´energie mise en oeuvre dans le syst`eme. Dans un contexte de stabi-
lisation des syst`emes `a retards avec un degr´e de convergence exponentielle, l’id´ee du “coˆ ut ´energ´etique” d’une
exp´erimentation n’est pas `a n´egliger. Le fait d’ajouter une contrainte de stabilisation exponentielle laisse penser
que l’´energie que doit fournir le contrˆoleur augmente avec le degr´e de convergence α. D’o` u l’id´ee d’ajouter un
crit`ere permettant d’inclure une “limite” ´energ´etique dans la d´etermination de la loi de commande.
Consid´erons le syst`eme
_
˙ x(t) = Ax(t) +A
τ
x(t −τ(t)) +Bu(t) +B
τ
u(t −τ(t)),
x(s) = φ(s), ∀ s ∈ [−τ
2
, 0],
(2.3.42)
o` u x, u repr´esente respectivement l’´etat et la commande du syst`eme. Les matrices A, A
τ
, B et B
τ
sont des
matrices de dimension appropri´ee. D’autrepart, on suppose qu’il existe un r´eel positif τ
2
tel que le retard τ
v´erifie la condition 0 ≤ τ(t) ≤ τ
2
pour tout t ≥ 0.
Dans ce paragraphe, nous ´etudierons la performance du syst`eme (2.3.42) en utilisant une fonction de coˆ ut
du type int´egral quadratique, que l’on retrouve fr´equemment dans la litt´erature ([35], Chapitre 13). L’objectif
sera de d´eterminer un ensemble de conditions initiales qui garantissent que la fonction coˆ ut est inf´erieure `a une
valeur donn´ee.
Dans [35], la fonction quadratique de coˆ ut est de la forme :
¸ =
_

0
x
T
(s)Jx(s)ds, (2.3.43)
o` u x ∈ R
n
repr´esente bien-entendu l’´etat du syst`eme et J est une matrice sym´etrique d´efinie positive de
dimension n n.
Une d´efinition sensiblement diff´erente est aussi utilis´ee. La fonction coˆ ut est :
¸ =
_

0
_
x
T
(s)Jx(s) +u
T
(s)Tu(s)
¸
ds, (2.3.44)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR
´
ES 43
o` u x ∈ R
n
repr´esente l’´etat du syst`eme, u ∈ R
m
la commande, Q ∈ R
n×n
et R ∈ R
m×m
sont des matrices
sym´etriques d´efinies positive. Cette d´efinition est diff´erente de (2.3.43) dans la mesure o` u la commande apparaˆıt
explicitement dans la fonction coˆ ut.
Une derni`ere d´efinition peut ˆetre utilis´ee. Elle consiste `a d´efinir un vecteur de mesure z, de la mˆeme mani`ere
que lors de la r´esolution du probl`eme H

. Le vecteur de mesure z de dimension p est de la forme :
z(t) = Cx(t) +Du(t), (2.3.45)
La fonction coˆ ut associ´ee est alors :
¸ =
_

0
z
T
(s)Sz(s)ds, (2.3.46)
o` u S est une matrice sym´etrique d´efinie positive de R
p×p
.
Par la suite, nous n’utiliserons que la derni`ere formulation (2.3.43), sachant que la r´esolution sera quasiment
identique pour (2.3.44) et (2.3.46).
R´esolution du probl`eme
Ici nous ne proc´ederons pas de la mani`ere habituelle qui consiste `a d´eterminer des conditions garantissant
que la d´eriv´ee de la fonctionnelle de Lyapunov-Krasovskii du syst`eme (2.3.42) v´erifie :
˙
V (t) +x
T
(t)Jx(t) < 0.
La m´ethode propos´ee ici utilise uniquement la stabilit´e exponentielle pour prouver la convergence `a coˆ ut
garanti.
Th´eor`eme 2.3.15 Le syst`eme (2.3.42) est α-stabilisable pour tout retard variable τ(t) v´erifiant (2.3.2), s’il
existe des matrices de dimension n n matrices Q
1
> 0, S > 0 Q
2
, Q
3
, W
i
1
, W
i
2
, W
i
3
et Y une matrice de
dimension mn, satisfaisant les conditions LMI suivantes pour i = 1, 2 :
_
¸
¸
_
Q
2
+Q
T
2

2
W
i
11
Φ
i
12
τ
2
Q
T
2
∗ −(Q
3
+Q
T
3
) +τ
2
W
i
22
τ
2
Q
T
3
∗ ∗ −τ
2
S
_
¸
¸
_
< 0, (2.3.47)
_
¸
¸
_
2Q
1
−S 0 β
i
(Q
1
A
T
τ
+Y
T
B
T
τ
)
∗ W
i
1
W
i
2
∗ ∗ W
i
3
_
¸
¸
_
≥ 0, (2.3.48)
o` u
Φ
i
12
= Q
1
(A+αI
n

i
A
τ
)
T
+Y
T
(B +β
i
B
τ
) −Q
T
2
+Q
3

2
W
i
2
.
Le gain du retour d’´etat est alors donn´e par :
K = Y Q
−1
1
.
L’ensemble T
0
des conditions initiales φ qui satisfont `a la condition ¸ ≤ γ, o` u γ est un r´eel strictement
positif, est d´efini par :
λ
max
(J)
_
λ
max
(Q
−1
1
)
αλ
min
(Q
−1
1
)
[[φ(s)[[
2
+
e
−2ατ
2
−1 + 2ατ
2

3
λ
min
(Q
−1
1
)
λ
max
(S
−1
)(α[[φ[[ +[[
˙
φ[[)
2
_
≤ γ (2.3.49)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
44 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
D´emonstration. La preuve de ce th´eor`eme se fait en deux ´etapes. La premi`ere consiste `a d´eterminer une
commande par retour d’´etat u(t) = Kx(t) qui stabilise exponentiellement le syst`eme (2.3.42) avec un degr´e de
convergence α > 0. La d´emonstration est identique `a celle du Th´eor`eme (2.3.12).
La seconde ´etape consiste `a d´eterminer une borne de la fonction coˆ ut (2.3.43). Pour cela on va dans un
premier temps d´eterminer une majoration de la solution x(t) de (2.3.42). Les conditions LMI (2.3.47) et(2.3.48)
assurent que la fonctionnelle de Lyapunov-Krasovskii (2.3.50) :
V
α
(t) = ¯ x
α
(t)

EQ
−1
¯ x
α
(t) +
_
0
−τ
2
_
t
t+θ
˙ x
T
α
(s)S
−1
˙ x
α
(s)dsdθ, (2.3.50)
est d´ecroissante. Ce qui implique :
x
T
α
(t)Q
−1
1
x
α
(t) ≤ V
α
(t) ≤ V
α
(0), ∀t ≥ 0,
ou encore, revenant `a la variable x :
λ
min
(Q
−1
1
)|x(t)|
2
≤ V
α
(0)e
−2αt
, ∀t ≥ 0,
On d´etermine ensuite une borne sup´erieure de V
α
(0) en remarquant que e
αt
˙ x(t − τ) = e
ατ
˙ x
α
(t − τ) −
αe
ατ
x
α
(t −τ) :
V
α
(0) ≤ λ
max
(Q
−1
1
)[[φ(s)[[
2

max
(S
−1
)(α[[φ[[ +[[
˙
φ[[)
2
_
0
−τ
2
_
0
θ
e
2αs
dsdθ,
≤ λ
max
(Q
−1
1
)[[φ(s)[[
2
+
e
−2ατ
2
−1+2ατ
2

2
λ
max
(S
−1
)(α[[φ[[ +[[
˙
φ[[)
2
.
Ainsi on en d´eduit que pour tout t ≥ 0 :
|x(t)|
2
≤ x
T
(t)
Q
1
λ
min
(Q
−1
1
)
x(t)
|x(t)|
2

_
λ
max
(Q
−1
1
)
λ
min
(Q
−1
1
)
[[φ(s)[[
2
+
e
−2ατ
2
−1+2ατ
2

2
λ
min
(Q
−1
1
)
λ
max
(S
−1
)(α[[φ[[ +[[
˙
φ[[)
2
_
e
−2αt
,
On peut maintenant d´eterminer une borne de ¸ :
¸ ≤ λ
max
(J)
_
λ
max
(Q
−1
1
)
αλ
min
(Q
−1
1
)
[[φ(s)[[
2
+
e
−2ατ
2
−1 + 2ατ
2

3
λ
min
(Q
−1
1
)
λ
max
(S
−1
)(α[[φ[[ +[[
˙
φ[[)
2
_
.
Donc si la condition (2.3.49) est v´erifi´ee, la fonction de coˆ ut ¸ est bien inf´erieure `a γ.
Les conditions initiales φ satisfaisant `a la condition (2.3.49) sont donc caract´eris´ees par la norme sur ( de
la fonction φ dans l’intervalle [−τ
2
, 0] et par celle de sa d´eriv´ee
˙
φ sur le mˆeme intervalle.
Remarque 2.3.16 Pour exposer le lien entre stabilisation exponentielle et stabilisation `a coˆ ut garanti, nous
avons choisi d’utiliser le Th´eor`eme 2.3.12 pour des raisons de clart´e de l’expos´e. Il est aussi possible d’appliquer
ce r´esultat `a chacun des th´eor`emes de stabilisation pr´esent´es dans ce chapitre.
Remarque 2.3.17 Lorsque la fonction coˆ ut est (2.3.44) ou (2.3.46), l’ensemble des conditions initiales satisfai-
sant la condition ¸ ≤ γ est l´eg`erement modifi´ee. En effet, il faut alors remplacer λ
min
(J) par λ
min
(J +K
T
TK),
dans le cas (2.3.44) ou par λ
min
((C +DK)
T
S(C +DK)), dans le cas (2.3.46).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.4. CAS DES RETARDS VARIABLES BORN
´
ES 45
2.3.6 Optimisation de l’ensemble des conditions initiales admissibles
Consid´erons le cas du syst`eme (2.3.42) o` u le retard est major´e par une valeur τ
2
impos´ee. Le Th´eor`eme 2.3.15
permet alors de d´eterminer un ensemble de conditions initiales qui satisfont au probl`eme de coˆ ut quadratique
garanti ¸ ≤ γ. Cependant, il ne permet pas de maximiser cet ensemble. Ce que nous proposons dans ce
paragraphe est une proc´edure de maximisation de T
0
dans le cas d’une fonction de coˆ ut de la forme (2.3.43).
Premi`erement, on remarque que T
0
est de la forme :
T
0
= ¦φ ∈ (
τ
: a
φ
|φ| +a
˙
φ
|
˙
φ| ≤ γ¦.
Pour que l’ensemble T
0
soit plus grand, il faut minimiser les coefficients a
φ
et a
˙
φ
. Pour cela, on remarque
que dans (2.3.49), ces coefficients sont divis´es par α. La premi`ere ´etape consiste donc `a d´eterminer le plus grand
taux de convergence exponentielle α. La seconde ´etape consiste `a minimiser les valeurs propres des matrices
Q
−1
1
et S
−1
. Pour introduire ces propri´et´es dans le probl`eme LMI, on ajoute les conditions suivantes :
_
λ
Q1
I
n
I
n
Q
1
_
≥ 0,
_
λ
S
I
n
I
n
S
_
≥ 0, (2.3.51)
En utilisant le compl´ement de Schur, les conditions (3.7.26) deviennent ´equivalentes `a λ
Q1
≥ λ
max
(Q
−1
1
),
λ
S
≥ λ
max
(S
−1
) (comme Q
1
et S sont des matrices sym´etriques leurs valeurs propres sont r´eelles). On d´efinit
alors le probl`eme d’optimisation suivant :
min β
1
λ
Q1

2
λ
S
soumis `a
(2.3.47) et (2.3.48)
o` u β
1
et β
2
repr´esentent des poids qui doivent ˆetre r´egl´es pour satisfaire certains compromis entre les valeurs
maximales de |φ| et |
˙
φ|.
2.4 Cas des retards variables born´es
Dans cette section, nous allons nous int´eresser `a l’´etude des syst`emes soumis `a des retards dont la borne
minimale est non nulle. c’est-`a-dire qu’il existe une valeur τ
1
telle que le retard variable τ v´erifie la relation :
τ
1
≤ τ(t) ≤ τ
2
. (2.4.1)
Ce cas de retard est tr`es fr´equemment rencontr´es en pratique. Dans un contexte de retards li´es `a une
transmission d’informations, un ´ecoulement de liquide, le cas du retard nul ou proche de 0 n’est pas r´ealisable.
En effet, dans ce contexte, un retard quasi-nul s’interpr`ete comme une transmission quasi-instantan´ee. Or il est
´evident que le retard dˆ u `a une communication induit des retards dont la borne inf´erieure correspond au temps
minimum de transport d’information ou de mati`ere. Ce temps est limit´e par les caract´eristiques du syst`emes
(par le r´eseaux dans le cas de la commande `a distance). Il paraˆıt alors int´eressant de mesurer l’influence de la
borne inf´erieure du retard.
Dans la litt´erature, on trouve ´enorm´ement de r´esultats portant sur les syst`emes dont les retards sont seule-
ment strictement positifs. Seulement quelques auteurs [49], [80] ont d´etermin´e des conditions de stabilit´e asymp-
totique pour les syst`emes soumis `a ce type de retard. L’id´ee principale est de consid´erer que le retard variable
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
46 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
τ est la somme d’un retard constant, δ, qu’on pourrait appel´e retard nominal et d’une perturbation born´ee de
ce retard η(t) caract´eris´ee par un param`etre µ > 0 repr´esentant l’amplitude maximale du retard autour de sa
valeur nominale :
τ(t) = δ +η(t), |η(t)| ≤ µ. (2.4.2)
2.4.1 Etude de la stabilit´e
Consid´erons le syst`eme lin´eaire `a retard sans commande :
˙ x(t) = A
0
x(t) +A
1
x(t −τ(t)). (2.4.3)
Notre objectif est de d´eterminer des conditions de stabilit´e pour cette classe de syst`emes o` u le retard v´erifie
(2.4.2).Consid´erons le syst`eme `a retards variables (2.4.3). Afin de d´eterminer des conditions de convergence
exponentielle, on introduit la nouvelle variable x
α
(t) = e
αt
x(t), avec α > 0. Le syst`eme (2.4.3) devient :
˙ x
α
(t) = (A
0
+αI
n
)x
α
(t) +e
ατ(t)
A
1
x
α
(t −τ(t)) (2.4.4)
Mod´elisation polytopique
Il y a une difficult´e `a surmonter. Le syst`eme (2.4.4) est `a param`etres variants `a cause du gain scalaire
e
ατ(t)
. Ceci ne permet pas d’appliquer directement les th´eor`emes classiques d´emontrant la stabilit´e asympto-
tique d’un syst`eme lin´eaire stationnaire. Heureusement, cette difficult´e peut ˆetre surmont´ee en introduisant une
mod´elisation polytopique du syst`eme (2.4.4). En fait, sachant que le retard est born´e (2.4.1) et en reprenant la
d´efinition des param`etres β
i
, on sait que le gain lin´eaire e
ατ(t)
v´erifie les in´egalit´es :
β
1
= e
α(δ−µ)
≤ e
ατ(t)
≤ e
α(δ+µ)
= β
2
, ∀t ≥ 0.
Cela signifie aussi qu’il existe des fonctions scalaires positives mais aussi inconnues λ
i
: R → R, i ∈ ¦1, 2¦,
qui satisfont la condition de convexit´e :
∀t ≥ 0, ∀i ∈ ¦1, 2¦ λ
i
(t) ≥ 0,

2
i=1
λ
i
(t) = 1,
et permettant d’´ecrire le syst`eme (2.4.4) sous la forme polytopique suivante :
˙ x
α
(t) =

2
i=1
λ
i
(t)¦(A
0
+αI
n
)x
α
(t) +β
i
A
1
x
α
(t −τ(t))¦. (2.4.5)
En utilisant la formule de Leibniz qui permet d’´ecrire :
x
α
(t −δ) −x
α
(t −δ +η(t)) =
_
t−δ
i
t−δ+η(t)
˙ x
α
(s)ds,
on obtient finalement l’´ecriture suivante :
E
˙
¯ x
α
(t) =

2
i=1
λ
i
(t)
__
0 I
n
(A
0
+αI
n
) −I
n
_
¯ x
α
(t) +
_
0
β
i
A
1
_
x
α
(t −δ) −
_
0
β
i
A
1
_
_
t−δ
t−δ−η(t)
˙
¯ x
α
(s)ds
_
,
o` u ¯ x
α
(t) = col¦x
α
(t), ˙ x
α
(t)¦ et E = diag¦I, 0
(2×2)
¦. On propose alors le th´eor`eme suivant :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.4. CAS DES RETARDS VARIABLES BORN
´
ES 47
Th´eor`eme 2.4.1 [132] Le syst`eme (2.4.3) est α−stable s’il existe des (nn)−matrices 0 < P
1
, P
2
, P
3
, S, Y
1
,
Y
2
, Z
1
, Z
2
, Z
3
, R et R
a
qui satisfont aux conditions LMI pour tout couple (i, j) ∈ ¦1, 2¦
2
:
Γ
i
1
=
_
¸
¸
¸
¸
_
Ψ
1
P
T
_
0
β
i
A
1
_
−Y
T
1
µP
T
_
0
β
i
A
1
_
∗ −S
1
0
∗ ∗ −µR
1a
_
¸
¸
¸
¸
_
< 0, (2.4.6)
_
¸
¸
_
R Y
1
Y
2
∗ Z
1
Z
2
∗ ∗ Z
3
_
¸
¸
_
≥ 0, (2.4.7)
avec
P =
_
P
1
0
P
2
P
3
_
, Z =
_
Z
1
Z
2
Z
T
2
Z
3
_
, Y =
_
Y
1
Y
2
_
, (2.4.8)
Ψ
1
= P
T
_
0 I
n
A
0
+αI
n
−I
n
_
+
_
0 I
n
A
0
+αI
n
−I
n
_
T
P +
_
Y
0
_
+
_
Y
0
_
T
+δZ +
_
S 0
0 δR + 2µR
a
_
.
D´emonstration. Consid´erons donc la fonctionnelle de Lyapunov-Krasovskii qui est pr´esent´ee en deux par-
ties :
V
α
(t) = V
n
(t) +V
a
(t), (2.4.9)
o` u les deux fonctionnelles sont d´efinies comme suit :
V
n
(t) = ¯ x
T
α
(t)EP ¯ x
α
(t) +
_
0
−δ
_
t
t+θ
˙ x
T
α
(s)R˙ x
α
(s)dsdθ +
_
t
t−δ
x
T
α
(s)Sx
α
(s)ds,
V
a
(t) =
_
µ
−µ
_
t
t+θ−δ
˙ x
T
α
(s)R
a
˙ x
α
(s)dsdθ.
(2.4.10)
V
n
correspond au contrˆole de la stabilit´e du syst`eme soumis au seul retard nominal δ. La seconde fonctionnelle
V
a
contrˆole les variations du retard τ(t) autour de leur valeur nominale δ. En suivant la d´emonstration du Lemme
1 dans [56], si les conditions LMI (2.4.7) sont satisfaites, la majoration suivante est v´erifi´ee :
˙
V
n
(t) ≤
2

i=1
λ
i
(t)¦ξ
T
(t)Γ
i
1n
ξ(t) + ∆
i
(t)¦, (2.4.11)
o` u ξ(t) = col¦x
α
(t), ˙ x
α
(t), ¯ x
α
(t −δ
1
)¦ et les autres termes sont d´efinis par :
Γ
i
1n
=
_
¸
¸
_
Ψ
0
1
P
T
_
0
β
i
A
1
_
−Y
T
∗ −S
_
¸
¸
_
,
avec
Ψ
0
1
= Ψ
1

_
0 0
0 2µR
a
_
,

i
(t) = −2¯ x
T
α
(t)P
T
_
0
β
i
A
1
_
_
t−δ
t−δ−η(t)
˙ x
α
(s)ds,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
48 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
En utilisant la majoration classique qui, pour toute matrice sym´etrique d´efinie positive R de dimension n et
pour tous vecteurs a et b de R
n
, assure que la relation 2a
T
b ≤ a
T
Ra +b
T
R
−1
b est satisfaite, on obtient :

i
(t) ≤ µ¯ x
T
α
(t)P
T
_
0
β
i
A
1
_
R
−1
a
_
0
β
i
A
1
_
T
P ¯ x
α
(t) +
¸
¸
¸
_
t−δ
t−δ−η(t)
˙ x
T
α
(s)R
a
˙ x
α
(s)ds
¸
¸
¸ .
Ensuite, en introduisant la variable ξ
1
(t) = col¦ξ(t), ˙ x
α
(t), ˙ x
α
(t)¦, la combinaison de (2.4.11) et (2.4.1)
permet d’´ecrire :
˙
V
α
(t) ≤
2

i,j=1
λ
ij
(t)
_
ξ
T
1
(t)Γ
i
1
ξ
1
(t)
_
.
Ainsi, on remarque que si les conditions (2.4.6 ) et (2.4.7) sont satisfaites,
˙
V
α
(t) est une somme convexe de
termes n´egatifs. Ceci permet de conclure que le syst`eme (2.4.4) est asymptotiquement stable et, par cons´equent
que le syst`eme initial (2.4.3) est exponentiellement stable avec un degr´e de convergence α.
Mod´elisation avec incertitudes param`etriques
Dans cette partie, nous utiliserons la mod´elisation du syst`eme (2.4.4) en mettant le terme e
ατ(t)
sous forme
d’un syst`eme `a param`etres incertains. Nous ´ecrirons ce terme comme une somme d’un terme constant β
m
,
repr´esentant la valeur moyenne de la fonction et d’un terme variable d’amplitude born´ee par β
d
repr´esentant la
perturbation d´ependant du retard inconnu.
e
ατ(t)
= β
m
+ ∆(t)β
d
, (2.4.12)
o` u β
m
= (e
α(δ+µ)
+e
α(δ−µ)
)/2, β
d
= (e
α(δ+µ)
−e
α(δ−µ)
)/2 et o` u ∆ est une fonction inconnue d´ependant de la
valeur du retard τ et v´erifiant la condition [∆(t)[ ≤ 1, pour tout t ≥ 0. En utilisant la mod´elisation descripteur
et la formule de Leibniz, le syst`eme (2.4.4) s’´ecrit alors :
E
˙
¯ x
α
=
_
0 I
n
A
0
+αI
n
−I
n
_
¯ x
α
(t) + (β
m
+ ∆(t)β
d
)
_
0
A
1
_
x
α
(t −δ)
−(β
m
+ ∆(t)β
d
)
_
0
A
1
_
_
t−δ
t−δ−η(t)
˙ x
α
(t −δ).
On en d´eduit le th´eor`eme suivant :
Th´eor`eme 2.4.2 Le syst`eme (2.4.3) est α−stable s’il existe des matrices de dimension n n P
1
, R > 0, S et
R
i
> 0 sym´etriques d´efinies positives et P
2
, P
3
, Y
1
, Y
2
, Z
1
, Z
2
, Z
3
, Z
1i
, Z
2i
et Z
3i
pour i = m, d qui satisfont
aux conditions LMI :
Γ
2
=
_
¸
¸
_
Ψ
2
P
T
_
0
β
m
A
1
_
−Y
T
∗ −S +R
d
_
¸
¸
_
< 0, (2.4.13)
_
R Y
∗ Z
_
≥ 0,
_
_
R
i
_
0 β
i
A
T
1
_
P
∗ Z
i
_
_
≥ 0, (2.4.14)
P =
_
P
1
0
P
2
P
3
_
, Z =
_
Z
1
Z
2
Z
T
2
Z
3
_
, Y =
_
Y
1
Y
2
_
, Z
i
=
_
Z
1i
Z
2i
Z
T
2i
Z
3i
_
, (2.4.15)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.4. CAS DES RETARDS VARIABLES BORN
´
ES 49
Ψ
2
= P
T
_
0 I
n
A
0
+αI
n
−I
n
_
+
_
0 I
n
A
0
+αI
n
−I
n
_
T
P +δZ + (1 +µ)Z
d
+µZ
m
+
_
Y
0
_
+
_
Y
0
_
T
+
_
S 0
0 δR + 2µ(R
m
+R
d
)
_
.
(2.4.16)
D´emonstration. La d´emonstration de ce th´eor`eme utilise toujours le changement de variable x
α
(t) =
e
αt
x(t). Cette transformation introduit le gain scalaire e
ατ(t)
dans (2.4.4). La suite de la d´emonstration est
bas´ee sur les techniques de Lyapunov-Krasovskii. Consid´erons donc la fonctionnelle de Lyapunov-Krasovskii qui
est pr´esent´ee en deux parties :
V
α
(t) = V
n
(t) +V
a
(t), (2.4.17)
o` u V
n
est toujours la mˆeme fonctionnelle d´efinie par (2.4.10) et la seconde fonctionnelle est d´efinie par :
V
a
(t) =
_
µ
−µ
_
t
t+θ−δ
˙ x
T
α
(s)(R
m
+R
d
) ˙ x
α
(s)dsdθ. (2.4.18)
En suivant la d´emarche de la d´emonstration du Th´eor`eme 2.4.1, V
n
correspond au contrˆole de la stabilit´e
du syst`eme soumis au seul retard nominal δ. La seconde fonctionnelle V
a
contrˆole les variations du retard τ(t)
autour de leur valeur nominale δ. En suivant la d´emonstration de la preuve du Lemme 1 dans [56], si la condition
LMI (2.4.14a) est satisfaite, la majoration suivante est v´erifi´ee :
˙
V
n
(t) ≤ ξ
T
(t)Γ
2n
ξ(t) +
3

k=1

k
(t), (2.4.19)
o` u ξ(t) = col¦x
α
(t), ˙ x
α
(t), ¯ x
α
(t −δ
1
)¦ et les autres termes sont d´efinis par :
Γ
i
3n
=
_
¸
¸
_
Ψ
0
2
P
T
_
0
β
i
A
1
_
−Y
T
∗ −S
_
¸
¸
_
,
Ψ
0
2
= Ψ
2

_
0 0
0 2µ(R
m
+R
d
)
_
et o` u les fonctions ∆
i
sont d´efinies par :

1
(t) = −2¯ x
T
α
(t)P
T
_
0
∆(t)β
d
A
1
_
x
α
(t −δ),

2
(t) = −2¯ x
T
α
(t)P
T
_
0
β
m
A
1
_
_
t−δ
t−δ−η(t)
˙ x
α
(s)ds,

3
(t) = −2¯ x
T
α
(t)P
T
_
0
∆(t)β
d
A
1
_
_
t−δ
t−δ−η(t)
˙ x
α
(s)ds.
A fin de majorer les ´el´ements ∆
k
, on dispose de la m´ethode bas´ee sur les conditions LMI (2.4.14) conduisant
`a :

1
(t) ≤ ¯ x
T
α
(t)Z
d
¯ x
α
(t) +x
T
α
(t −δ)R
d
x
α
(t −δ),

2
(t) = µ¯ x
T
α
(t)Z
m
¯ x
α
(t) +
¸
¸
¸
_
t−δ
t−δ−η(t)
˙ x
T
α
(s)R
m
˙ x
α
(s)ds
¸
¸
¸ ,

3
(t) = µ¯ x
T
α
(t)Z
d
¯ x
α
(t) +
¸
¸
¸
_
t−δ
t−δ−η(t)
˙ x
T
α
(s)R
d
˙ x
α
(s)ds
¸
¸
¸ .
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
50 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
Ainsi, on remarque que, si les conditions (2.4.13) `a (2.4.14) du Th´eor`eme 2.4.2 sont satisfaites, alors on a
˙
V
α
(t) ≤ ξ
T
(t)Γ
3n
ξ(t) +

3
k=1

k
(t) + ¯ x
T
α
(t)Z
d
¯ x
α
(t) +x
T
α
(t −δ)R
d
x
α
(t −δ)
µ¯ x
T
α
(t)Z
m
¯ x
α
(t) +
¸
¸
¸
_
t−δ
t−δ−η(t)
˙ x
T
α
(s)R
m
˙ x
α
(s)ds
¸
¸
¸ −
_
t−δ+µ
t−δ−µ
˙ x
T
α
(s)R
m
˙ x
α
(s)ds
µ¯ x
T
α
(t)Z
d
¯ x
α
(t) +
¸
¸
¸
_
t−δ
t−δ−η(t)
˙ x
T
α
(s)R
d
˙ x
α
(s)ds
¸
¸
¸ −
_
t−δ+µ
t−δ−µ
˙ x
T
α
(s)R
d
˙ x
α
(s)ds,
En remarquant que la somme des termes int´egrales est n´egative, on conclut que la d´eriv´ee de la fonctionnelle
V
α
est d´efinie n´egative si les conditions LMI du Th´eor`eme 2.4.2 sont v´erifi´ees. On d´emontre ainsi que le syst`eme
(2.4.4) est asymptotiquement stable et, par cons´equent, que le syst`eme lin´eaire (2.4.3) soumis au retard d´efini
dans (2.4.1) est α−stable.
2.4.2 Stabilisation des syst`emes lin´eaires
Dans cette partie, nous nous int´eresserons `a la stabilisation de syst`emes lin´eaires `a retard de la forme :
_
˙ x(t) = Ax(t) +A
τ
x(t −τ(t)) +Bu(t) +B
τ
u(t −τ(t))
x(s) = φ(s), ∀ s ∈ [−τ
2
, 0]
(2.4.20)
o` u le retard variable τ(t) appartient `a [τ
1
, τ
2
].
La loi de commande que nous d´esirons utiliser est une commande par retour d’´etat u = Kx(t), o` u K est un
gain matriciel `a d´eterminer pour garantir la stabilit´e exponentielle du syst`eme boucl´e :
_
˙ x(t) = (A+BK)x(t) + (A
τ
+B
τ
K)x(t −τ(t))
x(s) = φ(s), ∀ s ∈ [−τ
2
, 0]
(2.4.21)
Les mˆemes m´ethodes propos´ees dans la partie 2.3.4 permettront aussi de d´eterminer des conditions LMI de
stabilisation. Nous ne pr´esenterons cependant que quelques th´eor`emes permettant de d´eterminer le gain lin´eaire
K du retour d’´etat pour ne pas alourdir la pr´esentation.
Mod´elisation polytopique
Th´eor`eme 2.4.3 La commande par retour d’´etat de gain stabilise exponentiellement le syst`eme (2.4.3) avec un
degr´e de convergence α > 0 si, pour un r´eel positif , il existe des matrices de dimension nn d´efinies positives
Q
1
, T, U et U
a
et des matrices de dimension nn Q
2
, Q
3
, W
i
1
, W
i
2
, W
i
3
, W
i
1a
, W
i
2a
, W
i
3a
, pour i = 1, 2 et une
matrice W, de dimension n m, telles que les conditions LMI suivantes soient satisfaites pour i = 1, 2 :
_
¸
¸
¸
¸
¸
¸
¸
_
Φ
i
21
Φ
i
21
0 δQ
T
2
2µQ
T
2
∗ Φ
i
23
(1 −)β
i
(A
τ
Q
1
+B
τ
Y ) δQ
T
3
2µQ
T
3
∗ ∗ −T 0 0
∗ ∗ ∗ −δU 0
∗ ∗ ∗ ∗ −2µU
a
_
¸
¸
¸
¸
¸
¸
¸
_
< 0, (2.4.22)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.4. CAS DES RETARDS VARIABLES BORN
´
ES 51
et
_
¸
¸
_
−2Q
1
+U 0 β
i
(A
τ
Q
1
+B
τ
Y )
T
∗ W
1
W
2
∗ ∗ W
3
_
¸
¸
_
≥ 0,
_
¸
¸
_
−2Q
1
+U
a
0 β
i
(A
τ
Q
1
+B
τ
Y )
T
∗ W
i
1a
W
i
2a
∗ ∗ W
i
3a
_
¸
¸
_
≥ 0
(2.4.23)
o` u
Φ
i
21
= Q
1
(A+αI
n

i
A
τ
)
T
+ (A+αI
n

i
A
τ
)Q
1
+(B +β
i
B
τ
)Y +Y
T
(B +β
i
B
τ
)
T
+T +δW
i
1
+δW
i
1a
Φ
i
22
= Q
3
−Q
T
2
+Q
1
(A+αI
n

i
A
τ
)
T
+δW
i
2
+δW
i
2a
,
Φ
i
23
= −(Q
3
+Q
T
3
) +δW
i
3
+δW
i
3a
.
(2.4.24)
Le gain du retour d’´etat est alors donn´ee par :
K = Y Q
−1
1
(2.4.25)
D´emonstration. La preuve de ce th´eor`eme est bas´ee sur le Th´eor`eme de stabilit´e exponentielle 2.4.1 et suit
la m´ethode propos´ee pour la d´emonstration du Th´eor`eme 2.3.12. Cependant quelques ´etapes n´ecessitent d’ˆetre
pr´esent´ee.
On d´efinit la matrice Q =
_
Q
1
0
Q
2
Q
3
_
= P
−1
. On remplace les matrices A
0
par A + BK et A
1
par
A
τ
+B
τ
K. Notre objectif consiste `a faire apparaˆıtre le produit KQ
1
. Pour cela nous commen¸cons par imposer
la contrainte suivante :
Y
i
=
_
0 β
i
A
1
_
P.
On remarque, dans un premier temps que l’on a d´edoubl´e la matrice Y en deux matrices Y
i
pour que
cette contrainte liante ne rende les conditions conservatives. De la mˆeme mani`ere, on d´efinit les matrices Z
i
de
dimension 2n 2n telles que les conditions (2.4.7) deviennent :
_
_
R
_
0 β
i
(A
τ
+B
τ
K)
T
_
P
∗ Z
i
_
_
≥ 0 (2.4.26)
Ensuite en utilisant la mˆeme technique que dans la d´emonstration du Th´eor`eme 2.3.12, en multipliant les
conditions LMI (2.4.7) par diag¦Q
1
, Q¦ `a droite et par sa transpos´ee `a gauche. Pour obtenir les conditions :
_
_
Q
1
RQ
1
_
0 β
i
Q
1
(A
τ
+B
τ
K)
T
_
∗ Q
T
Z
i
Q
_
_
≥ 0 ,
_
_
Q
1
R
a
Q
1
_
0 β
i
Q
1
(A
τ
+B
τ
K)
T
_
∗ Q
T
Z
i
a
Q
_
_
≥ 0 (2.4.27)
En posant W
i
= Q
T
Z
i
Q, W
i
a
= Q
T
Z
i
a
Q, U = R
−1
et U
a
= R
−1
a
et en utilisant la mˆeme majoration que
dans la d´emonstration du Th´eor`eme 2.3.12, on retrouve les conditions LMI (2.4.23).
D’autre part, dans l’´equation (2.4.6), on peut appliquer le compl´ement de Schur aux termes R et R
a
`a la
mani`ere de (2.3.35). On obtient alors :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
52 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
_
¸
¸
¸
¸
¸
¸
¸
_
Ψ
i
2
(1 −)P
T
_
0
β
i
A
1
_
δ
_
0
I
n
_
δ
_
0
I
n
_
∗ −S 0 0
∗ ∗ −δR
−1
0
∗ ∗ ∗ −2µR
−1
a
_
¸
¸
¸
¸
¸
¸
¸
_
< 0, (2.4.28)
avec
Ψ
i
2
= P
T
_
0 I
n
A
0
+αI
n
−I
n
_
+
_
0 I
n
A
0
+αI
n
−I
n
_
T
P +δZ
i
+µZ
i
a
+
_
I
n
0
__
0
β
i
A
1
_
T
P +P
T
_
0
β
i
A
1
__
I
n
0
_
T
+
_
S 0
0 0
_
.
On multiplie alors la condition (2.4.28) `a droite par diag¦Q, Q
1
, I
n
, I
n
¦ et par sa transpos´ee `a gauche. Ainsi,
en posant U = S
−1
et U
a
= S
−1
a
la condition de stabilit´e exponentielle devient :
_
¸
¸
¸
¸
¸
¸
¸
_
Φ
i
2
(1 −)
_
0
β
i
A
1
_
Q
1
δQ
T
_
0
I
n
_
δQ
T
_
0
I
n
_
∗ −Q
1
SQ
1
0 0
∗ ∗ −δU 0
∗ ∗ ∗ −2µU
a
_
¸
¸
¸
¸
¸
¸
¸
_
< 0,
o` u
Ψ
i
2
=
_
0 I
n
A
0
+αI
n
−I
n
_
Q+Q
T
_
0 I
n
A
0
+αI
n
−I
n
_
T
P +δQ
T
Z
i
Q+µQ
T
Z
i
a
Q
+Q
T
_
I
n
0
__
0
β
i
A
1
_
T
+
_
0
β
i
A
1
__
I
n
0
_
T
Q+Q
T
_
S 0
0 0
_
Q.
On pose alors T = Q
1
SQ
1
, W
i
= Q
T
Z
i
Q, W
i
a
= Q
T
Z
i
a
Q et Y = KQ
1
. On retrouve ainsi la LMI (2.4.22).
D’autres r´esultats peuvent ˆetre d´evelopp´es `a partir des techniques et th´eor`emes des parties propos´ees dans
les paragraphes pr´ec´edents.
2.4.3 Exemple
Afin de montrer la pertinence des r´esultats de stabilisation exponentielle dans le cas des syst`emes `a retard
born´e, nous proposons l’exemple suivant :
A
0
=
_
−1 1
2 −0.5
_
A
1
=
_
−1 0
0 −0.5
_
. (2.4.29)
Les conditions LMI du Th´eor`eme 2.4.1 donnent les valeurs de retard maximal admissible suivant pour des
valeurs diff´erentes de τ
1
. Ces valeurs sont r´epertori´ees dans le Tableau 2.3.
On remarque que lorsque le retard varie dans un intervalle de longueur petite le taux de convergence expo-
nentielle est plus important.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.5. CAS PARTICULIER DES SYST
`
EMES NEUTRES
`
A RETARD CONSTANT 53
α 0 0.2 0.4 0.6 0.8 1
τ
1
= 0 1.259 0.974 0.822 0.727 0.660 0.609
τ
1
= 0.5τ
2
2.519 1.576 1.176 0.985 0.871 0.790
τ
1
= 0.9τ
2
12.550 2.888 1.719 1.324 1.123 0992
Tab. 2.3 – Valeurs maximales de τ
2
en fonction de α.
2.5 Cas particulier des syst`emes neutres `a retard constant
Dans ce paragraphe, nous allons nous int´eresser au cas des syst`emes neutres. Ce type de syst`emes intervient
notamment lors de ph´enom`enes de propagation d’onde [44]. Sans perte de g´en´eralit´e, le syst`eme que nous allons
consid´erer ici est le suivant :
˙ x(t) −F ˙ x(t −τ) = A
0
x(t) +A
1
x(t −τ), (2.5.1)
o` u x repr´esente respectivement l’´etat. Les matrices A
0
, A
1
et F sont des matrices constantes de dimension
appropri´ee. D’autrepart, on suppose que le retard τ est constant. Nous consid´erons pour simplifier le probl`eme
que les retards des termes neutre et retard´e sont ´egaux.
2.5.1 Stabilit´e exponentielle
Nous introduisons la nouvelle variable x
α
(t) = e
αt
x(t) qui conduit `a l’´equation :
˙ x
α
(t) = (A
0
+αI
n
)x
α
(t) +Fe
αt
˙ x(t −τ) +e
ατ
A
1
x
α
(t −τ). (2.5.2)
Cette ´equation n’est pas encore exprim´ee correctement puisqu’il subsiste un terme en fonction de la solution
x. Or en remarquant que :
e
αt
˙ x(t −τ) = e
ατ
˙ x
α
(t −τ) −αe
ατ
x
α
(t −τ), (2.5.3)
on obtient l’´equation diff´erentielle suivante :
˙ x
α
(t) = (A
0
+αI
n
)x
α
(t) +e
ατ
F ˙ x
α
(t −τ) + (A
1
−αF)e
ατ
x
α
(t −τ). (2.5.4)
La transformation qui consiste `a remplacer x par x
α
dans le cas d’un ´el´ements neutre introduit un terme
retard´e suppl´ementaire dont il faut tenir compte pour caract´eriser la stabilit´e exponentielle. Notre objectif est
de d´eterminer des conditions qui garantissent la stabilit´e asymptotique du syst`eme 2.5.4. D’apr`es [85], une
condition n´ecessaire de stabilit´e des syst`emes neutres est que la matrice correspondant au terme neutre ait des
valeurs propres strictement incluses dans le cercle unit´e, c’est-`a-dire :
ρ(e
ατ
F) < 1. (2.5.5)
o` u ρ(.) est le rayon spectral. En d’autres termes, cela signifie que les valeurs propres de la matrice F sont incluses
dans le cercle de centre l’origine et de rayon e
−ατ
.
Th´eor`eme 2.5.1 [132] Le syst`eme (2.5.1) est exponentiellement stable, avec un taux de convergence α > 0
v´erifiant (2.5.5), pour le retard constant τ > 0, s’il existe des matrices de dimension n n, P
1
, S, U et R
sym´etriques d´efinies positives et P
2
, P
3
, Z
1
, Z
2
, Z
3
, Y
1
, Y
2
, telles que les conditions LMI suivantes soient
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
54 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
satisfaites :
Γ
1
=
_
¸
¸
¸
¸
_
Ψ
1
P
T
_
0
(A
1
−αF)e
ατ
_
−Y
T
P
T
_
0
e
ατ
F
_
∗ −S 0
∗ ∗ −U
_
¸
¸
¸
¸
_
< 0, (2.5.6)
et
_
R Y
∗ Z
_
≥ 0, (2.5.7)
avec
P =
_
P
1
0
P
2
P
3
_
, Z =
_
Z
1
Z
2
Z
T
2
Z
3
_
, Y =
_
Y
1
Y
2
_
, (2.5.8)
o` u la matrice Ψ
1
est donn´ee par :
Ψ
1
= P
T
_
0 I
n
A
0
+αI
n
−I
n
_
+
_
0 I
n
A
0
+αI
n
−I
n
_
T
P
+τZ +
_
Y
0
_
+
_
Y
0
_
T
+
_
S 0
0 τR +U
_
,
(2.5.9)
D´emonstration. La d´emonstration de ce th´eor`eme utilise une fonctionnelle de Lyapunov-Krasovskii d´efinie
par :
V
α
(t) = ¯ x
T
α
(t)EP ¯ x
α
(t) +
_
0
−τ
_
t
t+θ
˙ x
T
α
(s)R˙ x
α
(s)dsdθ
+
_
t
t−τ
x
T
α
(s)Sx
α
(s)ds +
_
t
t−τ
˙ x
T
α
(s)U ˙ x
α
(s)ds,
(2.5.10)
D’apr`es le Th´eor`eme 2.2.1, la d´erivation de la fonctionnelle de Lyapunov-Krasovskii conduit `a l’in´egalit´e
suivante :
˙
V
α
(t) ≤ ξ(t)
T
_
¸
¸
_
Ψ

1
P
T
_
0
(A
1
−αF)e
ατ
_
−Y
T
∗ −S
_
¸
¸
_
ξ(t) + ¯ x
T
α
(t)P
T
_
0
e
ατ
F
_
˙ x
α
(t −τ)
+˙ x
T
α
(t)U ˙ x
α
(t) − ˙ x
T
α
(t −τ)U ˙ x
α
(t −τ),
(2.5.11)
o` u ξ(t) = col¦x
α
(t), ˙ x
α
(t), x
α
(t −τ), la matrice A
1
est remplac´ee par A
1
−αe
ατ
F et o` u Ψ

1
= Ψ
1

_
0 0
0 U
_
.
Ainsi en introduisant le nouveau vecteur ξ

(t) = col¦x
α
(t), ˙ x
α
(t), x
α
(t −τ), ˙ x
α
(t −τ)¦, on obtient :
˙
V
α
(t) ≤ ξ
T
(t)Γ
1
ξ

(t) (2.5.12)
Si les conditions LMI du Th´eor`eme 2.5.1 sont satisfaites, le syst`eme transform´e (2.5.2) est asymptotiquement
stable, et par cons´equent le syst`eme initial (2.5.1) est exponentiellement stable.
2.5.2 Exemple
Afin de montrer la pertinence des r´esultats de stabilisation exponentielle dans le cas des syst`emes neutres `a
retard simple constant, nous proposons l’exemple suivant :
A
0
=
_
−2 0
0 −2
_
A
1
=
_
0 0
0 −1
_
F =
_
0 0
0 0.1
_
B =
_
0
0
_
, (2.5.13)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.6. CONCLUSION 55
La Figure 2.1 permet de comparer les courbes repr´esentant le degr´e de convergence exponentielle α en
fonction du retard maximal admissible. La Figure 2.1 montre que les conditions du Th´eor`eme 2.5.1 sont moins
conservatives que les r´esultats de Mondi´e et al. [82] pour τ
2
≤ 1.08 :
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
0
0.5
1
1.5
2
h
α
m
a
x
Kharitonov−Mondié
Seuret−Fridman−Richard
Fig. 2.1 – Relation entre le degr´e de convergence exponentielle α et le retard maximal admissible τ
2.6 Conclusion
Dans ce chapitre, nous avons expos´e diverses techniques qui permettent de d´evelopper des crit`eres de stabilit´e
exponentielle `a taux de convergence α garanti pour le cas des syst`emes lin´eaires `a coefficients constants et `a
retard. Nous avons aussi montr´e que ces crit`eres tiennent compte du type de retards (constants, variables
major´es ou born´ee, multiples). Dans le cas des retards variables, les r´esultats sont robustes par rapport au
retard, puisqu’ils ne n´ecessitent pas la connaissance du retard. Puis `a partir de ces th´eor`emes de stabilit´e nous
avons propos´e des r´esultats concernant la stabilisation exponentielle `a taux garanti en proposant une loi de
commande par retour d’´etat. Une autre extension a ´et´e propos´ee pour r´esoudre le probl`eme de la stabilisation `a
coˆ ut garanti. Les r´esultats obtenus peuvent ˆetre am´eliorer en utilisant les r´ecents r´esultats concernant le stabilit´e
asymptotique des syst`emes `a retards et les fonctionnelles de Lyapunov-Krasovskii discr´etis´ees.
Cependant il reste plusieurs points `a d´evelopper. Le premier point concerne la robustesse de ces r´esultats.
Il reste `a consid´erer une classe de syst`emes plus large que les syst`emes lin´eaires. En effet ils ne repr´esentent
g´en´eralement des mod`eles simplifi´es visant `a rendre compte du comportement d’un syst`eme au voisinage d’un
point de fonctionnement ou d’une trajectoire de r´ef´erence. On peut donc se demander s’il est possible d’´elargir
ces r´esultats au cas non-lin´eaire ou en pr´esence d’incertitudes param`etriques. Nous proposons une ´etude de
stabilit´e et de stabilisation exponentielle de syst`emes non lin´eaires dans le chapitre suivant.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
56 Chapitre 2. Stabilit´e exponentielle des syst`emes lin´eaires
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 3
Stabilit´e des syst`emes non lin´eaires `a
retards
3.1 Introduction
Dans le chapitre pr´ec´edent, nous avons propos´e des crit`eres de stabilit´e et des lois de commande pour les
syst`emes lin´eaires `a retards sur l’´etat et l’entr´ee. Il nous a paru int´eressant d’´etendre ces r´esultats aux cas des
syst`emes dont la dynamique ne peut se r´eduire `a des ´equations lin´eaires.
Les syst`emes non lin´eaires sont en effet des mod`eles plus proches de la r´ealit´e en ce sens que leur validit´e
n’est pas n´ecessairement limit´ee `a un voisinage imm´ediat d’un point de fonctionnement ou d’une trajectoire de
r´ef´erence. Les mod`eles lin´eaires ´etudi´es au chapitre pr´ec´edent ne constituent donc qu’une approximation et il est
important en pratique d’´etudier les effets des non-lin´earit´es n´eglig´ees sur le comportement du syst`eme boucl´e.
Ceci peut ˆetre r´ealis´e `a travers une ´etude de la robustesse de la stabilit´e vis-`a-vis d’incertitudes param´etriques.
Un autre ph´enom`ene devant ˆetre pris en compte en pratique est celui de saturation de la commande. Du
fait que les actionneurs ne peuvent d´elivrer un puissance infinie, une saturation devient un facteur d’instabilit´e
qu’il est important de consid´erer dans la synth`ese de la loi de commande.
Nous avons donc choisi de distinguer deux parties dans ce chapitre :
– La premi`ere est compos´ee des sections 3.2, 3.3 et 3.4. Elle concerne la stabilit´e et la stabilisation de
syst`emes dont les non-lin´earit´es sont pris en compte de deux mani`eres diff´erentes. La premi`ere consiste `a
´emerger la classe des syst`emes non lin´eaires affines en l’entr´ee en mod`eles polytopiques. La seconde traite
les non-lin´earit´es comme des incertitudes param´etriques qu’une synth`ese de loi de commande robuste
permet d’absorber.
– La seconde, compos´ee des sections 3.5, 3.6 et 3.7, traite du probl`eme de la stabilisation de syst`emes pour
lesquels la commande est soumis `a des contraintes d’amplitude.
57
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
58 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
3.2 Syst`emes affines en l’entr´ee
3.2.1 Notations et formulation du probl`eme
Dans ce chapitre, nous nous int´eresserons aux syst`emes non lin´eaires affines en la commande de la forme
suivante :
_
˙ x(t) = f(t, x
t
) +g(t, x
t
)u(t) +h(t, x
t
)u(t −τ),
x(t) = φ(t) pour t ∈ [−τ
2
, 0],
(3.2.1)
o` u τ
2
repr´esente la borne sup´erieure du retard qui peut ˆetre variable dans le temps. f est une fonctionnelle
`a valeurs dans R
n
d´ependant du temps et de la fonction x
t
associ´ee `a la solution par x
t
(θ) = x(t + θ) o` u
θ ∈ [−τ
2
, 0]. g et h sont des fonctionnelles `a valeurs dans R
n×m
. La fonction φ d´efinie sur l’intervalle [−τ
2
, 0]
repr´esente les conditions initiales .
Remarque 3.2.1 Nous consid´erons ici une classe restreinte de syst`emes non lin´eaires `a retards. En effet, les
syst`emes que nous allons ´etudier ici sont affines en la commande.
Afin d’´etendre les r´esultats du chapitre pr´ec´edent au cas non lin´eaire, nous nous proposons de transformer
le syst`eme (3.2.1) en un syst`eme plus simple `a ´etudier, mˆeme si cette transformation introduit un certain
conservatisme.
3.2.2 Transformations du syst`eme initial
Le but de cette partie est de pr´esenter des transformations qui permettent d’analyser plus facilement les
syst`emes non lin´eaires de la forme (3.2.1). Dans un premier cas, le syst`eme (3.2.1) peut s’´ecrire comme un
syst`eme multimod`ele (c’est `a dire un ensemble de mod`eles lin´eaires pond´er´es de fa¸con non lin´eaire [140]). Ceci
s’exprime de la mani`ere suivante :
˙ z(t) =

i∈I
r
h
i
(z
t
) (A
i
z(t) +A
i
τ
z(t −τ(t)) +B
i
u(t) +B
i
τ
u(t −τ(t))) , (3.2.2)
o` u z repr´esente les variables d’´etat du syst`eme dans la nouvelle repr´esentation. L’ensemble I
r
est l’ensemble des
entiers ¦1, . . . , r¦ o` u r repr´esente le nombre de sous-syst`emes n´ecessaires `a la description du syst`eme multimod`ele.
Les fonctions h
i
(.) sont des fonctions scalaires de pond´eration v´erifiant les conditions de convexit´e :

i∈I
r
h
i
(z
t
) = 1 ∀i = 1, ..r, h
i
(z
t
) ≥ 0.
Il est ´egalement possible d’utiliser une autre formulation. Celle-ci utilise la mod´elisation des syst`emes `a pa-
ram`etres incertains, c’est-`a-dire soumis `a des perturbations sur les matrices d’´etats. Cette mod´elisation consid`ere
que les ´equations du syst`emes sont de la forme :
˙ z(t) = (A+ ∆A(z
t
))z(t) + (A
τ
+ ∆A
τ
(z
t
))z(t −τ(t))
+(B + ∆B(z
t
))u(t) + (B
τ
+ ∆B
τ
(z
t
))u(t −τ(t)),
(3.2.3)
Ces deux transformations apportent un certain conservatisme. En effet, il est r´educteur de dire que tous
les syst`emes non lin´eaires du type (3.2.1) peuvent s’´ecrire sous la forme (3.2.2) ou (3.2.3). Ces transformations
n´ecessitent g´en´eralement des conditions suppl´ementaires, comme par exemple de supposer que l’´etat du syst`eme
reste dans une partie born´ee de l’espace d’´etat [140].
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.2. SYST
`
EMES AFFINES EN L’ENTR
´
EE 59
Dans la suite de ce chapitre, nous verrons que ces deux repr´esentations permettent d´eterminer des crit`eres
de stabilit´e et de stabilisation exponentielles pour une classe de syst`emes non lin´eaires.
3.2.3 Exemple du pendule et du chariot
On consid`ere le syst`eme m´ecanique du pendule inverse pr´esent´e Figure 3.1.

(m)
(M)
Fig. 3.1 – Pr´esentation du pendule inverse
Les ´ecritures des ´equations d’Euler-Lagrange nous permettent alors d’obtenir les ´equations du mouvement :
_
u −f ˙ x = (M +m) ¨ x +
ml
2
¨
θ cos θ −
ml
2
˙
θ
2
sin θ,
−K
˙
θ =
ml
2
4
¨
θ +
ml
2
¨ xcos θ −
mgl
2
sin θ,
(3.2.4)
o` u x est la position du chariot et θ, l’angle que forme la barre avec la verticale ascendante. l est la longueur de
la barre et m sa masse, M est la masse du chariot, f ˙ x et K
˙
θ repr´esente respectivement la force et le couple
r´esistant exerc´es par les frottements. Afin d’exprimer l’´equation (3.2.4) sous forme de mod`ele d’´etat, on ´ecrit
ces deux ´equations diff´erentielles du second ordre coupl´ees et implicites sous forme d’un syst`eme diff´erentiel du
premier ordre explicite. Ainsi (3.2.4) devient :
1
4
_
4(M +m) 2ml cos θ
2ml cos θ ml
2
__
¨ x
¨
θ
_
=
1
2
_
2u −2f ˙ x +ml
˙
θ
2
sin θ
−K
˙
θ +mgl sin θ
_
, (3.2.5)
que l’on peut encore ´ecrire
¨ x =
2ul −2mgl cos θ sin θ −2fl ˙ x + 4K
˙
θ cos θ +ml
2
˙
θ
2
sin θ
2l(M +m−mcos
2
θ)
¨
θ = −4
(M +m)(
˙
θ −
1
2
mgl sin θ) −
1
2
ml cos θ(f ˙ x −u −
1
2
ml
˙
θ
2
sin θ)
ml
2
(M +m−mcos
2
θ)
.
Nous allons utiliser une base de vecteur d’´etat sugg´er´ee par le Lagrangien d´ecrit dans l’´equation (3.2.5). On
propose le changement de variables suivant :
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
z
1
=
1
2
ml cos θ ˙ x +
1
4
ml
2
˙
θ,
z
2
= θ,
z
3
= (M +m)lx +
1
4
ml
2
sin θ,
z
4
= (M +m)l ˙ x +
1
4
ml
2
˙
θ cos θ.
Ce changement de variables est un diff´eomorphisme de R
4
dans R
4
car la jacobienne de la matrice de
changement de base est toujours de d´eterminant non nul. Ainsi on peut inverser ces relations. On obtient alors
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
60 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
pour x, ˙ x et
˙
θ les ´equations suivantes :
_
¸
¸
_
¸
¸
_
x =
z
3
−1/4ml
2
sinz
2
(M+m)l
,
˙ x =
lz
4
−2 cos(z
2
)z
1
lD(z
2
)
,
˙
θ =
4(1+
M
m
)z
1
−2l cos(z
2
)z
4
l
2
D(z
2
)
,
,
et avec
D(z
2
) = M +m−mcos
2
θ.
Ainsi dans cette base, l’´equation diff´erentielle du premier ordre qui r´egit le syst`eme est :
˙ z(t) = A(z)z(t) +B
1
u(t −τ(t)), (3.2.6)
o` u
A(z) =
_
¸
¸
¸
¸
_
F
11
(z) mgl sinc(z
2
) 0 F
14
(z)
4(1+M/m)
l
2
D(z
2
)
0 0 −
2 cos z
2
l
2
D(z
2
)
0 0 0 1
2f cos z
2
D(z
2
)
0 0
−f
D(z
2
)
_
¸
¸
¸
¸
_
, B
1
=
_
¸
¸
¸
¸
_
0
0
0
1
_
¸
¸
¸
¸
_
.
Les fonctions F
ij
d´ependent de l’´etat z et sont d´efinies par :
F
11
(z) = −(
1
2
ml sin(z
2
) ˙ x +K)
4(1+M/m)
l
2
D(z
2
)
,
F
14
(z) = (
1
2
ml sin(z
2
) ˙ x +K)
2 cos z
2
l
2
D(z
2
)
.
L’int´erˆet de cette mod´elisation est premi`erement que la matrice de commande est constante. D’autre part,
on ´elimine les termes en
˙
θ
2
par rapport `a la repr´esentation classique.
Notre objectif est d’appliquer les transformations pr´esent´ees dans la partie pr´ec´edente. Pour cela, il faut que
la fonction A(z) soit une fonction born´ee de l’espace d’´etat. Or le facteur
1
2
ml sin z
2
˙ x + K n’est visiblement
pas born´e. C’est pourquoi nous allons utiliser les caract´eristiques physiques du syst`eme. On peut, par exemple,
consid´erer que le moteur qui agit sur le chariot poss`ede une certaine vitesse angulaire maximale. Ainsi, on peut
consid´erer que la vitesse ˙ x du chariot est born´ee. De mˆeme, on peut supposer que l’amplitude du d´eplacement
angulaire de la barre est limit´ee en se restreignant `a un espace d´efini par θ ≤ θ
max
.
Si, par exemple, on se donne ˙ x
max
= 2.5, on peut supposer que l’espace d’´etat admissible est born´e. De
l`a, nous supposerons que la fonction A(z) est effectivement born´ee sur cet espace d’´etat. Ainsi chacune des
fonctions A
ij
(z) est born´ee, on peut d´eterminer une repr´esentation polytopique de A(z) de la forme :
A(z) =

i∈I
r
h
i
(z
t
)A
i
,
les matrices A
i
sont des matrices `a coefficients constants. Il y a cinq fonctions ind´ependantes qui composent la
matrice A(z). Le cardinal de l’ensemble I
r
est de 2
5
= 32. La valeur de ces coefficients, par exemple A
i,j,k
le
coefficient de la ligne j et de la colonne k de la matrice A
i
, est ´egale soit `a la valeur maximale soit `a la valeur
minimale de la fonction A
j,k
(z). Ainsi en reprenant la D´efinition 2.3.5 du Chapitre 2, on note σ, une bijection
de ¦1, ..., 2
5
¦ vers ¦1, 2¦
5
telle que, pour tout entier i de ¦1, ..., 2
5
¦, on associe σ(i) d´efini par :
i →σ(i) = [σ
1
(i), .., σ
5
(i)], (3.2.7)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.3. APPROCHES PAR MOD
`
ELES POLYTOPIQUES 61
o` u σ
j
(i) ∈ ¦1, 2¦ pour j = 1, .., 5. La matrice A
i
se pr´esente finalement de la mani`ere suivante :
A
i
=
_
¸
¸
¸
¸
_
F
σ
1
(i)
11
F
σ
2
(i)
12
0 F
σ
3
(i)
14
4(1+M/m)
l
2
D
σ
4
(i)
0 0 −
2
l
2
CD
σ
4
(i)
0 0 0 1
2fCD
σ
5
(i)
0 0 −fD
σ
4
(i)
_
¸
¸
¸
¸
_
,
o` u
F
1
11
≤ F
11
(z) ≤ F
2
11
,
F
1
12
≤ mgl sinc(z
2
) ≤ F
2
12
,
F
1
14
≤ F
14
(z) ≤ F
2
14
,
CD
1

cos(z
2
)
D(z
2
)
≤ CD
2
,
D
1

1
D(z
2
)
≤ D
2
.
Les fonctions h
i
(z
t
), i ∈ I
r
sont des fonctions scalaires de pond´eration, non n´ecessairement connues, qui
satisfont la propri´et´e de convexit´e :
h
i
(z
t
) ≤ 0, i ∈ I
r
,

i∈I
r
h
i
(z
t
) = 1.
L’´equation diff´erentielle (3.2.6) peut donc s’´ecrire :
˙ z(t) =

i∈I
r
h
i
(z
t
) ¦A
i
z(t) +B
1
u(t −τ(t))¦ .
Pour la mod´elisation par mod`ele incertain, il faut isoler les fonctions de perturbation. Si l’on se place sur une
partie born´ee de l’espace d’´etat, les fonctions F
11
(z), sinc(z
2
), F
14
(z), 1/D(z
2
) et cos(z
2
)/D(z
2
) sont born´ees.
En les d´ecomposant en la somme d’une constante repr´esentant la valeur nominale et d’un terme variant en
fonction de z et repr´esentant des incertitudes born´ees, on peut transformer l’´equation diff´erentielle (3.2.6) en
un syst`eme perturb´e de la forme (3.2.3). Nous reviendrons sur cet exemple dans le Chapitre 6.
3.3 Approches par mod`eles polytopiques
3.3.1 Pr´esentation du probl`eme
Cette partie est consacr´ee `a l’analyse de la stabilit´e d’un syst`eme repr´esent´e par le mod`ele polytopique
suivant :
˙ x(t) =

i∈I
r
λ
i
(t, x
t
) ¦A
i
x(t) +A
τi
x(t −τ(t)) +B
i
u(t) +B
τi
u(t −τ(t))¦ ,
x(θ) = φ(θ), ∀θ ∈ [−τ
2
, 0],
u(θ) = ψ(θ), ∀θ ∈ [−τ
2
, 0],
(3.3.1)
o` u x(t) ∈ R
n
repr´esente le vecteur d’´etat, u(t) ∈ R
m
repr´esente le vecteur de commande. Les matrices A
i
, A


R
n×n
et B
i
, B

∈ R
n×m
, pour tout i ∈ I
r
, sont les matrices d’´etat suppos´ees constantes. Les fonctions λ
i
(t)
sont des fonctions continues de pond´eration qui v´erifient la condition de convexit´e :

i∈I
r
λ
i
(t, x
t
) = 1, ∀t ≥ 0, et
λ
i
(t, x
t
) ≥ 0, ∀i ∈ I
r
, ∀t ≥ 0.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
62 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
Notre objectif est de d´eterminer des conditions de stabilit´e exponentielle du syst`eme en boucle ferm´ee avec
une loi de commande par retour d’´etat de la forme :
u(t) = Kx(t).
Dans la suite de cette partie, nous supposerons que le retard τ(t) est major´e et v´erifie l’in´egalit´e suivante :
0 ≤ τ(t) ≤ τ
2
. (3.3.2)
3.3.2 Stabilit´e exponentielle
Dans un premier temps, nous allons nous concentrer sur le probl`eme de la stabilisation du syst`eme en boucle
ouverte (avec u(t) = 0). Consid´erons alors le syst`eme suivant :
˙ x(t) =

i∈I
r
λ
i
(t, x
t
) ¦A
0i
x(t) +A
1i
x(t −τ(t))¦ , (3.3.3)
Comme dans le chapitre pr´ec´edent, nous allons introduire la nouvelle variable x
α
(t) = e
αt
x(t). Ainsi, si on
d´etermine des conditions de stabilit´e asymptotique de la solution nulle du syst`eme d´ecrit par la variable x
α
(t),
alors ces conditions garantissent simultan´ement la convergence exponentielle de la solution nulle du syst`eme
initial. Le syst`eme (3.3.3), apr`es changement de variables, devient :
˙ x
α
(t) =

i∈I
r
λ
i
(t, x
t
)
_
(A
0i
+αI
n
)x
α
(t) +e
ατ(t)
A
1i
x
α
(t −τ(t))
_
, (3.3.4)
On se propose de d´eterminer des conditions de α−stabilit´e en utilisant les approches par mod`ele polytopique
et par mod`ele incertain du terme e
ατ(t)
.
Mod´elisation polytopique
Le terme exponentiel est pr´esent´e sous forme polytopique, c’est-`a-dire :
e
ατ(t)
= µ
1
(t)β
1

2
(t)β
2
, (3.3.5)
o` u β
1
= 1 et β
2
= e
ατ
2
. Les fonctions µ
i
(t) sont des fonctions scalaires de pond´eration qui ne d´ependent que de
la valeur du retard τ(t) et v´erifient les conditions de convexit´e suivantes :
∀t ≥ t
0
, µ
1
(t) +µ
2
(t) = 1, µ
1
(t) ≥ 0 et µ
2
(t) ≥ 0.
On propose le th´eor`eme suivant :
Th´eor`eme 3.3.1 La solution x(t) = 0 du syst`eme (3.3.3) est α-stable pour tout retard variable τ(t) ≤ τ
2
, s’il
existe des matrices de dimension n n, P
2
, P
3
, Z
ij
1
, Z
ij
2
, Z
ij
3
(pour i ∈ I
r
, et pour j ∈ I
2
et deux matrices
sym´etriques d´efinies positives de dimension n n, P
1
et R qui v´erifient les conditions LMI suivantes :
Ψ
ij
< 0 et
_
_
R
_
0 β
j
A
T
1i
_
P
∗ Z
ij
_
_
≥ 0,
∀(i, j) ∈ I
r
I
2
(3.3.6)
avec
P =
_
P
1
0
P
2
P
3
_
, Z
ij
=
_
Z
ij
1
Z
ij
2
Z
ijT
2
Z
ij
3
_
(3.3.7)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.3. APPROCHES PAR MOD
`
ELES POLYTOPIQUES 63
et
Ψ
ij
= P
T
_
0 I
n
Λ
ij
−I
n
_
+
_
0 I
n
Λ
ij
−I
n
_
T
P +τ
2
Z
ij
+
_
0 0
0 τ
2
R
_
,
Λ
ij
= αI
n
+A
0i

j
A
1i
.
D´emonstration. La d´ecomposition (3.3.5) du terme e
ατ(t)
permet de d´ecrire le syst`eme (3.3.3) sous une
forme polytopique et descripteur en introduisant la variable augment´ee ¯ x
α
(t) = col¦x
α
(t), ˙ x
α
(t)¦. La fonction-
nelle de Lyapunov-Krasovskii candidate est la suivante :
V
α
(t) = ¯ x
T
α
(t)EP ¯ x
α
(t) +
_
0
−τ
2
_
t
t+θ
˙ x
T
α
(s)R˙ x
α
(s)dsdθ, (3.3.8)
o` u E = diag¦I
n
, 0¦ et P =
_
P
1
0
P
2
P
3
_
, P
1
> 0.
Dans un premier temps, le syst`eme (3.3.4) est pr´esent´e sous une forme polytopique globale, c’est-`a-dire en
comprenant les modifications dues au terme e
ατ(t)
. On a alors :
˙ x
α
(t) =

(i,j)∈I
r
×I
2
¯
λ
ij
(t) ¦(A
0i
+αI
n
)x
α
(t) +β
j
A
1i
x
α
(t −τ(t))¦ ,
o` u
¯
λ
ij
(t) = λ
i
(t)µ
j
(t). On remarque ais´ement que ces fonctions
¯
λ
ij
(t) satisfont `a la conditions de convexit´e :

(i,j)∈I
r
×I
2
¯
λ
ij
(t) = 1, ∀t ≥ 0, et
λ
ij
(t) ≥ 0, ∀(i, j) ∈ I
r
I
2
, ∀t ≥ 0.
(3.3.9)
En utilisant la formule de Leibniz, on transforme le syst`eme en :
˙ x
α
(t) =

(i,j)∈I
r
×I
2
¯
λ
ij
(t)
_
(A
0i
+αI
n

j
A
1i
)x
α
(t) −β
j
A
1i
_
t
t−τ(t)
˙ x
α
(s)de
_
,
Le raisonnement est identique `a la d´emonstration du Th´eor`eme 2.3.2. La fonctionnelle V
α
est bien d´efinie
positive car on remarque que ¯ x
T
α
(t)EP ¯ x
α
(t) = x
T
α
(t)P
1
x
α
(t). Sachant que EP = P
T
E, le calcul de la d´eriv´ee
par rapport au temps de la fonctionnelle (3.3.8) aboutit `a :
˙
V (t) = ¯ x
T
α
(t)Ψ
0
(t)¯ x
α
(t) +η
0
(t) +τ
2
˙ x
T
α
(t)R˙ x
α
(t) −
_
t
t−τ
2
˙ x
T
α
(s)R˙ x
α
(s)ds, (3.3.10)
o` u
Ψ
0
(t) =
2

i∈I
r
,j=1
¯
λ
ij
(t)
_
_
_
P
T
_
0 I
n
Λ
i
−I
n
_
+
_
0 I
n
Λ
i
−I
n
_
T
P
_
_
_
η
0
(t) = −2
2

i∈I
r
,j=1
¯
λ
ij
(t)
_
_
t
t−τ(t)
¯ x
T
α
(t)P
T
_
0
β
j
A
1i
_
˙ x
α
(s)ds
_
.
Sachant que η
0
s’´ecrit sous forme polytopique, il est alors n´ecessaire de d´eterminer une majoration de chacun
des sous-mod`eles du syst`eme.
_
_
R
_
0 β
j
A
T
1i
_
P
∗ Z
ij
_
_
≥ 0, i ∈ I
r
et j = 1, 2.
En combinant (3.3.2) et (3.3.9), on obtient :
η
0
(t) ≤ τ
2
¯ x
T
α
(t)
_

2
i∈I
r
,j=1
¯
λ
ij
(t)Z
ij
_
¯ x
α
(t) +
_
t
t−τ
2
˙ x
T
α
(s)R˙ x
α
(s)ds,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
64 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
avec R et Z
ij
satisfaisant `a (3.3.6b). On en d´eduit une majoration de (3.3.10) :
d
dt
V (t) ≤ ¯ x
T
α
(t)Ψ(t)¯ x
α
(t),
avec
Ψ(t) = Ψ
0
(t) +
_

2
i∈I
r
,j=1
¯
λ
ij
(t)Z
ij
_
+
_
0 0
0 τ
2
R
_
=

2
i∈I
r
,j=1
¯
λ
ij
(t) (Ψ
ij
)
L’ensemble des matrices d´efinies n´egatives ´etant convexe, le syst`eme (3.3.4) est asymptotiquement stable si
chacune des matrices Ψ
ij
est d´efinie n´egative, c’est-`a-dire si les conditions (3.3.1) sont satisfaites. On en d´eduit
alors la convergence exponentielle de degr´e α du syst`eme (3.3.3) vers la solution nulle.
Mod´elisation avec incertitudes param`etriques
La d´ecomposition du terme exponentiel sous la forme
e
ατ(t)
= β
m
+ ∆(t)β
d
(o` u ∆(t) est une fonction r´eelle inconnue, d´ependant de la valeur du retard et v´erifiant [∆(t)[ ≤ 1) conduit au
nouveau r´esultat :
Th´eor`eme 3.3.2 Le syst`eme (3.3.3) est α−stable pour tout retard τ(t) satisfaisant (3.3.2), s’il existe des
matrices de R
n×n
P
1
, R
m
, R
d
, sym´etriques d´efinies positives, des matrices P
2
, P
3
, Z
ij
1
, Z
ij
1
et Z
ij
1
pour tout
i ∈ I
r
et j = 1, 2, telles que les conditions LMI suivantes soient r´ealis´ees :
Ψ
i
< 0, (3.3.11)
et
_
_
R
i
_
0 β
j
A
T
1i
_
P
∗ Z
ij
_
_
≥ 0, i = m, d, (3.3.12)
o` u
P =
_
P
1
0
P
2
P
3
_
Z
ij
=
_
Z
ij
1
Z
ij
2
Z
ijT
2
Z
ij
3
_
et
Ψ
i
= P
T
_
0 I
n
A
0i
+αI
n

m
A
1i
−I
n
_
+
_
0 I
n
A
0i
+αI
n

m
A
1i
−I
n
_
T
P
+
_
R
d
0
0 τ
2
(R
m
+R
d
)
_
+Z
id

2
(Z
im
+Z
id
),
β
m
= (1 +e
ατ
2
)/2, β
d
= (e
ατ
2
−1)/2
D´emonstration.
La formule de Leibniz permet de transformer le terme retard´e en int´egrale de la mani`ere suivante :
˙ x
α
(t) =

i∈I
r
λ
i
(t, x
t
)
_
(A
0i
+αI
n
+ (β
m
+ ∆(t)β
d
)A
1i
)x
α
(t) −(β
m
+ ∆(t)β
d
)A
1i
_
t
t−τ(t)
x
α
(s)ds.
_
(3.3.13)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.3. APPROCHES PAR MOD
`
ELES POLYTOPIQUES 65
On ´ecrit alors le syst`eme (3.3.13) sous la forme descripteur en d´efinissant la variable augment´ee ¯ x
α
= col¦x
α
, ˙ x
α
¦ :
E
˙
¯ x
α
(t) =

i∈I
r
λ
i
(t, x
t
)
__
0 I
n
A
0i
+αI
n

m
A
1i
−I
n
_
¯ x
α
(t) +
_
0
∆(t)β
d
A
1i
_
x
α
(t)

_
0
β
m
A
1i
_
_
t
t−τ(t)
˙ x
α
(s)ds −
_
0
∆(t)β
d
A
1i
_
_
t
t−τ(t)
˙ x
α
(s)ds
_
.
(3.3.14)
On introduit alors la fonctionnelle de Lyapunov-Krasovskii :
V
α
(t) = ¯ x
T
α
(t)EP ¯ x
α
(t) +
_
0
−τ
2
_
t
t+θ
˙ x
T
α
(s)(R
m
+R
d
) ˙ x
α
(s)dsdθ. (3.3.15)
En d´erivant la fonctionnelle (3.3.15) le long des trajectoires du syst`eme (3.3.14), on obtient :
˙
V
α
(t) =

i∈I
r
λ
i
(t, x
t
)
_
¯ x
T
α
(t)
_
P
T
_
0 I
n
A
0i
+αI
n

m
A
1i
−I
n
_
+
_
0 I
n
A
0i
+αI
n

m
A
1i
−I
n
_
T
P
_
_
¯ x
α
(t)
_
_
_

0
(t) +η
1
(t) +η
2
(t)
(3.3.16)
o` u
η
0
(t) = 2

i∈I
r
λ
i
(t, x
t
)
_
¯ x
T
α
(t)P
T
_
0
∆(t)β
d
A
1i
_
x
α
(t)
_
,
η
1
(t) = −2

i∈I
r
λ
i
(t, x
t
)
_
¯ x
T
α
(t)P
T
_
0
β
m
A
1i
_
_
t
t−τ(t)
˙ x
α
(s)ds
_
,
η
2
(t) = −2

i∈I
r
λ
i
(t, x
t
)
_
¯ x
T
α
(t)P
T
_
0
∆(t)β
d
A
1i
_
_
t
t−τ(t)
˙ x
α
(s)ds
_
.
(3.3.17)
Si les in´egalit´es (3.3.12) sont satisfaites, alors il est possible de majorer les fonctions η
k
pour k = 0, 1, 2 dans
(3.3.17) de la fa¸con suivante :
η
0
(t) ≤

i∈I
r
λ
i
(t, x
t
)
_
¯ x
α
(t)
T
Z
id
¯ x
α
(t) +x
T
α
(t)R
d
x
α
(t)
_
,
η
1
(t) ≤ τ
2

i∈I
r
λ
i
(t, x
t
)
_
¯ x
α
(t)
T
Z
im
¯ x
α
(t) +
_
t
t−τ(t)
˙ x
T
α
(s)R
m
˙ x
α
(s)ds
_
,
η
2
(t) ≤

i∈I
r
λ
i
(t, x
t
)
_
¯ x
α
(t)
T
Z
id
¯ x
α
(t) +
_
t
t−τ(t)
˙ x
T
α
(s)R
d
˙ x
α
(s)ds
_
, .
Ainsi, en r´einjectant ces majorations dans (3.3.16), on obtient :
˙
V
α
(t) ≤

i∈I
r
λ
i
(t, x
t
)
_
¯ x
T
α
(t)Ψ
i
¯ x
α
(t)
_
.
Ainsi, si les conditions LMI (3.3.11) et (3.3.12) sont v´erifi´ees, la stabilit´e asymptotique du syst`eme (3.3.4)
et, donc, la stabilit´e exponentielle de (3.3.3) sont d´emontr´ees.
3.3.3 Stabilisation exponentielle de syst`emes polytopiques
Nous allons maintenant revenir `a la stabilisation du syst`eme (3.3.1). Pour cela, nous allons consid´erer une
loi de commande par retour d’´etat de la forme :
u(t) = Kx(t), (3.3.18)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
66 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
o` u K ∈ R
m×n
est le gain matriciel du retour d’´etat que l’on doit d´eterminer pour que le syst`eme en boucle
ferm´ee soit exponentiellement stable avec un degr´e de convergence α garanti. Le syst`eme boucl´e est de la forme :
˙ x(t) =

i∈I
r
λ
i
(t, x
t
) ¦(A
i
+B
i
K)x(t) + (A
τi
+B
τi
K)x(t −τ(t))¦ .
Dans la suite de cette partie, nous allons proposer deux th´eor`emes permettant de construire un tel gain K
en utilisant les approches par mod`eles polytopiques et par mod`ele incertain.
Mod´elisation polytopique
Th´eor`eme 3.3.3 La solution x(t) = 0 du syst`eme (3.3.1) est α-stabilisable avec la loi de commande (3.3.18)
pour tout retard variable τ(t) v´erifiant (3.3.2), s’il existe des matrices de dimension n n sym´etriques d´efinies
positives Q
1
, S, des matrices de dimension n n Q
2
, Q
3
, W
ij
1
, W
ij
2
, W
ij
3
pour i ∈ I
r
et pour j = 1, 2 et une
matrice de dimension m n Y , telles que les conditions LMI suivantes soient satisfaites pour i ∈ I
r
et pour
j = 1, 2 :
_
¸
¸
_
Q
2
+Q
T
2

2
W
ij
11
Φ
ij
12
τ
2
Q
T
2
∗ −(Q
3
+Q
T
3
) +τ
2
W
ij
22
τ
2
Q
T
3
∗ ∗ −τ
2
S
_
¸
¸
_
< 0, (3.3.19)
_
¸
¸
_
2Q
1
−S 0 β
j
(Q
1
A
T
τi
+Y
T
B
T
τi
)
∗ W
ij
1
W
ij
2
∗ ∗ W
ij
3
_
¸
¸
_
≥ 0, (3.3.20)
o` u
Φ
ij
12
= Q
1
(A
i
+αI
n

j
A
τi
)
T
+Y
T
(B
i

j
B
τi
) −Q
T
2
+Q
3

2
W
ij
12
,
et o` u
β
1
= 1, β
2
= e
ατ
2
.
Le gain K du retour d’´etat est alors donn´e par :
K = Y Q
−1
1
.
D´emonstration. La preuve de ce th´eor`eme est bas´ee sur le Th´eor`eme 3.3.1 et utilise la m´ethode propos´ee
dans le Th´eor`eme 2.3.12. La d´emonstration consiste `a appliquer `a chacun des sous-mod`eles les conditions LMI
de stabilisation du Th´eor`eme 2.3.12 pr´esent´e au chapitre pr´ec´edent.
Mod´elisation avec incertitudes param`etriques
Th´eor`eme 3.3.4 La solution x(t) = 0 du syst`eme (3.3.1) est α-stabilisable avec la loi de commande (3.3.18)
pour tout retard variable τ(t) v´erifiant (3.3.2) s’il existe des matrices de dimension n n sym´etriques d´efinies
positives Q
1
, S
m
et S
0
, des matrices de dimension n n Q
2
,Q
3
, W
ij
1
, W
ij
3
et W
ij
3
pour i ∈ I
r
et j = m, d et
Y une matrice de dimension mn, satisfaisant aux conditions LMI suivantes pour i ∈ I
r
et pour j = m, d :
_
¸
¸
¸
¸
¸
¸
¸
_
Ψ
i
11
Ψ
i
12
Q
1
τ
2
Q
T
2
τ
2
Q
T
2
∗ Ψ
i
22
0 τ
2
Q
T
3
τ
2
Q
T
3
∗ ∗ −S
d
0 0
∗ ∗ ∗ −τ
2
S
m
0
∗ ∗ ∗ ∗ −τ
2
S
d
_
¸
¸
¸
¸
¸
¸
¸
_
< 0, (3.3.21)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.3. APPROCHES PAR MOD
`
ELES POLYTOPIQUES 67
et
_
¸
¸
_
2Q
1
−S
j
0 β
j
(Q
1
A
T

+Y
T
B
T

)
∗ W
ij
1
W
ij
2
∗ ∗ W
ij
3
_
¸
¸
_
≥ 0, (3.3.22)
o` u
Ψ
i
11
= Q
2
+Q
T
2

2
W
im
1
+ (1 +τ
2
)W
id
1
,
Ψ
i
12
= Q
1
(A
i
+αI
n

m
A

)
T
+Y
T
(B
i

m
B

)
T
−Q
T
2
+Q
3

2
W
im
2
+ (1 +τ
2
)W
id
2
,
Ψ
i
22
= −(Q
3
+Q
T
3
) +τ
2
W
im
3
+ (1 +τ
2
)W
id
3
,
et
β
m
= (1 +e
ατ
2
)/2, β
d
= (e
ατ
2
−1)/2.
Le gain du retour d’´etat est alors donn´e par :
K = Y Q
−1
.
D´emonstration. Les techniques utilis´ees dans la d´emonstration sont similaires `a celle du Th´eor`eme 3.3.3
et du Th´eor`eme 2.3.12
3.3.4 Exemple
Prenons le syst`eme polytopique (3.3.1) dans le cas r = 2
:
A
1
=
_
−1.9 1
0 1.1
_
, A
τ1
=
_
−0.1 0.1
−0.9 .65
_
, B
1
=
_
1.1 0
0 1.1
_
, B
τ1
=
_
0 0
0 0.1
_
,
A
2
=
_
−2.1 1
0 0.9
_
, A
τ2
=
_
−0.3 0.1
−0.9 .45
_
, B
2
=
_
0.9 0
0 0.9
_
, B
τ2
=
_
0 0
0 0.1
_
,
Le Tableau 3.1 expose les r´esultats de la r´esolution des conditions LMI des Th´eor`emes 3.3.3 et 3.3.4.
α 0 0.5 1 1.5 2 2.5 3 4
Th 3.3.3 4.999 1.917 1.326 1.044 0.872 0.755 0.669 0.551
Th 3.3.4 2.221 1.443 1.102 0.905 0.744 0.680 0.609 0.507
Tab. 3.1 –
On voit bien que les r´esultats du Th´eor`eme 3.3.3, qui utilise l’approche par mod`eles polytopiques, sont une
nouvelle fois moins conservatifs que ceux du Th´eor`eme 3.3.4.
Le Th´eor`eme 3.3.3 garanti pour pour α = 2 le syst`eme est α− stabilisable pour tout retard major´e par
0.872s. Le gain de retour d’´etat est alors K =
_
−0.5171 −1.5918
4.9995 −3.5004
_
.
3.3.5 Conclusion
Dans cette premi`ere partie sur la robustesse par rapport aux param`etres, nous avons propos´e plusieurs
crit`eres de stabilit´e et de stabilisation exponentielles des syst`emes soumis `a un retard variable et major´es. Ces
crit`eres sont adaptables aux cas des retards multiples et des retards born´es en utilisant les approches propos´ees
dans le Chapitre 2.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
68 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
3.4 Stabilisation exponentielle robuste
3.4.1 Pr´esentation du probl`eme
Dans cette partie, nous allons nous focaliser sur les syst`emes non lin´eaires `a un retard variable qui se mettent
sous la forme :
˙ x(t) = (A+ ∆A(t, x
t
))x(t) + (A
τ
+ ∆A
τ
(t, x
t
))x(t −τ(t))
+(B + ∆B(t, x
t
))u(t) +B
τ
u(t −τ(t)).
(3.4.1)
Les incertitudes param´etriques ont les structures suivantes :
∆A(t, x
t
) = H∆(t)E, ∆A
τ
(t, x
t
) = H
τ
∆(t)E
τ
, ∆B(t, x
t
) = H∆(t)D, (3.4.2)
o` u la matrice contenant les incertitudes ∆(t) ∈ R
q×p
est telle que :
∀t, ∆
T
(t)∆(t) ≤ I
p
. (3.4.3)
Le vecteur x(t) ∈ R
n
repr´esente le vecteur d’´etat, u(t) ∈ R
m
est le vecteur de commande et τ(t) repr´esente
le retard variant dans le temps et v´erifiant les in´egalit´es
0 ≤ τ(t) ≤ τ
2
, ∀t ≥ 0. (3.4.4)
Les matrices A, A
τ
, E, E
τ
, H, H
τ
R
n×n
et B, B
τ
, D sont suppos´ees constantes et de dimensions appropri´ees.
L’objectif de cette section est de d´eterminer un gain K du retour d’´etat
u(t) = Kx(t), (3.4.5)
qui stabilise exponentiellement le syst`eme (3.4.1).
Nous pr´esenterons successivement le probl`eme de la stabilit´e puis de la stabilisation du syst`eme en boucle
ferm´ee (3.4.1) avec la loi de commande (3.4.5). Dans la r´esolution de chacun de ces deux probl`emes nous
proposerons des r´esultats utilisant les approches polytopique et par mod`ele incertain pr´esent´ees dans le chapitre
pr´ec´edent.
Remarque 3.4.1 Contrairement `a la partie 3.3, la matrice B
τ
du syst`eme (3.4.1) est suppos´ee constante.
3.4.2 Stabilit´e exponentielle de syst`emes soumis `a des incertitudes
Premi`erement, nous allons nous int´eresser au probl`eme de la stabilit´e du syst`eme sans commande. Pour cela,
nous allons nous focaliser sur les syst`emes `a retard variable et avec des incertitudes param´etriques r´egis par des
´equations de la forme :
˙ x(t) = (A
0
+H
0
∆(t, x
t
)E
0
)x(t) + (A
1
+H
1
∆(t, x
t
)E
1
)x(t −τ(t)). (3.4.6)
o` u
∆A
0
(t) = H
0
∆(t, x
t
)E
0
, ∆A
1
(t) = H
1
∆(t, x
t
)E
1
. (3.4.7)
Dans ce paragraphe, nous allons donner des conditions de stabilit´e exponentielle avec un taux de d´ecroissance
exponentielle α garanti. Par d´efinition, la stabilit´e exponentielle de la solution nulle de (3.4.6) est ´equivalente `a
l’existence d’un nombre positif α > 0 tel que e
αt
x(t; t
0
, x
0
) converge asymptotiquement vers la solution nulle. Il
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 69
est ainsi naturel d’introduire la nouvelle variable x
α
(t) = e
αt
x(t). On en d´eduit le nouveau syst`eme d´ecrit par
les ´equations diff´erentielles :
˙ x
α
(t) = (A
0
+αI
n
+H
0
∆(t, x
t
)E
0
)x
α
(t) +e
ατ(t)
(A
1
+H
1
∆(t, x
t
)E
1
)x
α
(t −τ(t)), (3.4.8)
et comme dans le chapire 2, la stabilit´e asymptotique du syst`eme d´ecrit par l’´equation (3.4.8) pour un α > 0
implique l’α-stabilit´e du syst`eme initial (3.4.6).
Mod´elisation polytopique
En utilisant une repr´esentation polytopique du terme exponentiel e
ατ(t)
, on obtient le th´eor`eme suivant :
Th´eor`eme 3.4.2 [130] La solution x(t) = 0 du syst`eme (3.4.6) est α-stable pour tout retard variable τ(t)
v´erifiant (3.4.4), s’il existe des matrices sym´etriques d´efinies positives de dimension n n, P
1
et R > 0, des
matrices de dimension nn, P
2
, P
3
, et des r´eels positifs δ
0
and δ
1
telles que les in´egalit´es matricielles suivantes
soient satisfaites pour i = 1, 2 :
Γ
i
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Γ
i
11
τ
2
P
T
_
0
A
1
β
i
_
δ
0
P
T
_
0
H
0
_
δ
1
P
T
_
0
H
1
_ _
E
T
0
0
_ _
E
T
1
β
i
0
_ _
0
τ
2
β
2
E
T
1
_
∗ −τ
2
R 0 0 0 0 0
∗ ∗ −δ
0
I
q
0 0 0 0
∗ ∗ ∗ −
δ
1
(1+τ
2
)
I
q
0 0 0
∗ ∗ ∗ ∗ −δ
0
I
p
0 0
∗ ∗ ∗ ∗ ∗ −δ
1
I
p
0
∗ ∗ ∗ ∗ ∗ ∗ −δ
1
τ
2
I
p
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0,
(3.4.9)
o` u
Γ
i
11
=
_
0 I
n
/
i
−I
n
_
T
P +P
T
_
0 I
n
/
i
−I
n
_
+
_
0 0
0 τ
2
R
_
, (3.4.10)
et o` u
P =
_
P
1
0
P
2
P
3
_
et
β
1
= 1, β
2
= e
ατ
2
,
/
i
= A
0
+αI
n

i
A
1
.
(3.4.11)
D´emonstration. La principale difficult´e provient du terme e
ατ(t)
du syst`eme transform´e (3.4.8). Comme
dans le chapitre pr´ec´edent, nous proposons une mod´elisation polytopique de ce terme variant en utilisant ces
bornes (3.4.4) afin d’exprimer le syst`eme (3.4.8) comme une somme pond´er´ee de syst`emes lin´eaires `a coefficients
constants. On obtient alors :
e
ατ(t)
= λ
1
(t)β
1

2
(t)β
2
,
o` u les fonctions scalaires λ
i
(t) d´ependent de la valeur du retard τ(t) et v´erifient les conditions de convexit´e
suivantes :
λ
1
(t), λ
2
(t) ≥ 0 et λ
1
(t) +λ
2
(t) = 1.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
70 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
En utilisant cette approche, l’´equation du syst`eme (3.4.8) devient :
˙ x
α
(t) = (A
0
+αI
n
+H
0
∆(t, x
t
)E
0
)x
α
(t) +
2

i=1
λ
i
(t)(A
1

i
H
1
∆(t, x
t
)E
1
(t))x
α
(t −τ(t)) (3.4.12)
Afin d’analyser la stabilit´e du syst`eme (3.4.12), On ´ecrit le syst`eme sous sa forme descripteur :
E
˙
¯ x
α
(t) =
_
0 I
n

2
i=1
λ
i
(t)[/
i
+H
0
∆(t, x
t
)E
0

i
H
1
∆(t, x
t
)E
1
] −I
n
_
¯ x
α
(t)

_
0

2
i=1
λ
i
(t)(A
1

i
H
1
∆(t, x
t
)E
1
)
_
_
t
t−τ
˙ x
α
(s)ds
avec ¯ x
α
(t) = col¦x
α
(t), ˙ x
α
(t)¦, E = diag¦I
n
, 0¦.
Soit la fonctionnelle V d´efinie par
V (t) = ¯ x
T
α
(t)EP ¯ x
α
(t) +
_
0
−τ
2
_
t
t+θ
˙ x
T
α
(s)(R +δ
−1
1
e
2ατ
2
E
T
1
E
1
) ˙ x
α
(s)dsdθ,
o` u P =
_
P
1
0
P
2
P
3
_
, P
1
> 0.
La fonctionnelle V (t) est d´efinie positive puisque ¯ x
T
α
(t)EP ¯ x
α
(t)¦ = 2x
T
α
(t)P
1
x
α
(t), ainsi. De plus, comme
EP = P
T
E, on obtient l’expression de la d´eriv´ee temporelle de V (t) :
˙
V (t) = ¯ x
T
α
(t)Ψ
0
(t)¯ x
α
(t) +η
0
(t) +η
1
(t) +η
2
(t) +η
3
(t)

2
˙ x
T
α
(t)(R +δ
−1
1
e
2ατ
2
E
T
1
E
1
) ˙ x
α
(t) −
_
t
t−τ
2
˙ x
T
α
(s)(R +δ
−1
1
e
2ατ
2
E
T
1
E
1
) ˙ x
α
(s)ds,
o` u
Ψ
0
(t) = P
T
_
0 I
n

2
i=1
λ
i
(t)/
i
−I
n
_
+
_
0 I
n

2
i=1
λ
i
(t)/
i
−I
n
_
T
P,
η
0
(t) = −2
_
t
t−τ(t)
¯ x
T
α
(t)P
T
_
0
e
ατ(t)
A
1
_
˙ x
α
(s)ds,
η
1
(t) = 2¯ x
T
α
(t)P
T
_
0
H
0
_
∆(t)E
0
x
α
(t),
η
2
(t) = 2¯ x
T
α
(t)P
T
_
0
H
1
_
e
ατ(t)
∆(t)E
1
x
α
(t),
η
3
(t) = 2
_
t
t−τ(t)
¯ x
T
α
(t)P
T
_
0
H
1
_
∆(t)e
ατ(t)
E
1
˙ x
α
(s)ds.
En appliquant la majoration classique qui, pour toute matrice R ∈ R
n×n
d´efinie positive et pour tous
vecteurs a et b de R
n
, on obtient :
±2a
T
b ≤ a
T
R
−1
a +b
T
Rb,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 71
qui associ´ee aux in´egalit´es (3.4.3) et (3.4.4) conduit aux in´egalit´es suivantes :
η
0
(t) ≤ τ
2
¯ x
T
α
(t)P
T
_
0
¯
A
1
(t)
_
R
−1
_
0
¯
A
1
(t)
_
T
P ¯ x
α
(t) +
_
t
t−τ
2
˙ x
T
α
(s)R˙ x
α
(s)ds,
η
1
(t) ≤ δ
0
¯ x
T
α
(t)P
T
_
0
H
0
_
_
0 H
0
_
P ¯ z(t) +δ
−1
0
x
T
α
(t)E
0
T
E
0
x
α
(t),
η
2
(t) ≤ δ
1
¯ x
T
α
(t)P
T
_
0
H
1
_
_
0 H
1
_
P ¯ x
α
(t) +δ
−1
1
x
T
α
(t)
¯
E
T
1
(t)
¯
E
1
(t)x
α
(t),
η
3
(t) ≤ τ
2
δ
1
¯ x
T
α
(t)P
T
_
0
H
1
_
_
0 H
1
_
P ¯ x
α
(t) +δ
−1
1
_
t
t−τ
2
˙ x
T
α
(s)
¯
E
T
1
(t)
¯
E
1
(t) ˙ x
α
(s)ds,
o` u δ
0
, δ
1
sont deux r´eels positifs et o` u
¯
A
1
(t) = e
ατ(t)
A
1
et
¯
E
1
(t) = e
ατ(t)
E
1
.
En combinant ces in´egalit´es dans l’expression de
˙
V , on en d´eduit :
d
dt
V (t) ≤ ¯ x
T
α
(t)
_
6

i=0
Ψ
i
(t)
_
¯ x
α
(t),
avec
Ψ
1
(t) = diag(0, τ
2
R) + Ψ
0
(t),
Ψ
2
(t) = τ
2
P
T
_
0
¯
A
1
(t)
_
R
−1
_
0
¯
A
1
(t)
_
T
P,
Ψ
3
(t) = δ
−1
0
P
T
_
0
H
0
__
0
H
0
_
T
P,
Ψ
4
(t) = δ
−1
1
(1 +τ
2
)P
T
_
0
H
1
__
0
H
1
_
T
P,
Ψ
5
(t) =
_
δ
0
E
T
0
E
0
0
0 0
_
,
Ψ
6
(t) =
_
δ
1
¯
E
T
1
(t)
¯
E
1
(t) 0
0 τ
2
δ
1
E
T
1
E
1
e
2ατ
2
_
.
Le syst`eme (3.4.12) est donc asymptotiquement stable si
¯
Γ(t) est d´efinie n´egative. Avec le compl´ement de
Schur, ceci est ´equivalent `a :
λ
1
(t)Γ
1

2
(t)Γ
2
< 0,
L’ensemble des matrices d´efinies n´egatives ´etant convexe, si les matrices Γ
i
sont d´efinies n´egatives, alors Γ(t)
l’est aussi. Le syst`eme (3.4.12) est asymptotiquement stable car V (t) est alors une fonctionnelle de Lyapunov-
Krasovskii. Par cons´equent, le syst`eme (3.4.6) est exponentiellement stable avec un degr´e de convergence α.
Remarque 3.4.3 Le Th´eor`eme 3.4.2 est un exemple de conditions de stabilit´e exponentielle. En utilisant des
raisonnements similaires `a ceux du chapitre pr´ec´edent, il est possible d’´etablir d’autres conditions de stabilit´e
qui utilisent l’approche par mod`eles polytopiques.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
72 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
Mod´elisation avec incertitudes param`etriques
En utilisant un mod´elisation par mod`ele incertain du terme exponentiel e
ατ(t)
, on obtient le th´eor`eme
suivant :
Th´eor`eme 3.4.4 La solution x(t) = 0 du syst`eme (3.4.6) est α−stable pour tout retard τ(t) satisfaisant (3.4.4),
s’il existe deux nombres r´eels positifs δ
0
et δ
1
, des matrices de R
n×n
sym´etriques d´efinies positives P
1
, R
m
, R
d
,
des matrices de R
n×n
P
2
, P
3
, Z
i
1
, Z
i
2
et Z
i
3
pour i = m, d, telles que les in´egalit´es matricielles suivantes soient
r´ealis´ees :
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Ψ
1
δ
0
P
T
_
0
H
0
_

1
(1 +τ
2
)P
T
_
0
H
1
_ _
E
T
0
0
_

2
m

2
d
)
_
E
T
1
0
_

2
m

2
d
)
_
0
E
T
1
_
∗ −δ
0
I
n
0 0 0 0
∗ ∗ −2δ
1
(1 +τ
2
)I
n
0 0 0
∗ ∗ ∗ −δ
0
I
n
0 0
∗ ∗ ∗ ∗ δ
1

2
m

2
d
)I
n
0
∗ ∗ ∗ ∗ ∗ δ
1

2
m

2
d
)I
n
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0,
(3.4.13)
et
_
_
R
i
_
0 β
i
A
T
1
_
P
∗ Z
i
_
_
≥ 0, i = m, d, (3.4.14)
o` u
P =
_
P
1
0
P
2
P
3
_
Z
i
=
_
Z
i
1
Z
i
2
Z
iT
2
Z
i
3
_
et o` u
Ψ
1
= P
T
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
+
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
T
P
+
_
R
d
0
0 τ
2
(R
m
+R
d
)
_
+Z
d

2
(Z
m
+Z
d
),
β
m
= (1 +e
ατ
2
)/2, β
d
= (e
ατ
2
−1)/2.
(3.4.15)
D´emonstration. On ´ecrit alors le syst`eme (3.4.8) sous la forme du mod`ele descripteur en ´ecrivant e
ατ(t)
=
β
m
+ Λ(t)β
d
o` u Λ(t) est une fonction scalaire inconnue v´erifiant la condition [Λ(t)[ ≤ 1 :
E
˙
¯ x
α
(t) =
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
¯ x
α
(t) +
__
0
Λ(t)β
d
A
1
_
+
_
0
∆A
0
(t)
_
+
_
0
β
m
∆A
1
(t)
_
+
_
0
Λ(t)β
d
∆A
1
(t)
__
x
α
(t) −
__
0
β
m
A
1
_
+
_
0
Λ(t)β
d
A
1
_
+
_
0
β
m
∆A
1
(t)
_
+
_
0
Λ(t)β
d
∆A
1
(t)
__
_
t
t−τ(t)
˙ x
α
(s)ds.
Consid´erons la fonctionnelle de Lyapunov-Krasovskii :
V
α
(t) = V
α
1
(t) +V
α
2
(t),
V
α
1
(t) = ¯ x
T
α
(t)EP ¯ x
α
(t) +
_
0
−τ
2
_
t
t+θ
˙ x
T
α
(s)(R
m
+R
d
) ˙ x
α
(s)dsdθ,
V
α
2
(t) = 2δ
−1
1

2
M

2
d
)
_
0
−τ
2
_
t
t+θ
˙ x
T
α
(s)E
T
1
E
1
˙ x
α
(s)dsdθ.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 73
La premi`ere partie de V
α
(t) permet de tester la stabilit´e exponentielle du syst`eme nominal, c’est-`a-dire
sans prendre en compte les perturbations param´etriques du syst`eme (3.4.8) (en d’autres termes ∆A
0
= ∆A
1
=
∆B
1
= 0). Dans ce cas, le Th´eor`eme 2.3.4 permet d’´ecrire l’in´egalit´e suivante :
˙
V
α
1
(t) ≤ ¯ x
T
α
(t)Ψ
1
¯ x
α
(t).
La seconde partie permet quant `a elle de “‘contrˆoler” la robustesse de la stabilit´e par rapport `a ces pertur-
bations. On obtient alors l’in´egalit´e suivante :
˙
V
α
(t) ≤ ¯ x
T
α
(t)Ψ
1
¯ x
α
(t) + 2¯ x
T
α
(t)P
T
__
0
∆A
0
(t)
_
+
_
0
β
m
∆A
1
(t)
_
+
_
0
Λ(t)β
d
∆A
1
(t)
__
x
α
(t)
−2¯ x
T
α
(t)P
T
__
0
β
m
∆A
1
(t)
_
+
_
0
Λ(t)β
d
∆A
1
(t)
__
_
t
t−τ(t)
˙ x
α
(s)ds
+2δ
−1
1

2
M

2
d
) ˙ x
T
α
(t)E
T
1
E
1
˙ x
α
(t) −2δ
−1
1

2
M

2
d
)
_
t
t−τ
2
˙ x
T
α
(s)E
T
1
E
1
˙ x
α
(s)ds.
(3.4.16)
En revenant aux d´efinitions des matrices de perturbations (3.4.7) et le fait que ∆
T
(t)∆(t) ≤ I
n
, la majoration
matricielle classique permet d’obtenir pour les trois premiers termes de (3.4.16) les in´egalit´es suivantes :
2¯ x
T
α
(t)P
T
_
0
H
0
∆(t)E
0
_
x
α
(t) ≤ ¯ x
T
α
(t)P
T
_
0
H
0
_
δ
0
I
n
_
0
H
0
_
T
P ¯ x
α
(t) +x
T
α
(t)E
T
0
δ
−1
0
E
0
x
α
(t),
2¯ x
T
α
(t)P
T
_
0
β
m
H
1
∆(t)E
1
_
x
α
(t) ≤ ¯ x
T
α
(t)P
T
_
0
H
1
_
δ
1
I
n
_
0
H
1
_
T
P ¯ x
α
(t) +δ
−1
1
β
2
m
x
T
α
(t)E
T
1
E
1
x
α
(t),
2¯ x
T
α
(t)P
T
_
0
β
d
Λ(t)H
1
∆(t)E
1
_
x
α
(t) ≤ ¯ x
T
α
(t)P
T
_
0
H
1
_
δ
1
I
n
_
0
H
1
_
T
P ¯ x
α
(t) +δ
−1
1
β
2
d
x
T
α
(t)E
T
1
E
1
x
α
(t).
De mˆeme, pour les termes retard´es de (3.4.17), on obtient les majorations :
−2¯ x
T
α
(t)P
T
_
0
β
m
H
1
∆(t)E
1
_
˙ x
α
(s) ≤ ¯ x
T
α
(t)P
T
_
0
H
1
_
δ
1
I
n
_
0
H
1
_
T
P ¯ x
α
(t) +δ
−1
1
β
2
m
˙ x
T
α
(s)E
T
1
E
1
˙ x
α
(s),
−2¯ x
T
α
(t)P
T
_
0
β
d
Λ(t)H
1
∆(t)E
1
_
˙ x
α
(s) ≤ ¯ x
T
α
(t)P
T
_
0
H
1
_
δ
1
I
n
_
0
H
1
_
T
P ¯ x
α
(t) +δ
−1
1
β
2
d
˙ x
T
α
(s)E
T
1
E
1
˙ x
α
(s).
En int´egrant par rapport `a la variable s de t −τ(t) `a t, et en utilisant le fait que le retard τ(t) est born´e par
τ
2
, on obtient :
−2¯ x
T
α
(t)P
T
_
0
β
m
H
1
∆(t)E
1
_
_
t
t−τ(t)
˙ x
α
(s)ds ≤ τ
2
¯ x
T
α
(t)P
T
_
0
H
1
_
δ
1
I
n
_
0
H
1
_
T
P ¯ x
α
(t)

−1
1
β
2
m
_
t
t−τ
2
˙ x
T
α
(s)E
T
1
E
1
˙ x
α
(s)ds,
−2¯ x
T
α
(t)P
T
_
0
β
d
Λ(t)H
1
∆(t)E
1
_
_
t
t−τ(t)
˙ x
α
(s)ds ≤ τ
2
¯ x
T
α
(t)P
T
_
0
H
1
_
δ
1
I
n
_
0
H
1
_
T
P ¯ x
α
(t)

−1
1
β
2
d
_
t
t−τ
2
˙ x
T
α
(s)E
T
1
E
1
˙ x
α
(s)ds.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
74 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
En r´einjectant ces majorations dans l’in´egalit´e (3.4.17), on d´eduit alors la majoration suivante :
˙
V
α
(t) ≤ ¯ x
T
α
(t)Ψ
1
¯ x
α
(t)¯ x
α
(t) + ¯ x
T
α
(t)P
T
_
0
H
0
_
δ
0
I
n
_
0
H
0
_
T
P ¯ x
α
(t) +x
T
α
(t)E
T
0
δ
−1
0
E
0
x
α
(t)
+¯ x
T
α
(t)P
T
_
0
H
1
_
δ
1
(1 +τ
2
)I
n
_
0
H
1
_
T
P ¯ x
α
(t) +δ
−1
1

2
m

2
d
)x
T
α
(t)E
T
1
E
1
x
α
(t)

−1
1

2
m

2
d
)
_
t
t−τ
2
˙ x
T
α
(s)E
T
1
E
1
˙ x
α
(s)ds +δ
−1
1

2
m

2
d
) ˙ x
T
α
(t)E
T
1
E
1
˙ x
α
(t)
−δ
−1
1

2
m

2
d
)
_
t
t−τ
2
˙ x
T
α
(s)E
T
1
E
1
˙ x
α
(s)ds.,
(3.4.17)
qui, en appliquant le compl´ement de Schur de mani`ere ad´equate, permettent de retrouver la condition (3.4.13).
Ainsi, si les conditions (3.4.13) et (3.4.14) sont v´erifi´ees, alors la stabilit´e asymptotique du syst`eme (3.4.8) et la
stabilit´e exponentielle de (3.4.6) pour α > 0 sont d´emontr´ees.
Remarque 3.4.5 Il est possible de donner d’autres th´eor`emes en utilisant des raisonnements similaires `a ceux
pr´esent´es au chapitre pr´ec´edents.
Remarque 3.4.6 Il est aussi possible d’´etendre ces r´esultats aux cas des syst`emes `a retards multiples ou `a
retards bi-born´ee.
3.4.3 Application `a la stabilisation exponentielle
Nous allons maintenant revenir au probl`eme de la stabilisation. On cherche `a d´eterminer un gain K de
retour d’´etat (3.4.5) tel que le syst`eme en boucle ferm´ee (3.4.1) soit exponentiellement stable avec un taux de
convergence garanti. Le syst`eme (3.4.1) avec la commande (3.4.5) s’´ecrit alors :
˙ x(t) = (A+BK + ∆A(t) + ∆B(t)K)x(t) + (A
τ
+B
τ
K + ∆A
τ
(t))x(t −τ(t)) (3.4.18)
Mod´elisation polytopique
Le th´eor`eme suivant utilise le Th´eor`eme de stabilit´e exponentielle 3.4.2
Th´eor`eme 3.4.7 [130] La loi de commande par retour d’´etat (3.4.5) stabilise exponentiellement, avec un degr´e
de convergence α, la solution x(t) = 0 du syst`eme (3.4.1), avec un degr´e de convergence α, pour tout retard τ(t)
satisfaisant (3.4.4) s’il existe une matrice sym´etrique d´efinie positive, de dimension n n, Q
1
et des matrices,
de dimension n n, Q
2
et Q
3
de dimension n n, Y de dimension mn et trois r´eels positifs ε, δ
0
et δ
1
qui
satisfont aux in´egalit´es matricielles :
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Q
2
+Q
T
2
Ψ
i
12
0 τ
2
Q
T
2
0 0 Q
1
E
T
+Y
T
D
T
Q
1
E
T
τ
β
i
Q
T
3
E
T
τ
β
2
∗ −Q
3
−Q
T
3
Ψ
i
23
τ
2
Q
T
3
δ
0
H
0
δ
1
H
1
0 0 0
∗ ∗ −τ
2
εQ
1
0 0 0 0 0 0
∗ ∗ ∗ −τ
2
εQ
1
0 0 0 0 0
∗ ∗ ∗ ∗ −δ
0
I
n
0 0 0 0
∗ ∗ ∗ ∗ ∗ −
δ
1
1+τ
2
I
n
0 0 0
∗ ∗ ∗ ∗ ∗ ∗ −δ
0
I
n
0 0
∗ ∗ ∗ ∗ ∗ ∗ ∗ −δ
1
I
n
0
∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ −δ
1
τ
2
I
n
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0,
(3.4.19)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 75
pour i = 1, 2 et o` u
Ψ
i
12
= Q
T
1
/
i
+Y
T
(B +B
τ
β
i
)
T
−Q
T
2
+Q
3
,
Ψ
i
23
= τ
2
εβ
i
(A
1
.Q
1
+B
1
Y ), (3.4.20)
β
1
= 1, β
2
= e
ατ
2
, /
i
= A
0
+αI
n

i
A
1
. (3.4.21)
Le gain du retour d’´etat est alors donn´e par :
K = Y Q
−1
1
. (3.4.22)
D´emonstration. La preuve de ce th´eor`eme vient des conditions de stabilit´e exponentielle du Th´eor`eme 3.4.2.
Dans un premier temps, on d´efinit les matrices A
0
= A + BK, A
1
= A
τ
+ B
τ
K, ∆A
0
(t) = ∆A(t) + ∆B(t)K
et ∆A
1
(t) = ∆A
τ
(t). Le syst`eme boucl´e (3.4.18) est α−stable s’il v´erifie les conditions LMI du Th´eor`eme 3.4.2
pour les matrices A
0
, A
1
, ∆A
0
(t) et ∆A
1
(t) pr´ec´edemment d´efinies. On d´eveloppe alors le terme diag(τ
2
R, 0),
pr´esent dans le bloc (2, 2) de la LMI (3.4.9), de la mani`ere suivante :
_
0
τ
2
I
n
_
_
1
τ
2
R
_
_
0
τ
2
I
n
_
T
.
Concernant la deuxi`eme colonne, on l’´ecrit de la mani`ere suivante (application directe du compl´ement de
Schur) :
Φ
i
12
= τ
2
P
T
_
0
A
1
β
i
R
−1
_
,
Φ
i
22
= −τ
2
R
−1
,
En supposant alors que P
1
et (P
T
3
+P
3
) sont des matrices sym´etriques d´efinies positives ((P
T
3
+P
3
) est, au
signe pr`es, la composante d’un bloc diagonal de (3.4.9)), la matrice P est alors non singuli`ere. On d´efinit les
matrices Q, l’inverse de la matrice P, et M de la mani`ere suivante :
P
−1
= Q =
_
Q
1
0
Q
2
Q
3
_
et M = diag¦Q, I
7n
¦.
Pour terminer la d´emonstration, on multiplie les conditions LMI d´evelopp´ees par M
T
`a gauche et par M `a
droite. On impose la condition liante R
−1
= Q
1
ε o` u ε est un r´eel positif, et enfin, en revenant `a la d´efinition
des matrices A
0
, A
1
, ∆A
0
(t) et ∆A
1
(t) en fonction des matrices de (3.4.1), on pose Y = KQ
1
.
La stabilit´e exponentielle, avec un degr´e de convergence α > 0, du syst`eme (3.4.1) avec la loi de commande
par retour d’´etat (3.4.5) de gain K = Y Q
−1
1
est alors garantie si les conditions LMI (3.4.19) sont satisfaites.
Mod´elisation avec incertitudes param`etriques
Th´eor`eme 3.4.8 La solution x(t) = 0 du syst`eme (3.4.1) est α-stabilisable pour tout retard variable τ(t)
v´erifiant (3.4.4) s’il existe des nombres r´eels positifs , δ
0
et δ
1
, des matrices sym´etriques d´efinies positives de
dimension n n, Q
1
> 0, S
i
> 0 Q
2
, Q
3
, W
i
1
, W
i
2
, W
i
3
et Y une matrice de dimension n m satisfaisant les
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
76 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
in´egalit´es matricielles suivantes pour i = m, d :
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Φ
11
Φ
12
τ
2
Q
T
2
τ
2
Q
T
2
0 0 Φ
16
ηQ
1
E
T
1
ηQ
T
2
E
T
1
∗ Φ
22
τ
2
Q
T
3
τ
2
Q
T
3
δ
0
H
0
H
1
0 0 ηQ
T
3
E
T
1
∗ ∗ τ
2
S
m
0 0 0 0 0 0
∗ ∗ ∗ τ
2
S
d
0 0 0 0 0
∗ ∗ ∗ ∗ −δ
0
I
n
0 0 0 0
∗ ∗ ∗ ∗ ∗ −I
n
0 0 0
∗ ∗ ∗ ∗ ∗ ∗ −δ
0
I
n
0 0
∗ ∗ ∗ ∗ ∗ ∗ ∗ ηδ
1
I
n
0
∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ ηδ
1
I
n
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0, (3.4.23)
et
_
_
2Q
1
−S
i
_
0 β
i
(Q
1
A
T
τ
+Y
T
B
T
τ
)
_
∗ W
i
_
_
≥ 0, i = m, d, (3.4.24)
o` u
Φ
11
= Q
2
+Q
T
2
+ 2Q
1
−S
d

2
W
1m
+ (1 +τ
2
)W
1d
,
Φ
12
= αQ
1
+Q
1
A
T
+Y
T
B
T

m
(Q
1
A
T
τ
+Y
T
B
T
τ
) −Q
T
2
+Q
3

2
W
2m
+ (1 +τ
2
)W
2d
,
Φ
22
= −Q
3
−Q
T
3

2
W
3m
+ (1 +τ
2
)W
3d
,
Φ
16
= Q
1
E
T
+Y
T
D
T
0
,
(3.4.25)
et o` u = 2δ
1
(1 +τ
2
) et η = (β
2
m

2
d
)
D´emonstration. On d´eveloppe alors les termes diag(τ
2
R
m
, 0) et diag(τ
2
R
d
, 0) pr´esents dans Ψ
1
(3.4.15),
de la mani`ere suivante pour i = m, d :
_
0
τ
2
I
n
_
_
1
τ
2
R
i
_
_
0
τ
2
I
n
_
T
.
En supposant alors que les matrices P
1
et (P
T
3
+P
3
) sont sym´etriques d´efinies positives ((P
T
3
+P
3
) est, au
signe pr`es, la composante d’un bloc diagonal de (3.4.13)), la matrice P est alors non singuli`ere. On d´efinit les
matrices Q, l’inverse de la matrice P et M de la mani`ere suivante :
P
−1
= Q =
_
Q
1
0
Q
2
Q
3
_
et M = diag¦Q, I
8n
¦.
On multiplie alors la condition (3.4.13) transform´e par M
T
`a gauche et par M `a droite, on obtient :
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Φ
n
_
τ
2
Q
T
2
τ
2
Q
T
3
_ _
τ
2
Q
T
2
τ
2
Q
T
3
_ _
0
δ
0
H
0
_ _
0
H
1
_ _
Q
1
E
T
0
0
_ _
ηQ
1
E
T
1
0
_ _
ηQ
T
2
E
T
1
ηQ
T
3
E
T
1
_
∗ τ
2
R
−1
m
0 0 0 0 0 0
∗ ∗ τ
2
R
−1
d
0 0 0 0 0
∗ ∗ ∗ −δ
0
I
n
0 0 0 0
∗ ∗ ∗ ∗ −I
n
0 0 0
∗ ∗ ∗ ∗ ∗ −δ
0
I
n
0 0
∗ ∗ ∗ ∗ ∗ ∗ δ
1
ηI
n
0
∗ ∗ ∗ ∗ ∗ ∗ ∗ δ
1
ηI
n
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 77
o` u
Φ
n
= Q
T
Ψ
1
Q
=
_
0 I
A
0
+αI
n

m
A
1
−I
n
_
Q+Q
T
_
0 I
n
A
0
+αI
n

m
A
1
−I
n
_
T
+
_
Q
T
1
R
d
Q
1
0
0 0
_
+Q
T
(Z
d

2
(Z
m
+Z
d
))Q,
On pose alors S
m
= R
−1
m
, S
d
= R
−1
d
, W
m
= Q
T
Z
m
Q, W
d
= Q
T
Z
d
Q et N = diag¦Q
1
, Q¦. On peut
maintenant modifier les conditions LMI (3.4.14) en multipliant par N
T
`a gauche et par N `a droite. On obtient
alors les conditions :
_
_
Q
1
R
i
Q
1
_
0 β
i
(Q
1
A
T
τ
+Y
T
B
T
τ
)
_
∗ W
i
_
_
≥ 0, i = m, d, (3.4.26)
Une premi`ere piste consisterait `a introduire une condition liante de la forme Q
1
= S pour rendre le
probl`eme lin´eaire. Cependant cette relation augmente le conservatisme des conditions. Une autre m´ethode est
envisageable : on utilise l’in´egalit´e
(Q
1
−S)
T
S
−1
(Q
1
−S) ≥ 0,
qui, en la d´eveloppant, assure que −Q
1
S
−1
Q
1
≤ −2Q
1
+ S. Le lemme de Schur permet ensuite d’´ecrire la
condition (3.4.26) sous la forme :
−Q
1
SQ
1
+
_
0
β
i
(A
τ
+B
τ
K)Q
1
_
T
(W
i
)
−1
_
0
β
i
(A
τ
+B
τ
K)Q
1
_
< 0.
On remarque alors que si la condition suivante :
−2Q
1
+S +
_
0
β
i
(A
τ
+B
τ
K)Q
1
_
T
(W
i
)
−1
_
0
β
i
(A
τ
+B
τ
K)Q
1
_
< 0, (3.4.27)
est satisfaite, alors (3.4.26) sera satisfaite. En appliquant le lemme de Schur `a (3.4.27), on retrouve alors la
condition (3.4.24). On effectue la mˆeme op´eration pour le terme Q
1
R
d
Q
1
pr´esent dans le bloc (1, 1). Ainsi, en
posant Y = KQ
1
, les conditions (3.4.23) et (3.4.24) garantissent que le syst`eme (3.4.1) est α−stabilisable.
Remarque 3.4.9 Les Th´eor`emes (3.4.7) (3.4.8) permettent aussi de caract´eriser la convergence exponentielle
du syst`eme en boucle ouverte (3.4.6), c’est-`a-dire dans le cas o` u les matrices B
0
, B
1
et D
0
sont nulles).
Remarque 3.4.10 Ces r´esultats peuvent ˆetre facilement adapt´es au cas des syst`emes `a retards multiples et
bi-born´es.
Remarque 3.4.11 Les th´eor`emes pr´esent´es dans cette partie peuvent ˆetre ´etendus au cas des retards bi-born´ees
en consid´erant un retard variable v´erifiant la condition τ
1
≤ τ(t) ≤ τ
2
. En effet dans ce cas, on change la
condition β
1
= 1 en β
1
= e
ατ
1
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
78 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
3.4.4 Exemples
Exemples de stabilit´e exponentielle
Consid´erons le syst`eme non command´e suivant :
˙ x(t) = (A
0
+H
0
∆(t)E
0
)x(t) + (A
1
+H
1
∆(t)E
1
)x(t −τ(t)). (3.4.28)
avec les valeurs (cf. [65], [77], [84], [93], [113] ou encore [130]) :
A
0
=
_
−2 0
0 −1
_
, A
1
=
_
−1 0
−1 −1
_
,
H
0
= E
0
=
_

1.6 0
0

0.05
_
, H
1
= E
1
=
_

0.1 0
0

0.3
_
,
et o` u l’on suppose que le retard consid´er´e est du type bi-born´e. Il satisfait aux in´egalit´es 0 ≤ τ
1
≤ τ(t) ≤ τ
2
.
Nous avons choisi ces retards pour montrer l’influence de la borne inf´erieure τ
1
sur le degr´e de convergence de
stabilit´e exponentielle.
Notre objectif sera de d´eterminer la borne sup´erieure τ
2
du retard telle que le syst`eme (3.4.28) soit α−stable
pour plusieurs valeurs de α et pour des valeurs de τ
1
diff´erentes. Nous avons choisi τ
1
= 0, 0.5τ
2
et 0.9τ
2
.
0 0.5 1 1.5 2 2.5 3
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
alpha
h
m
a
x
hmin=0
hmin=0.5hmax
hmin=0.9hmax
Fig. 3.2 – Relation entre τ
2
et α selon la valeur de τ
1
La figure 3.2 montre la d´ependance de la stabilit´e exponentielle par rapport `a la valeur de τ
1
. Ces r´esultats
sont obtenus en appliquant le Th´eor`eme 3.4.2. La stabilit´e exponentielle d´epend effectivement de la borne
inf´erieure du retard. La figure 3.2 montre aussi que lorsque le retard est quasi constant (pour τ
1
= 0.9τ
2
), le
syst`eme est α−stable, avec α = 2.5, pour une certaine valeur du retard mais ne l’est pas forcement pour des
valeurs inf´erieures. Ce qui laisse penser qu’il existe une valeur optimale du retard qui rend le syst`eme plus
performant au sens de la stabilit´e exponentielle.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 79
Un autre exemple propos´e dans [148] est le suivant :
A
0
=
_
−1.6 3
0 −1.4
_
, A
1
=
_
0.3 0.1
0 0.2
_
,
H
0
= H
1
=
_
1 0
0 1
_
, E
0
_
0.28 0
0 0.25
_
, E
1
=
_
0.2 0
0 0.3
_
,
Dans [148], il a ´et´e montr´e que pour un retard constant τ = 0.8 le syst`eme est α−stable avec α = 0.5. Le
th´eor`eme 3.4.2 garantit quant `a lui que pour un retard variable major´e par τ
2
= 0.8, le syst`eme est α−stable
avec α ≤ 0.805 et que pour α = 0.5, il l’est pour tout retard variable inf´erieur `a τ
2
= 1.305.
Exemple de stabilisation exponentielle
On s’int´eresse maintenant au syst`eme (3.4.1) soumis `a un retard inconnu et `a des incertitudes param´etriques.
Les valeurs des matrices d’´etats sont les suivantes [98] :
A =
_
−2 1
0 1
_
, A
τ
=
_
−0.2 0.1
−0.9 .55
_
, H = H
τ
_
0.1 0
0 0.1
_
,
B =
_
1 0
0 1
_
, B
τ
=
_
0 0
0 0.1
_
, E
0
= E
1
= D
0
=
_
1 0
0 1
_
.
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
−2
0
2
4
6
8
10
time (s)
X
1
alpha=0
alpha=1
alpha=3
Fig. 3.3 – Convergence de x
1
pour diff´erentes valeurs de α
Les Figures 3.3 et 3.4 sont obtenues pour α = 0, 1, 3, et τ
2
= 0.5 et pour τ(t) =
τ
2

1
2
+
τ
2
−τ
1
2
sin(4t). La
Figure 3.5 permet de v´erifier la stabilit´e exponentielle pour α = 1, 2 et 3.
3.4.5 Conclusion
Le probl`eme qui consiste `a d´eterminer une loi de commande par retour d’´etat garantissant la stabilit´e
exponentielle robuste d’un syst`eme en boucle ferm´ee a ´et´e r´esolu en utilisant une approche du type Lyapunov-
Krasovskii. Ces r´esultats peuvent ˆetre adapt´es aux cas des retards constants ou variables bi-born´es ou `a la
stabilit´e asymptotique.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
80 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
−5
−4
−3
−2
−1
0
1
2
3
4
time (s)
X
2
alpha=0
alpha=1
alpha=3
Fig. 3.4 – Convergence de x
2
pour diff´erentes valeurs de α
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
−2
0
2
4
6
8
10
time (s)
X
1
e
x
p
(
a
l
p
h
a
.
t
)
alpha=1
alpha=2
alpha=3
Fig. 3.5 – Convergence de x
1
e
αt
pour diff´erentes valeurs de α
3.5 Introduction `a la commande satur´ee
Comme nous l’avons mentionn´e auparavant, les retards sont, la plupart du temps, des facteurs d’instabilit´e.
Cependant la stabilit´e peut aussi ˆetre alt´er´ee par d’autres ph´enom`enes. Ainsi, en pratique, les contrˆoleurs sont
souvent sujet `a des contraintes de limitation d’´energie. Il est alors n´ecessaire de prendre en compte le fait
que leur commande est born´ee. Les syst`emes `a entr´ee satur´ee ont fait l’objet de nombreuses ´etudes dans le
cas non retard´e (m´ethodes d’“anti-emballement”, ou “anti-windup”). En effet, un contrˆoleur peut ˆetre dans
l’impossibilit´e de suivre un signal d’amplitude ou d’´energie trop ´elev´ee. Cela conduit `a consid´erer des syst`emes
de la forme :
˙ x(t) = Ax(t) +Bsat(u(t), ¯ u),
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.6. APPROCHE POLYTOPIQUE POUR L’
´
ETUDE DES SYST
`
EMES
`
A ENTR
´
EE SATUR
´
EE ET RETARD
´
EE81
o` u x(t) ∈ R
n
repr´esente l’´etat, u(t) ∈ R
m
, l’entr´ee. Les matrices A ∈ R
n×n
et B ∈ R
n×m
sont suppos´ees
constantes. Le vecteur sat(u(t), ¯ u) de R
m
a pour i
e
coordonn´ee sign(u
i
) min([u
i
[, ¯ u
i
). Un exemple de fonction
de saturation “sat” dans le cas m = 1 est pr´esent´e figure 3.6.

ui
-ui
Sat(u(t))
u(t)
Fig. 3.6 – Fonction de saturation
Dans le cas des syst`emes `a retards, plusieurs travaux concernant la stabilisation en pr´esence saturation
peuvent ˆetre trouv´es. Dans [114] et [120], des lois de commande stabilisantes ont ´et´e propos´ees par retour
d’´etat continu et ´echantillonn´e. Cependant, dans ces articles, le domaine d’attraction (c’est-`a-dire l’ensemble
des conditions initiales admissibles) en pr´esence de saturation n’est pas explicitement d´efini. Dans [16] et [143],
des estimations du domaine d’attraction ont ´et´e d´etermin´ees en utilisant une mod´elisation polytopique d´ecrivant
les effets de la saturation. Par ailleurs, dans le cadre de l’´etude des syst`emes neutres, tr`es peu d’auteurs ont
d´etermin´e des estimations du domaine d’attraction. On peut tout de mˆeme citer [23] et [142].
Dans la suite de ce chapitre, nous allons proposer deux approches. La premi`ere, pr´esent´ee dans la partie 3.6,
permet, par le biais d’une repr´esentation polytopique, de caract´eriser la stabilit´e asymptotique d’un syst`eme
dont la commande est retard´ee et satur´ee.
La partie 3.7 pr´esente la m´ethode d’“anti-emballement” (ou en anglais “anti-windup”) pour aboutir `a des
conditions de stabilit´e asymptotique et exponentielle de syst`emes neutres `a retard variable et dont l’entr´ee est
soumise `a des saturations. Dans les deux cas, une estimation du domaine d’attraction sera donn´ee.
3.6 Approche polytopique pour l’´etude des syst`emes `a entr´ee sa-
tur´ee et retard´ee
3.6.1 Syst`emes `a entr´ee satur´ee et retard´ee
Consid´erons le syst`eme lin´eaire `a entr´ee retard´ee et satur´ee suivant :
˙ x(t) = Ax(t) +Bsat(u(t −τ(t)), ¯ u),
x(θ) = φ(θ), ∀θ ∈ [−τ
2
, 0],
(3.6.1)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
82 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
o` u x ∈ R
n
repr´esente l’´etat du syst`eme, u ∈ R
m
, son entr´ee. Le retard τ(t) varie dans le temps. On suppose
qu’il existe une borne sup´erieure τ
2
telle que :
0 ≤ τ(t) ≤ τ
2
, ∀t ≥ 0. (3.6.2)
On suppose que la commande u du syst`eme (3.6.1) est soumise `a des contraintes de saturation en amplitude
de la forme
[u
i
(t)[ ≤ ¯ u
i
, 0 < ¯ u
i
, i = 1, ..., m. (3.6.3)
On d´efinit x(t, φ) l’´etat de la solution du syst`eme (3.6.1) qui a pour condition initiale φ, une fonction de
[−τ
2
, 0] vers R
n
. Ainsi on peut d´efinir le domaine d’attraction du syst`eme en boucle ferm´ee (3.6.1) vers l’origine :
/ = ¦φ : [−τ
2
, 0] →R
n
: lim
t→∞
x(t, φ) = 0¦.
Notre objectif est alors de d´eterminer des conditions d’existence d’un gain matriciel K tel que la commande
par retour d’´etat :
u(t) =
_
Kx(t), t > 0,
0, t < 0
(3.6.4)
stabilise le syst`eme (3.6.1). De plus, nous souhaitons donner une estimation A
β
⊂ / du domaine d’attraction.
On se propose alors d’´etudier l’ensemble A
β
d´efini par :
A
β
= ¦φ, φ
T
(0)P
1
φ(0) ≤ β
−1
¦, (3.6.5)
o` u β > 0 est un r´eel positif et P
1
> 0 une matrice sym´etrique d´efinie positive de dimension n n. A
β
est un
ensemble d´efini en fonction des variables β et P
1
et qui devra ˆetre le plus grand possible tout en ´etant inclus
dans le domaine d’attraction /.
3.6.2 R´esultats pr´eliminaires
Le syst`eme en boucle ferm´ee (3.6.1) avec la commande par retour d’´etat u(t) = Kx(t) s’´ecrit :
˙ x(t)=Ax(t)+Bsat(Kx(t −τ(t)), ¯ u), (3.6.6)
On d´efinit aussi k
i
, la i
i` eme
colonne du gain matriciel K et l’ensemble L(K, ¯ u) d´efinit par :
L(K, ¯ u) = ¦x ∈ R
n
: [k
i
x[ ≤ ¯ u
i
, i = 1, ..., m¦.
Si la commande est telle que l’´etat x(t) est dans le domaine d’attraction L(K, ¯ u), alors le syst`eme (3.6.6) peut
se repr´esenter par un mod`ele lin´eaire. En utilisant les r´esultats de [16], on introduit de nouvelles matrices qui
permettent d’´ecrire la fonction de saturation comme une somme polytopique de termes lin´eaires. Ces matrices
de R
m×m
sont diagonales et les ´el´ements diagonaux sont dans ¦0, 1¦. Ainsi l’ensemble de ces matrices Υ est
compos´e de 2
m
´el´ements distincts. On note D
i
, o` u i = 1, ..., 2
m
, les ´el´ement de Υ et on d´efinit D

i

= I
m
− D
i
qui est aussi dans Υ. Le lemme suivant permet d’´ecrire la fonction de saturation comme une somme pond´er´ee
d’´el´ements de Υ.
Lemme 3.6.1 [16] Pour des gains matriciels donn´es K et H de R
m×n
on a :
sat(Kx(t), ¯ u) ∈ (o¦D
i
Kx +D

i
Hx, i = 1, ..., 2
m
¦,
pour tout x ∈ 1
n
qui v´erifie [h
i
x[ ≤ ¯ u
i
, i = 1, ..., 2
m
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.6. APPROCHE POLYTOPIQUE POUR L’
´
ETUDE DES SYST
`
EMES
`
A ENTR
´
EE SATUR
´
EE ET RETARD
´
EE83
Le Lemme 3.6.1 permet ensuite d’´etablir le lemme suivant :
Lemme 3.6.2 Pour tout r´eel β > 0, on suppose qu’il existe une matrice H de R
m×n
telle que [h
i
x[ ≤ ¯ u
i
pour
tout x(t) ∈ R
β
. Alors, pour tout x(t) ∈ A
β
, le syst`eme (3.6.6) admet la repr´esentation suivante :
˙ x(t) = Ax(t) +

2
m
j=1
λ
j
(t)A
j
x(t −τ(t)), (3.6.7)
o` u
A
j
= B(D
j
K +D

j
H) j = 1, ..., 2
m
,

2
m
j=1
λ
j
(t) = 1, 0 ≤ λ
j
(t), ∀ 0 < t,
On note

α
=
2
m

j=1
λ
j

j
pour tout 0 ≤ λ
j
≤ 1,
2
m

j=1
λ
j
= 1,
o` u les ´el´ements du polytope sont d´ecrits par Ω
j
=
_
A
j
_
pour j = 1, ..., 2
m
. Le probl`eme devient alors celui
de d´eterminer A
β
et un gain H tels que [h
i
x[ ≤ ¯ u
i
, i = 1, ...2
m
pour tout x ∈ A
β
et que l’´etat du syst`eme
˙ x(t) = Ax(t) +A
j
x(t−τ(t)),
appartienne et reste A
β
.
3.6.3 Stabilisation Locale
En appliquant la transformation en mod`ele descripteur et la fonctionnelle de Lyapunov-Krasovskii appropri´ee
et en utilisant la m´ethode de r´esolution du probl`eme de stabilisation avec l’introduction du param`etre , on
obtient le th´eor`eme suivant :
Th´eor`eme 3.6.3 [53] Consid´erons le syst`eme (3.6.6) avec la commande (3.6.4) soumise `a la contrainte en
amplitude (3.6.3). Le syst`eme est stable avec A
β
inclus dans le domaine d’attraction pour tout retard v´erifiant
τ(t) ≤ τ
2
, s’il existe des matrices de dimension n n 0 < Q
1
, Q
(j)
2
, Q
(j)
3
, Z
(j)
1
, Z
(j)
2
, Z
(j)
3
, pour j = 1, ..2
m
,
deux matrices de dimension mn, Y et G et un r´eel β > 0 qui satisfont aux conditions LMI suivantes :
_
¸
¸
_
Q
(j)
2
+Q
T(j)
2

2
Z
(j)
1
Σ
j
τ
2
Q
(j)
2
∗ −Q
(j)
3
−Q
T(j)
3

2
Z
(j)
3
τ
2
Q
(j)
3
∗ ∗ −τ
2
Q
1
_
¸
¸
_
< 0,
j = 1, ..., 2
m
(3.6.8)
_
¸
¸
_
Q
1
0 (Y
T
D
j
+G
T
D

j
)B
T
∗ Z
(j)
1
Z
(j)
2
∗ ∗ Z
(j)
3
_
¸
¸
_
≥ 0,
j = 1, ..., 2
m
(3.6.9)
_
β g
i
∗ ¯ u
2
i
Q
1
_
≥ 0, i = 1, ..., m, (3.6.10)
o` u
Σ
j
= Q
(j)
3
−Q
T(j)
2
+Q
1
A
T
+ (Y
T
D
j
+G
T
D

j
)B
T

2
Z
(j)
2
. (3.6.11)
Le gain du retour d’´etat stabilisant localement le syst`eme est alors donn´ee par :
K = Y Q
−1
1
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
84 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
D´emonstration. Consid´erons la fonctionnelle de Lyapunov-Krasovskii donn´ee par :
V (t) = ¯ x
T
(t)EP ¯ x(t) +
_
0
−τ
2
_
t
t+θ
˙ x
T
(s)R˙ x(s)dsdθ,
Ainsi, en utilisant les r´esultats pr´esent´es dans [52], les in´egalit´es (3.6.10) garantissent, par application du
compl´ement de Schur, que [h
i
x[ ≤ ¯ u
i
, ∀x ∈ A
β
, i = 1, ..., m, o` u g
i

= h
i
Q
1
, i = 1, ..., m et o` u Q
1

= P
−1
1
. Par
cons´equent, la repr´esentation polytopique du syst`eme (3.6.7) est valable. De plus, (3.6.8) et (3.6.9) garantissent
la n´egativit´e de
˙
V < 0 (cf. Th´eor`eme 2.3.10 dans le Chapitre 1 appliqu´e au cas de syst`emes polytopiques).
Sachant maintenant que la fonctionnelle V est une fonction d´ecroissante, il s’en suit que V (t) < V (0) et
qu’avec la condition initiale φ (3.6.1) on obtient :
x
T
(t)P
1
x(t) ≤ V (t) < V (0) = x
T
(0)P
1
x(0) +
_
0
−τ
2
_
0
−τ
2

φ
T
(s)Rφ(s)dsdθ ≤ β
−1
.
Or les termes retard´ees n’interviennent que dans la commande. Cela signifie que pour t < 0 la commande
du syst`eme n’est pas encore calcul´ee et par cons´equent φ(t) = 0. On en d´eduit
x
T
(t)P
1
x(t) ≤ V (t) < V (0) = x
T
(0)P
1
x(0) ≤ β
−1
.
Ainsi pour des conditions initiales x(0) ∈ A
β
, les solutions x(t) restent dans A
β
, et la repr´esentation po-
lytopique du syst`eme (3.6.7) avec saturation reste toujours alors valid´ee. Finalement la solution x(t) est une
solution du syst`eme (3.6.6) et
˙
V < 0 le long de ces solutions, ce qui garantit la stabilit´e asymptotique de la
solution x(t).
3.6.4 Exemple
Consid´erons le syst`eme suivant ([16], avec τ
2
,= 0) d´efini par :
˙ x(t)=Ax(t)+Bsat(Kx(t −τ(t)), ¯ u),
A =
_
1.1 −0.6
0.5 −1
_
, B =
_
1
1
_
,
et o` u ¯ u = 5.
Les conditions du Th´eor`eme 3.6.3 sont faisables pour tout retard τ(t) ≤ 0.75. Pour τ
2
= 0.75, le Th´eor`eme
3.6.3 assure que le gain de retour d’´etat K = [−1.6964 0.5231] (avec = 0.325, β = 0.1261, et P
1
=
_
0.9132 −0.2816
−0.2816 0.0868
_
) stabilise localement le syst`eme pour toute conditions initiales dans A
β
avec β = 0.1261.
3.6.5 Conclusion
Dans [142], une approche polytopique mod´elisant les effets de la saturation a permis, pour un syst`eme donn´e,
de d´eterminer un retour d’´etat stabilisant le syst`eme pour un ensemble de conditions initiales maximis´e. Malheu-
reusement il faut noter que cette m´ethode n’est utile que pour les syst`emes lin´eaires `a retard constant et aussi
que les conditions obtenues sont ind´ependantes des caract´eristiques du retard. D’autre part, plusieurs critiques
peuvent ˆetre faites sur l’approche polytopique. La stabilit´e asymptotique est prouv´ee en r´esolvant un grand
nombre de conditions LMI (2
m+1
+ m). Pour une commande de dimension m assez grande, il devient difficile
de r´esoudre toutes ces conditions, d’autant plus que l’extension au probl`eme de la stabilisation exponentielle
double le nombre de conditions `a satisfaire. Ensuite elle ne permet d’obtenir que des conditions de stabilit´e
locale. L’approche propos´ee dans le paragraphe suivant permis de r´eduire ce conservatisme.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.7. SYST
`
EMES
`
A ENTR
´
EE SATUR
´
EE ET
`
A
´
ETAT RETARD
´
E 85
3.7 Syst`emes `a entr´ee satur´ee et `a ´etat retard´e
3.7.1 Position du Probl`eme
Consid´erons le syst`eme lin´eaire neutre `a retard suivant :
˙ x(t) −F ˙ x(t −τ(t)) = Ax(t) +A
d
x(t −τ(t)) +Bsat(u(t), ¯ u), (3.7.1)
o` u les conditions initiales sont donn´ees par :
x(t
0
+θ) = φ(θ), ∀θ ∈ [−τ
2
, 0], t
0
∈ R
+
, φ(θ) ∈ (
v
τ
2
,
o` u x(t) ∈ R
n
et u(t) ∈ R
m
sont respectivement les vecteurs d’´etat et de commande, τ(t) correspond `a un
retard variable qui v´erifie :
0 ≤ τ(t) ≤ τ
2
, ˙ τ(t) ≤ d < 1.
La fonction φ(θ) est suppos´ee continue et d´erivable. A, A
d
, B et F sont des matrices r´eelles `a coefficients
constants de dimension appropri´ee. Afin de garantir la stabilit´e d’un tel syst`eme il est n´ecessaire, d’apr`es [85],
que les valeurs propres de F soient strictement incluses dans le cercle unit´e, autrement dit |F|
e
< 1.
Nous supposerons aussi que la commande est soumise aux contraintes de saturation en amplitude suivantes :
[u
i
[ ≤ ¯ u
i
, ¯ u
i
> 0, i = 1, ..., m. (3.7.2)
La loi de commande que nous recherchons pour stabiliser le syst`eme est une commande par retour d’´etat
u(t) = Kx(t). En prenant en compte les saturations (3.7.2), la commande est de la forme :
u(t) = sat(Kx(t), ¯ u),
o` u chacune des composantes de u est d´efinie par u
i
(t) = sat(K
i
x(t), ¯ u) = sign ([K
i
x(t)[) min¦¯ u
i
, K
i
x(t)¦ et
i
` eme
composante de ¯ u est ¯ u
i
.
Ainsi le syst`eme en boucle ferm´ee est r´egi par :
˙ x(t) −F ˙ x(t −τ(t)) = Ax(t) +A
d
x(t −τ(t)) +Bsat(Kx(t), ¯ u), (3.7.3)
Ce syst`eme (3.7.3) est dit globalement asymptotiquement stable si, pour toutes conditions initiales φ(θ) ∈ (
τ
2
,
les solutions du syst`eme convergent asymptotiquement vers l’origine [114], [121]. Similairement au cas de syst`eme
sans retard (τ(t) = 0), la d´etermination d’une commande stabilisant globalement le syst`eme (3.7.3) est possible
lorsque des conditions de stabilit´e sont v´erifi´ees pour le syst`eme en boucle ouverte (c’est-`a-dire avec u(t) = 0)
[96]. Lorsque ces conditions ne sont pas satisfaites, il est simplement possible de stabiliser localement le syst`eme.
Dans ce cas, on d´efinit un domaine d’attraction associ´e au gain K pour lequel les solutions incluses dans ce
domaine converge vers l’origine. Le domaine d’attraction correspond alors `a l’ensemble des conditions initiales
φ(θ) ∈ (
τ
2
telles que les solutions du syst`eme (3.7.5) convergent asymptotiquement vers l’origine. Sachant que
la d´etermination exacte de ce domaine est pratiquement impossible, notre objectif est d´efinir un espace de
fonctions initiales admissibles [16], [52], [143]. Bien sˆ ur cet ensemble est inclus dans le domaine d’attraction. Les
probl`emes que nous allons r´esoudre dans cette partie sont les suivants :
1. Pour des valeurs de τ
2
et d et un gain K donn´es, d´eterminer un ensemble de conditions initiales, le plus
grand possible, tel que le syst`eme boucl´e soit stable pour toutes ces conditions initiales.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
86 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
2. Pour des valeurs de τ
2
et d donn´ees et un ensemble de conditions initiales donn´e, d´eterminer un gain K
tel que la stabilit´e du syst`eme boucl´e soit assur´ee.
3. Pour un retard du terme neutre d et un ensemble de conditions initiales donn´es, d´eterminer la plus grande
valeur de τ
2
telle qu’il existe un gain K de retour d’´etat tel que la stabilit´e du syst`eme boucl´e soit assur´ee.
Lorsque que cela sera possible, l’objectif sera bien sˆ ur de d´eterminer une commande qui stabilise globalement
et asymptotiquement (ou exponentiellement) le syst`eme. Sinon l’estimation du domaine d’attraction sera donn´ee
en fonction de [[φ(θ)[[
2
et [[
˙
φ(θ)[[
2
. Les th´eor`emes qui sont pr´esent´es dans cette partie utilisent une condition
de secteur (3.7.4), qui introduit la m´ethode dite d’“anti-emballement”.
3.7.2 Conditions de stabilit´e
On d´efinit la fonction ψ :
ψ(Kx(t)) = Kx(t) −sat(Kx(t), ¯ u). (3.7.4)
Cette fonction ψ(Kx(t)) correspond `a une non-lin´earit´e du type “zone morte”. En utilisant cette fonction,
le syst`eme boucl´e peut se mettre sous la forme :
˙ x(t) −F ˙ x(t −τ(t)) = (A+BK)x(t) +A
d
x(t −τ(t)) −Bψ(Kx(t)). (3.7.5)
On introduit une matrice G ∈ R
m×n
qui d´efinit le poly`edre :
o ⊂ ¦x ∈ R
n
; [(K
i
−G
i
)x[ ≤ ¯ u
i
, i = 1, ..., m¦. (3.7.6)
Le lemme 3.7.1 permet de relier la d´efinition du poly`edre (3.7.6) `a la fonction ψ :
Lemme 3.7.1 [144] Soit la fonction ψ(Kx) d´efinie dans (3.7.4). Si x ∈ o alors la relation (3.7.7) est v´erifi´ee
pour toute matrice T ∈ R
m×m
diagonale, d´efinie et positive.
ψ
T
(Kx)T[ψ(Kx) −Gx] ≤ 0. (3.7.7)
La condition (3.7.7) peut ˆetre vue comme une condition de secteur g´en´eralis´ee. Comme il le sera propos´e
par la suite, cette condition permet d’aboutir `a des conditions de stabilit´e pr´esent´ees sous forme de LMI plus
simples qu’en utilisant l’approche polytopique pr´ec´edente.
Th´eor`eme 3.7.2 [23] S’il existe des matrices Q
1
, H, L, J, X, de R
n×n
sym´etriques d´efinies positives, des ma-
trices Q
2
, Q
3
de R
n×n
, Y, W de R
m×n
et une matrice diagonale S de R
m×m
et un r´eel tels que les conditions
LMI suivantes soient satisfaites :
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Γ
0
( −1)
_
0
A
d
X
_ _
0
FL
_ _
Y
T
−BS
_ _
Q
T
1
0
_
τ
2
_
Q
T
2
Q
T
3
_ _
Q
T
2
Q
T
3
_
∗ (d −1)X 0 0 0 0 0
∗ ∗ (d −1)L 0 0 0 0
∗ ∗ ∗ −2S 0 0 0
∗ ∗ ∗ ∗ −X 0 0
∗ ∗ ∗ ∗ ∗ −τ
2
J 0
∗ ∗ ∗ ∗ ∗ ∗ −L
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0, (3.7.8)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.7. SYST
`
EMES
`
A ENTR
´
EE SATUR
´
EE ET
`
A
´
ETAT RETARD
´
E 87
_
J J[0 A

d
]
∗ H
_
≥ 0, (3.7.9)
_
Q
1
(W −Y )
T
j
∗ ¯ u
2
j
_
≥ 0, j = 1, . . . , m, (3.7.10)
avec
Γ
0
=
_
Q
2
+Q
T
2
Q
1
(A

+A

d
) +W
T
B
T
−Q
T
2
+Q
3
∗ −Q
3
−Q
T
3
_

2
H,
alors, pour le gain de retour d’´etat K = WQ
−1
1
et pour toute condition initiale φ qui v´erifie :
δ = (λ
max
(Q
−1
1
) +τ
2
λ
max
(X
−1
))[[φ(θ)[[
2
+ (
τ
2
2
2
λ
max
(J
−1
) +τ
2
λ
max
(L
−1
))[[
˙
φ(θ)[[
2
≤ 1. (3.7.11)
Les solutions du syst`eme (3.7.5) convergent asymptotiquement vers l’origine.
D´emonstration. Le syst`eme (3.7.5) est ´equivalent au syst`eme suivant, repr´esentant sa forme descripteur
[57] :
E
_
˙ x(t)
˙ y(t)
_
=
_
0 I
n
(A+BK +A
d
) −I
n
__
x(t)
y(t)
_
+
_
0
F
_
y(t −τ(t))

_
0
A
d
_
_
t
t−τ(t)
y(s)ds −
_
0
B
_
ψ(Kx(t)).
On remarque que si (3.7.8) est satisfaite, il est n´ecessaire d’avoir −Q
T
3
−Q
3
< 0. Ainsi, sachant que Q
1
> 0,
il s’en suit que la matrice Q est inversible. On peut maintenant d´efinir les matrices et variables suivantes :
¯ x(t) =
_
x(t)
y(t)
_
, E =
_
I
n
0
0 0
_
, P =
_
P
1
0
P
2
P
3
_
=
_
Q
1
0
Q
2
Q
3
_
−1
= Q
−1
.
On propose alors la fonctionnelle de Lyapunov-Krasovskii suivante :
V (t) = ¯ x(t)

EP ¯ x(t) +
_
t
t−τ(t)
x(s)

Mx(s)ds +
_
t
t−τ(t)
y(s)

Uy(s)ds +
_
0
−τ
2
_
t
t+θ
y(s)

Ry(s)dsdθ, (3.7.12)
o` u R, M et U sont des matrices sym´etriques d´efinies positives de dimension n n et o` u P est l’inverse de la
matrice Q. La d´eriv´ee par rapport au temps de la fonctionnelle est :
˙
V (t) = ¯ x
T
(t)L¯ x(t) −2¯ x
T
(t)P
T
_
0
A
d
_
_
t
t−τ(t)
y(s)ds −2¯ x
T
(t)P
T
_
0
B
_
ψ(Kx(t)) +x
T
(t)Mx(t)
+y
T
(t)Uy(t) + 2¯ x
T
(t)P
T
_
0
F
_
y(t −τ(t)) −(1 − ˙ τ(t))x
T
(t −τ(t))Mx(t −τ(t))
−(1 − ˙ τ(t))y(t −τ(t))
T
Uy(t −τ(t)) +τ
2
y
T
(t)Ry(t) −
_
0
−τ
2
y
T
(t +θ)Ry(t +θ)dθ,
avec
L =
_
0 I
n
(A+BK +A
d
) −I
n
_
T
P +P
T
_
0 I
n
(A+BK +A
d
) −I
n
_
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
88 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
Si la condition
_
R N
∗ Z
_
≥ 0 est satisfaite, on peut alors en d´eduire [105] :
−2¯ x
T
P
T
_
0
A
d
_
_
t
t−τ(t)
y(s)ds ≤
_
t
t−τ(t)
_
y(s)
¯ x
_
T
_
R N −[0 A
T
d
]P
∗ Z
__
y(s)
¯ x
_
ds

_
t
t−τ
2
y
T
(s)Ry(s)ds +τ
2
¯ x
T
(t)Z¯ x(t)
+2
_
t
t−τ(t)
˙ x
T
(s)(N −[0 A
T
d
]P)¯ x(t)ds
=
_
t
t−τ
2
y
T
(s)Ry(s)ds + 2x
T
(t)(N −[0 A
T
d
]P)¯ x(t)
−2x
T
(t −τ(t))(N −[0 A
T
d
]P)¯ x(t) +τ
2
¯ x
T
(t)Z¯ x(t).
(3.7.13)
En choisissant maintenant N = [0 A
T
d
]P [57], on obtient N −[0 A
T
d
]P = ( −1)[0 A
T
d
]P. Par cons´equent,
en imposant KQ
1
= W et H = Q
T
ZQ, dans les ´equations (3.7.12), (3.7.13) et dans le Lemme 3.7.1, `a condition
que x ∈ o, on en d´eduit :
˙
V (t) ≤ ¯ x(t)
T
P
T
Γ
0
P ¯ x(t) + ¯ x
T
(t)
_
M 0
0 τ
2
R +U
_
¯ x(t) + 2¯ x
T
(t)P
T
_
0
F
_
y(t −τ(t))
−2¯ x(t)
T
P
T
ψ(Kx(t)) −y(t −τ(t))
T
(1 −d)Uy(t −τ(t)) −2x
T
(t −τ(t))( −1)[0 A
T
d
]P ¯ x(t)
−x
T
(t −τ(t))(1 −d)Mx(t −τ(t)) −2ψ(Kx(t))
T
T[ψ(Kx(t)) −[G 0]¯ x],
o` u T est une matrice diagonale d´efinie positive.
On en d´eduit ensuite que
˙
V (t) ≤ ξ
T
Γξ, o` u Γ est donn´ee par :
Γ =
_
¸
¸
¸
¸
¸
¸
¸
_
P
T
Γ
0
P + Φ ( −1)P
T
_
0
A
d
_
P
T
_
0
F
_ _
G
T
T
0
_
−P
T
_
0
B
_
∗ (d −1)M 0 0
∗ ∗ (d −1)U 0
∗ ∗ ∗ −2T
_
¸
¸
¸
¸
¸
¸
¸
_
,
avec Φ =
_
M 0
0 τ
2
R +U
_
, and ξ = [¯ x
T
(t) x
T
(t −τ(t)) y
T
(t −τ(t)) ψ
T
(Kx(t))]
T
.
En appliquant le compl´ement de Schur au terme Φ et en multipliant `a droite par Ξ
1
= diag¦P
−1
,M
−1
,U
−1
,
T
−1
, I, I, I¦ et par Ξ
T
`a gauche, on trouve (3.7.8) qui est ´equivalente `a la condition Γ < 0, avec X = M
−1
,
J = R
−1
, L = U
−1
, S = T
−1
et G = Y P
1
. En multipliant maintenant l’´equation (3.7.9) par Ξ
2
= diag¦R, P¦
`a droite et par Ξ
T
2
`a gauche, on obtient la condition (3.7.9) qui est ´equivalente `a
_
R N
∗ Z
_
≥ 0.
Ainsi si les in´egalit´es matricielles lin´eaires (3.7.8) et (3.7.9) sont v´erifi´ees, la d´eriv´ee
˙
V (t) est n´egative `a
condition bien sˆ ur que x(t) ∈ o, t > 0.
On va maintenant s’int´eresser `a l’estimation du domaine d’attraction et notamment `a l’ellipse d´efinie par
c = ¦x ∈ R
n
; x
T
P
1
x ≤ 1¦, where P
1
= Q
−1
1
. D’apr`es [143], la condition (3.7.10) implique que c ⊂ o d´efinie
dans (3.7.6). En supposant alors que les conditions initiales φ v´erifient (3.7.11) et que les conditions (3.7.8) -
(3.7.10) sont satisfaites, on peut ´ecrire :
x(0)
T
P
1
x(0) ≤ V (0) ≤ δ ≤ 1.
Dans ce cas, cela signifie que x(0) ∈ c ⊂ o et, par cons´equent, que
˙
V (0) < 0. On peut donc conclure en
constatant que :
x
T
(t)P
1
x(t) ≤ V (t) ≤ V (0) ≤ δ ≤ 1, ∀t ≥ 0,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.7. SYST
`
EMES
`
A ENTR
´
EE SATUR
´
EE ET
`
A
´
ETAT RETARD
´
E 89
ce qui implique que l’´etat x(t) appartient au domaine d’attraction o et que
˙
V (t) < 0, ∀t > 0 pour toute
condition initiale v´erifiant l’´equation (3.7.11).
Le Th´eor`eme 3.7.2 concerne le probl`eme de la stabilisation locale, en ce sens que le gain K ainsi d´etermin´e
permet de stabiliser le syst`eme pour un ensemble de conditions initiales v´erifiant la condition (3.7.11). Si le
syst`eme en boucle ouverte est d´ej`a asymptotiquement stable, il est possible de d´eterminer un gain K de retour
d’´etat qui stabilise globalement le syst`eme. Le th´eor`eme suivant est un cas particulier du Th´eor`eme 3.7.2 qui se
consacre `a ce probl`eme.
Th´eor`eme 3.7.3 [23] S’il existe des matrices sym´etriques d´efinies positives Q
1
, H, L, J, X, des matrices Q
2
,
Q
3
, W, une matrice diagonales S de dimension appropri´ee, et un r´eel qui satisfont aux conditions (3.7.8) et
(3.7.9) avec Y = W, alors le gain de retour d’´etat K = WQ
−1
1
rend le syst`eme (3.7.5) globalement asymptoti-
quement stable.
D´emonstration. La preuve de ce th´eor`eme se base sur celle du Th´eor`eme 3.7.2. Dans ce cas, on remarque
premi`erement que G = WP
1
= WQ
−1
1
= K et ensuite que la condition de secteur (3.7.7) est v´erifi´ee pour tout
x ∈ R
n
. La stabilit´e asymptotique globale se d´eduit directement.
3.7.3 Etude du cas retard´e
Stabilisation asymptotique
Dans cette partie, nous allons nous focaliser sur un cas particulier du syst`eme (3.7.1), o` u l’´el´ement neutre
F est nul. Nous omettrons aussi la condition sur la d´eriv´ee du retard τ(t). Finalement, le syst`eme que nous
´etudierons ici est :
˙ x(t) = Ax(t) +A
d
x(t −τ(t)) +Bu(t), (3.7.14)
o` u le retard τ(t) est suppos´e major´e et v´erifie 0 ≤ τ(t) ≤ τ
2
.
Th´eor`eme 3.7.4 [23] S’il existe des matrices de R
n×n
Q
1
, J, sym´etriques d´efinies positives, des matrices de
R
n×n
Q
2
, Q
3
, Y, W, une matrice diagonale de R
n×n
S et une matrice de R
2n×2n
H qui v´erifient les conditions
LMI suivantes :
_
¸
¸
¸
¸
_
Γ
0

2
H
_
Y
T
−BS
_
τ
2
_
Q
T
2
Q
T
3
_
∗ −2S 0
∗ ∗ −τ
2
J
_
¸
¸
¸
¸
_
< 0, (3.7.15)
_
J J[0 A
T
d
]
∗ H
_
≥ 0, (3.7.16)
_
Q
1
(W −Y )
T
j
∗ ¯ u
2
j
_
≥ 0, j = 1, . . . , m, (3.7.17)
o` u
Γ
0
=
_
Q
2
+Q
T
2
Q
1
(A+A
d
)
T
+W
T
B
T
−Q
T
2
+Q
3
∗ −Q
3
−Q
T
3
_
,
alors pour K = WQ
−1
1
et si les conditions initiales v´erifient :
λ
max
(Q
−1
1
)[[φ(θ)[[
2
+
τ
2
2
2
λ
max
(J
−1
)[[
˙
φ(θ)[[
2
≤ 1, (3.7.18)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
90 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
les solutions du syst`eme (3.7.14) convergent asymptotiquement vers l’origine.
D´emonstration. On propose la fonctionnelle de Lyapunov-Krasovskii suivante :
V (t) = ¯ x
T
(t)EP ¯ x(t) +
_
0
−τ
2
_
t
t+θ
y
T
(s)Ry(s)dsdθ,
avec R > 0. La suite de la d´emonstration reprend ´etape par ´etape celle du th´eor`eme 3.7.2 avec = 1.
De mˆeme que dans la partie pr´ec´edente, on propose le th´eor`eme suivant qui caract´erise la stabilisation
asymptotique globale du syst`eme.
Th´eor`eme 3.7.5 [23] S’il existe des matrices de R
n×n
Q
1
, J, sym´etriques d´efinies positives, des matrices de
R
n×n
Q
2
, Q
3
, W et une matrice diagonale de R
n×n
S et une matrice de R
2n×2n
H telles que les conditions LMI
(3.7.15) et (3.7.16) avec Y = W soient satisfaites, alors la commande par retour d’´etat de gain K = WQ
−1
1
est
telle que le syst`eme boucl´e (3.7.14) est globalement asymptotiquement stable.
Application `a la stabilisation exponentielle
Des propri´et´es de stabilisation exponentielle repr´esentent un moyen de caract´eriser le degr´e de convergence
et les performances d’un syst`eme. Pour un r´eel α > 0, un syst`eme (3.7.14) est dit exponentiellement stable de
degr´e α ou α−stable, s’il existe un r´eel β ≥ 1 tel que la solution x(t; t
0
, φ(θ)), pour toute condition initiale φ,
v´erifie :
[[x(t, t
0
, φ(θ))[[ ≤ β[[φ(θ)[[e
−α(t−t
0
)
.
En utilisant les m´ethodes pr´esent´es de stabilit´e et de stabilisation exponentielle, on propose le th´eor`eme suivant
concernant la stabilisation exponentielle de syst`emes `a entr´ee satur´ee :
Th´eor`eme 3.7.6 Si, pour un r´eel α > 0 donn´e, il existe des matrices de R
n×n
Q
1
, J, sym´etriques d´efinies
positives, des matrices de R
n×n
Q
2
, Q
3
, Y, W et une matrice diagonale de R
n×n
S et deux matrices de R
2n×2n
H
1
et H
2
telles que les conditions LMI suivantes soient satisfaites :
_
¸
¸
¸
¸
_
Γ
0i

2
H
i
_
Y
T
−BS
_
τ
2
_
Q
T
2
Q
T
3
_
∗ −2S 0
∗ ∗ −τ
2
J
_
¸
¸
¸
¸
_
< 0, i = 1, 2, (3.7.19)
_
J J[0 b
i
A
T
d
]
∗ H
i
_
≥ 0, i = 1, 2, (3.7.20)
_
Q
1
(W −Y )
T
j
∗ ¯ u
2
j
_
≥ 0, j = 1, . . . , m, (3.7.21)
avec
Γ
0i
=
_
Q
2
+Q
T
2
Q
1
(A+αI +β
i
A
d
)
T
+W
T
B
T
−Q
T
2
+Q
3
−Q
3
−Q
T
3
_
,
et
β
1
= 1, β
2
= e
ατ
2
,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.7. SYST
`
EMES
`
A ENTR
´
EE SATUR
´
EE ET
`
A
´
ETAT RETARD
´
E 91
alors, pour K = WQ
−1
1
et pour toutes conditions initiales v´erifiant :
λ
max
(Q
−1
1
)[[φ(θ)[[
2
+
e
−2ατ
2
−1 + 2ατ
2

2
λ
max
(J
−1
)(α[[φ[[ +[[
˙
φ[[)
2
≤ 1, (3.7.22)
les solutions du syst`eme (3.7.14) convergent exponentiellement vers l’origine avec un degr´e de convergence
exponentielle α.
D´emonstration. La commande du syst`eme est toujours u(t) = sat(Kx(t), ¯ u). En introduisant la nouvelle
variable x
α
(t) = e
αt
x(t) pour exprimer le syst`eme (3.7.14), la stabilit´e asymptotique de la solution x
α
implique
l’α−stabilit´e de la solution x. Les ´equations d´efinissant le syst`eme (3.7.14) deviennent alors :
˙ x
α
(t) = (A+αI
n
)x
α
(t) +e
ατ(t)
A
d
x
α
(t −τ(t)) +e
αt
Bsat(Ke
−αt
x
α
(t), ¯ u),
qui peut s’´ecrire comme le syst`eme `a param`etres variables suivant :
˙ x
α
(t) = (A+αI
n
+BK)x
α
(t) +e
ατ(t)
A
d
x
α
(t −τ(t)) +Bψ
α
(Kx(t)), (3.7.23)
o` u ψ
α
(Kx(t)) e
αt
ψ(Kx(t)).
Supposons maintenant que l’´etat x(t) appartiennent `a o. Sachant que e
αt
> 0, ∀t, le Lemme 3.7.1 permet
toujours de garantir l’´equivalence suivante :
ψ
T
(Kx(t))e
αt
Te
αt
[ψ(Kx(t)) −Gx(t)] ≤ 0

ψ
T
α
(Kx(t))T[ψ
α
(Kx(t)) −Gx
α
(t)] ≤ 0,
(3.7.24)
pout toute matrice diagonale positive T ∈ R
m×m
.
En tenant en compte que le retard variable τ(t) est born´e par τ
2
, on peut ´ecrire :
β
1
= 1 ≤ e
ατ(t)
≤ e
ατ
2
= β
2
.
On en d´eduit qu’il existe une repr´esentation polytopique du terme e
ατ(t)
en d´efinissant des fonctions scalaires
λ
1
et λ
2
satisfaisant les conditions de convexit´e suivantes :
∀t ≥ 0, λ
1
(t) +λ
2
(t) = 1, λ
1
(t) ≥ 0, λ
2
(t) ≥ 0.
et telles que :
e
ατ(t)
= λ
1
(t)β
1

2
(t)β
2
.
Par cons´equent, le syst`eme (3.7.23) s’´ecrit en utilisant une repr´esentation polytopique :
˙ x
α
(t) =
2

i=1
λ
i
(t, x
t
) [(A+αI
n
)x
α
(t) +β
i
A
d
x
α
(t −τ(t)) +BKx
α
(t) −Bψ
α
(Kx(t))] . (3.7.25)
Ensuite, la preuve du th´eor`eme suit les ´etapes du Th´eor`eme 3.7.4 appliqu´e aux cas du syst`eme (3.7.25)
avec = 1. En utilisant la repr´esentation descripteur ¯ x
α
= col¦x
α
(t), ˙ x
α
(t)¦, on propose la fonctionnelle de
Lyapunov-Krasovskii :
V
α
(t) = ¯ x
T
α
(t)EP ¯ x
α
(t) +
_
0
−τ
2
_
t
t+θ
˙ x
T
α
(s)R˙ x
α
(s)dsdθ,
avec R > 0.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
92 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
Afin de d´eterminer une estimation du domaine d’attraction, la preuve suit celle du Th´eor`eme 3.7.2, mais
dans ce cas, on obtient :
x
T
α
(t)P
1
x
α
(t) ≤ V
α
(t) ≤ V
α
(0) ≤ δ ≤ 1, ∀t ≥ 0,
ce qui permet d’avoir :
V
α
(0) ≤ λ
max
(Q
−1
1
)[[φ(θ)[[
2

max
(J
−1
)(α[[φ[[ +[[
˙
φ[[)
2
_
0
−τ
2
_
0
θ
e
2αs
dsdθ,
≤ λ
max
(Q
−1
1
)[[φ[[
2
+
e
−2ατ
2
−1+2ατ
2

2
λ
max
(J
−1
)(α[[φ[[ +[[
˙
φ[[)
2
.
Ainsi, on en d´eduit que l’´etat x
α
(t) appartient `a c, ∀t ≤ 0. Sachant que la relation (3.7.21) implique que
c ⊂ o, l’in´egalit´e [(K − G)
j
x
α
(t)[ ≤ u
j
est satisfaite et, par cons´equent, que [(K − G)
j
x(t)[ ≤ e
−αt
u
j
≤ u
j
,
∀t > 0, autrement dit que x(t) ∈ o, ∀t > 0. On conclut en remarquant que la condition de secteur modifi´ee
(3.7.24) est v´erifi´ee et qu’ensuite
˙
V
α
(t) < 0, ∀t > 0 pour toutes les conditions initiales v´erifiant (3.7.22).
Remarque 3.7.7 Sachant que la fonction e
θ
est convexe, l’in´egalit´e suivante est v´erifi´ee :
e
−2ατ
2
−1 + 2ατ
2

2

τ
2
2
2
,
ce qui assure que l’ensemble des conditions initiales pour lesquelles il est possible de d´eterminer un gain K qui
stabilise asymptotiquement le syst`eme est plus grand que celui d´efini dans le cas exponentiel. De plus lorsque α
tend vers 0, le terme
e
−2ατ
2
−1+2ατ
2

2
tend vers
τ
2
2
2
, ce qui assure la continuit´e du r´esultat par rapport au param`etre
α.
Remarque 3.7.8 Il est faisable d’´etendre ces r´esultats au cas des syst`emes `a param`etres incertains pr´esent´es
sous forme polytopique. En effet les conditions LMI des Th´eor`emes 3.7.2, 3.7.3 3.7.4, 3.7.5 et 3.7.6 sont affines
par rapport aux matrices A, A
d
, B et F d´efinissant le syst`eme. Pour caract´eriser la stabilit´e d’un syst`eme
mis sous forme polytopique, il suffit que chacun des polytopes v´erifient les conditions LMI de stabilit´e. Afin de
diminuer le conservatisme de ces conditions, on peut introduire diff´erentes matrices Q
2
et Q
3
pour chacun des
polytopes.
3.7.4 Optimisation des r´esultats
Maximisation de la borne sup´erieure du retard garantissant la stabilit´e globale
Dans le cas o` u le syst`eme ´etudi´e sans retard est asymptotiquement stabilisable, un probl`eme int´eressant
consiste `a d´eterminer la borne sup´erieure maximale, τ

2
, du retard, τ
2
(t), telle que le syst`eme (3.7.5) est globa-
lement asymptotique stabilisable. On r´esout le probl`eme d’optimisation suivant :
max τ
2
soumis `a
(3.7.8) et (3.7.9) avec Y = W.
Si l’on consid`ere τ
2
comme une variable du probl`eme, les conditions obtenues ne sont plus des LMI mais des
in´egalit´es matricielles bilin´eaires (dont l’abr´eviation anglaise est BMI). Pour r´esoudre ce probl`eme, il suffit de
tester it´erativement des valeurs de τ
2
jusqu’`a ce que les conditions LMI (3.7.8) et (3.7.9) deviennent infaisables.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.7. SYST
`
EMES
`
A ENTR
´
EE SATUR
´
EE ET
`
A
´
ETAT RETARD
´
E 93
Optimisation de l’ensemble des conditions initiales admissibles
Pour des valeurs τ
2
et d donn´ees, pour assurer la stabilit´e du syst`eme (3.7.5) en utilisant le Th´eor`eme
3.7.2, l’ensemble des conditions initiales admissibles doit satisfaire `a la condition (3.7.11). On suppose alors
que qu’il existe deux r´eels positifs δ
1
et δ
2
tels que [[φ(θ)[[
2
= δ
1
et [[
˙
φ(θ)[[
2
= δ
2
. Dans ce cas, notre objectif
est de determiner les bornes maximales δ
1
et δ
2
pour lesquelles la condition (3.7.11) est toujours satisfaite. Le
probl`eme se pr´esente de la mani`ere suivante.
Premi`erement, on remarque que plus les valeurs propres des matrices Q
−1
1
, X
−1
, J
−1
et L
−1
sont petites, plus
les bornes δ
1
et δ
2
pour lesquelles la condition (3.7.11) est v´erifi´ee sont grandes. Pour introduire ces propri´et´es
dans le probl`eme LMI, on ajoute les conditions suivantes :
_
λ
Q1
I
n
I
n
Q
1
_
≥ 0,
_
λ
X
I
n
I
n
X
_
≥ 0,
_
λ
J
I
n
I
n
J
_
≥ 0,
_
λ
L
I
n
I
n
L
_
≥ 0.
(3.7.26)
En utilisant le compl´ement de Schur, les conditions (3.7.26) deviennent ´equivalentes `a λ
Q1
≥ λ
max
(Q
−1
1
),
λ
X
≥ λ
max
(X
−1
), λ
J
≥ λ
max
(J
−1
) et λ
L
≥ λ
max
(L
−1
). On d´efinit alors le probl`eme d’optimisation suivant :
min γ
1
λ
Q1

2
λ
X

3
λ
J

4
λ
L
soumis `a
(3.7.8), (3.7.9), (3.7.10) et (3.7.26),
(3.7.27)
o` u γ
1
, γ
2
, γ
3
et γ
4
repr´esentent des poids qui doivent ˆetre r´egl´es pour satisfaire certains compromis entre δ
1
et
δ
2
.
Maximisation possible dans le cas d’un ensemble de conditions initiales donn´ees
On se place cette fois-ci dans le cas o` u l’on se donne un ensemble de conditions initiales. On souhaite alors
optimiser les r´esultats selon plusieurs crit`eres. Le fait de se donner un ensemble de conditions initiales impose
les valeurs de δ
1
> 0 et δ
2
> 0. L’objectif est alors de d´eterminer le gain K du retour d’´etat. Dans ce probl`eme,
on consid`ere le probl`eme suivant :

Q1

2
λ
X

1
+ (0.5τ
2
2
λ
J

2
λ
L

2
−1 ≤ 0,
associ´e aux conditions LMI auxiliaires (3.7.26)
D’autre part, on peut introduire les nouvelles contraintes :
– maximiser la borne sup´erieure τ
2
du retard τ(t) pour laquelle la synth`ese d’un gain K de retour d’´etat
stabilisant est possible.
– maximiser le degr´e de convergence exponentiel α pour une borne sup´erieure du retard τ
2
donn´ee.
– minimiser la borne sup´erieure τ
2
du retard τ(t) pour une fonction de coˆ ut donn´ee (c’est-`a-dire r´esoudre
un probl`eme de stabilisation `a coˆ ut garanti).
3.7.5 Exemples
On consid`ere le syst`eme (3.7.1) avec :
A =
_
−3 1
0 −4
_
, A
d
=
_
0.5 0
0.5 −0.5
_
, B =
_
1
0
_
,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
94 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
F =
_
0.5 0
0 0.5
_
, d = 0.5, τ
2
= 1.
D’apr`es le Th´eor`eme 3.7.3, et en prenant = 0.1, il est alors possible d’assurer la stabilit´e asymptotique globale
du syst`eme en boucle ferm´ee avec, par exemple, K = [−0.138 −0.381]. De plus cette stabilit´e peut ˆetre assurer
pour des retards v´erifiant τ
2
≤ 23 10
3
et d ≤ 0.6.
On consid`ere maintenant le mˆeme syst`eme (3.7.1) mais avec les valeurs suivantes :
A =
_
1 1.5
0.3 −2
_
, A
d
=
_
0 −1
0 0
_
, B =
_
10
1
_
F =
_
0.2 0
0 0.2
_
, u
0
= 15, τ
2
= 1; d = 0.1.
Le probl`eme d’optimisation (3.7.27) avec γ
1
= γ
2
= γ
3
= γ
4
= 1 conduit au gain de retour d’´etat K =
[−0.278 − 0.139]. Cette commande assure la stabilit´e asymptotique pour toutes les conditions initiales φ
v´erifiant :
51[[φ(θ)[[
2
+ 9.34[[
˙
φ(θ)[[
2
≤ 10
4
ce qui revient dans un cas particulier `a [[φ(θ)[[ = [[
˙
φ(θ)[[ < 12.88.
On remarque, d’autre part, que l’ensemble des conditions initiales d´etermin´e pour la plus grande valeur
τ
2
= 2, est plus petit que le pr´ec´edent. En effet le gain K = [−0.248 −0.136] obtenu pour = 0.11, ne stabilise
le syst`eme que pour des conditions initiales v´erifiant [[φ(θ)[[ = [[
˙
φ(θ)[[ < 2.21.
On s’interesse maintenant au mˆeme exemple mais avec F = 0, qui correspond au cas retard´e.
Il est possible d’assurer la stabilit´e asymptotique pour des conditions initiales v´erifiant [[φ(θ)[[ = [[
˙
φ(θ)[[ <
79.546 avec le gain K = [−7.005 0.652]. On remarque que cet ensemble est sensiblement plus important que
celui d´etermin´e dans [52] (79.43) ou que dans [16] (58.40). Cependant il faut rappeler que les th´eor`emes pr´esent´es
ici ne n´ecessitent aucune contrainte sur la d´eriv´ee du retard ˙ τ et que le nombre de conditions LMI `a r´esoudre
est moins important. Ceci laisse penser que cette approche conduit `a des r´esultats moins conservatifs que les
pr´ec´edents.
Toujours pour le mˆeme exemple, on cherche `a r´esoudre le probl`eme d’optimisation propos´e dans la partie
3.7.4. Pour des conditions initiales v´erifiant [[φ(θ)[[
2
= [[
˙
φ(θ)[[
2
< 50, le gain K = [−0.524 0.867] de retour
d’´etat stabilise asymptotiquement le syst`eme pour tout retard born´e par τ
2
≤ 7.015.
3.7.6 Conclusion
La synth`ese de gains stabilisant des syst`emes neutres lin´eaires en pr´esence de retard et de saturation a ´et´e
r´esolue dans cette partie. Des conditions LMI qui permettent de d´eduire le gain du retour d’´etat caract´erisent
la stabilit´e du syst`eme boucl´e. Des crit`eres de stabilit´e asymptotique et exponentielle ont ´et´e d´evelopp´es pour
les syst`emes neutres et/ou `a retards. D’autre part nous avons pr´esent´e une phase d’optimisation permettant
d’obtenir soit les valeurs maximales de la borne sup´erieure du retard soit une plus grande estimation du domaine
d’attraction.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.8. CONCLUSION 95
3.8 Conclusion
Dans ce chapitre, nous avons ´etendu les r´esultats du Chapitre 2 au cas de syst`emes soumis `a des non-
lin´earit´es. Plus particuli`erement, nous nous sommes pench´es sur la stabilit´e et la stabilisation exponentielle `a
taux de convergence garanti d’une classe de syst`emes non-lin´eaires admettant une repr´esentation par mod`eles
polytopiques ou par mod`ele `a param`etres incertains born´es. Enfin une extension a ´et´e propos´ee pour les syst`emes
soumis `a des saturations. Nous avons notamment ´etudier les syst`emes `a retards sur l’´etat et `a entr´ee satur´ee
et les syst`emes `a entr´ee satur´ee et retard´ee. Dans ces deux cas, nous avons propos´e une estimation du domaine
d’attraction. Nous allons voir dans le prochain chapitre que ces th´eor`emes peuvent ˆetre ´etendus au cas des
syst`emes `a retards continus par morceaux.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
96 Chapitre 3. Stabilit´e des syst`emes non lin´eaires `a retards
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 4
Syst`emes `a entr´ee ´echantillonn´ee
4.1 Introduction
La plupart des commandes actuellement implant´ees le sont sur des calculateurs num´eriques via un conver-
tisseur analogique num´erique pouvant ˆetre mod´elis´e par un ´echantillonneur bloqueur d’ordre 0. Bien sˆ ur, de
telles commandes ne sont pas des fonctions continues du temps puisqu’un contrˆoleur travaille avec une fr´equence
limit´ee. On d´efinit alors le temps d’´echantillonnage comme le temps n´ecessaire au calculateur pour passer d’une
valeur de la commande `a la suivante. La Figure 4.1 pr´esente le sch´ema-bloc de l’´echantillonneur et son effet sur
un signal continu. L’effet de cet ´echantillonneur est de bloquer la valeur du signal continue u `a un instant donn´e
et pendant une p´eriode d´etermin´ee.

u(nT) u(t)
Echantillonneur
Fig. 4.1 – Sch´ema-Bloc d’un ´echantillonneur ou bloqueur d’ordre 0.
La Figure 4.2 montre un signal continu et le mˆeme signal ´echantillonn´e :
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
−1
−0.8
−0.6
−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
time (s)
f(
t)
Initial signal
Sampled signal: h= 1s
Sampled signal: h=0.3s
Fig. 4.2 –
´
Echantillonnages de la fonction sinus
97
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
98 Chapitre 4. Syst`emes `a entr´ee ´echantillonn´ee
Deux approches sont utilis´ees pour la synth`ese du correcteur. La premi`ere est une approche num´erique pour
laquelle on d´etermine un correcteur `a partir d’un mod`ele en temps discret du processus. Dans ce cas, les lois de
commande sont synth´etis´ees `a partir des th´eor`emes sur les syst`emes discrets [126]. La seconde est une approche
continue qui permet de construire des lois de commande `a partir d’un mod`ele en temps continu du processus.
Dans ce cas, la synth`ese de la loi de commande fait appel aux th´eor`emes sur les mod`eles continus.
Dans le cadre de notre ´etude, nous allons consid´erer des syst`emes dont l’entr´ee est une fonction du temps
continue par morceaux. Plus pr´ecis´ement, ces fonctions seront des fonctions continues sauf sur un ensemble
d´enombrable de points et telles que, `a tout instant t, les limites `a droite et `a gauche soient finies. Ces commandes
seront appliqu´ees sur des syst`emes continus. Le probl`eme qui apparaˆıt ici, est un probl`eme hybride car on ne se
situe dans aucune des deux approches pr´esent´ees ci-dessus.
Une commande ´echantillonn´ee est ´equivalente `a une commande continue au sens o` u la diff´erence des effets
sur le processus est n´egligeable si le temps d’´echantillonnage est tr`es faible par rapport au dynamique de ce
processus. Mˆeme si aujourd’hui les calculateurs et les ordinateurs poss`edent une grande rapidit´e de calcul,
il est int´eressant de quantifier cette approximation et de v´erifier pour quelles fr´equences d’´echantillonnage
la stabilit´e asymptotique peut ˆetre garantie. Aussi l’objectif de ce chapitre est de d´eterminer l’influence de la
p´eriode d’´echantillonnage d’un signal d’entr´ee sur les performances d’un processus. En particulier, nous tenterons
de donner une borne sup´erieure de la p´eriode d’´echantillonnage pour laquelle les performances esp´er´ees sont
atteintes. Ainsi, du point de vue de l’ing´enieur, nous pourrons dimensionner la fr´equence des calculateurs en
fonction de la dynamique du processus ´etudi´e.
Sachant que la difficult´e de cette ´etude provient de la discontinuit´e de la commande (on pourrait plutˆot
parler de variations brutales de celle-ci), l’id´ee de mˆeler en quelques sortes les deux ´etudes est apparue en
faisant appel `a la mod´elisation de l’´echantillonnage `a l’aide de retard variable. Cette approche permet d’utiliser
l’approche tout continu mais en consid´erant un syst`eme `a retard variable. Nous allons consid´erer qu’un signal
´echantillonn´e est un signal continu sur lequel on applique un retard variable. Ainsi nous pourrons appliquer des
crit`eres de stabilit´e sp´ecifiques aux syst`emes `a retards.
4.2 Une approche fr´equentielle
4.2.1 Condition n´ecessaire et suffisante de stabilit´e
Dans ce paragraphe sera bri`evement rappel´ee une condition n´ecessaire et suffisante de stabilit´e pour les
syst`emes mono-entr´ee et mono-sortie (SISO). Les syst`emes ´etudi´es sont mod´elis´es par un sch´ema-bloc pr´esent´e
Figure 4.3.

Y Yc
Echantillonneur F(s)
C(s)
+
-
Fig. 4.3 – Syst`eme SISO
o` u C est un correcteur pr´ed´etermin´e et o` u la fonction de transfert F est de la forme :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.2. UNE APPROCHE FR
´
EQUENTIELLE 99
F(s) =
m

i=1
b
i
s
i
n

i=1
a
i
s
i
, m < n,
On calcule alors la fonction de transfert en z du syst`eme sur une p´eriode d’´echantillonnage T :
F(z) =
Z(B
o(s)
F(s))
Z(1 +B
o(s)
F(s)C(s))
Apr`es la discr´etisation du mod`ele, le d´enominateur de cette fonction de transfert s’´ecrit :
D(z) =
n

i=1
c
i
(T)z
i
. (4.2.1)
On sait que la stabilit´e asymptotique du syst`eme est d´etermin´ee par le d´enominateur de cette fonction
de transfert en la variable z. Il faut et il suffit que le d´enominateur D(z) ait des z´eros de module strictement
inf´erieur `a 1. D’autres crit`eres ´equivalents apparaissent dans la litt´erature. Dans cet expos´e il n’en figurera qu’un
seul car les th´eor`emes utilis´es dans le domaine discret n’en sont pas l’objet principal. Celui qui sera pr´esent´e est
le crit`ere de Jury [126]. Ce dernier n´ecessite la construction du tableau suivant :
1
2
3
4
.
.
2n −5
2n −4
2n −3
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
c
0
c
1
c
2
. . . c
n−1
c
n
c
n
c
n−1
c
n−2
. . . c
1
c
0
d
0
d
1
d
2
. . . d
n−1
d
n−1
d
n−2
d
n−3
. . . d
0
. . . . .
. . . . .
p
0
p
1
p
2
p
3
p
3
p
2
p
1
p
0
q
0
q
1
q
2
(4.2.2)
o` u
d
0
=
¸
¸
¸
¸
¸
c
0
c
n
c
n
c
0
¸
¸
¸
¸
¸
, d
k
=
¸
¸
¸
¸
¸
c
0
c
n−k
c
n−k
c
0
¸
¸
¸
¸
¸
q
0
=
¸
¸
¸
¸
¸
p
0
p
n
p
n
p
0
¸
¸
¸
¸
¸
, q
k
=
¸
¸
¸
¸
¸
p
0
p
n−k
p
n−k
p
0
¸
¸
¸
¸
¸
.
Les coefficients qui apparaissent dans le crit`ere de Jury font implicitement apparaˆıtre la p´eriode d’´echantillonnage.
Le crit`ere de Jury certifie que le syst`eme est asymptotiquement stable si et seulement si les conditions suivantes
sont satisfaites :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
100 Chapitre 4. Syst`emes `a entr´ee ´echantillonn´ee
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
D(1) > 0,
(−1)
n
D(−1) > 0,
[c
0
[ < [c
n
[ ,
[d
0
[ < [d
n−1
[ ,
.
.
[p
0
[ < [p
3
[ ,
[q
0
[ < [q
2
[ .
Ayant des conditions de stabilit´e sur les coefficients du polynˆome D(z), il est possible de remonter `a la
condition sur la p´eriode d’´echantillonnage.
4.2.2 Cas du double int´egrateur
Consid´erons alors l’exemple du double int´egrateur et un r´eseau correcteur du type proportionnel d´eriv´e d´efini
de telle mani`ere que le mod`ele corrig´e ait ses pˆoles ´egales `a -1 : C(s) = 2s + 1. Le crit`ere de Jury nous donne
la condition de stabilit´e sur la p´eriode d’´echantillonnage T < 1. Pour un syst`eme correcteur choisi de telle sorte
que le syst`eme ait pour pˆoles −p
1
et −p
2
, la condition devient :
T <
2
p
1
+p
2
. (4.2.3)
Ce crit`ere permet donc de trouver la p´eriode d’´echantillonnage maximale admissible pour un couple (F, C)
donn´e qui est aussi la p´eriode d’´echantillonnage T, au-del`a de laquelle le syst`eme devient instable (condition
n´ecessaire et suffisante). Cependant ce crit`ere est limit´e dans son application. En effet, pour un syst`eme lin´eaire
`a une entr´ee et une sortie (mˆeme si dans le cas d’un double int´egrateur la solution est simple), la complexit´e
de la solution devient importante lorsque le degr´e du d´enominateur est grand. De plus il s’av`ere difficile de
l’appliquer `a des syst`emes `a plusieurs entr´ees et plusieurs sorties.
4.2.3 Une premi`ere approche par retard variable
Une solution int´eressante a ´et´e trouv´ee [15] pour les syst`emes r´egis par une ´equation diff´erentielle `a retard
de la forme :
˙
Z(t) = AZ(t) +BZ(t −τ(t)),
o` u A et B sont des matrices carr´ees de dimension nn et o` u A est inversible. τ(t) repr´esente un retard variable
tel que t −τ(t) est constant et ´egal `a kT sur l’intervalle de temps ]kT, (k +1)T]. L’´equation diff´erentielle devient
alors :
˙
Z(t) = AZ(t) +BZ(kT). (4.2.4)
Ce syst`eme peut ˆetre associ´e `a une ´equation diff´erentielle matricielle du premier ordre qu’on peut r´esoudre
sur chaque intervalle :
Z(t) = [(I +A
−1
B) exp(A(t −τ(t)) +A
−1
B]Z(k.T).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.3. UNE APPROCHE PAR RETARD VARIABLE 101
Si l’on se place au temps t = (k + 1)T, on obtient une relation de r´ecurrence simple. Il apparaˆıt alors un
crit`ere de convergence. Pour que le syst`eme soit asymptotiquement stable, il est suffisant que :
_
_
(I +A
−1
B) exp(AT) +A
−1
B
_
_
< 1. (4.2.5)
Dans le cas o` u A est la matrice nulle la condition devient :
|I −BT| < 1. (4.2.6)
Grˆace aux ´equations (4.2.5) ou (4.2.6), on peut finalement d´eterminer la borne sup´erieure τ
2
de la p´eriode
d’´echantillonnage telle que le syst`eme (4.2.4) soit stable.
Ainsi, dans le cas lin´eaire, nous pouvons d´eterminer de fa¸con certaine la p´eriode d’´echantillonnage maxi-
male qui n’alt`ere pas la stabilit´e du syst`eme. On peut ais´ement remarquer que mˆeme si les calculs paraissent
´el´ementaires, leur complexit´e augmente avec l’ordre du syst`eme. On notera aussi le conservatisme de ce r´esultat
qui ne peut garantir la stabilit´e que si la matrice A est nulle ou inversible. Il faut noter aussi que pour ces derni`eres
approches, la connaissance des instants d’´echantillonnage (et la constance de la p´eriode d’´echantillonnage pour
l’application du crit`ere de Jury) est n´ecessaire. C’est pourquoi il parait n´ecessaire de proposer d’autres approches
qui ne donnent malheureusement que des conditions suffisantes mais dont les r´esultats pourraient ˆetre appliqu´es
`a des syst`emes plus complexes comme des syst`emes `a coefficients perturb´es ou `a entr´ee satur´ee.
4.3 Une approche par retard variable
La mod´elisation de syst`emes continus `a entr´ee ´echantillonn´ee sous forme de syst`emes soumis `a un retard pur
a ´et´e introduite par Mikheev, Sobolev & Fridman [103], Astrom & Wittenmark [6] et d´evelopp´ee plus tard par
Emilia Fridman [46]. La loi de commande num´erique peut donc ˆetre repr´esent´ee par une commande retard´ee de
la forme :
u(t) = u
d
(t
k
) = u
d
(t −(t −t
k
)) = u
d
(t −τ(t)), pour tout t ∈ [t
k
, t
k+1
[, τ(t) = t −t
k
, (4.3.1)
o` u u
d
est un signal de commande discret et le retard variable τ(t) = t − t
k
est une fonction continue par
morceaux dont la d´eriv´ee prend la valeur ˙ τ(t) = 1 pour t ,= t
k
. De plus, on assure que le retard τ(t) est toujours
inf´erieur `a la p´eriode d’´echantillonnage t
k+1
−t
k
. La Figure 4.4 illustre un signal ´echantillonn´e `a deux cadences
constantes diff´erentes, T
1
= 0.2 et T
2
= 0.5, et les retards d’´echantillonnage associ´es.
En ce qui concerne les syst`emes `a retards variables, des conditions sont obtenues en utilisant des fonctionnelles
de Lyapunov-Krasovskii dans le cas o` u la d´eriv´ee du retard est strictement inf´erieure `a 1 [84]. La question de la
stabilit´e dans le cas de retards variables et sans condition restrictive sur leur d´eriv´ee a ´et´e trait´ee principalement
`a l’aide de fonctions de Lyapunov-Razumikhin, qui conduisent g´en´eralement `a des r´esultats conservatifs (cf. [64],
[73], [85] et [111]). Ce n’est que r´ecemment que, pour la premi`ere fois, le probl`eme de stabilit´e de syst`emes `a
retard sans condition sur la d´eriv´ee du retard fut trait´e par des techniques de Lyapunov-Krasovskii [57]. Ceci
est possible en mixant cette technique `a la repr´esentation descripteur introduite par E. Fridman dans [47].
La principale approche de la stabilisation robuste des syst`emes `a entr´ee ´echantillonn´ee est la technique du
lifting (c.f. [8], [36], [118], [156]) dans laquelle ce probl`eme est transform´e en un probl`eme discret en dimension
finie. Cependant cette approche ne permet pas de consid´erer le cas o` u il y a des incertitudes sur la p´eriode
d’´echantillonnage (inconnue et/ou variable) et sur les param`etres du syst`eme.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
102 Chapitre 4. Syst`emes `a entr´ee ´echantillonn´ee
0 1 2 3 4 5
−1
−0.5
0
0.5
1
Signal échantillonné
0 1 2 3 4 5
0
0.2
0.4
0.6
0.8
Retards d’échantillonnage
Fig. 4.4 – Exemple de retards d’´echantillonnage
Une nouvelle approche pour la stabilisation de syst`emes `a entr´ee ´echantillonn´ee est sugg´er´ee dans [133].
Cette approche permet de r´esoudre le probl`eme de stabilit´e et de stabilisation des syst`emes `a retards continus
par morceaux, incertains mais born´es, par la p´eriode maximale d’´echantillonnage. Le principal probl`eme est de
d´emontrer que les conditions de stabilit´e et de stabilisation sont toujours valables dans le cas de signal d’entr´ee
continu par morceaux. Les r´esultats qui sont propos´es par la suite garantissent la robustesse par rapport aux
instants d’´echantillonnage. Leur seule contrainte est que la dur´ee maximale entre deux instants d’´echantillonnage
cons´ecutifs soit inf´erieure `a une borne connue τ
2
.
Ce qui rend cette m´ethode tr`es int´eressante est qu’elle permet d’appliquer directement aux syst`emes `a entr´ee
´echantillonn´ee les diff´erentes m´ethodes de contrˆole utilis´ees dans le cadre des syst`emes `a retards. Les conditions
LMI sont affines par rapport aux matrices d´efinissant le syst`eme, des conditions de stabilisation quadratique sont
directement d´eduites pour des syst`emes qui pr´esentent des incertitudes polytopiques. Il est aussi envisageables
de consid´erer une stabilisation locale de syst`emes `a entr´ee ´echantillonn´ee et satur´ee par application des r´esultats
existants [16], [25], [52] et [143].
4.3.1 Stabilit´e d’un syst`eme `a entr´ee ´echantillonn´ee
Consid´erons le syst`eme lin´eaire suivant :
˙ x(t) = Ax(t) +Bu(t), (4.3.2)
o` u x(t) ∈ R
n
repr´esente l’´etat et u(t) ∈ R
m
la commande ´echantillonn´ee du syst`eme. Les matrices A ∈ R
n×n
et
B ∈ R
n×m
sont suppos´ees constantes.
Notre objectif est de d´eterminer une loi de contrˆole discontinue de la forme u(t) = u
d
(t
k
), t
k
≤ t < t
k+1
,
o` u u
d
est un signal ´echantillonn´e de commande et o` u 0 = t
0
< t
1
< ... < t
k
< ... repr´esentent les instants
d’´echantillonnage. La loi de commande choisie pour stabiliser le syst`eme est un retour d’´etat donn´e par :
u(t) = Kx(t
k
), t
k
≤ t < t
k+1
. (4.3.3)
Le signal ´echantillonn´e est alors assimil´e `a un signal continu soumis `a un retard variable discontinu (mais
continu `a droite) de la forme τ(t) = t − t
k
donn´ee dans (4.3.1). Dans cette configuration la loi de commande
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.3. UNE APPROCHE PAR RETARD VARIABLE 103
devient une commande retard´ee :
u(t) = Kx(t −τ(t)). (4.3.4)
En introduisant (4.3.4) dans (4.3.2), le syst`eme boucl´e s’´ecrit finalement :
˙ x(t) = Ax(t) +BKx(t −τ(t)), τ(t) = t −t
k
, t
k
≤ t < t
k+1
. (4.3.5)
Afin de d´eterminer des conditions de stabilit´e d’un tel syst`eme, une hypoth`ese est ajout´ee sur la dur´ee
s´eparant deux instants d’´echantillonnage :
t
k+1
−t
k
≤ τ
2
∀k ≥ 0. (4.3.6)
En d’autres termes, l’´equation (4.3.6) impose une borne sup´erieure au retard d’´echantillonnage c’est-`a-dire
τ(t) ≤ τ
2
. Cela revient `a dire que la dur´ee qui s´epare deux instants d’´echantillonnage ne peut pas d´epasser
une certaine borne τ
2
. En suivant les r´esultats de [57], o` u le retard consid´er´e ´etait continu, l’extension au cas
de retards discontinus et dont la d´eriv´ee ˙ τ(t) peut prend r´eguli`erement la valeur 1 est obtenue dans le lemme
suivant :
Lemme 4.3.1 [53] Pour un gain matriciel K donn´e, le syst`eme boucl´e (4.3.5) est stable, pour tout ´echantillonnage
v´erifiant la condition (4.3.6), s’il existe des matrices de dimension n n 0 < P
1
, P
2
, P
3
, Z
1
, Z
2
, Z
3
et R > 0
telles que les conditions LMI suivantes soient satisfaites :
Ψ
1
< 0, et
_
R [0 K
T
B
T
]P
∗ Z
_
≥ 0, (4.3.7)
o` u
P =
_
P
1
0
P
2
P
3
_
, Z =
_
Z
1
Z
2
∗ Z
3
_
, Ψ
1
= Ψ
0

2
Z +
_
0 0
0 τ
2
R
_
,
Ψ
0
= P
T
_
0 I
n
A+BK −I
n
_
+
_
0 I
n
A+BK −I
n
_
T
P.
D´emonstration.
La preuve est bas´ee sur la repr´esentation descripteur du syst`eme (4.3.5) [47] :
_
˙ x(t) = y(t),
0 = −y(t) + (A+BK)x(t) −BK
_
t
t−τ(t)
y(s)ds,
(4.3.8)
qui est toujours valide dans le cas du retard continu par morceaux τ(t) pour t > 0. Soient un gain K et une
fonction de conditions initiales x(t) = φ(t) (t ∈ [−τ
2
, 0]), o` u φ est une fonction continue par morceaux, l’´etat
x(t) v´erifie l’´equation (4.3.8) pour tout t ≥ 0 si, et seulement si, il v´erifie l’´equation (4.3.5).
On utilise alors la fonctionnelle de Lyapunov-Krasovskii suivante (cf. Th´eor`eme 2.3.2, dans le cas asympto-
tique (α = 0)) :
V (t) = ¯ x
T
(t)EP ¯ x(t) +
_
0
−τ
2
_
t
t+θ
y
T
(s)Ry(s)dsdθ, , (4.3.9)
o` u
¯ x(t) = col¦x(t), y(t)¦, E =
_
I
n
0
0 0
_
, P =
_
P
1
0
P
2
P
3
_
, P
1
= P
T
1
> 0, (4.3.10)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
104 Chapitre 4. Syst`emes `a entr´ee ´echantillonn´ee
qui v´erifie l’in´egalit´e :
a[x(t)[
2
≤ V (t) ≤ b sup
s∈[−τ
2
,0]
[¯ x(t +s)[
2
, a > 0, b > 0. (4.3.11)
En diff´erenciant V (t) le long des trajectoires de (4.3.8) pour t ≥ τ
2
, on obtient (c.f. [57]) :
˙
V (t) < ¯ x(t)
T
Ψ
1
¯ x(t) < −c[x(t)[
2
, c > 0, (4.3.12)
`a condition que les ´equations (4.3.7a,b) soient satisfaites. En int´egrant (4.3.12), on obtient :
V (t) −V (τ
2
) ≤ −c
_
t
−τ
2
[x(s)[
2
ds (4.3.13)
et, par cons´equent, (4.3.11) conduit `a [x(t)[
2
≤ V (t)/a ≤ V (τ
2
)/a < b/a sup
s∈[−τ
2
,0]
[¯ x(τ
2
+ s)[
2
. Sachant que
sup
s∈[−τ
2
,0]
[¯ x(τ
2
+ s)[ ≤ c
1
sup
s∈[−τ
2
,0]
[φ(s)[,c
1
> 0 (c.f. Hale & Lunel, [73], p168). On en d´eduit que ˙ x, d´efini
`a droite par (4.3.5), v´erifie sup
s∈[−τ
2
,0]
[ ˙ x(τ
2
+s)[ ≤ c
2
sup
s∈[−τ
2
,0]
[φ(s)[, c
2
> 0, On obtient :
[x(t)[
2
≤ c
3
sup
s∈[−τ
2
,0]
[φ(s)[
2
, c
3
> 0. (4.3.14)
Finalement le syst`eme d´ecrit par (4.3.5) est stable, (c’est-`a-dire x(t) est born´e et “petit” pour une condition
initiale φ “petite”). Afin de prouver la stabilit´e asymptotique, on remarque que la solution x(t) est uniform´ement
continue sur [0, ∞) car ˙ x(t) d´efini `a droite par (4.3.5) est uniform´ement born´ee. De plus, (4.3.13) implique que
[x(t)[
2
est int´egrable sur [0, ∞). Enfin le lemme de Barbalat permet de conclure en montrant que x(t) → 0
lorsque t →∞.
Ce th´eor`eme garantit maintenant qu’un syst`eme soumis `a un retard d´efini par (4.3.1) est stable s’il satisfait
des conditions stabilit´e classiques issues des Th´eor`emes de Lyapunov. Cela permet donc d’´elargir le champ
d’application de tous les th´eor`emes pr´esent´es dans les chapitres pr´ec´edents au cas des syst`emes `a entr´ee et/ou
`a sortie ´echantillonn´ees `a partir du moment o` u l’on autorise la d´eriv´ee du retard `a ˆetre ´egale `a 1, ˙ τ(t) ≤ 1.
4.3.2 Etude de la robustesse
L’int´erˆet principal de la mod´elisation de l’´echantillonnage comme un retard pur est qu’il permet d’appliquer
les r´esultats concernant notamment la robustesse par rapport aux param`etres. Dans le cas o` u les matrices
d´efinissant le syst`eme ne sont pas identifi´ees avec certitude, on appelle Ω =
_
A B
_
et on suppose que
Ω ∈ (o¦Ω
j
, j = 1, ...N¦, `a savoir,
Ω =
N

j=1
f
j

j
pour tout 0 ≤ f
j
≤ 1,
N

j=1
f
j
= 1, (4.3.15)
o` u les N ´el´ements du polytopes sont d´ecrit par Ω
j
=
_
A
(j)
B
(j)
_
.
Afin de garantir la stabilit´e de (4.3.2) pour tout polytope de Ω, une extension du Lemme 4.3.1 peut ˆetre
r´ealis´ee directement en utilisant les mˆemes matrices P
2
et P
3
pour chacun des points du polytope en r´esolvant
uniquement les conditions LMI (4.3.7a,b) pour les N ´el´ements de Ω. Un crit`ere de stabilit´e asymptotique du
syst`eme boucl´e est ainsi obtenu :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.3. UNE APPROCHE PAR RETARD VARIABLE 105
Corollaire 4.3.2 Pour un gain matriciel K donn´e, le syst`eme (4.3.5) est stable, pour tout ´el´ement d´ecrivant
l’ensemble Ω, s’il existe des matrices, de dimension nn, 0 < P
(j)
1
,P
2
, P
3
, Z
(j)
1
, Z
(j)
2
, Z
(j)
3
et R
(j)
> 0 telles
que les conditions LMI suivantes soient satisfaites :
Ψ
(j)
1
< 0, et
_
R
(j)
[0 K
T
B
(j)T
]P
(j)
∗ Z
(j)
_
≥ 0, j = 1, ..., N, (4.3.16)
o` u
P
(j)
=
_
P
(j)
1
0
P
2
P
3
_
, Z
(j)
=
_
Z
(j)
1
Z
(j)
2
∗ Z
(j)
3
_
, Ψ
(j)
1
= Ψ
(j)
0

2
Z
(j)
+
_
0 0
0 τ
2
R
(j)
_
,
Ψ
(j)
0
= P
(j)T
_
0 I
n
A
(j)
+B
(j)
K −I
n
_
+
_
0 I
n
A
(j)
+B
(j)
K −I
n
_
T
P
(j)
.
4.3.3 Stabilit´e d’un syst`eme neutre `a entr´ee ´echantillonn´ee retard´ee
Consid´erons le syst`eme neutre lin´eaire, `a retard et `a entr´ee ´echantillonn´ee suivant :
˙ x(t) −F ˙ x(t −g(t)) = A
0
x(t) +A
1
x(t −τ
1
(t)) +Bu(t −τ
2
(t)) (4.3.17)
o` u x(t) ∈ R
n
repr´esente l’´etat et u(t) ∈ R
m
la loi de commande du syst`eme que l’on choisit du type retour
d’´etat de la forme u(t) = Kx(t) o` u K est un gain matriciel `a d´eterminer. Les matrices A
0
, A
1
et F ∈ R
n×n
et
B ∈ R
n×m
et K ∈ R
m×n
sont suppos´ees constantes. Le retard τ
1
est de la forme :
τ
1
(t) = δ
1

1
(t), [η
1
(t)[ ≤ µ
1
, (4.3.18)
et le retard τ
2
(t) se pr´esente de la mani`ere suivante τ
2
(t) = h + t − t
k
, avec t
k
≤ t < t
k+1
o` u h repr´esente un
retard pur ici constant mais pouvant tr`es bien ˆetre variable. Si on suppose que les instants d’´echantillonnage t
k
v´erifient 0 ≤ t
k+1
−t
k
≤ T, ∀k ≥ 0, on a.
τ
2
(t) = δ
2

2
(t), [η
2
(t)[ ≤ µ
2
, (4.3.19)
o` u δ
2
= h+T/2 et µ
2
= T
2
. Connaissant maintenant les bornes des retards (4.3.18) et (4.3.19), on peut ´enoncer
le th´eor`eme de stabilit´e exponentielle suivant :
Lemme 4.3.3 ([49], Cas 1) Pour un gain K donn´e, le syst`eme (4.3.17) est asymptotiquement stable pour
tout retard interne τ
1
v´erifiant (4.3.18), tout retard d’´echantillonnage τ
2
v´erifiant (4.3.19) et tout retard g(t)
tel que ˙ g(t) ≤ d
0
, si |F|
e
< 1 et s’il existe des matrices, de dimension n n, 0 < P
1
, P
2
, P
3
, S
k
, U, Y
k1
, Y
k2
,
Z
k1
, Z
k2
, Z
k3
, R
k
et R
ka
, k=1, 2 telles que les conditions LMI suivantes soient satisfaites :
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Ψ
1
P
T
_
0
A
1
_
−Y
T
1
P
T
_
0
BK
_
−Y
T
2
P
T
_
0
F
_
∗ −S
1
0 0
∗ ∗ −S
2
0
∗ ∗ ∗ −(1 −d
0
)U
∗ ∗ ∗ ∗
∗ ∗ ∗ ∗
µ
1
P
T
_
0
A
1
_
µ
2
P
T
_
0
BK
_
0 0
0 0
0 0
−µ
1
R
1a
0
∗ −µ
2
R
2a
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0,
(4.3.20)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
106 Chapitre 4. Syst`emes `a entr´ee ´echantillonn´ee
et, pour k = 1, 2 :
_
¸
¸
_
R
k
Y
k1
Y
k2
∗ Z
k1
Z
k2
∗ ∗ Z
k3
_
¸
¸
_
≥ 0, (4.3.21)
o` u la matrice P est d´efinie dans (4.3.10) et Ψ
1
est donn´ee par :
Ψ
1
= P
T
_
0 I
n
A
0
−I
n
_
+
_
0 I
n
A
0
−I
n
_
T
P +

2
k=1
_
Y
k
0
_
+

2
k=1
_
Y
k
0
_
T
+

2
k=1
δ
k
Z
k
+
_

2
k=1
S
k
0
0

2
k=1

k
R
k

k
R
ka
) +U
_
,
4.3.4 Stabilisation exponentielle
Dans la mesure o` u l’on a d´etermin´e des conditions de stabilit´e pour les syst`emes comprenant des incertitudes
polytotiques, il est maintenant possible d’´enoncer des th´eor`emes de stabilit´e exponentielle inspir´es des r´esultats
propos´es dans le Chapitre 2 pour les syst`emes `a retards born´es et neutres.
On effectue le changement de variables x
α
(t) = e
αt
x(t) dans (4.3.17) o` u l’on impose g(t) = δ
3
, ce qui conduit
`a :
˙ x
α
(t) = (A
0
+αI
n
)x
α
(t) +e
ατ
1
(t)
A
1
z(t −τ
1
(t)) +e
ατ
2
(t)
BKx
α
(t −τ
2
(t)) +Fe
αt
˙ x(t −δ
3
). (4.3.22)
Le dernier terme de (4.3.22) peut ˆetre exprim´e en fonction de x
α
en ´ecrivant e
αt
˙ x(t −δ
3
) = e
αδ
3
˙ x
α
(t −δ
3
) −
αe
αδ
3
x
α
(t −δ
3
). On obtient finalement le syst`eme neutre modifi´e suivant :
˙ x
α
(t) = (A
0
+αI
n
)x
α
(t) +e
ατ
1
(t)
A
1
x
α
(t −τ
1
(t)) +e
ατ
2
(t)
BKx
α
(t −τ
2
(t))
−αe
αδ
3
Fx
α
(t −δ
3
) +Fe
αδ
3
˙ x
α
(t −δ
3
).
(4.3.23)
Dans un premier temps nous allons d´eterminer des conditions de stabilit´e exponentielle du syst`eme boucl´e.
Une premi`ere remarque peut ˆetre faite concernant le terme neutre. Pour que la stabilit´e soit prouv´ee il faut
v´erifier la condition suivante [85] :
|e
αδ
3
F|
e
< 1. (4.3.24)
On transforme maintenant les termes exponentiels e
ατ
1
(t)
et e
ατ
2
(t)
sous forme polytopique. pour cela on
remarque que les d´efinitions des retards (4.3.18) et (4.3.19) impliquent :
e
α(δ
i
−µ
i
)
≤ e
ατ
i
(t)
≤ e
α(δ
i

i
)
, ∀t ≥ 0, ∀i = 1, 2.
Cela signifie qu’il existe des fonctions r´eelles λ
ij
: R →R, (i, j) ∈ ¦1, 2¦
2
, telles que :
∀t ≥ 0, ∀(i, j) ∈ ¦1, 2¦
2
λ
ij
(t) ≥ 0, et

2
i,j=1
λ
ij
(t) = 1 (4.3.25)
et pour lesquelles l’´equation diff´erentielle (4.3.23) s’´ecrit :
˙ x
α
(t) =

2
i,j=1
λ
ij
(t)¦(A
0
+αI
n
)x
α
(t) +β
1i
A
1
x
α
(t −τ
1
(t)) +β
2j
BKx
α
(t −τ
2
(t))
−αe
αδ
3
Fx
α
(t −δ
3
) +Fe
αδ
3
˙ x
α
(t −δ
3
)¦,
(4.3.26)
o` u β
11
= e
α(δ
1
−µ
1
)
, β
12
= e
α(δ
1

1
)
, β
21
= e
α(δ
2
−µ
2
)
et β
22
= e
α(δ
2

2
)
.
En appliquant le Lemme 4.3.3 au syst`eme polytopique (4.3.26) on obtient le th´eor`eme suivant :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.3. UNE APPROCHE PAR RETARD VARIABLE 107
Th´eor`eme 4.3.4 [132] Pour un gain K donn´e, le syst`eme (4.3.17), avec g(t) = δ
3
satisfaisant `a (4.3.24), est
α−stable pour tous retards v´erifiant (4.3.18) et (4.3.19) s’il existe des matrices sym´etriques d´efinies positives
P
1
, S
l
, U, R
l
et R
ka
∈ R
n×n
et des matrices P
2
, P
3
∈ R
n×n
, Y
l
∈ R
n×2n
, Z
l
∈ R
2n×2n
, pour l = 1, 2, 3 qui
satisfont pour tout (i, j) ∈ ¦1, 2¦
2
`a (4.3.21) et `a :
Γ
ij
1
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Ψ
2
P
T
_
0
β
1i
A
1
_
−Y
T
1
P
T
_
0
β
2j
BK
_
−Y
T
2
P
T
_
0
−αe
αδ
3
F
_
−Y
T
3
∗ −S
1
0 0
∗ ∗ −S
2
0
∗ ∗ ∗ −S
3
∗ ∗ ∗ ∗
∗ ∗ ∗ ∗
∗ ∗ ∗ ∗
P
T
_
0
e
αδ
3
F
_
µ
1
P
T
_
0
β
1i
A
1
_
µ
2
P
T
_
0
β
2j
BK
_
0 0 0
0 0 0
0 0 0
−U 0 0
∗ −µ
1
R
1a
0
∗ ∗ −µ
2
R
2a
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0,
(4.3.27)
et
Ψ
2
= P
T
_
0 I
n
A
0
+αI
n
−I
n
_
+
_
0 I
n
A
0
+αI
n
−I
n
_
T
P +

3
l=1
δ
l
Z
l
+

3
l=1
_
_
_
Y
l
0
_
+
_
Y
l
0
_
T
_
_
+
_

3
l=1
S
l
0
0

3
l=1
δ
l
R
l
+

2
k=1

k
R
ka
+U
_
,
(4.3.28)
Remarque 4.3.5 Dans le cas o` u δ
1
= δ
3
dans (4.3.26), les conditions LMI du Th´eor`eme 4.3.4 peuvent ˆetre
simplifi´ees. En effet, il suffit pour cela de regrouper les termes β
1i
A
1
et −αe
αδ
3
F. Ainsi la dimension de (4.3.27)
sera r´eduite.
Concernant le probl`eme de la stabilisation, c’est-`a-dire au probl`eme de la synth`ese du gain K de retour
d’´etat, on propose ici une m´ethode issue de [139]. On impose la condition P
3
= P
2
, o` u ∈ R est un param`etre
de r´eglage. On remarque que, dans ce cas, P
2
est une matrice inversible puisque la seule matrice qui peut ˆetre
d´efinie n´egative dans le deuxi`eme bloc de (4.3.29) est −(P
2
+P
T
2
). On d´efinit alors :
¯
P = P
−1
2
.
La suite de la d´emonstration n´ecessite l’introduction de nouvelles variables. Pour toutes variables matricielles
V ∈ ¦P
1
,Y
lk
,S
l
,U,R
l
,R
ka
,Z
ll
¦ avec k = 1, 2, (l, l

) = 1, 2, 3, on d´efinit
¯
V et W par
¯
P
T
V
¯
P et W = K
¯
P. En
multipliant (4.3.29) par diag¦
¯
P,
¯
P,
¯
P,
¯
P,
¯
P,
¯
P,
¯
P,
¯
P¦ `a droite et par sa transopos´ee `a gauche, et en multipliant
(4.3.21) par diag¦
¯
P,
¯
P,
¯
P¦ `a droite et par sa transpos´ee `a gauche, on obtient les conditions suivantes :
Th´eor`eme 4.3.6 [132] La loi de commande par retour d’´etat (4.3.3) stabilise exponentiellement le syst`eme
(4.3.17), avec g(t) = δ
3
satisfaisant `a la condition |F|
e
e
αδ
3
< 1 et pour tous retard v´erifiant les in´egalit´es
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
108 Chapitre 4. Syst`emes `a entr´ee ´echantillonn´ee
(4.3.18) et (4.3.18), si, pour les r´eels positifs α et , il existe des matrices de dimension n n, sym´etriques
d´efinies positives
¯
P
1
,,
¯
S
l
,
¯
U,
¯
R
l
et
¯
R
ak
, et des matrices de dimension nn,
¯
P,
¯
Z
l1
,
¯
Z
l2
,
¯
Z
l3
et
¯
Y
lk
, pour k = 1, 2
et l = 1, 2, 3,et une matrice de dimension n m, W telles ques les conditions LMI suivantes soient satisfaites
pour toute paire (i, j) ∈ ¦1, 2¦
2
:
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Ψ
3
_
β
1i
A
1
¯
P −
¯
Y
T
11
(
¯
β
1i
A
1
¯
P) −
¯
Y
T
12
_ _
β
2j
BW −
¯
Y
T
21
β
2j
BW −
¯
Y
T
22
_ _
−αe
αδ
3
F
¯
P −
¯
Y
T
31
−αe
αδ
3
F
¯
P −
¯
Y
T
32
_
∗ −
¯
S
1
0 0
∗ ∗ −
¯
S
2
0
∗ ∗ ∗ −
¯
S
3
∗ ∗ ∗ ∗
∗ ∗ ∗ ∗
∗ ∗ ∗ ∗
_
e
αδ
3
F
¯
P
e
αδ
3
F
¯
P
_
µ
1
_
β
1i
A
1
¯
P
β
1i
A
1
¯
P
_
µ
2
_
β
2j
BW
β
2j
BW
_
0 0 0
0 0 0
0 0 0

¯
U 0 0
∗ −µ
1
¯
R
1a
0
∗ ∗ −µ
2
¯
R
2a
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0,
(4.3.29)
et
_
¸
¸
_
¯
R
l
¯
Y
l1
¯
Y
l2

¯
Z
l1
¯
Z
l2
∗ ∗
¯
Z
l3
_
¸
¸
_
≥ 0, ∀l = 1, 2, 3, (4.3.30)
o` u
Ψ
311
= (A
0
+αI
n
)
¯
P +
¯
P
T
(A
0
+αI
n
)
T
+

3
l=1
_
¯
S
l

l
¯
Z
l1
+
¯
Y
l1
+
¯
Y
T
l1
_
,
Ψ
312
=
¯
P
1

¯
P +
¯
P
T
(A
0
+αI
n
)
T
+

3
l=1
_
δ
l
¯
Z
l2
+
¯
Y
l2
_
,
Ψ
322
= −(
¯
P +
¯
P
T
) +

3
l=1
δ
l
(
¯
Z
l3
+
¯
R
l
) +

2
k=1

k
¯
R
ka
+
¯
U.
4.3.5 Stabilisation des syst`emes `a entr´ee satur´ee et ´echantillonn´ee
R´esultats et ´etude pr´eliminaires
Consid´erons maintenant le syst`eme (4.3.2) avec une loi de commande ´echantillonn´ee (4.3.3) et soumise `a des
contraintes d’amplitude :
[u
i
(t)[ ≤ ¯ u
i
, 0 < ¯ u
i
, i = 1, ..., m (4.3.31)
On appelle x(t, x(0)) l’´etat du syst`eme (4.3.2) dont la condition initiale est x(0) ∈ R
n
. Le domaine d’attraction
de l’origine du syst`eme d´ecrit par (4.3.2) et (4.3.3) est l’ensemble :
/ = ¦x(0) ∈ R
n
: lim
t→∞
x(t, x(0)) = 0¦.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.3. UNE APPROCHE PAR RETARD VARIABLE 109
Ce paragraphe concerne la synth`ese d’un gain K de retour d’´etat qui stabilise exponentiellement le syst`eme
boucl´e. Par la suite, les conditions permettront d’obtenir une estimation A
β
⊂ / du domaine de stabilit´e de la
forme :
A
β
= ¦x(0) ∈ R
n
: x
T
(0)P
1
x(0) ≤ β
−1
¦, (4.3.32)
o` u β est un r´eel positif et P
1
une matrice sym´etrique d´efinie positive de dimension n n. Contrairement `a
l’ensemble A
β
d´efini dans (4.3.32) du Chapitre 3, l’estimation du domaine d’attraction est une ellipso¨ıde.
En utilisant l’approche par retard variable, la commande par retour d’´etat ´echantillonn´ee et satur´ee se
pr´esente sous la forme :
u(t) = sat(Kx(t −τ(t)), ¯ u). (4.3.33)
o` u ¯ u = [¯ u
1
, ..., ¯ u
m
]. Ainsi le probl`eme initial de stabilisation d’un syst`eme `a entr´ee ´echantillonn´ee et satur´ee
devient ´equivalent au probl`eme de stabilisation d’un syst`eme `a retard pur et `a entr´ee satur´ee que l’on peut
r´esoudre en se r´ef´erant `a [59].
Repr´esentation polytopique
En appliquant le contrˆole (4.3.33), le syst`eme boucl´e est alors r´egi par l’´equation :
˙ x(t) = Ax(t) +Bsat(Kx(t −τ(t)), ¯ u),
τ(t) = t −t
k
, t
k
≤ t < t
k+1
.
(4.3.34)
Une diff´erence importante avec avec les r´esultats du Chapitre 3 apparaˆıt. Du fait que le retard variable τ
consid´er´e dans le syst`eme (4.3.34) est du `a l’´echantillonnage de la commande, la condition initiale est simplement
d´efinie `a t = 0 et pas sur un intervalle de la forme [−τ
2
, 0]. En effet, l’approche par retard variable permet de
consid´erer la condition initiale suivante :
φ(0) = x(0), φ(s) = 0, s ∈ [−τ
2
, 0). (4.3.35)
Comme le retard vient de l’´echantillonnage de la commande, cette condition peut simplement s’interpr´eter
par le fait que le syst`eme n’est soumis `a aucune commande avant l’instant initial t = 0. D’autre part, on notera
k
i
, la i
i` eme
ligne de K, ce qui permet de d´efinir l’espace L(K, ¯ u) :
L(K, ¯ u) = ¦x ∈ R
n
: [k
i
x[ ≤ ¯ u
i
, i = 1, ..., m¦.
Ainsi, si la commande est telle que x est `a valeurs dans L(K, ¯ u), le syst`eme (4.3.34) n’est soumis `a aucune
saturation et admet une repr´esentation lin´eaire. En suivant les r´esultats d´ecrits dans [16], on introduit l’ensemble
Υ des matrices diagonales de R
m×m
telles que les ´el´ements de la diagonale soient 0 ou 1. Υ contient 2
m
´el´ements
distincts D
i
. On notera alors D

i
la matrice de Υ d´efinie par I
m
− D
i
. En utilisant les lemmes 3.6.1 et 3.6.2
pr´esent´es dans le Chapitre 3, pour des gains matriciels K et H de R
m×n
, et pour tout x ∈ R
n
satisfaisant `a
[h
i
x[ ≤ ¯ u
i
, i = 1, ..., 2
m
, le syst`eme (4.3.34) admet la repr´esentation suivante :
˙ x(t) = Ax(t) +
2
m

j=1
λ
j
(t)A
j
x(t −τ(t))
o` u
A
j
= B(D
j
K +D

j
H) j = 1, ..., 2
m
,
2
m

j=1
λ
j
(t) = 1, 0 ≤ λ
j
(t), ∀ 0 < t,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
110 Chapitre 4. Syst`emes `a entr´ee ´echantillonn´ee
On d´efinit alors l’ensemble de matrices Ω
α
:

α
=
2
m

j=1
λ
j
(t)Ω
j
o` u 0 ≤ λ
j
(t) ≤ 1,
2
m

j=1
λ
j
(t) = 1 (4.3.36)
o` u les ´el´ements de Ω
α
sont d´ecrit par Ω
j
= [A
j
], j = 1, ..., 2
m
. Le probl`eme devient donc celui de d´eterminer
l’ensemble A
β
et la matrice H, telle que [δ
i
x[ ≤ ¯ u
i
, i = 1, ...2
m
pour tout x ∈ A
β
et telle que l’´etat du syst`eme
d´ecrit par :
˙ x(t) = Ax(t) +A
j
x(t−τ(t)), τ(t) = t −t
k
, t
k
≤ t < t
k+1
, (4.3.37)
appartienne et reste dans A
β
.
Stabilisation locale
Dans ces conditions, il est possible de se ramener au probl`eme de stabilisation d’un syst`eme repr´esent´e par
un mod`ele polytopique avec un retard pur variable. En utilisant la mod´elisation descripteur et la fonctionnelle
de Lyapunov-Krasovskii (4.3.9), on obtient le th´eor`eme suivant :
Th´eor`eme 4.3.7 [53] Soit le syst`eme (4.3.2) dont la commande est ´echantillonn´ee (4.3.3) et sujette `a des
saturations. Ce syst`eme est stabilisable avec A
β
`a l’int´erieur du domaine d’attraction pour tout ´echantillonnage
non n´ecessairement uniforme de p´eriode maximale inf´erieure `a τ
2
, s’il existe une matrice, de dimension n n,
sym´etrique d´efinie positive 0 < Q
1
, des matrices de dimension nn, Q
(j)
2
, Q
(j)
3
, Z
(j)
1
, Z
(j)
2
, et Z
(j)
3
, des matrices
de dimension mn, Y et G et un r´eel positif β tels les conditions LMI suivantes soient satisfaites :
_
¸
¸
_
Q
(j)
2
+Q
T(j)
2

2
Z
(j)
1
Σ
j
τ
2
Q
(j)
2
∗ −Q
(j)
3
−Q
T(j)
3

2
Z
(j)
3
τ
2
Q
(j)
3
∗ ∗ −ετ
2
Q
1
_
¸
¸
_
< 0,
j = 1, ..., 2
m
(4.3.38)
_
¸
¸
_
εQ
1
0 ε(Y
T
D
j
+G
T
D

j
)B
T
∗ Z
(j)
1
Z
(j)
2
∗ ∗ Z
(j)
3
_
¸
¸
_
≥ 0, (4.3.39)
_
β g
i
∗ ¯ u
2
i
Q
1
_
≥ 0, i = 1, ..., m, (4.3.40)
o` u
Σ
j
= Q
(j)
3
−Q
T(j)
2
+Q
1
A
T
+ (Y
T
D
j
+G
T
D

j
)B
T

2
Z
(j)
2
. (4.3.41)
Le gain K du retour d’´etat qui stabilise le syst`eme est donn´e par K = Y Q
−1
1
.
D´emonstration. Consid´erons la fonctionnelle de Lyapunov-Krasovskii V donn´ee par (4.3.9), les conditions
(4.3.38-4.3.39) ont ´et´e d´etermin´ee dans le Corollaire 4.3.2 pour assurer la n´egativit´e de la d´eriv´ee
˙
V pour tout
x(t) ∈ A
β
. Ensuite d’apr`es [52], les in´egalit´es (4.3.40) garantissent que [δ
i
x[ ≤ ¯ u
i
, ∀x ∈ A
β
, i = 1, ..., m, o` u
δ
i

= g
i
Q
−1
1
, i = 1, ..., m, Q
1

= P
−1
1
et o` u g
i
est la i
i` eme
ligne de la matrice G, et la repr´esentation polytopique
du syst`eme (4.3.37) est par cons´equent valid´ee.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.4. CONCLUSION 111
Sachant que
˙
V < 0, il s’en suit que V (t) < V (0) et, par cons´equent, pour des conditions initiales de la forme
(4.3.35), on a :
x
T
(t)P
1
x(t) ≤ V (t) < V (0) = x
T
(0)P
1
x(0) ≤ β
−1
. (4.3.42)
Ainsi pour toute conditions initiales x(0) ∈ A
β
, les trajectoires de x(t) reste dans A
β
, et la repr´esentation
polytopique du syst`eme (4.3.37) reste valide. x(t) est finalement une trajectoire du syst`eme (4.3.37) et
˙
V < 0
pour toute solution x(t), ce qui implique lim
t→∞
x(t) = 0.
Exemple
Consid´erons le syst`eme (4.3.34) o` u les valeurs des matrices ([16], avec τ
2
,= 0) sont :
A =
_
1.1 −0.6
0.5 −1
_
, B
1
=
_
1
1
_
(4.3.43)
et o` u ¯ u = 5. Le Th´eor`eme 4.3.7 permet d’obtenir un gain K stabilisant le syst`eme pour tout ´echantillonnage de
non n´ecessairement uniforme et de p´eriode maximale τ
2
= 0.75. Afin d’augmenter le volume d´efini par A
β
, on a
impos´e une optimisation LMI pour minimiser le r´eel β (afin d’am´eliorer le r´esultat, la condition suppl´ementaire
Q
1
> αI
n
avec α > 0 choisi pour ´elargir l’ellipse A
β
). La Figure 4.5 illustre le fait que le volume de l’ellipse
augmente lorsque τ
2
diminue.
−15 −10 −5 0 5 10 15
−40
−30
−20
−10
0
10
20
30
40
X1
X
2
0rigine
h=0.1
h=0.75
Fig. 4.5 – Borne elliptique du domaine d’attraction
Pour τ
2
= 0.75, le Th´eor`eme 4.3.7 garantit que le syst`eme (4.3.34) est stable avec le gain K = [−1.6964 0.5231]
( et avec ε = 0.325, β = 0.1261, P
1
=
_
0.9132 −0.2816
−0.2816 0.0868
_
et α = 1). La Figure 4.6 montre que lorsque la condi-
tion initiale est proche du contour mais `a l’int´erieur de l’ellipse (pour le cas d’un ´echantillonnage `a p´eriode
constante t
k+1
−t
k
= 0.75), la solution x(t) ne quitte jamais l’ensemble et converge asymptotiquement vers 0.
D’autre part, lorsque que la condition est `a l’ext´erieur de l’ensemble A
β
, la solution x(t) diverge.
4.4 Conclusion
Dans ce chapitre, nous avons pr´esent´e plusieurs approches permettant de caract´eriser le probl`eme de la
stabilisation de syst`eme `a entr´ee ´echantillonn´ee. Une premi`ere approche qui s’apparente `a une ´etude en temps
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
112 Chapitre 4. Syst`emes `a entr´ee ´echantillonn´ee
−15 −10 −5 0 5 10
−40
−30
−20
−10
0
10
20
30
40
X1
X
2
h=0.75
0rigine
Inside the ellipsoide
Outside the ellipsoide
Fig. 4.6 – Simulation pour τ
2
= 0.75
discret a ´et´e pr´esent´ee. Il a ´et´e montr´e que cette ´etude est limit´ee dans son application. En effet elle n´ecessite une
connaissance parfaite du mod`ele et de la p´eriode d’´echantillonnage. Cependant en pratique, cette connaissance
n’est pas toujours possible. Une deuxi`eme approche qui consiste `a d´ecrire l’effet d’un ´echantillonnage comme
un retard variable a permis d’inclure le cas des ´echantillonnages `a p´eriode non constante. Elle permet, par la
suite, d’appliquer certains th´eor`emes concernant la stabilisation des syst`emes `a retards notamment d’´etudier
la robustesse, les performances (grˆace `a la stabilit´e exponentielle), ou encore au cas des syst`emes `a entr´ee
satur´ee. Finalement, ce chapitre constitue une avanc´ee dans le domaine applicatif puisqu’il permet de garantir
des conditions de stabilit´e et de robustesse pour des syst`emes r´eels. Le chapitre suivant montre que ces r´esultats
sont utilisables dans le cadre d’exp´erimentation r´eelle.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 5
Observation des syst`emes `a retards
5.1 Introduction
L’observation est un th`eme majeur de l’´etude des syst`emes lin´eaires et non lin´eaires. Il trouve sa justifica-
tion dans le probl`eme du contrˆole. En effet, dans la litt´erature, le contrˆole d’un syst`eme n´ecessite souvent la
connaissance de l’´etat complet d’un syst`eme alors qu’en pratique la mesure de l’ensemble des variables est dif-
ficile. Ces limites proviennent de consid´erations technologiques, lorsqu’il est impossible de mesurer une donn´ee,
´economiques, lorsque la pr´ecision de la mesure d’un capteur est n´ecessaire, le prix devient souvent ´elev´e, ou pra-
tiques ,sensibilit´e au bruit, etc.... De mani`ere g´en´erale, on ne dispose que d’une partie de l’´etat, que l’on appelle
la sortie. On confondra ici sorties mesur´ees et variables `a commander. Il est souvent difficile de commander un
syst`eme en utilisant seulement les sorties mesurables d’un syst`eme. De plus, il est l´egitime de penser que plus
on dispose d’information sur l’´etat d’un syst`eme, plus la construction d’une loi de commande sera ais´ee. Le
probl`eme de l’observation consiste `a construire une estimation de l’´etat qui sera utilis´ee par le contrˆoleur pour
calculer la nouvelle commande.
Comme il a ´et´e ´enonc´e auparavant, en pratique tr`es peu de syst`emes sont soumis `a des retards constants.
C’est pourquoi ce chapitre sera consacr´e `a l’observation de syst`emes lin´eaires `a retards variables. Une premi`ere
partie pr´esentera le probl`eme de l’observation de syst`emes `a retards variables et connus sur l’´etat, l’entr´ee et ou
la sortie. La seconde partie pr´esentera une ´etude de l’observation des syst`emes `a retards inconnus bas´ee sur les
techniques de construction des observateurs `a modes glissants. Plusieurs auteurs ont d´ej`a abord´e l’observation
des syst`emes `a retards (voir les synth`eses de [127, 129]) mais, le plus souvent, l’´ecriture de l’observateur fait
intervenir la valeur du retard. En d’autres termes, la connaissance ou la mesure du retard est requise. En outre,
les “observateurs sans retard interne” [26, 27, 40, 155] n´ecessitent la connaissance de la sortie du syst`eme aux
temps courants et aussi retard´es du mˆeme temps que les termes retard´es dans l’´equation de la dynamique.
N´eanmoins, dans le cadre d’applications r´eelles (commande t´el´e-op´er´ee, syst`emes en r´eseau par exemple), les
hypoth`eses d’invariance ou de connaissance du retard sont peu r´ealistes et proviennent des limites des techniques
d’identification et d’analyse disponibles. Seuls quelques articles pr´esentent des r´esultats qui ne n´ecessitent pas
la connaissance du retard [1, 21, 29, 43, 60, 150]. Ces approches int´eressantes concernent les syst`emes lin´eaires
et garantissent des performances de type H

pour le filtrage des erreurs.
113
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
114 Chapitre 5. Observation des syst`emes `a retards
5.2 Observation de syst`emes `a retards connus
5.2.1 Pr´esentation du probl`eme
Dans le cadre de la synth`ese d’observateur pour syst`eme `a retard, on retrouve beaucoup de travaux consacr´es
aux syst`emes `a retards connus, aussi bien constants que variables [11], [12]. Nous proposons ici des techniques de
construction d’observateurs de Luenberger [100] pour des syst`emes `a retards variables et connus. Les matrices
d´efinissant les dynamiques du syst`eme ´etudi´e sont suppos´ees connues.
5.2.2 Retard connu sur l’´etat et la sortie
Soit le syst`eme lin´eaire `a retards sur l’´etat et la sortie :
˙ x(t) = Ax(t) +A
τ
x(t −τ
1
(t)),
y(t) = Cx(t) +C
τ
x(t −τ
2
(t)),
φ(t) = x(θ), ∀θ ∈ [−¯ τ, 0],
o` u x ∈ R
n
repr´esente l’´etat du syst`eme, y ∈ R
p
est la sortie (qu’on suppose ˆetre ´egale `a la mesure). Les matrices
A ∈ R
n×n
, A
τ
∈ R
n×n
et C, C
τ
∈ R
p×n
sont des matrices r´eelles suppos´ees connues. Nous supposerons que
la paire (A, C) est observable. On note ¯ τ = max
i=1,2

2i
). Les retards sont suppos´es born´es et v´erifient les
conditions suivantes :
τ
i
(t) ∈ [τ
1i
, τ
2i
], et ∀t, τ
i
(t) = δ
i

i
(t)], [η
i
(t)[ ≤ µ
i
. (5.2.1)
Nous supposons ici que les retards τ
1
, sur l’´etat, et τ
2
, sur la sortie, sont connus au niveau de l’observateur.
On d´efinit alors l’observateur de Luenberger adapt´e au cas des syst`emes `a retards sur la sortie :
_
˙
ˆ x(t) = Aˆ x(t) +A
τ
x(t −τ
1
(t)) −L(y(t −τ
2
(t)) − ˆ y(t −τ
2
(t))),
ˆ y(t) = Cˆ x(t) +C
τ
ˆ x(t −τ
2
(t)).
On d´efinit alors l’erreur d’observation e(t) = x − ˆ x(t). La dynamique de cette erreur est alors r´egie par
l’´equation diff´erentielle `a retard :
˙ e(t) = (A+LC)e(t) +A
τ
e(t −τ
1
(t)) −LCe(t −τ
2
(t)), (5.2.2)
L’objectif sera finalement de garantir la stabilit´e exponentielle avec un taux α de convergence garanti du
syst`eme (5.2.2) vers la solution e(t) = 0 pour d´eduire la convergence des variables de l’observateur vers l’´etat
du syst`eme.
Th´eor`eme 5.2.1 Si, pour deux r´eels positifs α et , il existe des matrices de dimension n n 0 < P
1
, P, S
i
,
Y
i1
, Y
i2
, Z
i1
, Z
i2
, Z
i3
, R
i
, R
ia
pour i = 1, 2 et une matrice W de dimension nq telles que les conditions LMI
suivantes soient satisfaites pour i, j = 1, 2 :
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
Ψ
1
11
Ψ
1
12
∗ Ψ
1
22
_ _
β
1i
A
τ
−Y
11
β
1i
A
τ
−Y
12
_ _
β
2j
WC −Y
21
β
2j
WC −Y
22
_
µ
1
_
β
1i
A
τ
β
1i
A
τ
_
µ
2
_
β
2j
WC
β
2j
WC
_
∗ −S
1
0 0 0
∗ ∗ −S
2
0 0
∗ ∗ ∗ −µ
1
R
1a
0
∗ ∗ ∗ ∗ −µ
2
R
2a
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0, (5.2.3)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.3. OBSERVATION DE SYST
`
EMES
`
A RETARDS INCONNUS 115
_
¸
¸
_
R
i
Y
i1
Y
i2
∗ Z
i1
Z
i2
∗ ∗ Z
i3
_
¸
¸
_
≥ 0 i = 1, 2, (5.2.4)
o` u β
i1
= e
α(δ
i
−µ
i
)
, β
i2
= e
α(δ
i

i
)
et :
Ψ
1
11
= P
T
(A+αI
n
) + (A+αI
n
)
T
P +WC +C
T
W
T
+S +δ
1
Z
11

2
Z
21
+Y
11
+Y
T
11
+Y
21
+Y
T
21
,
Ψ
1
12
= P
1
−P
T
+(A+αI
n
)
T
P +C
T
W
T

1
¯
Z
12

2
¯
Z
22
+
¯
Y
21
+
¯
Y
22
,
Ψ
1
22
= −(P +P
T
) +δ
1
¯
Z
13

2
¯
Z
23
+ 2µ
1
R
1a
+ 2µ
2
R
2a
.
Alors, le gain
L = (P
T
)
−1
W,
rend l’erreur (5.2.2) α-stable et converge exponentiellement vers la solution e(t) = 0 pour tout retards satisfaisant
(5.2.1).
D´emonstration. La preuve de ce th´eor`eme utilise les conditions d’α−stabilit´e issues du Th´eor`eme 2.4.1 qui
prend en compte des retards born´ees. Les conditions (5.2.3) et (5.2.4) viennent d’une adaptation du Th´eor`eme
2.4.1 au cas de deux retards.
On d´efinit par ailleurs la condition liante P = P
2
= P
3
et aussi W = P
T
L.
Remarque 5.2.2 La synth`ese d’observateurs de syst`emes `a retards sur la sortie ou bien l’´etat sont des cas
particuliers d’application du Th´eor`eme 5.2.1.
5.2.3 Conclusion
Le type d’observateurs que nous avons propos´e dans cette partie s’av`ere tr`es performant au sens de la
convergence exponentielle pour obtenir une att´enuation importante et rapide des erreurs d’estimation dans le
cas des syst`emes `a retards variables connus. Il est possible d’´etendre ces r´esultats au cas des observateurs H

pour permettre d’att´enuer des perturbations exog`enes.
5.3 Observation de syst`emes `a retards inconnus
5.3.1 Introduction
Cette partie concerne plus sp´ecifiquement l’observation de syst`emes lin´eaires `a retards inconnus. Cependant
toutes pr´esentent les mˆemes limites, `a savoir que le retard n’intervient que dans l’´etat et pas dans l’entr´ee ou la
sortie et que les r´esultats propos´es sont ind´ependants des caract´eristiques du retard. Il semble donc pertinent
de r´eduire le conservatisme inh´erent aux approches “ind´ependantes du retard” en proposant un r´esultat qui
prenne en compte des bornes de variation du retard.
Dans un soucis de simplicit´e de l’expos´e, nous supposerons que le retard inconnu τ(t) sur l’´etat et sur
l’entr´ee du syst`eme sont ´egaux. Par ailleurs nous supposerons qu’il n’y a pas de retard sur la sortie et que le
seule connaissance sur τ(t) est la valeur d’une borne maximale τ
2
telle que :
0 ≤ τ(t) ≤ τ
2
, ∀t ∈ IR
+
. (5.3.1)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
116 Chapitre 5. Observation des syst`emes `a retards
Consid´erons donc le syst`eme `a retard variable sur l’´etat et la commande suivant :
_
¸
¸
_
¸
¸
_
˙ x(t) = Ax(t) +A
τ
x(t −τ(t)) +Bu(t) +B
τ
u(t −τ(t)) +Dζ(t)
y(t) = Cx(t)
x(s) = φ(s), ∀ s ∈ [−τ
2
, 0]
(5.3.2)
o` u x ∈ IR
n
, u ∈ IR
m
, y ∈ IR
p
and ζ ∈ IR
q
sont respectivement le vecteur d’´etat, de commande, de sortie et de
perturbation variable et inconnue. Nous supposerons que la commande est une fonction (
1
morceaux, et que le
signal de perturbation v´erifie la condition de domination :
|ζ(t, x, u)| ≤ α
1
(t, x, u), (5.3.3)
o` u α
1
est une fonction scalaire positive et connue. φ ∈ C
0
([−τ
2
, 0], IR
n
) repr´esente les conditions initiales du
syst`eme.
5.3.2 Observateurs `a modes glissants
L’objectif est, ici, de d´eterminer un observateur d’´etat qui garantisse la robustesse de l’estimation par rapport
au retard inconnu et `a la perturbation ζ. Dans ce but, nous faisons appel `a la th´eorie des observateurs `a entr´ee
inconnue et des modes glissants.
Le principe de l’observateur `a entr´ee inconnue consiste `a concevoir un observateur tel que l’erreur d’obser-
vation soit d´ecoupl´ee compl`etement de l’entr´ee inconnue du syst`eme [28, 38, 42, 75, 128]. L’id´ee du contrˆole
par modes glissants et de contraindre les trajectoires du syst`eme d’entrer et de rester apr`es un temps fini dans
un espace restreint appel´e surface de glissement par le biais d’une action discontinue [146]. Le comportement
r´esultant appel´e modes glissants est alors soumis `a des dynamiques particuli`eres totalement impos´ees par les
param`etres et l’´equation qui d´etermine la surface de glissement. Le principal avantage d’une telle strat´egie est
la r´eduction de la dimension du probl`eme. En effet, l’´etude se r´eduit, dans le cas de l’observation, `a l’espace
compl´ementaire aux sorties du syst`eme. De plus il garantit des propri´et´es de robustesse par rapport `a une classe
de perturbations et d’incertitudes sur les param`etres qui satisfont `a la condition de recouvrement (en anglais
matching) [33]. Ce concept a ´et´e ´etendu au cas de l’estimation de l’´etat par un observateur pour des syst`emes
lin´eaires ou non [31, 32, 45, 37].
Plusieurs approches sont propos´ees dans la suite de ce chapitre. La premi`ere permet de construire un obser-
vateur ind´ependant des caract´eristiques des retards. La seconde approche d´efinit un premier observateur dont
la convergence asymptotique et exponentielle vers le syst`eme ´etudi´e s’exprime sous forme de conditions LMI o` u
apparaissent des caract´eristiques du retard. La troisi`eme pr´esente des conditions LMI garantissant la conver-
gence asymptotique et exponentielle de l’observateur en d´eterminant un retour de sortie dans la dynamique de
l’observateur. Ces trois premi`eres approches n´ecessitent que le syst`eme v´erifie des conditions structurelles.
Observateur ind´ependant du retard
Cette approche est une premi`ere ´etape dans la r´ealisation d’observateur pour des syst`emes `a retards inconnus.
Il n´ecessite que le syst`eme ´etudi´e v´erifie certaines conditions structurelles qui rendent le r´esultat restrictif.
Nous allons consid´erer que les termes retard´es de (5.3.2) sont des perturbations que l’observateur `a modes
glissant doit contrˆoler. Pour cela il faut v´erifier les conditions de recouvrement, c’est-`a-dire que ces perturbations
appartiennent `a l’espace vectoriel d´efini par les sorties. Afin de montrer l’efficacit´e des observateurs `a modes
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.3. OBSERVATION DE SYST
`
EMES
`
A RETARDS INCONNUS 117
glissants au cas des syst`emes `a retards inconnus, nous allons utiliser la forme canonique introduite dans [38].
L’erreur est r´einject´ee `a la fois de mani`ere continue et discontinue. Les hypoth`eses structurelles suivantes sont
requises :
A1. rang(C[A
τ
[B
τ
[D]) =rang([A
τ
[B
τ
[D]) = q,
A2. q ≤ p ≤ n,
A3. Le triplet ¦A, [A
τ
[B
τ
[D], C¦ est `a minimum de phase.
Avec les hypoth`eses A1-A3 et en utilisant le mˆeme changement de coordonn´ees que dans [38] (Chapitre 6),
le syst`eme s’´ecrit sous la forme :
_
¸
¸
_
¸
¸
_
˙ x
1
(t) = A
11
x
1
(t) +A
12
y(t) +B
1
u(t),
˙ y(t) = A
21
x
1
(t) +A
22
y(t) +B
2
u(t) +G
x
1
x
1
(t −τ(t)) +G
y
y(t −τ(t))
+G
u
u(t −τ(t)) +D
1
ζ(t),
(5.3.4)
o` u x
1
∈ IR
n−p
, y ∈ IR
p
et o` u la matrice A
11
est de Hurwitz. Nous retrouvons ici le fait que les conditions
A1 − A2 garantissent que l’´etat non mesur´e x
1
n’est pas affect´e par les termes retard´es. La condition A3 est
une garantie de convergence suppl´ementaire. Elle requiert que, dans le syst`eme (5.3.4), la matrice A
11
soit de
Hurwitz.
Sous cette forme il est possible de construire un observateur `a modes glissants. Il se pr´esente alors de la
mani`ere suivante :
_
¸
¸
_
¸
¸
_
˙
ˆ x
1
(t) = A
11
ˆ x
1
(t) +A
12
y(t) +B
1
u(t),
˙
ˆ y(t) = A
21
ˆ x
1
(t) +A
22
y(t) +B
2
u(t) +G
x
1
ˆ x
1
(t − ˆ τ) +G
y
ˆ y(t − ˆ τ)
+G
u
u(t − ˆ τ) −H (y(t) − ˆ y(t)) +ν,
(5.3.5)
o` u le gain lin´eaire H est une matrice de Hurwitz et o` u ν correspond `a la fonction discontinue qui reste `a d´efinir.
Le retard qui est implant´e dans l’observateur ˆ τ ≤ τ
2
est une valeur qui peut ˆetre choisie selon les caract´eristiques
du retard. Par exemple, ˆ τ peut prendre la valeur moyenne du retard r´eel ou ˆetre une fonction variant dans le
temps. En d´efinissant les erreurs d’estimation de l’observateur e
y
= y(t) − ˆ y(t) et e
1
= x
1
(t) − ˆ x
1
(t), les
dynamiques des erreurs sont alors r´egies par les ´equations :
_
˙ e
1
(t) = A
11
e
1
(t),
˙ e
y
(t) = A
21
e
1
(t) +He
y
(t) +ν +ξ(t) +D
1
ζ(t),
(5.3.6)
o` u la perturbation ξ

: IR −→IR
p
est d´efinie par :
ξ(t) = G
x
1
(x
1
(t −τ(t)) − ˆ x
1
(t − ˆ τ)) +G
y
(y(t −τ(t)) − ˆ y(t − ˆ τ))
+G
u
(u(t −τ(t)) −u(t − ˆ τ)).
(5.3.7)
Dans cette partie, la fonction ξ(t) est suppos´ee born´ee par une fonction scalaire connue α
2
:
|ξ(t)| ≤ α
2
(t, y, u).
Sachant que le matrice H est de Hurwitz, Il existe une matrice P
y
∈ IR
p×p
, d´efinie positive , telle que :
P
y
H +H
T
P
y
< 0.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
118 Chapitre 5. Observation des syst`emes `a retards
La fonction, ν, discontinue et d´ependant de la sortie est maintenant d´efinie par :
ν =
_
−ρ(t, y, u)
P
y
e
y
(t)
P
y
e
y
(t)
si e
y
,= 0,
0 sinon,
o` u le gain ρ est donn´ee par :
ρ = |D
1

1
(t, y, u) +α
2
(t, y, u) +γ, γ > 0.
D’apr`es la Proposition 6.1 de [38], on montre, en utilisant des arguments de stabilit´e de type Lyapunov, que
la surface de glissement est atteinte en temps fini et que l’erreur sur l’´etat complet est quadratiquement stable.
Cette proposition assure donc la stabilit´e asymptotique de l’observateur (5.3.5) mˆeme si le retard est inconnu.
Remarque 5.3.1 Dans [141], une formulation sous forme de LMI a ´et´e introduite pour exploiter les degr´es de
libert´e additionnels dans le choix des gains lin´eaires et de la fonction discontinue ν.
Mˆeme si cette premi`ere approche introduit le concept d’observateur `a modes glissants pour les syst`emes
`a retards inconnus, il n’en reste pas moins que plusieurs probl`emes peuvent apparaˆıtre. Premi`erement, on
remarque que le retard estim´e, ˆ τ, introduit dans la dynamique de l’observateur, n’apparaˆıt pas dans la condition
de stabilit´e. Cela signifie que cette condition doit ˆetre v´erifi´ee quelque soit la forme et la valeur du retard, ce qui
pr´efigure d’un r´esultat probablement conservatif (cf [111]). Ensuite, la fonction de perturbation ξ, d´efinie par
les ´equations (5.3.6)-(5.3.7), peut prendre des valeurs importantes, d’autant plus que la fonction α
2
(t, y, u) peut
simplement ne pas exister ou ˆetre difficile `a ´evaluer dans la mesure o` u l’on ne dispose pas d’outils th´eoriques
pour la d´eterminer.
Cette premi`ere approche est donc limit´ee. Cependant, elle a permis de se familiariser avec le concept d’ob-
servateur `a modes glissants. L’id´ee principale de l’observation `a modes glissants est de consid´erer les termes
retard´es comme des perturbations. Cependant avec cette m´ethode, nous nous contentons simplement de dire
que les termes que nous ne connaissons pas sont des perturbations, ce qui, comme nous l’avons d´ej`a mentionn´e,
conduit `a des r´esultats conservatifs. Il serait donc plus pertinent de r´eduire ce conservatisme en diminuant la
taille des perturbations li´ees au retard inconnu et de faire intervenir des conditions de stabilit´e faisant intervenir
des caract´eristiques de celui-ci.
Observateur d´ependant du retard
Dans les prochains paragraphes, nous consid´erons toujours le mˆeme syst`eme (5.3.4) et le mˆeme observateur
(5.3.5) lui est associ´e. Mais, afin de r´eduire le conservatisme des conditions de stabilit´e, une nouvelle fonction
discontinue ν est introduite. Pour cela une nouvelle fonction de perturbation ξ

, qui remplace ξ dans (5.3.7),
est d´efinie. Cette fonction est choisie de telle sorte qu’elle d´epende uniquement des variables connues au niveau
de l’observateur. Ainsi la fonction α
2
qui majore la perturbation ξ est remplac´ee par une nouvelle fonction α

2
,
qui est plus simple `a mettre en oeuvre. De plus ce second observateur fait apparaˆıtre la valeur τ
2
du retard, ce
qui r´eduit le conservatisme des conditions de stabilit´e.
La dynamique de l’erreur peut alors ˆetre sensiblement modifi´ee de la mani`ere suivante :
_
¸
¸
_
¸
¸
_
˙ e
1
(t) = A
11
e
1
(t),
˙ e
y
(t) = A
21
e
1
(t) +G
x
1
e
1
(t −τ(t)) +G
y
e
y
(t −τ(t))
+He
y
(t) +ν +ξ

(t) +D
1
ζ(t),
(5.3.8)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.3. OBSERVATION DE SYST
`
EMES
`
A RETARDS INCONNUS 119
o` u la perturbation ξ

: IR −→IR
p
est alors d´efinie par :
ξ

(t) = G
x
1
(ˆ x
1
(t −τ(t)) − ˆ x
1
(t − ˆ τ)) +G
y
(ˆ y(t −τ(t)) − ˆ y(t − ˆ τ))
+G
u
(u(t −τ(t)) −u(t − ˆ τ)),
et qui peut aussi s’´ecrire :
ξ

(t) =
_
G
x
1
G
y
G
u
_
_
t−τ(t)
t−ˆ τ
_
¸
¸
_
˙
ˆ x
1
(s)
˙
ˆ y(s)
˙ u(s)
_
¸
¸
_
ds. (5.3.9)
On suppose que ξ

est born´ee par une fonction scalaire α

2
:

(t)| ≤ α

2
(t, ˆ y, ˆ x
1
, u). (5.3.10)
Remarque 5.3.2 Compar´e `a (5.3.7), la seule variable inconnue est le retard qui agit sur (5.3.9) est le retard
τ(t). Il est donc plus facile d’obtenir une borne α

de la perturbation ξ

.
Remarque 5.3.3 On remarque, d’autre part, que plus l’estimation du retard ˆ τ est proche de τ(t), plus la valeur
de la fonction α

2
sera petite. Cela vient de l’´equation (5.3.9) o` u l’on remarque que si ˆ τ = τ(t) alors ξ

= 0. En
d’autres termes, plus l’estimation du retard est juste, plus le gain de l’observateur est r´eduit.
La fonction discontinue de r´einjection des sorties est maintenant donn´ee par :
ν =
_
−ρ

(t, y, u)
P
y
e
y
(t)
P
y
e
y
(t)
si e
y
,= 0,
0 sinon,
(5.3.11)
o` u le “gain discontinu” ρ

de l’observateur `a modes glissants, inspir´e de celui d´efini dans la loi de contrˆole de
[51], est donn´e par :
ρ

(t, y, u) = |D
1

1
(t, x, u) +α

2
(t, ˆ x
1
, ˆ y, u) +|G
y
| sup
s∈[−τ
2
,0]
|e
y
(t +s)| +γ

, (5.3.12)
o` u γ

est un r´eel positif.
Th´eor`eme 5.3.4 Sous r´eserve que les conditions A1-A3 et (5.3.10) soient satisfaites, la solution e(t) = 0
du syst`eme (5.3.8) est asymptotiquement stable pour tout retard variable τ(t) ≤ τ
2
s’il existe des matrices
sym´etriques d´efinies positives P
1
et R
1
∈ IR
(n−p)×(n−p)
, P
y
∈ IR
p×p
et une matrice sym´etrique Z
2
∈ IR
p×p
telles que les conditions LMI suivantes soient v´erifi´ees :
Ψ
0
=
_
A
T
11
P
1
+P
1
A
11

2
A
T
11
R
1
A
11
(A
21
+G
x
1
)
T
P
y
P
y
(A
21
+G
x
1
) H
T
P
y
+P
y
H +τ
2
Z
2
_
< 0, (5.3.13)
et
_
R
1
G
T
x
1
P
y
P
y
G
x
1
Z
2
_
≥ 0. (5.3.14)
D´emonstration. Consid´erons la fonctionnelle de Lyapunov-Krasovskii suivante :
V (t) = e
T
1
(t)P
1
e
1
(t) +e
T
y
(t)P
y
e
y
(t) +
_
0
−τ
2
_
t
t+θ
˙ e
T
1
(s)R
1
˙ e
1
(s)dsdθ. (5.3.15)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
120 Chapitre 5. Observation des syst`emes `a retards
On peut alors utiliser la formule de Leibniz (5.3.16), ce qui permet d’´ecrire :
e
1
(t −τ(t)) = e
1
(t) −
_
t
t−τ(t)
˙ e
1
(s)ds. (5.3.16)
Ainsi, par d´erivation de (5.3.15) le long des trajectoires de (5.3.8), on obtient :
˙
V (t) = e
T
1
(t)[A
11
T
P
1
+P
1
A
11
]e
1
(t) +e
T
y
(t)[H
T
P
y
+P
y
H]e
y
(t) + 2e
T
y
(t)P
y
(A
21
+G
x
1
)e
1
(t)

1
(t) +η
2
(t) +τ
2
˙ e
T
1
(t)R
1
˙ e
1
(t) −
_
t
t−τ
2
˙ e
T
1
(s)R
1
˙ e
1
(s)ds −2ρ

(t, y, u)|P
y
e
y
(t)|,
o` u
η
1
(t) = −2e
T
y
(t)P
y
G
x
1
_
t
t−τ(t)
˙ e
1
(s)ds,
η
2
(t) = 2e
T
y
(t)P
y
[D
1
ζ(t) +ξ

(t) +G
y
e
y
(t −τ(t))] .
La condition LMI (5.3.14) permet d’´ecrire, pour tout vecteur X :
X
T
_
R
1
G
T
x
1
P
y
P
y
G
x
1
Z
2
_
X ≥ 0.
En d´eveloppant cette relation avec X =
_
˙ e
1
(s)
e
y
(t)
_
, on obtient :
−2e
y
(t)P
y
G
x
1
˙ e
1
(s) ≤ e
y
(t)
T
Z
2
e
y
(t) + ˙ e
T
1
(s)R
1
˙ e
1
(s).
Ce qui, en int´egrant donne :
η
1
(t) ≤
_
t
t−τ(t)
e
T
y
(t)Z
2
e
y
(t)ds +
_
t
t−τ(t)
˙ e
T
1
(s)R
1
˙ e
1
(s)ds,
η
1
(t) ≤ τ
2
e
T
y
(t)Z
2
e
y
(t) +
_
t
t−τ
2
˙ e
T
1
(s)R
1
˙ e
1
(s)ds.
(5.3.17)
Sachant que ξ

et ζ sont des fonctions born´ees par α

2
et α
1
, on a :
η
2
(t) ≤ 2|P
y
e
y
(t)| (|D
1

1
(t, x, u) +α

(t, ˆ x
1
, ˆ y, u) +|G
y
| |e
y
(t −τ(t))|) ,
et la d´efinition (5.3.12) de ρ

conduit finalement `a la majoration :
η
2
(t) −2ρ

(t, y, u)|P
y
e
y
(t)| ≤ −2γ

|P
y
e
y
(t)|. (5.3.18)
En prenant en compte (5.3.17), (5.3.18) et en sachant que ˙ e
1
(t) = A
11
e
1
(t), on obtient :
˙
V (t) ≤ e
T
1
(t)[A
11
T
P
1
+P
1
A
11
]e
1
(t) +e
T
y
(t)[H
T
P
y
+P
y
H]e
y
(t) + 2e
T
y
(t)P
y
(A
21
+G
x
1
)e
1
(t)

2
e
T
1
(t)A
T
11
R
1
A
11
e
1
(t) +τ
2
e
T
y
(t)Z
2
e
y
(t) −2γ

|P
y
e
y
(t)|,
qui s’´ecrit aussi :
˙
V (t) ≤
_
e
1
(t)
e
y
(t)
_
T
Ψ
0
_
e
1
(t)
e
y
(t)
_
−2γ

|P
y
e
y
(t)|.
Si (5.3.13) est v´erifi´ee, la d´eriv´ee temporelle de (5.3.15) est d´efinie n´egative. La dynamique de l’erreur est
donc asymptotiquement stable.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.3. OBSERVATION DE SYST
`
EMES
`
A RETARDS INCONNUS 121
Convergence en temps fini vers la surface de glissement
Corollaire 5.3.5 En supposant que l’observateur v´erifie le Th´eor`eme 5.3.4, le syst`eme entre en r´egime glissant
sur la surface S
0
= ¦e
y
= 0¦ en temps fini.
D´emonstration. On consid`ere la fonction :
V
2
(t) = e
T
y
(t)P
y
e
y
(t).
La diff´erenciation de V
2
le long des trajectoires de (5.3.8) conduit `a :
˙
V
2
(t) = e
T
y
(t)(H
T
P
y
+P
y
H)e
y
(t) + 2e
T
y
(t)P
y
A
21
e
1
(t)
+2e
T
y
(t)P
y
[G
x
1
e
1
(t −τ(t)) +G
y
e
y
(t −τ(t)) +D
1
ζ(t) +ξ

(t) +ν] .
Sachant que H est une matrice de Hurwitz qui v´erifie (5.3.13), on sait que la matrice H
T
P
y
+P
y
H est d´efinie
n´egaitive et (5.3.11),on peut ´ecrire la majoration suivante :
˙
V
2
(t) ≤ 2|P
y
e
y
(t)| [|A
21
e
1
(t) +G
x
1
e
1
(t −τ(t))| −γ

] .
D’apr`es le Th´eor`eme 5.3.4, l’erreur e
1
est asymptotiquement stable. Il existe donc un instant t
0
et un r´eel
positif δ tels que :
∀t ≥ t
0
, |A
21
e
1
(t) +G
x
1
e
1
(t −τ(t))| ≤ γ

−δ,
ce qui conduit `a :
∀t ≥ t
0
,
˙
V
2
(t) ≤ −2δ|P
y
e
y
(t)| ≤ −2δ
_
λ
min
(P
y
)
_
V
2
(t).
o` u λ
min
(P
y
) est la plus petite valeur propre de P
y
. En int´egrant cette derni`ere in´egalit´e diff´erentielle, on constate
que le syst`eme entre en r´egime glissant sur la surface S
0
en temps fini.
5.3.3 Retour de sortie sur la partie non-mesurable
Pr´esentation du Probl`eme
Pour la synth`ese de l’observateur pr´ec´edent, les conditions de recouvrement A ont permis de transformer
le syst`eme initial (5.3.2) pour l’exprimer sous la forme (5.3.4). Une condition n´ecessaire de la convergence
de l’observateur vers le syst`eme r´eel est que la matrice A
11
soit de Hurwitz. Il est possible de r´eduire cette
condition restrictive en modifiant les conditions de recouvrements A. L’id´ee de cette nouvelle approche est de
faire intervenir la sortie y par l’interm´ediaire de la fonction discontinue ν dans la dynamique des variables x
1
,
compl´ementaires aux sorties. Nous allons donc consid´erer le syst`eme `a retard sur l’´etat et sur l’entr´ee (5.3.2).
Les nouvelles hypoth`eses structurelles requises pour la synth`ese de l’observateur sont les suivantes :
A’1. rank(C[A
τ
[B
τ
[D]) =rank([A
τ
[B
τ
[D]) q,
A’2. q < p ≤ n,
A’3. Le triplet (A, [A
τ
[B
τ
[D], C) n’a pas de z´eros invariants.
La condition A1 garantit qu’en utilisant le mˆeme changement de coordonn´ees que dans [38] (Chapitre 6 et
pr´esent´e en annexe D) le syst`eme (5.3.2) est ´equivalent `a :
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
˙ x
1
(t) = A
11
x
1
(t) +A
12
x
2
(t) +B
1
u(t),
˙ x
2
(t) = A
21
x
1
(t) +A
22
x
2
(t) +B
2
u(t) +G
1
x
1
(t −τ(t))
+G
2
x
2
(t −τ(t)) +G
u
u(t −τ(t)) +D
1
ζ(t),
y(t) = Tx
2
(t),
(5.3.19)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
122 Chapitre 5. Observation des syst`emes `a retards
o` u x
1
∈ IR
n−p
, x
2
∈ IR
p
et o` u G
1
, G
2
, G
u
sont de la forme :
G
1
=
_
0
¯
G
1
_
, G
2
=
_
0
¯
G
2
_
, G
u
=
_
0
¯
G
u
_
, A
21
=
_
A
211
A
212
_
, D
1
=
_
0
¯
D
1
_
,
o` u
¯
G
1
∈ IR
q×(n−p)
,
¯
G
2
∈ IR
q×p
,
¯
G
u
∈ IR
p×m
, A
211
∈ IR
(p−q)×(n−p)
, A
212
∈ IR
q×(n−p)
et T est une matrice
orthogonale.
Les conditions A

permettent de d´ecomposer le syst`eme en deux sous-parties. La premi`ere, repr´esentant les
variables non mesurables x
1
, n’est pas affect´ee par les termes retard´es et les perturbations. La seconde correspond
aux variables mesurables par la sortie y. Dans l’approche pr´ec´edente, les conditions structurelles ´etaient A

1,
A

2 et ¦A, [A
τ
[B
τ
], C¦ est `a minimum de phase. Cette derni`ere est remplac´ee par A’3, moins exigeante.
Synth`ese de l’observateur
L’observateur `a mode glissant propos´e est :
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
˙
ˆ x
1
(t) = A
11
ˆ x
1
(t) +A
12
x
2
(t) +B
1
u(t) −A
11
Le
2
(t) +LT
T
(G
l
Te
2
(t) +ν(t)) ,
˙
ˆ x
2
(t) = A
21
ˆ x
1
(t) +A
22
x
2
(t) +B
2
u(t) +A
21
Le
2
(t) +G
1
ˆ x
1
(t − ˆ τ) +G
2
x
2
(t − ˆ τ)
+G
u
u(t − ˆ τ) −T
T
(G
l
(Te
2
(t) − ˆ y(t)) +ν) +G
1
Le
2
(t − ˆ τ),
ˆ y(t) = T ˆ x
2
(t),
(5.3.20)
o` u le gain lin´eaire G
l
est une matrice de Hurwitz, L est de la forme [
¯
L 0 ], avec
¯
L ∈ IR
(n−p)×(p−q)
. On
remarque dans un premier temps que la matrice L est orthogonale aux matrices G
1
, G
2
, G
u
et D
1
. Le retard
utilis´e dans (5.3.20), ˆ τ ≤ τ
2
, est une valeur qui peut-ˆetre choisie arbitrairement ou, si possible, en fonction de
caract´eristiques pressenties du retard. Il se peut aussi que ce retard ˆ τ soit variable au cours du temps. Par
exemple, ˆ τ pourrait correspondre `a une estimation “nominale” du retard variant. On remarque que les termes
non retard´es qui d´ependent de x
2
sont connus car ils sont proportionnels `a la sortie y. La fonction discontinue
ν est de la forme :
ν =
_
−ρ(t, y, u)
P
y
e
y
(t)
P
y
e
y
(t)
si e
y
,= 0,
0 sinon.
Le gain ρ reste `a d´efinir. On peut alors introduire les variables d’erreur e
y
= y(t) − ˆ y(t), e
1
= x
1
(t) − ˆ x
1
(t)
et e
2
= x
2
(t) − ˆ x
2
(t), qui v´erifient :
_
¸
¸
_
¸
¸
_
˙ e
1
(t) = A
11
e
1
(t) −L
_
T
T
G
l
Te
2
(t) +T
T
ν(t)
_
+A
11
Le
2
(t),
˙ e
2
(t) = A
21
e
1
(t) +G
1
e
1
(t −τ(t)) +D
1
ζ(t) + (T
T
G
l
T +A
21
L)e
2
(t)

0
(t) −G
1
Le
2
(t − ˆ τ) +T
T
ν,
o` u la fonction de perturbation ξ
0
: IR −→IR
q
est alors ´egale `a :
ξ
0
(t) = G
1
(ˆ x
1
(t −τ(t)) − ˆ x
1
(t − ˆ τ)) +G
2
(x
2
(t −τ(t)) −x
2
(t − ˆ τ))
+G
u
(u(t −τ(t)) −u(t − ˆ τ)).
En utilisant le changement de coordonn´ees T
L
suivant T
L
=
_
I
n−p
L
0 T
_
, on d´efinit les nouvelles coor-
donn´ees ¯ e
1
et ¯ e
2
= e
y
dont les dynamiques sont :
_
¸
¸
_
¸
¸
_
˙
¯ e
1
(t) = (A
11
+LA
21
)¯ e
1
(t),
˙
¯ e
2
(t) = TA
21
¯ e
1
(t) +TG
1
¯ e
1
(t −τ(t)) +TG
1
L(e
2
(t −τ(t)) −e
2
(t − ˆ τ))
+G
l
¯ e
2
(t) +Tξ
0
(t) +TD
1
ζ(t) +ν,
(5.3.21)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.3. OBSERVATION DE SYST
`
EMES
`
A RETARDS INCONNUS 123
Comme pr´ec´edemment, le terme retard´e e
2
(t − τ(t)) − e
2
(t − ˆ τ) est consid´er´e comme une perturbation. On
obtient :
_
˙
¯ e
1
(t) = (A
11
+LA
21
)¯ e
1
(t),
˙
¯ e
2
(t) = TA
21
¯ e
1
(t) +TG
1
¯ e
1
(t −τ(t)) +G
l
¯ e
2
(t) +ν +Tξ(t) +TD
1
ζ(t),
(5.3.22)
o` u la nouvelle fonction de perturbation due au retard inconnu est ξ : IR −→IR
p
, d´efinie par :
ξ(t) = ξ
0
(t) +TG
1
L(e
2
(t −τ(t)) −e
2
(t − ˆ τ)),
ce qui s’´ecrit aussi :
ξ(t) =
_
G
1
G
2
G
1
L
_
_
t−τ(t)
t−ˆ τ
_
¸
¸
_
˙
ˆ x
1
(s)
˙ x
2
(s)
˙ e
2
(s)
_
¸
¸
_
ds +G
u
(u(t −τ(t)) −u(t − ˆ τ)).
ξ est une fonction d´ependant uniquement de
˙
ˆ x
1
, ˙ x
2
, ˙ e
2
et u qui sont des variables connues par l’observateur.
Il est alors l´egitime de supposer l’existence d’une fonction scalaire α
2
, connue qui v´erifie :
|ξ(t)| ≤ α
2
(t, ˆ x
1t
, x
2t
, e
2t
, u).
Il est maintenant possible de donner une expression de la fonction ρ en se r´ef´erant aux techniques introduites
dans le cadre de la synth`ese de loi de commande [51]. Soit γ un r´eel positif, on pose :
ρ(t, ˆ x
1
, x
2
, u) = |D
1

1
(t, ˆ x
1
, x
2
, u) +α
2
(t, ˆ x
1t
, x
2t
, e
2t
, u) +γ, (5.3.23)
Th´eor`eme 5.3.6 [131] Sous les conditions A et (5.3.10) et pour toute matrice de Hurwitz G
l
, le syst`eme
(5.3.22) est asymptotiquement stable pour tout retard τ(t) ≤ τ
2
s’il existe des matrices sym´etriques d´efinies
positives P
1
et R
1
∈ IR
(n−p)×(n−p)
, P
2
∈ IR
p×p
, une matrice sym´etrique Z
2
∈ IR
q×q
et une matrice W ∈
IR
(n−p)×(p−q)
telles que les conditions LMI suivantes soient r´ealis´ees :
_
¸
¸
_
ψ
0
A
T
11
P
1
+A
T
211
W
T
(A
21
+G
1
)
T
T
T
P
2
∗ −2P
1

2
R
1
0
∗ ∗ G
T
l
P
2
+P
2
G
l

2
Z
2
_
¸
¸
_
< 0, (5.3.24)
_
R
1
(TG
1
)
T
P
2
P
2
TG
1
Z
2
_
≥ 0, (5.3.25)
o` u ψ
0
= A
T
11
P
1
+P
1
A
11
+A
T
211
W
T
+WA
211
.
Le gain
¯
L est donn´e par
¯
L = P
−1
1
W.
D´emonstration. Soit la fonctionnelle de Lyapunov-Krasovskii :
V (t) = ¯ e
T
1
(t)P
1
¯ e
1
(t) + ¯ e
T
2
(t)P
2
¯ e
2
(t) +
_
0
−τ
2
_
t
t+θ
˙
¯ e
T
1
(s)R
1
˙
¯ e
1
(s)dsdθ. (5.3.26)
En utilisant la transformation suivante :
¯ e
1
(t −τ(t)) = ¯ e
1
(t) −
_
t
t−τ(t)
˙
¯ e
1
(s)ds, (5.3.27)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
124 Chapitre 5. Observation des syst`emes `a retards
et en d´erivant (5.3.26), on obtient :
˙
V (t) = ¯ e
T
1
(t)[(A
11
+LA
21
)
T
P
1
+P
1
(A
11
+LA
21
)]¯ e
1
(t) + ¯ e
T
2
(t)[G
T
l
P
2
+P
2
G
l
]¯ e
2
(t)
+2¯ e
T
2
(t)P
2
T(A
21
+G
1
)¯ e
1
(t) +τ
2
˙
¯ e
T
1
(t)R
1
˙
¯ e
1
(t) +η
1
(t) +η
2
(t) −
_
t
t−τ
2
˙
¯ e
T
1
(s)R
1
˙
¯ e
1
(s)ds,
o` u
η
1
(t) = −2¯ e
T
2
(t)P
2
TG
1
_
t
t−τ(t)
˙
¯ e
1
(s)ds,
η
2
(t) = 2¯ e
T
2
(t)P
2
T [D
1
ζ(t) +ξ(t) −2ρ(t, y, u)|P
2
¯ e
2
(t)|] .
Les conditions LMI (5.3.25) permettent d’´ecrire, pour tout vecteur X :
X
T
_
R
1
(TG
1
)
T
P
2
P
2
TG
1
Z
2
_
X ≥ 0,
En particulier, pour X =
_
˙
¯ e
1
(s)
¯ e
2
(t)
_
, on a :
−2¯ e
2
(t)P
2
TG
1
˙
¯ e
1
(s) ≤ ¯ e
2
(t)
T
Z
2
¯ e
2
(t) +
˙
¯ e
T
1
(s)R
1
˙
¯ e
1
(s).
Puis, en int´egrant cette relation par rapport `a la variable s, on majore η
1
(t) :
η
1
(t) ≤
_
t
t−τ(t)
¯ e
T
2
(t)Z
2
¯ e
2
(t)ds +
_
t
t−τ(t)
˙
¯ e
T
1
(s)R
1
˙
¯ e
1
(s)ds,
η
1
(t) ≤ τ
2
¯ e
T
2
(t)Z
2
¯ e
2
(t) +
_
t
t−τ
2
˙
¯ e
T
1
(s)R
1
˙
¯ e
1
(s)ds.
(5.3.28)
D’apr`es la d´efinition (5.3.23) de ρ et sachant que T est orthogonale :
η
2
(t) −2ρ(t, y, u)|P
2
¯ e
2
(t)| ≤ −2γ|P
2
¯ e
2
(t)|. (5.3.29)
En tenant compte des majorations (5.3.28), (5.3.29) et sachant que
˙
¯ e
1
(t) = (A
11
+
¯
LA
211
)¯ e
1
(t),
˙
V est major´ee
par :
˙
V (t) ≤ ¯ e
T
1
(t)(P
1
(A
11
+
¯
LA
211
) + (A
11
+
¯
LA
211
)
T
P
1
)¯ e
1
(t)
+¯ e
T
2
(t)P
2
(A
21
+G
1
)¯ e
1
(t) + ¯ e
T
1
(t)(A
21
+G
1
)
T
P
2
¯ e
2
(t)
+¯ e
T
2
(t)(P
2
G
l
+G
T
l
P
2
)¯ e
2
(t) +τ
2
¯ e
T
1
(t)(A
11
+LA
21
)
T
R
1
(A
11
+LA
21
)¯ e
1
(t)

2
¯ e
T
2
(t)Z
2
¯ e
2
(t) −2γ|P
2
e
2
(t)|,
ce qui peut encore s’´ecrire :
˙
V (t) ≤
_
¯ e
1
(t)
¯ e
2
(t)
_
T
Ψ
_
¯ e
1
(t)
¯ e
2
(t)
_
−2γ|P
2
¯ e
2
(t)|,
avec Ψ =
_
ψ
1
(A
21
+G
1
)
T
T
T
P
2
P
2
T(A
21
+G
1
) G
T
l
P
2
+P
2
G
l

2
Z
2
_
et o` u
ψ
1
= (A
11
+
¯
LA
211
)
T
P
1
+P
1
(A
11
+
¯
LA
211
) +τ
2
(A
11
+
¯
LA
211
)
T
R
1
(A
11
+
¯
LA
211
)
Cette condition n’est pas du type LMI car elle comporte des termes non lin´eaires dans la premi`ere ligne et
la premi`ere colonne. Cependant, il est n´ecessaire que cette composante soit d´efinie n´egative pour garantir la
n´egativit´e de
˙
V . En utilisant le Lemme 1, on transforme ce probl`eme en LMI.
_
¸
¸
_
ψ
0
(A
11
+
¯
LA
211
)
T
Y
T
(A
21
+G
1
)
T
T
T
P
2
∗ −Y −Y
T

2
R
1
0
∗ ∗ G
T
l
P
2
+P
2
G
l

2
Z
2
_
¸
¸
_
< 0. (5.3.30)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.4. α−STABILIT
´
E DES OBSERVATEURS
`
A MODES GLISSANTS 125
En imposant Y = P
1
et en d´efinissant W = P
1
¯
L, la condition LMI du th´eor`eme apparaˆıt. Finalement, si
(5.3.24) and (5.3.25) sont satisfaites, (5.3.30) est aussi v´erifi´ee. Ainsi la dynamique de l’erreur est asymptoti-
quement stable.
Propri´et´es dynamiques
Corollaire 5.3.7 D’apr`es la synth`ese de l’observateur du Th´eor`eme 1, le syst`eme entre en r´egime glissant sur
la surface S
0
= ¦¯ e
2
= 0¦ en temps fini.
D´emonstration. Soit la fonction de Lyapunov candidate :
V
2
(t) = ¯ e
T
2
(t)P
2
¯ e
2
(t) (5.3.31)
En diff´erenciant (5.3.31) le long de (5.3.21), on obtient :
˙
V
2
(t) = ¯ e
T
2
(t)(G
T
l
P
2
+P
2
G
l
)¯ e
2
(t) + 2¯ e
T
2
(t)P
2
T
_
T
T
ν
+A
21
¯ e
1
(t) +G
1
¯ e
1
(t −τ(t)) +D
1
ζ(t) +ξ(t)] .
Le fait que G
l
est de Hurwitz et (5.3.11) conduisent `a la majoration suivante :
˙
V
2
(t) ≤ 2|P
2
¯ e
2
(t)| [|A
21
e
1
(t) +G
1
e
1
(t −τ(t))| −γ] .
D’apr`es le Th´eor`eme 1, l’erreur ¯ e
1
est asymptotiquement stable. Ainsi, il existe un temps t
0
et un r´eel positif δ
tels que ∀t ≥ t
0
, |A
21
e
1
(t) +G
1
e
1
(t −τ(t))| ≤ γ −δ. Ceci conduit `a :
∀t ≥ t
0
,
˙
V
2
(t) ≤ −2δ|P
2
¯ e
2
(t)|
≤ −2δ
_
λ
min
(P
2
)
_
V
2
(t).
o` u λ
min
(P
2
) est la plus petite valeur propre de P
2
. En int´egrant cette derni`ere in´egalit´e diff´erentielle, on conclue
que le syst`eme entre en r´egime glissant sur la surface S
0
en temps fini.
5.4 α−stabilit´e des observateurs `a modes glissants
5.4.1 Observateur α−stable
Imposer un crit`ere d’α−stabilit´e est une technique int´eressante pour caract´eriser la convergence de l’obser-
vateur. En effet, g´en´eralement l’estimation de l’´etat est une donn´ee utilis´ee par le contrˆoleur pour d´eterminer
la nouvelle valeur de contrˆole. Plus l’estimation est fine, plus la commande calcul´ee sera pertinente. Dans cette
partie, la convergence de l’observateur est am´elior´ee en imposant un crit`ere de convergence exponentielle. En
d´epit du retard variable et inconnu, les th´eor`emes suivants assurent que la dynamique de l’erreur est α−stable.
La stabilit´e exponentielle est un moyen d’assurer la rapidit´e de convergence de l’observateur. Comme dans
[113],[130], pour tout α > 0, le syst`eme (5.3.8) est dit α−stable, ou “exponentiellement stable et de degr´e de
convergence α”, s’il existe un r´eel β ≥ 1 tel que les solutions e(t; t
0
, φ), pour toute condition initiale φ, v´erifient :
[e(t, t
0
, φ)[ ≤ β[φ[e
−α(t−t
0
)
.
En introduisant la nouvelle variable e
α
(t) = e
αt
e(t) dans (5.3.8), o` u α est un r´eel positif, la convergence
asymptotique de la variable e
α
implique la convergence exponentielle de la variable initiale e vers la solution 0,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
126 Chapitre 5. Observation des syst`emes `a retards
avec un degr´e de convergence α. L’´equation (5.3.8) devient :
_
¸
¸
_
¸
¸
_
˙ e
α1
(t) = (A
11
+αI
(n−p)
)e
α1
(t),
˙ e
αy
(t) = (H +αI
p
)e
αY
(t) +e
αt
G
y
e
y
(t −τ(t)) +A
21
e
α1
(t) +G
x
1
e
ατ(t)
e
α1
(t −τ(t))
+e
αt
[ν +ξ

(t) +D
1
ζ(t)] ,
(5.4.1)
D’apr`es l’hypoth`ese de bornitude faite sur le retard τ(t), on peut d´eduire les in´egalit´es suivantes :
β
1
= 1 ≤ e
ατ(t)
≤ e
ατ
2
= β
2
.
A la mani`ere de l’approche polytopique pr´esent´ee dans le Chapitre 2, on peut alors d´efinir les fonctions
scalaires λ
1
et λ
2
, ne d´ependant que de la valeur du retard τ(t). On impose les conditions de convexit´e suivante :
∀t ≥ 0, λ
1
(t) +λ
2
(t) = 1, λ
1
(t) ≥ 0, λ
2
(t) ≥ 0.
et telles que l’on puisse ´ecrire :
e
ατ(t)
= λ
1
(t)β
1

2
(t)β
2
.
Ainsi les erreurs e
α1
et e
αy
sont r´egies par le syst`eme polytopique suivant :
_
¸
¸
_
¸
¸
_
˙ e
α1
(t) =

2
i=1
λ
i
(t)
_
(A
11
+αI
(n−p)
)e
α1
(t)
_
,
˙ e
αy
(t) =

2
i=1
λ
i
(t) ¦(H +αI
p
)e
αy
(t) +A
21
e
α1
(t) +G
x
1
β
i
e
α1
(t −τ(t))

i
[G
y
e
y
(t −τ(t)) +ν +ξ

(t) +D
1
ζ(t)]¦ ,
(5.4.2)
Th´eor`eme 5.4.1 En supposant que les conditions A soient satisfaites, le syst`eme d´ecrit par (5.3.8) est α−stable
pour tout r´eel positif α et pour tout retard variable 0 ≤ τ(t) ≤ τ
2
, s’il existe des matrices sym´etriques d´efinies
positives P
1
et R
1
∈ IR
(n−p)×(n−p)
, P
y
∈ IR
p×p
et une matrice sym´etrique Z
2i
∈ IR
p×p
telles que les conditions
LMI suivantes soient satisfaites pour i = 1, 2 :
Ψ
0i
=
_
Ψ
1
(A
21

i
G
x
1
)
T
P
y
P
y
(A
21

i
G
x
1
) Ψ
2
_
< 0, (5.4.3)
_
R
1
β
i
G
T
x
1
P
y
β
i
P
y
G
x
1
Z
2i
_
≥ 0, (5.4.4)
o` u
Ψ
1
= A
T
11
P
1
+P
1
A
11
+ 2αP
1

2
(A
11
+αI
(n−p)
)
T
R
1
(A
11
+αI
(n−p)
),
Ψ
2
= H
T
P
y
+P
y
H + 2αP
y

2
Z
2
.
D´emonstration. La preuve de ce th´eor`eme est similaire `a celle du Th´eor`eme 5.3.4. Consid´erons la fonc-
tionnelle de Lyapunov-Krasovskii suivante :
V
α
(t) = e
T
α1
(t)P
1
e
α1
(t) +e
T
αy
(t)P
y
e
αy
(t) +
_
0
−τ
2
_
t
t+θ
˙ e
T
α1
(s)R
1
˙ e
α1
(s)dsdθ. (5.4.5)
On remarque que la relation (5.3.27) est toujours valide pour les variables e
α1
et e
αy
. Ainsi, en diff´erenciant
(5.4.5) le long des trajectoires de (5.4.2), on obtient :
˙
V
α
(t) =

2
i=1
λ
i
(t)
_
e
T
α1
(t)[A
11
T
P
1
+P
1
A
11
+ 2αP
1
]e
α1
(t) +e
T
αy
(t)[H
T
P
y
+P
y
H + 2αP
y
]e
αy
(t)
+2e
T
αy
(t)P
y
(A
21

i
G
x
1
)e
α1
(t) +η

1i
(t) +η

2
(t) −2ρ

(t, y, u)|P
y
e
y
(t)|e
αt
_

2
˙ e
T
α1
(t)R
1
˙ e
α1
(t) −
_
t
t−τ
2
˙ e
T
α1
(s)R
1
˙ e
α1
(s)ds,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.4. α−STABILIT
´
E DES OBSERVATEURS
`
A MODES GLISSANTS 127
o` u
η

1i
(t) = −2β
i
e
T
αy
(t)P
y
G
x
1
_
t
t−τ(t)
˙ e
α1
(s)ds,
η

2
(t) = 2e
T
αy
(t)P
y
[D
1
ζ(t) +ξ

(t) +G
y
e
y
(t −τ(t))] e
αt
.
Les conditions LMI (5.4.4) permettent d’´ecrire, pour i = 1, 2 :
−2e
αy
(t)P
y
β
i
G
x
1
˙ e
α1
(s) ≤ e
T
αy
(t)Z
2i
e
αy
(t) + ˙ e
T
α1
(s)R
1
˙ e
α1
(s).
Une int´egration donne l’in´egalit´e suivante :
η

1i
(t) ≤ τ
2
e
T
αy
(t)Z
2i
e
αy
(t) +
_
t
t−τ
2
˙ e
T
α1
(s)R
1
˙ e
α1
(s)ds. (5.4.6)
En utilisant la d´efinition de ρ

et le fait que les fonctions de perturbations ξ

et ζ sont born´ees, on majore
η

2
(t) de la mani`ere suivante :
η

2
(t) −2ρ

(t, y, u)|P
y
e
y
(t)|e
αt
≤ −2γ

|P
y
e
αy
(t)|. (5.4.7)
Les deux majorations, (5.3.17) et (5.3.18) et l’´egalit´e suivante ˙ e
α1
(t) = (A
11
+αI
p
)e
α1
(t) conduisent `a :
˙
V
α
(t) ≤

2
i=1
λ
i
(t)
_
_
_
_
e
α1
(t)
e
αy
(t)
_
T
Ψ
0i
_
e
α1
(t)
e
αy
(t)
_
_
_
_
−2γ

|P
y
e
αy
(t)|.
Ainsi, si la condition (5.4.3) est satisfaite, la d´eriv´ee de la fonctionnelle de Lyapunov-Krasovskii est major´ee
par une combinaison convexe de deux termes d´efinis n´egatifs.
˙
V
α
(t) de (5.4.5) est n´egative. On en d´eduit que
l’erreur (5.4.1) est asymptotiquement stable et le syst`eme initial (5.3.8) est α−stable.
Remarque 5.4.2 Si le Th´eor`eme 5.3.4 est v´erifi´e pour un syst`eme donn´e et comme la matrice A
11
est de
Hurwitz, (5.4.3) et (5.4.4) sont faisables pour des valeurs de α suffisamment petites.
Remarque 5.4.3 Le Th´eor`eme 5.4.1 n´ecessite que la matrice A
11
rende le sous syst`eme ˙ e
1
(t) = A
11
e
1
(t)
α−stable, c’est-`a-dire α ≤ λ
min
(A
11
). Cela vient de la contrainte LMI (5.4.3).
5.4.2 Observateur `a retour de sorties
Th´eor`eme 5.4.4 [131] Sous les conditions A’ et (5.3.10), le syst`eme (5.3.21) est α−stable pour tout retard
τ(t) ≤ τ
2
s’il existe des matrices sym´etriques d´efinies positives P
1
, R
1
et R
2
∈ IR
(n−p)×(n−p)
, P
2
∈ IR
p×p
,
une matrice sym´etrique Z
2
∈ IR
p×p
et une matrice W ∈ IR
(n−p)×(p−q)
telles que les conditions LMI suivantes
soient r´ealis´ees :
_
¸
¸
¸
¸
¸
¸
¸
_
ψ
1
A
T
11
P
1
+A
T
211
W
T
+αP
1
(A
21

m
G
1
)
T
T
T
P
2
∗ −2P
1
+ 2τ
2
R
1
0
∗ ∗ Y
T
+Y + 2αP
2

2
Z
2
∗ ∗ ∗
∗ ∗ ∗
0 0
0 0
β
d
P
2
TG
1
τ
2
β
d
P
2
TG
1
−R
1
0
∗ −τ
2
R
2
_
¸
¸
¸
¸
¸
¸
¸
_
< 0, (5.4.8)
_
R
1
β
m
(TG
1
)
T
P
2
β
m
P
2
TG
1
Z
2
_
≥ 0. (5.4.9)
o` u
ψ
1
= A
T
11
P
1
+P
1
A
11
+ 2αP
1
+A
T
211
W
T
+WA
211
+R
2
β
m
= (1 +e
ατ
2
)/2, β
d
= (−1 +e
ατ
2
)/2
Les gains sont donn´es par
¯
L = P
−1
1
W et G
l
= P
−1
2
Y .
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
128 Chapitre 5. Observation des syst`emes `a retards
D´emonstration. En introduisant la nouvelle variable ¯ e
α
i
(t) = e
αt
¯ e
i
(t) dans (5.3.21), la convergence asympto-
tique de ¯ e
α
implique que ¯ e soit α−stable. L’´equation (5.3.21) devient :
_
¸
¸
_
¸
¸
_
˙
¯ e
α
1
(t) = (A
11
+LA
21
+αI
(n−p)
)¯ e
α
1
(t),
˙
¯ e
α
2
(t) = TA
21
¯ e
α
1
(t) + (ν +Tξ(t) +TD
1
ζ(t)) e
αt
+e
ατ(t)
TG
1
¯ e
α
1
(t −τ(t)) + (G
l
+αI
p
)¯ e
α
2
(t);
(5.4.10)
En ´ecrivant e
ατ(t)
= β
m
+ ∆(t)β
d
, o` u ∆(t) est une fonction r´eelle inconnue v´erifiant |∆(t)| ≤ 1, β
m
=
(1 +e
ατ
2
)/2, et β
d
= (−1 +e
ατ
2
)/2, La fonctionnelle de Lyapunov-Krasovskii candidate s’´ecrit :
V
α
(t) = ¯ e
αT
1
(t)P
1
¯ e
α
1
(t) + ¯ e
αT
2
(t)P
2
¯ e
α
2
(t) + 2
_
0
−τ
2
_
t
t+θ
˙
¯ e
αT
1
(s)R
1
˙
¯ e
α
1
(s)dsdθ. (5.4.11)
En diff´erenciant (5.4.11) le long de (5.4.10), on obtient :
˙
V
α
(t) = ¯ e
αT
1
(t)[P
1
(A
11
+
¯
LA
211
+αI
(n−p)
) +P
1
(A
11
+
¯
LA
211
+αI
(n−p)
)
T
P
1
]¯ e
α
1
(t)
+¯ e
αT
2
(t)[P
2
(G
l
+αI
p
) + (G
l
+αI
p
)
T
P
2
]¯ e
α
2
(t) + 2τ
2
˙ e
αT
1
R
1
˙ e
α
1
(t)
+2¯ e
αT
2
(t)P
2
T(A
21

m
G
1
)¯ e
α
2
(t) −2
_
t
t−τ(t)
˙ e
αT
1
R
1
˙ e
α
1
(t)

α
1
(t) +η
α
2
(t) +η
α
3
(t) +η
α
4
(t),
o` u les fonctions η
α
i
sont d´efinies par :
η
α
1
(t) = 2¯ e
αT
2
(t)P
2
β
m
TG
1
_
t
t−τ(t)
˙ e
α
1
(s)ds,
η
α
2
(t) = 2¯ e
αT
2
(t)P
2
β
d
∆(t)TG
1
e
α
1
(t),
η
α
3
(t) = 2¯ e
αT
2
(t)P
2
β
d
∆(t)TG
1
_
t
t−τ(t)
˙ e
α
1
(s)ds,
η
α
4
(t) = 2¯ e
αT
2
(t)P
2
(ν +Tξ(t) +TD
1
ζ(t)) e
αt
.
En utilisant la mˆeme m´ethode que dans le Th´eor`eme 5.3.6, (5.4.9) permet de majorer η
1
:
η
α
1
(t) ≤ τ
2
¯ e
αT
2
(t)Z
2
¯ e
α
2
(t) +
_
t
t−τ
2
˙
¯ e
αT
1
(s)R
1
˙
¯ e
α
1
(s)ds. (5.4.12)
En appliquant la majoration standard qui, pour toute matrice R > 0 de dimension n n et pour tous
vecteurs a et b de R
n
, assure que ±2a
T
b ≤ a
T
R
−1
a + b
T
Rb, `a η
α
2
(t) avec a
T
= ¯ e
αT
2
(t)P
2
β
d
TG
1
∆(t), b = e
α
1
(t)
et R = R
2
, on obtient :
η
α
2
(t) ≤ ¯ e
αT
2
(t)β
d
P
2
TG
1
R
−1
2
β
d
(TG
1
)
T
P
T
2
¯ e
α
2
(t) + ¯ e
αT
1
(t)R
2
¯ e
α
1
(t). (5.4.13)
En utilisant cette mˆeme majoration pour η
α
3
(t) avec a
T
= ¯ e
αT
2
(t)P
2
β
d
TG
1
∆(t), b = ˙ e
α
1
(s) et R = R
1
, on
obtient :
η
α
3
(t) ≤ τ
2
¯ e
αT
2
(t)β
d
P
2
TG
1
R
−1
1
β
d
(TG
1
)
T
P
T
2
¯ e
α
2
(t) +
_
t
t−τ
2
¯ e
αT
1
(s)R
1
¯ e
α
1
(s)ds. (5.4.14)
Les fonctions ν et ρ de (5.3.23) restant inchang´ees, on a :
η
α
4
(t) ≤ −2γ|P
2
¯ e
2
(t)|. (5.4.15)
Puis la combinaison de (5.4.12-5.4.15) avec l’expression de la d´eriv´ee de V
α
conduit `a :
˙
V
α
(t) ≤
_
¯ e
1
(t)
¯ e
2
(t)
_
T
Ψ
α
_
¯ e
1
(t)
¯ e
2
(t)
_
−2γ|P
2
¯ e
2
(t)|,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.5. EXEMPLES 129
avec :
Ψ
α
=
_
ψ
α
11
(A
21
+G
1
)
T
T
T
P
2
∗ ψ
α
22
_
,
et o` u
ψ
α
11
= P
1
(A
11
+
¯
LA
211
) + (A
11
+
¯
LA
211
)P
1
+ (A
11
+
¯
LA
211
)
T
R
1
(A
11
+
¯
LA
211
),
ψ
α
22
= G
T
l
P
2
+P
2
G
l
+ 2αP
1

2
Z
2

2
β
d
P
2
TG
1
R
−1
2
(TG
1
)
T
P
2
β
d

d
P
2
TG
1
R
−1
1
(TG
1
)
T
P
2
β
d
.
Le Lemme A.3.2 appliqu´e de la mˆeme mani`ere que dans le Th´eor`eme 5.3.6 conduit `a :
_
¸
¸
_
ψ
α
1
A
T
11
P
1
+A
T
211
W
T
(A
21
+G
1
)
T
T
T
P
2
∗ −2P
1
+ 2τ
2
R
1
0
∗ ∗ ψ
α
22
_
¸
¸
_
< 0,
Enfin, en imposant Y = P
2
G
l
, le compl´ement de Schur permet de retrouver les conditions LMI (5.4.8). Ainsi,
si (5.4.8) et (5.4.9) sont satisfaites, la d´eriv´ee de la fonctionnelle (5.4.11) est d´efinie n´egative.
Remarque 5.4.5 On remarque que lorsqu’on choisi α = 0 dans le Th´eor`eme 2, on montre que le syst`eme est
asymptotiquement stable.
5.5 Exemples
5.5.1 Exemple 1
Consid´erons le syst`eme `a retard inconnu sur l’´etat et l’entr´ee d´efini par :
_
˙ x(t) = Ax(t) +A
τ
x(t −τ(t)) +B
τ
u(t −τ(t))
y(t) = Cx(t),
o` u la loi de commande est u(t) = 2 sin(t), le retard τ(t) est d´efini par la loi τ(t) = 0.15(1 +cos(t)) et avec :
A =
_
¸
¸
¸
¸
_
−5 −6.5 2 −0.5
0 0.5 0 0.5
−6 −21 3 −6
3 2 −1.5 −0.5
_
¸
¸
¸
¸
_
, A
τ
=
_
¸
¸
¸
¸
_
−1 −3 0 −1
0 0 0 0
−3 −9 1 −2
1 3 0 1
_
¸
¸
¸
¸
_
,
B
τ
=
_
¸
¸
¸
¸
_
1
0
1
−1
_
¸
¸
¸
¸
_
, C =
_
2 0 2 1
0 2 0 −1
_
.
On remarque rang([A
τ
[B
τ
]) = rang(C[A
τ
[B
τ
]) = 2. On en d´eduit qu’il existe un changement de variables
Q :
Q =
_
¸
¸
¸
¸
_
1 1 0 1
0 −1 0 0
2 0 2 1
0 2 0 −1
_
¸
¸
¸
¸
_
,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
130 Chapitre 5. Observation des syst`emes `a retards
tel que le syst`eme s’´ecrit sous la forme de (5.3.4) avec B
1
= 0, B
2
= 0 et :
A
11
=
_
−1 2
0 −0.5
_
, A
12
=
_
1 −2
0 0.5
_
, A
21
=
_
1 0
0 −1
_
, A
22
=
_
0.5 4
3 −1
_
,
G
x
1
=
_
0 1
−1 0
_
, G
y
=
_
1 0
0 0
_
, G
u
=
_
0
1
_
.
L’observateur par modes glissants (5.3.5) peut alors ˆetre utilis´e pour le syst`eme consid´er´e. On choisit
ˆ
h = 0.15
et :
H =
_
−10 0
0 −10
_
.
Le Th´eor`eme 5.3.4 prouve la convergence de l’observateur vers le syst`eme r´eel grace `a la fonctionnelle de
Lyapunov-Krasovskii (5.3.15) avec :
P
1
=
_
557.0 0
0 2924.3
_
, P
y
=
_
36.20 0.0216
0.0216 35.97
_
, R
1
=
_
557.00 0
0 557.00
_
.
Les Figures 5.1, 5.2 and 5.3 montrent les r´esultats en simulation. L’observateur converge effectivement vers le
syst`eme r´eel. A titre de remarque, la convergence de l’observateur o` u ˆ τ = 0, (qui n’est pas donn´ee ici) converge.
Le Th´eor`eme 5.4.1 assure la stabilit´e exponentielle pour tout α < 0.5.
0 5 10 15 20 25 30 35 40 45 50
−4
−3
−2
−1
0
1
2
3
4
5
time
x
11
(t)
^x
11
(t)
x
12
(t)
^x
12
(t)
Fig. 5.1 – Trajectoires de x
1
(t) et ˆ x
1
(t)
5.5.2 Exemple 2
Soit le syst`eme (5.3.19) avec :
A
11
=
_
0 0
0 −1
_
, A
12
=
_
−1 0
0 −0.1
_
, A
21
=
_
2 3
2 −1
_
,
A
22
=
_
−1 0
0 −1
_
, G
1
=
_
0 0
0.1 0.21
_
, G
2
=
_
0 0
0.2 1
_
,
G
u
=
_
0
1
_
, D
1
= B
1
= B
2
=
_
0
0
_
,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.5. EXEMPLES 131
0 5 10 15
−6
−5
−4
−3
−2
−1
0
1
2
3
4
time
y
11
(t)
y
12
(t)
^y
11
(t)
^y
12
(t)
Fig. 5.2 – Trajectoires de y(t) et ˆ y(t)
0 5 10 15
−6
−4
−2
0
2
4
6
time
e
x
1
(t)
e
x
2
(t)
e
y
1
(t)
e
y
2
(t)
Fig. 5.3 – Evolution de l’erreur e(t)
Le retard inconnu du syst`eme observ´e est de la forme τ(t) =
τ
2
2
(1 + sin(wt)), dont la borne maximale est
τ
2
= 0.3s, et dont la fr´equence est w = 0.5s
−1
. La commande utilis´ee est de la forme u(t) = u
0
sin(ωt), avec
u
0
= 2 et ω = 3.
Les r´esultats en simulations sont donn´es dans les figures suivantes. Les Figures 5.4 et 5.5 pr´esentent les
erreurs d’observation du syst`eme pour α = 0 et α = 2. Les Figures 5.6 et 5.7 montrent la comparaison entre
l’´etat r´eel et l’´etat estim´e, pour α = 2.
On remarque que le fait d’augmenter le coefficient d’exponentialit´e α acc´el`ere la rapidit´e de convergence de
l’erreur. Dans ces conditions, le Th´eor`eme 5.4.4 assure la convergence exponentielle de l’observateur pour α = 2
vers le syst`eme r´eel. Les gains de l’observateur sont alors :
¯
L =
_
−3.6936
0.9943
_
, G
l
=
_
−12.0704 −5.0757
−24.6079 −39.8518
_
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
132 Chapitre 5. Observation des syst`emes `a retards
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
−6
−4
−2
0
2
4
6
time
e
x
1
(t)
e
x
2
(t)
e
y
1
(t)
e
y
2
(t)
Fig. 5.4 – Simulation de l’erreur d’observation pour α = 0 et τ
2
= 0.3
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
−6
−4
−2
0
2
4
6
8
time
e
x
1
(t)
e
x
2
(t)
e
y
1
(t)
e
y
2
(t)
Fig. 5.5 – Simulation de l’erreur d’observation pour α = 0.9 et τ
2
= 0.3
5.6 Conclusion
Le probl`eme de la synth`ese d’un observateur de syst`emes `a retard inconnu, `a la fois sur l’´etat et la com-
mande, a ´et´e r´esolu pour une classe de syst`emes `a retards. Les th´eor`emes, pr´esent´es sous formes d’in´egalit´es
matricielles lin´eaires (LMI), garantissent la convergence asymptotique (Th´eor`emes 5.3.4 et 5.3.6), ou exponen-
tielle (Th´eor`emes 5.4.1 et 5.4.4) connaissant la borne sup´erieure du retard. Cependant les r´esultats propos´es
ne concernent qu’une classe de syst`emes lin´eaires `a retards v´erifiant les conditions de recouvrements du type
A1-3 ou A’1-3 qui sont toutefois restrictives. Ces th´eor`emes ne repr´esentent donc qu’une premi`ere ´etape dans la
recherche d’observateurs de syst`emes `a retards. Ils serait int´eressant de d´evelopper ces techniques pour r´eduire
le conservatisme des conditions de recouvrement et pour les adapter aux cas des syst`emes sous mis `a des
incertitudes param´etriques ou non lin´eaires .
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.6. CONCLUSION 133
0 1 2 3 4 5 6 7 8 9 10
−2
−1
0
1
2
3
4
5
time
x
11
(t)
^x
11
(t)
x
12
(t)
^x
12
(t)
Fig. 5.6 – Comparaison entre les variables x
1
et ˆ x
1
, pour α = 2,
0 1 2 3 4 5 6 7 8 9 10
−6
−5
−4
−3
−2
−1
0
1
2
3
4
time
y
11
(t)
y
12
(t)
^y
11
(t)
^y
12
(t)
Fig. 5.7 – Comparaison entre les variables x
2
et ˆ x
2
, pour α = 2
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
134 Chapitre 5. Observation des syst`emes `a retards
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 6
Applications
6.1 Etude de la barre de torsion
Cette premi`ere application concernent la commande d’une barre de torsion repr´esent´ee Figure 6.1

Fig. 6.1 – Barre de torsion
Plusieurs auteurs ont interpr´et´e l’´equation d’onde d´ecrivant le comportement de la barre de torsion comme
un syst`eme lin´eaire `a retards. On notera ici x
2
la position angulaire α de la barre de torsion. Une mod´elisation
propos´ee par [44] est :
_
˙ x
1
(t) = x
2
(t),
˙ x
2
(t) = ˙ x
2
(t −2T) −x
2
(t) +x
2
(t −2T) +u(t −T),
(6.1.1)
o` u T repr´esente le retard d´ependent des param`etres physiques du syst`eme, notamment de la longueur de la
barre. En introduisant la variable x(t) = col¦x
1
(t), x
2
(t)¦, les ´equations (6.1.1) s’´ecrivent :
˙ x(t) =
_
0 1
0 −1
_
x(t) +
_
0 0
0 1
_
x(t −2T) −
_
0 0
0 1
_
˙ x(t −2T) +
_
0
1
_
u(t −T).
Dans ce cas de syst`emes neutres, on a F =
_
0 0
0 1
_
et |F| = 1, ce qui signifie que l’op´erateur aux
diff´erences x(t) − Fx(t − g) n’est pas asymptotiquement stable au sens de Shur-Cohn. Ainsi, [15] et [44] ont
135
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
136 Chapitre 6. Applications
utilis´e une loi de commande de la forme :
u(t) = −λ ˙ x
2
(t −T) +v(t) (6.1.2)
avec λ ∈]0, 2[. Dans [15] et [44], v(t) est construit sur la base de la mesure de x(t −T). Ici, nous supposerons que
˙ x
2
(t −T) est mesur´e instantan´ement mais que x n’est mesur´e avec un retard additionnel η, variable et inconnu,
tel que |η(t)| ≤ µ. On peut noter que cette situation peut correspondre au cas d’´echantillonnage des donn´ees
capteurs de l’´etat x. La loi de commande propos´ee est alors de la forme :
v(t) = Kx(t −T −η(t)), (6.1.3)
o` u K est le gain de retour d’´etat de dimension appropri´ee. L’objectif consiste alors `a d´eterminer ce gain afin de
garantir la stabilit´e exponentielle du syst`eme. Ainsi, les ´equations de la barre de torsion sont de la forme :
˙ x(t) =
_
0 1
0 −1
_
x(t) +
_
0 0
0 1
_
x(t −T) −
_
0 0
0 1 −λ
_
˙ x(t −T) +
_
0
1
_
Kx(t −2T −η(t)). (6.1.4)
Pour λ = 0.6, T = 0.05, et µ = 0.08, le Th´eor`eme 4.3.6 concernant le cas des syst`emes neutres `a retards
constants sur le terme neutre et `a retards variables born´es sur l’´etat (avec δ = τ = 0.1, et µ = 0.08) garantit
que le syst`eme (6.1.4) est α−stabilisable pour α = 0.775 en prenant = 3.8. Le gain K = [−1.2389 , −1.9522]
stabilise exponentiellement le syst`eme. Apr`es avoir v´erifi´e la condition |e
2αT
F| = 0.4309 < 1, les r´esultats en
simulation sont repr´esent´es sur la Figure 6.2. Ils montrent la convergence exponentielle `a taux garanti par le
Th´eor`eme.
0 1 2 3 4 5 6 7
−15
−10
−5
0
5
10
15
time (s)
X
1
/
X
2
X1(t)
X2(t)
Exponential Bounds
Fig. 6.2 – Simulation de la barre de torsion avec α = 1.05, h
1
= h
2
= 0.1, µ
1
= 0 et µ
2
= 0.08
De plus, dans le cas d’un retard constant (c’est-`a-dire sans retard additionnel η), on peut comparer les
r´esultats avec ceux du Lemme 1 de [82] en prenant le syst`eme en boucle ferm´ee avec K = [−1.2389 , −1.9522].
Les conditions LMI de [82] ne sont pas v´erifi´ees.
Remarque 6.1.1 Cet exemple reste une application th´eorique des th´eor`emes propos´es dans ce m´emoire. Il est
important d’´emettre quelques critiques quant `a la robustesse d’une telle commande. La commande (6.1.2) n’est
pas robuste vis-a vis du retard T du terme neutre. Si ce retard n’est pas pr´ecis´ement T mais T +, o` u serait une
petite perturbation, la commande ne permettrait pas de stabiliser le syst`eme et conduirait `a un comportement
instable de ce dernier.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T
´
EL
´
E-OP
´
ERATION 137
6.2 Application `a la t´el´e-op´eration
6.2.1 Introduction
Ce chapitre concerne le contrˆole, l’observation et l’impl´ementation informatique d’un syst`eme de type Maˆıtre
- Esclave communiquant `a distance par le moyen d’un r´eseau de type internet. Un enjeu principal de la synth`ese
de commande est ici de pouvoir garantir des performances (stabilit´e, rapidit´e, robustesse) malgr´e les perturba-
tions g´en´er´ees par l’utilisation du r´eseau (retards variables et asym´etriques, perte de paquets et ´echantillonnage).
Le contrˆole `a distance est le moyen de r´ealiser sans danger des tˆaches en environnement hostile (d´eminage,
d´epollution par exemple), d’admettre des utilisateurs d´elocalis´es sur une plate-forme (enseignement, chirurgie...),
ou encore de faire collaborer plusieurs applications d’un syst`eme informatique distribu´e. Pour des distances
importantes, la technologie internet apparaˆıt aujourd’hui comme un moyen de communication naturel et peu
on´ereux. Cependant, la Qualit´e de Service (QdS ou QoS en anglais) fournie par internet semble souvent assez
faible au regard de ce genre d’applications [2] et les dynamiques induites par le r´eseau (retards) doivent ˆetre
prises en compte dans l’´elaboration de la loi de commande.
Si l’´energie et la puissance de calcul embarqu´ees dans l’Esclave n’´etaient pas limit´ees, on pourrait envisager
de lui confier toutes les tˆaches de commande (planification et suivi de trajectoire, gestion capteurs, observation)
et le rˆole du r´eseau se r´eduirait `a v´ehiculer les consignes `a atteindre. Ici, nous consid´ererons le cas moins id´eal
o` u l’Esclave ne dispose que d’une puissance de calcul tr`es limit´ee, que ce soit pour des raisons de limitation de
l’´energie embarqu´ee, ou bien pour limiter son coˆ ut
1
. Dans ce cas, l’effort de calcul est `a d´eporter au maximum
sur le maˆıtre. Celui-ci calcule la commande, l’envoie `a l’Esclave via le r´eseau et, r´eciproquement l’Esclave envoie
ses donn´ees capteur au Maˆıtre `a travers ce mˆeme r´eseau.
Bien sˆ ur, le transfert informatique des donn´ees (capteurs ou commande) par le r´eseau n´ecessite l’´echantill-
onnage des sorties capteur de l’Esclave et des commandes g´en´er´ees par le Maˆıtre.
Dans cette situation, deux sources de retards variables se combinent :
– Les liens de communications introduisent des retards variables dans l’ensemble de la boucle (`a l’aller
comme au retour). Ces retards doivent imp´erativement ˆetre pris en compte lors de la conception de la
commande et de l’observation.
– L’´echantillonnage, qui n’est g´en´eralement pas p´eriodique `a cause de l’ordonnancement temps-r´eel des
tˆaches, mais aussi des pertes de paquets par le r´eseau, constitue une autre source de retard variable [53]
qui devra aussi ˆetre pris en compte.
Pour la simplicit´e de l’expos´e, nous consid´ererons que l’Esclave est repr´esent´e par un mod`ele lin´eaire. Le
contrˆole correspondra `a un retour d’´etat bas´e sur un observateur et devra ˆetre calcul´e par la partie Maˆıtre.
Le syst`eme global devra assurer une performance de rapidit´e garantie malgr´e les effets de retard du r´eseau.
Une telle performance est obtenue en assurant une propri´et´e de stabilisation exponentielle (en exp −αt, α > 0)
robuste vis-`a-vis des retards
2
. Cette propri´et´e sera d´emontr´ee en utilisant une approche de type Lyapunov
(fonctionnelles de Lyapunov-Krasovskii) conduisant `a la conception des gains du contrˆoleur et de l’observateur
par r´esolution d’in´egalit´es matricielles lin´eaires (LMI).
On sait que dans ces conditions, l’´elaboration de la commande est facilit´ee par la connaissance des retards.
1
Par exemple, dans une situation de d´eminage, les robots esclaves sont souvent vou´es `a la destruction et on essaie de minimiser
leur coˆ ut unitaire.
2
Pour ne pas alourdir l’expos´e, nous ne consid´erons pas la robustesse param´etrique vis-`a-vis du mod`ele de l’Esclave. On pourrait
pour cela s’inspirer de travaux comme [130].
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
138 Chapitre 6. Applications
Dans le cas pr´esent, la solution que nous proposons est bas´ee sur un syst`eme GPS qui permet aux parties
Maˆıtre et Esclave de synchroniser leurs horloges. Ainsi, les paquets ´echang´es contiennent non seulement la loi
de commande ou la sortie de l’Esclave, mais aussi la date de leur envoi. Il lui est alors possible de mesurer le
retard de transmission variable, non sym´etrique. “Non sym´etrique” signifie que les retards Maˆıtre-Esclave h
1
et
Esclave-Maˆıtre h
2
sont s´epar´ement reconstruits par le syst`eme, sans ˆetre consid´er´es comme ´egaux `a la moiti´e du
d´elai de transport de la boucle de communication compl`ete, appel´e RTT pour Round Trip Time. Ce chapitre
pr´esentera successivement une pr´esentation du probl`eme et des solutions techniques retenues, puis la th´eorie
permettant de garantir une performance globale, des r´esultats obtenus en simulation sur un exemple de syst`eme
lin´eaire d’ordre 2 (correspondant au d´eplacement d’un moteur sur un rail) et, enfin, une impl´ementation sur un
processus r´eel.
Fig. 6.3 – Principe de la boucle Maˆıtre-Esclave.
Retards et t´el´eop´eration
La r´ef´erence [127] donne une synth`ese des probl´ematiques li´ees `a la pr´esence de retards. On consultera
aussi [69],[111] pour avoir une pr´esentation d´etaill´ee de techniques r´ecentes de stabilisation
3
g´en´eralisant celles
de Lyapunov au cas retard´e. Nous pouvons retenir de ces synth`eses une premi`ere conclusion : mˆeme dans le
cas lin´eaire, r´eput´e simple, il est extrˆemement rare de pouvoir mettre concr`etement en œuvre des conditions
n´ecessaires et suffisantes de stabilit´e adapt´ees `a la synth`ese de lois de commande dans le cas retard´e. L’analyse
passe ainsi par des conditions “seulement suffisantes”, ce qui explique le grand nombre de publications proposant
des conditions techniques sous-optimales mais calculables au moyen de LMI. Une deuxi`eme conclusion concerne
la diff´erence `a faire selon le type de retard consid´er´e : retard constant h, variable h(t), born´e 0 ≤ h
0
≤ h(t) ≤ h
m
,
`a d´eriv´ee born´ee :
¸
¸
dh
dt
¸
¸
≤ δ < 1,
dh
dt
< 1 ou
dh
dt
≤ 1, etc.
Pour ce qui concerne plus sp´ecifiquement la t´el´eop´eration, plusieurs travaux ont tenu compte de retards de
transmission h qui, dans un premier temps, furent consid´er´es comme constants [7, 41, 115]. Dans un contexte de
commande par r´eseau, cette hypoth`ese n’est pourtant qu’une premi`ere approximation : on sait que les retards
de r´eseau varient fortement au cours du temps (ph´enom`ene de gigue, ou jitter). Mais, jusqu’`a r´ecemment, les
techniques pr´edictives classiques (Smith, FSA
4
, etc.), n´ecessitaient pour la plupart un retard constant, c’est-`a-
dire h(t) = h. Elles ont ´et´e r´ecemment ´etendues au cas de retards variables connus (voir chapitre 3), l’hypoth`ese
est alors de disposer de la connaissance du retard en temps r´eel, ce qui est par exemple envisageable dans le cas
d’un r´eseau ethernet g´er´e par l’utilisateur et donc mod´elisable.
Dans les autres cas, comme internet par exemple, la connaissance du (ou des) retard(s) ne peut ˆetre qu’une
hypoth`ese d’´ecole. Pour prendre en compte cette m´econnaissance, il est alors possible de faire appel `a des
conditions de stabilit´e qui sont ind´ependantes de la valeur du retard (independent-of-delay ou ”i.o.d”). Ces
3
La stabilit´e exponentielle est compl´ementairement d´evelopp´ee dans [130, 132].
4
Placement fini de spectre, en anglais Finite Spectrum Assignment.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T
´
EL
´
E-OP
´
ERATION 139
conditions i.o.d s’av`erent souvent assez conservatives bien que, dans certains cas particuliers comme [39], les
r´esultats puissent permettre de traiter le cas de retards variables sym´etriques. Ce que nous appelons “retards
sym´etriques” correspond au cas o` u les retards de communication du Maˆıtre vers l’Esclave et de l’Esclave vers le
Maˆıtre sont ´egaux. On a alors h
1
(t) = h
2
(t) = R(t)/2, o` u R(t) est le temps mis pour parcourir toute la boucle
de communication (RTT, Round Trip Time). Une autre r´ef´erence [61] consid`ere des retards non sym´etriques,
mais dans le cas de retards constants, c’est-`a-dire h
1
(t) = h
1
,= h
2
(t) = h
2
.
Il est cependant pr´ef´erable d’utiliser des techniques d´ependantes des bornes du retard (”d.d.”, delay-dependent
en anglais), dont les r´esultats tiennent compte d’une borne maximale du retard (h
m
, telle que 0 ≤ h(t) ≤ h
m
).
Supposer la connaissance d’une telle borne n’est pas trop contraignant en pratique
5
.
Une solution possible [89, 90, 116] consiste `a introduire une m´emoire tampon (ou buffer) qui force l’entit´e
r´eceptrice de l’information `a attendre jusqu’`a ce que le retard maximal soit atteint. L’int´erˆet de cette tech-
nique est de compenser la gigue (c’est-`a-dire de produire un retard constant). En revanche, il est ´evident que
cette strat´egie peut ˆetre p´enalisante en terme de rapidit´e, voire mˆeme de stabilit´e, puisque le retard est rendu
constamment ´egal `a sa valeur maximale h
m
. Il sera donc souhaitable, si l’on utilise cette strat´egie de buffer, de
pouvoir garantir une performance de rapidit´e de convergence. Il est pr´ef´erable que cette performance ne soit
pas analys´ee a posteriori, mais qu’elle soit prise en compte d`es la phase de conception de la loi de commande.
Cette prise en compte n’´etait pas explicite dans [89, 90]. Par ailleurs, ces travaux se limitaient au cas de retards
sym´etriques.
Hypoth`eses sur les retards, protocole et synchronisation GPS
Ce chapitre est d´edi´e `a l’utilisation d’internet comme lien de communication. Dans cette situation, on se
retrouve confront´e `a des retards `a la fois variables, non sym´etriques et inconnus. En effet, il n’existe pas de
mod`ele dynamique repr´esentatif du r´eseau [112]. Il est seulement possible de supposer que les bornes maximales
des retards aller et retour h
im
sont connues. L’information correspondante s’´ecrit : 0 ≤ h
i
(t) ≤ h
im
, avec i = 1
ou 2.
Nous ferons une deuxi`eme hypoth`ese qui, elle, concerne la variation des retards, `a savoir :
˙
h
i
(t) ≤ 1. Ceci
signifie que les paquets seront pris dans l’ordre chronologique de leur emission. Dans un contexte de commande
`a travers un r´eseau, cela veut dire que si un paquet de donn´ees est perdu, il n’est pas r´e-´emis. Nous utiliserons
pour cela le protocole UDP (User Datagram Protocol ).
UDP est un protocole de couche transport, donc comparable `a TCP (Transmission Control Protocol ) mais
qui, contrairement `a TCP, ne garantit pas l’arriv´ee des donn´ees (pas de r´e-´emission) ni n’assure leur remise dans
l’ordre. UDP n’exclut donc pas que des paquets soient perdus. Dans notre situation, les paquets contiennent des
´echantillons (sorties ou commandes). TCP imposerait d’attendre qu’un paquet perdu soit r´e-´emis et r´eceptionn´e,
avant de pouvoir utiliser les paquets suivants, ce qui diminuerait les performances : il est pr´ef´erable de prendre
en compte les donn´ees les plus r´ecentes. En termes de retards, UDP sera donc moins p´enalisant que TCP.
Il faudra par contre que, sous UDP, les paquets soient remis dans l’ordre chronologique par le Maˆıtre et par
5
Cette borne n’est pas garantie naturellement sur internet, mais vient ici de la strat´egie de commande. En effet, si le retard
devient trop grand, voire infini, `a cause d’une trop forte congestion de r´eseau, la strat´egie Maˆıtre-Esclave n’est plus ad´equate et on
doit utiliser une approche diff´erente, visant `a ne pas laisser l’esclave sans contrˆole : on doit alors commuter vers un fonctionnement
autonome de l’esclave, fonctionnement d´egrad´e mais dont la stabilit´e sera garantie. La d´ecision de commutation peut ˆetre bas´ee
sur une mesure de RTT compar´ee au retard maximal admissible. Dans un tel cas, cette borne maximale constitue l’information
souhait´ee. Le chapitre 5 consid`ere plus en d´etail la majoration des retards.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
140 Chapitre 6. Applications
l’Esclave, ce qui implique d’associer `a chaque paquet son instant d’´emission (par ajout d’une datation, ou time
stamp).
Cette datation, pour ˆetre applicable `a la commande, demande la synchronisation temporelle des deux entit´es
Maˆıtre et Esclave. La solution technique propos´ee est bas´ee sur l’utilisation de balises GPS ´equipant les deux
parties et leur donnant acc`es `a la mˆeme horloge (c’est la seule fonctionnalit´e du GPS qui sera utilis´ee ici).
Les paquets contenant les informations de contrˆole et de mesure, contiennent aussi un time stamp de l’instant
auquel ils sont envoy´es, cette information prenant le mˆeme sens pour les deux entit´es. Ce dispositif permet la
mesure du retard, mˆeme non sym´etrique, avec lequel le paquet arrive `a destination. Par ce biais, les retards
Maˆıtre vers Esclave h
1
(t) et Esclave vers Maˆıtre h
2
(t) sont s´epar´ement reconstruits (et pas seulement le retard
de boucle RTT).
Prise en compte de l’´echantillonnage
D’autre part, l’implantation finale des algorithmes est effectu´ee en temps discret et les effets de l’´echanti-
llonnage doivent donc ˆetre pris en compte. Des travaux r´ecents [22, 53] ont montr´e qu’un ´echantillonnage peut
ˆetre assimil´e `a un retard additionnel variable dans le temps, de valeur τ(t) = t − t
k
pour t
k
≤ t < t
k+1
, o` u t
k
repr´esente le k
i` eme
instant d’´echantillonnage. La Figure 6.4 illustre le cas p´eriodique classique (t
k
= kT) pour
deux p´eriodes diff´erentes.
Fig. 6.4 – Echantillonnage p´eriodique et retard τ(t) = t −kT associ´e.
Cette fa¸con de mod´eliser l’´echantillonnage pr´esente trois avantages :
– Elle permet de tenir compte d’une p´eriode d’´echantillonnage ´eventuellement non constante (le syst`eme
informatique peut produire un ´echantillonnage ap´eriodique), c’est-`a-dire de consid´erer le cas o` u il n’est
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T
´
EL
´
E-OP
´
ERATION 141
pas o` u il n’existe pas de p´eriode constante T telle que t
k
= kT.
– Elle permet aussi de tenir compte de la perte de paquets, qui revient `a un allongement de l’intervalle
d’´echantillonnage (si le i
i` eme
´echantillon t
i
est perdu, le retard d’´echantillonnage devient t − t
i+1
au lieu
de t −t
i
).
– Son ´ecriture reste compatible avec les effets de retard de la ligne de transmission, sans ajouter de complexit´e
suppl´ementaire.
Ainsi, la seule hypoth`ese que l’on aura `a ´emettre consiste `a borner la p´eriode d’´echantillonnage par une
valeur T que nous supposerons connue, ce qui signifie que la relation 0 ≤ t
k+1
−t
k
≤ T est satisfaite.
Le retard global g´en´er´e par la transmission et l’´echantillonnage peut s’´ecrire sous la forme δ
i
(t
k
) = h
i
(t)+t−t
k
(avec i = 1 ou 2). Ainsi on peut remarquer que le cas
˙
δ
i
= 1 peut se produire presque partout (sauf aux instants
d’´echantillonnage o` u l’on a, en th´eorie,
˙
δ
i
= −∞), comme illustr´e sur la Figure 6.4.
Probl`emes de commande induits
Les donn´ees ´echang´ees correspondent `a la commande, envoy´ee du Maˆıtre vers l’Esclave, et `a la mesure de
la sortie, envoy´ee de l’Esclave vers le Maˆıtre. Comme on l’a dit, l’Esclave dispose d’une puissance limit´ee et
c’est la partie Maˆıtre qui doit assurer le calcul de la commande et la reconstruction de l’´etat de l’Esclave. Notre
objectif est de garantir des propri´et´es de robustesse et de performance du syst`eme global Maˆıtre-Esclave. En
particulier, le syst`eme global doit converger `a une vitesse minimale garantie quelle que soit la valeur des retards
de transmission. Cette performance globale du syst`eme sera obtenue en montrant la convergence exponentielle
(α−stabilit´e, α ´etant le taux de convergence garanti), robuste vis-`a-vis du retard.
Garantir la stabilit´e exponentielle d’un syst`eme de ce type n’est pas une tˆache simple. En effet, le Maˆıtre
re¸coit les informations dont il a besoin pour ´elaborer la commande, seulement apr`es qu’elles aient travers´ees le
r´eseau. Ainsi le Maˆıtre calcule-t-il sa commande avec des valeurs de l’Esclave p´erim´ees de h
2
(t). La commande
sera utilis´ee seulement une fois qu’elle aura ´et´e re¸cue par l’Esclave, c’est-`a-dire encore h
1
(t) secondes plus tard.
Finalement, l’esclave re¸coit une commande calcul´ee `a partir d’une donn´ee retard´ee de h
1
(t) + h
2
(t), ce RTT
variable n’´etant pas connu `a l’avance.
Dans ces conditions, il devient int´eressant d’am´eliorer l’information servant `a ´elaborer la commande, c’est-
`a-dire de fournir une estimation de l’´etat non retard´e. C’est ici que nous utiliserons l’estimation du retard h
2
(t)
(disponible grˆace au GPS) pour synth´etiser un observateur permettant de reconstruire l’´etat de l’Esclave `a
l’instant pr´esent (et non `a l’instant o` u l’information a ´et´e envoy´ee).
6.2.2 Conception de la commande du syst`eme
Pr´esentation du syst`eme
La Figure 6.5 pr´esente la structure plus d´etaill´ee du syst`eme Maˆıtre-Esclave d´evelopp´e dans [134].
Rappelons les principes de ce syst`eme, compl´et´es par quelques hypoth`eses (sur le mod`ele de l’Esclave :
– L’Esclave est suppos´e n’avoir qu’une puissance de calcul limit´ee et il ne lui est pas possible de calcu-
ler sa propre loi de commande. Le Maˆıtre calcule et lui transmet la commande `a appliquer. La trans-
mission ne se fait pas instantan´ement, les lignes de communication introduisent un d´elai h
1
(t). De
mˆeme, l’´echantillonnage des donn´ees g´en`ere un retard additionnel τ
1
(t). Le retard r´esultant est not´e
δ
1
(t) = h
1
(t) +τ
1
(t) et sera pr´ecis´e ult´erieurement (paragraphe 6.2.2).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
142 Chapitre 6. Applications

Fig. 6.5 – Structure du syst`eme Maˆıtre-Esclave.
– Le mod`ele de l’Esclave est un syst`eme lin´eaire commandable et observable, `a entr´ee retard´ee et dont le
mod`ele (A, B, C) est connu, :
_
˙ x(t) = Ax(t) +Bu(t −δ
1
(t)),
y(t) = Cx(t).
(6.2.1)
– L’Esclave mesure sa sortie y(t) de mani`ere ´echantillonn´ee, information que le Maˆıtre re¸coit apr`es un retard
h
2
(t). Un autre retard τ
2
(t), induit par l’´echantillonnage, intervient aussi, ce qui signifie que le Maˆıtre
n’a acc`es qu’`a l’information y(t − δ
2
(t)), o` u δ
2
(t) = h
2
(t) + τ
2
(t) correspond au retard r´esultant. Dans
le Maˆıtre, un observateur a ´et´e implant´e ayant pour objectif de calculer une estimation de l’´etat x(t) de
l’Esclave au temps pr´esent, estimation not´ee ˆ x(t). Le Maˆıtre compose sa loi de commande, de type retour
d’´etat, `a partir de cette estimation.
– Les instants d’´echantillonnage t
k
ne sont pas forcement p´eriodiques, c’est-`a-dire qu’il n’existe pas de
p´eriode T telle que chaque temps d’´echantillonnage v´erifie t
k
= kT. En revanche, nous supposons que la
diff´erence entre deux instants d’´echantillonnage cons´ecutifs est born´ee par une valeur connue T, soit :
0 < t
k+1
−t
k
≤ T. (6.2.2)
– Les deux retards δ
1
et δ
2
r´esultant des transmissions et des effets de l’´echantillonnage ont une borne
maximale connue δ
m
i
= h
m
i
+T, telle que la relation :
0 < δ
i
(t) ≤ δ
m
i
(6.2.3)
soit satisfaite et la variation de ce retard est contrainte par :
˙
δ
i
(t) ≤ 1, (6.2.4)
in´egalit´e dont l’interpr´etation a ´et´e donn´ee dans l’introduction.
– Chacune des entit´es Maˆıtre et Esclave dispose d’une antenne GPS leur permettant de disposer d’une
horloge commune. Chaque paquet envoy´e contient l’instant o` u la commande (ou, respectivement, la mesure
de la sortie) a ´et´e calcul´ee (ou mesur´ee). Grˆace `a cette donn´ee, l’entit´e qui re¸coit l’information connaˆıt,
d`es r´eception, le retard h
i
(t) avec lequel celle-ci a ´et´e transmise.
Les parties suivantes pr´esentent les composants du syst`eme et les notations qui leur seront appliqu´ees :
(1) la mod´elisation des effets de l’´echantillonnage sous forme de retard τ
i
(t) ; (2) la loi de commande du type
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T
´
EL
´
E-OP
´
ERATION 143
Fig. 6.6 – Echantillonnage non p´eriodique.
retour d’´etat lin´eaire statique ; (3) les deux retards de communication h
i
(t) ; et (4) l’observateur lin´eaire, de
type Luenberger, qui prend en compte les retards de transmission.
Retards d’´echantillonnage :
D’un point de vue pratique, le syst`eme global (comprenant le contrˆoleur, l’observateur, le r´eseau et le
processus) ne peut pas ˆetre consid´er´e comme un syst`eme continu. Si les dynamiques de l’Esclave sont rapides,
l’´echange continu de donn´ees entre l’Esclave et le Maˆıtre n´ecessiterait que le r´eseau ait une large bande passante
pour que le flux de donn´ees soit important. Ainsi, les paquets ´echang´es ne peuvent fournir que des informations
en temps discret. Les effets de l’´echantillonnage r´esultant peuvent perturber la stabilit´e du syst`eme global et
doivent ˆetre pris en compte dans la conception du contrˆoleur et de l’observateur.
A lieu de se concentrer sur une ´etude en temps discret (´equations de r´ecurrence), des travaux r´ecents
[22, 53, 132] ont consid´er´e que le processus l’´echantillonnage-blocage s’apparente `a un ph´enom`ene de `a retard.
En effet, l’´echantillon g(t
k
) d’un signal g(t) `a l’instant t
k
peut s’´ecrire : g(t
k
) = g(t − [t − t
k
]) = g(t − τ(t)).
Cette notation permet de d´efinir le retard correspondant `a l’´echantillonnage : τ
k
(t) = t − t
k
, t ∈ [t
k
, t
k+1
[. La
Figure 6.6 pr´esente un exemple de retard d’´echantillonnage variable.
Ainsi, un ´echantillonnage ap´eriodique se repr´esente par un retard variable dont la borne sup´erieure est la
valeur T d´efinie par (6.2.2). Cette notation permet d’appliquer au cas des syst`emes ´echantillonn´es, les techniques
utilis´ees dans l’´etude des syst`emes continus `a retards, et notamment l’approche par fonctionnelles de Lyapunov-
Krasovskii. Dans notre cas, nous d´efinissons un retard δ(t) qui cumule le retard τ
k
(t) dˆ u `a l’´echantillonnage et
le retard h(t
k
) g´en´er´e par le r´eseau sur le paquet contenant le k
i` eme
´echantillon. Pour tout signal g(t), ce retard
est de la forme :
g(t
k
−h(t
k
)) = g(t −h(t
k
) −(t −t
k
)),
= g(t −δ(t)),
t
k
≤ t < t
k+1
, δ(t) = h(t
k
) +t −t
k
.
(6.2.5)
Loi de commande :
Le contrˆoleur calcule une commande qui sera envoy´ee et utilis´ee par l’Esclave. La commande par retour
d’´etat u(t) est calcul´ee `a partir de l’estimation de l’´etat ˆ x d´elivr´ee par l’observateur, soit :
u(t) = Kˆ x(t). (6.2.6)
La principale difficult´e th´eorique sera de d´eterminer un gain K garantissant la stabilit´e (exponentielle) des
dynamiques de l’Esclave en d´epit de la valeur du retard variable δ
1
(t). Rappelons `a nouveau que ce retard n’est
pas connu par le Maˆıtre `a l’instant o` u il calcule ou envoie cette commande (6.2.6).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
144 Chapitre 6. Applications
Transmission de la commande :
Le k
i` eme
paquet envoy´e par le Maˆıtre contient la valeur de la commande u(t
1,k
) qu’il vient juste de calculer,
ainsi que la date t
1,k
de ce calcul. Ce paquet traverse alors le r´eseau et est re¸cu par l’Esclave `a un instant not´e
t
r
1,k
. Grˆace `a la synchronisation des horloges GPS, ce temps poss`ede la mˆeme signification pour l’Esclave et
pour le Maˆıtre. Ainsi t
r
1,k
−t
1,k
correspond au retard de transmission et d’´echantillonnage, connu par l’Esclave
d`es qu’il a re¸cu le paquet.
R´eception et traitement des donn´ees de commande :
La commande, envoy´ee par le Maˆıtre `a l’instant t
1,k
, est re¸cue par l’Esclave `a l’instant t
r
1,k
> t
1,k
. Elle sera
utilis´ee par le processus Esclave seulement `a l’instant pr´ed´efini, appel´e “instant cible” t
cible
1,k
= t
1,k
+ h
m
1
. La
dur´ee d’attente h
m
1
est repr´esent´ee Figure 6.7. Ceci est r´ealisable puisque le d´elai de transmission est born´e par
une valeur connue. De cette mani`ere, le Maˆıtre connaˆıt la commande u(t
1,k
) effectivement appliqu´ee `a l’entr´ee
du processus Esclave `a l’instant courant t
1,k
.

Transmission
du
paquet
Attente
Envoi
Commande
Temps
Evénements
T0
Réception
Commande
T0r
Traitement
Commande
T0c
Fig. 6.7 – Traitement de la commande
Transmission de la sortie capteur :
L’Esclave a acc`es `a sa sortie y de fa¸con discr`ete. On proc´ede de la mˆeme mani`ere que pour la commande :
un paquet de sortie contient la valeur de la variable y(t
2,k
) ainsi que l’instant t
2,k
, qui repr´esente le k
i` eme
´echantillon capt´e par l’Esclave. Le Maˆıtre re¸coit ce paquet `a l’instant t
r
2,k
. Une fois que le paquet a atteint le
Maˆıtre, celui-ci connaˆıt la valeur du retard t
r
2,k
−t
2,k
grˆace `a l’horloge GPS.
Observation du processus :
Le mod`ele pr´esent dans le Maˆıtre est calcul´e en temps continu t, mais sa commande est ´echantillonn´ee.
Notons t
1,k
le k
i` eme
instant d’´echantillonnage de cette commande. L’indexation k

correspond `a l’instant
d’´echantillonnage t
2,k
le plus r´ecent qu’a re¸cu le Maˆıtre `a l’instant t. L’observateur est alors d´efini comme
suit, pour tout t ∈ [t
1,k
+h
1m
, t
1,k+1
+h
1m
[ :
_
˙
ˆ x(t) = Aˆ x(t) +Bu(t
1,k
) −L[y(t
2,k
) − ˆ y(t
2,k
)],
ˆ y(t) = Cˆ x(t).
(6.2.7)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T
´
EL
´
E-OP
´
ERATION 145
On remarque que le Maˆıtre connaˆıt le temps t
1,k
et la commande u(t
1,k
) (voir paragraphe 6.2.2), ce qui rend
l’observateur r´ealisable. En utilisant la notation des retards d´efinie dans (6.2.5), on peut ´ecrire :
_
¸
¸
_
¸
¸
_
˙
ˆ x(t) = Aˆ x(t) +Bu(t −δ
1
(t)) −L[y(t −δ
2
(t)) − ˆ y(t −δ
2
(t))],
ˆ y(t) = Cˆ x(t),
δ
1
(t) = t −t
1,k
, δ
2
(t) = t −t
2,k
.
(6.2.8)
Les instants t
1,k
et t
2,k
, pr´esents dans les ´equations de l’observateur, sont connus grˆace `a la synchronisation
des horloges des deux entit´es (et, pour t
1,k
, au buffer qui permet de pr´evoir le retard). Les caract´eristiques
du syst`eme permettent de connaˆıtre les bornes sup´erieures des retards intervenant dans (6.2.8), `a savoir :
δ
1
(t) ≤ h
m
1
+T et δ
2
(t) ≤ h
m
2
+T .
Conception des gains du contrˆoleur et de l’observateur
Un r´esultat pr´eliminaire sur la stabilit´e exponentielle :
Les gains K du contrˆoleur (6.2.6) et L de l’observateur (6.2.7) doivent ˆetre d´etermin´es de fa¸con `a garantir un
degr´e de convergence exponentielle α le plus grand possible. La performance de rapidit´e sera alors assur´ee malgr´e
la pr´esence des retards et de l’´echantillonnage. Ce paragraphe propose une condition de stabilit´e exponentielle
bas´ee sur une adaptation de [130, 132].
Soit le syst`eme lin´eaire `a retards δ
i
(t) variables et born´es :
_
˙ x(t) = A
0
x(t) +A
1
x(t −δ
1
(t)) +Bu(t −δ
2
(t))),
x(t) = φ(t), t ∈ [−
¯
h, 0],
(6.2.9)
δ
i
(t) = δ
i

i
(t), avec [η
i
(t)[ ≤ µ
i
et ˙ η
i
(t) ≤ 1, ∀i ∈ ¦1, 2¦. (6.2.10)
On note que les retards poss`edent en g´en´eral une borne inf´erieure δ
i
− µ
i
> 0 non nulle (cas appel´e “non
small delays” dans [55]). Le th´eor`eme suivant utilise une repr´esentation polytopique d´ependant des bornes des
retards. Les coefficients qui vont d´efinir les polytopes sont :
_
β
11
= e
α(δ
1
−µ
1
)
, β
12
= e
α(δ
1

1
)
,
β
21
= e
α(δ
2
−µ
2
)
, β
22
= e
α(δ
2

2
)
.
(6.2.11)
Un retour d’´etat u(t) = Kx(t) conduit au syst`eme boucl´e suivant :
_
˙ x(t) = A
0
x(t) +A
1
x(t −δ
1
(t)) +BKx(t −δ
2
(t)),
x(t) = φ(t), t ∈ [−
¯
h, 0].
(6.2.12)
Th´eor`eme 6.2.1 (Stabilit´e exponentielle) [132] Pour un gain matriciel K donn´e, le syst`eme (6.2.9) est
α−stable s’il existe des (nn)−matrices 0 < P
1
, P
2
, P
3
, S
k
, Y
k1
, Y
k2
, Z
k1
, Z
k2
, Z
k3
, R
k
et R
ka
, pour k = 1, 2
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
146 Chapitre 6. Applications
qui satisfont aux conditions LMI :
Γ
ij
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Ψ
1
P
T
_
0
β
1i
A
1
_
−Y
T
1
P
T
_
0
β
2j
BK
_
−Y
T
2
∗ −S
1
0
∗ ∗ −S
2
∗ ∗ ∗
∗ ∗ ∗
µ
1
P
T
_
0
β
1i
A
1
_
µ
2
P
T
_
0
β
2j
BK
_
0 0
0 0
−µ
1
R
1a
0
∗ −µ
2
R
2a
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0,
∀(i, j) ∈ ¦1, 2¦
2
,
(6.2.13)
_
¸
¸
_
R
k
Y
1k
Y
2k
∗ Z
1k
Z
2k
∗ ∗ Z
3k
_
¸
¸
_
≥ 0, k = 1, 2, (6.2.14)
P =
_
P
1
0
P
2
P
3
_
, Z
k
=
_
Z
k1
Z
k2
Z
T
k2
Z
k3
_
, Y
k
=
_
Y
k1
Y
k2
_
, (6.2.15)
Ψ
1
= P
T
_
0 I
n
A
0
+αI
n
−I
n
_
+
_
0 I
n
A
0
+αI
n
−I
n
_
T
P +

2
k=1
_
_
_
_
Y
k
0
_
+
_
Y
k
0
_
T

k
Z
k
+
_
S
k
0
0 δ
k
R
k
+ 2µ
k
R
ka
__
.
(6.2.16)
D´emonstration. La d´emonstration est pr´esent´ee dans le chapitre 2. Ce th´eor`eme est une adaptation du
Th´eor`eme 4.3.6 au cas des syst`emes `a entr´ee ´echantillonn´ee et `a retards born´es.
Conception du gain de l’observateur :
Sachant que la paire (A, C) est observable, il est possible de d´eterminer un gain L tel que l’´etat ˆ x(t) de
l’observateur (6.2.7) converge exponentiellement vers l’´etat non retard´e x(t) du syst`eme. Le th´eor`eme qui suit
permet d’obtenir ce gain L de fa¸con `a ce que la convergence soit α−exponentielle et ce, malgr´e le retard variable
δ
2
sur la sortie. L’erreur d’estimation, d´efinie par e(t) = x(t) − ˆ x(t), est r´egie par :
˙ e(t) = Ae(t) −LCe(t −δ
2
(t)), (6.2.17)
Th´eor`eme 6.2.2 [134] On consid`ere l’observateur (6.2.8) et on suppose que, pour des r´eels positifs α et ,
il existe des (n n)−matrices 0 < P
1
, P, S, Y
1
, Y
2
, Z
1
, Z
2
, Z
3
, R, R
a
et une matrice X de dimensions
appropri´ees telles que les conditions LMI (6.2.18) et (6.2.19) soient satisfaites pour j = 1, 2 :
_
¸
¸
¸
¸
_
Ψ
2
_
β
2j
XC −Y
1
β
2j
XC −Y
2
_
µ
2
β
2j
_
XC
XC
_
∗ −S 0
∗ ∗ −µ
2
R
a
_
¸
¸
¸
¸
_
< 0, (6.2.18)
_
¸
¸
_
R Y
1
Y
2
∗ Z
1
Z
2
∗ ∗ Z
3
_
¸
¸
_
≥ 0, , (6.2.19)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T
´
EL
´
E-OP
´
ERATION 147
o` u les constantes β
2j
(j = 1, 2) sont d´efinies en (6.2.11) et la matrice sym´etrique Ψ
2
est d´efinie par :
Ψ
2
=
_
Ψ
11
2
Ψ
12
2
∗ Ψ
22
2
_
,
Ψ
11
2
= P
T
(A
0
+αI
n
) + (A
0
+αI
n
)
T
P +S +δ
2
Z
1
+Y
1
+Y
T
1
,
Ψ
12
2
= P
1
−P +P
T
(A
0
+αI
n
)
T

2
¯
Z
2
+
¯
Y
2
,
Ψ
22
2
= −(P +P
T
) +δ
2
(Z
3
+R) + 2µ
2
R
a
.
(6.2.20)
Alors, la convergence exponentielle (vers 0 et `a taux α) de l’erreur (6.2.17) est assur´ee grˆace au gain :
L = (P
T
)
−1
W. (6.2.21)
D´emonstration. La preuve vient du Th´eor`eme 6.2.1 appliqu´e au cas d’un retard simple et pour le choix
P = P
2
= P
3
et X = P
2
L.
Remarque 6.2.3 Dans le th´eor`eme pr´ec´edent, le retard δ
2
(t) (et plus particuli`erement les bornes δ
2
et µ
2
) sont
des param`etres impos´es par le r´eseau et l’´echantillonnage. Notre objectif consiste donc `a jouer sur le param`etre
pour trouver la plus grande valeur de α rendant les LMI faisables.
Conception de la loi de commande :
Ce paragraphe se concentre sur la d´etermination du gain de la loi de commande par retour d’´etat, u(t) =
Kx(t). Nous consid´erons pour l’instant que l’observateur et “parfait” et d´elivre `a tout moment l’´etat du syst`eme
r´eel, soit e(t) = 0 ou encore x(t) = ˆ x(t). L’influence des imperfections de l’observateur, qui correspond au cas plus
r´ealiste e(t) ,= 0, sera ´etudi´ee dans le paragraphe suivant d´edi´e `a la stabilit´e globale. On s’int´eresse finalement
au syst`eme en boucle ferm´e :
˙ x(t) = Ax(t) +BKx(t −δ
1
(t)), (6.2.22)
Th´eor`eme 6.2.4 [132] Supposons que, pour des r´eels positifs α et , il existe des (nn)−matrices sym´etriques
d´efinies positives
¯
P
1
,
¯
S,
¯
R,
¯
R
a
et des matrices
¯
P,
¯
Z
1
,
¯
Z
2
,
¯
Z
3
,
¯
Y
1
,
¯
Y
2
, W de dimensions appropri´ees telles que
les conditions suivantes soient satisfaites pour i = 1, 2 :
_
¸
¸
¸
¸
_
Ψ
3
_
β
i
BW −
¯
Y
T
1
β
1i
BW −
¯
Y
T
2
_
µ
1
_
β
1i
BW
β
1i
BW
_
∗ −
¯
S 0
∗ ∗ −µ
1
¯
R
a
_
¸
¸
¸
¸
_
< 0, (6.2.23)
_
¸
¸
_
¯
R
¯
Y
1
¯
Y
2

¯
Z
1
¯
Z
2
∗ ∗
¯
Z
3
_
¸
¸
_
≥ 0, (6.2.24)
o` u les constantes β
1i
(i = 1, 2) sont d´efinies en (6.2.11) et o` u, similairement `a (6.2.20), la matrice sym´etrique
Ψ
3
est d´efinie par les blocs :
¯
Ψ
11
3
= (A
0
+αI
n
)
¯
P +
¯
P
T
(A
0
+αI
n
)
T
+
¯
S +δ
1
¯
Z
1
+
¯
Y
1
+
¯
Y
T
1
,
¯
Ψ
12
3
=
¯
P
1

¯
P +
¯
P
T
(A
0
+αI
n
)
T

1
¯
Z
2
+
¯
Y
2
,
¯
Ψ
22
3
= −(
¯
P +
¯
P
T
) +δ
1
(
¯
Z
3
+
¯
R) + 2µ
1
¯
R
a
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
148 Chapitre 6. Applications
Alors, pour tout retard δ
1
(t) de la forme (6.2.10), la stabilit´e exponentielle (`a taux α) du syst`eme (6.2.22) est
assur´ee grˆace au gain :
K = W
¯
P
−1
. (6.2.25)
D´emonstration. Partant du Th´eor`eme 6.2.1, on choisit P
3
= εP
2
, o` u ε est un param`etre de r´eglage pouvant
am´eliorer les r´esultats. On constate alors que la matrice P
2
n’est pas singuli`ere du fait que la seule matrice qui
doit ˆetre d´efinie n´egative dans le deuxi`eme terme de la diagonale de (6.2.13) est −ε(P
2
+P
T
2
). On d´efinit alors :
¯
P = P
−1
2
et, pour toute matrice V ∈ ¦P
1
, Y
i∈{1,2}
, S, R R
a
, Z
k∈{1,2,3}
¦, on introduit une nouvelle variable
¯
V
donn´ee par
¯
V =
¯
P
T
V
¯
P. D’autre part, on pose W =K
¯
P. La d´emonstration se fait alors en multipliant (6.2.13)
`a droite par la matrice T
7
= diag¦
¯
P,
¯
P,
¯
P,
¯
P,
¯
P,
¯
P,
¯
P¦ et `a gauche par sa transpos´ee T
T
7
. On multiplie aussi
(6.2.14) `a droite par T
3
= diag¦
¯
P,
¯
P,
¯
P¦ et, `a gauche, par T
T
3
.
Remarque 6.2.5 Comme pr´ec´edemment, on cherchera `a maximiser le param`etre α en jouant sur le param`etre
.
Stabilit´e globale du syst`eme command´e en r´eseau :
La dynamique du syst`eme global (Maˆıtre, Esclave, r´eseau, ´echantillonnage et observateur), int´egrant les
gains K, L et les retards δ
1
(t), δ
2
(t), est donn´ee par :
_
˙ x(t) = Ax(t) +BKˆ x(t −δ
1
(t)),
˙ e(t) = Ae(t) −LCe(t −δ
2
(t)),
(6.2.26)
qui se d´eveloppe sous la forme :
_
˙ x(t) = Ax(t) +BKx(t −δ
1
(t)) −BKe(t −δ
1
(t)),
˙ e(t) = Ae(t) −LCe(t −δ
2
(t)).
(6.2.27)
ou encore, en introduisant la nouvelle variable ¯ e(t) = col¦x(t), e(t)¦ :
˙
¯ e(t) =
¯
A
0
¯ e(t) +
¯
A
1
¯ e(t −δ
1
(t)) +
¯
A
2
¯ e(t −δ
2
(t)), (6.2.28)
avec
¯
A
0
=
_
A 0
0 A
_
,
¯
A
1
=
_
BK −BK
0 0
_
,
¯
A
2
=
_
0 0
0 LC
_
. (6.2.29)
Le Th´eor`eme 6.2.1 permettra donc l’analyse de la stabilit´e exponentielle du syst`eme global. La conception
des gains K et L peut, quant `a elle, ˆetre men´ee selon le mode op´eratoire suivant :
– La premi`ere ´etape consiste en une phase d’analyse et d’identification des param`etres h
m
i
, T qui, `a leur
tour, fournissent les δ
m
i
et µ
i
d´efinissant les caract´eristiques de retard global.
– Puis, le gain L de l’observateur se d´etermine en appliquant le Th´eor`eme 6.2.2 au syst`eme (6.2.17).
– De la mˆeme fa¸con, le gain K du retour d’´etat se calcule par application du Th´eor`eme 6.2.4 au syst`eme
(6.2.22).
– Une fois ces deux gains calcul´es, on v´erifie la stabilit´e exponentielle globale du syst`eme Maˆıtre-Esclave en
utilisant le Th´eor`eme 6.2.1 pour le syst`eme (6.2.28). Ceci donne le taux α garanti.
Remarque 6.2.6 Il est possible d’´etablir un principe de s´eparation dans le probl`eme de stabilit´e du syst`eme
(6.2.27).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T
´
EL
´
E-OP
´
ERATION 149
6.2.3 Application au cas d’un robot mobile
Cette ´etude est finalement illustr´ee par un exemple de syst`eme t´el´e-op´er´e. Un robot mobile, dont les dyna-
miques sont d´ecrites ci-dessous, est capable de se d´eplacer dans une direction. Ce robot correspond bien sˆ ur au
processus Esclave `a commander `a distance. Une phase d’identification pr´ealable a conduit au mod`ele suivant :
_
¸
¸
_
¸
¸
_
˙ x(t) =
_
0 1
0 −11, 32
_
x(t) +
_
0
11, 32
_
u(t −δ
1
(t)),
y(t) =
_
1 0
_
x(t).
(6.2.30)
On suit alors le mode op´eratoire propos´e pr´ec´edemment. Les caract´eristiques du retard de transmission combin´e
avec l’´echantillonnage conduisent aux valeurs (en secondes) δ
1
= δ
2
= 0.37s et µ
1
= µ
2
= 0.11s correspondant
`a la notation (6.2.10). Le Th´eor`eme 6.2.2 appliqu´e au syst`eme (6.2.17) assure la convergence exponentielle de
l’observateur vers la solution e(t) = 0 avec un taux α = 1.05 (obtenu pour = 3.00) pour le gain d’observateur
suivant :
L =
_
−0.9173
−0.3187
_
. (6.2.31)
Le Th´eor`eme 6.2.4 appliqu´e `a (6.2.22) garantit que la loi de commande par retour d’´etat stabilisera exponen-
tiellement le syst`eme vers sa consigne, avec un taux α = 1.05 (obtenu pour = 3.43), pour le gain K suivant :
K =
_
−0.9125 −0.0801
_
. (6.2.32)
Enfin le Th´eor`eme 6.2.1 garantit la stabilit´e du syst`eme complet (6.2.28) avec les gains L et K calcul´es
ci-dessus. Le taux garanti par ce th´eor`eme est finalement de α = 0.7.
La Figure 6.8 montre des r´esultats de simulation obtenus avec des retards de la forme δ
i
(t) = δ
i
+
0.5µ
i
sin(ω
i
t) + β
i
(t). Les param`etres ω
i
repr´esentent la fr´equence de la partie variable des retards ; β
i
(t) est
une fonction continue par morceaux repr´esentant les effets de l’´echantillonnage et satisfaisant `a la condition

i
(t)[ ≤ 0.5µ
i
. Sur la Figure 6.8, l’´etat en continu de l’observateur, ˆ x(t), correspond aux courbes continues,
tandis que les informations ´echantillonn´ees de l’Esclave sont figur´ees par les donn´ees ´echantillonn´ees. La consigne
est un cr´eneau. Les deux premi`eres secondes font apparaˆıtre l’effet de convergence de l’observateur. Pass´e ce
transitoire, le suivi de consigne est de meilleure qualit´e. La Figure 6.9 pr´esente la commande ´echantillonn´ee qui
a stabilis´e l’Esclave.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
150 Chapitre 6. Applications
0 2 4 6 8 10 12 14 16 18 20
−5
0
5
10
15
time (s)
x
1
0 2 4 6 8 10 12 14 16 18 20
−10
−5
0
5
10
time (s)
x
2
Tasks
x
1
(t
k
)
x
est1
(t)
x
2
(t
k
)
x
est2
(t)
Fig. 6.8 – R´esultats en simulation.
0 1 2 3 4 5 6 7 8 9 10
−6
−4
−2
0
2
4
6
time (s)
u
Commande échantillonnée
Fig. 6.9 – Commande (´echantillonn´ee et retard´ee) appliqu´ee `a l’Esclave
6.2.4 Conception informatique
Cette section pr´esente le programme implant´e dans chacune des deux parties, le Maˆıtre puis l’Esclave [136].
Le protocole de communication utilisant des sockets suit une architecture Client/Server. Les deux processus
connect´es par un lien internet ne sont pas trait´es de la mˆeme mani`ere. Le Maˆıtre est le client l’Esclave le server.
D’autre part, les deux entit´es ont des horloges synchronis´ees grˆace `a l’utilisation de card GPS.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T
´
EL
´
E-OP
´
ERATION 151
Structure du Maˆıtre
Le Maˆıtre est compos´e de quatre threads. Ces threads sont des programmes qui travaillent ind´ependamment
des autres parties du programme. Ils sont utilis´es dans cette application car ils permettent d’ex´ecuter des tˆaches
en parall`ele dans le mˆeme programme. L’architecture du Maˆıtre est d´ecrite dans la Figure 6.10.














CONSTHREAD
RECEIVETHREAD SENDERTHREAD
OBSERVERTHREAD
S
c(t)
u (t1,k ), t1,k u (t1,k ), t1,k+h1m
X(t0,q)
^
S
y (t2,k’ ), t2,k’
Fig. 6.10 – Structure du Maˆıtre
(a) OBSERVERTHREAD est consacr´e au calcul de l’estimation de l’´etat ˆ x `a l’instant courant t
0,q
. Il travaille
avec une cadence rapide T
0
¸ T. L’instant d’´echantillonnage t
0,q
correspond `a l’´echantillonnage de OBSER-
VERTHREAD. Il utilise la derni`ere valeur de sortie retard´ee y(t
2,k
) qu’il a re¸cue de l’Esclave et l’instant t
2,k

auquel cette sortie a ´et´e d´elivr´ee. Il en est de mˆeme pour la valeur de la commande u(t
1,k
) et de l’instant
d’impl´ementation de celle-ci t
1,k
. Ces donn´ees sont retrouv´ees dans une liste de valeurs pass´ees de ˆ x et u. Puis,
le thread calcule le nouvel ´etat estim´e ˆ x(t
0,q+1
) grˆace `a la formulation “discr´etis´ee” (6.2.33) et la rajoute dans
la liste pr´ec´edente. T
0
doit ˆetre suffisamment petit pour obtenir des instants de commutation les plus proches
de t
2,k
. Le calcul de l’estimation se fait de la mani`ere suivante pour i = 1, .., n et r = 1, .., p :
ˆ x
i
(t
0,q+1
) = ˆ x
i
(t
0,q
) +
_

n
j=1
A
(i,j)
ˆ x
j
(t
0,q
) +

m
s=1
B
(i,s)
u
s
(t
1,k
+h
1m
)

p
r=1
L
(i,r)
(y
r
(t
2,k
) − ˆ y
r
(t
2,k
)))
¸
T
0
,
ˆ y
r
(0, t
0,k
) =

n
i=1
C
i
ˆ x(t
0,q
)
(6.2.33)
(b) CONSTHREAD est un petit programme. Son rˆole est de mettre `a jour la valeur de la consigne. La consigne
utilis´ee est un signal cr´eneaux. Ainsi il suffit de mettre `a jour la valeur de consigne p´eriodiquement avec une
p´eriode suffisamment large pour permettre au syst`eme de se d´eplacer jusqu’`a cette valeur.
(c) SENDERTHREAD travaille p´eriodiquement avec une p´eriode T
0
¸ T
1
≤ T
s
. L’Esclave n’a pas besoin
d’un grand nombre de commandes. Son rˆole est de recevoir les derni`eres valeurs de l’´etat estim´e ˆ x(t
0,k+1
) du
thread de l’observateur. ensuite il calcule la valeur de commande u(t
1,k+1
) = Kˆ x(t
1,k+1
). Il regroupe alors
cette commande u(t
0,k+1
) et l’instant du calcul de cette commande t
0,k+1
dans une liste qui sera utilis´ee par
OBSERVERTHREAD. Puis `a l’instant t
1,k+1
, il envoie le paquet de commande le plus r´ecent `a l’Esclave.
(d) RECEIVERTHREAD est un programme qui agit de mani`ere ´ev´enementielle. Cela signifie qu’il n’est sollicit´e
que quand un paquet de sortie venant de l’Esclave lui parvient. Il transmet les informations de l’Esclave `a
OBSERVERTHREAD pour calculer l’estimation de l’´etat.
Structure de l’Esclave
Comme nous l’avons mentionn´e dans le paragraphe 6.2.2, l’Esclave n’a qu’une capacit´e de calcul r´eduite.
Ainsi son rˆole ne consiste simplement qu’`a recevoir et `a appliquer la commande qu’il re¸coit du Maˆıtre mais
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
152 Chapitre 6. Applications
aussi `a r´ecup´erer les informations de sortie de l’Esclave puis de les envoyer au Maˆıtre. La Figure 6.11 pr´esente
la conception information de l’Esclave.








RECEIVERTHREAD
SENDERTHREAD
Slave
Process
M
M
u (t1,k ), t1,k+h1m
y (t2,k’ ), t2,k’
Fig. 6.11 – Structure de l’Esclave
Il est compos´e de deux threads :
(d) RECEIVERTHREAD est un thread ´ev´enementiel. De mˆeme que pour le thread de r´eception du Maˆıtre, il
n’est sollicit´e que lorsqu’il re¸coit un paquet. Il garde dans une liste les donn´ees de commande u(t
1,k
) jusqu’`a
l’instant cible associ´e t
1,k
+ h
1m
et, ensuite, l’injecte dans l’entr´ee de l’Esclave jusqu’au prochain instant cible
t
1,k+1
+h
1m
.
(b) SENDERTHREAD re¸coit la derni`ere donn´ee de mesure de l’Esclave grace au capteurs y(t
2,k
) et conserve
le temps de reception de cette mesure t
2,k
. Ensuite il envoie ces donn´ees au Maˆıtre. Ce programme travaille
p´eriodiquement avec une p´eriode T
2
≤ T
s
. T
2
doit ˆetre suffisamment important pour ´eviter des ph´enom`enes de
congestion du r´eseau, ce qui augmente le retard h
2m
, mais aussi suffisamment petit pour garantir les perfor-
mances de l’observateur. Cependant, on remarque que toutes le valeurs de T
2
comprise entre 0 et T
s
peuvent
convenir puisque le gain de l’observateur est calcul´e `a partir des conditions LMI (6.2.2).
D´etails sur le contenu des paquets
Les paquets envoy´es d’une entit´e vers l’autre contiennent plusieurs informations, que nous allons d´etailler
dans cette partie. Les paquets sont des ´el´ements du type my structure.h, qui correspond `a la d´efinition des
structures du programme.
– Les paquets de commande se pr´esentent de la mani`ere suivante :
Paquet de commande
Num´ero de s´equence
Heure d’envoi
Commande :
_
Instant cible
V aleur de la commande
(6.2.34)
D’autres valeurs de commande pr´evues pour d’autres instants cibles peuvent ˆetre envoy´ees simultan´ement
dans la mˆeme commande.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.3. COMMANDE D’UN CHARIOT UTILISANT UN CAPTEUR CAM
´
ERA 153
– Les paquets de sorties se pr´esentent de la mani`ere suivante :
Paquet de sortie
Num´ero de s´equence
position x
(vitesse ˙ x)
Heure d’envoi
(Instant cible)
(6.2.35)
On peut aussi ajouter d’autres informations telles que l’instant cible de la derni`ere commande utilis´ee, la
valeur de cette commande et le retard mesur´e `a l’arriv´ee d’un paquet de commande.
6.2.5 Conclusion
L’id´ee principale de notre strat´egie de commande consiste finalement `a concevoir un Maˆıtre qui travaille en
temps continu alors que l’Esclave, lui, applique une commande discr´etis´ee et d´elivre une sortie ´echantillonn´ee.
Avec `a cette m´ethode, l’observateur situ´e au niveau du Maˆıtre produit une estimation de l’´etat courant du proces-
sus Esclave alors qu’il ne re¸coit de ce dernier qu’une information ´echantillonn´ee et retard´ee. Cette fa¸con de mettre
en avant le fonctionnement en temps continu prolonge tout `a fait l’id´ee que le ph´enom`ene d’´echantillonnage-
blocage peut ˆetre trait´e comme un retard variable.
Une autre caract´eristique de notre approche et de consid´erer des retards dont la borne minimale n’est
pas obligatoirement nulle (born´es) et pour lesquelles les hypoth`eses sont peu contraignantes : retards non
sym´etriques, inconnus et variables. Un banc d’essais est actuellement en cours d’´elaboration pour contrˆoler,
depuis Lille, un robot mobile situ´e `a Montpellier.
6.3 Commande d’un chariot utilisant un capteur cam´era
Dans cette partie, nous allons nous int´eresser `a l’asservissement d’un moteur en utilisant une cam´era en guise
de capteur des sorties. Une premi`ere partie du probl`eme du contrˆole d’une telle application consiste en une phase
d’interpretation des donn´ees d´elivr´ees par la cam´era. La camera effectue les captures d’image p´eriodiquement,
ce qui induit un ´echantillonnage de la commande. De plus l’interpr´etation des donn´ees capteurs en donn´ees
utilisables par le contrˆoleur induit un retard sur la sortie. Cette phase ne sera pas pr´esent´ee dans ce m´emoire.
Notre objectif dans ce projet consiste `a d´eterminer une commande qui assure un suivi de trajectoire du
moteur. L’utilisation de ces informations capteurs ´echantillonn´ees et retard´ees degrade les performances de la
commande pour la poursuite de trajectoire. On en d´eduit l’id´ee de d´eterminer un observateur qui, `a partir
de donn´ees ´echantillonn´ees et retard´ees, permette de d´elivrer une estimation en temps continu pour que la
commande du moteur conserve ces performances.
6.3.1 D´eplacement motoris´e d’un chariot
La maquette du pendule inverse 2D est constitu´ee notamment d’une table XY permettant de faire d´eplacer
un chariot sur un plan horizontal (Figure 6.13). Le d´eplacement est assur´e par deux moteurs de type brushless
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
154 Chapitre 6. Applications
avec variateurs, pilot´es en +/-10V depuis un PC ´equip´e d’une carte dSpace R _ `a travers un amplificateur de
puissance. Chaque motor´educteur brushless de 200W est aliment´e en 240V mono, offrant un courant maximal
de 15A et d´elivrant un couple nominal de 3.0Nm.
En ce qui concerne les essais temps r´eel des m´ethodes d’identification et de commande, nous consid´erons le
d´eplacement du chariot uniquement sur un axe en admettant selon le cas consid´er´e :
– soit un retour d’information par les codeurs de position/vitesse disponible sur le moteur (en pointill´es sur
la Figure 6.12),
– soit par l’information de la position du chariot d´elivr´ee par un syst`eme de vision artificielle (en trait uni
sur la Figure 6.12).

Capteur
Signal retour
(t
e
)
y
(non disponible)
u B x A x . . ' + =
x C y . =
u z
e
t N. Retard
Processus
(a)
(b)
Fig. 6.12 – Pr´esentation du pendule 2D avec capteur cam´era
6.3.2 Mod`ele du syst`eme `a commander
L’ensemble amplificateur-moteur-chariot est approxim´e `a un syst`eme lin´eaire du second ordre d´efini par le
syst`eme suivant :
˙ x(t) = Ax(t) +Bu(t),
y(t) = Cx(t)
(6.3.1)
o` u le vecteur d’´etat, x est compos´e de la position est la vitesse du chariot, les matrices d’´etat ´etant A =
_
0 1
0 1/τ
_
, B =
_
0
K/τ
_
et C =
_
1 0
_
, o` u K et τ sont respectivement la constante de temps et le gain
statique de l’ensemble amplificateur-moteur-chariot.
L’identification des param`etres du processus a donn´e : τ = 10ms et K ≈ 2.5m/s/V .
6.3.3 Syst`eme de vision artificielle
Dans le cadre d’un asservissement visuel du chariot en position, l’information provenant des codeurs incr´e-
mentaux est consid´er´ee comme ´etant inaccessible. La seule information disponible sur l’´evolution du processus
est alors celle d´elivr´ee par un syst`eme de vision artificielle qui observe le d´eplacement du chariot grˆace `a une
LED infrarouge fix´ee sur celui-ci (Figure 6.13). Le syst`eme de vision est constitu´e d’une cam´era CCD dot´e d’un
filtre infrarouge, reli´ee `a un PC ´equip´e d’un logiciel de traitement d’image. Grˆace `a la cam´era situ´ee au dessus
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.3. COMMANDE D’UN CHARIOT UTILISANT UN CAPTEUR CAM
´
ERA 155
du chariot, une op´eration d’extraction d’objet dans la sc`ene permet au syst`eme de vision de fournir sous forme
´echantillonn´ee et retard´ee, la position du chariot. Ainsi nous consid´erons que la sortie du capteur visuel est :
z(t) = x

1
(t −Nt
e
), (6.3.2)
o` u ∗ repr´esente l’´echantillonnage `a l’instant t
e
et N entier positif.

Fig. 6.13 – Pr´esentation du pendule 2D avec capteur cam´era
`
A noter que la p´eriode d’´echantillonnage t
e
correspond `a la dur´ee d’une prise d’image et que le retard Nt
e
est associ´e au temps requis pour le traitement d’image(s) en admettant qu’il faut N images pour effectuer un
traitement.
6.3.4 Utilisation d’un observateur pr´edicteur
Dans le cas d’un retour de sortie retard´ee (´echantillonn´ee ou continue), il est possible d’envisager la combi-
naison de l’observation et de la pr´ediction pour g´en´erer directement l’´etat actuel `a partir de l’information de
retour. La commande de ce syst`eme sera alors plus adapt´ee car elle utilisera de meilleures valeurs de l’´etat. Dans
ce sens, nous proposons d’utiliser un observateur/pr´edicteur propos´e dans le Chapitre 5 sur l’observation des
syst`emes `a retards connus et dans [134] qui permet d’obtenir une estimation continue de l’´etat actuel `a partir
de la sortie retard´ee du processus.
L’observateur de [134] s’applique dans le cas o` u la sortie du processus pr´esente un retard et/ou un ´echantillon-
nage connu. Le principe de cet observateur est de consid´erer que l’´echantillonnage engendre un retard variable
de t −t
k
o` u t
k
est l’instant d’´echantillonnage le plus r´ecent. La m´ethode prend en compte des ´echantillonnages
ap´eriodiques, mais suppose alors que l’intervalle entre deux ´echantillons est born´e et que la valeur maximale T
est connue. Ainsi, 0 ≤ t −t
k
≤ T et le ph´enom`ene de retard li´e `a l’´echantillonnage est not´e τ .
Par ailleurs, en consid´erant un retour par z

(t) qui engendre, par d´efinition, un retard de R sur la mesure
de la sortie du processus, il convient d’´ecrire z

(t) = y(t
δ
(t)) o` u δ(t) = R + t − t
k
repr´esente cette fois-ci le
retard global de la sortie. Ainsi, le ph´enom`ene d’´echantillonnage et celui du retard li´es au capteur (par exemple
du syst`eme de vision artificielle) sont ramen´es `a un probl`eme de retard variable. L’id´ee est alors de consid´erer
un observateur Luenberger continu `a retard pour le processus :
˙
ˆ x(t) = Aˆ x(t) +Bu(t) −L(y(t −δ(t)) − ˆ y(t −δ(t))),
ˆ y(t) = Cˆ x(t).
(6.3.3)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
156 Chapitre 6. Applications
Sachant que la paire (A, C) est observable, il est alors possible de d´eterminer un gain lin´eaire L en utilisant le
Th´eor`eme 6.2.2 tel que l’observateur converge exponentiellement vers le processus en l’absence du retard δ(t) =
R+t−t
k
. L’observateur garantit une estimation continue de l’´etat x(t) mˆeme entre les instants d’´echantillonnage
et, en consid´erant (6.3.1) et (6.3.3), le vecteur d’erreur e(t) = x(t) − ˆ x(t) ´evolue selon :
˙ e(t) = Ae(t) −LCe(t −δ(t)), (6.3.4)
Le th´eor`eme d´ecrit dans [20] et dans [134] permet poser les conditions des LMI dont la r´esolution conduit `a
d´eterminer le gain L.
6.3.5 Validation exp´erimentale
Exemple de simulation
Consid´erons un exemple de simulation refl´etant la probl´ematique d´ecrite dans l’introduction g´en´erale :
l’asservissement en position d’un chariot par un retour visuel. Le processus consid´er´e (repr´esentant l’ensemble
amplificateur-moteur-chariot) est d´efini par (6.3.1) avec :
A =
_
0 1
0 −120
_
, B =
_
0
350
_
, C =
_
1 0
_
. (6.3.5)
Par ailleurs, en consid´erant que la position du chariot est donn´ee sous forme retard´ee et ´echantillonn´ee, nous
prenons comme grandeur de retour, z(t) = x

1
(t −Nt
e
), avec R = t
e
= 28ms (N = 1).
Nous utilisons un observateur qui a `a la fois le rˆole d’un observateur, c’est-`a-dire qu’il permet de construire
une estimation de l’´etat complet `a partir des donn´ees r´eduites de sorties, mais aussi de pr´edicteur car il estime
l’´etat courant du syst`eme en utilisant des informations de sorties retard´ees. La r´esolution des conditions des
LMI du Th´eor`eme (5.2.1) conduit dans ce cas `a :
L =
_
−3.1225
0.0569
_
(6.3.6)
En ce qui concerne la commande, nous mettons en œuvre un contrˆoleur continu par morceaux [19], qui
ne sera pas d´etaill´e dans ce m´emoire. En annexe figure l’article [20] dont sont tir´es les r´esultats suivants. La
commande est bas´ee sur les valeurs suivantes :
α =
_
−0.1 0
0 −0.2
_
, γ =
_
1 1
_
. (6.3.7)
La consigne d’´etat impos´ee sur le processus est de la forme :
c(t) =
_
c
1
(t)
c
2
(t)
_
=
_
r sin(ωt)
rω cos(ωt)
_
. (6.3.8)
Les r´esultats sont illustr´es par la Figure 6.14 pour un contrˆoleur cadenc´e `a T = 10ms et par la Figure 6.15
pour T = 20ms (afin de montrer le fonctionnement).
`
A noter que les composantes de la consigne sont retard´ees
convenablement afin de permettre une meilleure lecture des courbes.
La poursuite de la consigne par l’´etat du processus est illustr´ee par les Figures 6.14a et 6.14c et les Figures
6.15a et 6.15b. Nous constatons que cette poursuite est r´ealis´ee avec un retard de T et une co¨ıncidence `a chaque
kT.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.3. COMMANDE D’UN CHARIOT UTILISANT UN CAPTEUR CAM
´
ERA 157

Fig. 6.14 – Simulation de la commande du moteur

(b)
(a)
(c)
-2
0
2
-200
0
200
0.3 0.32 0.34 0.36 0.38
-200
0
200
time, s
) ( ) (
1
t x t y =

) (
1 c
T t c −
) (t u

) (
2 c
T t c −
) (
2
t x

Fig. 6.15 – Poursuite T = 20ms, a = 2 et ω = 38πrad/s
Par ailleurs, la Figure 6.15b pr´esente la sortie du capteur suivant sa consigne avec un retard de R, et les
Figures 6.14e et 6.15c repr´esentent la commande.
Enfin, l’estimation de l’´etat est repr´esent´ee dans la Figure 6.14d. Afin de montrer la performance de l’obser-
vateur/pr´edicteur, nous donnons l’´evolution de l’´etat estim´e dans un cas o` u ses conditions initiales sont ´eloign´ees
de celles du processus Figure 6.16.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
158 Chapitre 6. Applications

0 0.5 1 1.5 2 2.5
-30
0
30
time, s
) ( ˆ ), (
1 1
t x t x

) ( ˆ ), (
2 2
t x t x

Fig. 6.16 – Estimation de l’´etat pour a = 2 et ω = 2rad/s
Processus r´eel
Nous avons r´ealis´e le mˆeme type d’asservissement sur la maquette, en lui associant le mod`ele lin´eaire (6.3.1)
et en utilisant un retour par le syst`eme de vision, soit z(t) = x

1
(t − Nt
e
). En effet, la prise d’image est
r´ealis´ee par un mode reset qui permet de d´efinir une p´eriode d’´echantillonnage constante suffisamment grande
pour entreprendre l’acquisition d’une trame d’image et les calculs de traitement de l’image n´ecessaires. Ainsi,
R = t
e
= 28ms (N=1).
Les r´esultats montrent que la poursuite est r´ealis´ee avec quelques d´eformations (Figures 6.17a et 6.17b).
6.3.6 Conclusion
Dans cette application, nous avons d´evelopp´e un observateur d’´etat pour un syst`eme dont la sortie est soumise
`a un ´echantillonnage et `a un retard connus. Cet observateur d’´etat permet de d´elivrer les valeurs courantes
de l’´etat permettant ainsi une meilleure poursuite de trajectoire. En effet, comme ´evoqu´e pr´ec´edemment, le
processus r´eel pr´esente des non-lin´earit´es qui ne sont pas prises en compte par le mod`ele utilis´e pour d´efinir la
loi de commande et par l’observateur, ce qui implique les d´eformations visibles dans les r´esultats exp´erimentaux.
Une prochaine ´etape consisterait `a prendre en compte ces non-lin´earit´es aussi bien dans la synth`ese de la
commande et de l’observateur.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.4. COMMANDE RETARD
´
EE D’UN PENDULE INVERSE 159

Fig. 6.17 – Test de la commande sur le moteur r´eel
6.4 Commande retard´ee d’un pendule inverse
6.4.1 Position du probl`eme
Dans cette section, nous allons nous int´eresser `a l’exemple classique du pendule inverse. Nous supposerons que
le pendule est soumis `a un retard pur variable, c’est-`a-dire que nous supposerons que seule l’entr´ee du syst`eme
est retard´ee. Cela peut s’interpr´eter comme un ´echantillonnage de la commande, comme un temps de r´eponse
non n´egligeable de l’actionneur ou bien par l’envoi de la commande `a travers un r´eseau de communication.
Nous allons reprendre la formulation propos´ee dans le Chapitre 3 concernant la stabilisation exponentielle
des syst`emes non lin´eaires. Dans le paragraphe 3.2.3, nous avons discut´e du fait qu’un syst`eme non lin´eaire
peut ˆetre mod´elis´e soit par un syst`eme polytopique ou par un syst`eme `a param`etres incertains sous r´eserve que
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
160 Chapitre 6. Applications
le syst`eme reste dans un espace born´e de l’´etat [140]. Il a ´et´e montr´e que, dans le cas du pendule inverse, il
n’existe pas de loi de commande stabilisante globale. Nous proposons alors dans cette section de d´eterminer une
borne sup´erieure τ
2
du retard en entr´ee pour lequel il existe une commande par retour d’´etat u(t) = Kx(t) qui
stabilise le pendule inverse pour une partie de l’´etat donn´ee.
Cette section s’organise alors de la mani`ere suivante. Premi`erement, nous proposerons une mod´elisation de
syst`emes `a param`etres incertains du pendule inverse. Cette mod´elisation d´ependant de la partie de l’espace
d’´etat consid´er´e. Ensuite nous ´etudierons la stabilisation de ce syst`eme `a l’aide de th´eor`emes pr´esent´es dans le
Chapitre 3.
6.4.2 Mod´elisation sous forme syst`emes de param`etres incertains
Reprenons alors les ´equations du pendule inverse donn´ee dans (3.2.6) apr`es changement de variables :
˙ z(t) =
_
¸
¸
¸
¸
_
F
11
(z) mgl sin C(z
2
) 0 F
14
(z)
4(1+M/m)
l
2
D(z
2
)
0 0 −
2 cos z
2
l
2
D(z
2
)
0 0 0 1
2f cos z
2
D(z
2
)
0 0
−f
D(z
2
)
_
¸
¸
¸
¸
_
z(t) +
_
¸
¸
¸
¸
_
0
0
0
1
_
¸
¸
¸
¸
_
u(t −τ(t)), (6.4.1)
avec F
ij
sont des fonctions de l’´etat z telles que :
F
11
(z) = −(
1
2
ml sin z
2
˙ x +K)
4(1+M/m)
l
2
D(z
2
)
,
F
14
(z) = (
1
2
ml sin z
2
˙ x +K)
2 cos z
2
l
2
D(z
2
)
.
et avec
D(z
2
) = M +m−mcos
2
θ.
On remarque que la matrice d´efinissant la dynamique du syst`eme d´ependant des param`etres du syst`emes et
plus particuli`erement de l’angle z
2
et de la vitesse ˙ x du chariot.
Il est possible d’envisager le fait que la vitesse du chariot est born´ee. En effet le chariot est command´e par
un moteur qui ne peut d´elivrer une puissance infinie. On se propose alors de ce donner une borne sup´erieure
˙ x
max
de la vitesse du chariot dans ces les directions.
On se propose d’´ecrire les ´equations du pendule inverse sous forme d’un syst`eme `a param`etres incertains :
˙ z(t) = (A
m
+ ∆A(z))z(t) +B
1
u(t −τ(t)), (6.4.2)
avec
A
m
=
_
¸
¸
¸
¸
_
F
11m
F
12m
0 F
14m
4(1+M/m)
l
2
D
m
0 0 −
2
l
2
E
m
0 0 0 1
2fE
m
0 0 −fD
m
_
¸
¸
¸
¸
_
, B
1
=
_
¸
¸
¸
¸
_
0
0
0
1
_
¸
¸
¸
¸
_
,
∆A(z) =
_
¸
¸
¸
¸
_
∆F
11
(z) ∆F
12
(z
2
) 0 ∆F
14
(z)
4(1+M/m)
l
2
∆D(z
2
) 0 0 −
2
l
2
∆E(z
2
)
0 0 0 0
2f∆E(z
2
) 0 0 −f∆D(z
2
)
_
¸
¸
¸
¸
_
,
o` u les r´eels F
11m
, F
12m
, F
14m
D
m
et E
m
correspondent aux valeurs nominales, et les fonctions ∆F
11
(z) =

1
(z)F
11d
, ∆F
12
(z
2
) = ∆
2
(z
2
)F
12d
, ∆F
14
(z) = ∆
4
(z)F
14d
, ∆D(z
2
) = ∆
5
(z
2
)D
d
et ∆E(z
2
) = ∆
5
(z
2
)E
d
sont les
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.4. COMMANDE RETARD
´
EE D’UN PENDULE INVERSE 161
perturbations par rapport `a ces valeurs nominales. Les fonctions ∆
i
(t) repr´esentent les perturbations variables
normalis´ees sur les param`etres (c’est-`a-dire [∆
i
(t)[ ≤
1
). Les termes F
11d
, F
12d
, F
14d
, D
d
et E
d
repr´esentent
l’amplitude des perturbations. Ils d´ependent de la partie de l’espace consid´er´e. Nous supposons ici que les
fonctions de pertubations ∆D(z
2
) et ∆E(z
2
) varient de la mˆeme mani`ere, ce qui se v´erifient en regardant leur
d´efinition.
Comme dans le Chapitre 3, on propose des matrices H
0
∈ R
4×5
, E
0
∈ R
5×4
et ∆(t) ∈ R
5×5
telles que
∆A(z) = H
0
∆(t)E
0
et telles que :
H
0
=
_
¸
¸
¸
¸
_
1 1 1 0 0
0 0 0 1 0
0 0 0 0 0
0 0 0 0 1
_
¸
¸
¸
¸
_
, E
0
=
_
¸
¸
¸
¸
¸
¸
¸
_
F
11d
0 0 0
F
12d
0 0 0
F
14d
0 0 0
4(1+M/m)
l
2
D
d
0 0 −
2
l
2
E
d
2fE
d
0 0 −fD
d
_
¸
¸
¸
¸
¸
¸
¸
_
,
∆(z) =
_
¸
¸
¸
¸
¸
¸
¸
_

1
(z) 0 0 0 0
0 ∆
2
(z
2
) 0 0 0
0 0 ∆
4
(z) 0 0
0 0 0 ∆
5
(z
2
) 0
0 0 0 0 ∆
5
(z
2
)
_
¸
¸
¸
¸
¸
¸
¸
_
.
6.4.3 Etude de la stabilisation du pendule inverse
Nous nous proposons d’utiliser le Th´eor`eme 3.4.2 du Chapitre 3. En introduisant le changement de variable
z
α
(t) = e
αt
z(t) et la commande par retour d’´etat u(t) = Kx(t), les ´equations du syst`eme deviennent :
˙ z
α
(t) = (A
m
+αI
4
+ ∆A(z))z
α
(t) +e
ατ(t)
B
1
Kz
α
(t −τ(t)), (6.4.3)
Dans ce cas pr´ecis, on dispose du th´eor`eme suivant, adapt´e du Th´eor`eme 3.4.2 :
Th´eor`eme 6.4.1 [130] La loi de commande par retour d’´etat u(t) = Kx(t) stabilise exponentiellement, avec
un degr´e de convergence α, le syst`eme (6.4.1), avec un degr´e de convergence α, pour tout retard τ(t) ≤ τ
2
, s’il
existe une matrice sym´etrique d´efinie positive, de dimension 4 4, Q
1
et des matrices, de dimension n n, Q
2
et Q
3
de dimension n n, Y de dimension 1 4 et deux r´eels positifs ε et δ
0
qui satisfont aux conditions LMI
conditions pour i = 1, 2 :
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Q
2
+Q
T
2
Ψ
i
12
0 τ
2
Q
T
2
0 Q
1
E
T
0
∗ −Q
3
−Q
T
3
τ
2
εβ
i
B
1
Y τ
2
Q
T
3
H
0
0
∗ ∗ −τ
2
εQ
1
0 0 0
∗ ∗ ∗ −τ
2
εQ
1
0 0
∗ ∗ ∗ ∗ −δ
0
I
5
0
∗ ∗ ∗ ∗ ∗ −δ
0
I
5
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
< 0, (6.4.4)
o` u
Ψ
i
12
= Q
1
(A
m
+αI
n
)
T
+Y
T
B
τ
β
T
i
−Q
T
2
+Q
3
,
β
1
= 1, β
2
= e
ατ
2
(6.4.5)
Le gain du retour d’´etat est alors donn´e par :
K = Y Q
−1
1
. (6.4.6)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
162 Chapitre 6. Applications
6.4.4 R´esultats
Nous avons choisi pour ces simulations les valeurs suivantes l = 0.3m, m = 0.6kg, M = 4kg, g = 9.8m/s
2
,
k = 0.3N.m, f = 0.1Ns/m.
Premi`erement on constate qu’il n’y a pas de solutions possibles pour un choix de ˙ x
max
≥ 1 ou pour θ ≥ 1.05.
Le Tableau 6.1 pr´esente les r´esultats donn´es par le Th´eor`eme 6.4.1. Les valeurs qui compl`etent le tableau sont
les bornes maximales τ
2
en ms.
θ
max
≈0 0.01 0.1 0.5 1 1.05
α = 0 32.2 31.6 29.6 23.6 2 ≈ 0
α = 1 28.9 28.6 27.4 18.3 X X
α = 2 26.7 26.6 25.2 1.0 X X
Tab. 6.1 – Borne sup´erieure maximale τ
2
du retard en fonction de θ
max
et de α
6.4.5 Conclusion
Nous avons d´evelopp´e dans cette section une commande par retour d’´etat qui stabilise localement le pendule
inverse malgr´e un retard variable et inconnu en entr´ee.
6.5 Conclusion
Dans ce chapitre, nous avons vu que les r´esultats th´eoriques pr´esent´es dans les chapitres pr´ec´edents trouvent
leur justification dans la r´esolution de probl`emes physiques. Un crit`ere de stabilisation exponentielle d´emontr´es
dans le Chapitre 2 a ´et´e utilis´e pour stabiliser la barre de torsion dont les ´equations diff´erentielles sont de types
retard´ee et neutre. Concernant le probl`eme de la commande `a distance `a travers un r´eseau de communication,
nous avons d´evelopp´e une structure utilisant des informations GPS. Les th´eor`emes permettant la synth`ese
d’un gain de commande (Chapitre 2 et 4) et d’un gain de Luenberger (Chapitre 4 et 5) qui assurent la stabilit´e
globale du syst`eme malgr´e les retards variables de communication et d’´echantillonnage. Ensuite dans le cadre de
la poursuite de trajectoire d’un moteur dont les sorties sont mesur´ees `a l’aide d’un capteur cam´era, nous avons
d´evelopp´e un observateur/pr´edicteur en utilisant les r´esultats sur la stabilisation de syst`emes ´echantillonn´es
(Chapitre 4) et sur l’observation (Chapitre 5) qui ont permis am´eliorer les performances de la commande
d´evelopp´ees pour la poursuite de trajectoires. Enfin les r´esultats sur la stabilisation des syst`emes non lin´eaires `a
retards (Chapitre 3) ont permis de d´evelopper des lois de commande qui stabilise exponentiellement et localement
le pendule inverse.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Conclusion g´en´erale et perspectives
Dans ce m´emoire, nous avons d´evelopp´e des outils pour la commande et l’observation des syst`emes `a retards
variables. Nous avons propos´e des crit`eres de stabilit´e et de stabilisation exponentielles pour les syst`emes `a
retards variables et/ou inconnus, ce qui est encore assez rare dans la litt´erature. Nous les avons ensuite appliqu´es
`a diff´erentes situations : observateurs `a vitesse de convergence garantie et diff´erents types de commande :
´echantillonn´ee, en r´eseau, par retour visuel...
– Dans un premier chapitre, nous avons pr´esent´e les bases th´eoriques relatives aux syst`emes h´er´editaires et
quelques outils permettant leur analyse. Nous avons notamment rappel´e quelques r´esultats de stabilit´e
asymptotique bas´es sur une approche temporelle et sur les th´eor`emes de Lyapunov et valables dans le cas
o` u la borne inf´erieure des retards n’est pas forc´ement nulle, cas que nous avons nomm´e retards “bi-born´es”
(non small delays dans la litt´erature anglophone). En l’absence d’informations sur cette borne inf´erieure,
celle-ci est fix´ee `a z´ero et on retrouve le cas des retards “major´es”.
– Les Chapitres 2 et 3 ont ´et´e consacr´es au d´eveloppement de crit`eres de stabilit´e exponentielle des syst`emes
`a retards variables, respectivement dans les cas lin´eaire puis non lin´eaire. Nous avons propos´e des r´esultats
qui, dans le cas de retards constants, am´eliorent ceux existants et qui, dans le cas de retards variables
major´es ou bi-born´es ont permis d’´etendre leur port´ee `a la stabilisation exponentielle avec un taux de
convergence garanti. Ces r´esultats ont montr´e notamment l’influence de la borne inf´erieure des retards
variables dans la stabilit´e. Par la suite, il serait int´eressant d’utiliser les r´ecents travaux sur la discr´etisation
des fonctionnelles de Lyapunov-Krasovskii afin de r´eduire encore le conservatisme des th´eor`emes ´enonc´es.
– Le Chapitre 4 a propos´e une ´etude des syst`emes `a entr´ee ´echantillonn´ee. Nous y avons pr´esent´e une
approche par retard variable qui permet d’assimiler ces syst`emes `a des syst`emes `a entr´ee retard´ee. Les
retards qui en r´esultent sont repr´esent´es par des fonctions continues par morceaux et dont la d´eriv´ee
prend presque partout la valeur critique 1. Apr`es avoir d´emontr´e que les th´eor`emes classiques peuvent
ˆetre ´etendus `a cette cat´egorie de retards, nous avons propos´e des crit`eres de stabilisation asymptotique
et exponentielle robustes s’appliquant aux syst`emes `a entr´ee ´echantillonn´ee soumis `a des incertitudes
param´etriques ou `a des non-lin´earit´es du type saturation.
– Apr`es s’ˆetre concentr´e sur le probl`eme de la commande, le chapitre 5 a ´et´e consacr´e `a une ´etude de
l’observation des syst`emes `a retards variables. Dans un premier temps, nous avons propos´e des crit`eres de
convergence exponentielle pour des observateurs de type Luenberger et des retards variables connus. Pour
garantir les performances de l’observateur, un crit`ere de convergence exponentielle `a taux garanti a ´et´e
163
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
164 Conclusion
´enonc´e . Ensuite, nous nous sommes int´eress´e au cas plus d´elicat des syst`emes `a retards inconnus. Nous
avons pr´esent´e une synth`ese des outils concernant les observateurs `a entr´ees inconnues et les syst`emes `a
retards. Enfin, nous avons ´etendu ces r´esultats en ajoutant `a nouveau des crit`eres de stabilit´e exponentielle.
Les r´esultats obtenus n´ecessitent que le syst`eme `a observer v´erifie des conditions structurelles restrictives
qu’il serait int´eressant de r´eduire. N´eanmoins, en l’´etat, ces r´esultats sont `a notre connaissance les premiers
du genre.
– Enfin, dans le chapitre 6, nous avons voulu montrer que nos r´esultats th´eoriques trouvent une justification
certaine au niveau exp´erimental.
– Nous nous sommes notamment pench´e sur le probl`eme de la commande `a distance `a travers un r´eseau
internet. Dans ce probl`eme, nous avons pris en compte `a la fois les probl`emes de retards variables (gigue)
apparaissant dans les lignes de communication, mais aussi de l’´echantillonnage des donn´ees ´echang´ees `a
travers le r´eseau ainsi que les pertes de paquets. Une approche originale, utilisant la synchronisation des
horloges par GPS, a permis de concevoir l’ensemble du syst`eme Maˆıtre-Esclave (commande - observation
- r´eseau).
– D’autre part, nous avons pr´esent´e une application concernant le probl`eme du suivi de trajectoire d’un
moteur en utilisant un retour visuel qui induit un retard et ´echantillonnage des sorties.
– Enfin, nous avons propos´e une br`eve ´etude de la commande d’un pendule invers´e (mod`ele non lin´eaire)
dont l’entr´ee est soumise `a un retard. Cette ´etude a permis de mettre en avant l’effet du retard sur la
stabilisation locale du pendule inverse. Aujourd’hui limit´ee `a une validation th´eorique et par simulation,
la commande obtenue devrait aussi ˆetre implant´ee concr`etement.
Nous venons de mentionner plusieurs perspectives : affiner les LMIs obtenues en utilisant le principe de
discr´etisation des fonctionnelles de Lyapunov-Krasovskii (Chapitres 2-3), relaxer les hypoth`eses structurelles
dans le cas des observateurs `a retards inconnus (Chapitre 5), implanter concr`etement la commande du pendule
inverse... Mentionnons pour finir une autre perspective qui concerne le sujet tr`es porteur des syst`emes contrˆol´es
`a travers des r´eseaux de communication. Notre approche du chapitre 6 en constitue une premi`ere ´etape et, ici
encore, plusieurs pistes peuvent ˆetre ouvertes, d´ependant notamment du type de r´eseau utilis´e. Il serait par
exemple possible de mieux tenir compte de la qualit´e de service disponible : en effet, le principe de la boucle que
nous avons con¸cue demande de connaˆıtre le retard maximum du r´eseau. Plus cette connaissance est fine, plus
la commande sera dynamique. Dans le cas d’internet, cette borne reste difficile `a fixer et il sera plus int´eressant
de d´efinir des secteurs de variation des retards, conduisant `a une adaptation dynamique des gains.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Annexe A
In´egalit´es matricielles lin´eaires
A.1 D´efinitions et notations
L’id´ee de base de la m´ethode LMI (abr´eviation anglaise d’In´egalit´e Matricielle Lin´eaire) est de formuler
un probl`eme (par exemple, la stabilit´e en boucle ferm´ee avec ou sans contraintes suppl´ementaires) comme un
probl`eme d’optimisation avec un objectif lin´eaire et des contraintes LMI.
Une contrainte LMI sur un vecteur variable x de R
m
est de la forme [125] :
F(x) = F
0
+
m

i=1
x
i
F
i
≥ 0, (A.1.1)
o` u les matrices sym´etriques F
i
= F
T
i
∈ R
N×N
, i = 0, .., m sont donn´ees.
La notation suivante F > 0 (ou F ≥ 0) signifie que la matrice F est d´efinie positive (respectivement F
semi-d´efinie positive). La contrainte F(x) ≥ 0 est une contrainte convexe en x, c’est-`a-dire que l’ensemble
¦x ∈ R
m
: F(x) ≥ 0¦ est convexe. On dit que la LMI (A.1.1) est faisable si et seulement s’il existe au moins un
vecteur

x ∈ R
m
tel que l’in´egalit´e matricielle (A.1.1) est v´erifi´ee.
A.2 Programmation semi-d´efinie
Grˆace `a des outils comme Matlab par exemple, il existe des fonctions qui permettent de r´esoudre plusieurs
types de probl`emes LMI.
Les trois probl`emes de bases sont les suivants :
– La faisabilit´e d’un probl`eme LMI, comme il a ´et´e signal´e auparavant, permet de d´eterminer s’il existe un
vecteur

x, qui v´erifie la contrainte LMI F(x) ≥ 0.
– Minimiser c
T
x par rapport `a F(x) ≥ 0, o` u c ∈ R
m
¸¦0¦, et F est une matrice sym´etrique et affine en x,
est appel´e un programme semi-d´efini (ou SDP pour semi-definite program). Le vecteur c d´efinit l’objectif
du probl`eme et x ∈ R
m
repr´esente la variable de d´ecision.
– Minimiser les valeurs propres g´en´eralis´ees. Il s’agit ici de d´eterminer le minimum d’un param`etre λ, tel
165
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
166 Chapitre A. In´egalit´es matricielles lin´eaires
que le probl`eme LMI suivant soit v´erifi´e :
_
¸
¸
_
¸
¸
_
C(x) < 0
B
j
(x) > 0 ∀j ∈ [1, 2, ..., p]
A
j
(x) < λ B
j
(x) ∀j ∈ [1, 2, ..., p]
, (A.2.1)
o` u x correspond `a l’ensemble des inconnues de l’in´egalit´e matricielle, C, B
j
, A
j
sont des matrices ca-
ract´erisant une LMI d´ependant lib´eralement de x.
L’avantage majeur des SDP est que leur complexit´e est polynˆomiale, c’est-`a-dire qu’il existe des algorithmes
qui permettent d’en calculer l’optimum global (pour une d´ecision fix´ee a priori) en un temps de calcul polynomial
par rapport `a la taille du probl`eme.
A.3 Les th´eor`emes classiques
La difficult´e n’est donc pas de r´esoudre une LMI. En effet les th´eor`emes issus des techniques du type Lyapunov
conduisent g´en´eralement `a des contraintes non lin´eaires qui s’´ecrivent sous la forme d’´equation de Riccati. Les
difficult´es rencontr´ees proviennent de la transformation de ses contraintes non lin´eaires en formulation LMI.
Pour cela, nous disposons des lemmes suivants :
La transformation bas´ee sur le compl´ement de Schur est la m´ethode la plus simple et la plus fr´equemment
utilis´e pour transformer des contraintes non lin´eaires en des contraintes LMI. Cette transformation est la sui-
vante :
Lemme A.3.1 (Compl´ement de Schur) Soient trois matrices Q(x), S(x) et R(x) affines par rapport `a la
variable x, les matrices Q(x) et R(x) ´etant sym´etriques. La LMI :
_
Q(x) S(x)
S(x)
T
R(x)
_
> 0, (A.3.1)
est ´equivalente aux in´egalit´es suivantes :
_
R(x) > 0
Q(x) −S(x)R(x)
−1
S(x)
T
> 0
(A.3.2)
Une autre transformation est d´ecrite dans le lemme suivant :
Lemme A.3.2 [76] Pour toutes matrices A, P
0
> 0 et P
1
> 0, l’in´egalit´e
A
T
P
1
A−P
0
< 0,
est ´equivalente `a l’existence d’une matrice Y telle que :
_
−P
0
A
T
Y
T
Y A −Y −Y
T
+P
1
_
< 0.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Annexe B
Commande d’un pulv´erisateur [3]
B.1 Introduction
In applications, a lot of systems exist with dead zones. Dead bands or zones are encountered in for example
robots and machine tools [94], [95], [147], hydraulic and pneumatic actuators [30], [124], in servo systems [138],
[117], parts of consumer products, like valves in cars [122], [152] etc. They can be put deliberately as for
example in so called ”overlap” hydraulic or pneumatic valves, to ensure closure. These valves are used in mobile
applications such as earth moving equipment and farm machinery [18]. Very often dead zones are introduced by
friction phenomena [5] and deteriorate system performance. In the latter case, which is dealt in this paper, the
dead zone is mostly introduced by non-linear friction, more specifically stiction. Several methods exist to handle
friction in control systems of which an overview is given by Armstrong et. al [5] and Olsson et. al [119]. They
range from friction compensation based on accurate determined models, robust control methods like sliding
mode e.g. [74], [158] or adaptive algorithms, identifying on-line the friction e.g. [62], [149]. Typically for friction
models is that they contain a discontinuous term, which changes in a discontinuous way with the velocity [5],
[119] e.g. a constant multiplied by sign(v) which is often called Coulomb friction. The function sign is defined
as :
sign(v) = 1, ∀v > 0sign(v) = 0, v = 0sign(v) = −1, ∀v < 0 (B.1.1)
where v is the velocity (translational or angular) of the mass on which the control input and the friction
is acting. Most friction compensation methods that don’t require an accurate friction model contain a dis-
continuous term in the control law in order to obtain one unique equilibrium instead of multiple equilibrium
points. Southward [138] added in his control law a term which is discontinuous in the position, which is often
performed in position control systems with stick-slip and proved to have only one unique stable equilibrium
point. Actually, he created a system with two discontinuities as remarked by Young [159]. Young studied the
theoretical implications of such a control law in which the discontinuities were simple sign functions.
In this paper a pressure control system is studied, containing a dead zone and a discontinuous time varying
delay. The control law starts from the same simple methodology, often used in practice, which includes a
discontinuous term for dead zone compensation. The discontinuity of the control law changes with the sign of
the velocity, resulting in only one discontinuity in the system. Normally, in systems where such simple dead-zone
compensation methods are used, after compensation of the dead band, the control law is constructed based on
167
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
168 Chapitre B. Commande d’un pulv´erisateur [3]
accumulateur
manomètre
pompe
vane
soupape
de débit
réservoir
section de pulvérisation
capteur de presion
électronique
tuyau
flexible
p
n
p
cuve
Fig. B.1 – Schematic representation of the pressure control system
rules of linear control. On the example of the pressure control system, it is shown that the rules of thumb, which
are used for linear control are not valid anymore in case of dead zone compensation.
In a first section, the pressure control system is presented and described by an elaborate mathematical model.
This model is reduced for controller design. The control law, discussed in the next section, is based on a simple
dead zone compensation and a Kalman predictor. In next section, stability is analyzed by applying theory of
sliding mode control. Stability and attraction of the switching line is proved. The control law is applied to a
practical set-up and conclusions are drawn.
B.2 Description of the system
Figure (B.1) shows the lay out of the system. It is actually one section of an agricultural spray boom for
application of herbicides and fertilizer to the plants. A pump, containing two pistons, operating in anti-phase,
feeds the circuit. Pressure peaks, resulting from fast activation of valves or originating from the pulsating flow
of the pump, are attenuated by the accumulator. The closing valve allows to switch off rapidly spraying without
turning off the pump. The pressure at the nozzles is regulated by a flow control valve by adjusting the opening
to the return. A long flexible conduct links the pressure control valve with the metal conduct, on which the
nozzles are mounted. An electronic transducer measures the pressure at the entrance of the metal conduct. This
is the pressure of interest which is measured and should be controlled. The system is secured by a check valve,
limiting the pressure to 7bar.
B.3 Modelling of the system
The flow control valve is operated by an electrical 12V dc motor of which the electrical behavior is governed
by :
L
˙
i +Ri +Bl ˙ x
1
= u (B.3.1)
in which L is the inductance, i the current, R the resistance of the wires, Bl the torque or electromotive
force constant, x
1
the position of the valve and u the input voltage. The flow control valve is actually a ball
valve of which the equations of motion of the ball are described by :
I ¨ x
1
+C ˙ x
1
= f
fric
(i, ˙ x
1
) (B.3.2)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
B.3. MODELLING OF THE SYSTEM 169
The ball valve exhibits considerable friction with the housing. This friction is captured in equation (B.3.2)
by a simple friction model consisting of a viscous term C ˙ x
1
and a discontinuous term f
fric
(i, ˙ x
1
) including
stiction and the Coulomb part of the friction [5], [119] which can be modelled as :
f
fric
(i, ˙ x
1
) = Bli −F
c
sign( ˙ x
1
) if [ ˙ x
1
[ > 0
f
fric
(i, ˙ x
1
) = Bli −F
s
sign(i) if ˙ x
1
= 0&[Bli[ ≥ F
s
f
fric
(i, ˙ x
1
) = 0 if ˙ x
1
= 0&[Bli[ < F
s
(B.3.3)
where F
c
is the constant force counteracting the motion of the valve when it is moving and F
s
the stiction
force with F
c
≤ F
s
.
Normally, the behavior of a conduct should be described by a partial differential equation. The dynamics of
the metal conduct is negligible to the dynamics of the flexible conduct. A description by a set of linear ordinary
differential equations provides a reasonable approximation, for the flexible conduct behavior. Such descriptions
can be obtained quite easily by for example linear black box identification methodologies :
˙
X
2
= A
l
X
2
+B
l
x
3
(B.3.4)
where X
2
are the states of the conduct (having no physical meaning), x
3
the pressure directly after the
flow control valve (Figure B.1), A
l
and B
l
constant system matrices. The pressure y at the end of the flexible
conduct (Figure B.1) is calculated by :
y = C
l
X
2
+D
l
x
3
(B.3.5)
in which C
l
and D
l
constant system matrices. Pressure y has to be controlled as stated in the previous
section.
The accumulator maintains a pressure equilibrium between the fluid pressure and air pressure which are
separated by a diaphragm. The behavior of the air can be described by a polytropic process [17] :
x
3
V
κ
= constant (B.3.6)
where V is the volume occupied by the air. For relatively low pressures, as is the case here, air behaves like
an ideal gas such that in case of slow increasing pressure, the change of the state can be considered isothermal
with κ = 1. For fast fluctuating pressures around an equilibrium pressure, there is no time for the fluid to
exchange heat, such that the change of the state of the air can be considered adiabatic or isentropic with κ
equal to the specific heat ratio of air, which equals approximately 1.4. By deriving equation (B.3.6), the fluid
flow entering the accumulator can be computed.
Liquid flows q through restrictions such as valves and nozzles are often turbulent and proportional to the
square root of the pressure drop p [102] :

p = R
hyd
q (B.3.7)
with R
hyd
a constant representing the hydraulic resistance. From the conservation of mass, the state equation
of the pressure x
3
is derived :
˙ x
3
= K
acc
(10
5
+x
3
)
(
1
κ
+1)
_


x
3
f
return
(x
1
(t−h))


C
l
x
2
+D
l
x
3
R
n
+K
p
π
2
[ sin(ωt +ϕ)[
_
(B.3.8)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
170 Chapitre B. Commande d’un pulv´erisateur [3]
where K
acc
grouping some constants of the accumulator and R
n
the resistance of the nozzles. Function
f
return
(x
1
(t − h)) is the resistance of the flow control valve, which is of course dependent on the angle of the
ball of the valve. For ease of construction, the motor support of the valve is connected to the housing through
pins encapsulated by rubber, resulting in some compliance between the motor support and the housing. This
causes a variable but bounded time delay h of which the value changes whenever the motor switches direction.
For one direction, the time delay equals approximately 0.23s and for the other 0.15. Term K
p
π
2
[ sin(ωt + ϕ)[
represents the flow rate delivered by the piston pump of which the nominal flow equals K
p
.
The entire model, consisting of state equations (B.3.1), (B.3.2), (B.3.4) and (B.3.8) with output (B.3.5) has
been validated and is used as an evaluation model.
For controller design a simpler model is derived. Assuming a small inductance L, small inertia I and fast
accumulator and flexible conduct dynamics, the system described by equations (B.3.1), (B.3.2), (B.3.4) and
(B.3.8) is a singular perturbed system [81]. From equations (B.3.1), (B.3.2), (B.3.4) and (B.3.8) the quasi-
steady-state or slow model is derived :
˙ x
1
= K
m
f
d
(u)

y =
αx
1
(t−h)+β
x
1
(t−h)+γ
0 ≤ h
min
≤ h ≤ h
max
(B.3.9)
in which K
m
=
Bl
RC+Bl
2
. It is easy to see that when the moment of inertia I = 0, the angular velocity ˙ x
1
changes sign with the applied voltage u and ˙ x
1
equals zero whenever u = 0. Based on these considerations f
d
(u)
is a simplified version of equation (B.3.3) :
f
d
(u) = u −c
0
sign(u) if c
1
≤ [u[,
f
d
(u) = 0 if c
1
> [u[,
and 0 ≤ c
0
≤ c
1
.
(B.3.10)
where c
0
= F
c
R/Bl and c
1
= F
s
R/Bl. The lower part of equation (B.3.9) is obtained from equation (B.3.8)
by setting ˙ x
3
= 0 and approximating f
return
(x
1
(t −h)) by a linear function :
f
return
(x
1
(t −h)) = b
return
x
1
(t −h) +c
return
(B.3.11)
with b
return
and c
return
regression constants. In reality f
return
(x
1
(t − h)) is rather quadratic than linear.
Table (B.1) clarifies constants α, β and γ. The average flow rate of the pump K
p
has been taken into account
of equation (B.3.9).
Based on the slow dynamics of the system, represented by equation (B.3.9), a control law will be designed.
Stability of the control law on the slow model is proved. No hard proof will be provided about the stability
of the complete system, only some indications will be given, but practice proves its stability. About, singular
perturbed systems with time delay only some results are available for the linear case [48], [78]. For nonlinear
systems, nothing was found by the authors of this paper.
B.4 Control law
In order to stabilize the state equation in (B.3.9), the rotation angle of the valve should be known. The
valve doesn’t contain a measurement system to determine the rotation angle, such that only the delayed state
x
1
(t −h) is available from the output

y.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
B.5. STABILITY ANALYSIS 171
Tab. B.1 – Constants, α, β and γ
α β γ
R
n
K
p
R
n
K
p
c
return
b
return
R
n
+

D
l
−C
l
A
−1
l
B
l
c
return

D
l
−C
l
A
−1
l
B
l
b
return
˙
ˆ x
1
(t) = K
m
f
d
(u) +E(x
1
(t −h) − ˆ x
1
(t −
ˆ
h)) (B.4.1)
where ˆ x
1
is an estimate of the state x
1
,
ˆ
h an average of the real delay h and E the Kalman gain. Actually,
equation (B.4.1) can only have an interpretation of a Kalman filter if h =
ˆ
h. Normally, in case of a Kalman
filter, E is determined based on the noise properties of the process. As shown later, gain E is determined on
stability considerations.
Other predictor methods have been tested, based on convolution like integral expressions [101] but they
lacked stability. In literature [123], it is known that these methods of finite spectrum assignment are sensitive
to parametric uncertainties or variations, which is the case for this example.
Based on the prediction of the state ˆ x
1
, the control law is constructed :
u = −u
d
sign(ˆ x
1
(t) −
β −γ

p
d

p
d
−α
) −a(ˆ x
1
(t) −
β −γ

p
d

p
d
−α
) (B.4.2)
The term
β−γ

p
d

p
d
−α
is the desired rotation angle, calculated back through the second part of equation (B.3.9)
by replacing y by the desired pressure p
d
. Constants a and u
d
are design parameters. Note that this is a very
simple control law, which is often found back in practical control systems. It is based on the idea of pole
placement, in which K
m
a is the final pole location, when the dead zone is compensated perfectly and c
1
= c
0
equal u
d
. With the same train of thought, the location of E is selected. Following a rule of thumb in observer
pole placement E should be 5 to 10 times faster (larger) then a. In what follows, it is shown that this way of
controller and observer design is far from optimal and that it is better to take, contrary to the rule of thumb,
E smaller than a in order to avoid instability. Furthermore, u
d
is considered as a design constant rather then a
compensation parameter.
B.5 Stability analysis
The control law of equation (B.4.2) has the nature of a variable structure system, imposing a sliding mode
if the sliding surface is attractive and stable. The stability of the system will be analyzed by the method of
equivalent control and a Lyapunov function [146].
From equation (B.4.2) the sliding surface s(t) can be derived :
s(t) = ˆ x
1
(t) −
β −γ

p
d

p
d
−α
(B.5.1)
It is important to note that the control law of equation (B.4.2) imposes a sliding mode on the predictor
instead of the real system. The equivalent control is deduced from equation (B.5.1) by deriving s(t) and assuming
sliding such that ˙ s(t) is zero :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
172 Chapitre B. Commande d’un pulv´erisateur [3]
u
eq
= −
E
K
m
(x
1
(t −h) − ˆ x
1
(t −
ˆ
h)) (B.5.2)
In case the system is in sliding mode at time t −
ˆ
h, ˆ x
1
(t −
ˆ
h) can be replaced by ˆ x
d
where ˆ x
d
is the desired
pressure, which is the second term of the right hand side of equation (B.5.1). In the application, for which the
system is used, it may be assumed that the desired pressure is at least piecewise constant or changes so slowly
that the derivative of ˆ x
d
is zero. Note that it is tempting to write the equivalent control as :
u
eq
−c
0
sign(u
eq
) = −
E
K
m
(x
1
(t −h) − ˆ x
1
(t −
ˆ
h)) (B.5.3)
which is wrong. Once on the sliding manifold, the control takes on two values u
d
and −u
d
and has the
character of a pulse width modulated (PWM) signal [38]. The equivalent control u
eq
gets the interpretation of
the slow continuous component or the filtered version of the PWM signal. As the sign function depends on the
sum of the fast and slow components of the control signal, it just lowers the amplitude of the PWM signal u
d
by c
0
. Therefore, during sliding the following relation is valid [146] :
−u
d
+c
0
≤ u
eq
≤ u
d
−c
0
(B.5.4)
The control law of equation (B.4.2) guarantees that the relation c
1
≤ [u[ is always satisfied, such that the
state equation in (B.3.9) reduces to :
˙ x
1
= −E(x
1
(t −h) − ˆ x
1
(t −
ˆ
h)) (B.5.5)
It is striking that during sliding, the dynamics of the system is governed by gain E of the predictor and
not by gain a of the control law in equation (B.4.2). By the simple reasoning of perfect compensation and pole
placement, a was faulty thought to determine the closed loop pole. In order to ensure a stable sliding mode,
constant E should be determined such that equation (B.5.5) is stable. The state in equation (B.5.5) contains a
time delay h, which changes by altering the direction of x
1
(t). In the worst case, h may change discontinuously
such that proper selection of gain E is not straightforward. Next theorem provides a necessary and sufficient
condition for E such that equation (B.5.5) is stable.
Theorem B.5.1 Assuming E ≥ 0, the system in equation (B.5.5) is stable with bounded delay : h ≤ h
max
if
and only if :
π
2h
max
> E, (B.5.6)
Proof :
The poles σ of equation (B.5.5), determining the stability of the system, are obtained by solving following
equation :
σ = −Ee
−σh
(B.5.7)
Splitting σ in its real σ
r
and its imaginary part σ
i
and filling in in equation (B.5.7) delivers :
σ
r
+jσ
i
= −Ee
−σ
r
h
(cos(σ
i
h) −j sin(σ
i
h)) (B.5.8)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
B.5. STABILITY ANALYSIS 173
Equating the real and imaginary parts of σ from equation (B.5.8) renders :
σ
r
= −Ee
−σ
r
h
cos(σ
i
h) (B.5.9)
σ
i
= Ee
−σ
r
h
sin(σ
i
h) (B.5.10)
The system is stable if and only if σ
r
< 0 and marginally stable if and only if σ
r
= 0. Marginal stability is
obtained from equation (B.5.10) when cos(σ
i
h) = 0 or :
σ
i
h = ±
π
2
+k2π (B.5.11)
where k is an integer number. The larger h, the smaller σ
i
should be in order to preserve stability. So the
worst case is when h = h
max
. Filling in the pole with smallest imaginary part in absolute value in equation
(B.5.10), enables to compute E, which gives rise to marginal stability :
E =
π
2h
max
(B.5.12)
Therefore, in order to avoid marginal stability and assure stability, E should satisfy equation (B.5.6).

Comment 1 : Very often, stability of time delay systems is proved by using Lyapunov-Krasovskii functionals
[86] from which LMI constraints are derived, which should be satisfied in order to guarantee stability. From these
LMI’s, controller gains are calculated, providing conservative controllers as the LMI constraints are sufficient
but mostly not necessary for stability. This is for example performed by Fridman et al. [53]. Solving their LMI
conditions renders a more conservative condition on E :
1
h
max
> E (B.5.13)
Comment 2 : Stability of equation (B.5.5) is only a necessary condition for staying on the switching line.
During sliding, the relationship of equation (B.5.4) needs to be satisfied. Because of overshoot and large past
values (x
1
(t − h) − ˆ x
d
(t −
ˆ
h)), the system may jump from the sliding line. Later on, it is shown that once the
system is in sliding mode, it remains in sliding mode whenever equation (B.5.13) is fulfilled.
Comment 3 : As the observer is in sliding regime, the equivalent control u
eq
was calculated from the observer
equations (B.4.1), which is based on a model of the system. A model is never an exact representation of reality,
such that dead zone parameter c
0
, defined in equation (B.3.10), may differ by ∆
c
0
from the dead zone parameter
c

0
of the real system :
c

0
= c
0
+ ∆
c
0
(B.5.14)
In case there is a mismatch ∆
c
0
, the following theorem indicates how to adopt the gain parameter E in order
to assure stability.
Theorem B.5.2 In case a mismatch ∆
c
0
exists, E needs to satisfy :
E <
π(u
d
−c
0
)
2h
max
(u
d
−c
0
+[∆
c
0
[)
(B.5.15)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
174 Chapitre B. Commande d’un pulv´erisateur [3]
Proof : During sliding, the predictor as well as the real system get the same PWM signal as input varying
between ±u
d
. After the dead zone of the predictor and the real system, the PWM signal is lowered by c
0
respectively c

0
. As the predictor is in sliding mode, the intended equivalent control u
eq
, given in equation
(B.5.2), is the slow component of the PWM signal after the dead zone of the predictor. The slow signal entering
the real system after the dead zone, which is actually the effectively applied equivalent control u

eq
, is apart
from its amplitude exactly the same as u
eq
and is given by :
u

eq
= −
E (u
d
−c

0
)
K
m
(u
d
−c
0
)
(x
1
(t −h) − ˆ x
d
(t −
ˆ
h)) (B.5.16)
By comparing equation (B.5.2) and (B.5.16), the effectively applied feedback gain E

can be calculated :
E

=
E (u
d
−c

0
)
(u
d
−c
0
)
(B.5.17)
To ensure stability of the system during sliding, instead of equation (B.5.6), the following equation needs to
be satisfied :
E

<
π
2h
max
(B.5.18)
Note that c

0
is not known such that ∆
c
0
is only a guess of the size of the mismatch between c

0
and c
0
.
Consequently the worst case c

0
needs to be investigated which is c
0
− [∆
c
0
[. Combining the worst case c

0
and
the equations (B.5.17) and (B.5.18) renders (B.5.15).

Attraction of the sliding line, given by equation (B.5.1), is performed in the next theorem.
Theorem B.5.3 Let the delay of the system and observer satisfying h,
´
h ≤ h
max
. The sliding line s(t) given
by equation (B.5.1) is attractive for the control law in equation (B.4.2), if the size of the delay h only changes
by the change of the direction of the angle x of the control valve.
Proof :
In order to prove attraction to the sliding line (B.5.1), a well known ([146]) Lyapunov function V is employed :
V =
1
2
s
2
for which one has to show that the following is satisfied :
˙
V = s ˙ s < 0. (B.5.19)
Elaboration of equation (B.5.19) combined with equations (B.4.1) and (B.4.2) renders :
·
V (t) = (ˆ x
1
(t) − ˆ x
d
)[−K
m
(u
d
−c
0
)sign(ˆ x
1
(t) − ˆ x
d
)−
aK
m
(ˆ x
1
(t) − ˆ x
d
) +E(x
1
(t −h) − ˆ x
1
(t −
ˆ
h))].
(B.5.20)
Initially, it is assumed that the set-point ˆ x
d
is not changed. Afterwards the general case of set-point changes
will be discussed.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
B.5. STABILITY ANALYSIS 175
The case when
·
V (t) ≥ 0 is satisfied, is only possible if the terms (ˆ x
1
(t) − ˆ x
d
) and (x
1
(t − h) − ˆ x
1
(t −
ˆ
h))
have the same sign. Lets assume for the moment that
·
V (t) > 0, it will be shown that there is a time instant
when
·
V (t) becomes negative and remains negative until the sliding line is reached.
Assume s ˙ s > 0 and :
(ˆ x
1
(t) − ˆ x
d
) > 0, (x
1
(t −h) − ˆ x
1
(t −
ˆ
h)) > 0. (B.5.21)
ˆ x
1
(t −
ˆ
h) > ˆ x
d
(B.5.22)
The situation when equation (B.5.22) is not satisfied but assumption (B.5.21) still holds is not interesting as
this implies, by the continuity of ˆ x
1
(t), automatically the attraction of s(t). As the above assumptions indicate
instability, the system diverges from the sliding line, implying by equation (B.4.1) an increase of (ˆ x
1
(t) − ˆ x
d
).
According to equations (B.5.21), (B.3.9) and (B.4.2), ˙ x
1
(t) < 0. Knowing that the delay h is bounded by h
max
,
there needs to be a time instant t
1
when term (x
1
(t − h) − ˆ x
1
(t −
ˆ
h)) starts to decrease, rendering s ˙ s < 0. In
case (ˆ x
1
(t) − ˆ x
d
) decays faster then (x
1
(t −h) − ˆ x
1
(t −
ˆ
h)), there might be again a situation when s ˙ s > 0, such
that the distance (ˆ x
1
(t) − ˆ x
d
) enlarges again. However, as
x
1
(t −h) > ˆ x
1
(t −
ˆ
h) > ˆ x
d
(B.5.23)
and s(t) = 0 has not been satisfied yet, the time delay h didn’t change such that from t
1
, x
1
(t − h) is
decreasing. Therefore, there needs to be a time instant when (x
1
(t −h) − ˆ x
1
(t −
ˆ
h)) < 0 and therefore s ˙ s < 0.
By assumption (B.5.22) and equations (B.3.9), (B.4.2) this situation remains until s(t) = 0.
The case when s ˙ s > 0 and :
(ˆ x(t) − ˆ x
d
) < 0 (x(t −h) − ˆ x(t −
ˆ
h)) < 0, (B.5.24)
can be treated in an analogous way.
Now, changing set-points x
d
are tackled. In case the distance [ˆ x(t) − ˆ x
d
[ is enlarged, s ˙ s, given by equation
(B.5.20) becomes smaller, which is favorable for the stability. In the other case, the distance to the sliding line
is made artificially smaller and equation (B.5.20) becomes larger and probably positive. However, as shown
earlier in the proof, when the set-point is not changed, equation (B.5.20) will become by itself smaller, unless
the set-point x
d
is changed such that [ˆ x(t) − ˆ x
d
[ is reduced again, bringing the system closer to the sliding line.
This indicates that by changing set-point values, the system cannot be destabilized.

Comment 1 : The estimation of the delay has no influence on the stability. Based on performance conside-
rations, it is better to have a good estimate of the delay in order to minimize the time interval when s ˙ s > 0.
Comment 2 : Theorem B.5.3 doesn’t provide any advise on the value of design constant a. From equation
(B.5.20), it is clear that a should be positive and as large as possible in order to satisfy s ˙ s > 0. In practice, a
cannot be selected arbitrarily large and should be determined taking into account possible actuator saturation.
Comment 3 : The proof of theorem B.5.3 advises in equation (B.5.20) to select constant a larger than E.
By perfect dead zone compensation, which can never be realized in practice, the control law given by equation
(B.4.2) has a pole placement interpretation where a determines the closed loop poles of the system and E the
poles of the observer. In such a linear pole placement control strategy with observer, selecting a larger then
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
176 Chapitre B. Commande d’un pulv´erisateur [3]
Tab. B.2 – Simulation parameters
u
d
= 2.4 (V) K
m
= 1.71 (

/(Vs)) c
0
= c
1
= 1.5 (V)
h
min
= 0.15 (s) h
max
= 0.23 (s) α = 1.5910
3
(

Pa/

)
β = −1.0410
5
(

Pa) γ = −53.9 (

)
8 10 12 14 16 18 20
1.8
2
2.2
2.4
2.6
2.8
3
3.2
3.4
3.6
3.8
x 10
5
temps (s)
p
r
e
s
s
io
n

(
P
a
)
Fig. B.2 – Pressure evolution after a set point change at time = 10s, from 2bar to 3.5bar, (full line : E = 0.8,
a = 4, dashed line : E = 4, a = 0.8)
E is very uncommon and is against the intuition. However, the results of this paper indicate the opposite. A
simulation on system (B.3.9) with predictor (B.4.1) and control law (B.4.2) illustrates this. Parameters of the
simulation are given in table B.2. First a and E are selected following the pole placement strategy i.e. a = 0.8
and E five times larger : E = 4. Afterwards the values of a and E are exchanged : a = 4 and E = 0.8. Figure
B.2 shows the results. After 10s a set-point change of ˆ x
d
from 2bar to 3.5bar is imposed. The case where a > E
shows the fastest response. This can be explained by examining the evolution of s(t), given by equation (B.5.1).
For a > E, the sliding line is reached faster. The dashed curve, which reaches the slowest the set point, even
shows some oscillations which is due to the fact that the pole locations in sliding mode are determined by the
size of E. The larger E the closer to marginal stability.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
B.6. IMPLEMENTATION 177
Comment 4 : By the attraction of the sliding line, the control law given by equation (B.4.2) leads never to
instability but can only cause limit cycle behavior or leads directly to convergence. On the other hand theorems
B.5.1 and B.5.3 provide only necessary conditions for stability of the sliding mode. In normal cases, it is desired
that once on the sliding line, the system remains on the sliding line. The following theorem provides a sufficient
condition on E such that this is satisfied.
Theorem B.5.4 Let the system in sliding mode at a certain time instant t
0
and
E
K
m
[x
1
(t
0
) − ˆ x
d
[ ≤ u
d
− c
0
The system will remain in sliding mode if the following is satisfied :
E ≤
1
h
max
(B.5.25)
Proof :
If the system is in sliding mode, ˆ x
1
(t) = ˆ x
d
. In order to guarantee that the condition on the equivalent
control (B.5.4) remains satisfied from t
0
on, following condition needs to be valid for all t ≥ t
0
:
E
K
m
[x
1
(t) − ˆ x
d
[ ≤ (u
d
−c
0
) (B.5.26)
In other words, all extreme values of x
1
(t) for t ≥ t
0
need to meet equation (B.5.26). Extrema are encountered
at time instants when ˙ x
1
= 0. From the control law (B.4.2), extrema only occur after sliding when the equivalent
control is zero or x
1
(t −h) = ˆ x
1
(t −
ˆ
h). Assume at t
0
that x
1
(t) = ˆ x
d
such that, according to equation (B.5.4),
at least after h
max
an extreme value occurs. By the fact that the system is in sliding mode at time t
0
,
[ ˙ x
1
(t
0
)[ ≤ K
m
(u
d
−c
0
) (B.5.27)
and according to equation (B.5.27), the largest possible extreme value is x
d
±K
m
(u
d
−c
0
)h
max
which needs
to satisfy equation (B.5.26) such that equation (B.5.25) needs to be valid.

Comment : In case equation (B.5.6) is satisfied but equation (B.5.25) not, it has been observed in simulations,
that the system leaves several times the sliding line, but never enters a limit cycle.
B.6 Implementation
The control law of equation (B.4.2) and the predictor (B.4.1) were programmed on a digital controller
(ADWIN Gold, Jaeger Gmbh.) In order to transform the equations (B.4.1) and (B.4.2) to discrete time, the zero
order hold transformation rule was utilized. A sampling frequency of 1000Hz was selected, which is reasonably
high for this application, but assures that the continuous phenomena are well approximated and that no low
pass filter is required, which normally takes care that the Shannon principle is not violated.
The system parameters, used to design the control law, are listed in table B.2. Note that the discontinuous
component of the control law u
d
is selected considerably larger than the dead zone c
0
. From equation (B.5.15),
it is clear that the larger the gap u
d
− c
0
, the smaller the effect of uncertainties ∆
c
0
on the size of E. On the
other hand, the large u
d
, the more severe the switching.
For stability reasons, constant a should be positive and as large as possible but saturation of the control needs
to be avoided. During normal operation, the desired pressure varies between 0 and 5bars, which corresponds to
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
178 Chapitre B. Commande d’un pulv´erisateur [3]

Fig. B.3 – Pressure evolution after a set point change at time = 2s, from 2bar to 3bar, (full line : measured
pressure, dashed line : set point
a change of 6

of the angle of the valve x
1
, if the pressure is at 2.5bars. By selecting a = 3.5, the maximum
voltage is avoided, which is for a normal tractor approximately 14V .
For the selection of E, inequalities (B.5.6) and (B.5.25) consider only stability and not performance. From
previous elaborations, it is clear that E < a. Based on simulations with the extended model, described in section
’modelling of the system’, E = 1 is selected. This value of E doesn’t give overshoot or oscillations.
The controller is evaluated on the real system. Figure B.3 shows the results, after a pressure change form
2bar to 3bar. The vibrations at 23Hz on the measured pressure are caused by the pump, which is a two piston
pump, and not by chattering. These vibrations are the reason why such a high sampling frequency has been
selected. They are not harmful for the pressure distribution pattern.
B.7 Conclusions
A pressure control system, used in agricultural applications, has been modeled. By considering only the
most important dynamics, the system reduces to an integrator with a dead zone on the input, and an output
which depends non-linearly on the delayed state. A control law was proposed with dead zone compensation and
which actually originates from a pole placement with observer reasoning. Stability of the control law has been
assessed, based on the theory of sliding mode. A necessary and sufficient condition on the controller gain has
been derived, such that the system is stable during sliding, despite discontinuous changes of the delay. The effect
of perturbation on the dead zone and the controller gain has been investigated. It is proved that the proposed
control law never leads to instability but can only result in, by improper selection of the control parameters,
limit cycle behavior. Although the control law originates from the idea of perfect dead zone compensation and
pole placement, it is shown in the paper that in order to obtain a good performance, the standard rules of
thumb for linear systems with observer may not be applied. The control law has been implemented in practice.
Good performance has been observed.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Annexe C
Contrˆole d’un moteur par capteur
visuel [20]
Observing and Controlling Plants using their Delayed and Sampled Outputs
A. Chamroo
1
, A. Seuret
2
, C. Vasseur
1
, J.-P. Richard
2
and H.P. Wang
1
Laboratoire d’Automatique, G´enie Informatique & Signal, LAGIS (UMR CNRS 8146)
1
Universit´e des Sciences & Technologies de Lille, USTL (Cit´e Scientifique)
59655 Villeneuve d’Ascq, FRANCE
Phone : +33 3 20 43 48 76, Fax : +33 3 20 43 65 67,
E-mails : chamroo@i3d.univ-lille1.fr, christian.vasseur@univ-lille1.fr, haoping.wang@ed.univ-lille1.fr
2
´
Ecole Centrale de Lille
BP 48, 59651 Villeneuve d’Ascq Cedex, France
Phone : +33 3 20 67 60 32, Fax : +33 3 20 33 54 99, E-mails : seuret.alexandre@ec-lille.fr,
jean-pierre.richard@ec-lille.fr
Abstract - This article deals with linear plants whose outputs are not available directly, but
only via digital sensors which deliver them in a delayed and sampled format. First, we reconstitute
the plant’s state by using a Lyapunov-Krasovskii based observer. A sampled tracking control
strategy is then proposed by combining the observer with a particular controller that belongs
to a class of piecewise continuous systems. Computer simulation examples are presented so as
to enhance the theoretical aspect. The method shows reliability and robustness against slight
time-variations of the plant’s parameters.
Keywords : Lyapunov-Krasovskii functional, LMI, sampled tracking, delayed output, piecewise continuous
systems
I. INTRODUCTION
179
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
180 Chapitre C. Contrˆole d’un moteur par capteur visuel [20]
The aim of this research work is to develop a control strategy that enables sampled tracking on linear plants
in cases where the only available feedback is the plant’s delayed and sampled output vector. This is often the
case when we deal with control architectures that make use of digital calculators and digital sensors that are
time consuming in what concerns step calculations.
Assuming that the linear plant is perfectly identified, an observer is used so as to reconstitute the current
state by using the delayed (and sampled) output. This estimated state is necessary for the chosen controller.
For the discrete-time implementation, the data-sampling effect has to be taken into account. Following the
lines of [FRI, 04], [YU, 04] and [SEU, 05], we consider that it produces an additional, variable delay t − t
k
,
where t
k
is the most recent k
th
sampling instant. Generally, due to the computer architecture and operating
system, the sampling may be aperiodic, i.e. there is no exact period T such that t
k
= k.T. So, we assume
that a maximum sampling interval T is known, so that 0 ≤ t
k+1
− t
k
≤ T holds. The global delay resulting
from the computation-plus-sampling phenomena will be denoted by δ = t − t
k
, and it can be seen that the
limit case dδ/dt(t) = 1, which represents the worse situation in the study of time-delay systems, occurs almost
everywhere. The aim is to generate robust, stable and continuous-time observation with respect to the sampling
period or parameters uncertainties. A Luenberger observer for known time-varying delay is proposed using this
sampling modelization. The stability results are presented using Linear Matrix Inequality (LMI). Its purpose is
to estimate the current state as fast as possible.
In order to achieve sampled tracking, we propose a control unit based on [KON, 01], [KON, 02] and [KON,
03] that establishes a class of control systems whose evolution is described by exogenous switching of their
internal state. The chronology of the switching is defined by a set of sampling instants S = ¦ t
k
, k = 0, 1, 2, ...¦
called “switching instants”. These controllers that extend the notion of sampled control commands [KAB, 87]
are referred to as piecewise continuous systems (PCS). In this approach, the control input of the plant is defined
from two input spaces : the first space U
r
allows control between switching instants, while the second input
space V
s
enables control at the switching instants. Referring to the classification of [TIT, 98], this class of
control systems has hybrid properties and extends the concept of compound control realized by [LAU, 72] and
[VAS, 72]. According to Branicky’s taxonomy of hybrid systems [BRA, 94], these control units are characterized
by autonomous switchings and controlled impulses.
It is well established in [KON, 03] that the use of PCS controllers enables sampled tracking on linear plants
by undertaking a state feedback. In our case, we make use of the aforementioned observer to feed the PCS
controller with an estimate of the state.
In this paper, we start by defining the particular nature of the output signal considered for feedback. A
block diagram of the whole closed loop structure is then given in section III. The observer and controller are
then described in the following sections. The reader can find at the end of the paper a typical visual control
example raising a delayed and sampled output problem while controlling a mobile cart by camera.
II. THE PARTICULAR SENSOR OUTPUT
The plant we consider in our study is a usual linear n
th
order system that we represent by its state and
output equations as follows :
x

(t) = A.x(t) +B.u(t),
y(t) = C.x(t),
(C.0.1)
with A ∈ 1
n×n
, B ∈ 1
n×r
and C ∈ 1
m×n
being the real, known characteristic matrix of the system, and
x(t) ∈ Σ
n
, u(t) ∈ U
r
and y(t) ∈ Y
m
representing respectively the state, the input and the output of the plant.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
181

Capteur
Signal retour
(t
e
)
y
(non disponible)
u B x A x . . ' + =
x C y . =
u z
e
t N. Retard
Processus
(a)
(b)
We assume that the pair (A,C) is observable.
In our case, we consider that neither the state x(t), nor the output y(t) of the plant is available. The only
data we can access becomes from a digital sensor that delivers the output y in a sampled and delayed format.
The sampling period of the sensor being t
e
and its associated delay being D, we define the sensor data as such :
z(t) = y

(t −D). (C.0.2)
In (C.0.2), (*) represents a sampling with a known maximal period t
e
. In our study, we assume that D is
bounded with known upper and lower bounds.
An illustrating example can be the case where processed data accessed from a digital camera constitute
the output z(t) of a “visual” sensor. In that case, the t
e
sampling period corresponds to the delivery of image
information where t
e
represents the time for an image shooting. Moreover, the time delay D represents the time
necessary for image processing. Usually, in such an example, the delay is a multiple of the sampling period, so
that it can be expressed by D = N.t
e
(N ∈ Z). This means actually that N snapshots are necessary to obtain
the required data.
The whole statement of this section is summarized in
Fig. 1, with N = 4 in the example considered in section VI.
III. PRINCIPLE
The aim is to be able to perform sample tracking of a given state trajectory by the plant’s unavailable state.
This is ensured by the PCS controller that necessitates the full state measurement given by the observer. The
closed loop structure is given in Fig. 2 below.
IV. OBSERVER DESIGN
Using the sampling representation proposed in the introduction, the sensor’s output can be written as
z(t) = y(t − δ(t)), where δ(t) = D + t − t
k
. Then a continuous-time, delayed Luenberger observer can be
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
182 Chapitre C. Contrˆole d’un moteur par capteur visuel [20]

Fig. 2. Block diagram of the whole closed loop structure using delayed output feedback
(te)
u B x A x . . ' + =
x C y . =
Sensor
e
t N. delay
Plant
Observer
c
T k.
f

-
+
) (t c
) ( ˆ t x
) (t u
) (t z
) . ( ) (
*
e
t N t y t z − =
) (t u
) (t y
PCS Controller
considered :
ˆ x

(t) = A.ˆ x(t) +B.u(t) −L(y(t −δ(t)) − ˆ y(t −δ(t))),
ˆ y(t) = C.ˆ x(t).
(C.0.3)
Since the pair (A,C) is observable, it is possible to determine a linear gain L such that the observer exponen-
tially converges to the real system in the non-delayed case. The next theorem allows us to design another L so
that the observer state ˆ x(t) converges sufficiently fast (with a guaranteed exponential rate α) to the real system
state x(t) despite a variable delay δ on the plant’s output. The error vector is defined as e(t) = x(t) − ˆ x(t).
From (C.0.1) and (C.0.3), this error is ruled by :
e

(t) = Ae(t) +LCe(t −δ(t))
Theorem1 : Suppose that, for some positive scalars α and ε, there exists a nn positive matrix P
1
and nn
matrices P, S, Y
1
, Y
2
, Z
1
, Z
2
, Z
3
, R, R
a
and a matrix W with appropriate dimensions such that the following
LMI conditions are satisfied for j=1,2 :
_
¸
¸
¸
¸
_
ψ
_
β
i
WC −Y
T
1
εβ
i
WC −Y
T
2
_
µβ
i
_
WC
εWC
_
∗ −S 0
∗ ∗ −µR
a
_
¸
¸
¸
¸
_
< 0
and
_
¸
¸
_
R Y
1
Y
2
∗ Z
1
Z
2
∗ ∗ Z
3
_
¸
¸
_
< 0 (C.0.4)
where the symbol ∗ in a matrix represents a symmetrical entry, where β
1
= e
α(δ−µ)
, β
2
= e
α(δ+µ)
and the
symmetric matrix ψ is given by ψ =
_
ψ
11
ψ
21
ψ
T
21
ψ
22
_
and :
ψ
11
= P
T
(A+αI
n
) + (A+αI
n
)
T
P +S +δ.Z
1
+Y
1
+Y
T
1
,
ψ
12
= P
1
−P +εP
T
(A+αI
n
)
T
+δ.Z
2
+Y
2
,
ψ
22
= −ε.(P +P
T
) +δ.Z
3
+ 2µ.R
a
.
In the previous theorem, the delay δ(t) and then, δ and µ, are imposed by the maximum the sampling period
and the computation delay. The greater α corresponds to a faster the stabilization. Thus, the objective is to
tune ε to maximize α.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
183
The proof is based on Lyapunov-Krasovskii techniques and descriptor representation detailed in [SEU, 06].
V. PCS CONTROL COMMAND
A. Principle
The principle of PCS control is to build an associated PCS system whose output constitutes the input of
the plant. Note that some of the variables of the controller are c-indexed so as to be distinguished from those
of the observer. According to [KON, 03], we make use of a PCS system to define a particular PCS controller
whose behavior can be summarized as follows :
1. The state of the PCS controller is switched to forced values at regular intervals of period T
c
, with T
c
< t
e
such that t
e
= q.T
c
, with q ∈ 1 and q ≥ 1. The corresponding switching set is represented by S =
¦ k.T
c
, k = 0, 1, 2, ...¦.
2. The equations describing the behavior of the controller are :
λ

(t) = α
c
.λ(t), ∀t ∈ ] k.T
c
, (k + 1)T
c
] , (C.0.5)
λ(k.T
+
c
) = δ
c

c
(k.T
c
), ∀k = 0, 1, 2, ..., (C.0.6)
w(t) = γ
c
.λ(t), ∀t. (C.0.7)
Equation (C.0.5) describes the continuous evolution of the controller’s state λ(t) ∈ Σ
n
upon ] k.T
c
, (k + 1)T
c
],
α
c
∈ 1
n×n
being the state matrix of the controller. The only parameter that defines the behavior of the
controller’s state in this interval of time is α
c
which can take an arbitrary value. Usually, it is fixed such that
the PCS is stable between switching instants.
Equation (C.0.6) defines the controller’s state at switching instants, by means of a bounded discrete input
ψ
c
∈ V
s
, and according to the linear relationship characterized by the matrix δ
c
∈ 1
n×s
.
Equation (C.0.7) is the output equation of the controller, characterized by the full rank matrix γ
c
∈ 1
m×n
.
The output w(t) ∈ Y
m
constitutes the input command to be fed to the plant.
Fig. 3a gives the realization diagram of a PCS controller and Fig. 3b shows its state’s evolution.
It is shown in [KON, 03] that if the state of the plant is available, it is possible to define ψ
c
(t) and δ
c
so
as to achieve discrete tracking of a c(t) state trajectory by the plant’s state x(t) at each switching instant and
with one sampling period delay : x((k + 1)T
c
) = c(k.T
c
), ∀k = 0, 1, 2, ....
Note that from now on, the discrete values of every function will be considered as being sampled at T
c
period and to simplify the notations, any time function f(t) at a given k.T
c
instant will be written as f(k.T
c
) =
f
k
∀k = 0, 1, 2, .... Moreover, dealing with PCS gives rise to discontinuous signals. Thus, if any signal f(t)
is discontinuous, we shall consider the right value at the discontinuity since the switching at each k.T
c
imply
consequences occurring at every k.T
+
c
. However, for simplification sake, the notation f
k
will be used, instead of
the strict one : f
+
k
= f(k.T
+
c
).
B. State Feedback PCS Controller
Let’s design a PCS controller meant to perform sampled tracking in the case where the state x(t) of a linear
plant (as in (B.1.1)) is available. The aim is to define its matrix ψ
c
(t) and input δ
c
to achieve x
k+1
= c
k
. The
controller’s output is linked to the plant’s input, thus u(t) = w(t). Then, we only have to rely on the observer
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
184 Chapitre C. Contrˆole d’un moteur par capteur visuel [20]
defined above to make use of ˆ x(t) instead of x(t) as in Fig. 2. In this case, the behavior of the closed loop system
can be given by the following equation set :
x

(t) = A.x(t) +B.u(t), ∀t,
λ

(t) = α
c
.λ(t), ∀t ∈ ] k.T
c
, (k + 1)T
c
] ,
u(t) = γ
c
.λ(t), ∀t,
λ
k
= δ
c

c
k
, ∀k = 0, 1, 2, ....
By integration, the first three equations allow us to write in a sampled format, the next step value x
k+1
of the
state as a function of its previous one x
k
:
x
k+1
= f.x
k
+M.λ
k
, (C.0.8)
with f = e
AT
c
and M = f.
T
c
_
0
e
−Aτ
B.γ
c
.e
α
c
τ
dτ.
c
T k.


{S}
) (t
c
ψ

) . (
c c
T k ψ
) ( ' t λ

) (t λ

c
γ

) (t w
c
δ
c
α
) (t λ

t
) ) 1 ((

+
c
T k λ
) . ( .
c c c
T k ψ δ

) ) 2 ((

+
c
T k λ
) ) 1 (( .
c c c
T k + ψ δ
c
T k.

c
T k ) 1 ( +

c
T k ) 2 ( +

c
T k ) 3 ( +

(a)
(b)
Fig. 3a. Realization diagram,
Fig. 3b. State evolution of a PCS controller
) . (
pcs
T k λ
In order to realize the discrete tracking which is defined above, we only have to fix down the tracking
condition which is x
k+1
= c
k
, where c(t) is the desired state trajectory. Thus, from (C.0.8) we have :
λ
k
= M
−1
¦c
k
−f.x
k
¦ (C.0.9)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
185
Equation (C.0.9) gives the switching value of the controller’s state, under the condition that M
−1
exists [KON,
03]. Hence, in this case, we are able to define the PCS controller with :
δ = M
−1
and ψ(t) = c(t) −f.x(t),
α and γ chosen arbitrarily.
VI. COMPUTER SIMULATION EXAMPLE
In view of validating our method we have simulated, by means of Matlab Simulink, the behavior of the whole
closed loop structure shown in Fig. 2. This computer simulation reflects the control of a real system which is
described below. As shown in Fig. 4, this system consists of the visual position control of a moving cart.

A. The Plant
The plant which is considered here is a cart that moves along a horizontal and straight line segment. The
cart is powered by an electric motor by means of a notched belt. The plant’s state is composed of the real
position and speed of the cart, while its output is given by the real position only :
x =
_
x
1
x
2
_
=
_
real position
real speed
_
, y = x
1
The motor is of a brushless type. It is driven in +/-10V by a dSpace computer input/output card via a
power amplifier. Supplied with 240V (mono), it can offer a nominal couple of 3.0Nm with a power of 200W.
Identification with a second order approximation of the amplifier-motor-cart set has shown a time constant of
8.3ms and an overall gain of 2.9m/S/V.
Hence, we assume that the plant can be defined as in (C.0.1) by matrices :
A =
_
0 1
0 −120
_
, B =
_
0
350
_
and C =
_
1 0
_
B. The Sensor
The aim of the experiment is to realize a visual position control of the cart. Thus, the sensor is an “artificial
vision” system that observes an infrared LED fixed on the cart, as shown in Fig. 4. This vision system is
constituted of a motionless digital infrared CCD camera connected to a computer allowing image processing.
The camera is positioned above the cart and observes its motion. Thus, after a location operation, the artificial
vision system outputs the position of the cart in a t
e
-sampled format, with here a delay equal to t
e
itself. We
thus have in this case :
z(t) = x

1
(t −t
e
), with (*) : sampling at t
e
.
Here, t
e
= 28 ms. This corresponds actually to image snapshots with a t
e
-period reset mode ensuring that
image acquisition and processing are carried out inside that period.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
186 Chapitre C. Contrˆole d’un moteur par capteur visuel [20]
c
T k.

{S}
) (t
c
ψ
) . (
c c
T k ψ
) ( ' t λ
) (t λ

c
γ
) (t w
c
δ
c
α
) (t λ
t
) ) 1 ((

+
c
T k λ
) . ( .
c c c
T k ψ δ

) ) 2 ((

+
c
T k λ
) ) 1 (( .
c c c
T k + ψ δ
c
T k.

c
T k ) 1 ( +

c
T k ) 2 ( +

c
T k ) 3 ( +

(a)
(b)
Fig. 3a. Realization diagram,
Fig. 3b. State evolution of a PCS controller
) . (
pcs
T k λ
C. The Observer
In this particular example, the resolution of the LMI conditions (4a,b) leads to the Luenberger gain :
L =
_
−3.1225
0.0569
_
D. The Associated PCS Controller
In order to achieve tracking, the PCS controller uses the estimated state obtained from the observer. The
controller is switched at regular intervals with T
c
= 10msand is defined by :
α
c
=
_
−0.1 0
0 −0.2
_
, γ
c
=
_
1 1
_
E. The Aim of the Experiment
In the present example, the goal is to be able to realize sampled position tracking of a desired trajectory by
the cart. According to our method’s requirement, we have to define a state trajectory, which is here chosen to
be :
c(t) =
_
c
1
(t)
c
2
(t)
_
=
_
a. sin(ω.t)
a.ω. cos(ω.t)
_
In this example, c
2
(t) is bound to be the derivative of c
1
(t), since they represent, respectively, the desired speed
and position trajectories.
F. Results Comment
Figs. 5 and 6 illustrate tracking results for the stated example. Note that for comparison sake, the desired
trajectory has been delayed appropriately on those figures. The PCS switching period and parameters of the de-
sired trajectory differ so as to express performance in working conditions (Fig. 5) and functioning demonstration
in exaggerated ones (Fig. 6).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
187

Fig. 5a shows sampled tracking of c
1
(t) by the plant’s output y(t) which is here equal to the real cart position
x
1
(t). Similarly, Fig. 5c shows how the second state variable (speed) reaches its desired trajectory at switching
instants.
Note that the x
1
(t) and x
2
(t) curves intersect those of c
1
(t −T
c
) and c
2
(t −T
c
) respectively at every k.T
c
,
thus showing T
c
-sampled tracking with a delay of T
c
. These results can be better appreciated on Figs. 6a and
6b respectively.
In the same way, Fig. 5b represents sampled tracking of c
1
(t) by z(t) with a delay equal to T
c
+ t
e
(since
D = t
e
in the present example).
Fig. 5e and Fig. 6c illustrate the control command fed to the plant. Coming out of a PCS controller, we can
notice its piecewise continuous nature.
On the other hand, Fig. 5d shows how the estimated state follows continuously the actual plant’s state.
Moreover, to illustrate the high performance of the observer, we consider in Fig. 7 the case where the initial
condition of the plant’s state is unknown to the observation block.
Note that though we have shown the state’s evolution for demonstration sake, we do not use it for feedback,
since we assume it to be unavailable.
VII. CONCLUSION
The method that we present in this paper is appropriate for control of linear plants in cases where the only
available feedback comes from a sensor delivering the plant’s output vector in a delayed (of D) and sampled (at
t
e
) format. The proposed observer reconstitutes the current state of the plant from the sensor’s output enabling
fast convergence of the estimated state towards the actual state, even in cases of unknown initial conditions
of the latter. State observation also holds for varying delay and sampling period, given their upper and lower
limits.
The control unit is based on a PCS controller which makes use of the estimated state and guarantees sampled
tracking of a given state trajectory c(t). It ensures at each k.T
c
(∀k = 0, 1, 2, ...) :
x(t) = c(t −T
c
),
z(t) = C.c(t −T
c
−D).
With our notations, this tracking can be expressed by :
x(k.T
c
) = c((k −1).T
c
)∀k = 0, 1, 2, ...,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
188 Chapitre C. Contrˆole d’un moteur par capteur visuel [20]

(b)
(a)
(c)
-2
0
2
-200
0
200
0.3 0.32 0.34 0.36 0.38
-200
0
200
time, s
) ( ) (
1
t x t y =

) (
1 c
T t c −
) (t u

) (
2 c
T t c −
) (
2
t x

t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
189
z(k.T
c
) = C.c((k −N.q −1).T
c
)∀k = 0, 1, 2, ....
Computer simulations showed that the method is reliable and moreover robust against slight time-variations of
the plant’s parameters.
Note that in every case, the PCS controller show better efficiency for small values of T
c
, which is the period
at which the PCS controller’s state switches.
As a perspective of our study, works are presently being carried out to optimize the PCS controller to ame-
liorate its behavior between switching instants so as to enhance the tracking in this interval. This optimization is
based on that given in [KON, 03]. Moreover, we intend to realize a controller based on the bi-sampled controller
[KON, 02] that outputs a sampled command between switching instants.
Furthermore, we are undertaking real time experiments to test the present method on the real system of
Fig. 4.
ACKNOWLEDGEMENTS
This work is supported by the European Union under Grants 15010/02Y0064/03-04 CAR/Presage N˚ 4605
Obj. 2-2004 :2 - 4.1 – N˚ 160/4605.
REFERENCES
[BRA, 94] M. S. Branicky, V. Borkar and S. K. Mitter, “A unified framework for hybrid control,” in Procee-
dings IEEE Conf. Decision Contr., Lake Buena Vista, 1994, pp. 4228-4234.
[FRI, 04] E. Fridman, A. Seuret and J.-P. Richard, “Robust sampled-data stabilization of linear systems :
An input delay approach,” Automatica, vol. 40, No. 8, 2004, pp. 1441-1446.
[KAB, 87] P. T. Kabamba, “Control of Linear Systems Using Generalized Sampled-Data Hold Functions,”
IEEE Trans. Automatic Control, Vol. 32, No. 9, 1987, pp. 772-783.
[KON, 01] V. Koncar and C. Vasseur, “Syst`emes `a fonctionnement par morceaux et poursuite ´echantillonn´ee,”
APII-JESA, Vol. 35, No. 5, 2001, pp. 665-689.
[KON, 02] V. Koncar and C. Vasseur, “Piecewise functioning systems : bi-sampled controllers,” Studies in
Informatics and Control Vol.11, No.2, 2002.
[KON, 03] V. Koncar and C. Vasseur, “Control of linear systems using piecewise continuous systems,” IEE
Control Theory & Applications , Vol. 150, n˚ 6, pp.565-576, 2003.
[LAU, 72] F. Laurent, “Sur la commande d’un filtre lin´eaire par des impulsions multimodul´ees,” C.R. Acad.
Sc, Paris, t. 270, pp. 288-289, 1972.
[SEU, 05] A. Seuret, E. Fridman and J.-P. Richard, “Sampled-data exponential stabilization of neutral
systems with input and state delays,” IEEE MED 2005, 13th Mediterranean. Conference on Control and Auto-
mation, Cyprus, 2005.
[SEU, 06] A.Seuret, F. Michaut, J.-P. Richard and T. Divoux, “Networked Control using GPS Synchroniza-
tion,” American Control, Conference, 2006.
[TIT, 98] M. Tittus and B. Egardt, “Control Design for Integrator Hybrid Systems,” IEEE Trans. Automatic
Control, Vol. 43, No. 4, 1998, pp. 491-500.
[VAS, 72] C. Vasseur, “Contribution `a l’´etude des syst`emes ´echantillonn´es command´es par impulsions mul-
timodul´ees,” Ph.D. Thesis, University Lille 1, Villeneuve d’Ascq, France, 1972.
[YU, 04] M. Yu, L. Wang and T. Chu, “An LMI approach to network control systems with data packet
dropout and transmission delays,” Mathematical Theory Networks and Systems, Leuven, 2004.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
190 Chapitre C. Contrˆole d’un moteur par capteur visuel [20]
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Annexe D
Observateurs `a modes glissants et
observateurs d’Utkin
Dans les d´eveloppements th´eoriques associ´es aux modes glissants et `a la th´eorie du contrˆole, on suppose
souvent que l’´etat complet du syst`eme est disponible. Ainsi le d´eveloppement d’observateurs pour estimer le
vecteur d’´etat permet, dans des cas concrets, d’utiliser ces lois de commande. L’id´ee d’utiliser les dynamiques
du syst`eme pour construire un observateur a ´et´e d´evelopp´ee par Luenberger [100]. Dans ce type d’observateurs
l’estimation n´ecessite la valeur de la commande et de l’erreur entre la sortie mesur´ee et estim´ee. L’objectif est
finalement de contraindre l’erreur `a tendre vers z´ero.
Consid´erons le syst`eme lin´eaire d´ecrit par :
˙ x(t) = Ax(t) +Bu(t)
y(t) = Cx(t),
(D.0.1)
o` u A ∈ R
n×n
, B ∈ R
n×m
, C ∈ R
p×n
et p ≥ m. On suppose que les matrices B et C sont de rang plein et que
la paire (A, C) est observable.
Comme nous allons consid´erer les sorties du syst`emes, il apparaˆıt assez naturellement que les sorties de-
viennent des composantes de l’´etat. Comme dans [38] (Chapitre 5), une possibilit´e est d’utiliser le changement
de variables x →T
c
x o` u :
T
c
=
_
N
T
c
C
_
,
o` u les colonnes de N
c
R
n×(n−p)
sont dans le noyau de C. Cette transformation est non singuli`ere, et par rapport
`a la nouvelle variable, la nouvelle sortie est :
CT
−1
c
= [0 I
p
] .
Si les autres matrices d´efinissant le syst`eme s’´ecrivent :
T
c
AT
−1
c
=
_
A
11
A
12
A
21
A
22
_
et T
c
B =
_
B
1
B
2
_
,
alors le syst`eme (D.0.1) s’´ecrit :
˙ x
1
(t) = A
11
x
1
(t) +A
12
y(t) +B
1
u(t)
˙ y(t) = A
21
x
1
(t) +A
22
y(t) +B
2
u(t),
(D.0.2)
191
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
192 Chapitre D. Observateurs `a modes glissants et observateurs d’Utkin
o` u
T
c
x =
_
x
1
y
_
¡ n −p
¡ p
L’observateur propos´e par Utkin [145] est de la forme :
˙
ˆ x
1
(t) = A
11
ˆ x
1
(t) +A
12
ˆ y(t) +B
1
u(t) −Lν
˙
ˆ y(t) = A
21
ˆ x
1
(t) +A
22
ˆ y(t) +B
2
u(t) +ν,
(D.0.3)
o` u (ˆ x
1
, ˆ y) sont les estimation de l’´etat (x
1
, y), L ∈ R
(n−p)×p
est une matrice constante et les composantes du
vecteur discontinu sont d´efinies par :
ν
i
= Msgn(ˆ y
i
−y
i
),
o` u M ∈ R
+
. S’il les erreurs entre l’estimation et l’´etat r´eel sont d´efinies par e
1
= ˆ x
1
− x
1
et e
y
= ˆ y − y, alors
(D.0.1) et (D.0.3) conduisent aux ´equations diff´erentielles suivantes :
˙ e
1
(t) = A
11
e
1
(t) +A
12
e
y
(t) +Lν
˙ e
y
(t) = A
21
e
1
(t) +A
22
e
y
(t) −ν,
(D.0.4)
Sachant que la paire (A, C) est observable, la paire (A
11
, A
21
) est aussi observable. Ainsi L doit ˆetre choisie de
telle mani`ere que la matrice A
11
+LA
21
ait des valeurs propres dans C

. On d´efinissant le nouveau changement
de variables :
˜
T =
_
I
n−p
L
0 I
p
_
,
avec la variable ˜ e
1
= e
1
+Le
y
. Ainsi la dynamique de l’erreur est r´egie par les ´equations diff´erentielles :
˙
˜ e
1
(t) =
˜
A
11
˜ e
1
(t) +
˜
A
12
e
y
(t)
˙ e
y
(t) = A
21
˜ e
1
(t) +
˜
A
22
e
y
(t) −ν,
(D.0.5)
o` u
˜
A
11
= A
11
+LA
21
,
˜
A
12
= A
12
+LA
22

˜
A
11
L et
˜
A
22
= A
22
−A
21
L. Il s’en suit que dans le domaine :
Ω =
_
(e
1
, e
y
) : |A
21
e
1
| + 1/2λ
max
(
˜
A
22
+
˜
A
T
22
)|e
y
| < M −η
_
,
avec η < M des r´eels positifs, la condition suivante est r´ealis´ee :
e
T
y
e
y
< −η|e
y
|.
Ainsi le syst`eme entre en r´egime glissant sur la surface o
0
= ¦(e
1
, e
y
) : e
y
= 0¦. A partir d’un certain
temps fini t
s
, les variables e
y
et ˙ e
y
sont nulles. L’´equation (D.0.5) devient alors :
˙
˜e
1
(t) =
˜
A
11
e
1
(t),
qui avec un choix judicieux du gain L est un syst`eme stable et implique que ˜ e
1
→0 et par cons´equent ˆ x
1
→x
1
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Bibliographie
[1] A. Alif, M. Boutayeb, and M. Darouach, Observers based control for systems with unknown delays, IFAC
Workshop on Time Delay Systems, September 2003.
[2] J. Andren, M. Hilding, and D. Veitch, Understanding end-to-end internet traffic dynamics, IEEE GLO-
BECOM’98, November 1998, pp. 1118–1122.
[3] J. Anthonis, W. Franssens, A. Seuret, J.-P. Richard, and H. Ramon, Two control laws for a spray system
with time varying delay and dead band, IFAC World Congress (Praha, R´ep. Tch`eque), July 2005, p. reg.
paper 4365.
[4] J. Anthonis, A. Seuret, J.-P. Richard, and H. Ramon, Design of a pressure control system with dead band
and time delay, IEEE Trans. Control Syst. Technology to appear (2006).
[5] B. Armstrong-H´elouvry, P. Dupont, and C. Canudas de Wit, A survey of models, analysis tools and
compensation methods for the control of machines with friction, Automatica 30 (1994), no. 7, 1083–1138.
[6] K. Astrom and B. Wittenmark, Adaptative control, Prentice Hal publisher, 1989.
[7] J.M. Azorin, O. Reinoso, J.M. Sabater, R.P. Neco, and R. Aracil, Dynamic analysis for a teleopara-
tion system with time delay, Conference on Control Applications (Proceeding of 2003 Conference on
Control Applications, ed.), June 2003, pp. 1170–1175.
[8] B.A. Bamieh, J.B. Jr Pearson, B. Francis, and A. Tannenbaum, A lifting technique for linear periodic
systems, System and Control Letters 17 (1991), 79–88.
[9] A. Bartholomeus-Goubet, Sur la stabilit´e et la stabilisation des syst`emes retard´ees : Crit`eres d´ependant
des retards, Ph.D. thesis, Universit´e des Sciences et Technologies de Lille, 1996.
[10] R. Bellman and S.L. Cooke, Differential difference equations, Academic Press, New York, 1963.
[11] K.-E. Bouazza, M. Boutayeb, and M. Darouach, Observers based stabilization for non linear discrete-time
systems, European Control Conference (United Kingdom), September 2003.
[12] M. Boutayeb and M. Darouach, Reduced-order observer for discrete time systems with multiple delays,
IEEE Conference on Decision and Control (CDC) (United States of America, Las Vegas), December 2002.
[13] S. Boyd, L. ElGhaoui, and E. Feron, Linear matrix inequalities in system and control theory, SIAM, 1994.
[14] L. Bushnell, Networks and control, IEEE Trans. Control Systems Magazine 22 (2001), no. 1, 22–29.
[15] C.I. Byrnes, M.W. Spong, and T.J. Tarn, A several complex variables approach to feeback stabilization of
linear neutral delay-differential systems, Math. Systems Theory 17 (1984), 97–133.
[16] Y. Cao, Z. Lin, and T. Hu, Stability analysis of linear time-delay systems subject to input saturation, IEEE
Trans. on Circ. and Syst. I 49 (2002), 233–240.
193
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
194 BIBLIOGRAPHIE
[17] Y.A. C¸ engel and M.A. Boles, Thermodynamics, an engineering approach, fourth edition ed., McGraw-Hill,
1999.
[18] S. Cetinkunt, U. Pinsopon, C. Chen, A. Egelja, and S. Anwar, Positive flow control of closed-center
electrohydraulic implement-by-wire systems for mobile equipment applications, Mechatronics 14 (2004),
403–420.
[19] A. Chamroo, Contribution `a l’´etude des syst`emes `a fonctionnement par morceau : Application `a l’inden-
tification en ligne et `a la commande en temps r´eel, Ph.D. thesis, Universit´e des Sciences et Technologies
de Lille, 2008.
[20] A. Chamroo, A. Seuret, C. Vasseur, J.-P. Richard, and H.P. Wang, Observing and controlling plants using
their delayed and sampled outputs, CESA’06 IMACS-IEEE Multiconference on Computational Engineering
in Systems Apllication (Beijing, China), October, 2006.
[21] H.H. Choi and M.J. Chung, Observer-based H

controller design for state delayed linear systems, Auto-
matica 32 (1996), no. 7, 1073–075.
[22] M. Chu, L. Wang, and T. Chu, An LMI approach to network control systems with data packet dropout
and transmission delays, Mathematical Theory Networks and Systems, 2004.
[23] J.M. Gomez da Silva, E. Fridman, A. Seuret, and J.-P. Richard, Stabilization of neutral systems with
saturating inputs, IFAC World Congress (Praha, R´ep. Tch`eque), July 2005, p. reg. paper 4091.
[24] M. Dambrine, Contribution `a l’´etude de la stabilit´e des syst`emes `a retards, Ph.D. thesis, Univ. des Sciences
et Technologie de Lille, 1994.
[25] M. Dambrine, J.-P. Richard, and P. Borne, Feedback control of time-delay systems with bounded control
and state, J. Mathematical Problems in Engineering 1 (1995), no. 1, 77–87, Gordon and Breach.
[26] M. Darouach, Linear functional observers for systems with delays in the state variables, IEEE Trans.
Autom. Contr. 46 (2005), no. 3, 491–497.
[27] M. Darouach, P. Pierrot, and E. Richard, Design of reduced-order observers without internal delays, IEEE
Trans. Autom. Contr. 44 (1999), no. 9, 1711–1713.
[28] M. Darouach, M. Zasadzinski, and S.J. Xu, Full-order observers for linear systems with unknown inputs,
IEEE Trans. Autom. Contr. 39 (1994), no. 2, 606–609.
[29] C.E. de Souza, R.E. Palhares, and P.L.D. Peres, Robust H

filtering for uncertain linear systems with
multiple time-varying state : An LMI approach, Conference on Decision and Control (Proceeding of the
38th Conference on Decision and Control, eds.), December 1999, pp. 2023–2028.
[30] S. Drakunov, G.D. Hanchin, W.C. Su, and
¨
U.
¨
Ozg¨ uner, Nonlinear control of a rodless pneumatic servoac-
tuator, or sliding modes versus coulomb friction, IEEE 33 (1997), no. 7, 1401–1408.
[31] S.V. Drakunov, Sliding-mode observer based on equivalent control method, Conference on Decision and
Control (Proceeding of the 31th Conference on Decision and Control, eds.), December 1992.
[32] S.V. Drakunov and V.I. Utkin, Sliding mode observers. tutorial, Conference on Decision and Control
(Proceeding of the 34th Conference on Decision and Control, eds.), December 1995.
[33] B. Drazenovic, The invariance conditions in variable structure systems, Automatica 5 (1969), no. 3, 287–
295.
[34] D.R. Driver, Ordinary and delay differential equations, Springer-Verlag, New York, 1977.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
BIBLIOGRAPHIE 195
[35] L. Dugard and E.I. Verriest, Lecture notes in control and information sciences, Springer, 1997.
[36] G. Dullerud and K. Glover, Robust stabilization of sampled-data systems to structured LTI perturbations,
IEEE Transactions on Automatic Control 38 (1993), no. 10, 1497–1508.
[37] C. Edwards and S.K. Spurgeon, On the development of discontinuous observers, Int. J. of Contr. 59 (1994),
1211–1229.
[38] , Sliding mode control : Theory and applications, Taylor & Francis, 1998.
[39] A. Eusebi and C. Melchiorri, Force-reflecting telemanipulators with time-delay : Stability analysis and
control design, IEEE trans. on Robotics and Automation 14(4) (1998), 635–640.
[40] F.W. Fairmar, B. Kumar, and E. Richard, Design of reduced-order observers without internal delays, IEEE
Trans. Autom. Contr. 44 (1999), no. 9, 1711–1713.
[41] A. Fattouh and O. Sename, H

-based impedance control of teleoperation systems with time delay, 4th
Workshop on Time Delay Systems, September 2003.
[42] A. Fattouh, O. Sename, and J.-M. Dion, An unknown input observer design for linear time-delay systems,
38th IEEE Conference on Decision and Control, vol. 4, December 1999, pp. 4222–4227.
[43] , Robust observer design for linear uncertain time-delay systems : A factorization approach, MTNS
(Perpignan, France), 2000.
[44] M. Fleiss, H. Mounier, P. Rouchon, and J. Rudolph, Controlability and motion planning for linear delay
systems with application to flexible rod, Conference on Decision and Control (Proceeding of the 34th
Conference on Decision and Control, eds.), December 1995.
[45] T. Floquet, J.-P. Barbot, W. Perruquetti, and M. Djema¨ı, On the robust fault detection via a sliding mode
disturbance observer, International Journal of control 77 (2004), no. 7, 622–629.
[46] E. Fridman, Use of models with aftereffect in the problem of design of optimal digital control, Autom.
Remote Control 53 (1992), 1523–1528.
[47] , New Lyapunov-Krasovskii functionals for stability of linear retarded and neutral type systems,
System and Control Letters 43 (2001), 309–319.
[48] , Effects of small delays on stability of singularly perturbed systems, Automatica 38 (2002), 897–902.
[49] , Stability of linear functional differential equations : A new Lyapunov technique, Proceedings of
Mathematical Theory of Networks and Systems, September 2004.
[50] , Stability of systems with uncertain delays : a new ”complete” Lyapunov-Krasovskii functional,
IEEE Trans. on Automatic Control 51(5) (2006), 885 – 890.
[51] E. Fridman, F. Gouaisbault, M. Dambrine, and J.-P. Richard, Sliding mode control of systems with time-
varying delays via descriptor approach, proceedings of ECC’03 (Cambridge, England), 2003.
[52] E. Fridman, A. Pila, and U. Shaked, Regional stabilization and H

control of time-delay systems with
saturating actuators, Int. J. of Rob. and Nonlin. Contr. 13 (2003), 885–907.
[53] E. Fridman, A. Seuret, and J.-P. Richard, Robust sampled-data stabilization of linear systems : An input
delay approach, Automatica 40 (2004), no. 8, 1141–1446.
[54] E. Fridman and U. Shaked, Stability and guaranteed cost control of uncertain discrete delay systems,
International Journal of Control 45 (2000), no. 12, 2406–2411.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
196 BIBLIOGRAPHIE
[55] , A new H

filter design for linear time delay systems, IEEE Transactions on Signal and Processing
49 (2001), no. 11, 2839–2843.
[56] , A descriptor system approach to H

control of linear time-delay systems, IEEE Trans. on Au-
tomatic Control 47 (2002), no. 2, 253–270.
[57] , An improved stabilization method for linear time-delay systems, IEEE Transactions on Automatic
Control 47 (2002), no. 11, 1931–1937.
[58] , Parameter dependent stability and stabilization of uncertain time-delay systems, IEEE Transac-
tions on Automatic Control 48 (2003), no. 5, 861–866.
[59] , Parameter dependent stability and stabilization of uncertain time-delay systems, IEEE Trans. on
Automatic Control 48 (2003), no. 5, 861–866.
[60] E. Fridman, U. Shaked, and L. Xie, Robust H

filtering of linear systems with time-varying delay, IEEE
Transactions on Automatic Control 48 (2003), no. 1, 159–165.
[61] C.E. Garcia, B. Morales, R. Carelli, and J. Postigo, Stability analysis for a teleoperation system with
time delay and force feedback, Conference on Decision and Control (Proceeding of the 39
th
Conference on
Decision and Control, eds.), December 2000.
[62] S.S. Ge, T.H. Lee, and S.X. Ren, Adaptive friciton compensation of servo mechanisms, International
Journal of Systems Science 32 (2001), no. 4, 523–532.
[63] L. El Ghaoui and S.-I. Niculescu, Advances in linear matrix inequality methods in control, Advances in
Design and Control. SIAM, 2000.
[64] F. Gouaisbaut, M. Dambrine, and J.-P. Richard, Robust control of dealy systems : a sliding mode control
design via LMI, Systems and Control Letters 46 (2002), no. 4, 219–230.
[65] A. Goubet, M. Dambrine, and J.-P. Richard, Stability of perturbed systems with time-varying delays,
Systems and Control Letters 31 (1998), 1608.
[66] A. Goubet-Bartholom´e¨ us, M. Dambrine, and J.-P. Richard, An extension of stability criteria for linear and
nonlinear time-delay systems, IFAC System, Structure and Control 95 (Nantes, France), 1995, pp. 278–283.
[67] , Stability of perturbed systems with time-varying delay, Systems and Control Letters 31 (1997),
155–163.
[68] K. Gu, Discretized LMI set in the stability problem of linear uncertain time-delay systems, Int. J. of
Control 68 (1997), 923 – 934.
[69] K. Gu, V.-L. Kharitonov, and J. Chen, Stability of time-delay systems, Birkhauser, 2003.
[70] K. Gu and S.-I. Niculescu, Additional dynamics in transformed time-delay systems, Proc 38
th
IEEE
CDC’99 (Phoenix, United-States of America), vol. 4673 - 4677, 1999.
[71] , Additional dynamics in transformed time-delay systems, IEEE Trans. on Automatic Control 45
(2000), no. 3, 572–575.
[72] T.-M. Guerra, A. Kruszewski, L. Vermeiren, and H. Tirmant, Conditions of output stabilization for non-
linear models in the Takagi-Sugeno’s form, Fuzzy Sets & Systems 157 (2006), no. 9, 1248–1259.
[73] J. Hale and S. M.V. Lunel, Introduction to functional differential equations, Springer-Verlag, New York,
1993.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
BIBLIOGRAPHIE 197
[74] C. Hatipo˘glu and
¨
U.
¨
Ozg¨ uner, Handling stiction with variable structure control, Lecture Notes in Control
and Information Science 247, Variable Structure Systems, Sliding Mode and Nonlinear Control, Springer-
Verlag (1999), 143–166.
[75] M. Hou and P.C. M¨ uller, Design of observers for linear systems with unknown inputs, IEEE Trans. Autom.
Contr. 37 (1992), 871–875.
[76] L.-S. Hu, J. Huang, and H.-H. Cao, Robust digital model predicitive control for linear uncertain systems
with saturations, IEEE Trans. on Automatic Control 49 (2004), no. 5, 792–796.
[77] Y.-P. Huang and K. Zhou, On the robustness of uncertain time-delay systems with structured uncertainties,
Systems and Control Letters 41 (2000), 367–376.
[78] A. Ionita and V. Dragan, Stabilization of singularly perturbed linearly systems with delay and saturation
control, Proc. of the 7th Mediterranean Conference on Control and Automation (Haifa, Israel), 1999,
pp. 1855–1869.
[79] J.Hale, Theory of functional differential equations, Springer-Verlag, 1997.
[80] X. Jiang and Q.-L. Han, On H

control for linear systems with interval time-varying delay, Automatica
41 (2005), 2099–2106.
[81] H.K. Khalil, Nonlinear systems, Prentice Hall, Upper Saddle River, Second Edition, 1996.
[82] V.L. Kharitonov and S. Mondi´e, Exponential estimates for neutral time-delay systems : an LMI approach,
IEEE Transactions on Automatic Control 50 (2005), no. 5, 666–670.
[83] A. Kheddar and P. Coiffet, T´el´eop´eration et r´ealit´e virtuelle, Herm`es-Lavoisier, 2002.
[84] J.-H. Kim, Delay and its time-derivative dependent robust stability of time-delayed systems with uncer-
tainty, IEEE Transactions on Automatic Control 46 (2001), no. 5, 789–792.
[85] V.B. Kolmanovskii and A.D. Myshkis, Applied theory of functional differential equations, Kluwer, 1999.
[86] V.B. Kolmanovskii, S.-I. Niculescu, and J.-P. Richard, On the Lyapunov-Krasovskii functionals for stability
analysis of linear delay systems, Int. J. Control 72 (1999), 374–384.
[87] V.B. Kolmanovskii and V.R. Nosov, Stability of functional differential equations, London : Academy Press,
1986.
[88] V.B. Kolmanovskii and L.E. Sha
˘
ikhet, Control of systems with aftereffet, American Mathematical Society,
1996.
[89] A. Lelev´e, P. Fraisse, and P. Dauchez, Telerobotics over ip networks : Towards a low-level real-time archi-
tecture, Proceedings. IEEE/RSF International Conference, vol. 2, Novembre 2001, pp. 643 – 648.
[90] A. Lelev´e, P. Fraisse, P. Dauchez, and F. Pierrot, Stability analysis for a teleoperation system with time
delay and force feedback, Proceedings. IEEE/ASME International Conference, December 1999, pp. 299 –
304.
[91] X. Li and C.-E. de Souza, Robust stabilization and H

control of uncertain linear time-delay systems,
Proc 13
th
IFAC World Congress (San Francisco, United-States of America), vol. H, 1996.
[92] , Criteria for robust stability and stabilization of uncertain linear systems with state delay, Auto-
matica 33 (1997), 1657–1662.
[93] , Delay-dependent robust stability and stabilization of uncertain linear delay systems :a linear matrix
inequality approach, IEEE Transactions on Automatic Control 42 (1997), no. 8, 1144–1148.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
198 BIBLIOGRAPHIE
[94] Y.-F. Li, High precision motion control based on a discrete-time sliding mode approach, Ph.D. Thesis,
Available on http ://www.lib.kth.se/Sammanfattningar/li020129.pdf (1999).
[95] Y.-F. Li and J. Wikander, Discrete-time sliding mode control of a dc motor and ball-screw driven positio-
ning table, Proc. IFAC 15th Triennial World Congress, Barcelona Spain, 2002, pp. 2436–2441.
[96] Z. Lin and A. Saberi, Semi-global exponential stabilization of linear systems subject to input saturation
via linear feedback, Syst. & Contr. Lett. 21 (1993), 225–239.
[97] P.-L. Liu, Exponential stability for linear time-delay systems with delay dependance, J. Franklin Inst. 340
(2003), 481–488.
[98] , Robust exponential stabilization for uncertain systems with state and control delay, International
Journal of Systems Science 34 (October 2003), no. 12-13, 675–682.
[99] I. Lopez, J.L. Piovesan, C.T. Abdallah, D. Lee, O. M. Palafox, M. Spong, and R. Sandoval, Pratical issues
in networked control systems, ACC’06, June, 2006, pp. 4202 – 4207.
[100] D.G. Luenberger, An introduction to observers, IEEE Trans. on Automatic Control 16 (1971), 596 – 602.
[101] A.Z. Manitius and A.W. Olbrot, Finite specturm assignment problem for systems with delays, IEEE Trans.
on Automatic Control AC-24 (1979), no. 4.
[102] H.E. Merrit, Hydraulic control systems, John Wiley and Sons, 1967.
[103] Y.V. Mikheev, V.A. Sobolev, and E.M. Fridman, Asymptotic analysis of digital control systems, Autom.
Remote Control 49 (1988), no. 9, 1175–1180.
[104] S. Mondi´e and V.L. Kharitonov, Exponential estimates for retarded time-delay systems : an LMI approach,
IEEE Trans. on Automatic Control 50 (2005), no. 2, 268–273.
[105] Y.S. Moon, P. Park, W.H. Kwon, and Y.S. Lee, Delay-dependent robust stabilization of uncertain state
delayed systems, Int. J. of Contr. 74 (2001), 1447–1455.
[106] E. Moulay, M. Dambrine, W. Perruquetti, and N. Yeganefar, Une premi`ere approche de la stabilit´e et de
la stabilisation en temps fini des syst`emes `a retard, CIFA’06 (Bordeaux, France), 2006.
[107] H. Mounier and J.-P. Richard, Special Issue on Delays and Telecommunications, International Journal of
Systems Science 15 (2003), no. 1, 561–561.
[108] A.D. Myshkis, General theory of differential equations with delay, Transl AMS 55 (19551), 1–62.
[109] S.-I. Niculescu, Sur la stabilite et la stabilisation des systemes lineaires a etats retardes, Ph.D. thesis,
INPG, 1996.
[110] , H

memoryless control with an α-stability constraint for time-delay systems : An LMI approach,
IEEE Trans. on Automatic Control 43 (1998), no. 5, 739–743.
[111] , Delay effects on stability. a robust control approach, Springer-Verlag, 2001.
[112] S.-I. Niculescu, C.T. Abdallah, and P.F. Hokayem, Effects of channel dynamics on the stability of teleo-
paration, 4th Workshop on Time Delay Systems, September 2003.
[113] S.-I. Niculescu, C.-E. de Souza, L. Dugard, and J.-M. Dion, Robust exponential stability of uncertain
systems with time-varying delays, Proceedings of the 33rd IEEE CDC, 1994, p. 431.
[114] S.-I. Niculescu, J.-M. Dion, and L. Dugard, Robust stabilization for uncertain time-delay systems contai-
ning saturating actuators, IEEE Trans. on Automatic Control 41 (1996), no. 5, 742 – 747.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
BIBLIOGRAPHIE 199
[115] G. Niemeyer and J.-J. Slotine, Towards force-reflecting teleoparation over the internet, IEEE Int. Con. on
Robotics & Automation, 1998.
[116] P.A. Kawka N.J. Ploplys and A.G. Alleyne, Closed-loop control over wireless networks, IEEE Control
Systems Magazine 24 (2004), no. 3, 58–71.
[117] F. Ohkawa, S. Sagara, T. Yamashita, and M. Tomizuka, Digital adaptive control of servo system with
unknown nonlinear friction, IEEE 125 (2003), no. 1, 27–32.
[118] Y. Oishi, A bound of conservativness in sampled-data robust stabilization and its dependance on sampling
periods, Systems and Control Letters 32 (1997), no. 1, 11–19.
[119] H. Olsson, K.J.
˚
Astr¨om, C. Canudas de Wit, M. G¨afvert, and P.Lichinsky, Friction models and friction
compensation, European Journal of Control 4 (1998), 176–195.
[120] S. Oucheriah, Global stabilization of a class of linear continuous time delay systems with saturating
controls, IEEE Trans. on Circ. and Syst. I 43 (1996), no. 12, 1012–1015.
[121] , Exponential stabilization of a class of uncertain time-delay systems with bounded controllers,
IEEE Trans. on Automatic Control 47 (2000), no. 4, 606–609.
[122]
¨
U.
¨
Ozg¨ uner, S. Hong, and Y. Pan, Discrete-time sliding mode control of electronic throttle valve, Proc. of
the 40th IEEE Conference on Decision and Control (Orlando, Florida), 2001, pp. 1819–1824.
[123] Z.J. Palmor, Time-delay compensation - smith predictor and its modifications, The control handbook,
New York : CRC and IEEE Press (1996), 224–237.
[124] H. Qiu and Q. Zhang, F-pid control for agricultural vehicles with electrohydraulic steering systems, Journal
of Automobile Engineering 217 (2003), no. 5, 375–382.
[125] J.-P. Richard, Alg`ebre et analyse pour l’automatique, Herm`es - Lavoisier, 2001.
[126] , Outils math´ematiques pour les syst`emes dynamiques, Herm`es - Lavoisier, 2002.
[127] , Time delay systems : an overview of some recent advances and open problems, Automatica 39
(2003), 1667–1694.
[128] O. Sename, Unknown input robust observers for time-delay systems, Proceedings of the 36th IEEE Confe-
rence on Decision and Control, vol. 2, 1997, pp. 1629–1630.
[129] , New trends in design of observers for time-delay systems, Kybernetica 37 (2001), no. 4, 427–458.
[130] A. Seuret, M. Dambrine, and J.-P. Richard, Robust exponential stabilization for systems with time-varying
delays, 5th Workshop on Time Delay Systems, September 2004.
[131] A. Seuret, T. Floquet, and J.-P. Richard, Observateurs pour syst`emes `a retard variable et inconnu, CIFA
2006, Bordeaux, France, 2006.
[132] A. Seuret, E. Fridman, and J.-P. Richard, Sampled-data exponential stabilization of neutral systems with
input and state delays, IEEE MED 2005, 13
th
Mediterranean Conference on Control and Automation,
June 2005.
[133] , Robust sampled-data control - An input delay approach, In “Applications of Time-Delay Systems”,
Edt. J.-J. Loiseau, LNCIS, Springer, 2006.
[134] A. Seuret, F. Michaut, J.-P. Richard, and T. Divoux, Networked control using GPS synchronization,
American Control Conference, Mineapolis, US, June 2006.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
200 BIBLIOGRAPHIE
[135] A. Seuret, F. Michaut, J.-P. Richard, and F. Lepage, Prise en compte des retards de r´eseau dans la
conception de commande, In “Syst`emes comand´es en r´eseau”, J.-P. Richard et Th. Divoux, Herm`es Trait´es
IC2, Information, Commande, Communication, 2006.
[136] A. Seuret, M. Termens-Balester, A. Toguyeni, S. El Khatabi, and J.-P. Richard, Implementation of an
internet-controlled system under variable delays, ETFA’06, Pragues, Rep Tcheque, September, 2006.
[137] S.N. Shimanov, On stability in the critical case of a zero root for systems with time lag, J. Appl. Math.
Mech. 24 (1960), 653 – 668.
[138] S.C. Southward, C.J. Radcliffe, and C.R. MacCluer, Robust nonlinear stick-slip friction compensation,
Journal of Dynamic Systems, Measurement, and Control 113 (1991), 639–645.
[139] V. Suplin, E. Fridman, and U. Shaked, H

control of linear uncertain time-delay systems - a projection
approach, Proc. of the IEEE Conf. on Dec. and Control (Bahamas), 2004.
[140] T. Takagi and M. Sugeno, Fuzzy identification of systems and its applications to modelling and control,
IEEE Trans. on SMC 15 (1985), 1351–1357.
[141] C. P. Tan and C. Edwards, An LMI approach for designing sliding mode observers, International Journal
of Control 74 (2001), no. 16, 1559–1568.
[142] S. Tarbouriech and G. Garcia, Stabilization of neutral linear time-delay systems with saturating actuators,
Proc. of the 38th IEEE Conf. on Dec. and Contr., 1999, pp. 2011–2016.
[143] S. Tarbouriech and J.M. Gomes da Silva Jr., Synthesis of controllers for continuous-time delay systems
with saturating controls via LMIs, IEEE Trans. Autom. Contr. 45 (2000), no. 1, 105–111.
[144] S. Tarbouriech, J.M. Gomes da Silva Jr., and G. Garcia, Delay-dependent anti-windup strategy for linear
systems with saturating inputs and delayed outputs, Int. J. of Rob. and Nonlin. Contr. 14 (2004), 665–682.
[145] V.I. Utkin, Principles of identification using sliding regimes, Soviet Physics Doklady (1981), no. 26.
[146] , Sliding modes in control and optimization, Springer-Verlag, Berlin, Germany, 1992.
[147] J. Wang, H. Van Brussel, and J. Swevers, Robust perfect tracking control with discrete sliding mode
controller, Journal of Dynamic Systems, Measurement, and Control 125 (2003), no. 1, 27–32.
[148] R.-J. Wang and W.-J. Wang, α-stability analysis of perturbed systems with multiple noncommensurate
time delays, IEEE Trans. on Circuits and Systems I : Fundamental Theory and Applications 43 (1996),
no. 4, 349 – 352.
[149] X.-S. Wang, C.-Y. Su, and H. Hong, Robust adaptive control of a class of nonlinear systems with unknown
dead-zone, International Journal of Systems Science 40 (2004), 407–413.
[150] Z. Wang, B. Huang, and H. Unbehausen, Robust H

observer design for uncertain time-delay systems :(i)
the continuous case, IFAC 14th world congress, December 1999, pp. 231–236.
[151] K. Watanabe and K. Kojima E. Nobuyama, Recent advances in control of time-delay systems : A tutorial
review, Proceedings of the 35
th
IEEE CDC (Kobe, Japan), 1996, pp. 2083 – 2089.
[152] P. Wellstead and M. Readman, Engine speed control, Online, Available : http ://www.control-systems-
principles.co.uk/engine-speed-control.pdf (2003).
[153] E. Witrant, Stabilisation des syst`emes command´es par r´eseaux, Ph.D. thesis, INPG, 2005.
[154] S. Xu, J. Lam, and M. Zhong, New exponential estimates for time-delay systems, IEEE Transactions on
Automatic Control 51 (2006), no. 9, 1501–1505.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
BIBLIOGRAPHIE 201
[155] S. Xu, P. Shi, C. Feng, Y. Guo, and Y. Zou, Robust observers for a class of uncertain nonlinear stochastic
systems with state delay, Nonlinear Dynamics and Systems Theory 4 (2004), no. 3.
[156] Y. Yamamoto, New approach to sampled-data control systems - a function space method, Conference on
Decision and Control (Proceeding of the 29th Conference on Decision and Control, eds.), December 1990.
[157] N. Yeganefar, Contribution `a la stabilit´e des syst`emes `a retards, Ph.D. thesis,
´
Ecole Centrale de Lille,
2006.
[158] D.K. Young, V.I. Utkin, and
¨
U.
¨
Ozg¨ uner, A control engineers guide to sliding mode control, IEEE Tran-
sactions on Control Systems Technology 7 (1999), no. 3, 482–485.
[159] K.D. Young, A tale of two discontinuities, Londen ltd. ed., Lecture Notes in Control and Information
Science 247, Variable Structure Systems, Sliding Mode and Nonlinear Control, Springer-Verlag, 351-361
1999.
[160] J. Zhang, C.R. Knospe, and P. Tsiotras, Torward less conservative stability analysis of time delay systems,
Proc 38
th
IEEE CDC’99 (Phoenix, United-States of America), vol. 2017 - 2022, 1999.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7

tel-00132099, version 1 - 20 Feb 2007
2

Table des mati`res e
Remerciements Notations Introduction g´n´rale e e 1 Stabilit´ des syst`mes ` retards e e a 1.1 1.2 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.1 1.2.2 1.2.3 1.2.4 1.2.5 1.3 1.3.1 1.3.2 1.3.3 1.3.4 1.3.5 1.3.6 1.3.7 1.4 1 3 5 9 9

tel-00132099, version 1 - 20 Feb 2007

Mod´lisation des syst`mes ` retards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 e e a Les syst`mes de type retard´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 e e Syst`mes de type neutre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 e Mod`les lin´aires invariants ` retards discrets . . . . . . . . . . . . . . . . . . . . . . . . . 13 e e a Mod`les non lin´aires, non stationnaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 e e Mod`les de retards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 e Seconde m´thode de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 e Approche par fonctions de Razumikhin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 Approche par fonctionnelles de Krasovskii . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 Extensions des th´or`mes de Lyapunov e e . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Deux transformations sur le mod`le . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 e Stabilit´ asymptotique des syst`mes ` retards major´s . . . . . . . . . . . . . . . . . . . . 20 e e a e Stabilit´ asymptotique des syst`mes ` retards born´s . . . . . . . . . . . . . . . . . . . . . 21 e e a e

Stabilit´ des syst`mes ` retards par la seconde m´thode de Lyapunov . . . . . . . . . . . . . . . . 16 e e a e

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 25

2 Stabilit´ exponentielle des syst`mes lin´aires e e e 2.1 2.2 2.3

Pr´liminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 e Cas des retards constants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 Cas des retards variables major´s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 e 2.3.1 2.3.2 2.3.3 2.3.4 2.3.5 Stabilit´ exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 e Exemple de comparaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 Application au cas des retards multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 Application ` la stabilisation exponentielle a . . . . . . . . . . . . . . . . . . . . . . . . . . 38 Stabilisation ` coˆt quadratique garanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 a u 3

4 2.3.6 2.4 2.4.1 2.4.2 2.4.3 2.5 2.5.1 2.5.2 2.6

` TABLE DES MATIERES Optimisation de l’ensemble des conditions initiales admissibles . . . . . . . . . . . . . . . 45 Etude de la stabilit´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 e Stabilisation des syst`mes lin´aires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 e e Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 Stabilit´ exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 e Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

Cas des retards variables born´s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 e

Cas particulier des syst`mes neutres ` retard constant . . . . . . . . . . . . . . . . . . . . . . . . 53 e a

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 57

3 Stabilit´ des syst`mes non lin´aires ` retards e e e a 3.1 3.2

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 Syst`mes affines en l’entr´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 e e 3.2.1 Notations et formulation du probl`me . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 e Transformations du syst`me initial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 e Exemple du pendule et du chariot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 Pr´sentation du probl`me . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 e e Stabilit´ exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 e Stabilisation exponentielle de syst`mes polytopiques . . . . . . . . . . . . . . . . . . . . . 65 e Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 Pr´sentation du probl`me . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 e e Stabilit´ exponentielle de syst`mes soumis ` des incertitudes . . . . . . . . . . . . . . . . 68 e e a Application ` la stabilisation exponentielle a . . . . . . . . . . . . . . . . . . . . . . . . . . 74 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 3.2.2 3.2.3

tel-00132099, version 1 - 20 Feb 2007

3.3

Approches par mod`les polytopiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 e 3.3.1 3.3.2 3.3.3 3.3.4 3.3.5

3.4

Stabilisation exponentielle robuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 3.4.1 3.4.2 3.4.3 3.4.4 3.4.5

3.5 3.6

Introduction ` la commande satur´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 a e Approche polytopique pour l’´tude des syst`mes ` entr´e satur´e et retard´e . . . . . . . . . . . . 81 e e a e e e 3.6.1 3.6.2 3.6.3 3.6.4 3.6.5 Syst`mes ` entr´e satur´e et retard´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 e a e e e R´sultats pr´liminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 e e Stabilisation Locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 Position du Probl`me . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 e Conditions de stabilit´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 e Etude du cas retard´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 e Optimisation des r´sultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 e Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

3.7

Syst`mes ` entr´e satur´e et ` ´tat retard´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 e a e e ae e 3.7.1 3.7.2 3.7.3 3.7.4 3.7.5 3.7.6

. . . . . . . . . . . . . . . . . .4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 Stabilisation des syst`mes ` entr´e satur´e et ´chantillonn´e .5 Stabilit´ d’un syst`me ` entr´e ´chantillonn´e . . . .2. . . . 125 Observateur α−stable . . . . . . . . . . . . . . . . . . . . . . . . . . .1 6. . . . . . . . . . . . . . . . . . . . . . . . 101 4. . . . . 97 Une approche fr´quentielle . . . . . . . . . . . . . . . . . .2. . . . . . . .2 5. . . . . . . . . . . . . . . . . .3. . . 114 e e Retard connu sur l’´tat et la sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 4. . . . . . . . . . .1 5. . . . . . . . . . . . . . . . . . . . .5 6. . . 153 e . . . . . . . . . . . . . . . . . .3 Observation de syst`mes ` retards inconnus . . .2. .2. . . . 127 a Exemple 1 . . . . .3 4. . . . . . . 98 e e Cas du double int´grateur . . . . . . . . . . . . . . . . . . . . . . . . . . .1 6. . . . . . . . . . . . . . . . . . .5 Exemples . . . . . . . . . . . . . . 102 e e a e e e Etude de la robustesse . . . . . . . . . . . . . . . . . . . . . . . . . .2. .2 4. . . .2. . . . . . . . . . . . . . . . . . 95 97 4 Syst`mes ` entr´e ´chantillonn´e e a e e e 4. . . . . 115 Observateurs ` modes glissants . . . . . . 141 e Application au cas d’un robot mobile . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . 121 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 6. . . . . . . . . . . . . . 108 e a e e e e tel-00132099. . . . . . . . . . . . 130 5. . . . . . . . . . . . . 100 e Une premi`re approche par retard variable e . . . . . . .1 5. . . . 137 a ee e Introduction . . . . . . . . . . . . . . . . . . . . . . . .1 4. . .5. . . . . . . . . . . 137 Conception de la commande du syst`me . . . .4 4. . . . . . . . . .1 5. . . 115 Introduction . . . . . . . . . . . .2 5. . . . . 132 135 . . . . .3. . . . . . . .20 Feb 2007 4. . . . . . . . . . . . . . . . . . . . . . 129 Exemple 2 . . . . . . . . . . . . . . . . . . . . . 149 Conception informatique . . . . 135 6 Applications 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 4.2 5. . . . . . . . . . . . . . . . .2 6. 114 e Conclusion . . . . . . .2 5. . . . . . . . . . . . . . . . . . . .3 6. . . . . . . . . 116 a Retour de sortie sur la partie non-mesurable . . . . . . . . .3 Condition n´cessaire et suffisante de stabilit´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 5. . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 4. . . . . . . .3. . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. .2. .3. . . . . . . . . . . . . . . . . . . . . . .4. . . . . . . . 150 Conclusion . . . . . . . . . . . . . . . . . . . . . . . .` TABLE DES MATIERES 3. . . . 115 e a 5. . . . . . . . . . .2.3 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 5. . . . . . .2 Introduction . . . . . . . . . . . . . . . .2 4. . . . . . . . . . . . . . . . . . . . . . . . . 104 Stabilit´ d’un syst`me neutre ` entr´e ´chantillonn´e retard´e . .5. . . . . . . . . . . . . . . . 153 Commande d’un chariot utilisant un capteur cam´ra . . . .3. . . . . . . . . . . . . . . . . . . . . . . 98 e 4. 129 5. . .3 Pr´sentation du probl`me . . . . . . . . . . . . . . .8 5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 e e a e e e e Stabilisation exponentielle . .2 Etude de la barre de torsion 6. . . .4 α−stabilit´ des observateurs ` modes glissants e a 5. . . . . 114 e a 5. . . . . . . . . .3 Une approche par retard variable . . . . . . . 125 Observateur ` retour de sorties . . . . . . . .3 Application ` la t´l´-op´ration . . . . . . . . . . . . . . . .2 Introduction . . . . . . . . . . . 111 113 5 Observation des syst`mes ` retards e a 5. . . . . . . . . . . . . . . . . . . . . . . . 113 Observation de syst`mes ` retards connus . . . . . . . . . . . . . . . . . . . . . . version 1 . . . . . . . . . . .

. . . . . . .2 6. . . . . 154 e Utilisation d’un observateur pr´dicteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 B. 162 Commande retard´e d’un pendule inverse . . . . . . . . . . . 160 e e e Etude de la stabilisation du pendule inverse . . . . . . . .1 6.3. . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . 156 Conclusion . . . .7 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 B. . . . .3. . . . . . .6 6. . . . . . . . . . . . . . . . . . 154 e e a Syst`me de vision artificielle . .3. . . . . .5 6. . . . . . . . . . . . . . . . .3 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . version 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 B. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 6. . . .6 Implementation . . . . . . . . . . . . . . . . . 166 e e B Commande d’un pulv´risateur [3] e 167 B. . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 e Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168 B.1 Introduction . . . . . . . . . . . . . . .4. . . . . . 162 e Conclusion . . . . . . . . . . . . . . . . . . . . . . . . 168 B. . .1 D´finitions et notations . . . .4 Control law . . . . . . . . . . .6 6. 165 e A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 6. . . . . . . . . . . . . . . . . 178 C Contrˆle d’un moteur par capteur visuel [20] o D Observateurs ` modes glissants et observateurs d’Utkin a Bibliographie 179 191 193 .2 Description of the system . 155 e Validation exp´rimentale e . . . . . . . . .20 Feb 2007 Conclusion A In´galit´s matricielles lin´aires e e e A. .4 6. . . . .2 6. . . . . . . . . . . . . . . . . . . . . 158 Position du probl`me . 153 e e Mod`le du syst`me ` commander . . . . . .5 Stability analysis . . . . . . . . . . . . . . . . 170 B. . . . . . .3. . . . . . .3. . . . . .4. . . . . . . 165 e A. . . . . . . 162 164 165 tel-00132099. . . . . . . . . . . . . . . . . . . . . . . .3 Les th´or`mes classiques .4 6. . . . . . . . . . . . . . . . . . 161 R´sultats . . . . . . . . . . .2 Programmation semi-d´finie . . . . . . . . . . .4. . . . . . . . . . . . . . .1 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Modelling of the system . 159 e Mod´lisation sous forme syst`mes de param`tres incertains . . . . . . .3. . . . . . . . . . . . . . . . . . .5 ` TABLE DES MATIERES D´placement motoris´ d’un chariot . . .3 6. . . . . . . . . . .

et bien sˆr ma m`re qui m’a ´norm´ment u e e e soutenu. Un u e grand merci ` Romain. pour tous les conseils et avis qu’il m’a donn´s e a e lors de nos nombreuses discussions. Charg´ de e a e Recherche au CNRS et au LAGIS pour la pertinence de ses remarques et ses conseils et ` Jan Anthonis. C’est avec sympathie que je souhaite t´moigner ma reconnaissance ` Monsieur Thierry Floquet. Seine-et-Marnais et tous les autres a pour leur soutien. e Je tiens aussi ` assurer de ma reconnaissance Monsieur Jean-Fran¸ois Lafay. Gilles. Brigitte. pour e a a avoir accept´ d’examiner mon travail. Directeur de Recherche CNRS au Laboratoire e e d’Automatique de Grenoble et Monsieur Silviu-Iulian Niculescu. de leur disponibilit´. Micha¨l. e Je suis aussi tr`s reconnaissant ` Monsieur Wilfrid Perruquetti. Je voulais aussi remercier le petit Eliott et la petite Camille pour leurs nombreux et chaleureux sourires. Mohammed. Professeur ` l’Ecole Centrale de Lille. version 1 . Professeur ` l’IRCYN. a c e Je souhaite aussi dire un grand merci ` tous mes amis Lillois. Parisiens. Je suis tr`s honor´ que Monsieur Carlos Canudas de Witt. Les judicieux conseils e e e tel-00132099. 1 . Je pense particuli`rement ` Philippe Vanheeghe. de leur enthousiasme envers mon travail. Je terminerai cet avant-propos en remerciant chaleureusement ma famille. e Bien sˆr je souhaite aussi remercier les doctorants qui sont devenus plus que des coll`gues de travail. qui a a c a accept´ de juger mon travail. St´phane et Agn`s pour leur e e implication dans mes choix tant au niveau professionnel que personnel. Emmanuel et tous les autres. Docteur a a ` l’Universit´ de Leuven en Belgique.Remerciements Le travail que nous pr´sentons dans ce m´moire a ´t´ effectu´ au LAGIS sous la direction de Monsieur e e ee e Jean-Pierre Richard. Bernard. Je tiens aussi ` le remercier. pour les nombreuses discussions et collaborations que nous avons eu tout e au long de mon doctorat. Afzal. R´gine et Patrick.20 Feb 2007 qu’ils m’ont prodigu´s tout au long de ces trois ann´es de th`se m’ont permis de progresser dans mes ´tudes et e e e e d’achever ce travail dans les meilleures conditions. Nima. J’aimerai exprimer aussi toute ma gratitude envers tous les membres du LAGIS pour leur sympathie. Directeur de Recherche CNRS ` l’Heudiasyc a aient accept´ de rapporter mon travail. Professeur ` l’Ecole e e e e a a Centrale de Lille et Directeur du LAGIS. mais aussi Hilaire. Professeur ` l’Ecole Centrale de Lille et de Monsieur Michel Dambrine. Je tiens ` remercier tr`s vivement Monsieur Jean-Pierre Richard et Monsieur Michel Dambrine de m’avoir a e accept´ dans leur ´quipe. Fran¸ois. Ils ont rendu tr`s agr´ables ces trois ann´es. Professeur au a LAMIH. Jacques.

tel-00132099.20 Feb 2007 2 Remerciements . version 1 .

b[ : intervalle ouvert de R d’extr´mit´s a et b – [a. C : norme sur C d´finie par ∀φ ∈ C : φ e C = supθ∈[−τ. version 1 . r} : ensemble des r premiers nombres entiers positifs – C = C([−τ. 0]} e – |. Rn ) ou C 1 (Rn ) : ensemble des fonctions continˆment diff´rentiables de [−τ. ∀θ ∈ [−τ. 0] e – C 1 = C 1 ([−τ.20 Feb 2007 – C : ensemble des nombres complexes e – R+ : ensemble des nombres r´els ou nuls – Rn : espace vectoriel de dimension n construit sur le corps des r´els. : une norme sur Rn – .Notations Notations relatives aux ensembles : – R : ensemble des nombres r´els e tel-00132099. Rn ) ensemble des fonctions continues de [−τ. e – [a. 0]. 0] dans Rn – xt ∈ C est d´finie par xt (θ) = x(t − θ). 0]. . 0] dans Rn u e – D : sous-ensemble de Rn – C(D) : sous-ensemble de C d´fini par C(D) = {φ ∈ C : φ(θ) ∈ D.0] { φ(θ )} – t ∈ R+ : variable temporelle 3 . ∀θ ∈ [−τ... b] : intervalle ferm´ de R d’extr´mit´s a et b e e e e e – ]a.| : valeur absolue d’un nombre r´el ou module d’un nombre complexe e – . b[ : intervalle semi-ferm´ de R d’extr´mit´s a et b e e e – Nr = {1..

A > B) : signifie que A − B est une matrice d´finie n´gative ( resp. u e – λmin (A). o` A est une matrice carr´e est la plus petite de valeur absolue de la partie r´elle des valeurs u e e propres de A. d´finie positive) e e e – A : norme Euclidienne de la matrice A – In : matrice identit´ de Rn×n e – A e o` A est une matrice carr´e est le plus grand module des valeurs propres de la matrice A. version 1 . .. o` A est une matrice sym´trique. . est la plus petite valeur propre de A.. u e – λmin (A). xn ] ∈ Rn : vecteur d’´tat instantan´ – x(t) = ˙ dx dt Notations : d´riv´e temporelle de l’´tat x e e e ` – x(i) : ieme d´riv´e de x par rapport au temps e e Notations relatives aux vecteurs : – xT : transpos´ du vecteur x e – x : norme Euclidienne de x Notations relatives aux matrices ` ` – [aij ] : matrice dont le coefficient de la ieme ligne et j eme colonne est aij tel-00132099..20 Feb 2007 – AT : transpos´ de la matrice A e – x : norme Euclidienne de x – A < B (resp.4 e e – x = [x1 .

Introduction g´n´rale e e
Ce travail de doctorat a ´t´ pr´par´ au sein de l’´quipe SyNeR ee e e e
1

(Syst`mes Non lin´aires et ` Retards) du e e a

Laboratoire d’Automatique, G´nie Informatique et Signal (LAGIS, UMR CNRS 8146). Mon travail de recherche e s’inscrit dans le cadre du projet ROBOCOOP2 , soutenu par le Conseil R´gional Nord-Pas de Calais et l’Union e Europ´enne. Ce projet concerne le d´veloppement de robots autonomes et collaboratifs. Un robot autonome est e e un syst`me automoteur, disposant ` la fois de moyens de traitement de l’information permettant une capacit´ e a e

tel-00132099, version 1 - 20 Feb 2007

d´cisionnelle suffisante et de moyens mat´riels adapt´s, de fa¸on ` pouvoir ex´cuter, sous contrˆle humain r´duit, e e e c a e o e un certain nombre de tˆches pr´cises, dans un environnement variable non compl`tement connu ` l’avance. Ces a e e a robots autonomes devront r´aliser une action commune. Cette collaboration suppose un partage de tˆches et e a d’informations, ce qui implique la pr´sence d’un r´seau de communication. Les objectifs principaux du projet e e ROBOCOOP sont de proposer et de mettre en œuvre des outils pour la mod´lisation, l’analyse et la synth`se e e de lois de commande sp´cifiques ` la coop´ration de robots distants. e a e Dans ce m´moire, l’accent va ˆtre port´ sur l’analyse des probl`mes apparaissant dans les communications e e e e entre les diff´rents agents coop´rants et le d´veloppement de solutions d´di´es. La principale difficult´ rencontr´e e e e e e e e pour ce type de probl`mes est l’existence de retards induits par la transmission des informations. En outre — e difficult´ suppl´mentaire,— pour diff´rentes raisons comme la variation de la distance s´parant les robots moe e e e biles, les valeurs de ces retards sont fonction du temps. Mon travail de recherche est consacr´ au d´veloppement e e d’outils d’analyse et de synth`se de lois de commande qui s’appliquent aux syst`mes ` retards variables de lois e e a connues ou non. Consid´rons l’exemple d’une flotte de N robots coop´rants. Pour repr´senter son ´volution, on peut suivre e e e e l’hypoth`se classique dans la mod´lisation math´matique qui suppose que le comportement futur peut ˆtre e e e e caract´ris´ uniquement ` l’instant pr´sent (not´ t) par un vecteur x(t) appartenant ` un espace vectoriel de e e a e e a dimension finie Rn . On appelle alors x(t) le vecteur d’´tat de l’ensemble des robots se d´pla¸ant dans un e e c espace donn´. Ce vecteur x(t) rend compte de l’´tat de chacun des N robots pris individuellement, c’est-`-dire e e a
` x(t) = [x1 (t), ..., xi (t), .., xN (t)]. La composante xi (t) du ieme robot contient notamment sa position et sa vitesse.

L’´volution de l’´tat de chacune des entit´s est alors d´crite par le syst`me d’´quations : e e e e e e ∀i = 1, .., N, xi (t) = f (x1 (t), ..., xi (t), .., xN (t)). ˙ (I)

Pour de nombreux syst`mes, l’hypoth`se d’un mod`le ` ´tat de dimension finie (I) n’est plus valable. Dans e e e ae l’exemple pr´c´dent, les retards induits par le r´seau de communication impliquent que cette repr´sentation est e e e e
1 Le 2 Le

site de l’´quipe SyNeR est disponible sur http ://syner.free.fr/ e site du projet ROBOCOOP est disponible sur http ://syner.ec-lille.fr/robocoop/

5

6

Introduction g´n´rale e e

peu r´aliste. En effet, les informations provenant des autres robots ne parviennent qu’un certain laps de temps e apr`s leur ´mission. Cette situation conduit alors ` modifier le syst`me (I) en un syst`me plus complexe : e e a e e ∀i = 1, .., N, xi (t) = f (x1 (t − τ1 ), ..., xi−1 (t − τi−1 ), xi (t), xi+1 (t − τi+1 ), .., xN (t − τN )). ˙ (II)

Les retards de transmission τi d´pendent souvent du temps t et sont fr´quemment la cause d’une d´gradation e e e de performances. Plus g´n´ralement, les syst`mes ` retards (ou “h´r´ditaires”) sont des syst`mes dont la dynamique ne e e e a ee e d´pend plus uniquement de la valeur du vecteur x exprim´e ` l’instant pr´sent t, mais aussi des valeurs pass´es e e a e e de x(t) prises sur un certain horizon temporel. Les ´quations diff´rentielles “d´crivant” l’´volution du syst`me e e e e e d´pendent de xi (t − τi ), avec τi ≥ 0. Dans ce cas, l’´tat ` l’instant t est “d´crit” par une fonction, not´e xt , e e a e e d´finie sur l’intervalle [−τ, 0]. Cette fonction xt repr´sente ainsi un ´tat distribu´ et non plus localis´ dans le e e e e e temps. On retrouve de tels exemples de syst`mes dans une multitude de domaines (chimie, biologie, transport, e communication, m´canique, m´canique des fluides,...). Remarquons que les syst`mes “` ´tats de dimension finie” e e e ae ne sont finalement en pratique que des mod`les simplifi´s de syst`mes ` ´tat fonctionnel. e e e ae L’analyse de la stabilit´ des syst`mes ` retards peut ˆtre men´e ` l’aide de techniques issues de la seconde e e a e e a m´thode de Lyapunov. Dans la litt´rature, on trouve de nombreux r´sultats concernant des retards constants e e e ou variables, simples ou multiples. La pertinence des conditions obtenues d´pend du type de syst`mes consid´r´, e e ee du domaine d’application, mais aussi de leur conservatisme. Bien que focalis´ sur l’aspect retard, l’objectif de e ce m´moire est multiple. Il s’agit principalement de : e e e – d´terminer des lois de commande stabilisante garantissant certaines caract´ristiques (bornes de retards admissibles, performances en stabilit´/stabilisation, robustesse) ; e – d´duire ´galement des techniques de reconstruction d’´tat (avec le mˆme type de caract´ristiques) ; e e e e e e e ee – trouver des situations concr`tes dans lesquelles ces m´thodes montrent leur int´rˆt ; a e e e a e e – contribuer ` la r´duction du conservatisme des th´or`mes et ` les utiliser pour r´soudre des probl`mes exp´rimentaux. e Le premier chapitre de ce m´moire est consacr´ ` la pr´sentation de bases th´oriques sur les syst`mes ` e e a e e e a retards. On y pr´sentera les principaux outils pour l’´tude de la stabilit´ ou de la stabilisation asymptotique e e e bas´s sur les extensions aux syst`mes ` retards de la th´orie des fonctions de Lyapunov. e e a e Le deuxi`me chapitre traite du probl`me th´orique de la stabilit´ et de la stabilisation exponentielles des e e e e syst`mes lin´aires ` retards. Nous pr´senterons diverses m´thodes qui assurent non seulement la convergence e e a e e mais aussi une certaine rapidit´ de convergence. e Le troisi`me chapitre porte sur l’extension des r´sultats propos´s au chapitre pr´c´dent ` deux classes de e e e e e a syst`mes non lin´aires ` retards. En particulier, on consid´rera les deux probl`mes pratiques de l’incertitude e e a e e provenant de l’identification de param`tres et la saturation de commande. e Dans le quatri`me chapitre, on proc`de ` l’´tude des syst`mes continus ` commande ´chantillonn´e. Une e e a e e a e e approche par retard variable est propos´e qui permet d’utiliser les approches classiques des syst`mes ` ree e a tards au cas des syst`mes ´chantillonn´s. L’objectif pratique de ce chapitre est d’´tudier qualitativement et e e e e quantitativement l’effet de la p´riode d’´chantillonnage sur le comportement asymptotique des solutions. e e

tel-00132099, version 1 - 20 Feb 2007

Introduction g´n´rale e e

7

Le cinqui`me chapitre concerne l’observation des syst`mes ` retards. Nous pr´sentons des r´sultats concere e a e e nant le cas, fr´quent dans la litt´rature, de retards connus mais aussi le cas, plus d´licat, des retards inconnus. e e e Le dernier chapitre pr´sente quelques probl`mes exp´rimentaux pour lesquels les r´sultats th´oriques pr´sent´s e e e e e e e tout au long de ce m´moire trouvent finalement leur justification. En effet les retards ou les ´chantillonnages e e apparaissent fr´quemment sur des plates-formes exp´rimentales. Nous nous pencherons particuli`rement sur le e e e probl`me de la commande d’un robot ` distance et ` travers un r´seau internet , celui de la commande d’un e a a e pendule 2D dont les informations de sortie proviennent d’un capteur visuel induisant un retard et un ph´nom`ne e e d’´chantillonnage et ` la synth`se d’une loi de commande qui stabilise un pendule invers´e malgr´ la pr´sence e a e e e e d’un retard variable en entr´e. e

tel-00132099, version 1 - 20 Feb 2007

tel-00132099, version 1 - 20 Feb 2007
8 Introduction g´n´rale e e

o 9 . on constate que la plupart des commandes actuellement implant´es le sont sur des e e calculateurs num´riques. nous le verrons. 1. des temps de transmissions des informations (2) ou des temps de calculs (3).20 Feb 2007 Introduction Les ph´nom`nes de retard apparaissent naturellement dans la mod´lisation de nombreux processus physiques.1 tel-00132099.1 – Illustration de la provenance des retards dans une boucle de contrˆle. Par cons´quent. La Figure 1. mˆme si un processus ` r´guler ne contient pas de retard intrins`que. mais aussi d’une partie de leur “histoire”. l’´cologie. On retrouve ici la probl´matique classique e e de la “dynamique des actionneurs”.Chapitre 1 Stabilit´ des syst`mes ` retards e e a 1. mais avec une complexit´ suppl´mentaire provenant. e e e a e e bien souvent des retards apparaissent dans la boucle de commande par l’interm´diaire des temps de r´action des e e capteurs ou des actionneurs (1). version 1 . les sciences de l’ing´nieur ou les t´l´communications sont des domaines o` interviennent e e ee u des ´quations diff´rentielles dont l’´volution d´pend non seulement de la valeur de leurs variables ` l’instant e e e e a pr´sent t. e e ee Actionneur Processus Capteur Commande (1) (2) (3) (2) (1) Retard Fig. c’est-`-dire des valeurs ` un instant t < t. En sciences de l’ing´nieur.1 permet de localiser les lieux o` apparaissent ces retards. de la e e nature des ´quations des syst`mes h´r´ditaires. e e e La biologie. Ces retards peuvent quelquefois ˆtre n´glig´s. u e e e mais lorsque leur taille devient significative au regard des performances temporelles du syst`me (dynamiques e en boucles ouverte et ferm´e) il n’est plus possible de les ignorer. Ces ´quations e a a e diff´rentielles sont ainsi dites “h´r´ditaires” ou “` arguments (ici temporels) diff´r´s” ou plus simplement ”` e ee a ee a retard”.

Exemple d’un syst`me command´ ` travers un r´seau de communication e ea e Dans un autre registre. les commandes implant´es ne peuvent ˆtre vues comme des fonctions continues du temps du fait e e que le calculateur travaille avec une fr´quence limit´e. e e e e e Il est ´vident que l’utilisation de la sortie z peut poser des probl`mes dans le calcul de la commande. On e e en d´duit la n´cessit´ de l’analyse de ces syst`mes et de trouver des solutions garantissant un meilleur contrˆle. l’ordonnancement des a e e e tˆches peut aussi cr´er des variations de cadence non n´gligeables. Le temps d’´chantillonnage correspond ainsi au temps e e e n´cessaire aux calculateurs et aux convertisseurs analogique-num´rique pour passer d’une valeur ` la suivante. La Figure 1. Dans ce cas. une garantie des performances est a e e souhaitable. d’admettre des utilisateurs d´localis´s (enseignement.2 est un exemple de plateforme exp´rimentale disponible au LAGIS [19]. Bien-sur.10 Chapitre 1.. le e e . Ici encore. e e Chapitre 1). qui ne peut pas ˆtre fond´e dans le cas e e e e e e d’un processus ` dynamiques rapides command´ par un syst`me temps r´el. e e a L’impact des p´riodes d’´chantillonnage sur les performances d’un processus doit ´galement ˆtre ´valu´. le contrˆle ` distance est un moyen de r´aliser sans danger des tˆches en envio a e a ronnement hostile (d´minage. De plus e e e e e e la p´riodicit´ de l’´chantillonnage n’est qu’une premi`re approximation. Dans une premi`re phase. d´pollution par exemple). les informations e e e e ´chantillonn´es issues du capteur cam´ra doivent ˆtre interpr´t´es et modifi´es en vue de d´livrer des donn´es e e e e ee e e e utilisables par le contrˆleur.. version 1 . Stabilit´ des syst`mes ` retards e e a Par ailleurs. e e e e o Nous reviendrons sur cet exemple dans le Chapitre 6 o` une solution a ´t´ d´velopp´ en collaboration avec A. La Figure 1. La Figure 1. Sur le point haut de la barre e e du pendule sont dispos´s des ´metteurs reconnus par la cam´ra. Exemple d’un processus command´ par retour visuel e Consid´rons un premier exemple de syst`me o` le retard apparaˆ dans la boucle de commande.) ou encore de faire collaborer plusieurs applications d’un syst`me informatique distribu´. 1. e e e e chirurgie. u ee e e Chamroo [20].2 – Syst`me ` retour visuel e a Il s’agit d’un pendule invers´ dont le point bas se d´place sur le plan horizontal. Cette op´ration n´cessite des temps de calcul non n´gligeables qui introduisent des o e e e retards dans la boucle de commande.3a pr´sente une mod´lisation de cette partie.20 Feb 2007 PC Caméra Moteurs électriques Fig. Le d´velope e u ıt e pement des technologies dans le domaine de l’imagerie a motiv´ l’utilisation de cam´ras comme capteurs ([83].3b e e montre la diff´rence entre la sortie r´elle mais indisponible y et la sortie retard´e et ´chantillonn´e z. [20]. Nous aborderons ce point au Chapitre 4. e tel-00132099.

4 – Syst`me command´ ` distance e ea Ce m´moire concerne la stabilit´.4. Cette probl´matique pose des probl`mes dans l’analyse de la stabilit´ ee ea e e e d’un syst`me tel que le syst`me Maˆ e e ıtre-Esclave pr´sent´ Figure 1. Il faut ajouter ` cela l’apparition de retards intervenant dans une ligne e ee a de communication [14].x + B. [134] et [135]. Dans des communications ` travers un r´seau internet. 1.1. 1. e Réseau internet Echantillonnage Maitre Esclave Echantillonnage Fig. Nous y pr´senterons les diff´rentes classes de syst`mes et de e a e e e e retards que l’on rencontre dans la litt´rature.2 est consacr´e ` la mod´lisation.1. e 1 On pourra consulter ` ce sujet les chapitres d’introduction de [153] a .u y = C .20 Feb 2007 Fig.x Moteur y N.3 – Sortie du pendule 2D [19] transfert informatique des donn´es (capteurs ou commande) par le r´seau n´cessite l’´chantillonnage des sorties e e e e capteur et des commandes g´n´r´es. La suite de ce premier chapitre s’articule en deux parties visant ` situer e a nos travaux fondamentaux dans un cadre relativement g´n´ral. Il sera ´galement l’objet d’une e a e ´tude au Chapitre 6.t e Retard Capteur z (te) (non disponible) (a) Sortie disponible (b) tel-00132099. [107]. C’est pourquoi le probl`me de la commande e e e a ` distance constitue un enjeu actuel de l’automatique des syst`mes ` retards. e e La partie 1. la commande et l’observation des syst`mes ` retards ainsi que quelques e e e a unes des applications qui en d´coulent. INTRODUCTION 11 u x' = A. e e e e Le nombre croissant d’articles concernant la commande de syst`mes en r´seau (“Networked Control Systeme e s”) montre l’int´rˆt port´ ` ce domaine1 . ces retards a e sont g´n´ralement variables et constituent un facteur non n´gligeable de d´gradation des performances. version 1 .

θ → xt (θ) = x(t + θ). Les syst`mes h´r´ditaires appartiennent donc ` la classe des syst`mes de dimension infinie ou syst`mes e ee a e e fonctionnels. xt . On les repr´sente alors par des ´quations diff´rentielles de la forme : e e e e e e e 2 Les perturbations peuvent aussi ˆtre mod´lis´es par la pr´sence du premier argument de la fonction f . t0 ].3) 0] dans Rn . 0] → Rn .2.2. (1.2) ut : (1. nous allons pr´senter les diff´rents types de syst`mes ` retards rencontr´s dans la e e e a e litt´rature.12 Chapitre 1. sous forme d’un syst`me e e e e e non stationnaire. La diff´rence avec le cas des syst`mes retard´s e e ee e e e vient des arguments du champ de vecteur f . φ(θ) pour θ ∈ [t0 − τ. Nous n’exposerons pas le probl`me de Cauchy associ´ aux diff´rents classes de syst`mes. 0] → Rn . les syst`mes retard´s sont des syst`mes dynamiques r´gis par des ´quations e e e e e diff´rentielles fonctionnelles portant ` la fois sur des valeurs pr´sentes et pass´es du temps. t0 ]. par e e e cons´quent. La fonction xt ∈ C repr´sente l’´tat du syst`me ` l’instant t.2. Ces m´thodes r´centes permettent de r´duire le conservatisme inh´rent ` cette approche e a e e e e a (conditions suffisantes et non n´cessaires) et de prendre aussi en compte le fait que le retard est une fonction e variant dans le temps. initialement e e e e e ´tudi´ par Mishkis [108]. [85] ou [126] sur les conditions d’existence et e e ee d’unicit´ des solutions.3 concerne les approches de type Lyapunov et rappelle quelques r´sultats concernant la stabilit´ e e des syst`mes ` retards. [137]) : u e xt : [−τ.20 Feb 2007 Comme nous l’avons dit.1) o` τ > 0 et les fonctions xt et ut sont d´finies par (notation de Shimanov. Les conditions initiales φ et ζ ` l’instant t0 sont des fonctions de [t0 − τ.2 Syst`mes de type neutre e Les syst`mes neutres sont aussi des syst`mes h´r´ditaires.2. font aussi intervenir la d´riv´e de l’´tat xt et. 1. Nous noterons par la suite C = C 0 ([−τ. t0 ] vers Rn et suppos´es e a e continues par morceaux. θ → ut (θ) = u(t + θ).1 Les syst`mes de type retard´ e e tel-00132099. ut ). ut est l’entr´e (commande et perturbations2 ) du e e e a e syst`me.2 Mod´lisation des syst`mes ` retards e e a Dans cette partie. Le lecteur se r´f´rera aux ouvrages [10]. des d´riv´es retard´es de x(t). . Stabilit´ des syst`mes ` retards e e a La partie 1. 0]. 1. qui. version 1 . cette fois-ci. Rn ) l’ensemble des fonctions continues de [−τ. de tels syst`mes sont r´gis par des e e e e e a e e ´quations diff´rentielles de la forme : e e   x(t) =  ˙  x =  t0   u = t0 f (t.2. (1. e 1. Si nous suppoe a e e sons que la d´riv´e du vecteur d’´tat peut ˆtre explicit´e ` chaque instant t. [−τ. ζ(θ) pour θ ∈ [t0 − τ.

Bi u(t − τi )). (1. de commande Bi ∈ Rn×m . soit Fxt = 0 [85][108]). ut ).2. (1. 0]. xt . Une autre formulation possible e ˙ e est celle d´finie par Hale et Lunel [73] : e F xt dt = f (t.2. MODELISATION DES SYSTEMES A RETARDS   x(t)  ˙  x  t0   u t0 13 = f (t.[125]) pour obtenir des propri´t´s de convergence de (1.2.2.20 Feb 2007 1. e Dans le cas “simplement” retard´. Pour reprendre l’exemple de l’op´rateur lin´aire e a ˙ e e (1. e e LTI). τ0 = 0 et les matrices d’´tat Ai ∈ Rn×n . e e des termes neutres Di ∈ Rn×n et de sortie Ci ∈ Rp×n sont des matrices constantes. les ´quations diff´rentielles ` retards discrets sont de la forme : e e a x(t) ˙ y(t) = = q ˙ i=1 Dl x(t − ωl ) + r j=0 Cj x(t − τj ). On peut citer le cas particulier lin´aire qui s’´crit : u e e e e Fxt = x(t) − Dx(t − g).7) s’´crit : e e e x(t) ˙ y(t) 3 Si = = r i=0 (Ai x(t − τi ) + r i=0 Ci x(t − τi ). xt . ˙ = φ(θ) pour θ ∈ [−τ. l’analyse de ces retards ne sera pas abord´e.2. le syst`me n’est plus ` proprement parler “invariant” (LTI) mais nous avons pr´f´r´ cet abus de langage ` e a ee e a une appellation plus lourde comme “syst`mes lin´aires ` gains constants et ` retards variables” e e a a . On mentionne les e e e retards distribu´s qui font intervenir dans le syst`me d’´quation (1.8) le retard varie. le vecteur de u e e e commande et le vecteur de sortie du syst`me. Les retards τj > 0 et ωi > 0. xt . r j=0 (Aj x(t − τj ) + Bj u(t − τj )).4) La pr´sence de l’argument xt rend l’analyse de ces syst`mes plus complexe. ut ). qu’une information discr`te e e e ˙ a e sur l’´tat fonctionnel xt et de sa d´riv´e.2.7) o` x ∈ Rn .2. Dans ce m´moire. On pourra par exemple se r´f´rer ` [111] e e ee a pour quelques crit`res concernant les syst`mes ` retards distribu´s et ` [153] pour leur application en tant que e e a e a pr´dicteurs.7) des termes de la forme e e e t t−σ G(θ)x(θ)dθ.6). u La stabilit´ d’un tel syst`me n´cessite que l’op´rateur F v´rifie des conditions restrictives du fait de l’´quation e e e e e e aux diff´rences par rapport ` x(t). Dans le cas des syst`mes lin´aires invariants (en anglais “Linear Time-Invariant”. e e ee (1. = ζ(θ) pour θ ∈ [−τ. crit`re de Jury [111].7) ne n´cessite. le syst`me (1. version 1 . sont des retards discrets (ou “ponctuels”) en ce sens e que le syst`me diff´rentiel (1.5).1 Le retard peut intervenir d’une autre mani`re dans les ´quations d’´tats.2.2. u ∈ Rm et y ∈ Rp repr´sentent respectivement le “vecteur d’´tat instantan´” [87]. il est n´cessaire que les valeurs propres de la matrice D soient incluses ` l’int´rieur du cercle unit´ e a e e (crit`re de Schur-Cohn. 0]. o` D est une matrice constante et g > 0 un retard.2. dans le cas neutre.2. (1. e e e Remarque 1.6) tel-00132099. bien que pouvant ´ventuellement varier3 dans le temps. pour le calcul de x(t) ` l’instant t.2. (1.´ ` ` 1.3 Mod`les lin´aires invariants ` retards discrets e e a Les retards discrets correspondent au cas o` le support de xt et ut a une mesure nulle et peut se r´duire u e a ` un nombre fini de point.5) o` F : C → Rn est un op´rateur r´gulier.2.

2. . xt ). se pr´sentent e e a e e e de la mani`re suivante [69] : e x(t) = A(t. il nous parait int´ressant de proposer des mod`les e e e dont les param`tres peuvent varier au cours du temps et avec l’´tat. pour i = 1. xt ) {Ci x(t)} . B(t.. r. xt ) le sont elles aussi. (1. Les ´quations e e e e d´finissant ces mod`les. xt ))x(t) + (Aτ + ∆Aτ (t. λ(t. (1.10) o` les fonctions scalaires λi (t. l’objectif sera de faire ressortir des propri´t´s communes ` tous les sous-mod`les ee a e lin´aires4 pour en d´duire celles du syst`me (1. Ceci s’exprime de la mani`re a e e ee c e suivante [69] : x(t) = ˙ y(t) convexit´ : e r i=0 r i=0 r i=0 λi (t. xt ) {Ai x(t) + Bi u(t)) + Aτ. ˙ y(t) = C(t. λi (t. nous utiliserons deux mod´lisations sensiblement diff´rentes.2.i u(t − τ ))} . xt ). = (1.9) est la somme d’une matrice constante repr´sentant le comportement nominal et d’une matrice d´pendant e e de t et de xt repr´sentant les perturbations par rapport au syst`me nominal. xt )x(t). apr`s transformations. Les mod`les non lin´aires autorisent un e e e e plus grand domaine d’analyse puisque leur validit´ ne se r´duit pas ` un voisinage du point d’´quilibre ou de la e e a e trajectoire de r´f´rence. Bi et Ci deviennent des fonctions du e e e temps et/ou de l’´tat et g´n´ralement continues (ou continues par morceaux) en leurs arguments. xt ))x(t − τ )   ˙    4 Le +(B + ∆B(t.i x(t − τ ) + Bτ. dans le cas d’un retard simple (c’est-`-dire r = 1) sur l’´tat et sur l’entr´e.. La seconde est la mod´lisation par syst`mes ` param`tres incertains. y(t) = (C + ∆C(t. e e e e c’est-`-dire une somme de mod`les lin´aires pond´r´s de fa¸on non constante [140]. Stabilit´ des syst`mes ` retards e e a 1. r. xt )x(t) + B(t. xt ). Cette mod´lisation va notamment permettre d’´laborer e e e e e des conditions de stabilit´ exponentielle pour les syst`mes ` retards variables.. de consid´rer des fonctionnements plus globaux. (1.11) Si les fonctions matricielles A(t.9) en un syst`me multimod`le.2. xt ))u(t)) + (Bτ + ∆Bτ (t. La e e e e premi`re est la mod´lisation polytopique. xt ) = 1 et ∀i = 1. Elle consiste ` exprimer les fonctions matricielles comme une somme e e a tel-00132099.2. xt ))x(t).2.4 Mod`les non lin´aires. . xt )x(t − τ ) + Bτ (t. xt ))u(t − τ )). non stationnaires e e Afin de se rapprocher du comportement des processus r´els. xt ). xt ) ≥ 0. Bτ (t. Ils permettent. xt )u(t − τ )). version 1 . xt ) sont continues.2.2.10). Il s’exprime alors de la mani`re e e e suivante :   x(t) = (A + ∆A(t. ee e e La diff´rence avec les syst`mes lin´aires est que les matrices Ai . Par la suite.9) Afin de faciliter l’´tude de ces syst`mes. Aτ (t..12) sous-mod`le Si correspond au cas λi = 1 e . sont des fonctions de pond´ration v´rifiant les conditions de u e e λi (t.2. ee e e a e Les mod`les polytopiques e La mod´lisation polytopique [140] transforme un syst`me de la forme (1. xt )u(t)) + Aτ (t. e e a Les mod`les ` param`tres incertains born´s en norme e a e e La mod´lisation par param`tres incertains consid`re que chaque fonction matricielle d´finissant le syst`me e e e e e (1.20 Feb 2007 pond´r´e de matrices constantes. les fonctions λi (t.14 Chapitre 1.

D). On compte de nombreux crit`res fr´quentiel [24]. ∆T (t. ∆Bτ (t. (H. c) Retards variables born´s : Une grande partie des r´sultats existant supposent que les retards varient e e dans un intervalle [0. (1. ∆B(t.[92] et [111]. F ). LMI [69]. il parait int´ressant de se donner une u a e e borne inf´rieure du retard pour ensuite se donner les moyens de mesurer son impact sur la stabilit´ du e e . Cette repr´sentation est g´n´ralement utilis´e dans le probl`me de la synth`se e e e e e e de lois de commande [35]. xt )D. xt ) est une matrice qui v´rifie : u e ∀t.20 Feb 2007 1. comme nous le verrons e e dans cette description.2. xt )∆(t.2.2. nous pr´senterons succinctement les diff´rents mod`les de retards discrets que l’on rene e e contre dans la litt´rature. τ2 ]. xt ) = J∆(t. (Hτ . xt )F. Depuis le milieu des 90.1) et (1.15) Certains auteurs rajoutent des conditions de r´gularit´ sur ces fonctions de retards. De plus. 0].´ ` ` 1. Le fait d’autoriser le retard ` prendre la valeur e e e a 0 revient ` supposer qu’` un moment ce transfert se fait de mani`re instantan´e. version 1 . Eτ ). (1. E). [111] d´velopp´s e e e e pour des retards constants connus ou inconnus (` borne connue ou non). xt ) = G∆(t. e e e b) Retards variables major´s : Comme la constance du retard est une hypoth`se rarement v´rifi´e dans la e r´alit´ (communications internet [99] et mod`les de vannes [4] pour ne citer que deux exemples). o` ∆(t. (1.2.5 Mod`les de retards e Dans cette partie. B. xt )Eτ .2.4) e e e e ˙ e les fonctionnelles xt et xt sont d´finies sur l’intervalle [−τ.13) Les amplitudes de variation des coefficients de perturbations sont ainsi report´es dans les matrices (G. xt ) ≤ In . On d´finit les e retards major´s pour lesquels il existe un r´el connu τ2 > 0 tel que [79] : e e 0 ≤ τ (t) ≤ τ2 . de stabilit´ robuste de syst`mes lin´aires ` retards constants mais e e e e e a incertains ont ´t´ d´velopp´es [86]. Les matrices u e repr´sentant les perturbations sont g´n´ralement pr´sent´es sous la forme [69] : e e e e e ∆A(t. Or les retards apparaissant dans des processus r´els sont le plus souvent dus ` e a des ph´nom`nes de transfert d’information ou de mati`re. xt ) = Gτ ∆(t. Elle permet en effet de caract´riser la robustesse par rapport ` des incertitudes e a param´triques. e (Gτ . Aτ . e a) Retards constants : Les premi`res ´tudes sur la stabilit´ des syst`mes ` retards concernaient principalee e e e a ment des retards constants. xt )Dτ . xt )E. Dτ ).2. seule une ee e e e e partie r´cente du pass´ exerce une influence sur le comportement du syst`me. MODELISATION DES SYSTEMES A RETARDS 15 o` les matrices A. cette mod´lisation sera elle-aussi utile pour ´tablir d’autres conditions de stabilit´ e e e e exponentielle pour les syst`mes ` retards variables. ∆B(t.2. Dans la plupart des cas r´ellement rencontr´s. Dans ce contexte et ` a a e e a condition bien sˆr que cela conduise ` des crit`res moins restrictifs. Bτ et C sont des matrices constantes de dimension appropri´e. pr´sent´es sous forme LMI. e a tel-00132099. On parle alors d’´quations e e e e a ` retards major´s ou born´s s’il existe un nombre r´el τ > 0 tel que dans les ´quations (1.14) ∆Aτ (t. xt ) = Hτ ∆(t. xt ) = H∆(t. diff´rentes a e conditions. le cas e e e des retards variables (connus ou inconnus) a fait lui aussi l’objet de nombreuses recherches. (J.

3. e La seconde m´thode de Lyapunov repose sur l’existence d’une fonction V d´finie positive telle que le long e e des trajectoires de (1. e tel-00132099. La e a e m´thode propos´e dans ces articles est identique. Le premier peut ˆtre assimil´ ` un retard nominal et le second comme ´tant une perturbation e ea e born´e par rapport au retard nominal.16) Ce n’est que r´cemment que des chercheurs ont obtenus des solutions ` ce probl`me [49]. on ait dV dt < 0. version 1 . si x = 0. (1. ˙ Ce cas sera trait´ dans le Chapitre 4. Elle consiste ` transformer le retard τ (t) en une somme de e e a deux retards. pour θ ∈ [−τ. (1. On d´finit alors les retards born´s. Cela signifie que les informations retard´es arrivent dans un ordre chronologique.1 Seconde m´thode de Lyapunov e Consid´rons le syst`me suivant : e e x(t) ˙ = f (t. x(t).3 Stabilit´ des syst`mes ` retards par la seconde m´thode de Lyae e a e punov Dans cette partie.1) xt0 (θ) = dont nous supposerons qu’il admet une solution unique et un ´tat d’´quilibre xt = 0 (si le syst`me admet un e e e autre point d’´quilibre. xt ). la condition pr´c´dente implique que f est une fonction e e strictement croissante.16 Chapitre 1. e e e e e e On trouve dans la litt´rature des r´sultats qui allient e e Dans ce m´moire. 0]. φ(θ). e G´n´ralement. a e a e 1.3. e e τ (t) ≤ 1.3. G´n´ralement notre travail s’adressera e e e e aux cas alliant b).2.2. Ce cas particulier autorise notamment la d´riv´e du retard ` prendre la valeur 1 : e e a (critique au vu de la contrainte pr´c´dente).1). c) et e) (1.17) Si l’on regarde la fonction f (t) = t − τ (t).18) 1. les contraintes faites sur les retards sont des combinaison des diff´rents mod`les pr´sent´s. on ´vitera le plus souvent possible la contrainte d). Stabilit´ des syst`mes ` retards e e a syst`me. e d) Retards variables avec contrainte sur la d´riv´e : De nombreux r´sultats n´cessitent une condition e e e e sur la d´riv´e de la fonction retard. Cette m´thode directe n’est valable que pour une classe e . ˙ (1. nous pouvons nous ramener par un changement de variables). nous allons rappeler quelques r´sultats concernant la stabilit´ asymptotique des syst`mes e e e ` retards en se focalisant sur l’approche temporelle li´e ` la seconde m´thode de Lyapunov.20 Feb 2007 e) Retards variables continus par morceaux : Ces retards apparaissent notamment lors de l’´chantilloe nnage d’un signal. [80]. [54]. les retards τ (t) pour lesquels il existe deux r´els τ1 et τ2 tels e e e e que : 0 < τ1 ≤ τ (t) ≤ τ2 .2. On suppose alors qu’il existe un r´el d tel que : e e e τ (t) ≤ d < 1.

1) est born´ pour des valeurs e born´es de ses arguments.3) ∀θ ∈ [−τ. x(t)) ≤ c du point d’´quilibre. x(t))). Supposons que le champ de vecteur f de (1. ˙ b) V (t.3. e S’il existe une fonction continue V : R × Rn → R+ telle que : a) u( φ(0) ) ≤ V (t.3. Ces deux approches. vont ˆtre e e e bri`vement rappel´es dans les deux paragraphes suivants. ∀θ ∈ [−τ. et q > 1.2 Approche par fonctions de Razumikhin Dans cette approche. Dans le cas retard´. STABILITE DES SYSTEMES A RETARDS PAR LA SECONDE METHODE DE LYAPUNOV restreinte de syst`mes h´r´ditaires car e ee dV dt 17 d´pend des valeurs pass´es xt . x(t)) ≤ 0 le long de toutes les trajectoires du syst`me. (1. Dans le cas des ´quations ordinaires (c’est-`-dire e e e e a e a sans retard). ∀θ ∈ [−τ.3) devient la plupart du temps : u e e e xT (t + θ)P x(t + θ) ≤ qxT (t)P x(t).3. version 1 .3. les fonctions p les plus souvent utilis´es sont celles de la forme p = qθ o` q est une constante e u strictement sup´rieure ` 1. respectivement d´velopp´es par Razumikhin et Krasovskii. φ) ≤ −w( φ(0) ) pour toutes les trajectoires de (1.2) alors une telle fonction V est appel´e fonction de Lyapunov-Razumikhin et la solution nulle de (1.4) . Le second cas reporte cette difficult´ dans la conception e e e e e e de la fonction V . 0]. (1. 0]. e De plus si w(θ) > 0 pour tout θ > 0 et s’il existe une fonction p : R+ → R+ strictement croissante avec p(θ) > θ pour tout θ > 0 telle que : i) u( φ(0) ) ≤ V (t.5) (1.20 Feb 2007 aux solutions qui ont tendance ` quitter un voisinage de V (t. L’´quation (1. e e 1.3. e Dans la pratique.1) v´rifiant : e V (t + θ.1) est uniform´ment stable. 0]. (1. φ) ≤ −w( φ(0) ).1) est e uniform´ment asymptotiquement stable. pour toutes les trajectoires de (1. ce test peut se restreindre e e tel-00132099. xt ). alors la solution nulle de (1. φ) ≤ v( φ ). Toutefois le th´or`me suivant montre qu’il est inutile de e e e e ˙ v´rifier que V (t. ˙ ii) V (t.3. de plus les fonctions de Lyapunov recherch´es dans l’approche de Razumikhin sont e a e souvent des fonctions quadratiques de la forme : V (t) = xT P x(t).3.3. v et w : R+ → R+ des fonctions croissantes. Effectivement.3.3. Le premier cas conduit ` une difficult´ d’analyse a e li´e au fait que la d´riv´e d´pend des instants pass´es.´ ` ` ´ 1. x(t)) e classiques pour les ´quations diff´rentielles ordinaires.3. o` P est une matrice sym´trique d´finie positive. x(t)) ou V = V (t. x(t)) ne d´pend que d’arguments pr´sents. deux types e e e d’approches sont possibles : V = V (t. a e Th´or`me 1. la fonction V = V (t. φ(t + θ)) ≤ V (t. φ) ≤ v( φ ). nous nous placerons dans Rn en consid´rant une fonction de Lyapunov V (t.1) v´rifiant : e V (t + θ. Deux extensions ` la seconde m´thode de Lyapunov ont alors ´t´ e e e a a e ee d´velopp´es dans le cadre des ´quations diff´rentielles ` retards.3.1 [85] Soient u. Elle est donc tr`s difficile ` appliquer e e e a dans le cas g´n´ral des syst`mes ` retards. x(t + θ)) ≤ p(V (t. telles que u(θ) et v(θ) soient e e strictement positives pour tout θ > 0. φ(t)).3.

a e e e Mˆme si l’approche Lyapunov-Razumikhin conduit g´n´ralement ` des r´sultats plus conservatifs que ceux e e e a e tir´s de l’approche de Lyapunov-Krasovskii. φ) ≤ v( φ ).3 Approche par fonctionnelles de Krasovskii La m´thode de Krasovskii est une extension de la seconde m´thode de Lyapunov pour les ´quations e e e diff´rentielles fonctionnelles. Si de plus w(θ) > 0 pour tout θ > 0.3.6) o` P . de la fonctionnelle de Lyapunov-Krasovskii V. v.2 [85] Soient u.3. Elle consiste ` rechercher des fonctionnelles V(t. ˙ b) V(t. alors la solution e nulle de (1. pour e e ee e des retards constants.3. e e a 1. ˙ ii) V(t.3.3. φ) = lim →0+ sup V(t+ e e .1) est d´finie n´gative. la stabilit´ des syst`mes ` retards fait plus e e e a g´n´ralement appel ` des fonctionnelles de Lyapunov-Krasovskii. R et S sont des matrices carr´es de dimension n × n. φ) = φT (0)P (t)φ(0) + φT (0) + 0 −τ 0 −τ 0 −τ Q(t. σ)dσ φ(0) φT (σ)R(t.1) est exponentiellement stable. σ. e L’id´e principale de ce th´or`me est donc de d´terminer une fonctionnelle V d´finie positive dont la d´riv´e e e e e e e e le long des trajectoires de (1.xt+ )−V(t. e e e . φ) ≤ −w( φ(0) ) pour tout t ≥ t0 le long des trajectoires de (1. section 2. φ) ≤ v( φ ).3.2. xt ) qui d´croissent le long des e a e solutions de (1.1) est uniform´ment stable.1). φ) ≤ −w( φ(0) ).1) est uniform´ment asymptotiquement stable. On suppose que chacun des ´l´ments de ces matrices est born´ et admet une e ee e d´riv´e continue par morceaux et born´e. la n´gativit´ n’est requise que pour les trajectoires qui. (1. P (t) et S(ζ) sont sym´triques d´finies positives. appartiennent ` un certain espace d´fini par l’´volution du syst`me sur l’intervalle [t − τ. lorsqu’elle existe. Supposons que le champ de vecteur f de (1. ρ)φ(ρ)dσdρ + φT (ζ)S(ζ)φ(ζ)dζ. φ) est ici une d´riv´e au sens de Dini.xt ) .3. σ)φ(σ)dσ + 0 −τ 0 −τ φT (σ)QT (t. Cependant. tel-00132099. u(θ) et v(θ) sont e e strictement positives pour θ > 0 et u(0) = v(0) = 0. e Si V v´rifie plutˆt les conditions : e o i) u( φ(0) ) ≤ V(t. pr´sent´e au paragraphe suivant. t].3. Les fonctionnelles recherch´e e sont g´n´ralement de la forme suivante ([88]. e S’il existe une fonctionnelle continue V : R × C → R+ telle que : a) u( φ(0) ) ≤ V(t. l’existence d’une fonction de Lyapunov-Razumikhin entraˆ celle d’une fonctionnelle ıne de Lyapunov-Krasovskii [34]. alors la solution nulle de (1. σ.20 Feb 2007 Th´or`me 1. pour tout t ≥ t0 et w(θ) > 0 pour tout θ > 0. ρ) = RT (t.3. ρ.1) soit born´ e pour des valeurs born´es de ses arguments.17). Le principal probl`me dans l’application de ce th´or`me e e e e e est la conception.1). ` e e a l’instant t.2) : e e V(t.18 Chapitre 1. V(t. a alors la solution nulle de (1. iii) V est lipschitzienne par rapport ` son second argument. Une telle fonctionnelle V est appel´e fonctionnelle de Lyapunov-Krasovskii. u e e e R v´rifie R(t.3. ˙ ˙ V(t. Stabilit´ des syst`mes ` retards e e a Ainsi dans l’approche de Lyapunov-Razumikhin. Q. w : R+ → R+ des fonctions continues croissantes . dans la litt´rature. Il a par ailleurs ´t´ montr´ que. elle permet de prendre en compte e e e des retards variables sans restriction sur la d´riv´e du retard (1. σ).2. version 1 .

5 Deux transformations sur le mod`le e Il est bien ´vident que notre objectif n’est pas de pr´senter une liste exhaustive de crit`res de stabilit´ et de e e e e stabilisation de syst`mes ` retards. (1. des fonctionnelles de Lyapunov e e ou des diverses m´thodes de majoration conduisant ` des LMI. e tel-00132099. 0].3 Des r´cents travaux [54].10) et (1. [69]. [92].7) o` les matrices P . e Nous rappellerons des conditions permettant de caract´riser la stabilit´ asymptotique du syst`me suivant : e e e x(t) ˙ = Ax(t) + Aτ x(t − τ (t)).20 Feb 2007 1. La m´thode consiste ` d´finir des fonctions matricielles continues par e a e morceaux . peut ˆtre aussi ´tudi´ dans un cadre e e e e e temporel. On se propose alors de trouver une fonctionnelle de Lyapunov-Krasovskii de la forme : V(t. e e – La finesse de ces crit`res est largement d´pendante du choix des fonctions. quelquefois trait´ en fr´quentiel [151]. – Le cas de la commande H ∞ . R et S sont sym´triques d´finies positives. (1. e e e 1.3. [50]. ∀θ ∈ [τ2 .2.2.12). la recherche de ces fonctions pose des probl`mes difficiles ` r´soudre. – La stabilit´ entr´e-´tat (ISS) [157]. (1. u e e Remarque 1. version 1 .8) x(θ) = Dans (1.3. quelques crit`res e a e e de stabilit´ asymptotique et quelques techniques qui auront retenu notre attention.8). Q et R sont des matrices constantes.10) ou e e e e e (1. φ) = φT (0)P φ(0) + + 0 −τ 0 −τ T 0 −τ φT (σ)Sφ(σ)dσ + φT (0) 0 −τ Qφ(σ)dσ φ (σ)Rφ(ρ)dσdρ. [91]. combin´es avec des m´thodes e e e e e d’optimisation convexe appel´es in´galit´s matricielles lin´aires (voir les ouvrages g´n´raux [13]. Cependant. a u – La stabilisation en temps fini [106].4 Extensions des th´or`mes de Lyapunov e e Les deux approches temporelles bas´es sur le second th´or`me de Lyapunov.3.3. On pr´f`re se rese a e ee treindre aux fonctionnelles dont les fonctions matricielles P.7) pour des syst`mes de la forme (1. le retard τ (t) sera consid´r´ comme constant.3. e e e e e a De nombreuses applications et extensions ont ´t´ propos´es : ee e – Les probl`mes de la stabilit´ et de la stabilisation robuste vis-`-vis d’incertidudes param´triques sur le e e a e mod`les peuvent ˆtre trait´s d’une mani`re analogue en utilisant des syst`mes de la forme (1. [69] ont permis de r´duire le conservatisme relatif au e e choix des matrices P. puis variant dans le temps major´ et enfin born´. Q. nous pr´senterons dans la suite de ce chapitre.2.7). permettent d’´tablir des crit`res syst´matiques de stabilit´ et de stabilisation pour les syst`mes ` retard.2. ee e e Les crit`res que nous exposerons utilisent l’outil LMI. φ(θ).3. Q et R constantes.3. [68].12). les probl`mes qui seront r´solus feront intervenir une fonctionnelle de la forme e e e (1.[63] et l’annexe e e e e e e A).2. e a – La stabilisation ` coˆt garanti.3. Tout au long de ce m´moire. e .´ ` ` ´ 1. Une loi de commande est construite pour assurer la stabilit´ robuste avec un certain taux e d’att´nuation des perturbations exog`nes [56]. STABILITE DES SYSTEMES A RETARDS PAR LA SECONDE METHODE DE LYAPUNOV 19 Dans la pratique.

4 [57] Le syst`me (1. Il est n´cessaire de s’assurer de sa bonne utilisation. [56]. il faut s’assurer a e e e de la justification de cette modification.9) qui est ´quivalente ` celle d´crite par l’´quation (1.11) 0 A0 Z2 Z3 In −In .20 Feb 2007 Transformation de Leibniz Cette transformation [66]. ˙ (1.3. Y1 .4. Nous pr´senterons alors les avantages sur l’int´rˆt d’une telle e ee transformation dans la section suivante.3. P2 . Pour plus de d´tails. e e e Fridman [47]. Par exemple. s’il existe des matrices de dimension n×n. et des matrices de dimension e e n×n.8) et ce genre de transformations peut conduire ` des e e ˙ e e a modifications importantes du syst`me.3. on remarque que cette transformation e e ¯ augmente la dimension du syst`me ´tudi´es sans rajouter de dynamiques additionnelles. L’id´e consiste ` r´´crire le syst`me (1. (1.3. xt )x(t − τ (t)). [160]. tel-00132099. 0] ` un nouveau syst`me e a a e soumis ` un retard variant dans [−2τ2 .10) par son expression dans (1.8).3. P + τ2 Z + S 0 0 τ2 R + Y 0 + Y 0 . [67] est tr`s utile dans la construction de crit`res de stabilit´ d´pendent du retard. les th´or`mes ee e e e e rencontr´s peuvent ˆtre conservatifs. on introduit des dynamiques additionnelles ˙ [70][71] et on transforme le syst`me initial soumis ` un retard variant dans [−τ2 . Y2 .20 Mod`le descripteur e Chapitre 1.8) est asymptotiquement stable pour tout retard τ constant inf´rieur ` τ2 .12) .3.8) de la mani`re suivante : e a ee e e x(t) = ˙ 0 × z(t) = ˙ z(t). D’autre part. z(t)}. −z(t) + Ax(t) + Aτ (t. Z et Ψ1 sont donn´es par : u e Ψ1 = Y = PT [Y1 0 A0 Y2 ]. mˆme si de e ee a e nombreux efforts ont ´t´ men´s pour ´tudier le conservatisme introduit lors des calculs [127]. In −In Z= + Z1 T Z2 T T (1.3.8) comme un syst`me ` retard distribu´ : e e e a e t x(t − τ (t)) = x(t) − t−τ (t) x(s)ds. . A1   ∗ Z ∗ −S1 o` les matrices Y . en utilisant une fonctionnelle de Lyapunov-Krasovskii adapt´e. [57]. Pour le e e e e a e e cas des syst`mes ` retards constants.3. (1.3.9) En consid´rant maintenant la variable ´largie x(t) = col{x(t). e e e Ensuite. e e 1.3. la mod´lisation descripteur conduit aux conditions de stabilit´ asymptoe a e e tique que nous rappellerons dans le lemme 1.3.3. Z2 et Z3 telles que les conditions LMI suivantes soient satisfaites :   0  Ψ1 P T − Y1T  R Y   < 0. P3 . version 1 .8). on se r´f´rera ` [111]. e e e e Elle permet d’´crire le syst`me (1.3.3.10) La d´riv´e x peut ensuite ˆtre exprim´e selon (1. Stabilit´ des syst`mes ` retards e e a La “mod´lisation descripteur” (en anglais “descriptor form”) est une technique d´velopp´e en 2001 par E. S et R. ≥ 0.3. on montre la stabilit´ asymptoe e tique du syst`me d´crit par l’´quation (1.6 Stabilit´ asymptotique des syst`mes ` retards major´s e e a e e e a Lemme 1. La d´finition des conditions initiales ´tant diff´rente. Z1 . sym´triques d´finies positives P1 . si e e l’on remplace x(s) dans (1. 0].

3. Z1 . Z et Ψ1 sont donn´es par (1.´ ` ` ´ 1.3. Les fonctions ηi (t) repr´sentent des perturbations born´es autour du retard e e nominal. Yi2 .12).3. P2 . Z2 et Z3 telles que les conditions LMI suivantes soient satisfaites :   Ψ1   ∗ P T  0 A1 − Y1T   < 0. et ˙ e e des matrices de dimension n×n. de dimension e e n×n.6 [49] Pour une matrice K donn´e et sous reserve que la matrice F ait tous les modules de ses valeurs propres strictement inf´rieurs ` 1. Pour plus de d´tails. on introduit la condition suppl´mentaire τ (t) ≤ d < 1. P2 . (1. nous invitons le u ¯ e e 0 0 lecteur ` se r´f´rer ` [57]. STABILITE DES SYSTEMES A RETARDS PAR LA SECONDE METHODE DE LYAPUNOV D´monstration. Ceci sera illustr´ dans le paragraphe suivant.7 Stabilit´ asymptotique des syst`mes ` retards born´s e e a e Consid´rons le syst`me neutre ` retard : e e a x(t) − F x(t − g(t)) = A0 x(t) + A1 x(t − τ1 (t)) + BKx(t − τ2 (t)).  R ∗ Y Z ≥ 0. P3 .3. Y2 . Zi2 et Zi3 .3. La d´monstration utilise une fonctionnelle de Lyapunov-Krasovskii de la forme : e e V (t) = o` E = u In 0 xT (t)EP x(t) + ¯ ¯ t t−τ2 21 xT (s)Sx(s)ds + 0 −τ2 t t+θ z T (s)Rz(s)dsdθ. U . Le retard g(t) du terme neutre satisfait ` la condition g(t) ≤ d0 < 1. Zi1 . sym´triques d´finies positives P1 . z(t)}.16) µ1 P T 0 0 0 0 A1 µ2 P T 0 0 0 0 0 BK −µ1 R1a ∗ −µ2 R2a . s’il existe des matrices sym´triques d´finies positives. a ee a Dans le cas de syst`mes ` retards variables. Yi1 .3. e e ˙ e 1. On e a e ˙ obtient alors le lemme suivant : Lemme 1.3.       (1. Y1 . P1 . Ri et Ria et des matrices de dimension n×n. pour i = 1. 2. a ˙ e Lemme 1. δi + µi ].8) est asymptotiquement stable pour tout retard variable v´rifiant τ (t) ≤ τ2 e e et τ (t) ≤ d < 1. δi + µi ].15) o` les retards τi sont de la forme τi (t) = δi + ηi (t).3. ˙ ˙ τi (t) ∈ [δi − µi . pour i = 1. s’il existe des matrices de dimension n × n. telles que les conditions LMI suivantes soient satisfaites :  0 0 0 − Y1T P T − Y2T P T  Ψ2 P T  A1 BK F   −S1 0 0  ∗   ∗ ∗ −S2 0    ∗ ∗ ∗ −(1 − d0 )U   ∗ ∗ ∗ ∗  ∗ ∗ ∗ ∗         < 0.3. Si .20 Feb 2007 −(1 − d)S1 o` les matrices Y . Les retards constants δi sont u les valeurs nominales des retards τi . S et R.13) et o` le vecteur x(t) est donn´ par col{x(t). u e Il est possible de r´duire le conservatisme des conditions de stabilit´ asymptotique et aussi d’´liminer la e e e condition sur la d´riv´e du retard τ (t) ≤ d < 1.14) tel-00132099. (1.3. version 1 .5 [57] Le syst`me (1.3. le syst`me (1.15) est asymptotiquement stable pour tous retards τi (t) e a e variant dans l’intervalle [δi − µi . P3 . 2 avec |ηi (t)| ≤ µi . (1.

il faut remarquer que le taux de convergence exponentielle n’est pas connu a priori. [Yi1 Yi2 ]. version 1 . On ajoute alors la fonctionnelle suivante : Va (t) = µi 2 i=1 −µi t t+θ−δi xT (s)Ria x(s)dsdθ.3. des crit`res que l’on peut rencontrer dans la litt´rature. le retard du terme neutre n’est e a e e pas major´ mais n’est soumis qu’` une contrainte classique sur la d´riv´e du retard. Leur apparition fr´quente dans e e e a e la mod´lisation des ph´nom`nes physiques a suscit´ l’int´rˆt de nombreux chercheurs. dans le cas g´n´ral (non lin´aire. par cons´quent. mˆme si son existence e est garantie. (1.18) . Stabilit´ des syst`mes ` retards e e a Yi Zi ≥ 0. La preuve de ce lemme utilise la mod´lisation descripteur et une fonctionnelle de Lyapunove e tel-00132099. Nous pouvons remarquer que. 2. dans le cas des retards variables. e e e 1.3.3. En revanche. nous avons rappel´ des conditions de stabilit´ asymptotique e e a e a e e qui permettent d’en tester la convergence. Mˆme si. La premi`re consiste ` tester la stabilit´ asymptotique e e a e du syst`me soumis au retard nominal en utilisant la fonctionnelle suivante provenant du Lemme 1. (1. ˙ ˙ (1. Zi1 ∗ Zi2 Zi3 D´monstration.4 Conclusion Dans ce chapitre. Elle peut se diviser en deux parties. Les retards sur l’´tat sont e e born´s mais ne sont soumis ` aucune contrainte sur leur d´riv´e. . nous avons pr´sent´ le contexte des syst`mes ` retards. i = 1. In −In +U + T In −In Si P+ 2 i=1 2 i=1 δi Zi Yi 0 0 Zi = + 2 i=1 Yi 0 T (1.4 : e Vn (t) = xT (t)EP x(t) + ¯ ¯ 0 2 i=1 −δi t t+θ xT (s)Ri x(s)dsdθ + ˙ ˙ t 2 i=1 t−δi xT (s)Si x(s)ds. e e e e e 5 De plus dans ce cas.17) 0 0 0 A0 2 i=1 2 i=1 0 2µi Ria + 0 A0 0 2 i=1 δi Ri .22 Ri ∗ o` les matrices Yi . e e e a e les notions de stabilit´ asymptotique et exponentielle sont ´quivalentes [87]5 . Ceci montre la diversit´ e a e e e des contraintes sur les retards et.21) On remarque que dans ce lemme. Zi et Ψ2 sont donn´es par : u e Ψ2 = Ψn = Ψn + P + Yi = T Chapitre 1. dans le cas des syst`mes lin´aires ` retards sans incertitudes sur les retards et sur les param`tres.3.19) La seconde ´tape consiste ` tester la robustesse de la pr´c´dente par rapport aux perturbations ηi (t) du e a e e retard nominal. ces r´sultats concernent la stabilit´ asymptoe e tique.20 Feb 2007 Krasovskii adapt´e. Apr`s avoir pr´sent´ les e e e e ee e e e mod`les de syst`mes ` retards li´s ` notre travail. les conditions sur les retards sont diff´rentes.3.3. (1.20) Les conditions de stabilit´ asymptotique du syst`me complet sont d´terminer ` l’aide de la fonctionnelle : e e e a V (t) = Vn (t) + Va (t).

retard variable) cette ´quivalence ne tient plus.4.1. e tel-00132099. CONCLUSION 23 non stationnaire. Or l’α−stabilit´ (ou stabilit´ exponentielle ` e e e a taux α garanti) est une propri´t´ de performance en rapidit´ et il convient de pouvoir l’´tudier dans des cas ee e e r´alistes de fonctionnement. C’est cette lacune que nous tenterons de combler dans le chapitre suivant.20 Feb 2007 . version 1 .

24 Chapitre 1. Stabilit´ des syst`mes ` retards e e a tel-00132099. version 1 .20 Feb 2007 .

Or dans la majorit´ e a e e des cas. la stabilit´ et ` la stabilisation exponentielle ` a e e a a taux garanti de syst`mes lin´aires ` retards est donc claire. quelques auteurs se sont investis dans l’´laboration de crit`res garantissant une e e e convergence exponentielle pour les syst`mes ` retards [82]. [58] pour la stabilit´ et la stabilisation asymptotique. de syst`mes contrˆl´s ` e e e oe a travers un r´seau ou ` distance. e 25 . [98]. Les approches pr´sent´es utilisent les techniques des e e a e e fonctionnelles de Lyapunov-Krasovskii et le mod`le descripteur qui ont ´t´ pr´sent´s dans le chapitre pr´c´dent e ee e e e e mais aussi dans [57]. Une mod´lisation du syst`me sous forme polytopique introduite dans e e e e [130] permettra d’´laborer des premi`res conditions de stabilit´ et de stabilisation exponentielle. par exemple dans les lignes de communications ` travers des r´seaux internet. e e e diff´rentes approches seront propos´es. L’id´e principale de ce chapitre est e e de r´´crire le syst`me en utilisant une nouvelle variable. e e Une premi`re partie concernant la stabilit´ exponentielle ` taux de convergence garanti des syst`mes lin´aires e e a e e a ` retards constants. Ce changement de variables ajoute des incertitudes sur ee e le syst`me provenant des incertitudes sur le retard. R´cemment. de garantir une convergence exponentielle car elle permet d’assurer une rapidit´ e a e de convergence. [113].Chapitre 2 Stabilit´ exponentielle des syst`mes e e lin´aires e tel-00132099. version 1 . Ce chapitre s’organise de la mani`re suivante. le retard ne peut ˆtre a e e r´duit au seul cas du retard constant.1 Pr´liminaires e La plupart des r´sultats existants concerne la stabilit´ asymptotique des syst`mes ` retards variables ou e e e a constants [127]. Afin de d´terminer des conditions de stabilit´ exponentielle. e La motivation de ce chapitre qui se consacre ` l’α-stabilit´. [110].20 Feb 2007 2. Cependant ces r´sultats sont e a e bien souvent limit´s au cas des retards constants ou conduisent ` des r´sultats conservatifs. Ensuite une e e e approche par des incertitudes born´es en norme (“Norm-Bounded Uncertainties”) permettra d’obtenir d’autres e conditions de stabilit´ exponentielle. Enfin le cas particulier des syst`mes neutres ` retards a e e a e e a constants sera le sujet de la derni`re partie. Une e e seconde partie est consacr´e au cas des syst`mes lin´aires ` retards variables et major´s avec des extensions au e e e a e cas des syst`mes ` retards multiples et au probl`me de la stabilisation ` coˆt quadratique garanti.[104]. Une troisi`me e a e a u e partie correspond ` l’´tude des syst`mes ` retards born´s. Elle nous permettra de situer les diff´rentes approches existant dans la litt´rature. Mais il peut ˆtre plus pertinent pour des probl`mes d’observations.

1. il existe diff´rentes techniques e a e qui permettent de d´terminer si un syst`me ` retards poss`de un degr´ de convergence α fix´ a priori. ∀ s ∈ [−τ.2. L’id´e de cette technique est de faire ine e e tervenir une nouvelle variable xα (t) = x(t)eα(t−t0 ) . L’id´e directrice de cette partie est de savoir e e e si pour une valeur de α > 0. φ ∈ Cτ = C 0 ([−τ2 . t0 . φ)| ≤ β|φ|e−α(t−t0 ) .2) .20 Feb 2007 o` x ∈ Rn . s’il existe un r´el β ≥ 1 tel que les solutions x(t. les propri´t´s de stabilit´ asymptotique et exponentielle e e ee e sont ´quivalentes. L’α−stabilit´ du syst`me (2. et ˙ V (φ) ≤ rαV (φ). Sans perte de g´n´ralit´. u ∈ Rm sont respectivement les vecteurs d’´tat.2).1) 2. pour un tel syst`me. On retrouve alors la condition (2. ou “exponentiellee e a ment stable et de degr´ de convergence α”. constantes et de dimension e appropri´e.2.2. Nous e e a e e e donnerons dans cette section trois exemples de telles techniques. φ). La preuve suit les ´tapes suivantes : e e e (2. Rn ) repr´sente u e e la fonction des conditions initiales.2.2 Cas des retards constants Cette section est consacr´e ` la classe des syst`mes d´finis par des ´quations diff´rentielles aux diff´rences de e a e e e e e type retard´ ` coefficients et ` retards constants.1) avec β = (aM /am )1/r . t0 . Stabilit´ exponentielle des syst`mes lin´aires e e e Reprenons la d´finition de [113].1). En utilisant la condition (2. un syst`me ` retards est dit α−stable. version 1 . a e e (2. Parmi ces e sp´cifications. alors le syst`me est α−stable. on peut se donner un degr´ de convergence minimal. 0]. Dans ce cadre. Deuxi`me technique : M´thode du changement de variable.1.26 Chapitre 2.2. 0]. Il est connu que. pour toute e e condition initiale φ. Les matrices A0 et A1 sont suppos´es connues. φ(s). En effet en appliquant le principe de comparaison. il vient am |x(t)|r ≤ V (φ)erα(t−t0 ) ≤ aM φ r erα(t−t0 ) . V est major´e e exponentiellement : V (xt ) ≤ V (φ)erα(t−t0 ) . L’objectif est alors de montrer que si la solution xα (t) est asymptotiquement stable pour α fix´. Cette approche a ´t´ exploit´e par [82] et [104] pour les syst`mes ` retards constants et les syst`mes ee e e a e neutres.1 est proue e v´e s’il existe une fonctionnelle de Lyapunov V v´rifiant les propri´t´s suivantes : Il existe des r´els positifs e e ee e r.1) tel-00132099. de commande. un syst`me ` retard est α−stable. Cependant il est souvent important en pratique de se fixer un cahier des charges. (2. le long des trajectoires de (2. am et aM tels que : am |φ(0)|r ≤ V (φ) ≤ aM φ r . v´rifient : e |x(t. Cela revient ` d´terminer une enveloppe exponentielle des trajectoires d’un syst`me. pour tout α > 0. e e Premi`re technique : Th´orie de Lyapunov et comparaison. nous consid´rons le syst`me soumis ea a e e e e e ` un seul retard suivant : a x(t) = ˙ x(s) = A0 x(t) + A1 x(t − τ ).

3).2. P3 .6) D´monstration.2. version 1 .2.3) On peut directement appliquer les th´or`mes de stabilit´ asymptotique des syst`mes ` retards constants.2.3. pour tout e e tel que : φ < δ → |xα (t. le th´or`me suivant est une application directe de [57] : e e Th´or`me 2.  Z3 Y2 (2. [109] Cette technique e e e e e tel-00132099. Z2 . Y1 . φ)| < . P1 . (2. e a a . φ)| < Troisi`me technique : Mod`le de comparaison & in´galit´ diff´rentielle.2.5) Ψ=P T P + τZ + S + Y1 + Y1T Y2T Y2 τR . [9]. La d´monstration est bas´e sur le Th´or`me 1.1) est exponentiellement stable avec un taux α de convergence.2. Z1 .2. Elle requi`re e e e e ae e les notions de mesures et de normes de matrices.4)  R Y1 Z1 ∗  Z2  ≥ 0.2. [24].4 [57] pr´sent´ dans le Chapitre 1 appliqu´ e e e e e e e e au syst`me ` retard et ` coefficients constants (2. Y2 . s’il existe des e e e matrices de dimension n × n. 2 φ φ xα (t. Z3 .  (2. telles que e e les conditions LMI suivantes soient satisfaites :   Ψ P Γ1 =   ∗ et    ∗  ∗ o` on d´finit la matrice P = u e 0 A0 + αIn P1 P2 In −In 0 P3 + et : 0 A0 + αIn In −In T T (2. φ) = Comme δ 2 φ est de norme inf´rieure ` δ.2. ˙ Ainsi. il existe un r´el δ > 0 e 2 φ e−α(t−t0 ) .1 Le syst`me (2. φ)| < et donc 2 φ δ . Dans la suite de ce m´moire nous utiliserons la m´thode du changement de variables pour obtenir des e e propri´t´ d’α−stabilit´. δ ) δ 2 φ 27 > 0 quelconque. le syst`me s’´crit alors : ee e e e xα (t) = (A0 + αIn )xα (t) + eατ A1 xα (t − τ ). Il suffit alors d’utiliser la propri´t´ de lin´arit´ du syst`me : ee e e e xα (t. δ On remarque l’importance de l’uniformit´ de la stabilit´ de xα e e |x(t. CAS DES RETARDS CONSTANTS Si le syst`me en xα (t) est uniform´ment stable alors.20 Feb 2007 utilise des mod`les simplifi´s auxquels seront compar´s les performances du syst`me ` ´tudier. Ainsi en utilisant le changement de variable xα (t) = x(t)eαt . S et R sym´triques d´finies positives et P2 . e e e e a 0 eατ A1 −S − Y1T Y2T    < 0. on a e a φ |xα (t.

comme les ´l´ments variant dans le temps sont uniquement des e ee fonctions scalaires.5) La formule de Leibniz. le syst`me (2.4) Les fonctions scalaires λ1 = (eατ (t) − β1 )/(β2 − β1 ) et λ2 = (β2 − eατ (t) )/(β2 − β1 ) d´pendent uniquement de e la valeur du retard inconnu τ (t). Nous e e supposerons que le retard est major´e et v´rifie la relation suivante : e e 0 ≤ τ (t) ≤ τ2 . permet d’´crire y(t − τ (t)) = y(t) − e e y(s)ds. ∀ s ∈ [−τ2 .3 Cas des retards variables major´s e x(t) = ˙ x(s) = A0 x(t) + A1 x(t − τ (t)) φ(s).3. il est possible r´´crire autrement. (2. ce qui permettra d’´laborer des conditions de stabilit´ du ee e e syst`me (2.28 Chapitre 2. (2. sachant que le retard τ (t) est born´ car il v´rifie (2.1 Stabilit´ exponentielle e Dans cette partie nous ´tudierons uniquement l’α−stabilit´ du syst`me libre.3. En effet le changement de variables xα = x(t)eαt transforme le syst`me initial e e e en un syst`me ` coefficients variant dans le temps. En utilisant la mod´lisation polytopique de la fonction eατ (t) .1).3.3) provient de la matrice e e e associ´e au terme retard´ eατ (t) A1 . Les matrices A0 et A1 sont suppos´es connues. Les r´sultats sur la convergence de syst`mes lin´aires ` retards e a e e e a ne sont plus d´sormais applicables. pour tout signal continue et d´rivable y.3. constantes et de dimension appropri´e. 0] Consid´rons le syst`me ` retard sur l’´tat et sur l’entr´e : e e a e e (2.3. Cependant. de commande.3.1) o` x ∈ IR n .3) e e e est repr´sent´ par un mod`le polytopique : e e e xα (t) = (A0 + αIn )xα (t) + ˙ ou encore xα (t) = ˙ t t−τ (t) 2 i=1 2 i=1 λi (t)βi A1 xα (t − τ (t)) λi (t) {(A0 + αIn )xα (t) + βi A1 xα (t − τ (t))} (2. On sait juste qu’elles v´rifient la e condition de convexit´ (2. on d´duit que le terme eατ (t) s’´crit comme e e e e une somme convexe de ses bornes qui sont β1 = eα0 = 1 et β2 = eατ2 : eατ (t) = λ1 (t)β1 + λ2 (t)β2 λ1 (t). Ainsi ces fonctions sont elles aussi inconnues. ˙ (2. λ2 (t) ≥ 0 et λ1 (t) + λ2 (t) = 1. Stabilit´ exponentielle des syst`mes lin´aires e e e 2. u ∈ IR m sont respectivement les vecteurs d’´tat.2) 2.3. Le changement de variable xα = x(t)eαt conduit ` l’´quation diff´rentielle : a e e tel-00132099. c’est-`-dire sans commande e e e a (2.3.3. qui.3) La principale difficult´ du d´veloppement d’un crit`re de convergence pour (2. version 1 .3.3.20 Feb 2007 xα (t) = (A0 + αIn )xα (t) + eατ (t) A1 xα (t − τ (t)).3.6) . conduit ` : ˙ a xα (t) = ˙ 2 i=1 λi (t) (A0 + αIn + βi A1 )xα (t) − βi A1 t t−τ (t) xα (s)ds ˙ (2.4).3.2). e e En effet. e Mod´lisation polytopique e Il est possible de passer outre la difficult´ du au terme eατ (t) en remarquant que la fonction eατ (t) est born´e. φ ∈ Cτ2 repr´sente le vecteur des u e e conditions initiales.3).

R sym´triques d´finies positives et des matrices P2 .3.6) est pr´sent´ sous forme polytopique et maintenant e e e e descripteur : ˙ E xα (t) = ¯ 0 2 i=1 In −In λi (t)Λi xα (t) − ¯ 0 2 i=1 λi (t)βi A1 t t−τ (t) xα (s)ds ˙ (2.3.3. ˙α x (2.3. ˙ En utilisant la majoration classique. version 1 . qui. On introduit alors la fonctionnelle de Lyapunov-Krasovskii suivante : e V (¯α (t)) = xT (t)EP xα (t) + x ¯α ¯ 0 −τ2 t t+θ xT (s)R¯α (s)dsdθ. permet d’´crire : e ±2aT b ≤ aT R−1 a + bT Rb. ¯ ˙ e on peut donner le r´sultat suivant : e Th´or`me 2. on obtient : e .3. s’il existe e e e e des matrices de dimension n × n P1 .1 Le syst`me (2. (2. En utilisant cette repr´sentation polytopique et descripteur. le syst`me (2.11)   λi (t)  Ψ0 (t) = i=1 PT t 0 Λi In −In + 0 Λi 0 β i A1 In −In T   P  .3. =P T  τ2 P T 0 A1 βi −τ2 R 0 Λi In −In T   < 0.2).3.1) est α-stable pour tout retard variable τ (t) v´rifiant (2.3. CAS DES RETARDS VARIABLES MAJORES 29 Afin d’analyser la stabilit´ exponentielle.3. 0}. satisfaisant les e e conditions LMI suivantes pour i = 1. le calcul de la d´riv´e temporelle de la fonctionnelle donne : e e ˙ V (t) = xT (t)Ψ0 (t)¯α (t) + η0 (t) + τ2 xT (t)Rxα (t) − ¯α x ˙α ˙ o` u 2 t t−τ2 xT (s)Rxα (s)ds.2). ˙α ˙ (2.  (2.3. pour toute matrice de dimension n × n R d´finie positive et pour e tous vecteurs a et b de Rn . E = diag{In .10) ¯ Cette fonctionnelle est bien d´finie positive car on remarque que xT (t)EP xα (t) = xT (t)P1 xα (t).20 Feb 2007 0 Λi In −In + P+ 0 0 0 τ2 R . Ainsi en utilisant le fait que le retard τ2 est major´ (2. 2 η0 (t) = −2 i=1 λi (t) t−τ (t) xT (t)P T ¯α xα (s)ds .9) D´monstration.8) tel-00132099.7) avec xα (t) = col{xα (t). xα (t)}. β1 = 1.´ 2.3. β2 = eατ2 . P3 . Sachant e ¯α α que EP = P T E. Λi = A0 + αIn + βi A1 . 2 :   Ψi 0 Γi =   ∗ o` u Ψi 0 et o` u P = P1 P2 0 P3 .

e Le r´sultat suivant utilise la mˆme fonctionnelle de Lyapunov-Krasovskii mais pr´sente une autre technique e e e de majoration de la fonction η0 (t).3. Zi = i Z1 iT Z2 T i Z2 i Z3  R ∗ 0 βi AT 1 Zi P  ≥ 0.3.3. P3 . 2 : e  Ψi < 0 avec P = et Ψi = PT 0 Λi In −In + 0 Λi In −In P1 P2 0 P3 . Z3 . en appliquant le compl´ment de Schur au dernier terme de l’in´galit´. P + τ2 Z i + 0 0 0 τ2 R .1) est α-stable pour tout retard variable τ (t) ≤ τ2 .3.12) et  . Le syst`me (2. version 1 . la d´riv´e de la fonctionnelle de Lyapunov-Krasovskii est d´finie n´gative.20 Feb 2007 les termes int´grales. le probl`me de la n´gativit´ e e e e e e de la d´riv´e de la fonctionnelle est exprim´e ` l’aide les conditions LMI (2. Th´or`me 2. Le syst`me (2. ˙α ˙ Or la condition de convexit´ des fonctions λi (2.3.30   λi (t)  Chapitre 2. Z1 .3) est e e e e e alors asymptotiquement stable. et deux matrices sym´triques d´finies positives P1 > 0 et R > 0 qui v´rifient les conditions LMI suivantes pour i = 1. 2.3. pour i = 1. Stabilit´ exponentielle des syst`mes lin´aires e e e η0 (t) ≤ + 2 i=1 τ2 xT (t)P T ¯α 0 βi A1 R −1 0 βi A1 T P xα (t) ¯ t t−τ (t) xT (s)Rxα (s)ds .1) est donc α−stable. Ainsi si ces conditions sont e e e a satisfaites.2 Le syst`me (2.3. s’il existe des matrices de e e e i i i e e dimension n × n. .2) permettent d’´liminer e e tel-00132099. (2. Z2 .4) et la condition sur le retard (2.3. ˙α ˙    P On en d´duit la majoration suivante : e  ˙ V (t) ≤ xT (t)  ¯α + + 0 2 i=1 2 i=1 λi (t) T 0 Λi 0 βi A1 In −In + 0 Λi 0 In −In T T P   P τ2  xα (t) ¯  0 λi (t) 0 τ2 R + τ2 P T t t−τ (t) (τ2 R)−1 β i A1 t t−τ2 xT (s)Rxα (s)ds − ˙α ˙ xT (s)Rxα (s)ds.8). ce qui permet d’´crire finalement : e e    0 In 2 ˙ V (t) ≤ xT (t)  i=1 λi (t) P T ¯α  Λi −In + 0 0 0 τ2 R + τ2 P T 0 βi A1 + 0 Λi 0 In −In T T P   P τ2  xα (t). ¯  (τ2 R)−1 βi A1 Ensuite. P2 . Λi = αIn + A0 + βi A1 .

il est alors n´cessaire de d´terminer une majoration de chacun e e e des polytopes. il en sera de mˆme pour Ψ(t).1 jusqu’` l’´quation (2. Une majoration.3. a priori moins conservative Le terme η0 doit ˆtre major´ pour garantir la n´gativit´ de V e e e e utilise la condition : R N les in´galit´s suivantes : e e a b T T N Z ≥ 0. conduisent : e a η0 (t) ≤ τ2 xT (t) ¯α 2 i=1 λi (t)Z i xα (t) + ¯ t t−τ2 xT (s)Rxα (s)ds. a e e e a e ˙ . on remarque que les Th´or`mes (2.3. i=1 L’ensemble des matrices sym´triques d´finies n´gatives ´tant convexe.20 Feb 2007  qui.1) est exponentiellement e stable de degr´ α. Il s’en suit que le syst`me initial (2. R et Z de dimension appropri´e.3. Sachant que η0 s’´crit sous forme polytopique. En posant N = e e   R ∗ 0 βi AT 1 Zi P  ≥ 0. Du fait que la mod´lisation polytopique transforme le syst`me initial en e e e la somme de deux syst`mes lin´aires ` param`tres constants. 0 βi AT 1 P : tel-00132099.´ 2.4). 2. la n´gativit´ de V e e e 2 λi (t)Ψi < 0. version 1 .3. Z1 et Z2 satisfaisant ` (2.3. en int´grant par rapport ` la variable “s” entre t−τ2 et t et en majorant le retard avec (2. On en d´duit une autre majoration de (2. qui permet d’´crire que.3. ˙α ˙ avec R.10).12b). En ´crivant e e e e e ˙ n´cessite : Ψ(t) sous forme polytopique. pour tous vecteurs a et b et pour toutes matrices N .3. des sous mod`les du syst`me.3.11) : a e ˙ V (t) ≤ xT (t)Ψ(t)¯α (t). ±2aT N T b ≤ aT Ra + bT Zb .3) est prouv´e. Il faut tester la stabilit´ de chacun de ces deux e e a e e sous-syst`mes.2) d’α−stabilit´ n´cessitent la r´solution d’un e e e e e probl`me double de conditions LMI.3.1) et (2. ¯ ˙α ˙ puis. si chacune des matrices Ψi est d´finie e e e e e n´gative.3.3) est asymptotiquement stable si la matrice Ψ(t) est sym´trique d´finie n´gative. car e e e e e e V est une fonctionnelle de Lyapunov-Krasovskii. La stabilit´ asymptotique du syst`me transform´ (2. La fonctionnelle de Lyapunov-Krasovskii candidate est toujours la fonctionnelle d´finie e e dans (2.3.11). e e R N T N Z a b ≥ 0. i = 1.2). e A ce stade. CAS DES RETARDS VARIABLES MAJORES 31 D´monstration. Le raisonnement est identique ` la d´monstration du Th´or`me 2. donne e ˙ ¯ η0 (t) ≤ t t−τ (t) xT (t) ¯α 2 i=1 λi (t)Z i xα (t) + xT (s)Rxα (s) . e . ¯α x avec Ψ(t) = Ψ0 (t) + τ2 i=1 2 λi (t)Z i + 0 0 0 τ2 R .3. a = xα (s) et b = xα (t). Le syst`me (2.3. avec les conditions de convexit´ (2.

en diff´renciant (2.3. Stabilit´ exponentielle des syst`mes lin´aires e e e Mod´lisation avec incertitudes param`triques e e Reprenons l’´quation diff´rentielle (2. on obtient deux th´or`mes de stabilit´ exponentielle : e e e e Th´or`me 2.3.3.3. ˙ xα (s)ds.3) exprim´e ` l’aide de la variable xα .16) t t−τ (t) En utilisant les deux techniques de majoration des fonctions ηi . Rm et Rd . o` ∆(t) est une fonction r´elle inconnue et d´pendant de la valeur du retard v´rifiant ∆(t) ≤ 1 et o` les u e e e u param`tres sont donn´s par βm = (eατ2 +1)/2 et βd = (eατ2 −1)/2.3.13) On ´crit alors le syst`me (2. t t−τ (t) t t−τ2 xT (s)(Rm + Rd )xα (s)ds.3. 2.3.1) est α−stable pour tout retard τ (t) satisfaisant (2.14) conduit alors ` l’in´galit´ : e a e e   T   0 In 0 In ˙ ¯ + P xα (t) V α (t) = xT (t) P T ¯α   A0 + αIn + βm A1 −In A0 + αIn + βm A1 −In +η0 (t) + η1 (t) + η2 (t) + xT (t)(Rm + Rd )xα (t) − ˙α ˙ o` u η0 (t) = 2¯T (t)P T xα η1 (t) = η2 (t) = −2¯T (t)P T xα −2¯T (t)P T xα 0 ∆(t)βd A1 0 βm A1 0 ∆(t)βd A1 xα (t). version 1 .15) qui.15) le long des trajectoires de (3. pour i = 1.13) sous la forme descripteur en d´finissant la variable ´largie xα = col{xα . ˙ (2.3. (2. ˙α ˙ (2. ˙ xα (s)ds − ˙ ∆(t)βd A1 On introduit alors la fonctionnelle de Lyapunov-Krasovskii : V α (t) = xT (t)EP xα (t) + ¯α ¯ 0 −τ2 t t+θ xT (s)(Rm + Rd )xα (s)dsdθ. pr´sent´es dans l’approche e e par mod`les polytopiques. c’est-`-dire comme la somme d’un terme constant repr´sentant la valeur e a e nominale et d’un terme variant dans le temps mais born´ repr´sentant la perturbation par rapport ` cette e e a valeur nominale. xα } : e e e e ¯ ˙ ˙ E xα (t) = ¯ − 0 A0 + αIn + βm A1 0 βm A1 t t−τ (t) In −In tel-00132099.32 Chapitre 2. 3.2). R0 .3. ˙α ˙ xα (s)ds.20 Feb 2007 xα (t) + ¯ 0 0 ∆(t)βd A1 t t−τ (t) xα (t) (2.3. La formule de Leibniz permet de transformer e e le terme retard´ en int´grale de la mani`re suivante : e e e xα (t) = (A0 + αIn + (βm + ∆(t)βd )A1 )xα (t) − (βm + ∆(t)βd )A1 ˙ t t−τ (t) xα (s)ds.3 Le syst`me (2.14) xα (s)ds. On ´crit le terme exponentielle e e e a e sous forme d’un mod`le incertain.3.17) . s’il existe des e e e matrices de Rn×n P1 . sym´triques d´finies positives et P2 et P3 telles que la condition LMI e e suivante soit r´alis´e : e e   Ψ0     ∗   ∗  ∗ PT 0 βd A1 −R0 ∗ ∗ τ2 P T 0 βm A1 0 −τ2 Rm ∗ τ2 P T 0 βd A1 0 0 −τ2 Rd      <0    (2. On obtient alors : eατ (t) = βm + ∆(t)βd .3.

3.3.1) e e e est exponentiellement stable avec un degr´ de convergence α garanti. Ainsi le syst`me (2.1) est α−stable pour tout retard τ (t) satisfaisant (2.´ 2.3. e Th´or`me 2.3. η1 et η2 v´rifient les in´galit´s e e e e suivantes : η0 (t) ≤ xα (t) P ¯ T T T T 0 ∆(t)βd A1 T −1 R0 0 ∆(t)βd A1 0 βm A1 0 ∆(t)βd A1 T P xα (t) + xT (t)R0 xα (t).3.3.3. En appliquant la majoration standard. e De la mˆme mani`re que dans l’approche par mod`le polytopique. les fonctions η0 . 2 et 3.3. Rd . (2.4 Le syst`me (2. Zm et Zd . s’il existe des e e matrices de dimension n × n. ˙α ˙ On en d´duit finalement : e   ˙ V α (t) ≤ xT (t) Ψ0 + P T ¯α  0 βd A1 −1 R0 0 βd A1 T T P + τ2 P T 0 β m A1 −1 Rm 0 βm A1 T P +τ2 P T 0 βd A1 −1 Rd 0 βd A1   P  xα (t).3) est asymptotiquement stable et par cons´quent que le syst`me initial (2.2).3. P1 . Rm . il est possible d’aboutir ` d’autres condie e e a tions avec de nouvelles majorations des fonctions ηi (t) pour i = 1. ¯ Enfin en appliquant le lemme de Schur aux trois derniers termes de l’in´galit´.19) . sym´triques d´finies positives. et   Ri ∗ 0 βi AT 1 Zi P   ≥ 0. ˙α ˙ t t−τ (t) (2. ¯ α t t−τ (t) tel-00132099.20 Feb 2007 η1 (t) ≤ η2 (t) ≤ τ2 xα (t) P ¯ τ2 xα (t) P ¯ T 0 βm A1 0 −1 Rm P xα (t) + ¯ T xT (s)Rm xα (s)ds. CAS DES RETARDS VARIABLES MAJORES o` u Ψ0 = P + T 33 0 A0 + αIn + βm A1 R0 0 0 τ2 (Rm + Rd ) .3. on retrouve la condition e e (2. version 1 . telles que les conditions LMI suivantes soient r´alis´es : e e e Ψ1 < 0.18) T ∆(t)βd A1 −1 Rd P xα (t) + ¯ xT (s)Rd xα (s)ds. des matrices P2 et P3 et deux matrices e e sym´triques de dimension 2n × 2n. d. In −In + 0 A0 + αIn + βm A1 In −In T P βm = (eατ2 + 1)/2.17).20) (2. D´monstration. i = m. βd = (eατ2 − 1)/2.

3.5 0.[154]) : e e x(t) = ˙ −3 −2 1 0 x(t) + −0.20) permettent de majorer les fonctions ηi pour i = 0. 1.3.3 mais utilise une autre majoration.4 et 2.3.3. Les r´sultats sont e e e e e donn´s dans le Tableau 2. e e e e Les LMI (2. dans l’approche par mod`le incertain. Cela vient du fait que la matrice A0 e e n’est pas de Hurwitz. Stabilit´ exponentielle des syst`mes lin´aires e e e In −In + 0 A0 + αIn + βm A1 In −In T P + Zd + τ2 (Zm + Zd ). Cela correspond au cas critique o` la matrice A0 + αIn + β1 A1 .1 et 2. = (1 + eατ2 )/2. on remarque quelques diff´rences. e e u .2 donnent des r´sultats identiques.3. la stabilit´ du syst`me (2. si les conditions (2.3.2 Exemple de comparaison Consid´rons le syst`me suivant ([97]. D’autre part.21) On teste l’α−stabilit´ de ce syst`me en utilisant les Th´or`mes 2. on montre que le syst`me est e e e e e asymptotiquement stable.1. 2 dans (3. Il est possible de trouver des solutions aux quatre probl`mes e e jusqu’` α = 1.3. On obtient alors : η0 (t) ≤ η1 (t) ≤ η2 (t) ≤ xα (t)T Zd xα (t) + xT (t)Rd xα (t).1 0.3. ¯ ¯ α τ2 xα (t)T Zm xα (t) + ¯ ¯ τ2 xα (t)T Zd xα (t) + ¯ ¯ t xT (s)Rm xα (s)ds.3. Ainsi les r´sultats pr´sent´s dans cette partie ont un champ applicatif plus important que e e e ceux trouv´s dans la litt´rature dans la mesure o` il prend en compte les variations du retard. a u et A0 + αIn + βm A1 . e 2. 2.3.3. ˙ ˙ t−τ (t) α tel-00132099.1) sont d´montr´es.1 o` l’on recherche la plus grande valeur de τ2 qui v´rifie les conditions du th´or`me e u e e e consid´r´ : Le Tableau 2.22).2. ¯α ¯ Ainsi. D’autre part. l’approche e a par mod`le incertain augmente la dimension de l’unique condition LMI.3) et la stabilit´ exponentielle de e e e e e (2. βd = (eατ2 − 1)/2.34 o` u Ψ1 = PT + βm D´monstration.3. L’approche par ea e e e mod`les polytopiques parait moins conservative.3 0 x(t − τ (t)). le crit`re de [104] (pour des retards e e constants) ne permet pas de garantir l’α−stabilit´ du syst`me (2. n’est plus de Hurwitz (c’est-`-dire quand la partie e a r´elle d’une valeur propre de cette matrice devient nulle).19) est v´rifi´e. (2.3.3.21).20 Feb 2007 Si les conditions LMI (2. dans l’approche polytopique.3. e e On remarque que lorsqu’on choisit α = 0 dans les th´or`mes pr´c´dents. 2.20) sont v´rifi´es. e 0 A0 + αIn + βm A1 Rd 0 0 τ2 (Rm + Rd ) Chapitre 2.3.3. version 1 . Par rapport ` l’approche par mod`le polytopique.3. ee e e e e On peut d´j` remarquer que les Th´or`mes 2. L’approche polytopique a e e impose aux mˆmes variables matricielles de satisfaire ` deux conditions LMI distinctes. La d´monstration suit le mˆme cheminement que pour le Th´or`me 2. ˙ ˙ t−τ (t) α t T x (s)Rd xα (s)ds.1 pr´sente les r´sultats des conditions de stabilit´ exponentielle du syst`me (2.17). on obtient alors e e ˙ V α (t) ≤ xT (t)Ψ1 xα (t).

180 0.950 0. e e e e e e e Mod´lisation polytopique e On se propose dans un premier temps d’´crire les termes exponentiels sous la forme polytopique (2. σN (j)].950 0. (2.951 0..3 Application au cas des retards multiples Ce paragraphe est consacr´ ` l’´tude de la stabilit´ et de la stabilisation exponentielle de syst`mes lin´aires ea e e e e a ` retards multiples.22) Les retards sont suppos´s variables et v´rifient les conditions de majoration (2.3.. ∀t ≥ 0.6148 0. Pour des valeurs plus importantes de τ2 .340 0..181 0. 2}N telle que.963 0.3. D’autre part.4 e e delay type C C C V V V V 0.0752 0.6 0.936 0. les degr´s de convergence exponentielle d´termin´ par les e e e Th´or`mes 2.946 0.3. pour tout entier j de {1. Toute fois les r´sultats sont ´quivalents ` ceux de Lui [97].4 0.3.590 0.0752 0.2 et 2.338 0.4). une bijection de {1.972 0.8 0.3. on remarque que pour des petites bornes sup´rieures du retard.520 1.25) . version 1 .23) En utilisant le changement de variable xα (t) = eαt x(t). les r´sultats de stabilit´ e e e exponentielle sont ´quivalents au cas de retard constant developp´ par [154] et sup´rieure ` ceux de Mondi´ e e e a e et al [104].3. Cela paraˆ naturel du fait que nous consid´rons des retards variables e e ıt e contrairement aux autres conditions. ∀i = 1.614 0.3.4481 0 0.014 0.3.734 ∗ 0. (2.3 e e Th´or`me 2..3. CAS DES RETARDS VARIABLES MAJORES α Mondi´ et al [104] e Liu [97] Xu et al [154] Th´or`me 2.1 – Valeurs maximales de τ2 en fonction de α.971 0.5494 0 0 0 0 Tab.340 0.935 0. (2.925 0.671 0. 2} u On peut alors ´noncer le th´or`me suivant : e e e (2.014 0.1 e e Th´or`me 2.590 0..564 0.140 1.963 0. 2N } vers {1.181 0.0 0.901 1 0.957 0.23) : e e 0 ≤ τi (t) ≤ τi2 .181 0.3. e e a tel-00132099.´ 2.3.963 0. N x(t) = A0 x(t) + ˙ i=1 Ai x(t − τi (t)).3.2 e e Th´or`me 2.3.0752 0.0014 0.014 0. .6 0.8 0. .340 0.4 0. e D´finition 2..N.590 0.014 35 2. e on associe σ(j) d´fini par : e j → σ(j) = [σ1 (j).919 0. le syst`me (2.5202 0.20 Feb 2007 2.3.911 ∗ 0.3.2 0..963 0.861 ∗ 0. 2N }.950 0.2 0.298 1.899 0.583 0.3.800 ∗ 0.22) exprim´ en fonction de xα est e e r´gi par : e N xα (t) = (A0 + αIn )x(t) + ˙ i=1 eατi (t) Ai xα (t − τi (t)).24) Les conditions de stabilit´ qui seront d´termin´es sont issues d’une adaptation des th´or`mes pr´c´dents.811 0.0513 1.972 0.935 0. . 2.5 On note σ.972 0..0751 0.972 0.4818 0.. o` σi (j) ∈ {1.3 sont plus faibles..6990 0.

26) et pour i = 1. 2. N et des matrices de dimension 2n × 2n. P1 > 0..3. version 1 .2 au cas des syst`mes ` retards multiples.. (2. on peut d´finir les foncions scalaires µj afin de determiner une ´criture polytopique du terme variant e e Λ(t) et η(t) grˆce aux fonctions de permutations σ d´finies dans (3. αIn + A0 + i=1 N t t−τi (t) eατi (t) Ai .3. a e N µj (t) = i=1 λiσi (j) (t).1 et sachant que chacun des retards τi est major´ e e par τ2i . (2. ˙α ˙ 0 In N Λ(t) −In + 0 In T Λ(t) −In P.3. 2N : Ψj = P T T 0 Λj In −In + 0 Λj In −In P+ N i=1 τi2 Ziσi (j) + 0 0 0 Ri < 0.27) o` u Λj = αIn + A0 + N eατiσi (j) Ai .2. 2 j=1 N ∀t ≥ 0 ∀t ≥ 0 ∀j = 1.3. . Zik . les conditions de convexit´ li´es aux fonctions µj : e e e e µj (t) ≥ 0.2. P3 . e e e e e e a La d´monstration suit les mˆmes lignes et utilise la fonctionnelle de Lyapunov-Krasovskii suivante : e e V (t) = xT (t)EP xα (t) + ¯α ¯ 0 t N i=1 −τ2i t+θ xT (s)Ri xα (s)dsdθ. .3...20 Feb 2007 D´monstration. i=1 tel-00132099. . ˙ En utilisant le mˆme formalisme que dans la partie 2. xT (t)P T ¯α 0 e ατi (t) −2 i=1 Ai xα (s)ds. 2 telle que : eατi (t) = λi1 (t) + λi2 eατ2i Ainsi..3. .6 Le syst`me lin´aire ` retards multiples (2.2N µj (t) = 1 Ensuite la d´monstration est identique ` celle du Th´or`me 2. P2 . Ce th´or`me est une adaptation du Th´or`me 2.. N et k = 1. telles que les conditions LMI suivantes soient satisfaites pour j = 1.. pour i = 1. apr`s calcul. pour i = 1. ˙α ˙ La d´riv´e par rapport au temps de cette fonctionnelle donne : e e ˙ V (t) = o` u Ψ0 (t) = Λ(t) = η(t) = P T z T (t)Ψ0 (t)¯(t) + η(t) + ¯ z N ˙T ˙ i=1 τ2i xα (t)Ri xα (t) − t N i=1 t−τ2i xT (s)Ri xα (s)ds.. N et k = 1. e a e e . .7). On d´duit.36 Chapitre 2. Ri > 0.. Stabilit´ exponentielle des syst`mes lin´aires e e e e e a Th´or`me 2.. 2 :   Ri ∗ 0 eατik AT i Zik P   ≥ 0. i = 1.. le terme eατi (t) peut s’´crire comme une somme convexe de ses bornes ` savoir qu’il existe des fonctions e a scalaires λik . N et k = 1. ..22) est α−stable s’il existe des matrices de die e mension n × n.3.

La suite de la d´monstration utilise le mˆme d´veloppement que pour le Th´or`me u¯ ˙ e e e e e 2.N (τi2 ).3.3. (2. pour i = 1.3. Le nombre de LMI ` r´soudre e e a e a e est maintenant de 1 + 2N avec 4 + 14N matrices de dimension n × n ` d´terminer. et P2 . CAS DES RETARDS VARIABLES MAJORES 37 Remarque 2. s’il existe des matrices de dimension e e n × n. Dans cette partie.3. On remarque que le Th´or`me 2. Le Th´or`me 2.28) et la fonctionnelle de Lyapunov-Krasovskii e e V (¯α (t)) = x xT (t)EP xα (t) + ¯α ¯ 0 t N i=1 −τi2 t+θ xT (s)(Rid + Rim )xα (s)dsdθ. En effet dans le cas d’un syst`me ` N retards distincts. ..8 est une adaptation du Th´or`me 2.7 Il est possible de simplifier les conditions de stabilit´ exponentielle en introduisant la borne e sup´rieure de tous les retards τ2 = maxi=1.28) o` ∆i (t) est une fonction inconnue d´pendant de la valeur du retard τi (t) et v´rifiant ∆i ≤ 1 u e e e e Th´or`me 2. d.8 conduit ` des conditions LMI plus r´duites. nous allons pr´senter le syst`me (2.. version 1 . e a e u e e tel-00132099.3. e e Il serait donc int´ressant de r´duire le nombre de conditions et de variables qui d´finissent le crit`re de e e e e stabilit´ exponentielle.3.6.´ 2..3.3. Plus le nombre de retards est important. e ¯ On remarque que le nombre de conditions LMI ` r´soudre augmente g´om´triquement avec le nombre de a e e e retards.3. N et j = m.22) est α−stable..20 Feb 2007 L’avantage de l’approche par mod`les incertains est de r´duire consid´rablement le nombre de conditions ` e e e a satisfaire et de variables ` d´terminer. a e .30) o` βm = (1 + eατ2 )/2 et βd = (eατ2 − 1)/2. P1 > 0 et Ri > 0.3. u D´monstration. . mˆme s’il est possible que le conservatisme des conditions augmente.3. d telles que les conditions LMI suivantes soient satisfaites : T ΨN = P + et T 0 A0 + αIn + N i=1 N i=1 In βim Ai 0 −In + 0 A0 + αIn + N i=1 In βim Ai −In P (2. (2.3. e e Mod´lisation avec incertitudes param`triques e e Les pr´c´dentes conditions utilisant une mod´lisation polytopique des termes eατi (t) ont conduit ` des condie e e a tions de stabilit´ exponentielle qui deviennent difficiles ` r´soudre dans le cas o` le nombre de retards est ´lev´. pour tout r´el α > 0. j = m. le nombre de conditions LMI ` satisfaire est e a a de 2N + 2N . pour i = 1. 0 βij Ai Zij  ≥ 0. moins il sera possible de satisfaire les conditions LMI du Th´or`me 2.. De plus le nombre de variables augmente lui aussi puisque l’on doit d´terminer 8N + 3 matrices e de dimension n × n.8 Le syst`me (2. Consid´rons le syst`me (2.22) sous forme a e e e de syst`me ` param`tres incertains : e a e xα (t) = ˙ (αIn + A0 )xα (t) + N i=1 (βmi Ai + ∆i (t)βdi Ai )xα (t − τi (t)).29) Rid 0 τ2i (Rim + Rid )   Rij ∗ + Zid + τ2i (Zim + Zid )  < 0.3. xα (t)}.3.. ˙α ˙ o` xα (t) = col{xα (t).. P3 ainsi que des matrices Zij de dimension 2n × 2n.4.4 aux cas des syst`mes ` retards e e e e e e a multiples.. N .

∀ s ∈ [−τ2 . nous allons simplement exposer trois techniques en utilisant uniquement le Th´or`me e e e 2.6 Th 2. certaines techniques de synth`se du gain n´cessitent de lier les param`tres des crit`res.38 Exemple Chapitre 2. e e Il existe plusieurs m´thodes permettant ce calcul.5 .3.2 – Valeurs maximales de τ2 en fonction de α. e e e .3. Pour le moment les conditions obtenues ne sont pas lin´aires. φ(s). version 1 . Bτ ∈ Rn×m . En e a effet. sachant il est possible de les appliquer aux autres th´or`mes d’α−stabilit´.330 0. sont les matrices d’´tats suppos´es constantes. (2. 0 −1 0 −2 Le Tableau 2. e e e e α Th 2. On e e consid´rera le syst`me lin´aire ` retard simple suivant : e e e a x(t) = (A + BK)x(t) + (Aτ + Bτ K)x(t − τ (t)). Cela dit.3.3. Il existe alors des termes bilin´aires en e e K et en les autres variables du syst`me qu’il faut transformer pour obtenir des conditions lin´aires.300 1 0.32) Les matrices A. Aτ ∈ Rn×n .471 0.2. L’´tape suivante consiste e e e e e e ` modifier ses crit`res pour qu’ils permettent une synth`se “syst´matique” d’un gain K qui stabilise exponena e e e tiellement le syst`me en boucle ferm´e.364 0.3.20 Feb 2007 On remarque que l’approche polytopique aboutit encore une fois ` des valeurs de τ2 plus importantes que a par l’approche par mod`le incertain. on obtient c e e e e des crit`res LMI caract´risant la stabilit´ exponentielle du syst`me en boucle ferm´e.3. 0 0 . e e e comme les matrices A0 et A1 sont multipli´es par les variables des LMI. 0].2 pr´sente les r´sultats des conditions de stabilit´ exponentielle du syst`me (2.5 0. ee 2. 1 0 .31) Apr`s avoir d´terminer des crit`res de stabilit´ exponentielle en boucle ouverte de syst`mes lin´aires ` retards. a e e Cette seconde approche trouve donc son int´rˆt dans le cas d’un grand nombre de retards.3.3.3.222 1. il faut tout de mˆme rappeler que le nombre de conditions LMI e e ` r´soudre par l’approche polytopique est beaucoup plus important que dans l’approche par mod`le incertain.8 0 0.4 Application ` la stabilisation exponentielle a Consid´rons le syst`me e e x(t) = ˙ x(s) = Ax(t) + Aτ x(t − τ (t)) + Bu(t) + Bτ u(t − τ (t)).119 2 0 0 Tab.253 1.3.302 0. tel-00132099. Pour ´viter de e e e e e trop alourdir ce m´moire.8 dans le cas d’un syst`me soumis e e e e ` deux retards. ˙ (2. Certaines conduisent ` des conditions restrictives.5 0. 2. En effet.402 0.381 0. Consid´rons le syst`me (2.22). Ainsi en reme e pla¸ant les matrices A0 par A + BK et A1 par Aτ + Bτ K dans les th´or`mes de la partie pr´c´dente. B.22) avec les valeurs suivantes : a e e −2 2 1 −0. e e e e e e a l’´tape suivante consiste ` d´finir des algorithmes autorisant la synth`se d’un gain K tel que la commande par e a e e retour d’´tat u(t) = Kx(t) stabilise exponentiellement le syst`me avec un taux de convergence α garanti. Stabilit´ exponentielle des syst`mes lin´aires e e e On souhaite montrer la diff´rence entre les deux Th´or`mes 2.6 et 2.9 0.

2 : Φi 11 ∗  ¯ R T ¯ τ βi (P T AT + Y T Bτ ) i ¯ Z 1 Φi 12 Φi 22 < 0.3. αIn + A + BK + βi (Aτ + Bτ K). R.33b) ` 3 a ¯ . Z i .32) est α-stabilisable pour un r´el > 0 et pour tout retard variable τ (t) e e e e ¯1 > 0. On multiplie les conditions (2. ¯ ¯ ¯ ¯ ¯ ¯i Ensuite. 2 pour que le syst`me en boucle ferm´e avec la commande e e u(t) = Kx(t) soit α−stable :  Ψi < 0 et avec P = et Ψi = Λi = P T  R ∗ 0 βi (Aτ + BK)T Zi 0 P3 .pour i = 1. Zi = T i Z1 iT Z2 i Z2 i Z3  P  ≥ 0. 2. 3. P . Z = P Z P et Y = K P .2). et Y par P1 = P T P1 P . (2. propos´e dans [139]. ¯i Z2  i ¯ Z 3 ¯ ¯ ¯i Φi = (A + αIn + βi Aτ )P + P T (A + αIn + βi Aτ )T + (B + βi Bτ )Y + Y T (B + βi Bτ )T + τ2 Z1 . Z i . version 1 .20 Feb 2007 La premi`re technique de synth`se de gain. c’est-`-dire e e a T e e e e −ε(P2 + P2 ) + τ2 R ne pourrait ˆtre d´fini n´gatif. . Zj .3. 22 Le gain du retour d’´tat est alors donn´ par : e e ¯ K = Y P −1 . tel-00132099. e T i T i ¯ ¯ ¯ ¯ ¯ ¯ ¯ a a R = P RP . On d´finit alors : −1 ¯ P = P2 .34)   ∗  ∗ o` u ∗  T ¯ τ βi (P T AT + Y T Bτ )   ≥ 0.3. e e Th´or`me 2. utilise la contrainte liante sur les variables e e e de la condition de stabilit´ P3 = εP2 .3. il faut que les conditions suivantes (qui ne sont plus lin´aires mais bilin´aires ` e e e e e a cause de produit K. 12 2 ¯ ¯ ¯ ¯i Φi = − (P + P T ) + R + τ2 Z3 . R > 0 P . Z i et Y une matrice de ¯ ¯ ¯ ¯ ¯ v´rifiant (2.P ) soient satisfaites pour i = 1.3.3.33a). o` ε ∈ R est un param`tre de r´glage. on d´finit les nouvelles variables P1 .2.33a) ` droite (respectivement ` gauche) j j ¯ ¯ a par la matrice ∆3 = diag{P .9. 2 et j = 1.´ 2. CAS DES RETARDS VARIABLES MAJORES Mod´lisation polytopique e 39 D’apr`s le Th´or`me 2. 11 ¯ ¯ ¯ ¯ Φi = P1 − P + P T (A + αIn + βi Aτ )T + Y T (B + βi Bτ )T + τ2 Z i . (2. satisfaisant les conditions LMI suivantes pour i = 1.3. s’il existe des matrices de dimension n × n P e 3 1 2 dimension m × n.33) P1 P2 In −In . P } (par la matrice ∆T ` gauche) On obtient ¯ ¯ droite (respectivement ` gauche) par la matrice ∆ = diag{P a a finalement les conditions LMI de stabilisation du Th´or`me 2. 0 Λi + 0 Λi In −In P + τ2 Z i + 0 0 0 τ2 R .3. On remarque dans un premier e u e e temps que P2 est n´cessairement non singuli`re car sinon le second bloc diagonal de (2.3.3. P } (par la matrice ∆T ` gauche) et on multiplie les conditions LMI (2.9 Le syst`me (2.3.

33).36) L’´l´ment QT S −1 Q1 pose probl`me dans la r´solution. W1 . Ensuite la multiplication ` droite par ∆1 = diag{Q. utilis´e dans [51] consiste ` faire apparaˆ le produit KQ1 dans les conditions LMI e a ıtre du Th´or`me 2. cette fois-ci. 3  −τ2 S o` u i Θ21 = Q1 (A + αIn + βi Aτ )T + Q1 K T (B + βi Bτ )T − QT + Q3 + W2 .3.3. Q3 . e e e e e Λi = A + αIn + βi Aτ + (B + βi Bτ )K et A1 = Aτ + Bτ K. on obtient : e τ2 QT 2  ∗ Θ21 i −Q3 − QT + W3 3 ∗ ∗ ∗  τ2 QT  < 0. En d´veloppant.3.3.20 Feb 2007 seconde colonne et la seconde ligne. La seconde ´tape consiste ` d´velopper le dernier terme de Ψi qui peut aussi s’´crire : e a e e 0 0 0 = τ2 0 In (τ2 R) −1 0 τ2 R τ2 0 In T . 2 La deuxi`me condition LMI du Th´or`me 2. Stabilit´ exponentielle des syst`mes lin´aires e e e Une autre technique. (2.3. W3 et Y une matrice de . QT } ` gauche et par sa transpos´e e a e ` droite.40 Chapitre 2.3.12).3. appliqu´ une premi`re fois ` l’expression pr´c´dente et une seconde fois ` la e e a e e a tel-00132099.3. exprim´e en fonction des nouvelles e e e e e variables d´finies ci-dessus.32) avec la commande u(t) = Kx(t) et avec. ce qui conduit ` la condition bilin´aire (BMI) suivante : a a e  QT S −1 Q1 0 βi Q1 (Aτ + Bτ K)T  1 i i  ∗ W1 W2  i ∗ ∗ W3   ≥0  (2. Premi`rement on remarque que la matrice composant e T le bloc de la seconde colonne et de la seconde ligne de Ψi est −P3 − P3 doit ˆtre d´fini n´gatif pour qu’il existe e e e 0 une solution au probl`me LMI (2.3.  −τ2 R−1 et S = R−1 . Une premi`re piste consiste ` introduire e e e e e e a une condition liante telle que Q1 = S pour rendre le probl`me lin´aire.12b) par diag{Q1 . W2 . permet d’obtenir une condition de stabilit´ exponentielle du syst`me en e e boucle ferm´e ´quivalente ` (2.35) Ainsi le complement de Schur. e e Th´or`me 2. On peut alors d´finir la matrice e e e Q telle que : Q= Q1 Q2 0 Q3 = P −1 .3.10 Le syst`me (2.2 appliqu´ au syst`me boucl´ (2. s’il e e e e existe un r´el e i i i > 0 et des matrices de dimension n × n Q1 > 0.2). elle aussi.3. Pour cela.32) est α-stabilisable pour tout retard variable τ (t) v´rifiant (2. version 1 . on multiplie (2. I2n×2n } et ` gauche e e a a a a par ∆T conduit ` la condition : 1     0 Λi In −In Q + QT 0 Λi ∗ On introduit alors les matrices W = QT Z i Q =     i Q2 + QT + W1 2 i W1 i W2 i W3 In −In T  + τ2 QT Z i Q τ2 QT 0 In   < 0. Q2 . Les deux derni`res techniques que nous proposerons ee e e e 1 permettent de r´soudre les difficult´s caus´es par ces non-lin´arit´s. La matrice P3 est donc non singuli`re.2 doit ˆtre.

Une autre m´thode d´velopp´e dans [72] est envisageable pour ´viter cette restriction en utilisant l’in´galit´ e e e e e e suivante pour : (Q1 − S)T S −1 (Q1 − S) ≥ 0.3.3.´ 2.38) ∗ Le gain du retour d’´tat est alors donn´ par : e e K = Y Q−1 .  (2. Ainsi.  τ2 QT 2  (2.3.3.3.3.41).3. version 1 .40) et (2.12 Le syst`me (2. on retrouve alors la condition (2.3. Q3 .32) est e α−stabilisable. 3  −τ2 S    ≥ 0. On obtient alors le r´sultat suivant : e Th´or`me 2. Le lemme de Schur permet ensuite d’´crire la e e condition (2. W3 et Y une matrice de dimension m × n. 2 :  i Q + QT + τ2 W1 Φi τ2 QT 2 12 2  2 T i  ∗ −(Q3 + Q3 ) + τ2 W3 τ2 QT 3  ∗ ∗ −τ2 Q1     o` u i Φi = Q1 (A + αIn + βi Aτ )T + Y T (B + βi Bτ ) − QT + Q3 + τ2 W2 .3. satisfaisant les conditions LMI suivantes pour i = 1.3.3.3.3. qui.3. S > 0 Q2 . assure que −Q1 S −1 Q1 ≤ −2Q1 + S.39) sera satisfaite.41) ∗ .3. (2. En appliquant le lemme de Schur.2). W2 . alors (2.11 On comprend bien que le fait d’imposer la relation liante S = Q1 ou P2 = P3 augmente le conservatisme des conditions.32) est α-stabilisable pour tout retard variable τ (t) v´rifiant (2. 12 2 41    < 0. 1 tel-00132099.3. CAS DES RETARDS VARIABLES MAJORES dimension m × n. en posant Y = KQ1 .36) sous la forme : −Q1 SQ1 + 0 βi (Aτ + Bτ K)Q1 T (W i )−1 0 βi (Aτ + Bτ K)Q1 < 0. en la d´veloppant. W1 . 2 :  i Q + QT + τ2 W1 Φi 2 12  2 i  ∗ −(Q3 + QT ) + τ2 W3 3  ∗ ∗     2Q1 − S ∗ ∗ 0 i W1 T βi (Q1 AT + Y T Bτ ) τ i W2 i W3  τ2 QT  < 0.40) (2.37) Q1 ∗ ∗ 0 i W1 T βi (Q1 AT + Y T Bτ ) τ i W2 i W3    ≥ 0. satisfaisant les conditions LMI suivantes pour i = 1.39) On remarque alors que si la condition : −2Q1 + S + 0 βi (Aτ + Bτ K)Q1 T (W i )−1 0 βi (Aτ + Bτ K)Q1 < 0. s’il e e e e i i i existe des matrices de dimension n × n Q1 > 0. les conditions (2.  (2.41) garantissent que le syst`me (2. est satisfaite.20 Feb 2007 Remarque 2.

3. nous allons nous int´resser ` la stabilit´ et ` la stabilisation exponentielle sous contrainte.13 Comme nous l’avons dit en d´but de section. Aτ . e e Remarque 2.3.3. L’objectif e e e sera de d´terminer un ensemble de conditions initiales qui garantissent que la fonction coˆt est inf´rieure ` une e u e a valeur donn´e.5 Stabilisation ` coˆ t quadratique garanti a u Pr´sentation du probl`me e e Dans ce paragraphe. D’autrepart. Les matrices A. La fonction coˆt est : e e e u ∞ J = 0 xT (s)Jx(s) + uT (s)T u(s) ds. e Dans ce paragraphe. e a e a Ce probl`me de stabilit´ ou stabilisation ` coˆt garanti trouve sa justification dans le domaine pratique. e e e e e De plus les approches par mod`le incertain et par mod`les polytopiques peuvent ˆtre employ´es avec d’autres e e e e th´or`mes de stabilit´ et de stabilisation ` partir du moment o` les conditions obtenues sont lin´aires par e e e a u e rapport aux matrices d´finissant le syst`me.42 o` u Chapitre 2. Une d´finition sensiblement diff´rente est aussi utilis´e. φ(s).4. B et Bτ sont des u e e e matrices de dimension appropri´e. (2.3 et 2. que l’on retrouve fr´quemment dans la litt´rature ([35]. Chapitre 13). Dans un contexte de stabie e u e e e lisation des syst`mes ` retards avec un degr´ de convergence exponentielle. on suppose qu’il existe un r´el positif τ2 tel que le retard τ e e v´rifie la condition 0 ≤ τ (t) ≤ τ2 pour tout t ≥ 0. (2. 0]. nous n’avons pr´sent´ que quelques r´sultats. Le fait d’ajouter une contrainte de stabilisation exponentielle laisse penser e a e que l’´nergie que doit fournir le contrˆleur augmente avec le degr´ de convergence α.3.3. e e a tel-00132099.3. la fonction coˆt repr´sente l’´nergie mise en oeuvre dans le syst`me. 2. 12 2 Le gain du retour d’´tat est alors donn´ par : e e K = Y Q−1 .1. la fonction quadratique de coˆt est de la forme : u ∞ J = 0 xT (s)Jx(s)ds.43) o` x ∈ Rn repr´sente bien-entendu l’´tat du syst`me et J est une matrice sym´trique d´finie positive de u e e e e e dimension n × n. nous ´tudierons la performance du syst`me (2. e e a u G´n´ralement.20 Feb 2007 2. D’o` l’id´e d’ajouter un e o e u e crit`re permettant d’inclure une “limite” ´nerg´tique dans la d´termination de la loi de commande. version 1 . (2.44) . e e e e Consid´rons le syst`me e e x(t) = ˙ x(s) = Ax(t) + Aτ x(t − τ (t)) + Bu(t) + Bτ u(t − τ (t)).14 Comme pour le probl`me de l’α−stabilit´ il est possible de d´terminer des conditions de e e e stabilisation exponentielle avec un degr´ de convergence α garanti pour les syst`mes ` retards multiples.3.3.3. l’id´e du “coˆt ´nerg´tique” d’une e a e e u e e exp´rimentation n’est pas ` n´gliger. 1 Remarque 2. e e e e sachant qu’il est possible d’´noncer plusieurs th´or`mes en se basant sur les th´or`mes 2.3.42) o` x. Stabilit´ exponentielle des syst`mes lin´aires e e e i Φi = Q1 (A + αIn + βi Aτ )T + Y T (B + βi Bτ ) − QT + Q3 + τ2 W2 .42) en utilisant une fonction de coˆt e e u du type int´gral quadratique. ∀ s ∈ [−τ2 . e Dans [35]. u repr´sente respectivement l’´tat et la commande du syst`me.

3.42) v´rifie : e e e e ˙ V (t) + xT (t)Jx(t) < 0. W1 . sachant que la r´solution sera quasiment e e identique pour (2. Q3 . (2.47)    ≥ 0.45) z T (s)Sz(s)ds. R´solution du probl`me e e Ici nous ne proc´derons pas de la mani`re habituelle qui consiste ` d´terminer des conditions garantissant e e a e que la d´riv´e de la fonctionnelle de Lyapunov-Krasovskii du syst`me (2.3. 1 L’ensemble D0 des conditions initiales φ qui satisfont ` la condition J ≤ γ. de la mˆme mani`re e e e e a e e e que lors de la r´solution du probl`me H ∞ .15 Le syst`me (2. La m´thode propos´e ici utilise uniquement la stabilit´ exponentielle pour prouver la convergence ` coˆt e e e a u garanti.3. Th´or`me 2.3.43).48) ∗ i Φi = Q1 (A + αIn + βi Aτ )T + Y T (B + βi Bτ ) − QT + Q3 + τ2 W2 .3.46). u e e Par la suite. 12 2 Le gain du retour d’´tat est alors donn´ par : e e K = Y Q−1 . S > 0 Q2 .3. Elle consiste ` d´finir un vecteur de mesure z. W3 et Y une matrice de tel-00132099.46) o` S est une matrice sym´trique d´finie positive de Rp×p .3. o` γ est un r´el strictement a u e positif.  (2. s’il e e e e i i i existe des matrices de dimension n × n matrices Q1 > 0. satisfaisant les conditions LMI suivantes pour i = 1.42) est α-stabilisable pour tout retard variable τ (t) v´rifiant (2.3. W2 . version 1 . est d´fini par : e λmax (J) λmax (Q−1 ) e−2ατ2 − 1 + 2ατ2 1 ˙ ||φ(s)||2 + λmax (S −1 )(α||φ|| + ||φ||)2 ≤ γ −1 αλmin (Q1 ) 4α3 λmin (Q−1 ) 1 (2.2).3. 2 :  i τ2 QT Φi Q + QT + τ2 W11 2 12 2  2 i  ∗ −(Q3 + QT ) + τ2 W22 τ2 QT 3 3  ∗ ∗ −τ2 S     o` u 2Q1 − S ∗ ∗ 0 i W1 T βi (Q1 AT + Y T Bτ ) τ i W2 i W3    < 0. u ∈ Rm la commande. u Une derni`re d´finition peut ˆtre utilis´e. Q ∈ Rn×n et R ∈ Rm×m sont des matrices u e e e sym´triques d´finies positive.20 Feb 2007 dimension m × n.´ 2.43) dans la mesure o` la commande apparaˆ e e e e u ıt explicitement dans la fonction coˆt. nous n’utiliserons que la derni`re formulation (2.3. Cette d´finition est diff´rente de (2. CAS DES RETARDS VARIABLES MAJORES 43 o` x ∈ Rn repr´sente l’´tat du syst`me.44) et (2. Le vecteur de mesure z de dimension p est de la forme : e e z(t) = Cx(t) + Du(t).3.49) .3.3. La fonction coˆt associ´e est alors : u e J = 0 ∞ (2.  (2.3.

En effet. nous a u avons choisi d’utiliser le Th´or`me 2.12 pour des raisons de clart´ de l’expos´. e e u e a Les conditions initiales φ satisfaisant ` la condition (2.48) e assurent que la fonctionnelle de Lyapunov-Krasovskii (2.44 Chapitre 2.47) et(2.3.42).43).49) sont donc caract´ris´es par la norme sur C de a e e la fonction φ dans l’intervalle [−τ2 .42) avec un degr´ de e e e convergence α > 0. ˙α ˙ (2. revenant ` la variable x : a 0 −τ2 t t+θ xT (s)S −1 xα (s)dsdθ.12).3.3.44) ou par λmin ((C + DK)T S(C + DK)). Les conditions LMI (2. e a e e La seconde ´tape consiste ` d´terminer une borne de la fonction coˆt (2.3. e e e dans le cas (2.3.3. −1 ||φ(s)|| + αλmin (Q1 ) 4α3 λmin (Q−1 ) 1 Donc si la condition (2. version 1 . il faut alors remplacer λmin (J) par λmin (J +K T T K). l’ensemble des conditions initiales satisfaiu sant la condition J ≤ γ est l´g`rement modifi´e. 0] et par celle de sa d´riv´e φ sur le mˆme intervalle. e e ˙ e Remarque 2.3. On d´termine ensuite une borne sup´rieure de Vα (0) en remarquant que eαt x(t − τ ) = eατ xα (t − τ ) − e e ˙ ˙ αeατ xα (t − τ ) : Vα (0) ≤ ≤ ˙ λmax (Q−1 )||φ(s)||2 + λmax (S −1 )(α||φ|| + ||φ||)2 1 λmax (Q−1 )||φ(s)||2 + 1 e−2ατ2 −1+2ατ2 4α2 0 −τ2 0 2αs e dsdθ.3. ∀t ≥ 0.3.3.3. Stabilit´ exponentielle des syst`mes lin´aires e e e D´monstration. la fonction de coˆt J est bien inf´rieure ` γ.50) : Vα (t) = xα (t) EQ−1 xα (t) + ¯ ¯ est d´croissante.3. La d´monstration est identique ` celle du Th´or`me (2.3.44) ou (2.16 Pour exposer le lien entre stabilisation exponentielle et stabilisation ` coˆt garanti. On peut maintenant d´terminer une borne de J : e J ≤ λmax (J) λmax (Q−1 ) e−2ατ2 − 1 + 2ατ2 2 1 ˙ λmax (S −1 )(α||φ|| + ||φ||)2 . Ainsi on en d´duit que pour tout t ≥ 0 : e x(t) x(t) 2 2 ≤ xT (t) λ ≤ Q1 −1 min (Q1 ) λmax (Q−1 ) 1 λmin (Q−1 ) 1 x(t) e−2ατ2 −1+2ατ2 λ (S −1 )(α||φ|| 4α2 λmin (Q−1 ) max 1 ||φ(s)||2 + ˙ + ||φ||)2 e−2αt .3.50) tel-00132099. Ce qui implique : e xT (t)Q−1 xα (t) ≤ Vα (t) ≤ Vα (0).46). La preuve de ce th´or`me se fait en deux ´tapes. Il est aussi possible d’appliquer e e e e ce r´sultat ` chacun des th´or`mes de stabilisation pr´sent´s dans ce chapitre. e a e e e e Remarque 2.3.3.20 Feb 2007 λmin (Q−1 ) x(t) 1 2 ≤ Vα (0)e−2αt .3. ∀t ≥ 0. dans le cas (2. α 1 ou encore. Pour cela on va dans un e a e u premier temps d´terminer une majoration de la solution x(t) de (2. . θ ˙ 2 λmax (S −1 )(α||φ|| + ||φ||) .17 Lorsque la fonction coˆt est (2.46). La premi`re consiste ` d´terminer une e e e e e a e commande par retour d’´tat u(t) = Kx(t) qui stabilise exponentiellement le syst`me (2.49) est v´rifi´e.

43).´ 2. nous allons nous int´resser ` l’´tude des syst`mes soumis ` des retards dont la borne e a e e a minimale est non nulle. on trouve ´norm´ment de r´sultats portant sur les syst`mes dont les retards sont seulee e e e e ment strictement positifs. e e a 1 λS ≥ λmax (S −1 ) (comme Q1 et S sont des matrices sym´triques leurs valeurs propres sont r´elles).7.48) o` β1 et β2 repr´sentent des poids qui doivent ˆtre r´gl´s pour satisfaire certains compromis entre les valeurs u e e e e ˙ .3. [80] ont d´termin´ des conditions de stabilit´ asympe e e totique pour les syst`mes soumis ` ce type de retard. On d´finit e e e alors le probl`me d’optimisation suivant : e min β1 λQ1 + β2 λS soumis ` a (2. les conditions (3.3.42) o` le retard est major´ par une valeur τ2 impos´e. La seconde ´tape consiste ` minimiser les valeurs propres des matrices e a Q−1 et S −1 . λS I n In S ≥ 0. dans ce contexte. e e En effet. un retard quasi-nul s’interpr`te comme une transmission quasi-instantan´e. on remarque ˙ que dans (2.3. il ne permet pas de maximiser cet ensemble. maximales de φ et φ 2.4 Cas des retards variables born´s e Dans cette section. e u Premi`rement.1) Ce cas de retard est tr`s fr´quemment rencontr´s en pratique. Or il est e e ´vident que le retard dˆ ` une communication induit des retards dont la borne inf´rieure correspond au temps e ua e minimum de transport d’information ou de mati`re. version 1 . un ´coulement de liquide. ces coefficients sont divis´s par α. Pour introduire ces propri´t´s dans le probl`me LMI. Ce que nous proposons dans ce paragraphe est une proc´dure de maximisation de D0 dans le cas d’une fonction de coˆt de la forme (2. Ce temps est limit´ par les caract´ristiques du syst`mes e e e e (par le r´seaux dans le cas de la commande ` distance). Il paraˆ alors int´ressant de mesurer l’influence de la e a ıt e borne inf´rieure du retard.3. Dans un contexte de retards li´s ` une e e e e a transmission d’informations. on ajoute les conditions suivantes : ee e 1 tel-00132099.26) deviennent ´quivalentes ` λQ1 ≥ λmax (Q−1 ). (2. le cas du retard nul ou proche de 0 n’est pas r´alisable.51) En utilisant le compl´ment de Schur. il faut minimiser les coefficients aφ et aφ . (2. L’id´e principale est de consid´rer que le retard variable e a e e .20 Feb 2007 λQ1 In In Q1 ≥ 0.4. on remarque que D0 est de la forme : e ˙ D0 = {φ ∈ Cτ : aφ φ + aφ φ ≤ γ}. e Dans la litt´rature. La premi`re ´tape consiste donc ` d´terminer le plus grand e e e a e taux de convergence exponentielle α.3.3.4. Le Th´or`me 2. c’est-`-dire qu’il existe une valeur τ1 telle que le retard variable τ v´rifie la relation : a e τ1 ≤ τ (t) ≤ τ2 . ˙ Pour que l’ensemble D0 soit plus grand. Pour cela.6 Optimisation de l’ensemble des conditions initiales admissibles Consid´rons le cas du syst`me (2.3.47) et (2. CAS DES RETARDS VARIABLES BORNES 45 2.3.49). Cependant.15 e e u e e e e permet alors de d´terminer un ensemble de conditions initiales qui satisfont au probl`me de coˆt quadratique e e u garanti J ≤ γ. Seulement quelques auteurs [49].

et permettant d’´crire le syst`me (2. η(t) ≤ µ.20 Feb 2007 xα (t) = (A0 + αIn )xα (t) + eατ (t) A1 xα (t − τ (t)) ˙ Mod´lisation polytopique e (2. on introduit la nouvelle variable xα (t) = eαt x(t). ∀i ∈ {1.4). ˙ on obtient finalement l’´criture suivante : e ˙ E xα (t) = ¯ 2 i=1 λi (t) 0 In (A0 + αIn ) −In xα (t) + ¯ 0 βi A1 xα (t − δ) − 0 β i A1 t−δ t−δ−η(t) ˙ xα (s)ds . En fait.4. Le syst`me (2.4.4.3) devient : e tel-00132099.2) 2. Cela signifie aussi qu’il existe des fonctions scalaires positives mais aussi inconnues λi : R → R. δ. Heureusement.4) sous la forme polytopique suivante : e e xα (t) = ˙ 2 i=1 λi (t){(A0 + αIn )xα (t) + βi A1 xα (t − τ (t))}. sachant que le retard est born´ (2.1 Etude de la stabilit´ e Consid´rons le syst`me lin´aire ` retard sans commande : e e e a x(t) = A0 x(t) + A1 x(t − τ (t)).Consid´rons le syst`me ` retards variables (2.4.4) est ` param`tres variants ` cause du gain scalaire e a e a e a e ατ (t) . version 1 . qui satisfont la condition de convexit´ : e ∀t ≥ 0.4) Il y a une difficult´ ` surmonter. cette difficult´ peut ˆtre surmont´e en introduisant une e e e e e mod´lisation polytopique du syst`me (2. 2}.1) et en reprenant la e e e d´finition des param`tres βi . i ∈ {1. 2 i=1 λi (t) = 1.4. ˙ (2.3) Notre objectif est de d´terminer des conditions de stabilit´ pour cette classe de syst`mes o` le retard v´rifie e e e u e (2. ∀t ≥ 0. on sait que le gain lin´aire eατ (t) v´rifie les in´galit´s : e e e e e e β1 = eα(δ−µ) ≤ eατ (t) ≤ eα(δ+µ) = β2 .4.4.4.4.4. xα (t)} et E = diag{I. On propose alors le th´or`me suivant : u¯ ˙ e e . 2} λi (t) ≥ 0. qu’on pourrait appel´ retard nominal et d’une perturbation born´e de e e ce retard η(t) caract´ris´e par un param`tre µ > 0 repr´sentant l’amplitude maximale du retard autour de sa e e e e valeur nominale : τ (t) = δ + η(t). Ceci ne permet pas d’appliquer directement les th´or`mes classiques d´montrant la stabilit´ asymptoe e e e tique d’un syst`me lin´aire stationnaire.2). (2. Stabilit´ exponentielle des syst`mes lin´aires e e e τ est la somme d’un retard constant. Afin de d´terminer des conditions de convergence e e a e exponentielle. avec α > 0.3).4.4. ¯ o` xα (t) = col{xα (t). (2. Le syst`me (2.5) En utilisant la formule de Leibniz qui permet d’´crire : e t−δi xα (t − δ) − xα (t − δ + η(t)) = t−δ+η(t) xα (s)ds. 0(2×2) }.46 Chapitre 2.

P2 .   (2. D´monstration.4. xα (t). Z3 .4. ˙ . xα (t − δ1 )} et les autres termes sont d´finis par : u ˙ ¯ e   0 0 T T   Ψ1 P −Y . CAS DES RETARDS VARIABLES BORNES 47 Th´or`me 2. Y1 . la majoration suivante est v´rifi´e : e e 2 ˙ Vn (t) ≤ i=1 λi (t){ξ T (t)Γi ξ(t) + ∆i (t)}.6) −µR1a   Z2  ≥ 0.9) ˙ xT (s)Rxα (s)dsdθ + ˙α t t−δ xT (s)Sxα (s)ds. Z= Z2 Z3 .20 Feb 2007 Ψ1 = P T 0 A0 + αIn In −In + 0 A0 + αIn In −In T P+ Y 0 + Y 0 T + δZ + S 0 0 δR + 2µRa . ˙α ˙ Vn correspond au contrˆle de la stabilit´ du syst`me soumis au seul retard nominal δ. En suivant la d´monstration du Lemme o e 1 dans [56].10) xT (s)Ra xα (s)dsdθ. version 1 . R et Ra qui satisfont aux conditions LMI pour tout couple (i. 1n (2.´ 2.7) avec P = P1 P2 0 P3 .4. α (2.4. si les conditions LMI (2.4. Z1 .  Z3 Z1 T Z2 Y2 (2. (2. e e e Y2 . Y = Y1 Y2 . Γi =  βi A1 1n   ∗ −S avec Ψ0 = Ψ1 − 1 0 0 0 2µRa 0 βi A1 . P3 .11) o` ξ(t) = col{xα (t).3) est α−stable s’il existe des (n × n)−matrices 0 < P1 . o` les deux fonctionnelles sont d´finies comme suit : u e Vn (t) = Va (t) = ¯ xT (t)EP xα (t) + ¯α µ t −µ t+θ−δ 0 −δ t t+θ (2. ∆i (t) = −2¯T (t)P T xα t−δ t−δ−η(t) xα (s)ds.4. j) ∈ {1.4.7) sont satisfaites. 2}2 :  Γi 1  Ψ1  =   ∗  ∗ P T 0 βi A1 −S1 ∗    ∗  ∗ R Y1 Z1 ∗ − Y1T µP T 0 βi A1 0     < 0.4.1 [132] Le syst`me (2. La seconde fonctionnelle o e e Va contrˆle les variations du retard τ (t) autour de leur valeur nominale δ.4. S.8) tel-00132099. Consid´rons donc la fonctionnelle de Lyapunov-Krasovskii qui est pr´sent´e en deux pare e e e ties : Vα (t) = Vn (t) + Va (t).4. Z2 .

12) tel-00132099. version 1 . Y = Y1 0 βi AT 1 Zi Y2 P   ≥ 0. 1 ˙ Ainsi. le syst`me (2.4. Vα (t) est une somme convexe de termes n´gatifs.4.4. nous utiliserons la mod´lisation du syst`me (2. En utilisant la mod´lisation descripteur e e et la formule de Leibniz. par cons´quent e e e que le syst`me initial (2. assure que la relation 2aT b ≤ aT Ra + bT R−1 b est satisfaite. en introduisant la variable ξ1 (t) = col{ξ(t).4. la combinaison de (2.3) est exponentiellement stable avec un degr´ de convergence α. Z1i . Z2 Z3  Ri ∗ . Z3 . pour toute matrice sym´trique d´finie positive R de dimension n et e e pour tous vecteurs a et b de Rn .6 ) et (2.2 Le syst`me (2.4) s’´crit alors : e e ˙ E xα = ¯ 0 A0 + αIn In −In xα (t) + (βm + ∆(t)βd ) ¯ 0 A1 t−δ t−δ−η(t) 0 A1 xα (t − δ) −(βm + ∆(t)βd ) On en d´duit le th´or`me suivant : e e e xα (t − δ). xα (t)}.4.4.3) est α−stable s’il existe des matrices de dimension n × n P1 .11) et (2. (2. Zi = .14) Z2i Z3i .  (2.4) en mettant le terme eατ (t) sous forme e e d’un syst`me ` param`tres incertains.13) (2. Y1 . xα (t). Y2 . on obtient : ∆i (t) ≤ µ¯T (t)P T xα 0 β i A1 −1 Ra 0 βi A1 T P xα (t) + ¯ t−δ t−δ−η(t) xT (s)Ra xα (s)ds .4.48 Chapitre 2. (2. Ceci permet de conclure que le syst`me (2. P3 . ˙ Th´or`me 2.4. e e Mod´lisation avec incertitudes param`triques e e Dans cette partie.4) est asymptotiquement stable et. βd = (eα(δ+µ) − eα(δ−µ) )/2 et o` ∆ est une fonction inconnue d´pendant de la u u e valeur du retard τ et v´rifiant la condition |∆(t)| ≤ 1. pour tout t ≥ 0. Stabilit´ exponentielle des syst`mes lin´aires e e e En utilisant la majoration classique qui. e eατ (t) = βm + ∆(t)βd .4.4.15) .1) ˙ ˙ permet d’´crire : e 2 ˙ Vα (t) ≤ i.4. Z1i T Z2i −YT   < 0. d qui satisfont e e aux conditions LMI :   Ψ2 Γ2 =   ∗ R ∗ P = P1 P2 0 P3 .7) sont satisfaites.4. on remarque que si les conditions (2. e a e e repr´sentant la valeur moyenne de la fonction et d’un terme variable d’amplitude born´e par βd repr´sentant la e e e perturbation d´pendant du retard inconnu. Z1 . Z= Y Z Z1 T Z2  PT 0 βm A1 −S + Rd  ≥ 0. Z2 .j=1 T λij (t) ξ1 (t)Γi ξ1 (t) . S et e e e Ri > 0 sym´triques d´finies positives et P2 .20 Feb 2007 o` βm = (eα(δ+µ) + eα(δ−µ) )/2. ˙α ˙ Ensuite. Z2i et Z3i pour i = m. R > 0.4.4. Nous ´crirons ce terme comme une somme d’un terme constant βm .

´ 2.4. CAS DES RETARDS VARIABLES BORNES

49

Ψ2 =

P +

T

0 A0 + αIn Y 0 + Y 0

In −In
T

+ S 0

0 A0 + αIn 0

In −In

T

P + δZ + (1 + µ)Zd + µZm (2.4.16) .

+

δR + 2µ(Rm + Rd )

D´monstration. La d´monstration de ce th´or`me utilise toujours le changement de variable xα (t) = e e e e eαt x(t). Cette transformation introduit le gain scalaire eατ (t) dans (2.4.4). La suite de la d´monstration est e bas´e sur les techniques de Lyapunov-Krasovskii. Consid´rons donc la fonctionnelle de Lyapunov-Krasovskii qui e e est pr´sent´e en deux parties : e e Vα (t) = Vn (t) + Va (t),
µ t t+θ−δ

(2.4.17)

o` Vn est toujours la mˆme fonctionnelle d´finie par (2.4.10) et la seconde fonctionnelle est d´finie par : u e e e Va (t) =
−µ

xT (s)(Rm + Rd )xα (s)dsdθ. ˙α ˙

(2.4.18)

tel-00132099, version 1 - 20 Feb 2007

En suivant la d´marche de la d´monstration du Th´or`me 2.4.1, Vn correspond au contrˆle de la stabilit´ e e e e o e du syst`me soumis au seul retard nominal δ. La seconde fonctionnelle Va contrˆle les variations du retard τ (t) e o autour de leur valeur nominale δ. En suivant la d´monstration de la preuve du Lemme 1 dans [56], si la condition e LMI (2.4.14a) est satisfaite, la majoration suivante est v´rifi´e : e e
3

˙ Vn (t) ≤ ξ T (t)Γ2n ξ(t) +
k=1

∆k (t),

(2.4.19)

o` ξ(t) = col{xα (t), xα (t), xα (t − δ1 )} et les autres termes sont d´finis par : u ˙ ¯ e   0  Ψ0 P T −YT  2 , Γi =  βi A1 3n   ∗ −S 0 0

Ψ0 = Ψ 2 − 2 et o` les fonctions ∆i sont d´finies par : u e ∆1 (t) = ∆2 (t) = ∆3 (t) = −2¯T (t)P T xα −2¯T (t)P T xα −2¯T (t)P T xα

0 2µ(Rm + Rd )

0 ∆(t)βd A1 0 βm A1 0 ∆(t)βd A1

xα (t − δ),
t−δ t−δ−η(t)

xα (s)ds, ˙ xα (s)ds. ˙

t−δ t−δ−η(t)

A fin de majorer les ´l´ments ∆k , on dispose de la m´thode bas´e sur les conditions LMI (2.4.14) conduisant ee e e a `: ∆1 (t) ≤ xT (t)Zd xα (t) + xT (t − δ)Rd xα (t − δ), ¯α ¯ α ∆2 (t) = ∆3 (t) = µ¯T (t)Zm xα (t) + xα ¯ µ¯T (t)Zd xα (t) + xα ¯
t−δ t−δ−η(t) t−δ t−δ−η(t)

xT (s)Rm xα (s)ds , ˙α ˙

xT (s)Rd xα (s)ds . ˙α ˙

50

Chapitre 2. Stabilit´ exponentielle des syst`mes lin´aires e e e Ainsi, on remarque que, si les conditions (2.4.13) ` (2.4.14) du Th´or`me 2.4.2 sont satisfaites, alors on a a e e ˙ Vα (t) ≤
3 T ¯T ¯ k=1 ∆k (t) + xα (t)Zd xα (t) + xα (t − δ)Rd xα (t − δ) t−δ t−δ+µ µ¯T (t)Zm xα (t) + t−δ−η(t) xT (s)Rm xα (s)ds − t−δ−µ xT (s)Rm xα (s)ds xα ¯ ˙α ˙ ˙α ˙ t−δ t−δ+µ ˙α ˙ ˙α ˙ µ¯T (t)Zd xα (t) + t−δ−η(t) xT (s)Rd xα (s)ds − t−δ−µ xT (s)Rd xα (s)ds, xα ¯

ξ T (t)Γ3n ξ(t) +

En remarquant que la somme des termes int´grales est n´gative, on conclut que la d´riv´e de la fonctionnelle e e e e Vα est d´finie n´gative si les conditions LMI du Th´or`me 2.4.2 sont v´rifi´es. On d´montre ainsi que le syst`me e e e e e e e e (2.4.4) est asymptotiquement stable et, par cons´quent, que le syst`me lin´aire (2.4.3) soumis au retard d´fini e e e e dans (2.4.1) est α−stable.

2.4.2

Stabilisation des syst`mes lin´aires e e

tel-00132099, version 1 - 20 Feb 2007

Dans cette partie, nous nous int´resserons ` la stabilisation de syst`mes lin´aires ` retard de la forme : e a e e a x(t) = ˙ x(s) = Ax(t) + Aτ x(t − τ (t)) + Bu(t) + Bτ u(t − τ (t)) φ(s), ∀ s ∈ [−τ2 , 0]

(2.4.20)

o` le retard variable τ (t) appartient ` [τ1 , τ2 ]. u a La loi de commande que nous d´sirons utiliser est une commande par retour d’´tat u = Kx(t), o` K est un e e u gain matriciel ` d´terminer pour garantir la stabilit´ exponentielle du syst`me boucl´ : a e e e e x(t) = ˙ x(s) = (A + BK)x(t) + (Aτ + Bτ K)x(t − τ (t)) φ(s), ∀ s ∈ [−τ2 , 0]

(2.4.21)

Les mˆmes m´thodes propos´es dans la partie 2.3.4 permettront aussi de d´terminer des conditions LMI de e e e e stabilisation. Nous ne pr´senterons cependant que quelques th´or`mes permettant de d´terminer le gain lin´aire e e e e e K du retour d’´tat pour ne pas alourdir la pr´sentation. e e

Mod´lisation polytopique e Th´or`me 2.4.3 La commande par retour d’´tat de gain stabilise exponentiellement le syst`me (2.4.3) avec un e e e e degr´ de convergence α > 0 si, pour un r´el positif , il existe des matrices de dimension n × n d´finies positives e e e
i i i i i i Q1 , T , U et Ua et des matrices de dimension n × n Q2 , Q3 , W1 , W2 , W3 , W1a , W2a , W3a , pour i = 1, 2 et une

matrice W , de dimension n × m, telles que les conditions LMI suivantes soient satisfaites pour i = 1, 2 :          Φi 21 ∗ ∗ ∗ ∗ Φi 21 Φi 23 ∗ ∗ ∗ 0 (1 − )βi (Aτ Q1 + Bτ Y ) −T ∗ ∗ δQT 2 δQT 3 0 −δU ∗ 2µQT 2 

 2µQT  3    < 0, 0   0  −2µUa

(2.4.22)

´ 2.4. CAS DES RETARDS VARIABLES BORNES et         o` u Φi = 21 Φi = 22 Φi = 23 Q1 (A + αIn + βi Aτ )T + (A + αIn + βi Aτ )Q1
i i +(B + βi Bτ )Y + Y T (B + βi Bτ )T + T + δW1 + δW1a i i Q3 − QT + Q1 (A + αIn + βi Aτ )T + δW2 + δW2a , 2 i i −(Q3 + QT ) + δW3 + δW3a . 3

51    ≥ 0,    ≥0  (2.4.23)

−2Q1 + U ∗ ∗ −2Q1 + Ua ∗ ∗

0 W1 ∗ 0
i W1a

βi (Aτ Q1 + Bτ Y )T W2 W3 βi (Aτ Q1 + Bτ Y )T
i W2a i W3a

(2.4.24)

tel-00132099, version 1 - 20 Feb 2007

Le gain du retour d’´tat est alors donn´e par : e e K = Y Q−1 1 (2.4.25)

D´monstration. La preuve de ce th´or`me est bas´e sur le Th´or`me de stabilit´ exponentielle 2.4.1 et suit e e e e e e e la m´thode propos´e pour la d´monstration du Th´or`me 2.3.12. Cependant quelques ´tapes n´cessitent d’ˆtre e e e e e e e e pr´sent´e. e e = P −1 . On remplace les matrices A0 par A + BK et A1 par Q2 Q3 Aτ + Bτ K. Notre objectif consiste ` faire apparaˆ le produit KQ1 . Pour cela nous commen¸ons par imposer a ıtre c On d´finit la matrice Q = e la contrainte suivante : Yi = 0 βi A1 P. Q1 0

On remarque, dans un premier temps que l’on a d´doubl´ la matrice Y en deux matrices Yi pour que e e cette contrainte liante ne rende les conditions conservatives. De la mˆme mani`re, on d´finit les matrices Zi de e e e dimension 2n × 2n telles que les conditions (2.4.7) deviennent :   R ∗ 0 βi (Aτ + Bτ K) Z
i T

 P ≥0 (2.4.26)

Ensuite en utilisant la mˆme technique que dans la d´monstration du Th´or`me 2.3.12, en multipliant les e e e e conditions LMI (2.4.7) par diag{Q1 , Q} ` droite et par sa transpos´e ` gauche. Pour obtenir les conditions : a e a   Q1 RQ1 ∗ 0 βi Q1 (Aτ + Bτ K)T QT Z i Q   Q1 R a Q1 ∗ 0 βi Q1 (Aτ + Bτ K)T
i QT Za Q

 ≥0 (2.4.27)

 ≥ 0 ,

i i −1 En posant W i = QT Z i Q, Wa = QT Za Q, U = R−1 et Ua = Ra et en utilisant la mˆme majoration que e

dans la d´monstration du Th´or`me 2.3.12, on retrouve les conditions LMI (2.4.23). e e e D’autre part, dans l’´quation (2.4.6), on peut appliquer le compl´ment de Schur aux termes R et Ra ` la e e a mani`re de (2.3.35). On obtient alors : e

52       ∗   ∗  ∗ avec Ψi 2 = P +
T

Chapitre 2. Stabilit´ exponentielle des syst`mes lin´aires e e e  Ψi 2 (1 − )P
T

0 βi A1

δ

0 In 0
−1

δ

0 In 0 0

−S ∗ ∗ 0 A0 + αIn In 0 0 βi A1 In −In
T

−δR ∗ 0

     < 0,   

(2.4.28)

−1 −2µRa T i P + δZ i + µZa T

+ P+ P

In −In In 0 0

A0 + αIn
T

βi A1

+

S 0

0 0

.

On multiplie alors la condition (2.4.28) ` droite par diag{Q, Q1 , In , In } et par sa transpos´e ` gauche. Ainsi, a e a
−1 en posant U = S −1 et Ua = Sa la condition de stabilit´ exponentielle devient : e

tel-00132099, version 1 - 20 Feb 2007

      ∗   ∗  ∗ o` u Ψi 2 = 0 A0 + αIn + Q
T

 Φi 2 (1 − ) 0 βi A1 ∗ ∗ Q1 δQ
T

0 In 0

δQ

T

0 In 0 0

−Q1 SQ1

−δU ∗

     < 0,   

−2µUa
T i P + δQT Z i Q + µQT Za Q

In −In 0 In 0

Q+Q
T

T

0 A0 + αIn 0 βi A1 In 0

In −In
T

βi A1

+

Q + QT

S 0

0 0

Q.

i i On pose alors T = Q1 SQ1 , W i = QT Z i Q, Wa = QT Za Q et Y = KQ1 . On retrouve ainsi la LMI (2.4.22).

D’autres r´sultats peuvent ˆtre d´velopp´s ` partir des techniques et th´or`mes des parties propos´es dans e e e e a e e e les paragraphes pr´c´dents. e e

2.4.3

Exemple

Afin de montrer la pertinence des r´sultats de stabilisation exponentielle dans le cas des syst`mes ` retard e e a born´, nous proposons l’exemple suivant : e A0 = −1 2 1 −0.5 A1 = −1 0 0 −0.5 . (2.4.29)

Les conditions LMI du Th´or`me 2.4.1 donnent les valeurs de retard maximal admissible suivant pour des e e valeurs diff´rentes de τ1 . Ces valeurs sont r´pertori´es dans le Tableau 2.3. e e e On remarque que lorsque le retard varie dans un intervalle de longueur petite le taux de convergence exponentielle est plus important.

) est le rayon spectral. U et R e sym´triques d´finies positives et P2 .5.5.719 0.123 1 0. Y2 .5) o` ρ(. Th´or`me 2.790 0992 53 Tab.1 Stabilit´ exponentielle e Nous introduisons la nouvelle variable xα (t) = eαt x(t) qui conduit ` l’´quation : a e xα (t) = ˙ (A0 + αIn )xα (t) + F eαt x(t − τ ) + eατ A1 xα (t − τ ). En d’autres termes.5τ2 τ1 = 0.1) o` x repr´sente respectivement l’´tat.1) est exponentiellement stable. ˙ ˙ on obtient l’´quation diff´rentielle suivante : e e xα (t) = (A0 + αIn )xα (t) + eατ F xα (t − τ ) + (A1 − αF )eατ xα (t − τ ).324 0.5. A1 et F sont des matrices constantes de dimension u e e tel-00132099. P1 .985 1.5. Notre objectif est e e e e de d´terminer des conditions qui garantissent la stabilit´ asymptotique du syst`me 2. D’apr`s [85].2) Cette ´quation n’est pas encore exprim´e correctement puisqu’il subsiste un terme en fonction de la solution e e x. S. 2. Ce type de syst`mes intervient e e e notamment lors de ph´nom`nes de propagation d’onde [44]. nous allons nous int´resser au cas des syst`mes neutres.4.8 0.6 0.822 1. CAS PARTICULIER DES SYSTEMES NEUTRES A RETARD CONSTANT α τ1 = 0 τ1 = 0. une e e e e condition n´cessaire de stabilit´ des syst`mes neutres est que la matrice correspondant au terme neutre ait des e e e valeurs propres strictement incluses dans le cercle unit´.576 2. on suppose que le retard τ est constant.974 1.4 0. e e 2. 2.3 – Valeurs maximales de τ2 en fonction de α.1 [132] Le syst`me (2.5). Y1 . pour le retard constant τ > 0. D’autrepart.5.5.9τ2 0 1.5 Cas particulier des syst`mes neutres ` retard constant e a Dans ce paragraphe. ˙ ˙ (2.3) La transformation qui consiste ` remplacer x par xα dans le cas d’un ´l´ments neutre introduit un terme a ee retard´ suppl´mentaire dont il faut tenir compte pour caract´riser la stabilit´ exponentielle. cela signifie que les valeurs propres de la matrice F sont incluses u dans le cercle de centre l’origine et de rayon e−ατ .` ` 2.5. P3 .727 0. ˙ ˙ (2. telles que les conditions LMI suivantes soient e e .5. Nous consid´rons pour simplifier le probl`me e e e que les retards des termes neutre et retard´ sont ´gaux. Les matrices A0 .609 0. Z3 .519 12. avec un taux de convergence α > 0 e e e v´rifiant (2.888 0. le syst`me que nous allons e e e e e e consid´rer ici est le suivant : e x(t) − F x(t − τ ) = A0 x(t) + A1 x(t − τ ). ˙ (2.5. s’il existe des matrices de dimension n × n.4) (2.660 0.5. c’est-`-dire : e a ρ(eατ F ) < 1. Z1 .20 Feb 2007 appropri´e. Sans perte de g´n´ralit´. Z2 .176 1.550 0.259 2. version 1 .871 1. (2.5. Or en remarquant que : eαt x(t − τ ) = eατ xα (t − τ ) − αeατ xα (t − τ ).2 0.

6) 0 (A1 − αF )eατ −S ∗ Y Z Z1 T Z2 −Y T P T 0 eατ F 0 −U ≥ 0. on obtient : ˙ ˙ ˙ Vα (t) ≤ ξ T (t)Γ1 ξ (t) (2.2) est asymptotiquement e e e e stable.5. Stabilit´ exponentielle des syst`mes lin´aires e e e     < 0. Y = Y1 Y2 .   (2. e e 2.1 sont satisfaites.5. (2. xα (t − τ )}. La d´monstration de ce th´or`me utilise une fonctionnelle de Lyapunov-Krasovskii d´finie e e e e e par : Vα (t) = ¯ xT (t)EP xα (t) + ¯α + suivante :  ˙ Vα (t) ≤  Ψ1 ξ(t)T   ∗ P T t t−τ 0 −τ t t+θ ˙ xT (s)Rxα (s)dsdθ ˙α t t−τ xT (s)Sxα (s)ds α + xT (s)U xα (s)ds. xα (t − τ ).7) Z2 Z3 . T P (2.12) 0 0 .54 satisfaites :   Ψ1  Γ1 =   ∗  ∗ et R ∗ avec P = P1 P2 0 P3 . ˙α ˙ (2.5.5. ˙α ˙ ˙α ˙ o` ξ(t) = col{xα (t).20 Feb 2007 +τ Z + + D´monstration.2.5.2 Exemple Afin de montrer la pertinence des r´sultats de stabilisation exponentielle dans le cas des syst`mes neutres ` e e a retard simple constant. 0 U Si les conditions LMI du Th´or`me 2.1) est exponentiellement stable.5. la matrice A1 est remplac´e par A1 − αeατ F et o` Ψ1 = Ψ1 − u ˙ e u Ainsi en introduisant le nouveau vecteur ξ (t) = col{xα (t). xα (t).11) +xT (t)U xα (t) − xT (t − τ )U xα (t − τ ). Z= P T Chapitre 2.9) tel-00132099.5.5. et par cons´quent le syst`me initial (2.5.8) o` la matrice Ψ1 est donn´e par : u e Ψ1 = P T 0 A0 + αIn Y 0 + In −In Y 0 + T 0 A0 + αIn S 0 0 τR + U In −In .5. version 1 .10) D’apr`s le Th´or`me 2.1 . nous proposons l’exemple suivant : A0 = −2 0 0 −2 A1 = 0 0 F = 0 0 B= 0 0 . (2.5. xα (t). (2. xα (t − τ ). le syst`me transform´ (2. la d´rivation de la fonctionnelle de Lyapunov-Krasovskii conduit ` l’in´galit´ e e e e a e e  0 (A1 − αF )eατ −S −Y T   ξ(t) + xT (t)P T ¯α  0 e ατ F xα (t − τ ) ˙ (2.13) 0 −1 0 0.1.5.

5 tel-00132099. Nous proposons une ´tude de e e e e e stabilit´ et de stabilisation exponentielle de syst`mes non lin´aires dans le chapitre suivant. On peut donc se demander s’il est possible d’´largir ee e ces r´sultats au cas non-lin´aire ou en pr´sence d’incertitudes param`triques. CONCLUSION 55 La Figure 2. 2. Puis ` partir de ces th´or`mes de stabilit´ nous e a e e e avons propos´ des r´sultats concernant la stabilisation exponentielle ` taux garanti en proposant une loi de e e a commande par retour d’´tat. e a e e Cependant il reste plusieurs points ` d´velopper. En effet ils ne repr´sentent a e e e e e g´n´ralement des mod`les simplifi´s visant ` rendre compte du comportement d’un syst`me au voisinage d’un e e e e a e point de fonctionnement ou d’une trajectoire de r´f´rence.6.2. multiples).6 Fig. [82] pour τ2 ≤ 1.5.1 montre que les conditions du Th´or`me 2.1 permet de comparer les courbes repr´sentant le degr´ de convergence exponentielle α en e e fonction du retard maximal admissible.4 0. Le premier point concerne la robustesse de ces r´sultats. version 1 . La Figure 2. a e e Il reste ` consid´rer une classe de syst`mes plus large que les syst`mes lin´aires.20 Feb 2007 0 0 0.4 1. Une autre extension a ´t´ propos´e pour r´soudre le probl`me de la stabilisation ` e ee e e e a coˆt garanti.2 1.08 : e e Kharitonov−Mondié Seuret−Fridman−Richard 2 1. Nous avons aussi montr´ que ces crit`res tiennent compte du type de retards (constants. Dans le cas des retards variables. Les r´sultats obtenus peuvent ˆtre am´liorer en utilisant les r´cents r´sultats concernant le stabilit´ u e e e e e e asymptotique des syst`mes ` retards et les fonctionnelles de Lyapunov-Krasovskii discr´tis´es.6 0. les r´sultats sont robustes par rapport au e e e retard.1 – Relation entre le degr´ de convergence exponentielle α et le retard maximal admissible τ e 2. nous avons expos´ diverses techniques qui permettent de d´velopper des crit`res de stabilit´ e e e e exponentielle ` taux de convergence α garanti pour le cas des syst`mes lin´aires ` coefficients constants et ` a e e a a retard.6 Conclusion Dans ce chapitre. e e e .2 0.5 αmax 1 0. variables e e major´s ou born´e. puisqu’ils ne n´cessitent pas la connaissance du retard.8 h 1 1.1 sont moins e e conservatives que les r´sultats de Mondi´ et al.

56 Chapitre 2. Stabilit´ exponentielle des syst`mes lin´aires e e e tel-00132099.20 Feb 2007 . version 1 .

Du e e e fait que les actionneurs ne peuvent d´livrer un puissance infinie. traite du probl`me de la stabilisation de syst`mes pour e e e lesquels la commande est soumis ` des contraintes d’amplitude. Il nous a paru int´ressant d’´tendre ces r´sultats aux cas des e e a e e e e e syst`mes dont la dynamique ne peut se r´duire ` des ´quations lin´aires. La seconde traite e e e e e les non-lin´arit´s comme des incertitudes param´triques qu’une synth`se de loi de commande robuste e e e e permet d’absorber. Elle concerne la stabilit´ et la stabilisation de e e e syst`mes dont les non-lin´arit´s sont pris en compte de deux mani`res diff´rentes.4. a 57 . une saturation devient un facteur d’instabilit´ e e qu’il est important de consid´rer dans la synth`se de la loi de commande. e e Nous avons donc choisi de distinguer deux parties dans ce chapitre : – La premi`re est compos´e des sections 3. Les mod`les lin´aires ´tudi´s au chapitre pr´c´dent ne constituent donc qu’une approximation et il est ee e e e e e e important en pratique d’´tudier les effets des non-lin´arit´s n´glig´es sur le comportement du syst`me boucl´. e e e e e e e Ceci peut ˆtre r´alis´ ` travers une ´tude de la robustesse de la stabilit´ vis-`-vis d’incertitudes param´triques.7.5.20 Feb 2007 3. version 1 . compos´e des sections 3.1 Introduction Dans le chapitre pr´c´dent. La premi`re consiste ` e e e e e e a ´merger la classe des syst`mes non lin´aires affines en l’entr´e en mod`les polytopiques.3 et 3. e e ea e e a e Un autre ph´nom`ne devant ˆtre pris en compte en pratique est celui de saturation de la commande. e e a e e Les syst`mes non lin´aires sont en effet des mod`les plus proches de la r´alit´ en ce sens que leur validit´ e e e e e e n’est pas n´cessairement limit´e ` un voisinage imm´diat d’un point de fonctionnement ou d’une trajectoire de e e a e r´f´rence.Chapitre 3 Stabilit´ des syst`mes non lin´aires ` e e e a retards tel-00132099. – La seconde. 3. nous avons propos´ des crit`res de stabilit´ et des lois de commande pour les e e e e e syst`mes lin´aires ` retards sur l’´tat et l’entr´e.2. 3.6 et 3.

2.1) peut s’´crire comme un e e e e syst`me multimod`le (c’est ` dire un ensemble de mod`les lin´aires pond´r´s de fa¸on non lin´aire [140]). Ceci e e a e e ee c e s’exprime de la mani`re suivante : e z(t) = ˙ i∈I r hi (zt ) (Ai z(t) + Aiτ z(t − τ (t)) + Bi u(t) + Biτ u(t − τ (t))) . (3. 0]. xt )u(t) + h(t.2. 0]. Il est ´galement possible d’utiliser une autre formulation.1) peuvent s’´crire sous la forme (3. xt ) + g(t. nous nous int´resserons aux syst`mes non lin´aires affines en la commande de la forme e e e suivante : x(t) = ˙ x(t) = f (t.3) Ces deux transformations apportent un certain conservatisme. u e e e a e e Les fonctions hi (. version 1 . Cette mod´lisation consid`re e a a e e e que les ´quations du syst`mes sont de la forme : e e z(t) = (A + ∆A(zt ))z(t) + (Aτ + ∆Aτ (zt ))z(t − τ (t)) ˙ +(B + ∆B(zt ))u(t) + (Bτ + ∆Bτ (zt ))u(t − τ (t)). En effet.2. L’ensemble I r est l’ensemble des u e e e e entiers {1. c’est-`-dire soumis ` des perturbations sur les matrices d’´tats.2. . comme par exemple de supposer que l’´tat du syst`me e e e e e e reste dans une partie born´e de l’espace d’´tat [140]. Dans un premier cas.2.. hi (zt ) ≥ 0. les e e e a tel-00132099.2. φ(t) pour t ∈ [−τ2 . il est r´ducteur de dire que tous e les syst`mes non lin´aires du type (3. g et h sont des fonctionnelles ` valeurs dans Rn×m .1).1) en un syst`me plus simple ` ´tudier.2. mˆme si cette transformation introduit un certain e e a e e conservatisme.2) ou (3. f est une fonctionnelle u e e e ` valeurs dans Rn d´pendant du temps et de la fonction xt associ´e ` la solution par xt (θ) = x(t + θ) o` a e e a u θ ∈ [−τ2 . e e Afin d’´tendre les r´sultats du chapitre pr´c´dent au cas non lin´aire.2) o` z repr´sente les variables d’´tat du syst`me dans la nouvelle repr´sentation. e e .58 Chapitre 3.1 Nous consid´rons ici une classe restreinte de syst`mes non lin´aires ` retards. . . Stabilit´ des syst`mes non lin´aires ` retards e e e a 3.2. nous nous proposons de transformer e e e e e le syst`me (3.2 Transformations du syst`me initial e Le but de cette partie est de pr´senter des transformations qui permettent d’analyser plus facilement les e syst`mes non lin´aires de la forme (3.2. . La fonction φ d´finie sur l’intervalle [−τ2 . Celle-ci utilise la mod´lisation des syst`mes ` pae e e a ram`tres incertains.) sont des fonctions scalaires de pond´ration v´rifiant les conditions de convexit´ : e e e i∈I r hi (zt ) = 1 ∀i = 1. (3.2. 0] a e repr´sente les conditions initiales .r.2 3.2. Ces transformations e e e n´cessitent g´n´ralement des conditions suppl´mentaires. r} o` r repr´sente le nombre de sous-syst`mes n´cessaires ` la description du syst`me multimod`le. (3.20 Feb 2007 syst`mes que nous allons ´tudier ici sont affines en la commande. xt )u(t − τ ). En effet.1 Syst`mes affines en l’entr´e e e Notations et formulation du probl`me e Dans ce chapitre.3). 3. e Remarque 3. . le syst`me (3.2.1) o` τ2 repr´sente la borne sup´rieure du retard qui peut ˆtre variable dans le temps.

On obtient alors e . 4 2 ¨ 2 (3. ˙ 4  2    z = θ.    ˙ z4 = (M + m)lx + 1 ml2 θ cos θ. On e ee e e propose le changement de variables suivant :  ˙  z1 = 1 ml cos θx + 1 ml2 θ. l est la longueur de u ˙ la barre et m sa masse. on ´crit e e e e e e ces deux ´quations diff´rentielles du second ordre coupl´es et implicites sous forme d’un syst`me diff´rentiel du e e e e e premier ordre explicite. e e e 3. l’angle que forme la barre avec la verticale ascendante. nous verrons que ces deux repr´sentations permettent d´terminer des crit`res e e e de stabilit´ et de stabilisation exponentielles pour une classe de syst`mes non lin´aires.4) o` x est la position du chariot et θ.2.2.2.1 – Pr´sentation du pendule inverse e Les ´critures des ´quations d’Euler-Lagrange nous permettent alors d’obtenir les ´quations du mouvement : e e e ¨ ˙ u − f x = (M + m) x + ml θ cos θ − ml θ2 sin θ.2.2. version 1 .2.1.4) sous forme de mod`le d’´tat. e e e e e (m) (M) tel-00132099.5) que l’on peut encore ´crire e x= ¨ ˙ ˙ 2ul − 2mgl cos θ sin θ − 2f lx + 4K θ cos θ + ml2 θ2 sin θ ˙ 2 θ) 2l(M + m − m cos 1 ˙ ˙ ˙ (M + m)(θ − 1 mgl sin θ) − 1 ml cos θ(f x − u − 2 mlθ2 sin θ) 2 2 ¨ θ = −4 . Ainsi on peut inverser ces relations. ˙ ¨ 2 2 2 ˙ ¨ −K θ = ml θ + ml x cos θ − mgl sin θ.2. Afin d’exprimer l’´quation (3.20 Feb 2007 Fig. (3. 2 1   z3 = (M + m)lx + 4 ml2 sin θ. 3.` ´ 3. M est la masse du chariot. Ainsi (3.4) devient : 1 4 4(M + m) 2ml cos θ 2ml cos θ ml2 x ¨ ¨ θ = 1 2 ˙ 2u − 2f x + mlθ2 sin θ ˙ ˙ −K θ + mgl sin θ . ml2 (M + m − m cos2 θ) Nous allons utiliser une base de vecteur d’´tat sugg´r´e par le Lagrangien d´crit dans l’´quation (3. SYSTEMES AFFINES EN L’ENTREE 59 Dans la suite de ce chapitre.5). ˙ 4 Ce changement de variables est un diff´omorphisme de R4 dans R4 car la jacobienne de la matrice de e changement de base est toujours de d´terminant non nul.3 Exemple du pendule et du chariot On consid`re le syst`me m´canique du pendule inverse pr´sent´ Figure 3. f x et K θ repr´sente respectivement la force et le couple ˙ e r´sistant exerc´s par les frottements.

De mˆme. l2 D(z2 ) . x et θ les ´quations suivantes : ˙ e   x =   x = ˙   ˙  θ = et avec Chapitre 3. 25 } vers {1. . e e e consid´rer que le moteur qui agit sur le chariot poss`de une certaine vitesse angulaire maximale. les matrices Ai sont des matrices ` coefficients constants. nous supposerons que la fonction A(z) est effectivement born´e sur cet espace d’´tat. l’´quation diff´rentielle du premier ordre qui r´git le syst`me est : e e e e z(t) = A(z)z(t) + B1 u(t − τ (t)).k le coefficient de la ligne j et de la colonne k de la matrice Ai . par exemple. Pour cela. par exemple. . ee e e ˙ on ´limine les termes en θ2 par rapport ` la repr´sentation classique. Ainsi chacune des a e e fonctions Aij (z) est born´e.j. Stabilit´ des syst`mes non lin´aires ` retards e e e a z3 −1/4ml2 sinz2 .. on peut supposer que l’espace d’´tat admissible est born´. D’autre part. La valeur de ces coefficients.  1  −f D(z2 ) F14 (z)    0  B1 =   . σ5 (i)]. lD(z2 ) 4(1+ M )z1 −2l cos(z2 )z4 m . C’est pourquoi nous allons utiliser les caract´ristiques physiques du syst`me. e a e Notre objectif est d’appliquer les transformations pr´sent´es dans la partie pr´c´dente. on peut supposer que l’amplitude du d´placement e ˙ e e e angulaire de la barre est limit´e en se restreignant ` un espace d´fini par θ ≤ θmax ... 25 }. 2}5 telle que.5. D(z2 ) = M + m − m cos2 θ. par exemple Ai. (3. une bijection e de {1. ˙ 2 D(z 2 L’int´rˆt de cette mod´lisation est premi`rement que la matrice de commande est constante.3. on associe σ(i) d´fini par : e i → σ(i) = [σ1 (i). ˙ 2 l2 D(z2 ) F14 (z) = 1 ( 2 ml sin(z2 )x + K) l2 cos z2) . pour tout entier i de {1. version 1 ... Ainsi. On peut..60 ˙ pour x.2. Ainsi en reprenant la D´finition 2. on se donne xmax = 2. Il y a cinq fonctions ind´pendantes qui composent la a e matrice A(z)..5 du Chapitre 2. on peut d´terminer une repr´sentation polytopique de A(z) de la forme : e e e A(z) = i∈Ir hi (zt )Ai .2. De ˙ e e l`. on note σ. Or le facteur e e 1 ˙ 2 ml sin z2 x + K n’est visiblement pas born´.6) F11 (z) 4(1+M/m) l2 D(z2 ) mgl sinc(z2 ) 0 0 0 0 0 0 0 tel-00132099. il faut que e e e e la fonction A(z) soit une fonction born´e de l’espace d’´tat. on peut e e consid´rer que la vitesse x du chariot est born´e..k (z). e a e Si.7) .20 Feb 2007 0 2f cos z2 D(z2 )  − l2 cos z2)  2 D(z 2 . (M +m)l lz4 −2 cos(z2 )z1 .  0    1 0 Les fonctions Fij d´pendent de l’´tat z et sont d´finies par : e e e F11 (z) = −( 1 ml sin(z2 )x + K) 4(1+M/m) . Le cardinal de l’ensemble Ir est de 25 = 32. est ´gale soit ` la valeur maximale soit ` la valeur e a a minimale de la fonction Aj. ˙ o` u    A(z) =       (3. . Ainsi dans cette base.

∀θ ∈ [−τ2 . u(t) ∈ Rm repr´sente le vecteur de commande.  1  −f Dσ4 (i) F143 σ (i)  ≤ ≤ ≤ ≤ F11 (z) F14 (z) cos(z2 ) D(z2 ) 1 D(z2 ) ≤ ≤ ≤ ≤ 2 F11 .6) en e e e e un syst`me perturb´ de la forme (3. La matrice Ai se pr´sente finalement de la mani`re suivante : u e e    Ai =    F111 0 2f CD o` u 1 F11 1 F12 1 F14 σ5 (i) σ (i) 61 F122 0 0 0 σ (i) 0 0 0 0 4(1+M/m) σ4 (i) D l2  − l2 CDσ4 (i)  2 . APPROCHES PAR MODELES POLYTOPIQUES o` σj (i) ∈ {1. xt ) = 1. ≤ mgl sinc(z2 ) CD1 D1 ≤ CD2 . Les fonctions hi (zt ). i ∈ Ir sont des fonctions scalaires de pond´ration. 2 F12 . .3. i ∈ Ir .2.. Les matrices Ai . hi (zt ) {Ai z(t) + B1 u(t − τ (t))} . Si l’on se place sur une e e partie born´e de l’espace d’´tat.3).3. qui e e tel-00132099. r et λi (t. e e 3. ψ(θ).3 3. L’´quation diff´rentielle (3. version 1 . on peut transformer l’´quation diff´rentielle (3. xt ) ≥ 0.3.1) φ(θ).2. Pour la mod´lisation par mod`le incertain. ∀t ≥ 0. ∀t ≥ 0. il faut isoler les fonctions de perturbation. xt ) {Ai x(t) + Aτ i x(t − τ (t)) + Bi u(t) + Bτ i u(t − τ (t))} . e e e En les d´composant en la somme d’une constante repr´sentant la valeur nominale et d’un terme variant en e e fonction de z et repr´sentant des incertitudes born´es. 5. ∀θ ∈ [−τ2 .6) peut donc s’´crire : e e e z(t) = ˙ i∈Ir i∈Ir hi (zt ) = 1. 0]. 2} pour j = 1. les fonctions F11 (z). 2 F14 . ∀i ∈ I . D2 .. pour tout i ∈ I r . Biτ ∈ Rn×m . non n´cessairement connues.2. .1 Approches par mod`les polytopiques e Pr´sentation du probl`me e e Cette partie est consacr´e ` l’analyse de la stabilit´ d’un syst`me repr´sent´ par le mod`le polytopique e a e e e e e suivant : x(t) = ˙ x(θ) = u(θ) = i∈I r λi (t. Les fonctions λi (t) e e sont des fonctions continues de pond´ration qui v´rifient la condition de convexit´ : e e e i∈I r λi (t. 0].20 Feb 2007 satisfont la propri´t´ de convexit´ : ee e hi (zt ) ≤ 0. 1/D(z2 ) et cos(z2 )/D(z2 ) sont born´es. o` x(t) ∈ Rn repr´sente le vecteur d’´tat. Nous reviendrons sur cet exemple dans le Chapitre 6. sinc(z2 ).` 3. (3. F14 (z). Aiτ ∈ u e e e Rn×n et Bi . sont les matrices d’´tat suppos´es constantes.

Z3 (pour i ∈ I r . Z1 . nous allons introduire la nouvelle variable xα (t) = eαt x(t). Les fonctions µi (t) sont des fonctions scalaires de pond´ration qui ne d´pendent que de u e e la valeur du retard τ (t) et v´rifient les conditions de convexit´ suivantes : e e ∀t ≥ t0 .3. j) ∈ I r × I 2 avec P = P1 P2 0 P3 . (3. Stabilit´ des syst`mes non lin´aires ` retards e e e a Notre objectif est de d´terminer des conditions de stabilit´ exponentielle du syst`me en boucle ferm´e avec e e e e une loi de commande par retour d’´tat de la forme : e u(t) = Kx(t).5) o` β1 = 1 et β2 = eατ2 .7) . Consid´rons alors le syst`me suivant : e e x(t) = ˙ i∈I r λi (t. P3 .3) Comme dans le chapitre pr´c´dent.62 Chapitre 3. µ1 (t) ≥ 0 et µ2 (t) ≥ 0. xt ) {A0i x(t) + A1i x(t − τ (t))} . si on e e tel-00132099. et pour j ∈ I 2 et deux matrices µ1 (t) + µ2 (t) = 1. nous supposerons que le retard τ (t) est major´ et v´rifie l’in´galit´ suivante : e e e e 0 ≤ τ (t) ≤ τ2 . On propose le th´or`me suivant : e e Th´or`me 3. e Mod´lisation polytopique e Le terme exponentiel est pr´sent´ sous forme polytopique. Dans la suite de cette partie. nous allons nous concentrer sur le probl`me de la stabilisation du syst`me en boucle e e ouverte (avec u(t) = 0).3.3.3.3.6) ∀(i.2 Stabilit´ exponentielle e Dans un premier temps.1 La solution x(t) = 0 du syst`me (3. (3. P2 . Z2 . (3.4) i∈I r On se propose de d´terminer des conditions de α−stabilit´ en utilisant les approches par mod`le polytopique e e e et par mod`le incertain du terme eατ (t) .3.3. sym´triques d´finies positives de dimension n × n.3) est α-stable pour tout retard variable τ (t) ≤ τ2 .3. apr`s changement de variables. P1 et R qui v´rifient les conditions LMI suivantes : e e e  Ψij < 0 et  R ∗ 0 βj AT 1i Z ij P   ≥ 0.2) 3. xt ) (A0i + αIn )xα (t) + eατ (t) A1i xα (t − τ (t)) . devient : e e xα (t) = ˙ λi (t. (3.20 Feb 2007 d´termine des conditions de stabilit´ asymptotique de la solution nulle du syst`me d´crit par la variable xα (t). Z ij = ij Z1 ijT Z2 ij Z2 ij Z3 (3. s’il e e e ij ij ij existe des matrices de dimension n × n. c’est-`-dire : e e a eατ (t) = µ1 (t)β1 + µ2 (t)β2 . Ainsi.3). Le syst`me (3. e e e e alors ces conditions garantissent simultan´ment la convergence exponentielle de la solution nulle du syst`me e e initial. (3.3.3. version 1 .

il est alors n´cessaire de d´terminer une majoration de chacun e e e des sous-mod`les du syst`me. version 1 . i ∈ I r et j = 1.3) sous une e e e e forme polytopique et descripteur en introduisant la variable augment´e xα (t) = col{xα (t). j) ∈ I r × I 2 .2) et (3.3. ˙α ˙ T (3. Λij = αIn + A0i + βj A1i .5) du terme eατ (t) permet de d´crire le syst`me (3.8) .3.` 3. D´monstration. xα (t)}.j)∈I r ×I 2 ¯ λij (t) {(A0i + αIn )xα (t) + βj A1i xα (t − τ (t))} .j)∈I r ×I 2 ¯ λij (t) = 1. 0} et P = u P1 0 xT (t)EP xα (t) + ¯α ¯ 0 −τ2 t t+θ xT (s)Rxα (s)dsdθ.3.9).10) Ψ0 (t) = i∈I r . le syst`me (3. Sachant que EP = P T E.3.3. ˙ Sachant que η0 s’´crit sous forme polytopique.j=1 ¯ λij (t)Zij xα (t) + ¯ t t−τ2 xT (s)Rxα (s)ds. ˙ Le raisonnement est identique ` la d´monstration du Th´or`me 2.3. ˙α ˙ .j=1 ¯ λij (t) t−τ (t) xT (t)P T ¯α xα (s)ds .j=1 2 ¯ λij (t) PT t 0 Λi In −In + 0 Λi 0 βj A1i In −In   P  η0 (t) = −2 i∈I r .4) est pr´sent´ sous une forme polytopique globale. (3. le calcul de la d´riv´e ¯α ¯ e e α par rapport au temps de la fonctionnelle (3.3. On a alors : tel-00132099.3. On remarque ais´ment que ces fonctions λij (t) satisfont ` la conditions de convexit´ : u¯ e a e (i. La d´composition (3. e e   R ∗ 0 βj AT 1i Zij P   ≥ 0. APPROCHES PAR MODELES POLYTOPIQUES et Ψij = P T 63 0 Λij In −In + 0 Λij In −In T P + τ2 Z ij + 0 0 0 τ2 R . La fonctione ¯ ˙ nelle de Lyapunov-Krasovskii candidate est la suivante : Vα (t) = o` E = diag{In .2. ∀t ≥ 0.3.3.j)∈I r ×I 2 ¯ λij (t) (A0i + αIn + βj A1i )xα (t) − βj A1i t t−τ (t) xα (s)de . on obtient : η0 (t) ≤ τ2 xT (t) ¯α 2 i∈I r .8) aboutit ` : a ˙ V (t) = o` u 2 xT (t)Ψ0 (t)¯α (t) + η0 (t) + τ2 xT (t)Rxα (t) − ¯α x ˙α ˙    t t−τ2 xT (s)Rxα (s)ds. ∀t ≥ 0. on transforme le syst`me en : e xα (t) = ˙ (i.9) En utilisant la formule de Leibniz. En combinant (3. et λij (t) ≥ 0. c’est-`-dire en e e e a comprenant les modifications dues au terme eατ (t) .3. P2 P3 Dans un premier temps. La fonctionnelle Vα est bien d´finie a e e e e positive car on remarque que xT (t)EP xα (t) = xT (t)P1 xα (t).20 Feb 2007 xα (t) = ˙ (i. ∀(i. ¯ o` λij (t) = λi (t)µj (t). ˙α ˙ (3. P1 > 0. 2.

telles que les conditions LMI suivantes soient r´alis´es : e e Ψi < 0. On en d´duit e e a e alors la convergence exponentielle de degr´ α du syst`me (3. (3.j=1 2 i∈I r . le syst`me (3.12) Z ij = ij Z1 ijT Z2 ij Z2 ij Z3 T In −In A0i + αIn + βm A1i Rd 0 0 τ2 (Rm + Rd ) + 0 A0i + αIn + βm A1i In −In P + Zid + τ2 (Zim + Zid ). βd = (eατ2 − 1)/2 D´monstration.4) est asymptotiquement stable si e e e e chacune des matrices Ψij est d´finie n´gative.13) .3. 2. Rm . Rd .3) vers la solution nulle.3.3. e La formule de Leibniz permet de transformer le terme retard´ en int´grale de la mani`re suivante : e e e xα (t) = ˙ i∈I r λi (t.3. Z1 .3.3.3. On en d´duit une majoration de (3.1) sont satisfaites. ¯α x dt avec Ψ(t) = = Ψ0 (t) + 2 i∈I r . version 1 .j=1 ¯ λij (t)Zij + 0 0 0 τ2 R ¯ λij (t) (Ψij ) L’ensemble des matrices d´finies n´gatives ´tant convexe. = (1 + eατ2 )/2.20 Feb 2007 eατ (t) = βm + ∆(t)βd (o` ∆(t) est une fonction r´elle inconnue. sym´triques d´finies positives. d. e e Mod´lisation avec incertitudes param`triques e e La d´composition du terme exponentiel sous la forme e tel-00132099. s’il existe des e e ij ij ij matrices de Rn×n P1 .64 Chapitre 3. c’est-`-dire si les conditions (3. et   o` u P = et Ψi = P + βm T (3. i = m. (3. Stabilit´ des syst`mes non lin´aires ` retards e e e a avec R et Zij satisfaisant ` (3.10) : a e d V (t) ≤ xT (t)Ψ(t)¯α (t).3.2 Le syst`me (3.2).3) est α−stable pour tout retard τ (t) satisfaisant (3.3. xt ) (A0i + αIn + (βm + ∆(t)βd )A1i )xα (t) − (βm + ∆(t)βd )A1i t t−τ (t) xα (s)ds.3. d´pendant de la valeur du retard et v´rifiant |∆(t)| ≤ 1) conduit au u e e e nouveau r´sultat : e e Th´or`me 3.11)  Ri ∗ P1 P2 0 0 βj AT 1i Zij 0 P3 P  ≥ 0. des matrices P2 .6b). Z1 et Z1 pour tout e e i ∈ I r et j = 1. P3 .3.

11) et (3.3.3. APPROCHES PAR MODELES POLYTOPIQUES 65 On ´crit alors le syst`me (3. on obtient : e ˙ V α (t) ≤ i∈I r λi (t.14) − 0 βm A1i xα (s)ds − ˙ t t−τ (t) xα (s)ds . xt ) xα (t)T Zid xα (t) + ¯ ¯ t t−τ (t) ˙ xT (s)Rd xα (s)ds .13) sous la forme descripteur en d´finissant la variable augment´e xα = col{xα .17) de la fa¸on suivante : c η0 (t) ≤ η1 (t) ≤ η2 (t) ≤ τ2 i∈I r λi (t. ˙ (3.3) sont d´montr´es. 1. donc.3.4) e e e e et. xt ) xα (t)T Zim xα (t) + ¯ ¯ t t−τ (t) i∈I r xT (s)Rm xα (s)ds . ˙ On introduit alors la fonctionnelle de Lyapunov-Krasovskii : V α (t) = xT (t)EP xα (t) + ¯α ¯ 0 −τ2 t t+θ xT (s)(Rm + Rd )xα (s)dsdθ.3. si les conditions LMI (3.3.15) En d´rivant la fonctionnelle (3.3. 2 dans e e (3.3. xt ) xT (t)P T ¯α xα (t) .12) sont v´rifi´es.3. en r´injectant ces majorations dans (3. Pour cela. (3. e e e 3. xt ) xT (t) P T ¯α 0 0 In (3.3. version 1 .3.3. xα } : e e e e ¯ ˙ ˙ E xα (t) = ¯ i∈I r λi (t. xt ) 0 A0i + αIn + βm A1i t t−τ (t) In −In 0 ∆(t)βd A1i xα (t) + ¯ 0 ∆(t)βd A1i xα (t) (3.14).3.3.12) sont satisfaites. xt ) xα (t)T Zid xα (t) + xT (t)Rd xα (t) . nous allons consid´rer une a e e loi de commande par retour d’´tat de la forme : e u(t) = Kx(t). la stabilit´ asymptotique du syst`me (3. ˙α Ainsi.3.3 Stabilisation exponentielle de syst`mes polytopiques e Nous allons maintenant revenir ` la stabilisation du syst`me (3. ˙ xα (s)ds .` 3. ˙α ˙ (3.18) . alors il est possible de majorer les fonctions ηk pour k = 0. . xt ) xT (t)P T λi (t. xt ) xT (t)P T ¯α λi (t. t t−τ (t) i∈I r xα (s)ds . ˙α ˙ i∈I r λi (t. ¯ ¯ α λi (t.16).3.17) i∈I r t t−τ (t) Si les in´galit´s (3.3. on obtient : e e ˙ V α (t) = + o` u η0 (t) = 2 η1 (t) = η2 (t) = −2 −2 i∈I r i∈I r λi (t.20 Feb 2007 A0i + αIn + βm A1i A0i + αIn + βA1i −In m  T  In P  xα (t) + η0 (t) + η1 (t) + η2 (t) ¯  −In 0 ∆(t)βd A1i 0 βm A1i 0 ∆(t)βd A1i ¯α λi (t. xt ) xT (t)Ψi xα (t) . ¯α ¯ Ainsi.1).3.15) le long des trajectoires du syst`me (3. la stabilit´ exponentielle de (3.3.16) tel-00132099.

4 La solution x(t) = 0 du syst`me (3. telles que les conditions LMI suivantes soient satisfaites pour i ∈ I r et pour j = 1. W3 pour i ∈ I r et pour j = 1. W1 . Dans la suite de cette partie.3. Q3 . e e e e e e Mod´lisation avec incertitudes param`triques e e Th´or`me 3.  τ2 QT 2  (3.3.12.20 Feb 2007 ∗ ∗     2Q1 − S ∗ ∗ 0 ∗ T βj (Q1 ATi + Y T Bτ i ) τ ij W2 ij W3  τ2 QT  < 0. Le syst`me boucl´ est de la forme : e e e e x(t) = ˙ i∈I r λi (t. La preuve de ce th´or`me est bas´e sur le Th´or`me 3.3.66 Chapitre 3.3.21) . La d´monstration consiste ` appliquer ` chacun des sous-mod`les les conditions LMI e e e a a e de stabilisation du Th´or`me 2. Y une matrice de dimension m × n. 2 :     ij Q2 + QT + τ2 W11 2 Φij 12 ij −(Q3 + QT ) + τ2 W22 3 tel-00132099.2). S.3. 2 12 et o` u β1 = 1.3.20) ∗ o` u ij Φij = Q1 (Ai + αIn + βj Aτ i )T + Y T (Bi + βj Bτ i ) − QT + Q3 + τ2 W12 . e e Mod´lisation polytopique e Th´or`me 3.3. 2 et une matrice de dimension m × n Y .3.18) e e e pour tout retard variable τ (t) v´rifiant (3. satisfaisant aux conditions LMI suivantes pour i ∈ I r et pour j = m. s’il existe des matrices de dimension n × n sym´triques d´finies e e e ij ij ij positives Q1 . nous allons proposer deux th´or`mes permettant de construire un tel gain K e e en utilisant les approches par mod`les polytopiques et par mod`le incertain.3. W1 . W2 . W3 et W3 pour i ∈ I r et j = m.18) e e e pour tout retard variable τ (t) v´rifiant (3. Sm et S0 . Le gain K du retour d’´tat est alors donn´ par : e e K = Y Q−1 . xt ) {(Ai + Bi K)x(t) + (Aτ i + Bτ i K)x(t − τ (t))} .1) est α-stabilisable avec la loi de commande (3.3.19) ij W1 (3. des matrices de dimension n × n Q2 .3.12 pr´sent´ au chapitre pr´c´dent.1 et utilise la m´thode propos´e e e e e e e e e dans le Th´or`me 2.3 La solution x(t) = 0 du syst`me (3.3. version 1 .2) s’il existe des matrices de dimension n × n sym´triques d´finies e e e ij ij ij positives Q1 . 1 D´monstration.Q3 . des matrices de dimension n × n Q2 .1) est α-stabilisable avec la loi de commande (3. 3  −τ2 S    ≥ 0. d :          Ψi 11 ∗ ∗ ∗ ∗ Ψi 12 Ψi 22 ∗ ∗ ∗ Q1 0 −Sd ∗ ∗ τ2 QT 2 τ2 QT 3 0 −τ2 Sm ∗  τ2 QT  3    < 0. Stabilit´ des syst`mes non lin´aires ` retards e e e a o` K ∈ Rm×n est le gain matriciel du retour d’´tat que l’on doit d´terminer pour que le syst`me en boucle u e e e ferm´e soit exponentiellement stable avec un degr´ de convergence α garanti.3. d et β2 = eατ2 .3. 0   0  −τ2 Sd τ2 QT 2  (3.

2 im id −(Q3 + QT ) + τ2 W3 + (1 + τ2 )W3 .1 0 1 1.1 −0.905 2 0. 3. B2 = 1.9 . 0 0.1 expose les r´sultats de la r´solution des conditions LMI des Th´or`mes 3.3.551 0.221 0.3.9 0 −2.5 1. Ces e e e a e crit`res sont adaptables aux cas des retards multiples et des retards born´s en utilisant les approches propos´es e e e dans le Chapitre 2.1 −0.4 0 4. version 1 .4. APPROCHES PAR MODELES POLYTOPIQUES et     o` u Ψi = 11 Ψi = 12 Ψi = 22 et βm = (1 + eατ2 )/2.3. qui utilise l’approche par mod`les polytopiques.3.9 .1 1 0. e e e e α Th 3.917 1.443 1 1.9 .3 0. e e Le Th´or`me 3.45 .3.3. B1 = .680 3 0.9 0 0 1. im id Q2 + QT + τ2 W1 + (1 + τ2 )W1 .999 2.609 4 0.12 e e 3.1 0 0.20 Feb 2007 D´monstration. Aτ 1 = . .3. 4.  (3.3.507 Tab.3. Bτ 2 = 0 0 0 0 .1 Le Tableau 3. Aτ 2 = −0.5 Conclusion Dans cette premi`re partie sur la robustesse par rapport aux param`tres. Bτ 1 = . Le gain du retour d’´tat est alors donn´ par : e e K = Y Q−1 .3.872 0.1 – On voit bien que les r´sultats du Th´or`me 3.4 : Exemple Prenons le syst`me polytopique (3.3.5 1.3 Th 3.102 1.9995 −3. βd = (eατ2 − 1)/2.3 et 3.755 0.1) dans le cas r = 2 e A1 = A2 = −1. sont une e e e e nouvelle fois moins conservatifs que ceux du Th´or`me 3.3.744 2.1 0 0. 2 im id Q1 (Ai + αIn + βm Aiτ )T + Y T (Bi + βm Biτ )T − QT + Q3 + τ2 W2 + (1 + τ2 )W2 .3 garanti pour pour α = 2 le syst`me est α− stabilisable pour tout retard major´ par e e e e −0.044 0.326 1.5171 −1. Les techniques utilis´es dans la d´monstration sont similaires ` celle du Th´or`me 3. 3 67    ≥ 0.1 0.9 .3.669 0.` 3. Le gain de retour d’´tat est alors K = e .1 0 0.4.3.3.5 0.5918 0. .5004 3.22) 2Q1 − Sj ∗ ∗ 0 ij W1 T βj (Q1 AT + Y T Biτ ) iτ ij W2 ij W3 ∗ tel-00132099.65 −0.872s. nous avons propos´ plusieurs e e e crit`res de stabilit´ et de stabilisation exponentielles des syst`mes soumis ` un retard variable et major´s.3 e e e a e e et du Th´or`me 2.

1 Stabilisation exponentielle robuste Pr´sentation du probl`me e e Dans cette partie. Bτ . u(t) ∈ Rm est le vecteur de commande et τ (t) repr´sente e e e le retard variant dans le temps et v´rifiant les in´galit´s e e e 0 ≤ τ (t) ≤ τ2 .4.4. ∆Aτ (t. ∆A1 (t) = H1 ∆(t.68 Chapitre 3. Stabilit´ des syst`mes non lin´aires ` retards e e e a 3. Les incertitudes param´triques ont les structures suivantes : e ∆A(t.4.1 Contrairement ` la partie 3. xt ) = Hτ ∆(t)Eτ . ∀t ≥ 0. e e Remarque 3.4. la stabilit´ exponentielle de la solution nulle de (3. qui stabilise exponentiellement le syst`me (3. nous allons nous int´resser au probl`me de la stabilit´ du syst`me sans commande. (3.1).2) (3.4.2 Stabilit´ exponentielle de syst`mes soumis ` des incertitudes e e a Premi`rement. xt )E0 )x(t) + (A1 + H1 ∆(t.4.4. nous allons donner des conditions de stabilit´ exponentielle avec un taux de d´croissance e e exponentielle α garanti. e Nous pr´senterons successivement le probl`me de la stabilit´ puis de la stabilisation du syst`me en boucle e e e e ferm´e (3. Pour cela. nous allons nous focaliser sur les syst`mes non lin´aires ` un retard variable qui se mettent e e a sous la forme : x(t) ˙ = (A + ∆A(t. a e e (3.7) (3. D sont suppos´es constantes et de dimensions appropri´es. t0 . xt )E1 )x(t − τ (t)).4.4. e e L’objectif de cette section est de d´terminer un gain K du retour d’´tat e e u(t) = Kx(t). Eτ . H.3. x0 ) converge asymptotiquement vers la solution nulle.3) tel-00132099. (3. la matrice Bτ du syst`me (3.20 Feb 2007 Le vecteur x(t) ∈ Rn repr´sente le vecteur d’´tat. Aτ . ∆B(t. xt )E1 . E.1) o` la matrice contenant les incertitudes ∆(t) ∈ Rq×p est telle que : u ∀t. xt ) = H∆(t)E.4.4. xt )E0 .6) est ´quivalente ` e e e a l’existence d’un nombre positif α > 0 tel que eαt x(t. Hτ Rn×n et B.5) 3. xt ))x(t) + (Aτ + ∆Aτ (t.4.6) Dans ce paragraphe. (3. Par d´finition. Il .1) avec la loi de commande (3. version 1 .5).4.4) Les matrices A.4. xt ))u(t) + Bτ u(t − τ (t)). xt ))x(t − τ (t)) +(B + ∆B(t.4. e e e e e nous allons nous focaliser sur les syst`mes ` retard variable et avec des incertitudes param´triques r´gis par des e a e e ´quations de la forme : e x(t) = (A0 + H0 ∆(t. ˙ o` u ∆A0 (t) = H0 ∆(t.4 3. ∆T (t)∆(t) ≤ Ip .1) est suppos´e constante. Dans la r´solution de chacun de ces deux probl`mes nous e e e proposerons des r´sultats utilisant les approches polytopique et par mod`le incertain pr´sent´es dans le chapitre e e e e pr´c´dent. (3. xt ) = H∆(t)D.

La principale difficult´ provient du terme eατ (t) du syst`me transform´ (3. version 1 .11) D´monstration.4. on obtient le th´or`me suivant : e e e Th´or`me 3.4. . 2 :          Γi =         Γi 11 ∗ ∗ ∗ ∗ ∗ ∗ o` u Γi 11 et o` u P1 P2 0 P3 β1 = 1. xt )E0 )xα (t) + eατ (t) (A1 + H1 ∆(t.8) et comme dans le chapire 2.4. Comme e e e e dans le chapitre pr´c´dent. P3 .8) pour un α > 0 e e e e implique l’α-stabilit´ du syst`me initial (3. STABILISATION EXPONENTIELLE ROBUSTE 69 est ainsi naturel d’introduire la nouvelle variable xα (t) = eαt x(t).4. P2 .4.4.4.8).6) est α-stable pour tout retard variable τ (t) e e e v´rifiant (3. (3. o` les fonctions scalaires λi (t) d´pendent de la valeur du retard τ (t) et v´rifient les conditions de convexit´ u e e e suivantes : λ1 (t).8) comme une somme pond´r´e de syst`mes lin´aires ` coefficients e ee e e a constants.4. On en d´duit le nouveau syst`me d´crit par e e e les ´quations diff´rentielles : e e xα (t) = (A0 + αIn + H0 ∆(t.        (3.4. β2 = eατ2 .10) P = et Ai = A0 + αIn + βi A1 . et des r´els positifs δ0 and δ1 telles que les in´galit´s matricielles suivantes e e e tel-00132099.4) afin d’exprimer le syst`me (3.4). des e e e matrices de dimension n × n.20 Feb 2007 soient satisfaites pour i = 1. xt )E1 )xα (t − τ (t)).4.6). la stabilit´ asymptotique du syst`me d´crit par l’´quation (3.4. ˙ (3. λ2 (t) ≥ 0 et λ1 (t) + λ2 (t) = 1. nous proposons une mod´lisation polytopique de ce terme variant en utilisant ces e e e bornes (3. e e Mod´lisation polytopique e En utilisant une repr´sentation polytopique du terme exponentiel eατ (t) . = 0 Ai In −In τ2 P T 0 A1 βi −τ2 R ∗ ∗ ∗ ∗ ∗ δ0 P T 0 H0 0 δ1 P T 0 H1 0 0 T E0 T E1 βi  0 T τ2 β2 E1 0 0 0 0 −δ0 Ip ∗ ∗ 0 0 0 0 0 −δ1 Ip ∗ 0 0 0 0 0 −δ1 τ2 Ip −δ0 Iq ∗ ∗ ∗ ∗ δ1 − (1+τ2 ) Iq ∗ ∗ ∗          < 0.2 [130] La solution x(t) = 0 du syst`me (3.4.4. P1 et R > 0.9) T P + PT 0 Ai In −In + 0 0 0 τ2 R . s’il existe des matrices sym´triques d´finies positives de dimension n × n.3. (3. On obtient alors : eατ (t) = λ1 (t)β1 + λ2 (t)β2 .

. De plus. xt )E1 (t))xα (t − τ (t)) (3. On ´crit le syst`me sous sa forme descripteur : e e e e 0 2 i=1 ˙ E xα (t) = ¯ − In −In t t−τ λi (t)[Ai + H0 ∆(t.20 Feb 2007 ¯ V (t) = xT (t)EP xα (t) + ¯α P1 P2 0 P3 0 −τ2 t t+θ −1 T ˙ xT (s)(R + δ1 e2ατ2 E1 E1 )xα (s)dsdθ.4. xt )E1 ] 0 λi (t)(A1 + βi H1 ∆(t. xα (t)}. xt )E1 ) xα (s)ds ˙ xα (t) ¯ 2 i=1 avec xα (t) = col{xα (t). −2 t−τ (t) xT (t)P T ¯α 0 H0 0 H1 A1 xα (s)ds. 0 H1 ∆(t)eατ (t) E1 xα (s)ds. ¯ ˙ Soit la fonctionnelle V d´finie par e tel-00132099. Stabilit´ des syst`mes non lin´aires ` retards e e e a En utilisant cette approche. eατ (t) ∆(t)E1 xα (t).4. 0}. version 1 .12). La fonctionnelle V (t) est d´finie positive puisque xT (t)EP xα (t)} = 2xT (t)P1 xα (t). comme e ¯α ¯ α EP = P T E. l’´quation du syst`me (3. xt )E0 + βi H1 ∆(t. pour toute matrice R ∈ Rn×n d´finie positive et pour tous e vecteurs a et b de Rn . P1 > 0. ˙α o` P = u .8) devient : e e 2 xα (t) = (A0 + αIn + H0 ∆(t. E = diag{In . on obtient : ±2aT b ≤ aT R−1 a + bT Rb. ˙ η1 (t) = 2¯T (t)P T xα η2 (t) = 2¯T (t)P T xα t ∆(t)E0 xα (t). xt )E0 )xα (t) + ˙ i=1 λi (t)(A1 + βi H1 ∆(t. ˙α ˙ o` u T 2 i=1 t Ψ0 (t) = η0 (t) = P 0 λi (t)Ai In −In 0 e ατ (t) + 0 2 i=1 In −In T λi (t)Ai P.4.70 Chapitre 3. ˙ η3 (t) = 2 t−τ (t) xT (t)P T ¯α En appliquant la majoration classique qui.12) Afin d’analyser la stabilit´ du syst`me (3. on obtient l’expression de la d´riv´e temporelle de V (t) : e e ˙ V (t) = xT (t)Ψ0 (t)¯α (t) + η0 (t) + η1 (t) + η2 (t) + η3 (t) ¯α x −1 T +τ2 xT (t)(R + δ1 e2ατ2 E1 E1 )xα (t) − ˙α ˙ t t−τ2 −1 T xT (s)(R + δ1 e2ατ2 E1 E1 )xα (s)ds. ainsi.

¯ Le syst`me (3. Le syst`me (3. Par cons´quent. ceci est ´quivalent ` : e a λ1 (t)Γ1 + λ2 (t)Γ2 < 0. e . version 1 .20 Feb 2007 d V (t) ≤ xT (t) ¯α dt avec Ψ1 (t) = Ψ2 (t) = 6 Ψi (t) xα (t).6) est exponentiellement stable avec un degr´ de convergence α. alors Γ(t) e e e e e l’est aussi.12) est asymptotiquement stable car V (t) est alors une fonctionnelle de Lyapunove Krasovskii.4. ˙α ˙ ¯ o` δ0 .3) et (3.4.4. u e u ¯ ˙ En combinant ces in´galit´s dans l’expression de V . τ2 P T ¯ 0 A1 (t) 0 H0 T R 0 H0 0 H1 −1 0 ¯ A1 (t) P. 0 H1 T T P. δ1 sont deux r´els positifs et o` A1 (t) = eατ (t) A1 et E1 (t) = eατ (t) E1 . ¯ α −1 ¯T ¯ P xα (t) + δ1 xT (t)E1 (t)E1 (t)xα (t).4) conduit aux in´galit´s suivantes : e e e e e η0 (t) η1 (t) η2 (t) η3 (t) ≤ τ2 xT (t)P T ¯α 0 ¯ A1 (t) 0 H0 0 H1 0 H1 R −1 71 0 ¯ A1 (t) T t P xα (t) + ¯ t−τ2 xT (s)Rxα (s)ds. En utilisant des e e e raisonnements similaires ` ceux du chapitre pr´c´dent. si les matrices Γi sont d´finies n´gatives.4. on en d´duit : e e e tel-00132099. L’ensemble des matrices d´finies n´gatives ´tant convexe. 0 T τ2 δ1 E1 E1 e2ατ2 ¯ ¯T δ1 E1 (t)E1 (t) . ¯ α t t−τ2 −1 P xα (t) + δ1 ¯ ¯T ¯ xT (s)E1 (t)E1 (t)xα (s)ds.3.3 Le Th´or`me 3.12) est donc asymptotiquement stable si Γ(t) est d´finie n´gative. T Ψ3 (t) = −1 δ0 P T Ψ4 (t) = Ψ5 (t) = Ψ6 (t) = −1 δ1 (1 + τ2 )P P. τ2 R) + Ψ0 (t).4. e e e Remarque 3. T δ0 E0 E0 0 0 0 0 .4. Avec le compl´ment de e e e e Schur. STABILISATION EXPONENTIELLE ROBUSTE qui associ´e aux in´galit´s (3.4. ˙α ˙ ≤ δ0 xT (t)P T ¯α ≤ δ1 xT (t)P T ¯α ≤ τ2 δ1 xT (t)P T ¯α 0 H0 0 H1 0 H1 −1 P z (t) + δ0 xT (t)E0 T E0 xα (t).2 est un exemple de conditions de stabilit´ exponentielle. il est possible d’´tablir d’autres conditions de stabilit´ a e e e e qui utilisent l’approche par mod`les polytopiques.4. ¯ i=0 diag(0. le syst`me (3.

6) est α−stable pour tout retard τ (t) satisfaisant (3. des matrices de Rn×n sym´triques d´finies positives P1 .4. ˙α ˙ −1 2 2 V2α (t) = 2δ1 (βM + βd ) T xT (s)E1 E1 xα (s)dsdθ.4. Stabilit´ des syst`mes non lin´aires ` retards e e e a Mod´lisation avec incertitudes param`triques e e En utilisant un mod´lisation par mod`le incertain du terme exponentiel eατ (t) .13) −δ0 In 0 0 0 2 2 δ1 (βm + βd )In 0 0 0 0 2 δ1 (βm 2 + βd )In −2δ1 (1 + τ2 )In ∗ ∗ ∗   Ri ∗ 0 βi AT 1 Zi P1 P2 0 P3 tel-00132099. Rd . d.8) sous la forme du mod`le descripteur en ´crivant eατ (t) = e e e e e βm + Λ(t)βd o` Λ(t) est une fonction scalaire inconnue v´rifiant la condition |Λ(t)| ≤ 1 : u e ˙ E xα (t) = ¯ + + 0 A0 + αIn + βm A1 0 ∆A0 (t) 0 Λ(t)βd A1 + + In −In 0 βm ∆A1 (t) 0 βm ∆A1 (t) xα (t) + ¯ + + 0 Λ(t)βd A1 0 Λ(t)βd ∆A1 (t) 0 Λ(t)βd ∆A1 (t) xα (t) − t t−τ (t) 0 βm A1 xα (s)ds. Rm . xT (t)EP xα (t) + ¯α ¯ 0 −τ2 0 −τ2 t t+θ t t+θ xT (s)(Rm + Rd )xα (s)dsdθ.4. telles que les in´galit´s matricielles suivantes soient e e r´alis´es : e e               Ψ1 ∗ ∗ ∗ ∗ ∗ et δ0 P T 0 H0 ∗ ∗ ∗ ∗ 2δ1 (1 + τ2 )P T 0 0 H1 T E0 0 0 0 −δ0 In ∗ ∗  2 2 (βm + βd ) T E1 0 2 2 (βm + βd ) 0 T E1         < 0. i = m. ˙ Consid´rons la fonctionnelle de Lyapunov-Krasovskii : e V α (t) = V1α (t) = V1α (t) + V2α (t).20 Feb 2007 ∗ P  ≥ 0. Z1 . Z2 et Z3 pour i = m. ˙α ˙ . D´monstration.4).4. on obtient le th´or`me e e e e suivant : Th´or`me 3.4. βm = (1 + eατ2 )/2. version 1 . e e e i i i des matrices de Rn×n P2 .15) + Zd + τ2 (Zm + Zd ). d.4. (3.4 La solution x(t) = 0 du syst`me (3.4. e e e s’il existe deux nombres r´els positifs δ0 et δ1 . On ´crit alors le syst`me (3. P3 .72 Chapitre 3.       (3. βd = (eατ2 − 1)/2.14) o` u P = et o` u Ψ1 = P + T Zi = i Z1 iT Z2 i Z2 i Z3 T 0 A0 + αIn + βm A1 Rd 0 0 τ2 (Rm + Rd ) In −In + 0 A0 + αIn + βm A1 In −In P (3.

16) les in´galit´s suivantes : e e 0 H0 ∆(t)E0 0 βm H1 ∆(t)E1 0 βd Λ(t)H1 ∆(t)E1 0 H0 0 H1 0 H1 0 H0 0 H1 0 H1 T −1 2 T P xα (t) + δ1 βd xT (t)E1 E1 xα (t).4.17).4.4.4.20 Feb 2007 En revenant aux d´finitions des matrices de perturbations (3. ¯α ¯ La seconde partie permet quant ` elle de “‘contrˆler” la robustesse de la stabilit´ par rapport ` ces pertura o e a bations. On obtient alors l’in´galit´ suivante : e e ˙ V α (t) ≤ 0 ∆A0 (t) + 0 βm ∆A1 (t) 0 Λ(t)βd ∆A1 (t) ¯ xα xT (t)Ψ1 xα (t) + 2¯T (t)P T ¯α −2¯T (t)P T xα −1 2 +2δ1 (βM + 0 + xα (t) (3. ˙α ˙ tel-00132099. le Th´or`me 2.3.3. version 1 . ¯ α T T −1 P xα (t) + xT (t)E0 δ0 E0 xα (t).4.16) 0 + βm ∆A1 (t) 2 T T βd )xα (t)E1 E1 xα (t) ˙ ˙ Λ(t)βd ∆A1 (t) −1 2 2 − 2δ1 (βM + βd ) t t−τ (t) t t−τ2 xα (s)ds ˙ T xT (s)E1 E1 xα (s)ds. on obtient les majorations : e e 0 βm H1 ∆(t)E1 0 βd Λ(t)H1 ∆(t)E1 0 H1 0 H1 0 H1 0 H1 T −1 2 T P xα (t) + δ1 βd xT (s)E1 E1 xα (s). ¯ ˙α ˙ T −1 2 T P xα (t) + δ1 βm xT (s)E1 E1 xα (s).4. on obtient : 0 βm H1 ∆(t)E1 0 βd Λ(t)H1 ∆(t)E1 0 H1 0 H1 0 H1 0 H1 T T −2¯T (t)P T xα t t−τ (t) xα (s)ds ˙ ≤ τ2 xT (t)P T ¯α −1 2 +δ1 βm δ 1 In P xα (t) ¯ t t−τ2 T xT (s)E1 E1 xα (s)ds. la majoration e matricielle classique permet d’obtenir pour les trois premiers termes de (3. ¯ ˙α ˙ −2¯T (t)P T xα −2¯T (t)P T xα xα (s) ˙ ≤ xT (t)P T ¯α xT (t)P T ¯α δ1 In δ1 In xα (s) ≤ ˙ En int´grant par rapport ` la variable s de t − τ (t) ` t.8) (en d’autres termes ∆A0 = ∆A1 = e e ∆B1 = 0). ˙α ˙ −2¯T (t)P T xα t t−τ (t) xα (s)ds ˙ ≤ τ2 xT (t)P T ¯α −1 2 +δ1 βd t t−τ2 δ 1 In P xα (t) ¯ T xT (s)E1 E1 xα (s)ds.4 permet d’´crire l’in´galit´ suivante : e e e e e ˙ V1α (t) ≤ xT (t)Ψ1 xα (t). Dans ce cas. ˙α ˙ . et en utilisant le fait que le retard τ (t) est born´ par e a a e τ2 . c’est-`-dire e e e a sans prendre en compte les perturbations param´triques du syst`me (3.7) et le fait que ∆T (t)∆(t) ≤ In . ¯ α T −1 2 T P xα (t) + δ1 βm xT (t)E1 E1 xα (t). STABILISATION EXPONENTIELLE ROBUSTE 73 La premi`re partie de V α (t) permet de tester la stabilit´ exponentielle du syst`me nominal. pour les termes retard´s de (3. ¯ α 2¯T (t)P T xα 2¯T (t)P T xα 2¯T (t)P T xα xα (t) xα (t) ≤ ≤ xT (t)P T ¯α xT (t)P T ¯α xT (t)P T ¯α δ0 In δ1 In δ1 In xα (t) ≤ De mˆme.

avec un degr´ e e e e de convergence α.4.74 Chapitre 3. pour tout retard τ (t) e e satisfaisant (3.1) avec la commande (3.         (3. δ0 et δ1 qui e satisfont aux in´galit´s matricielles : e e  Q2 + QT Ψi 0 τ2 QT 2 12 2   ∗ −Q3 − QT Ψi τ2 QT 3 23 3   ∗ ∗ −τ2 εQ1 0    ∗ ∗ ∗ −τ2 εQ1    ∗ ∗ ∗ ∗   ∗ ∗ ∗ ∗    ∗ ∗ ∗ ∗   ∗ ∗ ∗ ∗  ∗ ∗ ∗ ∗            < 0. e e e Remarque 3. Q1 et des matrices.20 Feb 2007 Remarque 3.3 Application ` la stabilisation exponentielle a Nous allons maintenant revenir au probl`me de la stabilisation.4.4. avec un degr´ de convergence α.7 [130] La loi de commande par retour d’´tat (3.4.4.4..4. alors la stabilit´ asymptotique du syst`me (3.19) . e 3. ˙α ˙ qui.6 Il est aussi possible d’´tendre ces r´sultats aux cas des syst`mes ` retards multiples ou ` e e e a a retards bi-born´e.13).4.6) pour α > 0 sont d´montr´es.4. la solution x(t) = 0 du syst`me (3.4.13) et (3. Y de dimension m × n et trois r´els positifs ε. e e e Ainsi.4.5) tel que le syst`me en boucle ferm´e (3.5 Il est possible de donner d’autres th´or`mes en utilisant des raisonnements similaires ` ceux e e a pr´sent´s au chapitre pr´c´dents.4.4) s’il existe une matrice sym´trique d´finie positive. permettent de retrouver la condition (3. en appliquant le compl´ment de Schur de mani`re ad´quate.4. e e de dimension n × n. on d´duit alors la majoration suivante : e e e e ˙ V α (t) ≤ xT (t)Ψ1 xα (t)¯α (t) + xT (t)P T ¯α ¯ x ¯α +¯T (t)P T xα 0 H1 δ1 (1 + τ2 )In t t−τ2 t t−τ2 0 H0 0 H1 δ 0 In T 0 H0 T T −1 P xα (t) + xT (t)E0 δ0 E0 xα (t) ¯ α −1 2 2 T P xα (t) + δ1 (βm + βd )xT (t)E1 E1 xα (t) ¯ α (3. version 1 .18) 0 δ 0 H0 0 0 −δ0 In ∗ ∗ ∗ ∗ 0 δ 1 H1 0 0 0 δ1 − 1+τ2 In Q1 E T + Y T DT 0 0 0 0 0 −δ0 In ∗ ∗ T Q1 Eτ βi T QT Eτ β2 3 0 0 0 0 0 0 −δ1 In ∗ 0 0 0 0 0 0 0 −δ1 τ2 In ∗ ∗ ∗ (3.4. Le syst`me (3.1) soit exponentiellement stable avec un taux de e e e convergence garanti.5) s’´crit alors : e e x(t) = (A + BK + ∆A(t) + ∆B(t)K)x(t) + (Aτ + Bτ K + ∆Aτ (t))x(t − τ (t)) ˙ Mod´lisation polytopique e Le th´or`me suivant utilise le Th´or`me de stabilit´ exponentielle 3.4.14) sont v´rifi´es.4.8) et la e e e e stabilit´ exponentielle de (3. Stabilit´ des syst`mes non lin´aires ` retards e e e a En r´injectant ces majorations dans l’in´galit´ (3. On cherche ` d´terminer un gain K de e a e retour d’´tat (3.2 e e e e e Th´or`me 3.4.4.4.17).17) −1 2 2 +δ1 (βm + βd ) −1 2 2 −δ1 (βm + βd ) −1 T 2 2 T xT (s)E1 E1 xα (s)ds + δ1 (βm + βd )xT (t)E1 E1 xα (t) ˙α ˙ ˙α ˙ T xT (s)E1 E1 xα (s)ds. e e e e tel-00132099.4.5) stabilise exponentiellement. de dimension n × n.1).4. Q2 et Q3 de dimension n × n. si les conditions (3.

Si > 0 Q2 . Q1 > 0.21) . l’inverse de la matrice P . −τ2 R−1 . On d´finit les e e e matrices Q. La preuve de ce th´or`me vient des conditions de stabilit´ exponentielle du Th´or`me 3.4. β2 = e ατ2 75 (3. ∆A0 (t) et ∆A1 (t) en fonction des matrices de (3. W1 . 2 et o` u Ψi = QT Ai + Y T (B + Bτ βi )T − QT + Q3 . Ai = A0 + αIn + βi A1 .4. de la mani`re suivante : e e 0 τ2 In 1 R τ2 0 τ 2 In T . ∆A0 (t) = ∆A(t) + ∆B(t)K e et ∆A1 (t) = ∆Aτ (t). e 1 Mod´lisation avec incertitudes param`triques e e Th´or`me 3. A1 = Aτ + Bτ K.2. T T e e En supposant alors que P1 et (P3 + P3 ) sont des matrices sym´triques d´finies positives ((P3 + P3 ) est. on multiplie les conditions LMI d´velopp´es par M T ` gauche et par M ` e e e a a droite.4.4. la composante d’un bloc diagonal de (3.3.4.Q1 + B1 Y ). Q3 .4. ∆A0 (t) et ∆A1 (t) pr´c´demment d´finies. On d´veloppe alors le terme diag(τ2 R. STABILISATION EXPONENTIELLE ROBUSTE pour i = 1.1) avec la loi de commande e e e par retour d’´ta