COUR Representation Etat 2011 PDF

Université Sidi Mohammed Ben
Abdellah
Faculté des Sciences et
Techniques
www.fst-usmba.ac.ma
-----------------------------------------------------
COUR D’AUTOMATIQUE 2 ----------
CYCLE INGENIEUR
MECATRONIQUE
18/11/16 Pr.Belmajdoub 1
Sommaire
Introduction
Notion de système
Notion de modèle
Grandes lignes du cours
Rappel sur la fonction de transfert
Fonction de transfert
Comment obtenir la fonction de transfert ?
Intérêt de la fonction de transfert
Représentation d’état
Principe général
Historique de la représentation d’état
Comment obtenir un modèle d’état
Par le jeu d’équations
Par l’équation différentielle unique
De la fonction de transfert à la représentation d’état
Cas d’une fonction de transfert strictement propre (m< n)
Réalisation diagonale ou quasi diagonale de Jordan
Réalisation de forme compagne
De la représentation d’état à la fonction de transfert
D’une réalisation à l’autre
Changement de base
Obtention d’une forme compagne (horizontale)
Obtention d’une forme de Jordan .
Les valeurs propres de A sont distinctes
Les valeurs propres de A sont multiples
Réponse d’un modèle d’état

Solution du système autonome
Matrice de transition d’état
Solution de l’équation homogène
Solution de l’équation d’état complète
Calcul de eAt
Méthode des séries
Par la transformation de Laplace
Méthodes des modes
Stabilité des modèles d’état

Une approche quasi intuitive
Stabilité d’un état d’équilibre
Définition et recherche d’un état d’équilibre
18/11/16 Stabilité et Critères de stabilité
Pr.Belmajdoub 3
Commandabilité et observabilité
Commandabilité ou gouvernabilité
Critère de Kalman
Commande par retour d’état
Commande par retour de sortie : les

observateurs
Introduction à la représentation d’état
discrète
Préambule
Ce cours d’Automatique s’inscrit dans le cadre de la

deuxième année de < cycle ingénieur > Mécatronique.
Après l’enseignement en première année des systèmes
linéaires modélisés par une fonction de transfert
(approche fréquentielle). Ce cours s’intéresse aux
mêmes systèmes mais propose une étude via un modèle
différent, appelé représentation d’état linéaire (c’est
une approche temporelle)
L’automatique désigne tout ensemble de commandes visant à
asservir un système. Elle est au cœur des grandes évolutions
technologiques. Un des exemples les plus fameux est
certainement le pilotage automatique des véhicules : avions,
trains, voitures... Le système (le véhicule) reçoit des informations
(vitesse, angle de braquage...) et réagit en fonction de
l’environnement extérieur (dérive, accélération...). Pour imposer
au véhicule un comportement, il faut le commander, c’est à- dire
asservir son comportement sur une ou plusieurs consignes.
Notion de système
Un système est une combinaison de composants interconnecté

ayant pour but d’atteindre un objectif, et rendre un service à un ou
plusieurs opérateurs humains.
Le < composant > est un organe fonctionnel qui ne se limite pas à
un objet physique mais peut correspondre à un objet plus abstrait
de telle sorte qu’un système peut être économique, financier,
démographique même si, dans le cadre de cet enseignement,
seront plutôt rencontrés des systèmes physiques, c’est-à-dire
mécaniques, électriques, électroniques, hydrauliques,
pneumatiques, chimiques, mécatroniques voire biologiques.
Parmi les grandeurs, éventuellement physiques, mises en jeu dans le
fonctionnement d’un système, on peut distinguer celles qui, générées par
l’environnement extérieur au système, agissent sur ce dernier. Ce sont les
entrées parmi lesquelles figurent celles dont l’homme a la maîtrise (les entrées
de commande ou simplement entrées) et celles qui échappent à son contrôle
(les perturbations). L’on distingue aussi les grandeurs par lesquelles le système
agit sur l’environnement extérieur, à savoir les sorties. L’on note souvent par
les lettres u, d et y, respectivement les entrées, les perturbations et les sorties,
de sorte qu’un système peut-être représenté par le schéma de la figure:
Notion de modèle
L’analyse d’un système et à fortiori sa commande font appel à un modèle du

comportement du système. De cette description mathématique du
comportement peuvent naître des outils d’analyse et de commande qui sont
utilisés par la suite. On distingue plusieurs automatiques selon la nature des
signaux et des modèles considérés.
Ainsi les signaux continus peuvent prendre toutes les valeurs dans un
intervalle donné alors que d’autres signaux sont susceptibles de prendre
uniquement certaines valeurs bien déterminées. Sur la base de cette
différence, on distingue l’automatique des systèmes à événements continus de
l’automatique des systèmes à événements discrets. Seul le cas des
événements
18/11/16 continus sera envisagéPr.Belmajdoub
dans ce cours. 9
Une autre distinction tout aussi fondamentale se fait sur le temps. En effet, les
signaux peuvent être définis à tout instant du temps ou simplement connus à
des instants donnés (l’on parle de signaux discrets, discrétisés, ou
échantillonnés).
Grandes lignes du cours
Compte tenu des connaissances préalables des étudiants, ce cours est
organisé comme suit. Tout d’abord, un rappel sur la fonction de transfert, son
origine, son intérêt, un nouveau modèle alternatif est présenté : la
représentation d’état linéaire. Ses propriétés sont explicitées, en particulier le
lien existant avec la fonction de transfert. Une fois ce modèle introduit, on
s’intéresse à la manière de déterminer la réponse des systèmes linéaires
monovariables. Ensuite, il sera montré comment analyser la stabilité d’un tel
modèle d’état. Bien moins familières seront les notions de commandabilité et
observabilité d’une représentation d’état. La commande de tels modèles sera
abordée vers la fin du cours avant de consacrer un chapitre au modèle d’état
Rappel sur la fonction de transfert
Equations préliminaires
Prenons comme exemple un circuit RLC comme celui de la figure suivante:
Les équations issues des lois de l’électricité qui régissent le comportement du

circuit RLC sont les suivantes
Modèle entrée/sortie: l’équation différentielle
Pour simplifier le modèle linéaire obtenu, pour le rendre plus compact, une
tendance habituelle consiste à regrouper toutes les équations en une seule. Il
s’agit d’éliminer du jeu d’équations toutes les grandeurs internes au système
qui ne sont ni l’entrée, ni la sortie. On obtient alors une unique équation
différentielle ne faisant apparaître que l’entrée u, la sortie y et, éventuellement,
leurs dérivées successives. Une telle équation a l’allure suivante
Il s’agit là d’un modèle de comportement entrée/sortie, c’est-à-dire qui traduit

l’évolution de la sortie en fonction de celle de l’entrée et ce, en éludant la
dynamique interne du système.
Fonction de transfert
Comment obtenir la fonction de

transfert
La fonction de transfert est un modèle de comportement entrée/sortie qui

s’obtient à partir de l’équation différentielle linéaire à coefficients constants.
Dans le cas du circuit RLC, on a
On a utilisé deux types de modélisation pour les systèmes
asservi, soit:
- Par les équations différentielles à coefficients constants;
- Par les fonctions de transfert.
En utilisant la transformée de Laplace, la fonction de transfert

peut être déduite des équations différentielles tandis qu’une
modélisation par équations différentielles peut être déduite de la
fonction de transfert par l’utilisation de la transformée de Laplace
inverse.
On envisage dans cette section un troisième type de

modélisation; par les variables d’état. C’est une modélisation par
équations différentielles du premier ordre couplées entre elles. On
préserve toujours la relation entrée-sortie, de plus, un modèle
interne est donné.
Un peu d’histoire
Circuit électronique
Les préludes Appl. Fonction de transfert

Indus.
1788 1800 1877 1892 1922 1927 1930 1932 1936 1940
Régulateur
Systèmes NL BODE
de WATT Régulateur
LYAPOUNOV
PID
1er PID ZIEGLER
Pierre Simon MINORSKY NICHOLS
LAPLACE WIENER
filtrage
BLACK optimal
Critère de stabilité
de ROUTH
HURWITZ (1895) Nyquist
Stabilité fréquentielle
Un peu d’histoire
Calculateurs Calculateurs numériques

analogiques
Comd. optimale Espace d’Etat Commande robuste
1948 1956 1960 1970 1980 1988
EVANS
Lieu des pôles Observateur
D’état Commande Systèmes NL
LUENBERGER Robuste Hinf Systèmes hybrides
KALMANN
PONTRYAGIN
Algorithme
WIENER GLOVER DOYLE
Commande
Processus adaptative
stochastiques
Avantage d’utilisation des variables d’état
Cette technique est implantée facilement sur ordinateur pour des

systèmes d’ordre plus élevé, alors que l’approche par fonction de
transfert tend à échouer pour ces systèmes à cause de problèmes
numériques.
Dans les processus de conception avec l’espace d’état, on

retourne plus d’infos (variables internes) concernant les systèmes
et par conséquent on peut réaliser une commande plus élaborée
du système qu’il n’est possible avec l’approche par fonction de
transfert. Les processus de conception qui résultent en une
meilleure commande du système sont toujours basés sur les
modèles d’état.
Les équations d'état permettent de représenter les systèmes
linéaires continus, échantillonnés et discrets. Cette
représentation est particulièrement bien adaptée à la
description des systèmes monovariables (SISO = single input
single output) et multivariables (MIMO= multiple input multiple
output). De plus, bien que cet aspect de la question ne soit pas
abordé dans ce cours, signalons que le formalisme d'état permet
de traiter les systèmes dont les paramètres varient dans le temps
(systèmes non stationnaires).
Objectif de la commande d’état
L’ objectif de ce cours est de proposer des méthodes pour

commander les systèmes décrits par des équations d’état. C’est-à-
dire que nous allons tenter de fabriquer des machines automatiques
(où l’homme n’intervient quasiment pas, sauf pour donner ses ordres,
où consignes), appelées régulateurs capables de domestiquer
(changer le comportement dans le sens que l’on souhaite) les
systèmes considérés.
Pour cela, le régulateur devra calculer les entrées u(t) à appliquer au
système à partir de la connaissance (plus ou moins bruitées) des
sorties y(t) et de la consigne w(t) donnée (voir figure).
Représentation d'état
En automatique, une représentation d'état permet de modéliser un
système dynamique sous forme matricielle en utilisant des variables d'état.
On se place alors dans un espace d'état. Cette représentation, qui peut être
linéaire ou non-linéaire, doit rendre compte de l'état du système à n'importe
quel instant futur si l'on possède les valeurs initiales. Cette représentation peut
être continue ou discrète.
Pour résoudre les problèmes d'analyse et de synthèse des systèmes de

commande, les ingénieurs disposent d’outils performants étudiés
antérieurement. Ainsi les méthodes fréquentielles de BODE, de BLACK-
NICHOLS et les méthodes temporelles comme le lieu de EVANS sont d’un
usage courant. Cependant l'avènement de calculateurs numériques toujours
plus rapides et performants, capables de résoudre simultanément un nombre
incroyable d'équations différentielles conduit à mettre en œuvre de nouvelles
méthodes. Ces méthodes se prêtent précisément à la résolution des problèmes
complexes soulevés par la commande des systèmes modernes (guidage et
pilotage des aéronefs, techniques de navigation automatique, conduite des
processus industriels, …).
Représentation d’état, suite:
Devant la complexité croissante des systèmes, la fonction de transfert peut
parfois sembler ne pas être le modèle le plus approprié pour décrire les
comportements considérés. La recherche de performances toujours plus fines
peut conduire à la même conclusion. Ceci est particulièrement vrai si l’on sort
du cadre de ce cours et si l’on envisage l’étude de systèmes multivariables.
Pour cette raison, d’autres modèles sont utilisés et apparaissent comme une
alternative à la fonction de transfert. Le plus célèbre d’entre eux est la
représentation d’état ou équation d’état ou encore modèle d’état. Il fut
popularisé dans les années 1960 même si son origine est plus lointaine. Il
s’agit d’un modèle qui prend en compte la dynamique interne du système et ne
se limite pas à la description d’un comportement de type entrée/sortie. Ce
cours présente les principes de base d’un tel modèle en se restreignant
néanmoins, comme pour la fonction de transfert, au cas linéaire monovariable
continu.
DEFINITION
Un système reçoit des excitations du milieu extérieur, mémorise de
l'information et restitue l'ensemble sous une forme déterminée. L'état d'un tel
système dynamique est l'ensemble des grandeurs internes qui, jointes à la
connaissance du vecteur de commande u(t), représente la connaissance du
passé nécessaire à la détermination du comportement futur. En d'autres
termes, x(t0) est le vecteur d'état d'un système à l'instant t0. la
connaissance de x(t) à ce seul instant t0 et du vecteur de commande u(t)
pour t > t0 permet, par l'intermédiaire des équations qui régissent le
système, de déterminer le vecteur d'état x(t) ɏ t > t0 .
La variation du vecteur d’état x(t0 ) génère la trajectoire d’état. La commande
du système par le vecteur u(t) appliqué de t1 à t2 a pour but de translater l’état
du système de x(t1) à x(t2 ) . Ce formalisme s’applique aux systèmes continus
comme aux systèmes discrets.
Principe général
Etat : l’état d’un système dynamique est le plus petit ensemble de variables, de
grandeurs, tel que la connaissance de cet ensemble à l’instant t = t0, ainsi que
celle du signal d’entrée pour t ≥ t0, suffit à déterminer complètement le
comportement du système pour t ≥ t0.
L’évolution de l’état à partir de l’instant t0 n’est donc pas déterminée par son évolution
avant l’instant t0. Seuls importent l’état à t0 et l’entrée à partir de t0, comme l’illustre la
figure, où plusieurs trajectoires de x(t) avant l’instant t0 aboutissant en x(t0) sont
compatibles
18/11/16 avec la même trajectoire de x(t) après t0.
Pr.Belmajdoub 23
Variables d’état : ce sont les variables, grandeurs qui constituent l’état du
système.
On considère traditionnellement que ces variables sont au nombre de n et

notées x1, x2, ..., xn. Cette valeur de n est l’ordre du modèle.
Vecteur d’état : de manière plus mathématique, l’on représente l’état par une
concaténation de l’ensemble des variables d’état en un vecteur, a priori réel, de
dimension n, que l’on note: x = [x1;……….. ; xn].
Il représente la mémoire du système, c’est-à-dire, l’ensemble des informations

dont le système a besoin pour prédire son propre avenir, pour une entrée u(t)
connue
Espace d’état : Il s’agit tout simplement de l’espace vectoriel dans lequel le

vecteur d’état x est susceptible d’évoluer, chaque instance de x étant associé à
un point de cet espace. Cet espace est donc Rn.
On dit souvent de la représentation d’état que c’est une modélisation dans

l’espace d’état.
La notion d’état
On définit l’état d’un système à l’instant t0 comme l’information
sur le passé nécessaire et suffisante pour déterminer l’évolution
ultérieure du système quand on connaît, pour t > t0, les signaux
d’entrée et les équations du système .
L’idée de base des représentations d’état est que le futur d’un

système dépend de son passé, de son présent et de ses entrées:
le futur peut alors être décrit à partir d’un ensemble de variables
bien choisies.
Pour un système dynamique, le vecteur d’état n’est pas unique. Plusieurs choix
sont possibles. Mais pour que x soit effectivement vecteur d’état, il importe que
chacune des variables d’état apparaissent, de manière explicite ou implicite,
sous forme dérivée dans le jeu d’équations décrivant le système. Dans le cas
contraire, il sera difficile de se servir de cette variable pour prévoir l’évolution du
système. Cette constatation conduit à un système d’équations différentielles
auquel s’ajoute une équation algébrique :
On peut très souvent omettre la dépendance en t de manière à obtenir la

représentation d’état suivante, qui correspond à un système différentiel linéaire
à coefficients constants :
équation d’évolution
Équation
d’observation
Les matrices
18/11/16
A,B,C,D sont appelées matrices d’évolution, de commande, d’observation
Pr.Belmajdoub 26
et directe.
- La matrice A est appelée matrice d’état ou d’évolution. On la nomme aussi
parfois matrice dynamique.
- B est appelée vecteur d’entrée ou de commande (d’òu une ambiguïté avec
le vecteur u).
- C est le vecteur de sortie, d’observation ou de mesure (d’òu une ambiguïté
avec le vecteur y).
- Quant à D, c’est un scalaire dit de transmission directe, qui est nul s’il n’existe
aucun lien statique direct entre le signal d’entrée et celui de sortie.
La représentation d’état peut-être associée au schéma-bloc donné par la figure

suivante
En général:
Dans le cas très fréquent où D = 0 le système est dit «propre» ; il n’y a alors
aucune liaison directe entrée-sortie.
Représentation d’état d’un système

Obtention d’ un modèle d’état
On peut obtenir une représentation d’état linéaire en manipulant le jeu

d’équations préliminaires ou en opérant à partir de l’équation différentielle
unique.
Par le jeu d’équations

On considère l’exemple du circuit RLC modélisé par les équations
précédentes. Les deux grandeurs dont la dérivée intervient sont i et y
Soient donc les deux variables d’état x1 = i et x2 = y. Les équations
précédentes peuvent se récrire
ce qui conduit au modèle suivant, avec :
Par le jeu de l´équation différentielle unique

Exemple:
Mettons en équation le système mécanique classique comprenant une
masse m, un ressort r et un amortisseur d (dashpot). La sortie y(t) représente
le déplacement de la masse par rapport au boîtier lorsque cette masse est
sollicitée par la force u(t) .
L'équation d'état est donc la suivante :
Autre exemple: Cas d’un modèle du moteur à courant continu commandé par
l’induit
Le fonctionnement de ce moteur est décrit dans le cadre de « Commande

classique des systèmes linéaires continus .
Effectuons la mise en équation de ce système électromécanique
Loi d'Ohm appliquée à l'induit:
Force contre-électromotrice:
Transformation d'énergie:
Relation fondamentale de la dynamique:
On adopte comme variables d'état les composantes :
Et on obtient le système d'équation d'état suivant :
Exemple:
Donner Une représentation d’état possible pour un système représentant un

intégrateur
Intégrateur
L’intégrateur est un système linéaire décrit par l’équation différentielle y˙ = u.

Une représentation d’état possible pour ce système est
Les matrices associées à ce système sont A = (0), B = (1), C = (1) et D = (0) .

Elles sont toutes de dimension 1 × 1.
Obtention d’ un modèle d’état
Par l’équation différentielle unique
La technique consiste à considérer l’équation différentielle globale. On suppose

d’abord que m = 0. On suppose également, sans perte de généralité, que a n =
1 et l’on pose, sans se soucier de la signification du vecteur d’état, les
variables d’état suivantes :
La technique ci-dessus appliquée à l’équation du circuit précédent conduit à
récrire cette dernière ainsi :
On obtient alors:
C’est un quadruplet de matrices différent de celui trouvé précédemment. Ceci

permet de constater que le modèle d’état obtenu dépend du choix des
variables d’état. Il n’est donc pas unique, contrairement à la fonction de
transfert. En effet, cette dernière est un modèle externe et non interne, c’est-à-
dire un modèle entrée/sortie. Or, la sortie et l’entrée étant uniques, il n’existe
qu’une fonction de transfert.
Dans le cas où m ≠ 0, la procédure est un peu plus complexe mais répond au même
principe. On suppose que m = n sans perte de généralité (il suffit de considérer :
bj = 0 ɏ j / m < j ≤ n).
Le coefficient an est toujours supposé égal à 1. On définit :
Pour le circuit RLC, on retrouve les quatre matrices données auparavant.
Remarque:
Pour un système dynamique continu ou discret il existe une
infinité de représentations d’état. La multiplicité des
représentations d'état n'est pas un inconvénient. Elle doit être
perçue comme un avantage dès lors qu'il est possible d'adopter la
forme la mieux adaptée au problème à traiter concernant la
stabilité la commandabilité et l’observabilité etc...
LES FORMES CANONIQUES
L'objectif de la représentation d'état est d'aboutir pour les systèmes à

l’élaboration d’une commande. A cet égard, certaines formes de représentation
d'état se prêtent mieux que d'autres à l'interprétation des propriétés d'un
système ou au bon déroulement des calculs.
De la fonction de transfert à la représentation
d’état
Comme il vient d’être vu, s’il existe une seule et unique fonction de transfert
décrivant un système linéaire, il peut en revanche exister plusieurs
représentations d’état dites réalisations du système. Dans cette partie, il est
montré comment passer de la fonction de transfert à plusieurs formes de
réalisations.
Cas d’une fonction de transfert strictement propre (m < n)
- Réalisation diagonale ou quasi diagonale de Jordan
On suppose sans perte de généralité que an = 1 de sorte que la fonction de

transfert G(p) peut s’écrire :
Pôles distincts
Dans le cas ou tous les pôles i, i = 1…….. n sont distincts, il est facile de
réaliser la décomposition en éléments simples de Y (p) = G(p)U(p) et il vient :
Si l’on focalise son intention sur chaque terme Xi(p), l’on déduit que:
ce qui se traduit dans le domaine temporel, par application de la

transformée inverse par:
En choisissant le vecteur d’état x = (x1,………., xn)’ , il vient aisément la
réalisation suivante, dite diagonale :
Une réalisation de cette forme est dite diagonale car la matrice d’évolution A
est diagonal
Cette présentation peut également être modifiée en remplaçant B par C’ et C

par B’. De manière plus générale, dans une réalisation diagonale,
doivent être telles que:
Exemple:
Soit la fonction de transfert suivante, on demande de déterminer

la représentation d’état correspondante à une réalisation
diagonale.
Par exemple, la fonction de transfert
Autre présentation de la forme diagonale:
Dans le cas où tous les pôles sont simples et le système d’ordre n, H(p) la
fonction de transfert du système prend la forme :
Il suit la représentation schématique de la figure suivante. On choisit comme

variables d’état les sorties des systèmes élémentaires. La représentation d’état
obtenue est dite sous forme modale;
Interprétation d’un système complexe sous la forme d’une mise en parallèle de systèmes
d’ordre 1
La forme modale s’écrit :
Pôles multiples
Dans le cas où G(p) possède un pôle d’ordre de multiplicité supérieur à 1, la

diagonalisation de A n’est pas forcément possible. Pour comprendre ce qui
peut être envisagé dans cette situation, on peut tout simplement considérer
une fonction de transfert G(p) ne possédant qu’un seul pôle de multiplicité n.
On a alors :
On voit bien sur cette expression que le premier terme est tel que:
Quant aux autres termes, ils sont tels que
Ceci conduit à la réalisation suivante :
Dans la réalisation ci-dessus, on constate que la matrice d’évolution A est quasi
diagonale c-à-d. qu’elle constitue un bloc de Jordan.
Pour le cas où G(p) contient des pôles d’ordre de multiplicité divers, il suffit
d’associer les deux cas répertoriés précédemment comme le montre l’exemple
ci-après :
Il apparaît un pôle simple nul et un pôle double de Jordan égal à -1. Ceci
conduit à la réalisation suivante
Réalisation de forme compagne

Il existe plusieurs réalisations de forme compagne qui peuvent être facilement
obtenues à partir de la fonction de transfert.
On peut comprendre que ces formes compagnes sont liées aux formes issues
de l’équation
18/11/16 différentielle. Pr.Belmajdoub 52
Forme compagne horizontale :
Forme compagne verticale :
Reprenant le dernier exemple de fonction de transfert, il vient
qui peut correspondre à la forme compagne horizontale suivante :
Cas d’une fonction de transfert non strictement propre (m=n)
Dans le cas où m = n, il est impossible d’appliquer directement les techniques

présentées ci-avant pour obtenir une réalisation du système. Cependant, on
peut se ramener au cas d’une fonction de transfert strictement propre en
opérant une division polynomiale de la façon suivante :
Comme m = n, le quotient Q est une constante et le reste R(p) est un polynôme

de degré strictement inférieur à celui du diviseur D(p). Ainsi, G pr(p) est une
fonction de transfert strictement propre.
Il faut distinguer les coefficients du numérateur N(p) de la fonction de transfert

globale G(p) qui sont notés bi des Pr.Belmajdoub
18/11/16 coefficients bi du numérateur R(p) . 55
Par ailleurs, on a Y (p) = G(p)U(p) = G prU(p) + QU(p) = Ypr(p) + QU(p). Donc, si
l’on prend ypr comme sortie, la fonction de transfert associée au système
obtenu est Gpr dont on peut déterminer une réalisation (A;B;C). Il vient alors :
En posant D = Q et en réalisant le changement de variable inverse (dans le

domaine temporel cette fois-ci) y = ypr + Du, il vient :
Par exemple, soit la fonction de transfert :
Gpr(p) correspond à la fonction de transfert du dernier cas traité. Il
suffit donc de conserver les matrices A, B et C données, en y
ajoutant la transmission directe D = 1.
De la représentation d’état à la fonction de transfert
S’il existe plusieurs manières d’obtenir une réalisation à partir de

la fonction de transfert, cette dernière étant unique, il n’existe
qu’une façon de l’obtenir à partir d’une équation d’état. Pour cela,
il faut noter que la transformée de Laplace est un opérateur
linéaire qui peut donc s’appliquer aux matrices.
On obtient après application de la transformée de Laplace à
l’équation d’état:
Les conditions initiales étant considérées nulles puisqu’il s’agit de
déterminer G(p). De toute évidence, ceci amène à l’expression
suivante: :
Le dénominateur D(p) de la fonction de transfert est souvent

appelé polynôme caractéristique. Il est facile de voir qu’il est, dans
l’expression ci-dessus, engendré par l’inversion matricielle et égal
à :
Equation
18/11/16caractéristique du système = équation des pôles :
Pr.Belmajdoub 59
Exemple: 1 entrée et deux sorties
On considère le système linéaire à temps continu décrit par sa

représentation d’état :
Déterminer la fonction de transfert G(p) et l’équation différentielle

entrée sortie du système
Solution
La matrice de transfert G(p) est donnée par
Cette relation peut s’écrire Y= G(p) U
Soit, en substituant p par d/dt ,
D’une réalisation à l’autre
Il a été vu qu’une fonction de transfert pouvait correspondre à

plusieurs réalisations. En réalité, elle en admet même une infinité
comme le montre le paragraphe qui suit.
Changement de base
On peut passer d’une réalisation à une autre tout simplement par
un changement de base dans l’espace d’état.
En effet, si on considère l’équation d’état, on peut appliquer au
vecteur d’état un changement de repère de sorte à obtenir un
nouveau vecteur d’état . Ainsi, soit le changement de base
x=M où M est une matrice de rang plein, il vient :
Le quadruplet de matrices obtenu est donc:
Comme il existe une infinité de matrices de passage M

utilisables, il existe aussi une infinité de réalisations équivalentes
qui correspondent toutes à la même fonction de transfert. En effet,
En outre, puisque est semblable à A, les valeurs propres
de A sont les mêmes quelle que soit la réalisation considérée. De
ce fait, ce sont toujours les pôles de G(p) c’est-à-dire les racines
du polynôme caractéristique
Les racines du polynôme caractéristique D(p), c’est-à-dire les

pôles du système, sont les valeurs propres de la matrice d’état A
quelle que soit la réalisation choisie.
Il est possible de passer d’une réalisation à une autre ce qui peut

se révéler utile quand la seconde a une forme particulière. Le
principe est de déterminer la matrice de passage.
Obtention d’une forme compagne (horizontale)
Soit un quadruplet de matrices (A;B;C;D) constituant une

représentation d’état d’un système. Il s’agit alors de déterminer
M, une matrice de passage à une autre réalisation qui soit
compagne horizontale.
On s’attache d’abord à exprimer les colonnes de M :
On note que est de la forme déjà vu où les composantes ai

sont les coefficients du polynôme caractéristique P(ʎ ) qui peut
être calculé :
Soit la forme compagne horizontale suivante:
Obtention d’une forme de Jordan
Le problème est le même que celui du paragraphe précédent mais la matrice M
doit être telle que est diagonale ou de Jordan.
Les valeurs propres i de A sont distinctes
Il suffit de déterminer n vecteurs non nuls linéairement indépendants vi tels que
Les vecteurs vi sont appelés vecteurs propres. On a alors
La matrice est diagonale et sa diagonale contient les valeurs

propres de A.
Exemple:
Soit une représentation d’état d’un système continu d’ordre 3 de la forme :
Calculer La fonction de transfert correspondante à cette représentation d’état :
La tentation est grande de simplifier par (p + 1).
Nous verrons au chapitre suivant qui traite de commandabilité et
d’observabilité, les problèmes qui peuvent être liés à ce type de
simplification.
Après simplification, il vient finalement :
Réponse d’un modèle d’état
Solution du système autonome
Avant d’envisager une solution à l’équation d’état complète, on peut s’attarder

un peu sur la réponse du système autonome. Un tel système se décrit ainsi :
Avec x(t0) = x0:
Le vecteur x0 constitue l’ensemble des conditions initiales à l’instant t 0. Il s’agit

ici de voir comment le système réagit librement, en l’absence d’entrée, à cette
condition initiale.
Matrice de transition d’état
On recherche la solution sous la forme suivante :
La matrice est dite matrice de transition d’état puisqu’elle permet de

passer de l’état x0 à l’état x(t).
En dérivant x par rapport au temps, l’on obtient
ce qui conduit aux équations suivantes :
Les propriétés de cette matrice sont notables. En effet,
Solution de l’équation homogène
La solution d’un tel système matriciel c’est à dire :
est analogue à celle obtenue dans le cas scalaire donc il vient :
Pour s’en convaincre, on peut rappeler qu’une exponentielle de matrice peut se
calculer grâce au développement en série :
ce qui montre bien que eA(t-t0) est solution de l’équation
La réponse du système autonome à une condition initiale x0 est donc :
Rappel sur les exponentielles de matrices.
Afin de résoudre notre équation différentielle, nous allons utiliser la notion
d’exponentielle de matrice, que nous allons brièvement rappeler. L’exponentielle d’une
matrice carrée M de dimension n se définit par son développement en séries entière :
où In est la matrice identité de dimension n. Il est clair que eM est de la même dimension
que M. Voici quelques-unes des propriétés importantes concernant les exponentielles de
matrices. Si 0n est la matrice nulle de dimension n × n et si M et N sont deux matrices n
× n, alors
Solution de l’équation d’état complète
On recherche maintenant une solution en x puis y à l’équation
On suppose que cette solution est de la forme :
Il vient alors :
Par identification des deux membres de la dernière égalité, on a
qui, compte tenu de la propriété déjà vu, devient
En intégrant, on exprime z(t) : En effet Z0 = X0
Compte tenu de l’expression de la matrice ɸ , il vient
Bien entendu, l’expression de x(t) dépend ensuite de celle u(t). Si l’on donne
la solution en y de l’équation d’état, l’égalité amène :
Dans l’égalité ci-dessus, on peut faire une distinction utile
On voit apparaître deux régimes dans la réponse
Le régime libre : il correspond au premier terme et ne dépend que du modèle

du système et de la condition initiale. Il ne dépend pas de l’action de
l’environnement extérieur pendant la réponse.
Le régime forcé : il est associé aux deux derniers termes et correspond en

fait à la réaction du système à l’excitation u(t). Il dépend du modèle du système
mais aussi de la nature du signal u(t).
En outre, lorsque la réponse tend asymptotiquement vers une valeur constante

de y(t) ou vers un comportement périodique de ce signal, on peut distinguer:
Le régime transitoire qui est le temps durant lequel y(t) subit une évolution
avant de se rapprocher d’une valeur constante ou d’un comportement
périodique. La durée du régime transitoire correspond à un temps appelé
temps de réponse et noté tr.
Le régime permanent qui succède au régime transitoire, qui commence donc
à tr et qui correspond à l’intervalle de temps durant lequel y(t) est considéré
comme restant toujours proche de sa valeur finale généralement à moins de
5% de la variation totale de y(t) ou comme
18/11/16 ayant un comportement périodique.
Pr.Belmajdoub 80
Evaluation de la matrice de transition d’état:
Calcul de eAt
Pour calculer x(t) ou y(t), il est nécessaire de savoir calculer une exponentielle
de matrice. Plusieurs méthodes sont ici présentées.
Méthode des séries
Il suffit pour cette méthode d’utiliser le développement en série. Lorsque le

calcul est effectué manuellement, cette méthode n’est envisageable que pour
des matrices nilpotentes c’est-à-dire des matrices pour lesquelles il existe un k
fini tel que Al = 0 quel que soit l supérieur à k.
Le théorème de Cayley-Hamilton peut être utilisé pour calculer plus facilement

les différentes puissances de A à partir de An. En effet, ce théorème stipule que
la matrice A vérifie son propre polynôme caractéristique
Il vient donc :
********
Exemple :
Soit la matrice
Son polynôme caractéristique est
Le théorème de Cayley-Hamilton conduit à:
Ceci permet donc de déduire A2 plus aisément, mais aussi
ainsi que les puissances successives de A.
Par la transformation de Laplace
Soit le système autonome avec t0 = 0.
La solution d’un tel système pour une condition initiale x(0) = x 0 est donnée par
x(t) = eAtx0. Or, si l’on applique la transformée de Laplace on a:
L’exponentielle de matrice peut donc s’écrire :
Prenons comme exemple la matrice suivante :
L’inversion de la matrice ci-dessus amène à
Une décomposition en éléments simples conduit à:
Par application de la transformée inverse de Laplace, on
obtient:
Exemple
Soit la matrice d’état :
On calcule :
et :
avec :
soit :
Il suffit de décomposer en éléments simples chaque terme de la matrice et
d’utiliser une table de transformées de Laplace pour remonter à l’original.
Méthodes des modes
On peut aisément montrer que si la matrice A est diagonale, par exemple A
alors la matrice [pI − A]−1 est aussi diagonale.
qui conduit à l’original :
d’où une expression très simple de la matrice exponentielle à partir de la

connaissance des éléments diagonaux de la matrice A.
Si la matrice A n’est pas diagonale, mais est diagonalisable, il existe alors une
matrice de changement de base J telle que :
Si J est une forme de Jordan semblable à A telle que: A = MJM-1 alors
Ceci s’applique à chaque terme du développement de sorte que
Dans le cas où
est une forme strictement diagonale alors il est facile de voir que
La matrice diagonalisante M a ses colonnes formées par les
composantes des vecteurs propres de A.
Le problème se ramène donc au calcul des valeurs propres et
vecteurs propres de la matrice A.
Exemple
Soit la matrice d’état

:
Déterminer la matrice de transition
d’état ?
Calculons ses vecteurs propres et ses valeurs
propres :
Les vecteurs propres s’obtiennent en résolvant les équations :
Il vient :
Donc la matrice de transition d’état est donnée par :
Si on reprend l’exemple du paragraphe précédent, la matrice de passage à la
forme diagonale est
ce qui permet de retrouver la même expression de eAt.
Forme de Jordan:
Dans le cas où J est une forme de Jordan non strictement diagonale et

comportant p blocs de Jordan
Rappel de la matrice de Jordan:
Le théorème de Jordan nous informe qu'il admet une représentation

matricielle diagonale par blocs (qui possède des blocs matrices carrées sur la
diagonale principale) de la forme :
l’exponentielle de la matrice s’écrit:
L'exponentielle d'un bloc de Jordan de taille k est donc:
- Déterminer la matrice de transition par la méthode de diagonalisation
- Calculer l’état d’un système en fonction d’un signal de commande dans le cas ou B et
l’état x0 ont pour valeurs
Supposons que ce système soit sollicité par un

échelon unitaire, e(t) = 1, et que son état initial
est défini par X0 :
Régime transitoire : influence des modes
On suppose que l’on s’intéresse à la réponse du modèle d’état précédent pour

lequel la transmission directe D est considérée nulle par souci de simplicité des
expressions. Les conditions initiales sur les variables d’état sont concaténées
dans un vecteur x0 = x(0). La réponse d’un tel système est donné par la relation
où le premier terme constitue le régime libre de la réponse ne dépendant que

des conditions initiales et où le second terme est le régime forcé dépendant du
signal d’entrée u(t). Ces deux termes font tous deux apparaître e At.
Cette exponentielle de matrice est donc fondamentale pour comprendre l’allure
de la réponse du système. Elle peut s’écrire, sous l’hypothèse de n valeurs
propres distinctes

Les scalaires ʎi sont les valeurs propres de A et où Ni = wivi, les vecteurs vi et
wi étant respectivement la i`èmme colonne de la matrice de passage
diagonalisante M et la et la i èmme 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 eʎit qui en déterminent les caractéristiques principales.
Définition
On appelle mode d’un système un terme de son régime libre. Chaque mode
est donc lié à une valeur propre. Aussi, par abus de langage, parle-t-on parfois
du mode i.

Conséquences:
Ainsi, lorsqu’une valeur de ʎi est à partie réelle strictement négative, le terme
correspondant est évanescent et disparaît asymptotiquement. Si tous les ʎi
sont ainsi, et si u(t) converge vers une valeur finie avec le temps, alors la
réponse de y(t) converge elle aussi vers une valeur finie. Il est alors possible
de mesurer tr, le temps de réponse, et de distinguer clairement le régime
transitoire et le régime permanent.
Lorsque ʎi n’est pas à partie réelle strictement négative, il est impossible que
l’exponentielle correspondante disparaisse. Elle peut même croître avec le
temps si la partie réelle de ʎi est strictement positive. Il est alors impossible
que y(t) converge vers une valeur finie, même si u(t) est fini. y(t) peut même
diverger infiniment. Dans ce dernier cas, il est impropre de parler de régime
permanent.
Par ailleurs, si ʎi et ʎj sont des valeurs propres complexes conjuguées non
réelles, leurs parties imaginaires vont engendrer des termes sinusoïdaux dans
l’expression de y(t) ce qui est susceptible de générer des oscillations dans la
réponse.
Lorsque les termes exponentiels sont convergents (Re( ʎi) < 0), la convergence
est d’autant plus rapide que Re(ʎi) est grande, ce qui correspond donc à une
diminution du temps de réponse tr.
En résumé :
C’est le plus ou moins grand ratio entre partie imaginaire et partie réelle d’un
pôle qui caractérise le comportement oscillatoire lié à ce pôle ;
Ce sont les pôles dominants (ceux dont la partie réelle est la plus grande au
sens algébrique) qui ont le plus d’influence sur la forme de la réponse.
Réponse impulsionnelle
Sans détailler ce type de réponse, il est rappelé qu’il s’agit de la réponse à une
impulsion de Dirac . Le calcul aboutit, en l’absence de transmission directe (D
= 0), à :
**************
C’est dans ce cas-ci que l’influence des valeurs propres de A apparaît

clairement telle qu’elle est illustrée par la figure suivante.

Influence des valeurs propres ʎi de A sur le régime libre
Réponse indicielle
Dans ce cas de figure, l’entrée est un échelon unitaire également appelé

fonction de Heavyside.
L’expression de y(t) est alors
ce qui suppose ici que A est inversible. C’est le cas si la réponse

est convergente (Re(ʎi) < 0 ; ɏ i ε [1,…….. N].
On voit clairement que le régime permanent est égal à –CA-1B.
Ceci est cohérent avec la définition du gain statique d’une fonction
de transfert :

Soit l’exemple du circuit RC de la figure suivante:
Les équations qui régissent le comportement de ce système RC sont :

En prenant l’unique variable d’état x = y, l’on obtient
L’application de l’équation précédente pour un système initialement au repos

conduit à l’équation bien connue :
Réponse harmonique ?
Réponse harmonique
Il s’agit là de la réponse à une excitation sinusoîdale u(t) = U msin(wt). On peut
d’abord noter que u(t) = Im(Umejwt). L’expression de y(t) est alors:

C’est le régime permanent qui importe dans une réponse harmonique. Or si
Re(ʎi) < 0 ɏ i ε {1,……. n}, alors le premier terme de l’expression de y(t) ci-
dessus tend asymptotiquement vers zéro et constitue le régime transitoire.
Le second terme correspond alors à ce qu’il est convenu d’appeler le régime
permanent et est ici noté y∞(t).
En observant l’expression de y∞(t), on constate qu’il est possible de l’écrire
Où G(p) désigne bien sûr la fonction de transfert du système.

Ce signal sinusoïdal conserve la même pulsation que le signal d’entrée mais
possède une amplitude et un déphasage qui sont fonctions de cette pulsation.
Ils peuvent être déterminés grâce à la fonction de transfert.
Comme il est impossible de représenter toutes les réponses (c’est-à-dire y∞(t)
pour toutes les valeurs de w), on préfère donner une représentation graphique
de l’évolution du gain et de la phase en fonction de w. Il existe plusieurs façons
de représenter cette dépendance. Les plus célèbres sont le lieu de Nyquist,
celui de Black, ainsi que les diagrammes de Bode. Tous les résultats bien
connus de l’approche fréquentielle sont donc ici retrouvés par résolution de
l’équation d’état.

Stabilité et état d’équilibre
Un état d’équilibre est un état du système qui reste non modifié lorsque le
système est abandonné à lui-même. On dira qu’un système est stable si,
écarté de son état d’équilibre, il y revient.
Etats d’équilibre
D’après la définition précédente, dans un état d’équilibre, donc à commande

nulle, l’équation d’évolution du système :
Devient:
De cette équation, on comprend qu’il peut exister un seul ou plusieurs états

d’équilibre selon le rang de A.
- Soit rang(A) = n , det(A) ≠0 (ceci signifie que A n’a pas de valeur propre nulle) et
le seul point d’équilibre est l’origine xe = 0.
- Soit rang(A) < n , det(A) = 0 (ceci implique l’existence d’au moins une valeur
propre nulle de A) alors il existe une infinité d’états d’équilibre.
Deux cas peuvent alors se présenter selon les propriétés de A.
En effet le théorème reliant l’application linéaire représentée par A à la
dimension n de l’espace vectoriel sur lequel elle est définie annonce que:
Si le noyau de l’application est réduit à l’origine et donc le rang de A égal à n et

aussi det A ≠ 0, il n’y a qu’une solution pour l’équation ( x = 0).
Dans le cas contraire, rang A ≠ n, ce qui est détecté par le fait qu’alors det
A=0. Il existe des solutions non nulles à l’équation , l’ensemble de ces solutions
s’identifiant à Ker A.
Exemple
On considère le cas du MCC. Si l’on prend comme sortie du système sa
vitesse de rotation et comme entrée sa tension d’induit, le modèle d’état, donné
par son modèle mathématique est tel que :

Le déterminant de la matrice d’évolution est :
Il en résulte que le seul état d’équilibre possible du système est obtenu quand
x1 =  = 0 et x2 = i = 0, ce qui va de soit : le moteur est alors à l’arrêt et le
courant d’induit est nul, Autrement dit, sans alimentation de l’induit, le moteur
étant à l’arrêt, il y reste. . .
Stabilité des états d’équilibre
On peut caractériser les états d’équilibre de trois manières comme cela est fait
intuitivement sur la figure suivante. Dans le cas d’un équilibre instable, toute
modification de l’état autour de l’équilibre éloigne le système du point
d’équilibre initial. Dans le second cas, le système étant écarté de l’état
d’équilibre initial, il y revient : on parle d’équilibre asymptotiquement stable.
Enfin, si le système une fois écarté de l’état d’équilibre initial retrouve un état
d’équilibre différent, l’équilibre est dit simplement stable.
Si on considère la stabilité du système vis-à-vis de sa réponse, on adopte la
définition suivante.
Un système est stable si toute entrée bornée produit une sortie bornée. Cette
définition caractérise la stabilité entrée bornée-sortie bornée (BIBO
usuellement en abrégé, d’après l’anglais bounded input bounded output).
Condition sur les pôles
Critère algébrique de stabilité (pôles): Un système linéaire invariant à

temps continu est stable si tous ses pôles sont à partie réelle strictement
négative.
D’après la correspondance qu’il existe entre pôles du système et valeurs

propres de la matrice d’évolution, le théorème précédent peut être appliqué en
calculant les valeurs propres de la matrice d’évolution A, qui doivent alors
toutes être à partie réelle négative. Le théorème est valable pour tout système,
qu’il soit en boucle ouverte ou fermée. Pour un système d’ordre élevé, il faut
généralement recourir à une résolution numérique pour déterminer les pôles du
système. Pour cette raison, un certain nombre de méthodes alternatives ont
été développées
18/11/16 pour caractériser la stabilité d’un système .
Pr.Belmajdoub 120
On montre que le système est stable, si les racines du polynôme
caractéristique (ou les valeurs propres de la matrice d’état A) ont leurs parties
réelles strictement négatives.
En conclusion, l’étude de la stabilité d’un système linéaire invariant décrit par
une représentation d’état, se ramène à l’étude du signe des parties réelles des
valeurs propres de la matrice d’état A.
Il existe un moyen d’éviter le calcul des valeurs propres de A, et d’étudier le

signe des parties réelles de ces valeurs propres : c’est le critère de Routh déjà
présenté précédemment.

Les marges de stabilité
On peut définir une marge de stabilité absolue et une marge de stabilité relative
de la façon suivante:
Soit un système asymptotiquement stable dont le comportement est décrit par

l’équation d’état :
Les valeurs propres de A sont toutes à partie réelle strictement négative. Les
marges absolue et relative sont ainsi définies :
Marge de stabilité absolue : distance minimale, dans le plan complexe, entre

un point dont l’affixe est une valeur propre de A et l’axe imaginaire.
Mathématiquement, elle s’exprime
Marge de stabilité relative : angle minimal, dans le plan complexe, formé par
l’axe imaginaire et par l’axe reliant l’origine et un point dont l’affixe est une
valeur propre de A. Mathématiquement, elle s’exprime

La marge absolue quantifie la stabilité asymptotique alors que la marge relative
est liée aux pôles complexes donc permet de quantifier le caractère plus ou
moins oscillatoire induit par les pôles. Ces marges sont illustrées sur la figure
suivante:

Critère de Routh/Hurwitz
Le critère de Routh-Hurwitz permet d’attester ou non de la stabilité

asymptotique d’un modèle grâce au polynôme caractéristique D(p).
Cependant, il convient de rappeler que D(p) s’exprime aussi D(p) = det(pI - A)

et qu’il peut, de ce fait, être déduit de A. En outre, si A est de forme compagne,
les coefficients de D(p) sont directement lisibles sur la dernière ligne ou la
première colonne de A ce qui permet de dresser directement la table de Routh
et d’appliquer ainsi le critère.
Méthode de Lyapunov
Le système linéaire est asymptotiquement stable si et seulement si, pour toute
matrice symétrique définie positive Q, il existe une matrice P définie positive et
symétrique satisfaisant l’équation de Lyapunov:
(D’habitude on choisir Q = I pour effectuer
A P  PA  Q  0
T
le test.)
A’P + PA = -Q
En conclusion, il faut noter que tous ces critères de stabilité

ne font
En effet; intervenir que A. Ainsi, seule la matrice d’évolution
La méthode de Lyaponov résulte du théorème suivant :
Si deux matrices symétriques définies positives P et Q vérifient l’équation de

Lyaponov
stationnaire : A’P + PA = -Q, alors le système est asymptotiquement stable au
sens de Lyaponov.
Inversement, si le système est asymptotiquement stable au sens de
Lyaponov, alors pour toute matrice Q symétrique et définie-positive, l’équation
de Lyaponov a une solution unique P symétrique positive.
Méthode de test de la stabilité :
1. Prendre une matrice Q quelconque symétrique et définie-positive.(on prend

Q = I pour simplifier les calculs).
2. Résoudre l’équation de Lyaponov A’ P + PA = -Q, puis déduire P.
3. Tester si la matrice P obtenue est symétrique définie-positive et conclure sur

la stabilité.
Introduction à la commandabilité et l’observabilité
Pour déterminer le comportement et l’accessibilité des système quelconque il faut bien
répondre à ces questions :
-Est-ce que le comportement de ce système peut être déterminé par ses sorties ?
-Et est-ce que les entrées de ce système sont accessibles ? Ce qui nous permet de réalise
notre commande.
Pour répondre à ces questions on utilise :
1- Le théorème de l’observabilité : si le système est observable donc je peux constater son
comportement suivant ses sorties, mais, s’il est non observable il faut faire appel a d’autre
techniques.
2- Le théorème de la commandabilité: si le système est Commandable donc je peux agir
sur ses entrées, mais, s’il est non commandable il faut faire appel a d’autre techniques,
pour18/11/16
le commander. Pr.Belmajdoub 126
Commandabilité et observabilité
Des concepts nécessaires pour établir des lois de commande sont sont ceux
de commandabilité et de l’observabilité. Il furent introduits par Kalman.
Ils sont fondamentales pour l’étude des systèmes
Définitions de Commandabilité ou gouvernabilité
Le modèle est commandable ou gouvernable si pour toute instance x1 du

vecteur d’état, il existe un signal d’entrée u(t) d’énergie finie qui permet au
système de passer de l’état x0 à l’état x1 en un temps fini. Si cette propriété est
vraie pour tout t0 et pour toute variable du vecteur d’état, alors le système est
dit complètement commandable.
La commandabilité d’un système caractérise sa capacité à voir son

comportement dynamique évoluer sous l’action de sa commande.
Un système est observable: S’il existe un instant t> t0 tel que x(t0) puisse être
déterminé
18/11/16 à partir de la connaissance de y(t0 à t) quelque soit u(t).
Pr.Belmajdoub 127
La représentation d’état facilite l’étude de certaines propriétés des systèmes
étudiés comme :
- Le problème d’observabilité : si on connaît l’entrée, u(t) pour t ≥ t0 , peut-

on en déduire l’état du système au temps t=t0 en mesurant sa sortie y(t) pour t
≥ t0 ?
- Le problème de contrôlabilité : de quelle possibilité dispose-on pour

contrôler effectivement un système.
- On peut toujours obtenir une fonction de transfert à partir d’une représentation

d’état. Mais, le chemin inverse n’est pas toujours possible. A partir d’une
fonction de transfert, seule la partie complètement contrôlable et observable du
système peut avoir une représentation d’état. Donc, la FT peut être une
représentation partielle d’un système.
Critère de commandabilité (de Kalman)) Un système linéaire invariant
d’équation dynamique d’état :
est commandable si et seulement si la matrice de commandabilié Com est de

rang n.:
Il est possible que, si la commandabilité n’est pas vérifiée sur tout le vecteur
d’état, elle puisse néanmoins l’être sur une partie de ses composantes. On dit
alors des variables d’état concernées que ce sont les états commandables du
système.
La commandabilité peut être vue comme la possibilité de modifier les
dynamiques d’un modèle en agissant sur ses entrées. A ce titre, cette propriété
ne se réfère qu’à l’état et à l’entrée du système. Il est donc clair qu’elle ne
dépend que des matrices A et B. Pr.Belmajdoub
18/11/16 129
Observabilité
Le modèle est observable si, quel que soit t0, il existe un intervalle de temps
fini [t0; t1] tel que la connaissance de l’entrée u(t) et de la sortie y(t) sur cet
intervalle permet de reconstituer x(t0).
L’ observabilité d’un système caractérise la possibilité de déterminer son état à

partir des mesures de sa sortie.
Une variable d’état xi est observable s’il est possible de déterminer xi(t0) à
partir de la connaissance de la sortie y(t) sur un intervalle [t0, tf ]. Si cette
propriété est vraie pour tout t0 et pour toute variable du vecteur d’état, alors le
système est dit complètement observable.
Critère d’observabilité (de Kalman) Un système linéaire invariant est

observable si et seulement si la matrice d’observabilité Obs est de rang n:
Qo
=
Exemple sur la
commandabilité
Soit l’équation dynamique d’état d’u n système dynamique est:
Ce système est t-il commandable et observable?

L’application du critère de Kalman avec :
conduit à calculer :
Qc =
Le système n’est pas complètement commandable, car la matrice de

commandabilité est de rang n − 1 = 1. Plus précisément, c’est la variable x2
qui n’est pas commandable,

Exemple sur l’observabilité
Si on considère le système avec la représentation d’état suivante :
La matrice d’observabilité d’après Kalman vaut :
Qo
=
Le système est complètement observable car la matrice d’observabilité est de

rang n = 2.
Autre Exemple :
Soit le système :
Etudier la commandabilité et l’obsevabilité de ce système:

La matrice de commandabilité est:
Elle est de rang 2 donc le système est commandable.
La matrice d’observabilité est
Elle est de rang 2 donc le système est observable.

Corollaire
Un système mono-entrée u d'équation d'état est complètement commandable

ssi det (Qc(A, B) ≠ 0
Approche pratique de vérification de la commandabilité;
- Former la matrice de commandabilité Oc (A, B)

- Calculer le rang de Qc (A, B)
- En déduire que le système est commandable si rang(C (A, B) )=n

Solution exemple 1

Solution exemple 2

Commandabilité : autre théorème
Analysons le cas particulier d'un système mono-entrée, mono-sortie dont la

matrice A admet n valeurs propres ʎi distinctes avec A est diagonalisable
Théorème
Un système dont la matrice d'état est diagonalisable est complètement
commandable ssi tous les modes de la forme modale associée sont
commandables
Corollaire
Si la ligne i de la matrice Bm (de la forme modale) est nulle alors le mode
correspondant à la valeur propre ʎi de Am n'est pas commandable
A est diagonalisable
Dans ce cas, on peut assimiler la commandabilité d’un mode ʎi à celle de la

composante xi du vecteur d’état associé. Il en est de même pour
l’observabilité. Clairement, sur cette forme diagonale simple, on voit que l’on
peut agir sur xi lorsque la composante bi est non nulle de même que l’on peut
constater une évolution de xi si la composante ci est non nulle.
Exemple:
Illustration de la commandabilité sur une forme modale

Illustration de la commandabilité sur une forme modale

Schéma de simulation de la forme modale
On constate que l'état x2 n'est pas influencé par l'entrée. Le mode ʎ2 n'est pas
commandable
Remarque:
La propriété de commandabilité est invariante par changement de
base
Soit l’équation d’état suivante:
Déterminer un schéma de simulation de la forme modale

Le changement de base permet d’obtenir une nouvelle
représentation d’état du système :

Cette équation correspond au schéma de la figure
suivante:

On constate, sur ce schéma, que x′1 n’est pas influencé par
l’entrée u, et correspond ainsi à un pôle (ou mode) non
commandable. De même, x′2 n’influence pas la sortie, et
correspond à un pôle non observable.
Remarque
On notera que la représentation par fonction de transfert ne
retient que les pôles observables et commandables, et ne rend
pas compte de l’ensemble
Il apparaît donc que la fonction de transfert, à elle seule, est

quelquefois insuffisante pour décrire un système.
Par contre, la représentation d’état permet de rendre compte des
problèmes éventuels de non commandabilité ou non observabilité:
ceci pourra être fait directement sur toute représentation d’état, ou
bien18/11/16
à partir de formes canoniques spécifiques.
Pr.Belmajdoub 146
Réalisation minimale
Cette partie définit la notion de réalisation minimale et ce qu’elle induit sur les
concepts de pôles et de stabilité.
Définition
Comme l’on vient de le voir, l’ordre de la représentation d’état n’est pas

toujours le même que celui de la fonction de transfert. Tout dépend de la
commandabilité et de l’observabilité de ce dernier. Lorsqu’il est complètement
commandable et observable, les deux ordres sont égaux. L’on peut cependant
restreindre la représentation d’état du système à un sous-vecteur d’état, de
dimension maximale, qui soit entièrement commandable et observable.
On appelle réalisation minimale ou irréductible d’un système LTI toute

représentation d’état ne décrivant que la dynamique commandable et
observable du système.
Les pôles de la fonction de transfert d’un système sont égaux aux valeurs
propres de toute matrice d’état d’une
18/11/16
réalisation minimale du système. 147
Pr.Belmajdoub
Déterminer la fonction de transfert du système, et déduire si la
réalisation est minimale

Commande par retour d’état et placeme
C’est l’aspect ultime de l’étude des systèmes linéaires : l’établissement d’une
loi de commande capable de conférer au système des performances requises,
dans la mesure du possible.
Il est ici supposé que l’intégralité des composantes du vecteur d’état est
mesurée et utilisée par la loi commande. On parle alors de commande par
retour d’état.
La commande par retour d’état consiste donc à élaborer un signal de
commande, à partir des grandeurs d’état, supposées, dans un premier temps,
toutes accessibles à la mesure. Si tel n’est pas le cas, on devra avoir recours à
un observateur de l’état
Notion de retour d’état
Quelques aspects du retour d’état sont abordés dans cette partie. Le retour
d’état est le moyen le plus classique d’envisager la commande d’un système
modélisé par une représentation d’état. Il suppose que toutes les composantes
xi du18/11/16
vecteur d’état x sont accessibles à la mesure. Une loi de commande
Pr.Belmajdoub 150
possible est alors:
Principe
On considère un système décrit dans l’espace d’état sous la forme :
x˙ = A x + B u
y=Cx+Du

Un tel système, qui est en boucle ouverte, peut être schématisé par les
figures suivantes

où :
- v est un vecteur de dimension m correspondant à la consigne du système
asservi
- K est une matrice de dimension (m×n) est dénotée matrice de réaction d’état.
Cette loi de commande implique la connaissance du vecteur d’état x.
Le système corrigé, qui est en boucle fermée, est alors schématisé par les
figures qui suivent. Dans l’hypothèse où D = 0, le système corrigé est tel que :
x˙ = A x + B u
u=v−Kx

Donc, le système corrigé admet la représentation :
x˙ = (A − B K) x + B v
y=Cx
Il est légitime de vouloir choisir la matrice de régulation K de façon à imposer les pôles
du système bouclé. Ce problème est équivalent à imposer le polynôme caractéristique
du système.
Méthode de détermination de la matrice de réaction d’état dans le

cas des systèmes monovariables
Le comportement dynamique du système en boucle ouverte est fixé par le
polynôme caractéristique Po :
Le comportement dynamique du système en boucle fermée est fixé par le

polynôme caractéristique Pf :

Les n coefficients de la matrice de retour d’état K (de dimension 1 × n) se
calculent à partir de la dynamique souhaitée pour le système corrigé. Cette
dynamique est fixée par le choix des pôles du système en boucle fermée qui
fixent le polynôme caractéristique souhaité en boucle fermée Pf
Notons que la compensation par retour d’état modifie le comportement

dynamique du système bouclé sans toutefois modifier l’ordre du système
commandé.
Soit Pcom(s) le polynôme désiré, que l’on supposera bien sûr de degré n. Il
nous faut résoudre l’équation polynomiale
Det (pI −A+ BK) = Pcom(s)
Cette équation est dite de placement de pôles.

Exemple
Considérons un oscillateur non amorti de pulsation w0 dont une représentation

d’état est donnée par :
Déterminer la matrice de retour (réaction) dans le cas où on choisit 1 pôle réel

double p0 = −2w0 pour notre système en BF

Réponse
Le polynôme caractéristique de ce système est :

Det ( pI − A) = p2 + wo2
Ce système présente 2 pôles complexes conjugués égaux à :

p1 = −j 0 et p2 = j 0
ce qui correspond bien à un système du second ordre non amorti (coefficient

d’amortissement ζ = 0).
La figure suivante montre la réponse d’un tel système aux conditions initiales
x1 = 0, 3 et x2 = −0, 5 dans le cas où w0 = 1.

Supposons que l’on souhaite corriger ce système de manière à ce qu’il
présente 1 pôle réel double p0 = −2w0. En faisant cela, on double la pulsation
des oscillations non amorties et on fait passer le coefficient d’amortissement
de 0 à 1. (pôle double , ζ =1 et le système est le plus rapide)
Le choix de ces pôles fixe le polynôme caractéristique du système en boucle

fermée :
Par ailleurs, le polynôme caractéristique du système bouclé est égal à :

En comparant les expressions précédentes, on obtient les relations suivantes :
qui conduisent aux coefficients de la matrice de retour d’état :
soit de manière plus condensée :

La figure suivante montre la réponse du système corrigé aux conditions
initiales x1 = 0, 3 et x2 = −0, 5 dans le cas où w0 = 1.
On peut constater un très bon amortissement, comme on pouvait s’y attendre
du fait du pôle double p0 = −2.

Cas général
La détermination des coefficients de la matrice de retour d’état est grandement
simplifiée si le système considéré est représenté sous la forme canonique de
commandabilité. Cette forme existe si et seulement si le système est
commandable.
Soit le système :

La matrice d’état du système en boucle fermée est donnée par :
soit :
Cette matrice d’état correspond au polynôme caractéristique :

La comparaison de ce polynôme avec le polynôme caractéristique désiré défini
par :
conduit à choisir les coefficients Ki de la matrice de réaction tels que :

Exemple

Exemple
Considérons le système dont la représentation d’état est:
On cherche à commander et à stabiliser par un retour d’état de la forme
u = v − K x, Avec: K = [ k1 k2 k3 ]
Déterminer la matrice de régulation K de façon à ce que ce polynôme

caractéristique Pcom(s) du système en boucle fermée ait pour racines :

−1,−1 − 2i,−1 + 2i.
Le polynôme caractéristique souhaité est:
Pcom(s) = (p + 1)(p + 1 + 2i)(p + 1 − 2i) = p3 + 3p2 + 7p + 5.
L’équation de placement de pôles s’écrit
= p3 + 3 p 2 + 7 p + 5

Ou encore:
p3 + (2k1 + 3k2 − k3 + 5) p2 + (25k1 + 21k2 + 10k3 − 29) p +41k1

+ 72k2 + 71k3 − 129 = p3 + 3p2 + 7p + 5.
On obtient le système linéaire suivant

Exemple
Soit le système définie par le quadruplet {A,B,C,D} avec
On désire placer les pôles du système en -3 et -4. Le polynôme caractéristique

désiré s’écrit donc Pcom(λ) = λ2 + 7λ + 12. La première étape est de vérifier que
le système est commandable. La matrice de commandablité s’écrit
et est de rang 2. Calculons A − BK et le polynôme caractéristique associé PA−BK

(λ).

Nous avons effectivement modifier le comportement du régime transitoire en
modifiant les pôles du système par l’utilisation de la commande par retour
d’état. Cependant, il existe une erreur important en régime permanent.

Rappel
On désire asservir le système à une valeur yref (t) tout en imposant les
dynamiques du régime transitoire et en maintenant une erreur petite ou nulle
en régime permanent. Modifier le régime transitoire du système suivant, c’est
modifier les pôles de la matrice dynamique A. On implante ainsi une loi de
commande par retour d’état qui prend en compte les valeurs de l’état à
l’instant t :

La loi de commande s’écrivait alors :
C’est une commande en boucle fermée car elle dépend des signaux internes
du système
18/11/16
Le schéma bloc du retour d’état
Pr.Belmajdoub 178
Réglage du régime permanent
On suppose que le système est à entrée et sortie unique. Les pôles du

système permettent de régler la dynamique du système, c’est-à-dire, le régime
transitoire. Par contre, cette technique de retour d’état ne permet pas de régler
le problème de la précision.
Nous ne pouvons pas choisir le régime permanent du système en boucle
fermée par le choix de K. Nous proposons une première structure de
commande permettant d’assurer une erreur de position nulle en régime
permanent.
Pour parvenir à cette objectif, on choisit ʎ un gain matriciel permettant de

régler le gain statique du système en boucle fermée
Performances statiques et retour d’état : la

précommande
On se contente ici de déterminer une loi de commande telle que
le gain statique du modèle en boucle fermée soit unitaire. Pour
obtenir ce gain statique, on utilise le dernier degré de liberté
disponible,
18/11/16
de précommande ʎ.
à savoir le scalairePr.Belmajdoub 179
Amélioration de la précision statique
Solution directe
Dans le cas où le système ne subit aucune perturbation extérieure, l’objectif de
la commande est d’amener le système (et notamment ses sorties) à un
nouveau point d’équilibre.
Ceci permet d’améliorer la précision statique, pour cela , on choisit une loi de
commande de la forme: u=ʎv−Kx
Le placement de pôle permet de satisfaire les contraintes dynamiques

imposées au système.
Les contraintes statiques doivent être traitées séparément.
18/11/16
Commande par retour d’état
Pr.Belmajdoub 180
et
gain précompensateur
Dans le cas où le système ne subit aucune perturbation extérieure, l’objectif de
la commande est d’amener le système (et notamment ses sorties) à un
nouveau point d’équilibre.
On considère ici une contrainte en échelon sur la sortie y(t) du

système :
On veut que:
Lim t ∞ y (t) = yc
Cherchons l’entrée v(t) = vc . H(t) adéquate ; (H(t) désigne
l’échelon d’Heaviside).

Les équations d’état et de sortie en régime
statique s’écrivent:
0 = (A − Bk)x + Bv
y = Cx = yc
Eliminons x d’entre de ces deux équations :
x = −(A − Bk)−1Bv
yc = −[C(A − Bk)−1B ]vc
L’entrée v(t) à applique au système vaut donc :
Pour v(t) = vc H(t)
avec v
18/11/16 c
= −[C(A − BK) −1
B ] -1
y
Pr.Belmajdoub c 182
Conclusion
Il faut alors calculer le gain qui permet de satisfaire à la contrainte de
comportement statique.
Si l’on a déjà calculé le gain statique du système en boucle fermée, il suffit de
prendre :
Sinon, on peut le calculer directement à partir de la représentation d’état, en

écrivant qu’en régime permanent :

Le gain statique vaut donc:
et on prend alors :
Problème :
on remarque ici que l’entrée du système ne coïncide pas avec la

consigne sur la sortie. La commande intégrale qui suit propose
une autre approche résolvant ce problème.

Autre méthode pour calculer ʎ en utilisant la fonction de
transfert
u = ʎ v - Kx
dx/dt = (A - BK)x + B ʎ v
y=C x
Gf (p) = C (pI - A + BK)-1 B ʎ :

Ainsi le gain statique d’une telle fonction de transfert est-il égal à :
Gf (0) = C (- A + BK)-1 B ʎ :
ce qui signifie que si l’on souhaite obtenir Gf (0) = 1, il suffit de calculer ʎ ainsi

Si on reprend l’exemple précédent, on calcule aisément ʎ= 12 et
on obtient les courbes suivantes pour la réponse du système en
boucle fermée.
Réponse du système asservi par un retour d´état et un

précompensateur
Insuffisance du retour d’état
Comme nous l’avons vu dans les sections précédentes, la commande par

retour d’état permet de modifier les pôles du système en boucle fermée.
Cependant, cette dernière ne permet pas d’assurer un erreur de position nulle.
Une première possibilité pour résoudre le problème est d’ajouter un gain
précompensateur pour assurer un gain statique unitaire pour la boucle fermée.
Une deuxième possibilité réside dans l’ajout d’un intégrateur dans la chaine
directe.

Commande avec retour d’état et action integral
En commande analogique classique, l’annulation de l’erreur statique en

réponse à un échelon s’effectue via un correcteur intégral. Il est possible de
mettre en œuvre une correction similaire dans l’espace d’état.
Objectif :
A partir des mesures x, le correcteur doit générer des commandes u qui
permettent d’asservir les sorties y sur des signaux de consignes v , en rejetant
le mieux possible les perturbations .
w : une perturbation extérieure qui n’a pu être prise en compte dans la
modélisation (vent, pente du terrain, poids des personnes dans un
ascenseur, .)
La commande intégrale est plus généralement utilisée dans le cas où des

perturbations affectent l’évolution du système ; elle permet en effet de limiter
l’influence de ces perturbations sur la sortie.

Considérons le système en boucle ouverte suivant :
Où u représente l’entrée du système et w représente une perturbation

agissant sur le système.
Nous supposons que le système est commandable.
Dans le cas où le système est de classe 0 (pas d’intégration), nous allons
générer une commande en boucle fermée qui utilise à la fois un retour d’état et
un terme correspondant à l’intégration de l’erreur ε = y − v :
Avec

En définissant un nouvel état (on parle d’état augmenté) :
l’équation d’état du nouveau système s’écrit :
et la loi de commande s’écrit :
C’est donc une commande par retour d’état pour le système

augmenté
Les équations précédents s’écrivent sous la forme :
Les techniques de placement de pôles vues précédemment permettent de

calculer le vecteur de retour d’état K′ qui conduit à un système en boucle
fermée présentant une bonne précision statique, i.e. une erreur nulle en régime
permanent aussi bien vis-à-vis d’une variation de consigne du type échelon
que vis-à-vis d’une perturbation constante agissant sur le système.

L’objectif de la commande est double:
1. Assurer la stabilité du système augmenté (et donc plus particulièrement le

système original) en boucle fermée.
2. Assurer une erreur nulle en régime permanent:

Etablissement des équations en régime permanent
En régime permanent, les différents signaux convergent vers une valeur finie :
Le calcul des points singuliers du système augmenté nous donne alors

l’équation statique

Etablissement des équations en régime dynamique
Afin d’observer la convergence des états vers leurs valeurs en régime

permanent, formons l’erreur :

Afin de prouver que la dynamique de l’erreur est stable et tend vers zéro pour
des temps suffisamment grands, il faut choisir ˜K tel que A’ − B’˜K soit stable.
Par ailleurs, le choix des pôles de A’ − B’ ˜K’ permet d’imposer la vitesse de
convergence de l’erreur vers zéro et donc de x(t) vers x∞. Le problème de la
synthèse d’une commande par retour d’état avec action intégrale revient donc
au calcul classique d’un retour d’état sur un système augmenté:
Exemple: Soit un système définit par une représentation d’état telle que
Déterminer K’ pour que le système en boucle fermée présente 3 pôles (-3), (-4) et (-4).
On choisit une loi de commande u(t) = − K˜z(t) = −kx(t) − kixi(t) afin que
A’ − B’ ˜K
ait les pôles désirés.
On souhaite que le système en boucle fermée présente 3 pôles (-3), (-4) et (-

4).
En appliquant les techniques de placement de pôles vues au paravent, on

trouve :

Soit le système modélisé par sa fonction de transfert G(p) =p+1/(p+2)(p+3).
Sa représentation d’état sous forme commandable est donnée par :
Déterminer le nouvel état augmenté ainsi que la matrice K

permettant d’assurer une erreur nulle en régime permanant
On désire obtenir un système admettant un pôle dominant en -1 et deux pôles

en -8 et-9.

On choisit Pcom(λ) = (λ + 1)(λ + 8)(λ + 9) ce qui permet de calculer

Sortie asservie par un retour d’état et action intégrale

Exercice
Soit la matrice d’état :
Déterminer la matrice de transition e At

Il suffit de décomposer en éléments simples chaque terme de la matrice et
d’utiliser une table de transformées de Laplace pour remonter à l’original.

Les observateurs
Principe
Il arrive souvent que toutes les variables d’état d’un système ne soient
pas accessibles à la mesure. Dans ce cas, l’implémentation directe de la
commande u = -Kx est impossible. De plus, la connaissance de la sortie y
ne résoudra pas le problème.
En effet, comme C n’est pas inversible la connaissance de y=Cx ne
permet pas de connaître x.
L’idée est donc de reconstruire l’état x à partir des informations
disponibles, c’est-à-dire la sortie y et la commande u. On utilise pour cela un
système dynamique permettant d’approximer x : un observateur.
On parle également de reconstructeur, d’estimateur, de filtre...

En effet , lorsqu’on commande un système par une loi de
commande par retour d’état, on suppose que ces variables sont
tous observable, dans le cas contraire , il y a nécessité d’un
reconstructeur (observateur) pour mesurer ces variables;
On insère dans la chaine de retour un système à part entière qui

sera mis sous forme d’état avec pour variable d’état z , pour
entrée u et y et sortie x^

Commande par retour de sortie : les
observateurs
Dans la partie consacré à la commande dans l’espace d’état, on suppose que les
composantes du vecteur d’état ne sont pas forcément tous accessibles et on se
contente d’utiliser l’information présente au niveau de la sortie y pour établir une loi de
commande
Notion préliminaire
Comme il est dit auparavant, il s’agit de mettre en œuvre une loi de commande qui
n’utilise à priori que l’information présente sur la sortie y. Cependant, il va de soi qu’une
autre information est accessible, à savoir celle contenue dans le signal de commande u.
Le principe pourrait tout simplement être de déterminer un scalaire de retour k ainsi
qu’un autre scalaire de précommande H de telle sorte que la loi de commande confère
au système bouclé (dont la matrice d’état est alors Af = A - Bk) les propriétés requises.
il est rare de se contenter d’un retour statique de la sortie y mais il est souvent envisagé
d’effectuer un retour dynamique, c’est-à-dire que la sortie y est rebouclée sur l’entrée u
au travers d’un autre système dynamique comme le montre la figure suivante

Il est alors nécessaire de déterminer une représentation d’état du système dynamique
de retour qui confère au système bouclé global un bon comportement.
En outre, si l’on se réfère au chapitre précédent, une loi de commande de type retour
d’état est souvent judicieuse pour obtenir des performances spécifiées, tant statiques
que transitoires. Or, le vecteur d’état n’étant pas disponible dans le problème abordé ici,
une autre solution consisterait alors à le reconstruire ou à le simuler..
En résumé, deux possibilités viennent d’être présentées : l’une consiste à construire un

retour dynamique de sortie ; l’autre consiste à reconstruire le vecteur d’état pour ensuite
appliquer un retour d’état. En réalité, les deux solutions peuvent être regroupées en une
seule grâce au principe des observateurs présenté ci-après.

Principe de l’observation
Le principe de l’observation est d’utiliser u et y pour reconstruire un vecteur x^ qui soit

aussi proche que possible de x afin d’effectuer ensuite un retour d’état comme le montre
la figure suivante.
Comme le montre cette figure, l’ensemble constitué de l’observateur (encore appelé

reconstructeur d’état) et du retour d’état K constitue un retour dynamique proche de celui
proposé par la figure précédente. Toutefois, celui-ci comporte deux entrées : u et y.
Faire la synthèse d’un observateur consiste à déterminer, sur la base du modèle d’état
du procédé,
18/11/16
un modèle d’état pour l’observateur
Pr.Belmajdoub 210
La logique de l’observation est simple. Il est utopique de vouloir construire un
observateur tel que ^x(t) = x(t) ɏ t.
En effet, ceci signifierait que l’observateur réagit de manière infiniment rapide à
une évolution de l’état du procédé même quand ^x(0) ≠ x(0). En revanche, l’on
peut espérer obtenir cette égalité en régime permanent. Ainsi si l’on définit
l’écart vectoriel:
ε (t) = ^x - x;
La propriété fondamentale que doit satisfaire un observateur est de répondre à

un modèle tel que:
Condition d’existence d’un observateur
On propose ici, une condition nécessaire et suffisante d’existence d’un observateur.

Cette dernière est très simple :
On peut construire un observateur d’état si et seulement si la paire (A;C) est observable
Synthèse d’un observateur d’ordre minimal
Dans cette partie, il est question de synthétiser un observateur d’ordre minimal. on en
donne d’abord la définition et la structure avant de proposer la procédure dite < de
Luenberger > qui permet de réaliser cette synthèse
- Si z et x ont même dimension, l’observateur est dit complet (tout l’état est
estimé).
- Si dim(z) < dim(x) (par exemple :
alors l’observateur est dit d’ordre réduit.
Observateur d’ordre minimal
Il s’agit là d’un observateur dont le modèle d’état correspond à un vecteur d’état de
dimension minimale. On peut dire que pour observer convenablement un vecteur d’état
de dimension n, la dimension du vecteur d’état de l’observateur doit être au minimum de
(n - 1). Ceci conduit à un modèle d’observateur de la forme :
Faire la synthèse d’un observateur consiste ici à déterminer convenablement

les matrices F; L; P; R et Q, c’est-à-dire de faire en sorte que l’équation sur
l’erreur soit vérifiée.
18/11/16
Si l’on supposait alors que l’on pûtPr.Belmajdoub
satisfaire 212
et ce à tout instant, alors ceci amènerait :
ce qui, puisque l’on souhaite vérifier ^x = x, conduirait à:
LT + QC = I
Mais, comme on l’a vu, il est utopique d’espérer ^x = x ɏt (c’est-à-dire ici z =
Tx). En effet, cela n’a pas de sens de vouloir satisfaire l’égalité z(t) = T x(t)
ɏ t ≥ 0 dès lors que z(0) n’est pas a priori égal à T x(0). Aussi l’on se contente
d’essayer d’obtenir

Si l’on dérive μ, l’on obtient :
Dès lors, on peut imposer les contraintes
TA - FT = PC et R = TB:
Il reste alors
ce qui signifie que les relations précédentes se vérifient lorsque F est stable au
sens d’Hurwitz, c’est-à-dire ne possède que des valeurs propres à partie réelle
négative. En prenant en compte la seconde équation du modèle d’observation,
il vient :
qui, si l’on impose (LT + QC = I ), conduit à ^x = x en régime permanent, soit à

Finalement, c’est par un choix judicieux du modèle d’observateur que l’on
parvient à satisfaire
De manière plus précise, ceci consiste à :
– choisir F stable au sens d’Hurwitz et dont les modes sont plus rapides que
ceux de A (l’idée est d’observer x plus vite qu’il n’évolue) ;
– choisir P et T tels que TA - PC = FT ;
– calculer R = TB ;
– déterminer L et Q tels que LT + QC = I.
La procédure de Luenberger permet d’effectuer les différentes étapes ci-

dessus.
Procédure de Luenberger
Voici l’algorithme que propose Luenberger :
Etape 1 : Vérification de l’observabilité de la paire (A;C).

Etape 2: Changement de base pour obtenir une réalisation canonique
d’observation. En réalité, cette forme correspond à la forme compagne
verticale. On passe alors de la réalisation (A;B;C) à la réalisation (A;B;C) en
posant le changement de variable x = Nx. La matrice N est donnée par la
relation :

Etape 3: Choix de la dynamique de F. Pour cela, on décide d’un polynôme
caractéristique de degré (n - 1) :
Etape 4: Déduction de F : F est arbitrairement choisie sous forme compagne

verticale
Etape 5: Détermination (arbitraire) de T :

Etape 6: Détermination de P à partir de l’équation
F étant prise sous forme canonique, l’on résoud l’équation dans la base
canonique, c’est-à-dire en prenant A et C. Ceci a l’avantage, compte tenu des
structures de F, A, T, et C et du fait que P est un simple vecteur, de calculer P,
dans la base canonique, grâce à
où { 18/11/16
. }1 est une notation correspondant à la première colonne d’une matrice.
Pr.Belmajdoub 218
Etape 7: Calcul de R :
R = TB:
Etape 8: Détermination de Q et L : ces matrices doivent vérifier
QC + LT = I;
que l’on peut récrire
Compte tenu des structures particulières des matrices impliquées dans

l’égalité, il vient :

L’équation ci-dessus fait apparaître clairement Q et L.
Etape 9: Retour à la base initiale : en réalité, le modèle ainsi construit permet

d’observer x par l’état reconstruit ^x, sortie de l’observateur actuel. Pour
retrouver ^x, l’état reconstruit du procédé dans la base initiale, il suffit
d’appliquer le changement de base
x^ = N ^x:
Exemple :
Soit l’exemple suivant dans lequel la réalisation est caractérisée par les trois
matrices
L’unique pôle de l’observateur est -5

Appliquer
18/11/16
toutes les étapes de la procédure de Luenberger :
Pr.Belmajdoub 220
Solution
Etape 1: La matrice d’observabilité relative à la paire (A;C) est
Elle est de rang plein donc la paire (A;C) est observable.
Etape 2: Le calcul de la matrice de passage N (même s’il n’est pas utile pour
l’instant) conduit à :

et donc à
Etape3 : on décide de placer l’unique pôle de l’observateur à -5 ce qui mène

à:
Etape 4: F est donc égale à -5.
Etape 5: on en déduit
Etape 6 : Le vecteur P doit satisfaire

Etape 7:
Etape 8: Les matrices Q et L sont également facilement déduites :
Etape 9: Elle est implicite et pas vraiment utile pour l’instant.
Synthèse d’un observateur d’ordre plein
Dans cette partie, l’on considère que l’observateur est du même ordre que le
procédé, soit n. La définition et la structure d’un tel observateur sont
présentées avant de donner une procédure de synthèse.
L’observateur est donc de même dimension que l’état du système à reconstruire

Observateur d’ordre plein
Soit ^x’ = Sx^ + G u + Ky l’équation d’état du constructeur
Les matrices S et G doivent être choisies de telle manière que l’état x^ tend
asymptotiquement vers l’état x
Pour que l’erreur ε = x - x^ sur l’état s’annule en régime permanent, il faut

que G= B. Sinon la valeur permanente due à la commande u ne disparait pas
dans la différence des équations:
x’ - ^x’ .
En remplaçant y par Cx, il vient que: ε’ = x’ - ^x’ = ( A-KC) x - S x^ car (G= B)

La même condition : x^(t) tend vers x(t) à l’infini impose
ε’ = S ε avec S= ( A - KC ), l’écart entre x et x^ doit tendre asymptotiquement
vers zéro
L’équation d’état du constructeur est donc: ^x’ = (A-KC)x^ + B u + Ky, elle

s’écrit aussi en désignant par y^ = C x^ la sortie reconstruite.
^x’ =18/11/16
Ax^ + B u + K(y-y^) Pr.Belmajdoub 224
Cet observateur complet est constitué de deux parties :
- Un simulateur du système réel caractérisé par les matrices (A;B;C),ayant comme

entrées u et y et comme sortie ŷ.
- Un correcteur réalisant une contre-réaction fonction de l’écart entre la sortie y et
son estimée ŷ. Ce correcteur permet d’assurer la convergence de l’erreur
d’estimation de l’état.

Observateur d’ordre plein
Une structure classique d’un tel observateur consiste à exprimer ce dernier

comme un système bouclé de la façon suivante :
Ici, le vecteur d’état de l’observateur est directement ^x et la sortie de ce

dernier, ^y, ne sert qu’à réaliser un bouclage au sein de l’observateur lui-même
comme le montre la figure suivante

Le modèle de l’observateur s’appuie clairement sur celui du système et il s’agit
en fait de déterminer Z de telle sorte que la dynamique de l’observateur soit
plus rapide que celle du procédé d’une part, et, d’autre part, que la relation :
soit satisfaite. En effet, la réalisation de l’observateur
Se récrit
où l’on voit clairement que le choix de Z fixe la dynamique de la matrice d’état

Af = A + ZC de l’observateur.
Ainsi, si l’on analyse l’évolution de ε, l’on constate que

Il est donc nécessaire que (A + ZC) soit stable au sens de Hurwitz, c’est-à-dire
ait toutes ses valeurs propres à partie réelle négative, pour que l’on ait bien ^x
= x en régime permanent. Dans le cas contraire (une valeur propre à partie
réelle non strictement négative), ne peut tendre vers zéro.
La synthèse d’un observateur d’ordre plein revient donc à choisir Z pour fixer
arbitrairement les pôles de l’observateur.
C’est un problème dual de celui du retour d’état. En effet, les valeurs propres
de A + ZC sont celles de A‘ + C’ Z’, matrice qui peut être identifiée à A + BK
Telle que A avec A’, B avec C’ et K avec Z’.
La synthèse d’un observateur de rang plein constitue un problème dual de la

commande par retour d’état.
Sur la base de cette remarque, l’on peut établir un algorithme de synthèse d’un
observateur d’ordre plein que voici.

Procédure de synthèse
Voici l’algorithme qui peut être facilement déduit de celui du placement de

pôles par retour d’état. En fait, plutôt que de raisonner sur la matrice
transposée (A’ + C’Z’), on raisonne directement sur (A + ZC) ce qui revient à
travailler dans la base canonique d’observation.

Exemple :
On reprend l’exemple précédent
On veut un observateur d’ordre plein ayant un pôle

double -5

Il est à noter que si l’on concatène les deux vecteurs d’état (celui du procédé et
celui de l’observateur) en vecteur d’état unique, l’on obtient l’équation d’état
suivante :
Ceci montre bien que les pôles du système observé sont les pôles de
l’observateur ajoutés à ceux du procédé.

COUR Representation Etat 2011 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

COUR Representation Etat 2011 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Université Sidi Mohammed Ben

Réponse d’un modèle d’état

Stabilité des modèles d’´etat

Commande par retour de sortie : les

Ce cours d’Automatique s’inscrit dans le cadre de la

Un système est une combinaison de composants interconnecté

L’analyse d’un système et à fortiori sa commande font appel à un modèle du

Les équations issues des lois de l’électricité qui régissent le comportement du

Il s’agit là d’un modèle de comportement entrée/sortie, c’est-à-dire qui traduit

Comment obtenir la fonction de

La fonction de transfert est un modèle de comportement entrée/sortie qui

Dans le cas du circuit RLC, on a

En utilisant la transformée de Laplace, la fonction de transfert

On envisage dans cette section un troisième type de

Les préludes Appl. Fonction de transfert

Calculateurs Calculateurs numériques

1948 1956 1960 1970 1980 1988

Cette technique est implantée facilement sur ordinateur pour des

Dans les processus de conception avec l’espace d’état, on

L’ objectif de ce cours est de proposer des méthodes pour

Pour résoudre les problèmes d'analyse et de synthèse des systèmes de

On considère traditionnellement que ces variables sont au nombre de n et

Il représente la mémoire du système, c’est-à-dire, l’ensemble des informations

Espace d’état : Il s’agit tout simplement de l’espace vectoriel dans lequel le

On dit souvent de la représentation d’état que c’est une modélisation dans

L’idée de base des représentations d’état est que le futur d’un

On peut très souvent omettre la dépendance en t de manière à obtenir la

La représentation d’état peut-être associée au schéma-bloc donné par la figure

Représentation d’état d’un système

On peut obtenir une représentation d’état linéaire en manipulant le jeu

Par le jeu d’´equations

Par le jeu de l´équation différentielle unique

Le fonctionnement de ce moteur est décrit dans le cadre de « Commande

Loi d'Ohm appliquée à l'induit:

Relation fondamentale de la dynamique:

On adopte comme variables d'état les composantes :

Donner Une représentation d’état possible pour un système représentant un

L’intégrateur est un système linéaire décrit par l’équation différentielle y˙ = u.

Les matrices associées à ce système sont A = (0), B = (1), C = (1) et D = (0) .

La technique consiste à considérer l’équation différentielle globale. On suppose

C’est un quadruplet de matrices différent de celui trouvé précédemment. Ceci

Pour un système dynamique continu ou discret il existe une

infinité de représentations d’état. La multiplicité des

représentations d'état n'est pas un inconvénient. Elle doit être

perçue comme un avantage dès lors qu'il est possible d'adopter la

forme la mieux adaptée au problème à traiter concernant la

stabilité la commandabilité et l’observabilité etc...

L'objectif de la représentation d'état est d'aboutir pour les systèmes à

Cas d’une fonction de transfert strictement propre (m < n)

- Réalisation diagonale ou quasi diagonale de Jordan

On suppose sans perte de généralité que an = 1 de sorte que la fonction de

ce qui se traduit dans le domaine temporel, par application de la

Cette présentation peut également être modifiée en remplaçant B par C’ et C

doivent être telles que:

Soit la fonction de transfert suivante, on demande de déterminer

Il suit la représentation schématique de la figure suivante. On choisit comme

Dans le cas où G(p) possède un pôle d’ordre de multiplicité supérieur à 1, la

Quant aux autres termes, ils sont tels que

Ceci conduit à la réalisation suivante :

Réalisation de forme compagne

Forme compagne verticale :

qui peut correspondre à la forme compagne horizontale suivante :

Dans le cas où m = n, il est impossible d’appliquer directement les techniques