Académique Documents
Professionnel Documents
Culture Documents
MINISTERE DE L’ENSEIGNEMENT
ا ا
SUPERIEUR, DE LA RECHERCHE ا وا ا وزارة ا
SCIENTIFIQUE ET DE LA FORMATION ا ط و
DES CADRES
____________________________________________________________________________
Cycles Ingénieurs
Systèmes Electriques et Energies Renouvelables (SEER)
Génie Electrique et Contrôle des Systèmes Industriels (GECSI)
Niveau : 1èreAnnée
Version 2016-2017
PREAMBULE
Ce document représente le Support de cours destiné aux élève-Ingénieurs en 1ére Année du cycle
Systèmes Electriques et Energies Renouvelables (SEER) et ceux du cycle Génie Electrique et
Contrôle des Systèmes Industriels (GECSI) de l’ENSET de Mohammedia. Sans prétendre ni son
originalité ni l’absence des erreurs de calcul, d’oubli ou de frappe, ce support résume les idées et
«
les notes de cours qui concernent l’enseignement de l’élément de module Régulateurs et
»
Représentation d’état . L’objectif est de présenter un autre aspect des asservissements en
tenant compte de la représentation interne des systèmes dynamiques linéaires. Dans ce cadre, la
description du système à asservir est basée sur un système d’équations différentielles linéaires du
premier ordre. En plus des informations disponibles concernant les variables internes, l’intérêt de
ce type de représentations vient, d’une part, que tout système linéaire d’ordre quelconque peut
se ramener à un tel système d’équations différentielles que l’on sait résoudre directement ces
systèmes (sans passer par la transformée de Laplace). De plus, les résultats présentés ici sont
directement applicables aux systèmes multivariables.
Chapitre 1 : Introduction……………………………………………………………………………………………………..4
I. Introduction……………………………………………………………………………………………….19
II. Matrice de passage..……………………………………………………………………………….. 19
III. Forme gouvernable ou forme compagne de commande.……………………….. 19
IV. Forme compagne d’observation…………………………………………………………………22
V. Forme Modale………………………………………………………………………………………….. 23
VI. Fonctions Matlab de Conversion………………………………………………………………. 24
I. Position du problème……………………………………………………………………………………… 25
II. Exemple…………………………………………………………………………………………………………. 25
III. Commandabilité de l’état…………………………………………………………………………………27
e
Soit U le vecteur contenant ces deux variables : U = e
Figure 1.1. Circuit électrique
1. Equation différentielle:
Le système est linéaire invariant dans le temps, il peut donc être représenté par un système
d’équations différentielles à coefficients constants. Ainsi les équations électriques qui traduisent le
fonctionnement de ce système sont :
s t = e t − e t − R .i t − V t
di
e = R . i + L .. +V
dt
di
e = L .. +V
dt
2. Fonction de transfert:
La fonction de transfert est relativement difficile à appliquer dans ce cas de figure étant donné que le
système présente deux entrées (Système multivariable). Néanmoins moyennant des Transformées
de Laplace, et tenant compte de la linéarité du système on peut appliquer le théorème de
superposition, et la sortie du dispositif peut s’écrire par :
S p =F p E p +F p E p
L p 1+L p
Avec:
F p =
R + L + L p + R L p + L L Cp
−L p
Et
F p =
R + L + L p + R L p + L L Cp
S p
H p = = F p F p !
U p
3. Réponse impulsionnelle :
La réponse impulsionnelle notée souvent h(t), est par définition l’expression de la sortie s(t) lorsque
l’entrée est une impulsion de Dirac. Dans notre cas, il est difficile de parler de la réponse
impulsionnelle puisqu’on dispose de deux entrées.
Néanmoins, Dans le cas d’un système monovariable défini par sa fonction de transfert H(p), sa
réponse impulsionnelle est déterminée par la transformée inverse de Laplace de H(p) :
ℎ # = ℒ% & !
4. Représentation d’état :
A un instant donné t, on peut considérer que le système se trouve dans un certain "état" défini par
les valeurs prises par les grandeurs électriques i1(t), i2(t) et v(t).
Soit X le vecteur contenant ces variables :
X t = x t x t x t !) = i t i t V t !)
On appelle ce vecteur X(t) l’état du système. Toutes les équations d'évolution de ce système peuvent
s’écrire en fonction des entrées, des composantes x1(t), x2(t), x3(t) de X(t) et de leurs drivées. Ainsi
les équations électriques précédentes deviennent :
, 1 1
*+ = − * − * + .
- - -
1 1
*+ = − * + .
- -
1 1
*+ = − * + *
/ /
4 6
Ce qui peut s‘écrire :
3− 7 − < 6
2 56 56; 3 7<
6 256 ;
0+ = 2 7 7 − ;0 + 2 6 ;.=
2 58; 27
2 6 6 ; 58;
17 7:
1 −9 9 7 :
>+ ? = @. > ? + A. B ?
Avec :
La matrice A traduit le côté dynamique du système, tandis que B traduit l’influence directe de la
commande U(t) sur le vecteur d’état X(t).
La sortie Y quant à elle, elle peut s’exprimer par une équation statique du type :
F ? = G. > ? + H. B ?
G = −K 7 − 6!
C’est-à-dire :
H = 6 7!
et
5. Généralisation :
Un système linéaire continu est décrit par une représentation d'état de type :
Remarque :
Dans les cas d’un système monovariable dit encore «SISO» (Single Input Single Output), si le vecteur
d’état est de dimension « n », alors les dimensions des différentes matrices qui interviennent dans la
représentation d’état sont :
– A est de dimension n lignes ×n colonnes,
– B est de dimension n lignes ×1 colonne,
– C est de dimension 1 ligne ×n colonnes,
– D est une constante (très souvent nulle).
La représentation conventionnelle d’un système dynamique par la fonction de transfert est une
Représentation Externe dans laquelle on ne dispose d’aucune information sur le comportement
interne sachant que celui-ci peut présenter des phénomènes et des comportements « nuisibles » tels
que (saturations, non linéarités, etc.). D’autant plus que le mode de Représentation par la Fonction
de transfert n’est valable que pour un Système mono-entrée mono-sortie (SISO).
Le concept d’état se caractérise par :
− Une représentation reposée sur la notion d'énergie.
− Le processus est décrit par ses variables d'état.
− Ces variables d'état donnent une description interne complète de l'évolution du système.
− La représentation est matricielle mais de premier ordre.
− La représentation est temporelle
− L'évolution d'un processus à partir d’un instant t0 donné dépend :
o de son état initial,
o des sollicitations extérieures (commandes et perturbations).
- L’état d’un système à un instant donné représente la mémoire minimale du passé nécessaire
pour prédire son évolution. C’est donc l'ensemble minimum de variables qui contiennent
l'information suffisante sur l'histoire du système pour permettre de calculer tous les états
futurs.
- Les variables d’état doivent apporter une description interne du système. On choisit
souvent celles pour lesquelles on peut définir l’état initial et qui décrivent des ”réservoirs”
d’énergie. Ainsi, comme il est décrit dans le tableau ci-dessous :
o Pour un système mécanique, l'état peut être l'ensemble des positions et vitesses
relatives à chaque degré de liberté (ou toute combinaison équivalente).
o Pour un réseau électrique, l'état peut être défini par le courant dans chaque inductance
et la tension aux bornes de chaque capacité (ou toute combinaison équivalente).
1
-Q
2
Inductance i(t)
1
/Z
2
Condensateur U(t)
1
[\ T* #
x(t) et
2 \ # =
Masse m
T#
1
]*
2
Ressort k x(t)
1
^ω Tθ #
θ(t) et
2 ω # =
Moment J
T#
Tableau résumé des états de quelques systèmes
p. X p = A. X p + B. U p , soit :
F(g)
f(g) = = G. (ghi − @)%6 A + H
B(g)
Exemple :
Donc :
0 1o %
1 0 / pq
pI − A %
=j k m−n
0 1 −1o −,o
- -
−1o %
/
pI − A %
=j + ,o q
1o
- -
1 + ,o- 1o
/q
pI − A %
= .j
. r + ,o-s + 1o-/ −1o
-
La fonction de transfert H(p) a pour expression :
1 + ,o- 1o
/q t 0 u
H p = . 1 0! j 1o
. r + ,o-s + 1o-/ −1o
- -
De l’autre côté, on a :
p + RoL 1oC 0 0
1 0! j q t1o u = vp + RoL 1oCw. t1o u = 1oLC
−1o p L L
L
Par conséquent on obtient la fonction de transfert suivante :
6 6
f g = . 6oxG =
K 6
g. rg + oxs + oxG xG. g + KG. g + 6
8
Remarque :
Bien que la représentation d’état n’est pas unique, la matrice de transfert d’un système (ou fonction
de transfert) est invariante pour tout changement de la description d’état.
Pour un système donné, il existe plusieurs représentations d'état possibles sachant que l'on peut
passer d'une représentation à une autre par un changement de base, ou par des transformations
permettant l’obtention de plusieurs formes de représentation particulières. En effet :
Soit X est l'état d'un système et soit M une matrice inversible.
En fait, on peut prendre comme nouveau vecteur d’état n’importe quelle combinaison linéaire
d’un vecteur d’état valable.
Ainsi, si on pose y = z. > , on obtient une nouvelle représentation d’état qui est :
Z+ t = M A. M % Z t + MB. U t
Y t = C. M % Z t + B. U t
L'état du système peut être composé de variables physiques. Prenons l'exemple du système
électromécanique de la figure 1.4. La variable d'entrée est u, la variable de sortie est θ. Les équations
di t dθ t
du système sont :
K. u t = R. i t + L. + k.
dt dt
dθ t dθ t
k. i t = J. + f.
dt dt
En suivant ce qui est dit dans la définition de l'état au chapitre précédent, nous choisissons, pour
Position : * = ‚
représenter l'état du système, les variables :
Vitesse : * =
ƒ„
ƒ…
Courant : * = Q
Ce qui donne les équations suivantes :
† ]
*+ = − * + *
^ ^
] , ]
*+ = − * − * + . O
- - -
‡=‚
0 1 0
3 f k < 0
20 − ; 0
X+ = 2 J J ; X + ˆ k ‰ . U
2 k R ;
L
10 −
L
− :
L
Y= 1 0 0!. X
Dans cette section, nous cherchons à connaître la ou les sorties yi(t) (vecteur Y) connaissant les
entrées ei(t) (Vecteur U) et l’état du système à l'instant initial (X(0)). Pour ce faire, Il est clair que
nous aurons à calculer d’abord X(t).
Les deux premières parties de ce qui suit permettent de poser le problème de la résolution des
équations différentielles. La troisième partie montre quelques propriétés de la matrice de transition
qui permet de passage d’un état à un autre, ce qui nous permettra, dans la quatrième partie
d'aborder le calcul proprement dit.
1. Cas scalaire
x+ = a. x + b. u
Soit un système décrit par :
y = c. x
p. X p − x 0 = a. X p + b. U p
* 0 1
X p = + . b. U p
−P −P
•
En prenant la transformée inverse :
x t = eŽ• . x 0 + • eŽ •%‘
. b. u τ dτ
’
Le premier terme de cette équation correspond au régime libre tandis que le deuxième terme traduit
le régime forcé.
2. Cas général
Notre système est décrit par les équations matricielles de type :
X+ t = A. X.
Dans un premier temps, on considère le système autonome (U = 0). L'équation de l'état X devient :
p. X p − X 0 = A. X p
La transformée de Laplace de cette équation donne :
composantes x” # .
Dans cette dernière équation X(p) représente le vecteur des Transformées de Laplace des
X p = p. Ic − A % . X 0
X t = •-% p. Ic − A %
!. X 0
Par définition la matrice . ˜… est appelée matrice de transition du système : elle permet de passer de
l’état X(0) à l’état X(t)
Dans le cas du régime forcé, l'équation d'évolution de X est :
X+ t = A. X t + B. U t
La transformée de Laplace de cette équation donne :
p. X p − X 0 = A. X p + B. U p
X p = p. Ic − A %
. X 0 + p. Ic − A %
. B. U p
En prenant la transformée inverse :
•
X t = e—• . X 0 + • e— •%‘
. B. U τ dτ
’
X t =e — •%…™
. X #’ + • e— •%‘
. B. U τ dτ
…™
Comme pour le cas scalaire, le premier membre de cette équation correspond au régime libre, le
deuxième, au régime forcé. Cette équation montre que si l'on calcule e—• , on aura X(t) donc Y(t). Mais
avant de passer au calcul proprement dit de e—• , on va en voir quelques-unes de ses propriétés.
Remarques :
Lorsque l’entrée u(t) est une impulsion de Dirac : u(t)=δ(t), elle se comporte comme un élément
neutre pour la convolution. Par conséquent le deuxième terme de l’expression de X(t) devient :
> ? = ›@? . A et par la suite la sortie sera : F ? = G. ›@? . A sachant que la matrice D est nulle.
™
sont nulles, on aura :
est : œ ? = G. ›@? . A
Conclusion : La réponse impulsionnelle h(t) d’un système linéaire décrit par sa représentation d’état
Pour les systèmes linéaires variant dans le temps (dits aussi linéaires non stationnaires) la matrice de
transition est souvent notée Φ(t,t0) telle que en régime libre :
X t = Φ t, t ’ . X t ’
•
La solution de l’équation d’état s’écrit alors :
X t = Φ t, t ’ . X t ’ + • Φ t, τ . B τ . U τ dτ
•™
REMARQUE : Dans le cas particulier où la matrice A est diagonale la matrice de transition se calcule
par :
•
Φ t, t ’ = exp • • A τ Tτ.ž
•™
£
Ÿ Φ t = e —•
= I + .# + .# + ⋯+ . #£ + ⋯
2! S!
¤ ve—• w•¥’ = Ic
Tve—• w
¦ = . e—•
T#
•
§ • e—‘ . dτ = A% ve—• − Ic w
’
« re—• s = e%—•
%
Cette technique de calcul exploite le développement en série d’une fonction exponentielle. Ainsi
pour le cas scalaire, on rappelle que :
P P£
eŽ• = 1 + P# + . # + ⋯ + . #£ + ⋯
2! S!
Une telle méthode est simple et basique mais son application nécessite la convergence de cette
série. Le calcul est simplifié si A est nilpotente.
Définition :
-
= 0£ = 0!
Une matrice carré A est dite nilpotente d’ordre k s’il existe un entier k>0 tel que : pour r>k,
Exemple :
0 1 0 1 0 1 0 0 0 0
=k m; =k m.k m=k m ; ce qui implique que : £
=k m ∀ S ≥ 2
0 0 0 0 0 0 0 0 0 0
1 0 0 1 1 #
Par conséquent : e—• = I + . # + 0 = k m +k m . # ; soit : e—• = k m
0 1 0 0 0 1
Φ t = e—• = TL% p. Ic − A % !
Exemple. Soit un système en régime libre décrit par l’équation d’état suivante :
−5 −1
X+ t = k m.X t
6 0
1 0 −5 −1 % p+5 1 %
pI − A %
= k m−k m =
0 1 6 0 −6
1 p −1
pI − A %
= .
+3 +2 6 +5
6. − 6. 3. % … − 2. % …
On considère une matrice A carrée d’ordre n, et λ une valeur propre de A, alors λ est solution de
RAPPELS :
Théorème de Caley-Hamilton :
¶ @ = C· + Ÿ·%6 C·%6 + ⋯ + Ÿ6 @ + Ÿ7 ¸· = 7
Toute matrice carrée A satisfait son équation caractéristique. C‘est à dire :
2 1
Exemple et généralisation
Soit = k m.
−1 3
On forme l’équation caractéristique det λ. I − A!. C’est-à-dire :
λ − 2 −1
¹ ¹=0
1 λ−3
Soit : µ − 5µ + 7 = 0
=5 −7
Le théorème de Caley Hamilton permet d’écrire :
Φ t = e—• = ¾’ t I + ¾ t +¾ t . + ⋯ + ¾£% t £%
Formule de Silvester
Les fonctions ¾” t dépendant du temps permettent alors, lorsqu’elles sont déterminées, de calculer
la fonction de transition en un nombre fini de puissances de matrice A.
Si la matrice A possède n valeurs propres non nulles distinctes: λ’ , λ , . . λ£% , les coefficients
¾’ t , ¾ t , . . ¾£% t sont solutions du système formé par les équations suivantes :
eÁ™ • = ¾’ t + ¾ t λ’ + ¾ t . λ’ + ⋯ + ¾£% t λ’ £%
eÁ¨ • = ¾’ t + ¾ t λ + ¾ t . λ + ⋯ + ¾£% t λ £%
.
.
ENSET Mohammedia M.BAHATTI Page 16
eÁ½Â¨ • = ¾’ t + ¾ t λ£% + ¾ t . λ£% + ⋯ + ¾£% t λ£% £%
Exemple :
2 1
=k m
−1 3
On reprend l’exemple précédent :
Les valeurs propres de cette matrice sont : λ’ = −2 .# λ = −3. D’après la relation précédente, on
aura : Φ t = e—• = ¾’ t I + ¾ t
e% •
= ¾’ t + ¾ t . −2
e% •
= ¾’ t + ¾ t . −3
Ce qui donne :
¾’ t = 3. % …
− 2. % …
¾ t = .% …
− .% …
1 0 2 1
m = −2.% … + 3.% … −. % … + . % …
% … % …
e—• = 3. % …
− 2. % …
k m + .% …
− .% …
.k
0 1 −1 3 6. − 6. 3. % … − 2. % …
Cas 2 : Valeurs propres multiples :
Lorsque les Valeurs propres de la matrice A ne sont pas toutes distinctes, on décompose la
procédure en étapes:
Conclusion :
En procédant ainsi pour toutes les valeurs propres simples ou multiples, on établit un système de n
équations duquel on déduit les fonctions αi(t)
Exemple : Calculons la matrice de transition pour un système caractérisé par matrice d’état suivante:
0 1
=k m
−1 −2
La matrice A possède une valeur propre double λ = −1 :
Matrice de transition :
e ˜• = ¾’ (t). Å
1 t . %… #. %…
¾ t .
#. %… 1 # . %…
e ˜• •. . ∆… . • % •. TQPÇ . ÁÈ … . • %
Exemple :
Soit la matrice d’état suivante :
5 1
m k
6 0
Calculons ses valeurs propres et ses vecteurs propres :
p 5 1
det pI A! T.# 5 6 5 6 2 3
6
Les deux valeurs propres sont : λ 2 .# λ 3
Les vecteurs propres s’obtiennent en résolvant les équations :
AvÊ λÊ vÊ ROX Q 1,2
La résolution de ce système d’équations nous donne :
1 1
vm .# v
k k m
3 2
1 1
La matrice de passage est alors : • k m
3 2
Par conséquent, la matrice de transition d’état est donnée par :
% …
e ˜• •. . 0 . •% 2. % … 3. % … .% … .% …
% …
0 . 6. % … 6. % … 3. % … 2. % …
I. Introduction :
Dans le chapitre 1, section III.2, nous avons vu qu’il est possible de passer de la représentation
interne d’un système vers sa fonction de transfert. Ce chapitre a pour objectif de traiter le chemin
inverse en investiguant les méthodes qui permettent d’élaborer une représentation d’état à partir de
la fonction de transfert.
Notons que la méthode qui donne le maximum d’informations est celle qui consiste à déterminer la
représentation d’état directement à partir des équations de la physique appliquées au système
considéré.
sous la forme > = ¶. y où X est un vecteur d’état et si la matrice P est inversible alors Z est
Pour un système donné, le choix du vecteur d’état n’est pas unique. Ainsi, si le vecteur X peut s’écrire
X+ t = X t + Bu t , donc PZ
+ t = P. Z t + Bu t . Ce qui implique :
Z+ t = P % A P. Z t + P % Bu t .
Cette dernière équation est bien une équation d’état de la forme : Z+ t = AË . Z t + BË u t avec :
@Ì = ¶ %6 @ ¶ et AÌ = ¶ %6 A
Y t = CË . X t + DË . u t ; Telle que : GÌ = G ¶ et HÌ = H
Cette transformation linéaire correspond à un changement de base dans l’espace d’état. P est
appelée la matrice de passage de la représentation d’état (X) à la représentation d’état (Z). Cette
opération est une transformation de similarité.
Le fait de disposer de différentes représentations d’état pour un même système est un avantage qui
va permettre d’utiliser des formes particulières de la représentation d’état pour des problèmes
particuliers.
Ces formes particulières qui seront étudiées par la suite, sont appelées les formes canoniques. On
distingue trois grands types de formes canoniques :
- La forme compagne de commande.
- La forme compagne d’observation.
- La forme diagonale ou quasi-diagonale de Jordan.
Considérons d’abord un système décrit par sa fonction de transfert H(p) telle que :
Le fonctionnement du système peut être également caractérisé par l’équation différentielle suivante,
dans laquelle les dérivés de l’entrée n’interviennent pas.
T£ ‡ # T£% ‡ # T£% ‡ # dy t
+ P + P …+ P + P’ ‡ # = O #
T# £ £%
T# £% £%
T# £% T#
y
On choisit de représenter l'état du système par des variables de phase (sorties des intégrateurs):
3 dy <
2 ; *
2 T# . ; 3 * <
2 . ; 2 . ;
2 ;
X=2 . ;=2 . ;
2T£% ‡; 2 . ;
2 £% ; 2*£% ;
2 T# ; 1 *£ :
2T£% ‡;
1 T# £% :
Les équations d’état s’écrivent alors :
x+ t = * #
x+ t = * #
x + t = *Ï #
x+ £% t = *£ #
T£ ‡ #
x£+ t = = P£% *£ # + P£% *£% # … + P * t − P’ * # + O #
T# £
Pour la sortie y(t), elle est exprimée par : y t = * #
…
Ce qui donne, sous forme matricielle une équation d’état de la forme :
0 1 0 0
3 0 0 1 … < 30 <
2 … … … … ; 2… ;
…
X+ t = 2 … … … … ; . X t + 2… ; O #
2 … … … ; 2… ;
2 0 0 0 1 ; 20 ;
1−P’ −P −P −P£% : 11 :
Y t = 1 0 0 … … 0 !. X t
Í Ð
H p = = £ .
Z + P£% £% + ⋯ + P p + P’
La représentation d’état subit un changement uniquement au niveau de la matrice B
Celle-ci devient :
Dans ce cas, les dérivées de l’entrée interviennent dans l’équation différentielle décrivant le système.
Elle sera de la forme ci-dessous, sachant que m<n :
T£ ‡ # T£% ‡ # T‡ # TO # TÓ O #
+ P + ⋯ + P + P ‡ # = Ò O # + Ò + ⋯ + Ò
T# £ £%
T# £% T# ’ ’
T# Ó
T# Ó
La fonction de transfert de ce système est :
Í Ò’ +Ò p + ⋯ + ÒÓ Ó
H p = =
Z £+P
£%
£% + ⋯ + P p + P
’
=× .Ö
Ô Õ Ô Õ × Õ
Pour traiter cette fonction, on considère une variable interne X(p) telle que : Ö Õ Õ Õ
avec :
X p 1
= 1
U p £ + P£% £% + ⋯ + P p + P’
Y p
et
= Ò’ +Ò p + ⋯ + ÒÓ Ó 2
X p
La fonction de transfert (1) nous ramène au cas précédent par conséquent la matrice d’état Ø et
de commande ÑØ a toujours l’expression suivante :
0 1 0 … 0
3 0 < 3 0<
0 1 …
2 … ; 2…;
… … …
… 2… ;
= 2 … … … … ; ; ÑØ = … .
2 ;
2 … … …
Ø
;
1 2… ;
2 0 0 0 ; 20 ;
1−P’ −P −P −P : 11 :
£%
T* # TÓ * #
‡ # = Ò’ * # + Ò + ⋯ + ÒÓ
T# T# Ó
Soit : ‡ # = Ò’ * # + Ò * # + ⋯ + ÒÓ *Ó #
Y t = Ò’ Ò Ò … ÒÓ 0 … 0 !. X t
La matrice de sortie a pour expression :
/Ù = Ò’ Ò Ò … ÒÓ 0 … 0 !.
Pc = B
Pc% = A + ac% . Ic B
Pc% = A + ac% . A + ac% Ic B = A. Pc% + ac% B
Pc% = A + +ac% . A + ac% A + ac% Ic B = A. Pc% + ac% B
…
P = Ac% + +ac% . Ac% + … + a Ic B = A. P + a B
1- Définition et méthode :
La forme compagne d’observation est définie par les matrices du système suivantes:
0 0 0 −P’ −P’
3 1 0 0 −P < 3 −P <
2 0 1 … … ; 2 … ;
… ; ; ÑÚ = 2 …
= 2 … … … ;
Ú
2 … … … … ; 2 … ;
2 0 0 0 −P£% ; 2−P£% ;
1 0 0 1 −P£% : 1−P£% :
/Ú = 0 0 0 … 0 0 1 !
2- Exemple
0 1 −1 1
Soient la représentation d’état suivante :
+X t = n−3 2 1 p . X t + n1p u t
0 0 1 0
0 1 0 0 0 0 6 2
Ø = n0 0 1p ; ÑØ = n0 p ’ = n1 0 −4p ; ÑÚ = n−3 p
6 −4 3 1 0 1 3 1
/Ø = 2 −3 1!. /Ú = 0 0 1!.
V. Forme Modale :
Ce type de représentation est utilisé lorsque le système a une entrée u(t) et une sortie y(t) et qu'il
peut être décrit par une fonction de transfert rationnelle à pôles distincts de la forme :
Í( ) (Ò’ +Ò p + ⋯ + ÒÓ Ó )
H(p) = = Ð.
Z( ) ( − µ )( − µ )( − µ ) … … … ( − µ£ )
U(p)
On pose comme variable d’état
X Ê (p) =
p − λÊ
La fonction de transfert H(p) peut être donc représentée par le schéma bloc de la figure 3.1
suivante :
é = ê æç . äç
À¥6
λ 0 0 1
3 … < 31 <
0 λ
2 ; 2 ;
X+ t = 2 … … … ; . X t + 2… ; O #
20 0 0 ; 21 ;
10 0 λc : 11 :
Í # = c c … cc !. X t
REMARQUE : Cette représentation fait apparaitre directement les modes (les pôles) du système.
Ainsi on peut par exemple, déduire directement que la stabilité n’est assurée que si les éléments de
la diagonale sont tous à partie réelle négative.
CONCLUSION :
La forme diagonale permet de mettre en évidence :
– Les propriétés dynamiques (stabilité, rapidité, amortissement),
– Les propriétés de commandabilité et d’observabilité,
– Facilité de l’intégration de l’équation d’état,
– La contribution des modes aux états
MATLAB dispose d’un ensemble de fonctions qui permettent le passage entre les différentes
représentations d’un système dynamique linéaire. Ci-joint la liste de ces fonctions avec une
sommaire description :
1. Est-il possible de générer une commande qui permette de faire passer le système d’un état
quelconque x(t1) (à l’instant t1) à un autre état quelconque x(t2) à l’instant t2 ?
2. En supposant que l’entrée du système est connue, peut-on, par la seule observation des sorties
sur un intervalle de temps [t1, t2], déduire l’état initial x(t) du système ?
V. Exemple.
Considérons le système de la Figure 4.1 suivante :
En choisissant comme variables d’état, les variables xi (i ∈ {1,2,…,4}) correspondant aux sorties de
chaque bloc de la figure ci-dessus, on obtient l’équation d’état suivante :
0 0 0 0 2
+X(t = ì0 −1 0 0 í . X(t + ì−1 í O(#)
1 1 1 0 0
2 0 0 −2 0
Í( ) 3 ( + 2)
H(p) = =
Z( ) ( + 1)( − 1)( + 2)
‡ # = −1 0 1 0,75 !. X’ t
REMARQUE.
Í 3 +2 3
H p = = =
Z +1 −1 +2 +1 −1
On notera que cette dernière représentation ne retient que les pôles observables et commandables,
et ne rend pas compte de l’ensemble du système étudié.
D’ailleurs la fonction de transfert est un système du second ordre, alors que la représentation d’état
du système est d’ordre 4.
CONCLUSION.
La fonction de transfert, à elle seule, est quelquefois insuffisante pour d´écrire un système. Par
contre, la représentation d’état permet de rendre compte des problèmes éventuels de non
commandabilité ou non observabilité : ceci pourra être fait directement sur toute représentation
d’état, ou bien à partir de formes canoniques spécifiques.
/ , Ñ = Ñ Ñ Ñ Ñ … £%
Ñ !.
3. Remarques :
Approche pratique:
- Former la matrice de commandabilité C (A, B)
- Calculer le rang de C (A, B)
- En déduire que le système est commandable si rang(C (A, B) )=n
4. Exemple :
−4 1 0 1
X+ t = k m . X t + k m . u t
Soit un système décrit par l’équation d’état suivante :
−2 −2 1 0
Le système est d’ordre 2 avec 2 entrées
0 1 1 −4
/ , Ñ = Ñ Ñ! = k m
1 0 −2 2
Les deux lignes de la matrice de commandabilité sont indépendantes, par conséquent celle-
ci est de rang 2 : Le système est commandable.
5. Commandes Matlab :
Soit les matrices A et B suivantes :
0 1 0
% Entrée des matrices A et B ; » A=[0 1 0; 0 0 1; -1 -5 -6];
A= 0 0 1 » B = [0;0;1];
− 1 − 5 − 6 % Déterminer la matrice de contrôlabilité ; » M=ctrb(A,B);
0 % Déterminer le rang de M ; » r=rank(M), r = 3
% Puisque le rang est de 3, le système est commandable
B = 0
1
ENSET Mohammedia M.BAHATTI Page 28
VII. Observabilité de l’état.
1. Définition :
X+ t = A. X t + B. u t
Considérons un système linéaire invariant décrit par les équations suivantes :
y t = C. X t + B. u t
Ce système est dit observable s’il est possible de retrouver son état initial X(ti) à partir de
l’observation de son entrée u(t) et de sa sortie y(t), sur un intervalle de temps fini.
NB : L’observabilité caractérise la possibilité de retrouver l’état d’un système en observant son
entrée et sa sortie. Ce problème d’observabilité a une importance pratique car certaines variables
internes sont quelquefois inaccessibles à la mesure ou «coûteuses» à mesurer.
/
La matrice d’Observabilité O(A,C) est définie par :
/
ñ ,/ = ˆ / ‰
…
/ £%
3. Exemple.
Considérons le système constitué d’un moteur à courant continu commandé par l’induit - champ
inducteur constant - entraînant une charge.
On supposera que l’inductance L de l’induit est négligeable et on désignera par J le coefficient
d’inertie de l’ensemble rotor du moteur plus arbre de transmission plus charge, f le coefficient de
frottement visqueux, Ke le coefficient de proportionnalité entre la force contre-électromotrice
développée par le moteur et la vitesse de rotation et Kc le coefficient de proportionnalité entre le
couple Cm développé par le moteur et le courant d’induit.
O # = ,. Q # + Ðò . ‚ #+
Les équations classiques qui traduisent le fonctionnement du dispositif sont :
^‚ó # = ÐÙ Q # − †‚+ #
- * = ‚+ : la vitesse de rotation.
1 0
L’équation d’état de ce système s’écrit :
+ 0
X+ t = ‚ = n −1 p . X t + n ÐÓ p . u t
‚ó 0
•Ó •Ó
Ðò
Avec :
ÐÓ =
,† + ÐÙ Ðò
,^
•Ó =
,† + ÐÙ Ðò
Pour voir s’il est possible de remonter à l’état initial (position et vitesse de départ) à partir de la
connaissance de la sortie, c’est-à-dire de la vitesse, et du signal de commande u, on va former la
1
matrice d’observabilité Ob1 du système.
0 −1
ñô = n p.
0
•Ó
Le déterminant de cette matrice est nul : Le système n’est donc pas observable : c’est-à-dire que
la connaissance de la vitesse et de l’entrée u ne suffit pas pour en déduire la position.
y = 1 0!. X
- Supposons cette fois que l’on observe l’évolution de la position (x1). L’équation de sortie sera :
1 0
ñô = k m.
La matrice d’observabilité s’écrit alors :
0 1
Cette matrice est régulière (déterminant non nul) : Le système est donc observable. C’est-à-dire
que de la connaissance instantanée de la position (et la commande u(t)), on peut remonter à la
valeur de la vitesse initiale du moteur. Il suffit de la dériver.