Control-NLS - Commande SNL - Salim Labiod

Introduction
1.1 Limitations des méthodes linéaires

Les méthodes d’étude des systèmes linéaires sont très puissantes en raison des outils
disponibles. Malgré tout, les méthodes linéaires présentent plusieurs limitations :
- Aucun système physique n’est complètement linéaire. Les méthodes linéaires ne sont
donc applicables que dans un domaine de fonctionnement restreint.
- Les modèles linéaires ne sont pas suffisants pour décrire toutes les phénomènes physiques
observés.
- Certains systèmes sont impossibles à modéliser, même localement, par des systèmes
linéaires. Un exemple simple est le relais (la fonction signe).
- Une non-linéarité peut être introduite dans le système pour avoir de meilleures
performances (commande TOR par exemple).
1.2 Système linéaire

Un système est linéaire s’il est décrit par des équations différentielles linéaires ordinaires à
coefficients constants.
Remarque 1 : Tout système linéaire obéit au principe de superposition, défini par les
propriétés d’additivité et d’homogénéité.
Additivité : Si les signaux d’entrée u1  t  , …, un  t  ont pour réponses y1  t  , …, yn  t  , alors
le signal d’entrée u  t   u1  t     un  t  a pour réponse y  t   y1  t     yn  t  .
Homogénéité : Si le signal d’entrée u  t  a pour réponse y  t  , alors  u  t  donne  y  t  où
 est une constante.
Remarque 2 : On peut associer à un système linéaire, à l’aide de la transformée de Laplace,

une fonction de transfert H  s  qui est une fraction rationnelle en s  j .
1.3 Système non linéaire

Par définition, un système non linéaire est un système qui n’est pas linéaire, c’est-à-dire qui
n’obéit pas au principe de superposition. Alors, un système non linéaire ne peut pas être décrit
par des équations différentielles linéaires ordinaires à coefficients constants.
Cette définition, ou plutôt cette non-définition, explique la complexité et la diversité des
systèmes non linéaires. Il n’y a pas une théorie générale pour ces systèmes, mais plusieurs
méthodes adaptées à certaines classes de systèmes non linéaires.
1.4 Classes des systèmes dynamiques

On considère la classe des systèmes dynamiques décrits par une équation différentielle de la
forme :
 x  f  x, u , t 

 y  h  x, t 
x   x1 , , xn    n : Vecteur d’état
T
u   u1 , , um    m : Vecteur de commande
T
y   y1 , , y p    p : Vecteur de sortie
T
f  x, u , t    f1  x, u, t  , , f n  x, u, t     n et h  x, u, t    h1  x, t  , , hp  x, t     p
T T
 Salim Labiod 2012 – Université de Jijel 1

Système non autonome
x  f  x, t  , la fonction f dépend explicitement du temps t .
Système autonome
x  f  x  , la fonction f ne dépend pas explicitement du temps t .
Remarque 3 : Pour un système avec une entrée de commande : x  f  x, u  , si u    x, t 

alors x  f  x,   x, t   et le système est non autonome. Par contre, si u    x  alors
x  f  x,   x   et le système est autonome.
Système linéaire invariant dans le temps

 x  A x  B u
 , A, B, C sont des matrices constantes.
y  C x
Système linéaire variant dans le temps (système non linéaire)

 x  A  t  x  B  t  u

 y  C  t  x
Système bilinéaire
 x  A x   B0  B1 x  u

 y  C x
Système non linéaire affine en l’entrée

 x  f  x   g  x  u

 y  h  x 
1.5 Quelques comportements non linéaires
1.5.1 Réponse harmonique multiple

Système linéaire : La réponse d’un système linéaire a la même fréquence que le signal
d’entrée avec amplitude et phase différente.
Système non linéaire : La réponse d’un système non linéaire peut contenir autres fréquences
que la fréquence du signal d’entrée et peut ne pas contenir la fréquence du signal d’entrée.
1.5.2 Stabilité du système

Système linéaire : La stabilité d’un système linéaire ne dépend que de ses paramètres. La
stabilité ne dépend ni de l’entrée ni des conditions initiales.
Système non linéaire : La stabilité d’un système non linéaire peut dépendre des paramètres du
système, de l’entrée et des conditions initiales.
Exemple :
- Soit le système linéaire : x   x avec x  0   x0  x  t   x0 e  t  système stable  x  0  .

x0 e  t
- Soit le système non linéaire : x   x  x 2 avec x  0   x0  x  t   . Ce
1  x0  x0 e t
système est stable ( x  t  converge vers zéro) pour x0  1 et instable ( x  t  diverge vers
l’infini) pour x0  1 . Alors, la stabilité de ce système non linéaire dépend des conditions
initiales.
(a) (b)
Figure 1.1 : Système linéaire (a) et système non linéaire (b)
- Soit le système non linéaire x  x u . Si u  1 , le système est stable, et si u  1 , le

système est instable. Alors, la stabilité de ce système non linéaire dépend de son entrée de
commande.
1.5.3 Explosion en temps fini

Système linéaire : L’état d’un système linéaire instable temps vers l’infini quand le temps
tend vers l’infini. En fait, l’état tend vers l’infini sans jamais dépasser une exponentielle.
Système non linéaire : L’état d’un système non linéaire peut diverger vers l’infini en temps
fini.
Exemple :
- Soit le système linéaire : x  3 x avec x  0   x0 , la solution est
x  t   x0 e3t  x  t   x0 e3.01t .
sin  t 
- Soit le système non linéaire : x  1  x 2 avec x  0   0  x  t   tan  t   , alors
cos  t 
x  t  diverge vers l’infini quand t   2 .
Figure 1.2 : Divergence en temps fini

1.5.4 Convergence en temps fini
Système linéaire : L’état d’un système linéaire stable temps vers zéro quand le temps tend
vers l’infini.
Système non linéaire : L’état d’un système non linéaire peut converger vers zéro en temps fini.
Exemple :

- Soit le système linéaire : x   x avec x  0   x0  x  t   x0 e  t , alors x  t  converge vers
zéro quand t   .
- Soit le système non linéaire x   x q p
avec   0, p > q deux nombres impairs, et
1 q p
x0
x  0   x0 , alors x  t  converge vers zéro en temps fini : t f  .
 1  q p 
1.5.5 Points d’équilibre isolés multiples
xe   n est un point d’équilibre du système : x  f  x  si x  t0   xe  x  t   xe ,  t  t0 .
Les points d’équilibre sont les solutions de l’équation f  x   0 . Un point d’équilibre est dit
isolé lorsqu’il n’y a pas d’autres points d’équilibre à son voisinage. On peut avoir une infinité
de points d’équilibre connectés.
Système linéaire : Un système linéaire x  A x peut avoir un seul point d’équilibre isolé à
x  0 (si det  A   0 , i.e. A est régulière) ou une infinité de points d’équilibre connectés dans
le noyau de A (si det  A   0 , i.e. A est singulière).
Système non linéaire : Un système non linéaire x  f  x  peut avoir plusieurs points
d’équilibre isolés.
Exemple :
- Soit le système non linéaire : x   x  x 2 . Ce système possède deux (02) points
d’équilibre à xe  0 et xe  1 .
- Soit le système non linéaire : x1  x2 et x2   x2  x1  x13 . Ce système possède trois (03)
0 1   1
points d’équilibre à xe    , xe    , xe    .
0 0 0 
1.5.6 Comportement chaotique
Système linéaire : Pour un system linéaire, de petites différences dans les conditions initiales
provoquent seulement de petites différences au niveau des sorties.
Système non linéaire : Un système non linéaire peut présenter un comportement chaotique,
c’est-à-dire, la réponse du système est extrêmement sensible aux conditions initiales.
Exemple :
Soit le système non linéaire suivant :  x  0.1 x  x 5  6sin  t  . Pour les deux conditions
initiales différentes suivantes, on obtient les réponses représentées sur cette figure.
Figure 1.3 : Trait continu ( x  0   2, x  0   3 ) et Trait discontinu ( x  0   2.01, x  0   3.01 ).

Comportement chaotique  comportement imprévisible, solution non périodique, solution
bornée.

1.5.7 Bifurcation
Des changements quantitatifs des paramètres peuvent entrainer des changements qualitatifs
des propriétés du système (nombre de points d’équilibre, stabilité des points d’équilibre).
Exemple :
x   x  x3  0;   0 , soit x1  x2 et x2   x1  x13 . Les
Considérons l’équation de Dufing : 
0      
points d’équilibre sont xe    ,  ,   . Pour   0 , il y a un seul point d’équilibre
0 0  0 
0
xe    . Par contre, pour   0 , il y a trois (03) points d’équilibre. On dit alors que   0
0
est une valeur de bifurcation critique.
1.5.8 Cycle limite

Système linéaire : Pour un système linéaire x  A x , s’il y a une solution périodique alors il y
a une infinité de solutions périodiques (il n’y a pas de solution périodique isolée).
Système non linéaire : Un système non linéaire peut avoir une seule solution périodique isolée
(cycle limite).
Exemple :
x1 x2
Soit le système linéaire : x1  x2 et x2   x1 . La solution est donnée par :  x1dx   x2 dx  C ,
te
0 0
ce qui donne x  x  constante . Alors, il existe plusieurs solutions périodiques par rapport
2
1
2
2
aux conditions initiales.
x2
x1
Figure 1.4 : solutions périodiques d’un système linéaire d’ordre 2.
x    x 2  1 x  x  0 . Pour   0 ,
Soit le système non linéaire (équation de Van der Paul) : 
toutes les solutions x  t  (  les C. I.) convergent vers une seule trajectoire fermée (cycle
limite).
Figure 1.5 : Equation de Van der Paul

1.5.9 Existence et unicité de solution
Système linéaire : Pour un système linéaire x  A x , une solution x  t  existe toujours
globalement et elle est unique (chaque condition initiale donne une solution différente).
Système non linéaire : Pour un système non linéaire x  f  x  , une solution x  t  peut exister
localement, peut être non unique et peut ne pas existée du tout.
Exemple :
- La solution peut ne pas existée globalement. Pour le système non linéaire :
x  1  x 2 avec x  0   0  x  t   tan  t  , alors la solution x  t  existe seulement pour
0  t   2.
- La solution peut ne pas être usnique. Pour le système non linéaire x  3x 2 3 avec x  0   0 ,
 t  a 3 , t  a
on a les solutions x  t    pour t   0,   et a  0 . On a aussi les solutions
0 ,ta
x  t   0 pour t   0,   et x  t   t 3 pour t   0,   (pour la même condition intiale
x  0   0 ).
 1, x  0
- La solution n’existe plus. Pour le système x   sgn  x  où sgn  x    avec
 1, x  0
x  0   0 , y a pas de solution différentiable pour ce système.

Méthode du Plan de Phase
2.1 Introduction
La méthode du plan de phase est une méthode graphique qui permet d’étudier de façon
qualitative le comportement des systèmes dynamiques de deuxième ordre décrits par les
équations suivantes :
 x1  f1  x1 , x2   f1  x 

 x2  f 2  x1 , x2   f 2  x 
où x1 et x2 sont les états du système, f1  x  et f 2  x  sont des fonctions non linéaires
quelconques. La méthode du plan de phase a pour but d’analyser le comportement de ce
système sans résoudre l’équation différentielle le régissant.
2.1.1 Plan de phase
Le plan de phase c’est le plan qui a x1 et x2 comme coordonnées ( x1 selon l’axe horizontal,
x2 selon l’axe vertical).
2.1.2 Trajectoire de phase
Soit x  t    x1  t  , x2  t   la solution du système d’ordre 2 pour des conditions initiales
x0   x1  0  , x2  0   . Quand t varie de 0 à l’infini, la solution x  t  peut être représentée par
une courbe dans le plan de phase. Cette courbe est appelée une trajectoire de phase ou une
orbite.
2.1.3 Portrait de phase
Le portrait de phase est obtenu en considérant l’ensemble des trajectoires de phase.
2.1.4 Exemple
Considérons le système linéaire : x1  x2 et x2   x1 . Pour une
condition initiale x0   x10 , x20  , la solution est donnée par : x2
 x1  t   x10 cos  t   x20 sin  t 
 . Ce qui conduit à une équation
 x2  t    x10 sin  t   x20 cos  t 
x1
de la trajectoire dans le plan de phase x12  x22  x102  x20 2
, qui
est l’équation d’un cercle de centre  0, 0  et de rayon
x102  x20
2
.
Figure 2.1 : Trajectoires dans le plan de phase
2.2 Points singuliers
Les points singuliers sont les points d’équilibre dans le plan de phase. On obtient les points
 x1  0  f1  x1 , x2   0
d’équilibre par la résolution des équations algébriques suivantes :  
 x2  0  f 2  x1 , x2   0
Les points d’équilibre d’un système du second ordre sont appelés points singuliers car la
d x2 f 2  x1 , x2 
pente  n’est pas définie en ces points.
d x1 f1  x1 , x2 
x  0.6 x  3 x  x 2  0 , et qui
Exemple : Soit le système régi par l’équation différentielle : 
peut être écrite sous la forme d’état :
 x1  x2

 x2  0.6 x2  3 x1  x1
2

Les points d’équilibres sont obtenus par la résolution des équations :
 x2  0  x1  3  x1   0
   , soit deux points d’équilibre à  0, 0  et  3, 0  .
  0.6 x2  3 x1  x1
2
 0 
 2x  0
2.3 Construction pratique des trajectoires de phase
Il existe plusieurs méthodes pour la construction et le tracé des trajectoires dans le plan de
phase. Parmi ces méthodes, on trouve :
- Méthode analytique
- Méthode du graphe des pentes
- Méthode des isoclines
2.3.1 Méthode analytique
Il existe deux méthodes pour générer analytiquement les trajectoires de phase.
Elimination du temps explicitement
Lorsque le système est relativement simple, on peut déterminer la solution analytique du
système x1  t   g1  t  et x2  t   g 2  t  . Ensuite, par élimination de la variable temps de ces
deux équations, on obtient la trajectoire dans le plan de phase g  x1 , x2   0 .
Elimination du temps implicitement
d x2 f 2  x1 , x2 
Dans ce cas, on élimine directement le temps en posant :  , puis on cherche la
d x1 f1  x1 , x2 
solution à cette équation différentielle pour obtenir la trajectoire dans le plan de phase
g  x1 , x2   0 .
Exemple 1 : Considérons le système linéaire :
 dx1
 1
x  x  dt  x2 dx x

2
  2  1  x1dx1  x2 dx2  0   x1dx1   x2 dx2  C te .
 x2   x1  dx2   x dx1 x2
 dt 1
Ce qui donne : x12  x22  2C te  x102  x20

2
, qui est l’équation d’un cercle de centre  0, 0  et de
rayon x102  x20
2
.
Exemple 2 : Considérons l’asservissement non linéaire suivant :
c0 e A u 1 θ
-A
s2
Figure 2.2 : Asservissement non linéaire

Ce système asservi peut être décrit par l’équation différentielle suivante :    u où
u  A sgn  e  et e   . Si on choisit x1   et x2   , on obtient la représentation d’état

suivante :
 x1  x2   A ,si x1  0
 avec u   ; x1  0 est appelé droite de commutation.
 x2  u   A ,si x1  0
Equations de la trajectoire :
1er cas : u   A , c’est-à-dire x1  0 .

 x  x2 dx A
Le système est régi par :  1  2   Ad x1  x2 d x2  0   Ad x1   x2 d x2  C te
 x2  A d x1 x2
1 2 C1
On obtient alors l’équation d’une parabole : x22  2 Ax1  C1  x1  x2  , où C1 est une
2A 2A
constante positive qui dépend des conditions initiales.
2ème cas : u   A , c’est-à-dire x1  0 .
 x  x2 dx A
Il vient alors :  1  2   Ad x1  x2 d x2  0   Ad x1   x2 d x2  C te
x
 2   A d x1 x2
1 2 C2
On obtient alors l’équation d’une parabole : x22  2 Ax1  C2  x1   x2  , où C2 est
2A 2A
une constante positive qui dépend des conditions initiales.
Trajectoires de phase : En rassemblant les trajectoires des deux cas précédents, on obtient des
trajectoires fermées représentées sur la figure suivante.
x2
x1
droite de commutation
Figure 2.3 : Trajectoires dans le plan de phase de l’asservissement non linéaire
2.3.2 Méthode du graphe des pentes
 x1  f1  x1 , x2   f1  x 
Considérons un système de deuxième ordre : 
 x2  f 2  x1 , x2   f 2  x 
Le champ de vecteur f  x    f1  x  , f 2  x   est tangent au trajectoire de phase au point
d x2 f 2  x1 , x2 
x   x1 , x2  car :  .
d x1 f1  x1 , x2 
Alors, le champ de vecteur f  x    f1  x  , f 2  x   représente la pente de la trajectoire de
phase et peut être vu et tracé comme un vecteur localisé au point x   x1 , x2  .
Le graphe des pentes est obtenu en évaluant f  x    f1  x  , f 2  x   à certains points du plan
de phase, puis en représentant un petit segment de droite orienté de x vers x  f  x  .
x2
f2  x  f  x
tan     f 2 f1
θ f x
x2 1 
x1
x1
Figure 2.4 : Tracé du champ de vecteur f  x  .

x1  x2 , x2   x1 x1  x2 , x2  10sin  x1 
Figure 2.5 : Exemples de graphe des pentes.
2.3.3 Méthode des isoclines
Considérons un système de deuxième ordre : x1  f1  x1 , x2  , x2  f 2  x1 , x2  . La tangente à la
trajectoire de phase passant par le point x   x1 , x2  a une pente donnée par :
d x2 f 2  x1 , x2  d x2
 . Le lieu des points pour lesquels la pente  C te   est une courbe
d x1 f1  x1 , x2  d x1
appelée isocline.
On trace alors dans le plan de phase plusieurs isoclines correspondant à quelques valeurs de
 et on trace, en plusieurs points de l’isocline, des petits segments matérialisant la valeur de
 . Ainsi, on matérialise les tangentes des trajectoires aux points où elles coupent l’isocline.
Pour tracer les trajectoires de phase du système, on choisit un point initial donné x0 et on
trace la courbe qui passe au mieux par les différents segments matérialisés sur les isoclines.
Exemple : Considérons le système x1  x2 , x2   x1  x2
dx2  x1  x2 x
Alors :    d’où il vient les isoclines : x2   1 . Les isoclines de ce
dx1 x2 1 
système sont donc des droites passant toutes par l’origine. Par exemple, pour   1 , on trace
la droite d’équation x2  0.5 x1 et on la muni de petits segments de pente 1.
x2
x0
x1
 1
  2 0
  1
Figure 2.6 : Tracé des isoclines.

2.4 Plan de phase des systèmes linéaires d’ordre 2
Dans cette section, on étudie de façon qualitative le comportement des trajectoires des
systèmes dynamiques linéaires du second ordre décrits par les équations suivantes :
 x1  a11 x1  a12 x2 a a 
 , soit x  A x , x   x1 , x2  , A   11 12  .
 x2  a21 x1  a22 x2  a21 a22 
On suppose que le système possède un point d’équilibre unique, x  0 , à l’origine du plan de
phase. Soit 1 et  2 les valeurs propres de A (obtenues en résolvant det   I  A   0 ). La
nature des valeurs propres 1 et  2 détermine les caractéristiques des trajectoires de phase.
On distingue six cas :
Valeurs propres réelles Nœud stable Nœud instable Col
Im   i   0 1 ,  2  0 1 ,  2  0 1  0   2
Valeurs propres complexes Foyer stable Foyer instable Centre
Im   i   0 Re   i   0 Re   i   0 Re   i   0
La figure 2.7 présente l’allures des trajectoires de phase en fonction de la nature de 1 et  2 .
Nœud stable Nœud instable Col

x2
x1
Im 
Re 
Foyer stable Foyer instable Centre
Figure 2.7 : Trajectoires de phase des systèmes linéaires d’ordre 2.
Remarque : Dans le cas où l’une des deux

valeurs propres est nulle, l’équilibre n’est
pas isolé et on a une droite de points
d’équilibre et toutes les trajectoires sont
rectilignes et convergent vers ou sont issues
d’un point de cette droite d’équilibre.
1  0,  2  0 1  0,  2  0
Figure 2.8 : Trajectoires de phase dans le cas d’une valeur propre nulle.

2.5 Plan de phase des systèmes non linéaires d’ordre 2 – Comportement local
Les systèmes non linéaires peuvent présenter plusieurs points d’équilibre isolés distincts. Ceci
implique que, contrairement au cas des systèmes linéaires, le comportement des trajectoires
au voisinage d’un point d’équilibre gardera le plus souvent un caractère local et ne pourra
nullement être étendu à l’ensemble du plan de phase. Alors, le comportement qualitatif des
trajectoires d’un système non linaire au voisinage d’un point d’équilibre peut être identifié à
celui d’un système linéaire.
Soit le système non linéaire plan : x1  f1  x1 , x2  , x2  f 2  x1 , x2  , où f1  x1 , x2  et f 2  x1 , x2 
sont des fonctions non linéaires continuellement dérivables, et soit xe   xe1 , xe 2  un point
d’équilibre isolé de ce système. Le point d’équilibre xe est dit isolé s’il existe un voisinage de
xe ne contenant aucun autre point d’équilibre.
En effectuant une linéarisation du système autour du point d’équilibre xe , on obtient :
 f1 f1 
 x x2 
f
  .
1
z  A z où z  x  xe et A 
x x  xe  f 2 f 2 
 x x2 | x  x
 1 e
Si les deux valeurs propres de A ont une partie réelle non nulle, alors, le système non
linéaire a le même type de point d’équilibre que le système linéaire z  A z . On a alors les cas
suivants :
Valeurs propres réelles Nœud stable Nœud instable Col
Im   i   0 1 ,  2  0 1 ,  2  0 1  0   2
Valeurs propres complexes Foyer stable Foyer instable Pas de conclusion
Im   i   0 Re   i   0 Re   i   0 Re   i   0
Exemple 1 : Soit le système non linéaire x1  x2 et x2   sin  x1   0.5 x2 , qui possède les
points d’équilibre xe   k , 0  avec k   .
f  0 1 
La matrice Jacobienne est : A    .
x x  xe   cos  x1  0.5 | x  xe
0 1 
- Pour xe   2k , 0  , A    avec les valeurs propres 1,2  1 4  j 15 4 . Alors le
 1 0.5 
point d’équilibre xe   2k , 0  est un foyer stable.
0 1 
- Pour xe   2  k  1 , 0  , A    avec les valeurs propres 1  0.78 et  2  1.28 .
 1 0.5 
Alors le point d’équilibre xe   2  k  1 , 0  est un col.
Exemple 2 : Soit le système donné par :
 x1   x2   x1  x12  x22 

 ,   0 , qui a un point d’équilibre à x  0 .
   2 1  2
2 2
x
 2 x1 x x x
   3 x12  x22   1  2x1 x2   0 1
A
f
     , avec les valeurs propres 1,2   j .
x x 0  1  2x1 x2    x12  3 x22    1 0
 | x 0

Dans ce cas, on ne peut pas conclure sur la nature du point d’équilibre x  0 du système non
linéaire.
Si on présente le système en coordonnées polaires : x1  r cos    et x2  r sin    , on obtient
la forme : r   r 3 et   1 . Alors, le point d’équilibre sera un foyer stable pour   0 , et un
foyer instable pour   0 .
2.6 Cycles limites

Dans le plan de phase, un cycle limite est défini comme une trajectoire fermée et isolée. La
trajectoire doit être fermée, indiquant la périodicité du mouvement, et isolée, indiquant la
nature limite du cycle (les trajectoires dans un voisinage du cycle convergent ou divergent de
lui). Il existe trois types de cycles limites :
- Cycle limite stable : Toutes les trajectoires dans un voisinage du cycle convergent vers lui.
- Cycle limite instable : Toutes les trajectoires dans un voisinage du cycle divergent de lui.
- Cycle limite semi-stable : Certaines trajectoires dans un voisinage du cycle convergent
vers lui et les autres divergent de lui.
Convergentes Divergentes
Convergentes Divergentes
Cycle limite Cycle limite Cycle limite

Cycle limite stable Cycle limite instable Cycle limite semi-stable
Figure 2.8 : Cycles limites stable, instable et semi-stable.
2.6.1 Existence de cycles limites
Théorème de Poincaré : Soit N le nombre de nœuds, centres et de foyers et S le nombre de

cols. Si un cycle limite existe, les points d’équilibre que le cycle limite encercle sont tels que :
N  S  1.
Théorème de Bendixon : Pour le système plan : x1  f1  x1 , x2  , x2  f 2  x1 , x2  , aucun cycle
f1 f 2
limite ne peut exister dans une région  du plan de phase dans laquelle  n’est pas
x1 x2
nul dans aucune sous région de  et ne change pas de signe dans  .
Théorème de Poincaré-Bendixon : Si une trajectoire demeure dans une région finie  alors
une des trois propositions suivantes est vraie :
- La trajectoire tend vers un point d’équilibre.
- La trajectoire tend asymptotiquement vers un cycle limite.
- La trajectoire est elle même un cycle limite.
Remarque : pour étudier l’existence et la stabilité des cycles limites, il est souvent préférable
de réécrire le système dynamique dans les coordonnées polaires : r  x12  x22 et
tan     x2 x1 . Les relations inverses sont : x1  r cos    et x2  r sin    .

Exemple 1 : Soit le système donné par : x1   x2  4 x1 x22 , x2  x1  4 x12 x2 .
f1 x1  f 2 x2  4  x12  x22   0, x  0 , Alors, il n’y a pas de cycle limite. ( x  0 n’est pas
une sous-région)
Exemple 2 : Soit le système donné par : x1   x2 , x2  x1  4 x2  x12 x2 .
f1 x1  f 2 x2  4  x12  0, x , Alors, il n’y a pas de cycle limite.
Exemple 3 : Soit le système donné par : x1  x2 cos  x1  , x2  sin  x1  . Points d’équilibre à
xe   n, 0  , n   . La linéarisation autour du point d’équilibre donne :
  x sin  x1  cos  x1   0 1
A 2  . Pour n pair : A    avec les valeurs propres 1,2  1 .
 cos  x1  0 
x  xe
 1 0
 0 1
Pour n impair : A    avec les valeurs propres 1,2  1 . Les points d’équilibres sont
 1 0 
donc des cols. Alors, il n’y a pas de cycle limite (théorème de Poincaré).
Exemple 4 : Soit le système donné par : x1  x2  x1 1  x12  x22  , x2   x1  x2 1  x12  x22  .
En coordonnées polaires, le système s’écrit :
r  r 1  r 2  et   1 . Comme points d’équilibre, on
obtient : r  0 (c’est un point) et r  1 (c’est un cercle). r
  1 indique que les trajectoires sont orientés dans le 
sens des aiguilles d’une montre. Alors, on a une solution
périodique fermée. Notons que pour r  1 , r  0 ( r
diminue) et pour r  1 , r  0 ( r augmente). Alors,
toutes les trajectoires converge vers une solution
périodique, d’où l’existence d’un cycle limite stable
(cercle de rayon 1 et de centre à l’origine). Dans ce cas, l’origine est un point d’équilibre
instable.
Exemple 5 : Soit le système donné par :
r  r 1  r  r  1 et   1 . Comme points d’équilibre,
on obtient : r  0 (c’est un point) et r  1 (c’est un
r
cercle). Alors, on a une solution périodique fermée.
Notons que pour r  1 , r  0 ( r augmente) et pour 
r  1 , r  0 ( r diminue). Alors, toutes les trajectoires
diverge de la solution périodique, d’où l’existence d’un
cycle limite instable (cercle de rayon 1 et de centre à
l’origine). Dans ce cas, l’origine est un point d’équilibre
stable.
Exemple 6 : Soit le système donné par : r  r 1  r  et
2
  1 . Points d’équilibre : r  0 et r  1 . Alors, on a une

solution périodique fermée. Notons que pour r  1 , r
r  0 ( r augmente) et pour r  1 , r  0 ( r augmente). 
Alors, il existe un cycle limite semi-stable. Dans ce cas,
l’origine est un point d’équilibre instable.

Méthode du Premier Harmonique
3.1 Introduction
La méthode harmonique (méthode fréquentielle) est un outil puissant pour l’analyse et la synthèse
des systèmes de commande linéaires. L’idée consiste à décrire le système comme fonction
complexe (fonction de transfert) plutôt que comme une équation différentielle.
Il y a deux avantages principaux d’employer la méthode harmonique. D’abord, des représentations
graphiques peuvent être utilisées pour faciliter l’analyse et la synthèse. En second lieu, des
interprétations physiques peuvent être dégagées.
La méthode du premier harmonique est une généralisation (extension) de la méthode harmonique
des systèmes linéaires aux systèmes asservis non linéaires à une non-linéarité séparable représentés
figure 3.1.
c t   0 e t  u t  y t 
f e H s
Elément Elément
Non Linéaire Linéaire
Figure 3.1 : Système asservi avec non-linéarité séparable en régime libre.

La méthode du premier harmonique consiste à remplacer l’élément non linéaire par un élément
linéaire équivalent (fonction de transfert généralisée). La méthode du premier harmonique permet
ainsi de déterminer si le système asservi non linéaire de la figure 3.1 présente en régime libre des
oscillations (cycles limites) et si oui, en estimer leurs caractéristiques (pulsations propres,
amplitudes).
La prévision des cycles limites est très importante. Parfois les cycles limites peuvent être
souhaitables (par exemple les oscillateurs électroniques). Cependant, dans la plupart des systèmes
asservis, les cycles limites sont indésirables.
3.2 Hypothèses d’application de la méthode
Dans le cadre de ce cours, pour appliquer la méthode du premier harmonique à un système asservi
non linéaire, on suppose que les conditions suivantes sont vérifiées :
- Condition de séparabilité : le système asservi possède un seul bloc non linéaire qu’il est possible
d’isoler. Les autres éléments sont supposés linéaires, au moins approximativement.
- La non-linéairité est statique, c’est-à-dire, la non-linéarité est indépendante du temps.
- La non-linéarité est symétrique par rapport à l’origine.
- Condition de filtrage : la partie linéaire du système asservi, notée H  s  , est stable (sans pôles à
partie réelle positive) est se comporte comme un filtre passe-bas.
3.3 Fonction de transfert généralisée et gain complexe équivalent
On considère un élément non linéaire quelconque donné par :
e t  u t 
NL
f e
Figure 3.2 : Elément non linéaire.

Pour un signal d’entrée sinusoïdal : e  t   A sin  t  , le signal de sortie u  t   f  e  est périodique,
en général, de même période T  2  . Alors, le signal u  t  peut être décomposé en série de

Fourier : u  t   a0 2    an cos  n t   bn sin  n t   . où les coefficients a0 , an et bn sont
n 1
donnés par :
 Salim Labiod 2012 – Université de Jijel 3-1

T T T
2 2 2
a0   u  t  dt , an   u  t  cos  nt  dt , bn   u  t  sin  nt  dt
T 0 T 0 T 0
Comme la caractéristique non linéaire est symétrique par rapport à l’origine, on a a0  0 . De plus,
on a affaire à un système filtré, alors on peut négliger les harmoniques d’ordre supérieur et on ne
considère que la composante fondamentale, d’où il vient :
u  t   a1 cos   t   b1 sin   t   M sin   t   
avec M  A,   a12  b12 ,   A,   arctan  a1 b1  .
Par analogie avec le cas linéaire, on définit la fonction de transfert généralisée de l’élément non
M  A,  j  A, b1 a
linéaire par : N  A,   e  j 1
A A A
La fonction de transfert généralisée représente la réponse fréquentielle de l’élément non linéaire. A
l’inverse du cas linéaire, la fonction de transfert généralisée dépend de la pulsation et de l’amplitude
du signal d’entrée. Dans le cas d’une non-linéarité statique, la fonction de transfert généralisée
M  A  j  A 
N  A,  est indépendante de  , soit N  A,   N  A   e . La fonction de transfert
A
généralisée N  A  est alors appelée gain complexe équivalent.
On constate que la détermination de N  A  se ramène au calcul de a1 et b1 . D’une façon générale,
si la non-linéarité est impaire, le développement en séries de Fourier ne comporte pas de termes
pairs, c’est-à-dire, an  0 .
3.4 Lieu critique
Plutôt que de tracer dans le lieu de Nyquist, le lieu de points de N  A  , on trace le lieu critique qui
est le lieu des points complexes donnés par : C  A   1 N  A  . Le lieu critique est gradué en
amplitude A . La raison d’utilisation de C  A  devient évidente lorsque nous aborderons les
problèmes de stabilité.
3.5 Calcul de gains complexes équivalents
On se propose de calculer les gains complexes équivalents de quelques non-linéarités usuelles. La
méthode générale de calcul est le développement en séries de Fourier. On supposera que la non-
linéarité est statique et symétrique (mais pas forcément impaire) par rapport à l’origine. On suppose
que la non-linéarité est excitée par un signal de période T  2  de la forme : e  t   A sin  t  .
3.5.1 Gain complexe équivalent du relais idéal (plus-ou-moins, tout-ou-rien)
u  f e u t 
M
e t 
M
T
e T 2 t
M
M
Figure 3.3 : Allure de la réponse du relais idéal.

Pour une entrée sinusoïdale, la sortie du relais idéal est donnée par :
 M , 0  t  T 2
u t   f  e t   
 M , T 2  t  T
Comme le relais idéal est une fonction impaire, on a a1  0 . Le coefficient b1 est donné par :

T T 4
2 8 8M 4M
u  t  sin  t  dt   M sin  t  dt   T  cos  t 
T 4
b1  
T 0 T 0
0


b1 4M
D’où le gain complexe équivalent du relais idéal : N  A    .
A A
A
Le lieu critique est donné par : C  A    .
4M
N  A Im
C  A   1 N  A 
Re
A
Figure 3.4 : Gain équivalent & Lieu critique du relais idéal.
3.5.2 Gain complexe équivalent de la saturation
kh u t 
u  f e
h e t 
h Pente k T 2 T
h e t1 T 4 t2 t
h
k h
Figure 3.5 : Allure de la réponse de la saturation.

On applique à l’entrée un signal sinusoïdale e  t   A sin  t  . Tant que e  t   h , la sortie est
proportionnelle à l’entrée, c’est-à-dire u  t   ke  t  . Pour e  t   h , la saturation agit et on a
u  t   k h sgn  e  t   . Etant donné que la saturation est une fonction impaire, on a a1  0 . En outre,
cette condition permet de réduire l’intervalle d’intégration à T 4 . Il vient donc :
T T 4
2 8
b1   u  t  sin  t  dt   u  t  sin  t  dt . La sortie de la saturation est donnée par :
T 0 T 0
k A sin  t  , 0  t  t1
u t   f  e t    ,
k h, t1  t  T 4
t
8 1 8
T 4 t
8 1  1  cos  2t   8
T 4
 k A sin 2  t  dt   k h sin  t  dt  k h sin  t  dt

T 0 
b1  k A   dt 
T 0 T t1  2  T t1
4k A  sin  2t1   8k h
b1   t1   cos  t1  .
T  2  T
En utilisant la définition de t1 , on a : sin  t1   h A , t1  sin 1  h A  , cos  t1   1   h A  (car
2
t1  0,  2 , sin  2t1   2sin  t1  cos  t1  . Le coefficient b1 devient :
2k A  1  h  h 
2
 sin    h  , pour A  h .
b1  1  
   A A  A 
 

 2k  2 
  sin 1  h   h 1   h   ; A  h
Finalement, le gain complexe équivalent est : N  A       A A  A  
 
N  A
 k ; A  h
k
Im
C  A   1 N  A 
Re
A 1 k
h
Figure 3.6 : Gain équivalent & Lieu critique de la saturation.
3.5.3 Gain complexe équivalent de la zone morte (seuil)
f e e t 
u t 
Pente k h
h T
h e t1 T 4
h t
Figure 3.7 : Allure de la réponse de la zone-morte.

Etant donné que la zone morte est une fonction impaire, on a a1  0 . En outre, cette condition
permet de réduire l’intervalle d’intégration à T 4 . Il vient donc :
T T 4
2 8
b1   u  t  sin  t  dt   u  t  sin  t  dt . La sortie de la zone-morte est donnée par :
T 0 T 0
0, 0  t  t1
u t   f e t    ,
k  A sin  t   h  , t1  t  T 4
8
T 4
8
T 4
8
T 4
 1  cos  2t   8
T 4
b1   k A sin  t  dt 
2
 k h sin  t  dt   k A  dt   k h sin  t  dt
T t1
T t1
T t1  2  T t1
4k A  T sin  2t1   8k h
b1    t1   cos  t1  .
T 4 2  T 
a : sin  t1   h A , t1  sin 1  h A  , cos  t1   1   h A  t1  0,  2 ),

2
On (car
2kA   h 
2
  sin 1   
h h
sin  2t1   2sin  t1  cos  t1  . Il vient alors : b1  1     , pour
 2  A A  A  

A h.
 2k   2 
   sin 1  h   h 1   h   ; A  h
Finalement, on obtient : N  A     2  A A  A  
 
0; A  h

N  A
Im
k
C  A   1 N  A 
Re
1 k
Zone
morte A
h
Figure 3.8 : Gain équivalent & Lieu critique de la zone-morte.
3.5.4 Gain complexe équivalent du relais avec hystérésis (plus-ou-moins avec hystérésis)
f e
M u t 
M
e t 
h h
T
h e t1 T 2 t2
h t
M
M
Figure 3.9 : Allure de la réponse du relais avec hystérésis (non-linéarité avec mémoire).
En raison de l’hystérésis, la sortie u  t  est déphasée sur l’entrée e  t  , ce qui implique que a1 et b1
 M , 0  t  t1

sont non nuls. La sortie u  t  est donnée par : u  t   f  e  t     M , t1  t  t2 .
 M , t2  t  T

T T 2 t1 T 2
2 4 4M 4M
a1   u  t  cos  t  dt   u  t  cos  t  dt    cos  t  dt   cos  t  dt
T 0 T 0
T 0 T t1
8M 4M h
a1   sin  t1  . A l’instant t1 , on a : sin  t1   h A . Il vient alors : a1   .
T A
T T 2 t T 2
2 4 4M 1 4M
b1   u  t  sin  t  dt   u  t  sin  t  dt    sin  t  dt   sin  t  dt
T 0 T 0
T 0 T t1
8M
cos  t1  . On a : cos  t1   1   h A  puisque t1  0,  2 . Il vient alors :
2
b1 
T
2 2
4M h b a 4M h 4M h
b1  1    . Alors, il vient : N  A   1  j 1  1    j . Cette formule est
  A A A A  A  A2
2
A h h
vraie pour A  h . Le lieu critique est : C  A    1    j
4M  A 4M
Im
C  A   1 N  A 
Re
A h
A  h 4M
Figure 3.10 : Lieu critique du relais avec hystérésis.

Remarque :
n n
- Si f  e    fi  e  , alors N f  A    N fi  A  .
i 1 i 1
- Pour une non-linéarité : f  e   en ,avec n impair. On a:

n 1
2 2  n 1 
sin n  t   n   1 Cnk sin   n  2k   t  . Le dernier terme, k   n  1 2 , donne la
k 
2 
2 k 0
2 An n21
composante principale, i.e. f  e    A sin  t    n Cn sin  t  .
n
2
- Pour une non-linéarité : f  e   e e  e sgn  e  , avec n pair. La non-linéarité est impaire,
n 1 n
T 4
8
alors on a : b1   An sin n 1  t dt . Etant donné que  n  1 est impair, on peut utiliser la
T 0
n
2 2 n 
formule de décomposition suivante : sin n 1  x   n 1   1 2 Cnk1 sin   n  1  2k  x  .
k
2 k 0
n T
8 An 2 2 n   1 4
b1     1  k  k
 2  C n 1   cos  n  1  2 k   ,
 t  n  1  2k  est toujours
T 2n 1 k 0   n  1  2 k   0
 T  
impair, alors cos   n  1  2k     cos   n  1  2k    0 . On obtient alors :
 4  2
n n
n n
8A 2 2 n  1 A 2 n  1
b1    1
T  2n 1 k 0
 k 
2  Cnk1  n2
 n  1  2k  2    1
k 0
 k 
2  Cnk1
 n  1  2k 
.
3.6 Etude des cycles limites (auto-oscillations) et de leur stabilité

Dans le cas d’un système asservi possédant un seul élément non linéaire statique séparable, on peut
se ramener au schéma canonique de la figure 3.1. Dans ce schéma canonique, on remplace
l’élément non linéaire par son gain complexe équivalent N  A  .
c t   0 e t  u t  y t 
N  A H s
Figure 3.11 : Schéma canonique d’un système asservi non linéaire.
En boucle fermée, la fonction de transfert généralisée

N  A H  s 
s’écrit : H BF  s   . La condition nécessaire Im
1  N  A H  s 
d’existence de cycles limites est donnée par :
1  N  A  H  j  0 où H  j   1 N  A   C  A  Re
Cette équation peut être résolue par calcul ou 1
graphiquement et fournira donc l’amplitude A et la C  A 
pulsation  des cycles limites, s’ils existent. N  A
Graphiquement, les solutions de cette équations sont les H  j
intersections entre le lieu de transfert de H  j et du lieu
critique C  A    1 N  A  .
Figure 3.12 : Existence de cycle
limite dans le lieu de Nyquist.
La stabilité des cycles limites peut être évaluée par le critère de Loeb : Un cycle limite caractérisé
par une amplitude Ac et une pulsation c est stable si l’intersection entre les deux tracés est telle
qu’en parcourant le lieu de transfert H  j dans le sens des pulsations croissantes (au voisinage
du point d’intersection), on laisse à sa gauche la direction des amplitudes A croissantes sur le lieu
critique C  A  .
Im Im
Re Re
C  A C  A
H  j H  j
Cycle limite stable Cycle limite instable

Figure 3.13 : Règle de Loeb pour les cycles limites.
Remarque :
- Un cycle limite (auto-oscillation) stable a une existence physique, alors qu’un cycle limite
(auto-oscillation) instable n’en a pas, mais constitue une frontière de stabilité.
- Si le lieu critique C  A   1 N  A  et le lieu de transfert H  j ne se coupent pas, il n’existe
pas de cycles limites (auto-oscillations). Le système est stable ou instable suivant que H  j ,
parcouru dans le sens des pulsations croissantes, laisse le lieu critique à sa gauche ou à sa droite
(critère du revers des systèmes linéaires).
- On ne peut plus parler exclusivement en terme de stabilité : il faut préciser à quelle amplitude
A.
Im
3.6.1 Exemple 1 : C  A
Considérons un système asservi non linéaire avec Re
1
H s  et une non-linéarité de type relais
s  s  1
2
 c , Ac 
idéal avec M  2 . Pour un relais idéal, on a
4M A H  j
N  A   C  A   . On trace sur le même
A 4M
plan de Nyquist le lieu de transfert H  j et le lieu Figure 3.14 : Lieu de transfert et lieu critique
critique. 1.5
On remarque que le lieu de transfert coupe le lieu

critique en un point. Alors, il existe un cycle limite, et, 1
d’après le critère de Loeb, le cycle limite est stable. Le 0.5
cycle limite est caractérisé par une pulsation c tel 0

y
que : Im  H  jc    0  c  1rad/sec , et une -0.5
amplitude Ac tel que : -1
C  Ac   H  jc   0.5  Ac  2 M  . -1.5

0 10 20 30 40 50
t
Figure 3.15 : réponse du système

 s  10 
2
3.6.1 Exemple 2 : Considérons un système asservi non linéaire avec H s  et une non-
 s  1
3
linéarité de type relais idéal avec M  2 . La figure 3.16

présente le lieu de transfert H  j et le lieu critique. Im
On a deux point d’intersection C1 et C2 . Le premier H  j
point d’intersection correspond à la pulsation C  A Re
c1  2.83 rad/s et le second point à la pulsation C1 C2
c 2  5.92 rad/s. D’après le critère de Loeb, le premier
point d’intersection correspond à un cycle limite (une Figure 3.16 : Lieu de transfert et lieu critique
oscillation) stable (amplitude vérifie
C  Ac1   H  jc1   4  Ac1  16 M  ) et le second à
un cycle limite instable (amplitude vérifie C  Ac 2   H  jc 2   0.624  Ac 2  2.496 M  ). En
conséquence, si la perturbation (ou les conditions initiales) est d’amplitude faible telle que A  Ac 2 ,
l’amplitude diminue et le système revient au repos. Si la perturbation est d’amplitude telle que
Ac 2  A  Ac1 , l’amplitude croît d’avantage et le système accroche au point C1 . Si la perturbation
est d’amplitude telle que A  Ac1 , l’amplitude diminue et le système accroche au point C1 .
20
3.6.1 Exemple 3 : Considérons un système asservi non linéaire avec H  s   2 et une
s  2 s  10
non-linéarité de type relais avec hystérésis avec M  1 et h  0.2 .
200  20 2 40
On a : Re  H  j   4 , Im  H  j   4 et lieu critique
  16  100
2
  16 2  100
2
A h h
C  A   1    j . On a un cycle limite
4M  A 4M Im
stable dont les paramètres sont calculés à partir des
2
C  A   1 N  A 
200  20 2
A  h  Re
équations : 
c
1   et h
  16c  100
4
c
2
4M  Ac 
4M
40c h H  j
 . On obtient :
c  16c  100
4 2
4M
Figure 3.17 : Lieu de transfert et lieu critique
c  0.7072 rad/s et Ac  0.204 .
3.7 Fiabilité de la méthode du premier harmonique
La méthode du premier harmonique n’est pas rigoureuse, puisqu’on fait abstraction totale de la
présence des harmoniques. Toutefois, lorsque la partie linéaire se comporte comme un filtre passe-
bas à bande passante faible, le filtrage est efficace et l’influence des harmoniques peut être négligée.
En général, la méthode du premier harmonique donne des résultats corrects mais, dans certains cas,
cette méthode pouvait conduire à des conclusions erronées : Amplitude et pulsation des oscillations
prédites ne sont pas exactes ; Un cycle limite prévu ne se produit pas ; Un cycle limite existant n’est
pas prédit.

Stabilité au sens de Lyapunov des systèmes non linéaires autonomes
La méthode de Lyapunov permet d’analyser la stabilité d’un système linéaire ou non linéaire sans
connaître explicitement les solutions des équations différentielles qui le décrivent.
4.1 Définitions
4.1.1 Système autonome
L’évolution d’un système peut-être définie par une équation différentielle de la forme
x  t   f  x  t  , u  t  , t 
x  t  : vecteur d’état
u  t  : vecteur de commande
Dans ce chapitre nous nous limiterons à considérer des systèmes non commandés (entrée nulle;
u  t   0 ) donnés par
x  t   f  x  t  , t 
Un système est dit autonome si f   ne dépend pas explicitement du temps t : x  t   f  x  t   .
Sinon, le système est dit non autonome.
4.1.2 Voisinage de l’origine

Un voisinage de l’origine  est tout domaine fermé incluant l’origine.
4.1.3 Boule
On définit une boule fermée dans  n comme l’ensemble : Br   x   n | x  r où
x  x12    xn2 et r  0.
4.1.4 Notions de fonctions définies positives et définies négatives

Considérons une fonction scalaire V :    n   , on a alors la terminologie suivante :
V  0   0, V  x   0,  x    0 V  x  est semi-définie positive

V  0   0, V  x   0,  x    0 V  x  est définie positive
V  0   0, V  x   0,  x    0 V  x  est semi-définie négative
V  0   0, V  x   0,  x    0 V  x  est définie négative
x    V  x   V  x  est radialement non bornée
Exemple 4.1 : Dans l’espace à deux dimensions
• V  x   x12  x22 : Fonction définie positive et radialement non bornée.
• V  x   x12 : Fonction semi-définie positive
• V  x   x12  x2 sin  x2  : Fonction définie positive pour x2   2 ( V  0   0 , V  x   0 pour
x2   2 et x  0 ).
V  x    x1  x2  : Fonction semi-définie positive.
2
•
• V  x     x12  x22  : Fonction définie négative

• V  x    x12 : Fonction semi-définie négative.
• La forme quadratique V  x   xT P x , x   n avec P  PT , est (semi-)définie positive
(négative) si P est une matrice (semi-)définie positive (négative).

4.2 Stabilité d’un point d’équilibre au sens de Lyapunov
4.2.1 Point d’équilibre
xe est un point d’équilibre du système autonome x  f  x  si : x  t1   xe  x  t   xe pour t  t1 .
Ou de façon équivalente si : f  xe   0 .
Remarque : On peut toujours supposer que le point d’équilibre xe  0 . Si xe  0 , on peut effectuer
un changement de variables et obtenir un nouveau système avec un point d’équilibre à xe  0 .
Posons : y  x  xe  y  x  f  x   f  y  xe   g  y  .
Alors, ye  0 est un point d’équilibre du nouveau système y  g  y  , puisque
g  0   f  0  xe   f  xe   0 . Ainsi, l’étude de la stabilité du point d’équilibre xe du système
x  f  x  revient à étudier la stabilité du point d’équilibre ye  0 du système y  g  y  .
4.2.1 Stabilité et instabilité d’un point d’équilibre

Le point d’équilibre xe de x  f  x  est :
- Stable : si pour tout   0 , il existe        0 (dépendant de  ) tel que :
x  0   xe    x  t   xe  
- Instable : s’il n’est pas stable
- Asymptotiquement stable : s’il est stable et  peut être choisi tel que :
x  0   xe   lim x  t   xe . Il est globalement asymptotiquement stable si    (c’est-à-
t 
dire :  x  0    ).
n
- Exponentiellement stable : s’il existe   0 ,   0 et   0 tel que :

x  0   xe   x  t   xe   x  0   xe et ,  t  0 . Il est globalement exponentiellement
stable si    (c’est-à-dire :  x  0    n )
Remarque :
- La stabilité exponentielle implique la stabilité asymptotique mais l’inverse n’est pas
nécessairement vrai.
- La notion de stabilité s’applique au point d’équilibre et non pas au système. Un système peut
avoir plusieurs points d’équilibre.
(b)
(a)
Figure 4.1 : Illustration de la notion de stabilité : (a) point d’équilibre stable; (b) point d’équilibre
asymptotiquement stable
4.3 Première méthode de Lyapunov (Méthode indirecte, Méthode de linéarisation)
La première méthode de Lyapunov est basée sur l’examen de la linéarisation du système x  f  x 
autour du point d’équilibre xe . Plus précisément, on examine les valeurs propres   A  de la
matrice Jacobienne évaluée au point d’équilibre xe . Selon cette méthode, les propriétés de stabilité
du point d’équilibre s’expriment comme suit.
Théorème 4.1 : Première méthode de Lyapunov
f
Soit xe le point d’équilibre du système : x  f  x  avec f  C1 . Posons A   xe  et
x
  A   max Re    A   . Alors :
- Si   A   0 , le point d’équilibre xe est asymptotiquement stable.
- Si   A   0 , le point d’équilibre xe est instable.
- Si   A   0 , on ne peut pas conclure sur la stabilité du point d’équilibre xe .
Remarque : La méthode indirecte de Lyapunov a deux inconvénients principaux :
- Elle ne permet pas de dire si le point d’équilibre est stable ou instable quand la matrice
Jacobienne comporte au moins une valeur propre à partie réelle nulle et aucune valeur propre à
partie réelle strictement positive.
- La stabilité n’est valable que dans un voisinage du point d’équilibre (stabilité locale).
Exemple 4.1 : La linéarisation du système : x1   x12  x1  sin  x2  ; x2  cos  x2   x13  5 x2 , au point
 1 1 
d’équilibre xe  1, 0  est donnée par : A    ,   A   2, 4 . Alors, le point d’équilibre
T
 3 5 
xe  1, 0  du système non linéaire est asymptotiquement stable.
T
4.4 Seconde méthode de Lyapunov (méthode directe)

La stabilité au sens de Lyapunov est une traduction mathématique d’une constatation élémentaire :
si l’énergie totale d’un système décroît avec le temps, alors ce système qu’il soit (linéaire ou non,
stationnaire ou non) tend à se ramener à un état d’équilibre (il est stable). La méthode directe de
Lyapunov cherche donc à générer une fonction scalaire de type énergétique qui admet une dérivée
temporelle négative.
Théorème 4.2 : Stabilité au sens de Lyapunov
Le point d’équilibre xe  0 du système autonome x  f  x  est stable s’il existe une fonction
scalaire V :    n   continûment dérivable ayant les propriétés suivantes :
* V  0   0, V  x   0,  x    0 ;
* V  x   0 , pour tout x   .
Théorème 4.3 : Stabilité asymptotique

Le point d’équilibre xe  0 du système autonome x  f  x  est asymptotiquement stable s’il
existe une fonction scalaire V :    n   continûment dérivable ayant les propriétés suivantes :
* V  0   0, V  x   0,  x    0 ;
* V  0   0, V  x   0,  x    0 .
Théorème 4.4 : Stabilité asymptotique globale

Le point d’équilibre xe  0 du système autonome x  f  x  est globalement asymptotiquement
stable s’il est asymptotiquement stable et si en outre :    n et x    V  x    .
Théorème 4.5 : Stabilité exponentielle

Le point d’équilibre xe  0 du système autonome x  f  x  est exponentiellement stable s’il
existe une fonction scalaire V :    n   continûment dérivable telle que :
* k1 x  V  x   k2 x , pour tout x   ;
a a
V  x    k3 x , pour tout x   ;
a
*

où k1 , k2 , k3 et a sont des constantes positives.
Théorème 4.6 : Stabilité exponentielle globale
Le point d’équilibre xe  0 du système autonome x  f  x  est globalement exponentiellement
stable s’il est exponentiellement stable avec    n .
Remarque :
- Une fonction V :    n   , telle que V  x  est définie positive avec des dérivées partielles
continues est appelée fonction candidate de Lyapunov.
- Une fonction candidate de Lyapunov est une fonction définie positive dont on teste la
décroissance autour d’un point d’équilibre.
V V n
V
- La dérivée V  x  correspond à : V  x   x  f  x   fi  x  .
x x i 1 xi
- Ce théorème est une condition suffisante de stabilité mais ne permet pas de guider l’utilisateur
dans le choix de la fonction de Lyapunov et ne permet pas de conclure si on ne trouve pas une
telle fonction.
- Les fonctions quadratiques sont souvent utilisées dans l’analyse des systèmes dynamiques
(fonction de Lyapunov). Notamment : l’énergie cinétique, l’énergie potentielle élastique ou de
gravité et l’énergie totale sont des fonctions quadratiques de l’état pour les systèmes mécaniques.
Exemple 4.2 : Soit le système non linéaire

 x1  x2
 , a  0 , L’origine est un point d’équilibre pour ce système.
 x2   a sin x1
1 2
Considérons la fonction de Lyapunov V  x   a 1  cos x1   x2 . V  x  est une fonction définie
2
positive pour 2  x1  2 , et : V  x   a sin  x1  x1  x2 x2  0 , V  x  est semi-définie négative,
alors l’origine est stable.
 x1  x2
 , a  0 , b  0 . L’origine est un point d’équilibre pour ce système.
 x2   a sin x1  bx2
1 2
Considérons la fonction de Lyapunov V  x   a 1  cos x1   x2 . V  x  est une fonction définie
2
positive pour 2  x1  2 , et : V  x   a sin  x1  x1  x2 x2  b x22 , V  x  est semi-définie négative,
alors l’origine est stable.
1 T  b2 2 b 2 
Considérons la fonction de Lyapunov V  x   a 1  cos x1   x Px où P    .
2 b 2 1 
1 1
V  x    abx1 sin x1  bx22 . Pour x1   , V  x  est définie positive et V  x  est définie négative,
2 2
Alors, l’origine est asymptotiquement stable.
 x1  x1  x12  x22  2   4 x1 x22

Exemple 4.4 : Soit le système :  , xe  0 est un point d’équilibre.
 2 1    1 2

2 2 2
x
 2 x x x 2 2 4 x x
Considérons la fonction de Lyapunov V  x   x12 2  x22 2 . V  x  est une fonction définie positive
et : V  x   x x  x x   x 2  x 2  x 2  x 2  2  , V  x  est définie négative pour tout x dans
1 1 2 2 1 2 1 2
   x   | x  x  2 . Alors, le point d’équilibre xe  0 est asymptotiquement stable.

2 2
1
2
2

 x1  x2  x1  x12  x22 

 , xe  0 est un point d’équilibre du système.
 x2   x1  x2  x1  x2 
2 2
Considérons la fonction de Lyapunov V  x   x12  x22 . V  x  est une fonction définie positive et :
V  x   x1 x1  x2 x2  2  x12  x22  , V  x  est définie négative pour tout x . Alors, puisque V  x  est
2
radialement non bornée, le point d’équilibre xe  0 est globalement asymptotiquement stable.

4.4.1 Principe d’invariance de LaSalle
Il arrive souvent que l’on trouve une fonction de Lyapunov dont la dérivée est seulement semi-
définie négative, ce qui ne permet pas de conclure sur la stabilité asymptotique en appliquant la
méthode directe de Lyapunov. La difficulté provient notamment de ce que, en analysant la fonction
V  x  , on n’exploite pas le fait que les différentes variables d’état xi ne sont pas indépendantes
mais sont reliées par les équations de la dynamique du système. LaSalle a étudié cette question et a
formulé un principe d’invariance qui permet d’analyser la stabilité asymptotique dans le cas d’une
fonction V  x  semi-définie négative.
Théorème 4.7 : Principe d’invariance de LaSalle

Le point d’équilibre xe  0 du système x  f  x  est asymptotiquement stable si il existe une
fonction V  x  :    n   , continument différentiable ayant les propriétés suivantes :
- V  0   0 , V  x   0 pour tout x    0
- V  x   0 , pour tout x  
- L’ensemble E   tel que V  x   0 ne contient pas de trajectoire du système autre que
x  t   0 (c’est-à-dire, x  0 est la seule solution qui vérifie V  x   0 et x  f  x  ).
Si    n et x    V  x    , alors le point d’équilibre xe  0 est globalement
asymptotiquement stable.
 x1  x2
 , a  0 , b  0 . L’origine est un point d’équilibre pour ce système.
 x2   a sin x1  bx2
1 2
Soit V  x   a 1  cos x1   x2 . V  x  est une fonction définie positive pour   x1   , et :
2
V  x   b x22 , V  x  est semi-définie négative, alors l’origine est stable selon Lyapunov.
 x  x2  0
La condition V  x   0  x2  0  x2  0   1  x1  0, x1  0 . Alors, la
 x2   a sin x1  bx2  0
seule solution qui vérifie V  x   0 et x  f  x  c’est bien x  0 , alors selon LaSalle, l’origine est
asymptotiquement stable.
4.4.2 Stabilité de Lyapunov des systèmes linéaires
Théorème 4.8 : Le système linéaire x  A x est asymptotiquement stable (ou les valeurs propres de
A sont à partie réelles négatives) si et seulement si, pour toute matrice symétrique définie positive
Q , il existe une matrice P symétrique et définie positive satisfaisant l’équation de Lyapunov :
AT P  P A  Q .
Démonstration : On définit comme fonction de Lyapunov V  x   xT P x .

V  x   xT Px  x T Px  xT  AT P  P A  x   xT Qx . V  x  est définie positive et radialement non
bornée avec V  x  définie négative, alors, le système linéaire est (globalement) asymptotiquement
stable.
0 4  1 0
Exemple 4.7 : Soit le système x  A x avec A    . Pour Q    , la solution P de
 8 12  0 1
1  5 1
l’équation de Lyapunov : AT P  P A  Q est donnée par : P    . Comme la matrice P est
16  1 1
symétrique est définie positive, le système linéaire est asymptotiquement stable.
N.B. Une matrice est définie positive si toutes ses valeurs propres sont strictement positives ou si
tous ses mineurs principaux sont strictement positifs.
4.5 Méthodes de construction des fonctions de Lyapunov
Si la méthode de Lyapunov est très intéressante car elle permet de conclure si un système
dynamique est stable ou instable sans être obligé de résoudre les équations du système, elle a un
point faible car il n’existe aucune méthode générale pour la constructions des fonctions de
Lyapunov. On présente deux méthodes qui permettent de répondre en partie à ce problème.
4.5.1 Méthode de Krasovskii
Théorème 4.9 : Soit le système autonome x  f  x  dont le point d’équilibre est l’origine xe  0 ,
et soit la matrice Jacobienne du système : A  x    f  x . Si la matrice B  x   A  x   AT  x  est
définie négative dans un voisinage  de l’origine, alors l’origine est un point d’équilibre
asymptotiquement stable. Une fonction de Lyapunov pour ce système est donnée par :
V  x   f T  x  f  x  . Si de plus,    n et V  x  est radialement non bornée, alors l’origine est un
point d’équilibre globalement asymptotiquement stable.
Exemple 4.8: Soit le système
 x1  6 x1  2 x2

 x2  2 x1  6 x2  2 x2
3
 6 2 
L’origine est un point d’équilibre du système. On calcule la Jacobienne : A  x    2
,
 2 6  6 x2
 12 4 
alors : B  x   A  x   AT  x    2
. Pour  B  x  , 1  12 et  2  128  144x22 , d’où
 4  12  12 x2
 B  x  est définie positive ce qui implique que B  x  est définie négative et l’origine est
asymptotiquement stable. De plus : V  x   f T  x  f  x    6 x1  2 x2    2 x1  6 x2  2 x23 
2 2
.
Visiblement, V  x    quand x   , ce qui implique que l’origine est un point d’équilibre
globalement asymptotiquement stable.
4.5.2 Méthode du gradient variable

V
Pour une fonction de Lyapunov donnée, on a : V  x   f  x  . Dans cette méthode, on suppose
x
V
que c’est la forme du gradient qui est spécifiée. Généralement, on suppose que :
x

V
 g T  x  , où g  x  est un vecteur colonne donné par : g  x    g1  x  , , g n  x   avec :
T
x
n
gi  x    aij x j . Notons que les paramètres de g  x  vérifient la condition de symétrie :
j 1
 gi   V   2V  2V   V   g j
        , c’est-à-dire, aij  a ji . Les coefficients aij
xj xj   xi   x j  xi  xi  x j  xi   x j   xi
(pas forcément des constantes) sont déterminés pour que V  x  soit (semi-) définie négative. En
x x n
suite, on détermine V  x  par : V  x    g T  y  dy    gi  y  dyi , soit :
0 0 i 1
x1 x2 xn
V  x    g1  y1 , 0, , 0  dy1   g 2  x1 , y2 , 0, , 0  dy2     g n  x1 , , xn 1 , yn  dyn .

0 0 0
Exemple 4.9 : Soit le système

 x1   x1  2 x12 x2
 , l’origine est un point d’équilibre pour ce système.
 x2   x2
 g  x    a11 x1  a12 x2 
T
 V 
Posons :    g  x    1   , avec la condition a12  a21 .
 x   g 2  x    a21 x1  a22 x2 
V  x   g T  x  f  x   a11 x12  2a11 x13 x2  a12 x1 x2  2a12 x12 x22  a21 x1 x2  a22 x22 .
Si on choisit : a11  1 , a22  1 et a12  a21  0 , il vient : V  x    1  2 x1 x2  x12  x22 , si x1 x2  1 2 ,
V  x  est définie négative. On a alors : g  x   x et g  x   x .
1 1 2 2
x1 x2
V  x    y1dy1   y2 dy2  x12 2  x22 2 . Alors, V  x  est définie positive et V  x  est définie
0 0
négative pour x1 x2  1 2 , ce qui implique que l’origine est asymptotiquement stable.

Exemple 4.10 : Soit le système
 x1  x2
 , l’origine est un point d’équilibre pour ce système.
 x2   x1  x2
3
 g  x    a11 x1  a12 x2 
T
 V 
Posons :    g  x    1   , avec la condition a12  a21 .
 x   g 2  x    a21 x1  a22 x2 
V  x   g T  x  f  x   g1  x  f1  x   g 2  x  f 2  x   a21 x14   a22  a12  x22   a11  a21  a22 x12  x1 x2 .
Si on choisit : a11  a21  a22 x12 , a22  2 et a12  a21  1 , il vient : V  x    x 4  x 2 , V  x  est définie
1 2
négative. On a alors : g1  x   1  2 x  x1  x2 et g 2  x   x1  2 x2 .
2
1
x1 x2
V  x     y1  2 y  dy1    x1  2 y2  dy2  x12 2  x14 2  x22  x1 x2   x1  x2  2  x14 2  x22 2 .

3 2
1
0 0
Alors, V  x  est définie positive et radialement non bornée, et V  x  est définie négative, ce qui
implique que l’origine est globalement asymptotiquement stable.
4.6 Théorèmes d’instabilité
Théorème 4.10 : Si dans une région    n , il existe une fonction continûment dérivable V  x 
telle que :

* V  0   0 , V  x   0 pour tout x    0 ( V  x  est définie positive dans  )
* V  0   0 , V  x   0 , pour tout x    0 ( V  x  est définie positive dans  )
Alors, le point d’équilibre xe  0 du système x  f  x  est instable.
Théorème 4.11 : Théorème de Chetaev

Si dans une région    n , il existe une fonction continûment dérivable V  x  avec une région
1   telle que :
* V  x  et V  x  sont définies positives dans 1
* Sur la frontière de 1 , V  x   0
* L’origine se trouve sur la frontière de 1
Alors, le point d’équilibre xe  0 du système x  f  x  est instable.
Figure 4.2 : Illustration du théorème de Chetaev.

 x1  2 x2  x1  x12  x24 

x
 2   2 x1  x2  x1
2
 x2
4

 0 2
Le modèle linéarisé autour de l’origine est donné par : A    . Les valeurs propres de A sont
 2 0 
1,2  2 j . Alors, on ne peut pas conclure sur la stabilité de l’origine.
Considérons la fonction de Lyapunov V  x   x 2 2  x 2 2 , il vient V  x    x 2  x 2  x 2  x 4  .
1 2 1 2 1 2
V  x  et V  x  sont définies positives, alors l’origine est instable.

 x1  x1  x22 x1
 x2   x2  x1 x2
2
Considérons la fonction V  x   x12  x22 . V  x   2  x12  x22  . V  x   0  x12  x22 , alors

1   x | x12  x22  . Dans la région 1 , les conditions du théorème de Chetaev sont satisfaites, alors
l’origine est instable. x2 x1  x2
 1
x1
Figure 4.3 : Ensemble 1 pour V  x   x12  x22 .

Stabilité absolue
5.1 Introduction
Dans ce chapitre, on étudie le problème de stabilité des systèmes asservis non linéaires ayant la
structure de la figure 5.1. Le système asservi contient un élément linéaire dans la chaîne directe et
une non-linéarité statique dans la chaine de retour. Le système linéaire possède la représentation
d’état suivante : x  Ax  bu et y  cT x . La fonction de transfert correspondante est :
H  s   cT  sI  A  b .
1
r 0 u y
H s
 y
Figure 5.1 : Schéma bloc d’un système linéaire bouclé par une non-linéarité statique.
Cette classe de systèmes a déjà fait l’objet de l’étude par la méthode du premier harmonique. Trois
différences essentielles vont apparaître entre les deux traitements :
– La non-linéarité statique   y  appartient à un secteur.
– La stabilité d’un point d’équilibre sera exclusivement traitée.
– Les résultats ne seront pas approximatifs mais exacts.
5.2 Non-linéarité statique de secteur

Une non-linéarité   y  est une non-linéarité de type secteur  k1 , k2  (ou appartient au secteur
 k1 , k2  ) si : k1 y 2  y   y   k2 y 2 ou k1   y  y  k2 pour y  0 .
Remarque : La condition de secteur implique   0   0 et y   y   0 .
 y k2 y
k1 y
Figure 5.2 : Exemple de non-linéarité de type secteur.

5.3 Stabilité absolue
Un système linéaire x  Ax  bu avec y  cT x est dit stable de manière absolue (ou absolument
stable) vis-à-vis de la non-linéarité  de secteur  k1 , k2  , si le système bouclé avec u    y  est
globalement asymptotiquement stable pour toute non-linéarité  appartenant au secteur  k1 , k2  .
Alors, le problème de la stabilité absolue consiste à déterminer des conditions sur le système
linéaire H  s  (ou sur  A, b, c  ), et à déterminer les gains k1 et k2 pour que le système asservi non
linéaire soit absolument stable.

5.4 Conjectures
Conjecture d’Aizerman (1949) : Si pour tout k   k1 , k2  , la matrice A  bcT k est stable (valeurs
propres à partie réelle strictement négative), alors le système asservi non linéaire de la figure 5.1 est
globalement asymptotiquement stable pour    k1 , k2  .
Conjecture de Kalman (1957) : Si la non-linéarité vérifie : k1    y  y  k2 et que la matrice

A  bcT k est stable pour tout k   k1 , k2  , alors le système asservi non linéaire de la figure 5.1 est
globalement asymptotiquement stable.
De nombreux contre-exemples ont montré que ces deux conjectures sont fausses.
5.5 Critère de Popov (1960)

Le système asservi non linéaire de la figure 5.1 est absolument stable si :
– La non-linéarité    0, k  , k  0
– H  s  est strictement stable (tous les pôles de H  s  sont à partie réelle strictement négative)
1
– Il existe   0 tel que : Re  H  j    Im  H  j    0 ,   0 .
k
Interprétation graphique : On définit dans le plan complexe le tracé de Popov P par :
P  j  Re  H  j   j  Im  H  j  ,   0 .
Graphiquement, le critère de Popov signifie que le tracé de Popov de la fonction de transfert
H  j demeure à droite de la droite définie par l’équation : x   y  1 k  0 .
 Im  H  j 
pente  1 
1 k
Re  H  j 
Figure 5.3 : Tracé de popov.

Exemple 5.1 :
s3
Soit H s  et    0, k  . H  s  est  Im  H  j  
s  7 s  10
2 pente 1 
strictement stable et : H  j  H1    jH 2   ,
1 k 3 10
30  42  11  2 
H1     , H 2    .
Re  H  j  
10    2 2
 492 10   2 2
 492
D’où le tracé de Popov de H  j de la figure 5.4. Dans
ce cas, on peut prendre n’importe quel réel   0 tel que
Figure 5.4 : Tracé de Popov de H(jω)
la droite x   y  1 k  0 soit en dessus du tracé de
Popov de H  j .

Remarque : Si la non-linéarité
H s H s
   k1 , k2  il est possible d’appliquer
le critère de Popov. L’idée consiste à k1
transformée la boucle du système H s
asservi de telle sorte à remplir les  y
conditions d’utilisation du critère de   y
k1
Popov.
Avec cette transformation on obtient :  y
   k1 , k2      0, k2  k1  et
H  s   H  s  1  k1 H  s   . On peut Figure 5.5 : Transformation de la boucle fermée
alors utiliser le critère de Popov pour
H  s  et   y  .
5.6 Critère du cercle

Le système asservi non linéaire de la figure 5.1 avec la non-linéarité    k1 , k2  est absolument
stable si l’une des conditions suivantes est satisfaite :
1). Si 0  k1  k2 , le tracé du lieu Nyquist de H  j        ne rentre pas dans le disque
D  k1 , k2  et l’encercle  fois dans le sens trigonométrique, où  est le nombre des pôles
instables de H  s  .
2). Si 0  k1  k2 , H  s  est strictement stable et le tracé du lieu Nyquist de H  j se trouve à
droite de la ligne verticale définie par Re  s   1 k2 .
3). Si k1  0  k2 , H  s  est strictement stable et le tracé du lieu Nyquist de H  j reste à
l’intérieur du disque D  k1 , k2  .
Remarque :
– Le critère du cercle peut être étendu au cas des systèmes non autonomes.
– Si la condition du secteur est vérifiée seulement dans un intervalle  a, b  , alors le système
asservi non linéaire est localement asymptotiquement stable dans une région finie.
Im Im
D  k1 , k2 
1 Re
Re 
k2 H  j
H  j Im
1 1
 
k1 k2 D  k1 , k2 
« Cas 1 » « Cas 2 »
H  j Re
1 1
 
k2 k1
« Cas 3 »
Figure 5.6 : Illustration du critère du cercle.

Exemple 5.2 :
4
Soit H  s   . La fonction de transfert H  s  possède un pôle instable, alors
 s  11  s 2 1  s 3
on doit utiliser le premier cas du critère du cercle pour déterminer 0  k1  k2 . Le lieu de Nyquist de
H  j est montré en figure 5.7. l’inspection du lieu de Nyquist montre que pour avoir la stabilité
absolue, le disque D  k1 , k2  doit être à l’intérieur du lobe gauche. Car, avec ce choix, le disque est
encerclé une fois dans le sens trigonométrique et qui est égal au nombre de pôle instable de H  s  .
Le disque sera centré à  3.2, 0  avec un rayon de 0.168. Alors, on obtient k1  0.2969 et
k2  0.3298 .
Figure 5.7 : Lieu de Nyquist de H(jω)
Exemple 5.3 :
4
Soit H  s   . La fonction de transfert H  s  est strictement stable. Le lieu
 s  11  s 2 1  s 3
de Nyquist de H  j est montré en figure 5.8.
En appliquant le troisième cas du critère du cercle avec un disque centré à  0, 0  et un rayon de 4,
on obtient le secteur  0.25, 0.25 . Si le centre du disque est choisi à 1.5, 0  , le secteur sera
 0.227, 0.714 .
Par application du deuxième cas, puisque le lieu de Niquist est à droite de Re  s   0.857 , on
obtient le secteur  0,1.166 .
Figure 5.8 : Lieu de Nyquist de H(jω)

Commande des systèmes non linéaires
6.1 Introduction
Ce chapitre présente des méthodes utilisées pour la synthèse des lois de commande pour les
systèmes non linéaires. Il présente principalement :
 Linéarisation locale (autour d’un point de fonctionnement);
 Linéarisation par bouclage (linéarisation entrée-sortie, linéarisation entrée-état);
 Commande par backstepping.
6.2 Linéarisation locale et stabilisation
Une méthode simple consiste à linéariser la dynamique non linéaire du système (approximation du
premier ordre) autour d’un point de fonctionnement de telle sorte que les outils de la commande
linéaire peuvent être utilisés pour la synthèse d’une loi de commande. Cependant, cette méthode
n’est valable que localement autour du point de fonctionnement considéré.
Soit le système non linéaire suivant : x  f  x,u  avec le point de fonctionnement  xe ,ue  qui
vérifie f  xe ,ue   0 . Si ue  0 , on parle de point d’équilibre. Le système linéarisé autour de ce
point de fonctionnement est donné par : x  Ax  Bu où x  x  xe , u  u  ue ,
f  x,u  f  x,u 
A , B . Si la paire  A,B  est commandable, on peut calculer
x  x  x ,u u  u  x  x ,u u 
e e e e
un retour d’état de la forme : u   K x par la méthode d’imposition des pôles par exemple.
Exemple 6.1 : Soit le modèle d’un pendule
x1  x2
 , a  0 , b  0 , c  0 , x1   , x1   .
 x2  a sin  x1   bx2  cu

Objectif : Stabiliser le pendule à    . Alors, x1    x1e   , d’où il vient :
x1e  x2 e  0 a
  x1e   , x2e  0, ue  sin   .
x2e   a sin  x1e   bx2e  cue  0 c
Le système linéarisé autour de ce point de fonctionnement est donné par :
x  Ax  Bu , x  x  xe , u  u  ue
f  x, u   0 1  0 1 f  x,u  0
A     , B  
x  x  x ,u u   a cos  x1  b  x  x ,u u   a cos   b  u  x  x ,u u   c 
e e e e e e
La paire  A,B  est commandable, si on choisit alors une loi de commande linéaire de la forme :
u   K x où K   k1 k2  , le système bouclé s’écrit : x   A BK  x où
 0 1 
A  BK    . Les gains k1 et k2 peuvent être calculés par la
 
  a cos    ck1   b  ck2  
 
méthode d’imposition des pôles. Si on impose au système bouclé les pôles p1 et p2 , on obtient :
det  sI   A  BK     s  p1  s  p2   s 2   p1  p2  s  p1 p2 , d’où il vient : a cos    ck1  p1 p2
 
et b  ck2    p1  p2  , ce qui donne : k1  1 c  p1 p2  a cos   et k2   1 c  p1  p2  b  .
La loi de commande finale est donnée par : u  ue  k1  x1     k2 x2 .
6.3 Notions de géométrie différentielle
n n
Champ de vecteur : on appelle champ de vecteur une fonction f :      , donnée par :
 f1  x1 , , xn  
 
f  x    .
 f  x , , x  
 n 1 n 

Gradient : Pour une fonction scalaire h  x1 , , xn  :      , le gradient est défini par :
n
 h h 
h   , ,  (vecteur ligne).
 x1 x1 
Jacobien : Le Jacobien (ou matrice Jacobienne) d’un champs de vecteur f  x  est donné par :
 f1 
f  
f      (matrice n  n ).
x  
 f n 
n n
Difféomorphisme : Une fonction  :      est un difféomorphisme si son inverse  1
existe, et   x  et  1  x  sont continûment dérivables.

Remarque :   x  est un difféomorphisme si est seulement si est inversible pour tout x   .
x
Si    n est lim   x    , on parle de difféomorphisme global.
x 
Dérivée de Lie : Soit une fonction scalaire h  x  et un champ de vecteur f  x  , la dérivée de Lie
de h  x  par rapport à f  x  ou le long de f  x  , est une fonction scalaire donnée par :
h n
h
L f h  x   h. f  f  x   fi  x 
x i 1 xi
Les dérivées de Lie d’ordre supérieur sont données par :

 L0f h  h
 i
 L f h  L f  L f h     L f h  f , i  1
i 1 i 1
Exemple 6.2 : Soit la fonction scalaire h  x   x12  x1 x2 , le champs de vecteur

 2 x1  x2 
f  x    . Le gradient de h  x  est : h   2 x1  x2 x1  . Le Jacobien de f  x  est :
  x2 cos  x1  
  2 1 
f    . La dérivée de Lie :
 x2 sin  x1   cos  x1  
h h
L f h  x   h. f  f1  f 2   2 x1  x2  2 x1  x2   x1 x2 cos  x1   4 x12  x22  x1 x2 cos  x1 
x1 x2
6.4 Linéarisation par bouclage
L’idée de cette technique s’appuie d’une part, sur la remarque que le principal obstacle dans la
synthèse de lois de commande pour les systèmes non linéaires est la présence des non-linéarités
dans le système et d’autre part, qu’il existe un nombre important de techniques efficaces de
synthèse dans le cas de systèmes linéaires. Si l’on est capable par des transformations adéquates de
linéariser toute (ou une partie de) la dynamique du système non linéaire, on peut ensuite utiliser les
techniques de synthèse de lois de commande des systèmes linéaires. C’est la philosophie de la
linéarisation par bouclage. La classe de systèmes non linéaires considérée est la classe dite affine en
 x  f  x   g  x  u
l’entrée :  , x  n
 y  h  
x
6.4.1 Linéarisation entrée-sortie
C’est une technique de commande où la sortie y du système est dérivée plusieurs fois jusqu’à
l’apparition de l’entrée de commande u dans la dérivée d’ordre r . Ensuite, l’entrée de commande
u est utilisée pour avoir une relation linéaire de la forme : y    v , où v est une nouvelle entrée de
r
commande, et r est appelé le degré relatif du système. Si r  n , on obtient une linéarisation

complète de la dynamique du système, et si r  n , on a une linéarisation partielle de la dynamique
du système. Dans ce dernier cas, on aura une dynamique interne ou dynamique des zéros.
6.4.2 Linéarisation entrée-état
C’est une technique de commande qui permet de linéariser complètement le système non linéaire.
Dans cette technique, on cherche une nouvelle sortie yn  x   hn  x  de telle sorte que r  n . En
d’autre terme, un système est linéarisable entrée-état si il existe une transformation d’état z  T  x 
(un difféomorphisme) qui transforme le système non linéaire original à un système linéaire de la
forme : z  A z  B    x  u    x   , avec  A, B  commandable et   x  inversible.
Remarque : Dans le cas où r  n , on a : Linéarisation E/S  Linéarisation E/E.
Linéarisation E/S Linéarisation

E/S E/E E/E
Sortie naturelle avec r  n Choix d’une nouvelle sortie yn avec r  n

Sortie naturelle avec r  n
Figure 6.1 : Linéarisation entrée/sortie et entrée/état
6.4.3 Procédure de linéarisation entrée-sortie
 x  f  x   g  x  u
Considérons le système :  , x  n , y   , u  
 y  h  x 
1). Dériver la sortie y jusqu’à l’apparition de l’entrée u .
y  h  x ,
y  L f h  x  , Lg h  x   0
y  L f h  x  , Lg L f h  x   0 , …,

y  r 1  Lrf1h  x  , Lg Lrf 2 h  x   0 ,
y  r   Lrf h  x   Lg Lrf1h  x  u , Lg Lrf1h  x   0
Alors, le degré relatif du système est égal à r .
2). Si le degré relatif r  n , vérifier la stabilité asymptotique de la dynamique des zéros.
3). Choisir une loi de commande linéarisante de la forme : u 
1
Lg L f h  x 
r 1   Lrf h  x   v  . On
obtient ainsi le modèle linéaire (chaîne d’intégrateurs) : y  r   v
4). Suivant les objectifs de commande, calculer la loi de commande linéaire v du système : y  r   v .
On peut utiliser tous les outils de synthèse des systèmes linéaires.
Exemple 6.3 : Soit le système non linéaire x  cos  x   x3  1  x 2  u . Le choix d’un retour d’état
2 
 cos  x   x 3  v  donne le système linéaire : x  v
1
non linéaire de la forme : x 
1  x 
Exemple 6.4 : Soit le système non linaire
 x1  x2
 , y  x1
 x2   x1  x2  x2  u
3
y  x1  y  x1  x2  
y  x2   x1  x23  x2  u , alors le degré relatif du système est r  2  n .

Si on choisit :  x1  x23  x2  u  v , c’est-à-dire : u     x1  x23  x2   v , on obtient le système
linéaire : y v.
Exemple 6.5 : Soit le système non linaire
 x1  x2  x12

 x2  x3 , β  x   0,  x , y  x1
 x  α x  β x u
 3    
y  x1  y  x1  x2  x12   y  x2  2 x1 x1  x3  2 x1  x2  x12   y 3  x3  2  x2  3 x12  x1  2 x1 x2
y 3  α  x   2  x2  3x12  x2  x12   2 x1 x3  β  x  u . Le degré relatif du system est r  3  n .
Si on choisit : α  x   2  x2  3x12  x2  x12   2 x1 x3  β  x  u  v , c’est-à-dire :
u
1
β  x
  
 α  x   2  x2  3 x12  x2  x12   2 x1 x3  v , on obtient le système linéaire : y    v .
3
 x1  3sin  x2 
Exemple 6.6 :  , y  x1
 x2   x1  x2  u
2
y  x1  y  x1  3sin  x2    y  3cos  x2  x2  3cos  x2    x12  x2  u  , alors le degré relatif du

système est r2n . Si on choisit : 3cos  x2    x12  x2  u   v , c’est-à-dire :
v 
u  x12  x2  y v.
avec x2  , on obtient le système linéaire : 
3cos  x2  2
6.4.4 Commande d’une chaîne d’intégrateurs

Soit le système linéaire : y  r   v
Objectif de commande : Poursuite d’une trajectoire désirée ou de référence donnée yd  t  .
Pour cela, on définit l’erreur de poursuite par : e  yd  y  e r   yd r   y  r   yd r   v
Si on choisit v de la forme : v  yd r   kr 1e r 1    k1e  k0 e
La dynamique du système bouclé devient : e r   kr 1e r 1    k1e  k0 e  0
Le polynôme caractéristique de cette dynamique est donnée par : P  s   s r  kr 1s r 1    k1r  k0
Les paramètres ki , i  0, , r  1 , peuvent être calculer par la méthode d’imposition des pôles de la
boucle fermée. Soit p1 , , pr , les pôles désirés du système en boucle fermée, on a alors :
P  s   s r  kr 1s r 1    k1r  k0   s  p1   s  pr  .
Exemple 6.7 : Pour r  1 , on a y  v , v  y d  k0 e  y d  k0  yd  y  . Le polynôme caractéristique

est : P  s   s  k0  s  p1 (on impose un pôle p1 ), alors k0   p1 . Si p1  5 , k0  5 , et si
yd  sin  t  , y d  cos  t  .
Exemple 6.8 : Pour r  2 , on a 

y  v , v   yd  k1  y d  y   k0  yd  y  . Le
yd  k1e  k0 e  
polynôme caractéristique est : P  s   s 2  k1s  k0   s  p1  s  p2   s 2   p1  p2  s  p1 p2 (on
impose deux pôles p1 et p2 ), alors k0  p1 p2 et k1    p1  p2  . Si p1  2  j et p2  2  j ,
k0  5 et k1  4 , et si yd  1  e t , y d  e  t , 
yd   e  t .

6.4.5 Forme normale et dynamique des zéros
 x  f  x   g  x  u
Considérons le système :  , x  n , y   , u  
 y  h  x 
Pour un degré relatif r , on a : y  r   Lrf h  x   Lg Lrf1h  x  u . Lorsque le degré relatif du système est
tel que r  n , on peut mettre le système sous une forme particulière appelée forme normale qui est
donnée par :
 z1   y   h  x  
     L h  x 
 z2   y   f
 z1  z2 
 z  z       
    r 1   r 1
 2   f   
L h x
3
  z   zr   y
 
 , y  z1 , z   r , q   n  r ,                T  x  ,
 
z
 r 1  z  q   q   q    x 
1 
r
 
 zr  v   
1 1
   
    
q  ψ  q, z     
 qn  r   qn  r     x  
    
 
nr

     

avec v  L f h  x   Lg L f h  x  u . Les fonctions 1  x  , , n  r  x  , sont choisies telles que :
r r 1
i  x 
i  0   0 et g  x   0,1  i  n  r , et la transformation T  x  est un difféomorphisme, c’est-
x
à-dire, le Jacobien T est inversible ( det  T   0 ).
6.4.5.1 Dynamique des zéros
L’équation q  ψ  q, 0  représente la dynamique interne ou la dynamique des zéros du système. Le
système est dit à minimum de phase si l’origine de la dynamique des zéros est asymptotiquement
stable.
Remarque :
– Le degré relatif r est égale au nombre de fois de dérivation de la sortie y pour faire apparaître
l’entrée de commande u .
– L’ordre du système linéarisé correspond au degré relatif r .
– La dynamique des zéros correspond à la dynamique du système quand la sortie y est ses
dérivées jusqu’à l’ordre r  1 sont maintenues à zéro ( z  0 ).
– Pour un système avec une dynamique des zéros qui n’est pas asymptotiquement stable, la
méthode de linéarisation entrée-sortie ne doit pas être utilisée.
– Après la linéarisation entrée-sortie, la dynamique des zéros devient une dynamique non
observable dans le système.
Exemple 6.9 : Considérons le système non linéaire
 x1  x2
 , y  x2
 x2   x1  1  x1  x2  u
2
y  x2  y  x2   x1  1  x12  x2  u , alors le degré relatif r  1  n  2 .

 z   x2 
Pour trouver la forme normale, on introduit :       T  x  . La fonction   x  vérifie la
 q    x  
  x    x 
g  x   0 où g  x    0 1 . Il vient alors :  0    x   x1 et
T
condition :
x x2

 x2  0 1
T  x      T     det  T   1  T  x  est un difféomorphisme.
 x1  1 0
 z  x2  x1  q  z  v

q  x

x  z
ce qui donne la forme normale suivante : 
q  z
 
avec v   x1  1  x12 x2  u .
 1  2 
La dynamique des zéros est définie par : q  0 qui est un système linéaire avec un pôle à 0. Cette
dynamique des zéros est donc stable mais pas asymptotiquement stable. Alors, le système non
linéaire est à non minimum de phase.

 x1  x23
 , y  x1  x2
x
 2  u
y  x1  x2  y  x1  x2  x23  u , alors le degré relatif r  1  n  2 .
 z   x1  x2 
Pour trouver la forme normale, on introduit :       T  x  . La fonction   x  vérifie la
 q    x 
  x    x 
g  x   0 où g  x    0 1 . Il vient alors :  0    x   x1 et
T
condition :
x x2
 x1  x2  1 1 
T  x     T     det  T   1  T  x  est un difféomorphisme.
x
 1   1 0 
 z  x1  x2  x1  q  z  v
 3 avec v  x2  u .
3
 ce qui donne la forme normale suivante : 
q  x1  x2  z  q q   z  q 
La dynamique des zéros est définie par : q   q 3 . Si on considère V  q   0.5q 2  V  q   q 4  la
dynamique des zéros est asymptotiquement stable. Alors, le système non linéaire est à minimum de
phase.

 2  x32
 1
x   x  u

1
 1 x3
2

 x2  x3 , y  x2
 x  x x  u
 3 1 3

y  x2  y  x2  x3   y  x3  x1 x3  u , alors le degré relatif r  2  n  3 .
 z1   x2 
z    
Pour trouver la forme normale, on introduit :     z2    x3   T  x  .
q    
 q    x  
  x 
T
 2  x32 
La fonction   x  vérifie la condition : g  x   0 où g  x    0 1 . Il vient alors :
x  1  x3
2

  x  2  x32   x    x 
  0    x    x1  x3  arctan  x3  (N.B. on choisit  1 et
x1 1  x32 x3 x1
  x  2  x32 1 1
  1 , arctan  x  '  )
x3 1  x3
2
1  x3
2
1  x2

 x2  0 1 0 
   
T  x    x3    T  0 0 1   det  T   1  T  x  est un
   
  x1  x3  arctan  x3   
 1 0 1  1 1  x32  
difféomorphisme.
 z1  x2  x1  z2  arctan  z2   q
 
 z2  x3   x2  z1 ce qui conduit à la forme normale suivante :
 
q   x1  x3  arctan  x3   x3  z2


 z1  z2

 z2  v avec v  x1 x3  u .

q   q  z  arctan  z    1  2  z2 z 
2
 2 2
  1  z2 
2 2
La dynamique des zéros est donnée par : q  q qui est un système linéaire avec un pôle à -1. La
dynamique des zéros est donc asymptotiquement stable. Alors, le système non linéaire est à
minimum de phase.
6.5 Commande par backstepping

La technique de commande par backstepping permet de construire de manière récursive une loi de
commande stabilisante pour les systèmes ayant la forme triangulaire inférieure suivante :
 x1  f1  x1   g1  x1  x2

 x2  f 2  x1 , x2   g 2  x1 , x2  x3
 x  f x , x , x  g x , x , x x
 3 3 1 3 3 1 3 4

2 2
, gi    0 , x   n , u   , y  x1 .

 x  f  x , , x   g  x , , x  x
 n 1 n 1 1 n 1 n 1 1 n 1 n
 xn  f n  x1 , , xn   g n  x1 , , xn  u
L’objectif consiste à déterminer une loi de commande u de telle sorte que la sortie y  x1 suit une
trajectoire de référence x1d . La synthèse de la loi de commande s’effectue en n étapes.
 x1  f1  x1   g1  x1  x2
 . Objectif : Forcer x1 à suivre une trajectoire désirée x1d .
 x2  f 2  x1 , x2   g 2  x1 , x2  u
Etape 1 : On considère le 1er sous-système : x1  f1  x1   g1  x1  x2 , soit l’erreur :
e1  x1  x1d  e1  f1  x1   g1  x1  x2  x1d . On considère x2 comme une entrée de commande
virtuelle et sa valeur désirée est notée x2 d , il vient : e1  f1  x1   g1  x1  x2 d  x1d  g1  x1  e2 où
e2  x2  x2 d . Soit V1  e12  V1  e1e1  e1  f1  x1   g1  x1  x2  x1d  g1  x1  e2  . Alors, si on

1
2
choisit x2 d : x2 d 
1
g1  x1 
  f1  x1   x1d  k1e1  avec k1  0 , on obtient : V1  k1e12  g1  x1  e1e2 . Si
e  0 (si x  x ), i.e., V  k e 2 , l’origine du sous-système  e  est G. A. stable.
2 2 2d 1 1 1 1
e1   k1e1  g1  x1  e2
Etape 2 : Avec e2  x2  x2 d , il vient alors :  . Considérons :
e2  f 2  x1 , x2   g 2  x1 , x2  u  x2 d

V2  V1  e22  e12  e22  V2  e1e1  e2 e2   k1e12  e2  g1  x1  e1  f 2  x1 , x2   g 2  x1 , x2  u  x2 d 
1 1 1
2 2 2
Si on choisit une loi de commande : u 
1
g 2  x1 , x2 
  g1  x1  e1  f 2  x1 , x2   x2d  k2e2  , k2  0 ,
On obtient : V   k e 2  k e2 , ce qui implique que l’origine du système  e , e  est G. A. stable.
2 1 1 2 2 1 2
d 1 
Dans la loi de commande u , le terme x2 d est donné par : x2 d  
dt  g1  x1 
  f1  x1   x1d  k1e1   .

 x1  f1  x1   g1  x1  x2

 x2  f 2  x1 , x2   g 2  x1 , x2  x3 . Objectif : Forcer x1 à suivre une trajectoire désirée x1d .

 x3  f3  x1 , x2 , x3   g3  x1 , x2 , x3  u
Etape 1: On considère le 1er sous-système : x1  f1  x1   g1  x1  x2 , soit l’erreur :
e1  x1  x1d  e1  f1  x1   g1  x1  x2  x1d . On considère x2 comme une entrée de commande
virtuelle et sa valeur désirée est notée x2 d , il vient : e1  f1  x1   g1  x1  x2 d  x1d  g1  x1  e2 où
e2  x2  x2 d . Soit V1  e12  V1  e1e1  e1  f1  x1   g1  x1  x2  x1d  g1  x1  e2  . Alors, si on

1
2
choisit x2 d : x2 d 
1
g1  x1 
  f1  x1   x1d  k1e1  avec k1  0 , on obtient : V1  k1e12  g1  x1  e1e2 . Si
e  0 (si x  x ), i.e., V  k e 2 , l’origine du sous-système  e  est G. A. stable.
2 2 2d 1 1 1 1
e1   k1e1  g1  x1  e2
Etape 2 : Avec e2  x2  x2 d , on obtient :  . On considère x3
e2  f 2  x1 , x2   g 2  x1 , x2  x3d  x2 d
comme une entrée de commande virtuelle et sa valeur désirée est notée x3d , il vient alors :
e1   k1e1  g1  x1  e2
 , où e3  x3  x3d . Considérons la fonction :
e2  f 2  x1 , x2   g 2  x1 , x2  x3d  x2 d  g 2  x1 , x2  e3
V2  V1  e22  V2  e1e1  e2 e2  k1e12  e2  g1  x1  e1  f 2  x1 , x2   g 2  x1 , x2  x3d  x2 d  g 2  x1 , x2  e3 

1
2
Si on choisit une commande virtuelle : x3d 
1
g 2  x1 , x2 
  g1  x1  e1  f 2  x1 , x2   x2d  k2e2  , k2  0 ,
on obtient : V  k e 2  k e 2  g  x , x  e e . Si e  0 (si x  x ), i.e., V   k e 2  k e 2 ,
2 1 1 2 2 2 1 2 2 3 3 3 3d 2 1 1 2 2
l’origine du sous-système  e1 , e2  est globalement asymptotiquement stable.

e1   k1e1  g1  x1  e2

Etape 3 : Posons e3  x3  x3d , il vient alors : e2   k2 e2  g1  x1  e1  g 2  x1 , x2  e3 . Soit :

e3  f 3  x1 , x2 , x3   g3  x1 , x2 , x3  u  x3d
V3  V2  e32  V3  e1e1  e2 e2  e3e3   k1e12  k2 e22  e3  g 2  x1 , x2  e2  f3  x   g3  x  u  x3d  . Si on
1
2
choisit une loi de commande : u 
1
g 3  x1 , x2 , x3 
  g 2  x1 , x2  e2  f3  x1 , x2 , x3   x3d  k3e3  , k3  0 ,
on obtient : V  k e 2  k e2  k e2 , alors l’origine du système  e , e , e  est G. A. stable.
3 1 1 2 2 3 3 1 2 3

Control-NLS - Commande SNL - Salim Labiod

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Control-NLS - Commande SNL - Salim Labiod

Transféré par

Droits d'auteur :

Formats disponibles

Introduction

1.1 Limitations des méthodes linéaires

1.2 Système linéaire

Remarque 2 : On peut associer à un système linéaire, à l’aide de la transformée de Laplace,

1.3 Système non linéaire

1.4 Classes des systèmes dynamiques

 Salim Labiod 2012 – Université de Jijel 1

Remarque 3 : Pour un système avec une entrée de commande : x  f  x, u  , si u    x, t 

Système linéaire invariant dans le temps

Système linéaire variant dans le temps (système non linéaire)

Système non linéaire affine en l’entrée

1.5 Quelques comportements non linéaires

1.5.1 Réponse harmonique multiple

1.5.2 Stabilité du système

 Salim Labiod 2012 – Université de Jijel 2

Figure 1.1 : Système linéaire (a) et système non linéaire (b)

- Soit le système non linéaire x  x u . Si u  1 , le système est stable, et si u  1 , le

1.5.3 Explosion en temps fini

Figure 1.2 : Divergence en temps fini

 Salim Labiod 2012 – Université de Jijel 3

Figure 1.3 : Trait continu ( x  0   2, x  0   3 ) et Trait discontinu ( x  0   2.01, x  0   3.01 ).

 Salim Labiod 2012 – Université de Jijel 4

1.5.8 Cycle limite

Figure 1.4 : solutions périodiques d’un système linéaire d’ordre 2.

Figure 1.5 : Equation de Van der Paul

 Salim Labiod 2012 – Université de Jijel 5

 Salim Labiod 2012 – Université de Jijel 6

 Salim Labiod 2012 – Université de Jijel 1

Ce qui donne : x12  x22  2C te  x102  x20

Figure 2.2 : Asservissement non linéaire

 Salim Labiod 2012 – Université de Jijel 2

Figure 2.4 : Tracé du champ de vecteur f  x  .

 Salim Labiod 2012 – Université de Jijel 3

 Salim Labiod 2012 – Université de Jijel 4

Nœud stable Nœud instable Col

Foyer stable Foyer instable Centre

Figure 2.7 : Trajectoires de phase des systèmes linéaires d’ordre 2.

Remarque : Dans le cas où l’une des deux

 Salim Labiod 2012 – Université de Jijel 5

 Salim Labiod 2012 – Université de Jijel 6

2.6 Cycles limites

Cycle limite Cycle limite Cycle limite

Théorème de Poincaré : Soit N le nombre de nœuds, centres et de foyers et S le nombre de

 Salim Labiod 2012 – Université de Jijel 7

  1 . Points d’équilibre : r  0 et r  1 . Alors, on a une

 Salim Labiod 2012 – Université de Jijel 8

Figure 3.1 : Système asservi avec non-linéarité séparable en régime libre.

Figure 3.2 : Elément non linéaire.

 Salim Labiod 2012 – Université de Jijel 3-1

Figure 3.3 : Allure de la réponse du relais idéal.

 Salim Labiod 2012 – Université de Jijel 3-2

Figure 3.5 : Allure de la réponse de la saturation.

 k A sin 2  t  dt   k h sin  t  dt  k h sin  t  dt

 Salim Labiod 2012 – Université de Jijel 3-3

Figure 3.7 : Allure de la réponse de la zone-morte.

a : sin  t1   h A , t1  sin 1  h A  , cos  t1   1   h A  t1  0,  2 ),

 Salim Labiod 2012 – Université de Jijel 3-4

Figure 3.10 : Lieu critique du relais avec hystérésis.

 Salim Labiod 2012 – Université de Jijel 3-5

- Pour une non-linéarité : f  e   en ,avec n impair. On a:

3.6 Etude des cycles limites (auto-oscillations) et de leur stabilité

Figure 3.11 : Schéma canonique d’un système asservi non linéaire.

En boucle fermée, la fonction de transfert généralisée

Cycle limite stable Cycle limite instable