Académique Documents
Professionnel Documents
Culture Documents
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.
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
Système autonome
x f x , la fonction f ne dépend pas explicitement du temps t .
Système bilinéaire
x A x B0 B1 x u
y C x
(a) (b)
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 : x1 x2 et x2 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.
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
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).
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 :
x1 f1 x1 , x2 f1 x
x2 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 : x1 x2 et x2 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
x1 0 f1 x1 , x2 0
d’équilibre par la résolution des équations algébriques suivantes :
x2 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 :
x1 x2
x2 0.6 x2 3 x1 x1
2
c0 e A u 1 θ
-A
s2
Equations de la trajectoire :
1er cas : u A , c’est-à-dire x1 0 .
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
x1 f1 x1 , x2 f1 x
Considérons un système de deuxième ordre :
x2 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
x1
1
2 0
1
Figure 2.6 : Tracé des isoclines.
x1
Im
Re
Figure 2.8 : Trajectoires de phase dans le cas d’une valeur propre nulle.
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 x1 x2 et x2 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 :
x1 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 2x1 x2 0 1
A
f
, avec les valeurs propres 1,2 j .
x x 0 1 2x1 x2 x12 3 x22 1 0
| x 0
- 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
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 .
c t 0 e t u t y t
f e H s
Elément Elément
Non Linéaire Linéaire
e t u t
NL
f e
u f e u t
M
e t
M
T
e T 2 t
M
M
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
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 2t 8
T 4
4k A sin 2t1 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 2t1 2sin t1 cos t1 . Le coefficient b1 devient :
2k A 1 h h
2
sin h , pour A h .
b1 1
A A A
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
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 2t 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 2t1 8k h
b1 t1 cos t1 .
T 4 2 T
2kA h
2
sin 1
h h
sin 2t1 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
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
2 An n21
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 Cnk1 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 Cnk1 n2
n 1 2k 2 1
k 0
k
2 Cnk1
n 1 2k
.
c t 0 e t u t y t
N A H s
Re Re
C A C A
H j H j
3.6.1 Exemple 2 : Considérons un système asservi non linéaire avec H s et une non-
s 1
3
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.
4.1.3 Boule
On définit une boule fermée dans n comme l’ensemble : Br x n | x r où
x x12 xn2 et r 0.
dire : x 0 ).
n
(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.
Salim Labiod 2012 – Université de Jijel 4-2
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 : x1 x12 x1 sin x2 ; x2 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
V x k3 x , pour tout x ;
a
*
- 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.
Considérons la fonction de Lyapunov V x x12 x22 . V x est une fonction définie positive et :
V x x1 x1 x2 x2 2 x12 x22 , V x est définie négative pour tout x . Alors, puisque V x est
2
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.
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 y1dy1 y2 dy2 x12 2 x22 2 . Alors, V x est définie positive et V x est définie
0 0
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
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.
Théorème 4.10 : Si dans une région n , il existe une fonction continûment dérivable V x
telle que :
1
x1
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.
y k2 y
k1 y
De nombreux contre-exemples ont montré que ces deux conjectures sont fausses.
Im H j
pente 1
1 k
Re H j
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 5.3 :
4
Soit H s . La fonction de transfert H s est strictement stable. Le lieu
s 11 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 .
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
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
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
x1 x2
, y x1
x2 x1 x2 x2 u
3
y x1 y x1 x2
y x2 x1 x23 x2 u , alors le degré relatif du système est r 2 n .
u
1
β x
α x 2 x2 3 x12 x2 x12 2 x1 x3 v , on obtient le système linéaire : y v .
3
x1 3sin x2
Exemple 6.6 : , y x1
x2 x1 x2 u
2
z zr y
, y z1 , z r , q n r , T x ,
z
r 1 z q q q x
1
r
zr v
1 1
q ψ q, z
qn r qn r x
nr
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
x1 x2
, y x2
x2 x1 1 x1 x2 u
2
x2 x3 , y x2
x x x u
3 1 3
y x2 y x2 x3 y x3 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
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.
xn 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.
Exemple 6.12 : Considérons le système non linéaire
x1 f1 x1 g1 x1 x2
. Objectif : Forcer x1 à suivre une trajectoire désirée x1d .
x2 f 2 x1 , x2 g 2 x1 , x2 u
Etape 1 : On considère le 1er sous-système : x1 f1 x1 g1 x1 x2 , soit l’erreur :
e1 x1 x1d e1 f1 x1 g1 x1 x2 x1d . On considère x2 comme une entrée de commande
virtuelle et sa valeur désirée est notée x2 d , il vient : e1 f1 x1 g1 x1 x2 d x1d g1 x1 e2 où
e1 k1e1 g1 x1 e2
Etape 2 : Avec e2 x2 x2 d , il vient alors : . Considérons :
e2 f 2 x1 , x2 g 2 x1 , x2 u x2 d
d 1
Dans la loi de commande u , le terme x2 d est donné par : x2 d
dt g1 x1
f1 x1 x1d k1e1 .
Exemple 6.13 : Considérons le système non linéaire
x1 f1 x1 g1 x1 x2
x2 f 2 x1 , x2 g 2 x1 , x2 x3 . Objectif : Forcer x1 à suivre une trajectoire désirée x1d .
x3 f3 x1 , x2 , x3 g3 x1 , x2 , x3 u
Etape 1: On considère le 1er sous-système : x1 f1 x1 g1 x1 x2 , soit l’erreur :
e1 x1 x1d e1 f1 x1 g1 x1 x2 x1d . On considère x2 comme une entrée de commande
virtuelle et sa valeur désirée est notée x2 d , il vient : e1 f1 x1 g1 x1 x2 d x1d g1 x1 e2 où
e1 k1e1 g1 x1 e2
Etape 2 : Avec e2 x2 x2 d , on obtient : . On considère x3
e2 f 2 x1 , x2 g 2 x1 , x2 x3d x2 d
comme une entrée de commande virtuelle et sa valeur désirée est notée x3d , il vient alors :
e1 k1e1 g1 x1 e2
, où e3 x3 x3d . Considérons la fonction :
e2 f 2 x1 , x2 g 2 x1 , x2 x3d x2 d g 2 x1 , x2 e3