Vous êtes sur la page 1sur 11

Automatique

Hamza Jamal
hamzajamal.fsr@gmail.com
Avril 2019

1
Définitions :
L’automatique :
L’automatique est définie comme la science qui traite des ensembles qui se
suffisent à eux-mêmes et où l’intervention humaine est limitée à l’alimentation
en énergie et en matière première.
L’objectif de l’automatique est de remplacer l’homme dans la plupart des
tâches (tâches répétitives, pénibles, dangereuses, trop précises, trop rapides)
qu’il réalise dans tous les domaines sans intervention humaine.

Les asservissements :
Un système asservi est un système qui prend en compte, durant son fonction-
nement, l’évolution de ses sorties pour les modifier et les maintenir conforme
à une consigne.
Cette branche de l’automatique se décompose en deux autres sous branches
:

• Régulateurs : maintenir une variable déterminée, constante et égale


à une valeur, dite de consigne (ex. régulation de température d’une
pièce).

• Systèmes asservis : faire varier une grandeur déterminée suivant une


loi imposée par un élément de comparaison (ex régulation de la vitesse
d’un moteur).

Systèmes en relation avec le temps :


• Systèmes continus : se varient en fonction du temps t dont il est une
variable continue.

• Systèmes discrets (ou échantillonnés) : se varient en fonction du


t dont il est une variable discrète.

• Systèmes invariants : ne se modifient pas avec le temps.

Systèmes linéaires :
Un système linéaire est un système qui respecte principe de superposition
linéaire (additivité et homogénéité) suivant :

2
Figure 1: Principe de superposition linéaire

L’utilisation des systèmes linéaires va permettre d’utiliser des outils puis-


sants tels que la transformée de Laplace.

Systèmes en boucle ouverte/fermée :


Systèmes en boucle ouverte :

Figure 2: Système en boucle ouverte

Cette modélisation est envisageable dans le cas où le système est parfaite-
ment connu (pas de perturbations).

3
Une perturbation est tout phénomène intervenant sur le système qui mod-
ifie l’état de la sortie, c’est-à-dire elle trouble le fonctionnement désiré.

Malheureusement, il est pratiquement impossible, de déterminer à coup


sûr l’entrée qui assurera au système le fonctionnement voulu (la sortie) et ce
pour le raison que les systèmes réels sont en général soumis à des perturba-
tions, la plupart du temps imprévisibles et difficilement modélisables.

Systèmes en boucle fermée (à contre réaction) :


Pour mieux maı̂triser le fonctionnement d’un système, mesurons en perma-
nence son comportement (Observation), vérifions que ce comportement cor-
respond bien à ce que l’on attend et utilisons cette information pour adapter
la commande.

Figure 3: Système en boucle fermée

Un asservissement est un système bouclé ou à boucle fermée.

4
Concept détaillé d’un asservissement :

Figure 4: Concept détaillé d’un asservissement

• E(t) et S(t) peuvent être de différente nature.

• (t) peut être de nature différente que E(t) et S’(t).

• S’(t) : mesure de la sortie fournie par la chaı̂ne de retour. Elle doit


avoir la même nature que E(t).

• Correcteur : élabore à partir du signal d’erreur l’ordre de commande.

Régulateurs et systèmes asservis (2ème définition) :


• Régulateurs : maintient l’erreur (t) nulle quelles que soient les per-
turbations. La grandeur d’entrée E(t) restant constante ou variant par
palier.

• Systèmes asservis : maintient l’erreur (t) nulle ou minimale quelles


que soient les variations de E(t).

5
Modélisation :
Représentation d’état (Modèle interne) :

Figure 5: Modélisation interne d’un système

Définition :
La représentation d’état est un modèle mathématique qui représente le système
et son état par un ensemble de variables appelées variables d’état, qu’on les
regroupe dans un vecteur appelé vecteur d’état x(t).
La représentation d’état d’un système linéaire est définit par :

L’équation dynamique :
dx(t)
dt
= ẋ(t) = A(t)x(t) + B(t)u(t)

L’équation d’état :

y(t) = C(t)x(t) + D(t)u(t)

Avec :

• A(t) : matrice dynamique.

• B(t) : matrice de commande (ou d’entrée).

• C(t) : matrice de mesure (ou de sortie).

• D(t) : matrice de transmission directe (ou d’anticipation).

6
Remarques :
• Dans un système linéaire temps-invariant, les matrices A, B, C et D
sont constantes.

• Si B = 0 ⇒ le système est dit non commandé.


Si D = 0 ⇒ le système est dit strictement propre.
Si D 6= 0 ⇒ le système est dit propre.

• La représentation d’état n’est pas unique (elle dépend du choix des


variables d’état).

Méthode :
Pour modéliser un système par sa représentation d’état, vous devez préciser
les variables d’état (les xi (t)), puis chercher à construire les matrices A, B,
C et D.

Remarques :

• Notez bien que les variables d’état représentent l’état du système, donc
elles ne sont pas des constantes.

• Choisissez tout simplement les variables qui ont une dérivée.

Modèles externes (Entrées-Sorties) :


Le comportement interne du système est ignoré.

Méthodes :
Vous pouvez choisir un des modèles suivants :

Modèle de transfert :

Basé sur les notions : fonction de transfert (cas mono-variable) ou ma-


trice de transfert (cas multi-variable).
Dans ce modèle, on modélise le système par sa fonction/matrice de trans-
fert en utilisant la transformée de Laplace (TL).
Soit :

7
x(t) −→ X(p)
TL

y(t) −→ Y (p)
TL

u(t) −→ U (p)
TL

Dans le cas multi-variable (plusieurs entrées et/ou sorties), la matrice de


transfert s’écrit sous la forme :
Y (p)
G(p) = U (p)

Dans le cas mono-variable (une seule entrée et une seule sortie), la fonction
de transfert s’écrit sous la forme :
Y (p)
H(p) = U (p)

Fonction/Matrice de réponse impulsionnelle (cas où D = 0) :

La fonction/matrice de réponse impulsionnelle est définit par :

g(t) = CeAt B

Si x(t0 ) = x0 = 0, on peut exprimer y(t) sous la forme :


R∞
y(t) = 0 g(τ )u(t − τ )dτ

La fonction/matrice de réponse impulsionnelle est liée à la fonction/ma-


trice de transfert par la relation suivante :

G(p) ou H(p) = T L(g(t))

Relation entre le modèle interne et externe :


Du modèle interne au modèle externe :
Soit :
dx(t)
dt
= ẋ(t) = Ax(t) + Bu(t) ; x(0) = x0

y(t) = Cx(t) + Du(t)

Par une transformation de Laplace, on obtient :

8
pX(p) − x0 = AX(p) + BU (p)

Y (p) = CX(p) + DU (p)

En résolvant les équations par rapport à Y (p) :

Y (p) = C(pIn − A)−1 (BU (p) + x0 ) + DU (p)

Si x(0) = x0 = 0, on aura :

Y (p) = (C(pIn − A)−1 B + D)U (p)

Donc :
Y (p)
G(p) ou H(p) = U (p)
= (C(pIn − A)−1 B + D)

Du modèle externe (cas mono-variable) au modèle interne :


On utilise les formes canoniques.

1. Déterminer d’abord une seule équation qui caractérise le système, cette


équation doit être linéaire (pour bien calculer la fonction du transfert).

2. Déterminer la fonction du transfert sous la forme canonique :

Y (p) bn pn +bn−1 pn−1 +...+b0


H(p) = U (p)
= pn +an−1 pn−1 +...+a0

3. Déterminer les matrices A, B, C et D sous une des formes canoniques


suivantes :

• Forme canonique compagne de commande :

0 ···
 
0 1 0  
 .. .. .. .. ..  0
 . . . . .   .. 
A =  ... ... ... ; B = .
   
[n×n]  0   [n×1] 0
 0 ··· ··· 0 1  1
−a0 · · · · · · · · · −an−1


C = b0 · · · bn−1 ;D=0
[1×n]

9
• Forme canonique compagne d’observation :
 
0 · · · · · · 0 −a0
 .. .. ..   
1 . . .  b0
. . . . . ... ..  B =  ... 
 .
A =  ; [n×1]
 
[n×n]  0 . 
. . .. 
 .. . . . . . 0 .  bn−1
0 · · · 0 1 −an−1


C = 0 ··· 0 1 ;D=0
[1×n]

Commandabilité, observabilité et réalisation minimale


d’un système :
La commandabilité ou contrôlabilité est la possibilité de déterminer une
commande admissible transférant le système d’un état donné à un autre.
Ceci concerne la matrice A et l’action par B sur l’espace d’état.
L’observabilité est la possibilité de déterminer l’état initial à partir de
l’observation des sorties. Cette propriété concerne les matrices A et C.

Dans un problème de commande, le but est de faire suivre aux états ou


aux sorties du système une loi prédéfinie (un comportement désiré). Il faut
donc s’assurer que cela est possible, c’est la notion de commandabilité.
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.

Étude pratique de la commandabilité (critère de Kalman) :


On appelle matrice de commandabilité C(A, B) la matrice définie par :

C(A, B) = B AB · · · An−1 B
Un système est commandable si et seulement si le rang de sa matrice de
commandabilité est égal à la dimension de l’espace d’état, c’est-à-dire :
Rang(C(A, B)) = n
Cette condition peut être vérifier simplement par l’étude de l’inversibilité de
la matrice C(A, B).

10
C(A, B) inversible (det(C(A, B)) 6= 0) ⇐⇒ Rang(C(A, B)) = n

Étude pratique d’observabilité (critère de Kalman) :


Un système est observable si et seulement si la matrice :
 
C
 CA 
O(C, A) =  .. 
 
 . 
CAn−1

est de rang égal à n. On désignera par la suite O(C, A) par matrice d’observabilité.
De la même façon :

O(C, A) inversible ⇐⇒ Rang(O(C, A)) = n

Réalisation minimale :
Désignons par ordre de H(p) le degré du dénominateur de H(p), c’est-à-
dire le degré de det(pIn − A) (le polynôme caractéristique). Une réalisation
d’une fonction de transfert H(p) est minimale s’il n’existe aucune réalisation
d’ordre inférieur dont la fonction de transfert est H(p).
Considérons le système linéaire représenté par sa fonction de transfert :
p+3
H(p) = p3 +6p2 +11p+6

Cette réalisation n’est pas minimale parce que H(p) peut s’écrire sous la
forme suivante :
1
H(p) = p2 +3p+2

Une réalisation est minimale si et seulement si elle est commandable et


observable.

11