ETUDE DES SYSTEMES NON LINEAIRES

COURS MASTER-2
Commande Robuste et Systmes Non Linaires

Launay Frdric

I)

Introduction Systme Non linaire - chaotique

Objectif du cours :
Lide de ce cours est de vulgariser la notion de systmes non linaires et danalyser leur mise en
uvre en appliquant ceux-ci la thorie du chaos. La difficult majeure dun systme chaotique
(un systme chaotique est par nature imprvisible) est dtre capable de synthtiser une loi de
commande permettant un systme tierce de reproduire la mme trajectoire.
On rappelle que le dveloppement de la stratgie de commande passe par 3 tapes :
Identification/Modlisation du modle chaotique
Synthse dune loi de commande
Analyse de la robustesse (validation de la loi de commande par rapport au bruit et par
rapport lapproximation du modle)
Dcoupage du cours
Dans un premier temps, nous allons prsenter lapport danalyse des systmes non linaires par
rapport aux systmes linaires, mettant ainsi en dfaut certaines modlisations actuelles.
Modliser est un premier pas, lobjectif de toute modlisation est de fournir un systme
paramtrable et doptimiser les performances de ce systme (en vue dapplications prcises)
grce une rgulation ou un asservissement par la mise en place de lois de commande. A ce
titre, nous allons dfinir les proprits des systmes non linaires, les outils dtudes de tels
systmes pour vrifier la stabilit de lasservissement et les mthodes de commandes robustes
pour garantir les performances souhaites lors dun asservissement malgr les caractres non
linaires du modle.
Avant toute modlisation, il est aussi ncessaire de dfinir lenvironnement du systme.
Lenvironnement du systme revient dlimiter celui-ci par un certain nombre de variables
indpendantes dentres (entres exognes : excitations et perturbations) qui conditionnent
ltat du systme, et par des variables de sortie qui permettent de rendre compte, tout instant, de
la rponse (cest dire de lvolution) du systme vis--vis des excitations. On rajoute ensuite
des entres de commande issues de lasservissement. Plus le systme est complexe, plus il est
ncessaire dtablir un rseau dquations simultanes pour dcrire le systme. En rgle gnral,
le modle que lon souhaite tablir est issu dun compromis entre fidlit vis vis du
comportement rel du systme diverses excitations et simplicit. La simplicit est obtenue par
des hypothses de travail et des approximations qui rendent le modle mathmatiquement viable.
En physique, lorsque l'on tudie un phnomne, on s'intresse gnralement aux effets
prpondrants de celui-ci. Ceci revient souvent linariser les phnomnes caractristiques du
systme tudi (on dit qu'il y a proportionnalit entre la cause et l'effet).
Grce la linarisation du systme autour dun point de repos (point rgulier ou point
singulier), ou sous certaines hypothses (approximation de faibles dviations), on peut dcrire le
systme par un modle mathmatique linaire. Dans ce cadre dtude, les mthodes frquentielles
(Transforme de Laplace) constituent les outils les plus performants pour lanalyse (Nyquist,

Black Nichols, Bode, Lieu des racines) et la synthse des asservissements linaires (Correcteur
PID, avance/retard de phase).
Toutefois, aucun systme physique nest rigoureusement linaire et en dehors du domaine de
linarit, il est ncessaire dutiliser dautres mthodes que celles cites ci-avant pour vrifier la
stabilit et la robustesse aux perturbations dun systme en boucle ferm.
De plus, la mthode par linarisation est une mthode valide que localement autour dun point
de fonctionnement (en rgle gnral dun point rgulier) et par consquent, cette mthode ne peut
pas tre utilise pour dfinir un comportement global. De plus, lors de la linarisation les effets
non linaires sont alors considrs comme perturbateurs et de ce fait ngligs. Or, la dynamique
apporte par ces effets non linaires est plus riche que les systmes linaires. A titre dexemple,
la diffrence des systmes linaires qui ne possdent quun seul point dquilibre, les systmes
non linaires peuvent possder plusieurs points dquilibre. De plus, de tels systmes peuvent
tre le sige doscillations (cycles limites) caractrises par leur amplitude et leur frquence
quelques soient les conditions initiales et sans lapport dexcitation extrieure alors quun
systme linaire, pour osciller, doit prsenter une paire de ple sur laxe imaginaire, condition
trs fragile vis--vis des perturbations et des erreurs de modlisation. On peut aussi constater
dautres phnomnes dans les systmes non linaires (bifurcations), phnomnes qui
reprsentent une variation de lvolution du systme en terme du nombre de points dquilibre, de
la stabilit lorsquun ou plusieurs paramtres (non autonome) du modle varient.
Nous allons introduire ces notions sur des exemples concrets au cours du premier chapitre.
Dans le chapitre 1, nous analyserons de manire globale lvolution dun systme et nous nous
dfinirons des points locaux particuliers par linarisation. Nous tudierons ainsi les avantages et
les limitations dun systme linaris par secteur dtude.
Dans le deuxime chapitre, nous prsenterons des modles un peu plus complexe, puisque nous
prendrons en compte une non linarit et nous prsenterons des outils danalyse du systme.
Dans le troisime chapitre, nous aborderons le problme didentification dun systme et nous
laborerons les premiers outils danalyse de la robustesse du systme.
Enfin dans le 4me chapitre, nous focaliserons notre tude sur les systmes chaotiques.

I.1) Quelques comportements non linaires: Points dquilibre

multiples
Soit le systme modlis par lquation diffrentielle suivante :
x (t ) = x (t ) + x 2 (t )
1 Calculez le point dquilibre du systme linaris pour de faibles perturbations

2 Trouvez la solution analytique de lvolution de la trajectoire autour de chaque point

dquilibre.
3 Calculez les points dquilibre du systme Non Linaire
4 Trouvez la solution analytique de lvolution de la trajectoire autour de chaque point
dquilibre.

Solution du systme linaris

Solution du systme non linaire

Conclusions :
Dans le cas linaire, le point dquilibre est stable et les trajectoires dtat pour diffrentes
conditions initiales x(0) dcroissent vers ltat dquilibre.
Dans le cas non linaire, le point dquilibre 0 est stable localement puisque partir de toutes
conditions initiales proche de 0 (appartenant une boucle ferme dans lespace topologique
autour de 0) la solution converge vers 0, mais le systme est instable autour de 1 puisque la
trajectoire tend vers 0 sauf pour x0=1.

I.2) Quelques comportements non linaires: Cycles limites

Equation de Van Der Pol
Soit le systme suivant :
m.x(t ) + 2c ( x 2 1).x (t ) + k .x(t ) = 0 , c>0
La simulation de cette quation sous Matlab, nous donne le rsultat suivant. On reprsente en
ordonne la variation de la drive en fonction de x

Solution lquation de Van Der Pol pour diffrentes CI

Conclusion :
Cette courbe ferme traduit un cycle limite, on retourne sur le mme cycle, quelque soit la
condition initiale choisie.

I.3) Quelques comportements non linaires: Bifurcations

Soit un systme non linaire dfini par lquation non linaire suivante (Equation non amortie de
Duffing).
x(t ) + .x(t ) + x 3 (t ) = 0
1- Ecrire lquation donnant le point dquilibre
2- Selon les valeurs du paramtre , le nombre de points dquilibre varie.
Notamment, lorsque =0 0+, on passe dun systme avec un point dquilibre un
systme avec 3 point dquilibre. On a ainsi une bifurcation.
Lors dune bifurcation, la trajectoire peut voluer en faisant apparatre
- dautres points dquilibre
- une priode multiple la priode du signal avant bifurcation
- une multiplicit de la priode du signal (signal quasi-priodique)
- un signal chaotique.

I.4)

Comportement des points singuliers linaires : Stabilit locale

Que le systme soit linaire ou linaris, on sintresse souvent lvolution LOCALE de la

trajectoire au point de repos. Il sagit de prvoir lvolution (asymptotique) de la trajectoire
autour du point de repos.
Reprenons le systme prcdent dcrit par :
x(t ) + .x(t ) + x 3 (t ) = 0
Posons x1 = x et x 2 = x1 et crivons le nouveau systme dquation
x1 = x
x

X =

3 , ce systme scrit sous forme Matricielle : X = A. X + f ( X ) , avec

x
x2 = x x
Les points de repos sont dfinis par x1=0 et x2=0. Calcul prcdemment (paragraphe 1.3) on
trouve selon la valeur du paramtre , les points suivants
X = ( x, x1 ) = (0,0), ( ,0), ( ,0)
La forme matricielle du systme linaris autour dun point de repos scrit :
X = A. L X
La dtermination des valeurs propres de A conditionnent lvolution du systme autour du point
de repos. En effet, soient 1 et 2, les valeurs propres de A, plusieurs cas se prsentent selon le
signe du discriminant de lquation caractristique associe au calcul des valeurs propres.
Supposons que le discriminant soit non nul, il existe deux valeurs propres distinctes
(ventuellement complexes).
La matrice est diagonalisable (dterminant de A non nul), il existe alors une matrice symtrique
inversible P telle que : DL=P-1MP (Matrice quivalente)
On se ramne alors la rsolution du systme suivant par changement de base:

Y = D. L Y = 1
0

0
y = 1 y1
Y => 1
, 1 et 2 rels ou complexes conjugus

2
y 2 = 2 y 2

y1 = K 1e 1t
La rsolution donne
dans
le
plan
associ
aux
vecteurs
propres
U
1 ,U 2
y 2 = K 2 e 2t

)
6

Par lquation dquivalence, on exprime X en fonction de P et Y.

Cas 1 : Le discriminant est positif et les valeurs propres sont ngatives
Le dterminant tant positif, les valeurs propres sont relles. On suppose que les valeurs propres
sont coefficients ngatifs, alors y1 et y2 tendent vers 0 donc X tend vers 0. le systme est stable
et la trajectoire tend vers le point de repos (linarisation autour du point de repos).
On parle de nud stable.

Cas 2 : Le discriminant est positif, une valeur propre est ngative (soit 1) et lautre
positive.

La premire quation dans le plan U1 ,U 2 converge vers y1=0 quand t->, la seconde diverge.
On parle de col (par dfinition un col est instable).

Cas 3 : Le discriminant est positif et les valeurs propres sont positives

Les trajectoires ont mmes allures que dans le cas 1, mais les quations divergent. On parle de
nud instable.

Cas 4 : Le discriminant est ngatif, les racines sont des imaginaires pures

Cas 5 : Le discriminant est ngatif, les racines sont imaginaires conjugus.

Si la partie relle est ngative, le systme subit un frottement. Les trajectoires sont des spirales
convergentes vers lorigine. On obtient un foyer stable. Dans le cas o les parties relles sont
positives, les trajectoires forment des spirales divergentes. On obtient un foyer instable.

I.5) Interprtations
Comme on peut le constater, la mise en quation de systmes non linaires apportent des
modifications sur lvolution de la (des) sortie(s) du systme qui ne peuvent tre pris en compte
par les systmes linaires.
Pour asservir de tels systmes, il est bien entendu ncessaire de prendre en compte ces
phnomnes non linaires. Nous prsenterons dans un premier temps deux mthodes classiques
pour analyser lvolution dun systme asservi partir dhypothses limitatrices. La premire
mthode, appele Mthode du premier harmonique permet de prvoir approximativement certains
comportement non linaires et se contente de dterminer le cycle limite (amplitude et frquence).
Lavantage de cette mthode est la possibilit dutiliser les mthodes frquentielles classiques.
La mthode du plan de phase est une mthode temporelle limite aux systmes dordre 2. Outre
sa simplicit, lintrt de prsenter cette mthode est dintroduire des notions (plan de phase)
relative ltude de tout systme non linaire.
Nous introduirons ensuite la notion de stabilit. Cette notion de stabilit est primordiale pour
asservir des systmes en prenant en compte des erreurs de modlisations. Cela permet destimer
globalement le fonctionnement du systme asservi sans avoir dterminer les trajectoires.

Pour terminer lillustration des phnomnes non linaires, nous allons imaginer un exemple bas
sur le mouvement oscillatoire dun pendule.
Exprience 1 :
Imaginons un exemple simple tel que le mouvement d'un pendule. Ce dernier est modlis par un
systme (non linaire de par la fonction sinus) deux variables (la position et la vitesse
angulaire) permettant de dcrire son mouvement doscillation rgulier (sans frottement, le
mouvement du pendule est priodique non amorti, avec frottement le mouvement est amorti et
revient son tat stable). Le pendule prsente 2 points de repos (pour lesquels la vitesse
angulaire est nulle), un instable et un stable.
Introduction au chaos :
Exprience 2 :
Supposons maintenant quune commande externe lui apporte de lEnergie vers une trajectoire
perpendiculaire au mouvement initial. A titre dexemple, un aimant positionn devant ou derrire
le pendule (cf. schma). La modlisation doit prendre en compte cet apport dnergie. Si,
lnergie apporte est non linaire (la force dattraction dpend de la distance du pendule par
rapport laimant), on peut ainsi imaginer soit un mouvement cyclique du pendule dans un plan
ou un mouvement dsordonn quon appellera chaotique. En regardant la trajectoire du pendule
en 3D, on peut sapercevoir que dune oscillation une autre, le pendule n'effectue jamais deux
fois le mme trajet dans l'espace.
De plus, si on recommence lexprience 2 en modifiant trs lgrement une condition initiale
(soit la position ou la vitesse angulaire initiale ou la position de laimant), et quon compare la
nouvelle trajectoire du pendule par rapport celle trace prcdemment, on saperoit que les
deux trajectoires diffrent totalement : un instant donn, les deux pendules sont des positions
diffrentes, et en prenant deux instants diffrents pour lesquels les deux pendules sont la mme
position, il est impossible de prdire la position future de la deuxime exprience en connaissant
lvolution de la premire exprience. On dit que le systme est Sensible au Conditions Initiales
(SCI). Cest une caractristique essentielle des systmes chaotiques. Lautre caractristique est
une trajectoire rcurrente.
Cependant, le mouvement du pendule, bien que chaotique, n'est pas alatoire car il peut tre
dcrit par des quations plus ou moins simples et dterministes.

10

Exercice :
Soit l, la longueur de la corde (non lastique), et m la masse de la bille. Soit , langle de la corde
par rapport la verticale.
1. Identifier les forces agissant sur la bille. On suppose que la bille est soumise une force
de frottement, proportionnelle la vitesse de la bille par un facteur de frottement k.
2. Ecrire les quations diffrentielles rgissant ltat de la bille partir du premier principe
de la dynamique (ma=.F, a est lacclration, F les forces agissant)
3. On va noter x1= et x2= Trouver les points dquilibres (x1=x2=0).

II)

Premires mthodes de rsolution dun systme non

linaire : Estimation des trajectoires

Ltude dun systme quil soit dordre mcanique, lectronique, ou autre, ncessite une premire
approche mathmatique consistant modliser le systme pour un mode de fonctionnement
donn.
Il existe deux grandes familles danalyse de la trajectoire
- Mthodes frquentielles : Mthode du premier harmonique
- Mthodes temporelles : Mthodes graphique du plan de phase

II.1) Mthode du premier harmonique

II.1.1)

Principe
e(t)

NL

s(t)

e(t)=EMsin(1t)
s(t)=s0+s1.sin(1t+1)+ +s2.sin(21t+2)+
11

La mthode du premier harmonique sapplique si

1 - s0=constante
2 - s2, s3, sn << s1 ou que les lments blocs suivant la NL filtrent correctement la
sortie de la NL.
HYPOTHESES :
H1 : On considre uniquement les systmes asservis possdant un lment non linaire
dans la chane dasservissement.
H2 : Llment non linaire est invariant dans le temps
H3 : Les parties linaires dans la chane dasservissement sont stables et se comportent
comme des filtres passe bas.
II.1.2)

Fonction de Transfert

La mthode du premier harmonique ne peut sappliquer que si la non linarit est

sparable : f(j, EM)=G(EM).H(j), H(j) est un bloc linaire.

E(j)
G(EM)

II.1.3)

Filtre
Passe bas

H(j)

S(j)

L(j)

Cas des systmes asservis Non Linaires

X(j)

L(j)

S(j)

G(EM)

1 - Ecrivez lquation

S ( j )
X ( j )

12

Condition de stabilit
Equation caractristique : 1 + G(EM).L(j)=0 => L( j ) =

1
G( E M )

Dans le cas linaire, ltude se faisait autour de -1. Dans le cas non linaire, ltude de la
stabilit se fera vis--vis du lieu critique qui est le lieu des points complexes donns par
1
. On va nommer EMA et fMA, lamplitude et la frquence doscillation si la condition de
G( E M )
Barkhaussen est vrifie.
Etude des diffrents cas
La stabilit est conditionne par la position relative des diffrents lieux L(j) et

1
.
G( E M )

a) Pas dintersection
Si les hypothses permettant lapplication de la mthode harmonique sont vrifies, le
systme sera toujours stable en BF.
b) Une intersection
Im

Re
EMA
-1/G(EM)

EM1

L(j)

EM2

Si lamplitude la sortie de la NL EM1<EMA, alors le systme est instable (critre du revers).

Si lamplitude la sortie de la NL EM2>EMA, alors le systme est stable (critre du revers).
Rappel du critre du revers : Un Systme Asservi est stable si en parcourant le lieu de Nyquist
pour les croissants, on laisse le point -1 gauche.

13

Dfinition : Lauto-oscillation du point A (EMA, A) est stable si en parcourant le lieu de transfert

linaire L(j) au voisinage du point A dans le sens des croissants, on laisse gauche le lieu
-1/G(EM) dans le sens des EM croissants.
c) Plusieurs intersections
On applique la dfinition prcdente.
II.1.4)

Calcul du gain quivalent au premier harmonique

On suppose le systme non linaire suivant :

-E1

Gain = 1
E1

Etape 1 : Tracer G(EM)=f(EM)

Etape 2 : Tracer -1/G(EM) dans le plan complexe
Etape 3 : Vrifier la stabilit.
Exemple 1
A partir du systme NL prcdent, appliquer un signal sinusodale damplitude E M lentre du
bloc NL et calcul la srie de Fourier du signal rsultant. Soit b 1, lamplitude de la fondamentale,
le gain quivalent est :
G(EM)= b1/EM.
Exemple 2
Soit le systme non linaire Plus ou Moins avec hysteresis suivi dun filtre du 3 me ordre

(1 + p ) 3

14

NL :

-a

-1

Exercice : Etudier la stabilit du systme prcdent.

II.2) Mthode du plan de phase

Cette mthode graphique est rigoureuse mais ne sapplique quau systme du deuxime ordre et
est limite aux entres nulles ou constantes.
d 2s
ds
= F s,
2
dt
dt
II.2.1)

Principe

Pour lanalyse des systmes non linaires, on recourt souvent des reprsentations dans l'espace
des phases. Il s'agit d'un espace multidimensionnel dont les coordonnes sont les variables du
systme. Gnralement, on considre la variable et sa drive, telles que la position et la vitesse
angulaire dun pendule ou dans le cadre dun systme dquations linaires dordre 2 1
inconnue x, on choisira lespace des phases reprsent par (x, y= x , on pourra se rfrer la
reprsentation du systme prsent en introduction). A plus de trois dimensions il faudra recourir
une projection de cet espace (sur une surface, par exemple). Ainsi, le portrait de phase est
considr comme une vritable signature de la dynamique du systme.
De par lintrt suscit par une telle reprsentation, des mthodes graphiques bases sur le
concept de rsolution numrique ont t dveloppes pour apporter quelques informations sur la
rsolution dune quation diffrentielle. Cette rsolution permet certes dobserver la trajectoire de
la solution dans le temps, en fonction des conditions initiales lorsque la rsolution numrique
savre fastidieuse, mais elle est surtout utilise pour reprsenter le portrait de phase.

15

II.2.2)

Rsolution par la mthode graphique

La premire mthode graphique applicable dans le cas dquation du premier ordre est la
mthode des isoclines. Cette mthode consiste, partir dune condition initiale, tracer la
rponse du systme partir de la tangente en chaque point.
Ainsi, en partant de lquation diffrentielle

on trace un ensemble de courbes de pente

dx
= f ( x, t )
dt
dx
= m,
m:
dt

ce qui revient rsoudre une quation non

linaire f(x,t)=m. La connaissance de la pente et du point initial permet de tracer un segment

reprsentant lvolution du systme. Lensemble des points (x,t) dfini par f(x,t)=m reprsente
une isocline.
II.2.3)

Equation du deuxime ordre

La mthode des isoclines nest adapte quau systme du premier ordre. Dans le cas ou lordre de
lquation diffrentielle est suprieur, on dcompose le systme dordre n n systme dordre 1.
Cependant, une telle mthode se rsout difficilement par un manque dinformation ltat
initial. Il existe nanmoins une solution de type isocline pour les quations du second ordre,
lorsque lquation est autonome et peut ainsi se ramener un systme du premier ordre, cest
dire :
d2x
dt

+ f(

dx
, x) = 0
dt

Mise en quation
dx

y = dt
On pose dy
, si y>0 alors x croit, si y est ngatif, y dcroit

+ f ( y, x) = 0
dt
Ltude de la trajectoire va nous renseigner sur lallure de lvolution de la variable x.
Le trac de la trajectoire va tre facilit en recherchant :
- points singuliers
- Isoclines
Rappel : Points singuliers sont les points dquilibre stables ou instable du systme. Ils sont
dfinis par :
dx
dt = 0
dy

= 0
dt

16

Mthode des isoclines

Les isoclines vont nous permettre de prciser le trac de la trajectoire au voisinage des points
particuliers.
Isocline : Trac de lensemble des points particuliers pour lesquels =
II.2.4)

dy
= cste
dx

Exemple

Cas dun second ordre linaire

2
Soit le systme suivant : x(t ) + 2m. 0 x (t ) + 0 .x (t ) = 0

On se ramne :
dx

y
=

dt
dy

= 2m. 0 y (t ) 02 .x(t )
dt
x= 0
Les points singuliers sont :
y= 0
On calcule les isoclines par =

dy dy dt
dx dy
=
.
.
soit . =
dx dt dx
dt dt

2
On peut donc crire : . y = 2m. 0 y 0 .x , soit : . y =

Si 0=1 et m=0,5, . y =
Le trac est le suivant

02 .x
2m. 0 +

x
alors, Si =, y=0, si =1 y=-x/2,
1+

17

Cas dun second ordre linaire

e=0

Choix variable

En gnral, on pose x=s

En pratique, on pose pour un systme retour unitaire entre nulle
x=, y=d/dt
Calcul du trac

Droite de commutation et trac

y=d/dt

De par la fonction linaire, on peut crire :

A
d
d 2
=
p (1 + p ) = Au soit
+
+ Au = 0
donc
u
p (1 + p)
dt
dt 2

dx

y = dt
Le systme scrit alors : dy
1

= [ y + A.u ]

dt

18

On suppose A=1, et =1.

Cas 1 : >0, u=+1
Pas de point singulier
Isocline y=-1/(1+)
Cas 2 : <0, u=-1
Pas de point singulier
Isocline y=1/(1+)

II.3) Conclusion
Les mthodes graphiques sappliquent directement aux quations du premier ordre et celles du
second ordre qui peuvent se ramener au premier ordre. Ces mthodes peuvent tre utilises pour
des quations dordre suprieure, condition quelles soient rductibles un systme dquations
simultanes dordre un ou deux. Maintes mthodes graphiques ont t proposes pour rsoudre
des types particuliers dquations et les procds que nous avons exposs ne reprsentent que les
plus gnraux.
Tous les processus graphiques reposent sur le principe du pas pas. Le nombre dtapes
ncessaires lobtention de la solution dpend de la grandeur des accroissements utiliss. En
gnral, il faudra prendre les pas assez petits pour que les variations correspondantes soient
faibles. Des accroissements trs petits ncessiteront un graphique de grande dimension. De plus,
la prcision finale sera faible car les petites erreurs tendent saccumuler.
Quand il nest pas ncessaire de procder un grand nombre dtapes et lorsque lon na pas
besoin dun haut degr de prcision, les procds graphiques conduisent la solution de faon
relativement simple et rapide. Ils sont particulirement utiles pour lamorage de la solution dun
problme nouveau, dont ils permettent de dterminer assez vite les lments qualitatifs.

19

III) Stabilit des systmes non linaires asservis

III.1)Modle didentification
Jusqu prsent, nous avons prsent des outils danalyse de la trajectoire de systme partir de
lcriture mathmatique de celui-ci. Les modles prsents ont t obtenus partir de lois
physique lmentaires.
Or, certains systmes ne peuvent tre entirement dcris par des lois de la physique. Si des
mesures exprimentales peuvent tre ralises, on peut alors dterminer la structure dun modle
partir de lois physiques partielles ou uniquement partir des mesures et dfinir les paramtres
du modle partir des campagnes de mesures.
On trouve gnralement deux types de modles :
Modle pour la commande : Lobjectif tant de dfinir une loi de commande pour
optimiser le systme, on cherche alors un construire un modle simple reprsentatif du systme.
Les imperfections du modle seront valides lors de la phase de robustesse.
Modle de simulation, dfini pour reproduire le plus prcisment possible le
comportement du systme. La structure du modle sera plus complexe que le modle pour la
commande. La structure peut tre impose par les lois de la physiques (exemple : Modle
fractionnaire pour la -analyse, )
Dans les deux cas, la premire tape consiste dfinir le nombre de paramtres minimum
intervenant dans le modle et de dfinir des lois de sortie le plus simple possible (idalement
linaire) en fonction du jeu rduit de paramtres.
La mthode LP utilise des techniques de rgressions linaires pour estimer un modle
linaire en fonction des paramtres (on pourra ventuellement augmenter le nombre de
paramtres pour amliorer le modle, sachant que la simplicit est obtenue par un modle
linaire)
Si le modle linaire nest pas assez reprsentatif du systme ou si le nombre de
paramtres est trop lev, on va estimer un modle non linaire (non LP). Dans le cas ou le
nombre de paramtre est trop lev, on choisit une liste de signaux dentres et on dtermine un
critre derreur, via un algorithme doptimisation (programmation non linaire) partir de lcart
entre les mesures exprimentales et le modle.
Lorsquon dtermine un modle, il est ncessaire ensuite de valider son niveau de fiabilit : les
approximations entranent des erreurs et on cherche dfinir la stabilit et la robustesse du
systme.
On dfinit en rgle gnrale la stabilit du point singulier (cf. introduction). Mais, on sintresse
en fait davantage ltat dquilibre dun systme, c'est--dire ltude des trajectoires du
systme pour t variant dans le temps, prenant en compte les incertitudes du modle et des
perturbations. On ne cherche pas calculer explicitement les trajectoires, mais de dmontrer que
les trajectoires sont bornes. Ce concept est issu de la thorie de la stabilit au sens de
Lyapunov.
20

III.2)Notions de Stabilit : Commande Robuste

La commande robuste repose en grande partie sur la structure de commande contre-raction
(feedback control systems) et sur les modles linaires temps invariant (LTI) des systmes
dynamiques.
On dfinit une structure de commande base sur lerreur entre linformation collecte par un
ensemble de capteur (y) et les signaux de rfrences souhaits.
Les diffrences existantes sont traites par le systme de commande afin dlaborer un signal de
commande u affectant le systme.
Commande H
J.C. Doyle a propos une formulation gnrale de synthse des systmes de commande contreraction

P est le modle gnralis du systme dynamique et K le correcteur. P est un systme linaire

multivariables avec deux types de signaux dentres :
Commande u et de sortie y
Performance ou incertitude, dentre v et de sortie z
On note PBF(s), le systme en Boucle Ferme. Lalgorithme de Glover-Doyle permet de
synthtiser un correcteur linaire K(s) de manire minimiser la norme H du transfert PBF(s).
On note , lindice de performance, on impose ||PBF(s)|| <.
Lalgorithme LMI peut tre utilis en lieu et place de lalgorithme de Glover-Doyle.
Les coefficients de modles physiques extraits de mesures exprimentales sont empreints
derreurs. De plus, des phnomnes extrinsques ou intrinsques au modle non pris en compte
modifient le comportement du systme et ajoute un degr dincertitude au modle.
On introduit alors un systme dincertitude
21

Le modle incertain et sa structure tant fixs, lobjectif principal de la structure de commande

est dassurer la stabilit de la boucle ferme ainsi quun certain degr de performance pour
lensemble des ralisations possibles du modle incertain.
Il sagit donc de rduire la sensibilit de la structure de commande en prsence des variations
paramtriques et dventuelles perturbations affectant le modle du systme commander.
Le thorme du petit gain permet daffirmer que le systme prsent ci-dessus est stable pour
toute incertitude vrifiant ||(s)|| <1/. Cest pour cette proprit que la commande est qualifie
de robuste.
III.2.1)

Stabilit structurelle

Ainsi, les solutions mathmatiques des modles non linaires sont souvent trs approches. La
stabilit structurelle est la proprit dun systme physique tel que son comportement qualitatif
reste inchang si les coefficients des quations sont soumis des petites variations. En raison de
lincertitude inhrente la relation de solutions mathmatiques des systmes physiques, il est
souvent bon dimposer aux systmes des conditions telles quils possdent la proprit de
stabilit structurelle.
III.2.2)

Stabilit dynamique

Un systme physique peut tre reprsent par un ensemble dquations diffrentielles simultanes
de la forme :
x 1 = f 1 ( x 1 , x 2 , , x n )
x 2 = f 2 ( x 1 , x 2 , , x n )

x n = f n ( x 1 , x 2 , , x n )

22

le temps t tant la variable indpendante, x1, x2, , xn les variables dpendantes et f1,f2 ,,fn, des
fonctions, en gnral non linaires des variables dpendantes (appeles vecteur de champ).
Le point dquilibre ou singulier se traduit par lannulation de toutes les drives. Un systme
linaire pour lequel le dterminant A est non nul conduit un seul point dquilibre, caractris
par lannulation de toutes les variables dpendantes.
Un systme non linaire introduit des fonctions f1,f2 ,,fn, qui ne sont pas linaires et les
conditions dquilibres peuvent tre atteintes pour des valeurs de x1, x2, , xn qui ne sont pas
nulles. Pour tudier la stabilit dun systme au voisinage de lune de ses positions dquilibre, on
provoque une lgre perturbation en faisant varier les x partir de ces valeurs dquilibres. Si
lorsque t croit indfiniment, les x reviennent celles-ci, on dit que le systme est
asymptotiquement stable, sinon il est dynamiquement instable.
Dans quelques cas particuliers, les x ne retournent pas vers leur position dquilibre, mais ne sen
cartent pas davantage. On dit que le systme une stabilit neutre ou temporaire.
III.2.3)

Notions dInvariant

Un ensemble invariant M, pour un systme dynamique x = f (x) est dfini comme un ensemble
de conditions initiales tels que la solution ( xO , t ) reste dans lensemble M pour tout t.
Un systme non linaire peut donc tre considr comme instable localement mais globalement
stable dans le sens ou les trajectoires sont contenues dans une Boule ferme (Invariant) pour un
ensemble de conditions initiales.

III.3)Stabilit pour les systmes non linaires

Dans le paragraphe prcdent, nous nous proccupions de la stabilit de la rponse autour dun
seul point dquilibre. Il sagit dune tude locale.
Dans le cas non linaire, lexistence de plusieurs points dquilibres modifie les conditions de
stabilit du systme. Si de nombreuses rgles existent dans le cas de systme linaire, il nest pas
possible de donner de dfinition gnrale de la stabilit qui ait un sens dans tous les cas pour les
systmes non linaires.
On peut nanmoins dfinir trois mthodes principales : Deux tudes locales base sur la
linarisation du systme autour du point dquilibre ou dun point de la trajectoire projete sur un
plan (la thorie de Floquet), et une mthode globale : la thorie de Lyapunov base autour dun
point dquilibre sur la fonction non linaire. Nous exposons rapidement le principe des deux
premires dans les paragraphes suivants.
Ltude locale permet de prdire le comportement de la trajectoire autour dun point dquilibre,
mais ne donne aucune information sur la trajectoire en elle-mme. A titre dexemple, les
systmes chaotiques prsentent des instabilits locales autours de plusieurs points singuliers mais
la trajectoire au cours du temps, reste confine dans une boucle ferme (c'est--dire est borne),
sil ny a pas de bifurcation.

23

Nous allons dans un premier temps dfinir diffrents types dquilibre en supposant le systme
dcrit par son modle dtat :
x = f ( x, u ) , x reprsente ltat du systme et u lentre.
On suppose que le systme possde un point singulier ( x , u )
III.3.1)

Equilibre stable

Lquilibre ( x , u ) est un quilibre stable du systme si

> 0, > 0, x(0) x < x (t , x(0), u ) x <
Dans le cas contraire, xe est dit instable.
Interprtation : On souhaite caractriser le fait que la trajectoire x(t) reste proche du point
dquilibre x pour tout t>0 lorsque lentre u(t)= u est constante. Pour cela, on introduit la
notion de norme et lon impose les solutions de x(t) lintrieur dune boule topologique de
rayon autour de x .
RMQ : Cela nimplique pas que les trajectoires convergent vers le point dquilibre.
Stabilit asymptotique:
Ltat dquilibre, note x est dit asymptotiquement stable sil est stable et si
> 0, x(0) x < lim t x(t ) = x

On peut donc reprsenter la stabilit de la manire suivante

24

RMQ : Dans ce cas, les trajectoires convergent vers le point dquilibre.

III.3.2)

Equilibre attracteur

Lquilibre ( x , u ) est un quilibre attracteur du systme si

> 0, tel que x (0) x < lim x(t , x (0), u x = 0
t

Un quilibre attracteur est donc un point vers lequel convergent les solutions x(t) si elles
dmarrent suffisamment prs de x .
RMQ : Stabilit et attractivit sont deux notions diffrentes qui ne simpliquent pas
mutuellement. Toutefois, lquilibre est asymptotiquement stable sil est stable et attracteur.
Attracteur
Un attracteur est un ensemble compact de lespace des phases, invariant par le flot ou par
lapplication vers lequel toutes les trajectoires environnantes convergent.
Diffrents types dattracteurs :
- Point fixe
- Cycle limite
25

Tore
Attracteurs tranges (chaos)

Bassin dattraction :
Correspond lensemble des points dont les trajectoires convergent vers lattracteur.
III.3.3)

Stabilit dune trajectoire

Dans certains cas, les systmes nadmettent pas de points dquilibre, ou alors le point dquilibre
nest pas stable. Pour autant, les trajectoires ne divergent pas. Divers cas peuvent se produire :
-

Le systme admet un domaine stable : il existe un domaine de conditions initiales

(bassin dattraction) tel que toutes les trajectoires restent comprises lintrieur du
domaine stable
Le systme admet un domaine attractif : il existe un domaine de conditions initiales tel
que toutes les trajectoires sont comprises dans le domaine attractif au bout dun certain
temps
Le systme admet une trajectoire stable.

La stabilit dune trajectoire peut tre dmontre par lapplication du deuxime thorme de
Lyapunov.

III.3.4)

Analyse de la stabilit par Linarisation

Mthode Loca le :
Les systmes non linaires prsente des (pseudo-)priodicits que lon peut chercher estimer.
La mthode de linarisation permet dapproximer une priodicit de lvolution de la trajectoire.
Le principe de cette mthode repose, comme son nom lindique, sur la linarisation du systme
non linaire dcrit autour du point dquilibre. Pour cela, on dcompose le systme (la fonction
Vecteur de Champ) selon la formule de Taylor autour de chaque point dquilibre. On se ramne
ainsi au systme prcdent, en dcrivant les trajectoires de phases autour des points dquilibre.
~
On suppose une perturbation autour dun point dquilibre Xe : X (t ) = Xe + X
~
La linarisation du Vecteur champs donne : X (t ) = F ( Xe) + J ( X ) X
F

26

 F1 ( X )
X
1

F
(
2 X)
Jr (X ) = X
1

F (X )
n
X 1

F1 ( X )
X2
F2 ( X )
X2

Fn ( X )
X2

F1 ( X )
Xn

F2 ( X )

Xn

Fn ( X )

X n
~
~
Etant donn qu lquilibre Xe = F (Xe) , cela revient rsoudre : X (t ) = J F ( X ) X
Le calcul des valeurs propres permet de dduire de la stabilit des trajectoires vis--vis de petites
perturbations autour du point dquilibre.

Perturbation infinitsimale : Mthode de Poincar Lindstedt

Lide est dcrire la solution priodique de la trajectoire du systme sous la forme dun
dveloppement en srie de . Si lon souhaite tudier les perturbations infinitsimales, on tudie
~
lvolution de la trajectoire X (t ) = Xe + X en puissance croissante de .
A titre dexemple, on choisit un puit deux potentiel dfini par lquation : f(q)=q-q3.
-

Points dquilibre q = 1 .
Changement de variable u=q+-1 => f(u)=-2u-3u2-u3.
Oscillation obtenu par le terme linaire en u : f(u)=-2u conduit 0 = 2 . Il suffit de
trouver les valeurs propres de la matrice A avec X=(u,du/dt)
Mthode de Poincar Lindstedt : Non linarit en u2 comme perturbation :
du / dt = u

2
du / dt = 2u 3 u

Et nous cherchons une solution de le forme u = u 0 + u 1 + 2 u 2 + ... . Pour ce faire on

faire correspondre les ordre de diffrents ordres :
o DL Ordre 0 : u 0 = A 0 cos( 0 t )
du1 / dt = u1
o DL Ordre 1 :
.
2
2
du1 / dt = 2u1 3 A0 cos ( 0 t )

A2
2
2
On dcompose A 0 cos ( 0 t ) = 0 2 [1 + cos(2 0 t )]

On dcompose u1 en deux partie u10 et u12 correspondant respectivement au

frquence 0 et 2 0
Ceci donne u 10 = 3A 02 / 4

u 12 = A 02 / 4 cos(2 0 t )
du / dt = u

Non linarit en u3 comme perturbation du / dt = 2u u 3

o Ordre 0 : solution linaire

o Ordre 1 : Contribution 0 et 3 0 . Or 0 conduit un terme en sin( 3 0 t),
lamplitude augmente avec le temps, incompatible avec hypo pour laquelle la

27

frquence du mouvement restait inchange => Evolution de la priode

doscillation.
-

Comme le priode change galement nous posons : = 0 + 1 + 2 2 + ... et on

cherche solution sous forme y = t . On cherche la solution sous forme de la fonction
y:
du / dy = v
2
3
dv / dy = 2u u

o Ordre 0.
Idem
o Ordre 1
avec u 0 = A 0 cos( 0 t ) et 0 = 2
et 2 dv / dy = ( 0 + 1 + ...) 2 d 2 (u 0 + u 1 + ...) / dy 2 conduit 02 u1 + 2 0 1u 0
On choisit 1 pour faire disparatre la composante en cos( o t ) qui intervient dans le
terme cubique de u 0 3
2 dv / dy = 2u 1 u 0 3

Cette tude nous permet de connatre la trajectoire localement aux points rguliers. Nous allons
maintenant tudier la stabilit locale dune trajectoire priodique par la thorie de Floquet.
III.3.5)

Thorie de Floquet : Multiplicateurs caractristiques

Les multiplicateurs caractristiques encore appels multiplicateurs de Floquet permettent de

dterminer la stabilit d'une solution priodique. Ils sont une gnralisation des valeurs propres
utilises pour tudier la stabilit des points fixes. Une solution priodique est une orbite d'ordre k
dans l'espace des phases et correspond k points fixes sur une section de Poincar.
Une section de Poincar peut, en premire approche, se rsumer ltude dun hyperplan (en
gnral on ramne la trajectoire dune courbe un plan) en fixant un paramtre, ou en projetant
lvolution temporelle de la trajectoire un plan qui coupe transversalement la trajectoire,
comme le montre la figure ci-contre.

Section de Poincar

28

En rgime tabli, on suppose une petite perturbation au voisinage de X e, lun des points
dintersection de la trajectoire avec la section de Poincar.
~
La solution du systme scrit : X (t ) = X e (t ) + X (t ) .
Comme dans le cas de la stabilit du point fixe, le comportement de X(t) au voisinage de X e est
tudi en linarisant P (Projection de la trajectoire sur la section de Poincar) autour de Xe. La
~
~
fonction linarise P devient : X k + 1 (t ) = J p ( X e (t ) ) X k (t )
Avec J la matrice Jacobienne de P autour de X e. Ltude des valeurs propres et vecteurs propres
comme prcdemment dtermine la stabilit de la projection de la trajectoire sur la section de
Poincar autour de Xe. On parle alors de stabilit locale.
Les valeurs propres (dterminent la stabilit) sont appeles les multiplicateurs de Floquet.

Dans le cas d'un systme autonome, les multiplicateurs caractristiques sont indpendants de la
position de la section de Poincar . Par contre, les vecteurs propres associs ces
multiplicateurs caractristiques dpendent de la position de dans l'espace des phases.
Des mthodes numriques ont galement t dveloppes pour dterminer les points de
trajectoire sur la section de Poincar. Deux mthodes sont particulirement utilises, la mthode
de Hnon et la mthode de KAM. La mthode de Hnon est une mthode numrique qui permet
de dterminer lintersection de la trajectoire de la caractristique non linaire avec lhyperplan de
Poincar.
Une approche globale doit nanmoins tre ralise pour vrifier que la trajectoire ne tend pas
vers linfini. Cette approche sera ralise par le thorme de Lyapunov.
III.3.6)

Thorie de Lyapunov

Note : Les notions abordes dans le cours de Commande Robuste seront introduites sans rappel
Premire approche :
Un systme physique est stable sil revient vers un tat dquilibre. Supposons un systme
mcanique telle la chute dune bille, lnergie mcanique de la bille est gal lEnergie cintique
et lnergie potentielle. Le point dEnergie mcanique nul est le point dquilibre.

29

La thorie de Lyapunov peut tre assez simplement interprte en mcanique au sens o son
nergie totale est compltement dissipe. Ainsi, le mouvement dune bille atteint un tat stable si
la variation dnergie mcanique Em=V(x) dcroit (x reprsente la position de la bille), c'est-dire si V ( x ) < 0
On introduit ainsi le concept de fonction de Lyapunov.
Fonction candidate de Lyapunov :
Soit V : n -> +, une fonction telle que
i) V est continment diffrentiable en tous ses arguments
ii) V est dfinie positive
iii)
Il existe a et b deux fonctions scalaire de + dans +, continues,
monotones non dcroissantes, telles que :
1.
a(0)=b(0)=0
2.
xn, a ( x ) V ( x) b( x )
V dfinit des quipotentielles de Lyapunov, V(x)=cste, qui dfinissent des domaines connexes
autour de lorigine.
V (x) est la drive de V(x) le long de la trajectoire de x = f ( x, u )
Principe : Dans le cas dun systme non linaire, ltude de la stabilit seffectue par la recherche
dun gradient du systme autour dun point de repos pour lequel ltude du systme revient
trouver les minima locaux de la fonction de gradient (aussi nomm potentiel). Dans ce cas, il
nest pas ncessaire de linariser.
Avantages
Etude de la stabilit par lexamen totale de la fonction dnergie
Ne ncessite ni la solution de lquation dtat, ni la connaissance des ples du systme.
Seconde mthode de Lyapunov, mthode directe
Stabilit au point dquilibre
La thorie de Lyapunov consiste trouver une fonction scalaire (fonction de potentiel) G
dfinie positive qui est dcroissante le long des trajectoires du systme ce qui permet de
dfinir la stabilit dans un domaine autour du point dquilibre.
dG
dx
=
0
dx
dt

30

alors le systme est stable avec

dx
= f ( x, t ) (asymptotiquement stable si strictement
dt

ngatif).
(Note : dans le cas monovariable, dG/dt est donc dfinie ngative puisque
dG
dG dx
=
= f 2 ( x, t ) ).
dt
dx dt
Il sagit dune condition suffisante car on ne connat pas lexistence a priori dune telle fonction
de potentielle G.
Une fonction de LYAPUNOV candidate est une fonction dfinie positive dont on teste la
dcroissance autour du point d'quilibre. Si dG/dt<0, la stabilit est asymptotique, si dG/dt =0, le
systme volue dans un invariant (thorme de LaSalle)
La fonction de Lyapunov quadratique est dfinie par : V(x)=xTPx
Stabilit locale
Si il existe une fonction scalaire de ltat V(x) dont les drives partielles premires sont
continues et telles que ;
1- V est une fonction candidate de Lyapunov
2- V est localement semi-dfinie ngative dans un voisinage de lorigine
alors le point dquilibre est stable et un domaine de conditions initiales stables est dlimit par
nimporte quelle quipotentielle de Lyapunov contenue dans .
Asymptotiquement stable au point dquilibre:
Le systme X = AX est asymptotiquement stable ssi Q=QT, P > 0 solution de lquation de
Lyapunov
ATP+PA+Q=0

31

Exemple dapplication
1 3
Soient A =
et Q =
0 2

2 p1
On doit rsoudre :
3 p1 3 p 2

1 0
0 1 .

3 p1 3 p 2
1 0
=

6 p 2 4 p3
0 1

0.5 0.5
do la solution P =

0.5 1
Inconvnient
Le problme majeur de cette mthode est de trouver la fonction de Lyapunov pour le
systme. Dans le cas non linaire, il nexiste pas de mthode systmatique pour choisir
une fonction de Lyapunov.

III.3.7)

Dmarche suivre pour tudier la stabilit

Pour rsumer, la demarche suivre pour tudier la stabilit dun systme se decompose en 4
tapes :
1- Trouver les points dquilibres du systme en rsolvant f(x)=0
2- Linariser le systme autour des points dquilibre pour valider la stabilit,
linstabilit du point dquilibre en se rfrant aux valeurs propres (cf. p6 et p7)
3- Choisir une fonction candidate de Lyapunov V et en posant le changement de variable
x = x x tudier le domaine de stabilit/instabilit par la deuxime mthode de
Lyapunov
4- Si les rsultats ne sont pas concluant, choisir une autre fonction candidate de
Lyapunov.

IV) Systme chaotique

Un systme non linaire peut avoir un comportement en rgime permanent plus complexe que
ceux habituellement rpertoris tels que lquilibre, les oscillations priodiques... notamment
lorsque le degr de libert (dimension du vecteur dtat) est suprieur ou gal 3.
Dans ce cas, la sortie du systme est extrmement sensible aux conditions initiales, do la non
prvisibilit de la sortie. Certains comportements chaotiques font ainsi apparatre un aspect
alatoire malgr leur nature dterministe intrinsque.
32

Pour rappel, on appelle systme chaotique, un systme dterministe dont la sensibilit aux
conditions extrieures (SCI) rend lvolution du systme incertain. Nous savons que les systmes
non linaires sont moins dpendants des conditions initiales, cependant pour une rgion donne
(bassin dattracteur), le systme volue galement vers une solution unique (point, cercle limite).
Cette solution s'appelle un attracteur. Une fois que le systme se trouve sur son attracteur (dont
la dimension est plus petite que la dimension de l'espace des phases), il y reste confin. On dfinit
galement le bassin dattraction comme tant lensemble des conditions initiales pour lesquelles
la trajectoire associe au vecteur de champ conduit toujours vers le mme attracteur.
De plus, dans le cas dun systme chaotique, la modification des paramtres de contrle permet
de modifier la trajectoire pour voluer dun attracteur un autre attracteur. La trajectoire est ainsi
dtermine par le comportement non linaire du systme mais est commande par la modification
des paramtres de contrle du systme. On parle de route vers le chaos.

IV.1) Systme chaotique

Un systme dit chaotique est un systme dterministe mais dont la sortie semble alatoire et qui
est trs sensible aux conditions initiales. Pour tre chaotique, le systme doit tre au minimum
dordre 3 (3 tats) et la sommation des valeurs propres sur toute la trajectoire du systme doit
conduire deux valeurs propres ngatives et une valeur propre positive. Lvolution de la
trajectoire passe donc par un tat dexpansion puis de rtraction. De par une non linarit active,
tout se passe comme si le systme revenant vers un tat stable, reoit une quantit dnergie avant
dtre de nouveau dissipatif.
Lexemple suivant est issu dun systme RLC avec une rsistance non linaire ngative gnre
par un NIC (Ngative Impedance Convertor) base sur deux amplificateurs oprationnels.

La rsistance ngative tant construite par le gnrateur NIC prsent sur le graphe ci-dessous.

33

Ve
I_P robe
I_NL

R
R4
R =22 kOhm

R
R1
R =220 Ohm

OpAmp
AMP 1
VE E =-9 V
VCC=9 V

OpAmp
AMP 2
VE E =-9 V
VCC=9 V

R
R6
R =3.3 kOhm

R
R5
R =22 kOhm

R
R3
R=2.2 kOhm

R
R2
R =220 Ohm

Nous gnrons ainsi un circuit RLC mais au lieu dtre dissipatifs (effet Joule via une rsistance
R), le systme est entretenu par un apport dnergie via la rsistance ngative (et les Aop).
Les quations du systme de Chua scrivent :
dv1
1 v 2 v1
=
(
f (v1 ))
dt C1
R
dv 2
1 v1 v 2
=
(
+ i3 )
dt
C0
R
di L 1
= ( v 2 R0 i L )
dt
L
La courbe obtenue dans le plan de phase est la suivante
2.5
2
1.5
1

0.5
0
-0.5
-1
-1.5
-2
-2.5
-0.5

-0.4

-0.3

-0.2

-0.1

0
Z1

0.1

0.2

0.3

0.4

0.5

34

En reprsentant lvolution dun tat au cours du temps, nous obtenons la courbe suivante

Il est ainsi trs difficile de prdire la trajectoire un instant t. Dailleurs, une caractristique
essentielle des systmes chaotiques est le degr dimprvisibilit du systme : Mme si deux
conditions initiales sont simplement voisines, la distance sparant les deux trajectoires dans
lespace des phases volue trs diffremment dune trajectoire une autre et trs rapidement
les trajectoires se trouvent dcorelles. Le calcul des exposants de Lyapunov permet de quantifier
la vitesse de dcorllation entre deux trajectoires issues de deux conditions initiales trs proches,
par la mesure du paramtre de divergence exponentielle.
IV.1.1)

Exposant de Lyapunov : approche de la thorie du chaos

Certains systmes dynamiques (systmes qui dcrivent dans l'espace un tat qui volue dans le
temps) sont trs sensibles aux petites variations de leur condition initiale (SCI). Ces variations
peuvent rapidement prendre d'normes proportions. Le mathmaticien russe Alexander Lyapunov
s'est pench sur ce phnomne et a dvelopp une quantit permettant de mesurer la vitesse
laquelle ces petites variations peuvent s'amplifier. Cette quantit appele "exposant de Lyapunov"
mesure en fait le degr de sensibilit d'un systme dynamique.

Considrons un systme dynamique quelconque dont la condition initiale x0 est affecte d'une
erreur infinitsimale E0. Aprs n itrations, l'erreur initiale E0 sera donc amplifie d'un facteur
En
. Notons que l'erreur diminue lorsque le facteur est infrieur 1 et augmente s'il est suprieur
E0
1.

35

En
En En 1
E
=
1 , il suffit alors de calculer ce produit pour dterminer la faon
E0
E n 1 E n 2
E0
dont s'amplifie l'erreur initiale.
Puisque

Malheureusement, calculer un trs grand nombre de produits l'aide d'un ordinateur amne
quelques difficults. Le logarithme d'un produit correspond une somme de logarithmes.
Utilisons plutt le logarithme du produit pour complter cette tude.

Avant de faire tendre cette dernire quantit vers l'infini, calculons d'abord la moyenne de la
somme obtenue. On arrive ainsi l'exposant de Lyapunov.

Ei
correspond la drive de la fonction
Ei 1
associe l'quation utilise si naturellement la fonction est drivable. En effet soit f(xi) cette
fonction.
Ei et Ei-1

tant de trs petites valeurs, le rapport

Lorsque l'exposant de Lyapunov est positif,

36

ln

En
En
> 0 et par consquent
>1
E0
E0

L'erreur infinitsimale du dbut ira donc en augmentant. Le systme sera dans ce cas sensible aux
trs petites variations de sa condition initiale, une des caractristiques des systmes chaotiques. Si
au contraire l'exposant de Lyapunov est ngatif, l'erreur infinitsimale du dbut ira en diminuant.
L'erreur initiale n'aura dans ce cas aucun effet long terme.
Un exemple est trait ci-dessous :
X 1 = X 1 X 13
Soit le systme suivant :
X2 = X2
La trajectoire ( X 0 , t ) considre est dfinie partir des conditions initiales : 0<X1<1 et X2=0
Lintgration de la premire ligne donne :
dX 1 (t )
= X 1 (t ) X 13 (t )
dt
dX 1 (t )
= dt
X 1 (t ) 1 X 12 (t )

Posons (t ) = 1 X 12 (t ) d (t ) = 2 X 1 (t )dX 1 (t ) soit dX 1 (t ) =

Do,

d (t )
2 1 (t )

d (t ) d (t ) dX 1
=
= 2 1 (t ) 1 (t ) (t ) = 2 1 (t ) (t )
dt
dX 1 dt

d (t )
1

= 2dt , on trouve : ln
1) = 2t
(1 (t ) ) (t )
(t )

2t
e
Do X 12 (t ) = 2t
e +1
En crivant :

La linarisation du systme dquation autour dun point Xp donne :

X 1 = 1 3 X 12 X 1
donc

X2 = 1 X2

X 1 1 3 X 12

X = 0
2

0 X1

1 X 2

37

X2 = 1
t
X2 = e
X 2
On remplace X1(t) (et donc sa drive par calcul) par la solution obtenue prcdemment puis on
intgre ce dernier ce qui permet d'obtenir la matrice de la solution fondamentale t.
On obtient ainsi le systme suivant :

X 1
e 2t

= 1 3 2t
X 1
e +

, soit par intgration : ln( X 1 ) = t + ln(e 2t + 1)

2
1

On trouve par consquent : X = e t e 2 ln(e

1

2t

+ 1)

= e t (e 2t + 1)

Les valeurs propres de cette matrice sont 1 = e t (e 2t + 1)

e t (e 2t + 1) 3 2
t =
0

e t
2

et 1 = e t

1
Les exposants de Lyapunov sont donns par : i = lim ln i (t )
t t
On trouve ainsi 1=-2 et 2=-1 .

IV.2) En route vers le chaos

Un cycle linaire invariant dans le temps doit possder une partie imaginaire pure pour osciller
dans le temps. Cette condition est trs fragile vis--vis des perturbations existantes et/ou erreurs
de modlisation pouvant affecter la valeur de ces ples. De plus, dans le cas linaire, lamplitude
de loscillation dpend uniquement de la condition initiale.
Au contraire, les systmes non linaires peuvent tre le sige doscillation (cycles limites)
caractriss par leur amplitude et leur frquence, indpendamment de la condition initiale. Ainsi,
pour concevoir un oscillateur stable, il est ncessaire de raliser un systme non linaire.
Lquation de Van Der Pol est lexemple le plus couramment trait dans la littrature. Il sagit
dune quation dordre 2 non linaire caractrise par lquation suivante :
mx(t ) + 2c( x(t ) 1) x (t ) + kx(t ) = 0,

c> 0

En ce qui concerne les cycles limites, la thorie de Floquet est une aide considrable pour
dterminer la stabilit. Egalement base sur lanalyse des valeurs propres (multiplicateurs de
Floquet) de la matrice Jacobienne du systme, elle permet de connatre le comportement stable ou
instable en fonction de la manire dont les valeurs propres passent travers le cercle unit du
plan complexe.
38

Si on adjoint maintenant un degr de libert supplmentaire au systme prcdent, par exemple

en faisant varier c, nous obtenons un systme trois degrs de libert et dont le comportement
dpend du paramtre de contrle c. Pour une valeur de c fixe et positive, le systme dcrit un
cycle limite dont lamplitude et la dure dpendent de c. Si on modifie c, on modifie la trajectoire
du cycle. Si c devient ngatif, le systme peut dcrire une trajectoire dite nud ou col. Avant de
devenir chaotique, ces systmes prsentent des changements brutaux de comportement lis la
modification du paramtre de contrle. On dit alors quune bifurcation se produit chaque
changement.

IV.3) Hystrses et bifurcations

Lorsque lon fait varier un paramtre du systme (par exemple le paramtre c du systme de Van
Der Pol prcdent), celui-ci pourra changer le rgime. Le diagramme de bifurcation nous
renseigne sur le type de comportement produit par le systme en fonction dun paramtre donne.
IV.3.1)

Hystrse

Si, en fonction dun paramtre de contrle c, la courbe de ltat stationnaire forme un S, il

apparat un domaine de valeurs de contrle pour lequel le systme admet simultanment trois
tats stationnaires, dont deux sont stables et un est instable (bistabilit) (le paramtre de stabilit
est obtenu par linarisation). Cette courbe est appele hystrse.
X

XS(s)

LP
XS(i)
LP

XS(s)

Hystrse
IV.3.2)

Bifurcation fourche (Pitchfork) ou noeud col

Si, une valeur donne de la variable de contrle c le systme devient instable (i) et
qu'apparaissent au mme endroit deux tats stationnaires (indice S) stables (s) de la variable X
qui coexistent, on parlera de bifurcation de pitchfork (PB) :

39

XS ( s)

XS ( s)

XS ( i)

PB

XS ( s)

Notons que ce type de bifurcation est trs instable et qu'il suffit, en gnral de modifier
lgrement un autre paramtre pour que cette structure se brise. On voit alors apparatre un point
limite (LP).
XS ( s)

XS (s)

LP

XS ( i)
XS ( s)

IV.3.3)

Bifurcation de Hopf

Passer d'un tat stationnaire stable un rgime priodique est possible suite une bifurcation
de Hopf (HB).
La bifurcation de Hopf donne naissance des solutions oscillantes dont lamplitude donne
lieue une bifurcation fourche et la phase tourne vitesse constante. La solution est donc
priodique et les trajectoires dcrivent une spirale attire vers une courbe asymptotique nomme
cycle limite.
Une bifurcation de Hopf est caractrise par le passage de la partie relle de deux valeurs
propres complexes conjugues de la matrice jacobienne du domaine ngatif au domaine positif. Il
arrive parfois que plusieurs paires de valeurs propres voient simultanment leur partie relle
changer de signe. On parlera alors de bifurcation de Hopf dgnre.
Un cycle limite peut galement tre gnr partir d'une bifurcation de Hopf situe sur la
branche d'un autre cycle limite. Une telle bifurcation est qualifie de secondaire.

IV.3.4)

Notion de sous- et super-criticalit

Dans le cas d'une bifurcation fourche, ainsi que pour une bifurcation Hopf, si la branche se
dploie dans le domaine stable de l'tat stationnaire, elle sera certainement instable. On qualifie
40

alors la bifurcation de sous-critique (schma gauche ci-dessous). Dans le cas contraire, la

bifurcation est dite super-critique (schma droite ci-dessous).
Xm ax ( s)

Xm ax ( i)
XS ( s)

XS ( i)

XS ( s)

HB

XS ( i)
HB

bifurcation sous-critique

bifurcation super-critique

La forme normale de la bifurcation supercritique est : x = x x 3 .

Cependant, le terme cubique du dveloppement de la forme normale nest pas suffisante pour
rendre compte de la trajectoire. Pour obtenir la saturation de la solution, lon doit parfois prendre
le terme de degr 5 : x = x + x 3 x 5
IV.3.5)

Excitation dure

Si le dbut de la branche commence par tre sous-critique, mais que celle-ci rencontre peu
aprs un point limite qui la fait retourner vers le domaine de o l'tat stationnaire est instable,
on peut trouver une rgion o un cycle limite stable coexiste avec un tat stationnaire, les deux
tant spars par un cycle limite instable. Ce dernier joue le rle de sparatrice. Cette situation est
qualifie d'excitation dure.
Xmax ( s)

LP
XS ( s)

Xmax ( i)

XS ( i)
HB

domaine
d' excit at ion dure

L'origine du terme "excitation dure" vient de fait que pour passer de l'tat stationnaire stable
au cycle limite stable, il faut infliger au systme une perturbation (excitation) suffisamment forte
pour qu'il puisse franchir le cycle limite instable.
IV.3.6)

Ddoublement de priode et route vers le chaos

Signalons enfin que la cascade de ddoublement de priode (squence de Feigenbaum) est la

route vers le chaos la plus couramment rencontre.

41

CHAOS
PD

PD

Xmax ( s)

XS ( s)

PD

XS ( i)
HB

Squence de Feigenbaum
La route de Feigenbaum consiste en une succession de bifurcations fourches, alors que la route de
Pomeau-Manneville (non vue) repose sur une hystrse (bifurcation tangente ?) prise en inverse.

V)

Conclusion

Nous avons tudi dans ce chapitre les systmes dynamiques linaires et non linaires. Une tude
sur la stabilit a permis dintroduire diffrentes trajectoires pour les systmes deux dimensions
linaires. Dans le cas de systme non linaires la notion de stabilit est plus complexe et
lexistence dattracteurs multiples modifie les trajectoires dans le plan de phase. Cependant, dans
le cas dun systme dordre 2, les non linarits gnrent plusieurs attracteurs autours desquels
nous retrouvons les trajectoires associes aux systmes linaires. Enfin, laugmentation du degr
de libert (par variation dun paramtre dit de contrle) a fait apparatre des changements brutaux
de trajectoires (bifurcations) lorigine desquels on conoit lide de trajectoire chaotique.
Ce chapitre constitue une base de comprhension des systmes non linaire en introduisant les
diffrents comportements dynamiques de systmes non linaire de degr 2 puis 3. Au-del, on se
ramne un systme courbe ou hyperplan mais dont la gnration dun phnomne chaotique
reste lie au(x) paramtres de contrle.

42