Académique Documents
Professionnel Documents
Culture Documents
Cours dAutomatique
lineaires Representations detat ` des systemes monovariables
Olivier BACHELIER
Courriel : Olivier.Bachelier@univ-poitiers.fr Tel : 05-49-45-36-79 ; Fax : 05-49-45-40-34
Cours dAutomatique
lineaires Representations detat ` des systemes monovariables
Olivier BACHELIER
Courriel : Olivier.Bachelier@univ-poitiers.fr Tel : 05-49-45-36-79 ; Fax : 05-49-45-40-34
18 mars 2008
R esum e Ce cours dAutomatique sinscrit dans le cadre de la deuxi` eme ann ee de cycle ing enieur cole Sup de lE erieure dIng enieurs de Poitiers (ESIP) et sadresse aux e tudiants de la sp ecialit e lectrique et Automatique (GEA). Ces derniers ont d Ge nie E ej` a suivi un enseignement relatif a ` l etude des syst` emes lin eaires mod elis es par une fonction de transfert (approche fr equentielle). Ce cours sint eresse aux m emes syst` emes mais propose une e tude via un mod` ele diff erent, appel e repr esentation d etat lin eaire (approche temporelle). Connaissances pr ealables souhait ees : notions de syst` emes lin eaires, e quations diff erentielles, fonction de transfert en p (voire en z ), analyse et commande des syst` emes lin eaires par approche fr equentielle, quelques bases dalg` ebre lin eaire.
ii
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
R egime transitoire : inuence des modes R eponse impulsionnelle . . . . . . . . . R eponse indicielle . . . . . . . . . . . . R eponse harmonique . . . . . . . . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
30 31 32 33 35 35 36 36 36 36 37 37 38 38 39 39 40 40 43 43 43 43 44 44 44 46 47 47 47 48 48 48 49 49 49 51 53 53 53 54 55 55 56 57 57 58 58 58 58 60 61
5 Stabilit e des mod` eles d etat 5.1 Une approche quasi intuitive : la stabilit e BIBO . . 5.2 Stabilit e dun e tat d equilibre . . . . . . . . . . . . 5.2.1 D enition et recherche dun e tat d equilibre 5.2.2 Stabilit e . . . . . . . . . . . . . . . . . . . 5.3 Crit` eres de stabilit e . . . . . . . . . . . . . . . . . 5.3.1 Crit` ere des racines . . . . . . . . . . . . . 5.3.1.1 rang(A) = n . . . . . . . . . . . 5.3.1.2 rang(A) < n . . . . . . . . . . . 5.3.1.3 En r esum e . . . . . . . . . . . . 5.3.1.4 Stabilit e interne et stabilit e BIBO 5.3.1.5 Les marges de stabilit e . . . . . 5.3.2 Crit` ere de Routh/Hurwitz . . . . . . . . . . 5.3.3 M ethode de Lyapunov . . . . . . . . . . . 6 Commandabilit e et observabilit e 6.1 D enitions . . . . . . . . . . . . . . . . . . . . . 6.1.1 Commandabilit e ou gouvernabilit e. . . . 6.1.2 Observabilit e . . . . . . . . . . . . . . . 6.2 Crit` ere de Kalman . . . . . . . . . . . . . . . . . 6.2.1 Commandabilit e . . . . . . . . . . . . . 6.2.2 Observabilit e . . . . . . . . . . . . . . . 6.2.3 Dualit e des deux concepts . . . . . . . . 6.3 Crit` eres sappliquant aux formes de Jordan . . . . 6.3.1 A diagonalisable . . . . . . . . . . . . . 6.3.2 A non diagonalisable . . . . . . . . . . . 6.4 Grammiens de commandabilit e et dobservabilit e 6.4.1 D enition des grammiens . . . . . . . . 6.4.2 Interpr etation des grammiens . . . . . . . 6.4.3 Calcul des grammiens . . . . . . . . . . 6.5 Mod` eles et structures . . . . . . . . . . . . . . . 6.5.1 Diff erence entre les mod` eles . . . . . . . 6.5.2 Syst` emes composites . . . . . . . . . . . 6.6 R ealisation minimale . . . . . . . . . . . . . . . 6.6.1 D enition . . . . . . . . . . . . . . . . . 6.6.2 R ealisation minimale et notion de p oles . 6.6.3 R ealisation minimale et stabilit e . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
7 Commande par retour d etat 7.1 Notion de retour d etat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2 Retour d etat et performances transitoires : le placement de p oles . . . . . . . . . . . 7.2.1 Commandabilit e et placement de p oles . . . . . . . . . . . . . . . . . . . . 7.2.2 Placement de p oles sur une r ealisation canonique . . . . . . . . . . . . . . . 7.2.3 Placement de p oles sur une r ealisation quelconque . . . . . . . . . . . . . . 7.2.3.1 Obtention de la forme canonique a ` partir de la fonction de transfert 7.2.3.2 Obtention de la forme canonique a ` partir dune autre r ealisation . . 7.2.3.3 Algorithme de placement de p oles . . . . . . . . . . . . . . . . . 7.3 Performances statiques et retour d etat : la pr ecommande . . . . . . . . . . . . . . . 7.4 Rejet de perturbation et retour d etat : adjonction dint egrateurs . . . . . . . . . . . . iv
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
8 Commande par retour de sortie : les observateurs 8.1 Notions pr eliminaires . . . . . . . . . . . . . . 8.1.1 Motivation . . . . . . . . . . . . . . . 8.1.2 Principe de lobservation . . . . . . . . 8.1.3 Propri et e dun observateur . . . . . . . 8.1.4 Condition dexistence dun observateur ` propos de la transmission directe . . 8.1.5 A 8.2 Synth` ese dun observateur dordre minimal . . 8.2.1 Observateur dordre minimal . . . . . . 8.2.2 Proc edure de Luenberger . . . . . . . . 8.3 Synth` ese dun observateur dordre plein . . . . 8.3.1 Observateur dordre plein . . . . . . . 8.3.2 Proc edure de synth` ese . . . . . . . . . 8.4 Commande par retour d etat observ e . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
65 65 65 66 66 67 67 67 67 68 70 71 71 73 77 77 77 79 79 79 80 80 81 81 81 82 82 83 83 83 83 84 84 84 85 85 86 86 87 88 88 88 89 90 90 91 91 92 92 92 92 92 93
` la repr 9 Introduction a esentation d etat discr` ete 9.1 Rappels sur les signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.1.1 Signaux continus, discrets, quanti es, non quanti es . . . . . . . . . . . 9.1.2 Transformation de signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.1.2.1 Echantillonnage 9.1.2.2 Quantication . . . . . . . . . . . . . . . . . . . . . . . . . . 9.1.2.3 Blocage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2 Syst` emes discrets lin eaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2.1 D enition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2.2 Mod` eles externes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2.2.1 Equation r ecurrente . . . . . . . . . . . . . . . . . . . . . . . 9.2.2.2 Transformation en z . . . . . . . . . . . . . . . . . . . . . . . 9.2.2.3 Fonction de transfert en z . . . . . . . . . . . . . . . . . . . . 9.2.3 Repr esentation d etat . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2.4 Lien entre les mod` eles . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2.4.1 Dune r ealisation a ` lautre . . . . . . . . . . . . . . . . . . . . 9.2.4.2 De l equation d etat a ` la fonction de transfert en z . . . . . . . 9.2.4.3 De la fonction de transfert en z a ` l equation d etat . . . . . . . 9.3 Syst` emes e chantillonn es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.3.1 Pourquoi e tudier les mod` eles discrets ? (notion de syst` eme e chantillonn e) 9.3.2 La commande num erique . . . . . . . . . . . . . . . . . . . . . . . . . . 9.3.3 Echantillonnage et th eor` eme de Shannon . . . . . . . . . . . . . . . . . 9.3.4 Obtention dun mod` ele e chantillonn e . . . . . . . . . . . . . . . . . . . 9.3.4.1 Calcul de G(z ) . . . . . . . . . . . . . . . . . . . . . . . . . . 9.3.4.2 Mod` ele d etat . . . . . . . . . . . . . . . . . . . . . . . . . . 9.4 R eponse dun syst` eme discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.4.1 R eponse du mod` ele d etat . . . . . . . . . . . . . . . . . . . . . . . . . 9.4.1.1 R eponse par r esolution de l equation d etat . . . . . . . . . . . 9.4.1.2 Calcul de Ak . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.4.1.3 R eponse dun syst` eme e chantillonn e. . . . . . . . . . . . . . . 9.4.2 Analyse de la r eponse : e tude des modes . . . . . . . . . . . . . . . . . . 9.5 Stabilit e dun syst` eme discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.5.1 Stabilit e BIBO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.5.2 Stabilit e interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.5.2.1 D enition et recherche dun e tat d equilibre . . . . . . . . . . 9.5.2.2 Stabilit e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.5.3 Crit` ere des racines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.5.3.1 R esultat g en eral . . . . . . . . . . . . . . . . . . . . . . . . . 9.5.3.2 Stabilit e interne et stabilit e BIBO . . . . . . . . . . . . . . . . v
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9.6
9.7
9.8
9.5.3.3 Marge de stabilit e . . . . . . . . . . . . . . Crit` ere de Jury . . . . . . . . . . . . . . . . . . . . . M ethode de Lyapunov . . . . . . . . . . . . . . . . . Stabilit e dun syst` eme e chantillonn e . . . . . . . . . . 9.5.6.1 Echantilonnage dune boucle ouverte . . . . 9.5.6.2 Bouclage dun syst` eme e chantillonn e . . . . Commandabilit e/observabilit e dun mod` ele discret . . . . . . 9.6.1 D enitions . . . . . . . . . . . . . . . . . . . . . . . 9.6.1.1 Commandabilit e . . . . . . . . . . . . . . . 9.6.1.2 Observabilit e. . . . . . . . . . . . . . . . . 9.6.2 Crit` ere de Kalman . . . . . . . . . . . . . . . . . . . 9.6.2.1 Commandabilit e . . . . . . . . . . . . . . . 9.6.2.2 Observabilit e. . . . . . . . . . . . . . . . . 9.6.2.3 Dualit e des deux concepts . . . . . . . . . . 9.6.3 Crit` eres sappliquant aux formes de Jordan . . . . . . 9.6.4 Grammiens . . . . . . . . . . . . . . . . . . . . . . . 9.6.4.1 D enition des grammiens . . . . . . . . . . 9.6.4.2 Interpr etation des grammiens . . . . . . . . 9.6.4.3 Calcul des grammiens . . . . . . . . . . . . 9.6.5 Mod` eles et structures . . . . . . . . . . . . . . . . . . 9.6.6 R ealisation minimale . . . . . . . . . . . . . . . . . . Commande par retour d etat . . . . . . . . . . . . . . . . . . 9.7.1 Les diff erentes approches de la commande num erique 9.7.2 Retour d etat discret . . . . . . . . . . . . . . . . . . 9.7.3 Placement de p oles par retour d etat . . . . . . . . . . 9.7.3.1 Commandabilit e et placement de p oles . . . 9.7.3.2 Technique de placement de p oles . . . . . . Commande par retour de sortie . . . . . . . . . . . . . . . . . 9.5.4 9.5.5 9.5.6
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
10 Conclusion 103 10.1 R esum e du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 10.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 Annexes A Rappels dalg` ebre et danalyse ` propos des matrices . . . . . . . . . . . . . . . . . . . . . . . . . A.1 A A.1.1 Transposition et conjugaison . . . . . . . . . . . . . . . . . A.1.2 Matrices carr ees . . . . . . . . . . . . . . . . . . . . . . . A.1.3 Op erations sur les matrices . . . . . . . . . . . . . . . . . . A.1.3.1 Addition de matrices . . . . . . . . . . . . . . . . A.1.3.2 Multiplication de matrices . . . . . . . . . . . . . A.1.4 D eterminant dune matrice carr ee . . . . . . . . . . . . . . A.1.4.1 D eterminant dune matrice carr ee dordre 2 . . . A.1.4.2 D eterminant dune matrice carr e dordre 3 ou plus A.1.4.3 Quelques propri et es du d eterminant . . . . . . . . A.1.5 Cofacteurs et matrice adjointe . . . . . . . . . . . . . . . . A.1.6 Polyn ome caract eristique dune matrice carr ee . . . . . . . A.1.7 Rang dune matrice . . . . . . . . . . . . . . . . . . . . . . A.1.8 Matrices inverses . . . . . . . . . . . . . . . . . . . . . . . A.1.8.1 D enition et calcul . . . . . . . . . . . . . . . . A.1.8.2 Propri et es des inverses . . . . . . . . . . . . . . . A.1.9 Valeurs propres dune matrice . . . . . . . . . . . . . . . . A.1.9.1 Structure propre dune matrice . . . . . . . . . . A.1.9.2 Propri et es des valeurs propres . . . . . . . . . . . vi 105 107 107 107 107 108 108 108 109 110 110 111 111 111 111 111 111 112 112 112 113
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
A.1.9.3 Propri et es des vecteurs propres . . . . . . . . . A.1.10 Rang dune matrice carr ee, d eterminant et valeurs propres A.1.11 Trace dune matrice . . . . . . . . . . . . . . . . . . . . ` propos de la d enition positive . . . . . . . . . . . . . . . . . . A.2 A A.2.1 Fonction d enie positive . . . . . . . . . . . . . . . . . . A.2.2 Matrices Hermitiennes d enies en signe . . . . . . . . . . ` propos du r egime transitoire B A B.1 Inuence du spectre de la matrice d etat . . . . . . . . B.2 Inuence des vecteurs propres de A . . . . . . . . . . B.2.1 Couplage modes/sortie . . . . . . . . . . . . . B.2.2 couplage modes/commandes en boucle ferm ee B.2.3 Couplage modes/consigne en boucle ferm ee . . B.2.4 En r esum e sur les vecteurs propres . . . . . . . B.3 Inuence des z eros . . . . . . . . . . . . . . . . . . . B.3.1 Les z eros dun mod` ele d etat . . . . . . . . . . B.3.2 Contribution des z eros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
113 114 114 114 114 115 117 117 118 118 119 119 120 120 120 120
C Formule dAckermann pour le placement de p oles par retour d etat 123 C.1 Rappel du probl` eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 C.2 R esolution selon Ackermann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 ` propos de D A 125 D.1 Propri et es de . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 D.2 Tableau de transform ees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
E Lyapunov et les syst` emes lin eaires E.1 Le cas continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . E.2 Le cas discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . E.3 Le cas e chantillonn e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
` propos des grammiens F A 131 F.1 Signication des grammiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 F.2 Invariance des valeurs propres de Wc Wo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 G M ATLAB et la repr esentation d etat G.1 Fonctions math ematiques de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . G.2 Fonctions li ees au mod` ele d etat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . G.3 Fonctions li ees aux mod` eles discrets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 135 139 146
H Biographies 149 H.1 Alexandr Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 H.2 Rudolf Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 R ef erences bibliographiques 155
vii
viii
Chapitre 1
Introduction
LAutomatique est une discipline scientique qui vise a ` conf erer a ` un dispositif donn e, appel e syst` eme, des propri et es souhait ees et ce, sans n ecessit e dune intervention humaine. Une telle discipline requiert dattribuer un mod` ele au comportement du dit syst` eme (phase de mod elisation) et de lutiliser an, dune part, de mieux comprendre ce comportement (phase danalyse) et dautre part, dagir sur le syst` eme dans le but dam eliorer ses propri et es (phase de commande). Sans revenir trop longuement dans cette introduction sur des concepts e tudi es lors des cours relatifs a ` lapproche dite fr equentielle, il convient de rappeler quelques notions de base.
u1 u2 . . . um
y1
Syst` eme
y2 . . . yp
Dans le cadre de ce cours, seuls seront e tudi es les syst` emes monovariables pour lesquels m = p = 1, cest-` a-dire ne comportant quune seule entr ee et une seule sortie.
Il est rappel e que lautomaticien est souvent amen ea ` r eintroduire linformation pr esente au niveau de la sortie sur lentr ee an de modier les performances du syst` eme. Ce dernier est alors dit boucl e. La notion de boucle e tant d ej` a connue des e tudiants, elle nest pas d etaill ee dans cette introduction. Une partie de ce cours consacr ee a ` la commande y reviendra. Il va de soi que les performances attendues sont les m emes que celles envisag ees lors de l etude de lapproche fr equentielle, a ` savoir la stabilit e, la forme des r egimes transitoires, la pr ecision et le rejet de perturbations.
+ Syst` eme +
lin eaire
y= a 1 y1 + a 2 y2
F IG . 1.2 Principe de s eparation Si lentr ee u1 entra ne la sortie y1 et si lentr ee u2 entra ne la sortie y2 alors une entr ee a1 u1 + a2 u2 entra ne une sortie y = a1 y1 + a2 y2 . Ce cours est restreint a ` l etude des syst` emes lin eaires. Enn, comme il a d ej` ae t e mentionn e, une derni` ere distinction est essentielle pour ce cours. Les syst` emes sont soient monovariables (une seule entr ee, une seule sortie) soit multivariables (plusieurs entr ees, plusieurs sorties). Seuls les syst` emes monovariables seront e tudi es. 2
En r esum e, ce cours concerne les syst` emes lin eaires monovariables (continus et discrets), cest-` a-dire ceux qui peuvent e tre d ecrits par une fonction de transfert.
Chapitre 2
+ u(t) C y (t)
F IG . 2.1 Circuit RLC Les e quations issues des lois de l electricit e qui r egissent le comportement du circuit RLC sont les suivantes : di(t) u(t) = Ri(t) + L + y (t) dt t 1 dy (t) 1 y (t) = i( )d = i(t). C 0 dt C
(2.1)
Equations pr eliminaires
plus encore, sa commande. Par cons equent, m eme si cest une entorse au principe de description d` ele de la dynamique du syst` eme, lon d ecide bien souvent de travailler dans une gamme de valeurs des grandeurs se situant autour de valeurs centrales constituant ce quil est convenu dappeler un point de fonctionnement. Sous r eserve de ne pas trop s eloigner de ce point de fonctionnement, lon peut approcher les e quations non lin eaires par des e quations certes approximatives mais lin eaires. Sans revenir sur ces notions connues, lon peut utiliser pour ce faire des d eveloppements limit es ou de Taylor au premier ordre de certaines fonctions math ematiques en jeu. Lon parle alors du syst` eme non lin eaire et de son lin earis e tangent qui est lin eaire. Lon sarrange e galement pour que les coefcients intervenant dans les e quations soient ind ependants du temps. Lon parle alors de mod` ele lin eaire invariant dans le temps. Dans le cas des e quations (2.1), elles sont d ej` a lin eaires a ` coefcients constants donc il est inutile de recourir a ` une approximation.
an
(NB : le point sur une lettre d esignant un signal correspond a ` la d erivation par rapport au temps ; exemple : y (t) (t) .) signie dy dt Il sagit l` a dun mod` ele de comportement entr ee/sortie, cest-` a-dire qui traduit l evolution de la sortie en fonction de celle de lentr ee et ce, en e ludant la dynamique interne du syst` eme. Physiquement, il est inconcevable que m soit strictement sup erieur a ` n. Lon peut toujours imaginer un mod` ele math ematique correspondant a ` ce cas mais en pratique, cela signierait que la sortie du syst` eme a ` un instant donn e d epend de la valeur de lentr ee a ` un instant ult erieur. Cest pourquoi, lon suppose que m n. Un tel syst` eme est dit causal. Si lon revient a ` lexemple du circuit RLC, en regroupant les deux e quations donn ees en (2.1), lon obtient, par e limination de i(t) : u(t) = LC d2 y (t) + RC y (t) + y (t). dt2 (2.3)
Cette e quation diff erentielle unique constitue bien un mod` ele du lien existant entre lentr ee u(t) et la sortie y (t). En outre, il est clair que des valeurs e lev ees de m et n rendent difcile la d etermination analytique de lexpression du signal y (t). En dautres termes, il est fastidieux, sinon impossible, de r esoudre une e quation diff erentielle dordre e lev e. Aussi a-t-on ressenti le besoin dintroduire un nouvel outil de mod elisation, plus ais ea ` manipuler, et plus a ` m eme daider lautomaticien dans les phases danalyse et de commande : il sagit de la fonction de transfert.
Equations pr eliminaires
Chaque signal temporel f (t) causal , cest-` a-dire pour lequel f (t) = 0, t < 0, peut subir une transformation dite de Laplace , not ee et ainsi d enie :
f (t) F (p) =
0
f (t)ept dt.
F (p), si elle existe, cest-` a-dire si lint egrale est calculable, est appel ee transform ee de Laplace de f (t) et la variable complexe p = + j (not ee s dans les ouvrages de culture anglo-saxonne) est connue sous le nom de variable de Laplace. Cet op erateur poss` ede les propri et es suivantes : 1. lin earit e:
(t) p2 F (p) pf (0) f(0) f dl f (t) df l1 (0) pl F (p) pl1 f (0) pl2 f(0) ... l dt dtl
p correspond donc, en pr esence de conditions initiales nulles, a ` une d erivation dans le domaine de Laplace. 3. th eor` eme de lint egration :
t0 0
f ( )d
F (p) p
1/p est donc lop erateur dint egration dans le domaine de Laplace. 4. th eor` eme du retard :
(sous r eserve dexistence des deux limites) 7. th eor` eme de la valeur nale : lim f (t) = lim pF (p)
t p0
(sous r eserve dexistence des deux limites) Comme il est parfois fastidieux de calculer la transform ee de Laplace dune fonction temporelle compliqu ee (de 7
Fonction de transfert
En appliquant la transform ee de Laplace a ` l equation (2.1), il vient : U (p) = LC (p2 Y (p) py (0) y (0)) + RC (pY (p) y (0)) + Y (p). (2.4)
L equation (2.4) constitue un lien entre la transform ee de Laplace du signal dentr ee et celle du signal de sortie.
(2.5)
G(p) est une fraction rationnelle d ependant de la variable de Laplace, de num erateur N (p) et de d enominateur D(p). Elle est appel ee fonction de transfert et se r ev` ele tr` es utile pour l etude des syst` emes lin eaires monovariables. G(p) est dite dordre n et selon la r` egle de causalit e, lon aura g en eralement m n. Lon note que les racines de N (p) sont appel ees z eros du syst` eme et celles de D(p) sont appel ees p oles du syst` eme. Bien que les z eros aient une inuence difcile a ` estimer sur le comportement du syst` eme, il convient surtout de se souvenir que les p oles ont une inuence encore plus grande en termes de stabilit e et de r egime transitoire de la r eponse du syst` eme. Cette inuence des p oles est beaucoup plus facile a ` pr evoir (voir cours sur la fonction de transfert). Dans le cas du circuit RLC, lapplication de
conduit a `: U (p) + LCpy (0) + LC y (0) + RCy (0) 2 LCp + RCp + 1 I (p) . D(p) (2.6)
Y (p) =
LCp2
Y (p) =
U (p) +
G(p) permet de d eterminer le terme de Y (p) d ependant seulement de U (p) et non des conditions initiales, ici pr esentes au niveau du num erateur I (p).
Fonction de transfert
par application de 1 . Cest ainsi que lon voit linuence des p oles. De ce fait, conna tre la fonction de transfert, cest conna tre ses p oles donc pr evoir en partie le comportement du syst` eme.
Dans le cas o` u u(t) est un signal sinuso dal (r eponse harmonique), lon peut tracer, par exemple, le diagramme de Bode du mod` ele gr ace a ` G(p) (voir cours sur la fonction de transfert). Ce diagramme est particuli` erement utile pour comprendre la r eaction du syst` eme a ` des signaux et ce, selon la fr equence de ces signaux. La fonction de transfert permet donc une analyse fr equentielle du comportement du syst` eme par linterm ediaire du diagramme de Bode. En outre, de G(p), lon d eduit facilement des lois de commande (par exemple de type r egulateur PID), bas ees sur lobtention de certaines marges de gain ou marges de phase, d eterminables gr ace au diagramme de Bode. De m eme, G(p) peut- etre utilis ee pour calculer une loi de commande plac ant les p oles du syst` eme en boucle ferm ee. Dans les deux cas, cest la manipulation de G(p) qui conduit a ` l etablissement de la loi de commande, ce qui d emontre la pertinence dun tel outil. Concernant le circuit RLC, lon peut par exemple calculer les racines de D(p) pour savoir si le signal y (t) comportera une forte oscillation ou pas. Lon peut aussi e crire G(p) sous la forme dite canonique de deuxi` eme ordre (voir cours sur la fonction de transfert) G(p) = 1 , 2m 1 2 1+ p+ p 0 0
Fonction de transfert
10
Chapitre 3
t0
F IG . 3.1 L evolution des composantes de x(t) apr` es t0 (trait plein) est ind ependante de leur e volution avant t0 (pointill es)
Lon dit souvent de la repr esentation d etat que cest une mod elisation dans lespace d etat. Pour un syst` eme dynamique, le vecteur d etat nest pas unique. Plusieurs choix sont possibles. Mais pour que x soit effectivement vecteur d etat, il importe que chacune des variables d etat apparaissent, de mani` ere explicite ou implicite, sous forme d eriv ee dans le jeu d equations d ecrivant le syst` eme. Dans le cas contraire, il sera difcile de se servir de cette variable pour pr evoir l evolution du syst` eme. Cette constatation conduit a ` un syst` eme d equations diff erentielles auquel sajoute une e quation alg ebrique :
f1 (x(t), u(t), t) x 1 (t) . . . . (t) = x = f (x(t), u(t), t) = . . fn (x(t), u(t), t) x n (t) y (t) = g (x(t), u(t), t). (3.1) o` u f et g sont des fonctions susceptibles de prendre presque nimporte quelles formes. Cependant, lon ne parle de repr esentation d etat que si la fonction vectorielle f de I Rn I RI R dans I Rn est Lipschitzienne en x, continue en u et continue par morceaux en t. Le syst` eme diff erentiel apparaissant dans (3.1) est appel ee evolution alors que quation dynamique ou e quation d l equation alg ebrique est dite e quation de mesure ou e quation de sortie.
et lon fait lhypoth` ese que toutes les variations autour de ce point sont faibles. Ainsi, en supposant que ce point d equilibre est caract eris e par les valeurs xe et ue , lon peut consid erer la variation d etat (t) = x(t) xe , celle dentr ee v (t) = u(t) ue et celle de sortie z (t) = y (t) g (xe , ue , t). Si les valeurs de v (t) et des composantes i (t) de (t) restent faibles (donc assimilables aux diff erentielles correspondantes), lon peut calculer les matrices jacobiennes suivantes f1 (xe , ue , t) . . . x1 . .. . . . fn (xe , ue , t) . . . x1 f1 (xe , ue , t) xn . . . fn (xe , ue , t) xn f1 (xe , ue , t) u . . . fn (xe , ue , t) u
A(t) =
B (t) = ;
; (3.2)
C (t) =
g (xe , ue , t) . . . x1
g (xe , ue , t) xn
D(t) =
g (xe , ue , t). u
Ainsi, si lon consid` ere que (t) et v (t) sont respectivement le nouveau vecteur d etat et la nouvelle entr ee du mod` ele lin earis e tangent autour du point d equilibre, il vient : (t) = A(t) (t) + B (t)v (t) z (t) = C (t) (t) + D(t)v (t). (3.3)
Lapproximation lin eaire au premier ordre consiste donc a ` supposer que (t) et v (t) restent faibles et a ` d ecrire le comportement du syst` eme par (3.3). Comme x(t), u(t) et y (t) sont les notations habituelles de l etat, de lentr ee et de la sortie, lon e crira plut ot x (t) = A(t)x(t) + B (t)u(t) y (t) = C (t)x(t) + D(t)u(t), (3.4)
dautant plus quil nest pas rare que lorigine soit le point d equilibre ( = x), que lon sint eresse au syst` eme autonome, voire que le mod` ele soit obtenu directement sous forme lin eaire, sans avoir a ` recourir a ` une approximation. Par ailleurs, les signaux u(t), y (t) et xi (t) sont de toute e vidence des signaux temporels. De plus, il est assez fr equent, comme il a d ej` ae t e mentionn e, que les fonctions non-lin eaires f et g ne d ependent pas explicitement du temps. Lon peut alors tr` es souvent omettre la d ependance en t de mani` ere a ` obtenir la repr esentation d etat suivante, qui correspond a ` un syst` eme diff erentiel lin eaire a ` coefcients constants :
x = Ax + Bu y = Cx + Du.
(3.5)
Les relations donn ees en (3.5) constituent une repr esentation d etat lin eaire invariante dans le temps dun syst` eme. Par abus de langage, lon parle souvent de syst` eme LTI (acronyme anglais pour Linear Time-Ivariant, cest-` a-dire lin eaire invariant dans le temps). Cest ce type de mod` ele qui fait lobjet de ce cours. La matrice A est appel ee matrice d etat ou d evolution. On la nomme aussi parfois matrice dynamique. B est appel ee vecteur dentr ee ou de commande (d` ou une ambigu t e avec le vecteur u). C est le vecteur de sortie, dobservation ou de mesure (d` ou une ambigu t e avec le vecteur y ). Quant a ` D, cest un scalaire dit de transmission directe, qui est nul sil nexiste aucun lien statique direct entre le signal dentr ee et celui de sortie. Remarque 3.1 Dans le cas o` u f et g d ependent explicitement de t, alors A, B , C et D sont des fonctions de t et le mod` ele est dit lin eaire variant dans le temps. Il est souhaitable, si possible de recourir aussi a ` une approximation pour consid erer ces matrices comme constantes. Lon retrouve alors un mod` ele LTI. La repr esentation d etat peut- etre associ ee au sch ema-bloc donn e par la gure 3.2. 13
+ + x
+ +
Exemple : Lon consid` ere le mouvement du pendule autonome repr esent e sur la gure 3.3. ] Lapplication de la relation fondamentale de la dynamique et le choix dun vecteur d etat x tel que x = [ conduit a ` instancier l equation (3.1) ainsi : 1 = x2 = f1 (x1 , x2 ) x x 2
g k = sin(x1 ) x2 = f2 (x1 , x2 ). l m o` u g est la constante gravitionnelle, l la longueur du pendule, m sa masse et k sa raideur. Le syst` eme e tant autonome, les fonctions f1 et f2 ne d ependent pas dune entr ee u. Le point de fonctionnement consid er e est le seul des deux points d equilibre (c.-` a-d. x = 0) physiquement atteignable, a ` savoir x e = [0 0], lautre e tant xe = [ 0]. Il vient : f1 f1 (xe ) = 0 ; (xe ) = 1 ; x1 x2 f2 g (xe ) = cos(xe1 ) x1 l ; f2 k (xe ) = x2 m .
A =
1 C
1 L 0
C=
0 1
D = 0.
(3.6)
A=
... 1 . . . an1
B= 0 b0
C=
1 0 0 ... 0
D = 0.
(3.7)
` r ecrire cette derni` ere ainsi : La technique ci-dessus appliqu ee a ` l equation (2.3) conduit a y + Lon obtient alors 0 1 0 1 1 R y + y= u. L LC LC
; D = 0. (3.8) ; B= 1 ; C = 1 0 1 R LC LC L qui est un quadruplet de matrices diff erent de celui trouv e pr ec edemment et donn e en (3.6). Ceci permet de constater que le mod` ele d etat obtenu d epend du choix des variables d etat. Il nest donc pas unique, contrairement a ` la fonction de transfert. En effet, cette derni` ere est un mod` ele externe et non interne, cest-` a-dire un mod` ele entr ee/sortie. Or, la sortie et lentr ee e tant uniques, il nexiste quune fonction de transfert. Dans le cas o` u m = 0, la proc edure est un peu plus complexe mais r epond au m eme principe. Lon suppose que m = n sans perte de g en eralit e (il suft de consid erer bj = 0 j | m < j n). Le coefcient an est toujours suppos ee gal a ` 1. Lon d enit : 16
A=
n = b n ,
j 1
Les variables d etat peuvent alors e tre ainsi choisies : x1 = y n u x2 = x 1 n1 u x = x 2 n2 u 3 xn = x n1 1 u Il vient 0 0 . . . 0 a0 1 0 . . . 0 a1 0 1 . . . 0 a2 ... ... .. . 0 0 . . . n1 n2 . . . 1 0
nj = bnj
anj +k nk
k=0
j {1, . . . , n}.
A=
... 1 . . . an1
B=
C=
1 0 0 ... 0
D = n ,
(3.9)
Pour le circuit RLC, on retrouve les quatre matrices donn ees en (3.8).
(p i )
i=1
Lexpression ci-dessus fait appara tre les p oles du syst` eme, cest-` a-dire les racines du d enominateur D(p). Poles distincts Dans le cas ou tous les p oles i , i = 1, ..., n sont distincts, il est facile de r ealiser la d ecomposition en e l ements simples de Y (p) = G(p)U (p) et il vient :
n
Y (p)
=
i=1
i U (p) . p i Xi (p) 17
Si lon focalise son intention sur chaque terme Xi (p), lon d eduit que pXi (p) = i U (p) + i Xi (p), ce qui se traduit dans le domaine temporel, par application de
, par
x i = i u + i xi . En choisissant le vecteur d etat x = = x y = x1 . . . 1 0 . . . 0 , il vient ais ement la r ealisation suivante, dite diagonale : 1 0 ... 0 2 2 . . . 0 x + . u . . . . . . . . . . . (3.10) n . . . . . . n x, xn
1 1 ... 1
laquelle peut e galement e tre modi ee en remplac ant B par C et C par B . De mani` ere plus g en erale, dans une r ealisation diagonale, B = [1 . . . n ] et C = [1 . . . n ] doivent e tre telles que i i = i , i {1, ..., n}. Une r ealisation de la forme (3.10) est dite diagonale car la matrice d evolution A est diagonale.
Par exemple, la fonction de transfert G(p) = peut conduire a ` la r ealisation x Poles multiples y = 0 0 0 0 1 0 x 0 0 1 1 1 2 x. 1 + 1/2 u 1/4 1 1 1 1 = + + p(p + 1)(p 1) p 2(p + 1) 2(p 1)
Dans le cas o` u G(p) poss` ede un p ole dordre de multiplicit e sup erieur a ` 1, la diagonalisation de A nest pas forc ement possible. Pour comprendre ce qui peut e tre envisag e dans cette situation, lon peut tout simplement consid erer une fonction de transfert G(p) ne poss edant quun seul p ole de multiplicit e n. Lon a alors :
n
=
i=1
Lon voit bien sur cette expression que le premier terme est tel que Xn (p) = Quant aux autres termes, ils sont tels que Xj 1 (p) = U (p) Xj (p) 1 = x j 1 = xj 1 + xj , j {2, ..., n}. j (p ) p
U (p) 1 x n = xn + u. p
x y
= n
0 . . . 0 0
x 1 x.
0 1
0 0 . . .
(3.11)
n1
. . . 2
Dans la r ealisation ci-dessus, lon constate que la matrice d evolution A est quasi diagonale c.-` a-d. constitue un bloc de Jordan. Pour le cas o` u G(p) contient des p oles dordre de multiplicit e divers, il suft dassocier les deux cas r epertori es pr ec edemment comme le montre lexemple ci-apr` es : G(p) = 2p2 + 4p + 1 1 1 1 = + + . 2 p(p + 1) p p + 1 (p + 1)2
Il appara t un p ole simple nul et un p ole double de Jordan e gal a ` -1. Ceci conduit a ` la r ealisation suivante : x y 0 = 0 0 = 0 0 1 1 x + 0 1 1 1 1 x. 1 0 u 1
Remarque 3.2 Il est clair que ces formes de Jordan font appara tre les p oles de G(p) sur la diagonale de A. Ainsi, ces p oles sont aussi les valeurs propres de A. Lorsque les po les sont multiples, la matrice peut ne peut e tre diagonale, mais ce nest pas syst ematique. En effet, il est possible quune matrice carr ee ayant des valeurs propres multiples puissent e ee (voir cours de math ematiques). tre diagonalis
3.5.1.2 R ealisation de forme compagne Il existe plusieurs r ealisations de forme compagne qui peuvent e tre facilement obtenues a ` partir de la fonction de transfert. Ce paragraphe est restreint aux formes compagnes les plus classiques. Pour ce faire, G(p) est suppos e de la forme (2.5) avec an = 1. Les deux formes dites compagnes les plus commun ement rencontr ees sont : Forme compagne horizontale : = x y = 0 0 . . . 0 a0 b0 1 0 . . . 0 a1 b1 ... ... 0 .. . 0 . .. .. . . . . .. . ... 1 . . . . . . an1 0 ... 0
x x.
+ 0 1
0 0 . . .
(3.12)
. . . bm
an2 . . = . a1 a0
an1
0 . . . 0 + bm u . . . b0
(3.13)
1 0 . . . . . . . . . 0 x. y = Aucune justication rigoureuse nest apport ee ici mais lon peut comprendre que ces formes compagnes sont li ees aux formes issues de l equation diff erentielle. Reprenant le dernier exemple de fonction de transfert, il vient G(p) = 2p2 + 4p + 1 2p2 + 4p + 1 = , p(p + 1)2 p3 + 2p2 + p
(3.14)
Comme m = n, le quotient Q est une constante et le reste R(p) est un polyn ome de degr e strictement inf erieur a ` celui du diviseur D(p). Ainsi, Gpr (p) est une fonction de transfert strictement propre. Les coefcients du num erateur N (p) de la fonction de transfert globale G(p) sont not es b i pour les distinguer des coefcients bi du num erateur R(p) du transfert strictement propre Gpr (p) extrait de G(p). Par ailleurs, lon a Y (p) = G(p)U (p) = Gpr U (p) + QU (p) = Ypr (p) + QU (p). Donc, si lon prend ypr comme sortie, la fonction de transfert associ ee au syst` eme obtenu est G pr dont on peut d eterminer une r ealisation (A, B, C ). Il vient alors : x ypr = Ax + Bu = Cx.
En posant D = Q et en r ealisant le changement de variable inverse (dans le domaine temporel cette fois-ci) y = ypr + Du, il vient : x y Par exemple, soit la fonction de transfert : G(p) = p3 + 4p2 + 5p + 1 (p3 + 2p2 + p) + (2p2 + 4p + 1) 2p2 + 4p + 1 = = 3 + 1 = Gpr (p) + 1. 3 2 3 2 p + 2p + p p + 2p + p p + 2p2 + 1 = Ax = Cx + Bu + Du.
Gpr (p) correspond a ` la fonction de transfert du dernier cas trait e. Il suft donc de conserver les matrices A, B et C donn ees en (3.14) en y ajoutant la transmission directe D = 1. 20
pX (p) = AX (p) + BU (p) X (p) = (pI A)1 BU (p) Y (p) = CX (p) + DU (p), les conditions initiales e tant consid er ees nulles puisquil sagit de d eterminer G(p). De toute e vidence, ceci am` ene :
(3.16)
Le d enominateur D(p) de la fonction de transfert est souvent appel e polyn ome caract eristique. Il est facile de voir quil est, dans lexpression ci-dessus, engendr e par linversion matricielle et e gal a ` (cf. A.1.5 et A.1.8.1 en annexe A) :
(3.17)
(3.18)
B, C, D ) = (M 1 AM, M 1 B, CM, D). Comme il existe une inLe quadruplet de matrices obtenu est donc (A, nit e de matrices de passage M utilisables, il existe aussi une innit e de r ealisations e quivalentes qui correspondent toutes a ` la m eme fonction de transfert. En effet, (p) = CM (pI M 1 AM )1 M 1 B +D = CM (M 1 (pI A)M )1 M 1 B +D = C (pI A)1 B +D = G(p). G 21
En outre, puisque M 1 AM est semblable a ` A, les valeurs propres de A sont les m emes quelle que soit la r ealisation consid er ee. De ce fait, ce sont toujours les p oles de G(p) cest-` a-dire les racines du polyn ome caract eristique (m eme si lon sera plus tard amen ea ` porter une nuance a ` ce propos). Les racines du polyn ome caract eristique D(p), cest-` a-dire les p oles du syst` eme, sont valeurs propres de la matrice d etat A quelle que soit la r ealisation choisie. Il est possible de passer dune r ealisation a ` une autre ce qui peut se r ev eler utile quand la seconde a une forme particuli` ere. Le principe est de d eterminer la matrice de passage.
P () = det(I A) = n +
i=0
(ai i ).
. Si lon d Ceci permet dobtenir A ecompose la matrice M en M = [m1 , ..., mn ], alors l egalit e AM = M A conduit a `e crire Am1 = a0 mn colonne 1 Am = v a m colonne 2 2 1 1 n . . . . . . Am = m a m colonne n 1 n1 n2 n2 n Amn = mn1 an1 mn colonne n. mn1 = (A + an1 I )mn mn2 = (A2 + an1 A + an2 I )mn (3.19) . . . m1 = (An1 + an1 An2 + . . . + a2 A + a1 I )mn Lon constate que M est fonction de mn . Comment d eterminer mn ? Compte tenu de Am1 = a0 mn , il vient : (An + an1 An1 + . . . + a2 A2 + a1 A + a0 I )mn = 0. Dapr` es le th eor` eme de Cayley-Hamilton, toute matrice A v erie son propre polyn ome caract eristique, c.-` a-d. P (A) = det(A A) = An + an1 An1 + . . . + a2 A2 + a1 A + a0 I = 0, ce qui signie que l egalit e pr ec edente est v eri ee quelle que soit A et quel que soit m n . Proc edure pratique : Il est donc possible de xer arbitrairement mn = 0 et de d eterminer la matrice de changement de base M gr ace a ` (3.19). (3.20)
3.7.3.1 Les valeurs propres i de A sont distinctes Il suft de d eterminer n vecteurs non nuls lin eairement ind ependants v i tels que Avi = i vi . Les vecteurs vi sont appel es vecteurs propres. Lon a alors M = V = [v1 , ..., vn ]. La matrice = V 1 AV est diagonale et sa diagonale contient les valeurs propres de A. 3.7.3.2 Les valeurs propres i de A sont multiples Dans ce cas, A peut ne pas e tre diagonalisable mais lon peut lui associer une matrice de Jordan. Pour simplier, lon suppose ici que A na quune valeur propre , dordre de multiplicit e n. Il convient de d eterminer le nombre de blocs de Jordan dans J = V 1 AV . Ce nombre est donn e par q = n rang(I A). Pour comprendre comment d eterminer les vecteurs propres g en eralis es, il est plus facile denvisager les deux cas extr emes, q = 1 (un seul bloc de Jordan) et q = n (matrice J diagonale). Les cas interm ediaires ne correspondent qu` a une association de ces deux cas comme il est expliqu e par la suite. q=1: La relation AV = A[v1 , . . . , vn ] = V J = [v1 , . . . , vn ] 0 0 v1 v1 + v2 vp2 + vp1 vp1 + vp . 0 . . . 1 . . . 0 0 0 1 .. . ... ... ... ... .. . 0 1 0 0 . . .
conduit aux e galit es suivantes (une e galit e par colonne) : Av1 = Av = 2 . . . Av = p 1 Avp =
Il faut donc proc eder a ` une r esolution s equentielle de toutes ces e quations lin eaires en sassurant toujours que les vi sont bien lin eairement ind ependants.
q=n: Dans ce cas, lon d etermine simplement n vecteurs vi lin eairement ind ependants tels que Avi = vi i {1, ..., n}
q = n et q = 1 : Dans ce cas l` a, il y a plusieurs blocs de Jordan et il convient dassocier les deux techniques expliqu ees ci-avant. Remarque 3.3 Il peut exister une ambigu t e sur la taille des blocs de Jordan ; si cela se produit, lon peut envisager tous les cas possibles sachant quun seul conduira a ere solution rencontr ee est ` une solution. Ainsi, la premi` recevable. Dans le cas o` u il y a plusieurs valeurs propres multiples, il faut proc eder comme ci-dessus, mais ce, pour chaque valeur propre. Exemple : 23
Lon a : P () =
= ( 1)2
1 = 0 est une valeur propre simple. En r esolvant Av1 = 1 v1 , lon peut voir que v1 = [0 1 1] est une solution. 2 = 1 est valeur propre double. Or, q = n rang(I A) = 3 1 = 2 donc lon saitque A est diagonalisable. En r esolvant Av = v , lon trouve 1 0 v = 0 a+ 1 b 1 0 [1 0], lon obtient les deux derniers 0 0 1 0 . 0 1
Remarque 3.4 Dans lexemple ci-avant, la matrice A est diagonalisable malgr e la pr esence dune valeur propre multiple, a a dune distinction entre multiplicit e alg ebrique et multiplicit e g eom etrique (voir ` savoir 1. Il sagit l` cours de math ematiques).
24
Chapitre 4
Le vecteur x0 constitue lensemble des conditions initiales a ` linstant t0 . Il sagit ici de voir comment le syst` eme r eagit librement, en labsence dentr ee, a ` cette condition initiale.
(4.3)
(4.4)
25
eponse du syst` eme autonome a ` une condition initiale x 0 ce qui montre bien que eA(tt0 ) est solution de (4.2). La r est donc :
x(t) = eA(tt0 ) x0 .
(4.6)
z (t) = x0 +
t0
(t0 , )Bu( )d
t
(t0 , )Bu( )d
26
Calcul de eAt
t
x(t) = eA(tt0 ) x0 +
t t0
(4.7)
Bien entendu, lexpression de x(t) d epend ensuite de celle u(t). Si lon donne la solution en y de l equation d etat, ene : l egalit e (4.7) am`
y (t) = CeA(tt0 ) x0 + C
t t0
eA(t ) Bu( )d
+ Du(t).
(4.8)
Dans l egalit e ci-dessus, lon peut faire une distinction utile (d ej` ae tudi e dans le cours sur lapproche fr equentielle) dans le membre de droite et faire appara tre deux r egimes dans la r eponse : Le r egime libre : il correspond au premier terme et ne d epend que du mod` ele du syst` eme et de la condition initiale. Il ne d epend pas de laction de lenvironnement ext erieur pendant la r eponse. Le r egime forc e : il est associ e aux deux derniers termes et correspond en fait a ` la r eaction du syst` eme a ` lexcitation u(t). Il d epend du mod` ele du syst` eme mais aussi de la nature du signal u(t). En outre, lorsque la r eponse tend asymptotiquement vers une valeur constante de y (t) ou vers un comportement p eriodique de ce signal, lon peut distinguer Le r egime transitoire qui est le temps durant lequel y (t) subit une e volution avant de se rapprocher dune valeur constante ou dun comportement p eriodique. La dur ee du r egime transitoire correspond a ` un temps appel e temps de r eponse et not e tr . Le r egime permanent qui succ` ede au r egime transitoire, qui commence donc a ` t r et qui correspond a ` lintervalle de temps durant lequel y (t) est consid er e comme restant toujours proche de sa valeur nale (g en eralement a ` moins de 5% de la variation totale de y (t)) ou comme ayant un comportement p eriodique.
Calcul de eAt
P (A) =
i=1
ai Ai = 0 avec an = 1
n1
An =
i=1
ai Ai
n+k1
An+k =
i=1+k
aik Ai .
Exemple : Soit la matrice A= Son polyn ome caract eristique est P () = 2 + 3 + 2. Le th eor` eme de Cayley-Hamilton conduit a `: A2 + 3A + 2I = 0 A2 = 3A 2I. Ceci permet donc de d eduire A2 plus ais ement, mais aussi A3 = A2 .A = 3A2 2A = 7A 2I ainsi que les puissances successives de A. 0 1 2 3 .
[(pI A)1 ].
pI A = Linversion de la matrice ci-dessus am` ene a ` (pI A)1 = Une d ecomposition en e l ements simples conduit a ` 28
1 p2 + 3p + 2
p+3 1 2 p
Calcul de eAt
(pI A)1
Ceci sapplique a ` chaque terme du d eveloppement (4.5) de sorte que eAt = M eJt M 1 . Dans le cas o` u 1 . J == . . 0 e 1 t . =M . . 0 1 1 1 2 ... 0 . .. . . . . . . n
est une forme strictement diagonale alors il est facile de voir que ... 0 1 . .. . . . M . . . . e n t 2 1 1 1
eAt
Si lon reprend lexemple du paragraphe pr ec edent, la matrice de passage a ` la forme diagonale est M= M 1 =
ce qui permet de retrouver la m eme expression de eAt . Dans le cas o` u J est une forme de Jordan non strictement diagonale et comportant p blocs de Jordan, k 0 . . . 0 0 1 k . . . 0 0 ... ... 0 .. . 0 . .. .. . . . . .. . 1 ... . . . . . . k
29
avec eJk t
Il existe e galement une quatri` eme m ethode dite de Cayley-Hamilton qui nest pas d etaill ee ici.
= e k t
t2 2!
0 1 0 0 . . . . . . 0 0 0 0
t 1 . . . 0 0
. . . 1 0
. . . t 1
eA(t ) Bu( )d
(4.9)
o` u le premier terme constitue le r egime libre de la r eponse ne d ependant que des conditions initiales et o` u le second terme est le r egime forc e d ependant du signal dentr ee u(t). Ces deux termes font tous deux appara tre e At . Cette exponentielle de matrice est donc fondamentale pour comprendre lallure de la r eponse du syst` eme. Elle peut s ecrire, sous lhypoth` ese de n valeurs propres distinctes
n
eAt =
i=1
Ni e i t
o` u les scalaires i sont les valeurs propres de A et o` u Ni = wi vi , les vecteurs vi et wi e tant respectivement la emecolonne de la matrice de passage diagonalisante M et la i ` emeligne de son inverse M 1 . Si les coefcients i` Ni ont bien entendu une inuence sur la forme de y (t), ce sont surtout les facteurs e i t qui en d eterminent les caract eristiques principales. Remarque 4.1 On appelle mode dun syst` eme un terme de son r egime libre. Chaque mode est donc li ea ` une valeur propre. Aussi, par abus de langage, parle-t-on parfois du mode i . Ainsi, lorsquune valeur de i est a ` partie r eelle strictement n egative, le terme correspondant est e vanescent et dispara t asymptotiquement. Si tous les i sont ainsi, et si u(t) converge vers une valeur nie avec le temps, alors la r eponse de y (t) converge elle aussi vers une valeur nie. Il est alors possible de mesurer t r , le temps de r eponse, et de distinguer clairement le r egime transitoire et le r egime permanent. Lorsque i nest pas a ` partie r eelle strictement n egative, il est impossible que lexponentielle correspondante disparaisse. Elle peut m eme cro tre avec le temps si la partie r eelle de i est strictement positive. Il est alors impossible que y (t) converge vers une valeur nie, m eme si u(t) est ni. y (t) peut m eme diverger inniment. Dans ce dernier cas, il est impropre de parler de r egime permanent. Par ailleurs, si i et j sont des valeurs propres complexes conjugu ees non r eelles, leurs parties imaginaires vont engendrer des termes sinuso daux dans lexpression de y (t) ce qui est susceptible de g en erer des oscillations dans la r eponse. Lorsque les termes exponentiels sont convergents (Re(i ) < 0), la convergence est dautant plus rapide que |Re(i )| est grande, ce qui correspond donc a ` une diminution du temps de r eponse t r .
30
R eponse impulsionnelle
En r esum e: Cest le plus ou moins grand ratio entre partie imaginaire et partie r eelle dun p ole qui caract erise le comportement oscillatoire li ea ` ce p ole ; Ce sont les p oles dominants (ceux dont la partie r eelle est la plus grande au sens alg ebrique) qui ont le plus dinuence sur la forme de la r eponse. Linuence des valeurs propres de A sur le r egime libre de y (t) est illustr ee sur la gure 4.1.
Im(p)
Re(p)
F IG . 4.1 Inuence des valeurs propres i de A sur le r egime libre esence de u(t), cest-` a-dire sur le r egime Les comportements indiqu es sur la gure 4.1 se retrouvent aussi en pr forc e de la r eponse. M eme si les p oles sont pr epond erants pour analyser ou pr evoir le comportement dun syst` eme (comme il appara tra dailleurs davantage au chapitre suivant), il existe bien s ur dautres e l ements qui peuvent inuencer ce r egime transitoire et cest pourquoi lon revient sur ces diverses inuences dans lannexe B.
(4.10)
Cest dans ce cas-ci que linuence des valeurs propres de A appara t clairement telle quelle est illustr ee par la gure 4.1. 31
R eponse indicielle
(4.11)
ce qui suppose ici que A est inversible. Cest le cas si la r eponse est convergente (Re( i ) < 0 i {1, ..., n}). Lon voit clairement que le r egime permanent est e gal a ` CA1 B . Ceci est coh erent avec la d enition du gain statique dune fonction de transfert : G(0) = C (0 I A)1 B (+D) = CA1 B (+D). Soit lexemple du circuit RC de la gure 4.2.
i(t) u(t)
R C
y (t)
F IG . 4.2 Circuit RC
i( )d
0
i(t) dy (t) = , dt C
eme initialement au repos conduit a ` l equation bien connue : Lapplication de (4.11) pour un syst` y (t) = 1 et/RC . Les r esultats obtenus sont e videmment les m emes que ceux issus de lapproche fr equentielle et le lecteur est invit e a ` se reporter aux formes de r eponses des syst` emes de premier et deuxi` eme ordre donn ees dans le cours sur la fonction de transfert. 32
R eponse harmonique
y (t) = CeAt x0 + Im CeAt (e(jI A)t I )(jI A)1 BUm y (t) = CeAt x0 Im (jI A)1 BUm + Im C (jI A)1 BUm ejt . Cest le r egime permanent qui importe dans une r eponse harmonique. Or si Re( i ) < 0 i {1, ..., n}, alors le premier terme de lexpression de y (t) ci-dessus tend asymptotiquement vers z ero et constitue le r egime transitoire. Le second terme correspond alors a ` ce quil est convenu dappeler le r egime permanent et est ici not e y (t). En observant lexpression de y (t), lon constate quil est possible de l ecrire y (t) = Im(G(j )Um ejt ) o` u G(p) d esigne bien s ur la fonction de transfert du syst` eme. Lon d enit : Le gain harmonique : ( ) = |G(j )|; Le d ephasage harmonique : ( ) = (G(j )). Le r egime permanent appara t alors comme un signal sinuso dal. En effet, y (t) = Im(( )ej() Um ejt ) y (t) = Im(( )Um ej (t+()) ) y (t) = ( )Um sin(t + ( )). (4.13) (4.12)
Ce signal sinuso dal conserve la m eme pulsation que le signal dentr ee mais poss` ede une amplitude et un d ephasage qui sont fonctions de cette pulsation. Ils peuvent e tre d etermin es gr ace a ` la fonction de transfert. Comme il est impossible de repr esenter toutes les r eponses (cest-` a-dire y (t) pour toutes les valeurs de ), lon pr ef` ere donner une repr esentation graphique de l evolution de ( ) et de ( ) en fonction de . Il existe plusieurs fac ons de repr esenter cette d ependance. Les plus c el` ebres sont le lieu de Nyquist, celui de Black, ainsi que les diagrammes de Bode. Tous les r esultats bien connus de lapproche fr equentielle sont donc ici retrouv es par r esolution de l equation d etat.
33
R eponse harmonique
34
Chapitre 5
|y ( )|d k.
Un mod` ele BIBO-stable peut donc e tre interp et e, dans cette seconde d enition, comme un mod` ele dont la r eponse impulsionnelle est un signal d energie nie. Il nest pas facile dexploiter directement cette derni` ere formulation. Aussi a-t-on recours, en particulier dans lespace d etat, a ` l etude de stabilit e dun syst` eme au travers de la notion de stabilit e des e tats d equilibre. Remarque 5.1 La stabilit e BIBO est une mani` ere denvisager la stabilit e dun syst` eme au sens de son comportement entr ee/sortie cest-` a-dire dans ses interactions avec lenvironnement ext erieur. Lon parle donc de stabilit e externe. Dans les d eveloppements qui suivent, la stabilit e est e ee au travers du mod` ele interne que constitue la tudi repr esentation d etat. La stabilit e est-elle alors quali ee dinterne. ` courant continu est excit e par une tension dentr ee u(t). La sortie consid er ee est la vitesse Exemple : un moteur a angulaire de larbre du moteur. Si lon impose un signal born e sur linduit du moteur, lon sait que la vitesse reste 35
born ee donc le moteur est BIBO-stable au sens de la premi` ere d enition. De m eme, toute impulsion au niveau ce cette tension dinduit entra ne une e volution de la vitesse telle que celle-ci augmente transitoirement pour sannuler ensuite, son int egrale e tant ainsi nie. Le moteur est donc BIBO-stable au sens de la d enition alternative. Lon suppose maintenant que la sortie est la position angulaire de larbre. Un e chelon appliqu e sur linduit du moteur engendre, en r egime permanent, une vitesse constante, donc la position angulaire augmente ind eniment. Le moteur (associ ea ` cette nouvelle sortie) est alors BIBO-instable. Si une impulsion intervient sur linduit, larbre va tourner et ne reviendra pas a ` sa position angulaire initiale donc lint egrale de la position dans ce cas nest pas nie. Le moteur est BIBO-instable.
De cette e quation, lon comprend quil peut exister un seul ou plusieurs e tats d equilibre selon le rang de A. Soit rang(A) = n det(A) = 0 (ceci signie que A na pas de valeur propre nulle) et le seul point d equilibre est lorigine xe = 0. Soit rang(A) < n det(A) = 0 (ceci implique lexistence dau moins une valeur propre nulle de A) alors il existe une innit e d etats d equilibre. Remarque 5.2 M eme sil est plus rigoureux de parler de stabilit e dun e equilibre, il sav` ere que, quel que tat d soit l etat d equilibre dun syst` eme lin eaire, sa stabilit e d epend de la matrice A. Ainsi parle-t-on toujours de la stabilit e du syst` eme.
5.2.2 Stabilit e
Un e tat d equilibre est dit asymptotiquement stable si, lorsque le syst` eme est e cart e de cet e tat sous leffet dune perturbation, il y revient (en un temps inni). L etat d equilibre est dit instable, si apr` es perturbation, le syst` eme sen e loigne davantage. L etat d equilibre est dit simplement stable si apr` es perturbation, le syst` eme reste dans un voisinage du point d equilibre. Pour illustrer ces trois cas, lon proc` ede tr` es souvent a ` une analogie m ecanique. Cette derni` ere consiste a ` d ecrire l etat d equilibre dune bille dans trois positions diff erentes comme le montre la gure 5.1.
2
Equilibre instable
3
Equilibre simplement stable
alors on peut exprimer x(t) de deux fac ons, selon lordre de multiplicit e des valeurs propres de A.
x(t) =
i=1
v i w i x 0 e i t = (
i=1
Ni ei t )x0 .
Les valeurs propres de A sont multiples Lon a alors, en supposant que J fait appara tre r valeurs propres diff erentes et p r blocs de Jordan : 2 tn k tnk 1 1 t t . . . 2! (nk 1)! nk ! nk 1 nk 2 t 0 1 t ... t (nk 2)! (nk 1)! Jt Jk t Jk t k t tnk 2 tnk 3 e = blocdiag{e } avec e = e 0 0 1 . . . (nk 3)! (nk 2)! , k. . . . . . . . . . . . . . . . . . . 0 0 0 ... 1 t 0 0 0 ... 0 1 Ceci conduit a ` d eduire que x(t) r epond a ` la formulation suivante :
r
(5.2)
x(t) = M eJt M 1 = (
i=1
Ni (t)ei t )x0
(5.3)
5.3.1.1 rang(A) = n Dans ce cas, il nexiste quun point d equilibre : lorigine de lespace d etat. Lon parle donc indiff eremment de eduit que trois cas se stabilit e de lorigine ou de stabilit e du syst` eme. En analysant les formes (5.2) et (5.3), lon d 37
pr esentent. Re(i ) < 0 i : le syst` eme est asymptotiquement stable ; j | Re(j ) > 0 : le syst` eme est instable ; j | Re(j ) = 0 et Re(i ) 0 i : j = 0 (impossible par hypoth` ese) ; j,l = j comportement oscillatoire damplitude constante syst` eme simplement stable.
5.3.1.2 rang(A) < n Dans ce cas, il existe plusieurs e tats d equilibre dont lorigine. Comme au moins une valeur propre est nulle, la stabilit e asymptotique est impossible. Toujours en analysant (5.2) et (5.3), lon d eduit que deux cas se pr esentent. j | Re(j ) > 0 : le syst` eme est instable ; / j | Re(j ) > 0 : Les blocs de Jordan relatifs aux e ventuelles valeurs propres nulles sont tous scalaires (la multiplicit e g eom etrique de ces valeurs propres nulles est e gale a ` leur multiplict e alg ebrique) le syst` eme est simplement stable ; Il existe un bloc de Jordan non scalaire associ ea ` une valeur propre nulle (la multiplicit e g eom etrique de cette valeur propre nulle est strictement inf erieure a ` sa multiplicit e alg ebrique) le syst` eme est instable 5.3.1.3 En r esum e
j | Re(j ) > 0 : le syst` eme est instable ; / j | Re(j ) > 0 : Re(i ) < 0 i : le syst` eme est asymptotiquement stable ; La multiplicit e g eom etrique des valeurs propres nulles est e gale a ` leur multiplict e alg ebrique le syst` eme est simplement stable ; La multiplicit e g eom etrique dune valeur propre nulle est strictement inf erieure a ` sa multiplicit e alg ebrique le syst` eme est instable.
En r ealit e, la propri et e souvent recherch ee est la stabilit e asymptotique. La condition n ecessaire et sufsante de stabilit e asymptotique dun syst` eme et les propri et es associ ees se r esument a ` ceci :
Soit le syst` eme mod elis e par (3.5). Ce dernier est dit asymptotiquement stable si et seulement si le syst` eme autonome associ ex = Ax est asymptotiquement stable, cest-` a-dire si et seulement si toutes les valeurs propres de A sont a ` partie r eelle strictement n egative.
38
5.3.1.4 Stabilit e interne et stabilit e BIBO Lon peut d eduire, par exemple gr ace a ` l equation (4.8), la relation existant entre la stabilit e interne et la stabilit e BIBO. Si A poss` ede une valeur propre a ` partie r eelle strictement positive et si lon suppose que lentr ee u(t) est nulle, tout e tat initial x0 conduit a ` un e tat non born e (et donc potentiellement a ` une sortie non born ee). Au contraire, si A ne poss` ede que des valeurs propres n egatives, d` es lors que u(t) est un signal born e, tous les termes de la r eponse x(t), et a fortiori ceux de y (t), convergent vers une valeur nie. Le syst` eme d ecrit par une repr esentation (3.5) dordre n et de fonction de transfert G(p) dordre n est BIBO-stable s il est asymptotiquement stable. Il est BIBO instable sil est instable de mni` ere interne. ` chosir entre les deux Dans la proposition ci-avant, l equivalence entre les deux stabilit es nest pas mentionn ee. A propri et es, cest la stabilit e interne qui doit e tre privil egi ee. Elle assure de la stabilit e BIB0. Il faut noter que deux hypoth` eses sont implicites dans cette assertion. La premi` ere est la lin earit e du mod` ele. Une telle proposition ne peut e tre formul ee pour un mod` ele non lin eaire. La seconde est la dimension commune du mod` ele interne et du mod` ele externe, a ` savoir n. Il sagit l` a dune diff erence entre lapproche interne temporelle et lapproche externe fr equentielle sur laquelle il sera revenu au chapitre 6. ` propos de la non- Remarque 5.3 A equivalence des instabilit es interne et externe : un int egrateur 1/p est-il instable ? On lentend souvent dire mais est-ce exact ? La r eponse est oui et non. Si lon applique le crit` ere des racines d etaill e ci-avant, un int egrateur est un mod` ele (interne ou externe) dordre 1 ayant un po le nul unique donc le bloc de Jordan associ e est scalaire. Le syst` eme est donc simplement stable mais non asymptotiquement stable. En revanche il est BIBO-instable puisquil r epond a ` un e chelon par une rampe ce qui est logique puisque la BIBO-stabilit e est e e asymptotique. En r esum e: quivalente a ` la stabili Un int egrateur est stable au sens de la stabilit e interne et instable au sens de la stabilit e externe. Lon peut noter en revanche quun double int egrateur 1/p2 est instable de mani` ere interne comme de mani` ere externe. 5.3.1.5 Les marges de stabilit e Par analogie avec les syst` emes de second ordre qui poss` edent soit deux p oles r eels soient deux p oles complexes conjugu es, lon peut d enir une marge de stabilit e absolue et une marge de stabilit e relative. Soit un syst` eme asymptotiquement stable dont le comportement est d ecrit par (3.5). Les valeurs propres de A sont toutes a ` partie r eelle strictement n egative. Les marges absolue et relative sont ainsi d enies :
Marge de stabilit e absolue : distance minimale, dans le plan complexe, entre un point dont lafxe est une valeur propre de A et laxe imaginaire. Math ematiquement, elle sexprime = min |Re(i )|.
i
(5.4)
Marge de stabilit e relative : angle minimal, dans le plan complexe, form e par laxe imaginaire et par laxe reliant lorigine et un point dont lafxe est une valeur propre de A. Math ematiquement, elle sexprime = min Atan
i
Re(i ) Im(i )
(5.5)
La marge absolue quantie la stabilit e asymptotique alors que la marge relative est li ee aux p oles complexes donc permet de quantier le caract` ere plus ou moins oscillatoire induit par les p oles et est, a ` ce titre, reli ee au coefcient damortissement. Ces marges sont illustr ees sur la gure 5.2. 39
Im(p) Re(p)
= V
i=1
V dxi = xi dt
n i=1
V fi (x) < 0 x , x = 0 xi
alors le mod` ele d etat non lin eaire est asymptotiquement stable pour des conditions initiales dans un voisinage de 0. Si lon sint eresse a ` la stabilit e asymptotique dun syst` eme lin eaire autonome x = Ax, la seconde m ethode permet de voir quun tel syst` eme est asymptotiquement stable si et seulement s il existe une (x) < 0, x = 0 fonction de Lyapunov (quadratique) V = x P x > 0 ( P = P > 0) telle que V x (A P + P A)x < 0 x I Rn , x = 0 40
(5.6) (5.7)
Plusieurs points sont notables dans ce r esultat. En premier lieu, il nest plus question de faire r ef erence a ` lorigine de I Rn qui est de toute fac on lunique point d equilibre. En deuxi` eme lieu, la condition devient n ecessaire et sufsante. En troisi` eme lieu, il nest pas restrictif de supposer que V (x) est une fonction quadratique de x ce qui permet daboutir, soit a ` une in egalit e matricielle donn ee en (5.6), soit a ` une e galit e matricielle donn ee en (5.7), dont linconnue est, dans les deux cas, une matrice sym etrique strictement d enie positive. R esoudre une in egalit e matricielle lin eaire telle que (5.6) est possible depuis le d ebut des ann ees 1990 gr ace a ` des outils num eriques. Toutefois, lon pr ef` ere, lorsquaucun outil num erique sophistiqu e nest disponible, manipue peut sembler a priori de choisir Q = Q < 0 pour que la solution P = P existe ler l egalit e (5.7). La difcult et soit d enie positive. En fait, en 1974, E. I. Jury et S. M. Ahn prouv` erent quun choix arbitraire de la matrice Q e tait possible. Lon peut donc r esumer lapplication de la th eorie de Lyapunov a ` ceci : Un mod` ele d etat lin eaire (3.5) est asymptotiquement stable si et seulement si, quelle que soit la matrice sym etrique d enie n egative Q, lunique solution de l equation A P + PA = Q est d enie positive. Lhabitude consiste a ` choisir Q = I pour effectuer le test. Lorsque le syst` eme (3.5) est le lin earis e tangent dun syst` eme non lin eaire, le test ci-dessus peut permettre dafrmer que le mod` ele initial non lin eaire est aussi asymptotiquement stable dans un voisinage autour du point de fonctionnement (le point d equilibre du mod` ele lin eaire est alors lorigine et celui du mod` ele non lin eaire est le point de fonctionnement). En effet, sans d etailler ces concepts, lorque le lin earis e tangent est tel que rang(A) = n, alors le point de fonctionnement est quali e de point d equilibre hyperbolique. Pour ce genre de points d equilibre, il y a e ele non lin eaire et son lin earis e tangent. De ce fait, la stabilit e du quivalence topologique entre le mod` lin earis e tangent est celle du non lin eaire dans un voisinage du point de fonctionnement. Or, tout mod` ele lin eaire asymptotiquement stable correspond a ` un point d equilibre hyperbolique pour le mod` ele non lin eaire original qui est donc lui aussi asymptotiquement stable dans un voisinage du point de fonctionnement. En revanche, si le mod` ele non lin eaire fait appara tre un point d equilibre non hyperbolique alors on ne peut d eduire la stabilit e du mod` ele non lin eaire a ` partir de son lin earis e tangent. Lannexe E reprend quelques aspects e voqu es ci-avant. (5.8)
En conclusion, il faut noter que tous ces crit` eres de stabilit e ne font intervenir que A. Ainsi, seule la matrice d evolution d etermine la stabilit e du syst` eme.
41
42
Chapitre 6
Commandabilit e et observabilit e
Ce chapitre introduit des concepts n ecessaires pour e tablir des lois de commande telles que celles qui seront e tudi ees dans les chapitres suivants. Ces concepts sont ceux de commandabilit e et dobservabilit e. Il furent introduits par Kalman.
enitions 6.1 D
6.1.1 Commandabilit e ou gouvernabilit e
Soit le mod` ele d etat (3.5) dun syst` eme lin eaire dont l etat initial est a ` une valeur quelconque x 0 = x(t0 ). Lon peut supposer sans restriction que la transmission directe est nulle (D = 0).
Le mod` ele est commandable ou gouvernable si pour toute instance x 1 du vecteur d etat, il existe un signal dentr ee u(t) d energie nie qui permet au syst` eme de passer de l etat x 0 a ` l etat x1 en un temps ni. Il est possible que, si la commandabilit e nest pas v eri ee sur tout le vecteur d etat, elle puisse n eanmoins l etre sur une partie de ses composantes. Lon dit alors des variables d etat concern ees que ce sont les e tats commandables du syst` eme. La commandabilit e peut e tre vue comme la possibilit e de modier les dynamiques dun mod` ele en agissant sur ses ` ce titre cette propri entr ees. A et e ne se r ef` ere qu` a l etat et a ` lentr ee du syst` eme. Il est donc clair quelle ne d epend que des matrices A et B .
6.1.2 Observabilit e
Lon sint eresse toujours au m eme mod` ele que dans la partie pr ec edente.
Le mod` ele est observable si, quel que soit t0 , il existe un intervalle de temps ni [t0 , t1 ] tel que la connaissance de lentr ee u(t) et de la sortie y (t) sur cet intervalle permet de reconstituer x(t 0 ). Encore une fois, il est possible que cette propri et e ne se v erie que pour une partie du vecteur d etat que constituent alors les e tats observables du syst` eme. La d enition de lobservabilit e ne fait pas dhypoth` ese particuli` ere sur la nature de lentr ee. Cette propri et e peut e tre interpr et ee comme la capacit e dun syst` eme a ` r ev eler lhistorique de son vecteur d etat au travers de celui de ses sorties. Elle ne d epend en fait que des matrices A et C . 43
6.2.1 Commandabilit e
La paire de matrices (A, B ) (ou le syst` eme (3.5)) est commandable si et seulement si rang(Qc ) = n o` u Qc = La matrice Qc est dite matrice de commandabilit e. Ce r esultat est bas e sur linterpolation de Sylvester qui permet dafrmer que e A peut s ecrire ainsi :
n1
AB
. . . An1 B
(6.1)
eA =
k=1
k ( )Ak
o` u k ( ) I R.
(6.2)
En effet, si lon revient a ` la d enition de la commandabilit e, lon peut, sans perte de g en eralit e, consid erer que x 1 est lorigine de I Rn et que t0 est nul. D` es lors, la solution de l equation d etat s ecrit x(t) = eAt x0 +
0 t
eA(t )Bu( )d
eA(t1 ) Bu( )d x0 =
0
t1
eA Bu( )d.
x0 =
k=1
Ak B
0
k ( )u( )d.
(6.3)
En posant
t1
k =
0
k ( )u( )d,
Le syst` eme est commandable si et seulement si le syst` eme (6.4) peut e tre r esolu quel que soit x0 cest-` a-dire si et seulement si rang(Qc ) = n.
x0 = Qc
(6.4)
6.2.2 Observabilit e
Lon sint eresse maintenant a ` lobservabilit e du syst` eme (3.5) qui se r esume a ` lobservabilit e de x = Ax, y = Cx. (6.5)
En effet, si lon regarde la solution compl` ete de l equation d etat (4.7), connaissant A, B , C , D ainsi que u(t), les deux derniers termes du membre de droite sont connus et peuvent e tre soustraits de la valeur mesur ee de y (t), ce qui revient a ` consid erer le syst` eme (6.5). La sortie s ecrit alors 44
y (t) =
k=1
Lon voit clairement que la d etermination de x0 en fonction de y (t) ne sera possible que si le syst` eme d equations ci-dessus ne pr esente pas de d ecience de rang ce qui conduit au crit` ere dobservabilit e de Kalman : La paire de matrices (A, C ) (ou le syst` eme (3.5)) est observable si et seulement si C CA rang(Qo ) = n o` u Qo = ... . CAn1 La matrice Qo est dite matrice dobservabilit e. Exemple 1 : Soit le syst` eme : x La matrice de commandabilit e est y = = 0 1 2 3 0 1 x x. 0 1 1 3 + 0 1 u
k (t)CAk x0 = blocdiag{k I }
C CA . . . CAn1
x0 .
(6.6)
Qc =
AB
Elle est de rang 2 donc le syst` eme est commandable. La matrice dobservabilit e est Qo = Elle est de rang 2 donc le syst` eme est observable. Exemple 2 : Soit le syst` eme e lectronique repr esent e par le sch ema de la gure 6.1. Le vecteur d etat choisi est x = [x1 x2 ] = [vs1 (vs2 Vref )]. Lentr ee est la tension u = v1 et la sortie est la tension y = vs . Ce choix, ainsi que lapplication des r` egles d electronique, en consid erant les amplicateurs op erationnels de puissance comme parfaits, conduisent a ` la repr esentation d etat suivante : 1 1 0 R1 C1 R C = x + 1 1 u x 1 (6.7) 0 0 R C 2 2 1 1 x. y = 45 C CA = 0 1 2 3 .
R1 v1 C1
R R v s1
vs
2R + R
R2 vref C2
+
v s2
et comme elle est de rang 1, le syst` eme nest pas compl` etement commandable. Ceci traduit le fait que, dans ce montage e lectronique, v1 ne peut inuer sur vs2 . La matrice dobservabilit e de Kalman est 1 1 Qo = 1 1 R1 C1 R2 C2 Elle est de rang plein donc le syst` eme est observable. Si lon d ecide de consid erer vs1 comme la sortie du syst` eme, alors la matrice de mesure devient C = [1 0] et celle dobservabilit e devient : 1 0 Qo = . 1 0 R1 C1 Elle est de rang 1 et le syst` eme nest donc plus observable. Ceci traduit le fait que lon ne peut d eduire v s2 de vs1 car vs2 nagit en rien sur vs1 .
Les crit` eres de Kalman ont un grand int er et th eorique et permettent de comprendre un peu mieux ces notions fondamentales de commandabilit e et dobservabilit e. Cependant, lorsquils ne sont pas satisfaits (rang(Q c ) < n ou rang(Qo ) < n), ils ne donnent aucune information sur les composantes du vecteur d etat qui sont commandables et/ou observables.
6.3.1 A diagonalisable
Dans ce cas, il existe une matrice de passage M 1 0 x = . . . 0 c1 y = qui permet de changer de base et dobtenir la r ealisation b1 0 ... 0 b2 2 . . . 0 u x + . . . . . . ... . . . 0 . . . n bn c2 . . . cn x + Du.
Dans ce cas, lon peut assimiler la commandabilit e dun mode i a ` celle de la composante xi du vecteur d etat associ e. Il en est de m eme pour lobservabilit e. Clairement, sur cette forme diagonale simple, lon voit que lon peut agir sur xi lorsque la composante bi est non nulle de m eme que lon peut constater une e volution de x i si la composante ci est non nulle. Le mode i est commandable (respectivement observable) si et seulement si b i = 0 (resp. ci = 0 par dualit e).
If faut noter que la derni` ere afrmation concernant les modes multiples associ es a ` plusieurs blocs de Jordan nest pas forc ement vraie pour un syst` eme multivariable. Exemple : Lon reconsid` ere lexemple e lectronique de la gure 6.1. La repr esentation d etat en est donn ee en (6.7). Elle 47
est diagonale. Lon saperc oit en appliquant les crit` eres ci-avant que la seconde composante du vecteur d etat (vs2 Vref ) (donc le p ole associ e) nest pas commandable par la tension v 1 . En revanche, la composante vs1 (donc son p ole associ e) lest. Les deux composantes sont observables. Ce r esultat est compatible avec celui obtenu gr ace au crit` ere de Kalman.
Wc =
0
eA BB eA d, eA C CeA d,
(6.8) (6.9)
Wo =
0
do` u lon retrouve bien que les deux propri et es sont duales lune de lautre.
48
AWc + Wc A =
0
(AeA BB eA + eA BB eA A )d =
eA BB eA
Sous lhypoth` ese de stabilit e de A, la quantit e ci-dessus est e gale a ` BB . En r esum e, prenant en compte la dualit e, lon peut proposer lassertion suivante : Soit la r ealisation (3.5), suppos ee asymptotiquement stable. Le grammien de commandabilit e W c et celui dobservabilit e Wo sont les solutions respectives des e quations de Lyapunov AWc + Wc A = BB , A Wo + Wc A = C C. (6.10) (6.11)
Il est plus facile, a ` laide des outils num eriques daujourdhui de r esoudre les e quations (6.10) et (6.11) que de calculer les int egrales (6.8) et (6.9). Remarque 6.3 Il existe une base de lespace d etat dans laquelle les grammiens de commandabilit e et dobservabilit e sont e ement diagonal de ce double grammien quantie a gaux et diagonaux. Ainsi, chaque e l ` la fois la commandabilit e et lobservabilit e de la variable d etat associ ee dans la base consid er ee, cest-` a-dire son inuence sur le comportement entr ee/sortie du syst` eme. La r ealisation correspondante est dite e ee. Elle se r ev` ele par quilibr ticuli` erement utile pour r eduire le mod` ele a ealisation dordre moindre dont le comportement ` savoir trouver une r entr ee/sortie se rapproche de celui du mod` ele initial. Il suft pour ce faire de n egliger la dynamique des variables d etat faiblement commandables et observables. Cette technique de r eduction de mod` ele a m eme e ee t tendue au cas dune r ealisation instable.
S3
S2 + + 1 p+2 x2
S1
u 1 p+2
+ +
w 2 p+1
x3
x1
= x y =
1 2 2 0 1 1 x 0 0 2 1 1 1 x
2 + 1 u 1 + u
Elles sont toutes deux de rang 2 ce qui indiquent quil existe un mode non commandable et un mode non observable. En effet, la d ecience de rang renseigne quant au nombre de modes non commandables/observables. En revanche, lon ne sait si ces modes sont confondus cest-` a-dire si cest le m eme mode qui est non commandable et non observable. Pour le savoir, lon peut diagonaliser la repr esentation d etat. En utilisant la matrice de passage 1 1 4 V = 0 1 1 , 0 0 3 une r ealisation diagonale possible est la suivante : 0 1 0 0 = V 1 B = 2/3 , = V 1 AV = 0 1 0 , B 1/3 0 0 2
Le syst` eme est donc dordre 3 et a pour modes {1; 1; 2}. Les matrices de commandabilit e et dobservabilit e sont 2 2 6 1 1 1 0 2 ; Qo = 1 1 3 . Qc = 1 1 2 4 1 1 7
= CV = C
1 0 6
= D = 0. D
tre que le mode 1 est non commanCette r ealisation diagonale, selon les crit` ere du paragraphe 6.3.1, fait appara dable et que le mode 1 est non observable. Lon cherche maintenant a `e tablir l equation diff erentielle unique reliant u et y . Le sous-syst` eme S1 correspond en fait a ` un bloc S1 (p) = ce qui se traduit de mani` ere temporelle par 50 p1 , p+1
y +y =w w. Le sous-syst` eme S2 correspond a ` un bloc S2 (p) = ce qui se traduit de mani` ere temporelle par w w = v. Enn, le sous-syst` eme S3 correspond a ` un bloc S3 (p) = ce qui se traduit de mani` ere temporelle par v + 2v = u + u. Ces trois e quations diff erentielles obtenues conduisent a `: y + 3y + 2y = u + u. Il sagit dune e quation diff erentielle dordre 2 qui laisse penser que le syst` eme est dordre 2. Les modes associ es sont 1 et 2. La fonction de transfert globale du syst` eme est G(p) = S1 (p)S2 (p)S3 (p) = p . p+2 p+1 , p+2 p , p1
Elle laisse pr esumer que le syst` eme est dordre 1 et que son seul mode est 2. Que sest-il donc pass e ? L equation diff erentielle a perdu le mode non observable et la fonction de transfert a perdu le mode non commandable. Un tel processus se v erie toujours. L equation diff erentielle ne repr esente que la partie observable du syst` eme. La fonction de transfert ne repr esente que la partie commandable et observable du syst` eme. Lon constate ici que l equation d etat est un mod` ele plus complet que l equation diff erentielle unique qui est ellem eme un mod` ele plus complet que la fonction de transfert. Toute r ealisation restreinte a ` la partie commandable et observable dun syst` eme est dite minimale. Il doit e tre clair dans lesprit du lecteur quune fonction de transfert dont les racines du d enominateur sont a ` partie r eelle strictement n egative peut laisser penser que le syst` eme d ecrit est asymptotiquement stable alors quil peut exister un mode instable qui est non commandable et/ou non observable. Un tel mode appara trait dans une repr esentation d etat.
(. . .)(p a)(. . .) (. . .)
(. . .) y (. . .)(p a)(. . .)
(. . .) (. . .)(p a)(. . .)
(. . .)(p a)(. . .) y (. . .)
Soit le syst` eme de la gure 6.5. Dans ces deux cas, le mode a nest ni commandable, ni observable. Il ne sera r ev el e ni par la fonction de transfert, ni par l equation diff erentielle.
Remarque 6.4 Lorsque lon pratique un asservissement de type PI sur un syst` eme de premier ordre par la technique de la compensation de po equentielle), lon rend la constante de temps du le (voir cours sur lapproche fr proc ed e non commandable. En effet, si le proc ed e et le r egulateur sont respectivement d ecrits par G(p) = K 1 + p et R(p) = A (1 + p), p
soit deux syst` emes de premier ordre, la cha ne directe L(p), qui devrait a priori e tre est de second ordre, par compensation de (1 + p), est en r ealit e de premier ordre : L(p) = AK . p
Cest un simple int egrateur qui cache le p ole 1/ . Pourtant les dynamiques li ees a ` sont toujours effectives dans le syst` eme. Soient deux sous-syst` emes en parall` ele comme indiqu e sur la gure 6.6. Lassociation de S1 et S2 constitue alors un syst` eme commandable (respectivement observable) si S 1 et S2 sont
(. . .) (. . .)(p a)(. . .)
(. . .)(p a)(. . .) (. . .)
(. . .) (. . .)(p a)(. . .)
(. . .)(p a)(. . .) (. . .)
(. . .) (. . .)(p a)(. . .)
(. . .)(p a)(. . .) y (. . .)
52
R ealisation minimale
S1 u S2 + + y
tous deux commandables et sils ne poss` edent pas de mode commun. Lhypoth` ese de commandabilit e et dobservabilit e de S1 et S2 est bien s ur n ecessaire mais dans le cas o` u les deux sous-syst` emes ont un mode en commun, il se peut que le syst` eme global soit tout de m eme commandable (observable). Enn, si S2 constitue un organe de contre-r eaction sur S1 comme lillustre la gure 6.7, u + S2 S1 y
alors, le syst` eme global est : commandable si la cascade S1 S2 est commandable ; observable si la cascade S2 S1 est observable.
enition 6.6.1 D
Comme lon vient de le voir, lordre de la repr esentation d etat nest pas toujours le m eme que celui de la fonction de transfert. Tout d epend de la commandabilit e et de lobservabilit e de ce dernier. Lorsquil est compl` etement commandable et observable, les deux ordres sont e gaux. Lon peut cependant restreindre la repr esentation d etat du syst` eme a ` un sous-vecteur d etat, de dimension maximale, qui soit enti` erement commandable et observable. On appelle r ealisation minimale ou irr eductible dun syst` eme LTI toute repr esentation d etat ne d ecrivant que la dynamique commandable et observable du syst` eme.
R ealisation minimale
minimales. Sil existe une partie non commandable et/ou non observable dans le syst` eme, alors n < n. La fonction de transfert admet, entre autres, les deux expressions (pI A )1 B +D G(p) = C (pI A)1 B + D = C mais est toujours dordre n . Ceci conduit tout naturellement, dans le cas o` un < n, a ` comparer le nombre de p oles au cardinal du spectre de la matrice d etat pour constater quil ny a pas n ecessairement identit e des deux en sont les p sembles. Ainsi les valeurs propres de A oles de G(p) mais celles de la matrice A ne le sont pas forc ement. En revanche, tout p ole de G(p) est bien valeur propre des deux matrices. Ceci r esulte de la perte de commandabilit e ou dobservabilit e qui conduit a ` la compensation de p oles et de z eros dans la fonction de transfert. Il faut donc distinguer p oles de la fonction de transfert et valeurs propres de la matrice d etat. De m eme il faut faire la nuance entre d enominateur de fonction de transfert et polyn ome caract eristique associ ea ` la matrice dynamique. Les p oles de la fonction de transfert dun syst` eme sont e gaux aux valeurs propres de toute matrice d etat dune r ealisation minimale du syst` eme. Exemple : Soit la r ealisation : x y = = 1 0 0 1 1 0 u. x + 1 0 x
Une telle r ealisation correspond a ` la fonction de transfert G(p) = C (pI A)1 B = (p 1) 1 = (p 1)(p + 1) p+1
do` u il appara t que la valeur propre 1 nest ni commandable ni observable puiquelle est a ` la fois p ole et z ero de la fonction de transfert. Lon peut construire une r ealisation a ` partir de la fonction de transfert dordre 1 : x = x + u y = x. Cette r ealisation dordre 1 est minimale.
Chapitre 7
o` uK I Rn est un vecteur ligne de n composantes quil est convenu dappeler vecteur de retour d etat , H est un scalaire dit de pr ecommande et yc est la consigne, cest-` a-dire lentr ee du syst` eme en boucle ferm ee. Si lon regarde attentivement l equation (7.1), lon comprend que ce type de loi de commande ne correspond plus au sch ema dasservissement classiquement rencontr e dans lapproche fr equentielle mais a ` un nouveau sch ema de commande, comme indiqu e sur la gure 7.1.
yc
R(p)
G(p)
yc
u +
+ + x
+ +
La motivation pour appliquer une telle commande est illustr ee sur un exemple. Lon suppose que lon cherche a ` asservir la position angulaire dun moteur a ` courant continu dont la vitesse et la position sont toutes deux 55
mesurables. Sous lhypoth` ese que la vitesse du moteur e volue en fonction de la tension dinduit u selon une loi associ ee a ` la fonction de transfert G (p) = L (p) = , U (p) 1 + p
alors une loi de commande possible par retour d etat correspond au sch ema de la gure 7.2. Le vecteur d etat est x = [ ] et le retour d etat est K = [k1 k2 ]. Le scalaire H repr esente la pr ecommande. Dans ce cas pr ecis, lon peut r ecrire le sch ema comme indiqu e sur la gure 7.3. Ceci conduit a ` une fonction de transfert en boucle ferm ee Gf (p) = HL p2 + (1 Lk2 )p Lk1
dont on peut choisir a ` la fois les p oles et le gain statique, agissant ainsi sur les performances tant statiques que transitoires. Lon peut aussi noter que, dans le cas pr esent, le retour dynamique de la gure 7.3 peut simplanter, en mesurant la vitesse , comme un retour statique, ce qui e vite la d erivation de (parfois d elicate notamment si limplantation est num erique). De fac on g en erale, il sagit l` a dun des int er ets du retour d etat. yc + + u + G (p) 1 p
k2 k1
yc
+ +
L p(1 + p) k1 + k 2 p
56
Ainsi, la matrice en boucle ferm ee est Af = A + BK . Donc le probl` eme de placement de p oles se r esume a ` ceci : Placement de p oles : Soient une matrice A I Rnn et un vecteur B I Rn1 , d eterminer le vecteur K I R1n tel que le spectre de A + BK co ncide avec un spectre donn e. Ce probl` eme nest pas forc ement simple et il convient de laborder en plusieurs e tapes.
i+1 , i {0, ..., n1}. Par ailleurs, les vecteurs de commande et dobservation B et C ne changeant o` u i = ai k pas, lon note que la r ealisation obtenue par le retour d etat est toujours de la forme compagne horizontale. Or les composantes i sont les coefcients du polyn ome caract eristique d edir e en boucle ferm ee D d (p). Ainsi, si lon i du retour d 1 . . . , k n ] de sorte = [k d esire placer les p oles i , i = 1, ..., n, il faut choisir les composantes k etat K que
n1 n
Dd (p) = pn +
i=0
(i pi ) =
i=1
(p i ).
(7.4)
etermine, par identication, les coefcients i et il En d eveloppant le membre de droite de l equation (7.4), lon d reste a ` d eduire les param` etres du retour : i = ai1 i1 k i {1, ..., n}. (7.5)
Remarque 7.1 . Une telle loi de commande change les po eme mais ne modie en rien ces z eros puisque les du syst` seuls les coefcients du d enominateur de la fonction de transfert, sont modi es.
57
les 7.2.3.3 Algorithme de placement de po Lon dispose dun spectre d esir e {i , i = 1, . . . , n}. erication de la commandabilit e. Si la paire (A, B ) nest pas commandable, le placement de p oles est Etape 1 V g en eriquement impossible. Etape 2 D etermination du polyn ome caract eristique d esir e:
n
Dd (p) =
i=1
(p i ) = pn + n1 pn1 + . . . + 1 p + 0 .
etermination du polyn ome caract eristique en boucle ouverte : Etape 3 D D(p) = det(pI A) = pn + an1 pn1 + . . . + a1 p + a0 . dans la base canonique par l etat K equation (7.5). Etape 4 Calcul du retour d ace a ` (7.6). Etape 5 Calcul de la matrice de passage M gr Etape 6 Calcul du retour d etat dans la base initiale : 1 , K = KM puisque la commande sexprime x 1 x = Kx. u=K = KM 58 (7.7)
Exemple : Soit le syst` eme de r ealisation (A, B, C, 0) = x auquel on souhaite assigner le p ole double 1. y =
2 4 2 5 1 1 x.
x +
1 1
u (7.8)
Elle est de rang 2 donc le syst` eme est commandable. Etape 2 : Le polyn ome caract eristique d esir e en boucle ferm ee est Dd (p) = (p + 1)2 = p2 + 2p + 1 = p2 + 1 p + 0 . Etape 3 : Le polyn ome caract eristique en boucle ouverte est D(p) = det(pI A) = p2 3p 2 = p2 + a1 p + a0 . Etape 4 : Le retour d etat correspondant a ` la base canonique de commande est = K 1 k 2 k avec 1 k 2 k = a 0 0 = a 1 1 = 2 1 = 3 = 3 2 = 5.
Etape 5 : La matrice de passage a ` la base canonique est : M = [m1 m2 ] = [(A 3I )B B ] = Etape 6 : Le retour d etat dans la base initiale est 1 = K = KM 3 5 1 1 0 1 = 3 8 . 1 1 0 1 .
Epilogue : Lon peut v erier que la matrice d etat en boucle ferm ee est Af = A + BK = qui conduit bien au polyn ome caract eristique D(p) = det(pI Af ) = (p 1)(p + 3) + 4 = p2 + 2p + 1, et donc aux bonnes valeurs de p oles. Remarque 7.2 Il est possible de tenter de proc eder directement a ` lidentication det(pI A BK ) = Dd (p). Cette e esoudre facilement d` es lors que le probl` eme est de dimension peu e ee (classiquement quation peut se r lev n = 2). Pour la r esoudre a es, lon peut recourir a emontr ee ` des ordres plus e lev ` la formule dAckermann qui est d edure pr esent ee ci-avant rev et un caract` ere syst ematique qui se pr ete mieux a en annexe C. Cependant, la proc ` limplantation dune fonction informatique. 1 4 1 3 ,
59
(7.9)
Le calcul de H est ind ependant de la base consid er ee, aussi il est parfois plus facile, de d eduire lensemble de la B, C, D ), puis, compte tenu des formes donn r ealisation compagne horizontale not ee (A, ees en (3.12), de d eduire H tel que Gf (0) = 1 o` u Gf (p) = ( b0 + b1 p + . . . + bn1 pn1 )H + DH, 0 + 1 p + . . . + n1 pn1 + pn
i+1 i {0, ..., n 1}. avec bi = b i + D k Il convient de rappeler de noter que les coefcients bi correspondent a ` ceux de R(p), le num erateur de Gpr (p) dans eduction au m eme d enominateur du membre de droite de la seconde e quation l equation (3.15). En faisant une r ci-dessus, lon obtient Gf (p) = (b0 + b1 p + . . . + bn1 pn1 + bn pn )H , 0 + 1 p + . . . + n1 pn1 + pn
o` u les coefcients bi sont ceux de N (p), le num erateur de G(p), la fonction de transfert globale en boucle ouverte e que la remarque 7.1 est vraie m eme en pr esence dune transmission (voir e quation (3.15)). Il est ainsi montr directe. Il devient clair dans ces conditions que H= 0 0 = b 0 b0 + 0 D (7.11)
Exemple : Si lon revient a ` lexemple du syst` eme (7.8) pour lequel un retour d etat a e t e calcul e, il suft de d eterminer le , le vecteur dobservation dans la base canonique : coefcient b0 . Pour cela, on peut calculer C = CM = C 1 1 1 1 0 1 = 1 0 = b0 b1 .
avec a 0 = 0 et
De plus, il convient de calculer une loi de commande de type retour d etat utilisant les n + 1 composantes de x , a ` savoir x c, u =K + Hy
p) o` uu est la nouvelle entr ee du syst` eme telle que U (p) = U ( etat a ` p et K = [k1 . . . kn+1 ] est le vecteur de retour d appliquer sur le syst` eme augment e. Si lon se place dans la base canonique de commande du syst` eme initial (d etat u le retour d etat x ), augment e ensuite de lint egrateur (c.-` a-d. a ` l etat x ), lon obtient le sch ema de la gure 7.4 o` est associ ea ` la matrice K de composantes k i . Lon constate que la cha ne directe allant de u a ` z est un syst` eme de classe au moins e gale a ` 1. De ce fait, toute perturbation en e chelon agissant sur le proc ed e en aval du premier int egrateur na pas deffet sur le r egime statique de z . Le cas typique est celui o` u la perturbation intervient au niveau de u. En observant le sch ema, Lon comprend quaucun effet nest alors visible sur le r egime permanent des variables d etat x i . Si aucune perturbation nintervient entre ces e tats x i et y , alors y nest pas non plus alt er e en r egime statique.
Lon se place maintenant dans la base canonique de commane du syst` eme augment e o` u l etat est not ex . Remarque 7.3 Attention, il ne faut pas confondre l etat x , qui est le vecteur d etat du syst` eme initial dans sa forme canonique de commande auquel on ajoute ensuite lint egrateur (la forme alors obtenue nest plus canonique) avec l etat x qui est le vecteur d etat de la forme canonique de commande de lensemble (syst` eme initial augment e de lint egrateur). Cette seconde forme est donc bien canonique. Le vecteur x nintervient que dans la gure 7.4 alors que le vecteur x intervient dans ce qui suit. Appliquer la technique du retour d etat conduit alors a ` modier l equation (7.5) en 61
=a k i1 i1 i
i {1, ..., n + 1}
(7.12)
(o` u les coefcients i sont ceux du polyn ome caract eristique d esir e pour le mod` ele dordre (n + 1) en boucle 1 . . . k n+1 ]. Dans la base ferm ee correspondant aux (n + 1) p oles d esir es) an de d eduire la retour d etat K = [k 1 =K M est la matrice de passage a initiale, le retour est K o` uM ` la forme canonique pour le syst` eme augment e. Le scalaire de pr ecommande est alors donn e par 1 k 0 = = . H b0 + Da0 b0 La loi de commande devient donc :
t t
(7.13)
u(t) =
0
u ()d =
0
1 k x yc () + K () d. b0 + Da0
Exemple : Si lon revient de nouveau au syst` eme (7.8) la fonction de transfert est facilement d eduite de la forme compagne horizontale : G(p) = 1 . p2 3p 2
En ajoutant un int egrateur, lon change lentr ee u(t) du proc ed e en une autre entr ee not ee u (t) comme indiqu e sur la gure 7.4. Il vient : U (p) = 1 U (p) p
u (t) = u (t).
u(t), dont la d eriv ee appara t dans lexpression ci-avant, devient une nouvelle variable d etat et conduit a ` une repr esentation : 62
= x y
2 4 1 2 5 1 x + 0 0 0 1 1 0 x
0 0 u = 1 =
x A x C .
u + B (7.14)
Lajout dun int egrateur am` ene sans surprise a ` lordre 3. Le vecteur d etat x de la r ealisation (7.14) est d eni par est enti` x = [x u]. La derni` ere ligne de la matrice d etat A erement nulle ce qui conrme lexistence dune valeur propre nulle li ee a ` lint egrateur. Quant a ` la fonction de transfert, elle devient : (p) = G 1 1 1 = 3 = 3 . p(p2 3p 2) p 3p2 2p + 0 p +a 2 p2 + a 1 p + a 0
Il est n ecessaire de placer un p ole suppl ementaire puisque le mod` ele est maintenant dordre 3 et ce p ole est ici choisi de valeur (-1). Ainsi le polyn ome caract eristique d esir e est-il e gal a ` d (p) = (p + 1)3 = p3 + 3p2 + 3p + 1 = p3 + D 2 p2 + 1p + 0 . Lon d eduit le retour d etat dans la base canonique = K 1 k 2 k 3 k = a 0 0 a 1 1 a 2 2 = 1 5 6
et le scalaire de pr ecommande = 1 = 1. H 1 Il est donc de nouveau inutile dappliquer une pr ecommande dans ce cas. Il reste a ` d eterminer la matrice de passage 3 1 1 0 m = m m 2 1 0 avec 2 m 3 = 0 1 m M m 1 2 3 1 1 M et donc au retour d etat dans la base initiale : 1 1 0 = 0 1 0 , 2 5 1 13 36 6 .
= B +a = (A 2 I )B 2 = (A + a 2 A + a 1 I )B,
ce qui conduit a `
=K M 1 = K
63
64
Chapitre 8
Il est alors n ecessaire de d eterminer une repr esentation d etat du syst` eme dynamique de retour qui conf` ere au syst` eme boucl e global un bon comportement. 65
Notions pr eliminaires
En outre, si lon se r ef` ere au chapitre pr ec edent, une loi de commande de type retour d etat est souvent judicieuse pour obtenir des performances sp eci ees, tant statiques que transitoires. Or, le vecteur d etat n etant pas disponible dans le probl` eme abord e ici, une autre solution consisterait alors a ` le reconstruire ou a ` le simuler. Pour ce faire, lon pourrait utiliser la solution de l equation d etat (4.7) mais ceci n ecessiterait de conna tre x0 ce qui nest pas le cas. Aussi faut-il trouver un autre moyen de reconstruire le vecteur x pour essayer de b en ecier des avantages dun retour d etat. En r esum e, deux possibilit es viennent d etre pr esent ees : lune consiste a ` construire un retour dynamique de sortie ; lautre consiste a ` reconstruire le vecteur d etat pour ensuite appliquer un retour d etat. En r ealit e, les deux solutions peuvent e tre regroup ees en une seule gr ace au principe des observateurs pr esent e ci-apr` es.
yc H
u Proc ed e + y
x Observateur
K Retour dynamique
Comme le montre cette gure, lensemble constitu e de lobservateur (encore appel e reconstructeur d etat) et du retour d etat K constitue un retour dynamique proche de celui propos e par la gure 8.1. Toutefois, celui-ci comporte deux entr ees : u et y . Faire la synth` ese dun observateur consiste a ` d eterminer, sur la base du mod` ele d etat du proc ed e, un mod` ele d etat pour lobservateur. Il existe plusieurs techniques pour r ealiser cette synth` ese mais avant den pr esenter deux, il convient auparavant de sattarder un peu sur quelques points.
(8.2)
66
avec z I Rn1 . Faire la synth` ese dun observateur consiste ici a ` d eterminer convenablement F I R (n1)(n1) , n(n1) n1 2 n LI R , {P ; R} {I R } et Q I R , cest-` a-dire de faire en sorte que l equation (8.2) soit v eri ee. Si lon supposait alors que lon p ut satisfaire z = T x, et ce a ` tout instant, alors ceci am` enerait : x = Lz + Qy = LT x + QCx = (LT + QC )x ce qui, puisque lon souhaite v erier x = x, conduirait a ` LT + QC = I. (8.4) T I R(n1)n ,
Mais, comme on la vu, il est utopique desp erer x = x t (cest-` a-dire ici z = T x). En effet, cela na pas de sens de vouloir satisfaire l egalit e z (t) = T x(t) t 0 d` es lors que z (0) nest pas a priori e gal a ` T x(0). Aussi lon se contente dessayer dobtenir z (t) = T x(t) + (t) avec lim (t) = 0.
t
(8.5)
=z Tx = F + (F T T A + P C )x + (R T B )u. D` es lors, lon peut imposer les contraintes TA FT = PC Il reste alors = F , ce qui signie que (8.5) se v erie lorsque F est stable au sens dHurwitz, cest-` a-dire ne poss` ede que des valeurs propres a ` partie r eelle n egative. En prenant en compte la seconde e quation de (8.3), il vient : x = (LT + QC )x + L, qui, si lon impose (8.4), conduit a `x = x en r egime permanent, soit a ` (8.2). Finalement, cest par un choix judicieux du mod` ele (8.3) que lon parvient a ` satisfaire (8.5). De mani` ere plus pr ecise, ceci consiste a `: choisir F stable au sens dHurwitz et dont les modes sont plus rapides que ceux de A (lid ee est dobserver x plus vite quil n evolue) ; choisir P et T tels que T A P C = F T ; calculer R = T B ; d eterminer L et Q tels que LT + QC = I . La proc edure de Luenberger permet deffectuer les diff erentes e tapes ci-dessus. et R = T B.
(N )1 =
n1
. . . nn
avec
(8.6)
Etape 3 Choix de la dynamique de F . Pour cela, on d ecide dun polyn ome caract eristique de degr e (n 1) : DF (p) = pn1 + fn2 pn2 + fn3 pn3 + . . . + f1 p + f0 . eduction de F : F est arbitrairement choisie sous forme compagne verticale Etape 4 D fn2 1 0 ... 0 fn3 0 . . . 0 . . . .. .. . . . . F = . . . . . . . . f1 . . . . .. 1 f0 ... ... ... 0 68
T A F T = P C. F e tant prise sous forme canonique, lon r esoud l equation dans la base canonique, cest-` a-dire en prenant A et C . Ceci a lavantage, compte tenu des structures de F , A, T , et C et du fait que P I R n1 est un simple vecteur, de calculer P , dans la base canonique, gr ace a ` P = {T A}1 {F T }1, o` u {.}1 est une notation correspondant a ` la premi` ere colonne dune matrice. Etape 7 Calcul de R : R = T B. Etape 8 D etermination de Q et L : ces matrices doivent v erier QC + LT = I, que lon peut r ecrire C
Q L
Compte tenu des structures particuli` eres des matrices impliqu ees dans l egalit e, il vient : C 1 1 fn2 . . . f0 1 ... 0 1 fn2 ... 0 . = . .. . . . . . f0 ... ... 1 0 1
L equation ci-dessus fait appara tre clairement Q et L. Etape 9 Retour a ` la base initiale : en r ealit e, le mod` ele ainsi construit permet dobserver x par l etat reconstruit x , sortie de lobservateur actuel. Pour retrouver x , l etat reconstruit du proc ed e dans la base initiale, il suft dappliquer le changement de base x = Nx . Lon reviendra par la suite sur lutilit e v eritable de cette e tape. Remarque 8.1 Si la paire (A, C ) nest pas observable, alors la matrice N nest pas inversible et le changement de base devient impossible. 69
Exemple : Si lon revient a ` lexemple (7.8) dans lequel la r ealisation est caract eris ee par les trois matrices A= 2 4 2 5 ; B= 1 1 ; C= 1 1 ,
lon peut appliquer toutes les e tapes de la proc edure de Luenberger : Etape 1 La matrice dobservabilit e relative a ` la paire (A, C ) est Qo = C CA = 1 1 0 1 .
Elle est de rang plein donc la paire (A, C ) est observable. Etape 2 Le calcul de la matrice de passage N (m eme sil nest pas utile pour linstant) conduit a `: 1 n1 = C = 1 (N )1 = n1 n2 avec 3 , n2 = (A 3I )C = 2 et donc a ` N 1 = 1 1 3 2 N = 2 1 3 1 .
Etape3 Lon d ecide de placer lunique p ole de lobservateur a ` 5 ce qui m` ene a `: DF (p) = p + 5 = f1 p + f0 . Etape 4 F est donc e gale a ` -5. Etape 5 Lon en d eduit T = [5 1] . Etape 6 Le vecteur P doit satisfaire P = {T A}1 {F T }1 = 17 25 = 42. Etape 7 R = T B = T N 1B = 5 1 0 1 =1
Ici, le vecteur d etat de lobservateur est directement x et la sortie de ce dernier, y , ne sert qu` a r ealiser un bouclage au sein de lobservateur lui-m eme comme le montre la gure 8.3.
y (A, B, C ) y (A, B, I, C ) Z
F IG . 8.3 Sch ema de lobservateur dordre plein Le mod` ele de lobservateur sappuie clairement sur celui du syst` eme et il sagit en fait de d eterminer Z de telle sorte que la dynamique de lobservateur soit plus rapide que celle du proc ed e dune part, et, dautre part, que la ealisation (8.7) se r ecrit relation (8.2) soit satisfaite. En effet, la r = (A + ZC ) x x + Bu Zy (8.8)
f = A + ZC de lobservateur. o` u lon voit clairement que le choix de Z xe la dynamique de la matrice d etat A Ainsi, si lon analyse l evolution de , lon constate que = (A + ZC ) . (8.9)
Il est donc n ecessaire que (A + ZC ) soit stable au sens de Hurwitz, cest-` a-dire ait toutes ses valeurs propres a ` partie r eelle n egative, pour que lon ait bien x = x en r egime permanent. Dans le cas contraire (une valeur propre a ` partie r eelle non strictement n egative), ne peut tendre vers z ero. La synth` ese dun observateur dordre plein revient donc a ` choisir Z pour xer arbitrairement les p oles de lobservateur. Cest un probl` eme dual de celui du retour d etat. En effet, les valeurs propres de A + ZC sont celles de A + C Z , matrice qui peut e tre identi ee a ` A + BK avec A A , B C et K C . La synth` ese dun observateur de rang plein constitue un probl` eme dual de la commande par retour d etat. Sur la base de cette remarque, lon peut e tablir un algorithme de synth` ese dun observateur dordre plein. Ceci est lobjet du paragraphe suivant.
Algorithme Lon dispose dun spectre d esir e {i , i = 1, . . . , n}. Etape 1 V erication de lobservabilit e. Si la paire (A, C ) nest pas observable, la synth` ese de lobservateur risque d etre impossible. etermination du polyn ome caract eristique d esir e pour lobservateur : Etape 2 D
n
d (p) = D
i=1
(p i ) = pn + n1 pn1 + . . . + 1 p + 0 .
etermination du polyn ome caract eristique en boucle ouverte : Etape 3 D D(p) = det(pI A) = pn + an1 pn1 + . . . + a1 p + a0 . Etape 4 Calcul du retour d etat Z = [z n . . . z 1 ] dans la base canonique dobservation par l equation.
z i = ai1 i1
i {1, ..., n}
(8.10)
ace a ` (8.6). Etape 5 Calcul de la matrice de passage N gr Etape 6 Calcul du retour d etat dans la base initiale : Z = NZ (8.11)
Exemple : Lon reprend de nouveau lexemple (7.8). Etape 1 D ej` a franchie. La paire (A, C ) est observable. Etape 2 Lon d ecide de placer un p ole double 1 = 2 = 5 sur lobservateur. Le polyn ome caract eristique d esir e pour cet observateur est donc d (p) = (p 1 )(p 2 ) = (p + 5)2 = p2 + 10p + 25 = 2 p2 + 1 p + 0 . D Etape 3 Le polyn ome caract eristique du mod` ele du proc ed e est d ej` a connu : D(p) = p2 3p 2 = a2 p2 + a1 p + a0 . Etape 4 Le retour d etat au sein de lobservateur est calcul e dans la base canonique : Z= z2 z1 = a1 1 a0 0 = 13 27 .
Remarque 8.2 Il est a ene les deux vecteurs d etat (celui du proc ed e et celui de lobser` noter que si lon concat` vateur) en vecteur d etat unique, lon obtient l equation d etat suivante : x x = A ZC 0 A + ZC x x + B B u.
Ceci montre bien que les p oles du syst` eme observ e sont les p oles de lobservateur ajout es a ed e. ` ceux du proc
yc H
Proc ed e (A, B, C ) y
Observateur (F, P, R) w
+ K
F IG . 8.4 Sch ema dun retour d etat par via un observateur de Luenberger
yc H
Proc ed e
Observateur
y
(A, B, C )
+
(A, B, C, Z )
F IG . 8.5 Sch ema dun retour d etat par via un observateur dordre plein
Dans le cas du retour par observateur de Luenberger, lobservateur proprement dit peut e tre implant e de mani` ere a ` observer l etat du proc ed e dans la base canonique dobservation (x ). Cest pourquoi la derni` ere e tape de la proc edure de Luenberger consiste a ` retrouver l etat observ e dans la base initiale (x ) avant dappliquer le retour K , comme le montre la gure 8.4. Pour ce choix dobservateur, le mod` ele global est dordre (2n 1). Dans le cas du retour avec observateur dordre plein, lobservateur implant e correspond au mod` ele exprim e dans la base initiale ce qui permet ensuite dappliquer directement le retour K . Pour ce second choix dobservateur, les e quations du syst` eme global, qui est dordre 2n, sont 73
x y x y u
= = = = =
Ax + Bu Cx Ax + Bu + Z ( y y) Cx Kx + Hyc .
= =
A + BK 0 C 0 .
BK A + ZC
BH 0
yc (8.12)
Remarque 8.3 Comme suite a equation d etat ci-avant que les p oles du ` la remarque de 8.2, lon voit dans l syst` eme observ e boucl e sont les p oles de lobservateur ajout es a ed e boucl e par retour d etat. ` ceux du proc Quoi quil en soit, dans les deux cas, la proc edure de calcul dune loi de commande par retour de sortie consiste dune part a ` synth etiser une retour d etat, dautre part a ` synth etiser un observateur. Il nest donc pas utile de r ep eter la proc edure dans sa globalit e. Exemple : Lon reprend lexemple du mod` ele (7.8) pour lequel un retour d etat et deux observateurs ont e t e synth etis es. Cest lobservateur dordre plein qui est ici pris en compte. En supposant que les conditions initiales sont toutes nulles, la r eponse indicielle du syst` eme boucl e global est donn e par la gure 8.6. Elle est superpos ee a ` la r eponse indicielle du syst` eme boucl e par retour d etat sans observation. Lon constante que les deux courbes sont parfaitement confondues. Lobservateur remplit donc tr` es bien son r ole. Par ailleurs, puisque x et x sont tous deux nuls a ` lorigine du temps, lobservateur d ecrit imm ediatement l etat du proc ed e sans quun r egime transitoire de lobservation ne soit visible. Le r egime transitoire de lensemble de la r eponse est e troitement li e aux p oles i du syst` eme qui sont plac es par K . Le r egime statique est assur e par la pr ecommande H (ici de 1).
Rponses indicielles des deux systmes boucls 1
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
5 Temps (s)
10
15
F IG . 8.6 R eponses indicielles a ` conditions initiales nulles. En revanche, si lon consid` ere qu` a linstant 0, lon a x(0) = [0, 5 1] et x (0) = [0 0] , ce qui revient a ` consid erer (0) = [0, 5 1 0, 5 1] , et, si lon superpose la r eponse indicielle du syst` eme boucl e par retour d etat direct avec celle du syst` eme observ e boucl e, lon constate cette fois-ci une diff erence, comme le montre erence est li ee au r egime transitoire de lobservation li ee a ` la dynamique de lobservateur la gure 8.7. Cette diff cest-` a-dire aux p oles i de cet observateur. Il est donc essentiel de choisir convenablement cette dynamique (plus rapide que celle du syst` eme). 74
1.5
0.5
0.5
10
15
F IG . 8.7 R eponses indicielles a ` conditions initiales non nulles Remarque 8.4 Dans le cas o` u le proc ed e est soumis a ` linuence dune perturbation en e chelon, lon peut, comme il est montr ea ec edent, ajouter un int egrateur en amont de la cha ne directe et proc eder ` la n du chapitre pr a etat augment e observ e. La pr esence dun observateur ne change pas le principe de ladjonction ` un retour d dint egrateurs.
75
76
Chapitre 9
d enie soient r eguli` erement espac es, faisant appara tre une p eriode, comme dans les cas (e) et (f) de la gure 9.1. Par ailleurs, lon peut noter quun signal quanti e est tel quil existe toujours un intervalle minimal entre deux valeurs admissibles de lamplitude f . Cet intervalle minimal est appel e quantum. Remarque 9.1 En toute rigueur, cette acception du mot num erique nest pas tout a ` fait conforme au sens habituel que lon en a. Un signal num erique est plus souvent vu comme un signal certes discret, mais pour lequel les valeurs d enies de f sont r eguli` erement espac ees dans le temps. De plus, son amplitude peut e tre cod ee de fac on binaire et est alors manipulable par un calculateur. De ce fait, un signal num erique au sens pratique du terme ne peut avoir une amplitude rigoureusement r eelle. Lobjet de ce chapitre est de sint eresser aux signaux discrets et aux syst` emes associ es. Si les signaux continus sont bien mod elis es par des fonctions math ematiques, les signaux discrets le seraient plut ot par des distributions. Cependant, il est plus facile de saffranchir du temps en d enissant un signal discret par une suite de valeurs successives que lon indice. Ainsi les valeurs f (t0 ), f (t1 ), etc., en supposant que t0 est lorigine du temps, sont not ees f0 , f1 et appel ees e equence d echantillons caract erisant le signal discret chantillons (voir gure 9.1.(e)). La s est not ee {fk }. Lindice k est alors un entier relatif qui peut, si on le souhaite, faire r ef erence au temps. Remarque 9.2 Un mod` ele de signal discret sous forme dune s equence d echantillons est en r ealit e plus g en eral quun mod` ele de signal un temps discret puisque la r ef erence au temps nest plus n ecessaire. Il est donc possible de faire une nuance entre signaux discrets et signaux a eme si cette nuance ne sera pas vraiment ` temps discret m utile dans la suite de ce document.
f (t) f (t)
t f (t)
t f (t)
(a)
UUU 34 uuu 65 uu
f (t)
1 21 hhh 2 hhh hh
aa V a aaaaa g W f XW ggg c b c b c b c b cb XWX fff gg Y ff ` Y ggg ` Y ` Y ` Y `Y de `Y` (d) A9@ BA yyy QP B IQR v PI v vyyvvEF vGH v 78 v w yyyx w CD x w x w x w x w xw xwx yyy
(f)
(b)
78
Il est possible de transformer un signal continu en un signal discret. Ce processus est appel e e chantillonnage ou discr etisation. Il est repr esent e sur la gure 9.2. Le signal est dit discr etis e ou e e. Les instants chantilonn d echantillonnage ne sont pas n ecessairement r eguli` erement espac es dans le temps. Toutefois, g en eralement, les e chantillons sont pr elev es a ` intervalles r eguliers. La dur ee entre deux instants d echantillonnage, not ee T sur ee p eriode d echantillonnage. la gure 9.2, est appel
f (t)
!""!! ""!
fk
Echantillonnage
888 8
4 5 323232 5454 323232 545454 32322 545454 332 5454 767676 76
(b)
767676
t
(a)
F IG . 9.2 Processus d echantillonnage
9.1.2.2 Quantication Lon peut aussi envisager le passage dun signal non quanti ea ` un signal quanti e. Il sagit de la quantication. Ceci consiste, par exemple, a ` forcer les valeurs non admissibles de f (t) aux valeurs quantiques admissibles les plus proches. Ce processus est illustr e pour un signal continu par la gure 9.3 (Lon peut aussi quantier un signal discret).
f (t) fq (t)
A B A B A BA B 9 @9 @
T t
Quantication q
(a)
F IG . 9.3 Processus de quantication
(b)
Les valeurs admissibles dun signal quanti e ne sont pas n ecessairement r eguli` erement espac ees. Toutefois, elles le sont g en eralement et l ecart entre deux valeurs, not e q sur le gure 9.3, est un donc un quantum appel e quantum de conversion. Il est possible de recourir a ` l echantillonnage et a ` la quantication a ` la fois. Lon parle alors de num erisation.
79
9.1.2.3 Blocage Il est possible de d enir la transformation dun signal discret en un signal continu. Le principe consiste a ` faire en sorte quentre deux e chantillons, lamplitude du signal f reste bloqu ee sur les valeurs dune fonction math ematique. Cette transformation est ici appel ee blocage. La technique de blocage la plus classique consiste, entre deux e chantillons fk et fk+1 , a ` bloquer la valeur du signal a ` fk . Lon parle alors de bloqueur dordre z ero. Leffet dun tel bloqueur est illustr e par la gure 9.4 o` u lon voit que le signal continu est alors un signal en escalier .
fk
&&& && ) )0 0
T
&&&
f (t)
B0 (p)
!!!
F IG . 9.4 Blocage dordre z ero Si lon interpr ete le bloqueur dordre z ero comme un mod` ele continu associ ea ` la fonction de transfert de B 0 (p), lon peut d eterminer cette fonction de transfert B0 (p) en analysant la r eponse impulsionelle de ce bloc (cf. gure 9.5).
112
1 0
(t) 1 B0 (p) 0 0 t 0 T t
F IG . 9.5 R eponse impulsionelle du bloqueur dordre z ero La r eponse dun bloqueur dordre z ero a ` une impulsion de Dirac (t) est la somme de deux e chelons unitaires : y (t) = (t) (t T ). ((t) repr esente la fonction de Heaviside). Lapplication de
B0 (p) =
1 eT p 1 eT p = . p p p
(9.1)
Il est aussi possible denvisager dautres types de blocage tels que le blocage dordre 1 pour lequel le bloqueur utilise l echantillon courant ainsi que le pr ec edent pour bloquer lamplitude f sur la droite d enis par ces deux points. Lon peut aussi consid erer toutes sortes dinterpolations plus ou moins sophistiqu ees a ` partir des e chantillons. Ces cas de gure ne sont pas d etaill es ici.
de transfert en z , puis le mod` ele interne, a ` savoir la repr esentation d etat. Un lien entre ces mod` eles est e tabli.
9.2.1 D enition
Un syst` eme discret est un syst` eme qui transforme une s equence d echantillons dentr ee {u k } en une s equence d echantillons de sortie {yk }, comme le montre la gure 9.6. {uk } Syst` eme {yk }
Un syst` eme discret lin eaire est un syst` eme discret qui respecte le principe de superposition cest-` a-dire, a ` linstar des mod` eles continus (cf. 1.2), qui v erie
{uk }i {yk }i
i {uk } =
i=1
(i {uk }i ) {yk } =
i=1
(i {yk }i ),
{ i } I Rn .
(9.2)
De m eme que le comportement dun syst` eme continu peut- etre caract eris e par une equation diff erentielle telle que (2.2), un syst` eme discret peut e tre mod elis e par une e quation r ecurrente impliquant lentr ee u et la sortie y , et qui prend la forme suivante :
an yk+n + an1 yk+n1 + ... + a1 yk+1 + a0 yk = bm uk+m + bm1 yk+m1 + ... + b1 yk+1 + b0 uk .
(9.3)
Cette e quation r ecurrente est lin eaire a ` coefcients constants. Lon peut donc parler de syst` emes discrets LTI. Si lon pr ecise les conditions initiales sur {uk } et {yk } (` a savoir y0 , y1 , . . ., yn1 , u0 , u1 , . . ., um1 ), le syst` eme est alors compl` etement d eni. L equation r ecurrente est un mod` ele particuli` erement indiqu e pour une loi de commande car, d` es lors que le syst` eme est causal (m n), elle constitue un algorithme tr` es facilement implantable dans un processeur. En effet, si lon conna t enti` erement {uk } ainsi que les conditions initiales, il est facile de faire reconstruire {y k } par un calculateur. 81
9.2.2.2 Transformation en z Soit une s equence {fk }kI eni toujours positif ou nul (signal causal)). La transformation en z (op erateur N (k est d symbolis e par ) de {fk } est d enie par la s erie enti` ere :
F (z ) =
[{fk }] =
k=0
fk z k .
(9.4)
Limage F (z ) de {fk } est appel ee transform ee en z de {fk }. Les propri et es de lop erateur annexe D.
Lop erateur est donc pour les signaux discrets ce quest lop erateur pour les signaux continus. De m eme, la variable z C l repr esente pour les signaux discrets ce que la variable de Laplace p repr esente pour les signaux continus, quoique linterpr etation fr equentielle de z soit plus difcile a ` appr ehender. Comme pour la transformation de Laplace, il est possible de calculer la transform ee en z de fonctions usuelles. Un tableau de transform ees est disponible en annexe D. 9.2.2.3 Fonction de transfert en z De m eme que pour les signaux continus, lon peut raisonner dans le domaine de Laplace, pour les signaux discrets, lon peut raisonner dans le plan en z . Il sagit alors dappliquer a ` l equation r ecurrente (9.3). Compte tenu des propri et es de (cf. annexe D), il vient :
(a0 + a1 z + . . . + an1 z n1 + an z n )Y (z ) (a1 z + . . . + an1 z n1 + an z n )y0 . . . an zyn1 = (b0 + b1 z + . . . + bm1 z m1 + bm z m )U (z ) (b1 z + . . . + bm1 z m1 + bm z m )u0 . . . bn zum1 ,
ce qui permet d ecrire lexpression de la transform ee en z de {y k } ainsi : Y (z ) = N (z ) D(z ) G(z ) et, sachant que le polyn ome I (z ) regroupe les conditions initiales, de d enir la fonction de transfert en z : U (z ) + I (z ) D(z )
G(z ) =
(9.5)
G(z ) est donc un mod` ele de comportement entr ee/sortie qui caract erise le syst` eme ind ependamment des conditions initiales (voir gure 9.7). Comme dans le cas dune fonction de transfert en p, le d enominateur D(z ) est appel e polyn o eristisque me caract et ses racines sont les p oles du syst` eme discret. De m eme, les racines de N (z ) sont les z eros du syst` eme discret. 82
{yk }
G(z ) U (z ) Y (z )
xk+1 yk
= Axk = Cxk
+ Buk + Duk
(9.6)
Il sagit dune repr esentation d etat du syst` eme discret qui est donc une mod` ele interne du syst` eme. Les matrices A, B , C et D portent le m eme nom que pour une repr esentation d etat continue et jouent le m eme r ole (cf. 3.2). La repr esentation d etat dun syst` eme discret nest pas unique. Il suft de changer la vecteur d etat x k pour obtenir un autre mod` ele. Chaque choix correspond, comme en continu, a ` ce que lon appelle une r ealisation.
Le proc ed e math ematique est le m eme quen continu si ce nest que lon utilise lop erateur 3.6). Ainsi, la premi` ere e quation r ecurrente de (9.6), par application de , devient :
plut ot que
(cf.
zX (z ) = AX (X ) + BU (Z ) (zIn A)X (z ) = BU (z ). Sous r eserve dinversibilit e de (zIn A), en prenant en compte l equation de sortie, il vient :
(9.7)
83
G(z ) est d enie pour toute valeur de z assurant linversibilit e de (zI n A). En r ealit e cette matrice est inversible pour tout z v eriant D(z ) = det(zIn A) = 0. En effet, le polyn ome caract eristique D(z ), comme en continu, se d eduit de A. Les valeurs propres de A sont les p oles de G(z ). ` l 9.2.4.3 De la fonction de transfert en z a equation d etat Il existe bien s ur diff erentes fac ons de proc eder puisque la repr esentation d etat nest pas unique. Lon peut obtenir, a ` partir de G(z ), des formes compagnes ou diagonales. Les m ethodes de passages sont exactement les m emes que pour les syst` emes continus (cf. 3.5).
{uk } T
Bloqueur
u(t)
Proc ed e continu
y (t)
Sur cette gure, les signaux u(t) et y (t) sont continus ( eventuellement analogique pour u(t) ; forc ement analogique pour y (t) si le proc ed e est lin eaire) ; les signaux {uk } et {yk } sont discrets ( eventuellement num eriques). Bien que ce formalisme ne lexige pas n ecessairement, les signaux discrets sont ici suppos es faire appara tre une p eriode d echantillonnage T . Un syst` eme continu pr ec ed e dun bloqueur et suivi dun e chantillonneur est un syst` eme discret particulier que lon appelle syst` eme e e. chantillonn ` propos des syst` Remarque 9.3 A emes e es et des syst` emes boucl es, il est important de noter quun chantillonn syst` eme e e puis boucl e nest pas e eme syst` eme boucl e puis e e. chantillonn quivalent au m chantillon 84
Processeur
{uk }
CNA
u(t)
Proc ed e continu
y (t)
{yk }
CAN
Commande num erique F IG . 9.9 Sch ema de principe de la commande num erique Dans ce cas, les signaux {uk } et {yk } sont num eriques. Le signal y (t) est continu et m eme analogique si le proc ed e est lin eaire. Quant au signal u(t), il est continu mais quanti e (donc pas analogique). Sur la gure appara t un CAN (Converstisseur Analogioque Num erique). Il joue le r ole d echantillonneur mais aussi de quanticateur. Cette quantication est inh erente au codage des valeurs du signal y en binaire, codage queffectue le CAN. Ce dernier peut aussi parfois int egrer le capteur de mesure. De plus, le CNA (Convertisseur Num erique Analogique), qui porte mal son nom, intervient en fait comme bloqueur dun signal num erique en un signal continu (non analogique !). Ce blocage est inh erent au d ecodage des valeurs binaires de {u k } par le CNA. Le processeur e x ecutant lalgorithme de commande est un contr oleur discret et m eme num erique car il rec oit un signal num erique {yk } et restitue un signal num erique {uk }. Il faut noter que puisquun processeur est cadenc ea ` une certaine fr equence, les signaux num eriques font appara tre une p eriode d echantillonnage T qui d epend de la fr equence dutilisation du processeur mais aussi des converstisseurs. En outre, le CAN implique un quantum de conversion q dont leffet est sans doute parfois perceptible bien quil ne soit que tr` es rarement consid er e dans les cours sur les syst` emes e chantillonn es. Quoi quil en soit, cette commande num erique nest quun cas particulier de la commande discr` ete sch ematis ee sur la gure 9.8. Cest pourquoi l etude des mod` eles discrets, leur analyse et leur commande se r ev` elent utiles.
y (t) = y (t)
k=0
(t kT ),
o` u T est toujours la p eriode d echantillonnage et (.) repr esente limpulsion de Dirac. Il vient :
y (t) =
k=0
yk (t kT ),
85
Il est absolument essentiel, pour que la commande num erique soit efcace, que la boucle ram` ene une information pertinente sur la dynamique du syst` eme. En dautres termes, il est capital que le signal y (t) capture convenablement la dynamique de y (t) qui nest autre que la dynamique du proc ed e continu lui-m eme. Ainsi, pour que les echantillons yk soient repr esentatifs de cette dynamique, il convient de faire un choix judicieux de T . Une e tude plus approfondie des signaux e chantillonn es a conduit Shannon a ` afrmer : Th eor` eme de Shannon strict. La fr equence d echantillonnage doit e tre deux fois sup erieure a ` la plus grande fr equence contenue dans le spectre de y (t). Cette assertion est e tablie sur la base darguments th eoriques rigoureux mais nest pas facilement applicable en pratique. Pour des cas concrets, lon consid` ere souvent une fr equence d echantillonnage dix fois sup erieure a ` la plus grande fr equence de cassure du mod` ele continu du proc ed e. Th eor` eme de Shannon pratique. La fr equence d echantillonnage doit e tre au moins dix fois sup erieure a ` la plus grande fr equence de cassure du mod` ele du proc ed e. Il est bien s ur tentant d echantillonner le plus rapidement possible pour que le mod` ele e chantillonn e se r ev` ele le plus proche possible du mod` ele continu. Id ealement, une p eriode nulle (T = 0) ne trahit en rien la dynamique du syst` eme. Mais ceci est utopique. Il subsiste toujours un temps d echantillonnage. Bien que ce dernier soit mod elis e selon une modulation par un peigne de Dirac, chaque e chantillon nest pas obtenu instantan ement. Le CAN pr esente toujours un temps de conversion. Par ailleurs, il est n ecessaire que le processeur dispose de temps pour e x ecuter lalgorithme et actualiser la commande uk a ` chaque p eriode. Il faut aussi que le CNA ait le temps de bloquer uk . Cest pourquoi, malgr e les progr` es r ealis es dans le domaine des circuits micro electroniques permettant des e chantillonnages toujours plus rapides, il reste utile de formaliser un mod` ele e chantillonn e.
{uk }
B0 (p)
u(t)
Gc (p)
y (t)
{yk }
F IG . 9.10 Syst` eme e chantillonn ea ` laide dun bloqueur dordre z ero Une premi` ere partie rappelle bri` evement un r esultat concernant la fonction de transfert discr` ete G(z ) dun tel syst` eme. Une seconde partie d etaille un peu plus lobtention du mod` ele d etat. 9.3.4.1 Calcul de G(z ) Puisque le bloqueur dordre z ero peut e tre vu comme un mod` ele continu dont la fonction de transfert B 0 (p) est donn ee en (9.1), il toujours possible dappliquer la formule :
G(z ) =
(9.8)
Cependant, il existe aussi un r esultat obtenu par l etude des propri et es de la transform ee en z (voir cours sur les signaux e chantillonn es) :
86
G(z ) = (1 z 1 )
Gc (p) z1 = p z
Gc (p) . p
(9.9)
Exemple : Soit la fonction de transfert continue : 1 p(p + 2) La fonction de transfert en z de ce proc ed ee chantillonn ea ` T = 1s se calcule par Gc (p) = G(z ) =
(9.10)
1 1 ep z1 = p p(p + 2) z
1 p2 (p + 2)
0, 25 0, 5 0, 25 + , p2 p p+2
Pour une condition initiale x0 sur l etat, la solution de l equation ci-dessus se d eduit de la relation (4.7). En outre, si lon applique cette relation sur lhorizon [kT ; (k + 1)T ], alors le bloqueur dordre z ero maintient le signal dentr ee a ` u(t) = uk , x0 devient xk et l etat nal est xk+1 . Lon obtient : xk+1 = eAc T xk +
(k+1)T kT
Lon suppose que le proc ed e continu de fonction de transfert G c (p) apparaissant sur la gure 9.10 est repr esent e par l equation d etat : (t) = Ac x(t) + Bc u(t) x (9.12) y (t) = Cc x(t) + Dc u(t)
eAc ((k+1)T ) Bc uk d,
ce qui, en op erant le changement de variable dint egration = (k + 1)T , devient xk+1 = eAc T xk +
0 T
eAc d Bc uk .
(9.13)
De plus, l equation de sortie est v eri ee a ` tout instant, donc en particulier lorsque t = kT . De fait il vient y k = C c xk + D c u k .
(9.14)
(Ceci traduit simplement le fait que est un op erateur lin eaire). Lidentication de (9.13) et (9.14) dune part, avec (9.6) dautre part, permet de d eduire les formules de d echantillonages suivantes :
T
A = e Ac T C = Cc
; B=
0
eAc Bc d ; (9.15)
D = Dc .
87
Remarque 9.4 Si la matrice dynamique Ac est non singuli` ere, il est possible de calculer la matrice B en utilisant une relation plus simple :
1 Ac T B = A I )Bc . c (e
(9.16)
Il est important de noter que la relation unissant Ac a ` A se v erie aussi sur les valeurs propres de ces derni` eres. i valeurs propres de Ac , i = 1, ..., n i = ei T valeurs propres de A, i = 1, ..., n Exemple : Lon reprend lexemple du paragraphe 9.3.4.1. Une r ealisation compagne verticale est donn ee par 0 0 1 u x + = Ac x + Bc u = x 1 0 2 1 0 x. y = Cc x 1 0
1 2 (1
Il sagit de d eterminer une r ealisation pour le syst` eme e chantillonn e associ e. En utilisant (9.15), il est facile de voir que C = Cc et D = 0. Pour une p eriode T , (9.15) conduit a ` A = e Ac T = e2T ) e2T
et
T
B=
0
1 0
1 2 (1
e2 ) e2T
1 0
1 2
T + e 2 1 1 2T ) 2 (1 e
2T
puis x2 = Ax1 + Bu1 = A(Ax0 + Bu0 ) + Bu1 = A2 x0 + ABu0 + Bu1 . La logique de cette r ecurrence conduit a `e crire
k1
xk = A k x0 +
j =0
Akj 1 Buj .
(9.17)
En utilisant l equation de sortie, la r eponse dun mod` ele discret est donn ee par
k1
yk = CAk x0 +
j =0
(9.18)
Lon voit clairement que, dans cette r eponse, la matrice A est e lev ee a ` diff erentes puissances. Il est donc essentiel de pouvoir calculer Ak . 9.4.1.2 Calcul de Ak Trois m ethodes sont ici propos ees : Calcul direct : il sagit tout simplement dencha ner de fac on r ecurrente de calcul de A 0 = I , A, A2 = A.A, 3 2 k k1 A = A .A, etc., jusqu` aA =A .A. Pour simplier ce calcul, il est possible de saider du th eor` eme de Cayley-Hamilton, comme il est expliqu e au paragraphe 4.3.1. M ethode modale : il sagit de passer par la forme canonique de Jordan. Ainsi, si M est telle que A = M JM 1 , o` u J est une matrice de Jordan, il est facile de v erifer que Ak = M J k M . Une fois M d etermin ee, il faut calculer k J et d eduire M . Pour un bloc diagonal de J , lon a k k h . . . 0 h . . . 0 . . . . .. .. . . . . . . = . . . . . 0 . . . h+l 0 . . . k h+l Pour un bloc de Jordan de dimension m, lon a k h 1 0 . . . 0 0 h 1 . . . 0 . . . . . . . . . . . . . . = . . . . . .. . . . . . . . . . 0 0 0 . . . h k h 0 . . . . . . 0
2 k1 Cn h k h . . . . . . 0 2 k2 Cn h 2 k1 C n h . . . . . . 0 m km+1 ... Cn h m1 km+2 . . . C n h . .. . . . . .. . . . ... k h
j o` u les scalaires Ci sont les coefcients de la formule du bin ome de Newton correspondant aux combinaisons : j Ci =
i . (i j )!j !
Utilisation de
: la transform ee en z de l equation du syst` eme autonome x k+1 = Axk s ecrit zX (z ) zx0 = AX (z ) X (z ) = (zI A)1 zx0 ,
sous r eserve dinversibilit e de (zI A). Comme la solution du syst` eme autonome est x k = Ak x0 , par identication, lon d eduit Ak =
[(zI A)1 z ].
89
chantillonn 9.4.1.3 R eponse dun syst` eme e e. Dans ce paragraphe, un probl` eme essentiel est abord e. Sans entrer dans le d etail, des pr ecautions a ` prendre dans l etude dun syst` eme e chantillonn e sont expos ees. Si lon se reporte a ` la gure 9.10, lon peut noter que la sortie {yk } du mod` ele discret nest que la version e chantillonn ee de la v eritable sortie du proc ed e, c.-` a-d. y (t). Or cest cette derni` ere qui constitue la grandeur pertinente. Une fois le mod` ele discret e tabli, il est possible, comme le montrent les paragraphes pr ec edents, de d eterminer {yk } a ` partir de {uk }. Cependant, y (t) nest pas reconstitu ee pour autant. Il faut alors distinguer deux cas : Etude en boucle ouverte : ce cas ne pose g en eralement pas trop de probl` eme. Lapplication pratique du th eor` eme de Shannon (cf. 9.3.3) dans le choix de T permet souvent dobtenir un signal discret {y k } qui rend bien compte des dynamiques contenues dans le signal continu y (t). Une interpolation des e chantillons y k doit donner une bonne id ee de la forme de y (t) ; Etude en boucle ferm ee : Malgr e un choix pertinent de T en boucle ouverte, la commande num erique peut introduire des dynamiques plus rapides dans le syst` eme de sorte que T devient inappropri ee en boucle ferm ee. Il faut alors envisager deux options : recourir a ` un outil de calcul num erique pour reconstituer y (t), la sortie du mod` ele continu excit e par une commande discr` ete ; diminuer T pour rendre l echantillonnage de y (t) repr esentatif de sa forme.
V =
v1
. . . vn
i {1, . . . , n},
xk =
i=1
Une telle r eponse fait appara tre n termes impliquant des puissances de i . Chaque terme associ ea ` une valeur propre i est appel e mode du syst` eme discret. Par abus de langage, lon appelle parfois i mode, assimilant ainsi mode, p ole et valeur propre. Bien que les matrices Ni , qui sont de mani` ere non triviale li ees aux z eros du syst` eme, aient une inuence certaine sur la forme de {xk } (donc {yk }), ce sont surtout les valeurs propres i elles-m eme qui d eterminent lallure du mode associ e. Les diff erents cas possibles peuvent se r esumer par le tableau 9.1. 90
Ni k i x0 +
k1 j =0
j 1 (k Buj ) . i
Comportement du mode associ e Mode divergent Mode convergent Mode entretenu Oscillation du mode Changement de signe a ` chaque e chantillon Pas doscillation du mode
Re(z)
Tous les comportements des diff erents modes sont r epartis sur {x k } et sur {yk } par les matrices Ni , B et C . Quoi quil en soit, les comportement possibles sont r esum es sur la gure 9.11. Il existe deux sources doscillation dun syst` eme discret : la pr esence de modes complexes (qui peut e tre li ee a ` un mode complexe du proc ed e continu si lon a affaire a ` un syst` eme e chantillonn e) ; la pr esence de modes a ` partie r eelle n egative (cette oscillation est due uniquement a ` la discr etisation dans le cas dun syst` eme e chantillonn e).
Deux cas se pr esentent alors. Soit la matrice (A I ) est r eguli` ere et seule lorgine de lespace d etat (x e = 0) est un point d equilibre. Soit (A I ) est singuli` ere et il faut r esoudre (9.19) pour d eterminer linnit e des points d equilibre. 9.5.2.2 Stabilit e Le stabilit e dun point d equilibre se d enit, comme dans le cas des mod` eles continus, de la fac on suivante : Un e tat d equilibre est dit asymptotiquement stable si, lorsque le syst` eme est e cart e de cet e tat sous leffet dune perturbation, il y revient (en un temps inni). L etat d equilibre est dit instable, si apr` es perturbation, le syst` eme sen e loigne davantage. L etat d equilibre est dit simplement stable si apr` es perturbation, le syst` eme reste dans un voisinage du point d equilibre. Comme pour les mod` eles continus, quel que soit le point d equilibre x e consid er e, la stabilit e de ce dernier d epend de A donc il est logique dassocier la stabilit e du syst` eme autonome lui-m eme a ` la stabilit e de son ou ses points d equilibre.
Une e tude tout a ` fait similaire a ` celle qui est r ealis ee en continu, sappuyant sur les valeurs propres de A (cf. 5.3.1), consiste a `e tudier la convergence des modes libres de xk (voir 9.4.2), et conduit au r esultat suivant :
j | |j | > 1 : le syst` eme est instable ; / j | |j | > 1 : [i | < 1 i : le syst` eme est asymptotiquement stable ; Les blocs de Jordan relatifs aux e ventuelles valeurs propres h telle que |h | = 1 sont tous scalaires le syst` eme est simplement stable ; Il existe un bloc de Jordan non scalaire associ ea ` une valeur propre h telle que |h | = 1 le syst` eme est instable.
92
Par ailleurs, lon peut e crire : Soit le syst` eme mod elis e par (9.6). Ce dernier est dit asymptotiquement stable si et seulement si le syst` eme autonome associ e xk+1 = Axk est asymptotiquement stable, cest-` a-dire si et seulement si toutes les valeurs propres de A sont a ` partie r eelle strictement n egative. Il faut donc en conclure que la r egion de stabilit e asymptotique a chang e par rapport au cas continu.
x = Ax asymptotiquement stable A stable au sens dHurwitz Spectre de A dans le demi-plan gauche ouvert.
xk+1 = Axk asymptotiquement stable A stable au sens de Schur Spectre de A dans le disque unitaire ouvert
9.5.3.2 Stabilit e interne et stabilit e BIBO ` linstar de ce qui a e A t e afrm e pour les mod` eles a ` temps continu (cf. 5.3.1.4), lon peut afrmer, par l etude de l equation (9.18) : Le syst` eme d ecrit par une repr esentation (9.6) dordre n et de fonction de transfert G(z ) dordre n est BIBO-stable s il est asymptotiquement stable. Il est BIBO-instable sil est instable de mani` ere interne. 9.5.3.3 Marge de stabilit e Lon peut d enir, comme pour les syst` emes continus, la marge de stabilit e dun syst` eme discret asymptotiquement stable : Marge de stabilit e absolue : distance minimale, dans le plan complexe, entre un point dont lafxe est une valeur propre de A et le cercle unitaire. Math ematiquement, elle sexprime = min(1 |i |).
i
(9.21)
En revanche, lon ne d enit pas (en tout cas de fac on triviale) la marge de stabilit e relative.
L` a encore, il nest plus question de faire r ef erence a ` lorigine de I R n qui est de toute fac on lunique point d equilibre. La condition devient n ecessaire et sufsante. Enn, il nest pas restrictif de supposer que V (x k ) est une fonction quadratique de xk ce qui permet daboutir, soit a ` une in egalit e matricielle donn ee en (9.22), soit a ` une e galit e matricielle donn ee en (9.23), dont linconnue est, dans les deux cas, une matrice sym etrique strictement d enie positive. Ce sont, comme dans le cas continu, E. I. Jury et S. M. Ahn qui prouv` erent quun choix arbitraire de la matrice Q e tait possible. Lon peut donc r esumer lapplication de la th eorie de Lyapunov aux mod` eles lin eaires discrets a ` ceci : Un mod` ele d etat discret lin eaire (9.6) est asymptotiquement stable si et seulement si, quelle que soit la matrice sym etrique d enie n egative Q, lunique solution de l equation P + A PA = Q est d enie positive. Lhabitude consiste a ` choisir Q = I pour effectuer le test. Lannexe E reprend quelques aspects e voqu es ci-avant. (9.24)
En conclusion, il faut noter que tous ces crit` eres de stabilit e ne font intervenir que A. Ainsi, seule la matrice d evolution d etermine la stabilit e du syst` eme.
94
Lon consid` ere le sch ema de la gure 9.10. Le proc ed e continu admet la r ealisation (9.12). La matrice d evolution A du syst` eme e chantillonn e se d eduit donc de la matrice d evolution A c du proc ed e continu par la relation A = eAc T . Si lon note i , i = 1, . . . , n, les valeurs propres de Ac et i , i = 1, . . . , n, les valeurs propres de A, lon a vu quelles e taient li ees par la relation (cf. 9.3.4.2) : i = e i T , do` u lon d eduit l equivalence : Re(i ) < 0 |i | < 1 i {1, . . . , n}. La stabilit e asymptotique dun proc ed e lin eaire continu est e quivalente a ` la stabilit e asymptotique du syst` eme discret obtenu par e chantillonnage de ce proc ed e. Il est possible de v erier cette assertion en utilisant la th eorie de Lyapunov. Lon constate alors que toute matrice de Lyapunov P obtenue pour le proc ed e continu est aussi matrice de Lyapunov pour le mod` ele e chantillonn e et r eciproquement (cf. annexe E). chantillonn 9.5.6.2 Bouclage dun syst` eme e e Lon consid` ere toujours un syst` eme e chantillonn e mais qui est ensuite boucl e comme le montre la gure 9.12.
{uk } yc k + + B0 (p) u(t) Gc (p) y (t) T {yk }
i {1, . . . , n},
F IG . 9.12 Syst` eme e chantillonn e abec bouclage unitaire Compte tenu de la r ealisation continue (9.12) et des formules d echantillonnage (9.15), le bouclage conduit, pour ce syst` eme discret boucl e, a ` la repr esentation d etat suivante : T T e Ac T + eAc T Bc d (1 D)1 Cxk + eAc T Bc d (1 D)1 yc xk+1 =
k
sous r eserve que D = 1. Lon constate que la matrice dynamique en boucle ferm ee est grandement d ependante de T et a ` ce titre, T a une grande inuence sur la stabilit e de ce syst` eme discret boucl e. Il nest donc pas question dassocier cette stabilit ee ventuelle a ` la stabilit ee ventuelle dun quelconque syst` eme continu. Ceci rejoint lid ee formul ee dans la remarque 9.3.
yk
9.6.1 D enitions
9.6.1.1 Commandabilit e Soit le mod` ele d etat (9.6) dun syst` eme lin eaire dont l etat initial est a ` une valeur quelconque x 0 .
Le mod` ele est commandable si pour toute instance xf du vecteur d etat, il existe une s equence nie d echantillons dentr ee uk (k < ) d energie born ee qui permet au syst` eme de passer de l etat x 0 a ` l etat xf . 9.6.1.2 Observabilit e Lon sint eresse toujours au m eme mod` ele que dans la partie pr ec edente. Le mod` ele est observable si, quel que soit l etat initial x0 , il existe dune s equence nie d echantillons de sortie yk (et e ventuellement des e chantillons dentr ee correspondants u k ) qui permet de retrouver x0 .
est-il possible quil existe une valeur de i telle que limage de Qi co ncide avec I Rn . Le th eor` eme de Cayley i Hamilton montre que, quel que soit i, la matrice A B peut sexprimer comme une combinaison lin eaire de B , AB , . . ., An1 B . Ainsi le rang de Qi ne peut exc eder celui de Qc et donc il existe des vecteurs dans I Rn qui ne peuvent e tre atteints. QED Remarque 9.5 Tout e ace a equence dentr ee dau plus n tat xf peut e tre atteint en partant de x0 gr ` une s e chantillons. 9.6.2.2 Observabilit e La paire de matrices (A, C ) (ou le syst` eme (9.6)) est observable si et seulement si C CA rang(Qo ) = n o` u Qo = ... CAn1 96
(9.26)
La matrice Qo est dite matrice dobservabilit e. D emonstration : si lon sint eresse au syst` eme autonome, la r eponse en y k de ce syst` eme est yk = CAk x0 . Puisque yk est de dimension 1 et x0 de dimension n, il est n ecessaire davoir n valeurs successives de y k pour esp erer retrouver x0 a ` partir des e chantillons yk . Ceci conduit a `e crire y0 y1 . . . y n1
= Q o x0 .
Le syst` eme peut se r esoudre en x0 (unique) si et seulement si rang(Qo ) = n. QED 9.6.2.3 Dualit e des deux concepts Il est important de noter, comme ne continu, lanalogie entre les structures de Q c et Qo . Dualit e: La paire (A, B ) est commandable si et seulement si la paire (A , B ) est observable. La paire (A, C ) est observable si et seulement si la paire (A , C ) est commandable.
9.6.4 Grammiens
Il sagit ici dapporter une analogie discr` ete aux notions pr esent ees au paragraphe 6.4. Soit le mod` ele LTI discret donn e en (9.6) et suppos e asymptotiquement stable. Lon se propose ici de pr esenter un crit` ere de commandabilit e et dobservabilit e qui repose sur les notions de grammiens. 9.6.4.1 D enition des grammiens Le grammien de commandabilit e Wc et le grammien dobservabilit e Wo , e galement appel es matrices grammiennes, sont respectivement d enies par
Wc = lim Ak BB (A )k ,
k
(9.27) (9.28)
Wo = lim (A )k C CAk ,
k
do` u lon retrouve bien que les deux propri et es sont duales lune de lautre. 97
9.6.4.2 Interpr etation des grammiens Le grammien de commandabilit e Wc est li ea ` lenergie minimale du signal de commande u(t) n ecessaire pour amener l etat dune condition initiale a ` une condition nale en un temps inni. La justication en est renvoy ee en annexe F. La paire (A, B ) (respectivement la paire (A, C )) est commandable (resp. observable) si et seulement si le grammien de commndabilit e Wc (resp. dobservabilit e Wo ) est strictement d eni positif. Comme en continu, les grammiens fournissent des conditions n ecessaires et sufsantes dobservabilit e ou de commandabilit e et ils indiquent le nombre de variables d etat non commandables et non observables. En outre, ils permettent de quantier cette propri et e pour chaque variable d etat mais se limitent a ` l etude des mod` eles asymptotiquement stables. Remarque 9.6 Lon peut d emontrer que, quelle que soit la base de lespace d etat consid er ee, le produit Wc Wo conserve le m eme spectre (voir annexe F). 9.6.4.3 Calcul des grammiens Les sommes d enies en (9.27) et (9.28) sont difcilement utilisables pour le calcul des grammiens. Il est facile, a ` linstar de ce qui se fait en continu (cf. 6.4.3), dafrmer : Soit la r ealisation (9.6), suppos ee asymptotiquement stable. Le grammien de commandabilit e W c et celui dobservabilit e Wo sont les solutions respectives des e quations de Lyapunov Wc + AWc A = BB , Wo + A Wc A = C C. (9.29) (9.30)
d eterminer une loi de commande en continu, sur la base de G c (p), la fonction de transfert du proc ed e continu, ou dune r ealisation continue, puis approcher cette loi de commande analogique par une commande discr` ete qui aurait des performances similaires. Cette strat egie ne peut senvisager que si T , la p eriode d echantillonnage est faible (Th eor` eme pratique de Shannon largement respect e). Dans ce cas de gure, deux options quelque peu diff erentes sont alors possibles : implanter la commande analogique en r ealisant une approximation num erique des e ventuelles int egrateurs (1/p) et d erivateurs (p) ; pr evoir par une transformation appropri ee (reposant sur lapproximation de p ou 1/p par une fonction en z ( Euler avant , Euler arri` ere , Tustin ) quelque loi de commande discr` ete se rapprochant de la commande analogique puis implanter cette commande discr` ete sous forme de r ecurrence. Il faut remarquer quun simple retour d etat est identique en continu et en discret puisquil sagit dune loi de commande statique. d eterminer le mod` ele e chantillonn e puis en d eduire une loi de commande discr` ete avant de limplanter telle quelle. Cest la seconde strat egie qui est ici privil egi ee. Elle prend mieux en compte lapproximation li ee a ` l echantillonnage et par ailleurs, elle est utilisable pour un syst` eme non e chantillonn e (discret par essence ou e chantillon e selon une variable qui nest pas le temps).
uk = Hyck + Kxk ,
k I N. (9.31)
Cette loi de commande, appliqu ee a ` un syst` eme discret d ecrit par (9.6) conduit au mod` ele discret boucl e:
xk+1 yk
= (A + BK )xk = (C + DK )xk
+ BHyck + DHyck .
(9.32)
99
Rejet de perturbation De m eme quen continu, lon peut ins erer un int egrateur pour rejeter les perturbations en e chelon se trouvant en amont de cet int egrateur dans la cha ne directe. Un int egrateur discret admet pour fonction de transfert G(z ) = 1 , z1
de sorte que si lon adapte la gure 7.4 au cas discret, la r ecurrence liant u k et uk sexprime uk+1 = uk + u k . En consid erant u comme une nouvelle variable d etat et u comme la nouvelle commande, lon augmente de 1 lordre du mod` ele avec int egrateur et lon peut ensuite calculer une loi de placement de p oles sur ce mod` ele dordre (n 1). 100
Si lon d enit l ecart dobservation par k = x k xk , alors la dynamique de lobservateur est donn ee par l equation = (A + ZC ) x x + Bu Zy. Il faut dabord donner lassertion fondamentale qui est la m eme que pour les mod` eles continus : Soit le syst` eme discret d ecrit par (9.6). Lon peut construire un observateur d etat si et seulement si la paire (A, C ) est observable. En outre, ce probl` eme, comme en continu, peut e tre vu de mani` ere purement matricielle et est dual du probl` eme de placement de p oles. Par cons equent, il est inutile de reproduire la logique de calcul dans cette partie et le oles de lecteur peut se r ef erer au paragraphe 8.3 et en particulier le paragraphe 8.3.2 pour calculer Z et placer les p (A + ZC ). Il va de soi quil faut choisir judicieusement la localisation des p oles a ` linterieur du disque unitaire pour xer la dynamique de lobservateur discret. (9.35)
101
102
Chapitre 10
Conclusion
10.1 R esum e du cours
Ce cours a balay e rapidement les concepts de base de lAutomatique des syst` emes lin eaires dans lespace d etat. Trois des grands probl` emes ont e t e abord es : la mod elisation, lanalyse et la commande. Concernant la mod elisation, un nouveau mod` ele lin eaire a e t e introduit pour d ecrire le comportement dun syst` eme monovariable : la repr esentation d etat. Il a e t e expliqu e que ce mod` ele nest pas unique. Les moyens dobtenir un tel mod` ele et le lien avec l equation diff erentielle et la fonction de transfert ont e t e mis en e vidence. Concernant lanalyse, il a e t e montr e que lon pouvait utiliser la repr esentation d etat pour d eterminer la r eponse dun syst` eme. La notion de valeurs propres de la matrice d etat sest r ev el ee fondamentale non seulement pour comprendre la forme de cette r eponse mais e galement pour conclure quant a ` la stabilit e du syst` eme. Dans la partie relative a ` la commande, les notions de commandabilit e et dobservabilit e ont e t e introduites. Elles sont essentielles pour calculer des lois de commandes dites par retour d etat , comprenant ou non un observateur d etat. Des techniques dobtention de telles lois de commande ont e t e pr esent ees.
10.2 Perspectives
Les perspectives d etude quoffre la repr esentation d etat sont nombreuses. Citons entres autres : L etude des syst` emes multivariables : la repr esentation d etat, bien plus que la fonction de transfert, se pr ete a ` lextension des concepts e tudi es au cas des syst` emes poss edant plusieurs entr ees et/ou plusieurs sorties. En effet, dans ce cas pr ecis, B et C deviennent des matrices plut ot que de simples vecteurs mais le mod` ele varie peu. Lidentication : il existe, comme dans lapproche fr equentielle, des techniques dobtention de mod` eles qui sappuient sur lobservation du comportement du syst` eme. Lorsque la phase de mod elisation ne permet pas dobtenir un mod` ele complet, lon peut recourir a ` ces techniques didentication. Elles font lobjet de cours sp eciques dans cette formation. La commande optimale : sous ce vocable sont regroup ees un ensemble de techniques qui consistent a ` commander un mod` ele d etat tout en minimisant un crit` ere de performances. Citons la commande LQ (minimisation dun crit` ere Quadratique (tel que l energie appliqu ee en commande) sous une contrainte Lin eaire (le mod` ele du syst` eme)), les commande H2 et H (minimisation de la norme dun transfert entre des perturbations et les sorties du syst` eme)... La robustesse : il sagit l` a de faire l etude de syst` emes (analyse et commande) dont les mod` eles sont incertains. Lon dit quils sont sujet a ` des incertitudes. Le principe de lanalyse robuste est de savoir si un syst` eme a les 103
Perspectives
propri et es souhait ees quelle que soit lincertitude. Celui de la commande robuste est de d eterminer une loi de commande qui assure les propri et es du mod` ele pour toute la gamme dincertitudes possibles.
104
A NNEXES
Dans ces annexes, sont pr esent es quelques concepts qui permettent soit dappr ehender un peu mieux le contenu du cours, soit dobtenir quelques compl ements dinformation de nature scientique ou culturelle.
105
Annexe A
A.1
Lon donne ici quelques d enitions et propri et es des matrices. Une matrice M C l mn peut e tre vue comme un emeligne et tableau de m n scalaires complexes mij a ` m lignes et n colonnes o` u mij est l el ement situ e en i ` n ` e me en j colonne. Une telle matrice est en r ealit e une repr esentation dune application lin eaire de C l dans C l m. Exemple : M= m11 m21 m12 m22 m13 m23 =M = 1 4 2 + 3i 6 7 5+i
Dans le cas de matrices r eelles (M I Rmn ), les deux op erateurs peuvent e tre confondus.
1 2 M = 3 4 + 5i 6 7 M =
donc susceptible d etre automorphique. Parmi les matrices carr ees, certaines sont particuli` eres, telles la matrice nulle, not ee 0, dont toutes les composantes sont nulles (mij = 0, {i; j }) et la matrice identit e, not ee I , dont toutes les composantes sont nulles a ` lexception de celles de sa diagonale principale qui sont e gales a ` 1 (m ii = 1 i et mij = 0 {i, j = i}). 0 est l el ement neutre de laddition des matrices de m eme dimension et l el ement absorbant de la multiplication. I est l element neutre de la multiplication1 (voir ci-apr` es). Une matrice triangulaire sup erieure na que des composantes nulles en dessous de sa diagonale principale (m ij = 0 {i, j < i}). Une matrice triangulaire inf erieure na que des composantes nulles au dessus de sa diagonale principale (mij = 0 {i, j > i}). Une matrice triangulaire inf erieure et sup erieure est dite diagonale (m ij = 0, {i, j = i}). La matrice carr ee complexe M est dite Hermitienne quand M = M . Dans le cas o` u M est r eelle, on a M = M T = M et lon dit alors de la matrice quelle est sym etrique.
{i; j }.
Lon note S = A + B . Les propri et es de laddition matricielle sont les suivantes : A + B = B + A (commutativit e) ; A + (B + C ) = (A + B ) + C (associativit e) ; s(A + B ) = sA + sB, s C l ; C | A + C = B et C est not ee C = A B (diff erence) ; A + 0 = A ( el ement neutre) ; (A + B )T = AT + B T (transposition de la somme) ; (A + B ) = A + B (transposition-conjugaison de la somme).
Exemple : 1 1 2 3 2 4 A.1.3.2 Multiplication de matrices Soient le vecteur v = [v1 . . . vn ]T et le vecteur w = [w1 . . . wn ]T de m eme taille. Lon d enit le produit scalaire de v et w par
n
1 3 2 3 4 0
2 2 0 6 6 4
< v, w >=
i=1
vi wi .
1 sous
108
` partir de ce produit scalaire de deux vecteurs, lon peut d A enir le produit de deux matrices. Si lon suppose que M C l mn et N C l nq sont respectivement la concat enation en colonne de m vecteurs lignes v [i] , i = 1, ..., m et la concat enation en ligne de q vecteur colonnes w [j ] , j = 1, ..., q , v [1] . M = . . [m] v
et N =
w[1]
. . . w[q]
vk wk
[i]
[j ]
Exemple : 1 1 2 3 2 4 1 1 2 = 0 1 0 3 3 1 7
Lon note que la multiplication deux matrices M et N nest d enie que si le nombre de colonnes de M est e gal au nombre de lignes de N . Le produit de deux matrices correspond a ` la composition de deux applications lin eaires. Les propri et es de la multiplication de matrices sont : A(B + C ) = AB + AC (distributivit ea ` droite) ; (A + B )C = AC + BC (distributivit ea ` gauche) ; A(BC ) = (AB )C (associativit e) ; AB = BA (non-commutativit e) ; A I = A ( el ement neutre) ; A 0 = 0 ( el ement absorbant) ; AB = 0 nimplique pas toujours A = 0 ou B = 0 ; AB = AC nimplique pas toujours B = C ; (AB )T = B T AT (transposition du produit) ; (AB ) = B A (transposition-conjugaison du produit).
Remarque A.1 Une matrice A carr ee peut e ee a enissant Ak = Ak1 A et A0 = I . tre e lev ` une puissance k en d Une matrice qui devient nulle pour une valeur de k est quali ee de nilpotente.
A.1.4.1 D eterminant dune matrice carr ee dordre 2 Soit la matrice carr ee A ainsi compos ee : A = Le d eterminant de A est ainsi calcul e: a11 a21 a12 a22 .
A.1.4.2 D eterminant dune matrice carr e dordre 3 ou plus Soit A une matrice carr ee dordre n = 3. Lon affecte un signe a ` chacune de ses composantes, en quinconce, de la fac on suivante : a+ 11 A = a 21 a+ 31
ij
a 12 a+ 22 a 23
a+ 13 a23 . a+ 33
Chaque signe est not e sign(i, j ). emeligne et de la j ` emecolonne. Lon note det(A) le d eterminant de la matrice 2 2 issue de A par e limination de la i ` Il suft alors de raisonner par rapport a ` la ligne (ou la colonne) k . Lon calcule :
n n
det(A) =
j =1
det(A) =
j =1
(A.1)
Exemple : Lon raisonne, dans lexemple ci-apr` es, par rapport a ` la premi` ere ligne : 2+ det 1 2+ 3 0+ 1 5+ 1 = 2 det 0+ 0 1 1 0 1 1 2 0 1 0 2 1
3 det
+ 5 det
=9
La technique de calcul pr esent ee ci-avant peut s etendre a ` des matrices de dimension plus e lev ee cest-` a-dire que la formule (A.1) est valable pour n > 3. 110
A.1.4.3 Quelques propri et es du d eterminant Une ligne ou une colonne nulle det(A) = 0. det(AT ) = det(A). A)). det(A ) = (det( Ligne ou colonne multipli ee par s C l det(A) multplipli e par s. eme ligne (colonne) le produit dun scalaire par une autre ligne Si B est obtenue a ` partie de A en ajoutant a ` la i ` (colonne) alors det(B ) = det(A). det(Im + M N ) = det(In + N M ) (Attention aux dimensions de M et N : M N et N M doivent e tre carr ees).
det(A) =
j =1
akj kj =
j =1
ajk jk .
En outre, la matrice adjointe de A, not ee adj(A), est d enie par la transpos ee des cofacteurs, a ` savoir A = [aij ] adj(A) = [ji ].
P () = det(I A).
Par ailleurs, P (A) = 0 (th eor` eme de Cayley-Hamilton : toute matrice carr ee v erie son propre polyn ome caract eristique).
111
Une condition dexistence de A1 est la non-singularit e de A. Pour calculer une inverse, lon doit donc dabord savoir si elle existe cest-` a-dire savoir si A est de rang plein, en montrant par exemple que det(A) = 0. Puis les deux techniques de calcul les plus classiques sont : on r esoud le syst` eme lin eaire a `ne quations et n inconnues (fastidieux m eme pour un ordre faible) ; on applique la formule : A1 = 1 adj(A). det(A)
Exemple : a c A.1.8.2 Propri et es des inverses Sous r eserve de compatibilit e des dimensions et dexistence des diverses inverses : (AB )1 = B 1 A1 (inverse du produit) ; (AT )1 = (A1 )T (inverse de la transpos ee) ; (A )1 = (A1 ) (inverse de la transpos ee-conjugu ee) ; (A + BCD)1 = A1 A1 B (C 1 + DA1 B )1 DA1 (lemme dinversion des matrices) ; (I + A)1 = I (A1 + I )1 (lemme dinversion des matrices simpli e). b d
1
1 ad bc
d c
b a
P () = det(In A) = 0
(A.2)
Une matrice de dimension n a n ecessairement n valeurs propres i , i = 1, ..., n. Pour simplier, lon supposera que celles-ci sont distinctes. Lorsque A est r eelle, les valeurs propres constituent un ensemble auto-conjugu e. Autrement dit, si est valeur propre de A, sa quantit e conjugu ee lest aussi. Tous ces scalaires constituent un ensemble de cardinal n appel e spectre de A et parfois not e (A). Il existe n vecteurs vi C l n , i = 1, ...n non nuls, appel es vecteurs propres a ` droite, tels que :
Avi = i vi
i {1, ..., n}
(A.3)
Ces vecteurs propres sont tous d enis a ` un facteur pr` es. Si lon d enit V , matrice modale, par : V = [v1 , , vn ] alors, il vient la relation : (A.4)
112
(A.5)
(A.6)
La d etermination de passe par celle de V . Lon parle de diagonalisation de matrice. Cette diagonalisation nest pas toujours possible lorsque les valeurs propres ne sont pas distinctes. Des formes canoniques de Jordan peuvent n eanmoins e tre calcul ees mais ceci nest pas explicit e ici. Lon peut aussi d enir les vecteurs propres a egalement d enis a ` un facteur multiplicatif pr` es) par ` gauche ui ( la relation
ui A = i ui
(A.7)
il appara t, entre les matrices U et V , pour des choix de ui et vi convenablement mis a ` l echelle, la condition dorthogonalit e:
U V = I.
(A.9)
Lensemble constitu e des valeurs propres et des vecteurs propres a ` gauche et a ` droite est appel e structure propre. A.1.9.2 Propri et es des valeurs propres Il est a ` noter que les valeurs propres dune matrice carr ee A v erient les propri et es suivantes : (A) = (AT ) ; i (A) i (A) ; i (A ) i (A) k i (A) k i (A ) ; i (A) s + i (sI + A), s C l ; les e l ements diagonaux dune matrice triangulaire sont ses valeurs propres. Les valeurs propres dune matrice sym etrique ou Hermitienne sont r eelles.
A.1.9.3 Propri et es des vecteurs propres Il est a ` noter que les vecteurs propres dune matrice carr ee A v erient les propri et es suivantes : ils doivent e tre lin eairement ind ependants et constituent donc une base de C l n; ils sont orthogonaux pour une matrice Hermitienne diagonalisable (c.-` a-d. < v i , vj >= 0, {i; j = i}) et constituent donc une base orthogonale (et m eme orthonormale puisquils peuvent e tre normalis es). Lon peut alors e crire
n
A=
i=1
i v i v i .
Ces propri et es sont aussi vraies pour les vecteurs propres a ` gauche. 113
trace(A) =
i=1
aii
La trace de A est donc la somme de ses e l ements diagonaux. Lon peut par ailleurs montrer que cest la somme de ses valeurs propres c.-` a-d. :
n
trace(A) =
i=1
De ce fait, toutes les matrices semblables ont la m eme trace. La trace est un scalaire complexe, e galement r eel si A est r eelle ou si A est complexe mais Hermitienne. En outre, sous r eserve de compatibilit e des dimensions, lon a : trace(AB ) = trace(BA) trace(A + B ) = trace(B + A) = trace(A) + trace(B ) (A.10) (A.11)
A.2
x P x > 0 (resp.) x P x 0,
x = 0
Si la propri et e est v eri ee, alors la matrice Hermitienne P est d enie (resp. semi-d enie) n egative. La d enition en signe dune matrice Hermitienne est par d enition e quivalente a ` celle de la forme quadratique associ ee. Quelques propri et es : P P P P P P =P =P =P =P =P =P > 0 (P ) I R+ ; 0 0 (P ) {I R+ 0} ; 1 1 > 0 P = (P ) > 0 ; > 0 det(P ) = 0 ; 0 det(P ) = 0 ; > 0 P admet une racine carr ee not ee P 1/2 telle que P = (P 1/2 )2 ; P 1/2 > 0 ; ((P 1/2 )1 )2 = P 1 ;
M C l nn et det(M ) = 0 P = M M > 0 ; M C l nn et det(M ) = 0 P = M M 0 ; P > 0 (resp. 0) P admet une d ecomposition dite de Cholesky : P = S S avec det(S ) = 0 (resp. det(S ) = 0).
115
116
Annexe B
x(t) =
i=1
v i e i t u i x 0 .
(B.1)
Or, la d ecomposition de x0 dans la base constitu ee par les vecteurs propres a ` droite de A peut sexprimer par la combinaison lin eaire suivante :
n
x0 =
j =1
j v j .
x(t) =
i=1
ene ui vj = 0, {i, j = 0} {1, ..., n}2 et ui vi = 1, i {1, ..., n}, Compte tenu de la condition (A.9) qui am` lon a
n
v i e i t u i
n j =1
j v j .
x(t) =
i=1
i e i t v i .
(B.2)
117
Lon appelle mode r eel la quantit e ei t vi lorsque i est r eel et mode complexe la quantit e (ei t vi + ej t vj ) I R lorque i = j {C l I R}. Cette expression est essentielle car lon constate que tous les termes de la r eponse convergent vers z ero (donc le syst` eme est BIBO-stable) si et seulement si toutes les valeurs propres de A (parfois e galement appel ees abusivement modes ) sont a ` partie r eelle n egative. Plus pr ecis ement, lon voit bien que le syst` eme retrouve dautant plus vite sa position d equilibre a ` lorigine que les parties r eelles des valeurs propres de A sont tr` es n egatives (lon parle de modes lents ou dominants et de modes rapides ou domin es). La rapidit e de la r eponse d epend de toute e vidence des modes les plus lents. Bien entendu, la valeur de l etat initial x 0 conditionne aussi la forme de la r eponse par le biais de {i , i {1, ..., n}}. De plus, lon remarque que lexistence de valeurs propres complexes conjugu ees induit un comportement oscillatoire dans la r eponse du syst` eme. En effet, un mode complexe fait appara tre un sinus dans cette r eponse. Le caract` ere oscillatoire dun mode complexe est dautant plus marqu e que le rapport (en valeur absolue) entre la partie imaginaire et la partie r eelle des valeurs propres correspondantes est e l ev e. Pour des syst` emes de deuxi` eme ordre (n = 2), ces consid erations sont prises en compte pour d enir un coefcient damortissement et une pulsation propre non amortie e galement d enis dans le cadre du cours sur lapproche fr equentielle. Selon les valeurs de ces indicateurs, la nature de la r eponse peut varier dune absence doscillation a ` une tr` es forte oscillation en passant par un l eger d epassement. Lon se r ef` ere souvent a ` ces indicateurs pour caract eriser la dynamique dominante dun syst` eme dordre plus e lev e (n > 2) et donc ses performances en termes de temps de r eponse, d epassement maximal, etc. N eanmoins, il importe de savoir que linuence de chaque mode nest pas toujours simplement dict ee par la position de la (ou des) valeur(s) propre(s) associ ee(s). Ce quil convient de retenir est que la localisation des valeurs propres de A dans le plan complexe (en particulier les modes dominants) est extr emement utile pour caract eriser le comportement dun syst` eme ou pour sp ecier les performances souhait ees dun proc ed ea ` commander. Le spectre de A rev et donc une importance capitale dans le comportement du syst` eme. Les vecteurs propres associ es ont e galement une inuence puisquils apparaissent dans (B.2). Leur inuence est un peu mieux explicit ee dans le paragraphe suivant.
(B.3)
Lon constate en examinant la relation (B.3) que la composante vij distribue leffet du mode i sur l etat xj . Ainsi, `e liminer linuence de i sur xj . Lon en d eduit que : annuler vij revient a Les vecteurs propres a ` droite sont signicatifs du couplage entre existant entre le spectre de A et le vecteur d etat. Lorsque lon sint eresse a ` la sortie y , la matrice C exprime alors le couplage entre x et y donc plut ot que les vecteurs propres, ce sont les scalaires Cvi quil convient d etudier. Lon peut alors analyser le d ecouplage modes/sortie. Les scalaires Cvi sont signicatifs du couplage entre le spectre de A et la sortie y . Cette assertion est vraie pour un syst` eme en boucle ouverte (il faut alors regarder les vecteurs propres a ` droite de la matrice A) mais aussi pour un syst` eme boucl e (il faut alors e tudier les vecteurs propres a ` droite de la matrice Af = A + BK ). Remarque B.1 Lorsquun scalaire Cvi est nul, cest-` a-dire lorsque la sortie nest pas affect ee par le mode i , ceci signie que ce mode devient non observable.
118
B.2.2
Lon rappelle quune loi de commande de type retour d etat est de la forme u(t) = Kx(t). Pour les besoins de lexplication, le terme de pr ecommande est omis cest-` a-dire que le syst` eme boucl e est consid er e en r egime libre. Compte tenu de lexpresson de x(t), il vient
n n n
u(t) =
i=1
i Kvi =
i=1 j =1
i e i t k j v i j .
(B.4)
La relation (B.4) pemet de comprendre comment les vecteurs propres interviennent dans la r epartition de leffet des modes sur la commande du syst` eme boucl e1 . Il va de soi quen cas de bouclage comme ci-dessus, les scalaires i d esignent les valeurs propres de Af et les vi d esignent leurs vecteurs propres a ` droite associ es. Dans le cas dun mod` ele LTI boucl e par retour d etat u(t) = Kx(t), les vecteurs Kv i sont signicatifs du couplage entre existant entre le spectre de A et la commande u.
B.2.3
Cette fois-ci, la pr ecommande est pr esente de sorte que le syst` eme nest pas en r egime libre et la loi de commande est : u(t) = Kx(t) + Hyc (t). La r eponse du syst` eme au niveau de son vecteur d etat est
t
x(t) =
0
eAf (t ) BHyc ( )d
t
x(t) = V
0 n n
x(t) =
i
vi
0
ei (t ) ui BHyc ( )d =
i j =1
vi
0
(B.5)
Gr ace a ` (B.5), lon comprend que le produit ui B est signicatif de linteraction entre le signal de consigne et le mode i . Ainsi, si ce produit est nul (ui et B sont alors orthogonaux), le mode i de la matrice dynamique Af = A + BK nest pas excit e par la consigne. Les vecteurs propres a ` gauche ont une inuence pr epond erante sur la r epartition de lexcitation en consigne sur les modes.
Remarque B.2 Lorsque le scalaire ui B est nul et quainsi le signal de consigne nexcite pas le mode i , alors le mode i est non commandable.
1 et
119
B.2.4
Il appara t que leffet du monde ext erieur sur la dynamique interne dun syst` eme LTI est d ecrit par la structure propre a ` gauche alors que la r epartition de cette dynamique sur les sorties est essentiellement d ecrite par la structure propre a ` droite.
pr esente une d ecience de rang. Lon note quil nest pas ais e de d eterminer les z eros dune r ealisation mais cette d enition a lavantage dutiliser une repr esentation d etat. Si la r ealisation est minimale (enti` erement commandable et observable) alors, les z eros sont les racines du polyn ome N (p), le num erateur de la fonction de transfert G(p). Dans le cas dune r ealisation non minimale, il peut exister des valeurs des z eros de la r ealisation qui ne sont pas racines de N (p). Ceci r esulte dune compensation dans G(p) du facteur (p z ) de N (p) avec un facteur (p z ) du d enominateur D(p) (compensation p ole/z ero caract eristique des mod` eles non-commandables ou non observables (cf. paragraphe 6.5)). Les z eros a ` partie r eelle n egative sont quali es de stables et ceux a ` partie r eelle positive sont quali es dinstables.
B.3.2
M eme si les z eros ne d eterminent pas la stabilit e du syst` eme LTI, il va de soi quils ont une inuence sur le comportment transitoire du syst` eme. En effet, si lon e crit la fonction de transfert
m
(p zj ) G(p) =
j =1 n
(p i )
i=1
G(p) =
i=1
ri . (p i )
(B.6)
Lon comprend en appliquant la transform ee de Laplace inverse sur (B.6) et par une comparaison avec (B.1) (qui nest pas d etaill ee ici) que les r esidus ri , qui sont d ependants de la valeur des z eros zi , sont e troitement li es mais ` ce titre, ils ont donc une importance sur le comportement de mani` ere non triviale, aux vecteurs propres vi et ui . A transitoire du syst` eme. De m eme par comparaison avec (B.5). Mais il est assez difcile et souvent peu rigoureux dappr ecier correctement leffet dun z ero sur le r egime transitoire. Pour r esumer tr` es grossi` erement cet effet : les z eros compens es par des p oles non commandables et non observables nont aucun effet sur le r egime transitoire dune r eponse sur la sortie y ; les z eros proches dun p ole dans le plan complexe sont faiblement inuents ; 120
les z eros instables ont tendance a ` g en erer un d epassement de la r eponse indicielle vers le bas alors que les z eros stables contribuent a ` l eventuel d epassement vers le haut.
121
122
Annexe C
C.1
Soit le syst` eme diff erentiel lin eaire de premier ordre : x = Ax + Bu, xI Rn , uI R. (C.1)
Lon rappelle que le probl` eme du placement de p oles consiste a ` trouver un vecteur K , associ ee a ` la loi de commande u = Kx, de sorte que
n
det(pI Af ) = Dd (p) =
i=1
(p i ).
Le polyn ome Dd (p) est le polyn ome caract eristique d esir e pour ce syst` eme boucl e. Les scalaires i , i = 1, ..., n, sont les racines de ce polyn ome, cest-` a-dire les p oles d esir es. La paire de matrices (A, B ) est suppos ee commandable.
C.2
Lon peut e crire le polyn ome Dd (p) de la fac on suivante : Dd (p) = pn + n1 pn1 + . . . + 1 p + 0 . Or, dapr` es le th eor` eme de Cayley-Hamilton, toute matrice carr ee v erie son propre polyn ome caract eristique et lon a Dd (Af ) = 0. Les diff erentes puissances de Af jusqu` a lordre n peuvent e tre ainsi exprim ees : 123 (C.3)
0 Af A1 f 2 A f A3 f 4 A f n Af
= = = = =
= A2 + ABK + BKAf = A3 + A2 BK + ABKAf + BKAf 3 = A4 + A3 BK + A2 BKAf + ABKA2 f + BKAf . . . n1 n2 n1 = Af (A + BK ) = An + An1 BK + An2 BKAf + . . . + ABKAf + BKAf
I A + BK A1 f (A + BK ) A2 f (A + BK ) A3 f (A + BK )
Dd (Af )
Dd (A) +
= 0 I + 1 A1 + 2 A2 + . . . + n1 An1 + n An n1 +B (1 K + 2 KAf + 3 KA2 ) f + . . . + KAf n2 2 +AB (2 K + 3 KAf + 4 KAf + . . . + KAf ) . . . +An1 BK = 0 n1 1 K + 2 KAf + 3 KA2 f + . . . + KAf n 2 K + 3 KAf + 4 KA2 + . . . + KA 2 f f n1 AB . . . A B . . . K
=0
qui est inversible puisque la paire (A, B ) est suppos ee commandable. Ainsi, par inversion de Q c , lon obtient
n1 1 K + 2 KAf + 3 KA2 f + . . . + KAf 2 K + 3 KAf + 4 KA2 + . . . + KAn2 f f . . . K
1 = Q c Dd (A).
K=
0 ... 0 1
1 Q c Dd (A).
(C.4)
124
Annexe D
` propos de A
D.1 Propri et es de
Lin earit e
[
i=1
(i {fk }i )] =
i=1
(i
[{fk }])
Multiplication par k
[{f g }k ] = F (z )G(z )
hk =
l=
fl gkl =
l=
fkl gl
k I N.
[{fkl }] = z l
[{fk }] = z l F (z )
l1
[{fk+l }] = z l
[{fk }]
i=0
fi z i
= zl
F (z )
i=0
fi z i
lim fk = lim
z to1
(1 z 1 )F (z ) ,
125
Signal e chantillonn e fk , k I N
Transform ee en z F (z )
f0 = 1, fk = 0, k = 0
E p b p2 1 p+a 1 (p + a)2 + 2 p + 2
fk = E
fk = bT
eat
fk = eakT
teat
fk = kT eakT
sin(t)
p2
z2
cos(t)
p2
z2
1 eaT
a p(p + a)
ak
ehT p G(p)
fk = gkh
126
Annexe E
M = + < 0, o` u = diag {i }.
i=1,...,n
(E.2)
Soit V la matrice modale de A telle que = V 1 AV , il vient M = (V 1 ) A V + V AV 1 < 0 V M V = A V V + V V A < 0, qui nest autre que (E.1) avec le choix P = V V . QED 127
Le cas echantillonn e
M = In + + < 0, avec (E.2). Soit V la matrice modale de A, il vient M = In + (V 1 ) A V V AV 1 < 0 V M V = V V + A V V A < 0, qui nest autre que (E.3) avec le choix P = V V . QED
et par cons equent, si lon consid` ere la fonction de Lyapunov quadratique V (x(t)) = x (t)P x(t), sa d eriv ee tem (x(t)) = x (t)(A P + P A)x(t) est strictement n porelle V egative. Ainsi, V (x(t)) est strictement d ecroissante par rapport au temps et lon a donc, pour deux instants d echantillonnage successifs kT et (k +1)T (o` u T est la p eriode d echantillonnage), V (x(k + 1)T ) < V (x(kT )), qui se r ecrit x ((k + 1)T )P x((k + 1)T ) = x(kT )eAc T P eAc T x(kT ) < x (kT )P x(kT ). Puisque A = eAc T , de cette derni` ere in egalit e lon d eduit 128
Le cas echantillonn e
(E.5)
Toute matrice de Lyapunov du mod` ele lin eaire continu dun proc ed e est aussi matrice de Lyapunov du mod` ele discret lin eaire du syst` eme e chantillonn e associ e.
Remarque E.1 Pour d emontrer que lon peut choisir arbitrairement Q < 0 telle que Mc = Q (respectivement Md = Q) admette une solution unique P > 0, la technique consiste a esoudre cette e ` montrer que r quation revient a esoudre un syst` eme lin eaire d equations scalaires poss edant une unique solution. Cet aspect nest cependant ` r pas d etaill e ici car toute la subtilit e est de montrer que le syst` eme est bien pos e.
129
Le cas echantillonn e
130
Annexe F
Axk
+ Buk
= Cxk
Lon atteste ou non de la commandabilit e de ce syst` eme selon le rang de la matrice de commandabilit e (voir 9.6.2) : Qc = [B AB ... An1 B ]
Lon rappelle que l etat nal souhait e peut e tre atteint en n coups ou plus (cf. Remarque 9.5). Il faut aussi noter que, partant de lorigine : xf xf o` u Un = [un1 , ... , u0 ]. La solution Un de la commande n ecessaire pour atteindre l etat xf , du point de vue de la norme minimale est (r esolution dun probl` eme doptimisation classique) : Un = Qc (Qc Qc )1 xf . = Q c Un = An1 Bu0 + An2 Bu1 + ... + ABun2 + Bun1
Ceci veut dire que, pour atteindre l etat nal xf a ` partir de x0 = 0, il faut une e nergie minimale de commande :
n1
uk uk
k=0
xf (Qc Qc )1 xf
n1
Wc (n)
Q c QT c
=
k=0
Ak BB T (Ak )T .
(F.1)
Wc (n) est une matrice d enie positive, donc il existe une transformation de matrice U unitaire telle que Wc (n)
i=1,...,n
U DU .
avec la matrice diagonale ordonn ee D = diag (di ) o` u di 0, i{1, . . . , n}. Soit la transformation x k = U xk (qui pr eserve la norme de x). Dans la nouvelle base, l energie minimale de 1 eme commande n ecessaire pour atteindre ei = [0, ..., 0, 1, 0, ..., 0] est donn ee par d . Si d est nul, la i ` compoi i sante de l etat nest pas commandable ( energie innie) en n coups. D appara t donc, dans la nouvelle base, comme la matrice de pond eration dun crit` ere d energie de commande (en partant de z ero). Si lon ne sint eresse pas a ` la commande en n coups mais en un nombre inni de coups, lon peut d enir : Wc = lim Wc (n)
n
(F.2)
qui est dit grammien de commandabilit e. Or, Wc (n + 1) = AWc (n)A + BB , ce qui donne, a ` linni, l equation de Lyapunov : Wc = AWc A + BB Dans le cas des syst` emes continus, lon ne peut donner de signication physique aussi claire a ` la matrice de commandabilit e mais Wc (n) a pour e quivalent le grammien transitoire de commandabilit e sur un horizon :
Wc ( )
=
0
eAt BB T eA t dt
Sur un horizon de temps inni, lon obtient le grammien de commandabilit e W c (6.8) v eriant (6.10). Remarque F.1 Rappel : pour traiter le grammien dobservabilit e, lon raisonne par dualit e.
RT = {T 1AT , T 1 B , CT }
e et dobservabilit e sur un et, si lon d enit respectivement Qc et Qo comme les matrices de commandabilit horizon de temps ou d echantillons inni, c.-` a-d., Qc = lim B AB . . . Ak1 B
k
alors il vient
Q o Q c
lim
AC
. . . (A )k1 C
T 1
T 1 Qc
et Qo
T 1
Qo T.
132
T 1 Wc T T T T Wo T.
T 1
(T 1 Wc T T )(T T Wo T )
T 1
Wc Wo
T 1 Wc Wo T
Le produit des grammiens est transform e en une matrice semblable, donc ses valeurs propres sont conserv ees. QED. La d emonstration dans le cas continu est quelque peu diff erente. Soit toujours la matrice de changement de base T . Il vient : Wc et Wo
T 1 0 T 1
T 1 eA T T 1BB (T )1 T eA (T )1 d = T 1 Wc (T )1 .
0
T eA (T )1 T C CT T 1eA T d = T Wo T.
133
134
Annexe G
Le premi` ere ligne avec le prompt >> correspond a ` linstruction et les autres correspondent au r esultat afch e par M ATLAB. La variables v est alors enregistr ee dans lenvironnement et disponible a ` tout moment. La liste des variables actives est donn ee par linstruction who. Un vecteur colonne peut e tre g en er e de deux fac ons : >> v=[1;2;3] v = 1 2 3 135
>> v=[1 2 3]; La premi` ere instruction fait appara tre un point virgule entre les composantes pour indiquer un changement de ligne dans une matrice. Lautre utilise lop erateur de transposition conjugaison sur lequel lon reviendra plus loin. Le second r esultat (identique au premier) nest pas afch e par M ATLAB comme le stipule le point virgule en n dinstruction. Les composantes dun vecteur ou dune matrices peuvent e tre complexes. Ainsi les variables i ou j sont-elles pr ed enies dans M ATLAB et e gales a ` lunit e imaginaire. Il importe donc de ne pas les e craser en red enissant des variables avec le m eme identicateur. Lon dispose dun op erateur de conjugaison >> v=[1 1+i]; >> conj(v) ans = 1.0000 1.0000 - 1.0000i
et de lop erateur de transposition conjugaison >> v ans = 1.0000 1.0000 - 1.0000i Le caract` ere entra ne donc la conjugaison des e ventuelles composantes complexes et une simple transposition doit se faire en associant conj et . Pour les matrices r eelles, il ny a pas de diff erence entre lop erateur et la transposition simple. Voici comment saisir une matrice r eelle et la transposer : >> M=[1 2;3 4] M = 1 3 >> M ans = 1 2 3 4 2 4
Certaines matrices particuli` eres peuvent e tre saisies par des fonctions sp eciale telles que >> I2=eye(2) I2 = 1 0 0 1
ans = 0 0 0 0 0 0
eye permet de construire une matrice identit e, zeros une matrice nulle et ones une matrice emplie de composantes unitaires. De m eme, il est facile dextraire des sous-matrices : >> I2(:,2) ans = 0 1 >> I2(2,2) ans = 1 >> M(1:2,2) ans = 2 4 Entre parenth` eses apparaissent les lignes et les colonnes conserv ees. Les deux points seuls indiquent que toutes les lignes ou toutes le colonnes de la matrice sont prises en compte. x :y correspond aux lignes ou colonnes de x a ` y. M ATLAB propose e videmment quantit e de fonctions danalyse matricielle parmi lesquelles rank et det qui permettent de calculer le rang ou le d eterminant dune matrice : >> rank(M) ans = 2 >> det(M) ans = -2 137
Lon peut bien s ur calculer la somme de deux matrices (ou plus) ou m eme le produit : >> M+M ans = 2 6 >> M*M ans = 7 15 10 22 4 8
ce qui conduit a ` la possibilit e de d enir les puissances de matrices : >> M=M2 ans = 7 15 10 22
Lexposant qui suit lop erateur peut e tre non entier de sorte que (1/2) correspond a ` la racine carr ee matricielle. Il existe aussi la fonction exp qui calcule lexponentielle dune matrice. Pour calculer linverse dune matrice, lon utilise la fonction inv : >> inv(M) ans = -2.0000 1.5000 1.0000 -0.5000
Les valeurs propres sont disponibles ainsi : >> L=eig(M) L = -0.3723 5.3723 Mais lon peut aussi obtenir une matrice modale : >> [V,L]=eig(M) V =
138
-0.8246 0.5658
-0.4160 -0.9094
L = -0.3723 0 0 5.3723
Enn, pour tester le d enition en signe dune matrice Hermitienne, lon peut tester le signe de ses valeurs propres : >> Z=M*M; >> eig(Z) ans = 0.1339 29.8661 Dans le cas de Z, elles sont positives donc la matrice est d enie positive, ce qui est e vident e tant donn ee la mani` ere dont Z est construite. ` toute fonction M ATLAB est associ Remarque G.1 A ee une aide en ligne obtenue gra ce a ` linstruction help. Exemple : >> help lsim
Le spectre de la matrice d etat de ce mod` ele dordre 2 est donn e par >> eig(A) ans = -2.0000 + 1.0000i -2.0000 - 1.0000i Lon peut regrouper des quatres matrices en une seule car M ATLAB propose des variables de type syst` eme LTI . sys=ss(A,B,C,D); La fonction inverse qui permet de r ecup erer les matrices a ` partir de la variable sys est : [A,B,C,D]=ssdata(sys); Ensuite, lon peut tout faire a ` laide de cette variable sys. Ainsi, lon peut obtenir la fonction de transfert : 139
Den = [1x3 double] Un syst` eme e tant e ventuellement multivariable, il est possible quil existe plusieurs num erateurs et d enominateurs pour une ce qui est alors une matrice de transfert. Cest pouquoi M ATLAB fournit une cellule de num erateurs et une cellule de d enominateurs. Dans le cas monovariable ci-dessus, les cellules ne contiennent quun e l ement que lon peut extraire. >> Num{1} ans = 0 >> Den{1} ans = 1.0000 4.0000 5.0000 1.0000 -15.0000
Les vecteurs obtenus contiennent les coefcients du num erateur N (p) et du d enominateur D(p) de la fonction de transfert G(p) dans lordre des puissances d ecroissantes cest-` a-dire que lon obtient en fait : G(p) = Lon peut aussi appliquer linstruction >> [Num,Den]=ss2tf(A,B,C,D); si la fonction sys na pas e t e utilis ee au p ealable. Le passage inverse est possible : >> [A,B,C,D]=tf2ss(N{1},D{1}) A = -4.0000 1.0000 -5.0000 0 p 15 . p2 + 4p + 5
B = 1 0
140
C = 1.0000 D = 0 et la r ealisation fournie est de type compagne. Les instructions >> roots(Num{1}) ans = 15.0000 >> roots(Den{1}) ans = -2.0000 + 1.0000i -2.0000 - 1.0000i -15.0000
permettent respectivement de calculer les racines de N (p) et D(p), cest-` a-dire les z eros et les p oles de la fonction de transfert. Le syst` eme est donc asymptotiquement stable et lon peut le v erier par r esolution de l equation de Lyapunov avec Q = I2 : >> Q=eye(2); >> P=lyap(A,Q) P = 0.7500 -0.5000 >> eig(P) ans = 0.1401 1.1599 La derni` ere instruction permet de v erier que les valeurs propres de la matrice de Lyapunov P sont positives et donc que cette matrice est d enie positive. Les r eponses impulsionnelles se tracent gr ace aux fonctions impulse et step : >> impulse(sys) >> step(sys) Les r esultats sont donn es par les gures G.1 et G.2 Il est possible dajouter une grille a ` une gure avec la fonction grid, de modier les e chelles gr ace a ` la fonction axis, de tracer plusieurs courbes sur une m eme gure gr ace a ` hold on et hold off. L editeur de gures permet de nombreuses modications de l egendes, etc et lon peut cliquer sur toute courbe pour conna tre les coordonn ees du point indiqu e. 141 -0.5000 0.5500
Impulse Response 1
0.5
0.5
Amplitude
1.5
2.5
0.5
2.5
0.5
Amplitude
1.5
2.5
3.5
0.5
2.5
F IG . G.2 R eponse indicielles a ` conditions initiales nulles Il est e galement possible de tracer une r eponse a ` une condition initiale (xinitial) ou encore la r eponse a ` nimporte quelle entr ee construite sous forme de vecteur (lsim). La r eponse harmonique est e galement trac able dans ses repr esentations graphiques classiques : >> >> >> >> >> >> bode(sys) grid nyquist(sys) grid nichols(sys) grid
Bode Diagram 10
10
20
30
40 180 135 90 45 0 45 90 10
1
10
10 Frequency (rad/sec)
10
F IG . G.3 Diagramme de Bode Lon note que le diagramme de Black, dont la paternit e est parfois aussi attribu ee a ` Nichols est correspond a ` la fonction nichols sous M ATLAB. Il est par ailleurs possible de conna tre les marges de gain, de phase, et les pulsations associ ees : >> [Gm,Pm,Wcg,Wcp] = margin(sys) 142
Nyquist Diagram 0 dB 2 dB
2 dB
1.5
4 dB 1 6 dB 0.5 10 dB 20 dB 0 10 dB 20 dB 6 dB
4 dB
Imaginary Axis
0.5
1.5
2.5
1.5
1 Real Axis
0.5
0.5
10
3 dB 6 dB 3 dB 6 dB
10
12 dB
20
20 dB
30
40
40 dB
50
60 180
Pm = -129.4032
Wcg = 0
Wcp = 3.4438 Dans lodre, sont obtenus la marge de gain, celle de phase et les pulsations auxquelles elles peuvent respectivement e tre mesur ees. Des marges innies ou des syst` emes instables en boucle ferm ee (comme celui-ci) peuvent g en erer des messages davertissement. Si lon sint eresse a ` la commandabilit e et a ` lobservabilit e du syst` eme, lon peut tester ces derni` eres a ` laide des crit` eres de Kalman : >> Qc=ctrb(sys) 143
Qc = 1 1 -19 10
>> rank(Qo) ans = 2 Les matrices de commandabilit e et dobservabilit e Qc et Qo sont construites ci-dessus et lon v erie quelles sont de rang plein pour attester des propri et es. Lon peut aussi passer par les grammiens de commandabilit e W c et dobservabilit e Wo si le syst` eme est asymptotiquement stable. Ces derniers sont les solutions dune e quation de Lyapunov mais plut ot que dutiliser lyap, lon peut utiliser directement la fonction gram : >> Wc=gram(sys,c) Wc = 5.7500 -5.1250 >> eig(Wc) ans = 0.2497 10.5253 >> Wo=gram(sys,o) Wo = 0.7500 1.2500 >> eig(Wo) ans = 144 1.2500 2.5000 -5.1250 5.0250
0.0992 3.1508 Il convient ensuite de v erier le signe des valeurs propres de ces deux grammiens. Ils sont ici d enis positifs donc le syst` eme est commandable et observable. Remarque G.2 La fonction minreal permet de r eduire une r ealisation a a-dire ` une forme minimale cest-` compl` etement commandable et observable (au cas ou ej` a). ` elle ne le serait d Il existe au moins deux possibilit es pour placer les p oles du syst` eme. La fonction place est une fonction e crite pour les syst` emes multivariables pour lesquels la solution du probl` eme de placement de p oles nest pas unique. Elle a des avantages quil nest pas facile dexpliquer ici mais pour le cas monovariable elle pr esente linconv enient de ne placer que des p oles disctincts. Ainsi peut-on sen servir pour placer les p oles 5 et 4 et v erier a posteriori que le placement est effectu e: >> K=place(A,B,[-5 -4]) K = 5.0000 >> Af=A-B*K; >> eig(Af) ans = -5.0000 -4.0000 En revanche la fonction Acker qui repose sur la formule dAckerman (cf. Annexe C), m eme si elle ne pr esente pas les m emes avantages en multivariable, permet de lever lhypoth` ese des p oles distincts. >> K=acker(A,B,[-5 -5]) K = 6.0000 >> Af=A-B*K; >> eig(Af) ans = -5 -5 Remarque G.3 Attention ! les fonctions place et acker envisagent une loi de commande u(t) = Kx(t), cest pourquoi, dans les instructions ci-avant, lon v erie le spectre de Af = A BK . Remarque G.4 Il est a e S IMU ` noter que M ATLAB propose un outil de simulation avec interface graphique appel LINK qui permet entre autres de construire des sch ema-blocs et de simuler le comportement des mod` eles associ es, M ATLAB restant le noyau de calcul. 20.0000 15.0000
145
b = x1 x2 u1 0.2838 0.4323
c = y1 x1 1 x2 0
d = y1 u1 0
Sampling time: 1 Discrete-time model. La variable sys contient les informations sur le syst` eme obtenu a ` partir du syst` eme continu sysc par e chantillonnage a ` T = 1s. Largument zoh (Zero-order hold) stipule quun bloqueur dordre z ero est consid er e. Par d efaut, en labsence de cet arguement, cest loption zoh qui est retenue. Toutefois, il existe dautres possibilit es. Les matrices de la r ealisation calcul ee peuvent e tre r ecup er ees comme en continu. >> [A,B,C,D]=ssdata(sys) A = 1.0000 0 0.4323 0.1353
B = 0.2838 0.4323
C = 146
D = 0
De plus, il est possible dutiliser la fonction r eciproque d2c pour retrouver le mod` ele continu : >> sysc=d2c(sys) a = x1 x2 x1 0 0 x2 1 -2
b = x1 x2 u1 0 1
c = y1 x1 1 x2 0
d = y1 u1 0
En ce qui concerne le trac e des r eponses, linstruction dimpulse permet de tracer la r eponse impulsionnelle du syst` eme discret. Ainsi lex ecution de >> dimpulse(A,B,C,D) conduit, pour le syst` eme construit plus haut, a ` la gure G.6, mais cette m eme r eponse est aussi obtenue par >> impulse(sys) En effet, la variable sys contient linformation selon laquelle il sagit dun mod` ele discret. Lon peut noter que la r eponse est en escalier mais il est possible de faire appara tre plus clairement les e chantillons gr ace a ` (voir gure G.7) : >> impulse(sys,.) De m eme lon peut utiliser indiff eremment >> dstep(A,B,C,D) ou >> step(sys) 147
0.6
0.5
0.4
Amplitude
0.3 0.2 0.1 0 0
10
15
20
25 Time (sec)
30
35
40
45
50
0.6
0.5
0.4
Amplitude
0.3 0.2 0.1 0 0
10
15
20
25 Time (sec)
30
35
40
45
50
F IG . G.7 R eponse impulsionnelle discr` ete sans effet descalier pour obtenir la r eponse indicielle du syst` eme (gure G.8). Lon peut voir que la r eponse indicielle diverge puisque le mod` ele continu contient un int egrateur. Les instructions dinitial, initial, dlsim, lsim permettent de tracer des r eponses a ` des conditions intiales ou a ` des signaux de commande sp eci es par lutilisateur. Enn, il existe les fonctions dlyap et dgram qui permettent respectivement de r esoudre une e quation de Lyapunov discr` ete et de calculer un grammien discret, a ` lexemple de ce qui peut se faire en continu.
Step Response 25
20
15
Amplitude
10 5 0 0
10
15
20
25 Time (sec)
30
35
40
45
50
Annexe H
Biographies
Sont pr esent ees ici de br` eves biographies de deux scientiques dont les travaux apparaissent comme essentiels aux d eveloppements de lapproche temporelle de type espace d etat en Automatique. Le premier, Alexandr Lyapunov, na pas a ` proprement parler contribu ea ` l elaboration des repr esentations d etat ` ` me et XXe me si` mais son travail a ` la charni` ere des XIXe ecles fut un r eservoir extra-ordinaire pour les multiples d eveloppements dans lespace d etat. Ce r eservoir nest sans doute pas encore e puis e aujourdhui. Le second, Rudolf Kalman, est quant a ` lui celui qui peut sans doute e tre consid er e comme le p` ere de la repr esentation d etat lin eaire. Il a su non seulement jet e les id ees fondamentales mais aussi contribu e de mani` ere intensive aux d eveloppements relatifs aux syst` emes lin eaires.
Sa vie
Alexandr Mikha lovich Lyapunov na t a ` Iaroslav (Empire russe) le 6 juin 1857 o` u son p` ere dirige un lyc ee. Ce dernier d ec` ede en 1868 ce qui contraint, en 1870, Madame Lyapunov-M` ere, accompagn ee de ses trois enfants, a ` d em enager vers Nizhny-Novgorod (anciennment Gorki). Cest dans cette ville quAlexandr suit sa scolarit e pour obtenir brillamment l equivalent du baccalur eat (on lui attribue une m edaille dor). Il e tudie alors les 149
Alexandr Lyapunov
math ematiques a ` luniversit e de Saint-Petersbourg o` u il simpr` egne des cours du Professeur P. L. Chebyshev. dipl om e en 1880, empochant au passage une nouvelle m edaille dor, il pousuit des e tudes a ` la facult e de M ecanique. Il y soutient, en 1884, sa th` ese sur la stabili e des formes ellipso dales d etats d equilibre des uides en rotation (traduite en Franc ais en 1904). Lann ee 1885 est marqu ee deux e v enements : il se marie avec sa cousine au premier degr e, Natalia Rafailovna Sechenova et est nomm e privat-dozent au d epartement de M ecanique de lUniversit e de Kharkov. Si de 1885 a ` 1888, Lyapunov consacre surtout son temps a ` l elaboration de ses enseignements, de 1888 a ` 1892, il travaille sur son sujet de pr edilection : la stabilit e du mouvement. Ce travail aboutit en 1892 a ` sa c el` ebre th` ese 1 : Probl` eme g en eral de la stabilit e du mouvement. Il d efend ainsi, a ` Moscou, son point de vue en pr esence de N. E. Joukowski, consid er e comme le p` ere de laviation russe, ce qui lui vaut un poste de professeur a ` Kharkov. Cette fameuse th` ese fut traduite en Franc ais (en 1907 a ` Universit e de Toulouse puis en 1949) mais seulement un si` ecle plus tard (1992) en Anglais. Parall` element a ` ses activit es principales, Lyapunov sint eresse a ` la th eorie des potentiels, aux probabilit es (th eor` eme central-limite de Laplace) et il devient membre de la Soci et e Math ematique de Kharkov. Suite a ` la mort de Chebyshev en 1894, Lyapunov lui succ` ede en 1902 en tant qu Academicien a ` lUniversit e de Saint-Petersbourg. Il e tudie alors le probl` eme des formes d equilibre des corps constitu es de particules de uide en rotation sous leffet dune attraction gravitationnelle newtonienne mutuelle. Il d emontre par exemple que pour les uides dits en forme de poire , les e tats d equilibre sont instables, contredisant ainsi une th eorie dastronomie en vogue a ` l epoque, en particulier un mod` ele de H. G. Darwin, ls du c el` ebre naturaliste. En juin 1917, la famille Lyapunov d em enage a ` Odessa, pour raisons de sant e. La femme de Lyapunov est tuberculeuse et lui-m eme craint la c ecit e. Le 31 octobre 1918, son e pouse d ec` ede. Tr` es affect e par ce drame mais aussi par lincendie, d eclench e par les r evolutionnaires bolch eviques, qui ravage la biblioth` eque familiale que son grand-p` ere puis son p` ere avaient constitu ee sur les bords de la Volga, Lyapunov, d epressif, se suicide le jour-m eme a ` laide dun pistolet. Il ne meurt que le 3 juin 1918.
semblerait que cette th` ese soit plus ` a comparer ` a ce qui etait appel e, auparavant en France, une th` ese d etat
150
Rudolf Kalman
ou dun obus, r esultats qui ne sont pas sans cons equence. De m eme, A. I. Lure et A. M. Letov montrent, respectivment en 1957 et 1961, lapplicabilit e de la m ethode directe a ` certains probl` emes de commande des mod` eles non lin eaires. Comme il a e t e mentionn e dans le paragraphe 3.3, Les Russes parviennent a ` mettre Spoutnik en orbite en 1957, les travaux de Lyapunov, Chetayev, Malkin et autres n etant pas e trangers a ` cette r eussite (cest un euph emisme). Cest pourquoi le professeur Solomon Lefschetz d ecide de cr eer au USA un groupe de recherche charg e de promouvoir en occident la th eorie de Lyapunov, groupe parmi lequel gurent J.-P. La Salle, R. E. Kalman et J. E. Bertram. D` es lors, lapproche temporelle conna t un regain dint er et. En juin 1960, au premier congr` es IFAC de Moscou, Kalman et Bertram font sensation et tout le monde (... ou presque) souhaite la bienvenue aux repr esentations d etat lin eaires. Au d ebut, lon pense quelles napprtent rien de plus que de simples e quations diff erentielles mais lutilisation des outils de lalg` ebre lin eaire va montrer la pertinence de loutil et engendrer l automatique moderne . Cest a ` partir de ce moment que lon sint eresse a ` nouveau au plan de phase (espace d etat) donc aux travaux de Lyapunov. En 1964, P. C. Parks retrouve, dans lespace d etat, les r esultats de Routh-Hurwitz. Lon applique la seconde m ethode de Lyapunov aux syst` emes lin eaires a ` temps continu donnant naissance a ` ce que lon appelle l equation de Lyapunov (A P + P A = Q) et son e quivalent en temps discret (P + A P A = Q) d ej` a d etermin ee par Stein en 1952. Elle permet aussi l etablissement de crit` eres de stabilit e (m eme en non lin eaire) tels celui de Popov ou celui du cercle (contributions de Popov, Kalman, Brockett). Les autres d eveloppements cons equents de la seconde m ethode sont nombreux : e tude des syst` emes dissipatifs, commande optimale et tous les probl` emes de type Riccati (commande H 2 , H , optimisation mixte), probl` eme dencloisonnement des p oles ( equations de Lyapunov g en eralis ees (A. G. Mazko en 1980, S. Gutman et E. I. Jury en 1979 et 1981), un pan entier de la commane robuste, certaines approches d etude des syst` emes non-lin eaires (techniques de mode de glissement), syst` emes a ` param` etres r epartis ou r eseaux de neurones, etc. Encore de nos jous, des conf erences sont int egralement d edi ees aux applications des travaux de Lyapunov (exemple : Irkoutsk, 1995) et susceptibles dint eresser les math ematiciens, les physiciens, les m ecaniciens, les automaticiens et tant dautres.
Rudolf E. Kalman est n ea ` Budapest le 19 mai 1930. Il d ecide de suivre les traces de son p` ere, ing enieur e lectricien. Il e migre aux USA puis obtient son baccalaur eat. Il rec oit du MIT (Massachusetts Institute of Technology) son master en g enie e lectrique en 1954. Il quitte le MIT pour continuer ses e tudes a ` lUniversit e de Colombia o` u il acc` ede au doctorat es sciences en 1957, sous la direction du professeur John R. Ragazzini. 151
Rudolf Kalman
Ses e tudes au MIT et a ` Colombia d emontrent tr` es t ot son int er et pour la th eorie des syst` emes et lAutomatique. Ses premi` eres recherches sur la notion de variable d etat sont a ` la fois tr` es avanc ees sur le plan math ematique mais e galement motiv ees par un vrai souci de r esoudre des probl` emes pratiques. En 1957 et 1958, Kalman est employ e comme ing enieur dans un laboratoire de recherche dIBM a ` Poughkeepsie, e tat de New York. Pendant cette p eriode, il contribue activement a ` la recherche dans la conception de lois de commande pour les syst` emes e chantillon es, par lutilisation de crit` eres quadratiques caract erisant les performances de ces derniers. Il exploite aussi la th eorie de Lyapunov pour lanalyse et la commande des syst` emes en g en eral. Il comprend d` es cette e poque la pertinence de loutil num erique pour la commande des syst` emes a ` large e chelle. En 1958, Kalman rejoint le RIAS (Research Institute for Advanced Study), e quipe de recherche cr ee par le professeur Solomon Lefschetz (1884-1972) avec comme but, entre autres, de promouvoir davantage la th eotie de Lyapunov en occident. Il y d ebute en tant que chercheur en math ematiques et est vite promu Directeur Associ e de Recherche. Cest durant cette p eriode (1958-1964) quil r ealise ses contributions les plus signicatives pour lautomatique moderne. Ses conf erences et publications sont symptomatiques de son incroyable cr eativit e et de sa volont e d etablir une th eorie uni ee de lautomatique. Larticle co- ecrit avec J. E. Bertram ou la repr esentation d etat lin eaire est rigoureusement introduite fait sensation lors de sa pr esentation au premier congr` es IFAC (International Federation of Automatic Control) a ` Moscou en 1960. Sa recherche concernant des concepts aujourdhui essentiels tels que la commandabilit e et lobservabilit e permet de consolider les bases th eoriques de ling eni erie des syst` emes. Il unie les outils danalyse et de conception de lois commande des syst` emes minimisant un crit` ere quadratique et ce, en temps continu comme en temps discret. Il r ealise un travail crucial pour lexploitation des r esultats du math ematicien Constantin Carath eodory (1873-1950) en commande optimale, pour la clarication des connexions entre le principe du maximum de Semenovich Pontryagin (1908-1988) et l equation dHamiltonJacobi-Bellman, de m eme que pour le calcul variationnel en g en eral. Non seulement sa recherche met laccent sur les aspects de math ematiques g en erales mais elle inclut aussi des aspects tr` es pratiques comme la prise en compte dun ordinateur comme partie int egrante du syst` eme pour implanter la loi de commande. Cest aussi au cours de son s ejour au sein du RIAS que Kalman d eveloppe ce qui est peut- etre sa contribution la plus c el` ebre, le ltre de Kalman (grossi` erement, ce ltre permet de reconstruire l etat du syst` eme en pr esence de bruit). Il obtient des r esultats relatifs a ` la version discr` ete de ce probl` eme vers la n de 1958 et au d ebut de 1959. Sa solution au probl` eme discret lam` ene naturellement a ` une solution en temps continu quil d eveloppe en 1960-61 en collaboration avec Richard S. Bucy, inventant ainsi le ltre de Kalman-Bucy . Il transpose les travaux fondamentaux en ltrage de Norbert Wiener (1894-1964), Andrey N. Kolmogorov (1903-1987), Hendrick W. Bode (1905-1982), Claude E. Shannon (1916-2001), V. S. Pugachev ( ?) et bien dautres dans lespace d etat. Le ltre de Kalman et ses extensions aux probl` emes non lin eaires constituent peut- etre loutil le plus appliqu e de lautomatique moderne. Il est en effet utilis e en navigation spatiale (par exemple, sur les engins Apollo ), sur les radars, pour la commande de divers proc ed es et m eme sur des mod` eles socio- economiques. Sa popularit e est due a ` la prise en compte des aspects num eriques tant dans la conception que dans limplantation elle m eme. Dun point de vue strictement th eorique, ce ltre e tablit un lien entre ltrage et commande et met en lumi` ere la dualit e des deux probl` emes. En 1964, Kalman vient travailler au D epartement de G enie Electrique, M ecanique et Recherche Op erationnelle de lUniversit e de Stanford. Il sy int eresse a ` la th eorie des r ealisations et la th eorie alg ebrique des syst` emes. Une fois encore, sa contribution est signicative et il ouvre de nouvelles perspectives de recherche. En 1971, Kalman est nomm e graduate research professor de lUniversit e de Floride a ` Gainsville. Il devient directeur du centre de Th eorie Math ematique des Syst` emes. Ses activit es de recherche et denseignement sont li ees aux d epartements de g enie e lectrique, de math ematiques et ding eni erie pour lindustrie. Il intervient aussi comme consultant en recherche pour lEcole des Mines de Paris. Kalman ne modie pas seulement la vision scientique de lautomatique moderne mais il contribue aussi fortement a ` promouvoir lapplication des th eories associ ees. Sa personnalit e charismatique et ses nombreux cours,
152
Rudolf Kalman
expos es, tant a ` lUniversit e que dans le monde industriel, attirent un nombre incalculable de chercheurs qui sont grandement inuenc es par sa conception de lAutomatique. Il agit comme un catalyseur pour un e change international did ees. Kalman publie plus de cinquante articles techniques en revues de haut niveau. En 1962, il est e lu jeune e minent chercheur de lann ee par lAcad emie des Sciences du Maryland. Il devient membre IEEE en 1964 et est par ailleurs membre de plusieurs autres associations professionnelles ou savantes. Il est co-auteur de louvrage Topic in Mathematical System Theory, Mc Graw-Hill, 1969. Il rec oit la m edaille dhonneur IEEE en 1974 pour ses travaux pioniers sur les m ethodes modernes en th eorie des syst` emes, incluant les concepts de commandabilit e, observabilit e, ltrage et structures alg ebriques .
153
Rudolf Kalman
154
Bibliographie
[1] K. Ogata. Modern control engineering - Fourth edition. Prentice Hall International Editions, 2001. [2] K. Ogata. System dynamics - Third edition. Prentice Hall International Editions, 1994. [3] K. Ogata. Discrete-time control systems- Second edition. Prentice Hall International Editions, 1995. [4] B. Pradin. Polycopi e de cours dAutomatique : Automatique : Notes de cours - Exercices . INSA de Toulouse, 3` eme ann ee sp ecialit e AEI. 1992 [5] B. Pradin. Polycopi e de cours dAutomatique : Automatique lin eaire - Syst` emes a ` temps discret . INSA de Toulouse, 4` eme ann ee sp ecialit e AEI. Edition 1995. [6] B. Pradin. Polycopi e de cours dAutomatique : Automatique lin eaire . INSA de Toulouse. D epartement de G enie Electrique. Edition 2005. [7] Ph. de Larminat. Automatique : Commande des syst` emes lin eaires. Editions Hermes, 1993. [8] A. Rachid and D. Mehdi. R ealisation, r eduction et commande des syst` emes lin eaires. ScientikA, 1993. [9] G. F. Franklin, J. D. Powell and A. Emami-Naeini. Feedback Control of Dynamic Systems. Addison-Wesly Publishing Company, Inc., New York 1994. [10] E. I. Jury et S. M. Ahn. Remarks on the root-clustering of a polynomial in a certain region in the complex plane. Quaterly of Applied Mathematics, pages 203-205, juillet 1974. [11] J. L. Howland. Matrix equations and the separation of matrix eigenvalues. Journal of Mathematical Analysis and Applications, Vol. 33, pages 683-691, 1971. [12] M ATLAB users guide : Getting started with M ATLAB. The Math Works Inc.. Version 6. http : //www.mathworks.com, 2000 [13] P. C. Parks. A. M. Lyapunovs stability theory - 100 years on. IMA journal of Mathematical Control and Information, 1992, vol. 9, p 275-303. [14] IEEE Center History - Legacies Rudolf E. Kalman. http : //www.ieee.org/organizations/history center/legacies/kalman.html.
155