République Algérienne Démocratique et Populaire

Ministère de l'Enseignement Supérieur et de la Recherche Scientifique

Université des Sciences et de la Technologie d'Oran
Mohamed Boudiaf (USTO-MB)

Faculté de Génie Electrique

Département d’Automatique

Systèmes Linéaires Multi-Variables

Notes de Cours
Destiné aux étudiants en Master 1 Automatique et Informatique
Industrielle

Réalisé par : Pr. ZEMALACHE MEGUENNI kadda

Année universitaire 2020/2021

1
 Avant-propos

L’analyse et la synthèse des systèmes dynamiques linéaires invariants (SLI)

nécessitent la connaissance d’un modèle mathématique traduisant les relations reliant les
grandeurs d’entrée principales et secondaires aux grandeurs de sortie.

En générales chaque SLI peut être représenté par une représentation suivante :

Représentation graphique qui peut être diagramme fonctionnel ou de fluence.

Représentation reliant l’entrée à la sortie comme les fonctions de transfert qui
demeurent des représentations externes ou par des modèles d’état dans ce cas on parle de des
représentations internes.

La représentation externe reste valable et efficace quelque soient les systèmes jusqu’à ce
que ces derniers atteignent une complexité telle l’unique relation entrée - sortie pour les
commander correctement ne peut en satisfaire. Ces modèles deviennent difficiles à mettre en
œuvre lorsqu’ils possèdent plusieurs entrées et plusieurs sorties. L’analyse par variables
d’´etat est une approche moderne d’étude des systèmes née dans les années 60.

Parmi les domaines d’application de cette théorie, l’automatique prend une place
privilégiée : les représentations d’état sont à l’origine de méthodes puissantes d’analyse et de
commande des systèmes, et qui possède en outre, l’avantage de conserver la représentation
temporelle des phénomènes.

Ce document regroupe un ensemble de notes de cours sur la commande par

représentation d’état. Il accompagne le cours d’automatique linéaire dispensé aux étudiants de
Génie Electrique, du deuxième cycle.

L'objectif du cours est de donner une méthodologie pour la conception des différentes
lois de commande pour les systèmes linéaires invariants multi-variables, dans le contexte de
l'approche d'état. Le contenu de ce document n’est absolument pas exhaustif et doit être
complété des notes personnelles prises lors des séances de cours, des travaux dirigés et des
travaux pratiques.

2
 Table de matière

Avant-propos ……………………………………………………………… 2

1. Introduction ………………………………………………………… 3

2. Représentation d'état des Systèmes Multi-variables (SM)……….. 17

3. Commandabilité et Observabilité ………………………………….. 23

4. Commande par retour d'état et note sur les Observateurs d’état .. 36

Références……………………………………………………………………..49

3
 Chapitre I
Introduction

1.1. Rappel sur le calcul matriciel

1.1.1. Représentation matricielle et notations

Une matrice est un tableau rectangulaire d'éléments, généralement des nombres ou des

∗ est notée
fonctions. Ces grandeurs sont généralement des réels ou des complexes. Dans la suite, nous ne

∈ ∗
considérerons que des grandeurs réelles. Une matrice de dimension
. Cette matrice est une matrice de lignes et de colonnes.

/ /5 ⋯ /
/5 /55 ⋯ /5
= 3/,- 7 = 8 ⋮ ⋮ ⋱ ⋮ :
/ / 5 ⋯ /

Si m = n, alors la matrice est carrée.

Une matrice Vqui ne comporte qu'une seule colonne, V ∈ R ∗

, est appelé un vecteur colonne
:

4
45
2=8 ⋮ :
4
Une matrice Vqui ne comporte qu'une seule ligne,V ∈ R ∗
, est appelé un vecteur ligne :

2 = 34 45 ⋯ 4 7

1.1.2. L'addition matricielle

L'addition matricielle n'est définie qu'entre deux matrices de même dimensions. La matrice
résultante est de la même dimension que les matrices additionnées et chacun de ses éléments
est la somme des éléments des deux matrices correspondant à la même ligne et à la même

L'addition ou la soustraction entre deux matrices A et B est donnée par :

colonne.

) = *+,- . = */,- ± 1,- .

Exemple 1.1:

1 4 0 5 2 6
= , = !"#
2 7 3 0 1 1
6 6 6 −4 2 −6
+ = &' − =
2 8 4 2 6 2

4
 1.1.3. Le produit

1.1.3.1.La multiplication d'une matrice avec un scalaire

La multiplication entre une matrice et un nombre scalaire donne une matrice dont chaque

Étant donné une matrice, et 1 un scalaire, alors les éléments de la matrice ) résultante sont
élément de la matrice est multiplié par le scalaire.

donnés par :

) = *+,- . = 1/,-
La matrice ) = 1 est de même dimension que .

1 4 0
= &' 1 = 2 !"#
Exemple 1.2:

2 7 3
2×1 2×4 2×0 2 8 0
)=1 = =
2×2 2×7 2×3 4 14 6

1.1.3.2.La multiplication matricielle

La multiplication entre deux matrices n'est définie que lorsque leurs dimensions son
compatibles : le nombre de colonnes de la matrice à gauche de l'opérateur doit correspondre

Si ∈ , et si ∈ ∗= , la multiplication entre les matrices et donne une matrice )

au nombre de lignes de la matrice à droite de l'opérateur.
∗

de dimensions ( ∗ >) telle que tous ses éléments :

+,- = G /,H 1H-

HI

Exemple 1.3:

1 2 0 1 (1 × 0) + (2 × 0) (1 × 1) + (2 × 2) 0 5
)= = =C F=
1 0 0 2 (1 × 0) + (0 × 0) (1 × 1) + (0 × 2) 0 1
0 1
) = 2 = 31 27 = 3(1 × 0) + (2 × 0) (1 × 1) + (2 × 2)7 = 30 57
0 2

Remarque :

≠
La commutativité n'est pas toujours vraie.

1.1.4. L'opérateur de transposition

?
La transposée d'une matrice est la matrice (notée parfois aussi ′ ) définie par :

= */,- . ⇒ ?
= ′ = */-, .
∗ ∗

5
Exemple 1.4:

1 5 1 0
= ⇒ ?
= ′=
0 4 5 4
1
2 = 31 2 37 ⇒ 2 ? = 2′ = O2P
3
1.1.5. Les mineurs

Les mineurs mJK des éléments aJK d'une matrice Acarrée, A ∈ R ∗ , sont les déterminants de la
partie restante de A lorsqu'on ne tient pas compte de la ligne i et de la colonne j.

Exemple 1.5:

1 1 0
En ce qui concerne la matrice

= O1 0 1P
0 2 1

Le mineur m5Q est donné par :

1 1 ⋯
1 1
= S&' V = O⋯ ⋯ ⋯PW = S&' T U=2
5Q
0 2
0 2 ⋯
1.1.6. Les mineurs (directeurs) principaux

Le mineur principal de A d'ordre k est obtenue en supprimant les n − k dernières lignes et

/ /5 ⋯ /
colonnes.

/5 /55 ⋯ /5
Soit = 3/,- 7 = 8 ⋮ ⋮ ⋱ ⋮ :
/ / 5 ⋯ /

Les mineurs directeurs d'une matrice carrée A, appelés aussi mineurs principaux sont définis
comme suit :

=/
/ /5
5 = S&' T / / U
5 55
/ /5 /Q
Q = S&' VO 5 /55 /5Q PW
/
/Q /Q5 /QQ
⋮
= S&'( )

6
Exemple 1.6:

1 1 0
= O1 0 1P
0 2 1

=1
1 1
5 = S&' T U = −1
1 0
1 1 0
Q = S&'( ) = S&' VO1 0 1PW = −3
0 2 1

Si tous les mineurs principaux de la matrice sont positifs alors, on des que la matrice est
définie positive.

1.1.7. Les cofacteurs

Les cofacteurs +,- des éléments /,- d'une matrice carrée, ∈ ∗

, sont donnés par :

+,- = (−1),X- ,-

Exemple 1.7:

Le cofacteur +5Q de la matrice est donné par :

1 1 0
= O1 0 1P
0 2 1
+5Q = (−1)5XQ
∗ 5Q = −2

/ /5 ⋯ /
1.1.8. Le déterminant d'une matrice

/5 /55 ⋯ /5
Soit = 3/,- 7 = 8 ⋮ ⋮ ⋱ ⋮ :
/ / 5 ⋯ /

∈ ∗
= , le nombre noté
S&'( ).
On appelle déterminant d'une matrice carrée, avec

1.1.8.1.Calcul du déterminant d'une matrice avec les cofacteurs

La valeur d'un déterminant d'ordre d'une matrice carrée est la somme des produits
obtenus en multipliant chaque élément d'une ligne (colonne) donnée de la matrice par son
cofacteur.
On peut donc, par exemple, calculer le déterminant d'ordre 3 de la matrice .

7
 / /5 /Q
/
=O 5 /55 /5Q P
/Q /Q5 /QQ
/55 /5Q /5 /5Q /5 /55
S&'( ) = / + + / 5+ 5 + / Q+ Q =/ /Q5 /QQ − / 5 /Q /QQ + / Q /Q /Q5

Exemple 1.8:
1 2
= ⇒ S&'( ) = 1+ + 2+ = ((1 × 5) − (3 × 2)) = −1
3 5 5
1 1 2
2 2 1 2 1 2
= O0 2 2P ⇒ S&'( ) = 1 × S&'( ) − 0 × S&'( ) + 0 × S&'( ) = (1 × −8) − (0 × −9) + (0 × −3) = −8
5 1 5 1 2 2
0 5 1
1 1 2
2 2 0 2 0 2
= O0 2 2P ⇒ S&'( ) = 1 × S&'( ) − 1 × S&'( ) + 2 × S&'( ) = (1 × −8) − (1 × 0) + (1 × 0) = −8,
5 1 0 1 0 5
0 5 1

Remarque :

Lorsque le déterminant d'une matrice est nul, on dit que la matrice est (non inversible)
singulière.
Si tous les éléments d'une ligne (ou colonne) d'une matrice sont nuls alors le
déterminant est nul.
Si deux lignes (ou colonnes) d'une matrice sont identiques, alors le déterminant est
nul.

1.1.9. La matrice inverse

Y
La matrice inverse d'une matrice carrée, est donnée par la relation :

=
Y cd-(e)
dfg(e)

Remarque : Pour qu'une matrice soit inversible, il faut que sont déterminant soit différent de
0. On dit alors que la matrice est régulière ou non singulière.

//5 / /5 /55 −/
Z[ = 2, !"# = //55 ⇒ = = / ⇒ /S\( ) = −/
? 5
5 5 /55 5 /
/ /5 /Q / /5 /Q
Z[ = 3, !"# = O/5 /55 /5Q P ⇒ ? = O/ 5 /55 /Q5 P
/Q /Q5 /QQ / Q /5Q /QQ
/55 /Q5 / /Q / 5 /55
_+ TS&' /5Q /QQ U − TS&' / Q /QQ U + TS&' / Q /5Q Ub
^ /5 /Q / /Q / /5 a
⇒ /S\( ) = ^− TS&' / U + TS&' U − TS&' / Q /5Q Ua
a
^ 5Q /QQ / Q /QQ
^ /5 /Q / /Q / /5 à
] + TS&' /55 /Q5 U − TS&' / 5 /Q5 U + TS&' / 5 /55 U

8
 1 −1
Exemple 1.9:
1 1 1 2 1 −1 /S\( ) −1 1
= 2, ⇒ = ⇒ ?
= = ⇒ /S\( ) = ⇒ Y = = −2 1 =
2 1 1 1 −2 1 S&'( ) −1 2 −1
1 0 0 1 1 0
Z[ = 3, !"# = O1 0 1P ⇒ ? = O0 0 2P
0 2 1 0 1 1
0 2 0 2 0 0
_+ TS&' 1 1 U − TS&' 0 1 U + TS&' 0 1
Ub
^ 1 0 1 0 1 1 a
⇒ /S\( ) = ^− TS&' U + TS&' U − TS&' Ua
^ 1 1 0 1 0 1 a
^ 1 0 1 0 1 1 à
]+ TS&' 0 2 U − TS&' 0 2 U + TS&' 0 0
U
−2 0 0
/S\( ) = O−1 1 −1P
2 −2 0
−2 0 0
O−1 1 −1P
/S\( ) 1 0 0
!"#, Y
= = 2 −2 0 = O0,5 −0,5 0,5P
S&'( ) −2
−1 1 0

1.1.10. Le rang d'une matrice

indépendantes. C'est aussi l'ordre du plus grand déterminant non nul. Si i est cet ordre, on dit
Le rang d'une matrice correspond au nombre maximum de colonnes ou de lignes linéairement

que la matrice est de rang i.

Remarque : Si le déterminant d'une matrice carrée est non nul alors le rang de cette matrice
égale aux nombre de lignes (colonnes) de cette dernière.

Z[ S&' ( ∗ ) ≠ 0, !"# "/ j( ) =

Exemple 1.10:

1 0 0
= O1 0 1P ⇒ S&'( ) = −2&' − 2 ≠ 0 ⇒ "/ j( )= =3
0 2 1

0 0 0
5 = O1 0 1P ⇒ S&'( 5) =0
0 2 1

Dans ce cas la, on cherche l'ordre du plus grand déterminant non nul, par exemple on prend la
sous matrice suivante :

0 1
= ⇒ S&' ( k) = −2 &' − 2 ≠ 0 ⇒ "/ j( k) =2
k
2 1

Alors, "/ j( 5) =2

9
 1.1.11. Valeurs propres et vecteurs propres d'une matrice

notés l, et sont associées aux vecteurs propres 4, par :

Si est une matrice carrée ( × ) quelconque, les valeurs propres distincts de sont

4, = l, 4, , [ = 1⋯

Les valeurs propres de A sont les scalaires tels que:

S&'( − l, m) = 0

où m est la matrice identité d'ordre .

Cette dernière équation en fonction de l, et de degré est dite équation caractéristique de la
matrice .

Exemple 1.11:

1 0 0
= O1 0 1P
0 2 1
1 0 0 l 0 0 1−l 0 0
( − l, m) = O1 0 1P − O0 l 0P = O 1 −l 1 P
0 2 1 0 0 l 0 2 1−l
1−l 0 0
S&'( − l, m) = 0 ⇒ O 1 −l 1 P=0
0 2 1−l
l =1
−l 1
⇒ (1 − l)S&' T U ⇒ (1 − l)(l5 − l − 2) = 0 ⇒ o l5 = 2 q
2 1−l
lQ = −1

Calcul des vecteurs propres de

Pour la valeur propre (1)

n 1 0 0 n n n =n
4 = l 4 /4&+ 4 = O 5 P ⇒ O1 0 1P O 5 P = 1 O 5 P ⇒ o + nQ = n5 q
n n n n
nQ 0 2 1 nQ nQ 2x5 + nQ = nQ
0.7071
Z[ ! >!#& n = 0.7071 &' nQ = −0.7071 !"# 4 = O 0 P
−0.7071

10
 Pour la valeur propre (2)

n 1 0 0 n n n = 2x
45 = l5 45 /4&+ 45 = On5 P ⇒ O1 0 1P On5 P = 2 On5 P ⇒ o n + nQ = 2x5 q
nQ 0 2 1 nQ nQ 2x5 + nQ = 2xQ
0
Z[ ! >!#& n5 = 0.4472 &' nQ = 0.8944 !"# 45 = O0.4472P
0.8944

Pour la valeur propre (-1)

n 10 0 n n n = −n
n
4Q = lQ 4Q /4&+ 4Q = O 5 P ⇒ O10 1P O 5 P = −1 O 5 P ⇒ o + nQ = −n5 q
n n n
nQ 02 1 nQ nQ 2x5 + nQ = −nQ
0
Z[ ! >!#& n5 = 0.7071 &' nQ = −0.7071 !"# 4Q = O 0.7071 P
−0.7071

1.2. Rappel des notions de l'approche d'état

1.2.1. L'importance de la représentation d'état des systèmes

La représentation d'état est très utile aussi pour les systèmes continus que pour les
systèmes discrets. Cette représentation qui, outre le fait qu'elle représente un très grand
nombre de systèmes physiques qui sont décrits par des équations différentielles, elle est
largement exploitée en automatique vue la richesse en informations qu'elle apporte à l'étude
de la commande des systèmes.
En effet, ce formalisme permet de mener une étude plus complète sur les systèmes que
celle qui peut être menée par l'approche « fonction de transfert », notamment pour les
systèmes discrets dont la représentation d'état conduit à des commandes plus performantes.

1.2.2. La représentation d'état d'un système linéaire stationnaire

Dans le cas d'un système linéaire stationnaire continu, la représentation interne est :
nt (') = n(') + u(') x
s
v(') = ) n (') + w u(')

Soit le nombre de variables d’état, le nombre d’entrées et > le nombre de sorties.

Dans le cas général, le système peut avoir plusieurs entrées et plusieurs sorties.

, , ), w étant des matrices constantes.

∈ ∗

∈
: matrice d'état, d'évolution (ou de dynamique)
∗

) : matrice d'observation (ou de sortie) ) ∈

: matrice de commande (ou d'entrée)
=∗

w : matrice de transmission directe w ∈ =∗

11
Remarque 1:
Il est important de noter, que la représentation d’état d’un système n’est pas unique et
dépend, notamment, du choix des variables d’état selon l’étude du concept.
Il est possible de passer d'une représentation d'état à une autre équivalente par une
transformation linéaire.

souvent w = 0.
Il est rare que la sortie du système soit directement reliée à son entrée. On a donc très

('), ('), )('), w(').

Remarque 2: Dans un système non linéaire ces matrices sont non stationnaire

1.2.3. Formulation de la fonction (ou la matrice) de transfert suivant l'équation

d'état

D’une manière générale, à tout système linéaire, causal et continu peuvent être associées
les équations matricielles suivantes :

nt (') = n(') + u(') x Equation d’état

s
v(') = ) n (') + w u(') Equation de sortie

Et peut être représenté par la figure 1.1.

nt n v
u
+
+ +
B C
+

Fig. 1.1: Schéma bloc de la représentation d’état

Avec :
n : vecteur d’état du système.
u : vecteur d’entrée du système.
v : vecteur de sortie du système.

1.2.3.1.Passage de l’espace d’état vers la fonction de transfert

La conversion de ce système vers la fonction de transfert peut être obtenue en lui appliquant
la transformée de Laplace aux deux côtés. (En supposant les conditions initiales sont
nulles) :

#y(#) = y(#) + z(#)

{(#) = ) y(#) + w z(#)
Ou sous la forme :

12
 #y(#) − y(#) = z(#)
{(#) = ) y(#) + w z(#)

On trouve y(#) telle que :

y(#) = (# m − )Y z(#)
Si on remplace y(#) dans l’équation de sortie { (#), on trouve :
{(#) = 3)(# m − )Y + w7z(#)

{(#)
Alors, la fonction (ou la matrice) de transfert du système est donnée par :
… (#) = = 3)(# m − )Y + w7
z(#)

Exemple 1.12:
On considère le système mécanique (masse-ressort-amortisseur) :

0 1 0 = 10
nt = ‡YH Yˆ‰Š n + ‡ Š ux
† w=0 avec o )‹ = 20 x
v = 31 07n i = 4000

Alors, la fonction de transfert est donnée par :

{(#) 0 1 Y
0
1 0 −i −+‹ PW O 1 P• + 0
= )((#m − )Y ) + w = 31 07 ŽV# −O
z(#) 0 1
1
0,1
= ⇒ …(#) =
+‹ i #5 + 2s + 400
#5 + #+

Exemple 1.13:
Soit un système donné par sa représentation d’état suivante :

xt 3 1x 0
‡ Š= ‡ Š C F+ ‡ Š u
xt 5 0 −2 x5 1
x
y = 31 1 7 C F
x5

s 0 3 1 s−3 −1
sI − A = ‡ Š−‡ Š=‡ Š
0 s 0 −2 0 s+2

s+2 1
adj(sI − A) 0 s − 3
(sI − A) Y
= =
det(sI − A) (s + 2) (s − 3)

13
 s+2 1
3C(s I − A )Y B + D7 = 31 1 7 0 s−3 0 +0
(s + 2) (s − 3) 1

3s + 2 s − 27 0 s−2
= 5 = G(s)
(s + 2) (s − 3) 1 s − s−6

1.2.3.2.Passage de la fonction de transfert vers l’espace d’état

En se basant sur la méthode des variables de phase, on peut convertir une fonction de
transfert vers une représentation d’état.

Soit le système représenté par la fonction de transfert …(#)

{(#) ∑” 1, #,
… (#) = = /4&+ ≤
z(#) # + ∑” Y /, #,

En décomposant cette fonction de transfert G(s) en deux fonction de telle sorte qu’on
sépare la sortieY(s) de l’entrée G(s) comme suit :

Y(s) Y(s) R(s)

G(s) = = = G (s). G5 (s)
U(s) R(s) U(s)

G5 (s) = et G (s) = ∑” bJ sJ
˜™ X∑™œ• š› ˜ ›
Avec
ž

En écrivant G (s) et G5 (s) sous forme différentielle.

d r d r dr
+ a Y + …+ a + a” = u
dt dt dt
d r d Y r
b + b Y + … + b” r = y
dt dt Y

Si on pose

dr xt = x5
x =r xt =
dr dt
x5 = d5 r xt 5 = xQ
dt ⇒ xt 5 = 5 ⇒ ⋮
⋮ dt
⋮ xt Y = x
d Y r
x = d r xt = − a” x − a x5 … − a Y x + u
dt Y xt = y = b” x + b x5 … + b x
dt

14
Sous la forme matricielle la représentation d’état est obtenue :

xt x 0
_ b 0 1 0 0 _ b _ b
^ xt a _ ⋯ b
^ a ^ a
^ 0 a ^ x5 a
^ 5 a 0 0 0 ⋮ ^0 a
^ ⋮ a = ^ a
a + ^⋮a
^ ⋮ ⋮ ⋱ ⋮ ⋮ a^ ^ a
u (1.8)
^ a ^ 0 0 0 1 a ^x Y a
^xt Y a ^ ⋯ à ^ a ^0 a
^ à ^ à ^ à
]− a ” −a −a −a Y ]1
] xt Y5 ] x
x
_ b
^ x5 a
^ ⋮ a
y = 3b” b …b 0 0 … 07 ^ a
^ a
^x Y a
^ à
] x

Exemple 1.14: (MCC)

[/ = +!#'
S[
4=¥ + [
S'
R
+
S¢
L

¤[ = £ + ¢ 4
S'
S¡
¢=
S'
-

£,

Les variables d’état sont : n = ¡, n5 = ¢ et nQ = [.

0 1 0
_ ¤ b n 0
nt
^0 − a n 0
Ont 5 P = ^ £ £ a O 5 P + 81: 4
nt Q ^ à nQ
]0 0 − ¥
¥
n
v = 31 0 07 On5 P
nQ

Exemple 1.15:

Soit un système possédant la fonction de transfert suivante :

#−2
… (#) =
#5 − #−6

15
 1.2.4. Différence entre SISO et MIMO

Un système communique avec l'extérieur par l'intermédiaire de grandeurs, en fonction du

tempss appelés signaux. Parmi les grandeurs physiques mises en jeu dans un système, l'on peut
distinguer :

Grandeurs d'entrée :(grandeur exogène): une grandeur d'entrée est une grandeur qui agit sur
le système.
Grandeurs de sortie : (réponses
(réponses): grandeurs contrôlées par l'effet des entrées.
Selon le nombre des entrées et des sorties on peut citer deux types de système :
1. Monovariable : système à une seule entrée et une seule sortie.
2. Multivariable : nombre d'entrées + nombre de sorties > 2.
2

a) le système a plusieurs
plusieurs entrées et plusieurs sorties, c'est un système multivariable
(MIMO (Multiple Input Multiple Output)) ;
b) le système a une entrée et plusieurs sorties, système ( SIMO (Single Input Multiple
Output));
c) le système a plusieurs entrées et une sortie, système ( MISO (Multiple Input Single
Output));

Une présentation synthétique mettant en évidence les analogies et les différences entre
le multi-variable et le mono-variable
variable est faite dans la figure suivante :

Fig. 1.2 : Différence entre SISO et MIMO

16
 Chapitre II
Représentation d'état des systèmes multi-variables
multi (SM)
2.1. Définitions
2.1.1. Système
Un système est un ensemble d'objets interagissant entre eux pour réaliser une fonction. Il est
connecté au monde extérieur à travers ses entrées ( signaux d'excitation : actions envoyées au
système, perturbations qui sont en général imprévisibles) et ses sorties ( réponses du système
aux signaux d'entrée).

Fig. 2.1 : Représentation d'un système

a) Système invariant (ou stationnaire)
Ce sont des systèmes dontt les paramètres du modèle mathématique ne varient pas au cours
du temps.

b) Système linéaire ou non linéaire

On dit qu'un système est linéaire s'il est régi par un système d'équations différentielles
linéaires. En pratique, aucun système n'est linéaire.

2.2. Différentes
ifférentes représentations des systèmes multivariables
En général, la représentation des systèmes multivariable se fait par extension des
techniques du cas monovariable.

2.2.1. Représentation externe

Cette représentation utilise directement la relation entrée/sortie
entrée/sortie considérant le système
comme une boite noire.

a) Système d’équations différentielles

Un système linéaire invariant multi

multi-variable d'ordre possédant entrées et > sorties
peut être décrit par un système d'équations différentielles linéaires à coefficients
coefficients constants :

n t (') = ¦ (n ('), … n ('), u ('), ⋯ u ('), ')

† ⋮ x
n t (' ) = ¦ (n ('), … n ('), u (' ) , ⋯ u ('), ')

v t (') = § (n ('), … n ('), u ('), ⋯ u ('), ')

† ⋮ x
v=t (') = §= (n ('), … n ('), u ('), ⋯ u ('), ')

17
où z = 3u (') ⋯ u (')7, { = *v (') ⋯ v= ('). sont respectivement l'entrée et la sortie du
système.

b) Matrice de transfert

Dans le cas SISO, la fonction reliant l'entrée et la sortie du système est appelée fonction
de transfert, dans le cas MIMO, on a plusieurs fonctions de transfert représentant l'effet de
chaque entrée sur chaque sortie. L'ensemble de ces fonctions rangées en tableau constitue la
matrice de transfert du système.

v (#) ³ (#) ⋯ ³ (#) u (#)

± ⋮ ²=± ⋮ ⋱ ⋮ ²O ⋮ P
v= (#) ³= (#) ⋯ ³= (#) u (#)

2.2.2. Représentation internes (ou d’état)

Le principe général de la représentation d'état consiste à décrire un système en

considérant sa dynamique interne et pas seulement une relation entre son entrée et sa sortie
(comme le fait la fonction de transfert). Ainsi, il convient de redonner de l'importance à des
grandeurs qui ne sont ni entrée, ni sortie.
La représentation d'état étant particulièrement adaptés aux systèmes multivariables, elle

entrées et > sorties,

est obtenue à partir des autres représentations (particulièrement à partir de la matrice de
transfert). Un système linéaire multi-variable et invariant possédant

nt (') = n(') + u (' )

peut être représenté par:

v(') = ) n (') + w u (')

2.3. Résolution de l’équation d’état

variables d’état connaissant l’entrée u(') qui lui est appliquée.

La résolution des équations d’état consiste à déterminer les expressions temporelles
des

Soit un système donné par l’équation différentielle suivante :

nt (') = / n (') + 1 u(')

g
La solution a pour expression
n (') = & cg n(0) + ¨ & c(gY©) 1 u (ª)Sª
”

xt (t) = 3A7x (t) + 3B7 u(t)

La généralisation de cette solution à un système différentiel présenté par les équations d’état

-
Sera comme suit :
X(t) = e3¬7- X(0) + ¨ e3¬7(-Y®) 3B7 u(τ)dτ
”
Où on note Φ (t) = e3¬7- appelée matrice de transition du système.
-
X(t) = Φ (t) X(0) + ¨ Φ (t − τ) 3B7 u(τ)dτ
”

18
2.3.1. Calcul de la matrice de transition ´ (µ)

Le calcul de la matrice de transition dans la résolution des équations d’état est

l’opération la plus délicate, où plusieurs méthodes existent, ici on cite la plus classique basée
sur la transformation de Laplace.

Calcul basé sur la transformée de Laplace

xt (t) = 3A7x (t) + 3B7 u(t)

Soit système d’équations différentielles de la représentation d’état

En lui appliquant la transformée de Laplace on obtient

s X(s) − x(0) = 3A7X(s) + 3B7 U(s) ⇒ (s I − 3A7)X(s) = x(0) + 3 7 z(#)

Où m matrice carrée d’identité de dimension

X(s) = (s I − 3A7)Y x(0) + (s I − 3A7)Y 3B7 U(s)

Il est clair que la transformée de Laplace de :

ℒ(e3¬7- ) = (s I − 3A7)Y

Avec (s I − 3A7)Y = + + + ⋯ ˜™¼• + ⋯,

¹̃ 3¬7 3¬7º 3¬7™
˜º ˜»

Où Φ (t) = ℒ Y (s I − 3A7)Y = I + 3A7t + t + t +⋯ t + ⋯,

3¬7º 5 3¬7» Q 3¬7™
5! Q! !

Adj(s I − 3A7)
Φ (t) = ℒ Y (s I − 3A7)Y = ℒ Y ¿ À
det(s I − 3A7)

Exemple 2.1:

Soit le système suivant soumit à un échelon unité u('):

nt 0 1 n 0 1
O P= O P ‡ Š+ O P u avec n (0) = O P
nt 5 −8 −6 n5 1 0

Calculer de la matrice de transition Á(') puis n (').

# 0 0 1 # 1
#m − = O P−O P=O P
0 # −8 −6 −8 #+6

/S\(#m − ) 1 #+6 1
(#m − )Y = = O P
S&'(#m − ) ( # 5 + 6 # + 8)
−8 #

19
 #+6 1
_ 5 b
Á (') = ℒ Y (# m − 3 7)Y = ℒ Y ^( # + 6 # + 8) ( # 5 + 6 # + 8)a
^ −8 # à
] ( # + 6 # + 8)
5 ( # + 6 # + 8)
5

2 1 0.5 0.5
ℒY C − F ℒY C − F
= 8 #+2 #+4 #+2 #+4 :
−4 4 −1 2
ℒY C + F ℒY C + F
#+2 #+4 #+2 #+4

1 Y5g 1 YÂg
2& Y5g − & YÂg & − &
Á (') = ± 2 2 ²
−4& Y5g + 4 & YÂg − & Y5g + 2& YÂg

1 Y5(gY©) 1 YÂ(gY©)
& − &
Á(' − ª). = O2 2 P
−& Y5(gY©)
+ 2& YÂ(gY©)

Á (' ). y(0) = C 2& Y5(g) − & YÂ(g) F

Y5(g) YÂ(g)

−4& + 4&

1 g
1 g
1 1 Y5g 1 YÂg
_ & Y5g ¨ & 5© Sª − & YÂg ¨ & © Sªb − & + &
^2 2 a
Ã
¨ Á(' − ª). . u(ª)Sª = ^ ” ”
= 8 8 4 8 :
g g a 1 1
Ä ^ −& Y5g ¨ & 5© Sª + 2& YÂg ¨ & © Sª à & Y5g − & YÂg
] ” ”
2 2

1 7 Y5g 7 YÂg
- + & − &
X(t) = Φ (t) X(0) + ¨ Φ (t − τ) 3B7 u(τ)dτ = 88 4 8 :
7 7
” − & Y5g
+ & YÂg
2 2

Cas de matrice A diagonale

Si la matrice carrée d'ordre est diagonale on a :

Φ (t) = e3¬7-

0 0 eλ• - 0 0
_ b _ b
λ
^ a ^ a
A = ^0 λ5 0 a ⟹ e3¬7- = ^ 0 eλº - 0 a
^ à ^ à
]0 0 λQ ] 0 0 eλ» -

20
Cas de matrice A diagonalisable

l, ∶ [ = 1 … elle est diagonalisable et il existe une matrice de transformation É telle que :

Si la matrice carrée d'ordre admet valeurs propres distinctes

Φ (') = É & eÊ É Y
É: matrice des vecteurs propres de

Propriété de la matrice ´ (µ)

On note quelques propriétés de cette matrice

Á (0) = m
Á (')Y = Á (−')
Á ('5 + ' ) = Á ('5 ) Á (' )
Á ('5 − ' )Á (' − '” ) = Á ('5 − '” ) /4&+ '” ≤ ' ≤ '5
Á (')H = Á (i') ∀i ∈Ì

Exemple 2.2:
On considère un système régi par l’équation d’état :

xt (t) = 3A7x(t) + (B)e(t) 3A7 = −1 −1 (B) = T 2 U

1 1 −1
avec et

−1
On suppose qu’à l’instant t = 0, le système se trouve dans l’état x(0) = TU.
1
Ce système étant soumis à une entrée en échelon unité, déterminer à tout l’instant t
l’expression x(t) de son vecteur d’état.
On pourra remarquer que la matrice de commande est nilpotente et choisir la méthode
de calcul direct de la matrice de transition.

Vérification que la matrice de commande est nilpotente.

En effet :

0 0
3 75 = −1 −1 −1 −1
=
1 1 1 1 0 0
Par conséquent :

3 7 = 0 0, ∀ ≥2
0 0
On a donc :

3 7 1 0 −' −' 1−' −'

& 3e7g = ¿m + 3 7' + ⋯ + ' +⋯À = T U+T U=T U
! 0 1 ' ' ' 1+'

La forme générale de la solution de l’équation d’état a pour expression.

21
 g
n(') = & 3e7g n(0) + ¨ & 3e7(gY©) ( )&(ª)Sª
”

Ce système étant sollicité par un échelon, on a : &(ª) = 1

−1
On a par ailleurs :
n (0) = T U
1
Donc :

1−' −' −1 1 − (' − ª) −(' − ª) 2

g
n (') = T U T U + ¨ sC F T UÎ Sª
' 1+' 1 ”
(' − ª ) 1 + (' − ª ) −1

Soit :

g
¨ (2 − ' + ª)Sª
−1 Ñ Õ
n(') = T U + Ð ”g Ô
1
¨ (' − Ò − 1)Sª
Ï ” Ó

ª5
g
‡2ª − 'ª + Š
−1 Ñ 2 ”Õ
n(') = T U + Ð g Ô
1 ª5
‡'ª − − ªŠ
Ï 2 ” Ó

'5
−1 + 2' −
n(') = Ñ 2Õ
'5
1−'+
Ï 2 Ó

22
 Chapitre III
Commandabilité et Observabilité
3.1. Introduction

La commandabilité et l'observabilité sont deux concepts développés pour la

représentation d'état des systèmes qui permettent de caractériser respectivement la possibilité
que la commande exerce une influence sur un des états (est ce que c'est possible de
commander un système par ses entrées) et la possibilité d'obtenir une certaine information
d'un des états (est ce que c'est possible de déterminer l'état du système par ses sorties).
Cependant leur concept peut être utilisé dans d'autres représentations.

Considérons le système linéaire invariant

nt (') = n (') + u(') x

s
v(') = ) n(') + w u(')

B C
Espace des Espace Espace des
commandes D’état sorties

Fig. 3.1 : Le lien entre les espaces (Commande, état et sortie)

On peut alors se poser une question importante sur l'évolution de l'état et donc sur le lien
entre ces espaces au travers des matrices A, B, C et D.
Peut-on déterminer une commande admissible transférant le système d'un état donné à
un autre ? La notion sous-jacente à cette question est la notion de commandabilité
(gouvernabilité, contrôlabilité). D'après notre schéma ceci concerne la matrice A et l'action
par B sur l'espace d'état.
Peut-on déterminer l'état initial à partir de l'observation des sorties ? La notion sous-
jacente à cette question est la notion d'observabilité (détectabilité). D'après le schéma
précédente cette propriété concerne les matrices A et C.
Ces deux propriétés sont nécessaires que ce soit pour la commande où il faudra que le
système soit commandable, ou pour la synthèse d'observateur où il faudra que le système soit
observable.

23
3.2. Commandabilité
3.2.1. Définition de la commandabilité

’état linéaire dont l’état initial a une valeur n” = n ('” ), ssi on suppose
w = 0,, on dit qu’il est commandable si pour toute instance n, du vecteur d’état, il existe un
Soit un système d’état

signal d’entrée u(') d’énergie finie qui permet au système de passer de l’état n” à l’état n, en

En représentation d’état, il s’agira de déterminer le signal de commande u (' ) entre

un temps fini.

deux instants donnés, '” et ' , pour amener le système de l’état n ('” ) vers un état n (' )

raison, on dit parfois que c’est la paire ( , ) qui est commandable.

souhaité. Donc l’étude de la commandabilité ne dépend que des matrices et . Pour cette

Fig. 3.2 : Trajectoire de l’état n('” ) vers un état n(' )

3.2.2. Critère de Kalman

La paire ( , ) est commandable si et seulement si :

rang(M× ) = tel que M× = 3B A. B … A Y

. B7

La matrice M× est dite matrice de commandabilité.

La paire ( , ) est complètement commandable si et seulement si la matrice de
commandabilité est régulière, c.à.d son déterminant n’est pas nul.

Exemple 3.1:
Étudier la commandabilité du système suivant :

xtt 3 1 x 1
O P= O P ‡ Š+ O P u
xtt 5 6 −2 x5 0
x
y(t) = 31 17‡ Š
x5

On trouve la matrice de commandabilité M× et on calcule son rang

24
 M× = 3 B A5Y . B7
rang(A) = 2 donc
M× = 3 B A. B7

1 3 1 1 1 3
M× = ±O P O P O P² = O P
0 6 −2 0 0 6

rang ( M× ) = rang(A) = 2

On conclue que le système est commandable

Exemple 3.2 :

xt −2 1 x 1
Étudier la commandabilité du système suivant :

O P= O P ‡ Š+ O P u
xt 5 α −4 x5 1
x
y(t) = 3 1 07‡ Š
x5

On trouve la matrice de commandabilité M× et on calcule son rang

M× = 3 B A5Y . B7
rang(A) = 2 donc
M× = 3 B A. B7

1 −1
M× = O P
1 α−4

det ( M× ) = α − 3

On conclue que le système est commandable si α ≠ 3

3.3. Observabilité
D'autre part, il est souvent nécessaire de reconstruire l'état d'un système à partir des
mesures disponibles pour les sorties. La notion d'observabilité est alors nécessaire pour
s'assurer que la reconstruction de l'état est possible.

Un système est dit observable si, étant donné l'instant '” , il existe un instant ' tel que
3.3.1. Définition de l’Observabilité

la connaissance de v('” , ' ) et u('” , ' ) permette de déterminer de manière unique l'état
n” = n('” ) et ceci quelque soit l'entrée du système.
Un état n est dit reconstructible à l'instant ' si, quelque soit u('), il existe '” ≤ ' tel
que la connaissance de u(') et de v(') avec ' ∈ 3'” , ' 7, permettent de déterminer n = n(' ).
Si tout état est reconstructible à l'instant ' , le système est dit complètement reconstructible.
Donc l’étude de l’observabilité ne dépend que des matrices et ). Pour cette raison,
on dit parfois que c’est la paire ( , )) est observable.

25
 La paire (A, C) est observable si et seulement si :

C
Ñ Õ
CA
rang(MÙ ) = tel que MÙ = Ð Ô
Ð ⋮ Ô

ÏCA Y Ó

La matrice MÙ est dite matrice d’observabilité

Exemple 3.3:

Étudier l’observabilité du système suivant :

xt 3 1 x 1
O P= O P ‡ Š+ O P u
xt 5 6 −2 x5 0
x
y(t) = 31 17‡ Š
x5

On trouve la matrice l’observabilité MÙ et on calcule son rang

C
rang(A) = 2 et MÙ = V W
CA
1 1
M” = O P
9 −1

rang ( MÙ ) = rang(A) = 2

On conclue que le système est observable

Exemple 3.4 :

Étudier la commandabilité et l’observabilité et du système suivant :

xt 0.5 0 x 0 x
O P= O P ‡ Š + O P u y(t) = 30 17‡ Š
xt 5 0 −2 x5 1 x5

On calcule M× M× = 3 B A. B7

0 0
M× = O P
1 −2
26
 Matrice singulière donc système non commandable. En effet on a :

xt = 0.5 x → x n′est pas affecté par u ou par x5

xt 5 = −2 x5 + u → x5 dépend de u

C 0 1
MÙ = O P ce qui donne MÙ = O P
CA 0 2
On calcul

Matrice singulière donc système non observable

Remarque :

Si la matrice A est diagonale, le système est complètement commandable si tous les

éléments de B sont non nuls. Le système est complètement observable si tous les éléments de
C sont non nuls.
Il est possible que : rang(M× ) < , donc, la commandabilité ne se vérifie que pour une
partie du vecteur d'état, dans ce cas le système est dit partialement commandable et sa
commande consiste à rendre sa partie non commandable inopérante afin de le contrôler
entièrement via sa partie commandable.

De même il est possible que rang(M” ) < , donc l'observabilité ne se vérifie que pour
une partie du vecteur d'état.

3.4. Différentes représentations d’état (modèles)

Comme nous l’avons déjà mentionné, la représentation d’état d’un système n’est pas

que l’on peut obtenir à partir d’une fonction de transfert … (#). Le choix de la représentation
unique. Dans les lignes qui suivent, nous présentons plusieurs types de représentation d’état

peut dépendre de la forme disponible de la fonction de transfert ou du type d’étude que l’on
souhaite réaliser à partir du modèle. Rappelons encore que les propriétés du système ne sont
en aucun cas liées à la forme choisie.

3.4.1. Représentation modale

Ce type de représentation, encore appelée représentation parallèle, convient

sous la forme d’une somme. Soit …(#) sa fonction de transfert :

particulièrement bien à la représentation d’un système dont la fonction de transfert est placée

Y(s) α α5 α
G(s) = = + + ⋯+
U(s) s+s s + s5 s+s

Remarque : On dit alors que la fonction de transfert est strictement propre.

Cette écriture fait apparaître la somme de fonctions de transfert et peut être

En appelant y, (Z) la sortie du ième bloc élémentaire, on a :

matérialisée par le schéma de la figure suivante en faisant apparaître blocs élémentaires.

27
 y, (Z) = ˜X˜› U(S) ⇒ nt , = #, n, + u
Þ
›

v(') = / n + /5 n5 + ⋯ + / n
et :

D’où la forme diagonale est déduite à partir des pôles de chaque fraction du 1er ordre.

xt s ⋯ 0 x 1
_xt b _⋮ b _ x5 b _1b
^ 5a ^ ⋮a ^⋮a ^ a
^⋮a= ^⋮ ⋱
⋮a ^ a + ^⋮a u
^ ⋮ à ^⋮ à ^ ⋮ à ^ ⋮ à
]xt ]0 ⋯ s ]x ]1

x
_ b
^x a
y = 3α α5 … α 7^⋮a
5
^ a
^ ⋮ à
]x

1 y 1 (Z )
à1
Z − Z1

z(á) y2 (Z) {(á)

1
+
à2
Z − Z2
+

y (Z)
1
à
Z−Z

Fig. 3.3 : Schéma bloc de la fonction de transfert.

La matrice de commande 3 7 est diagonale et ses valeurs propres sont les pôles de la
fonction de transfert.
La traduction directe des équations d’état conduit à la représentation schématique de la
figure suivante :

28
 −#1

n1
à1
-
¨
+

−#2

u(') n2 v(')
à2
-
¨
+
++
+

−#

n
à
-
¨
+

Fig. 3.4 : Représentation d’état du système sous forme modale.

3.4.2. Représentation série

{(Z) à
Soit :
…(#) = =
z(Z) (# −# )(# − #5 ) × … × (# − # )

Cette écriture fait apparaître le produit de fonctions de transfert et peut être

matérialisée par la mise en cascade de blocs élémentaires.

−#1 −#

u(') + n1 n v(')
……… à
- -
¨ ¨
+

Fig. 3.5 : Représentation d’état du système sous forme série.

La figure précédente propose une représentation d’état cohérente avec cette forme en
cascade de la fonction de transfert.

29
 nt = # n + u # 0 ⋯ 0 1
å nt = # n + n å 1 #
ã 5 ãnt (') = 8 0 0 0
5 5 5
: n (') + Ž ⋮ • u(')x
⋮ ⇒ ⋮ ⋱ ⋱ 0
änt = # n + n Y ä 0 ⋯ 1 # 0
ã ã
â v(') = àn â v(') = (0 ⋯ 0 à). n (' )

3.4.3. Représentation compagne commandable

On suppose ici que la fonction de transfert n’est pas factorisée.

1 # +1 # + ⋯ + 1 # + 1”
Soit :
Y
… (#) = /4&+ <
Y
/ # +/ Y # Y + ⋯ + / # + /”

Choisissons / = 1 (ce qui revient à diviser le numérateur et le dénominateur par / )

et divisons le numérateur et le dénominateur par# . On obtient :

1 # Y
+ 1 Y # Y Y + ⋯ + 1 # Y X + 1” # Y Ì(Z)
…(#) = =
1 + / Y # + ⋯+ / #
Y Y X + /” # Y w(Z)

z (Z)
On peut alors écrire :
{(Z) = ‡ Š × Ì(Z) = æ(Z). Ì (Z)
w (Z)

z(Z)
Soit :
æ(Z) =
1+/ Y #Y + ⋯ + / #Y X + /” # Y

æ(Z)31 + / Y #Y + ⋯ + / #Y X
+ /” # Y 7 = z(Z)

1 1 Y
1
æ(Z) = z(Z) − ‡/ ç è + ⋯+ / ç è + /” ç è Š æ(Z)
Y
# # #

æ(Z) æ(Z) æ(Z)

Si on pose :
y (Z) = , y (Z) = , y (Z) =
Z Y
Z5 Z

æ(Z) = z(Z) − 3/ y (Z) + ⋯ + / y5 (Z) + /” y (Z)7

On obtient :
Y

On peut alors choisir les n, comme composantes du vecteur d’état et proposer la

représentation de la figure suivante :

30
 /0

/ −2

/ −1

u (')
¨ ……… ¨
¨
n n n1
-
−1
+

Fig. 3.6 : Représentation d’état partielle du système.

Cette représentation est bien évidemment incomplète puisqu’il y manque la

reconstruction du signal de sortie.

{(Z) = 31 # Y + 1 Y # Y Y + ⋯ + 1 # Y X + 1” # Y 7æ(Z)
On a :

{(Z) = 1 y X (Z) + 1 Y y (Z) + ⋯ + 1 y5 (Z) + 1” y (Z)

D’où :

Nous pouvons à présent compléter la représentation (voir figure suivante).

/0

/ −2

/ −1

n2 v(')
u(')
¨ ……… ¨ 10
¨
nt n n ⋮ n1
- +-
−1
+

11

n +1
1

Fig. 3.7 : Représentation d’état du système sous forme compagne commandable.

31
Les équations d’état se déduisent naturellement de cette représentation :

nt = n5
å nt 5 = nQ
ã
⋮ x
ä nt Y =n
ãnt = −/” n −/ n5 − ⋯ −/ Y n + u(')
â v(') = 1” n +1 n5 + ⋯ +/ n X

0 1 0 ⋯ 0 0
D’où :
å å_ ⋱ b
ã ã^ ⋮ 0 1 ⋮
a 0
n(') = ^ ⋮ ⋮ ⋱ 0 n(') + Ñ ⋮ Õ u(')x
⋱ a x
ä^ 0 0 ⋯ 0 1 à 0
ä ã Ï1Ó
ã â]−/” −/ ⋯ ⋯ −/ Y
â v(') = (1” ⋯ 1 0 ⋯ 0). n(')

Cette forme de représentation est appelée forme compagne car la matrice de

commande du système contient, en une seule ligne, l’ensemble des coefficients du

variable n soit directement affectée par le signal d’entrée, toutes les variables d’état s’en
dénominateur de la fonction de transfert. Elle est dite commandable car, bien que seule la

trouvent influencées par intégrations successives. Si un système est complètement

commandable, alors on peut le mettre sous forme compagne commandable.

3.4.4. Représentation compagne observable

de …(#) déjà transformée dans le paragraphe précédent :

La représentation compagne observable peut être mise en évidence à partir de la forme

1 # Y
+ 1 Y # Y Y + ⋯ + 1 # Y X + 1” # Y
… (#) =
1 + / Y # Y + ⋯ + / # Y X + /” # Y
On peut alors écrire :

{ (Z) = −3/ Y # Y + ⋯ + /” # Y 7{(Z) + 31 # Y

+ ⋯ + 1” # Y 7z(Z)

1 1 1 Y
1
Soit :
{(Z) = − ‡/ ç è + ⋯ + /” ç è Š {(Z) + ‡1 ç è + ⋯ + 1” ç è Š z(Z)
Y
Z Z Z Z

On peut alors proposer la représentation d’état de la figure suivante.

32
u(')

10 11 1

nt 2 n2 n n n nt n
n1
+ n1
t +1 −1
… ¨ … ¨
¨ ¨
+ +
v(')
+
- - - -

/0 /1 / / −1

Fig. 3.8 : Représentation d’état du système sous forme compagne observable.

Les équations d’état se déduisent naturellement de cette représentation :

nt = −/” n + 1” u (')
å
nt 5 = n −/ n + 1 u(')
ã
ã ⋮
nt X = n −/ n + 1 u(')x
ä ⋮
ã
ã nt = n Y −/ Y n
â v(') = n

0 ⋯ ⋯ ⋯ 0 −/” 1”
D’où :
å _ −/ b
1 0 ⋯ ⋯ 0 ⋮
ã
ã ^ a Ñ Õ
0 1 0 ⋯ 0 ⋮ a n(') + 1
nt (') = ^ Ð u(')x
^ ⋮ ⋱ ⋱ ⋱ ⋮ ⋮ a 0Ô
ä ^ 0 ⋯ 0 1 0 ⋮ à ⋮
ã
ã ] 0 ⋯ 0 0 1 / Ï 0Ó
â v(') = (0 ⋯ 0 1). n(')

Cette forme de représentation est appelée forme compagne observable car, outre le fait
que la matrice de commande du système contient, en une seule colonne, l’ensemble des

système est égale à n qui, par intégrations successives, est bien influencée par toutes les
coefficients du dénominateur de la fonction de transfert, on remarque que la sortie de ce

variables d’état. Si un système est complètement observable, alors on peut le mettre sous
forme compagne observable.

33
3.5. Stabilité
Un système linéaire et invariant décrit par une représentation d'état est dit :
Asymptotiquement stable si toutes les valeurs propres de la matrice dynamique sont
à partie
tie réelle strictement négative.
Simplement stable si au moins une des valeurs propres de est nulle (ou à partie
réelle nulle).
Instable si au moins une des valeurs propres de est à partie réelle strictement
positive.

3.5.1. Stabilité dans l’espace d’état

Dans la littérature il existe plusieurs définitions de la stabilité, on retient ces dernières :
Un système est stable si et seulement si écarté de sa position d'équilibre, il tend à y
revenir. Une faible perturbation des conditions initiales du système engendre une faible
perturbation de sa trajectoire.
Un système est stable si en réponse à une entrée bornée, la sortie du système est
bornée.
Ces concepts de stabilité d’un point d’équilibre sont illustrés sur la figure suivante:

Position A : équilibre instable.

Position B : équilibre stable.
Position C : équilibre asymptotiquement stable.

Fig. 3.9 : Les trois états d’équilibre possibles d’une bille

S&' (# m − 3 7) = 0
On peutt démontrer que la stabilité d’un système est obtenue à partir de:

On résout l’équation obtenue par la méthode de Routh-Hurwitz.

Routh

Exemple 3.5:

Etudier la stabilité du système suivant :

xtt 3 1 x 1
O P= O P ‡ Š+ O P u
xtt 5 6 −2 x5 0

On calcule le det(s I − 3A7)

s 0 3 1 s−3 −1
sI − A = O P−O P=O P
0 s 6 −2 −6 s+2
34
det(s I − 3A7) = s 5 − s − 12 = 0

Le det(s I − 3A7) est une équation du deuxième degré on calcul directement les pôles

s = −3 et s5 = 4
on trouve

On remarque que le deuxième pole s5 > 0 donc le system instable.

35
 Chapitre IV
Commande par retour d'état et note sur les Observateurs d’état
4.1. Introduction
La commande par retour d'état est un moyen de modifier le comportement en boucle
fermée d'un système dynamique donné par une représentation d’état. Cette approche suppose
l'état connu. Une finalité de la commande par retour d'état peut être considérée pour
minimiser (ou maximiser) un indice de performance. Ceci peut être aussi utilisé pour obtenir
un système en boucle fermée dont les pôles (les valeurs propres de la matrice d'état), soient
placés de manière appropriée. Ces derniers déterminent le comportement d’un système mono-
variable ; dans le cas où le système est multi-variable, il est indispensable de considérer
uniquement les valeurs propres, mais il est nécessaire de faire les augmentations d'état
nécessaires.

4.2. Conception du régulateur par retour d’état

La conception du régulateur dans l’espace d’état permet de spécifier les pôles d’un
système, pour obtenir la réponse temporelle voulue. Cependant, elle ne permet pas de
spécifier les zéros d’un système ; c’est un désavantage, puisque les zéros peuvent modifier la
réponse transitoire.
Pour un système ayant une fonction de transfert dont l’équation caractéristique est de

s + a Y s Y + ⋯ + a s + a” = 0
la forme :

Les solutions de cette équation déterminent les pôles du système qui décrivent la

revient à changer la position des pôles par changement des coefficients /, .

dynamique de ce dernier. Pour modifier la réponse, il faut trouver paramètres ajustables ceci

En introduisant les paramètres ¤, dans l’équation caractéristique, elle devient de la

s + (K + a Y )s Y + ⋯ + (K 5 + a s) + (K + a” ) = 0
forme :

positions peuvent être ajustées en choisissant convenablement les ¤, .

Cette équation détermine les nouveaux pôles du système en boucle fermée dont les

xt = A x + B u
y= Cx+ Du
Soit le système

x
La loi de commande par retour d’état est définie par
_ b
^ x5 a
^ a
u = −K x + r = 3− K − K 5 −K Q …. −K 7 ^x a + r
Q
^ a
^ ⋮ à
]x

36
 (A)

(B)
Fig. 4.1 : Représentation d’un système en espace d’état
(A) San retour d’état (B) avec retour d’état

Les équations d’état du système en boucle fermée s’écrivent :

xt = A x + B u = A x + B(−K x + r) = (A − B K)x + B r
y=Cx+ Du

Les représentations d’état sous forme des variables de phases et canonique de

commande avec des matrices d’état sous la forme compagne inferieure ou supérieure sont
mieux adaptées pour illustrer le concept.

deux formes, il est recommandé d’effectuer la transformation, effectuer la synthèse des ¤,

Pour la synthèse du réglage par retour d’état pour un système non représenté sous ces

puis revenir vers la représentation de départ.

37
 4.3. La méthodologie de placement des pôles
Pour appliquer la méthode de design par placement de pôles, on utilise les étapes suivantes :

Former les retours des variables d’état vers l’entrée à travers les ¤, .
1. Représenter le système sous la forme de variable de phase.
2.
3. Former l’équation caractéristique du système en boucle fermée obtenue en 2.

Egaliser les coefficients par identification des deux équations caractéristiques les ¤, .
4. Former l’équation caractéristique désirée à partir des pôles désirés.
5.

Soit :

nt n 0
_ b 0 1 0 0 _ b _ b
^ nt a _ ⋯ b
^ n a ^ a
^ 0 a
^ 5 a 0 0 0 ^ ⋮ a ^0a
5

^ ⋮ a = ^ ⋮ ⋮ ⋱ ⋮ ⋮
a ^ a + ^⋮a u
^ a ^ a ^ a
^ a ^ 0 0 0 1 a
^nt Y a ^ ⋯ à ^n Y a ^0a
^ à ^ à ^ à
]− /” −/ −/ −/ ]1
] nt Y5 Y ] n

n
_ b
^ n5 a
^ ⋮ a
v = 3+” + …… + 7 ^ a
^ a
^n Y a
^ à
] n

L’équation caractéristique est donnée par :

# +/ Y # Y
+ ⋯ + / # + /” = 0

Former le système en boucle fermée avec u = −¤n.

On a :

0 1 0 0
_ ⋯ b
^ a
^ 0 0 0 0 a
( − ¤) = ^ ⋮ ⋮ ⋱ ⋮ a
^ 0 0 0 1 a
^ ⋯ à
]− /” − i” −/ −i −/ Y5 −i Y5 −/ Y −i Y

L’équation caractéristique correspondante est :

# + (/ Y +i Y )# Y
+ ⋯ + (/ + i )# + (/” + i” ) = 0

38
Sachant que l’équation désirée est donnée par :
(4.1)
s +d Y s Y
+ ⋯ + d s + d” = 0

coefficients ¤, du régulateur soient :

En identifiant les deux équations caractéristiques (4.1) et (4.2) on obtient les

dJ = aJ + kJ i = 0,1,2,3 … . , n (4.2)

Exemple 4.1 :

xt 0 1 x 0
Soit le système du 2éme ordre non amorti.

O P= O P ‡ Š+ O P u
xt 5 −ω5” 0 x5 1
x
y(t) = 30 17‡ Š
x5

Déterminer la loi de commande qui permet de placer les pôles du système en – 2 ¢”5
(doubler la fréquence naturelle) et augmenter í de 0 à 1.

s5 + 4ω” s + 4ω5” = 0
L’équation désirée est :

L’équation du système avec régulateur

s 0 0 1 0
det(sI − (A − BK)) = det oO P − VO Px − xO P 3k k 5 7Wq
0 s −ω5” 0 1

s5 + k5 s + ω5” + k = 0

k 5 = 4ω” k 5 = 4ω”
En égalisant

o ⇒ o x x
ω” + k = 4ω”
5 5
k = 3ω” 5

x
La loi de commande est donnée par

u = −K x = −33ω5” 4ω” 7 ‡ Š
x5

39
Exemple 4.2 :

Soit le système du 2éme ordre non amorti.

xt 0 1 x0
O P= O P ‡ Š+ O P u
xt 5 −2 −3 x5 1
x
y(t) = 30 17‡ Š
x5

temps de réponse à 5% Tr= 2sec et un facteur de dépassement ξ = 0.707

Déterminer la loi de commande qui permet de placer les pôles du système avec un

L’équation désirée s5 + 4s + 8 = 0

L’équation du système avec régulateur

s 0 0 1 0
det(sI − (A − BK)) = det oO P − VO Px − xO P 3k k5 7Wq
0 s −2 −3 1

s 5 + (k 5 + 3)s + 2 − k = 0

k5 + 3 = 4 k5 = 1
En égalisant

o ⇒ o x x
2−k =8 k = −6
x
u = −K x = 3−6 17 ‡ Š
x5
La loi de commande est donnée par

Exemple 4.3 :

A, B, C, D afin d’obtenir un système ayant les pôles suivants : á = −2, −3, −4.
Calculer la commande par retour d’état appliquée au système décrit par les matrices

−1 2 −2 1
= 81 −2 4: = 80 : ) = 31 0 07
−5 −1 3 0

L’équation désirée est :

(# + 2)(# + 3)(# + 4) = # Q + 9# 5 + 26# + 24 = 0

formée des vecteurs propres (4 , 45 , 4Q ) comme décrit plus haut :

On effectue une transformation de modèle en cherchant la matrice de transformation T

40
 1 −1 −2
_ b _ b _ b
^ a ^ a ^ a
4 = ^ 0a 4 = ^1a 4 = ^−23a
^ à ^ à ^ à
]0 ]−5 ]−11

−2 −1 1
d’où la matrice É = 8−23 1 0:
−11 −5 0

On applique la transformation au modèle d’état initial

nt = n+ u ït = + u
v=)n+ wu v=) + w u
vers le modèle d’état final

Puis on calcul les ¤ð du nouvelle modèle on trouve ¤ð = 32 41 97.

On calcul les ¤ du modèle initial par ¤ = ¤ð É Y

K= [9 3.57 -9.28]

4.4. Conception du régulateur par retour d’état et intégrateur

Afin d’éliminer l’erreur d’un système, on introduit au régulateur par retour d’état un
contrôle intégral ceci en ajoutant une variable d’état notée xi à la sortie de l’intégrateur

xt J = r − Cx
avec :

Le système d’état augmenté par l’état xi devient (On prend w = 0) :

xt = A x + B u
xt J = r − Cx
y=Cx

Donné sous forme matricielle :

xt A 0 x B 0
O P= O P ‡ Š+ O P u+ O P r
xt J −C 0 xJ 0 1
x
y(t) = 3C 0 7‡ Š
xJ
x
u = −Kx + K ñ xJ = −3 K Kñ 7 ‡ Š
xJ
On a

41
En remplace la commande u dans le système d’état

xt (A − BK) B Kñ x 0
O P= O P ‡ Š+ O P r
xt J −C 0 xJ 1

x
y = 3C 0 7 ‡ Š
xJ

Fig. 4.2: Représentation d’un système avec retour d’état et contrôle intégral

afin de calculer ¤ et ¤f , selon la réponse transitoire voulue.

Le système a donc été augmenté pour pouvoir utiliser son équation caractéristique
car

Exemple 4.5 :

Soit le système suivant :

xt 0 1 x 0
O P= O P ‡ Š+ O P u
xtt 5 −3 −5 x5 1
x
y = 3 1 0 7‡ Š
x5

de 10% et un n temps de stabilisation de 0,5#. Evaluer l’erreur

1. Faire la conception d’un contrôleur sans contrôle intégral pour
pour obtenir un dépassement
erreur statique due à une entrée
échelon unitaire.
2. Répéter le design, cette fois avec du contrôle intégral. Evaluer l’erreur statique due à
une entrée échelon unitaire.

s5 + 16s + 183.1
L’équation désirée :

s5 + (5 + K 5 )s + (3 + K )
L’équation du système avec retour d’état :

42
 K = 3K K 5 7 = 3180.1 117
Par égalité, on obtient :

0 1 0
Calcul de l’erreur statique
Y
1 + 31 07
e(∞) = 1 + C(A − BK) B = Y 180.1 −16 1
= 0.995

système avec la variable n, , ceci donne la nouvelle forme d’état :

Maintenant le calcul avec l’ajout de l’action intégral et on augmente l’ordre du

xt x 0
_ b 0 1 0 0 _ b _ b
^ a VO P − O P 3k k5 7W O P kñ ^x a ^ a
^x5t a = 8 −3 −5 1 1
: ^ 5a + ^ 0a r
^ à ^ à ^ à
−3 1 0 7 0 ] xJ ]1
] xt J

xt 0 1 0 x 0
_ b _ b _ b _ b
^ a ^ a ^x a ^ a
^x5t a = ^−3 − k −5 − k 5 kña ^ 5a + ^ 0a r
^ à ^ à ^ à ^ à
] xt J ] −1 0 0 ] xJ ]1

x
_ b
^ a
y = 31 0 0 7 ^x 5 a
^ à
] xJ

L’équation caractéristique du système avec contrôle intégral est :

sQ + (5 + k5 )s5 + (3 + k )s + k ñ

Il faut ajouter un pôle au système contrôle, puisqu’on utilise du contrôle intégral. On le

choisit qui est très loin des pôles du système, comme (s + 100). Le polynôme souhaité est

(s + 100)(s5 + 16s + 183.1) =

donc :

= s Q + (116)s5 + (1783.5)s + 18310

k = 1780.1 k5 = 111 k ñ = 18310

Ceci donne

Le système final après réglage est donné par :

xt 0 1 0 x 0
_ b _ b _ b _ b
^ a ^ a ^x a ^ a
^x5t a = ^−1783.5 −116 18310a ^ 5a + ^ 0a r
^ à ^ à ^ à ^ à
] xt J ] −1 0 0 ] xJ ]1

43
 x
_ b
^ a
y = 31 0 0 7 ^x 5 a
^ à
] xJ
e(∞) = 1 + C(A − BK)Y B
0 1 0 0
Y
_ b _ b
Ñ^ aÕ ^ a=0
= 1+ 31 0 0 7 Ð^−1783.5 −116 18310aÔ ^ 0a
^ à ^ à
Ï] −1 0 0 Ó ]1

4.5. Synthèse d’observateur

On appelle observateur du système un opérateur qui génère une approximation nô de la
variable õ = É n sous la forme :

öt = ³ õ
õ ö + ¥v + £u
Si õ et n ont même dimension, l’observateur est dit complet (tout l’état est estimé).
Dans ce cas É = m ;
Donc : õ = n et w ö = xô

Si dim(w ) ≤ dim (x) alors l’observateur est dit d’ordre réduit.

L’observateur doit satisfaire aux moins les deux conditions suivantes :

Il doit assurer la convergence de w

ö vers w
Il doit être stable.

ö (t) − w(t)) = lim e(t) = 0

lim ( w ∀ u , ∀ x(0)
-→ø -→ø

Ou &(') est dénommée erreur de reconstruction.

4.5.1. Observateur Identité

L’observateur identité est un observateur complet avec le quel on obtient les équations
du couple (système, observateur) :

xôt = F xô + Ly + Ju
xt = A x + B u
y =Cx

En considèrent la dérivé de l’erreur d’estimation :

et = xt − xôt = (A − LC)x + (B − J)u − F xô

xô = x − e

44
 ett = (A − LC − F)x + (B − J)u − F e
Pour une estimation sans biais il faut que :
e=0 et et = 0
Pour cela il faut donc satisfaire les équations :
A − LC − F = 0 F = A − LC
B−J =0 J=B
F stable A − LC stable
ce qui donne

L’équation de l’observateur est dans ce cas :

xôt = (A − LC)xô + L y + B u
4.5.2. Principe de fonctionnement de l'observateur
La structure de l'observateur est celle indiquée sur la figure suivante.
suivan Elle fait
intervenir tout d'abord un estimateur fonctionnant en boucle ouverte qui est caractérisé par la
même dynamique que celle du système.

gains ¥ permet d'imposer

La structure fonctionnant en boucle fermée obtenue par l'introduction d'une matrice de
oser la dynamique propre à cet observateur.

Fig. 4.3 : Observateur d’un système d’état

L : est appelé le gain de l’observateur. Il y a convergence si & converge vers 0.

L’équation caractéristique est donnée par :

det(lm ( − ¥) )) = 0
Les valeurs propres λ sont choisi
choisies
es de manière à obtenir les performances désirées en
termes de stabilité et réponse transitoire.

45
 Elles doivent être des racines négatives ou à partie réelle négative.

Le problème consiste donc à trouver une matrice ¥ tel que les valeurs propres du
système bouclé (de l’observateur) soient en des positions préfixées.

Les différentes grandeurs mentionnées sur la figure représentent respectivement :

Un vecteur d'entrée z du système réel et de l'observateur,

Un vecteur d'état y constitué des grandeurs à observer et un vecteur de sortie { dont

les composantes sont mesurables.

Le dernier vecteur est comparé au vecteur équivalent donné par l'observateur pour
assurer le fonctionnement en boucle fermée.

Remarque :

La dynamique de xý = ( x − xô) n’est pas soumise à une entrée.

xýt = ( A xô) et xý(0) = x(0) − xô(0)

Si le système est stable cette différence tend vers zéro (A stable).

La vitesse de convergence de xô vers n est identique à la réponse transitoire du système

(même équation caractéristique).

Si on désire accélérer la convergence de xô vers n de telle manière que l’état estimé soit
disponible instantanément par le régulateur u = −¤n, il faut introduire un feedback.

4.5.2.1. La méthode de détermination de la matrice

Soit le système d’ordre n (sous forme canonique d’observateur)

−/ Y 1 ⋯ 0
_ b _ b
^ a ^ a
^ ⋮ ⋱ ⋮a ^ ⋮ a
− ¥) = ^ a−^ a 31 0 ⋯ 07
^ −/ 0 ⋯ 1a ^ Y a
^ à ^ à
] −/” 0 0 ]

(−/ Y − ) 1 ⋯ 0
_ b
^ a
^ ⋮ ⋱ ⋮a
= ^ a
^(−/ − Y ) 0 ⋯ 1a
^
] (−/” − ) 0 0à

46
L’équation caractéristique de − ¥)

# + (/ Y + )# Y
+ + (/ Y5 + 5 )# Y5
+ ⋯ + (/ + Y )# + (/” + )=0

# + (/ Y )# + (/ Y5 )# + ⋯ + (/ )# + (/” )=0
L’équation caractéristique de
Y Y5

# + (S )# + (S Y5 )# + ⋯ + (S )# + (S” )=0
L’équation désirée est :
Y Y5
Y

L’égalisation entre l’équation caractéristique de − ¥) et celle désirée on retrouve les ,.

, = S Y, − / Y, /4&+ [ = 1,2, … . ,

Exemple 4.6 :
Soit un pendule simple dont le mouvement est régi par :

nt 0 1 n 0
O P= O P ‡ Š+ O P u
nt 5 −¢”5 0 n5 1
n
v(') = 3 1 07‡ Š
n5

placés en – 10 ¢”5 ( 5 fois plus rapides que celui du regulateur par retour d’état de
Déterminer l’estimateur pour ce pendule tel que les pôles de l’observateur soient

l’exemple 4.1)

# 5 + 20¢” # + 100¢”5 = 0
L’équation désirée

# 0 0 1
L’équation du système avec régulateur

S&' (#m − ( − ¥))) = S&' oO P − VO Px − xO P 3 1 0 7Wq

0 # −¢”5 0 5

20¢”
¥= O P= O P
99¢”5
En égalisant
5

Solution avec programme sous Matlab avec ¢” = 2

A = [0 1; -4 0]; B = [0; 1]; C = [1 0];

D = [0];
p1= -10*4 ;
L = place(A’,C’,[p1,p1])

47
Exemple 4.7 :
Soit un système donné par la représentation d’état suivante par :

nt 2 −0.8 n 1
O P= O P ‡ Š+ O P u
nt 5 2 0 n5 0
n
v(') = 3 0 17‡ Š
n5

en 3 0.7 0.27 puis en 3 0.7 0.57

Déterminer l’estimateur pour ce système tel que les deux pôles de l’observateur soient placés

L’équation du système avec régulateur :

2 −0.8 2 −0.8 − 0.5

− ¥) = O P − O P3 0 0.5 7 = O P
2 0 5 2 −0.5 5

det(lm − + ¥) ) = l5 + (2 − 0.5 5 )l − 5 + 0.5 +1

(l + 4)5 = l5 + 8l + 16
L’équation désirée de l’observateur est :

Par identification entre les deux équations on trouve = 18 et 5 = 12

xt −1 −9 x 2 18
La représentation du système avec observateur est donnée par :

O P= O P ‡ Š+ O P u+ O P y
xt 5 1 −7 x5 0 12

48
Références bibliographiques

1- Kendouci Khedidja: "Analyse et Commande des Systèmes Linéaires Continus dans

l’Espace d’Etat" support de cours (HDR), Université des Sciences et de Technologie
d’Oran, USTO-MB, 2017.
2- Merah Abdelkadeur : "Systems Linéaires Multi-Variables" support de cours (HDR),
Université Dr Tahar Moulay de Saida, Avril 2019.
3- De Larminat, Automatique, Hermès, 1995.
4- B. Pradin, G. Garcia ; "automatique linéaire : systèmes multivariables", polycopies de
cours, INSA de Toulouse, 2011.
5- Caroline Bérard, Jean-Marc Biannic, David Saussié, ''La commande multivariable",
Editions Dunod, 2012.
6- G. F. Franklin, J. D. Powell and A. E. Naaeimi, Feedback Control Dynamique
Systems. (Addison-Wesly, 1991.
7- K. J. Astrôm, B. Wittenmark, Computer-Controlled Systems, Theory and design.
Prentice Hall, New Jersy, 1990.
8- W. M. Wonman, Linear Multivariable Control :A Geometric approach. Springer
Verlag, New York, 1985.
9- Hervé Guillard, Henri Bourlès, "Commandes des Systèmes. Performance &
Robustesse. Régulateurs Monovariables Multivariables Applications Cours &
Exercices Corrigés", Editions Technosup, 2012.
10- Caroline Bérard , Jean-Marc Biannic , David Saussié, Commande multivariable,
Dunod, Paris, 2012.

49