Génie Electrique

2019 / 2020

PROJET AUTOMATIQUE

Soumis conformément aux exigences du

Partiel de l’Automatique

Préparé par :

Jad Rizk
________________________________________________

Automatisation d’un Pendule Inversé

Superviseur :

Dr. Salloum George Professeur du

cours
Objectif :
Automatisation d’un pendule inversé linéaire et non linéaire en utilisant Matlab
et Simulink par les considérations du cours de l’automatique III qui se base sur
les modélisations dans l’espace d’état qui utilise le calcul matriciel pour la
représentation des variables et des paramètres du système.

Introduction :
En automatique, une représentation d’état permet de modéliser un système
dynamique en utilisant des variables d’état. Cette représentation qui peut être
linéaire ou non, permet de déterminer l’état du système à n’importe quel instant.

A) Système linéaire

Figure 1 Schéma Bloc pour le system lineaire

La représentation d'état de ces systèmes, s'écrit de la manière suivante :

B) Système non-linéaire :
Pour les systèmes non-linéaires, les lois de commande classique peuvent être
insuffisantes. Donc on doit faire appel à des lois de commande insensible aux
variations des paramètres. La commande par retour d’état sera notre cas de
contrôleur.
Le système d’un pendule inversé sera le cas de notre étude.

Figure 1 Pendule Inversé sur un chariot

Equations du système :
Linéarisation des équations :

Ces équations seront le cas de l’étude de notre système linéaire.

Représentation d’état du système :

Le système a étudié se présente par quatre variables d’états, angle, vitesse
angulaire, position, et vitesse. D’où le vecteur d’état,

Calcule des paramètres :

Représentation d’état sur MATLAB

La matrice C permet de voir la sortie de l’angle (phi) [1 0 0 0] d’une part et de la

position (x) [0 0 1 0].
Représentation sur SIMULINK :

Figure 2 Schéma Bloc système Pendule-Inversé

Figure 3 Simulation Angle-Position

On remarque bien l’instabilité du système, on est donc supposé à le corrigé.

Pôles et stabilité :
Les pôles se présente par les valeurs propres de la matrice A.
A noté que les valeurs propres d’une matrice se présente de la façon :
det(sI-A)=0
MATLAB :

On remarque bien que les pôles ne sont pas tous a parties réel négative ce qui
assure l’instabilité du système.

Commandabilité et observabilité :
A) Commandabilité :
La commandabilité est une notion nécessaire et importante puisqu’elle établit le
fait que l’on puisse commander le système afin de modifier son comportement.
Critère :

Un système sera totalement commandable si rang(C(A,B))=n , n=4 dans notre cas

Calcule de la matrice de commande :

Donc, système est totalement commandable.

 B) Observabilité :
L’observabilité nous indique la capacité pour un système à déterminer
l’historique d’un état à partir de la seule connaissance des variables de sortie
mesurées.
Critère :

Le système sera totalement observable si rang(O(C,A))=n

Calcule :

Rank=4, système totalement observable.

Régulation :

Le régulateur d’état est un régulateur linéaire fournissant un signal de

commande u(t) proportionnel à chacune des 4 variables d’état décrivant le
système :

Où K est le vecteur contenant les gains associés à chacune des variables d’état.
On ajoute en plus une constante qui indique la valeur de la position pour laquelle
on désire à stabiliser le système, et phi sera nulle.

Calcule de K :
1ere Méthode :
La synthèse du régulateur se fait en minimisant les écarts quadratiques de
l’angle et de la position. Ceci nous conduit à définir des coeficients de
pondération pour chacune des positions et vitesses et pour le signal de
commande.
La fonction à minimiser est la suivante :

On choisit donc :
MATLAB :
Par la fonction lqr on trouve :

2eme méthode :
Méthode de placement des pôles
Cette méthode consiste à imposer des pôles précis, a partie réelle négative
surement, tel que :
𝑢(𝑡) = −𝐿𝑥 (𝑡) + 𝑙𝑦𝑟𝑒𝑓(𝑡)
MATLAB :
Fonction acker :

Cahier,
On a choisi les quatres pôles identique, résolution de P(A-BL)= (β-20)4

Le schéma bloc sera alors,

Figure 4 Schéma bloc après regulation

Simulation :
Pour Méthode 1 :

Pour la 2eme Méthode :

On remarque bien qu’en donnant une valeur initiale à phi, le système se balance
puis se stabilise sur 0.

Stabilisation totale :
On ajoute en plus du gain retour, un vecteur qui indique la position à laquelle on
désire stabiliser notre système.
Le schéma bloc sera donc :

Figure 5 Schema bloc du système stabilisé

Figure 6 Simulation du système stabilisé

On remarque bien la position désirée qui est 1m, à laquelle tout le système
s’arrête ; le chariot s’arrête à 1m, le pendule s’arrête à la position d’équilibre.
Donc système s’est stabilisé, corrigé d’une bonne manière.
Système non-linéarisé

Equations :

Ce type d’équation ne peut pas se présenter en forme matricielle ce

qui rend le système difficile a simulé, on est donc supposé de faire
connaitre chaque équation toute seule d’où la représentation du
schéma bloc,

Figure 7 Schéma bloc du système non linéaire

Calcule des équations :
Simulink :

Figure 8 Simulation De l'angle

On remarque l’instabilité de la variation de l’angle. Sous une valeur initiale de

0.7rad, la variation de l’angle en fonction du temps se balance prend beaucoup
de temps pour se stabiliser à une valeur aléatoire, si on en large le « stop time »
on voit bien la variation.

Figure 9 Angle Teta en fonction du temps pour une grande marge de temps
Ceci est expliqué par la variation de la position qui est représenté par la figure
ci-dessous.
Une variation instable dans le temps qui se balance dans des vas et viens du
chariot qui mène le pendule aussi d’en vibrer (vas et viens) mais dans le sens
opposé ce qui respecte les lois de la dynamique.

Figure 10 Variation de la position du chariot

Régulation :

Pour la régulation il est évitable de faire comme en linéaire, en fermant notre

système par les valeurs de cas trouver avant.

Figure 11 Schéma bloc de la régulation

Figure 12 Variation de l'angle Teta aprés correction

On remarque que l’angle se stabilise sur la valeur nulle qui est notre point
d’équilibre. (En respectant la valeur initial)
 Figure 13 Variation de la position du chariot aprés régulation

On remarque la stabilisation de la position aussi.

Donc le coefficient de régulation peut être le même en linéaire et non-linéaire.
On peut mettre une valeur désirée pour la position, c’est de mettre en plus du
retour en position un gain qui indique la position à laquelle on désire stabiliser le
système. Elle a pris beaucoup de temps pour simuler.

Merci !