Automatique systèmes continus

Passages entre descriptions internes et externes

1
 Table des matières
SYSTÈMES CONTINUS
. Introduction . Représentations harmoniques
. Représentations externes . Théorèmes fondamentaux
. Représentations internes . Notions de robustesse
. Systèmes linéaires évolutifs . Synthèses classiques
. Systèmes linéaires permanents . Ajustement des paramètres de
. Passages entre descriptions réglage

ÕÕÕÕÕÕÕÕ
internes et description externe . Tests normalisés
< Grandeurs d’état vs transmittances
< Transmittances vs grandeurs d’état . Critères d’amortissement
< Formes modales . Tracé du lieu d’Evans
< Formes compagnes
< Motivations . Exemples d’application
< Remarque
. Composition de systèmes

ÕÕÕÕÕÕÕÕ
. Étude de la précision

2
 Grandeurs d’état vs transmittances
Passages de la représentation en grandeurs d’état vers les transmittances
Soit donc un système markovien linéaire et permanent représenté par ces
équations d’état
⎧ x (t ) = A x (t ) + B u(t )

⎨
⎩ y (t ) = C x (t ) + D u(t )
Comme nous ne nous intéressons qu’à la partie causale des trajectoires, nous
multiplions l’ensemble de ces expressions par la fonction d’Heaviside
υ(t!t0) et nous introduisons les transformées de Laplace suivantes
⎧ X ( p) = L { x (t ) υ (t − t 0 )}
⎪
⎨ U ( p) = L {u(t ) υ (t − t 0 )}
⎪ Y ( p) = L { y (t ) υ (t − t )}
⎩ 0

Nous avons
⎧ p X ( p) = A X ( p) + BU ( p) + x (t 0 ) e − p t0
⎨
⎩ Y ( p) = C X ( p) + DU ( p)

3
 Grandeurs d’état vs transmittances
Passages de la représentation en grandeurs d’état vers les transmittances
Soit donc ⎧ p X ( p) = A X ( p) + BU ( p) + x (t 0 ) e − p t0
⎨
⎩ Y ( p) = C X ( p) + DU ( p)
Isolons X(p) de la première équation, il vient
[
X ( p) = ( p I n − A) B U ( p) + x (t 0 ) e − p t0
−1
]
Il faut bien sûr que la matrice (pIn-A) soit régulière
En remplaçant cette expression dans la seconde équation, nous obtenons
Y ( p) = C ( p I n − A)
−1
[ B U ( p) + x ( t 0 ) e ]
− p t0
+ D U ( p)
Nous trouvons de la sorte les transformées de Laplace des trajectoires libres
et forcées Y ( p) = YA ( p) + Y f ( p) où
⎧ Y ( p) = C ( p I − A) −1 x (t ) e − p t0
⎪ A n

[ ]
0
⎨
⎪⎩ f
Y ( p ) = C ( n ) B + D U ( p)
p I − A
−1

4
 Grandeurs d’état vs transmittances
Passages de la représentation en grandeurs d’état vers les transmittances
En effet, ayant M (t − t 0 ) = exp( A (t − t 0 )) nous avons

L {M (t − t 0 ) υ (t − t 0 )} = exp( A (t − t 0 )) e − p t dt
∞
∫
t0

= exp( − A t 0 ) ∫ exp(( A − pI n ) t ) dt
∞

t0

= exp( − A t 0 )( A − pI n )
−1
[ ]
exp(( A − pI n ) t ) ∞
t0

= ( pI n − A) e − p t0
−1

pour le domaine de convergence ℜ { p} ∈ ⎡⎢ max ℜ {α i }, + ∞ ⎡⎢

⎣ i ⎣

5
 Grandeurs d’état vs transmittances
Passages de la représentation en grandeurs d’état vers les transmittances
Comme
L {M (t − t 0 ) υ (t − t 0 )} = ( p I n − A) e 0
−1 − p t

Il s’ensuit que
L { y A (t , t 0 )} = L {M (t − t 0 ) x (t 0 ) υ (t − t 0 )} = ( p I n − A)
−1
x (t 0 ) e − p t0

{ }
et L y f (t , t 0 ) = F ( p) U ( p) avec
F ( p) = L { K (t )} = L {C M (t ) B υ (t ) + D δ (t )}
= C ( p I n − A)
−1
B+ D

F ( p) = C ( p I n − A)
−1
B+ D

6
 Grandeurs d’état vs transmittances
Passages de la représentation en grandeurs d’état vers les transmittances
Soit donc F ( p) = C ( p I n − A) B + D
−1

−1 Adj{ M } nous pouvons encore écrire

Comme M =
dét{ M }
C Adj{ p I n − A} B + D dét{ p I n − A}
F ( p) =
dét{ p I n − A}
Nous constatons que le dénominateur de cette expression n’est rien d’autre
que le polynôme caractéristique de la matrice A exprimé en p
PA ( p) = dét{ p I n − A}
Nous savons qu’il est de degré n (dimension de la matrice carrée A)
La matrice Adj{M} est formée de l’ensemble des mineurs principaux de M
Il s’ensuit que chaque élément de la matrice Adj{pIn-A} est un polynôme en
p au plus de degré n-1

7
 Grandeurs d’état vs transmittances
Passages de la représentation en grandeurs d’état vers les transmittances
C Adj{ p I n − A} B + D dét{ p I n − A}
Soit donc F ( p) =
dét{ p I n − A}

Comme deg{dét{ p I n − A}} = n et deg{Adj{ p I n − A}} ≤ n − 1

Nous avons lim F ( p) = D

p →∞

Nous en déduisons les propriétés suivantes :

L Si D/0 le système est strictement propre à l’infini Y à gauche et à droite

L Si D…0 le système est à la limite de propreté
L Si D est carrée et régulière, le système est bipropre

8
 Grandeurs d’état vs transmittances
Passages de la représentation en grandeurs d’état vers les transmittances
L’étude des pôles et zéros d’une transmittance se complique dans le cas des
systèmes matriciels
Nous limiterons notre étude aux systèmes scalaires m = R = 1
c T Adj{ p I n − A} b + d dét{ p I n − A}
Il vient F ( p) =
dét{ p I n − A}
où b et c sont des vecteurs colonnes de dimension n, et d un scalaire
La transmittance scalaire F(p) est une fonction rationnelle (rapport de deux
polynômes Q(p) et P(p)) Q( p )
F ( p) =
P ( p)
Deux éventualités peuvent se présenter
- ou bien, les deux polynômes sont premiers entre eux
- ou bien, ils ont des facteurs communs

9
 Grandeurs d’état vs transmittances
Passages de la représentation en grandeurs d’état vers les transmittances
Lorsque les deux polynômes sont premiers entre eux, nous disons que la
transmittance est sous forme irréductible
Nous verrons qu’il s’agit alors d’un système entièrement gouvernable et
entièrement observable
Il s’agit, sans nul doute, de la façon la plus simple de s’assurer qu’un
système est entèrement gouvernable et entièrement observable
Nul besoin de calculer les grammiens, les matrices de gouvernabilité et
d’observabilité ou encore de diagonaliser le système pour s’assurer de sa
gouvernabilité et de son observabilité
Il suffit de vérifier que le nombre de pôles de sa transmittance (zéros du
polynômes dénominateur) est égal à la dimension n de l’espace d’état
Si le nombre de pôles est égal à n, nous sommes assurés que le système est
entièrement gouvernable et entièrement observable

10
 Grandeurs d’état vs transmittances
Passages de la représentation en grandeurs d’état vers les transmittances
Si le nombre de pôles est inférieur à n la dimension de l’espace d’état, nous
savons que nous avons autant de modes ingouvernables et/ou inobservables
Si nous désirons connaître s’il s’agit d’une perte de gouvernabilité ou
d’observabilité, le plus simple est généralement alors de recourir aux
matrices de gouvernabilité et d’observabilité
Si nous désirons en plus connaître quels sont les modes ingouvernables et/ou
inobservables, nous devons généralement avoir recours à la diagonalisation
du système
À noter que lorsque le système n’est pas diagonalisable, nous pouvons
utiliser les formes dites de Jordan

11
 Grandeurs d’état vs transmittances
Passages de la représentation en grandeurs d’état vers les transmittances
Nous avons vu que partant d’une description en variable d’état
⎧ x (t ) = A x (t ) + b u(t )
⎨
⎩ y ( t ) = c T
x ( t ) + d u( t )
Nous obtenions de manière univoque, une transmittance rationnelle
irréductible (après simplification éventuelle des facteurs communs S(p)) de la
forme Q ( p ) Q' ( p ) S ( p ) Q' ( p )
F ( p) = = =
P ( p) P ' ( p) S ( p) P ' ( p)
Les racines du polynôme numérateur Q’(p) (de degré m’ # n’) sont appelées
zéros de la transmittance F(p) et les racines du dénominateur P’(p) (de degré
n’) sont appelées pôles de la transmittance
Nous avons montré que n’ # n, la dimension de l’espace d’état
Comme P(p) n’est rien d’autre que le polynôme caractéristique de la matrice
A, les pôles de la transmittance F(p) ne sont rien d’autres que les valeurs
propres des modes gouvernables et observables de la matrice A

12
 Transmittances vs grandeurs d’état
Passages des transmittances vers une représentation en grandeurs d’état
L’article indéfini «une», utilisé dans le sous-titre, a de l’importance
En effet, nous avons vu qu’une description interne d’un système n’était pas
univoque
Nous avons introduit une notion d’équivalence entre systèmes
Ainsi, nous avons montré que deux systèmes qui se caractérisaient par
l’égalité ⎛ A B⎞ ⎛ L−1 A L L−1 B⎞
⎜ ⎟⇔ ⎜ ⎟
⎝C D⎠ ⎝ CL D ⎠
étaient extérieurement indiscernables
Cette non-unicité fait toute la difficulté du passage de transmittance vers
variables d’état
À noter cependant que dès que nous possédons une représentation en
grandeurs d’état, nous les possédons toutes

13
 Formes modales
Forme modale gouvernable
Soit donc la transmittance rationnelle F(p) dont nous recherchons une
représentation en variables d’état
Supposons que les n pôles de cette transmittance sont tous distincts (pas de
racines multiples du polynôme dénominateur P(p))
Nous pouvons alors développer la fonction rationnelle en fractions simples
de la forme Qm ( p) n
bk
F ( p) = = b0 + ∑
Pn ( p) k =1 p − a k

où les ak sont les n pôles disctincts de la transmittance, racines du polynôme

Pn(p)
Notons que le coefficient b0 est identiquement nul pour les systèmes
strictement propres m < n

14
 Formes modales
Forme modale gouvernable
⎛ n
bk ⎞
Comme Y(p) = F(p) U(p), nous avons Y ( p) = ⎜ b0 + ∑ ⎟ U ( p)
⎝ k =1 p − a k ⎠
1
Posons X k ( p) = U ( p) il vient ⎧ p X k ( p) = a k X k ( p) + U ( p)
p − ak ⎪ n
⎨ Y ( p) =
⎪⎩ ∑
k =1
bk X k ( p) + b0 U ( p)
que nous pouvons mettre sous forme matricielle
⎛ X 1 ( p ) ⎞ ⎛ a1 0 . 0 ⎞ ⎛ X 1 ( p) ⎞ ⎛ 1⎞
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ X 2 ( p )⎟ ⎜ 0 a2 . 0 ⎟ ⎜ X 2 ( p)⎟ ⎜ 1⎟
p⎜ ⎟ =⎜ ⎟ ⎜ ⎟ + ⎜ ⎟ U ( p)
: . . . . : :
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ X n ( p )⎠ ⎝ 0 0 . a n ⎠ ⎝ X n ( p)⎠ ⎝ 1⎠
⎛ X 1 ( p) ⎞
⎜ ⎟
X p
Y ( p) = (b1 b2 .. bn ) ⎜
⎜ 2 ⎟ ( )
+ b0 U ( p)
: ⎟
⎜ ⎟
⎝ X n ( p )⎠
15
 Formes modales
Forme modale gouvernable
Soit encore, en passant aux transformées de Laplace inverses
⎧ x (t ) = A x (t ) + b u(t )
⎨
⎩ y ( t ) = c T
x ( t ) + d u( t )
avec ⎛ a1 0 . 0⎞ ⎛ 1⎞ Il s’agit bien d’une forme
⎜ ⎟ ⎜ ⎟
⎜0 a2 . 0⎟ ⎜ 1⎟ gouvernable puisque, la matrice du
A= ⎜ ⎟ b= ⎜ ⎟ système A étant diagonale, la
. . . . : matrice d’action b a toutes ses
⎜ ⎟ ⎜ ⎟
⎝0 0 . an ⎠ ⎝ 1⎠ lignes différentes de zéro
c T = (b1 b2 .. bn ) d = b0
Remarquons que cette forme n’est pas nécessairement observable, puisque
certaines colonnes de la matrice cT peuvent être nulles (bk=0), mais dans ce
cas, le mode correspondant disparaît de la transmittance F(p)
Ceci montre qu’un mode inobservable se traduit par
une simplification pôle-zéro de la transmittance
16
 Formes modales
Forme modale gouvernable
Nous pouvons interpréter cette forme gouvernable de la manière suivante :

1 b1
p - a1

1 b2
p - a2
u(t) 3 y(t)

1
p - an bn

17
 Formes modales
Forme modale observable
⎛ n
bk ⎞
Comme Y(p) = F(p) U(p), nous avons Y ( p) = ⎜ b0 + ∑ ⎟ U ( p)
⎝ k =1 p − a k ⎠
bk
Posons X k ( p) = U ( p) il vient ⎧ p X k ( p) = a k X k ( p) + bk U ( p)
p − ak ⎪ n
⎨ Y ( p) =
⎪⎩ ∑
k =1
X k ( p) + b0 U ( p)
que nous pouvons mettre sous forme matricielle
⎛ X 1 ( p ) ⎞ ⎛ a1 0 . 0 ⎞ ⎛ X 1 ( p) ⎞ ⎛ b1 ⎞
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ X 2 ( p )⎟ ⎜ 0 a 2 . 0 ⎟ ⎜ X 2 ( p)⎟ ⎜ b2 ⎟
p⎜ ⎟ =⎜ ⎟ ⎜ ⎟ + ⎜ ⎟ U ( p)
: . . . . : .
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ X n ( p )⎠ ⎝ 0 0 . a n ⎠ ⎝ X n ( p)⎠ ⎝ bn ⎠
⎛ X 1 ( p) ⎞
⎜ ⎟
X p
Y ( p) = (1 1 .. 1) ⎜
⎜ 2 ⎟ ( )
+ b0 U ( p)
: ⎟
⎜ ⎟
⎝ X n ( p )⎠
18
 Formes modales
Forme modale observable
Soit encore, en passant aux transformées de Laplace inverses
⎧ x (t ) = A x (t ) + b u(t )
⎨
⎩ y ( t ) = c T
x ( t ) + d u( t )
avec ⎛ a1 0 . 0⎞ ⎛ b1 ⎞ Il s’agit bien d’une forme
⎜ ⎟ ⎜ ⎟
⎜ 0 a2 . 0⎟ ⎜ b2 ⎟ observable puisque, la matrice du
A= ⎜ b= ⎜ ⎟ système A étant diagonale, la
. . . .⎟ : matrice de mesure cT a toutes ses
⎜ ⎟ ⎜ ⎟
⎝0 0 . an ⎠ ⎝ bn ⎠ colonnes différentes de zéro
c T = (1 1 .. 1) d = b0
Remarquons que cette forme n’est pas nécessairement gouvernable, puisque
certaines lignes de la matrice b peuvent être nulles (bk=0), mais dans ce cas,
le mode correspondant disparaît de la transmittance F(p)
Ceci montre qu’un mode ingouvernable se traduit par
une simplification pôle-zéro de la transmittance
19
 Formes modales
Forme modale observable
Nous pouvons interpréter cette forme observable de la manière suivante :

b1 1
p - a1

b2 1
p - a2
u(t)
3 y(t)

1
bn p - an

20
 Formes modales
Formes modales gouvernables et observables
Tout système diagonalisable, entièrement gouvernable, peut toujours se
mettre sous une forme modale gouvernable
Tout système diagonalisable, entièrement observable, peut toujours se mettre
sous une forme modale observable
Que pouvons nous dire des systèmes non diagonalisables ?
Nous pouvons avoir recours aux formes de Jordan qui sont des extensions
des formes modales
En effet, le développement en fractions simples contient dans ce cas des
termes de la forme μk bk , A
Fk ( p) = ∑
A =1 ( p − a k )
A

où μk représente la multiplicité du pôle ak

21
 Formes modales
Forme de Jordan gouvernable μk bk , A
Comme Y(p) = F(p) U(p), nous avons Yk ( p) = ∑ (p − a
A =1 ) A U ( p)
k
1
Posons X k , A ( p) = A U ( p)
nous constatons que
( p − ak )
1 1
X k , A + 1 ( p) = X k , A ( p) et X k , 1 ( p) = U ( p)
p − ak p − ak
de sorte que p X k , 1 ( p) = a k X k , 1 ( p) + U ( p)
p X k , A + 1 ( p) = a k X k , A + 1 ( p) + X k , A ( p)
μk
Yk ( p) = ∑b
A =1
k,A X k , A ( p)

22
 Formes modales
Forme de Jordan gouvernable
Si p X k , 1 ( p) = a k X k , 1 ( p) + U ( p) nous pouvons mettre ces
p X k , A + 1 ( p) = a k X k , A + 1 ( p) + X k , A ( p) expressions sous forme
matricielle, pour obtenir
μk
un bloc de Jordan
Yk ( p) = ∑b
A =1
k,A X k , A ( p)

⎛ X k ,1 ⎞ ⎛ a k 0 0 0 ⎞ ⎛ X k , 1 ⎞ ⎛ 1⎞
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
X
⎜ k ,2 ⎟ ⎜ 1 ak 0 X
0 ⎟ ⎜ k , 2 ⎟ ⎜ 0⎟
p⎜ ⎟ =⎜ ⎟ ⎜ ⎟ + ⎜ ⎟ U ( p)
: 0 1 ak 0 : 0
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ X k , μk ⎠ ⎝ 0 0 1 a k ⎠ ⎝ X k , μ k ⎠ ⎝ 0⎠
⎛ X k ,1 ⎞
⎜ ⎟
X
(
Yk ( p) = bk , 1 bk , 2 .. bk , μ k ) ⎜ k,2 ⎟
⎜ : ⎟
⎜ ⎟
⎝ X k , μk ⎠
23
 Formes modales
Forme de Jordan gouvernable
Soit encore, en passant aux transformées de Laplace inverses
⎧ x k (t ) = Ak x k (t ) + bk u(t )
⎨
⎩ y k ( t ) = c T
k x k (t )

avec ⎛ ak 0 0 0⎞ ⎛ 1⎞ Il s’agit bien d’une forme

⎜ ⎟ ⎜ ⎟
⎜ 1 ak 0 0⎟ ⎜ 0⎟ gouvernable car u(t) agit sur xk,1(t),
Ak = ⎜ bk = ⎜ ⎟ qui agit sur xk,2(t), qui agit sur
0 1 ak 0⎟ :
⎜ ⎟ ⎜ ⎟ xk,3(t), et ainsi de suite jusqu’à agir
⎝ 0 0 1 ak ⎠ ⎝ 0⎠ sur xk,μk(t)
(
c kT = bk , 1 bk , 2 .. bk , μ k )
Remarquons que cette forme n’est pas nécessairement observable, puisque
toute la matrice cT peut être nulle (bk,R=0, œR), mais dans ce cas, le mode
correspondant disparaît de la transmittance F(p)
Ceci confirme qu’un mode inobservable se traduit bien
par une simplification pôle-zéro de la transmittance
24
 Formes modales
Forme de Jordan observable
Il est bien sûr possible de construire des blocs de Jordan observables

Nous laissons le soin au lecteur d’y procéder à titre d’exercice.

25
 Formes compagnes
Justification
Les formes modales présentent deux défauts majeurs :
- elles demandent de rechercher les racines du dénominateur de la
transmittance
- elles se compliquent lorsque certaines racines sont multiples
Nous allons voir que les formes compagnes ne présentent pas ces
désavantages, en ce sens qu’il suffit de connaître les coefficients des
polynômes Qm(p) et Pn(p) pour construire directement les représentations
n −1
recherchées
Q( p ) Q'( p)
∑
A= 0
b A p A

Soit donc F ( p) = = d+ =d+ n −1

Pn ( p) Pn ( p)
pn + ∑ ak p k
k =0
Le coefficient d est nul pour des systèmes strictement propres

26
 Formes compagnes
Formes compagnes gouvernables ⎛ n −1
⎞
⎜ ∑ bA p A
⎟
Comme Y(p) = F(p) U(p), nous avons Y ( p) = ⎜ d + A= 0 ⎟ U ( p)
⎜ n −1
⎟
Posons X ( p) =
U ( p)
⎜ p + ∑ ak p ⎟
n k
n −1 ⎝ k =0 ⎠
p + ∑ ak p
n k

k =0
Il vient ⎛ Posons encore
k⎞
n −1

⎜
⎝
p n
+ ∑
k =0
a k p ⎟ X ( p) = U ( p)
⎠
X i ( p) = p i −1 X ( p)

n −1
Soit X i + 1 ( p) = p X i ( p)
Y ( p) = d U ( p) + ∑b
A= 0
A p A X ( p)
n
p X n ( p) + ∑a
k =1
k −1 X k ( p) = U ( p)
n
Y ( p) = d U ( p) + ∑b
A =1
A −1 X A ( p)

27
 Formes compagnes
Formes compagnes gouvernables
Soit encore, en passant aux transformées de Laplace inverses
⎧ x k (t ) = A x k (t ) + b u(t )
⎨ y ( t ) = c T x ( t ) + d u( t )
⎩ k k

avec ⎛ 0 1 0 0 ⎞ ⎛ 0⎞
⎜ ⎟ ⎜ ⎟
⎜ 0 0 1 0 ⎟ ⎜ 0⎟
A= ⎜ b= ⎜ ⎟
0 0 0 1 ⎟ 0
⎜ ⎟ ⎜ ⎟
⎝ − a 0 − a1 − a 2 − a n − 1 ⎠ ⎝ 1⎠
c T = (b0 b1 b2 bn −1 ) d=d

Il s’agit bien d’une forme gouvernable car u(t) agit sur xn(t), qui agit sur
xn-2(t), qui agit sur xn!3(t), et ainsi de suite jusqu’à agir sur x1(t)
Notons que cette forme n’est pas nécessairement observable.

28
 Formes compagnes
Formes compagnes observables ⎛ n −1
⎞
⎜ ∑ bA p A
⎟
Comme Y(p) = F(p) U(p), nous avons Y ( p) = ⎜ d + A= 0 ⎟ U ( p)
⎜ n −1
⎟
Posons Y ( p) = Ybp ( p) + Ysp ( p) ⎜ p + ∑ ak p ⎟
n k
⎝ k =0 ⎠
avec ⎧ Ybp ( p) = d U ( p)
⎪ n −1
⎪⎪
⎨
∑
A= 0
b A p A

Y
⎪ sp ( p ) =
 n −1 U ( p)
⎪ pn + ∑ ak p k
⎪⎩ k =0

Soit encore ⎛ n n −1
k⎞
n −1

⎜p +
⎝
∑
k =0
a k p ⎟ Ysp ( p) =
⎠
∑ A U ( p)
b p
A= 0
A

29
 Formes compagnes
Formes compagnes observables
Ayant ⎛ n n −1 ⎞ n −1

⎜ p + ∑ a k p k ⎟ Ysp ( p) = ∑ bA p A U ( p)
⎝ k =0 ⎠ A= 0

( )
n −1
nous pouvons encore écrire p n Ysp ( p) = ∑ p k bk U ( p) − a k Ysp ( p)
k =0
A −1 bk U ( p) − a k Ysp ( p)
Posons X A ( p) = ∑
k =0 p A− k
Il vient ⎧
p X A ( p) = X A −1 ( p) + bA −1 U ( p) − a A −1 Ysp ( p)
⎪
⎨ p X 1 ( p) = b0 U ( p) − a 0 Ysp ( p)
⎪
⎪⎩ Ysp ( p) = X n ( p)

30
 Formes compagnes
Formes compagnes observables
Soit encore, en passant aux transformées de Laplace inverses
⎧ x k (t ) = A x k (t ) + b u(t )
⎨ y ( t ) = c T x ( t ) + d u( t )
⎩ k k

avec ⎛0 0 − a0 ⎞
0 ⎛ b0 ⎞
⎜ ⎟ ⎜ ⎟
⎜1 0 0 − a1 ⎟ ⎜ b1 ⎟
A= ⎜ b= ⎜
0 1 0 − a2 ⎟ b2 ⎟
⎜ ⎟ ⎜ ⎟
⎝0 0 1 − a n −1 ⎠ ⎝ bn −1 ⎠
cT = (0 0 0 1) d = d
Il s’agit bien d’une forme observable car x1(t) agit sur x2(t), qui agit sur
x3(t), et ainsi de suite jusqu’à agir sur xn(t) qui n’est rien d’autre que y(t)
Notons que cette forme n’est pas nécessairement gouvernable.

31
 Motivations
Pourquoi procéder à de tels passages ?
La représentation interne est très complète.
⎧ x (t ) = A x (t ) + B u(t )
⎨
⎩ y (t ) = C x (t ) + D u(t )
Elle permet de faire l’étude de gouvernabilité et d’observabilité.
Elle permet surtout de réaliser la synthèse de systèmes connus grâce à leur
transmittance
En effet, il suffit de posséder des éléments d’intégration, de sommation et de
multiplication, pour réaliser la synthèse d’un système, lorsque nous
connaissons une représentation interne de ce système.
x1(t)
Soit donc .
x(t) x2(t) + + x1(t)+x2(t)-x3(t)
I x(t)

x(t) A x(t) -
A x3(t)

32
 Motivations
Pourquoi procéder à de tels passages ?
Nous constatons pouvoir synthétiser
⎧ x (t ) = A x (t ) + B u(t )
⎨
⎩ y (t ) = C x (t ) + D u(t )
sous la forme
.
x(t) x(t) y(t)
u(t)
I
+ +
B C
+ +

33
 Remarque
CNS de linéarité d’un système
Nous entendons souvent dire qu’une condition nécessaire et suffisante pour
établir qu’un système est linéaire est de pouvoir le mettre sous la forme
⎧ x (t ) = A(t ) x (t ) + B (t ) u(t )
⎨
⎩ y (t ) = C (t ) x (t ) + D(t ) u(t )
Faisons remarquer qu’il ne s’agit que d’une condition suffisante
En effet, s’il est vrai que tout système mis sous cette forme est
nécessairement linéaire, nous ne pouvons en déduire que si nous ne
parvenons pas à mettre un système sous cette forme cela implique qu’il est
non-linéaire
Pour s’en convaincre, il suffit de donner un contre-exemple
Ainsi, le système y(t) = u(t-τ) est incontestablement linéaire (et permanent),
il ne souffre cependant pas de la possibilité d’une mise en variables d’état
sous la forme prédéfinie

34
 Remarque
CNS de linéarité d’un système
De manière plus générale, nous pouvons définir un système linéaire évolutif
∫ ( A(t , τ ) x(t − τ ) + B(t , τ )u(t − τ )) dτ
sous la forme ⎧ +∞
⎪ x (t ) = −∞
⎨
∫ (C(t , τ ) x(t − τ ) + D(t , τ )u(t − τ )) dτ
+∞
⎪⎩ y (t ) = −∞

⎧ x (t ) =
∫ ( A(τ ) x(t − τ ) + B(τ )u(t − τ )) dτ
+∞
Et pour un système permanent ⎪ −∞
⎨
∫ (C(τ ) x(t − τ ) + D(τ )u(t − τ )) dτ
+∞
⎪⎩ y (t ) = −∞

⎧ x (t ) =
∫ ( A(τ ) x(t − τ ) + B(τ )u(t − τ )) dτ
t
Et pour un système causal ⎪
⎨
0

∫ (C(τ ) x(t − τ ) + D(τ )u(t − τ )) dτ

t
⎪⎩ y (t ) = 0

Un tel système a pour transmittance

F ( p,0) = C ( p,0)( pI n − A( p,0)) B( p,0) + D( p,0)
−1

où X ( p,0) = L {x (t )υ (t )}

35
 Remarque
CNS de linéarité d’un système
Lorsque l’évolution des grandeurs d’état x(t) et celle des grandeurs de sortie
y(t) ne dépendent que des valeurs prises à l’instant présent par les grandeurs
d’état x(t) et les grandeurs d’entrée u(t), le système est dit markovien

⎧ A(t , τ ) = A(t )δ (t − τ ) B(t , τ ) = B(t )δ (t − τ )

⎨
⎩ C (t , τ ) = C (t )δ (t − τ ) D(t , τ ) = D(t )δ (t − τ )
À quelques exceptions près, nous limiterons notre étude dans le cadre de ce
cours aux systèmes markoviens

36