Chap 2

Chapitre 2
Modélisation
Dans cette partie, on s’intéresse à la détermination de modèles mathématiques

pour des systèmes linéaires stationnaires (on parle aussi de systèmes linéaires
à temps invariant, notés LTI en anglais). Les modèles peuvent être abordés
sous trois formes à peu près équivalentes : l’équation différentielle, la fonction
de transfert et le modèle d’état.
2.1 Fonction de transfert d’un système
2.1.1 Transformée de Laplace

Définition
Pour un signal à temps continu x(t), on définit sa transformée de Laplace

par le signal X(s) où s est appelée variable de Laplace, avec :
∞
X(s) = L[x(t)] = x(t)e−st dt (2.1)
0
A partir de X(s), on revient au signal de départ par une transformée de Laplace

inverse :
j∞
−1 1
x(t) = L [X(s)] = X(s)est ds (2.2)
2jπ s=−j∞
Le tableau 2.1 présente des exemples de transformée de Laplace élémentaires,

avec u(t) l’échelon unitaire et δ(t) l’impulsion de Dirac.
En considérant que s = jω où ω est la pulsation, on peut considérer que la

transformée de Laplace est une généralisation de la transformée de Fourier. Il
9
10 CHAPITRE 2. MODÉLISATION
g(t) G(s)
δ(t) 1
1
u(t) s
e−T s
u(t − T ) s
1
tu(t) s2
tn 1
n!
u(t) sn +1
1
e−at u(t) s+a
1
(1 − e−at )u(t) s(s+a)
ω
sin(ωt)u(t) s2 +ω 2
s
cos(ωt)u(t) s2 +ω 2
a
sinh(at)u(t) s2 −a2
s
cosh(at)u(t) s2 −a2
e−at sin(ωt)u(t) ω
(s+a)2 +ω 2
e−at cos(ωt)u(t) s+a

(s+a)2 +ω 2
Tab. 2.1 – Exemples de transformées de Laplace élémentaires
s’agit en tous cas d’une transformée temps/fréquence qui à un signal temporel

fait correspondre une représentation fréquentielle.
Propriétés
Soit x(t) et y(t) des signaux réels tels que : x(t) = 0 et y(t) = 0, ∀t < 0.
Propriété (Linéarité)
Soit y(t) = ax(t), avec a ∈ R∗ . La transformée de Laplace de y(t) est :
Y (s) = aX(s) (2.3)
Propriété (Dérivation)
La transformée de Laplace de y(t) = ẋ(t) est :
Y (s) = sX(s) − x(0+ ) (2.4)
avec x(0+ ) condition initiale.

2.1. FONCTION DE TRANSFERT D’UN SYSTÈME 11
dn x(t)
De manière générale, la transformée de Laplace de y(t) = dtn
est :
dx(0+ ) dn−1 x(0+ )

Y (s) = sn X(s) − sn−1 x(0+ ) − sn−2 −···− (2.5)
dt dtn−1
+) n−1 x(0+ )
avec x(0+ ), dx(0
dt
,··· , d dtn−1
conditions initiales. Si les conditions initiales
sont nulles, alors :
Y (s) = sn X(s) (2.6)
Propriété (Intégration)
t
La transformée de Laplace de y(t) = 0 x(τ )dτ est :
X(s) y(0+ )
Y (s) = + (2.7)
s s
Si la condition initiale est nulle, alors :
X(s)
Y (s) = (2.8)
s
Théorème du retard temporel

La transformée de Laplace de y(t) = x(t − T ) est :
Y (s) = e−sT X(s) (2.9)
Théorème de l’avance
La transformée de Laplace de y(t) = e−at x(t) est :
Y (s) = X(s + a) (2.10)
Théorème de la valeur initiale

Si la limite dans le domaine temporel existe, alors :
x(0+ ) = lim+ x(t) = lim X(s) (2.11)

t→0 s→∞
Théorème de la valeur finale

Si la limite dans le domaine temporel existe, alors :
x(∞) = lim x(t) = lim X(s) (2.12)

t→∞ s→0
Théorème de convolution
Soit z(t) convolution des signaux réels x(t) et y(t) :
∞
z(t) = x(t) ∗ y(t) = x(τ )y(t − τ )dτ (2.13)
0
La transformée de Laplace de z(t) est :
Z(s) = X(s)Y (s) (2.14)
2.1.2 Fonction de transfert

Soit un système dynamique à temps continu de signal d’entrée u(t) et de
signal de sortie y(t), tous deux liés par une équation différentielle ordinaire
linéaire :
dn y(t) dn−1 y(t) dy(t)
an n
+ a n−1 n−1
+ · · · + a1 + a0 y(t)
dt dt dt
dm u(t) dm−1 u(t) du(t)
= bm + b m−1 + · · · + b1 + b0 u(t) (2.15)
dtm dtm−1 dt
En utilisant la transformée de Laplace et en supposant que les conditions
initiales sont nulles, on obtient :
an sn Y (s) + an−1 sn−1 Y (s) + · · · + a1 sY (s) + a0 Y (s)

= bm sm U(s) + bm−1 sm−1 U(s) + · · · + b1 sU(s) + b0 U(s) (2.16)
Ce qui s’écrit sous la forme :
Y (s) = G(s)U(s) (2.17)
où G(s) est la fonction de transfert du système et s’écrit :
bm sm + bm−1 sm−1 + · · · + b1 s + b0
G(s) = (2.18)
an sn + an−1 sn−1 + · · · + a1 s + a0
La fonction de transfert est une fonction rationnelle ; elle est composée d’un
numérateur de degré m et d’un dénominateur de degré n. On dit aussi que le
système est d’ordre n.
La fonction G(s) représente le comportement du système indépendamment

du signal d’entrée. Le schéma de la figure 2.1 définit le modèle mathématique
du système dans le domaine de Laplace.
2.1. FONCTION DE TRANSFERT D’UN SYSTÈME 13
Fig. 2.1 – Schéma fonctionnel d’une fonction de transfert
Définition (Système propre)

On dit qu’un système est propre si le degré de son numérateur est inférieur à
celui de son dénominateur (m ≤ n).
On dit qu’un système est strictement propre si le degré de son numérateur est
strictement inférieur à celui de son dénominateur (m < n).
Propriété (Fonction de transfert)

La fonction de transfert d’un système est la transformée de Laplace de sa
réponse impulsionnelle.
Cette propriété découle du fait que la transformée de Laplace du signal impul-

sionnel est 1.
Exercice (Transformée de Laplace)

Calculez la réponse à un échelon unité des systèmes suivants :
1
1◦ ) G(s) =
s
1
2◦ ) G(s) =
s+a
K
3◦ ) G(s) =
(s + a)(s + b)
K
4◦ ) G(s) = 2
s (1 + τ s)
Kω02
5◦ ) G(s) =
s2 + 2ξω0 s + ω02
Kω02
Correction : 5◦ ) G(s) =
s2 + 2ξω0 s + ω02
Compte-tenu d’une entrée en échelon, soit U(s) = 1/s, la sortie s’écrit :
Kω02
Y (s) = (2.19)
s(s2 + 2ξω0s + ω02 )
On peut décomposer en éléments simples sous la forme :

A1 A2 s + A3
Y (s) = + 2 (2.20)
s s + 2ξω0s + ω02
En développant cette expression, on obtient :
(A1 + A2 )s2 + (2ξω0 A1 + A3 )s + A1 ω02
Y (s) = (2.21)
s(s2 + 2ξω0s + ω02 )
En identifiant les deux expressions de Y (s), on obtient le système d’équations
suivant :
⎧
⎪
⎪ A1 + A2 = 0
⎨
2ξω0A1 + A3 = 0 (2.22)
⎪
⎪
⎩ A ω 2 = Kω 2
1 0 0
ce qui donne :
⎧
⎪
⎪ A =K
⎨ 1
A2 = −K (2.23)
⎪
⎪
⎩ A = −2Kξω
3 0
Il faut maintenant déterminer la transformée de Laplace inverse de Y (s) à

partir de la table dont on dispose. Le dénominateur peut se réécrire :
s2 + 2ξω0s + ω02 = (s + ξω0)2 − (ξω0 )2 − ω02
(2.24)
= (s + a)2 ω 2

avec a = ξω0 et ω = ω0 1 − ξ 2 . On a alors :
A2 s + A3 A2 s + A3
=
s2 + 2ξω0 s + ω02 (s + a)2 ω 2
A2 (s + a) + A3 − A2 a
= (2.25)
(s + a)2 ω 2
s+a A3 − A2 a ω
= A2 +
(s + a)2 ω 2 ω (s + a)2 ω 2
Cette forme permet d’utiliser les formules de transformées de Laplace, ce qui
donne :
A3 − A2 a
y(t) = A1 u(t) + A2 exp(−at) cos(ωt)u(t) + exp(−at) sin(ωt)u(t)
ω
ξω0
= K 1 − exp(−at) cos(ωt) + sin(ωt) u(t)
ω

ξ
= K 1 − exp(−at) cos(ωt) + sin(ωt) u(t)
1 − ξ2
(2.26)
2.2. PROPRIÉTÉS DES SYSTÈMES DYNAMIQUES 15
Remarque : on retrouve bien la même expression de ce que l’on a obtenu en

intégrant l’équation différentielle (1.9).
Exercice (Fonctions de transfert d’un moteur à courant continu)

On donne les équations d’un moteur à courant continu à aimants permanents :
— Equation de la tension :
di(t)
Ri(t) + L + e(t) = u(t)
dt
— Equation de la vitesse :
dΩ(t)
J = c(t) − f Ω(t)
dt
où le couple s’écrit c(t) = Ki(t) et la force électromotrice est e(t) = KΩ(t) ; R
est la résistance de l’induit, L son inductance ; K est la constante de couple et
de force électromotrice ; J est l’inertie ; f est le coefficient de frottements.
1◦ ) On considère que l’entrée est la tension et la sortie est la vitesse, donnez
la fonction de transfert du système.
2◦ ) On considère que l’entrée est la tension et la sortie est le courant, donnez
la fonction de transfert du système.
2.2 Propriétés des systèmes dynamiques
2.2.1 Stabilité
Soit la fonction de transfert :
N(s) bm sm + bm−1 sm−1 + · · · + b1 s + b0
G(s) = =
D(s) an sn + an−1 sn−1 + · · · + a1 s + a0
avec N(s) et D(s) polynômes en s de degrés respectifs m et n.
Définition (Pôles et Zéros)

On appelle pôles d’un système les racines de son dénominateur D(s).
On appelle zéros d’un système les racines de son numérateur N(s).
Les racines d’un système du second ordre de fonction de transfert

G(s) = s2 +2ξωK0 s+ω2 sont pi = −ξω0 ± ω0 1 − ξ 2 pour ξ < 1. Elles sont
0
représentées dans le plan complexe sur la figure 2.2. Elles ont un module de ω0 ,
une partie réelle de −ξω0 et font un angle φ avec l’axe réel tel que cos(φ) = ξ.
Fig. 2.2 – Pôles d’un second ordre de dénominateur s2 + 2ξω0 s + ω02
Propriété (Stabilité)
Un systèmes est stable si tous ses pôles sont à partie réelle strictement négative.
Pour s’en convaincre, on peut considérer la décomposition en éléments simples

de la fonction de transfert d’un système. Prenons un exemple :
(s − z1 )(s − z2 )
G(s) = K (2.27)
s − p1 )(s − p2 )
En décomposant en éléments simples, cette fonction se réécrit sous la forme :

λ1 λ2
G(s) = + +K (2.28)
s − p1 s − p2
Et la réponse à un échelon unitaire à partir d’une condition initiale nulle est :
y(t) = λ1 exp (p1 t) + λ2 exp (p2 t) + K (2.29)
Pour que le système soit stable et y(t) ne diverge pas, il faut que p1 < 0 et
p2 < 0. Pour des pôles complexes, la condition porte sur les parties réelles.
2.2.2 Gain statique

Définition
On appelle gain statique d’un système son amplification en régime continu.
2.2. PROPRIÉTÉS DES SYSTÈMES DYNAMIQUES 17
Pour des signaux constants, les dérivées sont nulles et l’équation (2.15) se
simplifie en :
a0 y = b0 u (2.30)
Ainsi, une variation Δu de l’entrée se répercute sur la sortie par une variation
Δy = ab00 Δu. Le gain statique est donc ab00 .
Propriété (Gain statique)

Le gain statique d’un système de fonction de transfert G(s) est G(0).
2.2.3 Dépassement
En réponse à un échelon d’amplitude Δu = u(∞) − u(0), la sortie d’un
système varie de Δy = y(∞) − y(0) de différentes manières :
— Le type de réponse le plus simple est celui d’une réponse toujours crois-
sante (ou décroissante si le gain est négatif).
— De nombreux systèmes présentent un dépassement ; c’est-à-dire que la
réponse présente un maximum ymax supérieur à la valeur finale.
— Certains systèmes, plus rares, voient leur sortie décroı̂tre avant de croı̂tre
vers la valeur finale. On parle de système à phase non minimal ; ce sont
des systèmes qui comportent des zéros à partie réelle positive.
On exprime le dépassement, en pourcentage, d’un système linéaire de la

manière suivante :
ymax − y(∞)
D% = 100 (2.31)
y(∞) − y(0)
K
Pour un système du second ordre de fonction de transfert G(s) = s2 +2ξω0 s+ω02
,
le dépassement est égal à :

−ξπ
D% = 100 exp (2.32)
1 − ξ2
Exercice (Dépassement d’un système du second ordre)

La réponse d’un système du second ordre résonant s’écrit :

a
y(t) = K 1 − exp(−at) cos(ω1 t) + sin(ω1 t)
ω1

avec : a = ξω0 et ω1 = ω0 1 − ξ 2.
Déterminez le dépassement (en %) de la réponse du système en fonction de

son amortissement. Représentez graphiquement cette fonction.
2.2.4 Rapidité
Définition (Temps d’établissement)
On appelle temps d’établissement (ou temps de réponse) le temps que met la
sortie d’un système stable à atteindre son équilibre, à partir d’une variation de
l’entrée en échelon.
On utilise généralement la notion de temps d’établissement à 5% pour éviter

deux types de problèmes :
— un système dynamique rejoint généralement son équilibre de manière
exponentielle et met donc en théorie un temps infini à se stabiliser ;
— les mesures sont généralement entachées de bruit ; la sortie y(t) ne se
stabilise donc jamais complètement.
Considérons le système en réponse à un échelon u(t) à t = 0. La sortie étant
stable à y(0) pour t < 0, elle se met à varier à partir de t = 0 et évolue jusqu’à
se stabiliser à y(∞). Le temps d’établissement à 5% est le temps t1 tel que
pour t > t1 , on a :
5
|y(t) − y(∞)| ≤ |y(∞) − y(0)| (2.33)
100
Exercice (Temps d’établissement de systèmes du premier ordre)

Calculez de manière exacte le temps d’établissement à 5% des systèmes sui-
vants :
b
1◦ ) G(s) =
s+a
s+b
2◦ ) G(s) = K
s+a
Propriété (Temps d’établissement d’un système d’ordre un)

Le temps d’établissement d’un système du premier ordre est égal à trois fois
sa constante de temps.
2.3. RÉPONSE FRÉQUENTIELLE 19
Propriété (Temps d’établissement d’un système dynamique)

Le temps d’établissement d’un système dynamique est approximativement égal
à trois fois sa constante de temps la plus lente.
Le temps de réponse à 5% d’un système du second ordre est inversement

proportionnel à la pulsation propre. Il dépend également de manière non-
linéaire de l’amortissement. Cette fonction de dépendance est donnée sur la
figure 2.3. On observe que cette fonction présente des discontinuités. A ω0
constant, le temps de réponse est minimal pour ξ = 0.68 et on a alors tr =
2.85/ω0. Pour ξ > 1, on peut approcher le temps de réponse par tr ∼ = 3ξ/ω0.
∼
Pour ξ < 1, on peut approcher le temps de réponse par tr = 6/ξω0.
Fig. 2.3 – Temps de réponse d’un système du second ordre (trait plein) et
valeur approchée (trait pointillé)
2.3 Réponse fréquentielle
2.3.1 Régime harmonique

Soit un système à signal d’entrée sinusoı̈dal u(t) = Um cos(ωt + α) de pul-
sation ω (en rad/s). Puisque le système est linéaire, la sortie sera également
sinusoı̈dale à la même pulsation, du moins au bout d’un certain temps, et
s’écrit y(t) = Ym cos(ωt + β). On peut définir un gain G = UYm m
et un déphasage
φ = α−β. Le gain et la phase, qu’on note G(ω) et φ(ω), dépendent de la pulsa-

tion. Les données des fonctions G(ω) et φ(ω) permet de caractériser le système
dynamique. On parle d’analyse fréquentielle ou d’analyse harmonique. Pour
obtenir expérimentalement ces fonctions, il suffit d’exciter le système avec un
signal sinusoı̈dal, de relever les amplitudes et le déphasage et de recommen-
cer pour différentes valeurs de la fréquence. Le gain est souvent exprimé en
décibel (dB) avec GdB = 20 log (G(ω)) ; le tableau 2.2 donne les équivalences
entre gain naturel et gain en dB pour différentes valeurs.
√ √
G(ω) 0.1 0.5 1/ 2 1 2 2 10
GdB -20 -6 -3 0 3 6 20
Tab. 2.2 – Equivalence entre décibels et gain naturel
Pour simplifier les calculs, considérons que le système est alimenté avec
un signal complexe u(t) = Um exp(jωt + α) ; la sortie s’écrit alors : y(t) =
Ym exp(jωt + β). Dériver k fois les signaux u et y revient à multiplier par
(jω)k . En reprenant le modèle dynamique (2.15), on peut écrire :
y(t) = G(jω)u(t) (2.34)
On a donc G(ω) = |G(jω)| et φ(ω) = arg(G(jω)) ; c’est-à-dire que le gain du

système est le module de G(jω) et que le déphasage est son argument.
2.3.2 Diagramme de Nyquist

Le diagramme de Nyquist est le lieu du gain complexe G(jω) lorsque ω
varie. En fait, le lieu de Nyquist est principalement utilisé pour analysé la
stabilité des systèmes asservis.
2.3.3 Diagramme de Bode

Le lieu de Bode comporte deux courbes :
— Le tracé du gain (en dB ou en échelle logarithmique) en fonction de la
pulsation (en échelle log.) ;
— Le tracé de la phase (en degrés) en fonction de la pulsation (en échelle
log.)
Il est relativement aisé de tracer le diagramme de Bode d’un système à partir

de son tracé asymptotique. Ce dernier s’obtient en considérant qu’entre deux
fréquences propres, le système peut être approché sous la forme Ksn (n ∈ Z),
ce qui donne un gain G(ω) = Kω n et une phase φ(ω) = n π2 . En échelle log., le
gain s’écrit GdB (ω) = 20 log(K) + 20n log(ω), ce qui fait une droite de pente
20n dB par décade (dB/dec).
Exemple (Modèle asymptotique)

K(s+10)
Soit le système G(s) = (s+1)(s+100) , G(jω) peut-être approché par différentes
approximations suivant les plages de fréquence :
— pour ω < 1, on a s+1 ∼ = 1, s+10 ∼ = 10 et s+100 ∼ = 100, d’où G(s) ∼ K
= 10 ;
— pour 1 < ω < 10, on a s + 1 ∼ = s, s + 10 ∼
= 10 et s + 100 ∼ = 100, d’où
G(s) ∼ K
= 10s ;
— pour 10 < ω < 100, on a s + 1 ∼ = s, s + 10 ∼
= s et s + 100 ∼ = 100, d’où
G(s) ∼ = 100K ;
— pour ω > 100, on a s + 1 ∼ = s, s + 10 ∼= s et s + 100 ∼
= s, d’où G(s) ∼
= Ks ;
Notons que les différents modèles asymptotiques donnent les mêmes gains pour
les pulsations limites ω = 1, 10 et 100 rad/s.
1
Les tracés des diagrammes de Bode des systèmes du premier ordre s+1
et
1
du second ordre s2 +2ξs+1 sont donnés sur les figures 2.4 et 2.5.
Exercice (Diagramme de Bode d’un système du premier ordre)

Soit le système du premier ordre de fonction de transfert :
K
G(s) =
s+a
1◦ ) Déterminez le diagramme de Bode asymptotique du système.
2◦ ) Calculez de manière exacte le gain et le déphasage du système à la pulsa-
tion ω = a.
3◦ ) Déduisez en l’allure du tracé exacte du diagramme de Bode du système.
Exercice (Tracé du diagramme de Bode)

Tracé le diagramme de Bode des systèmes suivants en vous appuyant sur le
tracé du diagramme asymptotique ; précisez leur gain statique.
1
1◦ )
s+a
Fig. 2.4 – Réponse fréquentielle d’un système du premier ordre
1
2◦ )
(s + 1)(s + 4)
s+4
3◦ )
(s + 1)(s + 20)
1
4◦ )
s(s + 20)
exp(−0.01s)
5◦ )
s + 10
2.3.4 Diagramme de Black-Nichols

Le diagramme de Black-Nichols est le lieu du gain (en dB) en fonction de
la phase, paramétré en fonction de la pulsation.
2.3.5 Etude du second ordre

Soit un système du second ordre de fonction de transfert :
Kω0
G(s) = (2.35)
s2 + 2ξω0s + ω02
Fig. 2.5 – Réponse fréquentielle de systèmes du second ordre (ξ = 0.25, 0.5,

0.707, 1 et 2)
Dans le domaine fréquentiel, la fonction de transfert s’écrit :

Kω0
G(jω) = (2.36)
ω02 − ω 2 + j2ξω0ω
Son gain est :

Kω0
|G(jω)| = (2.37)
(ω02 − ω 2 )2 + (2ξω0 ω)2
et sa phase s’écrit :

2ξω0
arg(G(jω)) = − arctan 2
(2.38)
ω0 − ω 2
En notant G(ω) = |G(jω)|, on peut réécrire :
(Kω0 )2
G(ω)2 = (2.39)
(ω02 − X)2 + (2ξω0)2 X
où X = ω 2 . Le numérateur étant constant, le gain présentera un maximum si

son dénominateur présente un minimum. Pour que cela arrive, il faut que sa
dérivée par rapport à X s’annule. Notons D(X) = (ω02 − X)2 + (2ξω0)2 X. On
a dD(X)
dX
= −2(ω02 − X) + (2ξω0 )2 . L’annulation apparait pour X = ω02 (1 − 2ξ 2 ).
Comme on a X ≥ 0, cette condition ne peut être satisfaite que si (1 − 2ξ 2 )

√
est positif, ce qui est équivalent à ξ < 22 . En observant le signe de la dérivée
seconde, on vérifie que le dénominateur présente un minimum. La résonnance

se fait à la pulsation ωr = ω0 1 − 2ξ 2 .
Propriété (Condition de résonance)

Le tracé du gain d’un système du second ordre présente un maximum si
√
ξ < 2/2.
Propriété (Pulsation de résonance)

La pulsation de résonance d’un système du second ordre de pulsation propre
√
ω0 et d’amortissement ξ < 2/2 est ωr = ω0 1 − 2ξ 2 .
Le gain à la résonance, c’est-à-dire le maximum du gain est :
K
G(ωr ) = (2.40)
2ξ 1 − ξ 2
Il est d’autant plus important que l’amortissement ξ est faible. Le tracé du

gain maximal en fonction de l’amortissement est donné sur la figure 2.6 en
échelle logarithmique.
Fig. 2.6 – Amplification maximale en fonction de l’amortissement
Exercice (Gain du second ordre à la résonance)

Vérifiez l’expression (2.40) du gain à la résonance.
2.4. REPRÉSENTATION D’ÉTAT 25
2.4 Représentation d’état
2.4.1 Notion d’état

L’état d’un système d’ordre n est l’ensemble des variables
x1 (t), x2 (t), · · · , xn (t), appelées variables d’état, telles que les valeurs initiales
xi (t0 ) de cet ensemble et les entrées uj (t) suffisent pour décrire d’une manière
unique la réponse du système pour t ≥ t0 .
2.4.2 Equations d’état

Un système dynamique à temps continu étant représenté par un ensemble
d’équations différentielles ordinaires, on peut se ramener un système d’équations
premier ordre dont interviennent les variables d’état x1 (t), x2 (t), · · · , xn (t). Ces
équations s’écrivent :
dxk
= fk (x1 (t), · · · , xn (t), u(t)) (2.41)
dt
On définit le vecteur d’état x = [x1 , · · · , xn ]T et les équations se mettent sous
forme vectorielle que l’on nome équations d’état :
ẋ(t) = f (x(t), u(t)) (2.42)
avec f = [f1 , · · · , fn ]T .
La sortie y(t) du système dépend de l’état et de l’entrée ; elle est donnée

par l’équation de sortie :
y(t) = g(x(t), u(t)) (2.43)
avec g = [g1 , · · · , gn ]T .
Pour un système linéaire, les fonctions f et g sont linéaires et les équations

se mettent sous la forme :
ẋ(t) = Ax(t) + Bu(t) (2.44)

y(t) = Cx(t) + Du(t) (2.45)
avec : x(t) ∈ Rn , u(t) ∈ Rm , y(t) ∈ Rp , A ∈ R(n×n) matrice d’état,

B ∈ R(n×m) matrice d’entrée, C ∈ R(p×n) matrice de sortie et D ∈ R(p×m)
matrice d’application directe de l’entrée.
La représentation d’état a différents avantages par rapport à la fonction de

transfert :
— elle donne des informations sur la représentation interne du système qui
n’apparaissent pas explicitement dans la fonction de transfert ;
— elle permet de modéliser facilement des systèmes multi-entrées multi-
sorties ; u et y sont alors des vecteurs.
Exemple (Moteur à courant continu)

Un moteur à courant continu est représenté par les équations électrique et
mécanique suivante :
di(t)
u(t) = Ri(t) + L + ke ω(t)
dt
dω(t)
J = kc i(t) + f ω(t)
dt
dθ(t)
= ω(t)
dt
Proposons pour vecteur d’état :
T T
x = x1 x2 x3 = θ ω i
En manipulant les équations du moteur, nous pouvons écrire :
θ̇ = ω
kc i + f ω
ω̇ =
J
u − Ri − ke ω
i̇ =
L
Ces équations admettent une écriture matricielle :

⎛ ⎞ ⎛ ⎞
0 1 0 0
⎜ −f k ⎟ ⎜ ⎟
⎜ c ⎟ ⎜ 0 ⎟ u = Ax + Bu
ẋ = ⎜0 J ⎟ x + ⎝
⎝ −k −R
e
J ⎠ 1⎠
0 L
L L

y = 1 0 0 x + 0 u = Cx + Du
Notez que le vecteur d’état possède 3 composantes, ce qui correspond à l’ordre

du système.
2.4. REPRÉSENTATION D’ÉTAT 27
Fig. 2.7 – Schéma fonctionnel d’un modèle d’état
2.4.3 Représentation graphique
Le schéma de la figure 2.7 illustre la représentation d’état d’un système.

A chaque équation d’état ẋi = (...) correspond un intégrateur, la matrice A
représente les interactions dynamiques entre les différents éléments internes du
système, B est l’action des entrées sur l’évolution dynamique du système, C
indique les capteurs permettant d’obtenir les sorties et D est le couplage direct
entre les entrées et les sorties.
Par exemple, les équations du moteur à courant continu :
θ̇ = ω
kc i + f ω
ω̇ =
J
u − Ri − ke ω
i̇ =
L
se traduisent par le schéma :
Réciproquement, partant d’un schéma fonctionnel, une représentation d’état

est possible en associant une variable d’état à la sortie de chaque intégrateur.
2.5 Conversion Etat - Transfert
2.5.1 Matrice de transfert

En appliquant la transformée de Laplace aux équations (2.44) et (2.45)
avec C.I. nulles, on obtient :
sX(s) = AX(s) + BU(s) (2.46)

Y (s) = CX(s) + DU(s) (2.47)
De la première équation, on tire :
X(s) = (sIn − A)−1 BU(s) (2.48)
où In est la matrice unitaire d’ordre n.
En remplaçant dans l’équation (2.47), on obtient Y (s) = G(s)U(s) avec :
G(s) = C(sIn − A)−1 B + D (2.49)
dans laquelle G(s) représente une matrice (p × m) de fonctions de transfert.
Remarque
Dans le cas de système multivariable, on parle de matrice de transfert au lieu
de fonction de transfert du cas monovariable.
Propriétés
Propriété (Pôles et valeurs propres)

Les pôles de G(s) sont les valeurs propres de A :
det (sIn − A) = 0 (2.50)
Le polynôme PA (s) = det (sIn − A) porte le nom de polynôme caractéristique

du système (ou de la matrice A).
Propriété (Système strictement propre)

Pour un système strictement propre, on a D = 0.
2.5. CONVERSION ETAT - TRANSFERT 29
Exemple (Matrice de transfert)

Soit le système linéaire décrit par :
⎛ ⎞ ⎛ ⎞
0 1 0 0
⎜ ⎟ ⎜ ⎟
ẋ(t) = ⎝ 0 0 1 ⎠ x(t) + ⎝0⎠ u(t)
−6 −3 −1 1

1 2 0
y(t) = x(t)
0 3 1
La matrice (sIn − A) s’écrit :

⎛ ⎞
s −1 0
⎜ ⎟
(sIn − A) = ⎝0 s −1 ⎠
6 3 s+1
et son déterminant :
det (sIn − A) = PA (s) = s3 + s2 + 3s + 6
L’inverse recherchée s’obtient par (sIn −A)−1 = (matrice des cofacteurs)T /PA (s)
soit :
⎛ ⎞
s2 + s + 3 s + 1 1
1 ⎜ ⎟
(sIn − A)−1 = 3 2 ⎝ −6 s2 + s s ⎠
s + s + 3s + 6
−6s −3s − 6 s2
d’où la matrice de transfert :
⎛ ⎞
2s + 1
⎜ s3 + s2 + 3s + 6 ⎟
⎜ ⎟
G(s) = ⎜ ⎟
⎝ s2 + 3s ⎠
s3 + s2 + 3s + 6
Exercice (Fonction de transfert d’un système d’état)

Soit un système linéaire dont on donne la représentation d’état :

−4 1 1
x= x+ u
0 1 0

y = 1 −1 x
1◦ ) Déterminez la fonction de transfert du système

2◦ ) Le système est-il strictement propre ?
3◦ ) Le système est-il stable ?
Exercice (Modèle d’un moteur à courant continu)

Un moteur à courant continu est commandé par sa tension d’alimentation u(t),
on mesure le courant et la vitesse.
di(t)
u(t) = KΩ(t) + Ri(t) + L
dt
dΩ(t)
J = Ki(t) + f Ω(t)
dt
1◦ ) Donnez une représentation d’état du moteur.
2◦ ) Calculez les pôles du système. Le systèmes est-il stable ?
3◦ ) Déterminez la fonction de transfert entre la tension et le courant.
4◦ ) Déterminez la fonction de transfert entre la tension et la vitesse.
2.5.2 Représentation d’état d’une fonction de transfert

Il existe des formes de représentation dites canoniques pour une fonction
de transfert d’entrée u(t) et de sortie y(t) écrite sous la forme :
Y (s) N(s)
= (2.51)
U(s) D(s)
bm sm + bm−1 sm−1 + · · · + b1 s + b0
= (2.52)
sn + an−1 sn−1 + · · · + a1 s + a0
Forme des variables de phase
Les variables d’état sont les dérivées successivent de chacune d’elles. Pour
obtenir cette forme, on introduit une variable intermédiaire v(t) correspondant
à la sortie du transfert “sans” numérateur :
V (s) 1
= (2.53)
U(s) D(s)
dn v dn−1 v dv
= n + an−1 n−1 + · · · + a1 + a0 v = u (2.54)
dt dt dt
On définit alors les variables d’état (x1 , x2 , · · · , xn ) comme suit :
dv
x1 = v → ẋ1 = = x2
dt
d2 v
ẋ2 = 2 = x3
dt
..
.
dn v
ẋn = = −a0 x1 − a1 x2 − · · · − an−1 xn + u
dtn
Pour l’équation de sortie, on a la relation Y (s) = N(s)V (s) qui se traduit :
dv dm v
y = b0 v + b1 + · · · + bm m
dt dt
= b0 v + · · · + bm (−a0 x1 − · · · − an−1 xm + u)
= (b0 − a0 bm )x1 + (b1 − a1 bm )x2 + · · · + (bm−1 − an−1 bm )xn + bm u
D’où la représentation d’état :

⎛ ⎞ ⎛ ⎞
0 1 0 ··· 0 0
⎜ ⎟ ⎜ ⎟
⎜ 0 0 1 ··· 0 ⎟ ⎜0⎟
⎜ .. .. .. .. ⎟ ⎜ ⎟
ẋ = ⎜ ..
. ⎟ x + ⎜ ... ⎟ u (2.55)
⎜ . . . . ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎝ 0 0 0 ··· 1 ⎠ ⎝0⎠
−a0 −a1 −a2 · · · −an−1 1

y = b0 − a0 bm , b1 − a1 bm , · · · , bm−1 − an−1 bm x + bm u (2.56)
Remarques
— Si m ≥ n alors D = 0.
— La matrice d’état A contienne les coefficients du dénominateur de la
fonction de transfert.
— Les coefficients du numérateur de la fonction de transfert sont dans les
matrices C et D.
Exercice (Représentation sous forme des variables de phase)

Soit le système décrit par la fonction de transfert suivante :
Y (s) 3s2 + 7s + 15
= 3
U(s) s + 7s2 + 14s + 8
Donner la représentation d’état du système sous forme des variables de phase.
Forme cascade
Le système est vu comme une mise en série de systèmes du premier ordre.

Pour mettre en évidence cette représentation, il suffit de factoriser le dénominateur
de la fonction de transfert G(s). Dans le cas d’un numérateur unitaire, on ob-
tient :
1
G(s) = (2.57)
(s − p1 )(s − p2 ) · · · (s − pn )
Il vient alors le schéma de la figure 2.8. On choisit comme variables d’état la

sortie de chaque bloc du premier ordre pour obtenir la représentation :
⎛ ⎞ ⎛ ⎞
p1 1 0
⎜ ⎟ ⎜.⎟
⎜ p2 1 ⎟ ⎜ .. ⎟
⎜ ⎟ ⎜ ⎟
⎜ .. .. ⎟ ⎜.⎟
ẋ = ⎜ . . ⎟ x + ⎜ .. ⎟ u (2.58)
⎜ ⎟ ⎜ ⎟
⎜ ..
. 1⎟ ⎜0⎟
⎝ ⎠ ⎝ ⎠
pn 1

y = 1 0 ··· 0 x (2.59)
Fig. 2.8 – Forme cascade d’un transfert d’ordre n
Remarques
— Si le numérateur n’est pas constant, on perd la forme cascade.
— Les pôles sont sur la diagonale de A.
— La présence de pôles multiples ne pose aucune difficulté, la matrice
d’état garde une forme similaire.
Exercice (Représentation sous forme cascade)

Soit le système décrit par la fonction de transfert suivante :
Y (s) 24
=
U(s) (s + 2)(s + 3)(s + 4)
Donner la représentation d’état du système sous forme cascade.
Forme parallèle
Lorsque un transfert G(s) n’admet que des pôles simples (c’est-à-dire pôles
distincts), une décomposition en éléments simples permet de réécrire G(s) sous
la forme suivante à laquelle correspond le schéma de la figure 2.9.
n
αi
G(s) = (2.60)
i=1
s − p i
Fig. 2.9 – Forme parallèle d’un transfert à pôles simples
Il suffit alors de prendre pour variable d’état la sortie de chaque bloc du premier
ordre pour obtenir la représentation :
⎛ ⎞ ⎛ ⎞
p1 1
⎜ .. ⎟ ⎜ .⎟
ẋ = ⎝ . ⎠ x + ⎝ .. ⎠ u (2.61)
pn 1

y = α1 · · · α n x (2.62)
Remarques
— La matrice A est diagonale ; les éléments diagonaux correspondent aux
pôles du système.
— Les équations sont découplés.
— La présence d’un numérateur modifie les pondérations dans la décompo-
sition en éléments simples ; seules les matrices C et D sont affectées.
Lorsque G(s) contient un pôle multiple (disons pγ d’ordre r), la décomposition

en éléments simples pourra se mettre sous la forme suivante où Ḡ(s) ne contient
pas le pôle pγ :

r
βi
G(s) = Ḡ(s) + (2.63)
i=1
(s − pγ )i
La réalisation de la partie relative au pôle pγ est alors fournie par le schéma

de la figure 2.10.
Fig. 2.10 – Forme parallèle d’un transfert à pôles multiples
En prenant pour variable d’état la sortie de chaque bloc du premier ordre, la

représentation d’état associée à la partie relative au pôle pγ est alors donnée
par la forme dite de Jordan :
⎛ ⎞ ⎛ ⎞
pγ 1 0
⎜ . ⎟ ⎜ ⎟
⎜ pγ . . ⎟ ⎜ ... ⎟
⎜
ẋ = ⎜ ⎟ x + ⎜ ⎟u y = β · · · β1 x (2.64)
.. ⎟ ⎜ ⎟ r
⎝ . 1⎠ ⎝0⎠
pγ 1
Enfin, dans le cas où la décomposition en élément simples conduit à une paire
de pôles complexes conjuguée :
α ᾱ
G(s) = · · · + + (2.65)
s − (a + jb) s − (a − jb)
Il peut être souhaitable d’avoir une représentation d’état avec coefficients

uniquement réels. Ceci peut s’obtenir en considérant le changement de base
z = T x avec :

1 1 1 1 −j
T = ⇒ T −1 = (2.66)
j −j 2 1 j
D’où l’équivalence :
⎧ ⎧
⎪
⎪ a + jb 1 ⎪
⎪ a −b 2
⎨ ẋ = x+ u ⎨ ż = z+ u
a − jb 1 ⇔ b a 0 (2.67)
⎪
⎪ ⎪
⎪
⎩ y = α ᾱ x ⎩ y = Re(α) Im(α) z
Exercice (Représentation sous forme parallèle)

Soit les systèmes de fonctions de transfert :
Y (s) 24
1◦ ) =
U(s) (s + 2)(s + 3)(s + 4)
Y (s) s+3
2◦ ) =
U(s) (s + 1)2 (s + 2)
Donner les représentations d’état de ces systèmes sous forme parallèle.
Forme commandable
Cette forme est obtenue en inversant l’ordre des variables d’état de la forme
des variables de phase. Soit les équations d’état :
⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
ẋ1 0 1 0 ··· 0 x1 0
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ ẋ2 ⎟ ⎜ 0 0 1 ··· 0 ⎟ ⎜ x2 ⎟ ⎜0⎟
⎜ . ⎟ ⎜ . . . .. ⎟ ⎜ ⎟ ⎜ ⎟
⎜ .. ⎟ = ⎜ .. .. .. ..
. ⎟ ⎜ ... ⎟ + ⎜ ... ⎟ u
⎜ ⎟ ⎜ . ⎟⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ẋn−1 ⎠ ⎝ 0 0 0 ··· 1 ⎠ ⎝xn−1 ⎠ ⎝0⎠
ẋn −a0 −a1 −a2 · · · −an−1 xn 1
En inversant l’ordre des variables d’état :

⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
ẋn 0 1 0 ··· 0 xn 0
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ẋn−1 ⎟ ⎜ 0 0 1 ··· 0 ⎟ ⎜xn−1 ⎟ ⎜0⎟
⎜ . ⎟ ⎜ . . . .. ⎟ ⎜ ⎟ ⎜ ⎟
⎜ .. ⎟ = ⎜ .. .. .. . .. ⎟ ⎜ ... ⎟ + ⎜ ... ⎟ u
⎜ ⎟ ⎜ . ⎟⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ ẋ2 ⎠ ⎝ 0 0 0 ··· 1 ⎠ ⎝ x2 ⎠ ⎝0⎠
ẋ1 −a0 −a1 −a2 · · · −an−1 x1 1
En réarrangeant :
⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
ẋ1 −an−1 · · · −a2 −a1 −a0 x1 1
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ ẋ2 ⎟ ⎜ 1 ··· 0 0 0 ⎟ ⎜ x2 ⎟ ⎜0⎟
⎜ . ⎟ ⎜ . .. .. .. ⎟ ⎜ . ⎟ ⎜.⎟
⎜ .. ⎟ = ⎜ .. ..
. ⎟ ⎜ . ⎟ ⎜.⎟
⎜ ⎟ ⎜ . . . ⎟ ⎜ . ⎟ + ⎜.⎟ u (2.68)
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ẋn−1 ⎠ ⎝ 0 ··· 1 0 0 ⎠ ⎝xn−1 ⎠ ⎝0⎠
ẋn 0 ··· 0 1 0 xn 0
De la même manière, on obtient la sortie :

y = bm−1 − an−1 bm , · · · , b1 − a1 bm , b0 − a0 bm x + bm u (2.69)
Remarque
Les matrices A qui contiennent les coefficients du polynôme caractéristique
sont appelées matrices compagnes du polynôme cactéristique.
Forme observable
Cette forme peut facilement se déduire de la précedente à partir de l’ob-

servation suivante : G(s) étant une fonction scalaire (non matricielle), G(s) =
GT (s) et par suite, en utilisant le fait que pour une matrice inversible, (M −1 )T =
(M T )−1 , il vient (D étant aussi scalaire) :
G(s) = C(sI − A)−1 B + D = B T (sI − AT )−1 C T + D (2.70)
Donc, étant données (Acom , Bcom , Ccom, Dcom ) de la représentation d’état sous
forme commandable, on obtient (Aobs , Bobs , Cobs , Dobs ) de la forme observable
en considérant les substitutions :
Aobs ← ATcom , Bobs ← Ccom

T
, Cobs ← Bcom
T
, Dobs ← Dcom
Plus explicitement, la forme dite observable s’écrit :

⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
ẋ1 −an−1 1 ··· 0 0 x1 bm−1 − an−1 bm
⎜ ⎟ ⎜ .. .. . . .. .. ⎟ ⎜ x ⎟ ⎜b ⎟
⎜ ẋ2 ⎟ ⎜ . . . . . ⎟ ⎜ 2 ⎟ ⎜ m−2 − an−2 bm ⎟
⎜ . ⎟ ⎜ ⎟⎜ . ⎟ ⎜ .. ⎟
⎜ .. ⎟ = ⎜ −a 0 · · · 1 0⎟ ⎜ .. ⎟ + ⎜ ⎟ u (2.71)
⎜ ⎟ ⎜ 2 ⎟⎜ ⎟ ⎜ . ⎟
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ẋn−1 ⎠ ⎝ −a1 0 · · · 0 1⎠ ⎝xn−1 ⎠ ⎝ b1 − a1 bm ⎠
ẋn −a0 0 ··· 0 0 xn b0 − a0 bm

y = 1 0 · · · 0 x + bm u (2.72)
Il est important de noter que le polynôme caractéristique de la matrice A se

déduit directement de ces deux dernières formes puisque l’on obtient :
PA (s) = det (sI − A) = sn + an−1 sn−1 + · · · + a1 s + a0
Remarques
— Les coefficients du polynôme caractéristique sont sur la première colonne
de A.
— Les coefficients du numérateur forment les matrices B et D.
Exercice (Formes commandable et observable)

Considérant la fonction de transfert suivante :
Y (s) s2 + 7s + 2
= 3
U(s) s + 9s2 + 26s + 24
Donner les représentations d’état du système sous formes commandable et
observable.
2.6. RÉSOLUTION DES ÉQUATIONS D’ÉTAT 37
2.5.3 Changement de base

On considère deux représentations d’état d’un même système :
⎧
⎪
⎨ ẋ(t) = Ax(t) + Bu(t)
(2.73)
⎪
⎩ y(t) = Cx(t) + Du(t)
et
⎧
⎪
⎨ ż(t) = A z(t) + B u(t)
(2.74)
⎪
⎩ y(t) = C z(t) + D u(t)
Le vecteur d’état est un ensemble minimal de variables d’état, il engendre

un espace, appelé espace d’état de dimension exactement égal au nombre de
variables d’état. Changer de vecteur d’état, c’est simplement changer de base
de représentation. Il existe donc une matrice de changement de base T telle
que :
z = Tx
Soit :
⎧
⎪
⎨ T ẋ(t) = A T x(t) + B u(t)
(2.75)
⎪
⎩ y(t) = C T x(t) + D u(t)
D’où :
⎧
⎪
⎨ ẋ(t) = T −1 A T x(t) + T −1 B u(t)
(2.76)
⎪
⎩ y(t) = C T x(t) + D u(t)
Les deux représentations d’état (A, B, C, D) et (A , B , C , D ) satisfont donc :
A = T −1 A T , B = T −1 B , C = C T , D = D
2.6 Résolution des équations d’état
2.6.1 Forme générale

Soit un système linéaire décrit par :
dx
= Ax(t) + Bu(t) (2.77)
dt
L’équation homogène associée (entrée nulle) s’écrit :

dx
= Ax(t) (2.78)
dt
D’où la solution :
x(t) = eA(t−t0 ) x(t0 ) (2.79)
où x(t0 ) est l’état initial.
Pour l’équation à entrée non nulle, la résolution s’effectue de la manière sui-

vante :
— Multiplier par e−At :
dx
e−At = e−At Ax(t) + e−At Bu(t)
dt
−At dx
→e − Ax(t) = e−At Bu(t)
dt
d −At
→ e x = e−At Bu(t)
dt
— Intégrer de t0 à t :
t

−At t
e x t0 = e−Aτ Bu(τ )dτ
t0
D’où la forme générale :
t
A(t−t0 )
x(t) = e x(t0 ) + eA(t−τ ) Bu(τ )dτ (2.80)
t0
La matrice eA(t−t0 ) notée Φ(t, t0 ) est appelée matrice fondamentale du système

(ou matrice de transition).
Propriétés (Matrice de transition)

Φ(t0 , t0 ) = In , Φ̇(t0 , t0 ) = A,
Φ(t2 , t1 )Φ(t1 , t0 ) = Φ(t2 , t0 ), Φ−1 (t, t0 ) = Φ(t0 , t),
det Φ(t, t0 ) = 0 ∀t, t0 .
Le système étant invariant dans le temps (stationnaire), on peut prendre

t0 = 0. La matrice Φ(t) = eAt est définie par son développement en série de
Taylor :
(At)2 (At)n
At
e = I + At + +···+ +··· (2.81)
2! n!
Il existe plusieurs techniques permettant un calcul analytique de cette expo-
nentielle.
2.6.2 Calcul de eAt
Méthode de la transformée de Laplace
Pour l’équation homogène ẋ(t) = Ax(t), on obtient par transformée de

Laplace :
sX(s) − x(0) = AX(s)
et par suite :
X(s) = (sI − A)−1 x(0)
Sachant que la solution de cette équation s’écrit x(t) = Φ(t)x(0), on en déduit

que par transformée inverse :

Φ(t) = L−1 (sI − A)−1 (2.82)
A partir de la forme de Jordan
D’une manière générale, si deux matrices A et Ā sont semblables,

A = T −1 ĀT , alors :
eAt = T −1 eĀt T (2.83)
De plus si Ā est la forme de Jordan de A :

⎛ ⎞
J1
⎜ ⎟
⎜ J2 ⎟
Ā = ⎜
⎜ ..
⎟
⎟ (2.84)
⎝ . ⎠
Jn
alors :
⎛ ⎞
eJ1 t
⎜ ⎟
⎜ eJ2 t ⎟
eĀt ⎜
=⎜ ⎟ (2.85)
.. ⎟
⎝ . ⎠
eJn t
Enfin pour chaque bloc Ji de taille (ni × ni ) :

⎛ ⎞
λ1 1
⎜ .. ⎟
Ji = ⎝ . 1⎠ (2.86)
λn
⎛ 2
⎞
tni −1
1 t t2 · · · (ni −1)!
⎜ .. ⎟
⎜ 1 t ... ⎟
⎜ . ⎟
λi t ⎜ . ⎟
eJi t =e ⎜ 1 .. t2 ⎟ (2.87)
⎜ 2 ⎟
⎜ ⎟
⎝ 1 t ⎠
1
Noter que dans le cas où toutes les valeurs propres de A sont simples, Ā est
diagonale, Ā = diag(λ1 , λ2 , · · · , λn ) et par suite eĀt = diag(eλ1 t , eλ2 t , · · · , eλn t ).
Utilisation du théorème de Cayley-Hamilton
D’après ce théorème, toute matrice A(n × n) annule son propre polynôme

caractéristique. En d’autres termes, si PA (λ) = λn + an−1 λn−1 + · · · + a1 λ + a0
est le polynôme caractéristique de A, alors :
PA (A) = An + an−1 An−1 + · · · + a1 A + a0 In (2.88)
Cela signifie aussi que toute puissance de A d’ordre supérieur ou égal à n

peut s’exprimer à partir de puissances d’ordre inférieur. On en déduit que
eAt peut s’exprimer à partir d’une somme finie de la forme :

n−1
At
e = αj (t)Aj (2.89)
j=0
La connaissance des αj (t) (j = 0, 1, · · · , n − 1) permet donc de calculer eAt . Ils

s’obtiennent en observant que cette relation doit également être vérifiée pour
les valeurs propres de A, soit sous forme matricielle :
⎛ ⎛ ⎞ ⎞⎛ ⎞
eλ1 t 1 λ1 · · · λn−1
1 α0 (t)
⎜ ⎟ ⎜ ⎟⎜ ⎟
⎜ eλ2 t ⎟ ⎜1 λ n−1 ⎟ ⎜ ⎟
⎜ ⎟ ⎜ 2 λ 2 ⎟⎜ 1α (t) ⎟
⎜ ⎟=⎜ ⎟⎜ ⎟ (2.90)
⎜ .. ⎟ ⎜ .. ⎟ ⎜ .. ⎟
⎜ . ⎟ ⎜. ⎟⎜ . ⎟
⎝ ⎠ ⎝ ⎠⎝ ⎠
eλn t 1 λn · · · λn−1
n αn−1 (t)
Si toutes les valeurs propres de A sont simples, on obtient un système de n

équations à n inconnues permettant le calcul des αj (t). Si une valeur propre
λi est multiple d’ordre r, on utilise en plus des relations précédentes :

n−1
dk λt dk j
e = αj (t) (λ ) k = 1, · · · , r (2.91)
dλk λ=λi j=0
dλk λ=λi
pour aboutir à un système de n équations à n inconnues.
Exemple (Calcul de eAt )

Soit la matrice A suivante dont on cherche à déterminer eAt .

2 2
A=
−1 5
1◦ ) par transformée de Laplace : Le calcul de l’inverse (sI − A)−1 suivi

d’une décomposition en éléments simples fournit :
−1
s − 2 −2 1 s−5 2
(sI − A)−1 = =
1 s−5 (s − 3)(s − 4) −1 s − 2
⎛ ⎞
2 1 −2 2
− +
⎜s − 3 s − 4 s − 3 s − 4⎟
=⎜⎝ 1
⎟
1 −1 2 ⎠
− +
s−3 s−4 s−3 s−4
On trouve par la transformée de Laplace inverse appliquée à chacun des termes

de la matrice :

2e3t − e4t −2e3t + 2e4t
Φ(t) =
e3t − e4t −e3t + 2e4t
2◦ ) à partir de la forme de Jordan : Le polynôme caractéristique s’écrit :

λ−2 −2
PA (λ) = det(λI − A) = det = λ2 − 7λ + 12 = (λ − 3)(λ − 4)
1 λ−5
Les valeurs propres étant distinctes(λ1 = 3 et λ2 = 4), on sait que la forme de

Jordan associée J = T −1 AT sera diagonale. Il reste à calculer le changement
de base T . Celui-ci s’écrit T = (v1 , v2 ) où v1 , v2 sont les vecteurs propres, et
s’obtiennent en résolvant :
⎧
⎪
⎪ 1 −2 2
⎪
⎪ (3I − A)v1 = v1 = 0 ⇒ v1 =
⎪
⎨ 1 −2 1 2 1
⇒T =
⎪
⎪ 2 −2 1 1 1
⎪
⎪ − v2 = 0 ⇒ v2 =
⎪
⎩ (4I A)v 2 =
1 −1 1
Ainsi, eAt = T eJt T −1 soit :

⎛ ⎞⎛ ⎞⎛ ⎞ ⎛ ⎞
2 1 e3t 0 1 −1 2e3t − e4t −2e3t + 2e4t
Φ(t) = ⎝ ⎠⎝ ⎠⎝ ⎠=⎝ ⎠
4t 3t 4t 3t 4t
1 1 0 e −1 2 e −e −e + 2e
3◦ ) par l’approche de Cayley-Hamilton : La matrice A étant d’ordre

n = 2, eAt est une somme de deux termes (de 0 à 1) de la forme :
eAt = α0 (t)I + α1 (t)A
Cette relation est aussi valable pour les valeurs propres, ce qui fournit par
inversion :
⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎛ ⎞
3t
e 1 3 α0 (t) α0 (t) 4 −3 e3t
⎝ ⎠=⎝ ⎠⎝ ⎠ ⇒ ⎝ ⎠=⎝ ⎠⎝ ⎠
e4t 1 4 α1 (t) α1 (t) −1 1 e4t
Ainsi, eAt = (4e3t − 3e4t )I + (−e3t + e4t )A soit :

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 2 2 2e3t − e4t −2e3t + 2e4t
Φ(t) = (4e3t − 3e4t ) ⎝ ⎠ + (−e3t + e4t ) ⎝ ⎠=⎝ ⎠
3t 4t 3t 4t
0 1 −1 5 e −e −e + 2e
Exercice (Calcul de la matrice de transition)

Soit les équations d’état :
⎛ ⎛ ⎞ ⎞
0 1 1
ẋ = ⎝ ⎠x + ⎝ ⎠u
−1 −2 0
Calculer la matrice de transition Φ(t) en utilisant :

— La transformée de Laplace inverse,
— L’approche de Cayley-Hamilton.
2.7. LINÉARISATION D’UN MODÈLE D’ÉTAT 43
Exercice (Réponse indicielle d’un système)

Soit les équations d’état :
⎛ ⎞ ⎛ ⎞
−3 1 0
ẋ = ⎝ ⎠x+ ⎝ ⎠u
−2 0 1

y= 0 1 x
1◦ ) Calculer la matrice de transition Φ(t).
2◦ ) Calculer la réponse indicielle du système (C.I. nulles).
2.7 Linéarisation d’un modèle d’état
Soit le modèle d’état d’un système non-linéaire :
⎧
⎨ ẋ(t)= f (x(t), u(t))
⎩ y(t)= g(x(t), u(t))
Ce modèle peut être linéarisé autour d’un point de fonctionnement, soit (x0 , u0 ),
en réalisant un développement en série de Taylor du 1er ordre de f = [f1 , · · · , fn ]T
et g = [g1 , · · · , gn ]T , soit :
Equations d’état :
⎧
⎪ ∂f ∂f
⎪
⎪ ẋ = f (x(t) + x , u(t) + u ) ≈ f (x , u ) +
1 + · · · +
1
⎪
⎪
1 1 0 0 1 0 0
∂x ∂x
⎪
⎪ 1 (x0 ,u0 ) n (x0 ,u0 )
⎪
⎪ ∂f1 ∂f1
⎪
⎪ +···+
⎪ +
⎪
⎪
⎪ ∂u1 (x0 ,u0 ) ∂um (x0 ,u0 )
⎨ .
..
⎪
⎪
⎪
⎪ ∂fn ∂fn
⎪
⎪ ẋn = fn (x(t) + x0 , u(t) + u0 ) ≈fn (x0 , u0 ) + +···+
⎪
⎪
⎪
⎪ ∂x1 (x0 ,u0 ) ∂xn (x0 ,u0 )
⎪
⎪
⎪
⎪ ∂fn ∂fn
⎪
⎩ + + · · · +
∂u1 (x0 ,u0 ) ∂um (x0 ,u0 )
Equations de sortie :
⎧
⎪
⎪ ∂g1 ∂g1
⎪ y1 = g1 (x(t) + x0 , u(t) + u0 ) ≈g1 (x0 , u0) + +···+
⎪
⎪
⎪ ∂x1 (x0 ,u0 ) ∂xn (x0 ,u0 )
⎪
⎪
⎪
⎪ ∂g1 ∂g1
⎪
⎪ + + · · · +
⎪
⎪
⎪ ∂u1 (x0 ,u0 ) ∂um (x0 ,u0 )
⎨ .
..
⎪
⎪
⎪
⎪ ∂gp ∂gp
⎪
⎪
⎪ yp = gp (x(t) + x0 , u(t) + u0 ) ≈gp (x0 , u0 ) + +···+
⎪
⎪
⎪ ∂x1 (x ) ∂xn (x0 ,u0 )
⎪
⎪
0 ,u 0
⎪
⎪ ∂gp ∂gp
⎪
⎩ + + · · · +
∂u1 (x0 ,u0 )∂um (x0 ,u0 )
d’où la représentation d’état :
ẋ(t) = Fx x(t) + Fu u(t) (2.92)
y(t) = Gx x(t) + Gu u(t) (2.93)
avec :
⎡ ∂f ⎤ ⎡ ∂f ⎤
1
··· ∂f1 1
··· ∂f1
∂x
⎢ 1
∂xn
⎥ ∂u
⎢ 1
∂um
⎥
∂f ⎢ . .. ⎥ ∂f ⎢ . .. ⎥
Fx = = ⎢ .. . ⎥ , Fu = = ⎢ .. . ⎥
∂x (x0 ,u0 ) ⎣ ⎦ ∂u (x0 ,u0 ) ⎣ ⎦
∂fn
∂x1
··· ∂fn
∂xn (x0 ,u0 )
∂fn
∂u1
··· ∂fn
∂um (x0 ,u0 )
⎡ ∂g ⎤ ⎡ ∂g ⎤
1
··· ∂g1 1
··· ∂g1
⎢
∂x1 ∂xn
⎥ ⎢
∂u1 ∂um
⎥
∂g ⎢ .. .. ⎥ ∂g ⎢ .. .. ⎥
Gx = = ⎢ . . ⎥ , Gu = = ⎢ . . ⎥
∂x (x0 ,u0 ) ⎣ ⎦ ∂u (x0 ,u0 ) ⎣ ⎦
∂gp ∂gp ∂gp ∂gp
∂x1
··· ∂xn (x0 ,u0 ) ∂u1
··· ∂um (x0 ,u0 )
Fx , Fu , Gx et Gu sont les matrices jacobiennes des dérivées partielles de f et

g respectivement par rapport à x(t) et u(t), et évaluées au point (x0 , u0). Elles
représentent également les matrices du modèle d’état :
A = Fx , B = Fu , C = Gx , D = Gu
Exemple (Ressort à comportement non-linéaire)

Le fonctionnement du système est régit par l’équation différentielle non-linéaire
suivante :
mz̈ = F (t) + k1 z + k2 z 3
2.7. LINÉARISATION D’UN MODÈLE D’ÉTAT 45
Pour la représentation d’état, on considère l’entrée u(t) = F (t) et la sortie

y(t) = z(t), les états x1 (t) = z(t) et x2 (t) = ż(t).
dz
x1 = z → ẋ1 = = x1
dt
d2 z k1 k2 F
ẋ2 = 2 = x1 + x31 +
dt m m m
D’où le modèle d’état :
⎛ ⎞ ⎛ ⎞
ẋ1 x2
⎝ ⎠ = f (x1 , x2 , u) = ⎜
⎝ k1
⎟
k2 3 u⎠
ẋ2 x1 + x1 +
m m m
y = g(x1 , x2 , u) = x1
Pour déterminer le point de fonctionnement (x0 , u0 ), on choisit le point sta-

tionnaire ẋ|(x0 ,u0 ) = f (x0 , u0 ) = 0 à entrée u0 = 0, on a alors :
⎡ ⎤ ⎡ ⎤
x2 0
⎢ ⎥ ⎣ ⎦
f (x1 , x2 , u)|(x0 ,0) = ⎣ k k2 u ⎦ =
1
x1 + x31 + 0
m m m (x0 ,0)
d’où par résolution :

⎧
⎪
⎨ x2 |(x0 ,0) = 0
#
⎪ k1 k2 3 k1
⎩ x1 + x1 = 0 ⇒ x1 |(x0 ,0) = 0 ou x1 |(x0 ,0) = ± −
m m k2
Donc le point de fonctionnement (x0 , u0 ) est :
⎛⎡ ⎤ ⎞ ⎛⎡ ⎤ ⎞
0
0
⎝⎣ ⎦ , 0⎠ ou ⎜ ⎝⎣
⎢ # ⎥ ⎟
k1 ⎦ , 0⎠
0 ± −
k2
Enfin, les matrices de la représentation d’état s’écrivent :
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
∂f1 ∂f1 ∂f1
0 1 0
⎢ ∂x1 ∂x2 ⎥ ⎢ ⎥ ⎢ ∂u ⎥ ⎢ ⎥
A=⎢ ⎣ ∂f
⎥
⎦ =⎣ ⎦ ;B=⎢ ⎣
⎥
⎦ =⎣ ⎦
2 ∂f2 k 1 k 2 ∂f2 1
+ x21 0
∂x1 ∂x2 (x0 ,u0 ) m m ∂u (x0 ,u0 ) m
$ %
∂g ∂g ∂g
C= = 1 0 ;D= =0
∂x1 ∂x2 (x0 ,u0 ) ∂u (x0 ,u0 )
Seule la matrice A change selon les points de fonctionnement :

& ' ⎡ ⎤
0 0 1
pour (x0 , u0 ) = ,0 → A=⎣ ⎦
0 k1 0
⎛⎡ ⎤ ⎞ ⎡ ⎤
0 0 1
#
pour (x0 , u0 ) = ⎝⎣ k1 ⎦ , 0⎠ → A=⎣ ⎦
± − −2k1 0
k2
Exercice (Pendule)
Le mouvement d’un pendule de masse m au moyen d’un couple u(t) est régit
par l’équation :
mθ̈ + mg sin θ = u(t)
avec θ l’angle que fait la tige avec la verticale et g l’accélération de la gravité.
Donner une représentation d’état du système au voisinage du point d’équilibre.

Chap 2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chap 2

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 2

Dans cette partie, on s’intéresse à la détermination de modèles mathématiques

2.1 Fonction de transfert d’un système

2.1.1 Transformée de Laplace

Pour un signal à temps continu x(t), on déﬁnit sa transformée de Laplace

A partir de X(s), on revient au signal de départ par une transformée de Laplace

Le tableau 2.1 présente des exemples de transformée de Laplace élémentaires,

En considérant que s = jω où ω est la pulsation, on peut considérer que la

e−at cos(ωt)u(t) s+a

Tab. 2.1 – Exemples de transformées de Laplace élémentaires

s’agit en tous cas d’une transformée temps/fréquence qui à un signal temporel

Y (s) = aX(s) (2.3)

Y (s) = sX(s) − x(0+ ) (2.4)

avec x(0+ ) condition initiale.

dx(0+ ) dn−1 x(0+ )

Y (s) = sn X(s) (2.6)

Théorème du retard temporel

Y (s) = e−sT X(s) (2.9)

Y (s) = X(s + a) (2.10)

Théorème de la valeur initiale

x(0+ ) = lim+ x(t) = lim X(s) (2.11)

Théorème de la valeur ﬁnale

x(∞) = lim x(t) = lim X(s) (2.12)

La transformée de Laplace de z(t) est :

Z(s) = X(s)Y (s) (2.14)

2.1.2 Fonction de transfert

an sn Y (s) + an−1 sn−1 Y (s) + · · · + a1 sY (s) + a0 Y (s)

Ce qui s’écrit sous la forme :

Y (s) = G(s)U(s) (2.17)

où G(s) est la fonction de transfert du système et s’écrit :

La fonction G(s) représente le comportement du système indépendamment

Fig. 2.1 – Schéma fonctionnel d’une fonction de transfert

Déﬁnition (Système propre)

Propriété (Fonction de transfert)

Cette propriété découle du fait que la transformée de Laplace du signal impul-

Exercice (Transformée de Laplace)

On peut décomposer en éléments simples sous la forme :

Il faut maintenant déterminer la transformée de Laplace inverse de Y (s) à

Remarque : on retrouve bien la même expression de ce que l’on a obtenu en

Exercice (Fonctions de transfert d’un moteur à courant continu)

2.2 Propriétés des systèmes dynamiques

Déﬁnition (Pôles et Zéros)

Les racines d’un système du second ordre de fonction de transfert

Fig. 2.2 – Pôles d’un second ordre de dénominateur s2 + 2ξω0 s + ω02

Pour s’en convaincre, on peut considérer la décomposition en éléments simples

En décomposant en éléments simples, cette fonction se réécrit sous la forme :

y(t) = λ1 exp (p1 t) + λ2 exp (p2 t) + K (2.29)

2.2.2 Gain statique

Propriété (Gain statique)

On exprime le dépassement, en pourcentage, d’un système linéaire de la

Exercice (Dépassement d’un système du second ordre)

Déterminez le dépassement (en %) de la réponse du système en fonction de

On utilise généralement la notion de temps d’établissement à 5% pour éviter

Exercice (Temps d’établissement de systèmes du premier ordre)

Propriété (Temps d’établissement d’un système d’ordre un)

Propriété (Temps d’établissement d’un système dynamique)

Le temps de réponse à 5% d’un système du second ordre est inversement

2.3 Réponse fréquentielle

2.3.1 Régime harmonique

φ = α−β. Le gain et la phase, qu’on note G(ω) et φ(ω), dépendent de la pulsa-

Tab. 2.2 – Equivalence entre décibels et gain naturel

y(t) = G(jω)u(t) (2.34)

On a donc G(ω) = |G(jω)| et φ(ω) = arg(G(jω)) ; c’est-à-dire que le gain du