Vous êtes sur la page 1sur 58

‫ﻛﻠﯿﺔ اﻟﻌﻠﻮم و اﻟﺘﻘﻨﯿﺎت ﺑﺴﻄﺎت‬

Faculté des Sciences et Techniques - Settat

UNIVERSITE HASSAN 1er

Faculté des Sciences et Techniques – Settat

Support de Cours

Commande et Observateurs d’état des Systèmes non


Linéaires

Cycle : Master en sciences et techniques

2ème année. Semestre 3

Filière : Automatique Traitement du Signal Informatique Industrielle

Année universitaire 2018/2019

Soutenue le 10 Mars 2014 devant le jury

Par : M’hammed GUISSER


mguisser@gmail.com
Centre Régional des Métiers de
l’Education et de la Formation
Casa-Settat
Annexe Provinciale Settat
Pr. *************

FST de Settat, Km 3, B.P. : 577 Route de Casablanca


*********** Rapporteur

FST de Settat, Km 3, B.P. : 577 Route de Casablanca


Résumé : Ce module a pour finalité le développement d’approches méthodologiques
« modernes » de manière pédagogique et didactique, pour la conception des lois commande et
observateurs d’état destinés à des applications pratiques, pour lesquelles la prise en compte de
l'influence des non-linéarités intrinsèques contribuent à augmenter les performances des
systèmes de manière significative. Les concepts de base et fondamentaux nécessaires sont
développés pour les différentes stratégies de commande et d’observation d’état pour différentes
classes de systèmes non linéaires, les plus couramment utilisées d'un point de vue théorique et
pratique pour de nombreux problèmes industriels, y sont présentées sous un angle adéquat pour
un ingénieur. De nombreux exemples académiques et industriels sont fournis pour faciliter la
compréhension de ce module, appuyés par des travaux dirigés et des travaux pratiques portant
sur des cas concrets (machines électriques, convertisseurs de puissance, robotique, drones,
véhicules électriques, systèmes de production d’énergies renouvelables…). Enfin, les
correcteurs et les observateurs non linéaires étudiés sont validés en simulation sous
l’environnement Matlab/Simulink.

En vue d’une amélioration constante, toute remarque et commentaire sont les bienvenus.
Version provisoire

i
Table des matières

Introduction :........................................................................................................................1
Chapitre 1 : Commande par linéarisation exacte et découplage entrées-sorties ................3
1.1. Introduction : ............................................................................................................3
1.2. Systèmes mono-entrée mono-sortie ..........................................................................3
1.3. Systèmes multi-entrées multi-sorties .........................................................................7
1.4. Découplage par bouclage dynamique ......................................................................13
1.5. Application : Simulation de la commande d’un robot à deux degrés de liberté ........14
Chapitre 2 : Commande par Backtepping......................................................................... 17
2.1. Introduction : ..........................................................................................................17
2.2. Stabilité au sens de Lyapunov .................................................................................17
2.3. Commande par Backstepping .................................................................................19
2.4. Application : Simulation de la commande d’un robot à deux degrés de liberté ........24
Chapitre 3 : Commande par mode glissant ....................................................................... 26
3.1. Introduction : ..........................................................................................................26
3.2. Concepts de base de la commande par mode glissant ..............................................26
3.2.1. Synthèse de la surface de glissement ...............................................................27
3.2.2. Synthèse de la loi de commande ......................................................................28
3.2.3. Propriété de robustesse ....................................................................................30
3.2.4. Phénomène de Chattering ................................................................................30
3.3. Application : Simulation de la commande d’un robot à deux degrés de liberté ........34
Chapitre 4 : Observateurs d’état des systèmes non linéaires ............................................ 38
4.1. Introduction : ..........................................................................................................39
4.2. Observabilité des systèmes non linéaires ................................................................39
4.3. Observateurs d’état .................................................................................................40
4.4. Synthèse d’observateurs d’état................................................................................41
4.5. Observateur à grand gain pour les systèmes uniformément observables ..................42
4.5.1 Système mono-sortie : .....................................................................................42
4.5.2 Système multi-sortie : ......................................................................................45
4.5.3 Autres classes de systèmes uniformément observables ....................................46
4.6. Application : Simulation de l’observateur d’un robot à deux degrés de liberté ........51
Bibliographie : .................................................................................................................... 54

ii
Introduction :

La majorité des systèmes sont essentiellement représentés par un modèle d’état non linéaire,
permettent de décrire le plus fidèlement possible leur comportement dynamique réel.
L’utilisation d’un modèle linéaire est pertinente et permet la synthèse des lois de commandes
linéaires qui sont très populaires, car leur conception et leur implémentation sur un calculateur
numérique sont relativement simples, mais seulement dans un certain domaine de
fonctionnement appelé domaine de linéarité ; en dehors de ce domaine de fonctionnement, les
régulateurs linéaires ne sont plus valables et ne garantissent pas les performances et la stabilité
du système. Pour atteindre de bonne performances dynamiques et statiques, il faut élaborer des
algorithmes de commande non linéaires modernes efficaces et robustes qui sont basées sur une
représentation non linéaire de la dynamique des systèmes. Les progrès conjoints de
l’électronique numérique (microcalculateurs) permettent aujourd’hui de mettre en œuvre ces
lois de commande de plus en plus complexes à moindres coûts. Les domaines d’application
sont nombreux et variés : (Production, transport et distribution de l’énergie ; Energies
renouvelables ; Automobile ; Aéronautique ; Ferroviaire ; Naval ; Aérospatial ; Mécatronique,
Robotique ; Drones ; Procédés chimiques ; Production industrielle ; Médecine ; Economie et
finance ; Procédés biotechnologique ; Agroalimentaire …).
La mise en œuvre de la commande par retour d’état a besoin de capteurs permettant de donner
à chaque instant la valeur de l’état réel du système. Deux capteurs de natures différentes sont
utilisés. Le premier et celui des capteurs physiques de l’instrumentation, ces capteurs sont
parfois trop coûteux ou difficiles à réaliser pour des raisons techniques ou économiques. Pour
cette raison, on est amené à concevoir un second type de capteurs « capteurs logiciels », appelés
observateurs ou estimateurs d’état permettant de reconstruire les grandeurs qui ne sont pas
mesurées. Les industriels cherchent à minimiser le nombre de capteurs utilisés pour la réduction
du coût de mise en œuvre des algorithmes de contrôle en utilisant seulement les sorties
disponibles. En effet la présence des capteurs augmente la complexité et le coût de la commande
(câblage, coût de maintenance...).
Le premier chapitre présente, la stratégie de commande par linéarisation exacte (sur l’ensemble
du domaine de fonctionnement du système) et découplage entrées-sorties, en faisant appel au
formalisme de la géométrie différentielle. Le principe de cette commande consiste à déterminer
le correcteur de manière à compenser les effets non-linéaires du système. Le système asservi se
comporte alors comme un système linéaire stabilisé à l’aide des lois de commande linéaires.
Le deuxième chapitre concerne la technique du backstepping, c’est une méthode de synthèse
de lois de commande non linéaire systématique et récursive utilisant le principe de stabilité de
Lyapunov. L’idée de la commande backstepping est de transformer les systèmes bouclés en
sous-systèmes du premier ordre en cascade. C’est une méthode de synthèse multi-étape où, à
chaque étape, une loi de commande intermédiaire (appelée également fonction stabilisante ou
loi de contrôle virtuelle) assurant la convergence du système vers son état d’équilibre est
générée en utilisant une fonction de Lyapunov appropriée. Cette dernière assure ainsi pas à pas
la stabilisation de chaque étape de la synthèse. Cette façon de procéder présente l’avantage
d’assurer une stabilité globale asymptotique au système bouclé tout en garantissant des qualités
de robustesse.
Le troisième chapitre est consacré à la commande par modes glissants. L’objectif de la méthode
est, à l’aide d’une commande discontinue, de contraindre le système à évoluer au bout d’un
temps fini et de se maintenir sur une surface, appelée surface de glissement, où le comportement

1
résultant correspond aux dynamiques souhaitées. Le régime du système ainsi commandé est
appelé mode glissant et la dynamique de celui-ci peut être rendue insensible aux variations
paramétriques, aux erreurs de modélisation et à certaines perturbations externes. La loi de
commande par modes glissants est de conception relativement simple et présente des qualités
de robustesse vis-à-vis de certaines classes de perturbations.
Le quatrième chapitre traite les techniques de synthèse d’observateurs d’état à grand gain pour
une classe de systèmes non linéaires uniformément observables, pour estimer l’état instantané
du système à partir de la mesure des grandeurs de sorties. Ces systèmes sont composés d’une
partie linéaire ou affine en l’état et une partie non linéaire ayant une structure triangulaire. On
utilise des grands gains pour accélérer la convergence de l’observateur et amortir l’effet des
non linéarités non modélisées. L’observateur à grand gain est caractérisé par la simplicité de la
mise en œuvre et le réglage.

2
Chapitre 1 : Commande par linéarisation exacte et découplage
entrées-sorties

1.1. Introduction :
Le problème de la linéarisation exacte et découplage entrées-sorties, consiste à transformer de
manière exacte un système non linéaire en un système linéaire découplé et commandable, à
l’aide d’un bouclage d’état et d’un changement de coordonnées sur l’état du système. Lorsque
cette transformation existe, elle permet de stabiliser le système en utilisant les méthodes de
commande des systèmes linéaires (PID, placement de pôles, synthèse quadratique…). Cette
technique de commande est basée sur la théorie de la géométrie différentielle et nécessite la
connaissance du modèle du système avec une précision suffisante. Les propriétés de robustesse
sont peu garanties face aux incertitudes paramétriques. Il est possible, à partir de la théorie de
Lypunov, d’utiliser une commande par linéarisation adaptative afin de contrôler un système
ayant des paramètres inconnus ainsi que des perturbations extérieures.
1.2. Systèmes mono-entrée mono-sortie
Soit le système non-linéaire, représenté sous forme affine en la commande :
̇ = ( )+ ( )
= ℎ( )
Où = [ , … , ] ∈ ℝ est le vecteur d’état, ∈ ℝ est le signal de commande, ∈ ℝ est la
sortie à contrôler. Les fonctions : ℝ → ℝ ; : ℝ → ℝ et ℎ: ℝ → ℝ sont analytiques.
L’objectif est d’essayer de synthétiser :
 Un retour d’état statique : = ( ) + ( ) , où une nouvelle entrée de commande
externe ;
 Un changement de coordonnées = ( ), où un difféomorphisme (le Jacobien de
( )
( ) n’est singulier : det ≠ 0) ; pour transformer un système non linéaire en
un système linéaire commandable :
̇= +
=
Cependant, afin de faciliter la compréhension, il est préférable de rappeler certaines définitions
et montrer les procédures à suivre pour synthétiser la commande.
 On définit la dérivée de Lie de la fonction ℎ( ) dans la direction du champ de vecteur
( ):

ℎ( ) ℎ( ) ℎ( ) ( ) ℎ( )
ℎ( ) = ( )= ⋯ ⋮ = ( )
( )
 Le degré relatif du système par rapport à la sortie est exactement le nombre de fois
qu’il faut dériver la sortie de manière à faire apparaitre explicitement la commande .
Par conséquent, on définit de manière récursive :
ℎ( ) = ℎ( )
ℎ( )
ℎ( ) = ( )…

ℎ( ) = ℎ( ) ; = 2,3, …
En effet, si nous dérivons la sortie du système par rapport au temps, nous obtenons :

3
ℎ( ) ℎ( )
̇= ̇= ( ( )+ ( ) )= ℎ( ) + ℎ( )
Lorsque le degré relatif du système est supérieur à 1, nous avons : ℎ( ) = 0 et ̇ = ℎ( )
La deuxième dérivation de conduit à :
ℎ( ) ℎ( )
̈= ̇= ( ( ) + ( ) ) = ℎ( ) + ℎ( )
Encore une fois, si le degré relatif est supérieur à deux, alors : ℎ( ) = 0 et ̈ = ℎ( )
En étendant le raisonnement, on obtient :
ℎ( ) = 0 ; 0 ≤ < −1
ℎ( ) ≠ 0
La dérivée de la sortie qui fait apparaitre la commande est :
( )
= ℎ( ) + ℎ( ) = ∆ ( ) + ∆( )
On introduit une entrée externe telle que :
( )
=
Le retour d’état linéarisant permettant de compenser les non linéarités et d'établir une relation
linéaire entre l'entrée et la sortie est :
1
= ( )+ ( ) = − ℎ( ) + ; ℎ( ) ≠ 0
ℎ( )
∆ ( ) ( )
avec : ( ) = − =− ; ( ) = ∆( =
∆( ) ( ) ) ( )
Le comportement entré-sortie du système bouclé est linéaire décrit par une chaine
( )
d’intégrateurs : ( ) = .
Il existe également un changement de coordonnées = ( ) tel que dans le nouveau système
de coordonnées, le système bouclé s’écrive partiellement ou complètement sous forme
canonique.
Deux cas sont à envisager :
 1er cas : = ; étant la dimension de l’espace d’état, le changement de coordonnées
est complètement défini par :
( ) ℎ( )
= ⋮ = ⋮ = ⋮ = ⋮
( )
( ) ℎ( )
Forme canonique commandable et observable :
̇ =
⎧ ̇ =
⎪ ̇= +
… ⟹
⎨ ̇ =
⎪ =
⎩ ̇ =
Avec :
0 1 0 … 0 0
⎛ 0 0 1 … 0 ⎞ ⎛0 ⎞
( × ) = ⎜ ⋮ ⋮ ⋮ ⋱ ⋮ ⎟ ; ( × 1) = ⎜ ⋮ ⎟ ; (1 × ) = (1 0 ⋯ 0 0)
0 … … … 1 0
⎝0 … … … 0 ⎠ ⎝1 ⎠
 2éme cas : < ; il est toujours possible de compléter l’état du système par les −
fonctions supplémentaires ( ), … , ( ); afin de pouvoir définir un changement
de coordonnées = ( ) = [ ( ), … , ( ), ( ), … , ( )] . Les fonctions

4
( ), … , ( ) peuvent être fixées arbitrairement, mais il est toujours possible de
choisir ces fonctions de la façon suivante :
( )
⎧ ̇ = ( ( )+ ( ) )= ( )+ ( )


⎨ ( )
⎪ ̇ = ( ( )+ ( ) )= ( )+ ( )

En utilisant les notations suivantes :
( ) ( ( ))
= ⋮ ; = ⋮ ; = ; ( , )= ⋮ = ⋮ ;
( ) ( ( ))
Après transformation et bouclage, le système peut s’écrire sous la forme condensée
suivante :
̇= +
̇= ( , )
=
Dans ce cas, le système bouclé possède bien un comportement entrées-sorties linéaire mais
a l’inconvénient de rendre certaines dynamiques inobservables. Le système bouclé, dans les
nouvelles coordonnées, est constitué d’un système linéaire sous forme canonique et d’un
système non linéaire. Pour garantir la stabilité, il ne suffit pas de regarder le comportement
entrée-sortie du système : on doit aussi vérifier que les états rendus inobservables sont
stables. Pour cela, la dynamique des zéros doit être analysée. Elle est donnée par ̇ =
( , ) en supposant les sorties et toutes les dérivées des sorties nulles. La dynamique des
zéros correspond au comportement interne du système.
Si on suppose que l’intérêt de la commande est de maintenir la sortie du système égale à
zéro = 0 ⟹ = 0 ⟹ ̇ = 0.
La dynamique des zéros du système non linéaire est donnée par :
̇ = (0, )
Si la dynamique des zéros est stable, il existe une loi de commande qui stabilise le système.

= +
= ( )

Figure 1.1 : Schéma de commande par linéarisation entrée-sortie.


Le problème de synthèse de la commande qui permet la poursuite de trajectoires de référence
ou le suivi de consigne peut être traité comme un problème linéaire :
Soit = − l’erreur de poursuite. On définit = ; = ̇ …; = ( ) .
On obtient :

5
̇ =
⎧ ̇ =

⋮ ⟹ { ̇= + ̅
⎨ ̇ =

⎩ ̇ = − ( )= ̅
Avec la commande doit être choisie de telle sorte que la stabilité du système soit garantie, la
commande sera choisie telle que :
̅=− ⟹ =− + ( )
On obtient ̇ = ( − ) ; alors ( ) = ( ) ( )
0 . La convergence vers zéro de l’erreur
de poursuite est garantie si ( − ) < 0. Alors :

̇− ̇
=− … + ( )
( )
− ( )
( ) ( ) ( )
=− ( − )− ( ̇ − ̇ ) − ⋯− − +
Le vecteur = [ ⋯ ] (gain de la commande) est choisi tel que les valeurs propres
de la matrice ( − ) sont à partie réelle strictement négative. Ou le polynôme
caractéristique ( ) = + +⋯+ + soit d’Hurwitz.
Exemple 1.1 :
Soit un système non linéaire :
̇ =
̇ = + ̇ = ( )+ ( )

̇ = + = ℎ( )
=

avec , , et sont des paramètres constants positifs,


0
( )= + ; ( ) = 0 ; ℎ( ) =

On dérive par rapport au temps la sortie.


̇= ̇ =
̈= ̇ = +
⃛= + + = ∆ ( ) + ∆( ) =
∆ ( ) ∆( )
Le degré relatif de la sortie du système est : = 3. Le retour d’état linéarisant permetant
d’annuler les non linéarités du système afin de le transformer en système linéaire est :
1
= ( )+ ( ) = (−∆ ( ) + ); ∆( ) ≠ 0 ⟹ ≠0
∆( )
∆ ( )
avec : ( ) = − ∆( ) et ( ) = ∆( )
Commande stabilisante :

=− ̇− ̇ +⃛ =− ( − )− ( ̇ − ̇ )− ( ̈ − ̈ )+ ⃛
̈− ̈
Le gain de la commande est tel que ( − ) < 0, avec :
0 1 0 0
= 0 0 1 ; = 0
0 0 0 1

6
1.3. Systèmes multi-entrées multi-sorties
On considère un système non linéaire de la forme suivante :
̇ = ( )+ ( ) = ( )+ ( )
= ℎ( )
Où = [ ,…, ] ∈ ℝ est le vecteur des états, = [ , … , ] ∈ ℝ est vecteur des
commandes, = ,…, ∈ ℝ est le vecteur des sorties à contrôler. Les fonctions : ℝ →
ℝ ; : ℝ → ℝ et ℎ: ℝ → ℝ sont analytiques. On prend le nombre de sorties égal au
nombre d’entrées = .
Le problème consiste à trouver :
Une loi de commande par retour d’état statique : = ( ) + ( ) , où une nouvelle entrée
de commande externe ; et un changement de coordonnées = ( ), tel que le système bouclé
soit découplé et linéaire.
Le système découplé se présente comme un ensemble de sous systèmes mono-entrée mono-
sortie, dans le sens où chaque entrée n’affecte que la sortie ; = 1,2, … , .
Soit le degré relatif du système par rapport à la sortie , c’est le nombre de fois qu’il faut
dériver la jème sortie de manière à faire apparaitre explicitement au moins une composante du
vecteur de commande .
̇ = ℎ( )
̈ = ℎ ( ), ….
( )
= ℎ ( )+ ℎ( ) = ℎ ( )+ ℎ( )
Ecriture sous forme matricielle, pour chaque sortie ; = 1,2, … , .
( ) ℎ ( ) ℎ ( ) … ℎ ( )
⋮ = ⋮ + ⋮ … ⋮ ⋮
( ) ℎ ( ) ℎ ( ) … ℎ ( )
∆ ( ) ∆( )

La matrice ∆( ) est appelée matrice de découplage. Si cette matrice est inversible (det ∆( ) ≠
0), alors le système est découplable par retour d’état statique :
= ( ) + ( ) = ∆ ( ). (−∆ ( ) + ) ; ( ) = −∆ ( ). ∆ ( ) ; ( ) = ∆ ( )
Le comportement entrée-sortie du système bouclé est linéaire décrit par : ( ) = ; =
1,2, … , . Le comportement dynamique du système découplé est composé de chaines
d’intégrateurs en cascade n’est pas admissible. Il est donc nécessaire de le modifier par un
second bouclage linéaire .
Il existe également un changement de coordonnées = ( ) tel que dans le nouveau système
de coordonnées, le système bouclé s’écrive partiellement ou complètement sous forme
canonique
Le degré relatif global du système est =∑ . Deux cas à envisager :
 Si = , le changement de coordonnées est complètement défini par :

7
= =ℎ( )= ( )
= ( ) ⎛ = ̇ = ℎ( )= ( ) ⎞
= ( ) = ⋮ ; = ( )=⎜ ⎟

= ( ) , …,
= = ℎ( )= ( )
⎝ ⎠
Forme canonique :
̇ =

⎪ ̇ =
̇ = +
… ⟹
⎨ ̇ = =

⎩ ̇ =
Avec :
0 1 0 … 0 0
⎛ 0 0 1 … 0⎞ ⎛0 ⎞
× =⎜⋮ ⋮ ⋮ ⋱ ⋮⎟; × 1 = ⎜⋮⎟ ; 1× = (1 0 ⋯ 0 0)
0 … … … 1 0
⎝0 … … … 0⎠ ⎝1 ⎠
Sous forme condensée :
̇= +
=
avec : = ( , ,…, ); = ( , ,…, ); = ( , ,…, )
 Si < , le changement de coordonnées doit être complété par − fonctions
supplémentaires, ( ), … , ( ) telles que,
( )= ( ), … , ( ), … , ( ), … , ( ), ( ), … , ( )
Soit un difféomorphisme. Le calcul des fonctions = [ ( ), … , ( )] est tel
que :
̇ = ( )+ ( )



⎨ ̇ = ( ) + ( )


Avec les notations suivantes :
( )
= ⋮ ∈ℝ ; = ⋮ ∈ℝ ; = = ( )∈ℝ ; ( , )= ⋮
( )
On obtient :
̇= +
̇= ( , )
=
Si la dynamique des zéros ̇ = (0, ) est stable, alors le problème de poursuite de trajectoire
désirée = ,…, est résolu par les lois de commande linéaire :

8

̇ − ̇
=− … +

=− − − ̇ − ̇ −⋯− − +

Le vecteur est tel que − <0

Figure 1.2 : Architecture de la commande par linéarisation et découplage entrées-sorties


Remarque 1.2 : Lorsque la dynamique des zéros est instable, la commande découplante par
retour d’état ne peut être utilisée. La commande linéaire n’assure pas la stabilité interne du
système en boucle fermée
Exemple 1.2 :
On considère le système non linéaire suivant :
̇ =
⎧ ̇ = (1 − )

̇ = ̇ = ( )+ ( ) = ( )+ ( ) + ( )

⎨ ̇ = = ℎ( )
⎪ =
⎩ =
avec :
0 0
(1 − ) ⎛ 0 0 ⎞
( )= ; ( )=⎜ 0 ⎟ ; ℎ( ) =
0

1 ⏟
0
0
⎝ ( ) ( ⎠
Pour la sortie :
̇ =
̈ = + = ⟹ =2
Pour la sortie :
̇ = (1 − )
̈ = (1 − ) − = ⟹ =2
On obtient :

9
̈ 0
= + =
̈ 0 − (1 − )
∆ ( ) ∆( )
det ∆( ) = (1 − )≠0⟹ ≠ 0 et ≠ 1. Le système est découplable par :
= ( ) + ( ) = ∆ ( ). (−∆ ( ) + )
La dimension du système après bouclage est + = 4 = , le système est complètement
linéarisable. Le second bouclage est donné par :

=− ̇ − ̇ + ̈

=− ̇ − ̇ + ̈

Le vecteur est tel que − < 0 ; = 1,2


0 1 0
= = ; = =
0 0 1
Exemple 1.3 : Commande à flux rotorique orienté de la machine asynchrone
Les enroulements statoriques et rotoriques de la machine asynchrone (MAS) sont schématisés
par la figure suivante :

Fgure1.3 : Représentation schématique d’une MAS triphasée.


Le modèle d’état de la machine asynchrone dans le repère fixe lié au stator est de la forme :
1
⎧ =− + + +

⎪ 1
⎪ =− − + +

1
= − −

⎪ 1
⎪ = + −

⎪ 1
= − −

10
Les courants statoriques , , les flux rotoriques , et la vitesse de rotation du
rotor sont les variables d’état = , , , , . Les tensions statoriques =
, sont les variables de contrôle.
Les paramètres de la machine sont :
( , )Résistances statorique et rotorique ;
( , , )Inductances cycliques statorique, rotorique et mutuelle entre stator et rotor ;
: Nombre de paires de pôles ;
: Coefficient de dispersion ou de Blondel ;
: Couple résistant.
= ; =1− ; = ; = +
L’expression du couple de la machine asynchrone montre qu’elle résulte d’une différence de
produits de deux composantes en quadrature, des flux rotoriques et des courants statoriques, le
modèle présente donc un couplage complexe entre les gradeurs de la machine.
L’objectif de la commande vectorielle des machines asynchrones est d’améliorer leur
comportement dynamique et statique, grâce à une structure de contrôle similaire à celle d’une
machine à courant continu à flux constant. Dans le but de contrôler le couple électromagnétique
et par conséquent la vitesse mécanique de la machine. La composante d’axe du courant
statorique joue le rôle de l’excitation et permet de régler la valeur du flux dans la machine et la
composante d’axe joue le rôle du courant induit et qui permet de contrôler le couple. Cette
commande est appelée « commande à flux orienté » qui consiste à réécrire le modèle de la
machine dans le repère tournant ( , ).
Dans le repère tournant lié au flux rotorique, le flux rotorique est orienté sur l’axe . Par
conséquent, la composante du flux en quadrature, ainsi que sa dérivée s’annulent. La stratégie
de la commande par orientation de flux implique = ̇ = 0. Par conséquent, l'expression
du couple électromagnétique est proportionnelle au produit des deux variables et :
= . On peut remarquer qu'en maintenant le flux rotorique de la machine
constant, on obtient le couple électromagnétique et par conséquent la vitesse mécanique qui est
proportionnelle à la variable de contrôle (courant statorique ).
Le modèle d’état dans le repère dépend de la pulsation statorique ̇ = ; =
arctan est l’angle de rotation du repère par rapport au stator.

axe
axe
=

axe rotor

0 axe stator
Figure 1.4 : Orientation du flux rotorique sur l’axe direct
Le modèle de la machine asynchrone dans le repère tournant lié au champ rotorique est :

11
⎧ =− + + + + .


⎪ =− − − − + .

=− +


⎪ = +


⎩ = −
Les paramètres , , , , et sont définis par :
= ; = ; = ; = ; = ; =

La vitesse de rotation = et la norme du flux rotorique = = + = sont


les grandeurs de régulation. L’objectif est de forcer les sorties et vers leurs valeurs de
références = et =( ) .
Pour la sortie :
̇ = −
̈ = (− + ) + − − − −
+
Pour la sortie :
̇ =− +
̈ = − (− + )+ − + + + +
On peut écrire :
̈
= ∆ ( ) + ∆( ) =
̈
avec :
(− + ) + − − − −
∆ ( )=⎛ ⎞
− (− + )+ − + + +
⎝ ⎠
0
∆( ) =
0
La matrice de découplage n'est pas singulière si ≠ 0. Alors le retour d'état est défini par :
= ∆ ( ). (−∆ ( ) + ). Le vecteur = ( , ) représente une consigne externe du
système linéarisé. Il est donné par :
=− − − ̇ − ̇ + ̈
=− −( ) − ̇ −( ̇ ) +( ̈ )
Les paramètres de réglage ( , ) et ( , ) sont les coefficients d’un polynôme de
Hurwitz de second ordre.
La loi de commande physique est donnée par les tensions de commande :

12
− − − ̇ − ̇ + ̈
= ∆ ( ). −∆ ( ) +
− −( ) − ̇ −( ̇ ) +( ̈ )

1.4. Découplage par bouclage dynamique


Lorsque la matrice du découplage ∆ est inversible, le problème du découplage et linéarisation
admet une solution par bouclage statique (les dérivées de l’entrée n’interviennent pas). Si ∆
n’est pas inversible le bouclage dynamique apporte une solution au problème, il permet dans
certains cas d’augmenter le rang de cette matrice jusqu’à ce qu’elle soit inversible. Un bouclage
dynamique combine :
 Une extension dynamique par ajout d’intégrateurs sur certaines entrées ;
 Un bouclage statique découplant-linéarisant le système augmenté obtenu.
Exemple 1.4 :
̇ =
⎧ ̇ =

̇ = +
⎨ =

⎩ =
On calcule les dérivées des sorties :
̇ = ⟹ =1; ̇ = + ⟹ =1
La matrice de découplage est :
0
∆( ) =
0
On remarque que l’entrée n’intervient pas dans les dérivées premières des sorties. La matrice
∆ n’est pas inversible, le système n’est pas découplable-linéarisable par bouclage statique.
Cependant, si on introduit un compensateur dynamique par une extension dynamique de par
un intégrateur ̇ = . Le signale est maintenant une variable d’état étendue.
On obtient :
̈ =( + ) + ̇ = (1 + ) + ⟹ =2
̈ =( + ) + ̇ = (1 + ) + ⟹ =2
On a donc fait apparaitre dans ̈ et ̈ .
̈ (1 + ) 0
= + =
̈ 0 ( 1 + )
∆ ∆
Le système est donc découplable linéarisable par bouclage dynamique :
= ( , ) + ( , ) = ∆ ( , ). (−∆ ( , ) + )

= , 1 + ∫
, 1

Figure 1.5 : Schéma de commande par bouclage dynamique

13
1.5. Application : Simulation de la commande d’un robot à deux degrés de
liberté
Le robot représenté ci-dessous possède une rotule permettant à son bras d’effectuer une rotation
complète dans le plan sous l’action d’un couple . Le bras lui-même peut coulisser sur la rotule
pour se déplacer radialement sous l’action d’une force . Les grandeurs et sont les entrées
de ce système MIMO. Ses sorties sont les positions angulaire et radiale . Le déplacement du
bras est soumis à une limitation mécanique = .

Figure 1.6 : Schéma de principe du robot


Pour la modélisation du robot, en supposant que sa masse est négligeable vis-à-vis de la masse
de la charge et notons que ce robot évolue dans le plan vertical.
Le modèle dynamique est obtenu par la méthode de Lagrange avec et comme coordonnées
généralisées. Pour = , le Lagrangien est le suivant :
= ̇ + ̇ − ( + )
2
Les équations de Lagrange sont :
− =
̇
− =
̇
Ce qui donne :
̈− ̇ + =

̈ +2 ̇ ̇ + =
Le modèle d’état est construit en définissant les entrées = et = , en sélectionnant les
variables d’état = , = ̇ , = , et ̇
= , et en repérant les sorties = et = .

̇ = ̇=

⎪ ̇ = ̈= − +

̇ = ̇=
⎨ ̇ = ̈= 1 −2 − +

⎪ = =
⎩ = =
Il est clair que les degrés relatifs du système pour les sorties = et = sont égaux à 2,
alors :

14
̈ = ̈= ̇ − + =
1
̈ = ̈= −2 ̇ ̇ − + =
Chaque sortie sera commandée par une entrée à travers un double intégrateur. La loi de
commande découplante linéarisante est :
= − ̇ + +
1
= 2 ̇ ̇+ +
Afin de stabiliser les doubles intégrateurs, les nouvelles entrées de commande sont choisies de
la forme :
=− − − ̇ − ̇ + ̈
=− − − ̇ − ̇ + ̈
Les paramètres de réglage ( , ) et ( , ) sont les coefficients d’un polynôme
d’Hurwitz de second ordre : ( ) = + + ; ( )= + +
Résultats de simulation :
Les résultats de simulation sont présentés sous l’environnement Matlab/Simulink pour le robot
à deux degrés de liberté. Les paramètres du système sont : = 1 et = 9,8 . Les
conditions initiales des états du système sont : [ ]
= 0,01 0 0 0 . Les positions désirées
sont des échelons de consigne : = 1 et =1 .
Les paramètres de la commande sont choisis tels que les polynômes caractéristiques: ( ) et
( ) ont des pôles désirés placés en , = − ∓ 1 − , avec un amortissement =
0,7 et un temp de réponse = 1 , d’où la pulsation propre non amortie = .
Les figures 1.8 et 1.9 montrent respectivement l’évolution des variables d’état et des entrées de
commande du système. On remarque que les sorties contrôlées convergent vers leurs valeurs
désirées avec un bon comportement statique et dynamique.

Figure 1.7 : Schéma bloc de simulation de la commande

15
1.5 2
y1

vitesse radiale (m/s)


x2
position radiale (m) y1d
1 1

0.5 0

0 -1
0 1 2 3 4 0 1 2 3 4
temps (s) temps (s)

1.5 2

vitesse angulaire (rad/s)


y2
position angulaire (rad)

x4
y2d
1 1

0.5 0

0 -1
0 1 2 3 4 0 1 2 3 4
temps (s) temps (s)

Figure 1.8 : Variables d’état

20
u1
15
force (N)

10

0
0 0.5 1 1.5 2 2.5 3 3.5 4
temps (s)

8
u2
6
couple (N/m)

0
0 0.5 1 1.5 2 2.5 3 3.5 4
temps (s)

Figure 1.9 : Entrées de commande

16
Chapitre 2 : Commande par Backtepping

2.1. Introduction :
La technique de backstepping est une méthode systématique et récursive de synthèse de lois de
commande non linéaires à partir des fonctions de Lyapunov qui assurent pas à pas la
stabilisation de chaque étape de synthèse. A chaque étape du processus, une commande virtuelle
est ainsi générée pour assurer la convergence du système vers son état d’équilibre. Cette
technique permet la synthèse des lois de commande en tenant compte éventuellement des
perturbations ou de la méconnaissance des paramètres du système. L’idée de base de la
commande par backstepping est de rendre les systèmes bouclés équivalents à des sous-systèmes
d’ordre un en cascade stable au sens de Lyapunov, ce qui lui confère des qualités de robustesse
et une stabilité globale asymptotique.
De plus, et contrairement à la méthode de linéarisation entrée-sortie qui exige des modèles
définis et compense souvent des non-linéarités utiles, la méthode backstepping offre un choix
d’outils de synthèse permettant de s’accommoder d’incertitudes et peut éviter des éliminations
des non-linéarités utiles pour la performance et la robustesse de la commande.

2.2. Stabilité au sens de Lyapunov


Notions fondamentales de la stabilité :
La notion de stabilité d’un système dynamique constitue une problématique centrale de la
théorie du contrôle. Elle caractérise l’évolution de sa trajectoire d’état initialisée autour d’un
point d’équilibre.
On considère un système non linéaire autonome (libre) de la forme suivante :
̇= ( ) (2.1)
où ∈ ℝ ; : ℝ → ℝ est continue.
On désigne par ( , , ) la solution de l’équation différentielle (2.1) à l’instant ≥
initialisée en ( ) = .
Point d’équilibre :
Physiquement, un système est en équilibre lorsqu’il conserve son état en absence de forces
externes. Mathématiquement, cela équivaut à dire que la dérivée de son vecteur d'état est nulle.
L’état est un point d’équilibre pour le système (2.1) si ( ) = 0 ; on suppose dans la suite
que = 0 (qui peut être l’erreur d’asservissement ou d’estimation d’état).
Définition 2.1 : (Notion intuitive de la stabilité)
Si toute évolution d'un système issu d'un voisinage suffisamment petit d'un point d'équilibre
demeure au voisinage de ce point, alors est dit stable au sens de Lyapunov.
Définition 2.2 : (Stabilité au sens de Lyapunov)
Le point d’équilibre = 0 est stable au sens de Lyapunov, si pour tout > 0, il existe >0
tel que :
‖ ‖ < ⟹ ‖ ( , , )‖ < ; ∀ ≥
Dans le cas contraire, on dit que l’équilibre est instable.
En d'autres termes, pour tout ≥ , une petite perturbation de la condition initiale autour
de l'origine = 0, donne naissance à une solution ( , , ) qui reste proche de l'origine. La
stabilité du système n'implique pas la convergence des solutions vers l'origine.
Définition 2.2 : (Attractivité)
On dit que l'origine = 0 est :

17
 Un point d'équilibre attractif, s'il existe > 0, tel que :
‖ ‖< ⟹ ‖ ( , , )‖ → 0 ; →∞
 Un point d'équilibre globalement attractif si :
∀ ∈ ℝ ⟹ ‖ ( , , )‖ → 0 ; →∞
Définition 2.3 : (Stabilité asymptotique)
Le point d’équilibre = 0 est :
 Un point d'équilibre asymptotiquement stable, s'il est stable et attractif.
 Un point d'équilibre globalement asymptotiquement stable, s'il est stable et globalement
attractif.

, , , ,

Figure 2.1 : Stabilité au sens large et stabilité asymptotique


Définition 2.4 : (Stabilité exponentielle)
Le point d’équilibre = 0 est exponentiellement stable, s’il existe des constantes positives ,
, telles que :
‖ ‖ < ⟹ ‖ ( , , )‖ ≤ ‖ ‖ ( )
; ∀ ≥
La constante est appelée le taux ou aussi la vitesse de convergence.
Si en plus → ∞(∀ ∈ ℝ ), = 0 est un point d'équilibre globalement exponentiellement
stable.
Remarque 2.1 : La propriété de la stabilité exponentielle du système entraine nécessairement
la stabilité asymptotique.
Méthode directe de Lyapunov :
La méthode directe ou deuxième méthode de Lyapunov permet d’analyser la stabilité d’un
système au voisinage de son point d’équilibre sans calculer explicitement la solution ( , , )
de l’équation différentielle du système.
Cette méthode découle du concept d’énergie d’un système. Pour un système physique, l’énergie
est une fonction définie positive de son état. Si le système est conservatif, l’énergie reste
constante (système stable) ; elle décroît pour un système dissipatif (système asymptotiquement
stable). Si l’énergie croit, le système est instable.
Définition 2.5 : (Fonction de Lyapunov)
On appelle fonction de Lyapunov pour le système (2.1), une fonction réelle ( ) continue et
différentiable qui vérifie les propriétés suivantes :
 ( )> 0; ∀ ≠ 0;
 ( )=0 ⟹ =0;
( )
 ̇( ) = ( )≤0; ∀ ≠0.

18
Théorème 2.1 : (Méthode directe de Lyapunov)
Si le système admet une fonction de Lyapunov, alors l'origine = 0 est un point d'équilibre
( )
̇
stable. Si de plus ( ) = ( ) < 0 ; ∀ ≠ 0, alors = 0 est un point d'équilibre
asymptotiquement stable.
Théorème 2.2 : (Stabilité exponentielle)
Le point d’équilibre = 0 est exponentiellement stable si le système admet une fonction de
Lyapunov et s’il est existe des constantes positives , et , telles que :
 ‖ ‖ ≤ ( )≤ ‖ ‖
 ̇ ( )≤− ( )
Exemple 2.1 : Système linéaire :
Dans le cas des systèmes linéaires ̇ = , la matrice ayant toutes ses valeurs propres à partie
réelle strictement négative, alors pour toute matrice = > 0 (symétrique définie positive),
il existe une matrice = > 0 (symétrique définie positive) telle que : + =− .
La stabilité asymptotique est caractérisée par l’existence d’une forme quadratique : ( ) =
. On a : ̇ ( ) = ̇ + ̇= ( + ) =− < 0; ∀ ≠ 0. Si = ,
alors ̇ ( ) =− ‖ ‖ < 0 ; ∀ ≠ 0.
Exemple 2.2 :
On considère un système mécanique composé d’une masse ( ) et d’un ressort ( ) avec un
amortisseur ( ) qui se déplace sur un plan horizontal d’axe .
Equation du mouvement : ̈ = − − ̇ , on pose les variables d’état = et = ̇ , on
obtient :
̇ =
̇ =− −
Le point d’équilibre est donné par ̇ = ̇ = 0 ⟹ = (0, 0). On considère une fonction de
Lyapunov qui représente l’énergie totale du système :
1 1
( )= +
2 2
Cette fonction satisfait les conditions suivantes :
 ( )> 0; ∀ ≠ 0;
 ( )=0 ⟹ =0;
 ̇( ) = − <0; ∀ ≠0.
Alors le système est asymptotiquement stable. Si = 0, ̇ ( ) = 0, le système conservatif est
stable au sens large.
2.3. Commande par Backstepping
Système d’ordre 3 :
Le Backstepping n'a aucune contrainte au niveau du type de non-linéarité. Cependant, pour que
la technique puisse s’appliquer, le système non linéaire doit être sous forme « strict feedback »
(rétroaction stricte), la dérivée de chaque composante du vecteur d’état doit être une fonction
des composantes précédentes et dépend additivement de la composante suivante. Les équations
d'un tel système sont données par :
̇ = ( )+ ( )
̇ = ( , )+ ( , )
; ( )≠0 (2.2)
̇ = ( , , )+ ( , , )
=

19
On désire faire suivre à la sortie le signal de référence , les signaux ̇ , ̈ et ⃛ sont
supposées connues et uniformément bornées. Le système étant du troisième ordre, la
conception s’effectue en trois étapes. Dans chaque étape on introduit un écart entre une
variable d’état et sa valeur désirée appelée commande virtuelle et une fonction de Lyapunov
stabilisante :
La procédure de conception d'une commande par backstepping est telle que :
• La commande réelle stabilise l'état ;
• La commande virtuelle ( ) (valeur désirée de ) stabilise l'état ;
• La commande virtuelle ( ) (valeur désirée de ) stabilise l'état et donc la
sortie .
Etape 1 :
On définit une première variable d’erreur = − , c’est l’erreur d’asservissement. Sa
dérivée est :
̇ = ( )+ ( ) − ̇ (2.2)
La variable d’état est traitée comme une commande virtuelle permettant de stabiliser .
On introduit la première fonction de Lyapunov candidate ( ) = . Sa dérivée est donnée
par :
̇ ( )= ̇ = ( ( )+ ( ) − ̇ )
Un choix judicieux de et qui rends ̇ négative et assure la stabilité de l’origine du sous-
système (2.2). Prenons comme commande virtuelle = ( ) , c’est la valeur désirée de .
Le choix de est telle que :
( )+ ( ) − ̇ = −
Où > 0 est un paramètre de réglage. Cela donne :
1
= (− − ( )+ ̇ )
( )
Avec ce choix : ̇ ( ) = − ≤ 0. D’où la stabilité asymptotique de vers zéro.
Etape 2 :
Comme n’est une vraie commande. On définit une deuxième variable d’erreur entre la
variable d’état est sa valeur désirée : = − . La variable ne peut être forcée
instantanément vers sa valeur désirée, alors l’erreur n’est pas instantanément nulle. La
conception dans cette étape consiste à converger vers zéro avec une dynamique choisie.
La dynamique des erreurs et est :
̇ = ( ) + ( )( + ) − ̇ = − + ( )
(2.3)
̇ = ( , )+ ( , ) − ̇
Soit = ( ) la commande virtuelle permettant de stabiliser le sous système (2.3)
On définit pour ce sous-système une deuxième fonction de Lyapunov :
1 1 1
( , )= + = +
2 2 2
Sa dérivée est :
̇ ( , )= ̇ + ̇ =− + ( ( ) + ( , )+ ( , ) − ̇ )
Le choix de la valeur désirée de est donné par :
( ) + ( , )+ ( , ) − ̇ = − ; >0
On déduit :
1
= (− − ( ) − ( , )+ ̇ )
( , )
La fonction ̇ peut être calculée analytiquement :

20
̇ = ̇ + ̇ + ̈
̇
Un tel choix, conduit à : ̇ ( , )=− − ≤ 0, ce qui assure la stabilité
asymptotique de ( , ) vers (0,0).
Etape 3 :
On définit la dernière variable d’erreur : = − .
La dynamique des erreurs , et est :
̇ =− + ( )
̇ =− ( ) − + ( , ) (2.4)
̇ = ( , , )+ ( , , ) − ̇
La troisième fonction de Lyapunov est augmentée comme suit :
1 1 1 1
( , , )= + + = +
2 2 2 2
Sa dérivée est :
̇ ( , , )= ̇ + ̇
̇ =− − + ( ( , ) + ( , , ) + ( , ,, ) − ̇ )
La vraie commande apparait dans cette étape. La conception de la loi de commande par la
méthode de backstepping est terminée. Le choix de est telle que :
( , ) + ( , , ) + ( , ,, ) − ̇ = − ; >0
Cela donne l’expresion de la commande :
1
= (− − ( , ) − ( , , )+ ̇ )
( , ,, )
L’expression analytique de ̇ est :
̇ = ̇ + ̇ + ̇ + ̈ + ⃛
̇ ̈
Avec ce choix, on obtient :
̇ ( , , )=− − − ≤0
La fonction apparaît maintenant comme une fonction de Lyapunov pour le système (2.4), ce
qui prouve la stabilité asymptotique de ( , , ) vers l’origine. Ceci se traduit par la stabilité,
en boucle fermée, du système (2.2) et la régulation à zéro de l’erreur de poursuite = − .
Les performances de l’asservissement en boucle fermée sont données par les paramètres de
réglage , et .
Système d’ordre n
L'application récursive du backstepping permet l'extension de la procédure de synthèse aux
systèmes de la forme :
̇ = ( )+ ( )

⎪ ̇ = ( , )+ ( , )

; ( )≠0
⎨ ̇ = ( , … , )+ ( ,…, )
⎪ ̇ = ( ,…, ) + ( ,…, )
⎩ =
Algorithme de commande :
 ( ) = =
 ( ) = = − − − +∑ + +
( )
∑ ( )

 = − ; = 1,2, … ,
21
 = ∑ ( − )
 La commande qui permet d'atteindre la stabilité asymptotique du système global est
donnée par la dernière commande virtuelle = .
Tous les résultats donnés pour les systèmes mon-entrée mono-sortie sont néanmoins
généralisables à des systèmes multivariables (multi-entrées multi-sorties).
Exemple 2.2 : Commande à flux rotorique orienté de la machine asynchrone
Le modèle de la machine asynchrone commandée en tension dans le repère tournant lié au
champ rotorique est :
⎧ =− + + + + .


⎪ =− − − − + .

=− +


⎪ = +


⎩ = −
Le but est de concevoir une loi de commande de type backstepping permettant d’assurer le suivi
en vitesse et en flux pour la machine. Les grandeurs de régulation sont la vitesse de rotation
= et la norme du flux rotorique = .
Dans le repère ( , ), le courant statorique contrôle la valeur du flux rotorique, et le courant
statorique contrôle le couple électromagnétique et par conséquent la vitesse de la machine.
Ces courants sont considérés comme des commandes virtuelles.
Commande de la vitesse de rotation =
Etape 1 :
On introduit l’erreur de poursuite en vitesse : = − . Sa dérivée est :
̇ = − − ̇
La variable d'état est traitée comme commande virtuelle, on définit une première fonction
de Lyapunov définie positive associée à :
1
( )=
2
Sa dérivée par rapport au temps est :
̇ = − − ̇
Soit =( ) la commande virtuelle, c’est la valeur désirée du courant statorique en
quadrature , elle est choisie de telle sorte que soit une fonction monotone et décroissante
lorsque = = ( ) . Elle doit assurer la convergence de vers zéro, elle est donnée
par :
− − ̇ =− ; >0 (2.9)
Cela donne :
1
= − + + ̇

̇ =− ≤0
Etape2 :

22
On définit la nouvelle variable d'erreur sur le courant en quadrature, = − . La
convergence de entraîne naturellement la convergence de .
Les équations du système à commander, dans l'espace d’état ( , ) s’écrivent :
̇ =− +
̇ =− − − − + . − ̇
où l’expression de ̇ est donnée par :
̇ 1
̇ =− − + + ̇ + − ̇ + ̈
A cette étape du backstepping, on introduit la deuxième fonction de Lyapunov augmentée :
1
( , )= +
2
La dérivée de est donnée par :
̇ = ̇ + ̇
̇ =− + − − − − + . − ̇
A ce stade, on est en présence de la vraie commande . La tension de commande directe qui
permet de rendre la dérivée de la fonction de Lyapunov définie négative est donnée par :
= − − + + + + + ̇ ; >0
Avec ce choix, on a :
̇ =− − ≤0
Ce qui assure la convergence asymptotique de ( , ) vers zéro. En conséquence la vitesse de
rotation converge asymptotiquement vers sa valeur de référence .
Commande de l’amplitude du flux rotorique =
Etape 3 :
On définit la variable d'erreur d’asservissement en flux entre le flux à asservir et sa valeur de
référence : = −( )
La dérivée de par rapport au temps donne :
̇ =− + −( ̇ )
Le courant statorique direct est considérée comme une commande virtuelle pour stabiliser
l’erreur en flux . La fonction candidate de Lyapunov associée à cette étape est donnée par :
1
( )=
2
La dérivée de la fonction de Lyapunov s’écrit :
̇ = − + −( ̇ )
La valeur désirée du courant statorique direct, =( ) est choisie telle que :
− + (
− ̇ ) =− ; >0
On obtient :
1
= − + +( ̇ )
Etape 4 :
Il apparaît une nouvelle erreur entre le courant statorique direct est sa valeur désirée : =
− . Sa dérivée s’écrit comme suit :
̇ =− + + + + . − ̇
Avec :
23
̇ =− +
1
̇ = − ̇ + ̇ +( ̈ )
On introduit la nouvelle fonction de Lyapunov augmentée :
1
( , )= +
2
Sa dérivée est :
̇ = ̇ + ̇
̇ =− + − + + + + . − ̇
C’est ici que s’arrête la conception de la loi de commande par la méthode de backstepping. La
commande est déterminée de telle façon qu’elle doit rendre ̇ négative.
− + + + + . − ̇ =− ; >0
Ce qui donne la tension statorique directe de commande :
= − − + − − − + ̇
Avec ce choix, on obtient :
̇ =− − ≤0
D’où la stabilité asymptotique de ( , ) vers zéro. Ce assure la convergence asymptotique du
flux rotorique vers sa valeur de consigne ( ) .
La fonction de Lyapunov finale proposée pour le modèle complet de la machine asynchrone est
une fonction quadratique de l’erreur = [ ] :
1 1 1 1 1
( )= + = + + + = ‖ ‖
2 2 2 2 2
Sa dérivée est :
̇( ) = − − − − <0; ∀ ≠0
La fonction apparaît maintenant comme une fonction de Lyapunov pour la machine
asynchrone, ce qui prouve la stabilité asymptotique de vers l’origine.
2.4. Application : Simulation de la commande d’un robot à deux degrés de
liberté
L’algorithme de commande qui réalise la régulation de la position radiale = et la position
angulaire = aux valeurs désirées = et = est donné par :
Etape 1 :
 Erreur de poursuite = −
 Commande virtuelle : =− + ̇ ; >0
Etape 2 :
 Variable d’erreur : = ̇ −
 Signal de commande = − − − ̇ + + ̇ ; > 0, avec ̇ =
− ̇ + ̈ et ̇ = − +
Etape 3 :
 Erreur de poursuite = −
 Commande virtuelle : =− + ̇ ; >0
Etape 4 :
 Variable d’erreur : = ̇ −
 Signal de commande = − − + 2 ̇ ̇+ + ̇ ; > 0,
avec ̇ = − ̇ + ̈ et ̇ = − +

24
Résultats de simulation :
Les paramètres de réglage de la commande sont réglés à = 2; =2; = 2 et = 2.
Les résultats de simulation de la figure 2.2, montrent que la loi de commande assure une bonne
poursuite de la trajectoire désirée = 1 et = .

1.5 1
y1 x2

vitesse radiales (m/s)


position radiale (m)

y1d
1 0.5

0.5 0

0 -0.5
0 1 2 3 4 0 1 2 3 4
temps (s) temps (s)

6 vitesse angulaire (rad/s) 1.5


y2 x4
position angulaire (rad)

y2d
4 1

2 0.5

0 0
0 1 2 3 4 0 1 2 3 4
temps (s) temps (s)

Figure 2.2 : Variables d’état

25
Chapitre 3 : Commande par mode glissant

3.1. Introduction :
La commande par mode de glissement fait partie de la famille des contrôleurs à structure
variable, c.à.d. des commandes commutant entre plusieurs lois de commande différentes.
L’importance de la commande par mode glissant réside dans : la grande précision, la réponse
dynamique rapide, la stabilité, la simplicité de la conception et l’implantation, et la robustesse
Par rapport aux incertitudes/variations des paramètres internes, aux erreurs de modélisation et
aux perturbations externes.
L’objectif de la commande par mode glissant est, à l’aide d’une commande discontinue, de
contraindre le système à évoluer et rester en temps fini sur une surface de glissement où le
comportement résultant correspond aux dynamiques souhaitées.
3.2. Concepts de base de la commande par mode glissant
La synthèse d’une loi de commande par mode glissant consiste donc à déterminer :
 Une surface de glissement en fonction des objectifs de commande et des propriétés
statiques et dynamiques désirées pour le système bouclé.
 Une loi de commande discontinue de manière à contraindre les trajectoires d’état du
système à atteindre la surface de glissement en un temps fini puis y rester en dépit des
incertitudes et des perturbations.
Le comportement du système peut être décrit par deux phases :
 Phase de convergence : Pendant laquelle la trajectoire d'état du système partant d’une
condition initiale quelconque et converge vers la surface de glissement. Durant cette
phase, le système reste sensible aux incertitudes.
 Phase de glissement : Durant laquelle la trajectoire d'état a atteint la surface de
glissement et tend vers l’état désiré. Le comportement du système ne dépend plus du
système d'origine ni des perturbations, mais est entièrement déterminé par la surface de
glissement.

phase de convergence
phase de glissement
trajectoire d’état
, ,
état désiré

surface de glissement
Figure 3.1 : Mode de convergence et mode de glissement de la trajectoire d’état
Considérant un système non linéaire affine en la commande sous forme canonique :

26
̇ =
⎧ ̇ =


; ( )≠0 (3.1)
⎨ ̇ =
⎪ ̇ = ( )+ ( )
⎩ =
Le degré relatif du système est égal à l’ordre du système = , on ne s’interesse pas à la
dynamique des zéros.
L’objetif de la commande est de faire tendre asymptotiquement la sortie vers sa valeur de
référence . Donc faire tendre l’erreur de poursuite = − vers zéro.
3.2.1. Synthèse de la surface de glissement
Soit ∶ ℝ × ℝ → ℝ une fonction suffisamment différentiable est considérée comme une
sortie fictive du système (3.1), telle que son annulation permette de satisfaire l’objectif de la
commande. La fonction ( , ) est appelée variable de glissement ou de commutation (le temps
peut figurer explicitement dans ( )).
La surface de glissement (linéaire ou non linéaire) est l’ensemble :
= { ∈ ℝ / ( , ) = 0}
Une condition nécessaire pour l'établissement d'un régime glissant d’ordre un est que la surface
de glissement ait un degré relatif égal à 1 par rapport à la commande .
La surface de glissement la plus simple est un hyperplan passant par l’origine de l’espace d’état
de l’erreur, autrement dit, une surface linéaire en chacune des variables d’état.
Considérons la surface de glissement linéaire dans l’espace d’état de l’erreur d’asservissement
( , ̇,…, ( ) ) :
( , )= ( )+ ( )
+ ⋯+ ̇+
Les coefficients ; = 1,2, … , − 2 sont choisis tel que le polynôme caractéristique ( ) =
+ + ⋯+ + soit un polynôme d’Hurwitz (c.à.d. les racines de ( ) sont
à partie réelle strictement négative).
De plus ( , ) satisfait la condition sur le degré relatif, puisque la commande apparait dans
l’expression de sa première dérivée par rapport au temps. Dans ce cas, la commande est dite,
commande par mode glissant d’ordre 1.
( ) ( )
̇( , ) = ( ) + ( ) − +
Ainsi, lorsque la variable de glissement est forcée à zéro ( , ) = 0. L’équation différentielle
associée est :
( ) ( )
+ +⋯+ ̇+ =0
Alors le système réduit suivant de dimension − 1 est stable :
( ) ( )
=− −⋯− ̇−
Par conséquent, l’erreur de poursuite et ses ( − 1) dérivées convergent asymptotiquement
vers zéro, avec une dynamique imposée par les coefficients . Cette dynamique peut être réglée
par une méthode de placement de pôles appropriée.
Quand ( , ) = 0, la trajectoire d’état du système évolue sur la surface de glissement, le
système se trouve en régime glissant, sa dynamique est décrite par le système réduit. Le
comportement du système bouclé est insensible aux incertitudes internes et aux perturbations
externes, il est entièrement déterminé par le choix de la surface de glissement.
Une autre forme générale de la surface de glissement est donnée par :

27
( , )=( + ) ; >0

Le polynôme caractéristique de cette surface doit avoir des pôles réels négatifs multiples. Cette
surface est la plus pratique parce qu’elle a moins de paramètres de synthèse à régler.
Une fois la surface de glissement choisie, la seconde étape consiste à choisir une loi de
commande qui assure la convergence asymptotique de ( , ) vers zéro en temps fini, malgré
les incertitudes et les perturbations.
Remarque 3.1 : Une autre forme permettant une meilleure précision en régime permanent, en
introduisant une action intégrale dans la variable de glissement. Par exemple, pour un second
ordre, on obtient : ( , ) = ̇ + 1 + 0 ∫
3.2.2. Synthèse de la loi de commande
La loi de commande doit rendre la surface de glissement ( , ) = 0 attractive et assure ainsi
l'apparition du mode glissant. Elle doit assurer la condition de stabilité de ( , ) = 0.
Pour évaluer la stabilité, on considère la fonction de Lyapunov suivante :
1
( )=
2
Une condition nécessaire et suffisante, appelée condition d’attractivité, pour que la surface de
glissement converge asymptotiquement vers zéro est :
̇( ) = ̇ < 0
Pour assurer une convergence de vers zéro en un temps fini, on utilise une condition plus
restrictive dite de -attractivité et donnée par :
̇( ) = ̇ ≤ − | | ; > 0
Cela revient pour ≠ 0, à : ̇ ≤ − ( ), la fonction est donnée par :
1, >0
( ) = 0, =0
−1, <0
Par intégration, si > 0 ⟹ ( ) ≤ − + ; si < 0 ⟹ ( ) ≤ + . Donc ( )
| |
converge vers zéro en un temps de convergence inférieur à .
La dynamique de la surface de glissement permettant d’assurer la condition d’attractivité est
spécifiée par la loi d’arrivé ou la loi d’atteinte :
 Loi d’arrivée avec une vitesse constante :
̇=− ( ); >0
Cette loi force la trajectoire d’état à atteindre la surface de glissement à vitesse constante
qui dépend de la valeur de . Plus est grande, plus le temps d’attractivité est rapide,
mais augmente les oscillations une fois la surface de glissement atteinte. Le mérite de
cette loi est sa simplicité.
 Loi d’arrivée avec une vitesse constante et à action proportionnelle :
̇=− − ( ) ; > 0; > 0
L’addition du terme proportionnelle − , fait que la trajectoire d’état est forcée de
s’approcher de la surface de glissement plus vite lorsque est grande. Plus est grande,
plus le temps d’attractivité est rapide ; tandis qu’une petite valeur de réduit les
oscillations.
 Loi d’arrivée avec une puissante vitesse :
̇=− | | ( ); > 0; 0 < <1

28
Cette loi d’arrivée augmente la vitesse quand l’état du système est loin de la surface de
commutation, et la réduit lorsque l’état est près de cette surface.
La commande par régime glissant dans le cas de la loi d’arrivée à vitesse constante est donnée
par :
1 ( ) ( )
= − ( )+ − − ( )
( )
La commande est composée de deux termes :
= +
La commande équivalente est obtenue quand le système est exactement sur la surface de
glissement. Elle est déterminée à partir des conditions = 0 et ̇ = 0 :
1 ( ) ( )
= − ( )+ −
( )
C’est la commande continue (basse fréquence) qui maintient la trajectoire de l’état sur la surface
de glissement = 0. Physiquement la commande équivalente représente la valeur moyenne de
la commande globale . Avec la commande , le comportement du système dépend
uniquement du choix de la surface de glissement.
La commande discontinue est donnée par :
1
=− ( )
( )
C’est la commande qui assure la convergence de l’état du système vers la surface de glissement.
Elle permet de rejeter les incertitudes et perturbations. La commande discontinue peut être
choisie de la forme :
=− ( ) ; >0
Le gain de la commande discontinue doit être dimensionnée de manière à rejeter les
incertitudes et les perturbations. Pour avoir ̇ définie négative ∀ ≠ 0 , il suffit de choisir >
max(| / ( )|).

Perturbation

1 +
+ Processus
-1

Loi de commutation ( , )

Figure 3.2 : Structure de la commande par mode glissant avec commande équivalente
On peut trouver une autre structure plus simple de la commande par mode glissant, où la
commutation a lieu au niveau de l’organe de commande :
=− ( ) ; >0
Avec l’amplitude de la commande choisie de manière à être suffisamment grande pour
compenser les incertitudes et les perturbations.
Elle correspond au fonctionnement tout ou rien des interrupteurs de puissance. L'organe de
commande est beaucoup plus sollicité par rapport à la structure avec commande équivalente. Il
semble en effet naturel d'ajouter la commande équivalente pour pré-positionner le système dans

29
un état désiré permanent et stable et de jouer ensuite sur le terme de commutation pour assurer
la convergence vers cet état et pour y rester ensuite.
Perturbation

1
Processus
-1

Loi de commutation ( , )

Figure 3.3 : Structure de la commande par mode glissant par commutation au niveau de
l'organe de commande
3.2.3. Propriété de robustesse
Considérons un système non linéaire canonique soumis à des incertitudes paramétriques et
perturbations modélisées bornées par des fonctions connues :
̇ =
⎧ ̇ =


̇ = ; ( )≠0

⎪ ̇ = ( ) + ∆ ( ) + ( ( ) + ∆ ( )) + ( )
⎩ =
La perturbation ( ) agit sur le système au même niveau que la commande. La perturbation,
les incertitudes et la commande sont bornées par :
| ( )| < ; |∆ ( )| < ; |∆ ( )| < ; | ( )| <
( ) et ( ) constituent les valeurs nominales de ( ) et ( ).
Pour établir la commande, il faut que la condition de l'attractivité ̇ ( ) = ̇ < 0 soit garantie.
La dynamique de la surface est obtenue comme suit :
( ) ( )
̇( , ) = ( ) + ( ) − + + (∆ ( ) + ∆ ( ) + ( ))
La loi de commande qui garantit la condition de stabilité et aussi la prise en compte des
incertitudes est :
1 ( ) ( )
= − ( )+ − − ( )
( )
Le gain suffisamment grand est déterminé pour compenser les incertitudes et les
perturbations.
En remplaçant l’expression de la commande, la condition de stabilité devient :
̇ = − ( )+∆ ( )+∆ ( ) + ( )
=− ( ) + (∆ ( ) + ∆ ( ) + ( ))
On obtient :
̇ < | |(− + + + )
̇
Pour satisfaire la condition = ̇ < 0, il suffit de choisir : > + +
3.2.4. Phénomène de Chattering
La partie discontinue de la commande par mode glissant commute d’une valeur à une autre
suivant le signe d’une fonction de commutation à une fréquence infinie. Cependant, pour une

30
utilisation pratique, la fréquence de commutation des organes de commande est limitée (la
commutation se fait pendant un temps de commutation + la constante de temps des actionneurs).
La discontinuité dans la commande engendre des oscillations hautes fréquences de la trajectoire
du système autour de la surface de glissement, ce phénomène est connu sous le nom de réticence
ou broutement (chattering en anglais). Ce phénomène a pour effet de retarder l’application de
la commande permettant de ramener l’état du système sur la surface de glissement à partir du
moment où il l’a quitté, c’est un des problèmes de la commande par mode glissant. Le
phénomène de chaterring peut exciter les dynamiques hautes fréquences non modélisées et peut
dégrader les performances du système et même conduire à l’instabilité. De plus le chattering
peut endommager les actionneurs et peut provoquer une détérioration prématurée des systèmes
mécaniques et une élévation de température dans les systèmes électriques.

=0
Figure 3.4 : Phénomène de chattering
Plusieurs solutions peuvent être proposées pour réduire ou éliminer le problème de chattering :
 Solution de couche limite
Cette solution, connue aussi sous le nom de « Boundary layer solution », consiste à
remplacer la fonction signe par une approximation continue, à gain élevé dans un
voisinage de la surface. Dans ce cas le régime glissant n’est plus dans , mais au
voisinage de , le système est dit en régime pseudo-glissant. Parmi les fonctions
utilisées nous citons la fonction de saturation :
( ); ∶ | |>
=
; ∶ | |≤

( )

+1

−1
Figure 3.5 : Fonction saturation.
est la largeur du seuil de la fonction de saturation. D’autres fonctions existent telles que les
fonctions « sigmoïdes » plus lisses : pseudo-signe | | ; arctangente ; tangente
hyperbolique ℎ . Ces fonctions réduisent la robustesse de la commande, elles sont
paramétrées par une constante positive réglée pour avoir un bon compromis entre réduction
du chattering et conservation de la robustesse. Plus est petit, plus l’approximation tend vers
la fonction signe, et donc meilleure est la robustesse, au détriment de la réduction du chattering.

31
sigmoïde ,

+1

−1

Figure 3.6 : Fonction sigmoïde


 Solution par mode glissant d’ordre supérieur
Le mode glissant d’ordre supérieur consiste à éliminer les discontinuités de la commande
pour pallier au problème du chattering tout en gardant les propriétés de convergence en
temps fini et de robustesse de la commande par mode glissant classique. La commande par
mode glissant d’ordre supérieur ≥ 2 utilise les dérivées supérieures de la surface de
commutation ( , ̇ , ̈ ,…, ( ) ). Le degré relatif du système par rapport à la variable de
glissement choisie est supérieur à 1.
Remarque 3.2 : Une méthode assez répandue consiste à entendre le système (augmenter son
ordre et son degré relatif) en rajoutant un intégrateur devant la commande réelle qui devient
une variable d’état du système, la nouvelle commande discontinue synthétisée étant = ̇ ,
lorsque l’on fait le calcul de la commande du système = ∫ , elle devient continue limitant
ainsi le phénomène de chattering.
Exemple 3.1 :
Considérons le système non linéaire :
̇ =
̇ = +
̇ = +
=
On dérive par rapport au temps la sortie.
̇= ̇ =
̈= ̇ = +
⃛= + + = ∆ ( ) + ∆( )
∆ ( ) ∆( )
Le degré relatif de la sortie du système est : = 3. Le choix de la surface de glissement est alors
fonction du degré relatif de la sortie et de l’erreur de poursuite = − :
( )
= + ⋯+ ̇+ = ̈+ ̇+
Les coefficients et , sont choisis tel que ( ) = + + , soit un polynôme
d’Hurwitz.
La dynamique de la surface de glissement qui assure la condition d’attractivité est choisie
comme :
̇=− . ( ); >0
La loi de commande est donnée par :
1
= −∆ ( ) + ⃛ − ̈− ̇− . ( )
∆( )
Exemple 3.2 : Commande de la machine synchrone à aimants permanents
Le modèle de la machine synchrone commandée en tension dans le repère de Park est :

32
1 1
⎧ = − + +

⎪ 1 1
= − − − +


⎪ 3 1
= − + − −
⎩ 2
Le vecteur d’état du modèle est = , , , avec et sont les courants statoriques
d’axe direct et en quadrature. est la vitesse mécanique de rotation. et sont les tensions
de commande statoriques d’axe direct et en quadrature.
Les paramètres de la machine sont :
 : Résistance statorique ;
 : Inductance statorique sur l’axe ;
 : Inductance statorique sur l’axe ;
 : Nombre de paires de pôles ;
 : Moment d’inertie ;
 : Coefficient des frottements ;
 : Couple résistant imposé par la charge mécanique ;
 : Flux des aimants.
Choix des grandeurs de sortie :
L’objectif consiste à contrôler la vitesse du moteur = de suivre une consigne désirée =
et forcer la composante longitudinale du courant statorique = à être nulle =
( ) , en tout temps assurant ainsi un fonctionnement à couple maximale.
La vitesse du moteur = est de degré relatif = 2 et le courant statorique = est
de degré relatif = 1 par rapport aux entrées de commande et .
Les dérivées des sorties sont :
3 1
̇ = − + − −
2
3 1 1
̈ = − − + +
2
3 1 1
+ − + − − − +
2
− ̇
1 1
̇ = − + +
On choisit dans l’espace d’état, les variables de glissement associées aux erreurs de poursuite
= − et = −( ) :
= ̇ + ; >0
=
La dynamique des surfaces de glissement est donnée par :
3 1 1
̇ = − − + +
2
3 1 1
+ − + − − − +
2
− ̇ − ̈ + ̇

33
1 1 ( )
̇ = − + + −
Que l’on peut mettre sous la forme condensée :
̇
= ( )+ ( )
̇
avec :
( ) − − +
( )= ; ( ) =
( ) 0
où :
( )= − − + + − +

− − − − ̇ − ̈ + ̇ ;
1 ( )
( )= − + −
Pour que les surfaces de glissement = 0 et = 0 soient attractives, il suffit que :
̇ =− ( ) ; >0
̇ =− ( ) ; >0
La loi de commande permettant d’obtenir la condition d’attractivité et d’asservir la vitesse et
le courant est de la forme :
( )
= ( ) − ( )− ; ( ( )) ≠ 0
( )
3.3. Application : Simulation de la commande d’un robot à deux degrés de
liberté
Les grandeurs que l’on souhaite contrôler sont la position radiale et la position angulaire .
Le degré relatif des sorties = et = est égal à 2 :
̈ = ̈= ̇ − +
1
̈ = ̈= −2 ̇ ̇ − +
Les surfaces de glissement associées aux erreurs en position radiale = − et en position
angulaire = − sont données par :
= ̇ + ; >0
= ̇ + ; >0
La condition d’attractivité des surfaces de glissement est donnée par la dynamique suivante :
̇ =− ( ) ; >0
̇ =− ( ) ; >0
Par conséquent la loi de commande est :
= − ̇ + + ̈ − ̇ − ( )
1
= 2 ̇ ̇+ − ̇ + ̈ − ( )

Résultats de simulation :
Les paramètres de la commande et sont choisis à travers les pôles correspondants =
− = −3 et = − = −3. Les valeurs des gains de la commande sont réglées à =4
et = 4.

34
Les résultats de simulation présentés dans les figures 3.7 et 3.8, montent un bon suivi en
position radiale et en position angulaire vers les valeurs de référence = = 1 et
= =1 . La figure 3.9, présente les signaux de commande, on observe le
phénomène de réticence dans la commande par mode glissant, ce phénomène est dû au terme
signe de discontinuité dans la loi commande. La figures 3.10, montre que les surfaces de
glissement convergent asymptotiquement vers zéro en un temps fini.
Afin d’éviter le problème de réticence on remplace la fonction signe par la fonction saturation.
Les résultats de simulation présentés dans les figures 3.11 et 3.12, montrent que le phénomène
de chattering dans les signaux de contrôle est éliminé en introduisant la bande limite autour de
la surface de glissement. Les signaux de commande sont donc lisses et physiquement
réalisables.

1.5 1.5
y1

vitesse radiale (m/s)


x2
position radiale (m)

y1ref 1
1
0.5
0.5
0

0 -0.5
0 5 10 0 5 10
temps (s) temps (s)

1.5 1.5
y2
vitesse angulaire (rad/s)
position angulaire (rad)

x4
y2ref
1
1
0.5
0.5
0

0 -0.5
0 5 10 0 5 10
temps (s) temps (s)
Figure 3.7 : Variables d’état avec fonction signe

35
-3
y1 x 10
1.0002 y1ref 4
x2

vitesse radiale (m/s)


position radiale (m)
2
1
0
0.9998
-2

0.9996 -4
6 6.5 7 7.5 8 6 6.5 7 7.5 8
temps (s) temps (s)
-3
y2 x 10
1.0002 4

vitesse angulaire (rad/s)


x4
position angulaire (rad)

y2ref
2
1
0
0.9998
-2

0.9996 -4
6 6.5 7 7.5 8 6 6.5 7 7.5 8
temps (s) temps (s)

Figure 3.8 : Zoom sur les variables d’état avec fonction signe

15 u1

10
force (N)

-5
0 1 2 3 4 5 6 7 8 9 10
temps (s)
u2
10
couple (N.m)

0
0 1 2 3 4 5 6 7 8 9 10
temps (s)

Figure 3.9 : Entrées de commande avec fonction signe

36
1
sigma1
sigma 1 0

-1

-2

-3
0 1 2 3 4 5 6 7 8 9 10
temps (s)

1
sigma2
0
sigma 2

-1

-2

-3
0 1 2 3 4 5 6 7 8 9 10
temps (s)

Figure 3.10 : Surfaces de glissement avec fonction signe

1 1.5
vitesse radiale (m/s)

y1 x2
position radiale (m)

0.8
y1ref
1
0.6

0.4
0.5
0.2

0 0
0 5 10 0 5 10
temps (s) temps (s)

1 1.5
vitesse angulaire(rad/s)
position angulaire (rad)

y2 x4
y2ref
1
0.5
0.5

0 0
0 5 10 0 5 10
temps (s) temps (s)

Figure 3.11 : Variables d’état avec fonction saturation

37
10
u1
8
force (N)

2
0 1 2 3 4 5 6 7 8 9 10
temps (s)

6 u2
couple (N.m)

0
0 1 2 3 4 5 6 7 8 9 10
temps (s)

Figure 3.12 : Entrées de commande avec fonction saturation

38
Chapitre 4 : Observateurs d’état des systèmes non linéaires

4.1. Introduction :
L’implémentation des lois de commande par retour d'état nécessite des capteurs permettant de
mesurer à chaque instant une valeur de l'état réel du système. Ces capteurs sont parfois trop
coûteux ou difficiles à réaliser pour des raisons techniques et/ou économiques. Les « capteurs
logiciels » ou capteurs informatiques appelés observateurs d’état, sont des algorithmes
implantés sur un calculateur pour reconstituer en temps réel l’état courant d’un système, à partir
des mesures disponibles des sorties et des entrées du système et une connaissance à priori du
modèle mathématique du système. Mesurer toutes les variables d’état avec les capteurs
physiques dans le but de valider convenablement les lois de commande n’est pas réaliste pour
une application industrielle, en particulier pour les applications embarquées. En effet, mis à part
le prix et la place occupée par les capteurs, le nombre de convertisseurs A/D, une grande source
de consommation énergétique, augmente avec le nombre de capteurs. Afin de réduire le plus
possible le nombre de capteurs dans l’objectif de l’intégration du système, la technique
d’observateur est utilisée pour estimer en linge les états non mesurés à partir des informations
données par les capteurs physiques. L'observateur est également utilisé pour le filtrage des
mesures, le diagnostic ou la supervision des systèmes industriels, l’identification de paramètres
évoluant dans le temps, la synchronisation et le décryptage dans les systèmes de
communication.
Les premiers observateurs, dédiés à l’estimation de l’état des systèmes linéaires ont été
développés par Luenberger dans un cadre déterministe et par Kalman dans un cadre
stochastique. Ces deux observateurs sont largement utilisés de nos jours mais les systèmes
linéaires ne couvrant qu’un faible pourcentage des procédés industriels. La synthèse
d'observateurs est difficile en non linéaire par le fait que la propriété d'observabilité dépend des
entrées de commande du système, des solutions spécifiquement non linéaires ont été
envisagées. Parmi ces solutions, citons le filtre de Kalman étendu, Luenberger étendu,
observateur à grand gain, observateur par modes glissants.
4.2. Observabilité des systèmes non linéaires
La construction d’observateurs est un problème directement lié à l’observabilité du système.
Considérons un système non linéaire de forme générale décrit par des équations différentielles
et sa fonction de sortie :
̇= ( , )
(4.1)
= ℎ( )
où ∈ ℝ est le vecteur d’état, ∈ ℝ est l’entrée de commande et ∈ ℝ est la sortie
mesurée.
On désigne par ( , , ) la solution à l’instant du système (4.1) soumis à l’entrée et
initialisée en à = 0. La sortie associée à la trajectoire d’état du système issue de à = 0
est ( , , ) = ℎ( ( , , )).
Définition 4.1 : (Indistinguabilité ou indiscernabilité)
Deux conditions initiales et ≠ sont dits indistinguables, si pour toute entrée ( ) et
pour tout ≥ 0. Les sorties correspondantes sont égales ( , , ) = ( , , ).
Deux états initiaux et ≠ sont dits distinguables, s’il existe une entrée ( ) sur
l’intervalle de temps [0, ], telle que : ( , , ) ≠ ( , , ). On dit que l’entré distingue
et .

39
Définition 4.2 : (Observabilité)
Le système (4.1) est dit observable, si pour tout couples de conditions initiales et ≠ , il
existe une entrée ( ), telle que : ( , , ) ≠ ( , , ). (Le système ne possède pas de
couple d’états initiaux distincts { , } indistinguables).
Définition 4.3 : (Entrée universelle)
Une entrée est dite universelle pour le système (4.1) sur l’intervalle [0, ], si pour tout couple
d’états initiaux distincts { , }, on a : ( , , ) ≠ ( , , ). (Une entrée universelle
distingue tout couple de points { , }, ≠ ).
Une entrée non universelle est dite singulière.
Définition 4.4 : (Système uniformément observable)
Un système dont toutes les entrées sont universelles est dit uniformément observable, ou encore
observable pour toute entrée.
Exemple 4.1 : Cas des systèmes linéaires stationnaires
̇= +
(4.2)
=
où ∈ ℝ , ∈ ℝ et ∈ ℝ .
Soient ≠ deux conditions initiales et ( , , ) et ′( , , ) les sorties associées à et
et à une entrée , an a :
( , ( )
, )= + ( )

( )
′( , , )= + ( )
Alors :
( , , ) − ′( , , ) = ( − )
Par conséquent l’observabilité ne dépend pas de l’entrée. L’observabilité des systèmes linéaires
est caractérisée par la condition de rang :
Théorème 4.1 : Le système linéaire (4.2) est observable si et seulement si le rang de la matrice
[ …( ) ] est égal à la dimension de l’espace d’état.
Les systèmes linéaires observables sont uniformément observables.
Pour les systèmes non linéaires, l’observabilité est complexe car dépend fondamentalement de
l’entrée appliquée au système, il se peut que certaines entrées ne permettent pas de distinguer
tout couple d’états initiaux distincts.
Exemple 4.2 : soit le système non linéaire suivant :
0 1
̇=
−1 0 ; ∈ {0, 1} (4.3)
=
Il est clair que ce système est observable : par exemple avec = 1, le système linéaire engendré
est observable. Cependant, pour = 0, deux valeurs de dfférentes sont indistinguables. Le
couple de conditions initiales =( , ) et =( , ); ≠ , on a ≠ ,
mais ( , , ) = = ′( , , ). Le système linéaire engendré par = 0 n’est pas
observable. Il n’est pas possible de construire un observateur qui fonctionne avec = 0.
4.3. Observateurs d’état
Un observateur d’état est un algorithme qui permet de reconstruire ou estimer en ligne les
valeurs de l’état réel d’un procédé à partir de la seule connaissance des entrées ( ) et sorties
( ). L’observateur à une structure semblable à celle du modèle du système et possède un terme

40
aditif de correction permettant de corriger la déviation entre la trajectoire de l’observateur et
celle du système réel.
Soit la représentation d’état un système dynamique non linéaire :
̇= ( , )
(4.4)
= ℎ( )
Définition 4.5 : On appelle observateur d’état de (4.4) un système dynamique auxiliaire (4.5)
dont les entrées sont constituées des vecteurs d’entrées et de sorties du système (4.4) et dont le
vecteur de sortie est l’état estimé :
̇= ( , , )
(4.5)
= ( , , )
L’objectif de l’observateur est de faire converger l’erreur d’estimation ‖ ( )‖ = ‖ ( ) −
( )‖ vers zéro lorsque → ∞. Lorsque ‖ ( )‖ tend exponentiellement vers zéro, on dit que
l’observateur est exponentiel. Le schéma bloc de l’observateur est donné par la figure suivante :

Système

Observateur

Figure 4.1 : Schéma bloc de l’observateur d’état


4.4. Synthèse d’observateurs d’état
Pour garantir le bon fonctionnement d’un observateur, il faut que le système reste observable
sous les entrées appliquées.
 Systèmes linéaires temps invariant :
̇= +
∈ℝ ; ∈ℝ ; ∈ℝ
=
L’observateur standard pour ces systèmes est celui de Luenberge :
̇= + − ( − )
=
La matrice de gain de l’observateur est choisie telle que les valeurs propres de la matrice
( − ) sont à parties réelles négatives.
La dynamique de l’erreur d’observation = − est donnée par : ̇ = ( − )⟹ ( )=
( )
. Alors l’erreur d’estimation converge exponentiellement vers zéro.
 Systèmes linéaires temps variant :
̇( ) = ( ) ( ) + ( ) ( )
∈ℝ ; ∈ℝ ; ∈ℝ (4.6)
( )= ( ) ( )
Pour les systèmes linéaires à paramètres variants dans le temps, il existe des observateurs de
type Kalman. Supposons que ( ), ( ) et ( ) soient bornées. La version déterministe de
l’observateur de Kalman est donnée par :
̇( ) = ( ) ( ) + ( ) ( ) − ( ) ( ) ( ( ) − ( ))
̇( ) = − ( ) − ( ) ( ) − ( ) ( ) + ( ) ( ) (4.7)
(0) =

41
où > 0, et étant des matrices définies positives. Le système dynamique (4.7) est un
observateur exponentiel pour le système (4.6), dont la vitesse de convergence de l’erreur
d’estimation peut être réglée par le choix du paramètre .
 Systèmes affines en l’état :
̇= ( ) + ( )
∈ℝ ; ∈ℝ ; ∈ℝ (4.8)
= ( )
L’observateur de Kalman peut être étendu aux systèmes affines en l’état. On suppose que les
matrices ( ), ( ) et ( ) sont bornées, le système dynamique suivant :
̇ = ( ) ( )+ ( )− ( ) ( ( ) − )
̇ = − − ( ) − ( )+ ( ) ( ) (4.9)
(0) =
où > 0, et étant définies positives est un observateur exponentiel pour le système (4.8).
 Systèmes affines en l’état avec injection de sortie :
Ces systèmes s’écrivent sous la forme :
̇= ( , ) + ( , )
∈ℝ ; ∈ℝ ; ∈ℝ (4.10)
=
Observateur exponentiel de type Kalman étendu :
̇ = ( , ) ( )+ ( , )− ( ) ( − )
̇ =− − ( , ) − ( , )+ (4.11)
(0) =
où > 0, et étant définies positives.
4.5. Observateur à grand gain pour les systèmes uniformément
observables
La synthèse de Kalman peut être utilisé pour les systèmes affines en l’état. La souplesse de cette
solution permet de l’entendre à une classe plus vaste de systèmes. L’observateur de type « grand
gain » permet d’atteindre cet objectif pour certaines classes de systèmes uniformément
observables composés d’une partie linéaire ou affine en l’état et une partie non linéaire de forme
triangulaire.
4.5.1 Systèmes mono-sortie :
Soit un système non linéaire affine en la commande :
̇ = ( )+ ( ) = ( )+∑ ( )
(4.12)
= ℎ( )
∈ ℝ ; ∈ ℝ et ∈ ℝ. Contrairement aux systèmes linéaires, la propriété d’observabilité
dépend des entrées, il n’existe pas de méthodes systématiques pour la synthèse d’un observateur
pour les systèmes non linéaires. Cependant, il est donc important de pratiquer un changement
de coordonnées sur le système original afin de lui trouver un système équivalent ayant une
structure pour laquelle on sait construire un observateur.
La première opération consiste à écrire le système (4.12) sous une forme canonique observable.
Supposons que (4.12) soit uniformément observable (observable pour tout entrée) et que = 0
soit une entrée universelle
( )
Alors le changement de coordonnées = ( ) suivant est un difféomorphisme (det( )≠
0) :

42
= ℎ( )
= ℎ( )
= ( )=⎛ ⎞

⎝ = ℎ( )⎠
transforme le système (4.12) sous la forme canonique d’observabilité :
̇= + ( )+∑ ( )
(4.13)
=
où :
0 1 0 … 0 0 ( )
⎛ 0 1 … 0⎞
0 0 ( , )
= ⎜ ⋮ ⋮ ⋮ ⋱ ⋮ ⎟ ; = (1 0 ⋯ 0) ; ( ) = ; ( )=
⋮ ⋮
0 … … … 1 ( ) ( )
⎝0 … … … 0 ⎠
Le système (4.13) peut se mettre sous une forme plus générale :
̇= + ( , )
(4.14)
=
avec ( ) = ( ) + ∑ ( ) = ( )+ ( ) :
( , )
⎛ ( , , ) ⎞
( , )=⎜ ⋮ ⎟
( ,…, , )
⎝ ( ,…, , ) ⎠
La forme canonique d’observabilité (4.14) est constituée d’une partie linéaire ( , ) observable
et d’une partie non linéaire ( , ) ayant une structure triangulaire.
Remarque 4.1 : Une condition nécessaire et suffisante pour que le système (4.12) soit
uniformément observable et qu’il existe un changement de variable = ( ) qui transforme
le système sous la forme canonique d’observabilité (4.14).
Théorème 4.1 : Sous l’hypothèse que la fonction ( , ) soit globalement Lipshitziènne en
(autrement dit, ∀ , ̅ ∈ ℝ , ∃ > 0, ‖ ( , ) − ( ̅, )‖ ≤ ‖ − ̅‖), alors un observateur
exponentiel de type grand gain pour le système (4.14) est de la forme :
̂̇ = ̂ + ( ̂ , ) − ( ̂− )
(4.15)
+ + =
De plus, la norme de l’erreur d’observation est bornée par une exponentielle dont la vitesse de
décroissance peut être choisie arbitrairement grande.
> 0 est le paramètre de réglage de l’observateur choisi suffisamment grand, est une
matrice symétrique définie positive solution de l’équation algébrique de Lyapunov +
+ = . Le terme du gain de correction contient l’expression =
[ ,⋯, ] pour quelque coefficients connus fixes ,… . L’utilisation du grand gain
permet d’accélérer la convergence de l’observateur et de réduire l’écart entre l’état estimé et
l’état réel du système dans le cas où le modèle est incertain. L’une des caractéristiques de cet
observateur réside dans la simplicité de la mise en œuvre et du réglage (un seul paramètre de
réglage ).
Plus généralement les coefficients de sont de la forme :
(−1) !
( ) = = ; = ; 1≤ , ≤
( − )! !
Par exemple, pour un système d’ordre = 2, la matrice est :

43
1 1

=
1 2

Remarque 4.2 : Dans l’observateur précèdent, le terme peut être remplacé par :

=∆ = ⋮

où :
0 ⋯ 0
0 ⋱ ⋮
∆ = ; = ⋮
⋮ ⋱ ⋱ 0
0 ⋯ 0
La matrice ( × 1) est choisie telle que les valeurs propres de la matrice ( − ) soient à
partie réelle négative.
En appliquant le changement de coordonnées, l’état estimé dans l’ancienne base est donné par
= ( ̂ ). En revenant aux coordonnées originales, l’observateur pour le système (4.12) peut
se mettre sous la forme :
( )
̇ = ( )+ ( ) − (ℎ( ) − )
L’observateur s’écrit dans les anciennes coordonnées comme une copie de système plus une
correction non linéaire qui dépend du gain et de l’erreur entre les estimées et les mesures de la
sortie.
Remarque 4.3 : Si la valeur du paramètre est choisie trop grande, l’observateur sera très
rapide avec une bande passante plus large qui sera sensible aux bruits de mesure.
Exemple 4.3 :
Soit un système non linéaire :
̇ =
̇ = +
̇ = +
=
La sortie mesurée est la variable d’état
Changement de coordonnées :
= ℎ( )
= ( )= = ℎ( )
= ℎ( )
Alors, = = , sa dérivée est : ̇ = = + ( , ), avec : = et ( , ).
La dérivée de donne ̇ = + = + ( , , ), avec : = + et
( , , ) = 0. On dérive : ̇ = + + = ( , , , ), avec :
( , , , )= + ( − ) + ( − ) .
Après ce changement de variables, le système se met sous la forme :
̇ =
̇ = ̇= + ( , )

̇ = ( , ) =
=
avec :

44
0 1 0 ( , )=0
= 0 0 1 ; = (0 0 1) ; ( , ) = ( , , )=0
0 0 0 ( , , , )
L’observateur d’état est donné par :
̇̂ = ̂ + ( ̂ , ) − ( ̂− )
+ + =
où :
1 1 1

⎛ ⎞
1 2 3
= ⎜− − ⎟
⎜ ⎟
1 3 6
⎝ − ⎠
Il suffit maintenant de revenir aux coordonnées initiales pour observer l’état du système =
( ̂) = [ ̂ ̂ ( ̂ − ̂ )] .
Dans les coordonnées de départ, l’observateur peut se mettre sous la forme :
( )
̇ = ( )+ ( ) − ( − )
avec :
( ) 1 0 0
= 0 1 0
0
4.5.2 Systèmes multi-sorties :
Considérons un système non linéaire :
̇ = ( )+ ( )
(4.16)
= ℎ( )

où ∈ ℝ , ; ∈ ℝ et ∈ ℝ . Soit = ( ) le changement de coordonnées qui met le


système sous la forme canonique observable suivante :
̇ = + ( , )

̇ = + ( , , )

⎪ ⋮
̇ = + ,…, , (4.17)
⎨ =
⎪ ⋮

⎩ =

avec :
0 1 0 … 0
⎛ 0 1 … 0⎞
0
= ⋮ ; = ⋮ ; = ⎜ ⋮ ⋮ ⋮ ⋱ ⋮ ⎟ ; = (1 0 ⋯ 0) ; ∑ =
0 … … … 1
⎝0 … … … 0 ⎠
Les fonctions non linéaires ont la structure triangulaire suivante :

45
( , )
( , , )
⎛ ⎞
( , )=⎜ ⋮

( ) ⋯ ( ),
⎝ ( , ) ⎠
( , , )
( , , , )
⎛ ⎞
( , , )=⎜ ⋮

( ) , ⋯ ( ),
⎝ ( , , ) ⎠
,… , ,
⎛ ,… , , , ⎞
,… , =⎜

⋮ ⎟

⎜ ,… , ⋯ , ⎟

⎝ ,… , ⎠
Un observateur grand gain pour le système (4.17) est alors donné par le système dynamique
suivant :
̇ = ̂ + ( ̂, ) − ̂ −
+ + = ; = 1, … , ; >0
On peut construire un observateur avec injection de sortie pour le système (4.17). On note :
=
=
̅ = ⋮ ; = ⋮
=
Le système (4.17) peut se mettre sous la forme :
̇ = + ̅ ,…, ̅ , ,
(4.18)
=
L’observateur est donné par :
̇ = ̂ + ̅ ,…, ̅ , , − ̂ −
(4.19)
+ + = ; = 1, … , ; >0
4.5.3 Autres classes de systèmes uniformément observables
 Systèmes de forme :
̇ = + ( , )

̇ = + ( , )

⎪ ⋮
̇ = + ( , ) (4.20)
⎨ =
⎪ ⋮

⎩ =
avec :

46
0 1 0 … 0
⎛0 0 1 … 0⎞
= ⋮ ; = ⋮ ; =⎜⋮ ⋮ ⋮ ⋱ ⋮ ⎟ ; = (1 0 ⋯ 0) ; ∑ = ;
0 … … … 1
⎝0 … … … 0⎠
0
0
( , )= ⋮
( , )
Sous forme condensée :
̇= + ( , )
(4.21)
=
où : = ,…, ; = ,…, ; ( , )= ( , )… ( , ) .
Exemple 4.4 : Robot à deux degrés de liberté
̇ =

⎪ ̇ = − +

̇ =
(4.22)
⎨ ̇ = −2 − +

⎪ =
⎩ =
== = =
On pose : = = ; = =
Le système (4.22) peut se mettre sous la forme :
̇ = + ( , )
̇ = + ( , )
(4.23)
=
=
0 1 0
Avec : = = ; = = (1 0) ; ( , )=
− + ;
0 0
0
( , )= −2 − +
L’observateur pour le système (4.21) est :
̂̇ = ̂ + ( ̂ , ) − ( ̂− )
(4.24)
+ + =
 Systèmes de forme :
̇ = + ( , )

⎪ ̇ = + ( , , )
⋮ (4.25)
⎨ ̇ = ,…, ,

⎩ = =
où ∈ ℝ ; ∈ ℝ ; = 1, … , ; = ; ∈ ℝ et ∈ ℝ . Systèmes à plusieurs sorties
regroupées en un bloc. Que l’on peut mettre sous la forme :
̇= + ( , )
(4.26)
=

47
avec :
0 0 … 0
0 0 … 0
⎛ ⎞
= ⋮ ∈ℝ ; =⎜ ⋮ ⋮ ⋮ ⋱ ⋮ ⎟; = 0 ⋯ 0 ;
0 … … …
⎝0 … … … 0 ⎠
( , )
( , , ) ⎞
( , )=⎛

⎝ ⋯ , ⎠
= =
Exemple 4.5 : On considère le modèle (4.21) du robot, on pose : = = = = ;
= 0 ( , )
= = ; = ; =( 0 ); ( , )= ; ( , )=
0 0 ( , , )
− +
0 ; ( , , )=
−2 − +

L’observateur du système (4.26) est alors donné par :


̂̇ = ̂ + ( ̂ , ) − ( ̂− )
(4.27)
+ + =
Dans l’exemple = 2 ; = 2, = = 4, la matrice est donnée par :
1 1

=
1 2

 Systèmes affines en l’état mono-sortie de forme :


̇= ( ) + ( , )
(4.28)
= ( )
où ∈ ℝ , ; ∈ ℝ et ∈ℝ;
0 ( ) 0 … 0
⎛0 0 ( ) … 0⎞
= ⋮ ∈ℝ ; = ⎜⋮ ⋮ ⋮ ⋱ ⋮⎟ ; ( ) = ( ( ) 0 ⋯ 0) ;
0… … … ( )
⎝0 … … … 0⎠
( , )
( , , )
( , )=

( ⋯ , )
L’observateur d’état est donné par :
̇̂ = ( ) ̂ + ( ̂ , ) − ( )( ( ) ̂ − )
(4.29)
̇ = − − ( ) − ( )+ ( ) ( )
où > 0, étant définie positive.
 Systèmes de forme :
̇= ( , ) + ( , )
(4.30)
= =

48
où ∈ ℝ ; ∈ ℝ et ∈ ℝ ; la matrice ( , ) et la fonction ( , ) sont de structure
triangulaire par rapport à :
0 ( , ) 0 ⋯ 0
0 0
⎛⋮ 0 ( , , ) ⎞
= ⋮ ∈ℝ ; ( , )=⎜ ⋮ ⋮ ⋮ ⋱ ⋮ ⎟; =
0 ⋯ ⋯ ⋯ ( ,…, , )
⎝0 ⋯ ⋯ ⋯ 0 ⎠
( , )
( , , ) ⎞
0 ⋯ 0 ; ( , )=⎛

⎝ ⋯ , ⎠
Les équations de l’observateur candidat pour ce système sont :
̂̇ = ( ̂ , ) ̂ + ( ̂ , ) − ( ̂− )
(4.31)
̇ = − − ( ̂, ) − ( ̂, ) +
Remarque 4.4 : L’observateur (4.31) peut être entendu aux systèmes de la forme :
̇= ( , , ) + ( , , )
(4.32)
= =
où est un signal connu et bornée.
Exemple 4.6 : Estimation du flux rotorique de la machine asynchrone
Pratiquement un observateur dans le plan ( , ) sera normalement plus simple à mettre en
œuvre du fait de l'absence du calcul des matrices de rotation et nécessite un temps de calcul
plus court. La synthèse des observateurs pour les machines asynchrones est donc effectuée à
partir d’une description de son comportement dynamique dans le repère ( , ) :

⎧ =− + + +

⎪ =− − + +

= − − (4.33)

⎪ = + −


⎩ = − −
Il convient de distinguer entre les sorties physiques qui sont mesurables et les sorties
commandées qui sont les grandeurs que l’on souhaite asservir. Les états mesurables dans le cas
standard de la machine asynchrone sont les courants statoriques , et la vitesse de
rotation .
Comme la vitesse de rotation est mesurable, elle peut être considérée comme un signal d’entrée
connu = pour le système suivant :

49

⎪ = − +
⎪ −

− − (4.34)
⎨ = +
⎪ −

⎪ =
= =

On pose :

= = ; = ; = ; ( )=

Le modèle (4.34) de la machine asynchrone peut se mettre sous la forme canonique
d’observabilité suivante :
̇ = ( ) +Φ ( , , )
̇ = ( ) + Φ( , , )
̇ =Φ ( , , , ) ⟺ (4.35)
=
=
Avec :
0 ( ) Φ ( , , )
= ; ( )= ; =( 0 ) Φ( , , ) = ;
0 0 Φ ( , , , )
− −
Φ ( , , )=− + ;Φ ( , , , )= +

L’observateur pour le système (4.35) est :
̇̂ = ( ) ̂ + Φ( ̂ , , ) − ( ̂− )
(4.36)
̇ =− − ( ) − ( )+
L’observateur (4.36) de la machine asynchrone ne nécessite aucun changement de variable. Il
permet d’estimer les flux rotoriques de la machine à partir de la mesure des courants statoriques
et de la vitesse.
La figure suivante montre l’association de la commande et de l’observateur de la machine :

50
Onduleur
triphasé MAS

MLI
∗ ∗ ∗ abc
abc

Observateur
dq

dq dq

Commande
non linéaire

Figure 4.2 : Architecture globale de la commande/observateur de la machine asynchrone.


4.6. Application : Simulation de l’observateur d’un robot à deux degrés
de liberté
L’implémentation des lois de commande du robot nécessite la connaissance des variables d’état
= , ̇= , = , ̇= , afin de minimiser le nombre de capteurs, seulement les
variables = = et = = sont mesurées. L’observateur permet d’estimer la vitesse
du robot à partir de la mesure de sa position.
Le modèle du robot, peut être réécrit sous la forme canonique d’observabilité (4.20). Il est
possible de le représenter sous la forme canonique compacte (4.25). Un observateur de la forme
(4.24) ou (4.27) peut être synthétisé dans le but d’estimer en temps réel le vecteur d’état.
Résultats de simulation en boucle ouverte :
Les conditions initiales du vecteur d’état du modèle du robot et de l’observateur sont choisies
respectivement comme : = [0,01 0 0 0 ] ; = [0,1 0.1 0.1 0.1 ] . Le paramètre de
l’observateur est réglé à Θ = 10. Les entrées de commande en boucle ouverte sont des échelons
choisis comme = 5 et =4 . .
Les résultats de simulation en boucle ouverte sont présentés dans la figure 4 .4. On constate que
les variables d’état estimées par l’observateur ont une bonne convergence vers les variables
d’état réelles.
Résultats de simulation en boucle fermée :
On remplace dans le calcul de la loi de commande l’état réel du robot par l’état estimé donné
par l’observateur. La figure 4.6 montre les résultats de simulation de la commande par
linéarisation et découplage entrées-sorties, en utilisant l’observateur d’état à grand gain dans la
boucle de commande. L’observateur utilise seulement la mesure de la position pour estimer la
vitesse. La position désirée du robot est donnée par : = = 1 et = =1 .

51
Les vecteurs de gain =[ ] et =[ ] de la commande sont réglés de sorte que
les matrices Hurwitz ( − ) et ( − ) aient deux valeurs propres placées en − ∓
1 − , avec un temps de réponse = 2 et un facteur d’amortissement = 0,7.
Les résultats obtenus, montrent que les sorties contrôlées convergent asymptotiquement vers
les sorties désirées, et que les états estimés convergent rapidement vers leurs états réels
correspondants.

Figure 4.3 : Schéma Simulink de l’observateur en boucle ouverte.

30 30
réelle réelle
vitesse radiale (m/s
position radiale (m)

estimée estimé
20 20

10 10

0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2
temps (s) temps (s)

6 200
vitesse angulaire (rad/s)

réelle réelle
position angulaire (rad)

estimée 150 estimée


4
100
2
50

0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2
temps (s) temps (s)

Figure 4.4 : Variables d’état estimées et réelles en boucle ouverte

52
Figure 4.5 : Schéma de la loi de commande associée à l'observateur

réelle
1.5 2
estimée réelle
vitesse radiale (m/s)
position radiale (m)

désirée estimée
1 1

0.5 0

0 -1
0 1 2 3 4 0 1 2 3 4
temps (s) temps (s)

1.5 4
vitesse angulaire (rad/s)

réelle
position angulaire (rad)

1 2 estimée
réelle
0.5 estimée 0
désirée
0 -2

-0.5 -4
0 1 2 3 4 0 1 2 3 4
temps (s) temps (s)

Figure 4.6 : Variables d’état estimées et réelles en boucle fermée.

53
Bibliographie :
J. J. Slotine et W. Li, Applied Nonlinear Control. Prentice Hall, 1991.
A. Isidori, Nonlinear Control Systems (Third Edition). Springer, 1995.
H. K. Khalil, Nonlinear Systems (Third Edition). Prentice Hall, 2001.
A. Van der Shaft, H. Nijmeijer, Nonlinear Dynamical Control Systems. Springer-Verlag, 1989.
H. Nijmeijer and A.J. van der Schaft. Nonlinear Dynamical Control Systems. Springer, New
York, 1990.
Utkin, V. I, Variable structure systems with sliding modes, IEEE Transactions on Automatic
Control, Vol. 22, p. 212-222, 1977.
M. Krstic, I. Kanellakopoulos, and P. Kokotovic, Nonlinear and Adaptive Control Design. John
Wiley & Sons, 1995.
R. Sepulchre, M. Jankovic, and P. Kokotovic, Constructive Nonlinear Control, Springer Verlag
London, 1997.
C. Edwards, E. Fossas Colet, L. Fridman, Advances in Variable Structure and Sliding Mode
Control, Springer 2006.
V. Bregeault, Quelques contributions à la théorie de la commande par mode modes glissants,
Thèse de doctorat de l’Ecole Centrale de Nantes, 2010.
G. Besançon, Contributions à l'étude et à l'Observation des Systèmes Non Linéaires avec
recours au Calcul Formel, thèse de doctorat, Université de Grenoble, INPG, Novembre 1996.
S. Othman, Sur les observateurs des systèmes non linéaires, thèse de doctorat, Université
Claude Bernard-Lyon 1, 1992.
M. Hou, K. Busawon and M. Saif, Observer design for a class of MIMO nonlinear systems,
IEEE Trans. on Aut. Control, 45(7):1350–1355, 2000.
F. L. Liu, M. Farza, M. M’Saad and H. Hammouri, Observer Design for a class of uniformly
observable MIMO nonlinear systems with coupled structure, Proceedings of the 17th World
Congress The International Federation of Automatic Control, Seoul, Korea, July 6-11, 2008.
G. Bornard, H. Hammouri, A high gain observer for a class of uniformly observable systems,
In: Proc. 30th IEEE Conference on Decision and Control. Vol. 122. Brighton, England. 1991.
K. Busawon, M. Farza, H. Hammouri, Observer design for a special class of nonlinear systems,
International Journal of Control 71(3), 405–418, 1998.
M. Hou, K. Busawon and M. Saif, Observer design for a class of MIMO nonlinear systems,
IEEE Trans. on Aut. Control, 45(7):1350–1355, 2000.
H. Hammouri and J. De Leon Morales, Observer synthesis for state affine systems, Proc. 29th
IEEE Conf. Decision Control, pp. 784–785, 1990.
Andrzej Bartoszewicz, Variable Structure Control from Principles to Applications, Institute of
Automatic Control, Technical University of lodz, Poland, 2008.

54

Vous aimerez peut-être aussi