Vous êtes sur la page 1sur 29

ROYAUME DU MAROC

MINISTERE DE L’ENSEIGNEMENT
‫ا‬ ‫ا‬
SUPERIEUR, DE LA RECHERCHE ‫ا‬ ‫وا‬ ‫ا‬ ‫وزارة ا‬
SCIENTIFIQUE ET DE LA FORMATION ‫ا ط‬ ‫و‬
DES CADRES

Université Hassan II de Casablanca ‫ء‬ ‫ار ا‬ ‫ا‬ ‫ا‬


Ecole Normale Supérieure ‫ا‬ ‫" ! ة ا‬# ‫ا ر" ا‬
de l’Enseignement Technique Mohammedia $ ‫ا‬

____________________________________________________________________________

Cycles Ingénieurs
Systèmes Electriques et Energies Renouvelables (SEER)
Génie Electrique et Contrôle des Systèmes Industriels (GECSI)
Niveau : 1èreAnnée

Version 2016-2017

M. L.BAHATTI

ENSET Mohammedia M.BAHATTI Page 1


PREAMBULE
Ce document représente le Support de cours destiné aux élève-Ingénieurs en 1ére Année du cycle
Systèmes Electriques et Energies Renouvelables (SEER) et ceux du cycle Génie Electrique et
Contrôle des Systèmes Industriels (GECSI) de l’ENSET de Mohammedia. Sans prétendre ni son
originalité ni l’absence des erreurs de calcul, d’oubli ou de frappe, ce support résume les idées et
«
les notes de cours qui concernent l’enseignement de l’élément de module Régulateurs et
»
Représentation d’état . L’objectif est de présenter un autre aspect des asservissements en
tenant compte de la représentation interne des systèmes dynamiques linéaires. Dans ce cadre, la
description du système à asservir est basée sur un système d’équations différentielles linéaires du
premier ordre. En plus des informations disponibles concernant les variables internes, l’intérêt de
ce type de représentations vient, d’une part, que tout système linéaire d’ordre quelconque peut
se ramener à un tel système d’équations différentielles que l’on sait résoudre directement ces
systèmes (sans passer par la transformée de Laplace). De plus, les résultats présentés ici sont
directement applicables aux systèmes multivariables.

ENSET Mohammedia M.BAHATTI Page 2


Sommaire

Chapitre 1 : Introduction……………………………………………………………………………………………………..4

I. Différentes représentations d’un système physique…………………………………….4


II. Schéma bloc et Représentation d’état……………………………………………………….. 7
III. Liens entre les différentes représentations d’un système…………………………… 8

Chapitre 2 : Réponse d’un système décrit par la représentation d’état .……………………………11

I. Propriétés de la Représentation d’état……………………………………………………. 11


II. Résolution de l'équation d'état ………………………………………………………………….12
III. Calcul de la matrice de transition……………………………………………………………… 15

Chapitre 3 : Passage de la fonction de transfert vers la représentation d’état .…………………19

I. Introduction……………………………………………………………………………………………….19
II. Matrice de passage..……………………………………………………………………………….. 19
III. Forme gouvernable ou forme compagne de commande.……………………….. 19
IV. Forme compagne d’observation…………………………………………………………………22
V. Forme Modale………………………………………………………………………………………….. 23
VI. Fonctions Matlab de Conversion………………………………………………………………. 24

Chapitre 4 : Commandabilité et observabilité……………………………………………………………………25

I. Position du problème……………………………………………………………………………………… 25
II. Exemple…………………………………………………………………………………………………………. 25
III. Commandabilité de l’état…………………………………………………………………………………27

ENSET Mohammedia M.BAHATTI Page 3


Chapitre 1 :
Introduction

I. Différentes représentations d’un système physique :


On considère le système linéaire continu présenté par la figure 1.1. Les variables d’entrée (ou de
commande) sont e1 et e2. La sortie est la tension S aux bornes de l a b o b i n e L 1 .

e
Soit U le vecteur contenant ces deux variables : U = e
Figure 1.1. Circuit électrique

1. Equation différentielle:
Le système est linéaire invariant dans le temps, il peut donc être représenté par un système
d’équations différentielles à coefficients constants. Ainsi les équations électriques qui traduisent le
fonctionnement de ce système sont :

s t = e t − e t − R .i t − V t

di
e = R . i + L .. +V
dt
di
e = L .. +V
dt

2. Fonction de transfert:

La fonction de transfert est relativement difficile à appliquer dans ce cas de figure étant donné que le
système présente deux entrées (Système multivariable). Néanmoins moyennant des Transformées
de Laplace, et tenant compte de la linéarité du système on peut appliquer le théorème de
superposition, et la sortie du dispositif peut s’écrire par :

S p =F p E p +F p E p

L p 1+L p
Avec:
F p =
R + L + L p + R L p + L L Cp

−L p
Et
F p =
R + L + L p + R L p + L L Cp

ENSET Mohammedia M.BAHATTI Page 4


E
Sous la forme matricielle : Si on pose U p = , on aura S p = H p . U p et on peut donc
E
parler de matrice de transfert H(p) définie par :

S p
H p = = F p F p !
U p

3. Réponse impulsionnelle :

La réponse impulsionnelle notée souvent h(t), est par définition l’expression de la sortie s(t) lorsque
l’entrée est une impulsion de Dirac. Dans notre cas, il est difficile de parler de la réponse
impulsionnelle puisqu’on dispose de deux entrées.
Néanmoins, Dans le cas d’un système monovariable défini par sa fonction de transfert H(p), sa
réponse impulsionnelle est déterminée par la transformée inverse de Laplace de H(p) :

ℎ # = ℒ% & !
4. Représentation d’état :

A un instant donné t, on peut considérer que le système se trouve dans un certain "état" défini par
les valeurs prises par les grandeurs électriques i1(t), i2(t) et v(t).
Soit X le vecteur contenant ces variables :

X t = x t x t x t !) = i t i t V t !)

On appelle ce vecteur X(t) l’état du système. Toutes les équations d'évolution de ce système peuvent
s’écrire en fonction des entrées, des composantes x1(t), x2(t), x3(t) de X(t) et de leurs drivées. Ainsi
les équations électriques précédentes deviennent :
, 1 1
*+ = − * − * + .
- - -

1 1
*+ = − * + .
- -

1 1
*+ = − * + *
/ /

4 6
Ce qui peut s‘écrire :
3− 7 − < 6
2 56 56; 3 7<
6 256 ;
0+ = 2 7 7 − ;0 + 2 6 ;.=
2 58; 27
2 6 6 ; 58;
17 7:
1 −9 9 7 :

Autrement dit, en appelant « A » la première matrice et « B » la deuxième matrice, on aura :

>+ ? = @. > ? + A. B ?
Avec :

ENSET Mohammedia M.BAHATTI Page 5


4 6
3− 7 − < 6
2 56 56; 3 7<
6 256 ;
C=2 7 7 − ; ; E = 2 6;
2 58; 27
2 6 6 ; 58;
17 7:
1 −9 9 7 :

La matrice A traduit le côté dynamique du système, tandis que B traduit l’influence directe de la
commande U(t) sur le vecteur d’état X(t).
La sortie Y quant à elle, elle peut s’exprimer par une équation statique du type :
F ? = G. > ? + H. B ?

avec S t = e t − R. i t − V t , on peut écrire :


Où Y est le vecteur des sorties (ici de dimension 1 car on a une seule sortie) et puisque Y =[S]

J ? = −K 7 − 6!. > ? + 6 7!. B ?

G = −K 7 − 6!
C’est-à-dire :

H = 6 7!
et

5. Généralisation :

Un système linéaire continu est décrit par une représentation d'état de type :

>+ ? = @. > ? + A. B ? ∶ MNOP#QRS T′é#P#


F ? = G. > ? + H. B ? ∶ MNOP#QRS T. WRX#Q.
U : est le vecteur des commandes ou des entrées. Dim(U) = m,
X : est le vecteur d’état. Dim(X) = n,
Y : est le vecteur des sorties. Dim(Y) = p,
A : est la matrice d'évolution du système. Dim(A) = (n×n),
B : est la matrice d'application de la commande. Dim(B) = (n×m),
C : est la matrice d'observation. Dim(C) = (p×n),
D : est la matrice de transmission directe. Dim(D) = (p×m),
EN GENERAL :
La matrice D est nulle. Les variables d’état correspondent aux sorties des intégrateurs (réservoirs
d’énergie) et Pour un système linéaire invariant, les matrices A, B, C et D sont des matrices
constantes.

Remarque :
Dans les cas d’un système monovariable dit encore «SISO» (Single Input Single Output), si le vecteur
d’état est de dimension « n », alors les dimensions des différentes matrices qui interviennent dans la
représentation d’état sont :
– A est de dimension n lignes ×n colonnes,
– B est de dimension n lignes ×1 colonne,
– C est de dimension 1 ligne ×n colonnes,
– D est une constante (très souvent nulle).

ENSET Mohammedia M.BAHATTI Page 6


II. Schéma bloc et Représentation d’état:
1. Schéma bloc :
Les équations d’état d’un système peuvent être représentées par le schéma bloc général de la figure
1.2 suivante.

Figure 1. 2: Schéma bloc général.

La représentation d’état est une vue interne du système dans laquelle :


A : représente les interactions dynamiques entre les différents éléments internes du système.
B : représente l'action des entrées sur l'évolution dynamique du système.
C : indique les capteurs permettent d'obtenir les sorties.
D : traduit le couplage direct entre les entrées et les sorties.

2. Avantages et Caractérisation de la représentation d’état :

La représentation conventionnelle d’un système dynamique par la fonction de transfert est une
Représentation Externe dans laquelle on ne dispose d’aucune information sur le comportement
interne sachant que celui-ci peut présenter des phénomènes et des comportements « nuisibles » tels
que (saturations, non linéarités, etc.). D’autant plus que le mode de Représentation par la Fonction
de transfert n’est valable que pour un Système mono-entrée mono-sortie (SISO).
Le concept d’état se caractérise par :
− Une représentation reposée sur la notion d'énergie.
− Le processus est décrit par ses variables d'état.
− Ces variables d'état donnent une description interne complète de l'évolution du système.
− La représentation est matricielle mais de premier ordre.
− La représentation est temporelle
− L'évolution d'un processus à partir d’un instant t0 donné dépend :
o de son état initial,
o des sollicitations extérieures (commandes et perturbations).

ENSET Mohammedia M.BAHATTI Page 7


- L’introduction d’autres critères plus informatifs de la commande des systèmes automatiques
à savoir les notions de commandabilité et d’observabilité.
- La possibilité de fixer des exigences de régulation plus solides et plus performantes par
rapport à la régulation classique de type PID ou équivalentes.

3. Choix des variables d’état :

- L’état d’un système à un instant donné représente la mémoire minimale du passé nécessaire
pour prédire son évolution. C’est donc l'ensemble minimum de variables qui contiennent
l'information suffisante sur l'histoire du système pour permettre de calculer tous les états
futurs.
- Les variables d’état doivent apporter une description interne du système. On choisit
souvent celles pour lesquelles on peut définir l’état initial et qui décrivent des ”réservoirs”
d’énergie. Ainsi, comme il est décrit dans le tableau ci-dessous :
o Pour un système mécanique, l'état peut être l'ensemble des positions et vitesses
relatives à chaque degré de liberté (ou toute combinaison équivalente).
o Pour un réseau électrique, l'état peut être défini par le courant dans chaque inductance
et la tension aux bornes de chaque capacité (ou toute combinaison équivalente).

Elément Energie Etat

1
-Q
2
Inductance i(t)

1
/Z
2
Condensateur U(t)

1
[\ T* #
x(t) et
2 \ # =
Masse m
T#
1
]*
2
Ressort k x(t)

1
^ω Tθ #
θ(t) et
2 ω # =
Moment J
T#
Tableau résumé des états de quelques systèmes

III. Liens entre les différentes représentations d’un système


1. Introduction :
Rappelons qu’un système dynamique peut être représenté par : l’équation différentielle, la réponse
impulsionnelle h(t), la fonction (ou matrice) de transfert H(p), ainsi que la Représentation d'état
(Matrices A, B, C, D).
Cependant, des liens entre les différentes formes existent et peuvent être modélisés par le schéma
de la figure 1.3 suivante:

ENSET Mohammedia M.BAHATTI Page 8


Figure 1.3 : liens entre les différentes représentations d’un système dynamique

NB : Dans cette section, on se limitera au développement de la technique du passage de la


représentation d’état vers la fonction de transfert. L’opération inverse (Passage FT vers Equations
d’état) sera étudiée ultérieurement.

2. Passage de la Représentation d’Etat vers la Fonction (ou Matrice) de Transfert :


En prenant la transformée de Laplace de la représentation d’état et en supposant les conditions
initiales nulles, on obtient :

p. X p = A. X p + B. U p , soit :

(pIc − A). X(p) = B. U(p) ; pIc : Matrice diagonale d’ordre n ;

Donc : X(p) = (pIc − A)% B. U(p)

Sachant que Y(p) = C. X(p) + D. U(p), alors :

Y(p) = C. (pIc − A)% B. U(p) + D. U(p)

La fonction (ou matrice) de transfert est exprimée finalement par :

F(g)
f(g) = = G. (ghi − @)%6 A + H
B(g)

Exemple :

Soit le circuit électrique monovariable suivant (Figure 1.4) :

Figure 1.4 : Circuit RLC

ENSET Mohammedia M.BAHATTI Page 9


Pour l’entrée u(t) et la sortie Vc(t), le système est de type SISO (Single In Single Out). Les états du
système sont : x1(t)=Vc(t) et x2(t)=i(t).

La représentation d’état du circuit est :

Donc :

0 1o %
1 0 / pq
(pI − A)% =j k m−n
0 1 −1o −,o
- -
−1o %
/
(pI − A)% = j + ,o q
1o
- -
1 + ,o- 1o
/q
pI − A %
= .j
. r + ,o-s + 1o-/ −1o
-
La fonction de transfert H(p) a pour expression :

1 + ,o- 1o
/q t 0 u
H p = . 1 0! j 1o
. r + ,o-s + 1o-/ −1o
- -

De l’autre côté, on a :

p + RoL 1oC 0 0
1 0! j q t1o u = vp + RoL 1oCw. t1o u = 1oLC
−1o p L L
L
Par conséquent on obtient la fonction de transfert suivante :
6 6
f g = . 6oxG =
K 6
g. rg + oxs + oxG xG. g + KG. g + 6
8

Remarque :

Bien que la représentation d’état n’est pas unique, la matrice de transfert d’un système (ou fonction
de transfert) est invariante pour tout changement de la description d’état.

ENSET Mohammedia M.BAHATTI Page 10


Chapitre 2 :
Réponse D’un Système Décrit Par La Représentation D’état
I. Propriétés de la Représentation d’état :
1. Non unicité de la représentation d’état :

Pour un système donné, il existe plusieurs représentations d'état possibles sachant que l'on peut
passer d'une représentation à une autre par un changement de base, ou par des transformations
permettant l’obtention de plusieurs formes de représentation particulières. En effet :
Soit X est l'état d'un système et soit M une matrice inversible.
En fait, on peut prendre comme nouveau vecteur d’état n’importe quelle combinaison linéaire
d’un vecteur d’état valable.

Ainsi, si on pose y = z. > , on obtient une nouvelle représentation d’état qui est :

Z+ t = M A. M % Z t + MB. U t
Y t = C. M % Z t + B. U t

2. Représentation par des variables physiques :

L'état du système peut être composé de variables physiques. Prenons l'exemple du système
électromécanique de la figure 1.4. La variable d'entrée est u, la variable de sortie est θ. Les équations

di t dθ t
du système sont :

K. u t = R. i t + L. + k.
dt dt

dθ t dθ t
k. i t = J. + f.
dt dt

Figure 1.4 : Moteur électrique alimenté par l’induit

En suivant ce qui est dit dans la définition de l'état au chapitre précédent, nous choisissons, pour

Position : * = ‚
représenter l'état du système, les variables :

Vitesse : * =
ƒ„
ƒ…
Courant : * = Q
Ce qui donne les équations suivantes :

ENSET Mohammedia M.BAHATTI Page 11


*+ = *

† ]
*+ = − * + *
^ ^

] , ]
*+ = − * − * + . O
- - -

‡=‚

Ces équations peuvent s’écrire sous la forme matricielle suivante :

0 1 0
3 f k < 0
20 − ; 0
X+ = 2 J J ; X + ˆ k ‰ . U
2 k R ;
L
10 −
L
− :
L

Y= 1 0 0!. X

II. Résolution de l'équation d'état :

Dans cette section, nous cherchons à connaître la ou les sorties yi(t) (vecteur Y) connaissant les
entrées ei(t) (Vecteur U) et l’état du système à l'instant initial (X(0)). Pour ce faire, Il est clair que
nous aurons à calculer d’abord X(t).
Les deux premières parties de ce qui suit permettent de poser le problème de la résolution des
équations différentielles. La troisième partie montre quelques propriétés de la matrice de transition
qui permet de passage d’un état à un autre, ce qui nous permettra, dans la quatrième partie
d'aborder le calcul proprement dit.

1. Cas scalaire

x+ = a. x + b. u
Soit un système décrit par :

y = c. x

d’évolution de x est: x+ = a. x + b. u. La transformée de Laplace de cette équation donne :


Où a, b, c, x et y sont des scalaires. Dans le cas plus général du régime forcé (u≠ 0), l’équation

p. X p − x 0 = a. X p + b. U p
* 0 1
X p = + . b. U p
−P −P


En prenant la transformée inverse :

x t = eŽ• . x 0 + • eŽ •%‘
. b. u τ dτ

Le premier terme de cette équation correspond au régime libre tandis que le deuxième terme traduit
le régime forcé.

2. Cas général
Notre système est décrit par les équations matricielles de type :

ENSET Mohammedia M.BAHATTI Page 12


X+(t) = A. X(t) + B. U(t)
Y(t) = C. X(t)

X+(t) = A. X.
Dans un premier temps, on considère le système autonome (U = 0). L'équation de l'état X devient :

p. X p − X 0 = A. X p
La transformée de Laplace de cette équation donne :

composantes x” # .
Dans cette dernière équation X(p) représente le vecteur des Transformées de Laplace des

X p = p. Ic − A % . X 0

Par Transformée inverse Laplace, on obtient :

X t = •-% p. Ic − A %
!. X 0

Or: TL% p. Ic − A % ! = e—• , donc :


X t = e—• . X 0

Par définition la matrice . ˜… est appelée matrice de transition du système : elle permet de passer de
l’état X(0) à l’état X(t)
Dans le cas du régime forcé, l'équation d'évolution de X est :
X+ t = A. X t + B. U t
La transformée de Laplace de cette équation donne :
p. X p − X 0 = A. X p + B. U p
X p = p. Ic − A %
. X 0 + p. Ic − A %
. B. U p
En prenant la transformée inverse :

X t = e—• . X 0 + • e— •%‘
. B. U τ dτ

Pour l’instant initial t0 non nul, cette expression s’écrit :


X t =e — •%…™
. X #’ + • e— •%‘
. B. U τ dτ
…™

Comme pour le cas scalaire, le premier membre de cette équation correspond au régime libre, le
deuxième, au régime forcé. Cette équation montre que si l'on calcule e—• , on aura X(t) donc Y(t). Mais
avant de passer au calcul proprement dit de e—• , on va en voir quelques-unes de ses propriétés.

Remarques :

1- Réponse impulsionnelle h(t):

Lorsque l’entrée u(t) est une impulsion de Dirac : u(t)=δ(t), elle se comporte comme un élément
neutre pour la convolution. Par conséquent le deuxième terme de l’expression de X(t) devient :

ENSET Mohammedia M.BAHATTI Page 13


š• e—(•%‘) . B. δ(τ)dτ = e—• . B. Et puisque les conditions initiales X #’

> ? = ›@? . A et par la suite la sortie sera : F ? = G. ›@? . A sachant que la matrice D est nulle.

sont nulles, on aura :

est : œ ? = G. ›@? . A
Conclusion : La réponse impulsionnelle h(t) d’un système linéaire décrit par sa représentation d’état

2- Généralisation aux systèmes variant dans le temps

Pour les systèmes linéaires variant dans le temps (dits aussi linéaires non stationnaires) la matrice de
transition est souvent notée Φ(t,t0) telle que en régime libre :

X t = Φ t, t ’ . X t ’

Φ(t,t0) est solution de l’équation différentielle matricielle : Φ+ t, t ’ = A. Φ t, t ’


La solution de l’équation d’état s’écrit alors :

X t = Φ t, t ’ . X t ’ + • Φ t, τ . B τ . U τ dτ
•™
REMARQUE : Dans le cas particulier où la matrice A est diagonale la matrice de transition se calcule
par :

Φ t, t ’ = exp • • A τ Tτ.ž
•™

3. Propriétés de la matrice de transition : Φ t = eAt

Elle vérifie les relations suivantes :

£
Ÿ Φ t = e —•
= I + .# + .# + ⋯+ . #£ + ⋯
2! S!

¤ ve—• w•¥’ = Ic

Tve—• w
¦ = . e—•
T#

§ • e—‘ . dτ = A% ve—• − Ic w

› e—…¨ . e—…© = e— …¨ª …©

« re—• s = e%—•
%

ENSET Mohammedia M.BAHATTI Page 14


III. Calcul de la matrice de transition :

1- Développement en série de Taylor

Cette technique de calcul exploite le développement en série d’une fonction exponentielle. Ainsi
pour le cas scalaire, on rappelle que :

P P£
eŽ• = 1 + P# + . # + ⋯ + . #£ + ⋯
2! S!

Une généralisation à une exponentielle de matrice e—• avec ∈ , £×£ donne :


£
e—• = I + . # + .# + ⋯+ . #£ + ⋯
2! S!

Une telle méthode est simple et basique mais son application nécessite la convergence de cette
série. Le calcul est simplifié si A est nilpotente.

Définition :

-
= 0£ = 0!
Une matrice carré A est dite nilpotente d’ordre k s’il existe un entier k>0 tel que : pour r>k,

Exemple :

0 1 0 1 0 1 0 0 0 0
=k m; =k m.k m=k m ; ce qui implique que : £
=k m ∀ S ≥ 2
0 0 0 0 0 0 0 0 0 0
1 0 0 1 1 #
Par conséquent : e—• = I + . # + 0 = k m +k m . # ; soit : e—• = k m
0 1 0 0 0 1

2- Calcul par transformation de Laplace inverse

On peut utiliser la première définition de la matrice de transition :

Φ t = e—• = TL% p. Ic − A % !

Exemple. Soit un système en régime libre décrit par l’équation d’état suivante :

−5 −1
X+ t = k m.X t
6 0

Calculons la matrice de transition :

1 0 −5 −1 % p+5 1 %
pI − A %
= k m−k m =
0 1 6 0 −6

1 p −1
pI − A %
= .
+3 +2 6 +5

En formant la transformée inverse de chaque élément de la matrice, on trouve :

ENSET Mohammedia M.BAHATTI Page 15


Φ(t) = −2.% … + 3.% … −. % … + . % …
% … % …

6. − 6. 3. % … − 2. % …

3- Calcul Par l'utilisation du théorème de Caley-Hamilton

Contrairement au développement de Taylor, le théorème de Caley-Hamilton permet de limiter le


calcul de la matrice de Transition à un nombre fini de termes.

On considère une matrice A carrée d’ordre n, et λ une valeur propre de A, alors λ est solution de
RAPPELS :

l'équation caractéristique. C’est à dire :


P λ = det λ. I − A! = µ£ + P£% µ£% + ⋯ + P λ + P’ = 0

Théorème de Caley-Hamilton :

¶ @ = C· + Ÿ·%6 C·%6 + ⋯ + Ÿ6 @ + Ÿ7 ¸· = 7
Toute matrice carrée A satisfait son équation caractéristique. C‘est à dire :

2 1
Exemple et généralisation
Soit = k m.
−1 3
On forme l’équation caractéristique det λ. I − A!. C’est-à-dire :
λ − 2 −1
¹ ¹=0
1 λ−3
Soit : µ − 5µ + 7 = 0

=5 −7
Le théorème de Caley Hamilton permet d’écrire :

Ceci se généralise en corrollaire suivant : ∀] > 2, ¼ = †


Et comme Φ t = e—• = I + . # + .# +⋯+ .# + ⋯, avec le théorème de C.H, on peut
˜© ˜½ £
! £!
réécrire cette expression ainsi ( lorsque n est la dimension de la matrice carrée A):

Φ t = e—• = ¾’ t I + ¾ t +¾ t . + ⋯ + ¾£% t £%

Formule de Silvester

Les fonctions ¾” t dépendant du temps permettent alors, lorsqu’elles sont déterminées, de calculer
la fonction de transition en un nombre fini de puissances de matrice A.

Calcul des fonctions ¿À ?

Cas 1 : Valeurs propres distinctes :

Si la matrice A possède n valeurs propres non nulles distinctes: λ’ , λ , . . λ£% , les coefficients
¾’ t , ¾ t , . . ¾£% t sont solutions du système formé par les équations suivantes :

eÁ™ • = ¾’ t + ¾ t λ’ + ¾ t . λ’ + ⋯ + ¾£% t λ’ £%

eÁ¨ • = ¾’ t + ¾ t λ + ¾ t . λ + ⋯ + ¾£% t λ £%

.
.
ENSET Mohammedia M.BAHATTI Page 16
eÁ½Â¨ • = ¾’ t + ¾ t λ£% + ¾ t . λ£% + ⋯ + ¾£% t λ£% £%

Exemple :

2 1
=k m
−1 3
On reprend l’exemple précédent :

Les valeurs propres de cette matrice sont : λ’ = −2 .# λ = −3. D’après la relation précédente, on
aura : Φ t = e—• = ¾’ t I + ¾ t

Avec : ¾’ t et ¾ t sont solution du système d’équation suivant :

e% •
= ¾’ t + ¾ t . −2

e% •
= ¾’ t + ¾ t . −3

Ce qui donne :

¾’ t = 3. % …
− 2. % …

¾ t = .% …
− .% …

Par conséquent, on retrouve l’expression de la matrice de transition :

1 0 2 1
m = −2.% … + 3.% … −. % … + . % …
% … % …
e—• = 3. % …
− 2. % …
k m + .% …
− .% …
.k
0 1 −1 3 6. − 6. 3. % … − 2. % …
Cas 2 : Valeurs propres multiples :

Lorsque les Valeurs propres de la matrice A ne sont pas toutes distinctes, on décompose la
procédure en étapes:

− Pour une valeur propre simple λà , on associe l’équation


eÁÄ• = ¾’ t + ¾ t λà + ¾ t . λà + ⋯ + ¾£% t λà £%
− Pour une valeur propre multiple λk d'ordre de multiplicité r, on procède par des dérivations
jusqu’à l’ordre r, on associe ensuite un système d’équations suivant:

Conclusion :
En procédant ainsi pour toutes les valeurs propres simples ou multiples, on établit un système de n
équations duquel on déduit les fonctions αi(t)

Exemple : Calculons la matrice de transition pour un système caractérisé par matrice d’état suivante:
0 1
=k m
−1 −2
La matrice A possède une valeur propre double λ = −1 :

ENSET Mohammedia M.BAHATTI Page 17


Détermination des fonctions αi(t)

1 t . %… #. %…
Matrice de transition :
e ˜• ¾’ t . Å ¾ t .
#. %… 1 # . %…

4- Calcul de la Matrice de Transition Par Diagonalisation


Si la matrice A est diagonalisable, on peut trouver une matrice inversible T telle que :
•% . . • ∆ TQPÇ λ”

Or . ∆… TQPÇ . ÁÈ … donc facile à calculer. La matrice de transition se calcule alors par :

e ˜• •. . ∆… . • % •. TQPÇ . ÁÈ … . • %

Exemple :

5 1
Soit la matrice d’état suivante :

m k
6 0

p 5 1
Calculons ses valeurs propres et ses vecteurs propres :

det pI A! T.# 5 6 5 6 2 3
6
Les deux valeurs propres sont : λ 2 .# λ 3

AvÊ λÊ vÊ ROX Q 1,2


Les vecteurs propres s’obtiennent en résolvant les équations :

1 1
La résolution de ce système d’équations nous donne :

vm .# v
k k m
3 2
1 1
La matrice de passage est alors : • k m
3 2
Par conséquent, la matrice de transition d’état est donnée par :

•. . 0 2. % … 3. % … .% … .% …
% …
e ˜• . •%
0 . % …
6. % … 6. % … 3. % … 2. % …

Remarque : Matrice A et la stabilité du système.


La matrice A est très fondamentale pour la représentation dynamique du système. Ainsi, pour la
stabilité par exemple, les pôles de la fonction de transfert correspondent exactement aux valeurs
propres de la matrice d’état A. Le système est stable si toutes les valeurs propres de A sont à partie
réelle négative.

ENSET Mohammedia M.BAHATTI Page 18


Chapitre 3 :
Passage De La Fonction De Transfert Vers La Représentation D’état

I. Introduction :
Dans le chapitre 1, section III.2, nous avons vu qu’il est possible de passer de la représentation
interne d’un système vers sa fonction de transfert. Ce chapitre a pour objectif de traiter le chemin
inverse en investiguant les méthodes qui permettent d’élaborer une représentation d’état à partir de
la fonction de transfert.
Notons que la méthode qui donne le maximum d’informations est celle qui consiste à déterminer la
représentation d’état directement à partir des équations de la physique appliquées au système
considéré.

II. Matrice de Passage :

sous la forme > ¶. y où X est un vecteur d’état et si la matrice P est inversible alors Z est
Pour un système donné, le choix du vecteur d’état n’est pas unique. Ainsi, si le vecteur X peut s’écrire

également un vecteur d’état. En effet, on a :

X+(t) = X t) + Bu(t), donc PZ


+ t) = P. Z(t) + Bu(t). Ce qui implique :

Z+(t) = P % A P. Z(t) + P % Bu(t).

Cette dernière équation est bien une équation d’état de la forme : Z+(t) = AË . Z(t) + BË u(t) avec :

@Ì = ¶ %6 @ ¶ et AÌ ¶ %6 A

Pour la sortie, on a : Y t) = C. X(t) + D. u(t) . Soit Y t) = C. P. Z(t) + D. u(t) de la forme :

Y(t) = CË . X(t) + DË . u(t) ; Telle que : GÌ G ¶ et HÌ H

Cette transformation linéaire correspond à un changement de base dans l’espace d’état. P est
appelée la matrice de passage de la représentation d’état (X) à la représentation d’état (Z). Cette
opération est une transformation de similarité.
Le fait de disposer de différentes représentations d’état pour un même système est un avantage qui
va permettre d’utiliser des formes particulières de la représentation d’état pour des problèmes
particuliers.
Ces formes particulières qui seront étudiées par la suite, sont appelées les formes canoniques. On
distingue trois grands types de formes canoniques :
- La forme compagne de commande.
- La forme compagne d’observation.
- La forme diagonale ou quasi-diagonale de Jordan.

III. Forme gouvernable ou forme compagne de commande :


1- Fonction de transfert sans zéros :

Considérons d’abord un système décrit par sa fonction de transfert H(p) telle que :

ENSET Mohammedia M.BAHATTI Page 19


Í( ) 1
H(p) = = .
Z( ) £ + P£% £% + ⋯ + P p + P’

Le fonctionnement du système peut être également caractérisé par l’équation différentielle suivante,
dans laquelle les dérivés de l’entrée n’interviennent pas.

T£ ‡(#) T£% ‡(#) T£% ‡(#) dy(t)


+ P + P …+ P + P’ ‡(#) = O(#)
T# £ £%
T# £% £%
T# £% T#

y
On choisit de représenter l'état du système par des variables de phase (sorties des intégrateurs):
3 dy <
2 ; *
2 T# . ; 3 * <
2 . ; 2 . ;
2 ;
X=2 . ;=2 . ;
2T£% ‡; 2 . ;
2 £% ; 2*£% ;
2 T# ; 1 *£ :
2T£% ‡;
1 T# £% :
Les équations d’état s’écrivent alors :

x + (t) = * (#)
x + (t) = * (#)
x + (t) = *Ï (#)
x+ £% (t) = *£ (#)
T£ ‡(#)
x£+ (t) = = P£% *£ (#) + P£% *£% (#) … + P * (t) − P’ * (#) + O(#)
T# £
Pour la sortie y(t), elle est exprimée par : y t) = * (#)


Ce qui donne, sous forme matricielle une équation d’état de la forme :
0 1 0 0
3 0 0 1 … < 30 <
2 … … … … ; 2… ;

X+(t) = 2 … … … … ; . X(t) + 2… ; O #
2 … … … ; 2… ;
2 0 0 0 1 ; 20 ;
1−P’ −P −P −P£% : 11 :

L’équation de sortie est :

Y t) = 1 0 0 … … 0 !. X(t)

1- Si la fonction de transfert présente un gain statique K tel que :


REMARQUES :

Í( ) Ð
H p) = = £ .
Z( ) + P£% £% + ⋯ + P p + P’
La représentation d’état subit un changement uniquement au niveau de la matrice B
Celle-ci devient :

ENSET Mohammedia M.BAHATTI Page 20


0
30 <
2… ;
Ñ = 2… ;
2… ;
20 ;
1Ð :
2- Les matrices A, B et C ont des structures remarquables. La matrice A est appelée matrice
compagne (ou bloc compagnon).

2- Fonction de transfert avec zéros

Dans ce cas, les dérivées de l’entrée interviennent dans l’équation différentielle décrivant le système.
Elle sera de la forme ci-dessous, sachant que m<n :

T£ ‡ # T£% ‡ # T‡ # TO # TÓ O #
P£% ⋯ P P’ ‡ # Ò’ O # Ò ⋯ ÒÓ
T# £ T# £% T# T# T# Ó
La fonction de transfert de ce système est :

Í( ) (Ò’ +Ò p + ⋯ + ÒÓ Ó )
H p) = =
Z( ) £+P
£%
£% + ⋯ + P p + P

Pour traiter cette fonction, on considère une variable interne X(p) telle que : Ö(Õ) = ×(Õ) . Ö(Õ) avec :
Ô(Õ) Ô(Õ) ×(Õ)

X(p) 1
= 1)
U(p) £ + P£% £% + ⋯ + P p + P’

Y(p)
et
= Ò’ Ò p + ⋯ + ÒÓ Ó 2)
X(p)
La fonction de transfert (1) nous ramène au cas précédent par conséquent la matrice d’état Ø et
de commande ÑØ a toujours l’expression suivante :

0 1 0 … 0
3 0 < 3 0<
0 1 …
2 … ; 2…;
… … … 2… ;
2 … … … … ; ; ÑØ = … .
… 2 ;
2 … … …
Ø
;
1 2… ;
2 0 0 0 ; 20 ;
1−P’ −P −P −P : 11 :
£%

L’expression (2) est équivalente à l’équation différentielle suivante :

T*(#) TÓ *(#)
‡(#) = Ò’ *(#) + Ò + ⋯ + ÒÓ
T# T# Ó
Soit : ‡ # Ò’ * # Ò * # ⋯ ÒÓ *Ó #

Sous la forme matricielle, on aura nouvelle équation de sortie de type:

Y t) = Ò’ Ò Ò … ÒÓ 0 … 0 !. X(t)
La matrice de sortie a pour expression :

/Ù = Ò’ Ò Ò … ÒÓ 0 … 0 !.

ENSET Mohammedia M.BAHATTI Page 21


REMARQUE :
Le passage directe d’une représentation d’´état quelconque à la forme compagne de commande est
possible grâce à l’utilisation d’une la matrice de passage P à calculer. Ainsi
Considérons P = P P P … Pc ! la matrice de passage formée de ses « n » colonnes. Pour la
calculer, on applique alors l’algorithme récurrent, colonne par colonne, suivant :

Pc = B
Pc% = (A + ac% . Ic )B
Pc% = (A + ac% . A + ac% Ic )B = A. Pc% + ac% B
Pc% = (A + +ac% . A + ac% A + ac% Ic )B = A. Pc% + ac% B

P = (Ac% + +ac% . Ac% + … a Ic )B = A. P + a B

Les coefficients ai sont obtenus à travers le polynôme caractéristiques de la matrice A

IV. Forme compagne d’observation :

1- Définition et méthode :
La forme compagne d’observation est définie par les matrices du système suivantes:

0 0 0 P’ P’
3 1 0 0 P < 3 P <
2 0 1 … … ; 2 … ;
2 … … … … ; ; ÑÚ 2 … ;
Ú
2 … … … … ; 2 … ;
2 0 0 0 P£% ; 2 P£% ;
1 0 0 1 P£% : 1 P£% :

/Ú 0 0 0 … 0 0 1 !

On note que: Ú Ø ; ÑÚ
Û
/Ø Û et /Ú ÑØ Û ce qui permet de déduire de manière identique la
matrice de passage à la forme compagne d’observation.

C Ac% + +ac% . Ac% + ⋯ + a A + a Ic )


3 <
2C(A
c%
+ +ac% . Ac% + ⋯ + a A + a Ic );
.
PÜ % 2 ;
2 .. ;
2 C(A + ac% . Ic ) ;
1 C :

2- Exemple

0 1 −1 1
Soient la représentation d’état suivante :

+X(t) = n−3 2 1 p . X(t) + n1p u(t)


0 0 1 0

ENSET Mohammedia M.BAHATTI Page 22


Í(#) = 1 0 −1!. X(t)
−1 −2 1 4 −2 0
Les matrices de passage sont : ÝÙ = n 3 −4 1p ; ÝÚ % = n−3 0 1p
−3 1 0 1 0 −1

Les formes compagnes respectivement de commande et d’observation sont :

0 1 0 0 0 0 6 2
Ø = n0 0 1p ; ÑØ = n0 p ’ = n1 0 −4p ; ÑÚ = n−3 p
6 −4 3 1 0 1 3 1

/Ø = 2 −3 1!. /Ú = 0 0 1!.

NB : le soin est laissé aux étudiants de faire le détail des calculs

V. Forme Modale :
Ce type de représentation est utilisé lorsque le système a une entrée u(t) et une sortie y(t) et qu'il
peut être décrit par une fonction de transfert rationnelle à pôles distincts de la forme :

Í( ) (Ò’ +Ò p + ⋯ + ÒÓ Ó )
H(p) = = Ð.
Z( ) ( − µ )( − µ )( − µ ) … … … ( − µ£ )

Avec comme hypothèse : ∀i≠j, on a λi≠λj

On peut alors décomposer la fonction rationnelle H(p) en éléments simples. C.-à-d. :

H(p) = á(à) = à%â + à%â + ⋯ + à%â


ß(à) ¨ Ù © Ù ½ Ù
¨ © ½
; Avec ci les coefficients de la décomposition.

U(p)
On pose comme variable d’état
X Ê (p) =
p − λÊ
La fonction de transfert H(p) peut être donc représentée par le schéma bloc de la figure 3.1
suivante :

Figure 3.1. Schéma bloc de la forme modale

La relation X Ê (p) = implique p. X Ê (p) − λÊ XÊ (p) = U(p). Dans le domaine temporel, cela se
Ö(Õ)
Õ%Áã
traduit par : ä+å (?) = æç äç + è(?)

ENSET Mohammedia M.BAHATTI Page 23


L’équation de sortie sera :
·

é ê æç . äç
À¥6

Ceci nous amène à la représentation d’état suivante :

λ 0 0 1
3 … < 31 <
0 λ
2 ; 2 ;
X+(t) = 2 … … … ; . X(t) + 2… ; O #
20 0 0 ; 21 ;
10 0 λc : 11 :

Í # c c … cc !. X(t)

REMARQUE : Cette représentation fait apparaitre directement les modes (les pôles) du système.
Ainsi on peut par exemple, déduire directement que la stabilité n’est assurée que si les éléments de
la diagonale sont tous à partie réelle négative.

CONCLUSION :
La forme diagonale permet de mettre en évidence :
– Les propriétés dynamiques (stabilité, rapidité, amortissement),
– Les propriétés de commandabilité et d’observabilité,
– Facilité de l’intégration de l’équation d’état,
– La contribution des modes aux états

VI. Fonctions Matlab de Conversion :

MATLAB dispose d’un ensemble de fonctions qui permettent le passage entre les différentes
représentations d’un système dynamique linéaire. Ci-joint la liste de ces fonctions avec une
sommaire description :

- Sys=tf(sys1) : transformation vers une fonction de transfert.


- Sys=ss(A,B,C,D) : transformation vers une représentation d’état.
- sys =zpk(z,p,k) : transformation vers un modèle pôles-zéro-gain statique.
- Sys=ss2ss(sys1,T) : effectue la transformation de similarité Z=T.X.
- [sys,T]=canon(sys,’type’) : calcule une représentation d’état canonique modale ou compagne de
commande du système
- [num,den]=ss2tf(A,B,C,D,iu) : renvoie la matrice de transfert associée associé à l’entrée
numérotée iu où chaque ligne de la matrice num correspond à une sortie donnée du système.
- [A,B,C,D]=tf2ss(num,den) : effectue le passage d’une fonction de transfert à une représentation
d’état.
- [r,p,k]=residue(a,b) : calcule la décomposition en éléments simples de a/b.

ENSET Mohammedia M.BAHATTI Page 24


Chapitre 4 :
Commandabilité Et Observabilité

IV. Position du problème


Etant donné un système représenté par ses équations d’état, posons les questions suivantes :

1. Est-il possible de générer une commande qui permette de faire passer le système d’un état
quelconque x(t1) (à l’instant t1) à un autre état quelconque x(t2) à l’instant t2 ?
2. En supposant que l’entrée du système est connue, peut-on, par la seule observation des sorties
sur un intervalle de temps [t1, t2], déduire l’état initial x(t) du système ?

V. Exemple.
Considérons le système de la Figure 4.1 suivante :

Figure 4.1. Système défini par un schéma bloc

En choisissant comme variables d’état, les variables xi (i ∈ {1,2,…,4}) correspondant aux sorties de
chaque bloc de la figure ci-dessus, on obtient l’équation d’état suivante :

0 0 0 0 2
+X(t) = ì0 −1 0 0 í . X(t) + ì−1 í O(#)
1 1 1 0 0
2 0 0 −2 0

‡(#) = 0 0 1 1!. X(t)

La représentation par fonction de transfert conduit à :

Í( ) 3 ( + 2)
H(p) = =
Z( ) ( + 1)( − 1)( + 2)

Par la décomposition en éléments simples, on peut établir la représentation d’état modale du


système. Ainsi, si on pose X’ comme nouveau vecteur d’état, on aura :

ENSET Mohammedia M.BAHATTI Page 25


2 0 0 0 0

X’+ t) = ì 0 0 0 0 í . X’(t) + ì−2 í O #
0 0 1 0 1,5
0 0 0 −1 −2

‡ # 1 0 1 0,75 !. X’(t)

Cette équation correspond au schéma de la figure 4.2 suivante :

Figure 4.2. Schéma de la représentation modale


On constate, sur ce schéma, que x’1 n’est pas influencé par l’entrée u, et correspond ainsi à un pôle
(ou mode) non commandable. De même, x’2 n’agit pas sur la sortie, et correspond donc à un pôle
non observable.

REMARQUE.

Si on simplifie la fonction de transfert de ce système, on obtient :

Í( ) 3 ( + 2) 3
H(p) = = =
Z( ) ( + 1)( − 1)( + 2) ( + 1)( − 1)

On notera que cette dernière représentation ne retient que les pôles observables et commandables,
et ne rend pas compte de l’ensemble du système étudié.
D’ailleurs la fonction de transfert est un système du second ordre, alors que la représentation d’état
du système est d’ordre 4.

CONCLUSION.

La fonction de transfert, à elle seule, est quelquefois insuffisante pour d´écrire un système. Par
contre, la représentation d’état permet de rendre compte des problèmes éventuels de non
commandabilité ou non observabilité : ceci pourra être fait directement sur toute représentation
d’état, ou bien à partir de formes canoniques spécifiques.

ENSET Mohammedia M.BAHATTI Page 26


VI. Commandabilité de l’état
1. Définition

Un système défini par sa représentation d’état est dit commandable ou gouvernable si :


On peut, sur une durée finie, modifier toutes les composantes du vecteur d’état x(t) par un signal de
commande u(t) en vue d’obtenir un état final x(tf) à partir d’un état initial x(t).

La commandabilité est une propriété importante en automatique pour la commande et la régulation


des procédés en utilisant la représentation d’état.

2. Critère mathématique (de KALMAN).

Un système linéaire d’ordre «n », décrit par l'équation d'état X+ = AX + BU est complètement


commandable à la condition nécessaire et suffisante que la matrice de commandabilité C(A,B) soit de
rang n.
La matrice de commandabilité C(A,B) est définie par :

/( , Ñ) = Ñ Ñ Ñ Ñ … £%
Ñ !.

3. Remarques :

- la matrice de commandabilité est une matrice carrée C(A, B)ϵ Rc∗c


Dans le cas d'un système mono-entrée:

- le système est complètement commandable si et seulement si det(C (A, B)) ǂ 0

Approche pratique:
- Former la matrice de commandabilité C (A, B)
- Calculer le rang de C (A, B)
- En déduire que le système est commandable si rang(C (A, B) )=n

4. Exemple :

−4 1 0 1
X+ t) = k m . X(t) + k m . u(t)
Soit un système décrit par l’équation d’état suivante :

−2 −2 1 0
Le système est d’ordre 2 avec 2 entrées
0 1 1 4
/( , Ñ) = Ñ Ñ! k m
1 0 −2 2
Les deux lignes de la matrice de commandabilité sont indépendantes, par conséquent celle-
ci est de rang 2 : Le système est commandable.

5. Commandes Matlab :
Soit les matrices A et B suivantes :
0 1 0
  % Entrée des matrices A et B ; » A=[0 1 0; 0 0 1; -1 -5 -6];
A=  0 0 1 » B = [0;0;1];
 − 1 − 5 − 6 % Déterminer la matrice de contrôlabilité ; » M=ctrb(A,B);
 0 % Déterminer le rang de M ; » r=rank(M), r = 3
  % Puisque le rang est de 3, le système est commandable
B =  0
 1
ENSET Mohammedia M.BAHATTI Page 27
VII. Observabilité de l’état.
1. Définition :

X+(t) = A. X(t) + B. u(t)


Considérons un système linéaire invariant décrit par les équations suivantes :

y(t) = C. X(t) + B. u(t)

Ce système est dit observable s’il est possible de retrouver son état initial X(ti) à partir de
l’observation de son entrée u(t) et de sa sortie y(t), sur un intervalle de temps fini.
NB : L’observabilité caractérise la possibilité de retrouver l’état d’un système en observant son
entrée et sa sortie. Ce problème d’observabilité a une importance pratique car certaines variables
internes sont quelquefois inaccessibles à la mesure ou «coûteuses» à mesurer.

2. Théorème (critère mathématique).


Un système linéaire invariant d’ordre n est observable si et seulement si la matrice d’Observabilité
est de rang n.

/
La matrice d’Observabilité O(A,C) est définie par :

/
ñ( , /) = ˆ / ‰

/ £%

NB : La matrice O(A,C) est calculable à travers Matlab par la commande « Obsv »

3. Exemple.
Considérons le système constitué d’un moteur à courant continu commandé par l’induit - champ
inducteur constant - entraînant une charge.
On supposera que l’inductance L de l’induit est négligeable et on désignera par J le coefficient
d’inertie de l’ensemble rotor du moteur plus arbre de transmission plus charge, f le coefficient de
frottement visqueux, Ke le coefficient de proportionnalité entre la force contre-électromotrice
développée par le moteur et la vitesse de rotation et Kc le coefficient de proportionnalité entre le
couple Cm développé par le moteur et le courant d’induit.

O # +
,. Q(#) + Ðò . ‚(#)
Les équations classiques qui traduisent le fonctionnement du dispositif sont :

^‚ó (#) = ÐÙ Q(#) − †‚+ (#)

- * = ‚ : la position de l’arbre moteur,


Choisissons comme variables d’état :

- * = ‚+ : la vitesse de rotation.

1 0
L’équation d’état de ce système s’écrit :

+ 0
X+(t) = ‚ n −1 p . X(t) + n ÐÓ p . u(t)
‚ó 0
•Ó •Ó

Ðò
Avec :
ÐÓ =
,† + ÐÙ Ðò
,^
•Ó =
,† + ÐÙ Ðò

ENSET Mohammedia M.BAHATTI Page 28


de sortie s’écrit alors : y = 0 1!. X
- Supposons que la sortie mesurée (observée) soit la vitesse de rotation c’est-à-dire x2. L’équation

Pour voir s’il est possible de remonter à l’état initial (position et vitesse de départ) à partir de la
connaissance de la sortie, c’est-à-dire de la vitesse, et du signal de commande u, on va former la

1
matrice d’observabilité Ob1 du système.
0 −1
ñô = n p.
0
•Ó
Le déterminant de cette matrice est nul : Le système n’est donc pas observable : c’est-à-dire que
la connaissance de la vitesse et de l’entrée u ne suffit pas pour en déduire la position.

y = 1 0!. X
- Supposons cette fois que l’on observe l’évolution de la position (x1). L’équation de sortie sera :

1 0
ñô = k m.
La matrice d’observabilité s’écrit alors :

0 1
Cette matrice est régulière (déterminant non nul) : Le système est donc observable. C’est-à-dire
que de la connaissance instantanée de la position (et la commande u(t)), on peut remonter à la
valeur de la vitesse initiale du moteur. Il suffit de la dériver.

ENSET Mohammedia M.BAHATTI Page 29