Ac321 2009 PDF

ESISAR 3ème ANNEE D'ETUDES
Module AC-321 : Commandabilité - Observabilité

Département : AUTOMATIQUE
Damien KOENIG
Damien.Koenig@esisar.grenoble-inp.fr
Introduction à la commande des systèmes dynamiques

Representation interne
Partie 1: Représentation et analyse des systèmes

Partie 2 : Ouverture sur la problématique de la synthèse de commande
■ AC321 Volume (9sc CM, 9sc TD, 3sc TP)
■ Pré requis
–Notions classiques d’algèbre linéaire (rang, valeurs propres, vecteurs propres, noyau, image….)
–Notions de base de la commande des systèmes linéaires stationnaires
■ Maîtrise des principales notions liées à la modélisation et à l’analyse des

systèmes dynamiques
–Modélisation pour l’automatique (notion d’état)
–Stabilité des systèmes dynamiques
–Les systèmes de commande à contre réaction
■ Maîtrise des outils mathématiques associés:

–Outils graphiques (Réponses en fréquences, lieu des racines)
–Outils algébriques (Routh-Hurwitz, Popov, Kalman)
–Outils d’analyse complexe
■ Ouverture sur la problématique de la synthèse

–Commande,observation, rejet de perturbation, suivi de consigne
–Compromis Perf/Robustesse, fonctions de sensibilités S,T, …
■ Référence
–Philippe de Larminat., Automatique : commande des systèmes linéaires 2ème éditions, Editions Hermes, 1996.
–Kailath T., Linear systems. Prentice Hall Information and System Sciences Series.
De nombreuses demonstrations sont données à titre indicatif

(les données essentielles figurent dans les slides)
Auteur Damien Koenig Commande modale des systèmes continus sous forme de représentation interne
COMMANDE DES SYSTEMES CONTINUS SOUS FORME DE

REPRESENTATION INTERNE
Résumé : Ce cours introduit les concepts de commandabilité et d'observabilité des systèmes linéaires à
temps continu représentés sous forme de représentation d'état. Il propose un certain nombre de critères
permettant de déterminer avant tout essai de commande si le modèle associé au système est tel que son
état pourra en temps fini être affecté à une valeur arbitraire et tel que la connaissance seule de
l'observation permettra de reconstruire toute la trajectoire du système. Une ouverture sur la
problématique de la synthèse de commande en boucle fermée est traitée.
INTRODUCTION
L'évolution d'un processus à partir d'un instant t0 ne dépend pas uniquement de l'influence immédiate de son
environnement mais aussi de données internes que l'on regroupe en général dans un vecteur état x, x∈ℜn ou x∈Cn . Le
nombre n représente alors l'ordre du système. Les variables exprimant la communication avec l'extérieur correspondent
aux variables d'entrée (notée u, x∈ℜl) et de sortie (notée y, y∈ℜm). On parlera de système monovariable si le système
à une seule entrée et une sortie (i.e., m=l=1), dans le cas contraire on parlera de système multivariable.
Système continu Système discret (pour info)
x& (t ) = Ax (t ) + Bu(t ) x k +1 = A d x k + B d u k
 
y(t ) = Cx (t ) y k = C d x k
A, Ad ∈ℜn×n, B, Bd ∈ℜn×l, C, C∈ℜm×n, A, B et C sont stationnaires, t∈ℜ+ et k∈N.
Un intérêt majeur de la notion d'état est de renseigner l'utilisateur sur le nombre maximum (n) de variables
indépendantes qu'il aura à mesurer ou à reconstituer pour générer la meilleure commande possible d'un système.
Certaines variables d'état sont directement accessibles à la mesure, par l'intermédiaire de capteurs classiques (de
température, position, vitesse, tension, …). Par contre d'autres peuvent influencer les sorties sans que leur mesure
directe soit possible. Enfin, certaines variables d'état ne sont même pas observables, c'est à dire qu'elles n'agissent pas
sur les sorties du processus et ne sont donc pas perceptibles à la mesure.
Ces trois types de variables d'état sont dites respectivement mesurables, observables et non observables. Implicitement
les variables mesurables sont observables. A la notion d'observabilité vient s'ajouter celle de commandabilité, c'est à
dire la possibilité de construire une commande u qui fasse passer l'état x d'une variable initiale arbitraire donnée à une
valeur finale choisie, à un instant choisi. On parlera également de variables commandables et non commandables.
Question 1 : la connaissance des trajectoires d'observation y et de commande u permet elle de reconstituer la

trajectoire de l'état x? "Observabilité".
Question 2 : que peut-on faire faire au système en temps fini? "commandabilité".
2
SOMMAIRE
COMMANDE DES SYSTEMES CONTINUS SOUS FORME DE REPRESENTATION INTERNE ..................2
SOMMAIRE ...................................................................................................................................................................3
1 LA REPRESENTATION D'ETAT .......................................................................................................................6
1.1 EXEMPLE 1 ......................................................................................................................................................6

1.2 EXEMPLE 2 ......................................................................................................................................................7
1.3 GENERALISATION ...........................................................................................................................................8
1.3.1 Représentation d'état pour un système linéaire, stationnaire et perturbé ................................................9
1.3.2 Représentation d'état pour un système linéaire perturbé non stationnaire ..............................................9
1.3.3 Représentation d'état pour un système non-linéaire.................................................................................9
1.4 REPRESENTATION PAR EQUATION DIFFERENTIELLE ..................................................................................9
1.4.1 Quelques outils : Transformée de Laplace, Transformée en Z et approximation d’Euler........................9
1.4.2 Liens entre l’espace Z et Laplace : ........................................................................................................11
1.4.3 Liens entre l’espace Z , Laplace et la transformtaion d’Euler à l’ordre 1:............................................11
1.4.4 Transformée de Laplace d'une équation différentielle............................................................................11
1.4.5 Représentation par schéma bloc.............................................................................................................12
1.4.6 Etude des fonctions de transferts d'un système bouclé ...........................................................................13
1.4.7 Propriétés des asservisements ................................................................................................................15
1.4.8 Relation entre la représentation d'état d'un système monovariable et sa matrice de transfert ..............16
1.5 DIVERSES REPRESENTATIONS D'ETAT........................................................................................................17
1.5.1 Exemple: modélisation d'un système électromécanique .........................................................................17
1.5.2 Représentation d'état par variables physiques .......................................................................................18
1.5.3 Représentation d'état par variables de phase .........................................................................................18
2 REPONSE DES SYSTEMES LINEAIRES INVARIANTS ..............................................................................21
2.1 CAS INTRODUCTIF: SYSTEME SCALAIRE ....................................................................................................21

2.1.1 Système libre ou autonome (x(0)≠0 et u(t)=0)........................................................................................21
2.1.2 Système forcé ..........................................................................................................................................21
2.2 CAS GENERAL................................................................................................................................................22
2.2.1 Système autonome (x(0)≠0 et u(t)=0) .....................................................................................................22
2.2.2 Système forcé ..........................................................................................................................................22
2.3 METHODE DE CALCUL DE LA MATRICE DE TRANSITION Φ (t ) = e At .......................................................22

2.3.1 Calcul de eAt par l'étude des valeurs et vecteurs propres de A ...............................................................22
2.3.2 Calcul de Ak à l'aide du théorème de Caley – Hamilton.........................................................................26
2.3.3 Méthode de calcul de eAt par transformée de Laplace inverse ...............................................................27
3 COMMANDABILITE ET OBSERVABILITE..................................................................................................29
3.1 ETUDE DES PROPRIETES DE COMMANDABILITE .......................................................................................29

3.1.1 Commandabilité des sorties....................................................................................................................29
3
3.1.2 Commandabilité des états .......................................................................................................................30

3.2 ETUDE DES PROPRIETES D’OBSERVABILITE ..............................................................................................33
3.2.1 Observabilité des états............................................................................................................................33
3.2.2 Stabilisabilité et détectabilité..................................................................................................................34
3.2.3 Commandabilité et observabilité : système monovariable non dégénéré...............................................35
3.3 EXERCICE ......................................................................................................................................................36
3.3.1 Déterminer le(s) modes et le(s) état(s) non observable(s) .....................................................................36
3.3.2 Déterminer le(s) modes et le(s) état(s) non commandable(s).................................................................37
3.3.3 Conclure sur la stabilisabilité et la détectabilité du système..................................................................37
1.1 TABLEAU DE SYNTHESE DES PROPRIETES DE COMMANDABILITE ET D’OBSERVABILITE ...................38
3.4 DECOMPOSITION CANONIQUE DES SYSTEMES ..........................................................................................39
3.4.1 Réalisation minimale ..............................................................................................................................39
3.4.1.1 Sous espace commandable................................................................................................................................... 39
3.4.1.2 Sous espace observable........................................................................................................................................ 41
4 FORMES CANONIQUES ET MODALES ........................................................................................................41
4.1 FORMES COMPAGNES POUR LES SYSTEMES MONOVARIABLES ..............................................................41

4.1.1 Principale forme canonique de commandabilité (forme compagnon)....................................................42
4.1.2 Passage d'une représentation d'état commandable quelconque à une forme compagne .......................43
4.1.3 Il existe trois autres formes canoniques de commandabilité ..................................................................44
4.1.4 Principale forme canonique d'observabilité (forme compagnon)...........................................................45
4.1.5 Passage d'une représentation d'état observable quelconque à une forme compagne ............................45
4.1.6 Il existe trois autres formes canoniques d'observabilité .........................................................................46
4.2 FORME MODALE............................................................................................................................................47
4.2.1 Cas de pôles simples (forme diagonale) .................................................................................................47
4.2.2 Cas général : forme de Jordan (pôles multiples et simples) ...................................................................48
4.2.2.1 Calcul de la forme de Jordan d'une matrice ......................................................................................................... 49
4.3 CONCLUSION ET PERSPECTIVE ...................................................................................................................51
5 LA COMMANDE PAR RETOUR D'ETAT ......................................................................................................52
5.1 INTRODUCTION .............................................................................................................................................52

5.1.1 Approche modale des problèmes de commande .....................................................................................52
5.1.1.1 Effet du bouclage sur les valeurs propres d'un système continu .......................................................................... 52
5.1.1.2 Principe de la commande modale ........................................................................................................................ 53
5.1.1.3 Calcul de la matrice de contre-réaction................................................................................................................ 53
5.1.2 Calcul pratique de la matrice de contre-réaction dans le cas monovariable .........................................55
5.1.3 Possibilités de calcul de la matrice de contre-réaction dans le cas multivariable .................................57
5.1.4 Application..............................................................................................................................................58
5.1.5 Cas des systèmes partiellement commandables ......................................................................................59
5.1.6 Remarque sur la commande modale des systèmes non invariants..........................................................60
5.1.7 Choix des valeurs propres affectées au système bouclé..........................................................................60
5.1.8 Système hydraulique ...............................................................................................................................61
4
6 OBSERVATEUR : RECONSTRUCTION D'ETAT .........................................................................................63
6.1 INTRODUCTION .............................................................................................................................................63

6.2 OBSERVATEUR IDENTITE .............................................................................................................................64
6.2.1 Analyse de convergence..........................................................................................................................65
6.2.2 Exemple...................................................................................................................................................66
6.3 OBSERVATEUR CONTINU GENERALISE ......................................................................................................67
6.4 DETERMINATION DIRECTE DU GAIN DE L'OBSERVATEUR IDENTITE ......................................................69
6.4.1 Système mono – sortie (méthode de Bass et Gura) .................................................................................69
6.4.2 Système multi – sortie (cas général : méthode de Bass et Gura) ............................................................70
6.4.3 Forme canonique observable de Luenberger .........................................................................................71
6.4.4 1ère Méthode : Méthode de Bass et Gura ................................................................................................72
6.5 STABILITE OBSERVATEUR - SYSTEME ........................................................................................................76
ANNEXE .......................................................................................................................................................................78
7 ANNEXE 1 : SIMPLIFICATION DE MODELES PAR LES GRAMMIENS................................................78
7.1.1 Réalisations équilibrées ..........................................................................................................................78
8 ANNEXE 2 : SYSTEMES MULTIVARIABLES ..............................................................................................82
8.1 FORMES DE COMMANDABILITE ..................................................................................................................82

8.1.1 Algorithme 1 (Bass et Gura, 1965) .........................................................................................................83
8.1.1.1 Application de l’algorithme 1 .............................................................................................................................. 83
8.1.1.2 Algorithme 2 (Luenberger, 1967) ........................................................................................................................ 84
8.1.1.3 Application de l’algorithme 2 .............................................................................................................................. 85
8.1.2 Forme commandable de Luenberger ......................................................................................................86
8.1.3 Application de l’algorithme 2 avec mise sous forme canonique principale de commandabilité............88
9 ANNEXE 3 : DECOMPOSITION CANONIQUE DAN S CAS MULTIVARIABLE ....................................90
5
1 LA REPRESENTATION D'ETAT
Elle constitue une alternative intéressante pour la modélisation que nous illustrons ici par quelques exemples. On
entend par état d'un système, l'ensemble minimum de variables contenant l'information suffisante sur l'histoire du
système pour permettre de calculer tous les états futur du système. Elle est le seul véritable outil de description d'un
système multivariable. C'est une représentation interne du système qui correspond à une représentation
physique ou non.
1.1 Exemple 1
R L1 L2
i1 i2
s
e1 C v e2
Figure 1: Premier système électrique
La représentation d'état permet de mettre en évidence des informations internes au processus, qui n'apparaissent pas
nécessairement sur la description par fonction (ou matrice) de transfert.
Ainsi, sur l'exemple Figure 1, la sortie S étant la tension au borne de la self L1, on peut choisir la representation
différentielle suivante :
 di 1 (t )
e1 (t ) = Ri 1 (t ) + L1 dt + v(t )

 di 2 (t )
e 2 (t ) = L 2 dt + v(t )
 (1.1-1)
 dv(t ) = 1 (i (t ) + i (t ))
 dt C
1 2

s(t ) = L 1 di1 (t )
 dt
où i1 et i2 sont les intensités des selfs L1 et L2, e1 et e2 sont deux générateurs de tension et v la tension aux bornes du
condensateur C. Cette formulation différentielle fait apparaître explicitement la dynamique du procédé, à savoir: les
deux courants i1 et i2 et la tension v. Ces variables (i1, i2 et v) sont associées aux éléments pouvant stocker de l'énergie
(respectivement L1, L2 et C) et auxquelles on pourra donc attribuer des conditions initiales.
6
Les variables i1, i2 et v représentent alors les variables d'état (internes) du système électrique et forment le vecteur
d'état x(t) :
 x 1 ( t )   i1 ( t ) 
x (t ) = x 2 ( t ) = i 2 ( t ) (1.1-2)
   
 x 3 ( t )   v ( t ) 
 i 1 ( 0) 
avec pour condition initiale x (0) = i 2 (0) (1.1-3)
 
 v (0) 
On obtient alors :
 di1 (t )
 dt = − L i1 (t ) − L v (t ) + L e1 (t )  dx 1 (t )
R 1 1
x 1 (t ) − x 3 (t ) + u1 (t )
R 1 1
 =−
 1 1 1 dt L1 L1 L1
 di 2 (t ) 
 dt = − L v (t ) + L e 2 (t )  dx 2 (t )
1 1
x 3 (t ) + u 2 (t )
1 1
 =−
 2 2 ⇔  dt L L (1.1-4)
 dv (t ) 1 ( ( )
2 2
 dx (t ) 1
 dt = C i1 t + i 2 (t ))  3 = (x 1 (t ) + x 2 (t ))
  dt
s(t ) = L di1 (t ) = − Ri (t ) − v (t ) + e (t )
C
 y(t ) = − Rx (t ) − x (t ) + u (t )
 1 1 1  1 3 1
dt
qui s'écrit sous la forme matricielle :
x& (t ) = A x (t ) + Bu (t )
(1.1-5)
y(t ) = Cx (t ) + D u (t )
 − R L1 0 − 1 L1  1 L1 0 
où A =  0 0 − 1 L 2 , B = 0 1 L 2  , C = [− R 0 − 1] , D = [1 0] , y = s et u = [e1 e2]T.
  a
   
 1 C 1C 0   0 0 
Cette représentation, sous forme d'une équation différentielle de degré 1 portant sur le vecteur d'état x d'ordre 3
(=dimension du vecteur) , est appelée représentation d'état du système. Il faut cependant noter que la représentation
d'état n'est pas unique. Elle peut être orientée de façon à faire apparaître explicitement des variables (d'état) choisies
par l'utilisateur. Exemple, pour le système suivant (Figure 2), supposons dans un 1er cas que les variables captées soient
les tensions y1(t) et y2(t) et dans un 2ème cas la tension y2(t) et l'intensité i2(t).
1.2 Exemple 2 R1 i1+i2 i2 R2
i1
u y1 y2
C1 C2
Figure 2 : Second système électrique
T
x  X X 21  X X 12 
(X)T représente le transposé de (X) exemple : [x 1 x 2 ]T =  1 ;  11
a
=  11 .
 x 2   X 12 X 22   X 21 X 22 
7
1er cas : x = [x 1 ( t ) x 2 ( t )]T = [y 2 ( t ) y1 ( t )]T et seul la donnée y2(t) est mesurée.
On obtient la représentation différentielle suivante :

i 1 ( t ) = C1 y& 1 ( t )

i 2 ( t ) = C 2 y& 2 ( t )

u( t ) = R 1 (i 1 (t ) + i 2 (t )) + y1 (t )
(1.2-1)
 y1 (t ) = R 2 i 2 (t ) + y 2 ( t )
qui s'écrit sous la forme matricielle :
x& (t ) = A x (t ) + Bu(t )
(1.2-2)
y(t ) = Cx (t )
 1 1 
− R C   0 
 et C = [1 0] .
R 2C2
avec : A =  2 2 , B= 
 1 −
1
−
1  1 R 1C1 
 R 2 C1 R 1C1 R 2 C1 
) ) )
2ème cas : x = [x 1 ( t ) x 2 ( t )]T = [y 2 ( t ) i 2 ( t )]T et y2(t) est la mesure (sortie).
On obtient alors une nouvelle représentation :

) )) )
x& (t ) = A x (t ) + Bu (t )
)) (1.2-3)
y(t ) = Cx (t )
 1 
0
)   )   )
 et C = [1 0] .
C2 0
où A =  , B=
− 1 1 1 1  1 R 1 R 2 C1 
− − −
 R 1 R 2 C1 R 1C1 R 2 C 2 R 2 C1 
)
On peut noter que cette seconde représentation est semblable à la première, à ceci près que le nouvel état x est une
combinaison linéaire de l'état x. En effet, par un simple changement de base
)
x = Px (1.2-4)
 1 0  ) ) )
où P =   est la matrice de passage, on retrouve les matrices A = PAP −1 , B = PB et C = CP −1 .
− 1 R 2 1 R 2 
Remarque : On retrouve la représentation (1.2-3) soit par le changement de base (1.2-4) ou directement par les
di 2 ( t )  1 1  1 1
équations (1.2-1), sachant que : = C 2 &y& 2 ( t ) = C 2  − y& 2 + y& 1  avec y& 2 = i 2 ; y& 1 = i1 ;
dt  R 2C2 R 2C 2  C2 C1
1 1 R + R1
i1 = u− y2 − 2 i2 .
R1 R1 R1
1.3 Généralisation
Tout système linéaire invariant peut s'écrire sous la forme
x& (t ) = A x (t ) + Bu (t )
(1.3-1)
y(t ) = Cx (t ) + D u (t )
avec : x: vecteur d'état de dimension n (dim x=n)

u : vecteur de commande de dimension nu (dim u=nu)
y : vecteur de sortie de dimension m (dim y=m)
A: matrice d'évolution du système (dim A=(n,n))
B: matrice d'application de la commande (dim B=(n,nu))
C: matrice d'observation du système (dim C=(m,n))
D: matrice de transmission directe (dim D=(m,nu))
8
1.3.1 Représentation d'état pour un système linéaire, stationnaire et perturbé
x& ( t ) = A x ( t ) + Bu( t ) + E d d d ( t )
(1.3-2)
y( t ) = C x ( t ) + D u ( t ) + E m d m ( t )
où dd et dm sont les perturbations agissant respectivement sur l'état et les sorties.
1.3.2 Représentation d'état pour un système linéaire perturbé non stationnaire
x& ( t ) = A( t ) x( t ) + B( t )u( t ) + E d ( t )d d ( t )
(1.3-3)
y( t ) = C( t ) x ( t ) + D( t )u( t ) + E m ( t )d m ( t )
1.3.3 Représentation d'état pour un système non-linéaire
x& (t ) = f (x (t ), u (t ), t )
y(t ) = g(x (t ), u (t ), t )
(1.3-4)
1.4 Représentation par équation différentielle

Comme on l'a vu sur l'exemple précédent, un système monovariable, dynamique, linéaire et invariant peut être
représenté par une combinaison d'équations différentielles. Aussi, par une combinaison linéaire de ces équations on
peut obtenir une équation différentielle à coefficients constants, reliant la sortie et l'entrée du système. Pour les
exemples traités, on a obtenu des équations différentielles du premier et du deuxième ordre.
Plus généralement, on obtient une équation d'ordre n :
d n y( t ) d n −1 y( t ) du( t ) d m u( t )
+ a n −1 + L + a 0 y ( t ) = b 0 u ( t ) + b1 + L + bm ( 1.4-1)
dt n dt n −1 dt dt m
avec n ≥ m. Une telle équation différentielle est un outil mathématique puissant pour la modélisation, l'analyse du
fonctionnement ou la simulation d'un système monovariable. Elle permet lorsque l'entrée u(t) et les n conditions
initiales sont connues de calculer la sortie y(t).
Malheureusement, l'automaticien, concepteur d'un système de commande, est confronté à un autre problème : trouver
quelle commande u(t) il faut appliquer au système commandé, système que représente l'équation différentielle, pour
obtenir la sortie y(t) désirée (constante pour un problème de régulation ou variable pour un problème
d'asservissement). D'une certaine manière, il faut donc pouvoir inverser le modèle, l'utiliser pour calculer l'entrée,
connaissant la sortie ! Sachant par ailleurs qu'il est plus facile d'inverser des équations algébriques que des équations
différentielles, nous présentons un nouvel outil mathématique permettant de transformer une équation différentielle en
équation algébrique, on parle de "Transformée de Laplace".
1.4.1 Quelques outils : Transformée de Laplace, Transformée en Z et approximation d’Euler
La transformée de Laplace est un outil mathématique qui présente l'intérêt de transformer une équation différentielle en
équation algébrique. Les définitions et propriétés qui suivent existent sous certaines conditions qui sont vérifiées pour
les fonctions courantes que l'on utilise en automatique.
9
Définition 1.4.1-1 : La transformée de Laplace d'une fonction f(t) est définie par :
L[f ( t )] = F(p) = ∫0 e − pt f ( t )dt

∞
(1.4-2)
La variable p appartient au corps des complexes C.
Propriétés de base
• La transformée de Laplace est une application linéaire
L(f ( t ) + g( t ) ) = F(p) + G (p) (1.4-3)
♦ La dérivation et l'intégration d'une fonction s'écrivent :
 df 
L  = pF(p) − f 0 + ( ) (1.4-4)
 dt 
( ∞
)
L ∫0 f (τ )dτ =
F(p)
p
(1.4-5)
Par itération, ces formules peuvent être facilement étendues à une dérivation ou à une intégration d'ordre quelconque.
♦ La transformée de Laplace d'une fonction retardée s'écrit :
L[f (t − τ )] = e − τp F(p ) (1.4-6)
♦ La transformée du produit de convolution de deux fonctions est égale au produit des transformées :
( )
L ∫0 f (t − τ )g(τ)dτ = F(p)G (p)
∞
(1.4-7)
• Les relations suivantes permettent de calculer les évolutions aux limites :
lim f (t ) = lim pF(p ) (1.4-8)

t →∞ p →0
lim f (t ) = lim pF(p ) (1.4-9)

t →0 p →∞
♦ Transformées de Laplace de quelques fonctions f(t), utiles en automatique
f(t) F(p)
δ(t) : impulsion de Dirac 1
u(t) : échelon unité 1/p

t : rampe 1/p2
e −t τ 1
p +1 τ
Par ailleurs pour passer du temps continu au temps dicret on peut appliquer la transformée en Z ou l’apporximation
d’Euler.
10
1.4.2 Liens entre l’espace Z et Laplace :
L’opérateur retard d’une période d’échantillonnage dans l’espace Z est noté z −1

Si on choisit un pas d’échantillonnage T on peut donc écrire z −1 = e − sT
On a alors l’approximation au premier ordre (développement limité) e − sT = 1 − sT
Conclusion
1 − sT = z −1
z −1
et s= .
zT
1.4.3 Liens entre l’espace Z , Laplace et la transformtaion d’Euler à l’ordre 1:
z −1
Sachant s= , si l’on applique à une fonction de transfert H, on obtient :
zT
 z −1
H (s ) = H  
 zT 
Nous sommes passé d’un système continu à un système échantillonné, implantable sur calculateur. Cela correspond à
la méthode d’Euler
z −1 1 − z −1
sx(s ) = x(z ) = x(z )
zT T
x(n ) − x(n − 1)
x& (t ) =
T
1.4.4 Transformée de Laplace d'une équation différentielle
En appliquant les propriétés présentées ci-dessus, on obtient facilement la transformée de Laplace d'une équation
différentielle. Prenons, à titre d'exemple, l'équation générale (1.4-1) à laquelle on considère les conditions initiales
nulles.
On obtient alors :
b 0 + b1 p + L + b m p m
Y (p ) = U ( p) (1.4-10)
p n + a n −1 p n −1 + L + a 0
On a remplacé une équation différentielle par une équation algébrique et l'on peut connaissant Y(p) et la fonction de
transfert F(p)=Y(p)/U(p), calculer U(p). Connaissant U(p) on peut par transformation inverse de Laplace déterminer
u(t). Le transfert de u vers y est appelé fonction de transfert.
Définition 1.4.4-1 : La fonction de transfert d'un système est le rapport de la transformée de Laplace de la variable de
sortie à celle de la variable d'entrée, sous l'hypothèse que toutes les conditions initiales sont nulles.
La fonction de transfert est donc une fraction rationnelle, rapport de deux polynômes de la variable p. Les racines du
numérateur sont les zéros de la fonction de transfert, et celles du dénominateur sont les pôles. Ce sont des nombres
complexes.
11
1.4.5 Représentation par schéma bloc
Un système monovariable d'entrée u(t) et de sortie y(t) et de fonction de transfert F(p) peut être représenté par un
bloc, comme le montre la figure 4. Les flèches indiquent clairement le sens de propagation des informations (ou des
signaux), et donc quelle est l'entrée et quelle est la sortie. Un système est alors considéré comme un transformateur
d'informations ou de signal : il transforme le signal d'entrée en un nouveau signal, le signal de sortie.
U(p) Fonction de Y(p) X(p) X(p)-Y(p)

transfert +
F(p) -
Y(p)
U(p) Y(p) U(p) Y(p)

G1(p) G2(p) G1(p)G2(p)
G1(p)
U(p) Y(p) U(p) Y(p)

G1(p)+G2(p)
G2(p)
Figure 3 : Éléments de base du schéma bloc
Le schéma bloc d'un système est composé de blocs fonctionnels, de sommateurs et de comparateurs reliés entre eux
par des arc orientées. A chaque arc est associée une variable, et chaque bloc symbolise une transformation de
l'information (des signaux).
Tout système linéaire invariant non perturbé représenté par :
x& (t ) = A x (t ) + Bu (t )
 y( t ) = C x ( t ) + D u ( t ) (1.4-11)

peut être transcrit sous la forme d'un schéma bloc
L[dx(t)/dt] X(p)
Y(p)
U(p)
B I/p C
Figure 4 : Schéma bloc
Remarque : Dans le cas discret il suffit de remplacer dx/dt par xk+1 et I/p par I/z
12
1.4.6 Etude des fonctions de transferts d'un système bouclé
On considère un système à asservir représenté par la fonction de transfert G(p) et par un régulateur de fonction de
transfert K(p). On se propose de rappeler les différents transferts dans l’hpothèse où le gain du transfert de boucle est
élevé en basse fréquence et faible en haute Fréquence. L’objectif final étant de transposer l’étude dans le cadre d’une
synthèse de commande dans l’espace d’ état.
Rappel :
13
Après ce bref rappel nous allons montrer par un simple exemple qu’il est très important d’étudier la stabilité
interne, car un sytème bouclé peut présenter une stabilité externe stable alors que la stabilité interne ne l’est
pas. (voir illustration ci-après).
14
1.4.7 Propriétés des asservisements
Il convient de distinguer clairement la stabilité BIBI (bounded input / bounded output) de la stabilité inerne.
Stabilité BIBO : Elle exige que l’énergie des signaux en sortie y soit bornée dès que l’énergie fournie en entrée r est
bornée, i.e.
= G ( s ) K ( s )(1 + G ( s ) K ( s ) )
y( s) −1
T (s) =
r (s )
Stabilité Interne : elle exige que tous les signaux circulant dans la boucle soient d’énergie finie, i.e.,
= G ( s ) K ( s )(1 + G ( s ) K ( s ) )
y( s) −1
r (s ) b = wo = n =0
= S ( s ) = (1 + G ( s ) K ( s ) )
y( s) −1
wo (s ) b = w = n =0
o
= K (s )S ( s )
u ( s) u ( s)
=−
r (s ) b= wo = n= 0 n(s ) b = wo = n= 0
= G (s )(1 + G ( s ) K ( s ) )
y( s) −1
b(s ) r = wo = n = 0
Cette notion de stabilité interne est plus restrive mais plus importante en pratique puisque les composants à l’intérieur
de la boucle sont également sensibles aux énergies infinies.
Stabilité externe
Exemple, on considère le système G avec le correcteur K suivant
G (s ) = et K (s ) =
1 s
s (s + 1) (s + 1)
y( s) 1
On obteint dès lors = T ( s) =
r (s ) b = wo = n =0 1 + (s + 1)
2
Lequel est BIBO stable, puisqu’il n’y a pas de changement de signe au déniominateur (critère de Routh)
15
Stabilité interne
Instabilité interne, car d’après le transfert
s +1
= G (s )(1 + G ( s ) K ( s ) ) =
y( s) −1
b(s ) r = wo = n = 0 (
s 1 + (s + 1)
2
)
On constate qu’il y a eu simplification du pole instable s=0, par un zéro de K
1 s 1
G (s) K (s) = =
s (s + 1) s + 1 (s + 1)2
En conclusion une règle de base en Automatique est de s’assurer que lors du design de la commande il n’y a pas de
compensation de pôles et/ou de zéros instables entre K(s) et G(s) pour d’une part concerver les propriétés de stabilité
interne mais également une robustesse aux incertitudes paramétriques. Dans l’exemple ci-dessous P(s)=G(s).
1.4.8 Relation entre la représentation d'état d'un système monovariable et sa matrice de transfert
Représentation d'état :
x& (t ) = A x (t ) + Bu(t )
 (1.4-12)
 y(t ) = C x (t ) + Du (t )
Matrice de transfert :
y(p )
= G (p ) = C(pI − A )−1 B + D (1.4-13)
u (p )
En prenant la transformée de Laplace, le système (1.4-15) peut être réécrit sous la forme suivante :
p x (p ) − x (0 ) = A x (p ) + Bu(p )
 (1.4-14)
 y(p ) = C x (p ) + Du (p )
soit après élimination de la variable interne x :
y(p ) = C(pI − A )−1 Bu(p ) + (pI − A )−1 x (0 ) + Du (p ) (1.4-15)

On obtient alors pour des conditions initiales nulles (x(0)=0) la matrice de transfert (1.4-16). On remarquera que pour
tout système monovariable la matrice de transfert, correspond à la fonction de transfert habituelle, et est unique
contrairement à la représentation d'état.
16
1.5 Diverses représentations d'état
1.5.1 Exemple: modélisation d'un système électromécanique
Prenons par exemple la commande par l'induit d'un moteur à courant continu à flux constant.
Ka Ra Inducteur
ia(t La
f θ(t)
u(t) ua(t) Induit ub(t) J
Figure 5 : Schéma de principe du moteur à courant continu à flux constant et à commande par l'induit
Données :
ua(t) : tension d'alimentation de l'induit
ia(t) : courant d'induit
Ra, La : résistance et inductance de l'induit
ub(t) : force contre-électromotrice (réaction de l’induit)
Γm(t), Γr(t) : couple moteur et couple résistant de la charge
θ(t), w(t) : position et vitesse de rotation angulaires de l'arbre du moteur
J : moment d'inertie
F : coefficient de frottement visqueux
Ki : constante de couple
Kb : constante de force contre-électromotrice.
On cherche à modéliser le système présenté en figure 6 dont l'entrée est la tension u(t), et la sortie la position angulaire
θ(t). Appliquons la loi de Kirchhoff à l'induit, on obtient l'équation électrique :
di a ( t )
u a ( t ) = La + R aia ( t ) + u b ( t ) (1.5-1)
dt
avec u a ( t ) = K a u( t ) (1.5-2)
L'équation générale de la dynamique, modélisant la partie mécanique, est donnée par :
 dθ( t ) d 2 θ( t ) 
0 = Γm ( t ) −  f + Γr ( t ) + J (1.5-3)
 dt dt 2 

Rappel : Couple de sortie = Couple entré – Couple perdu
La relation entre la position angulaire et la vitesse de rotation s'écrit :
dθ( t )
= ω( t ) (1.5-4)
dt
Les équations de couplage reliant les parties mécanique et électriques expriment d'une part, le couple moteur en
fonction du courant d'induit et, d'autre part, la force contre électromotrice en fonction de la vitesse de rotation (ω).
17
Sous l'hypothèse de la linéarité de ces relations, on obtient :
Γm ( t ) = K i × i a ( t ) (1.5-5)
rappel : si flux constant alors Γm ( t ) = K i × i a ( t ) , si courant d'induit constant alors Γm ( t ) = K j × I( t ) et

fcem=0
dθ( t )
u b (t) = K b × = K b × ω( t ) (1.5-6)
dt
Si l'on suppose que toute la puissance électrique est convertie en puissance mécanique dans le moteur, on peut écrire :
P( t ) = u b ( t ) × i a ( t ) = Γm ( t ) × ω( t ) (1.5-7)
En remplaçant ub(t) et Γm(t) par leur valeur, on obtient :
Ki = Kb. (1.5-8)
L'ensemble des équations (1.5-1) à (1.5-8) représente l'étape de modélisation.Le lecteur pourra vérifier qu'il est non
trivial de décrire directement le transfert entre la sortie θ et l'entrée u du système. La représentation d'état est un outil
qui permet outre de décrire l'évolution interne de l'état du système mais elle permet d'établir aisément la fonction de
transfert entre la sortie et l'entrée.
1.5.2 Représentation d'état par variables physiques
Dans le cadre d'une représentation par variables physiques, toutes les composantes du vecteur d'état on implicitement
une signification physique. On considère ici le vecteur d'état x = [i a θ dθ dt ]T où la représentation interne du système
est donnée par :
− R a La 0 − K b La  Ka La   0 
     
x& =  0 0 1  x +  0 u +  0 Γr (t )
 K J 0 − f J   0   −1 J  (1.5-9)
 i     
y = (0 1 0 )x + (0 )u
1.5.3 Représentation d'état par variables de phase
Pour l'exemple précédent, on a obtenu des équations différentielles du premier et second ordre. On montre que le
transfert entre la sortie ω et l'entrée u du système peut aisément être obtenu par transformée de Laplace ou par lecture
directe du schéma bloc correspondant. Aussi, à partir de la fonction de transfert on montre comment obtenir les
variables de phases représentant une nouvelle représentation d'état dite formes canoniques. On montrera par ailleurs
l'intérêt de la représentation d'état sous forme canonique lors de la synthèse d'observateur et de régulateur (section 3).
On considère le système électromécanique représenté par la figure 6 dont les conditions initiales sont nulles (ia(0)=0 et
θ(0)=0). Cette représentation peut directement être transcrite sous la forme du schéma bloc suivant
Γr(p)
Ua(p) Ia(p) Γm(p) dθ(t)/dt
U(p) θ(t)
Ka + 1/(pLa+Ra) Ki + 1/(pJ+f) 1/p
Ub(p)
Kb
Figure 6 : Schéma bloc d'un moteur électrique à courant continu à flux constant et à commande par l'induit
18
A partir de ce schéma, on calcule aisément la fonction de transfert du moteur, reliant la vitesse ω (ou la position
angulaire θ) de l'arbre à la tension d'alimentation.
On obtient d'après le théorème de superposition :
Cas 1: Γr(p) = 0
Ω (p ) KiKa
⇒ 1 = (1.5-10)
U(p ) (L a p + R a )(Jp + f ) + K i K b
avec Ω(p ) = L[ω(t )] .
Cas 2: U(p) = 0
Ω (p ) R a + La p
⇒ 2 =− (1.5-11)
Γr (p ) (f + Jp)(R a + L a p ) + K i K b
K i U(p ) (R a + L a p )Γr (p )
soit : Ω(p ) = Ω 1 (p ) + Ω 2 (p ) = − (1.5-12)
(L a p + R a )(Jp + f ) + K i K b (f + Jp )(R a + L a p ) + K i K b
Sans perte de généralité, on considérera le couple résistant Γr(t) nul. La fonction de transfert entre la sortie ω et l'entrée
de commande u est alors représentée par :
Ω(p ) KiKa b0
= = 2 (1.5-13)
U(p ) (L a p + R a )(Jp + f ) + K i K b p + a 1 p + a 0
f R  R f + KiKb K K
où a 1 =  + a  , a 0 = a , et b 0 = i a .
 J L a  L a J La J
Elle est équivalente par adjonction de l’état à la représentation suivante :
Ω(p ) X (p ) 1
= b0 2 (1.5-14)
X(p ) U(p ) p + a 1p + a 0
Ω(p ) X(p ) 1
où = b 0 et = .
X(p ) U(p ) p 2 + a 1 p + a 0
Ou encore, sous la forme différentielle suivante :

L−1 [Ω(p ) = b 0 X(p )] ⇔ ω( t ) = b 0 x (t )

 −1 2
[( ) ] d 2 x (t ) (1.5-15)
L p + a 1 p + a 0 X(p ) = U(p ) ⇔
dx ( t )
2
+ a1 + a 0 x (t ) = u(t )
 dt dt
On considère que seule la vitesse angulaire y(t) = w(t) est mesurée et on choisit pour vecteur d'état, le vecteur
x = [x dx / dt ]T .
19
La représentation par variable de phase est alors donnée par la représentation suivante :
 0 1   0
x& =   x +  u
 − a 0 − a1   1 (1.5-16)
y = (b 0 0 )x
D'une manière plus générale on obtient une équation différentielle d'ordre n (1.4-1) où l'on peut obtenir une
représentation par variables de phases. Il suffit dans l'hypothèse où le système est relaxé (i.e. conditions initiales
nulles) et n > m (i.e. D=0), de transformer la fonction de transfert suivant le même principe que précédemment à savoir
Y (p ) b + b1 p + L + b m p m Y (p ) X (p )
= n0 = (1.5-17)
U (p ) p + a n −1p + L + a 0 X (p ) U (p )
n −1
X(p ) 1
avec = (1.5-18)
U(p ) p n + a n −1 p n −1 + L + a 0
Y(p )
= b 0 + b1p + L + b m p m (1.5-19)
X(p )
Les fonctions de transferts (1.5-8) et (1.5-19) donnent dans l'espace des temps les relations suivantes :
d n x (t) d n −1 x ( t )
+ a n −1 + L + a 0 x (t ) = u (t ) (1.5-20)
dt n dt n −1
dx ( t ) d m x (t )
y( t ) = b 0 x ( t ) + b 1 +L+ bm (1.5-21)
dt dt m
On choisit le vecteur d'état
 x (t )  x& 1 = x 2
 dx ( t )   x 1  x& 2 = x3
  x 
x (t ) =  dt = ⇒2
M (1.5-22)
 n −1M   M 
 d x(t )  x  x& 3 = x 4
 dt n −1   n  x& n = −a 0 x 1 − a 1 x 2 L − a n −1 x n + u
 
soit la représentation par variable de phase
 0 1 0 L 0  0
   
 M 0 1 L M  M
x& (t ) =  M M O O 0  x (t ) +  M  u (t ) (1.5-23)
   
 0 0 L 0 1  0
− a − a 1 L L − a n −1  1
 0  
y(t ) = (b 0 b1 b2 L bm 0 L 0 )x (t ) (1.5-24)
Cette représentation est équivalente à celle obtenue pour une décomposition canonique de commandabilité (voir
section formes canoniques).
20
2 REPONSE DES SYSTEMES LINEAIRES INVARIANTS

Cas étudié : système différentiel, linéaire et invariant à temps continu
2.1 Cas introductif: système scalaire

On considère un système scalaire décrit par :
x& = ax + bu

 y = cx (2.1-1)
x (0) = x
 0
Problème : déterminer l'évolution de x(t) et y(t) sous l'influence de u(t) et x(0).
2.1.1 ≠0 et u(t)=0)
Système libre ou autonome (x(0)≠
Un système est libre si la commande u(t) est nulle, on parle également de système autonome. L'évolution de l'état sera
alors fonction uniquement de la condition initiale x(t0) et de la variable a.
Preuve : On applique la transforme de Laplace de x& = ax donne :
x (0)
px (p) − x (0) = ax (p) ⇔ x (p) = (2.1-2)
p−a
soit en temporel : x ( t ) = e at x (0 ), y( t ) = cx ( t ) (2.1-3)
2.1.2 Système forcé
On considère le système scalaire décrit par :
x& = ax + bu (2.1-4)
On obtient d’après Laplace:
x ( 0) 1
px (p) − x (0) = ax (p) + bu (p) ⇔ x (p) = + bu (p) (2.1-5)
p−a p−a
Par la transformation inverse de Laplace, l'évolution de x(t) est donnée par :

t
x( t ) = e at x(0 ) + e a( t − τ ) bu( τ )dτ
∫ (2.1-6)
0
y( t ) = cx( t )
Rappel : le produit de 2 fonctions de Laplace donne un produit de convolution dans le domaine des temps
21
2.2 Cas général

On considère le système multivariable décrit par :
x& = A x + Bu

 y = Cx + Du (2.2-1)

x (0 ) = x 0
2.2.1 ≠0 et u(t)=0)
Système autonome (x(0)≠
Le système à considérer est donné par :
x& = A x (2.2-2)
on prend la transformation de Laplace :
x ( 0)
x ( p) = (2.2-3)
pI − A
La transformation inverse de Laplace donne l'évolution de x(t) suivante :
x ( t ) = e At x (0 )
(2.2-4)
y(t ) = Cx (t )
2.2.2 Système forcé
Le système à considéré est donné par :
x& = A x + Bu (2.2-5)
on prend la transformation de Laplace :
x (p) = (pI − A )−1 x (0) + (pI − A )−1 Bu (p) (2.2-6)
Sachant que e At = L−1 (pI − A )−1 , la transformation inverse de Laplace donne l'évolution de x(t) suivante :
t
x ( t ) = e At x (0 ) + ∫ e A ( t − τ) Bu (τ)dτ
0 (2.2-7)
y( t ) = C x ( t )
où e At est appelée matrice de transition et est notée Φ(t ) .
2.3 Méthode de calcul de la matrice de transition Φ (t ) = e At
2.3.1 Calcul de eAt par l'étude des valeurs et vecteurs propres de A
Problème : Résoudre x& = A x avec x (0 ) ≠ 0 .
On cherche une solution x(t) sous la forme d'une série
x (t ) = A 0 + A 1 t + L + A n t n + L (2.3-1)
avec A 0 , A1 , L , A n vecteurs inconnus.
22
Solution : On calcule x& (t ) :

x& (t ) = A 1 + 2A 2 t + L + n A n t n −1 + L (2.3-2)
On reporte dans l'équation différentielle x& = A x :

A1 + 2A 2 t + L + n A n t n −1 + L = A A 0 + A A1t + L + A A n t n + L (2.3-3)
On identifie terme à terme :

A1 = A A 0
2 A 2 = A A1
(2.3-4)
3A 3 = A A 2
M
et sachant que A 0 = x 0 (voir eq. (2.3-1)) on obtient les relations suivantes (x(0) est connue, c’est l’état initial) :
A1 = Ax 0
1 2
A2 = A x0
2
1
A3 = A3 x0 (2.3-5)
2×3
M
1 n
An = A x0
n!
 A2 2 An n 
d'où x(t ) =  I + At + t +L+ t + L x 0 (2.3-6)
 2 n! 
 
On pose :
A2 2 An n
e At = I + At + t +L+ t +L (2.3-7)
2 n!
La matrice d'évolution A est au plus d'ordre égal à la dimension de l'état du système, en l'occurrence (n). En
conséquence :
(
A n = e A n −1 , A n −2 ,L )
M (2.3-8)
A n+i
=gA ( n −1
,A n −2
)
,L , i > 0
A2 2 An n
et la relation e At = I + At + t +L+ t + L est finie, elle est donnée par :
2 n!
e At = α 0 I + α1A + L + α n −1A n −1 (2.3-9)
où les coefficients αi dépendent du temps et sont à déterminer.
( )
L'affirmation A k = f A, A 2 , L , A n −1 avec k ≥ n, découle directement du théorème de Caley Hamilton. Théorème
que l'on présentera dans la prochaine section.
23
Détermination des coefficients αi :

)
On applique le changement de base T (x = T x ) au système x& = A x , tel que :
λ 1 0
 
λ2
T −1 AT = Λ =   (2.3-10)
 O 
 
0 λn 
où λi sont les valeurs propres associés à la matrice A et T les vecteurs propres.
On étudiera la mise en œuvre de la matrice T et le calcul des valeurs propres λi dans l’exemple ci-après.
)
Partant de l'hypothèse qu'il existe ce changement de base régulier T (x = T x ) , le système x ( t ) = e At x (0 ) est donné
dans la nouvelle base par le système équivalent suivant :
) ) ) )
x ( t ) = T −1e At T x (0 ) = e T AT× t x (0 ) = e Λ×t x (0 )
−1
(2.3-11)
et la relation e At = α 0 I + α1A + L + α n −1A n −1 devient :
(
T −1 e At T = T −1 α 0 I + α1 A + L + α n −1 A n −1 T ) (2.3-12)
Λt −1 −1 n −1
⇔e = α 0 I + α 1 T AT + L + α n −1 T A T
On explicite cette dernière forme :
 eλ1t  α  α n −1λn1 −1 
   0   α1λ1   
 λ2t
  α   α λ  n −1
e
 0
  1 2
  α n −1λ 2 
 O  O O  O 
 λt = α0
+ α1λ i
 +L+
 α n −1λni −1 
(2.3-13)
 e i
    
 O
  O
  O 
 O   α0   α1λ n   n −1 
 λn t       α λ
n −1 n 
 e 
Conclusion : Connaissant λi, on détermine les coefficients inconnus αi en résolvant le système de n équations à n
inconnues suivant :
λi t
e = α 0 + α 1 λ i + L + α n −1λni −1 , i = 1 à n (2.3-14)
( )
)
La solution x ( t ) = e At x (0 ) = α 0 I + α 1 A + L + α n −1 A n −1 x (0 ) = T x ( t ) = Te Λ× t T −1 x (0 ) peut alors être déterminée
d'après les deux procédures suivantes :
1ère procédure, on détermine les valeurs propres de A, les puissances Ai et les coefficients αi, on obtient :
( )
x ( t ) = e At x (0 ) = α 0 I + α 1 A + L + α n −1 A n −1 x (0 ) (2.3-15)
Détermination :
des valeurs propres de A : det(A-λI)=0,
des coefficients αi : résoudre le système (2.3-13)
24
2ème procédure, on détermine les valeurs propres de A et les vecteurs propres associés, on obtient :
x ( t ) = Te Λ×t T −1 x (0 ) (2.3-16)
Détermination :
des vecteurs propres vi, associés aux valeurs propres λi : résoudre Aivi=λvi.
− 3 − 1
Application : On considère la matrice A =   et l'on souhaite déterminer x ( t ) = e x (0 ) .
At
 2 0 
1ère procédure : Le système est d'ordre 2., la détermination des puissances Ak avec k ≥ 2 n'est donc pas nécessaire,
seule la résolution des deux équations suivantes est nécessaire (2.3-13) :
e λ 1 t = α + α λ
 0 1 1
 (2.3-17)
λ t
e 2 = α 0 + α 1 λ 2
avec λ1 et λ2 solutions de det (λI 2 − A ) = 0 .
Ayant déterminés α0 et α1, on a directement :
x ( t ) = e At x (0 ) = (α 0 I + α 1 A )x (0 ) (2.3-18)
Solution : On calcul les valeurs propres de A,
λ + 3 1
det (λI 2 − A ) = 0 ⇔ det  = (λ + 3)λ + 2 = λ2 + 3λ + 2 = 0 (2.3-19)
 − 2 λ
On obtient λ1 = -1 et λ2 = -2.
La résolution du système :
e λ1t = α 0 + α 1 λ 1 e − t = α 0 − α 1

 λt ⇔  −2t (2.3-20)
e 2 = α 0 + α 1 λ 2 e = α 0 − 2α 1
α1 = e − t − e − 2 t
donne :  (2.3-21)
α 0 = α1 + e − t = 2e − t − e − 2 t
 − e − t + 2e −2 t − e − t + e −2 t 
soit x ( t ) = (α 0 I + α 1 A )x (0 ) =  − t  x (0 ) .
 2e − 2e
− 2t
2e − t − e − 2 t 
2ème procédure : Recherche des vecteurs propres associés aux valeurs propres λ1 = -1 et λ2 = -2.
Solution : Le vecteur propre V1 associé à λ1 = -1 est :
 − 3 − 1 V11  V 
(A − λ1 I )V1 = 0 ⇔    = − 11 
 2 0  V12   V12 
⇔ 2V11 = −V12
Le vecteur propre V2 associé à λ2 = -2 est :
 − 3 − 1 V21  V 
(A − λ 2 I )V2 = 0 ⇔    = −2 21 
 2 0  V22   V22 
⇔ V21 = −V22
25
V V 
La matrice T =  11 21  composée des deux vecteurs propres V1 et V2 à pour inverse :
 V12 V22 
 − V21 − V21   − 1 − 1 
−1    
 V V21   2V11 V11   V11 V11 
T −1 =  11  = =
 − 2V11 − V21  V11 V21  2 1 
V V 
 21 21 
Soit la solution :
 −1 −1 
−  
 V V21  e  t 
x ( t ) = Te Λ× t T −1 x (0 ) =  11 x (0 )
0  V11 V11 

 − 2V11 − V21  0 e − 2 t  2 1 
V V 
 21 21 
(2.3-22)
 − e −t −e −t 

 V V21  V11 V11   − e − t + 2e − 2 t − e − t + e − 2 t 
=  11  x (0 ) =  − t  x (0 )
 − 2V11 − V21  2e − 2 t e − 2t 
 2 e − 2e −2t
2 e −t
− e − 2t 

 
 V V21 
 21
2.3.2 Calcul de Ak à l'aide du théorème de Caley – Hamilton
On considère une matrice A carrée d'ordre n. Soient λ1, λ2, …. λn, les valeurs propres de A. Par définition les valeurs
propre de A sont les solutions de l'équation caractéristique :
P(λ ) = det (λI − A ) = 0 (2.3-23)
Théorème 2.3.2-1: La matrice A vérifie son équation caractéristique

P(A)=0 (2.3-24)
Application : On considère la matrice A suivante :
 2 1
A=  (2.3-25)
− 1 3
et l'on souhaite déterminer les puissances Ak.
Solution : On calcule les valeurs propres de A,
 λ − 2 −1 
det (λI 2 − A ) = 0 ⇔ det   = 0 (2.3-26)
 1 λ − 3
On obtient l'équation caractéristique suivante :
(λ − 2)(λ − 3) + 1 = 0 ⇔ λ2 − 5λ + 7 = 0 (2.3-27)
où d'après l'application du théorème de Caley Hamilton
P(A ) = 0 ⇔ A 2 − 5A + 7I 2 = 0 (2.3-28)
 3 5
soit A 2 = 5A − 7I =   (2.3-29)
− 5 8 
Calcul A3 : A 3 = A 2 A = (5A − 7I 2 )A = 5A 2 − 7A = 5(5A − 7I 2 ) − 7A = 18A − 35I (2.3-30)
Remarque : Cette exercice, montre que pour une matrice carrée d'ordre n, on a : A k = f A, A 2 , L , A n −1 , k ≥ n. ( )
26
2.3.3 Méthode de calcul de eAt par transformée de Laplace inverse
On détermine directement la matrice d'évolution Φ(t) par l’inverse de la transformation de Laplace :
Φ ( t ) = e At = L−1 (pI − A )−1 (2.3-31)

Application : On considère le système SISO suivant :
 − 3 2 3 2  6
x& =   x +  u
 1 6 − 3 2 0
y = (0 1)x (2.3-32)
x (0 ) = 0
Problème: Rechercher l'évolution y(t) sachant que l'entrée u est un échelon unité.
Première étape : on détermine Φ( t ) = e At = L−1 (pI − A )−1 [ ]

  3   3 
  p+   
 L  
−1 2 −1 2
  L 
 3 3 
−1 
  3 3    (p + 1)(p + 2 )   (p + 1)(p + 2 ) 
 p + − p +
[(pI − A) ]
        
−1 −1 −1 
=L  2 2   = L−1 
1
 2 2  =    
L
 3  
 − 1 3
p +   2
1  1  1   3 
  p +
3 p +   +
 6 2   −  6 2   −1    p 
    2 4  L  6
 L−1  2

 (p + 1)(p + 2 )  (p + 1)(p + 2 ) 

     

On décompose en élément simple les expressions :
 3 
 p+  a b  α   1 1  1 3
L−1  2
= + et L−1   = α −  avec α = ;=
 (p + 1)(p + 2 )  p + 1 p + 2  (p + 1)(p + 2 )   p +1 p + 2  6 2
 
On obtient :
 1 −t
 e +e( −2t
) 32 (e −t
− e −2t ) 
Φ (t ) =  2  (2.3-33)

6
(
 1 e − t − e −2t ) 12 (e −t
)
+ e − 2 t 

Deuxième étape : on détermine y(t) sachant que u(t)=1

t
A ( t − τ)
x ( t ) = e At x (0 ) + ∫e Bu (τ)dτ
τ= 0 (2.3-34)
y( t ) = C x ( t )
27
Par hypothèse les conditions initiales sont nulles, par conséquent :

t t  Φ (t − τ ) Φ (t − τ )  6  t  6Φ (t − τ ) 
x ( t ) = ∫ Φ(t − τ )Bu(τ)dτ = ∫  11 12
 dτ = ∫  11 dτ
0 0  Φ 21 (t − τ ) Φ 22 (t − τ ) 0  0  6Φ 21 (t − τ )
y( t ) = C x ( t ) = (0 1)x ( t )
La sortie y(t) à déterminer est réduite à :

t
y( t ) = ∫ 6Φ 21 (t − τ )dτ (2.3-35)
0
On calcule l'intégrale :
τ= t
( )
y ( t ) = ∫ e − ( t − τ ) − e − 2 ( t − τ ) dτ
τ =0
Par le changement de variable t-τ = v, on obtient :

t
( ) [ ]  e −v 
v =t t 1 1 −2 t
y( t ) = ∫ e − v − e −2 v dv = − e − v 0 − − −t
 = −e + e
v =0  2 0 2 2 (2.3-36)
y(0) = 0 et y(t → ∞ ) =
1
2
28
3 COMMANDABILITE ET OBSERVABILITE
3.1 Etude des propriétés de commandabilité
3.1.1 Commandabilité des sorties
La commandabilité est la possibilité de transférer un système d'un état initial à un état de consigne. Cependant, le
facteur déterminant d'un asservissement reste souvent son comportement en termes de sorties : on devra alors
caractériser la sortie du système d'une valeur initiale à une valeur de consigne, ce qui conduit à la définition suivante:
Définition 3.1.1-1 (commandabilité vis à vis des sorties) : Un système est complètement commandable vis à vis des
sorties à l'instant t1 s'il existe une commande u permettant d'amener en temps fini le vecteur d'une valeur initiale y(t1)
quelconque donnée à une valeur y2(t2) quelconque choisie.
Théorème 3.1.1-1 (commandabilité vis à vis des sorties) : Un système linéaire stationnaire est commandable vis à vis
des sorties si et seulement si
[
rang CB CAB L CA n −1B = m ] (3.1-1)
où m est la dimension de y.
Démonstration : On considère le système discret suivant :
x k +1 = A x k + Bu k ; y = Cx k (3.1-2)
k
l'instant initial t1 et la sortie y(t 1 ) correspondante.
L'objectif est de déterminer la séquence de commande permettant d'amener en un temps fini t2-t1 la sortie y(t 1 ) vers
y(t 2 ) . L'instant t1 correspond à k=0, il vient :
x 1 = A x 0 + Bu 0
x 2 = A x 1 + Bu 1 = A 2 x 0 + ABu 0 + Bu 1
x 3 = A x 2 + Bu 2 = A 3 x 0 + A 2 Bu 0 + ABu 1 + Bu 2
(3.1-3)
M
x n = A n x 0 + A n −1Bu 0 + L + ABu n −2 + Bu n −1
⇒ y = Cx n = CA n x 0 + CA n −1Bu 0 + L + CABu n −2 + CBu n −1
n
soit sous forme matricielle
 u n −1 
[ 
y n − CA n x 0 = CB CAB L CA n −1B  M 
 ] (3.1-4)
 u 0 
La séquence de commande u permettant d'amener y(t 1 = 0 ) vers y(t 2 ) existe, si et seulement si la matrice
[CB ]
CAB L CA n−1 B est inversible à droite, on parlera de speudo-inverse car la matrice n'est pas carrée. Une
matrice est speudo-inverse droite, si et seulement si elle est de plein rang ligne. Il faut par conséquent que
[ ]
rang CB CAB L CA n −1 B = m , CQFD. Le temps t2-t1 correspond quant à lui, aux n échantillons multipliés par la
période d'échantillonnage.
29
La séquence u est donnée par :
u n −1 
 [ n −1 +
 M  = CB CAB L CA B y n − CA x 0
n
]( ) (3.1-5)
 u 0 
où [X ]+ représente la speudoinverse droite de [X ] , tel que [X ][X ]+ = I m . (3.1-6)
La démonstration reste valable dans le cas continu.
Rappel mathématique sur le calcul du rang d'une matrice.
Définition 3.1.1-2 : Une matrice A(n, n+l) est de rang m ≤ n < n+1 si le nombre mininal du couple (nombre maximal
de lignes indépendantes, nombre maximal de colonnes indépendantes) est m. Les lignes ou colonnes supplémentaires
entraînent une combinaison linéaire avec les m lignes ou colonnes précédentes.
Manière de déterminer le rang d'une matrice
♦ La matrice A(n, n) est de rang m s'il existe une matrice de sous dimension (m, m) tel que le déterminant de cette
sous matrice est différent de zéro et tel que tout déterminant carré (r,r) avec r > m+1 soit nul.
1 2 3
Exemple : La matrice A = 4 5 6 est de rang 2, car seul 2 lignes sont linéairements indépendantes.
2 4 6
3.1.2 Commandabilité des états
Théorème 3.1.2-1 (commandabilité vis à vis de l'état) : Un système linéaire stationnaire est commandable vis à vis des
états si et seulement si le critère de Kalman est vérifié, à savoir :
[ ]
C (A, B ) = rang B AB L A n −1 B = n (3.1-7)
où n est la dimension de x.
La propriété de commandabilité vis à vis des sorties peut être vérifiée sans que le système soit commandable ou
observable vis à vis de l'état, comme le prouve le cas de tout système dont les modes non commandables ne seraient
pas non plus observables.
D'autre part, un système peut être complètement commandable et observable sans l'être vis-à-vis de ses sorties, comme
le prouve l'exemple de la figure 8. On a dans cet exemple :
x& = − x + u
 1 
 1 ⇒ A = −1; B = 1; C =   (3.1-8)
 y =  2 x  2
  
On veut [ ]
rang B AB L A n −1 B = n = 1 et [ ]
rang CB CAB L CA n −1 B = m = 2 or on obtient
[ ]
rang CB CAB L CA n −1 B = rang[CB] = rang[B] = 1 . Les propriétés de commandabilité par rapport à l'état et de
commandabilité vis à vis des sorties sont donc distinctes, ici la complète commandabilité des sorties n’est pas vérifiée.
30
La fonction de transfert est donnée par :
 Y (p ) 1  1 1  1 / p
Y (p) =  1  = C(p − A )−1 BU(p) =   U ( p) =   U ( p) (3.1-9)
Y2 (p )  2 p + 1  2 1 + 1 / p
On en déduit le schéma bloc suivant. Il montre que les deux sorties présentent la même dynamique, le système n’est
donc pas commandable vis à vis des sorties. On ne peut pas agir sur u pour ramener y1 et y2 vers deux points
quelconques choisis, alors que x est commandable.
L(dx(t)/dt) L(x(t)) y1
u
1/p
+ +
y2
- 2
Figure 7 : Système non commandable vis à vis des sorties mais commandable vis à vis de l'état
En pratique, les sorties mesurées sont généralement choisies linéairement indépendantes, ce qui impose rang (C) = m.
Dans ce cas, la commandabilité vis à vis de l'état implique celle vis à vis des sorties, la réciproque est fausse. On
considèrera à l'avenir que nous sommes toujours dans le cas où rang(C)=m (dans le cas contraire, il est toujours
possible par un changement de base adéquat de s'y ramener).
On considèrera également que le système représenté par sa fonction de transfert Y(p)/U(p) et sa représentation d'état
est strictement propre (i.e. D=0), soit :
x& = A x + Bu
 (3.1-10)
y = Cx
Y(p )
= C(pI n − A )−1 B (3.1-11)
U(p )
Définition : Un système est strictement propre si le degré du numérateur de sa fonction de transfert est de degré
strictement inférieur au degré du dénominateur.
Théorème 3.1.2-2 (Critère de Kalman): Le système d'équation d'état (3.1-10) est complètement commandable (CC)
s'il est possible en agissant sur u d'amener en un temps fini (t1-t0) n'importe quel état x(t0) vers n'importe quel autre
état x(t1) (voir figure 9 ci-après).
( )
Condition Nécessaire et Suffisante (CNS) : rang B AB L A n −1 B = n ker (B AB … An-1B)T = 0
(
Si ker B AB L A n −1B ) T
= (x 1 x 2 L x n )T ≠ 0 les états x i ≠ 0 non nuls correspondent aux états NC
Esquisse de démonstration :
x 1 = A x 0 + Bu 0  un 
 
x 2 = A x 1 + Bu 1 = A 2 x 0 + ABu 0 + Bu 1
M
u
[ −1
](
⇒  n −1  = B AB L A n −1 B x n − A n x 0 .
 M 
)
 
x n = A n x 0 + A n −1 Bu 0 + L + ABu n −1 + Bu n  u 0 
31
Proposition : Si le système (3.1-10) n'est pas complètement commandable, il est équivalent à un système de la forme :
ξ& 1 = A1ξ1 + A 2 ξ 2 + B1u


ξ& 2 = A 3 ξ 2 (3.1-12)
y = C ξ + C ξ
 1 1 2 2
Démonstration : Si le système (3.1-10) n'est pas complètement commandable, le rang de C(A, B) est strictement
inférieur à n. Alors E1=Im C(A, B) est un sous-espace strict de ℜn qui est stable par A ou peut être rendu stable par la
commande u. Soit E2 un supplémentaire de E1 dans ℜn. En choisissant une base de E1 et de E2 on obtient la
forme (3.1-12). Dans cette forme, l'évolution de ξ2(t) est indépendante de la commande, ce qui pose problème si A3 est
instable car alors ξ2(t) diverge indépendamment de la commande.
Cela nous amène à une seconde notion, à savoir la stabilisabilité que l'on étudiera dans la section 3.2.2.
x(t0)
x1
+
x(t1)
+
x3
x2
Figure 8 : Représentation géométrique de la notion de commandabilité
Exemple : Système discret d'ordre n=2 et de conditions initiales nulles :
x k +1 = A x k + bu k (3.1-13)
L'état x(t1=2) est atteint en 2 (=t1-t0) périodes d'échantillonnage (t0=0)
x 1 = A x 0 + bu 0 = bu 0
(3.1-14)
x 2 = A x 1 + bu 1 = A bu 0 + bu 1
x2
x(t2)
bu(1)
Abu(0) x1
x(t0)
Figure 9 : Atteinte de x(t2=2) en 2 unités de temps en agissant sur u
Remarques : Si b et Ab sont linéairements indépendants en agissant sur u, on peut aller de l'état initial x(t0) à l'état
final choisi x(t2) en 2 étapes.
Si b et Ab sont colinéaires on peut atteindre x(t2) en 1 étape, comme on peut ne jamais l’atteindre, cela
dépend de b. En effet, si b et Ab ne sont pas linéairement indépendant alors A2b, A3b, … ne le sont pas,
cela implique que le système n'est pas complètement commandable, il est commandable dans le sous
espace défini par b.
32
3.2 Etude des propriétés d’observabilité
3.2.1 Observabilité des états
L'observabilité est dual de la commandabilité. On constate en effet que la matrice d'observabilité
( )
T
O (A C ) =  C T (CA )T L CA n −1 
T
 est identique à la matrice de commandabilité qui serait associée à un système
 
fictif d'état ξ et d'entrée y :
ξ& = A T ξ + C T y (3.2-1)
On peut effectuer, à partir de la matrice d'observabilité, toutes les manipulations relatives à la commandabilité.
Théorème 3.2.1-1 (Critère de Kalman): Un système d'équation d'état est complètement observable (CO) si étant
donné t0 il existe t1 tel que la connaissance de y sur (t0, t1) permette de déterminer de manière unique x(t0) :

T

( )
Condition Nécessaire et Suffisante (CNS) : rang  C T (CA)T L CAn −1  = n ker (O(A,C)) = 0
I ker (CA ) = 0 . Rappel : rang (Obs( A, C ) + dim(ker (Obs( A, C )) = n

n
i −1
⇔
i =1
( )
T
Si ker  C T (CA)T L CA n −1  = (x x L x )T ≠ 0 , les états x ≠ 0 correspondent aux états non observables.
T
 1 2 n i
 
Démonstration triviale (voir commandabilité).
Il découle de ce théorème que s'il existe un vecteur x non nul appartenant au noyau de la matrice d'observabilité alors
ces composantes non nulles sont les états non observables (sous réserve que la matrice C ne présente pas de couplage).
Le fait qu'il existe un vecteur non nul appartenant au noyau de la matrice d'observabilité signifie qu'il existe une
combinaison linéaire des vecteurs que forme cette matrice et donc cette dernière n'est pas de plein rang donc le
système est non complètement observable.
y(t)
x(t0)
+
t
t0 t1
Figure 10 : Représentation géométrique de la notion d'observabilité
Proposition : Si le système (3.1-10) n'est pas complètement observable, il est équivalent à un système de la forme :
ξ& 1 = A 1 ξ1 + A 2 ξ 2 + B1 u
 &
ξ 2 = A 3 ξ 2 + B 2 u (3.2-2)
y = C ξ
 2 2
Démonstration : Si le système (3.1-10) n'est pas complètement observable, le rang de O(A, C) est strictement inférieur à
n. Alors E1=Ker O(A, C) est un sous-espace strict de ℜn qui est stable par A ou peut être rendu stable par la commande u.
Soit E2 un supplémentaire de E1 dans ℜn. En choisissant une base de E1 et de E2 on obtient
la forme (3.2-5).
33
Définition 3.2.1-1: Les valeurs propres de A1 sont dites modes propres inobservables de A et les valeurs propres de A3
modes propres observables de A. Si la matrice de mesure C ne présente pas de couplage alors les éléments non nuls de
E1 = Ker O(A, C) sont les états non observables du système original x (Critère de Popov).
On constate sur le système (3.2-5) qu'il est impossible de déterminer ξ1(t) à partir des mesures y et des entrées u. En
conséquence si un des modes propres associés à l’état ξ1(t) non observable est instable (partie réelle ≥ 0) on ne peut
observer son évolution et donc on ne peut agir par une commande adéquate pour stabiliser cet état.
3.2.2 Stabilisabilité et détectabilité
Les notions de commandabilité et d'observabilité ne font pas apparaître de distinction entre les comportements stables
et les comportements instables. Pourtant la propriété de la stabilité est très importante en général et en particulier dans
de nombreux cas où le système n'est pas complètement commandable ou observable.
Par exemple, on peut admettre qu'un mode reste non commandable, à condition que la partie correspondante de l'état
soit asymptotiquement stable, c'est à dire tende vers zéro quelles que soient ses conditions initiales : dans ce cas, l'effet
de ce mode sur la sortie du système est réduit à un transitoire, et n'affecte pas son régime permanent. Dans le cas
contraire, un mode observable non commandable, et instable, ferait diverger la sortie malgré toute les régulations par
retour d'état envisageables.
De même, un mode instable et non observable peut poser de graves problèmes, ne serait-ce qu'au niveau énergétique,
même (et a fortiori) si ses effets ne sont pas immédiatement perçus au niveau des sorties.
Les cas d'instabilité de modes non commandable ou non observables sont donc problématiques car ils excluent toute
régulation de leur comportement par une boucle fermée. Ainsi, même si on accepte une observabilité et une
commandabilité incomplètes, deux propriétés seront à vérifier (détectabilité et stabilisabilté) :
Propriété 3.2.2-1: La paire (A, B) (respectivement le système) est stabilisable si et seulement si tous ses modes non
commandables sont asymptotiquement stables.
Remarque : Les modes sont les pôles de la matrice de transfert y/u ou encore les valeurs propres de la matrice
d'évolution A.
Propriété 3.2.2-2 (Critère de Popov): La paire (A, B) (respectivement le système) est stabilisable si ses modes
instables sont commandables :
♦ rang (B, pI n − A ) = n ∀p ∈ C, ℜ(p ) ≥ 0 système stabilisable (3.2-3)
∀p ∈ C système commandable
p = det(A-pI) = 0
♦Les modes p qui font chuter le rang sont les modes non commandables
♦ ker (B pI − A )T = (x 1 x 2 L x n )T les états xi ≠ 0 correspondent aux états non commandables
Théorème 3.2.2-1 : La paire (A, B) (respectivement le système) est stabilisable si et seulement si, il existe une matrice
constante K telle que A+BK soit asymptotiquement stable.
La détectabilité est dual de la stabilisabilité, il vient :
Propriété 3.2.2-3 : La paire (A, C) (respectivement le système) est détectable si et seulement si tous ses modes non
observables sont asymptotiquement stables.
34
Propriété 3.2.2-4 (Critère de Popov): La paire (A, C) (respectivement le système) est détectable si ses modes instables
sont observables:
♦ rang C  = n ∀p ∈ C, ℜ(p ) ≥ 0 système détectable (3.2-4)

 pI n − A 
∀p ∈ C système observable
♦ Les modes p qui font chuter le rang sont les modes non observables
 pI − A 
♦ ker   = (x 1 x 2 L x n )T les états xi ≠ 0 correspondent aux états non observables
 C 
Théorème 3.2.2-2 : La paire (A, C) (respectivement le système) est détectable si et seulement si il existe une matrice
constante K telle que A+KC soit asymptotiquement stable. La matrice K représente le gain du retour d'état stabilisant
l’erreur d’estimation (voir section estimation d’état).
3.2.3 Commandabilité et observabilité : système monovariable non dégénéré
Le cas où le système n'est pas complètement commandable ou observable correspond à une dégénérescence de l'ordre
de la fonction de transfert F(p)=C(pIn-A)-1B, c'est à dire lorsque numérateur et dénominateur ont un ou plusieurs
pôles / zéros en communs.
Définition 3.2.3-1 : Le système x& = A x + Bu , y = Cx est non dégénéré s'il est complètement commandable (CC) et
complètement observable (CO).
Propriété 3.2.3-1 : Le système x& = A x + Bu , y = Cx est non dégénéré si et seulement si sa fonction de transfert F(p)
est irréductible, de degré égal à l'ordre du système (i.e. si elle ne présente pas de simplification d'un pôle par un zéro).
Théorème 3.2.3-1 : Un système dynamique est CC et CO si sa fonction de transfert (toutes simplifications effectuées)
admet un dénominateur égal au polynôme caractéristique de sa matrice A.
Pour un système non dégénéré, il est équivalent de travailler sur la fonction de transfert ou sur l'équation d'état, ce qui
n'est pas le cas lorsqu'il y a non observabilité ou non commandabilité de certains modes. Exemple d'un système
dégénéré (même fonction de transfert mais représentation d'état différente).
u y u y
+ +
1/p 1/p
b-a
+ + b-a
b bb
b
Figure 11 : si b=a perte de commandabilité si b=a perte d'observabilité
35
3.3 Exercice
On considère le système
x& = Ax + Bu
y = Cx
 1
où A = 0 1  , B =   et C = [0 1].
0 − 4 0 
 pI − A 
La paire (A, C) est complètement observable rang   = n n'existe pas de x ≠ 0 vecteur propre droite de A
 C 
tel que Cx = 0 .
Critère similaire pour la commandabilité. Pouvez vous deviner lequel ?
Réponse : La paire (A, B) est complètement commandable rang[pI-A, B] = n n'existe pas de y ≠ 0 vecteur
propre gauche de A tel que yTB = 0 .
3.3.1 Déterminer le(s) modes et le(s) état(s) non observable(s)
Réponses : Critère de Popov, mode 1:
p I − A
rang  1  = 1 < n = 2 (chute de rang => le mode p1 = 0 est un mode non observable en limite de stabilité)
 C 
Il y a chute de rang donc le noyau est non nul, les composantes non nulles sont les états non observables.
 p I − A   x 1 
ker   1   =   => l'état x1 est l'état non observable
 C   0 
Critère de Popov, mode 2 :
p I − A 
rang  2  = 2 = n (pas de chute de rang => le mode p2 = -4 est un mode observable)
 C 
Il n'y a pas de chute de rang donc le noyau est nul
  p I − A   0 
ker   2   =  
  C   0
Critère de Kalman :
 C 
 
  CA    0 1   x1 
ker  = ker  = 
 M   0 − 4   0 
 
 CA n −1 
 
Comme dans le critère de Popov on retrouve que l'état x1 est bien l'état non observable !.
Remarque on peut retrouver ces résultats directement en écrivant le système sous forme non matricielle :
x& 1 = x 2 + u
x& 2 = −4x 2
y = x2
36
3.3.2 Déterminer le(s) modes et le(s) état(s) non commandable(s)
Réponses : Critère de Popov, mode 1:
rang[p1I − A B] = 2 = n (pas de chute de rang => le mode p1 = 0 est un mode commandable)
Il n'y a pas de chute de rang donc le noyau est nul
( )0
ker [p1I − A B]T =   ; p1 = 0
0
Critère de Popov, mode 2 :
rang[p 2 I − A B] = 1 < n = 2 (chute de rang => le mode p2 = -4 est un mode non commandable mais stable)
Il y a chute de rang donc le noyau est non nul, les composantes non nulles sont les états non commandables.
( ) 0
ker [p 2 I − A B]T =  
x2 
=> L'état x2 est non commandable.

Critère de Kalman :

[ T

]  1 0  0 
ker  B BA L BA n −1  = ker   =  
0 0  x2 
Comme dans le critère de Popov on retrouve que l'état x2 est bien l'état non commandable ! .
3.3.3 Conclure sur la stabilisabilité et la détectabilité du système
Le mode p1 est nul (en limite de stabilité) mais commandable. Par ailleurs le mode p2 = - 4 est stable donc le système
est stabilisable. On peut agir sur la commande pour modifier le pole p1. Exemple u = [k 1 k 2 ]x , le système en BF
 − k 1− k 2 
devient x& = (A − BK )x =  1
− 4 
x , par contre le mode p2 étant non commandable on ne peut pas modifier sa
 0
dynamique, en effet ∀ k1 et k2 le mode p2 = -4 n'est pas modifié. Par dualité le système est non détectable car le mode
  0 1 − l1  
p1 = 0 est non observable et en limite de stabilité  i.e. (A − LC ) =   le mode 0 ne peut être modifié  .
  0 − 4 − l 2 
Quant est - il de la stabilisabilité et de la détectabilité du système si on remplace - 4 par + 4

Le système est non stabilisable et non détectable. Il faut déplacer le(s) actionneur(s) et le(s) capteur(s) pour assurer et
la détectabilité et la stabilisabilité du système.
37
1.1 Tableau de Synthèse des propriétes de Commandabilité et d’Observabilité
q=p continu Critère de Kalman Critère de Popov

q=z discret
Système [
C (A, B ) = rang B AB L A n −1 B = n ] rang (B, qI n − A) = n ∀q ∈ C
commandable
ssi (
ker B AB L An −1B ) T
=0
Système Remarque : la commandabilité implique rang (B, qI n − A) = n
stabilisable ssi stabilisabilité, la récipropre est fausse
∀q = p ∈ C , ℜ( p ) ≥ 0 continu
∀q = z ∈ C , q ≥ 1 discret
Etats non
(
ker B AB L A n −1B ) T
= (x 1 x 2 L x n )T ≠ 0 ker (B qI − A) = ( x1
T
x2 L xn )
T
commandables
les états xi ≠ 0 correspondent aux états non les états xi ≠ 0 correspondent aux états non
commandables commandables
Modes non Les modes q qui font chutter le
commandables rang (B, qI n − A) sont les modes non
commandables
Système

T
(
rang  C T (CA)T L CAn −1  = n

)  qI − A 
rang  n  = n ∀q ∈ C
observable ssi
 C 
ker (O(A,C)) = 0
Système  qI − A 
détectable ssi rang  n  = n
 C 
∀q = p ∈ C , ℜ( p ) ≥ 0 continu
∀q = z ∈ C , q ≥ 1 discret
( )  pI − A 
Etats non T
ker  C T (CA)T L CA n −1  = (x 1 x 2 L x n ) les états xi ≠
T  = (x x L x )T ≠ 0 , ker  T
 1 2 n
observables    C 
les états xi ≠ 0 correspondent aux états non 0 correspondent aux états non observables
observables.
Modes non Les modes q qui font chutter le
observables  qI − A 
rang  n  = n sont les modes non
 C 
commandables
38
3.4 Décomposition canonique des systèmes

On a signalé dans l'introduction que avant d'agir sur un processus, il fallait s'assurer que l'action envisagée sera suivie
d'effet. De façon plus pratique, avant même de concevoir une stratégie de commande sophistiquée, peut-on prévoir si
effectivement les grandeurs sur lesquelles on souhaite agir sont commandables?
De même, les mesures effectuées sur la sortie du processus à conduire permettent-elles de déduire l'état du
processus ?. Cette notion est très importante car dans la pratique on n'observe souvent que partiellement un procédé.
Une des problématiques de l’automaticien est donc de reconstruire l’état du procédé à partir d’informations
fragmentaires et ce pour assurer un contrôle et une surveillance accrue de l’évolution interne de l’état du procédé.
Dans la suite du cours, nous nous focaliserons sur la mise en œuvre de différentes représentations d'état (formes
canoniques commandable, canoniques observable et forme modale). Ces représentations ont le méritent de faciliter la
mise en œuvre de la commande et de l'observateur si besoin est.
3.4.1 Réalisation minimale
Il découle de l'étude précédente (commandabilité et observabilité) que si le système n'est pas complètement
commandable (resp. observable) alors la matrice de commandabilité (resp. d'observabilité) est de rang déficient r, c'est
à dire inférieur à la dimension de l'état (dim x=n).
3.4.1.1 Sous espace commandable
On considère que le système suivant est partiellement commandable :

x& = A x + Bu
(3.4-1)
y = Cx
Théorème 3.4.1-1 : Si la matrice de commandabilité C(A, B) est de rang n1 < n, il existe une transformation T :
)
T  x 
x = T x =  1  x =  ) 1  où dim(x1 ) = n1
) )
(3.4-2)
T
 2 x
 2
) ) )
) −1
tel que l'on ait : A = TAT = 
A 11 A 12  )  B1  )
( )
)
) , B = TB =   où la paire A11 , B1 est commandable.
 0 A 22  0
Preuve : On considère une matrice C(A, B) évaluée jusqu'à l'ordre n. Cette matrice C(A, B) est par hypothèse d'ordre
n1 < n, il existe alors une matrice T régulière, telle que :
 ////// 
TC ( A ,B) =  
 0 
où le bloc ///// non nul est de rang n1.
Cette matrice T = [T1T T2T]T est déterminée par la recherche du noyau, T2T = ker(C(A, B)T) et T1 complète la matrice T
pour assurer la régularité de T
Or TC(A, B) s'écrit encore, en insérant les blocs unité T-1T :

[ ] [
) )) ) )
TC ( A ,B) = TB TAT −1 TB TAT −1 TAT −1 TB L = B AB A 2 B L ]
39
De proche en proche, en identifiant avec le bloc nul de TC(A, B) il vient :

 ) ) =0
) ) ) ) 6 ) 78) 
 B1   /////   A11 B1   /////  A 2 B + A A B   ///// 
) = ) ) =  =0 
=
11 1 12 21 1
, , , L
B2   0   A21 B1   0  ) ) ) ) 6) 78)   0 
 A21 A11 B1 + A22 A21 B1 
) ) ) )2 ) ) )
 B1   /////   A11 B1   /////   A11 B1   /////   A n1 −1 B1   ///// 
⇔ )   =  
, ) =
)    ) ) )  
, =  , L  ) ) n1 − 2 )  = 
11

 B 2   0   A21 B1   0   A21 A11 B1   0   A21 A11 B1   0 
Par ailleurs, la conservation du rang n1, impose que la matrice C(A, B) élevée à l'ordre n1 conserve la même structure, ce
qui permet d'écrire une dernière égalité :
) ) n −1 )
1 B =0
A 21A 11 1
Il en résulte les propriétés suivantes :
[ ) ) )
B1 A 11B1 L A 11
) n −1 )
1 B ]
1 est de rang maximum, en l'occurrence n1. Le sous système (A) 11
)
, B1 ) est donc
entièrement commandable.
)
Le bloc B 2 est nul.
[
) ) ) ) ) n −1 ) )
]
1 B = 0 donc A est nul.
A 21 B1 A 11B1 L A 11 1 21

) ) )
[ ]
La nouvelle matrice CT −1 = C = C1 C 2 ne présente aucune propriété particulière.
)
u ) ) ) ) ) x1 )
)
x& 1 = A11 x1 + A12 x 2 + B1 u C1
)
) ) ) x2 ) y
x& 2 = A 22 x 2 C2
Figure 12 : Décomposition selon la commandabilité

)
Cette décomposition montre que l'entrée u n'a aucune action sur le sous-système d'état x 2 . Cet état porte le nom de
partie non commandable et doit être stable pour assurer la stabilisabilité du système. Les valeurs propres des sous-
systèmes commandables et non commandables restent invariantes par changement de base. On parlera de modes
commandables ou non commandables et de sous espace commandable. Selon que n1= 1, 2, … ce sous espace défini
une droite, un plan ou un hyperplan.
 − 1 − 1  1
Exercice : Soit x& = Ax + Bu , y = x un système LTI avec A =   , B =   . Montrer que le système est non
 − 1 − 1  − 1
complètement commandable, déterminer le mode commandable et le mode non commandable, conclure sur la
) ) ) ) ) ) ) )
stabilisabilité du système. Déterminer le sous système commandable x&1 = A11 x1 + A12 x2 + B1u . La paire A11 , B1 ( )
))
étant commandable par construction déterminer le retour d’état u = Kx1 tel que le mode instable commandable soit
)
fixé en –1. Soit u = Kx, déduire de K le regulateur d’ordre plein K, comparer leur dimension. Vérifier que les modes
de A+BK sont –1 et –2. Quel est l’intérêt de cette décomposition ?.
40
3.4.1.2 Sous espace observable
La recherche du sous espace observable est un problème dual de celui de la commandabilité. On constate en effet que
la transposée de la matrice d'observabilité O(A, C) est identique à la matrice de commandabilité C(AT, CT) associée au
système fictif ξ& = A T ξ + C T v (3.4-3)
On peut effectuer à partir de O T(A,C ) , toutes les manipulations relatives à la commandabilité. Soit, T une matrice
) T
( )
déduite de O T(A,C ) , où par application du changement de base x = T −1 x et compte tenu des transpositions, on a:
) )
)
( )
A = T −1
T A 0  )
AT T =  ) 11 ) , B = T −1 ( ) T B  )
[
)
B =  ) 1 , C = CT T = C1 0 ] (3.4-4)
A 21 A 22  B 2 
)
Il est clair que l'observation de y ne permet pas de reconstruire l'état initial du sous système d'état x 2 . Celui ci porte le
nom de partie non observable.
Dans la pratique on préférera baser la décomposition d'un système à partir des grammiens d'observabilité et de
commandabilité (voir annexe 1) car ils permettent une réalisation équilibrée de la décomposition et donne une
information sur le degré de commandabilité et d’observabilité des variables d’état. Elle peut permetre alors d’effectuer
un placement optimal des capteurs et actionneurs au sens du degré de commandabilité et d’observabilité.
4 FORMES CANONIQUES ET MODALES
4.1 Formes compagnes pour les systèmes monovariables

Considérons la fonction de transfert suivante :
Y (p ) b n −1 p n −1 + L + b1 p + b 0 Y(p ) X(p ) N(p)

F(p ) = = = = (4.1-1)
U(p ) p n + a n −1 p n −1 + L + a 0 X(p ) U(p ) D(p)
avec : N(p) = b n −1 p n −1 + L + b1 p + b 0 (4.1-2)
et D( p) = p n + a n −1 p n −1 + L + a 0 (4.1-3)
Elle correspond aussi à la représentation d'état suivante :
x& = A 1 x + B1 u
(4.1-4)
y = C1 x
 0 1 0 L 0   0
   
 M 0 1 L M  M
avec : A 1 =  M M O O 0  , B1 =  M  et C1 = [b 0 b1 L b n −1 ] (4.1-5)
   
 0 0 L 0 1   0
   
 − a 0 − a1 L L − a n −1  1
41
4.1.1 Principale forme canonique de commandabilité (forme compagnon)
Dans la représentation d'état (4.1-4) la matrice A1 est appelée forme compagne du polynôme caractéristique D(p) :
D(p ) = pI n − A1 = p n + a n −1p n −1 + L + a 0 (4.1-6)
où |.| représente le déterminant.

Une telle représentation présente deux avantages majeurs
♦ Le passage entre la fonction de transfert du système et sa représentation sous forme canonique de commandabilité
est immédiate.
♦ La paire (A1, B1) obtenue est toujours commandable, cela se vérifie aisément par le critère de Kalman
0 0 L 0 1
0 0 L 1 ×
 
C (A1 , B1 ) =  M M N N M  (les termes en × ne sont pas calculés) (4.1-7)
 
0 1 N N ×
1 × L × ×
Pour cette dernière raison, (4.1-4) est appelée forme canonique de commandabilité du système défini par
F(p)=Y(p)/U(p), ou forme commandable de Luenberger monovariable formée de n intégrateur en série.
bn- b2 b1 b0
u + x(n)=dxn/dt x(n-1) =xn x(n-2) =xn-1 x(1) =x2 x =x1
+ ∫ ∫ ∫ ∫
an-1 an-2 a1 a0
Figure 13 : Schéma de simulation associé à la forme canonique de commandabilité
42
4.1.2 Passage d'une représentation d'état commandable quelconque à une forme compagne
On considère la représentation initiale supposée commandable sous la forme suivante :
x& = A x + Bu ; y = Cx (4.1-8)
)
Le problème consiste à déterminer le changement de base P tel que le nouveau vecteur d'état x = P x satisfasse
la loi d'évolution :
) )) ) ))
x& = A x + Bu ; y = Cx (4.1-9)
 0 1 0 L 0  0
   
 M 0 1 L M  M
) ) )
avec : A =  M M O O 0  , B = M et C = [b 0 b1 L b n −1 ]
   
 0 0 L 0 1  0
   
 − a 0 − a1 L L − a n −1  1
Solution : On pose P −1 = [P1 P2 L Pn ] où Pi est un vecteur de dimension n. Il vient d'après le changement de base :
) ) )
A = PAP −1, B = PB et C = CP -1 (4.1-10)
Par identification, on obtient :
 APn = Pn −1 − a n −1Pn
AP = P − a P
 n −1 n −2 n−2 n
) 
 M
AP −1 = P −1A ⇔  (4.1-11)
 AP3 = P2 − a 2 Pn
 AP2 = P1 − a 1Pn

 AP1 = −a 0 Pn
B = Pn (4.1-12)
soit :
Pn = B,
Pn −1 = (A + a n −1 I n )B,
(
Pn −2 = A 2 + a n −1 A + a n −2 I n B )
Pn −3 = (A 3 2
)
+ a n −1A + a n −2 A + a n −3 I n B
(4.1-13)
M
(
Pn − j = A j + a n −1A j−1 + a n −2 A j− 2 + L + a n − j I n B )
M
(
P1= n −( n −1) = A n −1 + a n −1 A n −2 + a n −2 A n −3 + L + a 1I n B )
La dernière relation peut servir de vérification
(
P0 = A n + a n −1A n −1 + a n − 2 A n − 2 + L + a 0 I n B = 0 ) (4.1-14)
43
4.1.3 Il existe trois autres formes canoniques de commandabilité
Dans la formulation précédente, si on permute les composantes de l'état suivant la forme :
[
x T = x ( n −1) x ( n − 2) L x (1) x ]T
(4.1-15)
alors on obtient une nouvelle représentation canonique de commandabilité
 − a n −1 L L − a 1 − a 0   1 
   
 1 0 L L 0   0
x& =  0 O O O M x +  M  u
    (4.1-16)
 M OO O M  M
   
 0 L 0 1 0   0
y = [b n −1 L b1 b 0 ]
Cette forme également canonique et commandable diffère très peu de la précédente.
Considérons maintenant le changement de base d'état régulier suivant :
 a1 a 2 a 3 L a n −1 1
a a 3 L L 1 0
 2
P −1 = C (A) )
B ) (
) )) )2) ) n −1 ) a
= B AB A B L A B ⇔ P =  3 ) M N N M
 (4.1-17)
 M M NN M
a n −1 1 0 L L 0
 
 1 
En appliquant ce changement de base au système (4.1-9) on obtient une nouvelle représentation :
))& )) )) ))
x = A x + Bu
)) )) (4.1-18)
y = Cx
0 L L L −a0  1
 L − a 1  )  0 
[ ]
)) ) −1  1 0 L )) )) ) −1
avec A = PAP =  0 O O O M  , B = PB = M et C = CP = b 0
'
L b 'n − 2 b 'n −1 (4.1-19)
O − a n−2   M 
M O O 0
0 L 0 1 − a n −1   

Bien sûr, une quatrième forme est envisageable par permutation des composantes de l'état, on obtient alors :
 − a n −1 1 0  0
0 L
   
−a OOM M
))&  n − 2
0
))
x= M M OO0  x +  M u
    (4.1-20)
 M M OO1  0
   
 − a0 0 L L 0 1
(
y = b 'n −1
))
b 'n − 2 L b '0 x )
Théorème 4.1.3-1 : Le fait de pouvoir conditionner un modèle monovariable sous une de ces quatre formes de
commandabilité (4.1-9), (4.1-16), (4.1-18), (4.1-20) est une preuve de commandabilité.
44
4.1.4 Principale forme canonique d'observabilité (forme compagnon)
On peut utiliser, pour la même fonction de transfert (4.1-1) une autre représentation d'état :
x& = A 3 x + B 3 u
(4.1-21)
y = C3 x
0 L L L − a0   b0 
   M 
1 0 L L − a1 
 
avec : A 3 =  0 O O O M  = A1T , B3 =  b i  = C1T , C 3 = [0 L 0 1] = B1T (4.1-22)
   
M O O O − a n −2   M 
0 L 0 1 − a n −1   b n −1 

Ici encore, la matrice A3 est de type compagne, mais cette fois, la paire (A3, C3) est toujours observable. On a en effet
O (A 3 , C3 ) = C T(A1 , B1 ) (4.1-23)
et sera appelée forme canonique d'observabilité du système.
Dans cette représentation, la sortie y est la dernière composante de l'état.
La dualité entre les deux formes (4.1-5) et (4.1-22) apparaît nettement. Cependant, il n'existe de changement de base
de l'une à l'autre que dans le cas où le système est non dégénéré (c'est à dire où N(p) et D(p) n'ont pas de zéro
commun : le système est alors commandable et observable).
4.1.5 Passage d'une représentation d'état observable quelconque à une forme compagne
On considère la représentation initiale supposée observable sous la forme suivante

x& = A x + Bu ; y = Cx (4.1-24)
)
Le problème consiste à déterminer le changement de base P tel que le nouveau vecteur d'état x = P x satisfasse
la loi d'évolution :
) ) )
x& = A 3 x + B3 u ; y = C3 x (4.1-25)
0 L L L − a0   b0 
   M 
1 0 L L − a1 
 
avec : A 3 =  0 O O O M  = A1T , B3 =  b i  = C1T , C 3 = [0 L 0 1] = B1T .
   
M O O O − a n −2   M 
0 L 0 1 − a n −1   b n −1 

Solution : On pose [
P = P1T P2T L PnT ]T
où Pi est la ième ligne de P tel que
)
x = Px et
A 3 = PAP −1, B 3 = PB et C 3 = CP -1 . Une étude semblable à celle effectué dans le passage à la forme de
commandabilité permet en notant que A 3 = A 1T , B 3 = C1 et C 3 = B1T d'obtenir pour P l'expression :
(n −1
 P1   C A + a n −1 A
n−2
+ a n −2 A n −3 + L + a 1 I n )
 2  

(
 P  C A n −2 + a A n −3 + a A n −4 + L + a I
n −1 n −2 2 n )
 M   M 

( )
P =  Pn − j  = C A j + a n −1 A j−1 + a n − 2 A j−2 + L + a n − j I n
 

 (4.1-26)
 M   M 
 Pn −1   C(A + a n −1 I n )

   
P
 n    C 
45
4.1.6 Il existe trois autres formes canoniques d'observabilité
Dans la formulation précédente, si on permute les composantes de l'état suivant la forme :
[
x T = x ( n −1) x ( n − 2) L x (1) x ]
T
(4.1-27)
on obtient une nouvelle représentation canonique d'observabilité
 − a n −1 1   b n −1 
   
 M 0O   M 
x& =  − a i OO x +  b  u
   i  (4.1-28)
 M O 1  M 
   
 −a0 0  b 0 
y = [1 0 L 0]
Cette forme également canonique et observable diffère très peu de la précédente.

Considérons maintenant le changement de base d'état régulier suivant :
 a1 a 2 a 3 L a n −1 1
a a 3 L L 1 0
 2
a M N N M
P= 3  (4.1-29)
 M M NN M
a n −1 1 0 L L 0
 
 1 
En appliquant ce changement de base au système (4.1-25) on obtient une nouvelle représentation :
))& ))
x = A 4 x + B4 u
)) (4.1-30)
y = C4 x
avec :
 0 1   b '0 
   
 OO   M 
 , B = P −1 B =  
A 4 = P −1 A 3 P = 

OO
 4 3  M  et C 4 = C 3 P = [1 0 L 0] (4.1-31)
 0 1   M 
   ' 
 − a 0 L L L − a n −1   b n −1 
Bien sûr, une quatrième forme est envisageable par permutation des composantes de l'état, on obtient alors :
 − a n −1 L L L − a 0   b 'n −1 
   
 1 0   M 
x& =  OO x +  
u
   M  (4.1-32)
 OO   M 
   
 1 0   b '0 
y = (0 L L 1)x
Théorème 4.1.6-1 : Le fait de pouvoir conditionner un modèle monovariable sous une de ces quatre formes
d'observabilité (4.1-25), (4.1-28), (4.1-31), (4.1-32) est une preuve d'observabilité.
46
4.2 Forme modale
4.2.1 Cas de pôles simples (forme diagonale)
On considère le système classique :

x& = A x + Bu; y = C x (4.2-1)
représenté également par sa fonction de transfert :

F( p) = C(pI n − A )−1 B .
Hypothèse : Soit λ1, λ2, …, λn, les valeurs propres de la matrice d'évolution A, toutes ces valeurs propres sont
considérées distinctes. Il existe alors un changement de base T composé des vecteurs propres associés à chaque λi, tel
)
qu’appliqué au système précédent x = T x on obtient une représentation d'état sous forme modale :
x)& = T −1 AT x) + T −1 Bu
 ) (4.2-2)
 y = CT x
avec :
 λ1 0 L 0   α1 
   
−1 0 λ2 O M  −1 α 
T AT =   , T B= 2 (4.2-3)
M O O 0 M
   
0 
L 0 λn   
  αn 
et CT = [µ 1 L µ i L µ n ] , µ i αi = δi , λ i ≠ λ j , ∀ i ≠ j .
Si on décompose le système précédent :

x)& i = λ i x) i + α i u
 ) ) ) (4.2-4)
 y = µ1 x 1 + L + µ i x i + L + µ n x n
)
• on peut commander x i si seulement si αi est différent de zéros,
)
• on peut observer x i si seulement si µi est différent de zéros.
) )
Par conséquent x est commandable si seulement si αi est différent de zéros pour tous i. Par ailleurs si x est
)
commandable alors x l'est aussi, le changement de base T étant régulier. De même x est observable si et seulement si
µi est différent de zéro pour tout i.
Théorème 4.2.1-1 : Le système composé des matrices (A, B) est commandable si la représentation d'état sous forme
modale ne présente pas de zéro dans le vecteur T −1B et toutes les valeurs propres λi de A sont distinctes. Dans le cas
multivariable, le critère reste valable il faut vérifier qu'aucune ligne de zéro existe dans la matrice T −1B .
Théorème 4.2.1-2 : Le système composé des matrices (A, C) est observable si la représentation d'état sous forme
modale ne présente pas de zéro dans le vecteur CT et toutes les valeurs propres λi de A sont distinctes. Dans le cas
multivariable, le critère reste valable il faut vérifier qu'aucune ligne de zéro existe dans la matrice CT.
Conclusion, dans le cas où F(p) présente une simplification d'un pôle par un zéro, on aura δi =0 pour le pôle
correspondant, et :
• si αi=0, le ième mode apparaît non commandable,
• si µi=0, le ième mode apparaît non observable.
47
Par contre, F(p) est non dégénérée si et seulement si tous les αi et µi sont non nuls. On dispose donc, sur cette forme
d'un critère simple d'observabilité et de commandabilité. De plus, comme ce type de représentation fait apparaître
directement les pôles stables et les pôles instables, il conduit à une vérification directe des propriétés de stabilisabilité
et de détectabilité.
On peut remarquer que :
 (p − λ1 )−1 0 L 0 
 
(pI −T −1 AT )−1 
=
0 (p − λ 2 )−1 O M 
n  (4.2-5)
 M O O 0 

 0 L 0 (p − λ n )−1 
4.2.2 Cas général : forme de Jordan (pôles multiples et simples)
Lorsque F(p) présente plusieurs pôles, simples et/ou multiples, on a :
q ni δ ij
F(p ) = ∑ ∑ (4.2-6)
i =1 j=1 (p − λ i ) j
et mène au triplet (A, B, C) suivant, où A est une forme de Jordan :
 0 
 M 
 λ 1 1    
    0 
 O O    
0
 O 1   w1 
    M 
 λ1    
 O   0 
 λ i 1   M 
A=  , B= 
  λ i    0 
 O   
  wi 
 λ q 1   M 
  O O   
 0    0 
  O 1   M 
    
 λ q 
   0 
w 
 q
et [
C = δ11 L δ1n1 L δ i1 L δ in i L δ q1 L δ qn q . ]
Exemple : Considérons le système représenté par la fonction de transfert suivante :
N(p )
F(p ) = (4.2-7)
(p − λ1 )2 (p − λ 2 )
où le degré du numérateur est inférieur strict à 3 et décomposons le système en élément simple,
N(p ) δ11 δ12 δ 21

F(p ) = = + + (4.2-8)
(p − λ 1 ) (p − λ 2 ) (p − λ1 )
2 1
(p − λ1 ) 2
(p − λ 2 )1
δ11 / p δ12 / p 2 δ 21 / p
⇔ F(p ) = + +
(1 − λ )
(4.2-9)
(1 − λ1 / p ) 1
1 /p
2 2 (1 − λ 2 / p )1
48
On obtient le schéma bloc suivant :
+ x2 + x1
1/p 1/p δ12
+ +
+
y
u λ1 λ1
+
δ11 +
+ x3
1/p δ21
+
λ2
La représentation sous forme de Jordan associée au schéma bloc est :

 x& 1  λ 1 1 0 0 
x& =  x& 2  =  0 λ1 0  x + 1 u
      (4.2-10)
 x& 3   0 0 λ 2  1
y = [δ11 δ12 δ 21 ]x
4.2.2.1 Calcul de la forme de Jordan d'une matrice
Définition 4.2.2-1 : On appelle vecteur propre généralisé de rang k, ou kième vecteur de la chaîne de Jordan, associé à
λ, un vecteur v vérifiant :
(A − λI n )k v = 0
(4.2-11)
(A − λI n )k −1 v ≠ 0
Algorithme de triangularisation :
1. Calculer les valeurs propres de A en résolvant l'équation caractéristique :
det (A − λI ) = 0 (4.2-12)
Ces valeurs propres λ1, λ2, … λq, sont distinctes et ont pour ordre de mutiplicité respectivement n1, n2, … nq.
2. Calculer pour λ1, les n1 vecteurs de la chaîne de Jordan, (n1, vecteurs propres généralisés) indépendants relatifs à
λ1, en suivant la procédure suivante :
• Calculer les puissances (A − λI n )i pour i=1, 2, … jusqu'à obtenir rang (A − λI n )k = rang (A − λI n )k +1 ≠ 0. En
déduire un vecteur propre v généralisé de rang k.
• Définir la chaîne de Jordan des k vecteurs propres généralisés linéairement indépendants :
v i = (A − λI n )k −i v ≠ 0, i = 1,2....k.
;vi représente le vecteur v indicé i et non la ième puissance (4.2-13)
et (A − λI n )k v = 0
• Si k=n1, passer à l'étape 3. Sinon, pour k < n1, on essaie de trouver un autre vecteur propre généralisé w
linéairement indépendant de v, et de rang le plus grand possible. On essaie donc le rang k, puis si ce n'est pas
possible, k-1, etc …, jusqu'à ce que n1 vecteurs propres généralisés indépendants soient obtenus. Notons que si
rang (A-λ1In)=η, il y a en tout (n-η) chaînes de vecteurs propres généralisés associés à λ1.
3. Répéter l'étape 2 pour les autres valeurs propres λ2, λ3, … λq.
49
Vérification :
[ ]
On pose Q = v 1 v 2 L v k w 1 ... , on vérifie que :
λ 1 1 0
 
A = Q −1 AQ ⇔ QA = AQ ⇔ v 1 [ v2 L L

] λ1 1
[
 = A v1
O O
v2 L L ] (4.2-14)
 
0 
0
M
1  
λ1  λ  0
0   1  
1
soit Av1 = λ1v1 = Q   L Av 2 = v1 + λ1v 2 = Q  0  L Av k = v k −1 + λ1v k = Q   → k ième (4.2-15)
M    λ1 
   M  
0  0  0
M
 
 0 
k
(attention v ne correspond à la puissance mais à un vecteur indicé k)
Exemple: On considère la matrice d’évolution suivante :
3 −1 1 1 0 0 
1 1 − 1 − 1 0 0 

0 0 2 0 1 1
A=  (4.2-16)
0 0 0 2 − 1 − 1
0 0 0 0 1 1
 
0 0 0 0 1 1 
Il est facile de calculer le polynôme caractéristique, à savoir :

[ ]
A − λI 6 = [(3 − λ )(1 − λ ) + 1](2 − λ )2 (1 − λ )2 − 1 = (λ − 2 )5 λ (4.2-17)
La matrice A possède deux valeurs propres : 0 et 2, de multiplicité respective 1 et 5.
1. On calcule les puissances (A − λI n )i pour i=1, 2, … jusqu'au rang maximal k :
rang(A − 2I 6 ) = 4, rang(A − 2I 6 )2 = 2, rang(A − 2I 6 )3 = 1, rang(A − 2I 6 )4 = 1 (4.2-18)
Seul le degré k=3 est conservé car rang (A − 2I 6 )3 =rang (A − 2I 6 )4 ≠0. On en déduit un vecteur propre v généralisé de
rang 3, et donc la chaîne de Jordan suivante :
 v 1 = (A − 2I 6 )3−1 v  v 1 = (A − 2I 6 )2 v
 
v i = (A − λI n )k −i v, i = 1,2....k = 3.  v = (A − 2I 6 ) v  v = (A − 2I 6 )v
2 3− 2 2
⇔  3 ⇔  3 (4.2-19)
et (A − λI n )k v = 0  v = (A − 2I 6 ) v
3− 3
 v = v
et (A − 2I 6 )3 v = 0 et (A − 2I 6 )3 v = 0
On vérifie aisément qu'en choisissant :
v = [0 0 1 0 0 0]T (4.2-20)
les relations suivantes sont vérifiées :
 v 1 = (A − 2I n )2 v = [2 2 0 0 0 0]T ≠ 0

⇔  v 2 = (A − 2I n )v = [1 − 1 0 0 0 0]T ≠ 0
 3 (4.2-21)
v = v = [0 0 1 0 0 0]T ≠ 0

et (A − 2I n )3 v = 0
50
Le vecteur v est donc un vecteur propre généralisé de rang k=3. Or la valeur propre λ=2 est de multiplicité 5, il faut
donc en trouver deux autres.
A partir de l'observation (A − 2I 6 )2 on obtient aisément un nouveau vecteur propre w de rang k=2 :
w = [0 0 1 − 1 1 1]T (4.2-22)
qui est linéairement indépendant de v et vérifie :
 w 1 = (A − 2I 6 )w = [0 0 2 − 2 0 0]T ≠ 0
w i = (A − λI n )2 −i w, i = 1,2. 
⇔  w 2 = w = [0 0 1 − 1 1 1]T ≠ 0 (4.2-23)
et (A − λI n )2 w = 0 
et (A − 2I 6 )2 w = 0
2. Pour λ2=0, on cherche le vecteur propre associé à la valeur propre λ2 qui vérifie :
Aa=0 (4.2-24)
{ }
On choisit par exemple a = [0 0 0 0 1 − 1]T . La base constituée est Q = v1 , v 2 , v 3 , w 1 , w 2 , a . Dans cette
nouvelle base A = Q −1 AQ , s'écrit :
2
1 0 0 0 0
0
2 1  0 0 0

0
0 2 0 0 0
0 0 2
0 1 0
A=
0 0 0 0 2
(4.2-25)
0
0 0 0 0 0 [0]
on vérifie bien QA = AQ .
4.3 Conclusion et perspective

Nous avons développé précédemment un ensemble d'outils utiles quant à l'élaboration de lois de commande par retour
d’état (i.e. u = − K x + v ) pour les systèmes SISO et MIMO linéaires invariant suivant :
x& = A x + Bu
(4.3-1)
y = Cx
Nous allons maintenant utiliser ces outils pour répondre aux objectifs fixés (stabilité, performance, rejet de
perturbation, estimation), nous traiterons les point suivants :
1. Nous reviendrons sur les moyens de détermination de la matrice K dans le cas monovariable et multivariable,
pour obtenir, non seulement la stabilité du système, mais également des performances spécifiées.
2. Lorsque l'état n'est pas mesuré, on remplacera l'état inconnu x par une estimation notée x̂ dans la loi de
commande, soit : u = −K x̂ + v (4.3-2)
3. Le signal v est destiné à permettre le suivi de consigne et / ou le rejet de perturbation. Nous verrons ces deux
aspects, ainsi que la reconstruction robuste de l'état. Robuste, au sens où l'estimé doit être découplé (non
influencé) des perturbations, on parlera d'observateur à entrées inconnues.
51
5 LA COMMANDE PAR RETOUR D'ETAT

Résumer : Cet amphi présente la méthode du placement de pôles qui permet de commander un système à l'aide d'un
feedback affine en l'état.
5.1 Introduction
Dans toute forme de commande, un des principaux objectifs est tout d'abord de stabiliser le système si celui-ci est
instable, d'augmenter son degré de stabilité si des oscillations mal amorties se manifestent durant les régimes
transitoires. Parallèlement, on peut chercher à améliorer la rapidité du système sans dégrader son amortissement.
Dans cette première partie, nous allons commencer nos investigations sur les propriétés de la commande linéaire, et
montrer comment celle-ci peut répondre à ces objectifs généraux. Nous supposerons à cet effet que toutes les variables
d'état du système sont accessibles, et peuvent donc être utilisées pour élaborer la commande.
5.1.1 Approche modale des problèmes de commande
5.1.1.1 Effet du bouclage sur les valeurs propres d'un système continu
Soit le système linéaire à temps continu, décrit par l'équation d'état :
x& = A x + Bu , x ∈ ℜ n , u ∈ ℜ n u (5.1-1)
Les valeurs propres λ1, λ2, … λn, de la matrice A sont les solutions de l'équation :
det (A − λI n ) = A − λI n = 0 (5.1-2)
Appliquons au système une commande qui fasse intervenir une combinaison linéaire des variables (figure 16) :
u = −Kx + v (5.1-3)
Le système bouclé par cette commande est décrit par l'équation :
x& = (A − BK )x + Bv (5.1-4)
et les valeurs propres de la matrice d'évolution en boucle fermée sont les solutions de :
det (λI n − A + BK ) = 0 (5.1-5)
v(t) + + x(t)
+ B
+ +
∫
A
Figure 14: Commande linéaire d'un système continu invariant
52
5.1.1.2 Principe de la commande modale
Définition 5.1.1: Le principe de la commande modale consiste à déterminer la matrice K qui place les valeurs propres
du système en boucle fermée en des positions choisies λ1, λ2, … λn.
Le but de cette approche est ainsi d'assurer au système bouclé un comportement convenable par un choix judicieux des
∗
valeurs propres de sa matrice d'évolution . On sait en effet que la position de celles-ci est étroitement liée au
comportement temporel du système, et notamment à sa stabilité, sa rapidité, son amortissement.
D'après la définition ci-dessus, il est clair que l'approche que nous allons exposer ne s'intéresse qu'à la synthèse de la
matrice de contre-réaction K. Le choix, du terme complémentaire v(t) ne nous préoccupe pas ici : il reste libre,
permettant de traiter différents problèmes tels que la régulation (v=0), l'asservissement sur une valeur constante ou
évolutive,.….
Remarques :
1. Pour que la commande soit physiquement réalisable, les λ1, λ2, … λn doivent être choisis réels ou complexes
conjugués deux à, deux.
2. La stabilité étant la première des qualités à assurer du système bouclé, les λi de la formulation continue sont tous
choisis à partie réelle strictement négative.
5.1.1.3 Calcul de la matrice de contre-réaction
Le problème précédent n'admet pas nécessairement des solutions. Dans le cas des systèmes invariants, Wonham a
montré que l'existence de celles-ci était liée à la commandabilité du système :
1) Condition nécessaire et suffisante de placement des valeurs propres
Théorème 5.1.1-1: On considère un système (S) linéaire invariant, en temps continu, représenté par les matrices A et
B. Soit ∧ = {λ 1 , L , λ n } un ensemble arbitraire de nombres réels ou complexes conjugués deux à deux. Le système
(S) est commandable si et seulement si pour tout ensemble A, il existe une matrice K telle que A - BK ait ∧ comme
ensemble de valeurs propres.
En d'autres termes, ce théorème affirme que pour les systèmes invariants, la commandabilité est équivalente à la
possibilité d'affecter n'importe quelles valeurs propres au système bouclé.
53
Preuve :
1) Montrons tout d'abord que si (S) n'est pas commandable, ∧ ne peut pas être quelconque : au moyen d'un changement
de base approprié (voir section 3.4.1.1), les matrices d'état et de commande sont mises sous la forme canonique :
) ) )
) A11 A12  ) B1 
A= ) , B=  (5.1-6)
 0 A 22  0
) )
[ )
]
Soit K = K 1 K 2 la matrice de commande dans la même base. La matrice d'évolution en boucle fermée s'écrit :
) ) ) ) ) )
) ) )  A11 − B1 K 1 A12 − B1 K 1 
A − BK =  )  (5.1-7)
 0 A 22 
Ses valeurs propres vérifient :
( ) ))
) ( ) ) )
) ( )
)
det λI n − A + BK = det λI n1 − A11 + B1 K 1 det λI n 2 − A 22 = 0 (5.1-8)
)
L'ensemble des valeurs propres comprend donc nécessairement les valeurs propres de A 22 : seules les valeurs propres
correspondant à la partie commandable peuvent être modifiées par le bouclage tandis que celles correspondant à la
partie non commandable restent inchangées.
2) Supposons à présent que (S) soit commandable. Nous allons montrer qu'il est toujours possible de déterminer une
matrice de commande qui affecte au système bouclé un ensemble quelconque de valeurs propres ∧.
a) Pour un système monovariable, l'hypothèse de commandabilité permet d'affirmer qu'il existe une base de
l'espace d'état dans laquelle les matrices d'évolution et de commande sont sous forme compagnon (voir section 4.1.2):
 0 1 0 L 0  0
   
 M 0 1 L M  M
)   )  
A= M M OO 0 , B= M (5.1-9)
   
 0 0 L 0 1  0
   
−
 0 a1
a − L L − a n −1  1
Les valeurs propres du système vérifient :
( )
)
det (λI n − A ) = det λI n − A = λn + a n −1 λn −1 + a n − 2 λn − 2 + L + a 0 = 0 (5.1-10)
)
Soit K = [k 0 k1 L k n −1 ] la matrice de commande dans cette même base. La matrice d'évolution en boucle
fermée s'écrit :
 0 1 0 L 0 
 
M 1 L M
) ) )  
0
A − BK = M M O O 0  (5.1-11)
 
 0 0 L 0 1 
− a − k − a 1 − k1 L L − a n −1 − k n −1 
 0 0
∗
Celles-ci correspondent aux "modes" du système, d'où la dénomination de l'approche développée ici.
54
de sorte que la forme compagnon du système est préservée par le bouclage. Les valeurs propres en boucle fermée sont
les solutions de :
( ) ))
)
det λI n − A + BK = λn + (a n −1 + k n −1 )λn −1 + (a n − 2 + k n −2 )λn − 2 + L + (a 0 + k 0 ) = 0 (5.1-12)
Pour que le système admette ∧ comme valeurs propres, il suffit que le polynôme ci-dessus soit identique à celui qui
admet ∧ = {λ 1 , L , λ n } comme solutions, soit :
λn + (a n −1 + k n −1 )λn −1 + (a n −2 + k n −2 )λn − 2 + L + (a 0 + k 0 ) = ∏ (λ − λ i )
n
(5.1-13)
i =1
)
On en déduit un par un les coefficients de la matrice K , ce qui, dans le cas monovariable, démontre le théorème.
Examinons à présent les détails pratiques du calcul de la matrice de contre-réaction, pour un ensemble de valeurs
propres choisi.
5.1.2 Calcul pratique de la matrice de contre-réaction dans le cas monovariable
La démonstration effectuée précédemment a permis d'établir l'unicité de la solution pour un système invariant,
monovariable et commandable.
Dans le cas où les matrices A et B ne seraient pas sous forme compagnon, le calcul direct
du déterminant de la matrice (λI n − A + BK ) en fonction des coefficients de la matrice K fournit la solution, mais la
complexité des calculs limite cette approche au cas de systèmes dont la dimension n'excède pas quelques unités.
Fort heureusement, le passage à la forme compagnon peut être obtenu très facilement lorsqu'on connaît les coefficients
du polynôme caractéristique du système, en utilisant les résultats de la section (4.1.3).
Théorème 5.1.2-1: Soit un système linéaire invariant (S), monovariable et commandable, représenté par les matrices
A, B, l'état x et le polynôme caractéristique associé det (λI n − A ) = λn + a n −1λn −1 + a n −2 λn −2 + L + a 0 . On applique les

deux changements de base successifs suivants :
x = G~
x et ~
x = Wx (5.1-14)
 a1 a2 a 3 L a n −1 1
 a2 a3 L L 1 0
a M
(
avec : G = C (A, B ) = B AB A 2 B L A n −1B et W =  3 ) M N N
 (5.1-15)
 M M N N M
a n −1 1 0 L L 0
 1 
Ces deux changements conduisent à une représentation équivalente d'état x , dont les matrices A et B sont sous
forme compagnon pour la commande, soit :
 0 1 0 L 0  0
 M 0 1 L M  M
A= M M O O 0 , B =M (5.1-16)
 0 0 L 0 1  0
− a − a 1 L L − a n −1  1
 0  
55
Démonstration :
On montre tout d'abord que le premier changement de base x = G ~
x conduit aux matrices :
0 L L L −a0  1
1 0 L L − a 1  ~ 0
~ 
M  , B = G B = M
−1 −1
A = G AG =  0 O O O (5.1-17)
O − a n −2  M
M O O 0
0 L 0 
1 − a n −1   

~ ~
Il suffit pour cela de montrer que GB = B (la vérification en est évidente) et que GA = AG :
0 L L L − a 0 
1 0 L L − a 
~
( n −1 
1 
) (
GA = B AB A B L A B  0 O O O M  = AB A 2 B A 3 B L A n −1 B − a 0 B − a 1 AB L − a n −1 A n −1 B (5.1-18)
2
)
 M O O O − a n −2 
0 L 0 1 − a 
 n −1 
Or, d'après le théorème de Caley Hamilton, la matrice A est solution de son polynôme caractéristique :
det (AI n − A ) = A n + a n −1 A n −1 + a n − 2 A n − 2 + L + a 0 = 0 (5.1-19)

~
( ) (
soit : GA = AB A 2 B A 3 B L A n −1 B − a 0 B − a 1 AB L − a n −1 A n −1 B = AB A 2 B A 3 B L A n −1 B A n B = AG . )
Il reste à montrer que le second changement de base ~
x = W x entraîne la mise sous forme compagnon pour la
~ ~
commande des matrices A = W −1 AW et B = W −1 B .
Cela se démontre aisément en effectuant les différents produits, exemple:
 a1 a2 a 3 L a n −1 1
 a2 a3 LL 1 0   0  1 
~ ~ a M N N M   0  0 
B = W −1 B ⇔ WB = B ⇔  3  = CQFD (5.1-20)
 M M NN M  M   M 
a n −1 1 0 L L   
0  1  0  
 1 
L'utilisation de ce théorème permet de déterminer très simplement la matrice de contre -

réaction K = k 0 [ k1 L k n −1 .]
Procédure de calcul des gains K= [k 0 k1 L k n −1 ] :
On souhaite que le système en boucle fermée, réponde à une certaine dynamique, on choisit dès lors les n valeurs
propres λi souhaitées.
1. On se donne les λi
2. On calcule l'équation caractéristique en boucle fermée :
) ∏ (λ − λ i ) = λn + a n−1λn−1 + a n−2 λn−2 + L + a 0

n
(
det λI n − A + BK =
i =1 (5.1-21)
= λn + (a n −1 + k n −1 )λn −1 + (a n − 2 + k n −2 )λn −2 + L + (a 0 + k 0 )
3. On calcule (ou en connaît) les valeurs propres λi du système en boucle ouverte :
det (λI n − A ) = 0 (5.1-22)
56
4. On détermine l'équation caractéristique en boucle ouverte :

n
det (λI n − A ) = ∏ (λ − λ i ) = λn + a n −1 λn −1 + a n − 2 λn − 2 + L + a 0 (5.1-23)
i =1
5. Ayant déterminés les coefficients a i et ai, on déduit les k 0 [ ]

k1 L k n −1 par identification :
ki = ai − ai (5.1-24)
6. La commande correspondante s'écrit :
u = − K x = − KW −1 G −1 x = − K (GW )−1 x = −K x (5.1-25)
7. La matrice de commande recherchée s'écrit donc :
K = K (GW )−1 (5.1-26)
5.1.3 Possibilités de calcul de la matrice de contre-réaction dans le cas multivariable
Si pour les systèmes monovariables le choix des valeurs propres fixe de manière unique la matrice de commande, il
n'en va pas de même pour les systèmes multivariables. D'après la structure de K utilisée au paragraphe 5.1.1.3,
l'utilisateur dispose pour placer les n valeurs propres de A LC − B LC K , des n× r degrés de liberté de la matrice K.
Tout le problème consiste à utiliser "au mieux" les n(r-1) degrés de liberté surabondants. Rien ne permet de présumer
qu'une triangularisation de A LC − B LC K aura d'heureuses conséquences pratiques sur les formes de réponse, la
robustesse, etc…
L'analyse structurelle des formes canoniques ou polynomiales est néanmoins un outil efficace entre les mains de
professionnels expérimentés. Ainsi ces degrés peuvent être mis à profit de différentes manières. On peut chercher à
simplifier la structure de commande en choisissant nuls certains coefficients de K. Cela permet notamment d'éviter
l'introduction de couplages manifestement indésirables entre différentes parties du système, lorsqu'il est clair que
chaque commande a pour fonction de réguler un ensemble bien précis de variables d'état : la physique du processus
étudié doit être mise à profit pour préciser ce point. Cela peut permettre également de ne pas utiliser pour la
commande une variable d'état non mesurée, et donc d'éviter de devoir procéder à sa reconstruction, telle que nous
l'envisageons au chapitre suivant.
Une autre possibilité est offerte par la commande par placement de vecteurs propres, développée depuis le début des
années 80. Elle consiste à reporter les degrés de liberté dont on dispose sur le choix des vecteurs propres associés aux
valeurs propres choisies, et de les utiliser pour satisfaire des objectifs de commande supplémentaires. On peut ainsi
envisager de fixer les contributions de certains modes sur certaines sorties - en faisant apparaître plus ou moins tel ou
tel mode ou disparaître un mode jugé indésirable. On peut : minimiser l'effet de perturbations sur certaines sorties,
minimiser la sensibilité des valeurs propres aux variations de paramètres …. Des recherches en cours dans ce domaine
existent.
57
5.1.4 Application
On reprend le système multivariable (8.1-7) mis sous la forme principale de commandabilité de Luenberger. Forme
étudiée en section 8.1.3 et ayant pour résultats de décomposition :
x& LC = A LC x LC + B LC u
 0 1 0 0 0  0 0
  0
 0 0 1  0 0  0
   (5.1-27)
A LC = P3 AP3−1 =   − 2 0 − 2 1 0  B LC = P3 B = 1 0
   
 0 0 0  0 1  0 0
 8 −4 0 − 4 − 1  0
  1
La commande appliquée est du type retour d’état u LC = − K x LC .
On obtient dès lors, une boucle fermée de la forme suivante :
x& LC = (A LC − B LC K )x LC (5.1-28)
D’après les données numériques la matrice d’évolution se décompose alors de la façon suivante :
 0 1 0 0 0  0 0
  
 0 0 1  0 0  0 0
 k11 k12 k13 k14 k15 
A LC − B LC K =   − 2 − 2 0  − 1 0 
k 25 
0 1
    k 21 k 22 k 23 k 24
 0 0 0 0 1   0 0 
 8 − 4 − 1  0
−4 0  1
(5.1-29)
 0 1 0  0 0 
  
 0 0 1 0 0 

=   − 2 − k11 − k12 − 2 − k13  1 − k14 − k15 
 
 0 0 0  0 1 
 8 − k 21 − 4 − k 22 − k 23 − 4 − k − 1 − k 25  
  24
On voit que d’après la structure des matrices ALC et BLC il est aisé de découpler le système en deux sous-systèmes
déconnectés et à pôles réglables. Il suffit de choisir la loi de commande u LC = − K x LC avec :
k k12 k13 1 0 
K =  11 (5.1-30)
 8 −4 0 k 24 k 25 
on a alors :
 0 1 0  0 0 
  
 0 0 1 0 0 

A LC − B LC K =   − 2 − k11 − k12 − 2 − k13  0 0  (5.1-31)
 
 0 0 0  0 1 
  − 1 − k 25  
 0 0 0  − 4 − k 24
58
En raison de la forme particulière da la matrice A LC − B LC K , le polynôme caractéristique associé est le produit des
polynômes correspondant à chaque bloc – compagnon :
[ ][ ]
det (λI 5 − A LC + B LC K ) = λ3 + (2 + k13 )λ2 + (k12 )λ + (2 + k11 ) × λ2 + (1 + k 25 )λ1 + (4 + k 24 ) (5.1-32)
Comme dans le cas monovariable, les n=5 coefficients restants de K sont obtenus en identifiant les deux
polynômes (5.1-32) avec les solutions λ1, λ2,… λ5, désirées, soit :
[ ] i =3
det λ3 + (2 + k13 )λ2 + (k 12 )λ + (2 + k 11 ) = ∏ (λ − λ i )
i =1
(5.1-33)
[ ] i =5
det λ2 + (1 + k 25 )λ1 + (4 + k 24 ) = ∏ (λ − λ i )
i =4
(5.1-34)
La commande correspondante s'écrit :
u = − K x LC = − KP3 x (5.1-35)
5.1.5 Cas des systèmes partiellement commandables
Nous avons montré dans la démonstration du Théorème 5.1.1-1 que si le système (S) invariant est non complètement
commandable, les valeurs propres de la partie commandable peuvent être déplacées à volonté tandis que les valeurs
propres de la partie non commandable ne peuvent être modifiées.
C'est en particulier le cas lorsque le vecteur d'état du système à commander est augmenté d'un vecteur d'état de
perturbations. La commande ne permet pas d'agir sur les valeurs propres de la partie correspondant à la perturbation,
ce qui apparaît d'ailleurs parfaitement normal.
On peut alors rappeler le résultat important concernant la stabilité du système en boucle fermée. Il est clair qu'un
système ne peut être stable que si les valeurs propres de la partie non commandable le sont. C'est-à-dire, par définition,
si le système est stabilisable. Par ailleurs, si cette condition est remplie, n'importe quelle valeur propre, instable de la
partie commandable peut être amenée par un bouclage approprié dans le domaine de stabilité. On peut donc exprimer
le résultat suivant :
Théorème 5.1.5-1 : Un système (S) linéaire invariant admet une commande modale qui le rend asymptotiquement
stable si et seulement si il est stabilisable.
Dans le cas monovariable on conçoit que le choix d'un polynôme caractéristique est un concept accessible. Dans le cas
multivariable, il devient indispensable de proposer au destinataire des paramètres de synthèse de haut niveau, et en
nombre suffisamment restreint pour que les effets de leurs manipulations ne soient pas trop difficiles à prévoir. Une
solution, est de fournir à l'utilisateur un modèle de système simplifié représentant les composantes d'état les plus
fortement commandables et observable, on fera alors appel à la réduction de modèle (voir section 7.1.1).
On verra par la suite (module de commande optimale) que la commande LQ (linéaire à critère quadratique) permet de
faire directement la synthèse de gains K stabilisants, sans nécessiter le passage par les formes canoniques.
59
5.1.6 Remarque sur la commande modale des systèmes non invariants
Les résultats ci-dessus ont été établis dans le cas où les matrices A et B sont indépendantes du temps. Ils ne sont
malheureusement pas extensibles au cas général car la décomposition canonique, tout comme la forme compagnon,
utilisées dans la démonstration ne sont définies que pour le cas invariant, à partir de la matrice :
(
G = C (A, B ) = B AB A 2 B L A n −1B ) (5.1-36)
Toutefois un résultat plus restrictif et néanmoins intéressant a été établi par Wolovich. Soit le système continu (S) :
x& (t ) = A (t )x (t ) + B(t )u (t ) (5.1-37)
et soit G (t ) = (B1 (t ) B 2 (t ) B 3 (t ) L B n (t )) la matrice formée de la manière suivante :
B1 (t ) = B(t )
B (t ) = A (t )B (t ) − dBi (t ) ; i = 2,...n (5.1-38)
 i i −1
dt
On dira que (S) est uniformément commandable si pour tout t le rang de la matrice G(t) reste égal à n.
A un instant quelconque t on peut alors choisir parmi les colonnes de G(t) un ensemble de n vecteurs indépendants. Si
ceux-ci restent indépendants quelque soit t il est possible de déterminer une matrice de commande L(t)
tel que A(t) - B(t) L(t) soit une matrice constante, dont les valeurs propres ont été arbitrairement choisies.
On remarquera que la définition de G(t) généralise celle de G utilisée pour les systèmes invariants. Ce résultat exprime
en fait que sous certaines conditions de commandabilité et de régularité, l'approche développée pour les systèmes
invariants peut être étendue aux systèmes qui ne le sont pas.
5.1.7 Choix des valeurs propres affectées au système bouclé
Après avoir établi les résultats précédents, il est naturel à présent de se demander quelles valeurs il faut donner aux
valeurs propres du système bouclé.
Il n'existe malheureusement pas de réponse systématique à cette question. On peut toutefois aborder le problème en
remarquant que puisqu'une commande nulle conserverait les valeurs propres du système initial, il est raisonnable de
penser qu'un choix de valeurs propres en boucle fermée très différentes des valeurs propres en boucle ouverte va exiger
des commandes théoriquement très importantes, qui vont donc en pratique entraîner une plus ou moins longue
saturation des actionneurs.
S'il est légitime de chercher à améliorer par le bouclage le comportement dynamique du système en boucle ouverte, il
convient donc de fixer ses ambitions de manière raisonnable. On peut pour cela, en se rappelant que les valeurs
propres de la matrice d'évolution d'un système invariant sont les pôles de sa matrice de transfert, transposer la question
dans le domaine fréquentiel où il convient alors de choisir la bande passante ω0 désirée pour le système bouclé.
Une fois cette valeur fixée, plusieurs solutions restent envisageables. Pour un système continu, on peut par exemple
prendre toutes les valeurs propres du système bouclé égales à -ω0. On peut également identifier le polynôme
caractéristique de A-BL à un polynôme de Butterworth : les n valeurs propres choisies se situent alors sur le cercle de
rayon ω0 et vérifient :
(ℜ(λ ))2 + (ℑ(λ ))2 = w 02 (5.1-39)

Les systèmes présentant cette configuration sont connus pour leurs réponses fréquentielles et temporelles intéressantes.
60
Im(λ) Im(λ)
× ×
× ω0 × ω0
Re(λ) Re(λ)
×
× ×
× ×
Figure 15 : Position des racines des polynômes de Butterworth d'ordre 4 et 5
p = − zw + jw 1 − z 2
Kw 02  1
Exemple : Système d’ordre 2 avec : G (p ) =
0 0
, z < 1, w0 =cte et  , le tracé
p 2 + 2zw 0 p + w 20 p 2 = −zw 0 − jw 0 1 − z 2
des pôles sur le lieu de Nyquist montre que les pôles se déplacent sur un demi cercle de rayon w0, explication,
5.1.8 Système hydraulique
La figure 18 représente une installation composée de 4 cuves identiques placées en "cascade". L'objectif étant de
conserver un débit de sortie constant, on cherche à maintenir les hauteurs d'eau dans chaque cuve à leurs valeurs
nominales. Les 2 commandes sont les débits d'alimentation, commandés par des vannes, de la première et de la
troisième cuve.
Q0+q1
k : coef de résistance à l'écoulement = débit de sortie / variation de niveau d'eau cuve
H0+h1
Q0+q2
H0+h2
H0+h3
H0+h4
2Q0+qs
Figure 16 : Système hydraulique
En linéarisant le fonctionnement autour du point nominal H0, Q0, on montre que le débit de fuite de chaque cuve est
proportionnel à la hauteur h.
61
Rappel : Volume accumulé = Volume entrant – Volume sortant ;

Volume = Débit volumique * Temps ;
Volume accumulé = Section de la cuve * Variation de la hauteur
En notant S la section des cuves, on a donc :
 dh1
S dt = q1 − kh1

S dh 2 = kh1 − kh 2
 dt
 (5.1-40)
S dh 3 = q2 + kh 2 − kh 3
 dt
 dh
S 4 = kh 3 − kh 4
 dt
Les variations sont les hauteurs hi, et les actionneurs les débits q1, q2. On prend alors comme vecteur
d'état et de commande respectivement x = [h1, h2, h3, h4]T et u=[q1, q2]T.
Il vient la représentation d'état :
x& = A x + Bu (5.1-41)
avec :
− a 0 00 b 0
a −a 0 0  0 0  k 1
A= , B= , a = = 0.25 mn -1 , b = = 1.5 m − 2 (5.1-42)
0 a −a 0  0 b S S
   
0 0 a − a 0 0
Ce système étant triangulaire, le calcul du polynôme caractéristique de la matrice d'évolution en boucle ouverte donne
de manière évidente :
det (λI n − A ) = (λ + a )4 (5.1-43)
Le système présente donc une valeur propre quadruple en -a, qui correspond à la constante de temps τ = 1 a = 4 mn de
chaque cuve.
Le système est stable, mais nous allons chercher, au moyen d'une commande modale, à accélérer sa dynamique. La
matrice de contre-réaction K comprend 2 x 4 termes alors que 4 gains sont strictement nécessaires pour modifier les
valeurs propres. Dès lors, et compte tenu de la structure particulière du système, il semble naturel, plutôt que
d'effectuer le calcul complet, de rechercher la première commande en fonction de h1 et h2 seulement, et la deuxième
fonction de h3 et h4, soit :
k k 0 0 
u = −K x = − 1 2 x (5.1-44)
 0 0 k3 k 4 
62
On a donc :
− a − bk 1 − bk 2 0 0 
 a −a 0 0 
A − BK =  (5.1-45)
 0 a − a − bk 3 − bk 4 
 
 0 0 a −a 
et
 λ + a + bk1 bk 2   λ + a + bk 3 + bk 4 
det (λI n − (A − BK )) =   
 −a λ + a   −a λ + a 
= ((λ + a + bk1 )(λ + a ) + abk 2 )((λ + a + bk 3 )(λ + a ) + abk 4 ) (5.1-46)
( 2 2
)( 2 2
)
= λ + (2a + bk1 )λ + a + ab(k1 + k 2 ) λ + (2a + bk 3 )λ + a + ab(k 3 + k 4 )
On peut chercher à imposer une valeur propre quadruple en -c < -a, soit :
( )(
det (λI n − (A − BK )) = (λ + c )4 = λ2 + 2cλ + c 2 λ2 + 2cλ + c 2 ) (5.1-47)
On en déduit :
2a + bk 1 = 2c  c−a
ab(k 1 + k 2 ) = c 2 k 1 = k 3 = 2 b
2a + bk = 2c ⇔ (5.1-48)
k 2 = k 4 = c − 2 c − a
2
 3
ab(k 3 + k 4 ) = c
2
 ab b
Avec par exemple : 1ér cas : c = 0.5; k1 = k3 = 0.33; k2 = k4 = 0.33
2ème cas : c = 1; k1 = k3 = 1; k2 = k4 = 1.6667
On constate que l'obtention d'une plus grande rapidité dans le deuxième cas nécessite des gains ki plus important et
donc des commandes plus importantes.
6 OBSERVATEUR : RECONSTRUCTION D'ETAT
6.1 Introduction
Dans les chapitres précédents, nous nous sommes intéressés à la détermination d'une commande par une approche
modale. Pour cette méthode, la commande obtenue est une fonction linéaire des variables d'état, du type u = -Kx
ou u = +Kx. Son implantation directe n'est donc possible que si toutes les variables d'état du système sont
physiquement accessibles (figure 19.a).
Dans la pratique, il en va souvent différemment : les informations fournies par les capteurs forment un vecteur de
mesure y, de dimension inférieure à - celle de x ; y s'exprime lui-même linéairement en fonction de x (et
éventuellement de u) sous la forme y = Cx.
Pour implanter la commande, il convient donc de procéder à une reconstruction de l'état x à partir des seules
informations dont on dispose, à savoir la commande u et la mesure y (figure 19.b). La matrice C n'étant pas inversible,
la reconstruction ne peut être parfaite, mais on peut toutefois obtenir un résultat satisfaisant en utilisant un système
dynamique. Cet élément, est appelé "observateur" car c'est par l'observation des signaux appliqués et recueillis sur le
système qu'il procède à une reconstruction approchée x̂ de l'état x. On trouve également dans la littérature des termes
plus ou moins synonymes tels que reconstructeur, estimateur, filtre, ces deux dernières appellations étant plutôt
employées dans un contexte stochastique.
63
Calcul de la u Système y
Calcul de la u Système y commande
commande
x̂
x Observateur
a : état mesurable b : reconstruction de l'état

Figure 17 : Implantation de la commande
L'implantation de la commande est alors possible en remplaçant x par x̂ . Naturellement le remplacement de l'état x par
son estimé, amène à se poser les questions suivantes :
1. Est-ce que l'observateur va influer sur la stabilité du système ?
2. Est-ce que l'observateur va modifier la dynamique du système ?
3. Peut on déterminer l'observation et le gain de retour stabilisant de manière indépendante ?
Avant de répondre à ces questions nous allons nous intéresser à la détermination de l'observateur.
6.2 Observateur identité
Conformément à ce qui précède, nous appellerons "observateur identité" un observateur sans biais dont l'état x̂ est une
reconstruction de l'état x du système.
On propose la structure suivante :
( )
x̂& = A x̂ + Bu + G y − ŷ ; ŷ = Cx̂ (6.2-1)
( )
Cette structure correspond à une simulation x̂& = A x̂ + Bu + ... , corrigée par l'écart constaté entre la sortie observée et
( (
la sortie reconstruite LG y − ŷ . ))
On peut également donner de manière équivalente la structure suivante :
x̂& = (A − GC)x̂ + Bu + G y (6.2-2)
où u et y sont les entrées du reconstructeur.

L'observateur est donc défini par des équations d'état d'ordre n. Il est dit "observateur sans biais" si on sait déterminer
un "gain" G, de sorte que l'on ait :
x̂ (t 0 ) = x (t 0 ) ⇒ x̂ (t ) = x (t )
∀x (t 0 ), ∀u (t ), pour t ≥ t 0  x̂ (t ) ≠ x (t ) ⇒ lim (x̂ (t ) − x (t )) → 0 (6.2-3)
 0 0
t →∞
64
6.2.1 Analyse de convergence
On définit l'erreur d'estimation e(t ) = x̂ (t ) − x (t ) . Après dérivation, on montre facilement que :

e& (t ) = (A − GC )e(t ) (6.2-4)
L'analyse est immédiate. On aura e(t ) → 0 si l'on peut trouver une matrice de gain G telle que (A-GC) soit
asymptotiquement stable. On reconnaît un problème dual de la stabilisabilité en remarquant que les valeurs propres de
la matrice (A-GC) sont également celles de sa transposée, soit (AT-CTGT). On définit donc le système fictif :
p& (t ) = A T p(t ) + C T q(t ) (6.2-5)
pour lequel il s'agit de déterminer la commande q = - GT p qui place les valeurs propres du système bouclé sur les
positions choisies. On est ainsi ramené à un problème de commande modale identique à celui traité au chapitre
précédent. La méthode de résolution et les résultats sont donc identiques. Toutes les techniques utilisables pour la
stabilisation (trouver K telle que (A-BK) soit stable) peuvent être mise en œuvre pour la reconstruction d'état, en
remplaçant A par AT et B par CT. La solution GT sera donnée par K.
Théorème 6.2.1-1 (Wonham) :Il existe une matrice GT si et seulement si la paire (AT, CT) est commandable.
⇔ rang C T , A T C T , L A n −1 C T  = n
T
Or : La paire (AT, CT) est commandable
 
c
 C 
 CA 
La paire (A, C) est observable ⇔ rang  =n.
 M 
 n −1 
CA 
Ainsi la matrice G existe pour tout ensemble quelconque {λ1 λ 2 L λ n } si et seulement si la paire (A, C) est
observable.
De même qu'en commande modale, la question se pose de savoir où placer les valeurs propres de l'observateur.
Intuitivement on peut penser que la dynamique de l'observateur doit être plus rapide que celle du système bouclé, faute
de quoi l'estimé présentera un biais et donc une commande erronée. Aussi, pour ne pas sensibiliser l'estimé à la
présence des bruits sur le système (composantes hautes fréquences) on choisira toujours une dynamique de
l'observateur comprise entre la dynamique du système bouclé et la dynamique des bruits (Figure 18).
Dynamique
Im
Bruits du Système Système Réel

Observateur
système 0
en BF en BO
Figure 18 : Placement des valeurs propres de l'observateur
65
6.2.2 Exemple
Considérons l’équation matricielle suivante :
dx 1 (t )
0 1 0 = x 2 (t )
x& (t ) =   x (t ) +   u (t ) dt
 0 0  1 (6.2-6)
dx 2 (t )
y(t ) = (1 0)x (t ) = u (t )
dt
avec les conditions initiales inconnues x1(0) et x2(0).

Problème : Le système est – il observable, si oui peut – on construire un observateur identité de l’état?.
Le système est complètement observable si le critère de Kalman associé à la paire (A, C) est vérifié ou encore s’il est
possible par la connaissance de y(t) de déduire x1(0) et x2(0).
♦ Le critère de Kalman montre immédiatement que le système est complètement observable
 C  1 0 
rang  = rang  = 2 = n (6.2-7)
 CA   0 1
♦ Ou encore, la connaissance de y(t) montre après intégration sur un certain intervalle qu’il est possible de déterminer
t t
x1(0) et x2(0) . En effet, sachant que ∫ 1 * dx (t ) = [1 * x (t )]0t − ∫ 0 * dx (t ) on a :
0 0
t t t
∫ dx 2 (t ) = ∫ u (t )dt ⇔ x 2 (t ) = x 2 (0) + ∫ u (t )dt
0 0 0
(6.2-8)
t t t tt 
∫ dx 1 (t ) = ∫ x 2 (t )dt ⇔ x 1 (t ) = x 1 (0) + ∫ x 2 (t )dt = x 1 (0) + tx 2 (0) + ∫  ∫ u (t )dt dt
0 0 0 00 
Comme cela a déjà été signalé, l’observabilité est indépendante du signal de commande, on peut alors se limiter, en
faisant u(t)=0, à l’expression suivante de y(t) :
y( t ) = x 1 (0) + tx 2 (0) (6.2-9)
Connaissant y(t) sur un certain horizon temporel, il est possible d’en déduire les valeurs numériques x1(0) et x2(0).
Graphiquement, on construit l’évolution dans le temps de y(t), de cet enregistrement, on déduit très facilement :
- la vitesse initiale x2(0) : pente de la droite
- la position initiale x1(0) : ordonnée à l’origine de la droite.
Le système est donc observable.
Construction d’un observateur identité
On propose la structure suivante :
( )
x̂& = A x̂ + Bu + G y − ŷ ; ŷ = Cx̂ (6.2-10)
où l’erreur d’estimation e(t ) = x̂ (t ) − x (t ) après dérivation, vaut :

e& (t ) = (A − GC )e(t ) (6.2-11)
66
On impose la dynamique de l’observateur, en fixant les valeurs propres de la matrice A-GC respectivement à –4.5
et –0.5 (valeurs arbitraires, mais garantissant la stabilité de l’observateur). Il faut choisir g1 et g2 tels que :
  0 1   g1  λ 0
det (A − GC − λI ) = det    −  (1 0) −   
  0 0   g 2   0 λ 
(6.2-12)
− g − λ 1 
= det  1  = λ2 + g1λ + g 2 = 0
 − g 2 − λ 
le determinant de (A-GC-λI) soit égal au polynôme caractéristique désiré :
λ2 + g1λ + g 2 = (λ + 4.5)(λ + 0.5) (6.2-13)
On en déduit que g1=5 et g2=9/4.
L’observateur est alors défini par le système suivant :
x̂& = (A − GC )x̂ + Bu + Gy
−g 1 0 g  (6.2-14)
=  1  x̂ +   u +  1  y
 − g2 0 1 g2 
6.3 Observateur continu généralisé

Pour connaître l'état x à partir de l'équation d'observation y=Cx, il faudrait que la matrice C soit régulière, hypothèse
rarement vérifiée. A cet effet, on cherche à augmenter la dimension de l'équation d'observation par l'ajout d'une
combinaison linaire des états
z = Tx (6.3-1)
de telle sorte que le système :
 y C
  =   x (6.3-2)
z T
soit régulier.
Lorsque la solution existe, elle est notée x̂ , elle correspond à l'estimé de x et peut se mettre sous la forme :
−1
 C  y
x̂ =     = M z + N y (6.3-3)
T z
On impose que la variable z soit définie par l'équation d'évolution :
z& = Fz + G y + J u (6.3-4)
Le problème consiste alors à déterminer les matrices T, M, N, F, G et J, de sorte que le système d'équation d'état :
z& = Fz + G y + J u
(6.3-5)
x̂ = M z + N y
soit un "observateur sans biais" où z ∈ ℜd ° (d° ≤ n) représente l'état de l'observateur.
Détermination des matrices M, N, F, G, T et J.

On déduit par dérivation de (6.3-1) l'égalité suivante :
z& = T x& ⇔ Fz + G y + J u = TA x + TBu ⇔ (FT + GC)x + J u = TA x + TBu (6.3-6)
où après identification, l'égalité (6.3-6) est vérifiée quelles que soient u et x si :

FT = TA - GC (6.3-7)
J = TB (6.3-8)
67
On dispose ainsi de deux équations pour déterminer les matrices F, G et J. En général, la solution n'est pas unique et
l'utilisateur devra imposer des contraintes supplémentaires.
Par une étude plus précise de la convergence de l'erreur ~z = z − T x on montre que :
~z& = F~z + (FT + GC − TA )x + (J − TB )u (6.3-9)

Aux conditions (6.3-7) et (6.3-8) il faut donc adjoindre la condition :
F stable (6.3-10)
Enfin l'annulation de l'erreur d'estimation d'état e = x̂ − x permet de déterminer les matrices manquantes M et N :
e = x̂ − x = M z + N y − x = M ~z + (MT + NC − I n )x (6.3-11)
Conclusion l'observateur (6.3-5) est un observateur sans biais, si et seulement si, ils existent les matrices F, T, G, J, M
et N telles que :
C
rang  = n
T
FT = TA – GC
J = TB
F stable
MT + NC = In
L'observateur est d'ordre
- plein si d°=n (M=In),
- réduit si d°<n,
- minimal si d°=n-m (où m = dim (y))
Remarque : Le reconstructeur identité d'ordre n de la section 6.2 précédente est un cas particulier de
l'observateur (6.3-5) il représente l'observateur généralisé d'ordre plein avec T=In.
Exemple 6.2.2-1 : On considère à nouveau le problème de reconstruction pour le système décrit par les équations :
0 1 0
x& =   x +  u
0 0 1 (6.3-12)
y = (1 0 )x
On utilise un observateur de dimension minimale (ici 1) puisqu'un des états est directement mesuré. Pour assurer une
"bonne" dynamique de l'observateur, on prend F = - 2 ce qui impose :
0 1
FT = TA − GC ⇔ −2(t 1 t 2 ) = (t 1 t 2 )  − g(1 0 ) ⇔ (− 2t 1 + g − 2 t 2 − t 1 ) = (0 0 ) (6.3-13)
0 0 
En fixant arbitrairement g = 1, on en déduit :

− 2 t 1 + 1 = 0 t = 1 / 2
 ⇔ 1 (6.3-14)
− 2 t 2 − t 1 = 0 t 2 = −1 / 4
68
Enfin à partir de l'équation J=TB, on obtient :

0
J = TB = (t 1 t 2 )  = t 2 = −1 / 4 (6.3-15)
1
L'observateur est donc décrit par l'équation différentielle :
z& = −2z − 0.25u + y (6.3-16)
L'état reconstruit x̂ vérifie l'équation :
 y C  1 0 
  =   x̂ =   x̂ (6.3-17)
z
    T  0. 5 − 0 .25 
Par simple inversion de matrice, on obtient :

 − 0.25 0 
 
 y   − 0.5 1   y   1 0  y 
−1
y  1 0 
(N M )  =     =  =   = x̂ (6.3-18)
 z   0.5 − 0.25  z − 0.25  z   2 − 4  z 
soit : x̂ 1 = y et x̂ 2 = 2 y − 4z (6.3-19)
A titre d'exercice, rechercher un observateur d'ordre plein (T=I) dont la dynamique est fixée à –4.5 et –0.5. Ces
données numériques correspondent aux valeurs propres de F et assurent la stabilité de l'observateur.
6.4 Détermination directe du gain de l'observateur identité

Le problème consiste à déterminer le gain G à partir d'un choix arbitraire des valeurs de F. Dans le cas mono - sortie
(m=1), on utilise la méthode de Bass et Gura qui donne explicitement l'expression du gain. Par contre, dans le cas où
m≠1, on peut employer une méthode basée sur la forme matricielle de Luenberger.
6.4.1 Système mono – sortie (méthode de Bass et Gura)
Désignons par f(p) et a(p), les polynômes caractéristiques des matrices F(=A-GC) et A. Ils sont liés par la relation de
Kailath suivante :
(
f (p ) = a (p )det I n + (pI n − A )−1 GC ) (6.4-1)
Sachant par ailleurs que pour toutes matrices V et W de dimensions respectives (m×n) et (n×m), la relation :
det (I m − VW ) = det (I n − WV ) (6.4-2)
est toujours vérifiée. On obtient, dans le cas d'un système mono - sortie (m=1) :
( [ ]) ( [ ]) ( [
f (p ) = a (p ) det I n + (pI n − A )−1 G C = a (p ) det 1 + C (pI n − A )−1 G = a (p ) 1 + C (pI n − A )−1 G ]) (6.4-3)
soit :
[
f (p ) − a (p ) = a (p )C (pI n − A )−1 G ] (6.4-4)
Posons :
n
f (p) = p n + ∑ f i p n −i = p n + f1p n −1 + L + f n (6.4-5)
i =1
n
a (p) = p n + ∑ a i p n −i = p n + a 1p n −1 + L + a n (6.4-6)
i =1
69
L'utilisation de la formule de Leverrier - Souriau :
(pI − A )−1 = 1
a (p )
[ ( ) (
p n −1I n + p n − 2 (A + a1I n ) + p n −3 A 2 + a 1A + a 2 I n + L + A n −1 + a 1A n − 2 + L + a n −1I n )] (6.4-7)
conduit, à partir de (6.4-4) au système suivant :
[ ( ) ( )]
f (p ) − a (p ) = C p n −1 I n + p n − 2 (A + a 1 I n ) + p n −3 A 2 + a 1 A + a 2 I n + L + A n −1 + a 1 A n − 2 + L + a n −1 I n G
f 1 − a 1 = CG  f1 − a 1   1 0 L 0  C 
     
f
 2 − a 2 = CAG + a 1 CG  f 2 − a 2   a1 1 0 M  CA 
 (6.4-8)
⇔ f 3 − a 3 = CA 2 G + a 1 CAG + a 2 CG ⇔  f 3 − a 3  =  a 2 a1 1 O  CA 2 G
    
M  M   M O O 0  M 
     
f n − a n = CA n −1 G + a 1 CA n − 2 G + L + a n −1CG  f n − a n   a n −1 a n − 2 L a 1 1  CA n −1 

Sous réserve que la paire (A, C) est observable, le gain vectoriel G est alors donné par :
−1 −1
 C   1 0 L 0  f1 − a 1 
     
 CA   a1 1 0 M  f2 − a 2 
G =  CA 2   a a 1 O  f −a  (6.4-9)
   2 1   3 3
 M   M O O 0  M 
 n −1     
 CA   a n −1 a n − 2 L a1 1  fn − a n 
6.4.2 Système multi – sortie (cas général : méthode de Bass et Gura)
Pour utiliser ce qui précède, introduisons les notations :
 C1 
 
 C2 
G = (G1 G 2 L G m ) , C =  (6.4-10)
M 
 
C 
 m
où pour tout i dans {1, 2, L, m} G i ∈ ℜ n×1 , Ci ∈ ℜ1×n . On peut alors écrire :
m
F = A − ∑ G i Ci (6.4-11)
i =1
( )
Si l'on choisit j dans {1, 2, …, m}, et les vecteurs G1 ,L, G i −1 , G i +1 , L, G m tels que la paire F( j) C j soit observable,
où F( j) est défini par :
m
F( j) = A − ∑ G i C i (6.4-12)
i =1
i≠ j
on peut alors appliquer la méthode précédente pour déterminer Gj. L'inconvénient réside dans le choix de l'indice j et
( )
des gains vectoriels Gi, i≠j, qui ne conduisent pas tous forcément à une paire F( j) C j observable. Pour contourner
cette difficulté, on utilise la méthode suivante, basée sur la forme canonique observable de Luenberger.
70
6.4.3 Forme canonique observable de Luenberger
La méthode impose que le système soit observable. On considère dès lors, le système autonome et observable suivant:
x& = A x
y = Cx (6.4-13)

où la transformation,
x = Vx
(6.4-14)
y = Wy
( )
explicitée dans la section 8.1.2 donne d'après le principe de dualité p& (t ) = A T p(t ) + C T q(t ) la représentation
canonique observable de Luenberger suivante :
x& = A x
 (6.4-15)
 y = C x
 m 
où, en notant di, i∈{1, 2, …, m}, les indices d'observabilité  rq : ∑ d j = n  :
 j=1 
 A 11 L A 1i L A 1m  0 L L 0 ×
  1 O 0 L 0 ×
 M M M   M ×  
d ×d 0L 0 ×
A = V −1 AV =  A i1 L A ii L A im  , A ij ∈ ℜ i j , A ii = 0 O O M M , et pour j ≠ i, A ij = 
     M M M
 M M M  M O O 0 M  
A L A L A  0 L 0 ×
0 L 0 1 ×
 m1 mi mm  
0 L0 0
M M M 

0 L0 0
[ ]
C = W −1CV = C1 C2 L Cm , Ci ∈ ℜ m×d i

, Ci =  0 L0

1 ← (i) (6.4-16)
0 L0 0
 
M M M
0 L0 0

En conséquence, si l'on pose :
 G i1  b d1
−1
(
G = V GW = G1 G 2 L G m ) 
, où ∀i ∈ {1, L , m}, G i =  M  M
  m 
 rq : ∑ d j = n  (6.4-17)
G im  b d m  j=1 
 
il vient :
F = A − G C = V −1FV (6.4-18)
Les polynômes caractéristiques de F et F sont donc identiques et F a pour structure :
 F11 L F1i L F1m 

 
 M M 
 
(
F =  Fi1 L Fii L Fim  , Fij = A ij − 0 L 0 G ij ) (6.4-19)
 M M M 
F L F L F 
 m1 mi mm 
71
Le choix des composantes de G ij est donc fixé par :
1. pour j ≠ i, G ij annule la dernière colonne de Fij ;
2. pour j = i, G ii est déterminé à partir d'un choix arbitraire des valeurs propres de Fii .
On a donc à résoudre un système d'équations, fourni par les égalités :
( )
d i −1
∀i ∈ {1, L , m}, det pI d i − Fii = p d i + ∑ f ij p j (6.4-20)
j= 0
où les f ij sont fixés à priori par la dynamique désirée.
La matrice G étant déterminée, le gain de l'observateur du système original (6.4-13) est donné par :
G = VGW −1 (6.4-21)
Exemple 6.4.3-1 : A titre d'exercice, on considère le système multi - sorties (m=2) décrit par représentation d'état :
1 −1 0 − 6
0 1 
1 − 1 0 0 − 6   0
  
x& = 0 0 − 1 2 − 8 x + 0 u = A x + Bu
   
0 0 1 0 − 6 1  (6.4-22)
0 0 0 1 − 2 1
0 0 1 − 1 0
y= x = Cx
0 0 0 0 1
Les valeurs propres de la matrice d'évolution de ce système sont : {0, − 0.144 + 1.87i, − 0.144 − 1.87i, − 1, − 1.71} , il
est demandé de déterminer le gain nécessaire G, pour obtenir un observateur identité dont les dynamiques sont toutes
fixées arbitrairement à {-4} :
( )
x̂& = A x̂ + Bu + G y − ŷ ; ŷ = Cx̂ (6.4-23)
On illustrera successivement, sur cet exemple, les deux méthodes de calcul

de G, que nous venons de décrire.
6.4.4 1ère Méthode : Méthode de Bass et Gura
D’après la structure du système précédent les matrices G et C sont de la forme suivante :
C 
G = (G 1 G 2 ) , C =  1  (6.4-24)
C2 
où (A, C1) et (A, C2) sont deux paires complètement observables.
Les deux paires (A, C1) et (A, C2) étant complètement observable, on peut naturellement fixer G1 à zéro, de telle sorte
( )
que la paire F(2 ) , C 2 reste complètement observable :
2
F( j=2 ) = A − ∑ G i C i = A − G 1C1 = A (6.4-25)
i =1
i≠ j
72
Il reste donc à rechercher le vecteur G2, d’après la relation suivante :
−1 −1 −1 −1
 C2   1 0 L 0  f1 − a 1   C 2  1 0 0 0 0  f1 − a 1 
           
 C 2 F2   a1 1 0 M  f 2 − a 2   C2 A   a1 1 0 0 0 f2 − a2 
G 2 =  C 2 F22   a a1 1 O   f − a  = C A2  a a1 1 0 0 f − a 
   2   3 3
  2 3  2   3 3

 M   M O O 0  M   C2A  a3 a2 a1 1 0 f4 − a4 
 C F n −1  a a n −2 L a 1 1  f − a  C A4  a a3 a2 a 1 1  f − a 
 2 2   n −1  n n  2   4  5 5
La matrice d’observabilité associée à la paire (A, C2) est :
 C2   0 0 0 0 1 
   
 C2A   0 0 0 1 − 2
C A2  = 0 0 1 − 2 − 2
 2 3  
 C2A   0 1 − 3 0 8 
C A4  1 − 4 3 2 2 
 2  
Le polynôme caractéristique du système en boucle ouverte est :
n
a ( p) = p n =5 + ∑ a i p n −i = p 5 + a 1 p 4 + a 2 p 3 + a 3 p 2 + a 4 p1 + a 5 = p 5 + 3p 4 + 6p 3 + 10p 2 + 6p + 0
i =1
Le polynôme caractéristique désiré du système en boucle fermé est :
f ( p) = (p + 4)5 = p n =5 + f1 p 4 + f 2 p 3 + f 3 p 2 + f 4 p1 + f 5 = p 5 + 20p 4 + 160p 3 + 640p 2 + 1280p + 1024
Le vecteur des coefficients (f1 − a 1 f2 − a 2 f 3 − a 3 L f n − a n )T est :
(f1 − a 1 f2 − a2 f3 − a 3 f4 − a4 f 5 − a 5 )T = [17 154 630 1274 1024]T

La relation G2 (ci-dessus) donne directement la valeur du gain, soit :
−1 −1
0 0 0 0 1  1 0 0 0 0  17   2298 
       
0 0 0 1 − 2  3 1 0 0 0  154   1274 
G2 = 0 0 1 − 2 − 2  6 3 1 0 0  630  =  527  (6.4-26)
       
0 1 − 3 0 8  10 6 3 1 0 1274   137 
1 − 4 3 2 2   6 10 6 3 1  1024   17 
    
L’observateur identité par la méthode de Bass et Gura a donc pour équation d’état :
1 − 1 0 0 − 2304 1   0 2298 
1 − 1 0  
0 − 1280  0
 0 1274 
   
x̂& = (A − GC )x̂ + Bu + G y = 0 0 − 1 2 − 527  x̂ + 0 u +  0 527  y
     
0 0 1 0 − 143  1   0 137 
0 0 0 1 − 19  1  0 17 
 
On peut s’apercevoir par cette méthode que l’observateur peut être mal conditionné. On préfèrera de loin une approche
basée sur l’optisation d’un critère energétique (approche LQ) que l’on détaillera l’année prochaine (année 2 cycle
ingénieur).
73
2ème Méthode : Méthode de Luenberger

La première étape consiste à mettre la représentation d’état initiale sous la forme observable de Luenberger. Suivant la
démarche présentée en section 8.1.2 (principe de dualité), on sélectionne successivement les lignes de la matrice
d’observabilité de la paire (A, C) correspondant à {C1, C2, C1A, C2A, C1A2}.
 m 
Les indices d’observabilité sont donc : d1 = 3, d2 = 2  rq : ∑ d j = n  et, après permutation des lignes, on obtient la
 j=1 
matrice suivante :
 C1   0 0 1 −1 0 
 C A  0 1 − 2 2 − 2 
 1   
P2 = C1 A 2  = 1 − 3 4 − 6 2 
   
 C 2  0 0 0 0 1
 C 2 A  0 0 0 1 − 2
L’inverse de P2 est :
2 3 1 8 2
2 1 0 2 0
 
P2−1 = 1 0 0 2 1
 
0 0 0 2 1
0 0 0 1 0
 
En plus des indices d’observabilité d1 = 3, d2 = 2 on introduit les indices σ1 et σ2  rq : σ i = ∑ d j ; i ∈ {1,2,L m}
i
 j=1 
suivants :
1 2
σ1 = ∑ d j = d 1 = 3 , σ 2 = ∑ d j = d1 + d 2 = 5
j=1 j=1
et on note p σi = p j , la jème colonne de P2−1 définissant la transformation A = V −1 AV , avec :
1  2 1 1 0 2 2
 0  0 0 1 0 0 2
[ ]
     
p σi = p 3 =  0 ; p σ 2 = p 5 =  1  ; V = p σ i Ap σi A 2 p σi p σ2 Ap σ 2 = 0 0 1 1 1
     
 0 1  0 0 0 1 1
0 0 0 0 0 0 1
Cette dernière transformation conduit à la forme observable de Luenberger :
0 0 −2 0 8  1 
1 0 0 0 − 4   − 2
  
x& = A x + Bu = 0 1 −2 0 0  x +  − 1 u
   
0 0 1 0 − 4 0
0 0 0 1 − 1  1 
y = C1 [ ] 0 0 1 0
C2 x = 
0
1
x ; Ci ∈ ℜ m×d i
0 0 0 0
74
On peut remarquer que sur cet exemple, il n’y a pas besoin d’une transformation supplémentaire dans l’espace des
sorties.
En conséquence si l’on pose :
 G  b d1
G = V −1G = G1 ( )
G 2 , où ∀i ∈ {1, 2}, G i =  1i 
 G 2i  b d 2
le gain G de l’observateur se décompose sous la forme :
G G12  b d 1
G =  11 
 G 21 G 22  b d 2
il vient :
A
F = A − G C =  11
A12   G11
−
A 22   G 21
G12 
[
 C1
G 22 
C2 ]
 A 21
A
=  11
A12   G11
−
( G12 C1 ) (G11 )
G12 C2 

 A 21 (
A 22   G 21 G 22 C1 ) (G 21 )
G 22 C2 
A A12   0 0 G11 0 G12  b d1
=  11 − 
 A 21 A 22   0 0 G 21 0 G 22  b d 2
0 0 − 2 0 8 
    0 0 1 0 4  0 0 1 0 0
avec A11 =  1 0 0  ; A12 =  0 − 4  ; A 21 =   ; A 22 =   ; C1 =   ; C2 =  
0 1 − 2 0 0  0 0 0  1 − 1 0 0 0 0 1
   
La matrice F a bien la structure énoncée dans l’algorithme de Luenberger, à savoir :
 F11 L F1i L F1m 

 
 M M 
F =  Fi1 L Fii L Fim  , Fij = A ij − 0 L 0 G ij
 
( )
 M M M 
F L F L F 
 m1 mi mm 
Le choix des composantes de G ij est donc fixé par :
• pour j ≠ i, G ij annule la dernière colonne de Fij soit :
 8 
  1
G12 =  − 4  ; G 21 =  
 0  0
 
• pour j = i, G ii est déterminé à partir d'un choix arbitraire des valeurs propres de Fii soit :
 p 0  2  
   
( [ (
det pI − A11 − 0 0 G11 )]) = −1 p  0  + G11  = (p + 4)
3
 0 −1  p + 2 
   
 − 4
( [ (
det pI − A 22 − 0 G 22 )]) =  −p1 
  + G 22  = (p + 4 )2
  −1 
75
 62 8 
 
 48 − 4 
On obtient après identification terme à terme : G =  10 0 
 
 1 12 
0 7 

112 42 
 
 48 10 
ce qui conduit au gain de l’observateur G = VG , pour le système initial : G =  11 19 
 
 1 19 
 0 7 

L’observateur identité construit d’après l’algorithme de Luenberger à donc pour équation d’état :
1 − 1 − 112 112 − 48 1 112 42 

1 − 1 − 48 48 − 16  0  48 
  
10 
 
x̂& = (A − GC )x̂ + Bu + G y = 0 1 − 12 13 − 27 x̂ + 0 u +  11 19  y
     
0 0 0 1 − 25 1  1 19 
0 0 0 1 −9  1  0 7 
Comparativement à la méthode précédente (algorithme de Bass et Gura), la structure de l’observateur est mieux
conditionnée. Les matrices de l’observateur sont déterminées, il reste à répondre aux questions soulevées en début de
chapitre :
Est-ce que l'observateur va influer sur la stabilité du système ?
Est-ce que l'observateur va modifier la dynamique du système ?
Peut on déterminer l'observation et le gain de retour stabilisant de manière indépendante ?
6.5 Stabilité observateur - système
On considère le système x& = A x + Bu , y = Cx avec un retour d'état :
u = ± Kx + vref
où vref est la commande de référence et K le gain de retour stabilisant le système.
Problème : Que se passe t-il lorsque l'état x est remplacé par son estimé x̂ dans la loi de commande ?.
Pour répondre à cette question on choisit un retour K positif (par exemple), la commande s'écrit alors :
u = K x̂ + v ref
et l'erreur d'estimation e(t ) = x̂ (t ) − x (t ) donne :
x& = A x + BK x̂ + Bv ref
= A x + BK (e + x ) + Bv ref
= (A + BK )x + Bv ref + BKe
* sans estimateur, on a :
x& = (A + BK )x + Bv ref
* avec estimateur, on a un terme d’erreur supplémentaire
x& = (A + BK )x + Bv ref + BKe
En régime permanent l'estimation ne modifie pas la commande, l'erreur d'estimation étant asymptotiquement nulle.
76
D'une manière générale, on peut écrire
 x&   A + BK BK  x   B 
  =    +   v
 e&   0 F  e   0  ref
où les valeurs propres de ce système sont données par
  A + BK BK  
det  λI −   = 0
  0 F  
⇔ det (λI − (A + BK )) × det (λI − F ) = 0
On obtient 2n valeurs propres (dim x=n)

- n valeurs propres du système bouclé sans estimateur,
- n valeurs propres de l'estimateur.
Conclusion : La commande par retour d'état et l'observation peuvent être déterminée séparément et l'estimateur ne
modifie pas la dynamique du système bouclée.
Les techniques précédentes permettent de recontituer l’état d’un système à partir de mesures d’une partie des variables
d’état (sous réserve de satisfaire à la condition d’observabilité). Il est également possible de déduire de l’état ainsi
reconstruit la sortie du système ; celle-ci peut alors être comparée à la sortie mesurée du système. Cette technique de
comparaison est la base des algorithmes de detection et localisation de défauts capteurs.
77
ANNEXE
7 ANNEXE 1 : SIMPLIFICATION DE MODELES PAR LES GRAMMIENS

Le but est de fournir à l'utilisateur un modèle de système plus simple, qui lui permettra de résoudre, avec une quantité
limité de calculs, les problèmes tels que le calcul de lois de commande et ou la détermination d'observateurs.
7.1.1 Réalisations équilibrées
La méthode consiste à rechercher les composantes d'état les plus fortement commandables et observables. Pour cela,
on associe au système
x& = A x + Bu
(6.5-1)
y = Cx
les grammiens de commandabilité et d'observabilité définis par les expressions :

Pc = ∫0 e Aτ BB T e A τ d τ
∞ T
(6.5-2)
∞ T
PO = ∫0 e A t C T Ce At d t (6.5-3)
Ces deux matrices Pc et Po sont définies positives, symétriques et sont les solutions uniques des équations de Lyapunov
(déterminées par étude de la stabilité) suivantes :
APc + Pc A T = −BB T
(6.5-4)
A T Po + Po A = −C T C
Esquisse de démonstration :
APc + Pc A T = − BBT ⇔ A ∫0 e Aτ BBT e A τ d τ + ∫0 e Aτ BBT e A τ d τ A T = − BBT

∞ T ∞ T
d ∫0 e Aτ BBT e A τ d τ 
∞ T
⇔   = − BBT
dτ
∞
⇔ e Aτ BBT e A τ  = − BBT
T
  0
On montre par la suite que les grammiens permettent d'estimer le degré de commandabilité et d'observabilité des
composantes du vecteur d'état x.
Réalisations : Etant donné un système (A, B, C) minimal (i.e. commandable et observable), stable asymptotiquement,
il existe une transformation qui rend les grammiens de commandabilité et d'observabilité égaux et diagonaux. On dit
que le système transformé est une réalisation équilibrée (Balanced Realization).
Soit T cette transformation obtenue comme suit :
1. On factorise Po en : Po=RTR
2. On calcule RPcRT
78
3. On applique une décomposition en valeurs singulières de la matrice RPoRT :
RPc R T = USU T (
avec U T U = I, S = diag(σ1, σ 2 ,L, σ n ), σ i > σ i +1 ) où σ représentent les
valeurs singulières. Ces valeurs correspondent à la racine carrée des valeurs propres de la
(
matrice RPc R T RPc R T )( )
T
.
( )( )
4. On définit : T = R −1 U S1/ 4
T
Alors les nouveaux grammiens de commandabilité Pc = T −1Pc T −1 ( ) T

= S1/ 2 et d'observabilité Po = T T Po T = S1/ 2 sont
égaux à S1/2.
Preuve :
♦ Soit le grammien Pc, solution de :
APc + Pc A T + BB T = 0 ⇔ APc + (APc )T + BB T = 0 (6.5-5)
( ) à droite, il vient sachant que T T=I :

On multiplie par T-1 à gauche de l'expression et par T −1
T -1
T AT T P (T ) +  T AT T P (T )  + T BB (T ) = 0 ⇔ A P + (A P ) + B B
T
−1 −1 −1 T −1 −1 −1 T −1 −1 T T
c c
T
c c
T
=0
 
où A = T AT, B = T B et P = T P (T )
−1 −1
c
−1
c
−1 T
On vérifie que Pc = S1/ 2 , sachant que RPc R T = USU T et T = R −1 U S1/ 4 ( ) ( ) on obtient : T
Pc = T −1Pc T −1 ( ) = (S ) U
T −1/ 4 T −1
R Pc R T U −1 S1/ 4( ) T
= (S ) U U SU (U ) S
−1/ 4 T −1 T −1 T 1/ 4
= S1/ 2
♦ Soit le grammien PO, solution de :
A T Po + Po A = −C T C ⇔ (Po A )T + Po A + C T C = 0 (6.5-6)
On multiplie par T T à gauche de l'expression et par T à droite, il vient :

(T T
Po T T −1AT )
T
+ T T Po T T −1AT + T T C T CT = 0 ⇔ Po A ( )T + Po A + C T C = 0
où C = CT et Po = T T Po T = S1/ 2 .
( ) ( ) on obtient :
On vérifie que P0 = S1/ 2 , sachant que Po=RTR et T = R −1 U S1/ 4
T
P0 = T T Po T = S1/ 4 U T (R ) P (R )U (S ) = S U (R ) R R (R )U (S )
−1 T
o
−1 1/ 4 T 1/ 4 T −1 T T −1 1/ 4 T
= S1/ 2
Les expressions précédentes montrent qu'en fait T apparaît comme la matrice du changement de base permettant de
diagonaliser le produit PcPo. En effet :
( ) T
Pc Po = T −1Pc T −1 T T Po T = T −1Pc Po T = S1/ 2 S1/ 2 = S = diag σ1 σ 2 L σ n ( ) (6.5-7)
La matrice T, est donc formée de vecteurs propres associées aux valeurs propres de la matrice PcPo. Elle est la
matrice de changement de base : x = Tx.
79
Sachant par construction, que les dernières valeurs de S sont nécessairement plus petites que les premières, on peut
valablement considérer une décomposition par blocs de S :
1/ 2
S 0  x 
Po = Pc =  1  , x =  1 (6.5-8)
 0 S2  x 2 
tel que :
 x&   A 11 A 12   x 1   B1 
 & 1  =    +  u
 x 2  A 21 A 22   x 2   B 2 
 (6.5-9)

[  x1 
 y = C1 C 2  x  ]
  2
On conclut à la fois que x 2 est peu excité par u et que y est peu sensible à x 2 . On peut valablement approximer le
( ) ( )
système A, B, C par le système d'ordre réduit A11 , B1 , C1 où l'état x 1 ∈ ℜ q < n reflète les q composantes les plus
commandable et les plus observable du modèle initial.
Remarques :
1 Le grammien de commandabilité vérifie l'équation :
A11S11/ 2 + S11/ 2 A11

T
+ B1 B1T = 0 (6.5-10)
et le théorème de Lyapunov permet de conclure que la réduction d'ordre a préservé la stabilité du système réduit.
2 Lorsqu'un transfert est vraisemblablement peu observable ou commandable, ce qui se révèle par des zéros
relativement proches des pôles, la réduction à partir de réalisations équilibrées est un excellent moyen de
simplification.
3 Le modèle réduit ne présente qu'une très faible erreur d'approximation. Certes cette erreur existe mais elle peut être
quantifiée aisément dans le cas scalaire. En effet, la réponse impulsionnelle dans le cas scalaire, du système original
notée f(t) se calcule par :
f (t ) = Ce At B (6.5-11)
∞
où f (t ) = ∫ f 2 (t )dt calculée dans la base initiale donne :
2
∞ 
f (t ) = C ∫ e At BBT e A t dt C T = CPc C T
2 T
(6.5-12)
0 
Ramené dans la base équilibrée, on obtient :

f (t )
2
= C S1 / 2 C T (6.5-13)
(
où, en posant C = c1 c 2 L cq cq +1 L c n et S = diag σ1 σ 2 L σ n on à :) ( )
n
f (t )
2
= ∑ c i2 σ1i / 2 (6.5-14)
i =1
La troncature à l'ordre q appliquée au système global amène donc une erreur sur la réponse impulsionnelle égale à :
n
f (t ) − f red (t )
2 2
= ∑ c i2 σ1i / 2 (6.5-15)
i = q +1
80
Exemple d'une réalisation équilibrée : On considère le système d'ordre 2 suivant :

 − 1 1 1
x& =   x +  u
 2 3 1 (6.5-16)
y = [1 2]x
Les valeurs propres de la matrice d'évolution sont –0.268 et –3.732. La résolution des équations :
APc + Pc A T = −BB T
(6.5-17)
A T Po + Po A = −C T C
2.125 1.625  6.25 2.875
donne : Pc =   et Po =  .
1 .625 1 . 25  2.875 1.625 
Tous les termes de ces matrices sont du même ordre de grandeur et ne permettent pas de faire apparaître de différence
dans la commandabilité et l'observabilité des deux composantes de x.
Cherchons la base qui diagonalise le produit PcPo. Nous obtenons la matrice de changement base :
 1 − 0.487
T=  (6.5-18)
0.766 1 
composée des deux vecteurs propres associés aux valeurs propres de la matrice PcPo.
( )
A partir de l'expression Pc Po = TPc Po T −1 = S = diag σ1 σ 2 L σ n , on obtient le grammien équilibré :
24.6551 0 
S=  (6.5-19)
 0 0.0012
Ce grammien S, fait apparaître deux termes σ1 et σ2 d'ordres de grandeurs très différents. Dans la base équilibrée, le
système s'exprime alors par :
− 0.276 − 0.328 1.083

x& =   x+ u
− 0.086 − 3.723  0.17  (6.5-20)
y = [2.532 1.513]x
On peut valablement considérer le système réduit :
x& 1 = −0.276x1 + 1.083u

(6.5-21)
y = 2.532x1
On remarque que seul le mode lent est retenu et que l'erreur d'approximation sur la réponse impulsionnelle vaut :
n
f (t ) − f red (t )
2 2
= ∑ c i2 σ1i / 2 = 1.513 2 * 0.00121 / 2 = 0.0793 (6.5-22)
i = q +1
Cette erreur, ramenée au système original donne :
f (t ) − f red (t )
2 2
= 0.25% . (6.5-23)
f (t )
2
81
8 ANNEXE 2 : SYSTEMES MULTIVARIABLES

Le but est de généraliser au cas multivariable (MIMO), les formes canoniques présentées dans le cas des systèmes
monovariables (SISO). On recherche des formulations particulières, où A est partitionnée de sorte que ses blocs
diagonaux soient de formes compagnes ou de Jordan comme cela à été vus précédemment. Les matrices B et C seront
également des généralisations des formes SISO.
Les représentations ainsi obtenues sont à la base des méthodes de synthèse de commandes ou d'observateurs d'état.
8.1 Formes de commandabilité

On suppose que la paire (A, B) est complètement commandable. Ainsi
[
C (A, B) = B AB L A n −1B ] (8.1-1)
est de rang maximal (n), et contient par conséquent n colonnes linéairement indépendantes, qui peuvent être utilisées
comme nouvelle base d'état, correspondant à un changement de base P que nous choisirons à partir de son inverse sous
la forme :
[
P −1 = B1 AB1 L A n1 −1 B1 B2 AB 2 L A n 2 −1 B 2 B r AB r L A n r −1 B r ] (8.1-2)
où les Bi sont r colonnes linéairement indépendantes et choisies arbitrairement parmi les nu colonnes de B.
Les indices nj sont des entiers positifs garantissant l'inversabilité de P-1, avec :
r
∑nj = n (8.1-3)
j=1
La restriction est ici de ne faire figurer AkBj que si les produits de toutes les puissances inférieures de A par Bj ont été
retenues. La paire (A, B) s'écrit alors dans cette nouvelle base, sous une première forme de commandabilité :
A C1 = PAP −1 , BC1 = PB (8.1-4)

avec :
 0 0 0 ×  ×  ×   1 0 0 × 
   
 1 0 0 ×   
0 × 0 × 

  0 0 0 × 
 0 1 0 ×  ×  ×    0 0 0 × 
       
 0 0 1 ×  ×  ×    0 0 0 × 
 × 0 0 ×  ×    0 1 0 × 
 1 0 × 0 ×  et B =  0 0 0 × 
A C1 =   0 ×     C1   (8.1-5)
 × 0 1 ×  
×    0 0 0 × 
   
 ×  ×  0 0 ×    0 0 1 × 
 ×
       0 0 0 × 

0  0 × 1 0 ×   
  ×  × 0 1 ×   0 0 0 × 
   
   
Cette forme est à rapprocher de la forme canonique de commandabilité rencontrée dans le cas monovariable, mais ne
peut être appelée canonique, car le choix de P-1 n'est pas unique et par conséquent l'écriture (AC1, BC1) ne l'est pas non
plus. L'intérêt de ce type de conditionnement est essentiellement formel, et nous verrons par la suite d'autre forme de
commandabilité (notamment la forme de commandabilité de Luenberger) beaucoup plus pratique, bien que son
obtention soit plus longue.
82
Des algorithmes généraux permettant d'obtenir ces formes, ont été définis (Bass et Gura, 1965, Luenberger 1967).
8.1.1 Algorithme 1 (Bass et Gura, 1965)
• Partant du vecteur B1, on pousse la construction de la chaîne B1 { }

AB1 L A n1 −1 B1 jusqu'à obtenir un vecteur
A n1 B1 linéairement dépendant des précédents, c'est à dire maximiser n1.
• Puis on choisit la colonne B2 suivante si elle est linéairement indépendante des AiB1, et on recommence jusqu'à
obtenir une matrice régulière P1−1 .
Cette solution conduit à construire peu de chaînes, dont les longueurs sont définies par :
(
n i = rang C A ,Bi ) (8.1-6)
et ont tendance à être élevées. Il se peut, par exemple, que seul le vecteur B1 suffise à construire P1−1 dans le cas où la
paire (A, B1) est commandable. Le résultat, dans ce premier cas, dépend fortement de l'ordre dans lequel les entrées
sont arrangées.
8.1.1.1 Application de l’algorithme 1
On considère le système commandable sous la représentation d’état suivante :
1 1 0 0 0 0 0
−1 −1 1 0 0  0 0
   
x& =  0 0 −1 1 0 x +  1 0 u
    (8.1-7)
0 0 2 0 1  − 1 0
 − 6 −6 − 8 − 6 − 2  0 1
y = [1 0 0 1 1]x
Partant du vecteur B1, on pousse la construction de la chaîne B1 { }

AB1 L A n1 −1 B1 jusqu'à obtenir un vecteur
A n1 B1 linéairement dépendant des précédents, c'est à dire maximiser n1.
Dans cette exemple, n1 est maximal au sens où il est égal à la dimension de l’état :
0 0 1 −2 4 
0 1 −3 6 − 14 
 
[
rang B1 AB1 ]
L A n −1 B1 =  1 − 2 4 − 10 20  = n = 5 (8.1-8)
 
 − 1 2 − 6 10 −8 
 0 − 2 2 12 − 28
Par conséquent, il n’est pas nécessaire de rechercher une seconde chaîne, la première étant de taille maximale n. On
choisit la matrice régulière P1−1 suivante :
0 0 1 −2 4 
0 1 −3 6 − 14 
 
P1−1 = C (A,B1 ) =  1 − 2 4 − 10 20  (8.1-9)
 
 − 1 2 − 6 10 −8 
 0 − 2 2 12 − 28
83
L’algorithme de Bass et Gura donne alors pour décomposition la représentation suivante :
0 0 0 0 0  1 0.25 
1 0 0 0 −6 0 0.05 
   
A BG = P1AP1−1 = 0 1 0 0 − 10 B BG = P1 B = 0 0.15 
    (8.1-10)
0 0 1 0 −6 0 0.125
0 0 0 1 − 3  0 0.025
et C BG = CP1−1 = [− 1 0 − 3 20 − 32]
Cette décomposition fait apparaître un mauvais conditionnement de la matrice de commande BBG. Pour cela
Luenberger à développer un second algorithme, que nous introduisons maintenant.
8.1.1.2 Algorithme 2 (Luenberger, 1967)
• Dans un premier temps, on sélectionne nu colonnes Bi de B si elles sont linéairement indépendantes, sinon, on ne
retient que r colonnes, r=rang(B).
• On sélectionne la colonne ABi, i ∈ {1, L r} si elle est linéairement indépendante des colonnes
B1 , L B r , AB1 , L , A B i −1 .
• On sélectionne la colonne A2Bi, i ∈ {1, L r} si elle est linéairement indépendante des colonnes précédemment
2
sélectionnées : B1 , L B r , AB1 , L , A 2 B1 , L , A B i −1 .
• On continu jusqu'à obtenir une sélection de n colonnes linéairement indépendantes, formant une matrice régulière
(la régularité est assurée par la complète commandabilité du système).
• Lorsque l'algorithme se termine, on obtient
[
P2−1 = B1 , L A c1 −1B1 , B 2 , L A c 2 −1B 2 , L B r , L A c r −1B ] (8.1-11)
où les c i , i ∈ {1, L r} , sont les indices de commandabilité, vérifiant :

r
∑ ci = n (n est l'ordre du système) (8.1-12)
i =1
On définit aussi l'index de commandabilité v comme le plus grand des indices ci. C'est aussi le plus petit entier
vérifiant
[
rang B AB L A v −1 B = n ] (8.1-13)
84
Dans ce cas la tendance est d'obtenir plusieurs chaînes de longueurs équivalentes. De façon analogue aux
représentations rencontrées dans le cas monovariable, on peut aussi rechercher un conditionnement de la matrice A
sous la forme transposée A C 2 = A TC1 , la matrice B s'écrivant alors :
 0 0 0 × 
 
 0 0 0 × 
 0 0 0 × 
 
 1 × × × 
 0 0 0 × 
 
A C 2 = A TC1 , B C 2 =  0 0 0 ×  (8.1-14)
 0 1 × × 
 
 0 0 0 × 
 0 0 0

× 
 
 0 0 1 × 
 
 
Cette représentation sous forme de commandabilité généralise alors la forme canonique de commandabilité des
systèmes monovariables, et est par ailleurs beaucoup plus utile que la précédente, dans le problème du placement de
pôles par retour d'état par exemple. On montrera par la suite comment obtenir par un second changement de base la
première décomposition canonique de commandabilité établie pour les système SISO (voir section 4.1.1).
Décomposition jugée la plus utile pour l’élaboration des lois de commandes par retour d’états.
8.1.1.3 Application de l’algorithme 2
On considère le même système commandable que précédemment (8.1-7) et l’on cherche à déterminer la matrice de
[
passage P2−1 = B1 , L A c1 −1B1 , B 2 , L A c 2 −1B 2 , L B r , L A c r −1B . ]
Pour cet exemple on est amené à sélectionner les vecteurs
{B , 1 B 2 , AB1 , AB 2 , A 2 B1 } (8.1-15)
On obtient après réarrangement
0 0 1 0 0
0 1 −3 0 0 
 
P2−1 = B1 [ AB1 A 2 B1 B2 AB 2 ] =  1 −2 4 0 0  (8.1-16)
 
 − 1 2 − 6 0 − 4
 0 − 2 2 1 − 2
Les indices de commandabilité c i , i ∈ {1, L r} , sont c1=3 et c2=2, ils vérifient bien :
r 2
∑ ci = n ⇔ ∑ ci = 5 (8.1-17)
i =1 i =1
85
L’algorithme de Luenberger donne alors pour décomposition la représentation suivante :
 0 0 − 2 0 1  1 0
  0
 1 0 0  0 0   0
A L = P2 AP2−1 =  0 1 − 2 0 0  B L = P2 B = 0 0
    (8.1-18)
 0 0 8 0 − 4  0 1
 0 1 − 1  0
0 4  0
et C L = CP2−1 = [− 1 0 − 3 1 − 1]
Cette décomposition fait apparaître un bon conditionnement de la matrice de commande BL contrairement à

l’algorithme de Bass et Gura.
Nous montrons dans la prochaine section une extension de l’algorithme de Luenberger permettant d’établir dans le cas
multivariable la principale forme canonique de commandabilité.
8.1.2 Forme commandable de Luenberger
On considère le système multivariable S(A, B, C) pour lequel la paire (A, B) est complètement commandable;
rappelons que r désigne le rang de B. En plus des indices de commandabilité ci, on introduit les indices σi suivants :
σ i = ∑ c j , i ∈ {1,2 L r}
i
(8.1-19)
j=1
et on note p Tσi = p Tj , la jème ligne de P2, et P3 la matrice régulière définie par :
[
P3T = p σ1 , A T p σ1 , L A T (c1 −1) p σ1 , p σ2 , A T p σ2 , L, p σr , A T p σr L, A T (c r −1) p σr ]


( )
p σ1 T   pT
  σ1

(
 A T p σ1

)
T
  p Tσ A 
  1

M M 
  
A

(
T (c 1 −1)
p σ1 )
T
 pσ A
 
T (c1 −1) 

( )
1
p σ2 T T 
   p σ2  (8.1-20)
⇔ P3 =  A T p T
 ( σ2 )  =  pT A 
  σ2

 M   M 
  
 ( )
p σr T   p σr
T 


( )   pσ A 
T T
T
 A p σr   r

 M   M

 A (
 T (c r −1)
p σr )
T
 p T A (c r −1) 
  σ r
Alors la transformation dans l'espace d'état x LC = P3 x met le système S(A, B, C) sous la forme :
x& LC = A LC x LC + B LC u
(8.1-21)
y = CP3−1 x LC
86
avec :
 0 1        
        
 O O        
 OO         ← nu → 
         ← 
 0 1         r → 
 × × × × × × × L × × L × × L × ×  
          ↑
 c 
   0 1       
    OO        1
 1 × L × X  ↓ 
           
    OO          (8.1-22)
A LC = P3 AP3−1 =          , BLC = P3 B =  
0 1  
           
 × × L × × × × × × ×
 
L
 
× × L × × 
   0 1 L × X  
 O   
  O
  
↑
       0 1 

        OO  c 
  r
        
 0
        O O   0 L 1 X  ↓ 
       
0 1

        
 × × L × × × × L × × L × × × × × 

Les termes non représentés, exceptés ceux dont les places sont marqués × et ×, sont nuls.
Les signes × et × indiquent la disposition des termes structurellement non nuls. Si B est de rang plein, r=nu alors les
dernières colonnes de B LC n'existent pas.
Dans ce cas, on peut encore simplifier B LC en effectuant une transformation dans l'espace des entrées, en posant :
B LC = B LC M (8.1-23)
où M est une matrice triangulaire supérieure (nu×nu) formée des éléments non nuls de la matrice B LC
1 × L ×
 1 O M
M=  (8.1-24)
 O ×
 
 1
et BLC la matrice désirée, obtenue en remplaçant les termes de B LC marqués par des × par des zéros :
 
 
 
 1 0 L 0 
 
B LC = O  (8.1-25)
 
 
 
 0 0 L 1 
87
Par la transformation u LC = Mu le système S(A, B, C) peut s'écrire sous la forme commandable simple suivante, dite
forme de Luenberger :
x& LC = A LC x LC + B LC M −1 u LC = A LC x LC + B LC u LC
(8.1-26)
y = CP3−1 x LC
Commentaires :
• On remarque que les blocs diagonaux de ALC sont des matrices compagnes.
• La transformation M est encore possible dans le cas où le rang r de B serait plus faible que le nombre nu d'entrées.
Les notations sont alors un peu plus lourdes.
Cette dernière représentation est souvent plus intéressante que les précédentes. Elle permet entre autres d'aborder
simplement par des commandes de type "retour d'état", des problèmes de placement de pôle (stabilité, rapidité),
d'atténuation des perturbations ou de découplage (i.e. sortie yi dépend uniquement de l'entrée vi).
8.1.3 Application de l’algorithme 2 avec mise sous forme canonique principale de commandabilité
On considère toujours le même système commandable (8.1-7) et l’on cherche à déterminer la matrice de passage :
[
P3T = p σ1 , A T p σ1 , L A T (c1 −1) p σ1 , p σ2 , A T p σ2 , L, p σr , A T p σr L, A T (c r −1)p σ r ]
 p Tσ 
 T
1

 p σ1 A 
 M 
⇔ P3 =  T (c −1) 
p σ1 A 1 
 pT 
 σ2 
 M 
• On sélectionne par l’algorithme 2, les colonnes {B ,

1 }
B 2 , AB1 , AB2 , A 2 B1 , soit la matrice de
passage P2−1 = B1[ AB1 A 2 B1 B2 ]

AB 2 .
• Les indices de commandabilité c i , i ∈ {1, L r = 2} associés sont c1=3 et c2=2.
Les autres indices σ i = ∑ c j , i ∈ {1,L r = 2} sont σ1 = c1 = 3 , et σ 2 = ∑ c j = c1 + c 2 = 5 .

i 2
•
j=1 j=1
0 0 1 0 0 2 2 1 0 0
0 1 −3 0 0  3 1 0 0 0
   
• La matrice P2−1 =  1 − 2 4 0 0  déterminée en (8.1-16) à pour inverse P2 = 1 0 0 0 0 .
   
 − 1 2 − 6 0 − 4 8 2 2 2 1
 0 − 2 2 1 − 2 2 0 1 1 0
• On déduit les 2 lignes p Tσ1 =3 = p T3 et p Tσ2 =5 = p 5T , correspondant respectivement à la 3ème et 5ème ligne de P2 :
p Tσ1 =3 = p T3 = [1 0 0 0 0]
et p Tσ2 =5 = p 5T = [2 0 1 1 0]
88
• La seconde matrice de changement de base P3 est donc donnée par :


( )
p σ1 T   pT
  σ1

( )  1
T T
0 0 0 0
 AT pσ   p σ1 A  
 1
  1 1 0 0 0
M M   
P3 =  
T = T  = 0 0 1 0 0
( )
(8.1-27)
 A 1 1)p σ
T (c −   p σ1 A (c1 −1)   
    2 0 1 1 0
( )
1
T T
 p σ2   p σ2  2 2 1 1 1
   
 M  M 
conduisant à la principale forme commandable de Luenberger du système (8.1-7) :
x& LC = A LC x LC + B LC u LC
(8.1-28)
y = CP3−1 x LC
avec :
 0 1 0 0 0  0 0
  0
 0 0 1  0 0  0
  
A LC = P3 AP3−1 =   − 2 0 − 2
 1 0  B LC = P3 B = 1 0
    (8.1-29)
 0 0 0 0 1  0 0
 8 − 4 − 1  0
−4 0  1
et C LC = CP3−1 = [− 1 − 2 − 1 0 1]
On peut noter que sur cette exemple il n’est pas nécessaire de transformer la commande u(t) pour réduire B LC à BLC,
et ce car la matrice B est de plein rang colonne.
89
9 ANNEXE 3 : DECOMPOSITION CANONIQUE DAN S CAS MULTIVARIABLE

Dans le cas multivariable (voir section 8) l'utilisation de la forme compagnon généralisée permet une démarche
analogue.
La matrice ALC comprend n blocs de type compagnon et la matrice BLC, r colonnes spécifiques linéairement
indépendantes, soit par exemple :
 0 1        
 O O        
 OO        
        
 0 1        
 − θ1 − θ 2 L − θ n1  ××L×× L ××L×× 
 
    0 1     
    O O     
    OO     
A LC =         , n 1 + ... + n j = n (8.1-1)
   0 1    
 
 ××L×× − β1 − β 2 L − β n 2  L ××L×× 
 O 
       0 1 
        O O 
        
 OO
       
        0 1 
 
 ××L×× ××L×× L − α 1 − α 2 L − α n j  
 
 
 1 0L0 
 
et B LC = O  (8.1-2)
 
 
 0 0L1 
   
90
A partir de cette forme canonique commandable présentée en 8.1.2 il est clair qu'un retour de la forme
u LC = −K x LC + v = M u permet de modifier arbitrairement toutes les lignes structurellement non définies de la
matrice ALC.
Exemple : Comme u LC = −K x LC + v, K ∈ ℜ r×n , on obtient dès lors, une boucle fermée de la forme suivante :
x& LC = (A LC − B LC K )x LC + B LC v
(8.1-3)
y = CP3−1 x LC
où du fait de la forme particulière de ALC, BLC, les lignes de la matrice K sont soustraies aux lignes de ALC, définies par
les termes × pour constituer la matrice ALC - BLCK voulue pour le système en boucle fermée (choix des dynamiques) :
 0 1        
 O O          0 L L 0  
 0   OO
  M O M  
 0       

M O 0 1
  −θ1 − θ 2 L −θ n  ××L × L ××L ×   0 L 0 0  
 1 0 L L0    1
  k11 k12 Lk1n  
 O  k k LLk     0 1        M

 0    M11 M12 M M M1n      OO
        0 LL 0 

 MO
   OO M
− 0 L O M
   0 1     0 0 
− 0   k i1 k i 2 LL k in  =  
A LC

 0L01 0L0  M M M M M  ××L ×  −β1 −β 2 L −β n 2  L × L ×   k i1 k i 2 Lk in  
 O   k r1 k r 2 LL k rn   O   M 
 0       0 L L 0 
 0       0 1

M O
      
O O
    0M O L 0 0 
M
 0L L01   OO
 

      0 1 
  k r1 k r 2 Lk rn  


× × × 
 
×× × 
  
   − α − α L − α 
j 
 L L L 1 2 n
On obtient :
 0 1        
 O O
       
OO
 0 1        
  −θ1 − k11 −θ 2 − k12 L − θ n − k1n  
 1 1 ×− k1× ×− k1× L ×− k1×  L ×− k1× ×− k1× L ×− k1n  
    0 1
O O
    
    OO     
A LC − B LV K =     0 1      (8.1-4)
 ×− k i1 ×− k i 2 L ×− k i×  −β1 − k i× −β 2 − k i× L −β n 2 − k i×  L ×− k i× ×− k i× L ×− k in  
 O 
       0 1  
      
O O
OO  
       0 1 
 ×− k r1 ×− k r 2 L ×− k r ×  ×− k r × ×− k r × L ×− k r ×  L  −α1 − k r × −α 2 − k r × L − α n j − k rn  

On peut par exemple annuler les termes de couplage du bloc supérieur × − k ×× = 0 , de façon à mettre A LC − B LC K
91
sous la forme triangulaire.
 0 1  
 O O
 
OO
 0 1 
0 0 
  −θ1 − k11 −θ 2 − k12 L − θ n − k1n  
 1 1

    0 1
O O
 
    OO  0 0 
A LC − B LV K =     0 1   (8.1-5)
 ×− k i1 ×− k i 2 L ×− k i×  −β1 − k i× −β 2 − k i× L −β n 2 − k i×  
 O 
       0 1  
      
O O
OO  
       0 1 
 ×− k r1 ×− k r 2 L ×− k r ×  ×− k r × ×− k r × L ×− k r ×  L  −α1 − k r × −α 2 − k r × L − α n j − k rn  

En modifiant chaque bloc compagnon de la matrice (8.1-5), on peut attribuer à chacun un polynôme caractéristique
stable. Chacun, car en raison de sa forme particulière (triangulaire supérieure), le polynôme caractéristique de la
matrice (8.1-5), est le produit des polynômes correspondant à chaque bloc – compagnon :
[ ( )
det (λI n − A LC + B LC K ) = λn1 + θ n1 + k 1n1 λn1 −1 + L + (θ1 + k 11 ) L λ ] [ nj
(
+ α n j + k rn λ ) n j −1
+ L + (α 1 + k r× ) ] (8.1-6)
Comme dans le cas monovariable, les n1 + n2 +…+ nj = n coefficients restants de K sont obtenus en identifiant le
polynôme (8.1-19) avec celui qui admet λ1, λ2,… λn, comme solutions, soit :
i=n
det (λI n − A LC + B LC K ) = ∏ (λ − λ i ) (8.1-7)
i =1
L'équivalence entre la commandabilité et la possibilité d'affecter n'importe quelles valeurs propres au système bouclé
est ainsi démontrée dans le cas multivariable.
"Ceux qui s'éprennent de la pratique sans la science sont comme des pilotes qui se mettent à gouverner
sans gouvernail ni boussole et qui ne sauront jamais où se diriger. Toujours la pratique doit être édifiée sur
une bonne théorie"
Léonard de Vinci, 1452-1519
92

Ac321 2009 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

Ac321 2009 PDF

Transféré par

Droits d'auteur :

Formats disponibles

ESISAR 3ème ANNEE D'ETUDES

Module AC-321 : Commandabilité - Observabilité

Introduction à la commande des systèmes dynamiques

Partie 1: Représentation et analyse des systèmes

■ AC321 Volume (9sc CM, 9sc TD, 3sc TP)

■ Maîtrise des principales notions liées à la modélisation et à l’analyse des

■ Maîtrise des outils mathématiques associés:

■ Ouverture sur la problématique de la synthèse

De nombreuses demonstrations sont données à titre indicatif

COMMANDE DES SYSTEMES CONTINUS SOUS FORME DE

Système continu Système discret (pour info)

A, Ad ∈ℜn×n, B, Bd ∈ℜn×l, C, C∈ℜm×n, A, B et C sont stationnaires, t∈ℜ+ et k∈N.

Question 1 : la connaissance des trajectoires d'observation y et de commande u permet elle de reconstituer la

1 LA REPRESENTATION D'ETAT .......................................................................................................................6

1.1 EXEMPLE 1 ......................................................................................................................................................6

2 REPONSE DES SYSTEMES LINEAIRES INVARIANTS ..............................................................................21

2.1 CAS INTRODUCTIF: SYSTEME SCALAIRE ....................................................................................................21

2.3 METHODE DE CALCUL DE LA MATRICE DE TRANSITION Φ (t ) = e At .......................................................22

3.1 ETUDE DES PROPRIETES DE COMMANDABILITE .......................................................................................29

3.1.2 Commandabilité des états .......................................................................................................................30

4 FORMES CANONIQUES ET MODALES ........................................................................................................41

4.1 FORMES COMPAGNES POUR LES SYSTEMES MONOVARIABLES ..............................................................41

5 LA COMMANDE PAR RETOUR D'ETAT ......................................................................................................52

5.1 INTRODUCTION .............................................................................................................................................52

6 OBSERVATEUR : RECONSTRUCTION D'ETAT .........................................................................................63

6.1 INTRODUCTION .............................................................................................................................................63

7 ANNEXE 1 : SIMPLIFICATION DE MODELES PAR LES GRAMMIENS................................................78

7.1.1 Réalisations équilibrées ..........................................................................................................................78

8 ANNEXE 2 : SYSTEMES MULTIVARIABLES ..............................................................................................82

8.1 FORMES DE COMMANDABILITE ..................................................................................................................82

9 ANNEXE 3 : DECOMPOSITION CANONIQUE DAN S CAS MULTIVARIABLE ....................................90

Figure 1: Premier système électrique

1.2 Exemple 2 R1 i1+i2 i2 R2

Figure 2 : Second système électrique

1er cas : x = [x 1 ( t ) x 2 ( t )]T = [y 2 ( t ) y1 ( t )]T et seul la donnée y2(t) est mesurée.

On obtient la représentation différentielle suivante :

On obtient alors une nouvelle représentation :

avec : x: vecteur d'état de dimension n (dim x=n)

1.3.1 Représentation d'état pour un système linéaire, stationnaire et perturbé

où dd et dm sont les perturbations agissant respectivement sur l'état et les sorties.

1.3.2 Représentation d'état pour un système linéaire perturbé non stationnaire

1.3.3 Représentation d'état pour un système non-linéaire

1.4 Représentation par équation différentielle

Plus généralement, on obtient une équation d'ordre n :

1.4.1 Quelques outils : Transformée de Laplace, Transformée en Z et approximation d’Euler

L[f ( t )] = F(p) = ∫0 e − pt f ( t )dt

La variable p appartient au corps des complexes C.

L(f ( t ) + g( t ) ) = F(p) + G (p) (1.4-3)

♦ La dérivation et l'intégration d'une fonction s'écrivent :

♦ La transformée de Laplace d'une fonction retardée s'écrit :

L[f (t − τ )] = e − τp F(p ) (1.4-6)

• Les relations suivantes permettent de calculer les évolutions aux limites :

lim f (t ) = lim pF(p ) (1.4-8)

lim f (t ) = lim pF(p ) (1.4-9)

♦ Transformées de Laplace de quelques fonctions f(t), utiles en automatique

δ(t) : impulsion de Dirac 1

u(t) : échelon unité 1/p

1.4.2 Liens entre l’espace Z et Laplace :

L’opérateur retard d’une période d’échantillonnage dans l’espace Z est noté z −1

1.4.3 Liens entre l’espace Z , Laplace et la transformtaion d’Euler à l’ordre 1:

1.4.4 Transformée de Laplace d'une équation différentielle

1.4.5 Représentation par schéma bloc

U(p) Fonction de Y(p) X(p) X(p)-Y(p)