C’est quoi un système multivariable ?

Linéaire, non linéaire, mono variable, multivariable

I. Introduction : Types de systèmes

 Système continu :
Un système est continu si les variations des grandeurs physiques le caractérisant
sont des fonctions à temps continu
 Système invariant :
Un système est dit invariant si on suppose que les caractéristiques du système
(masse, dimensions, résistance, impédance, …) ne varient pas au cours du
temps.
 Système récursif :
La sortie à un instant t 0 dépend de la sortie à d'autres instants t 1
s ( t 0 )=f ( s ( t 1 ) , s ( t 2) … … s ( t n ) )
 Système causal
Le système est dit causal si la cause e (t ) précède l'effets ( t ) et il n 'est définie que
pour t >0
 Système mono variable  : Système comportant une seule entrée et sorties
 Système multi variable : système comportant plusieurs entrées et sorties.
 Système linéaire : Un système est dit linéaire s’il est décrit par une équation
équations différentielles linéaires à coefficients constants et ayant une fonction
de transfert.
Les systèmes linéaires respectent 2 principes : proportionnalité et superposition.
e (t )= λ1 e1 ( t ) + λ 2 e 2 ( t ) +⋯ ⋯ ⋯+ λn en ( t )
S ( t ) =λ1 S 1 ( t ) + λ2 S 2 ( t ) +⋯ ⋯ ⋯+ λ n S n ( t )
Exemple :
Equation différentiel  :
Cas de systèmes mono variable  :
 d x 1 (t )

{
=a 1 x 1 ( t )+ a2 x2 ( t ) + b1 e ( t )
dt
d x2 ( t )
=a3 x1 ( t )+ a4 x 2 ( t )+ b2 e ( t )
dt
S=x 1 ( t )

Cas de systèmes multi variable  :

d x1 ( t )

{
=a 1 x 1 ( t ) +a2 x2 ( t )+ b1 e1 ( t )
dt
d x2 ( t )
=a3 x1 ( t )+ a4 x 2 ( t )+ b2 e2 ( t )
dt
S=[ x1 ( t ) x 2 ( t ) ]

Avec x 1 ( t ) , x 2 (t ) les variables d’état ; e (t ) , e1 ( t ) , e 2 ( t ) des entrées et S la sortie du

système
Fonction de Transfert  :
G( p)
H ( p )=
1+ G( p)
RQ  : Un système linéaire ait une fonction de transfert soit de 1er ordre soit de
2ème ordre
 Système non linéaire
Un système non linéaire est un système qui n’est pas linéaire. Réellement le
système physique ayant une représentation mathématique ou dite aussi modèle
(équations différentiel ou représentation d’état) non linéaire
Exemple :
Cas de systèmes mono variable  :

Schéma bloc : entrainement électrique ( système linéaire)

Equation différentiel  :

d x1 ( t )

{
= ẋ1 =a1 x 1 ( t )∗x 2 ( t )+ a2 x 2 ( t ) +b 1 e ( t )
dt
d x2 ( t )
= x˙2=a3 x 1 ( t )+ a4 x 22 ( t ) +b2 e ( t )
dt
S=x 1 (t )

Cas de systèmes multi variable  :

Schéma bloc : Bras de robot (système non linéaire)

Equation différentiel  :

d x1 ( t )

{
= ẋ1 =a1 x 1 ( t ) + a2 x 2 ( t )∗x 1 ( t ) +b 1 e 1 ( t )
dt
d x2 ( t )
= x˙2=a3 ẋ 1 ( t )+ a4 x 2 ( t ) +b2 e 2 ( t )
dt
S=[ x 1 ( t ) x 2 ( t ) ]

Avec x 1 ( t ) , x 2 (t ) les variables d’état ; e (t ) , e1 ( t ) , e 2 ( t ) des entrées et S la sortie du

système
 Système stable :
 La poursuite de la sortie est assurée par une entrée bornée ainsi qu'il sera capable
de rejeter toute type de perturbation.
La stabilité et la stabilisation d’un système non linéaire est l’étude du
comportement du système sans calculer la trajectoire de ses états soit par la
théorie de Lyapunov soit par la théorie de Lagrange. La théorie de Lyapunov
est l’outil le plus réputé à l’analyse et à la synthèse du comportement des
systèmes non linéaires.
Par définition soit U et W l’ensemble de point voisinage de l’origine et soit une
fonction V : R→ R dite fonction candidate de Lyapunov si
V ( 0 )=0

{ ∀ x ∈U ∖ { 0 } ∃V ( x )> 0
∀ x ∈W ∖ { 0 } telque V̇ ( x ) ≥ 0

II. Représentation d’un système multivariable

La représentation mathématique d’un système physique peut être écrite de divers forme
parmi eux on s’intéresse principalement à la représentation d’état, représentation
matricielle, matrice de transfert (pour les système linéaire). Ces formes la sont obtenue à
partir des équations différentielles décrivant le système.

II.1. Système linéaire : Fonction de transfert et représentation sous

forme matricielle (représentation d’état)

Certaine représentation est limitée pour les systèmes linéaire.

D’une fonction de transfert vers une représentation d’état

 N ( p)
Soit un système linéaire mono variable décrit par la fonction de transfert H ( p )=
D ( p)

N (s)
(dans la littérature on trouve aussi la notation H ( s )= ) tels que deg ( N ( p ) ) <¿
D( s)

deg ⁡( D ( p ))

Si deg ( N ( p ) ) =deg ⁡( D ( p ) ) la division de N ( p)/ D ( p ) ait la forme suivante :

¿
N ( p )=N ( p ) +dD (p)

De la fonction de transfert → Représentation d’état

Dans l’espace d’état un système est décrit comme suit :
dx
{ ẋ=
dt
= Ax+ B u
y=C x+ Du
 Cas de pôles simple
On dit forme modale ou diagonale les matrices obtenues à partir d’une
décomposition en éléments simple des fonctions de transfert tels que :
N ( p) β1 β2 βn
H ( p )= = + +⋯ ⋯+
D ( p ) p−λ 1 p−λ 2 p−λ n
λ1 ⋯ 0 b1
Avec A= ⋮ ⋱
0 ⋯ [ ] []
⋮  ;
λn
B= ⋮ et C=[ c 1 ⋯ cn ] en vérifiant la condition
bn

c i bi=β i
 Cas de pôles multiple
Cette approche est limitée pour les systèmes monovariable
N ( p) N (p)
H ( p )= =
D ( p ) ( p−λ )n

Posons N ( p )=N 1 ( p ) N 2 ( p )=( n 10+ n11 p … … … .. ) ( n 20+n 21 p … … … .. )

⋮
λ ⋯ 1
[ ]
Dont A= ⋮ ⋱ ⋮ ; B=
1 ⋯ λ
N̈ 2 (λ)/2!
Ṅ 2 (λ)/1!
N 2 ( λ) [ ]
et C=[ N 1 ( λ ) Ṅ 1 ( λ)/1! N̈ 1 (λ)/2! ⋯ ⋯ ]

 Formes compagnes
 Forme compagne horizontale ou forme canonique de commandabilité
On a:
N ( p) N 1( p) N 2 ( p )
H ( p )= =
D ( p) D(p)
N ( p )=N 1 ( p ) N 2 ( p )=( n 10+ n11 p … … … .. ) ( n 20+n 21 p … … … .. )

D ( p )=a 0+ a1 p …+ an−1 pn −1 + pn

[ ] []
N̈ 2 ( 0 ) ⋮
0 1 0
A= ⋮ ⋱
[ 1 ; B= Λ
−a 0 ⋯ −a n−1
−1

] 2! = Λ−1
Ṅ 2 ( 0 )
1!
n22
n21
n20
et

N 2 ( 0)

Ṅ 1 ( 0 ) N̈ 1 ( 0 )
[
C= N 1 ( 0 )
1! 2! ]
⋯ ⋯ =[ n10 n11 n12 ⋯ ]

Où : Λ est une matrice Toeplitz

=
En générale un système dite commandable si sa représentation d’état est
décrite comme suit :
ẋ i= xi +1 pour i=1⋯ n−1

{ ẋ n=−a0 x 1−a1 x 2 ⋯ ⋯−an−1 x n +u

y=b 0 x 1 + b1 x 2 ⋯ ⋯ bm x m+1

En agissant sur u, on fait évoluer x n, puis les autres états par effet cascade.
Les états du système peuvent donc être commandés et modifiés
 Forme compagne Verticale ou forme canonique d’observabilité
⋮

] [ ][ ]
−a n−1 1 0 N̈ 2 ( 0 )

[
⋮
−a n−2 ¿ ¿ 2 ! = n22 et
A= ⋯ 0 ¿−a0 0 ⋯ ⋯ 0 ¿ ; B=
¿ 0 Ṅ 2 ( 0 ) n21
⋱ ¿
1! n20
0 ⋯ ⋯⋯ 01
N2(0 )

Ṅ 1 ( 0 ) N̈ 1 ( 0 )
[
C= N 1 ( 0 )
1! 2! ]
⋯ ⋯ Λ−1=[ n10 n11 n12 ⋯ ] Λ−1

Dans l’espace d’état la représentation est :

ẋ 1=−an −1 x1 +b 0 u

{
ẋ 2=x 1−an−2 x 1 +b1 u
⋮
ẋm +1=x m−am x1 +b m u
ẋ m +2=x m+ 1−am +1 x 1
⋮
ẋ n=x n−1−a0 x n

Connaissant y=x 1, on peut déduire les autres états par dérivation et

différence : c'est l'observabilité.
D’une représentation d’état vers une fonction de transfert

Soit la représentation d’état d’un système linéaire

{ ẋ= Ax+ Bu
y=Cx+ Du

En supposant que les conditions initiales sont nulles X ( 0 ) =0, appliquant la transformer de
Laplace à cette représentation on obtient :

−1
pX ( p )=AX ( p ) +BU ( p ) → X ( p )= ( pI− A ) BU ( p )

Y ( p )=CX ( p )+ DU ( p ) → Y ( p )=(C ( pI − A )−1 B+ D)U (p)

Y ( p) −1
→ H ( p )= =( C ( pI −A ) B+ D)
U ( p)

H ( p ) est une fonction transfert ou dite aussi matrice de transfert

Calcul de l’inverse de( pI −A )−1

−1 T
−1 (com ( ( pI− A ) ))
( pI −A ) = −1
det ⁡( ( pI − A ) )

Soit M =com ( ( pI − A )−1 )avec M est la matrice des cofacteurs tels que :

M =[ mi , j ] , mi , j=(−1)i+ j det ⁡(M i , j ) et M i , j est déterminer en supprimant la ième ligne et la jème

colonne de la matrice( pI −A )−1

La matrice de transfert est :

 −1 T −1
Y ( p) C(com ( ( pI − A ) ) ) B det ⁡( ( pI − A ) ) D
H ( p )= =( + )
U ( p) −1
det ⁡( ( pI − A ) )
−1
det ⁡( ( pI −A ) )

Les pôles du système sont les racines de l'équation det ⁡¿

Les pôles du système sont les valeurs propres de A. Toute l'information sur les modes du
système est contenue dans la matrice A