Académique Documents
Professionnel Documents
Culture Documents
Cours dAutomatique
Representations detat lineaires
des systemes monovariables
Olivier BACHELIER
Courriel : Olivier.Bachelier@univ-poitiers.fr
Tel : 05-49-45-36-79 ; Fax : 05-49-45-40-34
2eme annee ENSIP, parcours MEE
Cours dAutomatique
Representations detat lineaires
des systemes monovariables
Olivier BACHELIER
Courriel : Olivier.Bachelier@univ-poitiers.fr
28 juin 2017
Resume
1 Introduction 1
1.1 Notion de systeme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Notion de modele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Grandes lignes du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3 La representation detat 11
3.1 Principe general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 De la non-linearite a la linearite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Historique de la representation detat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.4 Comment obtenir un modele detat ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.4.1 Par le jeu dequations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.4.2 Par lequation differentielle unique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.5 De la fonction de transfert a la representation detat . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.5.1 Cas dune fonction de transfert strictement propre (m < n) . . . . . . . . . . . . . . . . . 17
3.5.1.1 Realisation diagonale ou quasi diagonale de Jordan . . . . . . . . . . . . . . . 17
3.5.1.2 Realisation de forme compagne . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.5.2 Cas dune fonction de transfert non strictement propre (m = n) . . . . . . . . . . . . . . 20
3.6 De la representation detat a la fonction de transfert . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.7 Dune realisation a lautre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.7.1 Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.7.2 Obtention dune forme compagne (horizontale) . . . . . . . . . . . . . . . . . . . . . . . 22
3.7.3 Obtention dune forme de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.7.3.1 Les valeurs propres i de A sont distinctes . . . . . . . . . . . . . . . . . . . . 23
3.7.3.2 Les valeurs propres i de A sont multiples . . . . . . . . . . . . . . . . . . . . 23
iii
TABLE DES MATIERES TABLE DES MATIERES
6 Commandabilite et observabilite 43
6.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.1.1 Commandabilite ou gouvernabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.1.2 Observabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.2 Critere de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.2.1 Commandabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.2.2 Observabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.2.3 Dualite des deux concepts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.3 Criteres sappliquant aux formes de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.3.1 A diagonalisable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.3.2 A non diagonalisable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.4 Grammiens de commandabilite et dobservabilite . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.4.1 Definition des grammiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.4.2 Interpretation des grammiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.4.3 Calcul des grammiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.5 Modeles et structures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.5.1 Difference entre les modeles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.5.2 Systemes composites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.6 Realisation minimale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.6.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.6.2 Realisation minimale et notion de poles . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.6.3 Realisation minimale et stabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
iv
TABLE DES MATIERES TABLE DES MATIERES
v
TABLE DES MATIERES TABLE DES MATIERES
10 Conclusion 107
10.1 Resume du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
10.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
Annexes 109
vi
TABLE DES MATIERES TABLE DES MATIERES
D A propos de Z 129
D.1 Proprietes de Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
D.2 Tableau de transformees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
H Biographies 153
H.1 Alexandr Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
H.2 Rudolf Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
vii
TABLE DES MATIERES TABLE DES MATIERES
viii
Chapitre 1
Introduction
LAutomatique est une discipline scientifique qui vise a conferer a un dispositif donne, appele systeme, des
proprietes souhaitees et ce, sans necessite dune intervention humaine. Une telle discipline requiert dattribuer
un modele au comportement du dit systeme (phase de modelisation) et de lutiliser afin, dune part, de mieux
comprendre ce comportement (phase danalyse) et dautre part, dagir sur le systeme dans le but dameliorer ses
proprietes (phase de commande).
Sans revenir trop longuement dans cette introduction sur des concepts etudies lors des cours relatifs a lapproche
dite frequentielle, il convient de rappeler quelques notions de base.
Parmi les grandeurs, eventuellement physiques, mises en jeu dans le fonctionnement dun systeme, lon peut
distinguer celles qui, generees par lenvironnement exterieur au systeme, agissent sur ce dernier. Ce sont les entrees
parmi lesquelles figurent celles dont lhomme a la matrise (les entrees de commande ou simplement entrees) et
celles qui echappent a son controle (les perturbations). Lon distingue aussi les grandeurs par lesquelles le systeme
agit sur lenvironnement exterieur, a savoir les sorties. Lon note souvent par les lettres u, d et y, respectivement
les entrees, les perturbations et les sorties, de sorte quun systeme peut-etre represente par le schema de la figure
1.1.
d1 dr
...
u1 y1
u2 y2
.
.
.
Systeme .
.
.
um yp
Dans le cadre de ce cours, seuls seront etudies les systemes monovariables pour lesquels m = p = 1, cest-a-dire
ne comportant quune seule entree et une seule sortie.
1
Notion de modele
Il est rappele que lautomaticien est souvent amene a reintroduire linformation presente au niveau de la sortie
sur lentree afin de modifier les performances du systeme. Ce dernier est alors dit boucle. La notion de boucle etant
deja connue des etudiants, elle nest pas detaillee dans cette introduction. Une partie de ce cours consacree a la
commande y reviendra. Il va de soi que les performances attendues sont les memes que celles envisagees lors de
letude de lapproche frequentielle, a savoir la stabilite, la forme des regimes transitoires, la precision et le rejet de
perturbations.
Ainsi les signaux continus peuvent prendre toutes les valeurs dans un intervalle donne alors que dautres signaux
sont susceptibles de prendre uniquement certaines valeurs bien determinees. Sur la base de cette difference, lon
distingue lautomatique des systemes a evenements continus de lautomatique des systemes a evenements discrets.
Seul le cas des evenements continus sera envisage dans ce cours.
Une autre distinction tout aussi fondamentale se fait sur le temps. En effet, les signaux peuvent etre definis a
tout instant du temps ou simplement connus a des instants donnes (lon parle de signaux discrets, discretises, ou
echantillonnes). Les signaux de sortie sont ainsi mesures, et donc connus, uniquement a certains instants, et la
sequence des echantillons est obtenue sous forme numerique en sortie dun convertisseur analogique numerique.
Elle est transmise a un calculateur qui en deduit une sequence de signaux de commande. Celle-ci est transformee
par un convertisseur numerique analogique qui restitue un signal a temps continu sur lentree du systeme. Pour le
calculateur, lensemble constitue du systeme et des convertisseurs est vu comme un systeme a temps discret (ou,
de maniere plus generale, systeme discret ). Dans ce cours, sera essentiellement consideree lautomatique des
systemes a temps continu (ou simplement des systemes continus ). Seul le dernier chapitre traitera traitera de
lautomatique des systemes discrets.
Il existe dautres distinctions qui reposent sur le modele mathematique utilise pour decrire le comportement
du systeme. Ce modele est obtenu soit par identification (lon fait correspondre un modele de structure donnee
au comportement entrees/sorties du systeme) ou, et ce sera le cas ici, par une utilisation judicieuse des equations
correspondant aux lois de la physique regissant le comportement du systeme. La plupart de ces equations sont
differentielles et non lineaires. Cependant, il est souvent recommande de travailler dans une gamme de valeurs
autour dun point de fonctionnement de telle sorte que les equations sont raisonnablement remplacables par des
equations differentielles dites lineaires a coefficients constants. Cette approximation permet donc de passer dun
modele non lineaire a un modele lineaire. Bien que moins fidele a la realite, ce dernier facilite lanalyse et la
commande du systeme, notamment grace a un principe fondamental, celui de superposition (ou de separation),
resume sur la figure 1.2.
a 1 u1 + Systeme
y= a 1 y1 + a 2 y2
a 2 u2 + lineaire
Si lentree u1 entrane la sortie y1 et si lentree u2 entrane la sortie y2 alors une entree a1 u1 + a2 u2 entrane une
sortie y = a1 y1 + a2 y2 . Ce cours est restreint a letude des systemes lineaires.
Enfin, comme il a deja ete mentionne, une derniere distinction est essentielle pour ce cours. Les systemes sont
soient monovariables (une seule entree, une seule sortie) soit multivariables (plusieurs entrees, plusieurs sorties).
Seuls les systemes monovariables seront etudies.
2
Grandes lignes du cours
En resume, ce cours concerne les systemes lineaires monovariables (continus et discrets), cest-a-dire ceux qui
peuvent etre decrits par une fonction de transfert.
3
Grandes lignes du cours
4
Chapitre 2
Dans ce chapitre, lon revient brievement sur la notion a priori familiere de fonction de transfert. Dou vient-elle ?
Comment lobtenir ? Pourquoi est-elle utilisee ?
i(t) R L
u(t) C y(t)
Les equations issues des lois de lelectricite qui regissent le comportement du circuit RLC sont les suivantes :
di(t)
u(t) = Ri(t) + L
+ y(t)
Z t dt (2.1)
1 dy(t) 1
y(t) = i( )d = i(t).
C 0 dt C
2.1.1 Linearite
La premiere constatation souvent facheuse est que ces equations algebro-differentielles ne sont pas lineaires en
fonction des grandeurs impliquees ou de leurs derivees successives. Or, les modeles non lineaires sont par essence
difficiles a manipuler. Cela signifie en pratique quils rendent ardues lanalyse du comportement du systeme et, plus
encore, sa commande. Par consequent, meme si cest une entorse au principe de description fidele de la dynamique
5
Equations preliminaires
du systeme, lon decide 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 reserve de ne pas
trop seloigner de ce point de fonctionnement, lon peut approcher les equations non lineaires par des equations
certes approximatives mais lineaires. Sans revenir sur ces notions connues, lon peut utiliser pour ce faire des
developpements limites ou de Taylor au premier ordre de certaines fonctions mathematiques en jeu. Lon parle
alors du systeme non lineaire et de son linearise tangent qui est lineaire. Lon sarrange egalement pour que
les coefficients intervenant dans les equations soient independants du temps. Lon parle alors de modele lineaire
invariant dans le temps.
Dans le cas des equations (2.1), elles sont deja lineaires a coefficients constants donc il est inutile de recourir
a une approximation.
(NB : le point sur une lettre designant un signal correspond a la derivation par rapport au temps ; exemple : y(t)
signifie dy(t)
dt .)
Il sagit la dun modele de comportement entree/sortie, cest-a-dire qui traduit levolution de la sortie en fonction
de celle de lentree et ce, en eludant la dynamique interne du systeme.
Physiquement, il est inconcevable que m soit strictement superieur a n. Lon peut toujours imaginer un modele
mathematique correspondant a ce cas mais en pratique, cela signifierait que la sortie du systeme a un instant donne
depend de la valeur de lentree a un instant ulterieur. Cest pourquoi, lon suppose que m n. Un tel systeme est
dit causal.
Si lon revient a lexemple du circuit RLC, en regroupant les deux equations donnees en (2.1), lon obtient, par
elimination de i(t) :
d2 y(t)
u(t) = LC + RC y(t) + y(t). (2.3)
dt2
Cette equation differentielle unique constitue bien un modele du lien existant entre lentree u(t) et la sortie y(t).
En outre, il est clair que des valeurs elevees de m et n rendent difficile la determination analytique de lexpression
du signal y(t). En dautres termes, il est fastidieux, sinon impossible, de resoudre une equation differentielle
dordre eleve. Aussi a-t-on ressenti le besoin dintroduire un nouvel outil de modelisation, plus aise a manipuler, et
plus a meme daider lautomaticien dans les phases danalyse et de commande : il sagit de la fonction de transfert.
Chaque signal temporel f (t) causal , cest-a-dire pour lequel f (t) = 0, t < 0, peut subir une transformation
dite de Laplace , notee L et ainsi definie :
6
Equations preliminaires
Z
L
f (t) 7 F (p) = f (t)ept dt.
0
F (p), si elle existe, cest-a-dire si lintegrale est calculable, est appelee transformee de Laplace de f (t) et la
variable complexe p = + j (notee s dans les ouvrages de culture anglo-saxonne) est connue sous le nom de
variable de Laplace. Cet operateur possede les proprietes suivantes :
1. linearite :
L
f1 (t) + kf2 (t) 7 F1 (p) + kF2 (p)
2. theoreme de la derivation :
L
f(t) 7 pF (p) f (0)
L
f(t) 7 p2 F (p) pf (0) f(0)
dl f (t) L l df l1 (0)
l
7 p F (p) pl1 f (0) pl2 f(0) ...
dt dtl
p correspond donc, en presence de conditions initiales nulles, a une derivation dans le domaine de Laplace.
3. theoreme de lintegration :
R t0 L F (p)
0 f ( )d 7 p
4. theoreme du retard :
L
f (t ) 7 ep F (p)
Comme il est parfois fastidieux de calculer la transformee de Laplace dune fonction temporelle compliquee (de
meme que la transformee inverse notee L 1 ), en pratique, les automaticiens disposent de tableaux de transformees.
7
Fonction de transfert
U (p) = LC(p2 Y (p) py(0) y(0)) + RC(pY (p) y(0)) + Y (p). (2.4)
Lequation (2.4) constitue un lien entre la transformee de Laplace du signal dentree et celle du signal de sortie.
G(p) est une fraction rationnelle dependant de la variable de Laplace, de numerateur N (p) et de denominateur
D(p). Elle est appelee fonction de transfert et se revele tres utile pour letude des systemes lineaires monovariables.
G(p) est dite dordre n et selon la regle de causalite, lon aura generalement m n.
Lon note que les racines de N (p) sont appelees zeros du systeme et celles de D(p) sont appelees poles du systeme.
Bien que les zeros aient une influence difficile a estimer sur le comportement du systeme, il convient surtout de
se souvenir que les poles ont une influence encore plus grande en termes de stabilite et de regime transitoire de
la reponse du systeme. Cette influence des poles est beaucoup plus facile a prevoir (voir cours sur la fonction de
transfert).
Dans le cas ou u(t) est un signal sinusodal (reponse harmonique), lon peut tracer, par exemple, le diagramme
de Bode du modele grace a G(p) (voir cours sur la fonction de transfert). Ce diagramme est particulierement utile
8
Fonction de transfert
pour comprendre la reaction du systeme a des signaux et ce, selon la frequence de ces signaux. La fonction de
transfert permet donc une analyse frequentielle du comportement du systeme par lintermediaire du diagramme de
Bode.
En outre, de G(p), lon deduit facilement des lois de commande (par exemple de type regulateur PID), basees
sur lobtention de certaines marges de gain ou marges de phase, determinables grace au diagramme de Bode. De
meme, G(p) peut-etre utilisee pour calculer une loi de commande placant les poles du systeme en boucle fermee.
Dans les deux cas, cest la manipulation de G(p) qui conduit a letablissement de la loi de commande, ce qui
demontre 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 ecrire G(p) sous la forme dite canonique de deuxieme
ordre (voir cours sur la fonction de transfert)
1
G(p) = ,
2m 1 2
1+ p+ p
0 0
la valeur de m, le coefficient damortissement, renseignant sur le niveau doscillation.
9
Fonction de transfert
10
Chapitre 3
La representation detat
Devant la complexite croissante des systemes, la fonction de transfert peut parfois sembler ne pas etre le modele le
plus approprie pour decrire les comportements consideres. La recherche de performances toujours plus fines peut
conduire a la meme conclusion. Ceci est particulierement vrai si lon sort du cadre ce ce cours et si lon envisage
letude de systemes multivariables. Pour cette raison, dautres modeles sont utilises et apparaissent comme une
alternative a la fonction de transfert. Le plus celebre dentre eux est la representation detat ou equation detat
ou encore modele detat. Il fut popularise dans les annees 1960 meme si son origine est plus lointaine. Il sagit
dun modele qui prend en compte la dynamique interne du systeme et ne se limite pas a la description dun
comportement de type entree/sortie. Ce chapitre presente les principes de base dun tel modele en se restreignant
neanmoins, comme pour la fonction de transfert, au cas lineaire monovariable continu.
Etat : letat dun systeme dynamique est le plus petit ensemble de variables, de grandeurs, tel que la
connaissance de cet ensemble a linstant t = t0 , ainsi que celle du signal dentree pour t t0 , suffit a
determiner completement le comportement du systeme pour t t0 .
Levolution de letat a partir de linstant t0 nest donc pas determinee par son evolution avant linstant t0 . Seuls
importent letat a t0 et lentree a partir de t0 , comme lillustre la figure 3.1. ou plusieurs trajectoires de x(t) avant
linstant t0 aboutissant en x(t0 ) sont compatibles avec la meme trajectoire de x(t) apres t0 .
Variables detat : ce sont les variables, grandeurs qui constituent letat du systeme.
Lon considere traditionnellement que ces variables sont au nombre de n et notees x1 , x2 , ..., xn . Cette valeur
de n est lordre du modele. Chacune de ses variables est associee a un signal temporel. Lensemble {x1 , ..., xn }
constitue letat. Les grandeurs xi ne sont pas necessairement des grandeurs physiques.
Vecteur detat : de maniere plus mathematique, lon represente letat par une concatenation de lensemble
des variables detat en un vecteur, a priori reel, de dimension n, que lon note x = [x1 , . . . , xn ] .
Il va de soi que les expressions etat et vecteur detat sont frequemment utilisees lune pour lautre sans que cela
naltere fondamentalement le propos.
Espace detat : Il sagit tout simplement de lespace vectoriel dans lequel le vecteur detat x est susceptible
devoluer, chaque instance de x etant associe a un point de cet espace. Cet espace est donc IRn .
11
De la non-linearite a la linearite
x1 (t)
xi (t)
xn (t)
t0 t
F IGURE 3.1 Levolution des composantes de x(t) apres t0 (trait plein) est independante de leur evolution avant
t0 (pointilles)
Lon dit souvent de la representation detat que cest une modelisation dans lespace detat.
Pour un systeme dynamique, le vecteur detat nest pas unique. Plusieurs choix sont possibles. Mais pour que x
soit effectivement vecteur detat, il importe que chacune des variables detat apparaissent, de maniere explicite ou
implicite, sous forme derivee dans le jeu dequations decrivant le systeme. Dans le cas contraire, il sera difficile de
se servir de cette variable pour prevoir levolution du systeme. Cette constatation conduit a un systeme dequations
differentielles auquel sajoute une equation algebrique :
x1 (t) f1 (x(t), u(t), t)
.. ..
x(t) =
. = f (x(t), u(t), t) = .
xn (t) fn (x(t), u(t), t)
y(t) = g(x(t), u(t), t).
(3.1)
ou f et g sont des fonctions susceptibles de prendre presque nimporte quelles formes. Cependant, lon ne parle de
representation detat que si la fonction vectorielle f de IRn IR IR dans IRn est Lipschitzienne en x, continue en
u et continue par morceaux en t.
Le systeme differentiel apparaissant dans (3.1) est appele equation dynamique ou equation devolution alors que
lequation algebrique est dite equation de mesure ou equation de sortie.
12
De la non-linearite a la linearite
et lon fait lhypothese que toutes les variations autour de ce point sont faibles. Ainsi, en supposant que ce point
dequilibre est caracterise par les valeurs xe et ue , lon peut considerer la variation detat (t) = x(t) xe , celle
dentree 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 differentielles correspondantes), lon peut calculer les matrices
jacobiennes suivantes
f1 f1 f1
(xe , ue , t) . . . (xe , ue , t) (x , u , t)
x1 xn u e e
. . . .
A(t) =
.. .. .. ; B(t) =
..
;
f fn f
n n (3.2)
(xe , ue , t) . . . (xe , ue , t) (xe , ue , t)
x1 xn u
g g g
C(t) = (xe , ue , t) . . . (xe , ue , t) ; D(t) = (xe , ue , t).
x1 xn u
Ainsi, si lon considere que (t) et v(t) sont respectivement le nouveau vecteur detat et la nouvelle entree du
modele linearise tangent autour du point dequilibre, il vient :
= A(t)(t) + B(t)v(t)
(t)
(3.3)
z(t) = C(t)(t) + D(t)v(t).
Lapproximation lineaire au premier ordre consiste donc a supposer que (t) et v(t) restent faibles et a decrire le
comportement du systeme par (3.3). Comme x(t), u(t) et y(t) sont les notations habituelles de letat, de lentree
et de la sortie, lon ecrira plutot
x(t) = A(t)x(t) + B(t)u(t)
(3.4)
y(t) = C(t)x(t) + D(t)u(t),
dautant plus quil nest pas rare que lorigine soit le point dequilibre ( = x), que lon sinteresse au systeme
autonome, voire que le modele soit obtenu directement sous forme lineaire, sans avoir a recourir a une approximation.
Par ailleurs, les signaux u(t), y(t) et xi (t) sont de toute evidence des signaux temporels. De plus, il est assez
frequent, comme il a deja ete mentionne, que les fonctions non-lineaires f et g ne dependent pas explicitement
du temps. Lon peut alors tres souvent omettre la dependance en t de maniere a obtenir la representation detat
suivante, qui correspond a un systeme differentiel lineaire a coefficients constants :
x = Ax + Bu
(3.5)
y = Cx + Du.
Les relations donnees en (3.5) constituent une representation detat lineaire invariante dans le temps dun systeme.
Par abus de langage, lon parle souvent de systeme LTI (acronyme anglais pour Linear Time-Ivariant, cest-a-dire
lineaire invariant dans le temps). Cest ce type de modele qui fait lobjet de ce cours.
La matrice A est appelee matrice detat ou devolution. On la nomme aussi parfois matrice dynamique. B est
appelee vecteur dentree ou de commande (dou une ambigute avec le vecteur u). C est le vecteur de sortie,
dobservation ou de mesure (dou une ambigute 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 dentree et celui de sortie.
Remarque 3.1 Dans le cas ou f et g dependent explicitement de t, alors A, B, C et D sont des fonctions de t et le
modele est dit lineaire variant dans le temps. Il est souhaitable, si possible de recourir aussi a une approximation
pour considerer ces matrices comme constantes. Lon retrouve alors un modele LTI.
13
De la non-linearite a la linearite
u B + + x R x C + y
+
l
m
Exemple :
g k
x2 = sin(x1 ) x2 = f2 (x1 , x2 ).
l m
f1 f1
(xe ) = 0 ; (xe ) = 1 ;
x1 x2
f2 g f2 k
(xe ) = cos(xe1 ) ; (xe ) = .
x1 l x2 m
14
Historique de la representation detat
" #
0 1
x = Ax = g k x
.
l m
Bien que la fonction de transfert fut popularisee dans les annees 30 et 40 alors que la representation le fut dans les
annees 1960, il nest pourtant pas exact de dire que cette derniere est ulterieure. En realite, la notion detat etait
definie depuis le XIXeme siecle et apparaissait par exemple en Mecanique (la formulation de la loi de Newton par
W. R. Hamilton utilise implicitement la notion detat) et en Thermodynamique au travers des contributions de H.
Poincare). Elle est particulierement presente dans les travaux dAlexandr Lyapunov (mathematicien et physicien
russe (1857-1918)) relatifs a la stabilite du mouvement en mecanique (1892). Ces travaux eurent dimportantes
repercutions, entre autres dans la perception de certains modeles dastronomie mais aussi dans bien dautres
domaines. Cependant, malgre deux traductions francaises en 1902 et 1907 puis une anglaise en 1949, ils ne
resterent un centre dinteret que dans les milieux scientifiques sovietiques.
Pendant ce temps, en occident, ces methodes dites temporelles (parce que basees sur des modeles faisant intervenir
des derivees par rapport au temps) furent supplantees par lapproche dite frequentielle. En effet, le formalisme
de la contre-reaction et les theories connexes furent progressivement developpees dans les annees 1930 et 1940
par des electroniciens (Black, Bode aides tout de meme de mathematiciens tel Nyquist) qui virent les systemes
dabord comme des filtres et privilegierent donc letude du comportement dun systeme en fonction de la frequence
du signal dentree. Par ailleurs, certains outils mathematiques disponibles depuis longtemps (travaux de Fourier,
Laplace, Routh, Hurwitz) semblaient convenir parfaitement a leurs besoins ce qui conduisit tout naturellement
a une preeminence de la fonction de transfert en tant que modele de systeme lineaire. En outre, les progres de
lelectronique et les necessites daccentuer le developpement de technologies usant dAutomatique en temps de
guerre aiderent a la popularisation de cet outil, particulierement aux USA. La France fut partie prenante de cette
evolution, surtout apres la guerre. De fait, il est vrai que la fonction de transfert savera un outil tres utile.
Neanmoins, pendant ce temps, les Sovietiques continuerent daccorder une grande importance a la notion detat et
aux travaux de Lyapunov, grace, entre autres, a Chetayev et Lure qui sinteressaient a des problemes aeronautiques
et/ou militaires. Loccident ne preta pas forcement beaucoup dattention a ce clivage scientifique jusquen 1957 ou
le premier satellite artificiel, Spoutnik, fut mis en orbite par les scientifiques de lest. Il apparut donc clairement que
si lapproche frequentielle etait utile, il y avait aussi a gagner a developper lapproche temporelle, en particulier
dans le domaine spatial. Cest pourquoi le professeur Salomon Lefschetz organisa une equipe de recherche, aux
USA, chargee de promouvoir en occident la theorie de Lyapunov. Parmi ces chercheurs figuraient entre autres
La Salle, Bertram et surtout Kalman. Ce dernier fut le grand initiateur de la representation detat lineaire et sut
mettre en evidence linteret de cette derniere au regard des outils de lalgebre lineaire. Il introduisit les notions de
commandabilite et dobservabilite et, grace a ses travaux, la theorie de Lyapunov fit un retour significatif dans la
communaute des automaticiens occidentaux. Des projets a caractere spatial tels quApollo ou Polaris beneficerent
directement de ce regain dinteret.
Il est a noter, enfin, que, sans remplacer la fonction de transfert qui continue detre utilisee efficacement pour de
nombreuses applications, la representation detat se prete particulierement bien a letude des systemes multivariables
(plusieurs entrees et/ou plusieurs sorties) frequemment rencontres dans le domaine aerospatial. Selon certaines
nomenclatures anglo-saxonnes, la branche de lautomatique basee sur le concept de representation detat est
qualifiee de moderne, par opposition a la branche frequentielle parfois qualifiee de classique. De fait, lapproche
temporelle ou interne basee sur les travaux de Kalman est celle qui procure le plus doutils novateurs de nos jours.
Les notions de base de cette approche etant cependant maintenant bien connus, le qualificatif de moderne nest
pas toujours considere comme approprie ou tout du moins communement admis.
15
Comment obtenir un modele detat ?
1
x2 = x1 .
C
ce qui conduit au modele (3.5) avec :
R 1
1
L L
B= L
A =
; ; C= 0 1 ; D = 0. (3.6)
1
0 0
C
dn1 y
x1 = y ; x2 = y ; x3 = y ; ... ; xn = .
dtn1
Lon peut alors montrer que :
0 1 0 ... 0 0
0 0 1 ... 0
0
A= .. .. .. .. ..
;
B= ..
; C=
1 0 0 ... 0
; D = 0.
. . . . .
.
0 0 0 ... 1 0
a0 a1 a2 . . . an1 b0
(3.7)
La technique ci-dessus appliquee a lequation (2.3) conduit a recrire cette derniere ainsi :
R 1 1
y + y + y= u.
L LC LC
Lon obtient alors
0 1 0
A= ; B= ; C=
; D = 0. 1 0 (3.8)
1 R 1
LC L LC
qui est un quadruplet de matrices different de celui trouve precedemment et donne en (3.6). Ceci permet de
constater que le modele detat obtenu depend du choix des variables detat. Il nest donc pas unique, contrairement
a la fonction de transfert. En effet, cette derniere est un modele externe et non interne, cest-a-dire un modele
16
De la fonction de transfert a la representation detat
entree/sortie. Or, la sortie et lentree etant uniques, il nexiste quune fonction de transfert.
Dans le cas ou m 6= 0, la procedure est un peu plus complexe mais repond au meme principe. Lon suppose
que m = n sans perte de generalite (il suffit de considerer bj = 0 j | m < j n). Le coefficient an est toujours
suppose egal a 1. Lon definit :
n = b n ,
j1
X
nj = b nj anj+k nk j {1, . . . , n}.
k=0
Il vient
0 1 0 ... 0 n1
0 0 1 ... 0
n2
A= .. .. .. .. .. ..
1 0 0 ... 0
. . . . . , B= . , C= , D = n ,
0 0 0 ... 1 1
a0 a1 a2 . . . an1 0
(3.9)
Pour le circuit RLC, on retrouve les quatre matrices donnees en (3.8).
Dans un premier temps, il est suppose que n > m, cest-a-dire quil nexiste pas de transmission directe (D = 0).
Il existe alors des methodes pour determiner des realisations diagonales, de Jordan, ou encore dites compagnes.
Ensuite, le cas m = n est envisage. Il est alors montre que lon peut neanmoins beneficier des resultats obtenus
dans le cas ou n > m.
Lexpression ci-dessus fait apparatre les poles du systeme, cest-a-dire les racines du denominateur D(p).
Poles distincts
17
De la fonction de transfert a la representation detat
Dans le cas ou tous les poles i , i = 1, ..., n sont distincts, il est facile de realiser la decomposition en elements
simples de Y (p) = G(p)U (p) et il vient :
n
X i
Y (p) = U (p) .
i=1
p i
| {z }
Xi (p)
Si lon focalise son intention sur chaque terme Xi (p), lon deduit que
xi = i u + i xi .
En choisissant le vecteur detat x = x1 . . . xn , il vient aisement la realisation suivante, dite diagonale :
1 0 . . . 0 1
0 2 . . . 0 2
x = ..
.. . . .
. x + . u
.
. . . . . (3.10)
0 . . . . . . n n
y = 1 1 . . . 1 x,
laquelle peut egalement etre modifiee en remplacant B par C et C par B . De maniere plus generale, dans une
realisation diagonale, B = [1 . . . n ] et C = [1 . . . n ] doivent etre telles que i i = i , i {1, ..., n}. Une
realisation de la forme (3.10) est dite diagonale car la matrice devolution A est diagonale.
Poles multiples
Dans le cas ou G(p) possede un pole dordre de multiplicite superieur a 1, la diagonalisation de A nest pas
forcement possible. Pour comprendre ce qui peut etre envisage dans cette situation, lon peut tout simplement
considerer une fonction de transfert G(p) ne possedant quun seul pole de multiplicite n. Lon a alors :
n
X U (p)
Y (p) = G(p)U (p) = i .
i=1
(p )i
| {z }
Xn+1i (p)
Lon voit bien sur cette expression que le premier terme est tel que
U (p) L 1
Xn (p) = xn = xn + u.
p
18
De la fonction de transfert a la representation detat
U (p) Xj (p) L 1
Xj1 (p) = j
= xj1 = xj1 + xj , j {2, ..., n}.
(p ) p
Pour le cas ou G(p) contient des poles dordre de multiplicite divers, il suffit dassocier les deux cas repertories
precedemment comme le montre lexemple ci-apres :
2p2 + 4p + 1 1 1 1
G(p) = = + + .
p(p + 1)2 p p + 1 (p + 1)2
Il apparat un pole simple nul et un pole double de Jordan egal a -1. Ceci conduit a la realisation suivante :
0 0 0 1
x = 0 1
1 x + 0 u
0 0 1 1
y = 1 1 1 x.
Remarque 3.2 Il est clair que ces formes de Jordan font apparatre les poles de G(p) sur la diagonale de A.
Ainsi, ces poles sont aussi les valeurs propres de A. Lorsque les poles sont multiples, la matrice peut ne peut etre
diagonale, mais ce nest pas systematique. En effet, il est possible quune matrice carree ayant des valeurs propres
multiples puissent etre diagonalisee (voir cours de mathematiques).
19
De la fonction de transfert a la representation detat
an1 1 ... ... 0 0
. ..
0 ..
an2 .
0
.. .. . . .. . x 0
x
= . . . . .. +
u
bm
.. . (3.13)
a1 0 ... . 1 ..
a0 0 ... ... 0 b0
y = 1 0 . . . . . . . . . 0 x.
Aucune justification rigoureuse nest apportee ici mais lon peut comprendre que ces formes compagnes sont liees
aux formes issues de lequation differentielle.
N (p) b0 + b1 p + . . . + bn p n R(p) b 0 + b 1 p + . . . + b n pn
G(p) = = = + Q = Gpr (p) + Q = + Q. (3.15)
D(p) D(p) D(p) D(p)
Comme m = n, le quotient Q est une constante et le reste R(p) est un polynome de degre strictement inferieur a
celui du diviseur D(p). Ainsi, Gpr (p) est une fonction de transfert strictement propre.
Les coefficients du numerateur N (p) de la fonction de transfert globale G(p) sont notes bi pour les distinguer des
coefficients bi du numerateur 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 associee au systeme obtenu est Gpr dont on peut determiner une realisation
(A, B, C). Il vient alors :
x = Ax + Bu
ypr = Cx.
En posant D = Q et en realisant le changement de variable inverse (dans le domaine temporel cette fois-ci)
y = ypr + Du, il vient :
x = Ax + Bu
y = Cx + Du.
Par exemple, soit la fonction de transfert :
p3 + 4p2 + 5p + 1 (p3 + 2p2 + p) + (2p2 + 4p + 1) 2p2 + 4p + 1
G(p) = = = + 1 = Gpr (p) + 1.
p3 + 2p2 + p p3 + 2p2 + p p3 + 2p2 + 1
Gpr (p) correspond a la fonction de transfert du dernier cas traite. Il suffit donc de conserver les matrices A, B et
C donnees en (3.14) en y ajoutant la transmission directe D = 1.
20
Dune realisation a lautre
les conditions initiales etant considerees nulles puisquil sagit de determiner G(p). De toute evidence, ceci amene :
Le denominateur D(p) de la fonction de transfert est souvent appele polynome caracteristique. Il est facile de
voir quil est, dans lexpression ci-dessus, engendre par linversion matricielle et egal a (cf. A.1.5 et A.1.8.1 en
annexe A) :
Le quadruplet de matrices obtenu est donc (A, B, C, D) = (M 1 AM, M 1 B, CM, D). Comme il existe une
infinite de matrices de passage M utilisables, il existe aussi une infinite de realisations equivalentes qui correspondent
toutes a la meme fonction de transfert. En effet,
21
Dune realisation a lautre
En outre, puisque M 1 AM est semblable a A, les valeurs propres de A sont les memes quelle que soit la realisation
consideree. De ce fait, ce sont toujours les poles de G(p) cest-a-dire les racines du polynome caracteristique
(meme si lon sera plus tard amene a porter une nuance a ce propos).
Les racines du polynome caracteristique D(p), cest-a-dire les poles du systeme, sont valeurs propres de la
matrice detat A quelle que soit la realisation choisie.
Il est possible de passer dune realisation a une autre ce qui peut se reveler utile quand la seconde a une forme
particuliere. Le principe est de determiner la matrice de passage.
Ceci permet dobtenir A. Si lon decompose la matrice M en M = [m1 , ..., mn ], alors legalite AM = M A
conduit a ecrire
Am1 = a0 mn colonne 1
Am 2 = v1 a m
1 n colonne 2
.. ..
. .
Am n1 = m n2 a n2 m n colonne n1
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 determiner mn ?
Compte tenu de Am1 = a0 mn , il vient :
Procedure pratique :
Il est donc possible de fixer arbitrairement mn 6= 0 et de determiner la matrice de changement de base M grace
a (3.19).
22
Dune realisation a lautre
Avi = i vi .
Les vecteurs vi sont appeles 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.
q = n rang(I A).
Pour comprendre comment determiner les vecteurs propres generalises, il est plus facile denvisager les deux cas
extremes, q = 1 (un seul bloc de Jordan) et q = n (matrice J diagonale). Les cas intermediaires ne correspondent
qua une association de ces deux cas comme il est explique par la suite.
q =1:
La relation
1 0 ... 0
0 1 ... 0
AV = A[v1 , . . . , vn ] = V J = [v1 , . . . , vn ] .. .. .. .. ..
. . . . .
0 0 ... 1
0 0 ... 0
Il faut donc proceder a une resolution sequentielle de toutes ces equations lineaires en sassurant toujours que les
vi sont bien lineairement independants.
q =n:
Dans ce cas, lon determine simplement n vecteurs vi lineairement independants tels que
q 6= n et q 6= 1 :
Dans ce cas la, il y a plusieurs blocs de Jordan et il convient dassocier les deux techniques expliquees ci-avant.
Remarque 3.3 Il peut exister une ambigute sur la taille des blocs de Jordan ; si cela se produit, lon peut
envisager tous les cas possibles sachant quun seul conduira a une solution. Ainsi, la premiere solution rencontree
est recevable.
Dans le cas ou il y a plusieurs valeurs propres multiples, il faut proceder comme ci-dessus, mais ce, pour chaque
valeur propre.
Exemple :
23
Dune realisation a lautre
Lon a :
1 0 0
P () = det 1 1 1 = ( 1)2
1 0
1 = 0 est une valeur propre simple. En resolvant 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
resolvant Av = v, lon trouve
1 0
v = 0 a + 1 b
1 0
ou a et b sont deux degres de liberte. En choisissant [a b] = [0 1] et [a b] = [1 0], lon obtient les deux derniers
vecteurs propres et
0 0 1 0 0 0
V = 1 1 0 = V 1 AV = 0 1 0 .
1 0 1 0 0 1
Remarque 3.4 Dans lexemple ci-avant, la matrice A est diagonalisable malgre la presence dune valeur propre
multiple, a savoir 1. Il sagit la dune distinction entre multiplicite algebrique et multiplicite geometrique (voir
cours de mathematiques).
24
Chapitre 4
Dans ce chapitre, il sagit dutiliser un modele detat pour determiner la reponse dun systeme lineaire a une
excitation classique (impulsion, echelon, sinusode). Par reponse, lon entend la forme (ou lexpression) de la
sortie y(t) du systeme delivree sous leffet dune excitation u(t).
Le vecteur x0 constitue lensemble des conditions initiales a linstant t0 . Il sagit ici de voir comment le systeme
reagit librement, en labsence dentree, a cette condition initiale.
La matrice (t, t0 ) est dite matrice de transition detat puisquelle permet de passer de letat x0 a letat x(t). En
derivant x par rapport au temps, lon obtient
25
Solution de lequation detat complete
(t, t0 ) = eA(tt0 ) .
Pour sen convaincre, lon peut rappeler quune exponentielle de matrice peut se calculer grace au developpement
en serie :
A2 (t t0 )2 A3 (t t0 )3
eA(tt0 ) = I + A(t t0 ) + + + ... (4.5)
2! 3!
Si lon derive lexpression ci-dessus par rapport au temps, lon obtient
d(eA(tt0 ) ) A3 (t t0 )2
= A + A2 (t t0 ) + + ...
dt 2!
d(eA(tt0 ) ) A2 (t t0 )2 A3 (t t0 )3
= A(I + A(t t0 ) + + + . . .) = AeA(tt0 ) ,
dt 2! 3!
ce qui montre bien que eA(tt0 ) est solution de (4.2). La reponse du systeme autonome a une condition initiale x0
est donc :
Il vient alors :
26
Calcul de eAt
Z t
x(t) = (t, t0 )x0 + (t, )Bu( )d.
t0
Z t
x(t) = eA(tt0 ) x0 + eA(t ) Bu( )d. (4.7)
t0
Bien entendu, lexpression de x(t) depend ensuite de celle u(t). Si lon donne la solution en y de lequation detat,
legalite (4.7) amene :
Z t
y(t) = CeA(tt0 ) x0 + C eA(t ) Bu( )d + Du(t). (4.8)
t0
Dans legalite ci-dessus, lon peut faire une distinction utile (deja etudie dans le cours sur lapproche frequentielle)
dans le membre de droite et faire apparatre deux regimes dans la reponse :
Le regime libre : il correspond au premier terme et ne depend que du modele du systeme et de la condition
initiale. Il ne depend pas de laction de lenvironnement exterieur pendant la reponse.
Le regime force : il est associe aux deux derniers termes et correspond en fait a la reaction du systeme a
lexcitation u(t). Il depend du modele du systeme mais aussi de la nature du signal u(t).
En outre, lorsque la reponse tend asymptotiquement vers une valeur constante de y(t) ou vers un comportement
periodique de ce signal, lon peut distinguer
Le regime transitoire qui est le temps durant lequel y(t) subit une evolution avant de se rapprocher dune
valeur constante ou dun comportement periodique. La duree du regime transitoire correspond a un temps
appele temps de reponse et note tr .
Le regime permanent qui succede au regime transitoire, qui commence donc a tr et qui correspond a
lintervalle de temps durant lequel y(t) est considere comme restant toujours proche de sa valeur finale
(generalement a moins de 5% de la variation totale de y(t)) ou comme ayant un comportement periodique.
En revanche, il est tout a fait raisonnable dutiliser cette technique lorsque le calcul est effectue numeriquement, le
developpement convergeant de maniere absolue.
Le theoreme de Cayley-Hamilton peut etre utilise pour calculer plus facilement les differentes puissances de A
a partir de An . En effet, ce theoreme stipule que la matrice A verifie son propre polynome caracteristique (cf.
equation (3.20)). Il vient donc :
27
Calcul de eAt
n
X
P (A) = ai Ai = 0 avec an = 1
i=1
n1
X
An = ai Ai
i=1
n+k1
X
An+k = aik Ai .
i=1+k
Exemple :
Soit la matrice
0 1
A= .
2 3
P () = 2 + 3 + 2.
A2 + 3A + 2I = 0 A2 = 3A 2I.
A3 = A2 .A = 3A2 2A = 7A 2I
28
Calcul de eAt
2 1 1 1
p+1 p+2 p+1 p+2
1
(pI A) =
2 2 1 2
+ +
p+1 p+2 p+1 p+2
Ak = M J k M 1 k 0.
eAt = M eJt M 1 .
Dans le cas ou
1 ... 0
.. .. ..
J == . . .
0 . . . n
est une forme strictement diagonale alors il est facile de voir que
e1 t ... 0
.. .. .. M 1 .
eAt =M . . .
0 . . . en t
Si lon reprend lexemple du paragraphe precedent, la matrice de passage a la forme diagonale est
1 1 2 1
M= M 1 =
1 2 1 1
Dans le cas ou J est une forme de Jordan non strictement diagonale et comportant p blocs de Jordan,
k 1 ... ... 0
..
0 k . 0
J = blocdiag{J1 ; . . . ; Jp }
.. .. .. .. ..
avec Jk = . . . . . , k {1, ..., p},
..
0 0 ... . 1
0 0 . . . . . . k
29
Regime transitoire : influence des modes
t2 tnk 1 tnk
1 t 2! ... (nk 1)! nk !
nk 2
t nk 1
t
0 1 t ... (nk 2)! (nk 1)!
tnk 3 tnk 2
eAt = M eJt M 1 = M blocdiag{eJk t }M 1 avec eJk t k t
=e 0 0 1 ... (nk 3)! (nk 2)! .
.. .. .. .. .. ..
. . . . . .
0 0 0 ... 1 t
0 0 0 ... 0 1
Il existe egalement une quatrieme methode dite de Cayley-Hamilton qui nest pas detaillee ici.
ou les scalaires i sont les valeurs propres de A et ou Ni = wi vi , les vecteurs vi et wi etant respectivement la
ieme colonne de la matrice de passage diagonalisante M et la ieme ligne de son inverse M 1 . Si les coefficients
Ni ont bien entendu une influence sur la forme de y(t), ce sont surtout les facteurs ei t qui en determinent les
caracteristiques principales.
Remarque 4.1 On appelle mode dun systeme un terme de son regime libre. Chaque mode est donc lie a une
valeur propre. Aussi, par abus de langage, parle-t-on parfois du mode i .
Ainsi, lorsquune valeur de i est a partie reelle strictement negative, le terme correspondant est evanescent et
disparat asymptotiquement. Si tous les i sont ainsi, et si u(t) converge vers une valeur finie avec le temps, alors
la reponse de y(t) converge elle aussi vers une valeur finie. Il est alors possible de mesurer tr , le temps de reponse,
et de distinguer clairement le regime transitoire et le regime permanent.
Lorsque i nest pas a partie reelle strictement negative, il est impossible que lexponentielle correspondante
disparaisse. Elle peut meme crotre avec le temps si la partie reelle de i est strictement positive. Il est alors
impossible que y(t) converge vers une valeur finie, meme si u(t) est fini. y(t) peut meme diverger infiniment.
Dans ce dernier cas, il est impropre de parler de regime permanent.
Par ailleurs, si i et j sont des valeurs propres complexes conjuguees non reelles, leurs parties imaginaires
vont engendrer des termes sinusodaux dans lexpression de y(t) ce qui est susceptible de generer des oscillations
dans la reponse.
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 reponse tr .
30
Reponse indicielle
En resume :
Cest le plus ou moins grand ratio entre partie imaginaire et partie reelle dun pole qui caracterise
le comportement oscillatoire lie a ce pole ;
Ce sont les poles dominants (ceux dont la partie reelle est la plus grande au sens algebrique) qui
ont le plus dinfluence sur la forme de la reponse.
Linfluence des valeurs propres de A sur le regime libre de y(t) est illustree sur la figure 4.1.
Im(p)
Re(p)
Les comportements indiques sur la figure 4.1 se retrouvent aussi en presence de u(t), cest-a-dire sur le regime
force de la reponse. Meme si les poles sont preponderants pour analyser ou prevoir le comportement dun systeme
(comme il apparatra dailleurs davantage au chapitre suivant), il existe bien sur dautres elements qui peuvent
influencer ce regime transitoire et cest pourquoi lon revient sur ces diverses influences dans lannexe B.
Cest dans ce cas-ci que linfluence des valeurs propres de A apparat clairement telle quelle est illustree par la
figure 4.1.
31
Reponse harmonique
ce qui suppose ici que A est inversible. Cest le cas si la reponse est convergente (Re(i ) < 0 i {1, ..., n}).
Lon voit clairement que le regime permanent est egal a CA1 B. Ceci est coherent avec la definition du gain
statique dune fonction de transfert :
i(t) R
u(t) C y(t)
Lapplication de (4.11) pour un systeme initialement au repos conduit a lequation bien connue :
y(t) = 1 et/RC .
Les resultats obtenus sont evidemment les memes que ceux issus de lapproche frequentielle et le lecteur est invite
a se reporter aux formes de reponses des systemes de premier et deuxieme ordre donnees dans le cours sur la
fonction de transfert.
32
Reponse harmonique
Cest le regime permanent qui importe dans une reponse harmonique. Or si Re(i ) < 0 i {1, ..., n}, alors le
premier terme de lexpression de y(t) ci-dessus tend asymptotiquement vers zero et constitue le regime transitoire.
Le second terme correspond alors a ce quil est convenu dappeler le regime permanent et est ici note y (t).
Lon definit :
Ce signal sinusodal conserve la meme pulsation que le signal dentree mais possede une amplitude et un dephasage
qui sont fonctions de cette pulsation. Ils peuvent etre determines grace a la fonction de transfert.
Comme il est impossible de representer toutes les reponses (cest-a-dire y (t) pour toutes les valeurs de ),
lon prefere donner une representation graphique de levolution de () et de () en fonction de . Il existe
plusieurs facons de representer cette dependance. Les plus celebres sont le lieu de Nyquist, celui de Black, ainsi
que les diagrammes de Bode. Tous les resultats bien connus de lapproche frequentielle sont donc ici retrouves par
resolution de lequation detat.
33
Reponse harmonique
34
Chapitre 5
Ce chapitre traite de la stabilite des representations detat lineaires. De ce fait, certaines notions sont communes
avec les enseignements relatifs a lapproche frequentielle.
La notion de stabilite est bien entendu fondamentale dans letude des systemes et, a quelques rares exceptions
pres, les systemes ne verifiant pas cette qualite sont inutilisables voire dangereux. Si la notion de stabilite peut
sembler assez intuitive, il nest pourtant pas trivial den donner une definition mathematique uniforme pour tous
les systemes aussi existe-t-il de nombreuses stabilites differentes. Une approche intuitive conduit a la notion
de stabilite externe ou celle de stabilite BIBO qui est succinctement presentee et qui decoule naturellement de
lapproche frequentielle. Dans lespace detat il faut avoir une approche interne de la stabilite et cest cette approche
qui est privilegiee au cours du chapitre.
Un systeme est stable au sens BIBO (ou encore au sens entree/sortie) si et seulement si, quelle que soit
letat inital x0 = x(0), pour toute entree u bornee, la sortie y lest aussi.
Une autre definition de la BIBO-stabilite, plus mathematique et philosophiquement quelque peu differente,
peut etre donnee : en notant y (t) la reponse impulsionnelle du modele, ce dernier est BIBO-stable si et seulement
sil existe un scalaire k verifiant 0 < k < et
Z
|y ( )|d k.
0
Un modele BIBO-stable peut donc etre interpete, dans cette seconde definition, comme un modele dont la reponse
impulsionnelle est un signal denergie finie. Il nest pas facile dexploiter directement cette derniere formulation.
Aussi a-t-on recours, en particulier dans lespace detat, a letude de stabilite dun systeme au travers de la notion
de stabilite des etats dequilibre.
Remarque 5.1 La stabilite BIBO est une maniere denvisager la stabilite dun systeme au sens de son
comportement entree/sortie cest-a-dire dans ses interactions avec lenvironnement exterieur. Lon parle donc
de stabilite externe. Dans les developpements qui suivent, la stabilite est etudiee au travers du modele interne que
constitue la representation detat. La stabilite est-elle alors qualifiee dinterne.
Exemple : un moteur a courant continu est excite par une tension dentree u(t). La sortie consideree est la vitesse
angulaire de larbre du moteur. Si lon impose un signal borne sur linduit du moteur, lon sait que la vitesse reste
35
Criteres de stabilite
bornee donc le moteur est BIBO-stable au sens de la premiere definition. De meme, toute impulsion au niveau ce
cette tension dinduit entrane une evolution de la vitesse telle que celle-ci augmente transitoirement pour sannuler
ensuite, son integrale etant ainsi finie. Le moteur est donc BIBO-stable au sens de la definition alternative.
Lon suppose maintenant que la sortie est la position angulaire de larbre. Un echelon applique sur linduit du
moteur engendre, en regime permanent, une vitesse constante, donc la position angulaire augmente indefiniment.
Le moteur (associe a 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 lintegrale de la position dans ce cas nest pas
finie. Le moteur est BIBO-instable.
Un tel etat dequilibre se determine en posant a la fois u = 0 ( livre a lui-meme ) et x = 0 ( pas modifie ). La
recherche des etats dequilibre possibles dun systeme modelise par la representation (3.5) revient donc a resoudre
Ax = 0. (5.1)
De cette equation, lon comprend quil peut exister un seul ou plusieurs etats dequilibre selon le rang de A. Soit
rang(A) = n det(A) 6= 0 (ceci signifie que A na pas de valeur propre nulle) et le seul point dequilibre 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 infinite detats dequilibre.
Remarque 5.2 Meme sil est plus rigoureux de parler de stabilite dun etat dequilibre, il savere que, quel que
soit letat dequilibre dun systeme lineaire, sa stabilite depend de la matrice A. Ainsi parle-t-on toujours de la
stabilite du systeme.
5.2.2 Stabilite
Un etat dequilibre est dit asymptotiquement stable si, lorsque le systeme est ecarte de cet etat sous leffet
dune perturbation, il y revient (en un temps infini).
Letat dequilibre est dit instable, si apres perturbation, le systeme sen eloigne davantage.
Letat dequilibre est dit simplement stable si apres perturbation, le systeme reste dans un voisinage du
point dequilibre.
Pour illustrer ces trois cas, lon procede tres souvent a une analogie mecanique. Cette derniere consiste a decrire
letat dequilibre dune bille dans trois positions differentes comme le montre la figure 5.1.
36
Criteres de stabilite
Equilibre
1 asymptotiquement stable
2 3
alors on peut exprimer x(t) de deux facons, selon lordre de multiplicite des valeurs propres de A.
n
X Xn
x(t) = vi wi x0 ei t = ( Ni ei t )x0 .
i=1 i=1
Lon a alors, en supposant que J fait apparatre r valeurs propres differentes et p r blocs de Jordan :
nk 1
2
tnk
1 t t2! . . . (nt k 1)! nk !
0 1 t . . . tnk 2 tnk 1
(nk 2)! (nk 1)!
Jt Jk t Jk t k t tnk 3 tnk 2
e = blocdiag{e } avec e = e 0 0 1 . . . (nk 3)! (nk 2)! , k. (5.2)
.. .. .. . . .. ..
. . . . . .
0 0 0 ... 1 t
0 0 0 ... 0 1
Ceci conduit a deduire que x(t) repond a la formulation suivante :
Xr
x(t) = M eJt M 1 = ( Ni (t)ei t )x0 (5.3)
i=1
5.3.1.1 rang(A) = n
Dans ce cas, il nexiste quun point dequilibre : lorigine de lespace detat. Lon parle donc indifferemment de
stabilite de lorigine ou de stabilite du systeme. En analysant les formes (5.2) et (5.3), lon deduit que trois cas se
presentent.
37
Criteres de stabilite
j | Re(j ) = 0 et Re(i ) 0 i :
5.3.1.2 rang(A) = n
Dans ce cas, il nexiste quun point dequilibre : lorigine de lespace detat. Lon parle donc indifferemment de
stabilite de lorigine ou de stabilite du systeme. En analysant les formes (5.2) et (5.3), lon deduit que trois cas se
presentent.
j | Re(j ) = 0 et Re(i ) 0 i :
Dans ce cas, il existe plusieurs etats dequilibre dont lorigine. Comme au moins une valeur propre est nulle, la
stabilite asymptotique est impossible. Toujours en analysant (5.2) et (5.3), lon deduit que deux cas se presentent.
/ j | Re(j ) > 0 :
Les blocs de Jordan relatifs aux eventuelles valeurs propres de partie reelle nulle sont tous scalaires
(la multiplicite geometrique de ces valeurs propres a partie reelle nulle est egale a leur multiplicte
algebrique) le systeme est simplement stable ;
Il existe un bloc de Jordan non scalaire associe a une valeur propre a partie reelle nulle (la multiplicite
geometrique de cette valeur propre a partie reelle nulle est strictement inferieure a sa multiplicite
algebrique) le systeme est instable.
38
Criteres de stabilite
5.3.1.4 En resume
/ j | Re(j ) > 0 :
La multiplicite geometrique des valeurs propres de partie reelle nulle est egale a leur multiplicte
algebrique le systeme est simplement stable ;
La multiplicite geometrique dune valeur propre nulle est strictement inferieure a sa multiplicite
algebrique le systeme est instable.
En realite, la propriete souvent recherchee est la stabilite asymptotique. La condition necessaire et suffisante de
stabilite asymptotique dun systeme et les proprietes associees se resument a ceci :
Soit le systeme modelise par (3.5). Ce dernier est dit asymptotiquement stable si et seulement si le systeme
autonome associe x = Ax est asymptotiquement stable, cest-a-dire si et seulement si toutes les valeurs
propres de A sont a partie reelle strictement negative.
Le systeme decrit par une representation (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 mniere interne.
Dans la proposition ci-avant, lequivalence entre les deux stabilites nest pas mentionnee. A chosir entre les deux
proprietes, cest la stabilite interne qui doit etre privilegiee. Elle assure de la stabilite BIB0. Il faut noter que deux
hypotheses sont implicites dans cette assertion. La premiere est la linearite du modele. Une telle proposition ne
peut etre formulee pour un modele non lineaire. La seconde est la dimension commune du modele interne et du
modele externe, a savoir n. Il sagit la dune difference entre lapproche interne temporelle et lapproche externe
frequentielle sur laquelle il sera revenu au chapitre 6.
Remarque 5.3 A propos de la non-equivalence des instabilites interne et externe : un integrateur 1/p est-il
instable ? On lentend souvent dire mais est-ce exact ? La reponse est oui et non. Si lon applique le critere
des racines detaille ci-avant, un integrateur est un modele (interne ou externe) dordre 1 ayant un pole nul unique
donc le bloc de Jordan associe est scalaire. Le systeme est donc simplement stable mais non asymptotiquement
stable. En revanche il est BIBO-instable puisquil repond a un echelon par une rampe ce qui est logique puisque
la BIBO-stabilite est equivalente a la stabilie asymptotique. En resume :
Un integrateur est stable au sens de la stabilite interne et instable au sens de la stabilite externe.
Lon peut noter en revanche quun double integrateur 1/p2 est instable de maniere interne comme de maniere
externe.
39
Criteres de stabilite
Soit un systeme asymptotiquement stable dont le comportement est decrit par (3.5). Les valeurs propres de A
sont toutes a partie reelle strictement negative. Les marges absolue et relative sont ainsi definies :
Marge de stabilite absolue : distance minimale, dans le plan complexe, entre un point dont laffixe est une
valeur propre de A et laxe imaginaire. Mathematiquement, elle sexprime
Marge de stabilite relative : angle minimal, dans le plan complexe, forme par laxe imaginaire et par laxe
reliant lorigine et un point dont laffixe est une valeur propre de A. Mathematiquement, elle sexprime
Re(i )
= min Atan . (5.5)
i Im(i )
La marge absolue quantifie la stabilite asymptotique alors que la marge relative est liee aux poles complexes donc
permet de quantifier le caractere plus ou moins oscillatoire induit par les poles et est, a ce titre, reliee au coefficient
damortissement. Ces marges sont illustrees sur la figure 5.2.
Im(p)
Re(p)
Toutefois, ce critere nest pas rappele ici. Il a deja ete etudie lors des enseignements relatifs a lapproche frequentielle.
La theorie de Lyapunov est tres complete et parfois assez sophistiquee. Il nest pas utile, dans le cadre de ce cours,
40
Criteres de stabilite
de la detailler. Il faudrait de toute facon beaucoup de temps et defforts pour y parvenir. Cependant, lon peut en
extraire des resultats interessants. Ils sont empruntes a ce quil est convenu dappeler seconde methode (ou
methode directe ) de Lyapunov. En voici, de maniere resumee, la teneur.
Il sagit la dun modele de systeme autonome qui possede lorigine pour etat dequilibre. Lyapunov propose une
condition suffisante pour verifier la stabilite de cet etat dequilibre. Sil existe une fonction V telle que V (x) >
0 x IRn , 0 , (V (0) = 0) et telle que
n n
X V dxi X V
V = = fi (x) < 0 x , x 6= 0
i=1
xi dt i=1
xi
alors le modele detat non lineaire est asymptotiquement stable pour des conditions initiales dans un voisinage
de 0.
x = Ax,
la seconde methode permet de voir quun tel systeme est asymptotiquement stable si et seulement s il existe une
fonction de Lyapunov (quadratique) V = x P x > 0 ( P = P > 0) telle que V (x) < 0, x 6= 0
A P + P A < 0 (5.6)
Q = Q < 0 et P = P > 0 | A P + P A = Q. (5.7)
Plusieurs points sont notables dans ce resultat. En premier lieu, il nest plus question de faire reference a lorigine
de IRn qui est de toute facon lunique point dequilibre. En deuxieme lieu, la condition devient necessaire et
suffisante. En troisieme lieu, il nest pas restrictif de supposer que V (x) est une fonction quadratique de x ce qui
permet daboutir, soit a une inegalite matricielle donnee en (5.6), soit a une egalite matricielle donnee en (5.7),
dont linconnue est, dans les deux cas, une matrice symetrique strictement definie positive.
Resoudre une inegalite matricielle lineaire telle que (5.6) est possible depuis le debut des annees 1990 grace a des
outils numeriques. Toutefois, lon prefere, lorsquaucun outil numerique sophistique nest disponible, manipuler
legalite (5.7). La difficulte peut sembler a priori de choisir Q = Q < 0 pour que la solution P = P existe et soit
definie positive. En fait, en 1974, E. I. Jury et S. M. Ahn prouverent quun choix arbitraire de la matrice Q etait
possible. Lon peut donc resumer lapplication de la theorie de Lyapunov a ceci :
Un modele detat lineaire (3.5) est asymptotiquement stable si et seulement si, quelle que soit la matrice
symetrique definie negative Q, lunique solution de lequation
A P + P A = Q (5.8)
est definie positive.
Lorsque le systeme (3.5) est le linearise tangent dun systeme non lineaire, le test ci-dessus peut permettre daffirmer
que le modele initial non lineaire est aussi asymptotiquement stable dans un voisinage autour du point de fonctionnement
(le point dequilibre du modele lineaire est alors lorigine et celui du modele non lineaire est le point de fonctionnement).
En effet, sans detailler ces concepts, lorque le linearise tangent est tel que rang(A) = n, alors le point de
41
Criteres de stabilite
fonctionnement est qualifie de point dequilibre hyperbolique. Pour ce genre de points dequilibre, il y a equivalence
topologique entre le modele non lineaire et son linearise tangent. De ce fait, la stabilite du linearise tangent est
celle du non lineaire dans un voisinage du point de fonctionnement. Or, tout modele lineaire asymptotiquement
stable correspond a un point dequilibre hyperbolique pour le modele non lineaire original qui est donc lui aussi
asymptotiquement stable dans un voisinage du point de fonctionnement.
En revanche, si le modele non lineaire fait apparatre un point dequilibre non hyperbolique alors on ne peut deduire
la stabilite du modele non lineaire a partir de son linearise tangent.
En conclusion, il faut noter que tous ces criteres de stabilite ne font intervenir que A. Ainsi, seule la
matrice devolution determine la stabilite du systeme.
42
Chapitre 6
Commandabilite et observabilite
Ce chapitre introduit des concepts necessaires pour etablir des lois de commande telles que celles qui seront
etudiees dans les chapitres suivants. Ces concepts sont ceux de commandabilite et dobservabilite. Il furent introduits
par Kalman.
6.1 Definitions
6.1.1 Commandabilite ou gouvernabilite
Soit le modele detat (3.5) dun systeme lineaire dont letat initial est a une valeur quelconque x0 = x(t0 ). Lon
peut supposer sans restriction que la transmission directe est nulle (D = 0).
Le modele est commandable ou gouvernable si pour toute instance x1 du vecteur detat, il existe un signal
dentree u(t) denergie finie qui permet au systeme de passer de letat x0 a letat x1 en un temps fini.
Il est possible que, si la commandabilite nest pas verifiee sur tout le vecteur detat, elle puisse neanmoins letre sur
une partie de ses composantes. Lon dit alors des variables detat concernees que ce sont les etats commandables
du systeme.
La commandabilite peut etre vue comme la possibilite de modifier les dynamiques dun modele en agissant sur ses
entrees. A ce titre cette propriete ne se refere qua letat et a lentree du systeme. Il est donc clair quelle ne depend
que des matrices A et B.
6.1.2 Observabilite
Lon sinteresse toujours au meme modele que dans la partie precedente.
Le modele est observable si, quel que soit t0 , il existe un intervalle de temps fini [t0 , t1 ] tel que la
connaissance de lentree u(t) et de la sortie y(t) sur cet intervalle permet de reconstituer x(t0 ).
Encore une fois, il est possible que cette propriete ne se verifie que pour une partie du vecteur detat que constituent
alors les etats observables du systeme.
La definition de lobservabilite ne fait pas dhypothese particuliere sur la nature de lentree. Cette propriete peut
etre interpretee comme la capacite dun systeme a reveler lhistorique de son vecteur detat au travers de celui de
ses sorties. Elle ne depend en fait que des matrices A et C.
43
Critere de Kalman
6.2.1 Commandabilite
La paire de matrices (A, B) (ou le systeme (3.5)) est commandable si et seulement si
rang(Qc ) = n ou Qc = B AB . . . An1 B . (6.1)
Ce resultat est base sur linterpolation de Sylvester qui permet daffirmer que eA peut secrire ainsi :
n1
X
eA = k ( )Ak ou k ( ) IR. (6.2)
k=1
En effet, si lon revient a la definition de la commandabilite, lon peut, sans perte de generalite, considerer que x1
est lorigine de IRn et que t0 est nul. Des lors, la solution de lequation detat secrit
Z t
At
x(t) = e x0 + eA(t )Bu( )d
0
et conduit a
Z t1 Z t1
x1 = x(t1 ) = 0 = eAt1 x0 + eA(t1 ) Bu( )d x0 = eA Bu( )d.
0 0
En posant
Z t1
k = k ( )u( )d,
0
6.2.2 Observabilite
Lon sinteresse maintenant a lobservabilite du systeme (3.5) qui se resume a lobservabilite de
44
Critere de Kalman
y(t) = CeAt x0
ce qui, en tenant compte de (6.2), donne
C
n1
X CA
k (t)CAk x0 = blocdiag{k I}
y(t) = .. x0 .
k=1
.
CAn1
Lon voit clairement que la determination de x0 en fonction de y(t) ne sera possible que si le systeme dequations
ci-dessus ne presente pas de deficience de rang ce qui conduit au critere dobservabilite de Kalman :
Exemple 1 :
Soit le systeme :
0 1 0
x
= x + u
2 3 1
y = 0 1 x.
La matrice de commandabilite est
0 1
Qc = B AB = .
1 3
Elle est de rang 2 donc le systeme est commandable.
Exemple 2 :
Soit le systeme electronique represente par le schema de la figure 6.1. Le vecteur detat choisi est x = [x1 x2 ] =
[vs1 (vs2 Vref )]. Lentree est la tension u = v1 et la sortie est la tension y = vs . Ce choix, ainsi que lapplication
des regles delectronique, en considerant les amplificateurs operationnels de puissance comme parfaits, conduisent
a la representation detat suivante :
1 1
0
R C
1 1
R C
x + 1 1 u
x =
1
(6.7)
0 0
R2 C 2
y = 1 1 x.
45
Critere de Kalman
- R R
R1 + R
C1 -
v1 vs1 2R +
R vs
-
R2 +
vref C2 vs2
et comme elle est de rang 1, le systeme nest pas completement commandable. Ceci traduit le fait que, dans ce
montage electronique, v1 ne peut influer sur vs2 .
La matrice dobservabilite de Kalman est
1 1
Qo =
1 1
R1 C1 R2 C2
Elle est de rang plein donc le systeme est observable.
Si lon decide de considerer vs1 comme la sortie du systeme, alors la matrice de mesure devient C = [1 0] et celle
dobservabilite devient :
1 0
Qo = .
1
0
R1 C1
Elle est de rang 1 et le systeme nest donc plus observable. Ceci traduit le fait que lon ne peut deduire vs2 de vs1
car vs2 nagit en rien sur vs1 .
Dualite :
46
Criteres sappliquant aux formes de Jordan
Les criteres de Kalman ont un grand interet theorique et permettent de comprendre un peu mieux ces notions
fondamentales de commandabilite et dobservabilite. Cependant, lorsquils ne sont pas satisfaits (rang(Qc ) < n
ou rang(Qo ) < n), ils ne donnent aucune information sur les composantes du vecteur detat qui sont commandables
et/ou observables.
6.3.1 A diagonalisable
Dans ce cas, il existe une matrice de passage M qui permet de changer de base et dobtenir la realisation
1 0 ... 0 b1
0
2 . . . 0
b2
x = ..
.. . . .. x + .. u
. . . . .
0 0 . . . n bn
y = c1 c2 . . . cn x + Du.
Dans ce cas, lon peut assimiler la commandabilite dun mode i a celle de la composante xi du vecteur detat
associe. Il en est de meme pour lobservabilite. Clairement, sur cette forme diagonale simple, lon voit que lon
peut agir sur xi lorsque la composante bi est non nulle de meme que lon peut constater une evolution de xi si la
composante ci est non nulle.
Le mode associe a un unique bloc de Jordan est commandable (respectivement observable) si et seulement
si bn 6= 0 (resp. c1 6= 0). Dans le cas ou plusieurs blocs de Jordan lui sont associes, il ne peut etre ni
commandable, ni observable.
If faut noter que la derniere affirmation concernant les modes multiples associes a plusieurs blocs de Jordan nest
pas forcement vraie pour un systeme multivariable.
Exemple :
Lon reconsidere lexemple electronique de la figure 6.1. La representation detat en est donnee en (6.7). Elle
47
Grammiens de commandabilite et dobservabilite
est diagonale. Lon sapercoit en appliquant les criteres ci-avant que la seconde composante du vecteur detat
(vs2 Vref ) (donc le pole associe) nest pas commandable par la tension v1 . En revanche, la composante vs1
(donc son pole associe) lest. Les deux composantes sont observables. Ce resultat est compatible avec celui obtenu
grace au critere de Kalman.
Z
Wc = eA BB eA d, (6.8)
0
Z
Wo = eA C CeA d, (6.9)
0
dou lon retrouve bien que les deux proprietes sont duales lune de lautre.
Plus precisement, Wc est une matrice symetrique semi-definie positive donc il existe une matrice de passage
unitaire U et telle que Wc = U WcD U telle que, dans la nouvelle base, WcD est diagonale et ses elements diagonaux
di sont positifs ou nuls. Ces elements sont representatifs de la commandabilite de chaque variable detat xi dans la
nouvelle base. En effet, d1
i quantifie lenergie minimale necessaire pour atteindre ei = [0 . . . 0 1 0 . . . 0], le ieme
vecteur de la base. Ainsi, si di est faible, cette energie est grande et letat xi est faiblement commandable. Si di est
nul, xi nest pas commandable du tout (voir annexe F).
La paire (A, B) (respectivement la paire (A, C)) est commandable (resp. observable) si et seulement si le
grammien de commandabilite Wc (resp. dobservabilite Wo ) est strictement defini positif.
Ainsi, les grammiens fournissent-ils des conditions necessaires et suffisantes dobservabilite ou de commandabilite
dun modele LTI. Mais de plus, a linstar des criteres bases sur les formes de Jordan, ils indiquent le nombre de
variables detat non commandables et non observables. En outre, ils permettent de quantifier cette propriete cest-
a-dire de savoir si chaque variable detat est tres ou peu commandable ou observable. En revanche, ils se limitent
a letude des modeles LTI asymptotiquement stables.
Remarque 6.1 Wc est egal a la variance de x(t) en regime stationnaire lorsque lentree u(t) est un bruit blanc.
Remarque 6.2 Lon peut demontrer que, quelle que soit la base de lespace detat consideree, le produit Wc Wo
conserve le meme spectre.
48
Modeles et structures
Sous lhypothese de stabilite de A, la quantite ci-dessus est egale a BB . En resume, prenant en compte la dualite,
lon peut proposer lassertion suivante :
AWc + Wc A = BB , (6.10)
A Wo + Wc A = C C. (6.11)
Il est plus facile, a laide des outils numeriques daujourdhui de resoudre les equations (6.10) et (6.11) que de
calculer les integrales (6.8) et (6.9).
Remarque 6.3 Il existe une base de lespace detat dans laquelle les grammiens de commandabilite et
dobservabilite sont egaux et diagonaux. Ainsi, chaque element diagonal de ce double grammien quantifie a la
fois la commandabilite et lobservabilite de la variable detat associee dans la base consideree, cest-a-dire son
influence sur le comportement entree/sortie du systeme. La realisation correspondante est dite equilibree. Elle
se revele particulierement utile pour reduire le modele a savoir trouver une realisation dordre moindre dont le
comportement entree/sortie se rapproche de celui du modele initial. Il suffit pour ce faire de negliger la dynamique
des variables detat faiblement commandables et observables. Cette technique de reduction de modele a meme ete
etendue au cas dune realisation instable.
S3 S2 S1
+ 1 x2
p+2
+
u + v + w + y
3
+
1 2
p+2 p+1
x3 x1
Une representation detat est dabord etablie en utilisant x1 , x2 et x3 comme variables detat.
Le sous-systeme S3 fait clairement apparatre
49
Modeles et structures
x3 = 2x3 + u.
Le sous-systeme S2 amene
x2 = 2x2 + 3x2 + v = x2 x3 + u.
Le systeme est donc dordre 3 et a pour modes {1; 1; 2}. Les matrices de commandabilite et dobservabilite
sont
2 2 6 1 1 1
Qc = 1 0 2 ; Qo = 1 1 3 .
1 2 4 1 1 7
Elles sont toutes deux de rang 2 ce qui indiquent quil existe un mode non commandable et un mode non observable.
En effet, la deficience 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 meme mode qui est non commandable et non
observable. Pour le savoir, lon peut diagonaliser la representation detat. En utilisant la matrice de passage
1 1 4
V = 0 1 1 ,
0 0 3
Cette realisation diagonale, selon les critere du paragraphe 6.3.1, fait apparatre que le mode 1 est non commandable
et que le mode 1 est non observable.
y + y = w w.
50
Modeles et structures
w w = v.
p+1
S3 (p) = ,
p+2
v + 2v = u + u.
y + 3y + 2y = u + u.
Il sagit dune equation differentielle dordre 2 qui laisse penser que le systeme est dordre 2. Les modes associes
sont 1 et 2.
Elle laisse presumer que le systeme est dordre 1 et que son seul mode est 2.
Que sest-il donc passe ? Lequation differentielle a perdu le mode non observable et la fonction de transfert a
perdu le mode non commandable. Un tel processus se verifie toujours.
Lon constate ici que lequation detat est un modele plus complet que lequation differentielle unique qui est elle-
meme un modele plus complet que la fonction de transfert. Toute realisation restreinte a la partie commandable et
observable dun systeme est dite minimale.
Il doit etre clair dans lesprit du lecteur quune fonction de transfert dont les racines du denominateur sont a
partie reelle strictement negative peut laisser penser que le systeme decrit est asymptotiquement stable alors quil
peut exister un mode instable qui est non commandable et/ou non observable. Un tel mode apparatrait dans une
representation detat.
u (. . .)(p a)(. . .) (. . .) y
(. . .) (. . .)(p a)(. . .)
51
Modeles et structures
u (. . .) (. . .)(p a)(. . .) y
(. . .)(p a)(. . .) (. . .)
Si lon considere maintenant une inversion des blocs telle quillustree sur la figure 6.4, alors le mode a redevient
commandable mais est non observable. Dans les deux cas, il napparatra pas dans la fonction de transfert et dans
le premier cas, il ne sera pas non plus revele par la resolution de lequation differentielle.
Soit le systeme de la figure 6.5. Dans ces deux cas, le mode a nest ni commandable, ni observable. Il ne sera
revele ni par la fonction de transfert, ni par lequation differentielle.
u (. . .) (. . .)(p a)(. . .) (. . .) y
(. . .)(p a)(. . .) (. . .) (. . .)(p a)(. . .)
Remarque 6.4 Lorsque lon pratique un asservissement de type PI sur un systeme de premier ordre par la
technique de la compensation de pole (voir cours sur lapproche frequentielle), lon rend la constante de temps du
procede non commandable. En effet, si le procede et le regulateur sont respectivement decrits par
K A
G(p) = et R(p) = (1 + p),
1 + p p
soit deux systemes de premier ordre, la chane directe L(p), qui devrait a priori etre est de second ordre, par
compensation de (1 + p), est en realite de premier ordre :
AK
L(p) = .
p
Cest un simple integrateur qui cache le pole 1/ . Pourtant les dynamiques liees a sont toujours effectives dans
le systeme.
Soient deux sous-systemes en parallele comme indique sur la figure 6.6.
Lassociation de S1 et S2 constitue alors un systeme commandable (respectivement observable) si S1 et S2
sont tous deux commandables et sils ne possedent pas de mode commun. Lhypothese de commandabilite et
dobservabilite de S1 et S2 est bien sur necessaire mais dans le cas ou les deux sous-systemes ont un mode en
commun, il se peut que le systeme global soit tout de meme commandable (observable).
52
Realisation minimale
S1
u + y
+
S2
u + S1 y
S2
6.6.1 Definition
Comme lon vient de le voir, lordre de la representation detat nest pas toujours le meme que celui de la fonction
de transfert. Tout depend de la commandabilite et de lobservabilite de ce dernier. Lorsquil est completement
commandable et observable, les deux ordres sont egaux. Lon peut cependant restreindre la representation detat
du systeme a un sous-vecteur detat, de dimension maximale, qui soit entierement commandable et observable.
On appelle realisation minimale ou irreductible dun systeme LTI toute representation detat ne decrivant
que la dynamique commandable et observable du systeme.
mais est toujours dordre n. Ceci conduit tout naturellement, dans le cas ou n < n, a comparer le nombre de
poles au cardinal du spectre de la matrice detat pour constater quil ny a pas necessairement identite des deux
ensembles. Ainsi les valeurs propres de A sont les poles de G(p) mais celles de la matrice A ne le sont pas
forcement. En revanche, tout pole de G(p) est bien valeur propre des deux matrices. Ceci resulte de la perte de
commandabilite ou dobservabilite qui conduit a la compensation de poles et de zeros dans la fonction de transfert.
Il faut donc distinguer poles de la fonction de transfert et valeurs propres de la matrice detat. De meme il faut faire
la nuance entre denominateur de fonction de transfert et polynome caracteristique associe a la matrice dynamique.
53
Realisation minimale
Les poles de la fonction de transfert dun systeme sont egaux aux valeurs propres de toute matrice detat
dune realisation minimale du systeme.
Exemple :
Soit la realisation :
1 0 1
x
= x + x
0 1 0
y = 1 0 u.
(p 1) 1
G(p) = C(pI A)1 B = =
(p 1)(p + 1) p+1
dou il apparat que la valeur propre 1 nest ni commandable ni observable puiquelle est a la fois pole et zero de
la fonction de transfert. Lon peut construire une realisation a partir de la fonction de transfert dordre 1 :
x = x + u
y = x.
En realite, tout est une question de minimalite de la realisation ou si lon prefere, de commandabilite et dobservabilite.
Le pole +1, parce quil nest ni commandable ni observable, nest pas sensible a lentree du systeme et nagit pas
sur la sortie. Il est indiscernable dans le comportement entree/sortie du systeme et naltere donc pas la BIBO-
stabilite du systeme. Lequivalence entre stabilite asymptotique dune realisation et BIBO-stabilite du systeme
associe nest vraie que si la realisation est minimale.
De meme que lon avait vu quil etait possible de dire quun systeme est simplement stable de maniere interne
mais BIBO-instable (donc instable de maniere externe), tel lintegrateur, un systeme peut egalement etre instable
de maniere interne et stable de maniere externe a linstar de lexemple ci-dessus.
54
Chapitre 7
Dans ce chapitre et dans le prochain, lon aborde laspect ultime de letude des systemes lineaires : letablissement
dune loi de commande capable de conferer au systeme des performances requises, dans la mesure du possible.
Il est ici suppose que lintegralite des composantes du vecteur detat est mesuree et utilisee par la loi commande.
Lon parle alors de commande par retour detat.
ou K IRn est un vecteur ligne de n composantes quil est convenu dappeler vecteur de retour detat , H est
un scalaire dit de precommande et yc est la consigne, cest-a-dire lentree du systeme en boucle fermee.
Si lon regarde attentivement lequation (7.1), lon comprend que ce type de loi de commande ne correspond plus
au schema dasservissement classiquement rencontre dans lapproche frequentielle mais a un nouveau schema de
commande, comme indique sur la figure 7.1.
yc u y yc + u + + R + y
+ R(p) G(p) H B x x C
+ +
La motivation pour appliquer une telle commande est illustree 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
mesurables. Sous lhypothese que la vitesse du moteur evolue en fonction de la tension dinduit u selon une loi
associee a la fonction de transfert
55
Retour detat et performances transitoires : le placement de poles
(p) L
G (p) = = ,
U (p) 1 + p
alors une loi de commande possible par retour detat correspond au schema de la figure 7.2. Le vecteur detat est
x = [ ] et le retour detat est K = [k1 k2 ]. Le scalaire H represente la precommande. Dans ce cas precis, lon
peut recrire le schema comme indique sur la figure 7.3. Ceci conduit a une fonction de transfert en boucle fermee
HL
Gf (p) =
p2 + (1 Lk2 )p Lk1
dont on peut choisir a la fois les poles et le gain statique, agissant ainsi sur les performances tant statiques que
transitoires. Lon peut aussi noter que, dans le cas present, le retour dynamique de la figure 7.3 peut simplanter,
en mesurant la vitesse , comme un retour statique, ce qui evite la derivation de (parfois delicate notamment si
limplantation est numerique). De facon generale, il sagit la dun des interets du retour detat.
yc 1
H + u G (p)
+ p
+
k2
k1
yc + u L y
H
+ p(1 + p)
k1 + k2 p
Plus exactement, si lon injecte lequation (7.1) dans le systeme (3.5), il vient
x = (A + BK)x + BHyc
(7.2)
y = (C + DK)x + DHyc .
56
Retour detat et performances transitoires : le placement de poles
Ainsi, la matrice en boucle fermee est Af = A + BK. Donc le probleme de placement de poles se resume a ceci :
Placement de poles :
Soient une matrice A IRnn et un vecteur B IRn1 , determiner le vecteur K IR1n tel que le spectre
de A + BK concide avec un spectre donne.
Le probleme de placement de poles par retour detat admet une solution si et seulement si la paire (A, B)
est commandable.
La demonstration de cette assertion nest pas evidente. Elle est volontairement omise dans ce cours.
ou i = ai ki+1 , i {0, ..., n1}. Par ailleurs, les vecteurs de commande et dobservation B et C ne changeant
pas, lon note que la realisation obtenue par le retour detat est toujours de la forme compagne horizontale. Or les
composantes i sont les coefficients du polynome caracteristique dedire en boucle fermee Dd (p). Ainsi, si lon
desire placer les poles i , i = 1, ..., n, il faut choisir les composantes ki du retour detat K = [k1 . . . , kn ] de sorte
que
n1
X n
Y
Dd (p) = pn + (i pi ) = (p i ). (7.4)
i=0 i=1
En developpant le membre de droite de lequation (7.4), lon determine, par identification, les coefficients i et il
reste a deduire les parametres du retour :
Remarque 7.1 . Une telle loi de commande change les poles du systeme mais ne modifie en rien ces zeros puisque
seuls les coefficients du denominateur de la fonction de transfert, sont modifies.
57
Retour detat et performances transitoires : le placement de poles
Etape 1 Verification de la commandabilite. Si la paire (A, B) nest pas commandable, le placement de poles
est generiquement impossible.
Etape 4 Calcul du retour detat K dans la base canonique par lequation (7.5).
K = KM 1 , (7.7)
u = K x = KM 1 x = Kx.
58
Retour detat et performances transitoires : le placement de poles
Exemple :
Epilogue : Lon peut verifier que la matrice detat en boucle fermee est
1 4
Af = A + BK = ,
1 3
qui conduit bien au polynome caracteristique
Cette equation peut se resoudre facilement des lors que le probleme est de dimension peu elevee (classiquement
n = 2). Pour la resoudre a des ordres plus eleves, lon peut recourir a la formule dAckermann qui est demontree
en annexe C. Cependant, la procedure presentee ci-avant revet un caractere systematique qui se prete mieux a
limplantation dune fonction informatique.
59
Performances statiques et retour detat : la precommande
La fonction de transfert dun systeme boucle par retour detat peut etre deduite de sa representation detat (7.2) :
Le calcul de H est independant de la base consideree, aussi il est parfois plus facile, de deduire lensemble de la
realisation compagne horizontale notee (A, B, C, D), puis, compte tenu des formes donnees en (3.12), de deduire
H tel que
(b0 + b1 p + . . . + bn1 pn1 )H
Gf (0) = 1 ou Gf (p) = + DH,
0 + 1 p + . . . + n1 pn1 + pn
Exemple :
Si lon revient a lexemple du systeme (7.8) pour lequel un retour detat a ete calcule, il suffit de determiner le
coefficient b0 . Pour cela, on peut calculer C, le vecteur dobservation dans la base canonique :
1 1
C = CM = 1 1 = 1 0 = b0 b1 .
0 1
Le scalaire de precommande est donc (sachant que D = 0).
0 1
H= = = 1,
b0 1
ce qui signifie ici quil est inutile dappliquer une precommande.
60
Rejet de perturbation et retour detat : adjonction dintegrateurs
Toutefois, lorsque cette perturbation peut etre assimilee a un echelon (exemple : effet d offset sur la commande)
et lorsque seul leffet de cette perturbation sur le gain statique est en jeu, alors, il est possible dajouter un
integrateur dans la chane directe. Le lecteur est invite a se referer a un cours sur lapproche frequentielle traitant
de la precision des systemes boucles. Il y ait mentionne quun systeme de classe 1 (cest-a-dire comportant un
integrateur dans la chane directe) est precis en position cest-a-dire que lerreur de position de ce systeme, une
fois boucle, est nulle quand on lui applique un echelon en consigne. Enfin, en presence dune perturbation elle aussi
en echelon, cet integrateur na leffet escompte que sil est place en amont du point dentree de la perturbation dans
la chane directe. Sur la base de ces constatations, lon peut choisir dajouter un integrateur a lentree dun systeme
avant de realiser un retour detat.
Cependant, des lors quun integrateur est ajoute, le modele en boucle ouverte change. Il devient dordre n + 1,
cest-a-dire que le vecteur detat x de dimension n est augmente dune (n + 1)eme composante u de sorte que
x = [x u].
La fonction de transfert en boucle ouverte dun tel systeme est
De plus, il convient de calculer une loi de commande de type retour detat utilisant les (n + 1) composantes de x,
a savoir
u = K x + Hyc ,
ou u est la nouvelle entree du systeme telle que U (p) = U (p)p et K = [k1 . . . kn+1 ] est le vecteur de retour detat a
appliquer sur le systeme augmente. Si lon se place dans la base canonique de commande du systeme initial (detat
lon obtient le schema de la figure 7.4 ou le retour detat
x), augmente ensuite de lintegrateur (c.-a-d. a letat x),
est associe a la matrice K de composantes k i .
Lon constate que la chane directe allant de u a z est un systeme de classe au moins egale a 1. De ce fait, toute
perturbation en echelon agissant sur le procede en aval du premier integrateur na pas deffet sur le regime statique
de z. Le cas typique est celui ou la perturbation intervient au niveau de u.
En observant le schema, lon comprend quaucun effet nest alors visible sur le regime permanent des variables
i . Si aucune perturbation nintervient entre ces etats x
detat x i et y, alors y nest pas non plus altere en regime
statique.
.
Lon se place maintenant dans la base canonique de commane du systeme augmente ou letat est note x
61
Rejet de perturbation et retour detat : adjonction dintegrateurs
bn1
bn2
+
+ + +
b0 y
yc + u 1 u 1 n1 1
x z
H (...) k 1
p p p x
1
n
x
k n
n+1
x
k n+1
0 k1
H = = . (7.13)
b0 b0 + Da0
La loi de commande devient donc :
!
k1
Z t Z t
u(t) = u()d = yc () + K x() d. (7.14)
0 0 b0 + Da0
Exemple :
Si lon revient de nouveau au systeme (7.8) la fonction de transfert est facilement deduite de la forme compagne
horizontale :
1
G(p) = .
p2 3p 2
En ajoutant un integrateur, lon change lentree u(t) du procede en une autre entree notee u(t) comme indique sur
la figure 7.4. Il vient :
62
Rejet de perturbation et retour detat : adjonction dintegrateurs
1 L
U (p) = U (p) u(t) = u(t).
p
u(t), dont la derivee apparat dans lexpression ci-avant, devient une nouvelle variable detat et conduit a une
representation :
2 4 1 0
x = 2
5 1 x + 0 u = Ax + B u
0 0 0 1 (7.15)
y = 1 1 0 x = C x.
Lajout dun integrateur amene sans surprise a lordre 3. Le vecteur detat x de la realisation (7.15) est defini par
x = [x u]. La derniere ligne de la matrice detat A est entierement nulle ce qui confirme lexistence dune valeur
propre nulle liee a lintegrateur.
1 1 1
G(p) = = 3 = 3 .
p(p2 3p 2) p 3p2 2p + 0 p + a2 p2 + a1 p + a0
Il est necessaire de placer un pole supplementaire puisque le modele est maintenant dordre 3 et ce pole est ici
choisi de valeur (-1). Ainsi le polynome caracteristique desire est-il egal a
Il est inutile de verifier la commandabilite du systeme augmente car lajout de lintegrateur naltere pas cette
propriete qui a deja ete verifiee sur le modele initial. Lon deduit le retour detat dans la base canonique
h i
= k k k
K = a0 0 a1 1 a2 2 = 1 5 6
1 2 3
et le scalaire de precommande
1
H = = 1.
1
Il est donc de nouveau inutile dappliquer une precommande dans ce cas.
Il reste a determiner la matrice de passage
1 1 0 m3 = B
M = m1 m2 m3 = 0 1 0 avec m2 = (A + a2 I)B
(A2 + a2 A + a1 I)B,
2 3 1 m1 =
ce qui conduit a
1 1 0
M 1 = 0 1 0 ,
2 5 1
La methode presentee dans ce paragraphe peut etre efficace mais elle presente deux inconvenients :
63
Rejet de perturbation et retour detat : adjonction dintegrateurs
et y ne se place
le premier inconvenient peut se concevoir en regardant la figure 7.4. Le lien statique entre x
pas dans la chane directe. Ceci induit la necessite du calcul dune precommande H, dont la valeur peut
etre sensible a des variations de parameteres dans le modele, mais surtout, toute perturbation en echelon
situee dans cette partie du systeme ne sera pas rejetee en regime permanent par lintegrateur ajoute. Or ce
cas nest pas inhabituel puisquil peut correspondre, par exemple, a un offset sur la mesure de y, lie a un
capteur imprecis ;
le second inconvenient peut se comprendre par lanalyse rapide de lexpression de la loi de commande (7.14).
Dans cette expression u depend de lintegrale de x dont une des composantes est u. De ce fait, il ny a pas
stricte causalite de la loi de commande ce qui peut poser des problemes dimplantation, notamment lors
dapproximations numeriques de cette loi de commande.
Pour remedier a ces deux inconvenients potentiels, le prochain paragraphe presente une structure de commande
quelque peu differente mais qui repose sur le meme principe.
yc + y
1
v u
J (A, B, C, D)
p
+ +
x
K
Une perturbation exogene d vient sajouter comme entree non matrisable du systeme agissant directement sur
la dynamique de x. Cette perturbtion peut resulter dun vrai phenomene exogene ou resumer approximativement
leffet de dynmamiques negligees, dimprecisions sur le modele du systeme.
La loi de commande sexprime
Z t
u(t) = Kx(t) + Jv(t) = Kx(t) + J ()d, (7.16)
0
ou K appartient a IRn et J est un scalaire. Lecart est tout simplement, comme dans lapproche frequentielle,
defini par = yc y. En considerant letat x = [ x v ] , il assez facile de voir que ce dernier verifie le systeme
algebro-differentiel
x A 0 B 0 In
x = = x + u + yc + d,
C 0 D 1 0
| {z } | {z } | {z } | {z }
A B1 B2 B3
(7.17)
y = C 0 x + |{z}
D u.
| {z }
C D
64
Rejet de perturbation et retour detat : adjonction dintegrateurs
Il est ici suppose que la paire de matrices (A, B) est commandable. Quant a la loi de commande (7.16), elle peut
se recrire
u= K J x. (7.18)
| {z }
K
Il apparat clair, a la vue de (7.19) que le vecteur K (cest-a-dire la concatenation de K et J) peut etre chosi par
une methode de placement de poles telle que celle presentee au paragraphe 7.2. La procedure sapplique alors a la
paire (A, B1 ) de maniere a placer les valeurs propres de la matrice devolution Af = A + B1 K. Ce placement
est possible des lors que la paire (A, B1 ) est commandable. Il faut bien sur penser a specifier un pole de plus
(donc (n + 1) en tout) pour prendre en compte la presence de lintegrateur. La procedure nest pas redetaillee ici
puisquelle se rappproche des algorithmes precedemment introduits, et le lecteur est invite a regarder lexemple a
fin du paragraphe.
Lecart de poursuite est la derniere composante du vecteur = x . Cest pourquoi il est utile danalyser la
dynamique de :
= (A + B1 K) + B2 yc + B3 d.
Si lon considere que la consigne yc est un echelon (ou une succession lente dechelons), alors yc = 0 pour a
peu pres chaque instant du temps (sauf a linstant de commutation de yc ). Si lon considere que d est aussi une
perturbation en echelon, il vient egalement d = 0 et donc
= (A + B1 K).
Puisque le vecteur K est choisi de telle sorte que (A + B1 K) soit Hurwitz-stable, alors
lim() = 0,
t
lim() = 0. (7.20)
t
Ceci signifie que lerreur de position est nulle ou encore que le gain statique du systeme augmente boucle est
unitaire. La consigne en echelon est donc suivie en regime permanent. Les perturbations de type echelon situees
en aval de lintegrateur dans la chane directe sont rejetees en regime permanent.
Une hypothese a rapidement ete formulee. En effet, le vecteur de retour detat augmente K peut etre efficacement
calcule si la paire (A, B1 ) est commandable. Lalgorithme presente dans ce chapitre (cest-a-dire, grossierement,
lapproche de Bass-Gura) sillustre sans difficulte si cette propriete de commandabilite est satisfaite. Il est donc
naturel de se poser la question : cette hypothese est-elle toujours verifiee ?
Pas tout a fait en realite. Un cas particulier assez peu restrictif echappe a cette hypothese. En effet, si lon veut
attester de la commandabilite de (A, B1 ), il est possible dappliquer le test de Popov-Belevitch-Hautus (test PBH,
cf. ??) qui consiste pour le cas present a verifier que
rang I A B1 = n + 1 n Cl .
65
Rejet de perturbation et retour detat : adjonction dintegrateurs
Si les expressions de A et de B1 explicitees en (7.17) sont prises en compte, la matrice concernee par lequation
ci-avant secrit
I A 0 B
.
C D
Si la paire de matrices (A, B) est commandable (ce qui est une hypothese de depart evidente pour faire un
placement de poles, qui a toujours ete posee depuis le debut du chapitre), alors les n premieres lignes constituent
une matrice de rang n. Il est clair que la (n + 1)eme ligne est independante des lors que 6= 0. En revanche, si
= 0, le probleme revient a verifier que la matrice
A B
C D
est de rang (n + 1). Si le modele initial (A, B, C, D) presente un pole nul non observable (seul le pole nul est
dinteret dans cette partie du raisonnement puisque = 0), alors les (n 1) premieres colonnes de la matrice
ci-dessus ne consituent quune matrice de rang (n 1) au plus (test PBH dobservabilite, cf. ??). Par consequent,
meme en ajoutant la derniere colonne, la matrice globale ne peut atteindre que le rang n, et non (n + 1), ce qui
interdit la commandabilite complete.
En resume :
Lhypothese de commandabilite de la paire (A, B1 ) est verifiee si et seulement si (A, B, C, D) ne presente
pas de valeur propre nulle non observable.
Pour prolonger linterpretation de ce cas particulier legerement restrictif, il est possible de se referer au paragraphe ??
consacre aux systemes composites, ainsi qua la figure 7.6 ci-apres.
y
(A, B, C, D)
x
u
x
(. . .) (. . .)(p)(. . .)
1 v
(. . .)(p)(. . .) (. . .) p
+
(A, B1 , B2 , C, D) yc
F IGURE 7.6 Retour detat avec integration de lecart : presence dune valeur propre nulle non observable
Sur cette figure, lon fait apparatre, dans le modele initial, la valeur propre nulle non observable, conformement
a la figure 6.4. Cependant, dans le transfert entre u et v, lintegrateur ajoute se retrouve dans la configuration du
schema 6.3, cest-a-dire quil devient non commandable.
Exemple :
66
Rejet de perturbation et retour detat : adjonction dintegrateurs
1 2 8
Qc = 1 3 11 .
0 0 1
Son rang est de 3 donc la paire (A, B1 ) est commandable et le calcul de la loi de commande est donc possible.
A titre de remarque, cette verification de la commandabilite aurait pu se faire autrement et plus simplement.
En effet, a letape 3 de lapplication de lalgorithme de placement de poles effectuee sur cet exemple au
paragraphe ??, le polynome caracteristique en boucle ouverte a ete calcule. Il ne fait clairement pas apparatre
de racine nulle, ce qui implique quil nexiste aucune valeur propre nulle de A, et a fortiori aucune valeur propre
nulle non observable. Compte tenu des discussions ci-avant, la commandabilite de (A, B1 ) ne pouvait etre que
verifiee.
Comme pour la premiere approche, les poles specifies sont tous trois en (1). Le polynome caracteristique desire
pour Af est donc toujours
M 1 = 5
K = K 11 1
,
67
Rejet de perturbation et retour detat : adjonction dintegrateurs
68
Chapitre 8
Dans ce second chapitre consacre a la commande dans lespace detat, lon suppose que les composantes du vecteur
detat ne sont pas forcement accessibles et lon se contente dutiliser linformation presente au niveau de la sortie
y pour etablir une loi de commande.
Le principe pourrait tout simplement etre de determiner un scalaire de retour k ainsi quun autre scalaire de
precommande H de telle sorte que la loi de commande
u = ky + Hyc
confere au systeme boucle (dont la matrice detat est alors Af = A + BkC) les proprietes requises. Cependant,
proceder de la sorte se revele extremement ardu pour plusieurs raisons. Entre autres, il semble difficile datteindre
un niveau de performance souhaite en ne jouant que sur un seul parametre de retour k. Par exemple, comment
placer tous les poles du modele boucle avec un seul degre de liberte ? Pour cette raison, il est rare de se contenter
dun retour statique de la sortie y mais il est souvent envisage deffectuer un retour dynamique, cest-a-dire que la
sortie y est rebouclee sur lentree u au travers dun autre systeme dynamique comme le montre la figure 8.1.
yc + u y
H Procede
+
Retour
dynamique
Il est alors necessaire de determiner une representation detat du systeme dynamique de retour qui confere au
systeme boucle global un bon comportement.
69
Notions preliminaires
En outre, si lon se refere au chapitre precedent, une loi de commande de type retour detat est souvent judicieuse
pour obtenir des performances specifiees, tant statiques que transitoires. Or, le vecteur detat netant pas disponible
dans le probleme aborde ici, une autre solution consisterait alors a le reconstruire ou a le simuler. Pour ce faire,
lon pourrait utiliser la solution de lequation detat (4.7) mais ceci necessiterait de connatre x0 ce qui nest pas
le cas. Aussi faut-il trouver un autre moyen de reconstruire le vecteur x pour essayer de beneficier des avantages
dun retour detat.
En resume, deux possibilites viennent detre presentees : lune consiste a construire un retour dynamique de sortie ;
lautre consiste a reconstruire le vecteur detat pour ensuite appliquer un retour detat. En realite, les deux solutions
peuvent etre regroupees en une seule grace au principe des observateurs presente ci-apres.
yc + u x
H Procede Observateur
y
+
Retour dynamique
Comme le montre cette figure, lensemble constitue de lobservateur (encore appele reconstructeur detat) et
du retour detat K constitue un retour dynamique proche de celui propose par la figure 8.1. Toutefois, celui-ci
comporte deux entrees : u et y.
Faire la synthese dun observateur consiste a determiner, sur la base du modele detat du procede, un modele
detat pour lobservateur. Il existe plusieurs techniques pour realiser cette synthese mais avant den presenter deux,
il convient auparavant de sattarder un peu sur quelques points.
(t) = x x, (8.1)
la propriete fondamentale que doit satisfaire un observateur est de repondre a un modele tel que
70
Synthese dun observateur dordre minimal
Lon peut construire un observateur detat si et seulement si la paire (A, C) est observable.
y = y Du
et de realiser les procedures presentees ci-apres en remplacant y par y. Une fois les calculs effectues, lon revient
au probleme initial en effectuant le changement inverse.
avec z IRn1 . Faire la synthese dun observateur consiste ici a determiner convenablement F IR(n1)(n1) ,
L IRn(n1) , {P ; R} {IRn1 }2 et Q IRn , cest-a-dire de faire en sorte que lequation (8.2) soit verifiee.
z = T x, T IR(n1)n ,
LT + QC = I. (8.4)
Mais, comme on la vu, il est utopique desperer x = x t (cest-a-dire ici z = T x). En effet, cela na pas de sens
de vouloir satisfaire legalite z(t) = T x(t) t 0 des lors que z(0) nest pas a priori egal a T x(0). Aussi lon se
contente dessayer dobtenir
71
Synthese dun observateur dordre minimal
= z T x = F + (F T T A + P C)x + (R T B)u.
Des lors, lon peut imposer les contraintes
TA FT = PC et R = T B.
Il reste alors
= F ,
ce qui signifie que (8.5) se verifie lorsque F est stable au sens dHurwitz, cest-a-dire ne possede que des valeurs
propres a partie reelle negative. En prenant en compte la seconde equation de (8.3), il vient :
x = (LT + QC)x + L,
qui, si lon impose (8.4), conduit a x = x en regime permanent, soit a (8.2).
Finalement, cest par un choix judicieux du modele (8.3) que lon parvient a satisfaire (8.5). De maniere plus
precise, ceci consiste a :
choisir F stable au sens dHurwitz et dont les modes sont plus rapides que ceux de A (lidee est
dobserver x plus vite quil nevolue) ;
choisir P et T tels que T A P C = F T ;
calculer R = T B ;
determiner L et Q tels que LT + QC = I.
Etape 2 Changement de base pour obtenir une realisation canonique dobservation. En realite, cette forme
correspond a la forme compagne verticale (3.13). Lon passe alors de la realisation (A, B, C) a la realisation
(A, B, C) en posant le changement de variable x = N x. La matrice N est donnee par la relation :
n1 = C
(A + an1 I)C
n2 =
(N )1 =
n1 . . . nn
avec n3 = ((A )2 + an1 A + an2 I)C (8.6)
..
.
nn = ((A )n1 + an1 (A )n2 + . . . + a1 I)C
Etape 3 Choix de la dynamique de F . Pour cela, on decide dun polynome caracteristique de degre (n 1) :
72
Synthese dun observateur dordre minimal
T A F T = P C.
F etant prise sous forme canonique, lon resoud lequation 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 IRn1 est un
simple vecteur, de calculer P , dans la base canonique, grace a
P = {T A}1 {F T }1,
Etape 7 Calcul de R :
R = T B.
QC + LT = I,
Compte tenu des structures particulieres des matrices impliquees dans legalite, il vient :
1 1
C 1 0 ... 0 1 0 ... 0
fn2 1 ... 0 fn2 1 ... 0
= .. .. .. = .. .. .. = Q L .
. . . . . .
T f0 ... ... 1 f0 ... ... 1
Etape 9 Retour a la base initiale : en realite, le modele ainsi construit permet dobserver x par letat reconstruit
x, sortie de lobservateur actuel. Pour retrouver x, letat reconstruit du procede dans la base initiale, il suffit
dappliquer le changement de base
x = N x.
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.
73
Synthese dun observateur dordre plein
Exemple :
Si lon revient a lexemple (7.8) dans lequel la realisation est caracterisee par les trois matrices
2 4 1
A= ; B= ; C= 1 1 ,
2 5 1
Etape 2 Le calcul de la matrice de passage N (meme sil nest pas utile pour linstant) conduit a :
1
n 1 = C =
1
1
(N ) = n 1 n 2 avec
3
n2 = (A 3I)C =
,
2
et donc a
1 1 1 2 1
N = N = .
3 2 3 1
DF (p) = p + 5 = f1 p + f0 .
T = [5 1] .
P = {T A}1 {F T }1 = 13 25 = 38.
Etape 7
1
0
R = TB = TN B= 5 1 =1
1
74
Synthese dun observateur dordre plein
Ici, le vecteur detat de lobservateur est directement x et la sortie de ce dernier, y, ne sert qua realiser un bouclage
au sein de lobservateur lui-meme comme le montre la figure 8.3.
y
u
(A, B, C, D) y (A, B, Z, C, D)
Z
Le modele de lobservateur sappuie clairement sur celui du systeme et il sagit en fait de determiner Z de telle
sorte que la dynamique de lobservateur soit plus rapide que celle du procede dune part, et, dautre part, que la
relation (8.2) soit satisfaite. En effet, la realisation (8.7) se recrit
x = (A + ZC)x + Bu Zy (8.8)
ou lon voit clairement que le choix de Z fixe la dynamique de la matrice detat Af = A + ZC de lobservateur.
Ainsi, si lon analyse levolution de , lon constate que
= (A + ZC). (8.9)
Il est donc necessaire que (A + ZC) soit stable au sens de Hurwitz, cest-a-dire ait toutes ses valeurs propres a
partie reelle negative, pour que lon ait bien x = x en regime permanent. Dans le cas contraire (une valeur propre
a partie reelle non strictement negative), ne peut tendre vers zero.
La synthese dun observateur dordre plein revient donc a choisir Z pour fixer arbitrairement les poles de lobservateur.
Cest un probleme dual de celui du retour detat. En effet, les valeurs propres de A + ZC sont celles de A + C Z ,
matrice qui peut etre identifiee a A + BK avec A A , B C et K C .
La synthese dun observateur de rang plein constitue un probleme dual de la commande par retour detat.
Sur la base de cette remarque, lon peut etablir un algorithme de synthese dun observateur dordre plein. Ceci est
lobjet du paragraphe suivant.
75
Synthese dun observateur dordre plein
Algorithme
Etape 1 Verification de lobservabilite. Si la paire (A, C) nest pas observable, la synthese de lobservateur
risque detre impossible.
Z = NZ (8.11)
Exemple :
Etape 2 Lon decide de placer un pole double 1 = 2 = 5 sur lobservateur. Le polynome caracteristique
desire pour cet observateur est donc
D(p) = p2 3p 2 = a2 p2 + a1 p + a0 .
Etape 4 Le retour detat au sein de lobservateur est calcule dans la base canonique :
z2 a 1 1 13
Z= = = .
z1 a 0 0 27
76
Commande par retour detat observe
Remarque 8.2 Il est a noter que si lon concatene les deux vecteurs detat (celui du procede et celui de
lobservateur) en vecteur detat unique, lon obtient lequation detat suivante :
x A 0 x B
= + u.
x ZC A + ZC x B
Ceci montre bien que les poles du systeme observe sont les poles de lobservateur ajoutes a ceux du procede.
K x
F IGURE 8.4 Schema dun retour detat par via un observateur de Luenberger
yc + u Proede Observateur x
H (A, B, C, D) (A, B, C, D, Z)
y
+
F IGURE 8.5 Schema dun retour detat par via un observateur dordre plein
Dans le cas du retour par observateur de Luenberger, lobservateur proprement dit peut etre implante de maniere
a observer letat du procede dans la base canonique dobservation (x). Cest pourquoi la derniere etape de la
procedure de Luenberger consiste a retrouver letat observe dans la base initiale (x) avant dappliquer le retour K,
comme le montre la figure 8.4. Pour ce choix dobservateur, le modele global est dordre (2n 1).
Dans le cas du retour avec observateur dordre plein, lobservateur implante correspond au modele exprime dans
la base initiale ce qui permet ensuite dappliquer directement le retour K. Pour ce second choix dobservateur, les
equations du systeme global, qui est dordre 2n, sont
77
Commande par retour detat observe
x = Ax + Bu
y
= Cx
x = Ax + Bu + Z(y y)
y = C x
u = K x + Hyc .
A + BK BK BH
= + yc
0 A + ZC 0
(8.12)
y = C 0 .
Remarque 8.3 Comme suite a la remarque de 8.2, lon voit dans lequation detat ci-avant que les poles du
systeme observe boucle sont les poles de lobservateur ajoutes a ceux du procede boucle par retour detat.
Quoi quil en soit, dans les deux cas, la procedure de calcul dune loi de commande par retour de sortie consiste
dune part a synthetiser une retour detat, dautre part a synthetiser un observateur. Il nest donc pas utile de repeter
la procedure dans sa globalite.
Exemple :
Lon reprend lexemple du modele (7.8) pour lequel un retour detat et deux observateurs ont ete synthetises. Cest
lobservateur dordre plein qui est ici pris en compte. En supposant que les conditions initiales sont toutes nulles, la
reponse indicielle du systeme boucle global est donne par la figure 8.6. Elle est superposee a la reponse indicielle
du systeme boucle par retour detat sans observation. Lon constante que les deux courbes sont parfaitement
confondues. Lobservateur remplit donc tres bien son role. Par ailleurs, puisque x et x sont tous deux nuls a lorigine
du temps, lobservateur decrit immediatement letat du procede sans quun regime transitoire de lobservation ne
soit visible. Le regime transitoire de lensemble de la reponse est etroitement lie aux poles i du systeme qui sont
places par K. Le regime statique est assure par la precommande H (ici de 1).
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15
Temps (s)
En revanche, si lon considere qua linstant 0, lon a x(0) = [0, 5 1] et x(0) = [0 0] , ce qui revient a
considerer (0) = [0, 5 1 0, 5 1] , et, si lon superpose la reponse indicielle du systeme boucle par retour
detat direct avec celle du systeme observe boucle, lon constate cette fois-ci une difference, comme le montre
la figure 8.7. Cette difference est liee au regime transitoire de lobservation liee a la dynamique de lobservateur
cest-a-dire aux poles i de cet observateur. Il est donc essentiel de choisir convenablement cette dynamique (plus
rapide que celle du systeme).
78
Commande par retour detat observe
1.5
0.5
0.5
1
0 5 10 15
Remarque 8.4 Dans le cas ou le procede est soumis a linfluence dune perturbation en echelon, lon peut, comme
il est montre a la fin du chapitre precedent, ajouter un integrateur en amont de la chane directe et proceder
a un retour detat augmente observe. La presence dun observateur ne change pas le principe de ladjonction
dintegrateurs.
79
Commande par retour detat observe
80
Chapitre 9
Dans ce chapitre, une premiere approche de la version discrete des representations detat lineaires est proposee. Il
ne peut en aucun cas sagir dun cours sur les systemes discrets, mais plutot dun apercu rapide. A cette fin, des
rappels sur les signaux sont neanmoins necessaires, avant dintroduire le modele detat discret. La relation entre ce
modele et la fonction de transfert en z est resumee. Les concepts de reponse temporelle, stabilite, commande sont
egalement tres brievement abordes.
les signaux a temps continu ou simplement signaux continus : ceux-ci sont tels que lamplitude
f est definie quel que soit le temps t (cas (a) et (b) de la figure 9.1) ;
les signaux a temps discret ou simplement signaux discrets : ceux-la sont tels que lamplitude f
est definie a des instants precis du temps (le temps est alors discretise : cas (c) a (f) de la figure
9.1).
les signaux non quantifies pour lesquels f peut prendre nimporte quelle valeur dans un intervalle
continu (cas (a-c-e) de la figure 9.1) ;
les signaux quantifies pour lesquels f est un nombre quantique cest-a-dire quil ne peut prendre
que des valeurs discretes bien definies (lamplitude est alors discrete : cas (b), (d) et (f) de la figure
9.1).
Un signal continu et non-quantifie est appele analogique (analog signal an anglais) tel que celui dessine sur la
figure 9.1, cas (a). Dans les ouvrages sur le sujet, il arrive que lon ne distingue pas signaux continus et analogiques
sans que cela ne soit necessairement problematique. Toutefois, ces deux vocables ne sont pas synonymes et la classe
des signaux analogiques constitue un sous-ensemble des signaux continus.
De meme, un signal discret et quantifie est qualifie de numerique (digital signal en anglais) tels que ceux dessines
sur la figure 9.1, cas (d) et (f). La encore, il arrive tres souvent que lon confonde signal discret et signal numerique
bien que les signaux numeriques consituent un sous-ensemble des signaux discrets.
81
Rappels sur les signaux
Il se peut que pour un signal discret (numerique ou pas), les instants du temps pour lesquels lamplitude f est
definie soient regulierement espaces, faisant apparatre une periode, comme dans les cas (e) et (f) de la figure 9.1.
Par ailleurs, lon peut noter quun signal quantifie est tel quil existe toujours un intervalle minimal entre deux
valeurs admissibles de lamplitude f . Cet intervalle minimal est appele quantum.
Remarque 9.1 En toute rigueur, cette acception du mot numerique nest pas tout a fait conforme au sens
habituel que lon en a. Un signal numerique est plus souvent vu comme un signal certes discret, mais pour lequel
les valeurs definies de f sont regulierement espacees dans le temps. De plus, son amplitude peut etre codee de
facon binaire et est alors manipulable par un calculateur. De ce fait, un signal numerique au sens pratique du
terme ne peut avoir une amplitude rigoureusement reelle.
Lobjet de ce chapitre est de sinteresser aux signaux discrets et aux systemes associes. Si les signaux continus
sont bien modelises par des fonctions mathematiques, les signaux discrets le seraient plutot par des distributions.
Cependant, il est plus facile de saffranchir du temps en definissant 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
notees f0 , f1 et appelees echantillons (voir figure 9.1.(e)). La sequence dechantillons caracterisant le signal discret
est notee {fk }. Lindice k est alors un entier relatif qui peut, si on le souhaite, faire reference au temps.
Remarque 9.2 Un modele de signal discret sous forme dune sequence dechantillons est en realite plus general
quun modele de signal un temps discret puisque la reference au temps nest plus necessaire. Il est donc possible
de faire une nuance entre signaux discrets et signaux a temps discret meme si cette nuance ne sera pas vraiment
utile dans la suite de ce document.
9.1.2.2 Quantification
Lon peut aussi envisager le passage dun signal non quantifie a un signal quantifie. Il sagit de la quantification.
Ceci consiste, par exemple, a forcer les valeurs non admissibles de f (t) aux valeurs quantiques admissibles les
plus proches. Ce processus est illustre pour un signal continu par la figure 9.3 (Lon peut aussi quantifier un signal
discret).
Les valeurs admissibles dun signal quantifie ne sont pas necessairement regulierement espacees. Toutefois, elles
le sont generalement et lecart entre deux valeurs, note q sur le figure 9.3, est un donc un quantum appele quantum
de conversion.
Il est possible de recourir a lechantillonnage et a la quantification a la fois. Lon parle alors de numerisation.
9.1.2.3 Blocage
Il est possible de definir la transformation dun signal discret en un signal continu. Le principe consiste a faire en
sorte quentre deux echantillons, lamplitude du signal f reste bloquee sur les valeurs dune fonction mathematique.
Cette transformation est ici appelee blocage. La technique de blocage la plus classique consiste, entre deux
echantillons fk et fk+1 , a bloquer la valeur du signal a fk . Lon parle alors de bloqueur dordre zero. Leffet
dun tel bloqueur est illustre par la figure 9.4 ou lon voit que le signal continu est alors un signal en escalier .
Si lon interprete le bloqueur dordre zero comme un modele continu associe a la fonction de transfert de B0 (p),
lon peut determiner cette fonction de transfert B0 (p) en analysant la reponse impulsionelle de ce bloc (cf.
figure 9.5).
82
Rappels sur les signaux
f (t) f (t)
t t
f (t) (a) f (t) (b)
0
1
0
1
11
000
1
11111111
00000000
0 11
1
00
11 1
0 11111
00000
0
1 0011111
00000
0 0
1 100
11 0
1 1111
00000
1
011
100 11111
00000
0
1
0
1 0
1 0
1
00
11 0
1
0
1 0
1 0
1 0
1
0
1
0
1
0
1 0
1 0
1 0
1
0
1
0
1
0
1
0 1
1 0
1
0
0
1
0
10
1
0
1
0
1
0
1
0
1
0
1
111111
000000
0
1
0
1 00
1111
1111
0000
00
0
1
00
11
1
0 0
1 0
1 1
00
1 1
0 0
1
1
0 0
1
11111111
00000000
0
1 1
0
0
1
0
1 0
1 0
1 0
10
1 0
1 0
1
0
1 0 t
1
01
1 0 10 0
1 t
01
1 0 1
0
1 0
f (t) (c) f (t) (d)
0
1 00
11 11
00
0
1 1
0
000000000
111111111
00
11
00
11
1
0 0
1 0
1 0
1 0
10
1
11
000
1 00
11 0
10
10
1 00
11
111111111
00000000000
11
f1
f00
111
00
1 0
1
11
00
0
1 1
0 1
0 0
10
1
111111111
000000000
1
0 1
0 1
01
0
0
10
1 0
10
1 1
0 0
1 0
10
1 0
10
1
0
0
1
01
10 0
10
10
1
00
10
1 0
1 0
101
10
11
00
0
1 0
1
111111111
000000000
0
1 0
10
1
0
10 1
1 0
0
10
11
0
1 0
1 0 1
1 00
1
0
10
1 0
1 0
1
0
10
1
0
1
1
00
1
0
1 0
10
10
1 0
1 0
1 11
000
1 0
1 1
01
0
0
1 0
1
0
1
0
10
1 0
1
1
0
101
01
01
0
0
1 t 0
1
0
1 0
10
10
1
01
1010
1
0 10
1
01
0
0 t
1
(e) (f)
11
00 11
00
f (t) fk
00
11 0
1
0
1 00 1
11 0
0
1
0
1 1
0
0
1 0
1 0
1
0 1
1 0
0
1
0
1 0
1 0
1
0
1 0
1
1
0 0
1
0
1
Echantillonnage
0
1
0
1
0
1 0
1 0
1 0
1
0
1 0
1
00
11 0
1
0
1 0
1 1111
0000 11
00 0
1 0
1 0
1
00
11 0
1
0
1 0
1 00
11 0
1
0
1 0
1 0
1
0
1 0
1
0
1 0
1
0
1 0
1 0
1 0
1 0
1
0
1
0
1 1
0
0
1 0
1 0
1
1 0 1
0 1 0 0
1
0
1 t t
111
000
T
(a) (b)
83
Rappels sur les signaux
f (t) fq (t)
Quantification
0000
1111 q
0
1
0
1
11
00
t t
T
(a) (b)
fk f (t)
0
1 1 0
0 1
0
1 11
00
11
00 0
1
0
1
0
1
0
10
1
1 0
1 0
1 00
11 1
0 0
1 0
1
0
1 0
0
1
1
0
0
1 0
1 0
1 0
1 1
0
0
1 0
1
0
1
0
1
0
1 0
1 0
1 0
1
B0 (p)
0
1
0
1 0
1 0
1 0
1
0
10 1
0 0
1 0
1 00
11 0
1 0
1 0
1
01
10
1 0
1 0
1 0
1 0
1
00 1
11 0 0
1
1
0 0
1 0
1
0
1
0
1
0
1 0
1 1
0 1
0 0
1 0
1
0
1 0
1 0
1 1
0 0
1
0 1
1 0 0
1 0t
1 0 10 1 0
1
0
1 1 0 1
0 1 0
Blocage dordre zero
11110 1
0 t
000
T
(t)
1 1
B0 (p)
0 0
0 t 0 t
T
84
Systemes discrets lineaires
La reponse dun bloqueur dordre zero a une impulsion de Dirac (t) est la somme de deux echelons unitaires :
y(t) = (t) (t T ).
1 eT p 1 eT p
B0 (p) = = . (9.1)
p p p
Il est aussi possible denvisager dautres types de blocage tels que le blocage dordre 1 pour lequel le bloqueur
utilise lechantillon courant ainsi que le precedent pour bloquer lamplitude f sur la droite definis par ces deux
points. Lon peut aussi considerer toutes sortes dinterpolations plus ou moins sophistiquees a partir des echantillons.
Ces cas de figure ne sont pas detailles ici.
9.2.1 Definition
Un systeme discret est un systeme qui transforme une sequence dechantillons dentree {uk } en une sequence
dechantillons de sortie {yk }, comme le montre la figure 9.6.
{uk } {yk }
Systeme
Un systeme discret lineaire est un systeme discret qui respecte le principe de superposition cest-a-dire, a linstar
des modeles continus (cf. 1.2), qui verifie
n
X n
X
{uk }i {yk }i i {uk } = (i {uk }i ) {yk } = (i {yk }i ), {i } IRn . (9.2)
i=1 i=1
85
Systemes discrets lineaires
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 equation recurrente est lineaire a coefficients constants. Lon peut donc parler de systemes discrets LTI.
Si lon precise les conditions initiales sur {uk } et {yk } (a savoir y0 , y1 , . . ., yn1 , u0 , u1 , . . ., um1 ), le systeme
est alors completement defini.
Lequation recurrente est un modele particulierement indique pour une loi de commande car, des lors que le
systeme est causal (m n), elle constitue un algorithme tres facilement implantable dans un processeur. En
effet, si lon connat entierement {uk } ainsi que les conditions initiales, il est facile de faire reconstruire {yk } par
un calculateur.
9.2.2.2 Transformation en z
Soit une sequence {fk }kIN (k est defini toujours positif ou nul (signal causal)). La transformation en z (operateur
symbolise par Z ) de {fk } est definie par la serie entiere :
X
F (z) = Z [{fk }] = fk z k . (9.4)
k=0
Limage F (z) de {fk } est appelee transformee en z de {fk }. Les proprietes de loperateur Z sont donnees en
annexe D.
Loperateur Z est donc pour les signaux discrets ce quest loperateur L pour les signaux continus. De meme, la
variable z Cl represente pour les signaux discrets ce que la variable de Laplace p represente pour les signaux
continus, quoique linterpretation frequentielle de z soit plus difficile a apprehender.
Comme pour la transformation de Laplace, il est possible de calculer la transformee en z de fonctions usuelles. Un
tableau de transformees est disponible en annexe D.
86
Systemes discrets lineaires
N (z) I(z)
Y (z) = U (z) +
D(z) D(z)
| {z }
G(z)
et, sachant que le polynome I(z) regroupe les conditions initiales, de definir la fonction de transfert en z :
N (z) b0 + b1 z + . . . + bm1 z m1 + bm z m
G(z) = = . (9.5)
G(z) a0 + a1 z + . . . + an1 z n1 + an z z
G(z) est donc un modele de comportement entree/sortie qui caracterise le systeme independamment des conditions
initiales (voir figure 9.7).
{uk } {yk }
Equation
recurrente
Z Z
G(z)
U (z) Y (z)
Comme dans le cas dune fonction de transfert en p, le denominateur D(z) est appele polynome caracteristisque
et ses racines sont les poles du systeme discret. De meme, les racines de N (z) sont les zeros du systeme discret.
xk+1 = Axk + Buk
(9.6)
yk = Cxk + Duk
Il sagit dune representation detat du systeme discret qui est donc une modele interne du systeme. Les
matrices A, B, C et D portent le meme nom que pour une representation detat continue et jouent le meme
role (cf. 3.2).
La representation detat dun systeme discret nest pas unique. Il suffit de changer la vecteur detat xk pour obtenir
un autre modele. Chaque choix correspond, comme en continu, a ce que lon appelle une realisation.
87
Systemes echantillonnes
G(z) est definie pour toute valeur de z assurant linversibilite de (zIn A). En realite cette matrice est inversible
pour tout z verifiant
D(z) = det(zIn A) 6= 0.
En effet, le polynome caracteristique D(z), comme en continu, se deduit de A.
Remarque 9.3 A propos des systemes echantillonnes et des systemes boucles, il est important de noter quun
systeme echantillonne puis boucle nest pas equivalent au meme systeme boucle puis echantillone.
88
Systemes echantillonnes
Echantillonneur
Organe de commande complet Systeme echantillonne
En pratique, le controleur discret est un organe informatique (processeur) qui ne manipule, par essence, que des
signaux numeriques. Lorsque quun procede est asservi par un tel organe, lon parle de commande numerique. Le
principe en est resume par la figure 9.9.
CAN
{yk }
Commande numerique
Dans ce cas, les signaux {uk } et {yk } sont numeriques. Le signal y(t) est continu et meme analogique si le procede
est lineaire. Quant au signal u(t), il est continu mais quantifie (donc pas analogique).
Sur la figure apparat un CAN (Converstisseur Analogioque Numerique). Il joue le role dechantillonneur mais
aussi de quantificateur. Cette quantification est inherente au codage des valeurs du signal y en binaire, codage
queffectue le CAN. Ce dernier peut aussi parfois integrer le capteur de mesure. De plus, le CNA (Convertisseur
Numerique Analogique), qui porte mal son nom, intervient en fait comme bloqueur dun signal numerique en un
signal continu (non analogique !). Ce blocage est inherent au decodage des valeurs binaires de {uk } par le CNA.
Le processeur executant lalgorithme de commande est un controleur discret et meme numerique car il recoit
un signal numerique {yk } et restitue un signal numerique {uk }.
Il faut noter que puisquun processeur est cadence a une certaine frequence, les signaux numeriques font apparatre
une periode dechantillonnage T qui depend de la frequence 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 tres rarement considere dans les cours sur les systemes echantillonnes.
Quoi quil en soit, cette commande numerique nest quun cas particulier de la commande discrete schematisee sur
la figure 9.8. Cest pourquoi letude des modeles discrets, leur analyse et leur commande se revelent utiles.
89
Systemes echantillonnes
Il est absolument essentiel, pour que la commande numerique soit efficace, que la boucle ramene une information
pertinente sur la dynamique du systeme. 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 procede continu lui-meme. Ainsi, pour que les echantillons
yk soient representatifs de cette dynamique, il convient de faire un choix judicieux de T . Une etude plus approfondie
des signaux echantillonnes a conduit Shannon a affirmer :
Theoreme de Shannon strict. La frequence dechantillonnage doit etre deux fois superieure a la plus
grande frequence contenue dans le spectre de y(t).
Cette assertion est etablie sur la base darguments theoriques rigoureux mais nest pas facilement applicable en
pratique. Pour des cas concrets, lon considere souvent une frequence dechantillonnage dix fois superieure a la
plus grande frequence de cassure du modele continu du procede.
Theoreme de Shannon pratique. La frequence dechantillonnage doit etre au moins dix fois superieure a
la plus grande frequence de cassure du modele du procede.
Il est bien sur tentant dechantillonner le plus rapidement possible pour que le modele echantillonne se revele le
plus proche possible du modele continu. Idealement, une periode nulle (T = 0) ne trahit en rien la dynamique
du systeme. Mais ceci est utopique. Il subsiste toujours un temps dechantillonnage. Bien que ce dernier soit
modelise selon une modulation par un peigne de Dirac, chaque echantillon nest pas obtenu instantanement. Le
CAN presente toujours un temps de conversion. Par ailleurs, il est necessaire que le processeur dispose de temps
pour executer lalgorithme et actualiser la commande uk a chaque periode. Il faut aussi que le CNA ait le temps de
bloquer uk . Cest pourquoi, malgre les progres realises dans le domaine des circuits microelectroniques permettant
des echantillonnages toujours plus rapides, il reste utile de formaliser un modele echantillonne.
90
Systemes echantillonnes
T
u (t) B0 (p) u(t) Gc (p) y(t) y (t)
Cependant, il existe aussi un resultat obtenu par letude des proprietes de la transformee en z (voir cours sur les
signaux echantillonnes) :
Gc (p) z1 Gc (p)
G(z) = (1 z 1 )Z = Z . (9.9)
p z p
Exemple :
0, 2838z + 0, 1485
G(z) = . (9.11)
(z 1)(z 0, 1353)
91
Systemes echantillonnes
Pour une condition initiale x0 sur letat, la solution de lequation ci-dessus se deduit de la relation (4.7). En outre, si
lon applique cette relation sur lhorizon [kT ; (k + 1)T ], alors le bloqueur dordre zero maintient le signal dentree
a u(t) = uk , x0 devient xk et letat final est xk+1 . Lon obtient :
Z (k+1)T
Ac T
xk+1 = e xk + eAc ((k+1)T ) Bc uk d,
kT
De plus, lequation de sortie est verifiee a tout instant, donc en particulier lorsque t = kT . De fait il vient
yk = Cc xk + Dc uk . (9.14)
(Ceci traduit simplement le fait que Z est un operateur lineaire). Lidentification de (9.13) et (9.14) dune part,
avec (9.6) dautre part, permet de deduire les formules de dechantillonages suivantes :
Z T
A = e Ac T ; B= eAc Bc d ;
0 (9.15)
C = Cc ; D = Dc .
Remarque 9.4 Si la matrice dynamique Ac est non singuliere, il est possible de calculer la matrice B en utilisant
une relation plus simple :
B = A1
c (e
Ac T
I)Bc . (9.16)
Il est important de noter que la relation unissant Ac a A se verifie aussi sur les valeurs propres de ces dernieres.
Exemple :
Lon reprend lexemple du paragraphe 9.3.4.1. Une realisation compagne verticale est donnee par
0 1 0
x = Ac x + Bc u =
x + u
0 2 1
y = Cc x 1 0 x.
Il sagit de determiner une realisation pour le systeme echantillonne associe. En utilisant (9.15), il est facile de voir
que C = Cc et D = 0. Pour une periode T , (9.15) conduit a
Ac T 1 21 (1 e2T )
A=e =
0 e2T
et
Z ! " #
T 1 1 2T
1 2 (1 e2 ) 1 2 T + e 2 1
B= d = .
0 e2T 0 1 2T
0 2 (1 e )
92
Reponse dun systeme discret
x1 = Ax0 + Bu0 ,
puis
En utilisant lequation de sortie, la reponse dun modele discret est donnee par
k1
X
yk = CAk x0 + (Akj1 Buj ) + Duk . (9.18)
j=0
Lon voit clairement que, dans cette reponse, la matrice A est elevee a differentes puissances. Il est donc essentiel
de pouvoir calculer Ak .
9.4.1.2 Calcul de Ak
Trois methodes sont ici proposees :
93
Reponse dun systeme discret
Methode modale : il sagit de passer par la forme canonique de Jordan. Ainsi, si M est telle que A =
M JM 1 , ou J est une matrice de Jordan, il est facile de verifer que Ak = M J k M . Une fois M
determinee, il faut calculer J k et deduire M . Pour un bloc diagonal de J, lon a
k k
h ... 0 h ... 0
.. .. .. = .. .. .. .
. . . . . .
0 . . . h+l 0 . . . kh+l
ou les scalaires Cij sont les coefficients de la formule du binome de Newton correspondant aux combinaisons :
i
Cij = .
(i j)!j!
sous reserve dinversibilite de (zI A). Comme la solution du systeme autonome est xk = Ak x0 , par
identification, lon deduit
Dans ce paragraphe, un probleme essentiel est aborde. Sans entrer dans le detail, des precautions a prendre dans
letude dun systeme echantillonne sont exposees. Si lon se reporte a la figure 9.10, lon peut noter que la sortie
{yk } du modele discret nest que la version echantillonnee de la veritable sortie du procede, c.-a-d. y(t). Or cest
cette derniere qui constitue la grandeur pertinente. Une fois le modele discret etabli, il est possible, comme le
montrent les paragraphes precedents, de determiner {yk } a partir de {uk }. Cependant, y(t) nest pas reconstituee
pour autant. Il faut alors distinguer deux cas :
Etude en boucle ouverte : ce cas ne pose generalement pas trop de probleme. Lapplication pratique du
theoreme de Shannon (cf. 9.3.3) dans le choix de T permet souvent dobtenir un signal discret {yk } qui
rend bien compte des dynamiques contenues dans le signal continu y(t). Une interpolation des echantillons
yk doit donner une bonne idee de la forme de y(t) ;
Etude en boucle fermee : Malgre un choix pertinent de T en boucle ouverte, la commande numerique
peut introduire des dynamiques plus rapides dans le systeme de sorte que T devient inappropriee en boucle
fermee. Il faut alors envisager deux options :
recourir a un outil de calcul numerique pour reconstituer y(t), la sortie du modele continu excite par
une commande discrete ;
94
Reponse dun systeme discret
Pour simplifier, en supposant que A ne possede que des valeurs propres disctinctes i , i = 1, . . . , n, lon a :
diag ki = V 1 Ak V,
i=1,...,n
Ni = vi wi i {1, . . . , n},
Une telle reponse fait apparatre n termes impliquant des puissances de i . Chaque terme associe a une valeur
propre i est appele mode du systeme discret. Par abus de langage, lon appelle parfois i mode, assimilant ainsi
mode, pole et valeur propre.
Bien que les matrices Ni , qui sont de maniere non triviale liees aux zeros du systeme, aient une influence certaine
sur la forme de {xk } (donc {yk }), ce sont surtout les valeurs propres i elles-meme qui determinent lallure du
mode associe. Les differents cas possibles peuvent se resumer par le tableau 9.1.
Tous les comportements des differents modes sont repartis sur {xk } et sur {yk } par les matrices Ni , B et C. Quoi
quil en soit, les comportement possibles sont resumes sur la figure 9.11.
95
Stabilite dun systeme discret
Im (z)
0 1 Re (z)
Un systeme discret est stable au sens BIBO (ou encore au sens entree/sortie) si et seulement si, quelle que
soit letat inital x0 = x(0), pour toute entree {uk } bornee, la sortie {yk } lest aussi.
La aussi, il est difficile dexploiter cette definition. La notion de stabilite des etats dequilibre est donc privilegiee.
Un systeme se trouve dans un etat dequilibre (par etat, lon entend un point de lespace detat c.-a-d. une
instance du vecteur detat) si cet etat nest pas modifie lorsque le systeme est abandonne a lui-meme.
Un systeme livre a lui-meme est qualifie dautonome (uk = 0, k IN). Un point dequilibre xe est une solution
en xk de lequation :
Deux cas se presentent alors. Soit la matrice (A I) est reguliere et seule lorgine de lespace detat (xe = 0)
est un point dequilibre. Soit (A I) est singuliere et il faut resoudre (9.19) pour determiner linfinite des points
dequilibre.
9.5.2.2 Stabilite
Le stabilite dun point dequilibre se definit, comme dans le cas des modeles continus, de la facon suivante :
96
Stabilite dun systeme discret
Un etat dequilibre est dit asymptotiquement stable si, lorsque le systeme est ecarte de cet etat sous leffet
dune perturbation, il y revient (en un temps infini).
Letat dequilibre est dit instable, si apres perturbation, le systeme sen eloigne davantage.
Letat dequilibre est dit simplement stable si apres perturbation, le systeme reste dans un voisinage du point
dequilibre.
Comme pour les modeles continus, quel que soit le point dequilibre xe considere, la stabilite de ce dernier depend
de A donc il est logique dassocier la stabilite du systeme autonome lui-meme a la stabilite de son ou ses points
dequilibre.
Comme dans le cas continu, lon se refere a lequation du regime libre, a savoir
xk = Ak x0 . (9.20)
Une etude tout a fait similaire a celle qui est realisee en continu, sappuyant sur les valeurs propres de A (cf.
5.3.1), consiste a etudier la convergence des modes libres de xk (voir 9.4.2), et conduit au resultat suivant :
/ j | |j | > 1 :
Les blocs de Jordan relatifs aux eventuelles valeurs propres h telle que |h | = 1 sont tous
scalaires le systeme est simplement stable ;
Il existe un bloc de Jordan non scalaire associe a une valeur propre h telle que |h | = 1 le
systeme est instable.
Soit le systeme modelise par (9.6). Ce dernier est dit asymptotiquement stable si et seulement si le systeme
autonome associe xk+1 = Axk est asymptotiquement stable, cest-a-dire si et seulement si toutes les
valeurs propres de A sont a partie reelle strictement negative.
Il faut donc en conclure que la region de stabilite asymptotique a change par rapport au cas continu.
97
Stabilite dun systeme discret
x = Ax asymptotiquement stable
A stable au sens dHurwitz
Spectre de A dans le demi-plan gauche ouvert.
Le systeme decrit par une representation (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 maniere interne.
Marge de stabilite absolue : distance minimale, dans le plan complexe, entre un point dont laffixe est une
valeur propre de A et le cercle unitaire. Mathematiquement, elle sexprime
En revanche, lon ne definit pas (en tout cas de facon triviale) la marge de stabilite relative.
98
Stabilite dun systeme discret
Il sagit la dun modele de systeme autonome qui possede lorigine pour etat dequilibre. f est une fonction
vectorielle non lineaire a plusieurs variables. Ladaptation de la seconde methode de Lyapunov induit une condition
suffisante pour verifier la stabilite de cet etat dequilibre. Plutot que de considerer la decroissance dune fonction
energetique au travers de sa derivee, lon sinteresse a un decrement de cette fonction energetique. Sil existe une
fonction V telle que V (xk ) > 0 xk IRn , 0 , (V (0) = 0) et telle que
alors le modele detat discret non lineaire est asymptotiquement stable pour des conditions initiales dans un
voisinage de 0.
xk+1 = Ax,
la seconde methode permet de voir quun tel systeme est asymptotiquement stable si et seulement s il existe une
fonction de Lyapunov (quadratique) V (xk ) = xk P xk > 0 ( P = P > 0) telle que (xk ) < 0, xk 6= 0
A P A P < 0 (9.22)
La encore, il nest plus question de faire reference a lorigine de IRn qui est de toute facon lunique point dequilibre.
La condition devient necessaire et suffisante. Enfin, il nest pas restrictif de supposer que V (xk ) est une fonction
quadratique de xk ce qui permet daboutir, soit a une inegalite matricielle donnee en (9.22), soit a une egalite
matricielle donnee en (9.23), dont linconnue est, dans les deux cas, une matrice symetrique strictement definie
positive. Ce sont, comme dans le cas continu, E. I. Jury et S. M. Ahn qui prouverent quun choix arbitraire de la
matrice Q etait possible. Lon peut donc resumer lapplication de la theorie de Lyapunov aux modeles lineaires
discrets a ceci :
Un modele detat discret lineaire (9.6) est asymptotiquement stable si et seulement si, quelle que soit la
matrice symetrique definie negative Q, lunique solution de lequation
P + A P A = Q (9.24)
est definie positive.
En conclusion, il faut noter que tous ces criteres de stabilite ne font intervenir que A. Ainsi, seule la
matrice devolution determine la stabilite du systeme.
99
Commandabilite/observabilite dun modele discret
Lon considere le schema de la figure 9.10. Le procede continu admet la realisation (9.12). La matrice devolution A
du systeme echantillonne se deduit donc de la matrice devolution Ac du procede 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 etaient liees par la relation (cf. 9.3.4.2) :
i = ei T , i {1, . . . , n},
La stabilite asymptotique dun procede lineaire continu est equivalente a la stabilite asymptotique du
systeme discret obtenu par echantillonnage de ce procede.
Il est possible de verifier cette assertion en utilisant la theorie de Lyapunov. Lon constate alors que toute matrice
de Lyapunov P obtenue pour le procede continu est aussi matrice de Lyapunov pour le modele echantillonne et
reciproquement (cf. annexe E).
Lon considere toujours un systeme echantillonne mais qui est ensuite boucle comme le montre la figure 9.12.
Compte tenu de la realisation continue (9.12) et des formules dechantillonnage (9.15), le bouclage conduit, pour
ce systeme discret boucle, a la representation detat suivante :
Z ! Z !
T T
Ac T Ac T 1 Ac T
xk+1
= e + e Bc d (1 D) Cxk + e Bc d (1 D)1 yck
0 0
(1 + D(1 D)1 )Cxk D(1 D)1 yck
yk = +
sous reserve que D 6= 1. Lon constate que la matrice dynamique en boucle fermee est grandement dependante de
T et a ce titre, T a une grande influence sur la stabilite de ce systeme discret boucle. Il nest donc pas question
dassocier cette stabilite eventuelle a la stabilite eventuelle dun quelconque systeme continu. Ceci rejoint lidee
formulee dans la remarque 9.3.
100
Commandabilite/observabilite dun modele discret
9.6.1 Definitions
9.6.1.1 Commandabilite
Soit le modele detat (9.6) dun systeme lineaire dont letat initial est a une valeur quelconque x0 .
Le modele est commandable si pour toute instance xf du vecteur detat, il existe une sequence finie
dechantillons dentree uk (k < ) denergie bornee qui permet au systeme de passer de letat x0 a
letat xf .
9.6.1.2 Observabilite
Lon sinteresse toujours au meme modele que dans la partie precedente.
Le modele est observable si, quel que soit letat initial x0 , il existe dune sequence finie dechantillons de
sortie yk (et eventuellement des echantillons dentree correspondants uk ) qui permet de retrouver x0 .
Demonstration : soit la reponse de letat donnee par (9.17). Lon note que si Qc est de rang plein, son image
concide avec IRn . De ce fait, nimporte quel xf IRn admet un antecedent dans lensemble des commandes
{u0 ; u1 ; . . . ; un1 }. Il est donc possible datteindre xf et la condition de Kalman est suffisante.
De plus, se pose la question de la necessite. Qc est supposee de rang inferieur a n. Soit la matrice Qi definie par
Qi = A AB . . . Ai1 B .
est-il possible quil existe une valeur de i telle que limage de Qi concide avec IRn . Le theoreme de Cayley
Hamilton montre que, quel que soit i, la matrice Ai B peut sexprimer comme une combinaison lineaire de B, AB,
. . ., An1 B. Ainsi le rang de Qi ne peut exceder celui de Qc et donc il existe des vecteurs dans IRn qui ne peuvent
etre atteints. QED
Remarque 9.5 Tout etat xf peut etre atteint en partant de x0 grace a une sequence dentree dau plus n
echantillons.
9.6.2.2 Observabilite
La paire de matrices (A, C) (ou le systeme (9.6)) est observable si et seulement si
C
CA
rang(Qo ) = n ou Qo = ...
(9.26)
CAn1
101
Commandabilite/observabilite dun modele discret
yk = CAk x0 .
Puisque yk est de dimension 1 et x0 de dimension n, il est necessaire davoir n valeurs successives de yk pour
esperer retrouver x0 a partir des echantillons yk . Ceci conduit a ecrire
y0
y1
.. = Qo x0 .
.
yn1
Dualite :
9.6.4 Grammiens
Il sagit ici dapporter une analogie discrete aux notions presentees au paragraphe 6.4. Soit le modele LTI discret
donne en (9.6) et suppose asymptotiquement stable. Lon se propose ici de presenter un critere de commandabilite
et dobservabilite qui repose sur les notions de grammiens.
Wc = lim Ak BB (A )k , (9.27)
k
dou lon retrouve bien que les deux proprietes sont duales lune de lautre.
102
Commandabilite/observabilite dun modele discret
La paire (A, B) (respectivement la paire (A, C)) est commandable (resp. observable) si et seulement si le
grammien de commndabilite Wc (resp. dobservabilite Wo ) est strictement defini positif.
Comme en continu, les grammiens fournissent des conditions necessaires et suffisantes dobservabilite ou de
commandabilite et ils indiquent le nombre de variables detat non commandables et non observables. En outre,
ils permettent de quantifier cette propriete pour chaque variable detat mais se limitent a letude des modeles
asymptotiquement stables.
Remarque 9.6 Lon peut demontrer que, quelle que soit la base de lespace detat consideree, le produit Wc Wo
conserve le meme spectre (voir annexe F).
Wc + AWc A = BB , (9.29)
Wo + A Wc A = C C. (9.30)
On appelle realisation minimale ou irreductible dun systeme LTI discret toute representation detat ne
decrivant que la partie commandable et observable du systeme.
De ceci, lon deduit que les poles de la fonction de transfert en z dun systeme discret sont egaux aux valeurs
propres de toute realisation minimale du systeme. Ainsi, il est possible quune fonction de transfert dun systeme
soit stable au sens de Schur mais quune realisation non minimale de ce meme systeme fasse apparatre une
instabilite. Ceci correspond a une valeur propre instable qui nest pas commandable et/ou pas observable.
103
Commande par retour detat
determiner une loi de commande en continu, sur la base de Gc (p), la fonction de transfert du procede
continu, ou dune realisation continue, puis approcher cette loi de commande analogique par une commande
discrete qui aurait des performances similaires. Cette strategie ne peut senvisager que si T , la periode
dechantillonnage est faible (Theoreme pratique de Shannon largement respecte). Dans ce cas de figure,
deux options quelque peu differentes sont alors possibles :
implanter la commande analogique en realisant une approximation numerique des eventuelles integrateurs
(1/p) et derivateurs (p) ;
prevoir par une transformation appropriee (reposant sur lapproximation de p ou 1/p par une fonction
en z ( Euler avant , Euler arriere , Tustin ) quelque loi de commande discrete se rapprochant
de la commande analogique puis implanter cette commande discrete sous forme de recurrence.
Il faut remarquer quun simple retour detat est identique en continu et en discret puisquil sagit dune loi
de commande statique.
determiner le modele echantillonne puis en deduire une loi de commande discrete avant de limplanter telle
quelle.
Cest la seconde strategie qui est ici privilegiee. Elle prend mieux en compte lapproximation liee a lechantillonnage
et par ailleurs, elle est utilisable pour un systeme non echantillonne (discret par essence ou echantillone selon une
variable qui nest pas le temps).
Cette loi de commande, appliquee a un systeme discret decrit par (9.6) conduit au modele discret boucle :
xk+1 = (A + BK)xk + BHyck
(9.32)
yk = (C + DK)xk + DHyck .
104
Commande par retour detat
Placement de poles :
Soient une matrice A IRnn et un vecteur B IRn1 , determiner le vecteur K IR1n tel que le spectre
de A + BK concide avec un spectre donne.
Le probleme de placement de poles par retour detat admet une solution si et seulement si la paire (A, B)
est commandable.
Il faut toutefois prendre deux precautions pour sassurer de lefficacite de la loi de commande.
Performances transitoires
Le choix des poles est evidemment preponderant dans les performances transitoires (cf. figure 9.11). Ce choix
est moins facile quen continu. Une technique peut consister a choisir des poles desires pour un modele continu et
a chercher le polynome caracteristique discret equivalent.
Performances statiques
Pour assurer un gain statique unitaire en boucle fermee, il faut se souvenir que le regime permanent dun systeme
continu correpond a p = 0. Pour un modele discret, il correspond a z = e0 = 1 (en effet, le regime statique
sexprime xk+1 = xk ce qui se traduit dans le domaine en z par zX(z) = X(z) z = 1). Ceci conduit a la
formule :
Rejet de perturbation
De meme quen continu, lon peut inserer un integrateur pour rejeter les perturbations en echelon se trouvant
en amont de cet integrateur dans la chane directe. Un integrateur discret admet pour fonction de transfert
1
G(z) = ,
z1
de sorte que si lon adapte la figure 7.4 au cas discret, la recurrence liant uk et uk sexprime
uk+1 = uk + uk .
En considerant u comme une nouvelle variable detat et u comme la nouvelle commande, lon augmente de 1
lordre du modele avec integrateur et lon peut ensuite calculer une loi de placement de poles sur ce modele
dordre (n 1).
105
Commande par retour de sortie
k = xk xk ,
Soit le systeme discret decrit par (9.6). Lon peut construire un observateur detat si et seulement si la paire
(A, C) est observable.
En outre, ce probleme, comme en continu, peut etre vu de maniere purement matricielle et est dual du probleme
de placement de poles. Par consequent, il est inutile de reproduire la logique de calcul dans cette partie et le
lecteur peut se referer au paragraphe 8.3 et en particulier le paragraphe 8.3.2 pour calculer Z et placer les poles de
(A + ZC). Il va de soi quil faut choisir judicieusement la localisation des poles a linterieur du disque unitaire
pour fixer la dynamique de lobservateur discret.
106
Chapitre 10
Conclusion
Concernant la modelisation, un nouveau modele lineaire a ete introduit pour decrire le comportement dun systeme
monovariable : la representation detat. Il a ete explique que ce modele nest pas unique. Les moyens dobtenir un
tel modele et le lien avec lequation differentielle et la fonction de transfert ont ete mis en evidence.
Concernant lanalyse, il a ete montre que lon pouvait utiliser la representation detat pour determiner la reponse
dun systeme. La notion de valeurs propres de la matrice detat sest revelee fondamentale non seulement pour
comprendre la forme de cette reponse mais egalement pour conclure quant a la stabilite du systeme.
Dans la partie relative a la commande, les notions de commandabilite et dobservabilite ont ete introduites. Elles
sont essentielles pour calculer des lois de commandes dites par retour detat , comprenant ou non un observateur
detat. Des techniques dobtention de telles lois de commande ont ete presentees.
10.2 Perspectives
Les perspectives detude quoffre la representation detat sont nombreuses. Citons entres autres :
Letude des systemes multivariables : la representation detat, bien plus que la fonction de transfert, se prete
a lextension des concepts etudies au cas des systemes possedant plusieurs entrees et/ou plusieurs sorties.
En effet, dans ce cas precis, B et C deviennent des matrices plutot que de simples vecteurs mais le modele
varie peu.
Lidentification : il existe, comme dans lapproche frequentielle, des techniques dobtention de modeles qui
sappuient sur lobservation du comportement du systeme. Lorsque la phase de modelisation ne permet pas
dobtenir un modele complet, lon peut recourir a ces techniques didentification. Elles font lobjet de cours
specifiques dans cette formation.
La commande optimale : sous ce vocable sont regroupees un ensemble de techniques qui consistent a
commander un modele detat tout en minimisant un critere de performances. Citons la commande LQ
(minimisation dun critere Quadratique (tel que lenergie appliquee en commande) sous une contrainte
Lineaire (le modele du systeme)), les commandes H2 et H (minimisation de la norme dun transfert
entre des perturbations et les sorties du systeme)...
La robustesse : il sagit la de faire letude de systemes (analyse et commande) dont les modeles sont
107
Perspectives
incertains. Lon dit quils sont sujet a des incertitudes. Le principe de lanalyse robuste est de savoir si
un systeme a les proprietes souhaitees quelle que soit lincertitude. Celui de la commande robuste est de
determiner une loi de commande qui assure les proprietes du modele pour toute la gamme dincertitudes
possibles.
108
A NNEXES
Dans ces annexes, sont presentes quelques concepts qui permettent soit dapprehender un peu mieux le contenu du
cours, soit dobtenir quelques complements dinformation de nature scientifique ou culturelle.
109
Annexe A
Quelques notions dalgebre lineaire et danalyse sont ici brievement rappelees. Il ne sagit pas de presenter un petit
cours de mathematiques mais simplement de rafrachir la memoire du lecteur sil en est besoin.
en j eme colonne. Une telle matrice est en realite une representation dune application lineaire de Cl n dans Cl m .
Exemple :
m11 m12 m13 1 2 + 3i 6
M= =M =
m21 m22 m23 4 7 5+i
N est la transposee de M si et seulement si nij = mji , {i; j} (les lignes de M sont les colonnes de N et
reciproquement). Lon note alors N = M T .
N est la transposee conjuguee de M si et seulement si nij = mji , {i; j} (les lignes de M sont les
colonnes conjuguees de N et reciproquement). Lon note alors N = M .
Exemple :
T 1 3 6
M =
1 2
2 4 + 5i 7
M = 3 4 + 5i
6 7
1 3 6
M =
2 4 5i 7
Dans le cas de matrices reelles (M IRmn ), les deux operateurs peuvent etre confondus.
111
A propos des matrices
Parmi les matrices carrees, certaines sont particulieres, telles la matrice nulle, notee 0, dont toutes les composantes
sont nulles (mij = 0, {i; j}) et la matrice identite, notee I, dont toutes les composantes sont nulles a lexception
de celles de sa diagonale principale qui sont egales a 1 (mii = 1 i et mij = 0 {i, j 6= i}). 0 est lelement neutre
de laddition des matrices de meme dimension et lelement absorbant de la multiplication. I est lelement neutre
de la multiplication 1 (voir ci-apres).
Une matrice triangulaire superieure na que des composantes nulles en dessous de sa diagonale principale (mij =
0 {i, j < i}). Une matrice triangulaire inferieure na que des composantes nulles au dessus de sa diagonale
principale (mij = 0 {i, j > i}). Une matrice triangulaire inferieure et superieure est dite diagonale (mij =
0, {i, j 6= i}).
La matrice carree complexe M est dite Hermitienne quand M = M . Dans le cas ou M est reelle, on a M =
M T = M et lon dit alors de la matrice quelle est symetrique.
A + B = B + A (commutativite) ;
A + (B + C) = (A + B) + C (associativite) ;
s(A + B) = sA + sB, s Cl ;
C | A + C = B et C est notee C = A B (difference) ;
A + 0 = A (element neutre) ;
(A + B)T = AT + B T (transposition de la somme) ;
(A + B) = A + B (transposition-conjugaison de la somme).
Exemple :
1 1 2 1 3 2 2 2 0
+ =
3 2 4 3 4 0 6 6 4
n
X
< v, w >= vi wi .
i=1
112
A propos des matrices
A partir de ce produit scalaire de deux vecteurs, lon peut definir le produit de deux matrices. Si lon suppose que
M Cl mn et N Cl nq sont respectivement la concatenation en colonne de m vecteurs lignes v [i] , i = 1, ..., m
et la concatenation en ligne de q vecteur colonnes w[j] , j = 1, ..., q,
v [1]
M = ...
et N = w[1] . . . w[q] ,
v [m]
n
X [i] [j]
pij =< v [i] , w[j] >= vk wk {i; j} {1, ..., m} {1, ..., q}.
k=1
Exemple :
1 1
1 1 2 3 3
0
2 =
3 2 4 1 7
1 0
Lon note que la multiplication deux matrices M et N nest definie que si le nombre de colonnes de M est egal au
nombre de lignes de N .
Remarque A.1 Une matrice A carree peut etre elevee a une puissance k en definissant Ak = Ak1 A et A0 = I.
Une matrice qui devient nulle pour une valeur de k est qualifiee de nilpotente.
Lon note dabord que le determinant dune matrice est un scalaire qui se deduit par calcul des compsantes de
la matrices.
113
A propos des matrices
Exemple :
1 2
det = 1 4 (2) 3 = 10
3 4
Soit A une matrice carree dordre n = 3. Lon affecte un signe a chacune de ses composantes, en quinconce, de la
facon suivante :
a+
11 a
12 a+
13
A = a
21 a+
22 a
23
.
a+
31 a
23 a+
33
n
X n
X
det(A) = sign(k, j)akj det(A) = sign(j, k)ajk det(A).
kj jk
j=1 j=1
n
X n
X
det(A) = (1)(k+j) akj det(A) = (1)(j+k) ajk det(A). (A.1)
kj jk
j=1 j=1
Exemple :
La technique de calcul presentee ci-avant peut setendre a des matrices de dimension plus elevee cest-a-dire que
la formule (A.1) est valable pour n > 3.
114
A propos des matrices
ij = (1)i+j det(A).
ij
En outre, la matrice adjointe de A, notee adj(A), est definie par la transposee des cofacteurs, a savoir
P () = det(I A).
Par ailleurs, P (A) = 0 (theoreme de Cayley-Hamilton : toute matrice carree verifie son propre polynome caracteristique).
Une matrice carree A de rang plein est dite reguliere. Dans ce cas, il vient det(A) 6= 0. Par opposition, une matrice
deficiente en rang est dite singuliere et il vient alors det(A) = 0. Bien souvent, le qualificatif non-singuliere est
prefere a reguliere .
AA1 = A1 A = I.
115
A propos des matrices
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) 6= 0. Puis les deux techniques de calcul les plus classiques sont :
on resoud le systeme lineaire a n equations et n inconnues (fastidieux meme pour un ordre faible) ;
on applique la formule :
1
A1 = adj(A).
det(A)
Exemple :
1
a b 1 d b
=
c d ad bc c a
P () = det(In A) = 0 (A.2)
Une matrice de dimension n a necessairement n valeurs propres i , i = 1, ..., n. Pour simplifier, lon supposera
que celles-ci sont distinctes. Lorsque A est reelle, les valeurs propres constituent un ensemble auto-conjugue.
Autrement dit, si est valeur propre de A, sa quantite conjuguee lest aussi. Tous ces scalaires constituent un
ensemble de cardinal n appele spectre de A et parfois note (A).
Il existe n vecteurs vi Cl n , i = 1, ...n non nuls, appeles vecteurs propres a droite, tels que :
V = [v1 , , vn ] (A.4)
alors, il vient la relation :
116
A propos des matrices
= V 1 AV (A.5)
= diag{1 , , n } (A.6)
La determination 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
neanmoins etre calculees mais ceci nest pas explicite ici.
Lon peut aussi definir les vecteurs propres a gauche ui (egalement definis a un facteur multiplicatif pres) par
la relation
U = [u1 , , un ], (A.8)
il apparat, entre les matrices U et V , pour des choix de ui et vi convenablement mis a lechelle, la condition
dorthogonalite :
U V = I. (A.9)
Lensemble constitue des valeurs propres et des vecteurs propres a gauche et a droite est appele structure propre.
(A) = (AT ) ;
i (A) i (A) ;
i (A) i (A )
i (A) ki (Ak ) ;
i (A) s + i (sI + A), s Cl ;
les elements diagonaux dune matrice triangulaire sont ses valeurs propres.
Les valeurs propres dune matrice symetrique ou Hermitienne sont reelles.
Ces proprietes sont aussi vraies pour les vecteurs propres a gauche.
117
A propos de la definition positive
n
X
trace(A) = aii
i=1
La trace de A est donc la somme de ses elements diagonaux. Lon peut par ailleurs montrer que cest la somme de
ses valeurs propres c.-a-d. :
n
X
trace(A) = i
i=1
De ce fait, toutes les matrices semblables ont la meme trace. La trace est un scalaire complexe, egalement reel si A
est reelle ou si A est complexe mais Hermitienne. En outre, sous reserve de compatibilite des dimensions, lon a :
Lorsque la boule B peut setendre a lespace vectoriel Cl n , lon dit simplement que la fonction V est definie (resp.
semi-definie) positive.
Si V est (localement) definie (resp. semi-definie) positive alors la fonction V est dite (localement) definie (resp.
semi-definie) negative.
Un cas particulier est dun grand interet. Il sagit de celui ou la fonction V est une forme quadratique cest-a-
dire repond a la formulation V (x) = x P x ou P est une matrice Hermitienne. Ce cas particulier conduit a la
notion de definition positive dune matrice (voir paragraphe suivant).
118
A propos de la definition positive
x P x > 0 (resp.) x P x 0, x 6= 0
Si la propriete est verifiee, alors la matrice Hermitienne P est definie (resp. semi-definie) negative.
La definition en signe dune matrice Hermitienne est par definition equivalente a celle de la forme quadratique
associee.
Quelques proprietes :
P = P > 0 (P ) IR+ ;
P = P 0 0 (P ) {IR+ 0} ;
P = P > 0 P 1 = (P 1 ) > 0 ;
P = P > 0 det(P ) 6= 0 ;
P = P 0 det(P ) = 0 ;
P = P > 0 P admet une racine carree notee P 1/2 telle que
P = (P 1/2 )2 ;
P 1/2 > 0 ;
((P 1/2 )1 )2 = P 1 ;
M Cl nn et det(M ) 6= 0 P = M M > 0 ;
M Cl nn et det(M ) = 0 P = M M 0 ;
P > 0 (resp. 0) P admet une decomposition dite de Cholesky : P = S S avec det(S) 6= 0 (resp.
det(S) = 0).
119
A propos de la definition positive
120
Annexe B
Dans cette annexe, lon revient quelque peu sur la notion de regime transitoire ou, plus exactement, sur les elements
qui influent sur le regime transitoire de la reponse dun modele LTI. Parmi ces elements, lon peut bien sur citer
les poles dont linfluence a ete etablie dans le corps de ce document, mais aussi les vecteurs propres et les zeros du
systeme.
Pour simplifier, la matrice A est toujours supposee diagonalisable dans ce qui suit.
x(t) = eAt x0 .
Si lon introduit la structure propre (cf. paragraphe A.1.9.1) de A dans cette expression, lon obtient :
n
X
x(t) = vi ei t ui x0 . (B.1)
i=1
Or, la decomposition de x0 dans la base constituee par les vecteurs propres a droite de A peut sexprimer par la
combinaison lineaire suivante :
n
X
x0 = j vj .
j=1
Compte tenu de la condition (A.9) qui amene ui vj = 0, {i, j 6= 0} {1, ..., n}2 et ui vi = 1, i {1, ..., n},
lon a
n
X
x(t) = i ei t vi . (B.2)
i=1
121
Influence des vecteurs propres de A
Lon appelle mode reel la quantite ei t vi lorsque i est reel et mode complexe la quantite (ei t vi + ej t vj ) IR
lorque i = j {Cl IR}. Cette expression est essentielle car lon constate que tous les termes de la reponse
convergent vers zero (donc le systeme est BIBO-stable) si et seulement si toutes les valeurs propres de A (parfois
egalement appelees abusivement modes ) sont a partie reelle negative. Plus precisement, lon voit bien que le
systeme retrouve dautant plus vite sa position dequilibre a lorigine que les parties reelles des valeurs propres de
A sont tres negatives (lon parle de modes lents ou dominants et de modes rapides ou domines). La rapidite de la
reponse depend de toute evidence des modes les plus lents. Bien entendu, la valeur de letat initial x0 conditionne
aussi la forme de la reponse par le biais de {i , i {1, ..., n}}.
De plus, lon remarque que lexistence de valeurs propres complexes conjuguees induit un comportement oscillatoire
dans la reponse du systeme. En effet, un mode complexe fait apparatre un sinus dans cette reponse. Le caractere
oscillatoire dun mode complexe est dautant plus marque que le rapport (en valeur absolue) entre la partie
imaginaire et la partie reelle des valeurs propres correspondantes est eleve. Pour des systemes de deuxieme
ordre (n = 2), ces considerations sont prises en compte pour definir un coefficient damortissement et une
pulsation propre non amortie egalement definis dans le cadre du cours sur lapproche frequentielle. Selon les
valeurs de ces indicateurs, la nature de la reponse peut varier dune absence doscillation a une tres forte oscillation
en passant par un leger depassement. Lon se refere souvent a ces indicateurs pour caracteriser la dynamique
dominante dun systeme dordre plus eleve (n > 2) et donc ses performances en termes de temps de reponse,
depassement maximal, etc. Neanmoins, il importe de savoir que linfluence de chaque mode nest pas toujours
simplement dictee par la position de la (ou des) valeur(s) propre(s) associee(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 extremement utile pour caracteriser le comportement dun systeme ou pour specifier les
performances souhaitees dun procede a commander. Le spectre de A revet donc une importance capitale dans le
comportement du systeme. Les vecteurs propres associes ont egalement une influence puisquils apparaissent dans
(B.2). Leur influence est un peu mieux explicitee dans le paragraphe suivant.
Lon constate en examinant la relation (B.3) que la composante vij distribue leffet du mode i sur letat xj . Ainsi,
annuler vij revient a eliminer linfluence de i sur xj . Lon en deduit que :
Les vecteurs propres a droite sont significatifs du couplage entre existant entre le spectre de A et le vecteur
detat.
Lorsque lon sinteresse a la sortie y, la matrice C exprime alors le couplage entre x et y donc plutot que les vecteurs
propres, ce sont les scalaires Cvi quil convient detudier. Lon peut alors analyser le decouplage modes/sortie.
Remarque B.1 Lorsquun scalaire Cvi est nul, cest-a-dire lorsque la sortie nest pas affectee par le mode i ,
ceci signifie que ce mode devient non observable.
122
Influence des vecteurs propres de A
u(t) = Kx(t).
Pour les besoins de lexplication, le terme de precommande est omis cest-a-dire que le systeme boucle est
considere en regime libre. Compte tenu de lexpresson de x(t), il vient
n
X n X
X n
u(t) = i Kvi = i ei t kj vij . (B.4)
i=1 i=1 j=1
La relation (B.4) pemet de comprendre comment les vecteurs propres interviennent dans la repartition de leffet
des modes sur la commande du systeme boucle 1 . Il va de soi quen cas de bouclage comme ci-dessus, les scalaires
i designent les valeurs propres de Af et les vi designent leurs vecteurs propres a droite associes.
Dans le cas dun modele LTI boucle par retour detat u(t) = Kx(t), les vecteurs Kvi sont significatifs du
couplage entre existant entre le spectre de A et la commande u.
Z t
x(t) = V e(t ) U BHyc ( )d.
0
n
X Z n n X
X n Z n
x(t) = vi ei (t ) ui BHyc ( )d = vi ei (t ) uij bj Hyc ( )d. (B.5)
i 0 i j=1 0
Grace a (B.5), lon comprend que le produit ui B est significatif 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 excite par la consigne.
Les vecteurs propres a gauche ont une influence preponderante sur la repartition 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 non pas sur la consigne du systeme boucle
123
Influence des zeros
presente une deficience de rang. Lon note quil nest pas aise de determiner les zeros dune realisation mais cette
definition a lavantage dutiliser une representation detat.
Si la realisation est minimale (entierement commandable et observable) alors, les zeros sont les racines du polynome
N (p), le numerateur de la fonction de transfert G(p). Dans le cas dune realisation non minimale, il peut exister
des valeurs des zeros de la realisation qui ne sont pas racines de N (p). Ceci resulte dune compensation dans G(p)
du facteur (p z) de N (p) avec un facteur (p z) du denominateur D(p) (compensation pole/zero caracteristique
des modeles non-commandables ou non observables (cf. paragraphe 6.5)).
Les zeros a partie reelle negative sont qualifies de stables et ceux a partie reelle positive sont qualifies dinstables.
Mais il est assez difficile et souvent peu rigoureux dapprecier correctement leffet dun zero sur le regime transitoire.
Pour resumer tres grossierement cet effet :
les zeros compenses par des poles non commandables et non observables nont aucun effet sur le regime
transitoire dune reponse sur la sortie y ;
les zeros proches dun pole dans le plan complexe sont faiblement influents ;
124
Influence des zeros
les zeros instables ont tendance a generer un depassement de la reponse indicielle vers le bas alors que les
zeros stables contribuent a leventuel depassement vers le haut.
125
Influence des zeros
126
Annexe C
Lon se propose, dans cette annexe, de resoudre le probleme du placement de poles par retour detat en utilisant la
formule dite dAckermann . Cette formule est justifiee par le raisonnement ci-dessous.
Lon rappelle que le probleme du placement de poles consiste a trouver un vecteur K, associee a la loi de commande
u = Kx, de sorte que
n
Y
det(pI Af ) = Dd (p) = (p i ).
i=1
x = Af x. (C.2)
Le polynome Dd (p) est le polynome caracteristique desire pour ce systeme boucle. Les scalaires i , i = 1, ..., n,
sont les racines de ce polynome, cest-a-dire les poles desires. La paire de matrices (A, B) est supposee commandable.
Dd (p) = pn + n1 pn1 + . . . + 1 p + 0 .
Or, dapres le theoreme de Cayley-Hamilton, toute matrice carree verifie son propre polynome caracteristique et
lon a
Dd (Af ) = 0. (C.3)
127
Resolution selon Ackermann
0
Af = I
A1f = A + BK
2
A3f
= A1f (A + BK) = A2 + ABK + BKAf
Af = A2f (A + BK) = A3 + A2 BK + ABKAf + BKAf
A4f
= A3f (A + BK) = A4 + A3 BK + A2 BKAf + ABKA2f + BKA3f
..
.
n
Af = Afn1 (A + BK) = An + An1 BK + An2 BKAf + . . . + ABKAfn2 + BKAfn1
Dd (Af ) = 0 I + 1 A1 + 2 A2 + . . . + n1 An1 + n An
+B(1 K + 2 KAf + 3 KA2f + . . . + KAfn1 )
+AB(2 K + 3 KAf + 4 KA2f + . . . + KAfn2 )
..
.
+An1 BK = 0
1 K + 2 KAf + 3 KA2f + . . . + KAfn1
2 n2
2 K + 3 KAf + 4 KAf + . . . + KAf
AB . . . An1 B
Dd (A) + B .. =0
.
K
Lon reconnat, dans legalite ci-dessus, la matrice de commandabilite de Kalman
Qc = B AB . . . An1 B
qui est inversible puisque la paire (A, B) est supposee commandable. Ainsi, par inversion de Qc , lon obtient
1 K + 2 KAf + 3 KA2f + . . . + KAfn1
2 K + 3 KAf + 4 KA2 + . . . + KAn2
f f
= Q1
. c Dd (A).
..
K
K= 0 ... 0 1 Q1
c Dd (A). (C.4)
128
Annexe D
A propos de Z
D.1 Proprietes de Z
Linearite
n
X n
X
Z[ (i {fk }i )] = (i Z [{fk }])
i=1 i=1
Multiplication par k
Z [k {fk })] = F (1 z)
Multiplication par ekT
Z [ekT {fk })] = F (zeT )
(Ici, T designe la periode dechantillonnage si elle est definie).
Produit de convolution
Z [{f g}k ] = F (z)G(z)
ou loperateur symbolise le produit de convolution {f }k {gk } = {hk } defini par
X
X
hk = fl gkl = fkl gl k IN.
l= l=
Theoreme du retard
Z [{fkl }] = z l Z [{fk }] = z l F (z)
Theoreme de lavance
l1
! l1
!
X X
Z [{fk+l }] = z l Z [{fk }] fi z i = zl F (z) fi z i
i=0 i=0
129
Tableau de transformees
E Ez
Echelon damplitude E c.-a-d. E(t) fk = E
p z1
b bT z
Rampe de pente b c.-a-d. bt fk = bT
p2 (z 1)2
1 z
eat fk = eakT
p+a z eaT
1 T zeaT
teat fk = kT eakT
(p + a)2 (z eaT )2
z sin(T )
sin(t)
p2 + 2 z 2 2z cos(T ) + 1
p z(z cos(T ))
cos(t)
p2 + 2 z 2 2z cos(T ) + 1
a z(1 eaT )
1 eaT
p(p + a) (z 1)(z eaT )
z
ak
za
130
Annexe E
Cette annexe a pour but de montrer que les inegalites de Lyapunov peuvent etre obtenues independamment de la
seonde methode et de son theoreme fondamental.
Mc = A P + P A < 0. (E.1)
Suffisance : (E.1) est supposee verifiee. Pour toute valeur propre i de A, il existe un vecteur non nul vi tel que
Avi = i vi . Ainsi,
vi Mc vi = (i + i )vi P vi < 0.
i + i < 0,
Necessite : pour simplifier, lon suppose que A a des valeurs propres distinctes mais ce raisonnement peut sadapter
au cas des valeurs propres multiples. Si ces valeurs propres sont supposees dans le demi-plan gauche ouvert, lon a
i + i < 0, i {1, . . . , n}
M = + < 0,
ou
= diag {i }. (E.2)
i=1,...,n
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
131
Le cas echantillonne
Md = P + A P A < 0. (E.3)
Suffisance : (E.3) est supposee verifiee. Pour toute valeur propre i de A, il existe un vecteur non nul vi tel que
Avi = i vi . Ainsi,
vi Md vi = (1 + i i )vi P vi < 0.
1 + i i < 0,
Necessite : pour simplifier, lon suppose que A a des valeurs propres distinctes mais ce raisonnement peut sadapter
au cas des valeurs propres multiples. Si ces valeurs propres sont supposees dans le disque unitaire ouvert, lon a
1 + i i < 0, i {1, . . . , n}
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
Soit P = P > 0, la matrice de Lyapunov assurant de la stabilite au sens de Hurwitz de Ac . Il vient donc
Mc = Ac P + P Ac < 0, (E.4)
et par consequent, si lon considere la fonction de Lyapunov quadratique V (x(t)) = x (t)P x(t), sa derivee
temporelle V (x(t)) = x (t)(A P + P A)x(t) est strictement negative. Ainsi, V (x(t)) est strictement decroissante
par rapport au temps et lon a donc, pour deux instants dechantillonnage successifs kT et (k + 1)T (ou T est la
periode dechantillonnage),
qui se recrit
x ((k + 1)T )P x((k + 1)T ) = x(kT )eAc T P eAc T x(kT ) < x (kT )P x(kT ).
132
Le cas echantillonne
Md = P + A P A < 0, (E.5)
qui amene la conclusion suivante :
Toute matrice de Lyapunov du modele lineaire continu dun procede est aussi matrice de Lyapunov du
modele discret lineaire du systeme echantillonne associe.
Remarque E.1 Pour demontrer que lon peut choisir arbitrairement Q < 0 telle que Mc = Q (respectivement
Md = Q) admette une solution unique P > 0, la technique consiste a montrer que resoudre cette equation revient
a resoudre un systeme lineaire dequations scalaires possedant une unique solution. Cet aspect nest cependant
pas detaille ici car toute la subtilite est de montrer que le systeme est bien pose.
133
Le cas echantillonne
134
Annexe F
Dans cette annexe, quelques explications sur linterpretation des grammiens et leur proprietes sont apportees.
Lon atteste ou non de la commandabilite de ce systeme selon le rang de la matrice de commandabilite (voir
9.6.2) :
Qc = [B AB ... An1 B]
Lon rappelle que letat final souhaite peut etre atteint en n coups ou plus (cf. Remarque 9.5). Il faut aussi noter
que, partant de lorigine :
xf = Qc Un
ou
Un = [un1 , ... , u0 ].
La solution Un de la commande necessaire pour atteindre letat xf , du point de vue de la norme minimale est
(resolution dun probleme doptimisation classique) :
Un = Qc (Qc Qc )1 xf .
Ceci veut dire que, pour atteindre letat final xf a partir de x0 = 0, il faut une energie minimale de commande :
n1
X
uk uk = xf (Qc Qc )1 xf
k=0
135
Invariance des valeurs propres de Wc Wo
n1
X
Wc (n) = Qc QTc = Ak BB T (Ak )T . (F.1)
k=0
Wc (n) est une matrice definie positive, donc il existe une transformation de matrice U unitaire telle que
Wc (n) = U DU .
Soit la transformation xk = U xk (qui preserve la norme de x). Dans la nouvelle base, lenergie minimale de
commande necessaire pour atteindre ei = [0, ..., 0, 1, 0, ..., 0] est donnee par d1
i . Si di est nul, la i
eme
composante
de letat nest pas commandable (energie infinie) en n coups. D apparat donc, dans la nouvelle base, comme la
matrice de ponderation dun critere denergie de commande (en partant de zero).
Si lon ne sinteresse pas a la commande en n coups mais en un nombre infini de coups, lon peut definir :
Wc (n + 1) = AWc (n)A + BB ,
Wc = AWc A + BB
Dans le cas des systemes continus, lon ne peut donner de signification physique aussi claire a la matrice de
commandabilite mais Wc (n) a pour equivalent le grammien transitoire de commandabilite sur un horizon :
Z
T
Wc ( ) = eAt BB T eA t dt
0
Sur un horizon de temps infini, lon obtient le grammien de commandabilite Wc (6.8) verifiant (6.10).
Remarque F.1 Rappel : pour traiter le grammien dobservabilite, lon raisonne par dualite.
et, si lon definit respectivement Qc et Qo comme les matrices de commandabilite et dobservabilite sur un
horizon de temps ou dechantillons infini, c.-a-d.,
Qc = lim B AB . . . Ak1 B
k
Qo = lim C A C . . . (A )k1 C ,
k
alors il vient
T 1 T 1
Qc 7 T 1 Qc et Qo 7 Qo T.
136
Invariance des valeurs propres de Wc Wo
T 1
Wc 7 T 1 Wc T T
T 1
Wo 7 T T Wo T.
Finalement :
T 1
Wc Wo 7 (T 1 Wc T T )(T T Wo T )
T 1
Wc Wo 7 T 1 Wc Wo T
Le produit des grammiens est transforme en une matrice semblable, donc ses valeurs propres sont conservees. QED.
La demonstration dans le cas continu est quelque peu differente. Soit toujours la matrice de changement de base
T . Il vient :
Z
T 1
Wc 7 T 1 eA T T 1BB (T )1 T eA (T )1 d = T 1 Wc (T )1 .
0
et
Z
T 1
Wo 7 T eA (T )1 T C CT T 1eA T d = T Wo T.
0
137
Invariance des valeurs propres de Wc Wo
138
Annexe G
Le logiciel M ATLAB de la societe T HE M ATH W ORKS I NC . est originellement un logiciel de calcul matriciel. Il
sest specialise dans differentes disciplines au cours des annees en fonction de la clientele interessee. Comme de
nombreux automaticiens utilisaient M ATLAB, il sest etoffe, entre autres, en fonctions dediees a lautomatique, tant
pour lapproche frequentielle que pour lapproche temporelle. Outre le logiciel de base, lon peut faire lacquisition
de quelques botes-a-outils et certaines dentre elles sont specifiques aux problemes dAutomatique, en particulier
la C ONTROL T OOLBOX ..
Initialement plutot utilise par des chercheurs, M ATLAB est aujourdhui tres repandu dans le monde universitaire
mais aussi dans le monde industriel.
Il sagit ici de presenter quelques fonctions du logiciel accessibles dans la version de base ou dans la bote-a-outils
C ONTROL. Ne sont donnees que des fonctions basiques ou liees a la representation detat, reprenant quelques
notions de ce cours. Le logiciel est expose dans sa version 6 .
Ainsi lon peut definir, par exemple, un vecteur ligne v de trois composantes de la facon suivante :
>> v=[1 2 3]
v =
1 2 3
Le premiere ligne avec le prompt >> correspond a linstruction et les autres correspondent au resultat affiche
par M ATLAB. La variables v est alors enregistree dans lenvironnement et disponible a tout moment. La liste des
variables actives est donnee par linstruction who.
Un vecteur colonne peut etre genere de deux facons :
>> v=[1;2;3]
v =
1
2
3
139
Fonctions mathematiques de base
La premiere instruction fait apparatre un point virgule entre les composantes pour indiquer un changement de
ligne dans une matrice. Lautre utilise loperateur de transposition conjugaison sur lequel lon reviendra plus loin.
Le second resultat (identique au premier) nest pas affiche par M ATLAB comme le stipule le point virgule en fin
dinstruction.
Les composantes dun vecteur ou dune matrices peuvent etre complexes. Ainsi les variables i ou j sont-elles
predefinies dans M ATLAB et egales a lunite imaginaire. Il importe donc de ne pas les ecraser en redefinissant des
variables avec le meme identificateur. Lon dispose dun operateur de conjugaison
ans =
>> v
ans =
1.0000
1.0000 - 1.0000i
Le caractere entrane donc la conjugaison des eventuelles composantes complexes et une simple transposition
doit se faire en associant conj et . Pour les matrices reelles, il ny a pas de difference entre loperateur et la
transposition simple. Voici comment saisir une matrice reelle et la transposer :
M =
1 2
3 4
>> M
ans =
1 3
2 4
Certaines matrices particulieres peuvent etre saisies par des fonctions speciale telles que
>> I2=eye(2)
I2 =
1 0
0 1
>> zeros(3,2)
140
Fonctions mathematiques de base
ans =
0 0 0
0 0 0
>> ones(3,2)
ans =
1 1 1
1 1 1
eye permet de construire une matrice identite, zeros une matrice nulle et ones une matrice emplie de composantes
unitaires.
De meme, il est facile dextraire des sous-matrices :
>> I2(:,2)
ans =
0
1
>> I2(2,2)
ans =
>> M(1:2,2)
ans =
2
4
Entre parentheses apparaissent les lignes et les colonnes conservees. 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 evidemment quantite de fonctions danalyse matricielle parmi lesquelles rank et det qui
permettent de calculer le rang ou le determinant dune matrice :
>> rank(M)
ans =
>> det(M)
ans =
-2
141
Fonctions mathematiques de base
Lon peut bien sur calculer la somme de deux matrices (ou plus) ou meme le produit :
>> M+M
ans =
2 4
6 8
>> M*M
ans =
7 10
15 22
>> M=M2
ans =
7 10
15 22
Lexposant qui suit loperateur peut etre non entier de sorte que (1/2) correspond a la racine carree matricielle.
Il existe aussi la fonction exp qui calcule lexponentielle dune matrice.
ans =
-2.0000 1.0000
1.5000 -0.5000
L =
-0.3723
5.3723
V =
142
Fonctions liees au modele detat
-0.8246 -0.4160
0.5658 -0.9094
L =
-0.3723 0
0 5.3723
Enfin, pour tester le definition 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 definie positive, ce qui est evident etant donnee la maniere
dont Z est construite.
Remarque G.1 A toute fonction M ATLAB est associee une aide en ligne obtenue grace a linstruction help.
Exemple :
>> help lsim
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 systeme
LTI .
sys=ss(A,B,C,D);
La fonction inverse qui permet de recuperer les matrices a partir de la variable sys est :
[A,B,C,D]=ssdata(sys);
143
Fonctions liees au modele detat
Ensuite, lon peut tout faire a laide de cette variable sys. Ainsi, lon peut obtenir la fonction de transfert :
>> [Num,Den]=tfdata(sys)
Num =
[1x3 double]
Den =
[1x3 double]
Un systeme etant eventuellement multivariable, il est possible quil existe plusieurs numerateurs et denominateurs
pour une ce qui est alors une matrice de transfert. Cest pouquoi M ATLAB fournit une cellule de numerateurs
et une cellule de denominateurs. Dans le cas monovariable ci-dessus, les cellules ne contiennent quun element
que lon peut extraire.
>> Num{1}
ans =
0 1.0000 -15.0000
>> Den{1}
ans =
Les vecteurs obtenus contiennent les coefficients du numerateur N (p) et du denominateur D(p) de la fonction de
transfert G(p) dans lordre des puissances decroissantes cest-a-dire que lon obtient en fait :
p 15
G(p) = .
p2 + 4p + 5
Lon peut aussi appliquer linstruction
>> [Num,Den]=ss2tf(A,B,C,D);
si la fonction sys na pas ete utilisee au pealable.
Le passage inverse est possible :
>> [A,B,C,D]=tf2ss(N{1},D{1})
A =
-4.0000 -5.0000
1.0000 0
B =
1
0
144
Fonctions liees au modele detat
C =
1.0000 -15.0000
D =
>> roots(Num{1})
ans =
15.0000
>> roots(Den{1})
ans =
-2.0000 + 1.0000i
-2.0000 - 1.0000i
permettent respectivement de calculer les racines de N (p) et D(p), cest-a-dire les zeros et les poles de la fonction
de transfert. Le systeme est donc asymptotiquement stable et lon peut le verifier par resolution de lequation de
Lyapunov avec Q = I2 :
>> Q=eye(2);
>> P=lyap(A,Q)
P =
0.7500 -0.5000
-0.5000 0.5500
>> eig(P)
ans =
0.1401
1.1599
La derniere instruction permet de verifier que les valeurs propres de la matrice de Lyapunov P sont positives et
donc que cette matrice est definie positive.
145
Fonctions liees au modele detat
Impulse Response
1
0.5
0.5
Amplitude
1
1.5
2.5
3
0 0.5 1 1.5 2 2.5 3
Time (sec)
0.5
1
Amplitude
1.5
2.5
3.5
0 0.5 1 1.5 2 2.5 3
Time (sec)
Il est egalement possible de tracer une reponse a une condition initiale (xinitial) ou encore la reponse a
nimporte quelle entree construite sous forme de vecteur (lsim).
La reponse harmonique est egalement tracable dans ses representations graphiques classiques :
>> bode(sys)
>> grid
>> nyquist(sys)
>> grid
>> nichols(sys)
>> grid
Bode Diagram
10
0
Magnitude (dB)
10
20
30
40
180
135
90
Phase (deg)
45
45
90
1 0 1 2
10 10 10 10
Frequency (rad/sec)
Lon note que le diagramme de Black, dont la paternite est parfois aussi attribuee a Nichols est correspond a la
fonction nichols sous M ATLAB.
Il est par ailleurs possible de connatre les marges de gain, de phase, et les pulsations associees :
>> [Gm,Pm,Wcg,Wcp] = margin(sys)
146
Fonctions liees au modele detat
Nyquist Diagram
2 dB 0 dB
2 2 dB
1.5
4 dB 4 dB
1
6 dB 6 dB
0.5
10 dB 10 dB
Imaginary Axis
20 dB 20 dB
0
0.5
1.5
30 0.25 dB
0.5 dB
20 1 dB 1 dB
10 3 dB
3 dB
6 dB
OpenLoop Gain (dB)
0 6 dB
10 12 dB
20 20 dB
30
40 40 dB
50
60 dB
60
180 135 90 45 0 45 90 135 180
OpenLoop Phase (deg)
Gm =
0.3333
Pm =
-129.4032
Wcg =
Wcp =
3.4438
Dans lodre, sont obtenus la marge de gain, celle de phase et les pulsations auxquelles elles peuvent respectivement
etre mesurees. Des marges infinies ou des systemes instables en boucle fermee (comme celui-ci) peuvent generer
des messages davertissement.
Si lon sinteresse a la commandabilite et a lobservabilite du systeme, lon peut tester ces dernieres a laide
des criteres de Kalman :
>> Qc=ctrb(sys)
147
Fonctions liees au modele detat
Qc =
1 -19
1 10
>> rank(Qc)
ans =
>> Qo=obsv(sys)
Qo =
1 0
-9 -10
>> rank(Qo)
ans =
Les matrices de commandabilite et dobservabilite Qc et Qo sont construites ci-dessus et lon verifie quelles sont
de rang plein pour attester des proprietes. Lon peut aussi passer par les grammiens de commandabilite Wc et
dobservabilite Wo si le systeme est asymptotiquement stable. Ces derniers sont les solutions dune equation de
Lyapunov mais plutot que dutiliser lyap, lon peut utiliser directement la fonction gram :
>> Wc=gram(sys,c)
Wc =
5.7500 -5.1250
-5.1250 5.0250
>> eig(Wc)
ans =
0.2497
10.5253
>> Wo=gram(sys,o)
Wo =
0.7500 1.2500
1.2500 2.5000
>> eig(Wo)
ans =
148
Fonctions liees au modele detat
0.0992
3.1508
Il convient ensuite de verifier le signe des valeurs propres de ces deux grammiens. Ils sont ici definis positifs donc
le systeme est commandable et observable.
Remarque G.2 La fonction minreal permet de reduire une realisation a une forme minimale cest-a-dire
completement commandable et observable (au cas ou elle ne le serait deja).
Il existe au moins deux possibilites pour placer les poles du systeme. La fonction place est une fonction ecrite
pour les systemes multivariables pour lesquels la solution du probleme de placement de poles nest pas unique. Elle
a des avantages quil nest pas facile dexpliquer ici mais pour le cas monovariable elle presente linconvenient de
ne placer que des poles disctincts. Ainsi peut-on sen servir pour placer les poles 5 et 4 et verifier a posteriori
que le placement est effectue :
K =
5.0000 15.0000
>> 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), meme si elle ne presente
pas les memes avantages en multivariable, permet de lever lhypothese des poles distincts.
K =
6.0000 20.0000
>> 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 verifie le spectre de Af = A BK.
Remarque G.4 Il est a noter que M ATLAB propose un outil de simulation avec interface graphique appele
S IMULINK qui permet entre autres de construire des schema-blocs et de simuler le comportement des modeles
associes, M ATLAB restant le noyau de calcul.
149
Fonctions liees aux modeles discrets
a =
x1 x2
x1 1 0.4323
x2 0 0.1353
b =
u1
x1 0.2838
x2 0.4323
c =
x1 x2
y1 1 0
d =
u1
y1 0
Sampling time: 1
Discrete-time model.
La variable sys contient les informations sur le systeme obtenu a partir du systeme continu sysc par echantillonnage
a T = 1s. Largument zoh (Zero-order hold) stipule quun bloqueur dordre zero est considere. Par defaut, en
labsence de cet arguement, cest loption zoh qui est retenue. Toutefois, il existe dautres possibilites.
Les matrices de la realisation calculee peuvent etre recuperees comme en continu.
>> [A,B,C,D]=ssdata(sys)
A =
1.0000 0.4323
0 0.1353
B =
0.2838
0.4323
C =
150
Fonctions liees aux modeles discrets
1 0
D =
De plus, il est possible dutiliser la fonction reciproque d2c pour retrouver le modele continu :
>> sysc=d2c(sys)
a =
x1 x2
x1 0 1
x2 0 -2
b =
u1
x1 0
x2 1
c =
x1 x2
y1 1 0
d =
u1
y1 0
En ce qui concerne le trace des reponses, linstruction dimpulse permet de tracer la reponse impulsionnelle du
systeme discret. Ainsi lexecution de
>> dimpulse(A,B,C,D)
conduit, pour le systeme construit plus haut, a la figure G.6, mais cette meme reponse est aussi obtenue par
>> impulse(sys)
En effet, la variable sys contient linformation selon laquelle il sagit dun modele discret.
Lon peut noter que la reponse est en escalier mais il est possible de faire apparatre plus clairement les
echantillons grace a (voir figure G.7) :
>> impulse(sys,.)
>> dstep(A,B,C,D)
ou
>> step(sys)
151
Fonctions liees aux modeles discrets
Impulse Response
0.7
0.6
0.5
0.4
Amplitude
0.3
0.2
0.1
0
0 5 10 15 20 25 30 35 40 45 50
Time (sec)
0.6
0.5
0.4
Amplitude
0.3
0.2
0.1
0
0 5 10 15 20 25 30 35 40 45 50
Time (sec)
Enfin, il existe les fonctions dlyap et dgram qui permettent respectivement de resoudre une equation de Lyapunov
discrete et de calculer un grammien discret, a lexemple de ce qui peut se faire en continu.
Step Response
25
20
15
Amplitude
10
0
0 5 10 15 20 25 30 35 40 45 50
Time (sec)
152
Annexe H
Biographies
Sont presentees ici de breves biographies de deux scientifiques dont les travaux apparaissent comme essentiels aux
developpements de lapproche temporelle de type espace detat en Automatique.
Le premier, Alexandr Lyapunov, na pas a proprement parler contribue a lelaboration des representations detat
mais son travail a la charniere des XIXeme et XXeme siecles fut un reservoir extra-ordinaire pour les multiples
developpements dans lespace detat. Ce reservoir nest sans doute pas encore epuise aujourdhui.
Le second, Rudolf Kalman, est quant a lui celui qui peut sans doute etre considere comme le pere de la representation
detat lineaire. Il a su non seulement jete les idees fondamentales mais aussi contribue de maniere intensive aux
developpements relatifs aux systemes lineaires.
Sa vie
Alexandr Mikhalovich Lyapunov nat a Iaroslav (Empire russe) le 6 juin 1857 ou son pere dirige un lycee. Ce
dernier decede en 1868 ce qui contraint, en 1870, Madame Lyapunov-Mere, accompagnee de ses trois enfants, a
demenager vers Nizhny-Novgorod (anciennment Gorki). Cest dans cette ville quAlexandr suit sa scolarite pour
obtenir brillamment lequivalent du baccalureat (on lui attribue une medaille dor). Il etudie alors les mathematiques
153
Alexandr Lyapunov
Lannee 1885 est marquee deux evenements : il se marie avec sa cousine au premier degre, Natalia Rafailovna
Sechenova et est nomme privat-dozent au departement de Mecanique de lUniversite de Kharkov. Si de 1885 a
1888, Lyapunov consacre surtout son temps a lelaboration de ses enseignements, de 1888 a 1892, il travaille sur
son sujet de predilection : la stabilite du mouvement. Ce travail aboutit en 1892 a sa celebre these 1 : Probleme
general de la stabilite du mouvement. Il defend ainsi, a Moscou, son point de vue en presence de N. E. Joukowski,
considere comme le pere de laviation russe, ce qui lui vaut un poste de professeur a Kharkov. Cette fameuse these
fut traduite en Francais (en 1907 a Universite de Toulouse puis en 1949) mais seulement un siecle plus tard (1992)
en Anglais.
Parallelement a ses activites principales, Lyapunov sinteresse a la theorie des potentiels, aux probabilites (theoreme
central-limite de Laplace) et il devient membre de la Societe Mathematique de Kharkov.
Suite a la mort de Chebyshev en 1894, Lyapunov lui succede en 1902 en tant qu Academicien a lUniversite de
Saint-Petersbourg. Il etudie alors le probleme des formes dequilibre des corps constitues de particules de fluide en
rotation sous leffet dune attraction gravitationnelle newtonienne mutuelle. Il demontre par exemple que pour les
fluides dits en forme de poire , les etats dequilibre sont instables, contredisant ainsi une theorie dastronomie
en vogue a lepoque, en particulier un modele de H. G. Darwin, fils du celebre naturaliste.
En juin 1917, la famille Lyapunov demenage a Odessa, pour raisons de sante. La femme de Lyapunov est tuberculeuse
et lui-meme craint la cecite. Le 31 octobre 1918, son epouse decede. Tres affecte par ce drame mais aussi par
lincendie, declenche par les revolutionnaires bolcheviques, qui ravage la bibliotheque familiale que son grand-
pere puis son pere avaient constituee sur les bords de la Volga, Lyapunov, depressif, se suicide le jour-meme a
laide dun pistolet. Il ne meurt que le 3 juin 1918.
Comme il a ete mentionne ci-avant, le point clef des travaux de Lyapunov pour un automaticien est la seconde
methode. Elle sinspire des contributions de Laplace, Lagrange, Dirichlet et Liouville ou encore de problemes
dastronomie (le maintien en orbite consiste ne un systeme simplement stable). Elle donne une interpretation
energetique de la stabilite en ce sens que la fonction V (cf. paragraphe 5.3.3), dite de Lyapunov, est une energie (au
sens mathematique donc general) qui doit decrotre pour assurer la stabilite. Elle permet de comprendre quil nest
pas toujours necessaire, meme dans une approche temporelle, de resoudre le systeme differentiel pour conclure
quant a la stabilite.
Les consequences scientifiques de la seconde methode sont importantes tant en nombre quen qualite scientifique.
En URSS, elles interviennent surtout avant 1960. Si Lyapunov ne propose que tres peu dexemple pratiques, I. G.
Malkin et N. G. Chetayev comprennent que la seconde methode peut etre appliquee dans un cadre aeronautique
et/ou militaire. Ils obtiennent, vers 1930, des resultats leur permettant de stabiliser la position angulaire dune
1. Il semblerait que cette these soit plus a comparer a ce qui etait appele, auparavant en France, une these detat
154
Rudolf Kalman
fusee ou dun obus, resultats qui ne sont pas sans consequence. De meme, A. I. Lure et A. M. Letov montrent,
respectivment en 1957 et 1961, lapplicabilite de la methode directe a certains problemes de commande des
modeles non lineaires.
Comme il a ete mentionne dans le paragraphe 3.3, Les Russes parviennent a mettre Spoutnik en orbite en 1957, les
travaux de Lyapunov, Chetayev, Malkin et autres netant pas etrangers a cette reussite (cest un euphemisme). Cest
pourquoi le professeur Solomon Lefschetz decide de creer au USA un groupe de recherche charge de promouvoir
en occident la theorie de Lyapunov, groupe parmi lequel figurent J.-P. La Salle, R. E. Kalman et J. E. Bertram. Des
lors, lapproche temporelle connat un regain dinteret.
En juin 1960, au premier congres IFAC de Moscou, Kalman et Bertram font sensation et tout le monde (... ou
presque) souhaite la bienvenue aux representations detat lineaires. Au debut, lon pense quelles napprtent rien
de plus que de simples equations differentielles mais lutilisation des outils de lalgebre lineaire va montrer la
pertinence de loutil et engendrer l automatique moderne . Cest a partir de ce moment que lon sinteresse a
nouveau au plan de phase (espace detat) donc aux travaux de Lyapunov.
En 1964, P. C. Parks retrouve, dans lespace detat, les resultats de Routh-Hurwitz. Lon applique la seconde
methode de Lyapunov aux systemes lineaires a temps continu donnant naissance a ce que lon appelle lequation
de Lyapunov (A P + P A = Q) et son equivalent en temps discret (P + A P A = Q) deja determinee par
Stein en 1952. Elle permet aussi letablissement de criteres de stabilite (meme en non lineaire) tels celui de Popov
ou celui du cercle (contributions de Popov, Kalman, Brockett).
Les autres developpements consequents de la seconde methode sont nombreux : etude des systemes dissipatifs,
commande optimale et tous les problemes de type Riccati (commande H2 , H , optimisation mixte), probleme
dencloisonnement des poles (equations de Lyapunov generalisees (A. G. Mazko en 1980, S. Gutman et E. I. Jury
en 1979 et 1981), un pan entier de la commane robuste, certaines approches detude des systemes non-lineaires
(techniques de mode de glissement), systemes a parametres repartis ou reseaux de neurones, etc.
Encore de nos jous, des conferences sont integralement dediees aux applications des travaux de Lyapunov (exemple :
Irkoutsk, 1995) et susceptibles dinteresser les mathematiciens, les physiciens, les mecaniciens, les automaticiens
et tant dautres.
Rudolf E. Kalman est ne a Budapest le 19 mai 1930. Il decide de suivre les traces de son pere, ingenieur electricien.
Il emigre aux USA puis obtient son baccalaureat. Il recoit du MIT (Massachusetts Institute of Technology) son
master en genie electrique en 1954. Il quitte le MIT pour continuer ses etudes a lUniversite de Colombia ou il
accede au doctorat es sciences en 1957, sous la direction du professeur John R. Ragazzini.
155
Rudolf Kalman
Ses etudes au MIT et a Colombia demontrent tres tot son interet pour la theorie des systemes et lAutomatique.
Ses premieres recherches sur la notion de variable detat sont a la fois tres avancees sur le plan mathematique mais
egalement motivees par un vrai souci de resoudre des problemes pratiques.
En 1957 et 1958, Kalman est employe comme ingenieur dans un laboratoire de recherche dIBM a Poughkeepsie,
etat de New York. Pendant cette periode, il contribue activement a la recherche dans la conception de lois de
commande pour les systemes echantillones, par lutilisation de criteres quadratiques caracterisant les performances
de ces derniers. Il exploite aussi la theorie de Lyapunov pour lanalyse et la commande des systemes en general. Il
comprend des cette epoque la pertinence de loutil numerique pour la commande des systemes a large echelle.
En 1958, Kalman rejoint le RIAS (Research Institute for Advanced Study), equipe de recherche cree par le
professeur Solomon Lefschetz (1884-1972) avec comme but, entre autres, de promouvoir davantage la theotie
de Lyapunov en occident. Il y debute en tant que chercheur en mathematiques et est vite promu Directeur Associe
de Recherche. Cest durant cette periode (1958-1964) quil realise ses contributions les plus significatives pour
lautomatique moderne. Ses conferences et publications sont symptomatiques de son incroyable creativite et de
sa volonte detablir une theorie unifiee de lautomatique. Larticle co-ecrit avec J. E. Bertram ou la representation
detat lineaire est rigoureusement introduite fait sensation lors de sa presentation au premier congres IFAC (International
Federation of Automatic Control) a Moscou en 1960. Sa recherche concernant des concepts aujourdhui essentiels
tels que la commandabilite et lobservabilite permet de consolider les bases theoriques de lingenierie des systemes.
Il unifie les outils danalyse et de conception de lois commande des systemes minimisant un critere quadratique
et ce, en temps continu comme en temps discret. Il realise un travail crucial pour lexploitation des resultats du
mathematicien Constantin Caratheodory (1873-1950) en commande optimale, pour la clarification des connexions
entre le principe du maximum de Semenovich Pontryagin (1908-1988) et lequation dHamilton-Jacobi-Bellman,
de meme que pour le calcul variationnel en general. Non seulement sa recherche met laccent sur les aspects de
mathematiques generales mais elle inclut aussi des aspects tres pratiques comme la prise en compte dun ordinateur
comme partie integrante du systeme pour implanter la loi de commande.
Cest aussi au cours de son sejour au sein du RIAS que Kalman developpe ce qui est peut-etre sa contribution la
plus celebre, le filtre de Kalman (grossierement, ce filtre permet de reconstruire letat du systeme en presence
de bruit). Il obtient des resultats relatifs a la version discrete de ce probleme vers la fin de 1958 et au debut de
1959. Sa solution au probleme discret lamene naturellement a une solution en temps continu quil developpe
en 1960-61 en collaboration avec Richard S. Bucy, inventant ainsi le filtre de Kalman-Bucy . Il transpose les
travaux fondamentaux en filtrage 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 detat.
Le filtre de Kalman et ses extensions aux problemes non lineaires constituent peut-etre loutil le plus applique
de lautomatique moderne. Il est en effet utilise en navigation spatiale (par exemple, sur les engins Apollo ),
sur les radars, pour la commande de divers procedes et meme sur des modeles socio-economiques. Sa popularite
est due a la prise en compte des aspects numeriques tant dans la conception que dans limplantation elle meme.
Dun point de vue strictement theorique, ce filtre etablit un lien entre filtrage et commande et met en lumiere la
dualite des deux problemes.
En 1964, Kalman vient travailler au Departement de Genie Electrique, Mecanique et Recherche Operationnelle
de lUniversite de Stanford. Il sy interesse a la theorie des realisations et la theorie algebrique des systemes. Une
fois encore, sa contribution est significative et il ouvre de nouvelles perspectives de recherche.
En 1971, Kalman est nomme graduate research professor de lUniversite de Floride a Gainsville. Il devient
directeur du centre de Theorie Mathematique des Systemes. Ses activites de recherche et denseignement sont
liees aux departements de genie electrique, de mathematiques et dingenierie pour lindustrie. Il intervient aussi
comme consultant en recherche pour lEcole des Mines de Paris.
Kalman ne modifie pas seulement la vision scientifique de lautomatique moderne mais il contribue aussi fortement
a promouvoir lapplication des theories associees. Sa personnalite charismatique et ses nombreux cours, exposes,
156
Rudolf Kalman
tant a lUniversite que dans le monde industriel, attirent un nombre incalculable de chercheurs qui sont grandement
influences par sa conception de lAutomatique. Il agit comme un catalyseur pour un echange international didees.
Kalman publie plus de cinquante articles techniques en revues de haut niveau. En 1962, il est elu jeune eminent
chercheur de lannee par lAcademie 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 recoit la medaille dhonneur IEEE en 1974 pour ses
travaux pioniers sur les methodes modernes en theorie des systemes, incluant les concepts de commandabilite,
157
Rudolf Kalman
158
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. Polycopie de cours dAutomatique : Automatique : Notes de cours - Exercices . INSA de
Toulouse, 3eme annee specialite AEI. 1992
[5] B. Pradin. Polycopie de cours dAutomatique : Automatique lineaire - Systemes a temps discret . INSA
de Toulouse, 4eme annee specialite AEI. Edition 1995.
[6] B. Pradin. Polycopie de cours dAutomatique : Automatique lineaire . INSA de Toulouse. Departement
de Genie Electrique. Edition 2005.
[7] Ph. de Larminat. Automatique : Commande des systemes lineaires. Editions Hermes, 1993.
[8] A. Rachid and D. Mehdi. Realisation, reduction et commande des systemes lineaires. ScientifikA, 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.
159