Automatique systèmes discrets

Systèmes linéaires permanents

1
 SYSTÈMES DISCRETS & ÉCHANTILLONNÉS
. Introduction
. Représentations externes
. Représentations internes
. Systèmes linéaires évolutifs
. Systèmes linéaires permanents
< Matrice de transition
< Grammiens
< Accessibilité et observabilité
< Reconstructibilité et observabilité
. Passages entre descriptions internes
et externes
. Étude de la précision
. Analyse et synthèse harmoniques
. Rappel des théorèmes fondamentaux
. Analyse et synthèse dans le plan z
. Synthèse par modèle
. Théorie de l’échantillonnage
. Reconstruction d’un signal continu
. Convertisseurs
. Approximations du continu
. Échantillonneurs-bloqueurs
2
 Matrice de transition
Gouvernabilité et observabilité
Toutes les propriétés que nous venons de développer pour les systèmes
linéaires évolutifs s’appliquent bien entendu aux systèmes linéaires
permanents, avec certaines simplifications
Ainsi, la matrice de transition devient dans le cas permanent
M ( k , k 0 ) = A ( k − k ) =& M ( k − k 0 )
0

Les trajectoires d’état et de sortie deviennent

k −1
x(k ) = M (k − k0 ) x(k0 ) +
κ
∑ M ( k − κ − 1) B u(κ )
= k0
k −1
y(k ) = C M (k − k 0 ) x(k 0 ) +
κ
∑ C M ( k − κ − 1) B u(κ ) + D u( k )
= k0
le noyau K ( k − κ ) =& C M ( k − κ − 1) B υ ( k − κ − 1) + D δ ( k − κ )
n’est rien d’autre que la réponse impulsionnelle du système
et la trajectoire de sortie forcée est donnée par le produit convolution
+∞
y f (k , k0 ) =
κ
∑ K ( k − κ ) u(κ ) υ (κ − k
= −∞
0 ) = K ( k ) * u( k , k 0 )

3
 Grammiens
Gouvernabilité et observabilité
Les grammiens de gouvernabilité
k
et de reconstructibilité deviennent
G( k − k 0 ) =&
κ
∑ M (k − κ ) B B
= k0 +1
T
M T (k − κ )
k
O( k − k 0 ) =&
κ
∑ M
= k0 +1
T
(κ − k 0 ) C T C M (κ − k 0 )
Par changement de variables de sommation, nous trouvons facilement
k −1
G( k ) =& ∑
κ
M (κ ) B B
=0
T
M T (κ )

k −1
O( k ) =& ∑
κ
M
=0
T
(κ ) C T C M (κ )

4
 Accessibilité et gouvernabilité
Accessibilité et gouvernabilité
Un état xf est réputé accessible, s’il existe une trajectoire d’entrée finie et
bornée qui permet d’atteindre cet état en partant de zéro
k f −1

Nous avons x(k f ) = ∑

κ
M (k
=0
f − κ − 1) B u(κ )

Il est facile de voir que nous pouvons prendre la trajectoire d’entrée

u( k ) = B T M ( k f − k − 1) G−1 ( k f ) x f

pour atteindre l’état demandé

Nous constatons que les notions de gouvernabilité et d’accessibilité se
confondent dans le cas des systèmes linéaires et permanents

5
 Reconstructibilité et observabilité
Reconstructibilité et observabilité
Nous avons appelé état reconstructible un état du passé (k0 < k), qu’il était
possible de reconstruire sur la base de la connaissance des mesures des
grandeurs d’entrée et de sortie de l’instant recherché k0 à l’instant présent k
Semblablement nous pouvons définir la notion d’observabilité d’un état
du futur (kf > k),sur la base de la connaissance des mesures des mêmes
grandeurs d’entrée et de sortie de l’instant présent k à cet instant futur kf
Dans le cas des systèmes linéaires et permanents les deux notions se
confondent

6
 Accessibilité et gouvernabilité
Matrice de gouvernabilité
k −1
Partant de x ( k ) = ∑
κ
M ( k − κ − 1) B u(κ )
=0
avec M ( k ) =& A k
k −1
Nous pouvons encore écrire x( k ) = ∑
κ
A
=0
k −κ − 1
B u(κ )

Nous pouvons choisir librement le vecteur u(κ) (de dimension m) placé entre
crochets, l’espace d’état accessible à partir de l’origine est donné par les
vecteurs colonnes indépendants de la matrice
(B A B A 2 B A 3 B ...)
et d’après le théorème de Caley-Hamilton (basé sur le fait que toute matrice
carrée est toujours solution de son équation caractéristique), nous avons An
dépendante des puissances inférieures, de sorte que nous pouvons limiter
notre recherche à la puissance (n-1)

7
 Accessibilité et gouvernabilité
Matrice de gouvernabilité
Nous définissons de la sorte la matrice de gouvernabilité du système
G =& ( B A B A 2 B ... A n −1 B )
Il suffit de vérifier que cette matrice est de rang plein n pour s’assurer que le
système est entièrement gouvernable
Toute perte de rang de cette matrice se traduit par une perte correspondante
d’indice de gouvernabilité du système
Il est toujours possible de départager l’espace d’état en un sous-espace
gouvernable, engendré par les vecteurs d’état gouvernables, et un sous-
espace ingouvernable, engendré par les vecteurs d’état ingouvernables
Notons en outre que l’espace accessible après i itérations est donné par

Gi =& ( B AB A 2 B ... Ai −1 B )

8
 Reconstructibilité et observabilité
Matrice d’observabilité
Nous avons yl (k ) = C M (k − k0 ) x(k0 )

Considérons y' l ( k ) = C M ( k − k 0 ) x' ( k 0 )

Nous dirons que l’état est observable si y’R(k)/yR(k) sur tout l’intervalle [k0,k]
implique nécessairement x(k0)/x’(k0)
Il faut donc que l’espace nul à droite de la matrice C Φ(k) soit nul

or M ( k ) =& A k d’où, il faut que C A k x ( k 0 ) = 0 implique x( k 0 ) = 0

Ce sera le cas, si les vecteurs lignes de la matrice ⎛ C ⎞ sont indépendants
⎜ ⎟
⎜ CA⎟
⎜ C A2 ⎟
⎜ 3⎟
⎜C A ⎟
⎜ ⎟
⎝ : ⎠
9
 Reconstructibilité et observabilité
Matrice d’observabilité
D’après le théorème de Caley-Hamilton (basé sur le fait que toute matrice
carrée est toujours solution de son équation caractéristique), nous avons An
dépendante des puissances inférieures, de sorte que nous pouvons limiter
notre recherche à la puissance (n-1)
Nous définissons de la sorte la matrice d’observabilité du système
O =& (C CA CA 2
... C A )
n −1 T

Il suffit de vérifier que cette matrice est de rang plein n pour s’assurer que le
système est entièrement observable
Toute perte de rang de cette matrice se traduit par une perte correspondante
d’indice d’observabilité du système
Il est toujours possible de départager l’espace d’état en un sous-espace
observable, engendré par les vecteurs d’état observables, et un sous-espace
inobservable, engendré par les vecteurs d’état inobservables

10