Académique Documents
Professionnel Documents
Culture Documents
Claude Iung
Table des matières
3 Stabilité 22
3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Cas des systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4 Commandabilité 24
4.1 Critère de commandabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.1.2 Critère . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
i
TABLE DES MATIÈRES ii
5 Observabilité 33
5.1 Critère d’observabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.1.2 Critère . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.2 Dualité - Décomposition canonique . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.3 Construction d’un observateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1
1.2. EXEMPLE DE SYSTÈMES ADMETTANT UNE REPRÉSENTATION D’ÉTAT 2
perturbations
commandes sorties
SYSTEME
is
R L
C
Ve Vs
On considère le filtre alimenté par une tension V e et débitant sur une charge telle que le
courant is soit négligeable. On s’intéresse à la tension de sortie V s de ce filtre. Classons les
diférentes variables suivant leurs natures :
T = R+
V e est l’entrée
V s est la sortie
is peut être considéré comme une perturbation s’il n’est plus négligeable
1.2. EXEMPLE DE SYSTÈMES ADMETTANT UNE REPRÉSENTATION D’ÉTAT 3
Le système d’équations qui représente ce filtre peut être écrit en utilisant les variables i et q
V e = Ri + Ldi/dt + V s (1.1)
V s = q/C (1.2)
dq/dt = i − is (1.3)
R Vs Ve
di/dt = − i + + (1.4a)
L L L
i is
dV s/dt = − (1.4b)
C C
On peut calculer i(t) et V s(t) pour toute valeur de t > t0 si l’on connaît is(t0 ), V s(t0 )
l’entrée V e(t) et la perturbation is(t).par intégration du système différentiel (1.4a, 1.4b)
Remarquons que c’est un système LTI
autres exemples : cf. tous les exemples traités dans le cours sur les bond-graph.
Mn = Mn−1 (1 + a) + sn (1.5)
A la quinzaine numéro n, on est donc capable de calculer le montant disponible sur le compte
(Mn ), si on connaît la somme initiale(M0 ), à la quinzaine 0 et la suite des sommes déposées,
s1 , s2 , . . . , sn .
T = N c’est le numéro de la quinzaine.
si sont les valeurs de l’entrée U = Z.
Ω est l’ensemble des suites s : N → Z.
On voit sur l’équation (1.5) que pour calculer la valeur du compte à une date donnée il
faut connaitre cette valeur à la quinzaine précédente. Cette valeur est nécessaire et suffisante.
L’espace d’état est de dimension 1 X = Z.
Le système est un système LTI à temps discret.
Convertisseur
ALGORITHME un Numérique- u(t) SYSTEME
analogique
L’état du système et les sorties sont des variables continues, mais on niveau de l’algorithme
on ne manipule que des suites. On utilisera alors une équation d’état discrète faisant intervenir
les valeurs de l’état aux instants d’échantillonnage xn = x(nT ). Elle prendra la forme (1.6)
xn+1 = f (xn , un ) (1.6)
c1
c2
Il est évident que la seule connaissance des états des deux cellules, éclairées ou non, ne suffit
pas à déterminer le sens de rotation. La séquence des signaux intervient.
T =R
entrées : c1 et c2 , ces variables sont binaires elles ne prennent que deux valeurs : éclairées ou
non-éclairées
1.2. EXEMPLE DE SYSTÈMES ADMETTANT UNE REPRÉSENTATION D’ÉTAT 5
Ω = {R → [0; 1]2 }
La sortie est le sens de rotation
On ne pourra savoir le nombre de variables d’état qu’après avoir fait la synthèse de l’automate
qui détermine le sens de rotation.
de
Nh niveau haut
h
Nb niveau bas
ds
Fig. 1.5 —
On considère la commande du remplisage d’un réservoir (1.5). Le débit d’entrée de est com-
mandé par la vanne V de type tout ou rien.
Le débit de sortie ds est inconnu, il dépend des utilisateurs, on supposera : ds < de .
La commande se fait de la manière suivante :
- la vanne V est fermée lorsque la hauteur d’eau dans le réservoir atteint le niveau haut N h
- la vanne est ouverte lorsque le niveau atteind son niveau bas N b
On a deux types d’équations :
1) les équations de la partie continue :
dh
S = V de − ds (1.7)
dt
V + = Cb + C̄hV (1.8)
1.3. DÉFINITIONS AXIOMATIQUES DES SYSTÈMES DYNAMIQUES 6
avec
Cb = 1 si h ≤ N b Ch = 1 si h ≥ N h (1.9)
C’est l’ensemble des équations (1.7, 1.8) et des conditions de transition des variables Cb
et Ch (1.9) qui définit le fonctionnement du système et permet de simuler son évolution.
T =R
La sortie est h.
Les entrées sont de entrée réelle de commande, ds entrée réelle de perturbation.
L’état contient des variables binaires : Cb et Ch, et une variable réelle : h.
Définition 1.1 Un système dynamique Σ est un objet mathématique défini par les axiomes et
les ensembles suivants :
a) ensembles
un ensemble de temps T
un espace d’états X
un ensemble de valeurs d’entrées U
un ensemble de fonctions d’entrées Ω : T → U
un ensemble de valeurs de sorties Y
un ensemble de fonctions de sorties Γ : T → Y
b) axiomes
— T est un ensemble ordonné de réels
— Ω 6= ∅
— Ω vérifie l’axiome de concaténation :
On note u[t1 ,t2 ] la restriction de u ∈ Ω à [t1 , t2 ] ∩ T
si u, u0 ∈ Ω pour t1 < t2 < t3 ; alors u” tel que u00[t1 ,t2 ] = u[t1 ,t2 ] et u00[t2 ,t3 ] = u0[t2 ,t3 ] appartient
àΩ
— il existe une fonction de transition d’état (équation d’état)
ϕ:T ×T ×X ×Ω→X
ϕ(t, t0 , x0 , u) : état au temps t du système qui avait l’état initial x0 à l’instant t0 sous
l’action de l’entrée u
ϕ a les propriétés suivantes.
— définie pour t > t0
— consistance : ϕ(t, t, x, u) = x, ∀x ∈ X, t ∈ T, u ∈ Ω
— composition : pour tout t1 < t2 < t3 ϕ(t3 , t1 , x, u) = ϕ(t3 , t2 , ϕ(t2 , t1 , x, u), u), ∀x ∈
X, u ∈ Ω
— causalité : si u et u0 appartiennent à Ω et sont telles que u[t1 ,t2 ] = u0[t1 ,t2 ] alors ϕ(t, t1 , x, u) =
ϕ(t, t1 , x, u0 ), ∀t ∈ [t1 , t2 ] , x ∈ X, u ∈ Ω
1.4. QUELQUES CLASSES DE SYSTÈMES DYNAMIQUES 7
Définition 1.3 Σ est dit linéaire, invariant par translation dans le temps.s’il possède les deux
propriétés. On note habituellement ces systèmes par le sigle LTI
Chapitre 2
dx
= f (x, u) (2.1a)
dt
où x ∈ Rn , u ∈ Rm
avec une équation de sortie :
y = g (x, u) (2.1b)
y ∈ Rp
Si f vérifie quelques hypothèses, on peut assurer que (2.1a) admet une solution et que cette
solution est unique pour un état initial donné.
Dans le cas général, la résolution de l’équation différentielle ne peut se faire que de ma-
nière numérique et relativement peu de propriétés communes peuvent être mises en évidence.
En revanche, les systèmes linéaires (régis par une équation différentielle linéaire en x et u), pré-
sentent des caractéristiques communes. S’ils ne recouvrent pas, bien sûr, l’ensemble des systèmes
physiques, leur étude est fondamentale car elle permet de dégager des notions de structure qui
s’appliqueront à d’autres systèmes non linéaires. De plus, sauf en cas de non linéarité forte, on
peut toujours décrire avec une précision plus ou moins bonne, le comportement d’un système
autour d’un point de fonctionnement ou d’une trajectoire par une équation linéaire (2.2a).
soit une trajectoire définie par t → x̄(t) pour une entrée ū
dx̄
telle que f (x̄(t), ū(t)) = (t)
dt
9
2.2. REPRÉSENTATION D’ÉTAT DES LTI 10
ȳ = g (x̄, ū)
si on envisage une trajectoire voisine, soit u(t) = ū(t) + δu(t), la solution x(t) = x̄(t) + δx(t)
vérifie
·
:
x̄ + δ ẋ = f (x̄ + δx, ū + δu) = f (x̄, ū) + Fx (x̄, ū)δx + Fu (x̄, ū)δu + o(δx, δu)
ou au premier ordre
δ ẋ = Fx (x̄, ū)δx + Fu (x̄, ū(t))δu (2.2a)
La sortie y(t) peut aussi s’écrire : y(t) = ȳ(t) + δy(t) et la linéarisation de (2.1b) donne au
premier ordre
ẋ = f (x, u0 ) (2.3)
Définition 2.1 (point d’équilibre) x0 sera un point d’équilibre pour (2.3) si f (x0 , u0 ) = 0
Forme implicite
Les équations différentielles peuvent aussi être données sous forme implicite :
f (ẋ, x, u) = 0 (2.4)
En procédant comme précédemment pour écrire le modèle linéarisé autour d’une trajectoire
nominale, on obtient
· · ·
Fẋ (x̄, x̄, ū)δ ẋ + Fx (x̄, x̄, ū)δx + Fu (x̄, x̄, ū)δu = 0 (2.5)
·
Si Fẋ (x̄, x̄, ū) est inversible on retrouve la forme explicite (2.2a), sinon on a un système
singulier.
On supposera x ∈ Rn , y ∈ Rp , u ∈ Rm
cas continu
L’équation d’état d’un système LTI sous forme canonique s’écrit(2.6)
ẋ = Ax + Bu (2.6)
y = Cx + Du
cas discret
Dans le cas discret on utilisera les mêmes notations : matrices A, B, C, D . La forme canonique
est (2.7)
ż = A1 z + B1 u (2.8a)
y = C1 z + D1 u (2.8b)
avec
A1 = P −1 AP (2.9a)
−1
B1 = P B (2.9b)
C1 = CP (2.9c)
D1 = D (2.9d)
On pourra donc considérer ces matrices comme les matrices représentant ces trois endo-
morphismes. Ces endomorphismes sont les éléments invariants du système, indépendants des
bases choisies dans les différents espaces vectoriels. Cette remarque sera utile pour les formes
canoniques et pour étudier les réalisations minimales.
On pourra donc utiliser l’algèbre des fractions rationnelles en p pour représenter les équations
différentielles linéaires à coefficients constants
ẋ = Ax + Bu
y = Cx + Du
Traduisons ces équations en calcul symbolique
£ ¤
Définition 2.5 (matrice de transfert) G(p) = C(pI − A)−1 B + D s’appelle la matrice
de transfert du système.
Proposition 2.7 Les pôles de la fonction de transfert sont les valeurs propres de la
matrice d’état.
Définition 2.9 (Réalisation minimale) On dira qu’une réalisation (A, B, C, D) avec dimen-
sion(A)=n est minimale s’il n’existe pas de réalisation de G de dimension inférieure.
Cas discret
Nous pouvons appliquer au système discret la même procédure de calcul symbolique qu’aux
systèmes continus :
l’opérateur q appliqué à la suite s fait comprendre la suite
q(s) = qs telle que qsk = sk+1
l’opérateur q est linéaire et la composition est évidente :
q 2 s = q(qs) q 2 sk = sk+2
On peut donc appliquer les règles du calcul symbolique sur les équations
y1
S1
u +
y
+
S2
y2
ẋ1 = A1 x1 + B1 u
y1 = C1 x1 + D1 u
ẋ2 = A2 x2 + B2 u
y2 = C2 x2 + D2 u
alors le nouveau système a pour transfert : G(p) = G1 (p) + G2 (p)
car son équation d’état est :
∙ ¸ ∙ ¸∙ ¸ ∙ ¸
ẋ1 A1 0 x1 B1
= + u = Ax + Bu (2.13a)
ẋ2 0 A2 x2 B2
∙ ¸
x1
y = y1 + y2 = [C1 C2 ] + (D1 D2 ) u (2.13b)
x2
- Association cascade
Si deux systèmes S1 et S2 sont tels que dimension y1 =dimension u2
alors on peut les associer en cascade (fig.2.2) et la fonction de transfert du système obtenu
est : G(p) = G2 (p)G1 (p)
u = u1 y1 = u2 y = y2
S1 S2
Ce produit n’est en général pas commutatif, il le devient quand G1 et G2 sont des fonctions
de transfert.
ẋ1 = A1 x1 + B1 u
y1 = C1 x1 + D1 u
ẋ2 = A2 x2 + B2 y1
y = C2 x2 + D2 y1
soit
∙ ¸ ∙ ¸∙ ¸ ∙ ¸
ẋ1 A1 0 x1 B1
= + u (2.14a)
ẋ2 B2 C1 A2 x2 B2 D1
∙ ¸
x1
y = [D2 C1 C2 ] + D2 D1 U (2.14b)
x2
en utilisant le fait que
∙ ¸−1 ∙ ¸
X1 0 X1−1 0
= −1 −1 (2.15)
X3 X2 −X2 X3 X2 X2−1
On vérifie l’identité des expressions.
variables de phase
Etudions d’abord le cas q = 0 et b0 = 1 On utilise alors les variables de phase :
x1 = y
dy
x2 = = y (1)
dt
dn−1 y
xn = n−1 = y (n−1)
dt
On obtient alors :
⎡ ⎤ ⎡ ⎤⎡ ⎤ ⎡ ⎤
x1 0 1 0 . 0 x1 0
⎢ x2 ⎥ ⎢ 0 0 1 . 0 ⎥⎢ x2 ⎥ ⎢ 0 ⎥
d ⎢⎢
⎥ ⎢
⎥=⎢ .
⎥⎢
⎥⎢
⎥ ⎢
⎥+⎢
⎥
⎥u
. . . . . . . (2.18a)
dt ⎢
⎣
⎥ ⎢
⎦ ⎣ 0
⎥⎢
⎦⎣
⎥ ⎢
⎦ ⎣
⎥
⎦
. 0 0 . 1 . 0
xn −a0 −a1 −a2 . −an−1 xn 1
£ ¤
y= 1 0 . 0 x (2.18b)
2.3. REPRÉSENTATION SOUS FORME TRANSFERT 16
Définition 2.10 (forme compagne) Cette forme particulière (2.18a)de la matrice A s’appelle
la forme compagne.
Une de ses propriétés remarquables est de faire apparaître les coefficients du polynôme
caractéristique (det(A−λI)) sur la dernière ligne. Nous verrons ultérieurement l’importance
de cette remarque pour la commande.
On représente cette structure par le schéma classique de la simulation analogique :
+ 1 xn 1 xn-1 x2 1 x1
u dxn/dt
p p p
an-1
an-2
a0
(n) (n−1) du
x2 + an−1 x2 + ... + a1 ẋ2 + a0 x2 = (2.20)
dt
(n−1)
et xn = x1 vérifie l’équation (2.21)
x(n) (n−1)
n + an−1 xn + ... + a1 ẋn + a0 xn = u(n−1) (2.21)
2.3. REPRÉSENTATION SOUS FORME TRANSFERT 17
y = b0 x1 + b1 x2 + ... + bq xq (2.23)
Cette construction est illustrée par le schéma de Kelvin complété (fig.2.4) :
b1
+ y
b0
+ 1 xn 1 xn-1 x2 1 x1
u dxn/dt
p p p
an-1
an-2
a0
Il est toujours possible, par un changement de base dans l’espace d’état, de passer à une
autre forme de la matrice A
x = Pz
· ·
x = P z = AP z + Bu
·
z = P −1 AP z + Bu (2.24)
y = CP z + Du (2.25)
Lorsque A est diagonalisable, on peut obtenir une matrice diagonale constituée des valeurs
propres de A en prenant pour matrice de changement de base P , la matrice des vecteurs propres
de A, sinon il est toujours possible d’arriver à une forme triangulaire ou à la forme de Jordan.
Ces formulations s’avèrent très utiles pour certains types de calculs. Il est aussi possible de les
obtenir directement quand le système est décrit par une fonction de transfert
Cette méthode suppose que G(p) est décomposé en une somme de fractions rationnelles :
i=n
b(p) X ci
G(p) = = (2.26)
a(p) p − pi
i=1
Xn
ci
y=( )u (2.27)
1
p − pi
n
X
1
En posant xi = u soit ẋi (t) = pi xi (t) + u(t) et y = ci xi
p − pi
1
on obtient :
⎡ ⎤ ⎡ ⎤⎡ ⎤ ⎡ ⎤
x1 p1 0 . 0 x1 1
d ⎢ ⎥ ⎢
⎢ x2 ⎥ = ⎢ 0 p2 . 0 ⎥ ⎢
⎥⎢ x2 ⎥ ⎢ 1
⎥+⎢
⎥
⎥u (2.28a)
dt ⎣ ⎦ ⎣ . . . . ⎦⎣ . ⎦ ⎣ . ⎦
xn 0 0 pn xn 1
£ ¤
y = c1 c2 . cn (2.28b)
Soit :
·
x = Λx + Bu, y = Cx
On remarque que la matrice ∧ est une matrice diagonale dont les éléments sont les pôles de
la fonction de transfert.
Suivant la nature des pi , plusieurs cas peuvent se présenter :
- si les pi sont réels, la forme précédente s’applique immédiatement ;
- si les pi comprennent des paires complexes conjuguées, les valeurs propres sont complexes
ainsi que les expressions de xi et de ci .
Ceci peut être gênant ; on évite alors d’utiliser la forme canonique.
2.3. REPRÉSENTATION SOUS FORME TRANSFERT 19
Forme de Jordan
si a(p) a des racines multiples, la matrice n’est plus forcément diagonalisable mais elle peut
être mise sous la forme de Jordan
a(p) est de la forme :
a(p) = (p − p1 )ki (p − p2 )k2 ...(p − pr )kr
n = k1 + k2 + ... + kr
Exemple :
(p + 3)(p + 2) c1 c2 c3 c4
H(p) = = + + + (2.31)
(p + 1)3 (p + 4) (p + 1)3 (p + 1)2 (p + 1) (p + 4)
c1 u c2 u c3 u c4 u
y = 3
+ 2
+ + (2.32a)
(p + 1) (p + 1) p+1 p+4
u x3 u x2 u u
x3 = , x2 = = 2
, x1 = = 3
, x4 = (2.32b)
p+1 p+1 (p + 1) (p + 1) (p + 1) p+4
y = c1 x1 + c2 x2 + c3 x3 + c4 x4 (2.32c)
d’où
ẋ1 = −x1 + x2
·
ẋ2 = −x2 + x3 soit x = Jx + Bu
ẋ3 = −x3 + u et y = Cx
ẋ4 = −4x4 + u ⎡ ⎤ ⎡ ⎤
−1 +1 0 0 ∙ ¸ 0
⎢ 0 −1 +1 0 ⎥ J (−1) 0 ⎢ 0 ⎥ £ ¤
J =⎢
⎣ 0
⎥=
⎦
3
,B = ⎢
⎣
⎥ C = 2, 7, 2 , − 2
⎦ 3 9 27 27
0 −1 0 0 −4 1
0 0 0 −4 1
2.4. SOLUTION DE L’ÉQUATION D’ÉTAT 20
Définition 2.12 (matrice de transition) L’opérateur exp(At) est souvent appelé matrice de
transition du système linéaire.
Rappelons que
A2 t2 An tn
exp(At) = I + At + + ..... + + ... (2.36)
2! n!
.
Pour calculer exp(At) explicitement on diagonalise A,soit Λ = P −1 AP où P est la matrice
des vecteurs propres.
Alors exp(At) = P exp(Λt)P −1
⎡ ⎤
eλ1 t 0 0
et exp(Λt) =⎣ 0 eλ2 t 0 ⎦ où les λi sont les valeurs propres de A.
0 0 e ntλ
Si A n’est pas diagonalisable il est nécessaire de l’amener par changement de base à une
forme Λ + N avec ΛN = N Λ
où Λ est une matrice diagonale et N est une matrice nilpotente ; ce qui est toujours possible.
si ΛN = N Λ alors exp(Λ + N )t) = exp(Λt) exp(N t)
N 2 t2 N n tn
et exp(N t) = (I + N t + + .... + ) ici on a un polynôme car N i = 0 pour i ≥ n
2! n!
Une forme triangulaire par blocs ou la forme de Jordan conviennent.
2.4. SOLUTION DE L’ÉQUATION D’ÉTAT 21
Stabilité
3.1 Définitions
Définition 3.1 (Point d’équilibre) Soit le système ẋ = f (x), on dit que xe est un point
d’équilibre si f (xe ) = 0
Il est évident qu’au point d’équilibre, comme la dérivée est nulle, le système ne bouge pas.
Une trajectoire ayant comme origine un point d’équilibre est réduite à ce point.
On sait parfaitement que cette propriété peut être physiquement complètement illusoire :
une pyramide en équilibre sur la pointe a peu de chance d’y rester longtemps. La vraie question
est de savoir si le système a tendance à rester à proximité du point d’équilibre, à se diriger vers
lui ou à s’en éloigner. Ces notions s’appellent respectivement ; stabilité, stabilité asymptotique,
instabilité.
Donnons les définitions mathématiques précises de ces notions. On notera ϕ(t, x)la fonction
de transition d’état du système (ces variables suffisent puisque f ne dépend pas de t et u ;on
peut toujours poser t0 = 0).
Définition 3.2 (équilibre stable) xe est dit stable si pour tout voisinage U de xe il existe un
voisinage V de xe tel que ϕ(t, x) ∈ U ; ∀x ∈ V, ∀t ≥ 0
Définition 3.3 (équilibre instable) xe est dit instable dans le cas contraire
22
3.2. CAS DES SYSTÈMES LINÉAIRES 23
Fig. 3.1 —
Dans le cas des systèmes LTI, comme on dispose de la solution explicite, les résultats sont
immédiats.
- cas continu
ẋ = Ax
x(t) = exp(At)x0
Un système linéaire continu est stable si les valeurs propres de la matrice d’état sont à parties
réelles négatives
Un système linéaire continu est asymptotiquement stable si les valeurs propres de la matrice
d’état sont à parties réelles strictement négatives
- cas discret
xk+1 = Axk
xx = Ak x0
Le système linéaire discret est stable si les valeurs propres de la matrice d’état ont un module
inférieur ou égal à un.
Le système linéaire discret est asymptotiquement stable si les valeurs propres de la matrice
d’état ont un module strictement inférieur à un.
Chapitre 4
Commandabilité
Cette propriété garantit que quels que soient l’état initial donné et l’état final désiré, il existe
au moins une commande qui amène le système d’un état vers l’autre.
Remarquons que cette propriété est très exigeante : avec les entrées, on veut pouvoir modifier
toutes les variables d’état, et pas uniquement les sorties. Est-il évident, par exemple, que l’on
puisse arriver à imposer une configuration arbitraire des courants et des tensions dans un circuit
électrique un peu complexe lorsqu’on dispose d’une seule source de tension ?
Cette propriété est très importante car si elle n’est pas vérifiée sur le système à commander,
on peut être incapable, d’arriver même à stabiliser le système ; et ceci quelle que soit l’habileté de
l’automaticien ! C’est la structure du système qui est à modifier avant de pouvoir entreprendre
son contrôle.
Heureusement, la vérification de cette propriété est immédiat dans le cas mono-entrée, elle
ne présente de difficulté que dans le cas multivariable.
Afin d’alléger la partie démonstrative, nous ne démontrerons certains résultats que dans le
cas des systèmes récurrents pour lesquels les démonstrations font appel à des notions mathéma-
tiques simples et nous donnerons les principaux résultats relatifs aux systèmes différentiels sans
démonstration.
Nous utiliserons les résultats sur les systèmes discrets, en particulier
le modèle :
et la solution :
k
X
k
xk = A x0 + Ai−1 Buk−i (4.2)
i=1
24
4.1. CRITÈRE DE COMMANDABILITÉ 25
ẋ = Ax + Bu (4.3a)
y = Cx + Du (4.3b)
On utilisera l’appellation "système (A, B)" pour désigner indifféremment les systèmes conti-
nus et discrets.
- cas discret Un système est commandable si : ∀ x0 l’état initial et ∀ xf l’état final désiré,
il est possible de trouver une suite finie de commandes u0 , u1 ...... uk−1 telle que xk = xf .
- cas continu Un système est commandable si : ∀ x0 l’état initial et ∀ xf l’état final désiré
il est possible de trouver une commande u et un temps tf < +∞ tels que x(tf ) = xf .
L’ensemble des états qui peuvent être atteints à partir de l’initial x(0) = 0 par une suite
finie de commandes (une commande en temps fini) est un sous espace vectoriel de l’espace d’état
appelé sous espace commandable (S.E.C.)
La forme de la solution permet de vérifier qu’il s’agit bien d’un sous espace vectoriel.
4.1.2 Critère
Théorème 4.3 (continu£ et dicret) Le sous¤ espace-commandable est engendré par les colonnes
de la matrice C(A, B) = B, AB, ..., An−1 B où n est la dimension de X
Démonstration. (cas discret) D’après (4.2) il est clair que tout élément du SEC peut s’écrire
comme combinaison linéaire des vecteurs colonnes extraits des matrices Am B. Le théorème de
Cayley-Hamilton montre qu’il suffit de s’arrêter à m = n-1 puisque pour m ≥ n − 1, Am est
combinaison linéaire des Ai pour i de 0 à n-1.
Propriétés du SEC
- Le sous-espace commandable est stable (invariant) par A.
En effet, si x ∈ SEC, x est combinaison linéaire des colonnes de C(A, B), Ax aussi puisque,
toujours d’après le théorème de Cayley-Hamilton, An B est fonction linéaire des Ai Bi ≤ n − 1.
- Le sous-espace commandable est le plus petit sous espace vectoriel de Rn stable par A et
contenant l’image de B
- Tout point x1 du sous-espace commandable peut être transféré en un autre point x2 du
sous-espace commandable.
En effet, soit la suite de commandes ci qui permet d’aller de x0 = 0 à xf = x2 − An x1 ( cette
suite existe puisque le SEC est stable par A donc x2 − An x1 ∈ A) ; cette suite ci transfère x1 en
x2 .
4.2. DÉCOMPOSITION CANONIQUE DE L’ESPACE D’ÉTAT 26
Ceci n’est pas obligatoirement grave si ces variables ne nous intéressent pas particulièrement
et si elles sont stables.
Si par contre la matrice A22 est instable, le système finira par sortir du domaine de linéarité
sans qu’aucune action ne soit possible.
Si le système (A, B) est commandable, il est possible, par le choix d’une matrice K , de placer
arbitrairement les valeurs propres du système en boucle fermée par retour d’état : u = −Kx.
ref uk yk
+
L xk +1 = Axk + Buk y k = Cxk
-
Système
xk
K
Retour d’état
Fig. 4.1 —
C’est le résultat le plus important. Ce théorème assure que l’on pourra stabiliser tout système
commandable (si on accède à l’état) on pourra modifier ses performances dynamiques par le choix
des valeurs propres.
Pour démontrer ce théorème, il faut déjà prouver que lorsqu’un système est commandable,
on peut le mettre sous la forme canonique compagne (démonstration non donnée).
Soit donc le système écrit sous forme compagne (mono-entrée)
⎡ ⎤ ⎡ ⎤
0 1 . 0 0
⎢ . . . . ⎥ ⎢ 0 ⎥
xk+1= ⎢
⎣ .
⎥x + ⎢ ⎥u (4.6)
. 0 1 ⎦ k ⎣ . ⎦ k
−a0 −a1 . −an−1 1
en boucle fermée
uk = K(xref − xk ) (4.7)
£ ¤
K = k1 k2 . . kn
on a alors xk+1 = (A − BK)xk + BK xref
4.4. CHOIX DES VALEURS PROPRES 28
⎡ ⎤
0 1 0 0
⎢ . . . . ⎥
A − BK = ⎢
⎣
⎥
⎦ (4.8)
. . 0 1
−a0 − k1 −a1 − k2 −an−1 − kn
La matrice d’état du système commandé est aussi sous forme compagne. On sait que la
dernière ligne de la matrice contient alors les coefficients de son polynôme caractéristique. Il est
évident que l’on peut déterminer arbitrairement ces coefficients, donc les valeurs propres, par
un choix convenable des ki .
Pour avoir une idée des comportements transitoires il est donc important de connaitre les
formes des fonctions exponentielles, deux cas sont à envisager :
réponses caractéristiques
On donne les réponses libres (fig.4.3) correspondant à différentes valeurs du coefficient
d’amortissement a
L’axe des abscisses est gradué en temps réduit ωt
De manière plus générale, la place des pôles dans le plan complexe donne des informations
sur la nature des comportements transitoires : rapides ou lents, peu ou beaucoup amorti. La
figure (fig.4.4) illustre les tendances.
Les pôles situés sur des demi-droites issues de l’origine ont le même coefficient d’amortisse-
ment
4.4. CHOIX DES VALEURS PROPRES 29
0.9
0.8
63%
0.7
0.6
0.5
95%
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
0.8
0.6
0.4
0.2
a=0.9
0
a=0.7
a=0.5
-0.2
a=0.3 wt
-0.4
0 1 2 3 4 5 6 7 8 9 10
amortissement
ω (1 − a 2 )
θ
+
+RAPIDE
ℜ
−aω
+LENT
Fig. 4.4 —
4.4. CHOIX DES VALEURS PROPRES 32
a = sin θ (4.9)
Chapitre 5
Observabilité
La question posée est duale de la commandabilité. On cherche la valeur de l’état avec la seule
connaissance des sorties.
Cette propriété peut sembler naturelle ; c’est loin d’être évident car on cherche toutes les
variables d’état avec la seule connaissance des sorties. Cette recherche est faite dans deux appli-
cations très différentes :
- la commande : le retour d’état y joue un rôle très important, mais il ne peut être réalisé
que si on connait effectivement l’état.
- le diagnostic : un moyen de vérifier la cohérence des informations données par un ensemble
de q capteurs est de n’en utiliser que q − 1 et de comparer l’estimation de la kième valeur avec
sa mesure.
Afin d’alléger la partie démonstrative, nous ne démontrerons certains résultats que dans le
cas des systèmes récurrents pour lesquels les démonstrations font appel à des notions mathéma-
tiques simples et nous donnerons les principaux résultats relatifs aux systèmes différentiels sans
démonstration.
Nous utiliserons les résultats sur les systèmes discrets, en particulier
le modèle :
xk+1 = Axk + uk (5.1)
yk = Cxk + Duk (5.2)
et la solution :
k
X
k
xk = A x0 + Ai−1 Buk−i (5.3)
i=1
Les systèmes continus seront écrits sous la forme canonique habituelle :
ẋ = Ax + Bu (5.4)
y = Cx + Du (5.5)
33
5.1. CRITÈRE D’OBSERVABILITÉ 34
Nous utiliserons :"système(A, C)” pour désigner indifféremment les deux types de système.
En général, le nombre de sorties dont on dispose (variables sur lesquelles on a mis des
capteurs) est inférieur au nombre de variables d’état. La matrice C : y = C x est de rang
p < m il n’est donc pas possible de l’inverser pour trouver x. Il est par contre souvent possible
de reconstituer la valeur de x0 en observant une séquence plus ou moins longue de sorties Y :
y1 .........yk , ou en observant l’évolution de la sortie y sur un intervalle de temps [t0 , t1 ] c’est la
notion d’observabilité.
- cas discret
Un système est observable si ∀ x il existe un nombre i fini tel que la connaissance de Y
={y1 ......yi } permette le calcul de x.
- cas continu
Un système est observable si ∀ x0 il existe un temps fini tf tel que connaissance de y sur
[t0 , tf ] permette le calcul de x0
Propriétés du SENO
- Le sous-espace non observable est stable (invariant) par A.
En effet, si x ∈ SENO, x est tel que CAi x = 0; i = 1, n donc Ax aussi puisque, toujours
d’après le théorème de Cayley-Hamilton, An est fonction linéaire des Ai ; i ≤ n − 1.
- Le sous-espace non observable est le plus grand sous espace vectoriel de Rn stable par A et
inclu dans le noyau de C.
5.1.2 Critère
Théorème 5.4 critère d’observabilité (continu et dicret) h Un système (A, C) est observable
i
T
si et seulement si la matrice O(A, C) telle que O(A, C) = C T AT C T . . (AT )n−1 C T est
de rang n.
En effet le système
y0 = Cx0
y1 = CAx0
yn−1 = CAn−1 x0
admet une solution unique x0 ssi la matrice O(A, C) est de rang n, son noyau est réduit à
zéro
On peut remarquer que, lorsque le système est mono-sortie, la matrice O(A, C)est carrée
nxn, il faut que le déterminant de cette matrice soit non nul pour que le système soit observable
Théorème 5.5 observateur Si le système (A, C) est observable, il est possible de déterminer la
matrice de gain G de manière à placer arbitrairement les valeurs propres de A - GC.
Démonstration. Ce résultat est très simple à démontrer si l’on remarque la dualité qui existe
entre les notions de commandabilité et d’observabilité.
Si le système ẋ = Ax + Bu ; y = Cx est observable
Alors le système ż = AT z + C T u est commandable
Chapitre 6
u = K(xref − x̂)
Il reste à voir si cette construction est cohérente et quel est son rapport avec ce que l’on
aurait obtenu si on avait pu réaliser un véritable retour d’état,
Ecrivons les équations de l’ensemble
dx
= Ax + BK(xref − x̂) (6.1)
dt
dx̂
= Ax̂ + BK(xref − x̂) + G(y − ŷ) (6.2)
dt
y = Cx, ŷ = C x̂ (6.3)
On voit que la dimension du vecteur d’état a doublé puisque l’on a le système et son obser-
vateur.
Ces équations sont beaucoup plus simples si on utilise la variable ε = x̂ − x. En effet, elles
deviennent :
dx
= (A − BK)x − BKε + BKxref
dt
dε
= (A − GC)ε
dt
ou encore
37
6.1. LE THÉORÈME DE SÉPARATION 38
∙ ¸ ∙ ¸∙ ¸ ∙ ¸
d x A − BK −BK x BK
= + xref (6.4a)
dt ε 0 A − GC ε 0
∙ ¸
£ ¤ x
y= C 0 (6.4b)
ε
Théorème 6.1 (retour d’état avec observateur) Si le système (A,B,C) est commandable
et observable, la réalisation d’une commande par retour sur l’état observé donne un système
dont l’ensemble de valeurs propres comprend les valeurs propres de A-BK (retour d’état) et
celles de l’observateur A-GC. Il est possible de placer arbitrairement ces valeurs propres dans le
plan complexe par le choix des matrices K et G.
Remarque 6.2 On peut aussi noter que, pour la même raison, l’observateur disparaît dans le
transfert entre xref et t
dx
= Ax + Bu y = Cx
dt
yk
Système
ref uk
+ +
L
- G
-
dxˆ yˆ = Cxˆ
= Axˆ + Bu
dt
OBSERVATEUR
K x̂
Démonstration. Admis
Ce théorème mérite quelques commentaires.
- Il prouve que G(p) définit une classe d’équivalence dans l’ensemble des représentations
d’état
- Les fonctions de transfert irréductibles ne représentent que la partie observable et comman-
dable des systèmes.
-Lorsqu’une fonction de transfert n’est pas irréductible (pôle et zéro identiques) la question
de savoir si les réalisations Rd sont observables ou commandables et sans objet : on peut toujours
à partir d’une fonction de transfert, irréductible ou non, construire une réalisation Rd observable
ou commandable (cf le shéma de Kelvin qui conduit à une réalisation commandable).
Les deux propriétés ne seront vérifiées en même temps que si G est irréductible.
- Une conséquence importante de ces résultats est qu’il ne faudra jamais composer un pôle
ou un zéro instable (partie réelle positive ou module supérieur à un). En effet la partie instable
disparaitrait bien de la fonction de transfert par simplification, mais ceci n’empêcherait pas
l’existence d’un mode instable et donc conduirait à une instabilité interne du dispositif.