Académique Documents
Professionnel Documents
Culture Documents
TP Master1 CSM
TP Master1 CSM
P RATIQUES
———————————————-
Micky R AKOTONDRABE
tél : 03 81 40 28 03
mail : mrakoton@femto-st.fr
1
Table des matières
2
2.3.4 Simulation du système avec observateur . . . . . . . . . . . . . . . . . 17
2.4 Observateur et commande par placement de pôles . . . . . . . . . . . . . . . . 17
A Algèbre linéaire 35
A.1 Taille d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
A.2 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
A.3 Opérateurs transposée et adjoint . . . . . . . . . . . . . . . . . . . . . . . . . 36
A.4 Matrices particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
A.4.1 Matrice identité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
A.4.2 Matrice nulle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
A.5 Valeurs propres et vecteurs propres . . . . . . . . . . . . . . . . . . . . . . . . 37
A.6 Spectre et rayon spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
A.7 Comatrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
A.8 Inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3
A.9 Pseudo-inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4
Chapitre 1
1.1 Le système
Une poutre piézoélectrique est une poutre qui, lorsqu’on applique une tension électrique sur
ses électrodes, fléchit. Une poutre à deux degrés de libertés (2ddl) fléchit dans les deux axes x ou
y selon que la tension soit appliquée sur les électrodes dans l’un ou dans l’autre axe (Fig. 1.1).
poutre piézoélectrique
δy
δx
5
La première équation s’appelle équation d’état tandis que la deuxième équation de sortie.
On a :
On a :
δx
δx Ux vx
Y = U= X= (1.1.2)
δy Uy δy
vy
et :
0 1 0 0 0 0
−3.949 × 107 −251.4 0 0 31595372 9479408
A= B=
0 0 0 1 0 0
0 0 7
−2.744 × 10 −314.3 23324224 6860066
1 0 0 0
C=
0 0 1 0
(1.1.3)
La Fig. 1.2-a montre le schéma fonctionnel de la poutre tandis que la Fig. 1.2-b donne le
schéma-bloc détaillé.
6
U dX
= AX + BU Y Ux dX
= AX + BU
δx
dt
Y = CX + DU
Uy dt
Y = CX + DU
δy
(a)
U B X& X C Y
++
∫
A
(b)
7
système
Yc L U B X& X C Y
+- ++
∫
A
Kc
F IG . 1.3 – Schéma-bloc du système bouclé.
1.2.1 Commandabilité
Avant de synthétiser un système de commande, il est important de savoir si le système est
commandable ou pas. Définir la commandabilité d’un système.
En utilisant Matlab :
8
1.2.5 Simulation du système bouclé
– En utilisant Matlab, simuler la réponse indicielle, la réponse impulsionnelle et le dia-
gramme de Bode du système bouclé,
– de même, en utilisant Simulink, simuler la réponse indicielle du système bouclé,
– commenter sur les performances du système bouclé par rapport au système G.
Remarque : si les performances du régime transitoire ne vous conviennent pas, n’hésitez pas
à modifier les valeurs propres de (A − BKc ) puis à recalculer Kc et L.
Puisqu’on s’intèresse à une commande par retour d’état, il est intéressant de mettre le coût
J définie par l’équa. 1.3 en fonction de l’état X. En utilisant Y = CX et Y T = X T C T , on
obtient :
Z ∞
X T QX + U T RU dt
J= (1.3.2)
0
avec Q = C T Qy C.
9
Ainsi, la matrice de retour d’état qui minimise J est donnée par :
Kc = R−1 B T P (1.3.5)
Remarque : si les performances du régime transitoire ne vous conviennent pas, n’hésitez pas
à modifier les matrices Q et R ainsi que le coefficient ρ puis à recalculer Kc et L.
10
Chapitre 2
2.1 Le système
On considère le système hydraulique à 3 bacs de la Fig. 2.1. Le modèle d’état de ce système
est :
dX
dt = AX + BU (2.1.1)
Y = CX + DU
On a :
x1
x1 U1
Y = U= X = x2 (2.1.2)
x3 U2
x3
et :
−0.332 0.332 0 0.764 0
A = 0.332 −0.664 0.332 B= 0 0
0 0.332 −0.524 0 0.764
(2.1.3)
1 0 0
C=
0 0 1
dans lesquelles :
11
– les niveaux d’eau x1 , x2 et x3 constituent le vecteur d’états du système,
– et les débits U1 et U2 constotuent le vecteur d’engtrée.
U1
x1
x2
U2
x3
U dX
= AX + BU Y U1 dX
= AX + BU
x1
dt
Y = CX + DU
U2 dt
Y = CX + DU
x3
(a)
U B X& X C Y
++
∫
A
(b)
12
2.1.1 Création du système
Créer le système d’état appelé G et de réalisation (A,B,C,0) dans Matlab puis dans Simulink.
système
Yc L U B X& X C Y
+- ++
∫
A
Kc
F IG . 2.3 – Schéma-bloc du système bouclé.
13
2.2.1 Commandabilité
Avant de synthétiser un système de commande, il est intéressant de connaı̂tre si le système
est commandable ou pas.
En utilisant Matlab :
Remarque : si les performances du régime transitoire ne vous convient pas, n’hésiter pas à
modifier les valeurs propres de (A − BKc ) puis à recalculer Kc et L.
14
mesurable. Ainsi, x2 n’est pas mesurable.
– le procédé réel et le simulateurs n’ont pas les mêmes conditions initiales, cela décalerait
dX̂ par rapport à X,
– les paramètres A, B et C du modèle sont toujours soumis à incertitudes, cela donnerait
de faux résultats sur dX̂,
– si le système est instable 1 , il est impossible de simuler dX̂.
Pour éviter ces problèmes, on introduit donc un terme correcteur dans le modèle l’équa. 2.3.1.
Ainsi, le modèle de l’observateur est défini par :
(
dX̂
dt = A X̂ + BU + Ko Y − Ŷ
(2.3.2)
Ŷ = C X̂
dans laquelle :
L’observateur utilise comme entrée les éléments disponibles Y et U (Fig. 2.4). Comme on
reconstruira l’ensemble des éléments du vecteur d’état, cet observateur s’appelle observateur
complet ou observateur de Luenberger 2 .
1
Le modèle d’état de réalisation (A, B, C, D) est instable si une au moins des valeurs propres de A est à partie
réelle positive.
2
Dû à David G. Luenberger, 1966.
15
système
U B X& X C Y
++
∫
A
observateur X̂
système
U X& X C Y
B +
+ ∫
A
X̂ X̂ C Ŷ
B +
+ ∫ -+
A
Ko
observateur
X̂
F IG . 2.5 – Schéma-bloc détaillé de l’observateur et du système.
16
2.3.1 Observabilité
Afin de synthétiser un observateur pour un système, il est important de connaı̂tre si le
système est observable ou pas. Définir l’observabilité d’un système.
εx = X − X̂ (2.3.3)
17
Chapitre 3
3.1 Le système
On considère l’hélicoptère de la Fig. 3.1, où α désigne l’angle de lacet (angle autour de l’axe
z) et θ désigne l’angle de tangage (angle autour de l’axe y).
(a)
rotor de queue
(pour le lacet α) rotor principal
z (pour le tangage θ)
(b) y
F IG . 3.1 – Un hélicoptère
18
dX
dt = AX + BU
(3.1.1)
Y = CX
On a :
vα
γα
α U1 vθ
Y = U= X= (3.1.2)
θ U2
γθ
α
θ
et :
0 1 0 0 0 0 1.1 0.8
−1.347 0 −0.12 0 −2.32 −1.1
18 2
0 0 0 1 0 0 0.7 1.2
A= B=
−0.21 0 −1.87 0 −0.23 −3
3 21
1 0 0 0 0 0 0 0 (3.1.3)
0 0 1 0 0 0 0 0
0 0 0 0 1 0
C=
0 0 0 0 0 1
dans lesquelles :
19
U dX
= AX + BU Y U1 dX
= AX + BU
α
dt
Y = CX + DU
U2 dt
Y = CX + DU
θ
(a)
U B X& X C Y
+
+ ∫
A
(b)
– le stabiliser,
– obtenir de meilleures performances de suivi de consigne : erreur statique nulle, dynamique
sans oscillation, etc.
– rejeter les effets des perturbations éventuelles.
20
système
Yc Z& Z Ki U B X& X C Y
+-
∫ -- ++
∫
A
Kc
d X A [0] X B [0]
= + U+ Yc
dt Z −C [0] Z [0] I
(3.2.2)
X
Y = C [0]
Z
U = − (Kc X + Ki Z) (3.2.3)
c’est-à-dire :
X
U =− K c Ki (3.2.4)
Z
a un modèle d’état défini par l’équa. 3.2.2 et bouclé par un gain de retour K =
Ainsi, on
Kc Ki . Les matrices du système augmenté sont :
A [0] B
Aaug = Baug = Caug = C [0] (3.2.5)
−C [0] [0]
21
d X A [0] X B X [0]
= − K c Ki + Yc
dt Z −C [0] Z [0] Z I
X
Y = C [0]
Z
(3.2.6)
ou encore :
d XA − BKc −BKi X [0]
= + Yc
dt Z −C [0] Z I
X (3.2.7)
Y = C [0]
Z
Le but est donc de chercher le gain de retour K = Kc Ki pour obtenir de valeurs
propres convenables pour la nouvelle matrice d’état notée A, telle que :
A − BKc −BKi
A= (3.2.8)
−C [0]
d X
En ce qui concerne l’erreur statique, on peut la calculer lorsque dt = [0]. Appli-
Z
quant cette condition au système d’équa. 3.2.2, on obtient :
(A − BKc ) X = BKi Z
CX = Yc (3.2.9)
Y = CX
Les deux dernières équations du système d’équa. 3.2.9 affirme que Y = Yc , c’est-à-dire
l’erreur statique est automatiquement nulle.
3.2.1 Commandabilité
En utilisant Matlab :
22
3.2.3 Simulation du système bouclé
En utilisant Simulink, simuler
la réponse du système bouclé pour une consigne de type
30◦
αc 10s
échelon égale à Yc = = ◦ appliquée à l’instant .
θc 50 30s
Remarque : si les performances du régime transitoire ne vous conviennent pas, n’hésitez pas
à modifier les valeurs propres et recalculer la matrice K.
23
dV
dt = A11 V + entree
(3.3.6)
sortie = A21 V
Ainsi, on peut estimer l’état V en utilisant l’observateur de Luenberger (voir section 2.3).
Comme V est une partie de X, on parle d’observateur réduit. La Fig. 3.5 présente le schéma
fonctionnel.
système
X& X C Y
U B ++
∫
A Vˆ
X̂= Y
observateur V̂
réduit
c’est-à-dire :
dV̂ dY
= A11 V̂ + (A12 Y + B1 U ) + Ko − A22 Y − B2 U − A21 V̂ (3.3.8)
dt dt
ou encore :
dV̂ dY
= (A11 − Ko A21 ) V̂ + (A12 Y + B1 U ) + Ko − A22 Y − B2 U (3.3.9)
dt dt
Le gain Ko est le gain de l’observateur réduit. Cette équation nécessite la dérivation de Y ,
ce qui est un inconvénient. On se propose donc de réaliser le changement de variable suivant :
24
dZ dV̂
Z = V̂ − Ko Y ⇔ dt = dt − Ko dY
dt
(3.3.10)
En appliquant ce changement de variable dans l’équa. 3.3.9, on a :
dZ dY dY
+Ko = (A11 − Ko A21 ) (Z + Ko Y )+(A12 Y + B1 U )+Ko +Ko (−A22 Y − B2 U )
dt dt dt
(3.3.11)
Après simplification et mise en forme, on obtient le modèle suivant pour notre observateur :
dZ
dt = (A11 − Ko A21 ) Z + ((A11 − Ko A21 ) Ko + A12 − Ko A22 ) Y + (B1 − Ko B2 ) U
V̂ = Z + Ko Y
(3.3.12)
La Fig. 3.5 donne le schéma-bloc détaillé du système avec l’observateur réduit.
système
U X& X Y
B +
+ ∫ C
A
Vˆ
X̂= Y
(A11-KoA21)Ko+A12-KoA22
Ko
V̂
B1-KoB2 +
++
∫ ++
A11-KoA21 observateur
réduit
3.3.2 Observabilité
Le système réduit a pour modèle le système d’équa. 3.3.6. Afin de pouvoir observer sont
état V , il est important de connaı̂tre si ce système est observable ou non.
25
En utilisant Matlab :
0 1.1 0 0 0 0.02 1.2 0.8
−1.35 0 −0.2 0 −2.3 −1
18.1 2
0 0 0 1 0 0 0.71 1.2
A= B=
−0.2 0 −1.89 0 −0.21 −3
3.1 20
1.1 0.05 0 0 0 0 0 0 (3.3.13)
0 0 1 0 0 0 0 0
0 0 0 0 1 0
C=
0 0 0 0 0 1
26
Chapitre 4
4.1 Le système
On considère l’avion de la Fig. 4.1, où α désigne l’angle de lacet (angle autour de l’axe z), θ
désigne l’angle de tangage (angle autour de l’axe y) et v désigne la vitesse longitudinale (suivant
l’axe x de l’avion).
z
θ
y
x
F IG . 4.1 – Un avion.
Le modèle de l’avion peut être approximé par un système linéaire de modèle d’état :
dX
dt = AX + BU (4.1.1)
Y = CX
On a :
θ
θ U1
vθ
Y = α U= U2 X=
α
(4.1.2)
v U3 vα
v
27
et :
0 1 0 0 0 0 0 0
−3 −1.2 −1.1 1.3 −24
1.1 0.1 0.2
A=
0 0 0 1 0
B=
0 0 0
2.1 1.8 −9 −5.5 −2 0.2 1.3 0
0 −0.8 0 −0.4 −3.3 −0.05 −0.1 3 (4.1.3)
1 0 0 0 0
C= 0 0 1 0 0
0 0 0 0 1
dans lesquelles :
U dX
= AX + BU Y U1 α
dX
dt
Y = CX + DU
U2 = AX + BU
dt
θ
U3 Y = CX + DU v
(a)
U B X& X C Y
+
+ ∫
A
(b)
28
– calculer les valeurs propres de la matrice A. Que peut-on dire sur les valeurs propres de
A et les pôles du système,
– à partir de ces valeurs, que peut-on dire sur la stabilité du système.
– Z qui est le vecteur d’état correspondant, dont les éléments sont appelés coordonnées
modales,
– Λ = T −1 AT qui est la matrice d’état,
– β = T −1 B qui est la matrice d’entrée,
– Σ = CT qui est la matrice de sortie,
29
– et D qui est la matrice de liaison directe.
n>q (4.2.6)
L’objectif de la commande modale considérée ici consiste à imposer une valeur propre (ou
un pôle) entrée élémentaire entreei et état élémentaire etati . Pour cela, il a fallu découpler le
système, d’où l’analyse et la synthèse dans la base modale. Comme n > q, on partitionne l’état
Z en deux parties :
Zq
Z= (4.2.7)
Zn−q
où Zq est le vecteur composé des q états élémentaires dont on souhaite améliorer les perfor-
mances par placement de pôles et Zn−q les n − q états restant.
dZq
= Λq Zq + βq U = Pcq Zq (4.2.11)
dt
c’est-à-dire :
30
On peut donc dire que la commande U à appliquer, pour obtenir les valeurs propres définies
dans Pcq , doit être :
Zq = Tq−1 X (4.2.14)
On obtient finalement :
système
Yc L U B X& X C Y
+- ++
∫
A
Kc
F IG . 4.3 – Schéma-bloc du système bouclé.
Remarques. Dans la commande modale, nous avons placé les q premières valeurs propres du
système bouclé. On démontre ici que cela n’influence pas sur les n − q valeurs propres restantes
et que ces dernières sont égales aux n − q valeurs propres du système à commander.
31
(
dZq
dt= Pcq Zq
dZn−q (4.2.18)
dt = Λn−q Zn−q + βn−q βq−1 (Λq − Pcq ) Zq
ou encore :
d Zq Pcq [0] Zq Zq
= = Λbf
dt Zn−q −βn−q βq−1 (Λq − Pcq ) Λn−q Zn−q Zn−q
(4.2.19)
Les valeurs propres du système en boucle fermée sont les solutions du polynômes ca-
ractéristique donné par :
4.2.1 Commandabilité
En utilisant Matlab :
Remarque : si les performances du régime transitoire ne vous conviennent pas, n’hésitez pas
à modifier les valeurs propres de dans Pcq puis à recalculer Kc et L, ou changer complètement
les q états à commander.
32
4.3 Observateur complet ou observateur de Luenberger
Le vecteur d’état X, ou du moins une partie de ses éléments, n’est pas directement mesu-
rable. Il est donc nécessaire de l’estimer. Pour cela, on utilise l’observateur complet ou observa-
teur de Luenberger vu dans la section 2.3. La Fig. 4.4 présente le schéma-bloc de l’avion et de
l’observateur.
système
U X& X C Y
B +
+ ∫
A
X̂ X̂ C Ŷ
B +
+ ∫ -+
A
Ko
observateur
X̂
F IG . 4.4 – Schéma-bloc détaillé de l’observateur et du système.
4.3.1 Observabilité
Afin de synthétiser un observateur pour un système, il est important de savoir si le système
est observable ou pas. Définir l’observabilité d’un système.
33
4.4 Observateur et commande modale
Combiner maintenant l’observateur précédemment calculé ainsi que la commande modale
synthétisée auparavant dans Simulink. Appliquer un échelon à l’entrée du système et comparer
le vecteur d’état X ainsi que l’état estimé X̂. Pour cela, mettre des conditions initiales différentes
de zéro dans le système.
34
Annexe A
Algèbre linéaire
35
A.3 Opérateurs transposée et adjoint
Soit A ∈ Cn.m une matrice complexe de taille (n, m).
La transposée, notée AT et de taille (m, n), de la matrice A est obtenue en échangeant les
lignes et les colonnes de A. Exemple :
j 9
A = −1 2 − j (A.3.1)
3 0
alors :
T j −1 3
A = (A.3.2)
9 2−j 0
L’adjoint d’une matrice complexe noté A∗ est la matrice transposée et conjuguée (transcon-
juguée) correspondante :
36
A.4.2 Matrice nulle
La matrice nulle, de taille (n, m), est une matrice dont tous les éléments sont nuls.
0 0 ··· 0
0 0 0
[0] = 0n×m = . (A.4.2)
. . .
. .
0 0 0
On a la propriété suivante :
λi (A) = λi AT
(A.5.2)
On note Λ la matrice diagonale dont les éléments sont les valeurs propres λi de A :
λ1 0 · · · 0
..
0 λ2 0 .
Λ= .
..
(A.5.3)
..
.
0 0 · · · λn
A chaque valeur propre λi , on associe un vecteur propre vi telle que la matrice A se comporte
comme un scalaire :
Avi = λi vi (A.5.4)
Par ailleurs, on peut retrouver la matrice Λ à partir de A grâce à une matrice de transforma-
tion T , appelée matrice de transformation modale :
Λ = T −1 AT (A.5.5)
les colonnes de la matrice de transformation modale T étant les vecteurs propres vi de A :
T = v1 v2 · · · vn (A.5.6)
37
A.6 Spectre et rayon spectral
Le spectre indique l’ensemble des valeurs propres λi (A) de la matrice carrée A.
Le rayon spectral noté ρ(A) est le plus grand des modules des λi :
A.7 Comatrice
Soit la matrice carrée A :
a11 a12 · · · a1n
..
a21 a22 . a2n
A=
.. .. .. ..
(A.7.1)
. . . .
an1 an2 · · · ann
Alors la comatrice de A est :
A11 A12 · · · A1n
..
A21 A22 . A2n
com (A) =
.. .. .. ..
(A.7.2)
. . . .
An1 An2 · · · Ann
où les coefficients Aij , appelés cofacteurs de A, se calculent comme suit :
38
a11 a12 L a1 j L a1n
a21 a22 a2 n
M O M
A = ai1 aij ain
M O M
a an 2 L anj L ann
n1
Aij =
sous-matrice
39
A.9 Pseudo-inverse d’une matrice
L’inverse d’une matrice ne s’appliquant que sur les matrices carrées, on utilise la pseudo-
inverse pour la généralisation. La pseudo-inverse, appelée également pseudo-inverse de Moore-
Penrose, d’une matrice M de taille (n, m) est notée M + et a les propriétés suvantes :
M M +M = M
M +M M + = M +
∗ (A.9.1)
MM+ = MM+
∗
M +M = M +M
Décomposons la matrice M par M = BC, avec B de taille (n, k) et C de taille (k, m).
Alors, on peut calculer M + par :
40
Annexe B
B.2 Stabilité
Le système de réalisation (A, B, C, D) est strictement stable si et seulement si toutes les
valeurs propres notées λi de la matrice d’état A sont à parties réelles strictement négatives :
41
Les valeurs propres de A sont également les pôles du système.
B.3 Commandabilité
Soit la matrice de commandabilité définie par :
B AB A2 B · · · An−1 B
Co = (B.3.1)
Le système de réalisation (A, B, C, D) est commandable si le rang de Co est égal à l’ordre
du système :
B.4 Observabilité
Soit la matrice d’observabilité définie par :
C
CA
Ob =
CA2
(B.4.1)
..
.
CAn−1
Le système de réalisation (A, B, C, D) est observable si le rang de Ob est égal à l’ordre du
système :
42
Annexe C
log 10 (1e − 5)
⇒ −5
sin(pi/2)
⇒ 1
tan(pi)
⇒ −1 .22464679914735e − 016
(Normalement zéro, mais il y a la précision numérique de M ATLAB)
atan(− inf)
⇒ −1 .5707963267949
= − π2
43
3 2 −5 8
⇒ A= 1 5 6 2
4 −58 −100 105
c = A (3, 2)
⇒ c = −58
V = A (:, 2)
2
⇒V = 5
−58
U = A (3, :)
4 −58 −100 105
⇒U =
M = (2 : 3, 2 : 4)
5 6 2
⇒M =
−58 −100 105
A∗B
⇒ multiplication de deux matrices
A. ∗ B
⇒ multiplication élément par élément
A+B
⇒ addition
A−B
⇒ soustraction
Aˆn
⇒ A ∗ A ∗ A... ∗ A (n fois), A doit être carrée
A0
⇒ adjoint (transposée conjuguée) de A
transpose (A)
44
⇒ transposée de A. Cette fonction ne fait pas la conjuguée, contrairement à la fonction précédente
inv(A)
⇒ inverse de A (si A carrée)
pinv(A)
⇒ pseudo-inverse de A (si A rectangulaire)
A/B
⇒ division à gauche de A par B
A\B
⇒ division à droite de A par B
A./B
⇒ division élément par élément de A par B, division à gauche
A.\B
⇒ division élément par élément de A par B, division à droite
A/c
⇒ division des éléments de A par un scalaire c
A∗c
⇒ multiplication des éléments de A par un scalaire c
A+c
⇒ addition des éléments de A par un scalaire c
A−c
⇒ soustraction des éléments de A par un scalaire c
ones(n, m)
⇒ matrice de taille n · m d’éléments 1
zeros(n, m)
45
⇒ matrice de taille n · m d’éléments 0
eye(n, m)
⇒ matrice de taille n · m et dont la première diagonale est 1, le reste des éléments sont 0
rank(A)
⇒ rang de la matrice A
det(A)
⇒ déterminant de la matrice A
size(A)
⇒ taille (dimension) de la matrice A
length(V )
⇒ taille (dimension) d’un vecteur V . Si V est une matrice, la fonction renvoye max (size (V ))
A = diag (V )
⇒ création d’une matrice diagonale A dont les éléments du diagonal sont fournis par le vecteur
V
G = tf ([ 3 2 ], [ 0.1 1.2 1 ])
3p+2
⇒G= 0.1p2 +1.2p+1
G = ss(A, B, C, D)
46
⇒ création d’un modèle d’état de réalisation (A, B, C, D). Si D est une matrice nulle, on peut
écrire G = ss(A, B, C, 0)
eig (A)
⇒ calcul des valeurs propres de la matrice d’état A
pole (G)
⇒ calcul des pôles du système G. Le système G peut être une fonction de transfert ou également
un modèle d’état
zero (G)
⇒ calcul des zéros du système G. Le système G peut être une fonction de transfert ou également
un modèle d’état
impulse(G)
⇒ traçage de la réponse impulsionnelle de G
step(G)
⇒ traçage de la réponse indicielle de G
bode(G)
⇒ traçage du diagramme de B ODE de G
nyquist(G)
⇒ traçage du diagramme de N YQUIST de G
nichols(G)
⇒ traçage du diagramme de B LACK -N ICHOLS de G
bodemag(G)
47
⇒ traçage de la magnitude (diagramme de B ODE en amplitude) de B ODE de G
plot(t, y)
⇒ traçage d’une courbe dont l’abscisse est donnée par le vecteur t et l’ordonnée par y
grid
⇒ mise en place d’une grille sur la courbe
hold on
⇒ garder la dernière figure afin de tracer sur celle-ci une autre courbe
plot(t, y,0 r0 )
⇒ traçage d’une courbe y en fonction de t avec une couleur rouge. la fonction help plot permet
d’afficher la liste des couleurs ainsi que d’autres options
xlabel(0 t(s)0 )
⇒ mise en place de titre t(s) sur l’axe des abscisses
ylabel(0 y(mètre)0 )
⇒ mise en place de titre y(mètre) sur l’axe des ordonnées
Ob = obsv (A, C)
T
C CA CA2 · · · CAn
⇒ calcul de la matrice d’observabilité Ob =
48
Kc = place (A, B, Pc )
⇒ calcul de la matrice de retour d’état Kc par placement de pôles, les pôles étant définis dans
le vecteur Pc et sont les valeurs propres de la matrice (A − BKc )
49