Vous êtes sur la page 1sur 85
Electronique, Robotique et Informatique Industrielle 4 è m e Année A A u u t

Electronique, Robotique et Informatique Industrielle 4 ème Année

AAuuttoommaattiiqquuee ddeess ssyyssttèèmmeess nnoonn lliinnééaaiirreess

André CROSNIER

LIRMM - 04 67 41 86 37 crosnier@lirmm.fr

2

Chapitre 1 Introduction

Objectifs du cours

Modélisation et analyse des systèmes non linéaires

Introduction à la commande non linéaire

Commande (linéaire ou non linéaire) Système non linéaire
Commande
(linéaire ou non
linéaire)
Système non
linéaire

Chapitre 1 : introduction Chapitre 2 : modélisation des systèmes non linéaires Chapitre 3 : analyse des systèmes non linéaires Chapitre 4 : introduction à la commande non linéaire

3

Commande non linéaire (nombreuses recherches…) : pourquoi?

La synthèse de commandes linéaires s’appuie des modèles linéaires. S’il est possible de se ramener à des modèles linéaires par linéarisation locale, la robustesse de la commande résulte d’une bonne connaissance des points de fonctionnement.

Les commandes linéaires se révèlent complètement inefficaces face à des systèmes à forte non linéarité.

La synthèse de commande linéaire présuppose une bonne connaissance du modèle. Il est alors difficile de prendre en compte les incertitudes liées au modèle :

o Incertitude liée aux paramètres (changement de valeur) o Incertitude liée à la structure (changement de modèle)

4

La synthèse de commande linéaire n’est pas nécessairement plus simple à mettre en œuvre. L’évolution des technologies constitue un facteur supplémentaire au développement des techniques de commande non linéaire.

Bibliographie

SLOTINE J.J, LI W., « Applied non linear control », Prentice Hall

ISIDORI A., « Non linear Control Systems », Springer

CROSNIER A. et al. « Ingénierie de la commande des systèmes. Techniques de base », Ellipses

BORNE P. et al., «Analyse et régulation des processus industriels », Technip

5

Chapitre 2 Modélisation des systèmes non linéaires

Comportement non linéaire des systèmes

Typologie Intrinsèquement, la plupart des systèmes physiques ont un comportement non linéaire. Les non linéarités peuvent être de nature différentes :

Non linéarité naturelle (systèmes physiques) : ces non linéarités induisent souvent des effets indésirables Non linéarité artificielle (systèmes de commande) : elles sont mises en œuvre dans le but de compenser les effets induits par les non linéarités naturelles

6

Une autre classification des non linéarités repose sur les propriétés mathématiques de la non linéarité : continue ou discontinue.

Exemple :

Tout Ou

Rien

de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec

Hystérésis

de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec

Amplificateur avec seuil

de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec
de la non linéarité : continue ou discontinue. Exemple : Tout Ou Rien Hystérésis Amplificateur avec

7

Définition Il est possible de donner comme définition d’un système non linéaire, tout système ne vérifiant pas les propriétés mathématiques des systèmes linéaires stationnaires (LTI : Linear Time Invariant).

Considérons le système linéaire défini par l’équation d’état :

x = Ax+ Bu

Ce système se caractérise par les propriétés suivantes :

Il possède un point d’équilibre unique solution de l’équation x =0; la

solution générale de l’équation différentielle d’état s’écrit :

At

x t =ex

( )

(0)

(essai de lâcher) Le point d’équilibre est stable si toutes les valeurs propres de A sont à partie réelle négative, et ceci de façon indépendante des conditions initiales

8

Le système vérifie le principe de superposition par rapport à l’entrée de commande u(t). Enfin, si l’entrée est sinusoïdale, la sortie est aussi sinusoïdale à la même fréquence, caractérisant ainsi la propriété de stationnarité du système.

Exemple :

considérons

le

système

l’équation différentielle suivante :

v +

(véhicule vv = u
(véhicule
vv
= u

sous-marin)

caractérisé

par

v est la vitesse du véhicule et u l’entrée de commande (poussée du système de propulsion).

9

Le système ne vérifie pas le principe de superposition (cf. courbe de réponse pour différentes entrées).

6

5

4

3

2

1

0

(2) u(t) v(t) (2) (1) (1) 0 1 2 3 4 5 6 7 8
(2)
u(t)
v(t)
(2)
(1)
(1)
0
1
2
3
4
5
6
7
8
9
10

10

Caractéristiques du comportement des SNL

Points d’équilibre multiple Très souvent, les SNL se caractérisent par plusieurs points d’équilibre.

Exemple : système du 1 er ordre défini par l’équation suivante :

y =−yy+

2

Le

d’équilibre :

système

possède

deux

y =0 et y =1.

points

Avec un état initial

y(0) = y

0

(

y t

) =

y e

0

t

1

y

0

+

y e

0

t

, on a :

.

y = 0 et y = 1 . points Avec un état initial y (0) =

11

Cycles limites

Certains SNL présentent des oscillations d’amplitude et de période constante avec entrée nulle. Ces oscillations sont appelées cycles limites (auto- oscillation).

Exemple : le système décrit par l’équation de Van der Pol :

2

m y + 2c ( y −+=1) y

k y

u

avec m, c et k des constantes positives. Ce système est équivalent par exemple à un circuit RLC avec résistance non linéaire.

12

12 Comparaison SL et SNL : • L’amplitude des oscillations est indépe ndante des conditions initiales,

Comparaison SL et SNL :

L’amplitude des oscillations est indépendante des conditions initiales, ce qui n’est pas le cas des systèmes linéaires

Les cycles limites dans les SNL sont relativement peu sensibles aux variations de paramètres.

13

Bifurcations Quand les paramètres d’un SNL sont modifiés, la stabilité des points d’équilibre est susceptible d’être changée, et le nombre de points d’équilibre peut évoluer. Les valeurs critiques des paramètres induisant ce genre de phénomène sont appelées valeur critique de bifurcation.

Exercice : on considère le système décrit par l’équation de Duffing suivante :

3

y + cy +α y +=y

0

c et α sont 2 paramètres. Etablir la représentation d’état. Déterminer les points d’équilibre du système pour c=1.

Modification du nombre de points d’équilibre en fonction du paramètre α .

Nombre de points d’équilibre : 1 point d’équilibre

= 0

pour α >0, 3

y

e

points

critique de bifurcation.

{0,

}
}

y

e

=

,
,

α −−α

pour α <0. La valeur α =0 est une valeur

14

y

e Stable
e
Stable

Stable

α

Instable

Stable

14 y e Stable Stable α Instable Stable
14 y e Stable Stable α Instable Stable

15

Chaos Le comportement des SNL est très sensible aux variations des conditions initiales. La notion de chaos réside dans le coté non prédictible de la réponse d’un SNL en fonction d’une variation des conditions initiales.

Exemple :

y +0,1yy

+=6sint

5

de la réponse d’un SNL en fonction d’une variation des conditions initiales. Exemple : y +

16

Représentation des SNL sous forme d’état

On considère un SNL d’entrée u(t), d’état x(t) et de sortie y(t).

Représentation d’état sous forme implicite

La représentation d’état sous forme implicite donne l’évolution de l’état du SNL par une équation différentielle d’état de la forme :

x =

f txt, ( ),ut( )

⎥ ⎦

La sortie du système s’exprime en fonction de x(t) et de u(t). On a :

y(t)

= htxt, ( ),ut( )

⎥ ⎦

f et h sont des fonctions vectorielles.

17

Systèmes NL affines

On appelle système non linéaire affine (en état ou en commande) un système dont la représentation d’état prend l’une des formes suivantes :

Affine en état :

Affine en commande

x

y

=

=

Au xt

(

)

()

Cu xt

(

)

()

+

+

Bu

(

Du (

)

)

x

y

=

=

(

Ax

)

(

Cx

)

+

+

Bxut

(

)

()

Dxut

(

)

()

18

Exercice :

on considère le système de régulation de niveau constitué de trois

,

cuves connectées par un réseau de canalisations comprenant 3 vannes ε , 13 ε 32
cuves connectées par un réseau de canalisations comprenant 3 vannes ε ,
13
ε 32
(cf. figure).
ε 20
En fonctionnement normal, le système est
q
caractérisé par les équations suivantes :
q
1
2
h
1
h
2
h
3
α hqq
=
ε
ε
1
1
13
13
32 ε
20
α hqq
=+
q
2
2
32
20
q
13 q
q
32
20
α hq
=
q
3
13
32
avec
=β ε
sign(
hh
) 2
g
h
− h
. Etablir la représentation d’état pour le
q ij
ij
i
j
i
j

vecteur

(

x = hhh

123

)

T . Montrer que le système est affine en commande.

19

Exercice : on considère le système décrit par l’équation différentielle suivante (équation de Van der Pol) :

Etablir

d’équilibre (u = 0).

la

représentation

2

y + 0,2( y 1) yyu

+=

d’état

avec

x

=

⎢ ⎣

y

y

⎥ ⎦

T

et

déterminer

les

points

20

Représentation d’état sous forme explicite

Pour certains SNL, il est possible d’établir l’expression de l’état du système en fonction du temps, de l’état initial et de la commande.

L’expression de l’état met en évidence une fonction appelée fonction de transition d’état définie par :

xt( )

⎥ ⎦

tt,

,xt( ),u(τ ) avecτ

00

⎡⎤

⎢⎥

⎢⎥

⎣⎦

t ,t

0

La sortie du système s’exprime par une fonction de mesure de la forme suivante :

y(t)

txt, ( ),ut( )

⎥ ⎦

21

Linéarisation autour d’un point de fonctionnement

La représentation d’état traduit à tout instant l’évolution de l’état et de la mesure autour d’un point de fonctionnement ( x, u), ou plus généralement autour d’un point de consigne nominale.

La linéarisation a pour objectif de déterminer une description linéaire du système autour d’un point ( x, u) en utilisant un modèle du plan tangent.

Pour cela on pose : xx=

+δ x, uu=

+δ u et yy=

+δ y avec :

x

f txu

d

( ,

=

=+

,

δ

xx

)

x

=

f tx

( ,

+

δ

xu ,

dt

⎟ ⎟ ⎠

+

δ

u

)

22

y

=

ht

( ,

x

,

u

 

yy

=+

δ y

=

) ht ( ,

x

+

δ x

,

u

+

δ u

)

En réalisant un développement au premier ordre des fonctions f et h, lorsque cela est possible, on en déduit :

f tx ( , + δ x , u += δ u ) f (
f tx
( ,
+
δ
x
,
u
+=
δ
u
)
f
( ,
t
x
,
u
)
+
F
( ,
t
xu
,
)
δδ
x
+
F
( ,
t
xu
,
)
u
x
u
h
( ,
t
x
+
δ
x
,
u
+=
δ
u
)
h
( ,
t
x
,
u
)
+
H
( ,
t
xu
,
)
δδ
x
+
H
( ,
t
x
,
u
)
u
x
u
= ⎢
∂ f
∂ f
h
∂ h
F
i
, F
=
, H
i
= ⎢
i
et
H
= ⎢
i
représentent
les
matrices
x
u
x
u
∂ x
∂ u
∂ x
∂ u
j
j
⎦ ⎥
j ⎦ ⎥
⎣ ⎢
⎥ ⎦
j ⎦ ⎥

jacobiennes des dérivées partielles de f et h respectivement par rapport à x et

u.

23

On obtient un système linéaire caractérisé par le vecteur d’état δ x , le vecteur de commande δ u et le vecteur de sortie δ y.

Lorsque f et h ne dépendent pas explicitement du temps, le modèle linéarisé est stationnaire et il est défini par les équations d’état suivantes :

d

δ

(

x

)

=

F

(

xu ,

)

δ

x

+

F

(

xu ,

)

δ

u

dt

δ

y

=

H

x

(

x

xu ,

)

δ

x

+

H

u

(

u

xu ,

)

δ

u

24

Exercice : 1 1 ⎛ ⎞ x = u −= y β ⎜ u −
Exercice :
1
1
x =
u
−=
y
β
u
2gx
= f (x,u)
α
α
⎛ ⎜ ⎝
⎞ ⎟ ⎠
⎠ ⎟
y = β
2gx = h (x,u)
(Loi de Bernouilli)

g désigne l’accélération de la pesanteur.

x

où g désigne l’accélération de la pesanteur. x u y Etablir l’expression du modèle linéarisé pour
u
u

y

Etablir l’expression du modèle linéarisé pour le(s)

point(s) de fonctionnement défini(s) par x

= 0.

25

Exercice : on considère le système décrit par les équations suivantes :

x

f (,)

x u

=

x

=

121

x

2

=−

0,2(

2

x

1

1)

x

+

xu

21

= f

2

(

x , u

)

Etablir l’expression du modèle linéarisé autour d’un point ( x, u).

Exercice :

On considère le système décrit par l’équation suivante :

3

+α yy+=0

+

yy

T

avec α et

l’expression du modèle linéarisé autour de ces points et discuter de la stabilité locale.

⎢ ⎣

y

y

⎥ ⎦

. Déterminer les points d’équilibre du système. Etablir

x

=

26

Simulation numérique (MATLAB/SIMULINK)

26 Simulation numérique (MATLAB/SIMULINK) x = f ( x , u ) y = h (

x

= f (x,u)

y =h(x,u)

MATLAB 1 Function s
MATLAB
1
Function
s
x = f ( x , u ) y = h ( x , u )

f Integrator

1
1

u

MATLAB

Function

MATLAB Function
MATLAB Function
MATLAB Function
MATLAB Function

h

1
1

y

Ecrire dans deux fichiers M-file la description des fonctions f et h.

27

Chapitre 3 Analyse des systèmes non linéaires

Objectifs

Analyse du comportement des systèmes non linéaires, en particulier au voisinage des points d’équilibre.

Etude de la stabilité : locale ou globale

Outils :

Plan de phase

Théorie de Lyapunov

28

Plan de phase

Introduction

Outil graphique qui permet une analyse du comportement des systèmes du second ordre en régime libre (u = 0)

Représenter dans l’espace d’état du système du 2 nd ordre, les trajectoires obtenues pour différentes conditions initiales et analyser d’un point de vue qualitatif les caractéristiques de ces trajectoires.

Propriétés de la méthode :

La méthode de construction du plan ne nécessite pas nécessairement la résolution analytique des équations différentielles d’état.

La méthode s’applique à tous les types de non linéarités.

Pour de nombreux systèmes non linéaires, il est possible d’établir un modèle approximatif du second ordre, et la méthode du plan de phase constitue une approche intéressante pour leur analyse.

29

L’extension de l’approche à des systèmes d’ordre supérieure à 2 se révèle très complexe à mettre en œuvre à la fois sur le plan du calcul et de la géométrie.

Concepts de base

Trajectoires

La méthode du plan de phase s’appuie sur un modèle implicite du second ordre caractérisé par les équations suivantes :

x 1

x 2

112

212

= f

(,

xx

)

= f

(,

xx

)

fonctions scalaires non linéaires des variables d’état.

x

1

et

x

2

désignent les variables d’état du système,

f

1

et

f

2

sont des

30

x Pour un état initial x(0)= x , il est 2 0 possible de représenter
x
Pour
un
état
initial
x(0)= x ,
il
est
2
0
possible
de
représenter
graphiquement
dans
le
plan
(
x ,
x
),
la
solution
1
2
x
( )
t
x 1 x t
(
) =
1
pour
t
0
+∞
.
La
x
( )
t
⎥ ⎦
2
x
⎟ ⎟ ⎠
0
v(0) = x (0)
courbe obtenue est appelée trajectoire
de phase. En chaque point de la
trajectoire, la vitesse est définie par :

()

vt

= xt

() =

f

1

(,

x

1

x

2

)

f

2

(,

x

1

x

2

)

⎠ ⎟

.

31

Exemple simple : considérons le système masse-ressort défini par l’équation différentielle suivante :

y + y=0

Solution générale pour la condition initiale

y

On obtient un cercle dans le plan de phase dont le rayon est fonction de la condition initiale.

et

y(t) = y cost = x

0

1

y

0

:

(t) =− y sin t = x

0

2

32

Points singuliers

Un point singulier est un point d’équilibre dans le plan de phase. Il est donc défini par le système d’équations suivant :

0

x = ⇔

f

(,

xx

112

)0

=

f

(,

xx

212

)0

=

Une autre interprétation des points singuliers peut être donnée en analysant la

tangente à la trajectoire de phase qui est définie au point (

rapport :

x ) par le

x ,

1

2

dx

2

=

f

(,

x

x

212

)

dx

1

f

(,

x

x

112

)

33

Hors des points singuliers, lorsque les fonctions f

1

une valeur unique pour chaque point (

au point (

n’y a pas d’intersection entre les trajectoires obtenues pour différentes conditions initiales.

x ,

1

2

x ,

1

x ) est unique, ce qui signifie qu’il

2

En un point singulier, la tangente à la trajectoire est indéterminée. Il est alors possible d’obtenir plusieurs trajectoires se coupant en ce point.

sont définies par

x ), la tangente à la trajectoire

et f

2

définies par x ), la tangente à la trajectoire et f 2 Exercice : donner l’expression

Exercice : donner l’expression des équations d’état et déterminer les points singuliers du système décrit par l’équation différentielle suivante :

2

y +0,6 y ++=3yy

0

34

Construction du plan de phase

Dans ce cours, on se limite aux deux méthodes classiques :

approche analytique

méthode des isoclines

Méthode analytique

Une première technique consiste par intégration du système d’équations :

x

1

=

f

(,

xx

112

)

x

2

=

f

(,

xx

212

)

à trouver deux solutions fonction du temps

En éliminant ensuite le temps, il est possible d’établir une représentation implicite des trajectoires sous la forme :

x ()t = g ()t et

1

1

xt()= gt().

2

2

(

gx x

1

,

2

,)

c =

0

c est une constante qui dépend des conditions initiales.

35

Une deuxième approche consiste à éliminer la variable temps en calculant le rapport :

dx

2

=

f

(,

x

x

212

)

dx

1

f

(,

x

x

112

)

Puis par intégration, on établit une relation en x et

1

x .

2

Exemple : considérons le système défini par le système d’équations suivant :

x

1

=

x 2

x

2

=−

x 1

(Masse-ressort)

36

Exercice : considérons la commande d’un satellite par un propulseur fournissant un couple constant +U et –U. Le modèle mathématique du satellite s’écrit :

θ

d

θ =u

(moment d’inertie égal à 1)

avec

⎧ − U si θ > 0 ⎪ u t ( ) = ⎪ ⎨
U
si
θ
>
0
u t
( )
=
U
si
θ
<
0
θ
1
1
u
p
p

θ

=

0

⎧ − U si θ > 0 ⎪ u t ( ) = ⎪ ⎨ ⎪

37

Méthode des isoclines

La tangente aux trajectoires de phase est déterminée par l’expression :

dx

2

=

f

(,

x

x

212

)

dx

1

f

(,

x

x

112

)

=⇔λ

λ

f

(,

xx

112

)

f

(,

xx

212

)0

=

On appelle isocline le lieu des points (

constante.

x ,

1

x ) caractérisé par une tangente

2

La construction du plan de phase en s’appuyant sur les isoclines est décomposée en deux étapes :

Construction des courbes isoclines

Construction données

des

trajectoires

de

phase

pour

des

conditions

initiales

38

Exemple : considérons le système masse-ressort défini par :

⎧ ⎪ ⎪ x

1

⎨ ⎪ ⎪ x

⎩ ⎪ 2

= x

2

=− x

1

λ = −1 λ =1 λ = 0 λ = ∞
λ = −1
λ =1
λ = 0
λ = ∞

Exercice : tracer l’allure des trajectoires de phase, pour différentes conditions initiales, obtenues pour le système défini par :

y +2yy

+

=0

39

Exercice : on considère le système défini par :

y + 0,2( y 1) yy

2

+= 0 (Van

der Pol). Donner l’expression des courbes isoclines.

défini par : y + 0,2( y − 1) yy 2 + = 0 (Van der

40

Analyse du plan de phase

Classification des points singuliers

Cas des systèmes linéaires

L’analyse des systèmes linéaires constitue une aide importante dans l’analyse des systèmes non linéaires qui ont un comportement linéaire au voisinage des points d’équilibre.

Considérons un système linéaire du 2 nd ordre qui a pour expression :

x

=

Ax


x

+

bx

=

ax

112

x

+

dx

=

cx

212

Les valeurs propres sont les racines de l’équation caractéristique suivante :

41

det(AλI)=0

ce qui conduit à l’équation suivante :

2

λ

avec α =−+(a

d) et β =ad bc

On pose :

2

∆=α 4β

+αλ +β =0

∆>0 et β >0 :

sont réelles et de même signe. On obtient un nœud

qui peut être stable si les 2 valeurs propres sont à partie réelle négative ou instable si les 2 valeurs propres sont à partie réelle positive. Il y a deux directions propres. La direction de la tangente aux trajectoires de phase est celle qui correspond à la plus petite valeur de λ (en valeur absolue), l’autre valeur correspond à direction asymptotique.

λ 1 et λ

2

42

42 NŒUD
42 NŒUD

NŒUD

43

∆>0 et β <0 :

sont réelles et de signe opposé. Le point singulier

est appelé col et les deux directions propres sont orientées de façon différente.

λ et λ

1

2

singulier est appelé col et les deux directions prop res sont orientées de façon différente. λ

COL

44

∆<0

sont complexes conjuguées ayant une partie réelle non

)<0 ou instable si

Re(λ )<0 et Re(λ )<0. Lorsque la partie réelle est nulle, on obtient un

λ et

1

λ

2

:

nulle : on obtient un foyer stable si

1

2

Re(λ )<0 et Re(λ

1

2

sommet ou centre

un λ et 1 λ 2 : nulle : on obtient un foyer stable si 1

FOYER

45

Classification simplifiée

β

∆ < 0 ∆ = 0 Foyer Foyer instable stable Nœud Nœud instable stable ∆
∆ < 0
∆ = 0
Foyer
Foyer
instable
stable
Nœud
Nœud
instable
stable
∆ > 0
Col
Col

α

46

Cas des systèmes non linéaires

Dans le cas de systèmes non linéaires, l’étude du comportement au voisinage des points singuliers est réalisée après linéarisation. Les points singuliers sont solutions de l’équation :

fx

1

(

10

fx

2

(

10

,

,

x

20

)0

=

x

20

)0

=

On obtient donc le modèle linéarisé suivant :

δ

x

1

δ

x

2

f

1

f

1

(, xx

δ

)

(, xx

10

δ

)

=

x

+

x

2

∂ x 10 20 1 ∂ x 1 2 ∂ f ∂ f 2 δ
∂ x
10
20
1
∂ x
1
2
∂ f
∂ f
2
δ
x
+
2

x

1

(, xx

10

20

)

1

x

2

20

(, xx

10

δ

)

=

x

2

20

47

Exemple : considérons le système non linéaire défini par les équations suivantes :

x

1

x

2

=

x

2

=−

3

xx +

11

47 Exemple : considérons le système non linéaire défini par les équations suivantes : x 1

48

Exercice :

On considère le système non linéaire caractérisé par l’équation différentielle suivante :

2

2y=0

yy

+

x

1

=

y

⎟ ⎠

Dans le plan de phase

Déterminer le(s) point(s) singulier(s). Etablir le modèle linéarisé du système et déduire le comportement du système au voisinage du(des) point(s) singulier(s).

, donner les équations d’état du système.

y,x

2

=

49

Etude des cycles limites

Lorsqu’une trajectoire de phase se termine sur une courbe fermée que le point figuratif de l’état parcourt indéfiniment, le système devient en régime permanent le siège d’un phénomène périodique. Il y a alors présence d’un cycle limite. Il est intéressant d’un point de vue de la commande de chercher à prévoir l’existence de ces cycles et d’évaluer leurs caractéristiques.

Théorème (Bendixson):

Pour

et

= f (,xx ), il n’existe pas de cycle limite dans la région du plan de phase

système

linéaire

décrit

les

équations

1

= f (,xx )

112

un

non

par

x

x

2

212

si le terme

f

1

f

2

+

x

1

x

2

ne s’annule pas et ne change pas de signe.

50

Exercice : considérons le système décrit par l’équation de Van de Pol

y

+

0,2 y

2

⎟ ⎠

1 yy

+=

0

Ecrire le système sous forme d’état. Existe-t-il des cycles limites.

51

Exercice : on considère le système décrit le schéma suivant :

0

: on considère le système décrit le schéma suivant : 0 Constant x2 To Workspace 1

Constant

x2 To Workspace 1 1 s s+1 Relay Integrator Transfer Fcn
x2
To Workspace
1
1
s
s+1
Relay
Integrator
Transfer Fcn
x1
x1
Workspace 1 1 s s+1 Relay Integrator Transfer Fcn x1 To Workspace1 Etablir les équations d’état

To Workspace1

Etablir les équations d’état du système en boucle fermé. Tracer l’allure des trajectoires de phase. Etudier la présence éventuelle de cycle limites.

52

1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 -1 -0.5 0 0.5
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
-1
-0.5
0
0.5
1
1.5
2
2.5
3
1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 -0.8 -0.6 -0.4 -0.2
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8

53

Stabilité des SNL (au sens de Lyapunov)

Introduction

L’approche proposée par Lyapunov permet de résoudre en partie ce problème car elle propose une solution générale pour étudier la stabilité des systèmes

non linéaires en présence de variations des conditions initiales.

Point d’équilibre
Point d’équilibre

54

Deux

Lyapunov. :

méthodes

sont

proposées

pour

résoudre

la

stabilité

au

sens

de

Méthode par linéarisation qui permet de conclure quant à la stabilité d’un SNL autour d’un point d’équilibre

Méthode directe qui permet d’étudier la stabilité (locale ou globale) d’un SNL autour d’un point d’équilibre

Définitions

La théorie de Lyapunov s’intéresse aux systèmes libres, c’est-à-dire ceux décrits par une équation différentielle ne faisant pas intervenir de vecteur de commande et représentés par une équation d’état continue du type :

x = f (,tx)

définie à l’instant

initial t 0 . La théorie de Lyapunov décrit la stabilité d’une solution donnée de cette équation différentielle pour des fluctuations de la condition initiale.

Ces équations évoluent à partir de leur condition initiale

x 0

55

De manière informelle, cette stabilité prend la forme suivante :

Soit x(t) une solution particulière de l’équation différentielle issue de la

condition initiale x . Cette solution est dite stable au sens de Lyapunov si

0

une « petite » modification de la condition initiale conduit à une solution z(t) qui reste « proche » de x(t). Elle est dite instable dans le cas contraire. Elle est dite asymptotiquement stable si elle est stable et si, de plus, cette nouvelle solution z(t) se rapproche indéfiniment de x(t).

56

Définition 1 : La solution x(t) est stable si et seulement si pour tout ε > 0, il

= f (,tx), satisfaisant

existe

δ (,)t ε >0 tel que pour toute autre solution z(t) de x

0

zt () − x 00
zt
() −
x
00

<

δ t

(,)

0

ε

, alors

zt() − xt()
zt()
− xt()

<

ε pour tout t>t 0 .

x 2

zt() − xt() < ε pour tout t>t 0 . x 2 solution z ( t
zt() − xt() < ε pour tout t>t 0 . x 2 solution z ( t

solution z(t)

solution x(t)

x 2

cercle de rayon δ

tube de rayon ε

ε pour tout t>t 0 . x 2 solution z ( t ) solution x (

x

1

57

Définition 2 : La solution x(t) est asymptotiquement stable si et seulement si

implique

elle est stable et si de plus, il existe δ '(t ,ε ) > 0
elle est stable et si de plus, il existe
δ '(t ,ε ) > 0
0
lim
zt
( )
xt
( )
=
0 .
t →+∞
solution x(t)
x 2
solution z(t)
x 2
cercle de rayon δ’
tube de rayon ε
x
1

tel que

(

zt

)

x

00

<

δ t

'(

0

,

ε

)

Lorsque les nombres

ne dépendent pas explicitement de

l’instant initial, on parle alors de

stabilité uniforme.

δ (,)t ε

0

et

δ '(t ,ε )

0

Lorsque

de stabilité globale.

δ '(t

0

,ε ) est infini, on parle

58

Stabilité locale avec linéarisation

ayant pour

un point d’équilibre (,)x u . Le modèle linéarisé autour du point d’équilibre en régime libre s’écrit sous la forme :

On considère un SNL caractérisé par l’équation d’état x = f (,)xu

δ x

= Axδ

avec

A

f

= x

(,) x xu u

xu

=

,

=

Théorème : Le système est stable au sens de Lyapunov si toutes les valeurs propres de la matrice A sont à partie réelle strictement négative et si celles à partie réelle nulle sont d’ordre de multiplicité au plus égal à 1.

59

Exercice : considérons le pendule décrit par la figure suivante et caractérisé par l’équation suivante :

MR

2 θ +bθ + MgRsinθ =0

Etudier la stabilité locale du système.

par l’équation suivante : MR 2 θ + b θ + MgR sin θ = 0
par l’équation suivante : MR 2 θ + b θ + MgR sin θ = 0
θ

θ

θ
θ
θ
θ
θ
θ

M

60

Méthode globale

La méthode globale s’appuie sur le principe physique qui consiste à dire que si l’énergie totale du système est continûment dissipée alors le système (linéaire ou non linéaire) doit d’une façon ou d’une autre rejoindre un point d’équilibre.

Exemple : système masse-ressort avec amortisseur caractérisé par l’équation :

my

+ by

y
y

++ k 0 y

k 1 y

3 = 0

L’énergie mécanique totale dans le système est la somme de l’énergie cinétique et de l’énergie potentielle :

avec

x

=

x

1

x

2

⎟ ⎠

T

=

⎜ ⎝

yy

⎟ ⎠

T

1

y

0

V () x =++my

2

(

0

2

k µ

.

3

k µ

1

)

dµ

61

L’analyse de la stabilité et de l’énergie dans le système permet d’aboutir à plusieurs conclusions :

L’énergie nulle correspond à un point d’équilibre du système ( x = 0, x = 0 ),

La stabilité asymptotique implique la convergence de l’énergie vers zéro,

L’instabilité est liée à une augmentation de l’énergie.

Fonctions de Lyapunov Définition : si dans un voisinage D du point d’équilibre x =0, il existe une fonction V (x) définie positive et différentiable et si sa dérivée par rapport au temps le long d’une trajectoire est définie négative, alors la fonction V (x) est appelée fonction de Lyapunov candidate.

D

Vx( )0 xD

Vx( )0 ∀∈x

x 2 V (x) x 1 x(t)
x
2
V (x)
x
1
x(t)

62

Théorème de Lyapunov (seconde méthode)

S’il existe une fonction de Lyapunov candidate R

n dans R + telle que :

Vx( ) >0

V (x) =Cte définies des courbes équipotentielles de Lyapunov

∀≠x

0 et V (0) =0

(définissent des domaines connexes emboîtés de l’espace d’état)

V(x)

est définie négative dans tout l’espace d’état :

V x

(

)

⎪ ⎪

<

0

∀≠

x

0

quand ⎪ ⎩

=

0

x

= 0

limV (x)→∞ quand

x
x

→∞

alors le point d’équilibre x =0 est globalement asymptotiquement stable.

63

Exercice : considérons le système défini par les équations suivantes :

x x

2

=−

1

2

xx

11

+

2

x

2

x x

2

1

=−−

2

xx

21

+

2

x

2

et la fonction de Lyapunov candidate

est un point d’équilibre. Ce point est-il globalement asymptotiquement stable ?

Vx( ) = x + x . Montrer que le point x =0

1

2

2

2

64

Exercice : considérons le système défini par l’équation d’état suivante :

x = Ax+ Bu

avec

A =

0

0

1

1

⎟ ⎟

B =

0

1

Le système est-il stable au sens de Lyapunov ? Déterminer la loi de commande u =−Lx pour la fonction de Lyapunov candidate :

et afin d’obtenir

V

()

x =

3

2

x

1

+

2

2

x x +=x

1

2

2

2

T

x Px

V

()

x =−

2

2

x

1

2

x =−x Qx

2

2

T

.

Donner les expressions des matrices P et Q.

65

Chapitre 4 Commande des systèmes non linéaires

1) Introduction

Le but de ce chapitre est de présenter quelques techniques de base adaptées à la commande des systèmes non linéaires :

Linéarisation par retour d’état

Commande avec linéarisé

Commande adaptative

Commande par régime glissant

66

2) Linéarisation par retour d’état

Introduction

Objectifs :

1)

Synthèse d’une loi de commande par retour d’état non linéaire de la

forme :

u=α()x +β()xv

2) Obtenir un système linéaire d’un point de vue entrées-sorties ou entrées- état qui est très souvent découplé

Noms différents :

Commande par découplage non linéaire (Non Linear Decoupling)

Linéarisation par retour d’état (State Feedback Linearization)

67

Hypothèses :

l’état du système est connu à tout instant soit par l’instrumentation du système commandé à l’aide de capteurs, soit en reconstruisant le vecteur d’état (observateur d’état comme l’observateur de Kalman) quand cela est possible.

le modèle du système est connu.

Modèle

x

y

=

=

f x

(