State Space M2 PDF

Généralités Valeurs propres & stabilité Passage de la représentation d’état à la FT Résolution de l’équation d’état
Commande multi-variables
Kamel MENIGHED
ed »
i g h
Université 20 août 1955-Skikda
Men
ar «
t p
té cri
Département de Pétrochimie
e n
cum
Cours No 3
Do Théorie des variables d’état
Appliquée à la commande des systèmes
2èmeAnnée Master - Automatisation
K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 1/40

Contenu du cours No 3
I Généralités
1 Introduction
2 Représentation d’état
II Valeurs propres & stabilité

1 Valeurs propres
ed »
2 Stabilité d’un SLIT
i g h
III Passage de la représentation d’état à la FT
Men
IV Résolution de l’équation d’état
ar «
1 Equation de transition
t p
té
2 Matrice de transition
cri
e n
3 La méthode de la transformée de Laplace
Do cum
V Commandabilté et Observabilité
1 Introduction
2 Commandabilté
3 Critère de commandabilité : CNS
5 Observabilié
6 Critère d’observabilité : CNS
VI Décomposition structurelle de Kalman

1 Forme canonique
2 Réalisation &Cours
K. MENIGHED réalisation
: Commandesminimale
multi-variables -2021/2022 Slide 2/40
Plan
I Généralités
1 Introduction
2 Représentation d’état
ed »
i g h
II Valeurs propres & stabilité Men
a r «
t p
III
t é cri d’état à la FT
Passage de la représentation
u m en
Do c

Motivation I
Les méthodes d’analyse et de synthèse considérés jusqu’ici sont basées
sur la fonction de transfert H(p), appelée aussi "description externe",
qui donne la relation entre la grandeur de commande et la grandeur
convénients : h e d»
physique à commander. Cette représentation a cependant quelques in-
n ig ;
elle ne généralise pas facilement aux systèmeseMIMO
elle n’est pas systématique : il n’yra «
M
synthétiser un correcteur ;it p
a pas une règle générale pour
n t écr(CI) pour obtenir H(p) sont supposées

les Conditions Initiales
nulles ; me
D ocu aux systèmes non linéaires
inapplicable
elle ne donne pas d’information sur les :::::
états :::::::
internes du système.
Solution : Il fallait donc développer un nouveau formalisme (outil
mathématique) qui permette de résoudre ces problèmes.
➯ Théorie des variables d’état ➯ Représentation d’état

Motivation II
ed »
• L’idée de base des représentations d’état qui est une "description
i g h
en
interne" ; est que le futur d’un système dépend de son passé, de son
M
«
présent et de ses entrées. Et ceci à partir d’un ensemble de variables
ar
bien choisies.
t p
té cri
Avantage : la représentation d’état est une représentation plus com-
e n
plète ; donc elle est plus proche du procédé réel que le modèle donné
par la FT.
Do cum

Equation d’état du système I

Soit une éq.diff linéaire d’ordre n reliant l’entrée (u(t)) à la sortie (y(t))
donnée par :
dn y(t) dn−1 y(t) dy(t)

an
dt n
+ an−1
dtn−1
+ · · · + a1
dt
+ a0 y(t) = b0 u(t)
h e d» (1)
en
Par changement de variable, l’éq.diff en (1) peut se mettre en n éq.diff ig
d’ordre 1 appelées "équations d’état". « M
t p ar
cri

té

 ẋ 1 (t) = f1 x 1 (t), x 2 (t), x 3 (t), . . . , x n (t), u(t)
n

e


cum

 ẋ2 (t) = f2 x1 (t), x2 (t), x3 (t), . . . , xn (t), u(t)


Do S:




..
.
(2)



ẋn (t) = fn x1 (t), x2 (t), x3 (t), . . . , xn (t), u(t)

où xi (t) i = 1, 2, . . . , n sont les nouvelles variables internes obtenues à

partir de l’éq.diff (1) par une combinaison linéaire.
Equation d’état du système II
Ces variables xi (t)sont appelées

 "variables d’état" du système.
x1 (t)
 x2 (t) 
 
Le vecteur x(t) =  x3 (t)  s’appelle vecteur d’état. ed »
h
 
 .. 
 .  en i g
« M
ar
xn (t)
p
Ce vecteur d’état contient toutes les informations nécessaires pour pou-
t
té cri
voir définir la réponse du système à une entrée u(t) à partir des CI
quelconques.
e n
Do cum
Les équations d’état (2) d’un système dynamique peuvent s’écrire dans
le cas Linéaire Invariant dans le Temps (SLIT) sous la forme matricielle
comme suit :

ẋ(t) = Ax(t) + Bu(t) → éq. d’état
Système : (3)
y(t) = Cx(t) + Du(t) → éq. d’observation ou de mesure

Equation d’état du système III

x(t) ∈ Rn : vecteur d’état
Vecteurs u(t) ∈ Rm : vecteur de commande ou d’entrée
y(t) ∈ Rp : vecteur de sortie, de mesure ou d’observation
A ∈ Rn×n
B ∈ Rn×m
: matrice d’état, dynamique ou d’évolution
ed »
Matrices
: matrice de commande ou d’entrée
i g h
C ∈ Rp×n
D ∈ Rp×m
en
: matrice de sortie, de mesure ou d’observation
M
«
: matrice de transmission directe
ar
Remarques :
Ordre de système est c t
ri: n p
1
n t é égal
e
(
m : entrées
u m d’un système MIMO est égale : (m × p)
Do c
2 Dimension
p : sorties
(
m = 1 : une seule entrée
3 Dimension d’un système SISO est égale : (1×1)
p = 1 : une seule sortie

4 Invariant dans le temps cela veut dire que les matrices A, B, C, D
sont constantes, elles ne dépendent pas du temps.
Equation d’état du système IV
Exemple 1 : Soit un système SISO décrit par l’éq.diff suivante :
d2 y(t) dy(t)
dt 2
a2+ a1
dt
+ a0 y(t) = b0 u(t)
ed »
i g h
Q) Donner sa représentation d’état.
Men
Solution :
ar «
• Ordre du système = ordre de l’éq.diff n = 2 ⇒ on peut donc obtenir
t p
2 équations d’état d’orde 1.
té cri
• Le nbr d’entée m = 1 et le nbr de sortie p = 1.
e n
Do cum
d y(t) 21
= − a1
dy(t)
− a0 y(t) + b0 u(t)

dt2 a2 dt
Si on pose y(t) = x1 (t)

dy(t) d2 y(t)
ẋ1 (t) = = x2 (t) et ẋ2 (t) =
dt dt2

Equation d’état du système V
ẋ1 (t) = x2 (t) ẋ1 (t) = 0x1 (t) + x2 (t) + 0u(t)

 
 
−a1
 
a0 b0 a0 a1 b0
ẋ2 (t) = x2 (t) − x1 (t) + u(t) ⇒ ẋ2 (t) = − x1 (t) − x2 (t) + u(t)
a2 a2 a2 a2 a2 a2
»

 

ed
y(t) = x1 (t) y(t) = x1 (t) + 0x2 (t) + 0u(t)
Sous forme " matricielle : # i g h

0 1
 
0
M en
+ b «u(t)
ẋ (t)
1 x (t) 1
= −a −a
x (t) ar
0 1   0
ẋ (t)
2
a a
t ap 2
cri
2 2 2
+é

x (t)
(t)nt
1
y(t) = 1 0 0 u(t)
xe
c u m 2  
o −a ; B =  b0  ; C = 1 0 ; D = 0
" #
0 1
A =D−a 0 1 0
a2 a2 a2
Remarque :
La représentation d’état n’est pas unique pour un même système phy-
sique contrairement à la FT (qui est unique).

Plan
I Généralités
II Valeurs propres & stabilité ed »

i g h
en
1 Valeurs propres
2 Stabilité d’un SLIT
« M
p a r
III Passage de la représentation t
cri d’état à la FT
t é
u m en
Do c

Valeurs propres
Définition
e d »
Les valeurs propres d’une matrice A ∈ R n×n h
ig de l’équa-
sont les racines
n
e
« M
tion ou polynôme caractéristique :
t p ar
cri
QA (λ) = |λIn − A| = 0 ⇐⇒ det λIn − A = 0
e nté
cum
λi : sont les valeurs propres. i = 1, 2, . . . , n
Do
Les valeurs propres caractérisent les modes (ordre, stabilité, rapidité,
amortissement)

Stabilité d’un système dynamique I
Satabilité asymptotique
Un système linéaire invariant dans le temps est ::::::::::::::::
asymptotiquement
d»
stable
:::::
si toutes les valeurs propres de sa matrice d’état A sont à partie
h e
réelle strictement négative. Il s’agit d’une condition nécessaire et suffi-
ig
sante pour que le système soit exponentiellement stable.
e n
«M
∀λ , i = 1, 2, . . . , narRe(λ )<0
i
t p i
t é cri
u m eestnsable au sens de Lyapunov (stabilité au sen large),
Satabilité au sens de Lyapunov
oc propres de sa matrice d’état A sont à partie réelle néga-

Le système SLIT
Dvaleurs
ssi les
:::::
tive.
∀λi , i = 1, 2, . . . , n Re(λi )≤0
A condition que ceux situés sur l’axe imaginaire (s’il en existe) étant
simples (c.-à.d d’ordre 1)

Stabilité d’un système dynamique II

6 −1
Exemple 2 : soit A =
3 2
la matrice d’état d’un SLIT.
ed »
i g h
Déterminer si ce système est stable ?
Solution : Men
: n =2
Ordre du système est égal ar «
t p
cri

λ 0 6 −1 λ − 6 1

té
det λI2 − A = 0 ⇐⇒ − =0⇒ =0
0 λ 3 2 −3 λ − 2
e n
cum
2
(λ − 6)(λ − 2) − (−3) = 0 ⇒ λ − 8λ + 15 = 0
Do
VP : λ1 = 5 et λ2 = 3 ⇒ Re(λ1 ) > 0 et Re(λ2 ) > 0
Donc le système est instable.

Plan
I Généralités
ed »
i g h
Men
Passage de la représentation d’état àrla«
FT
III
p a
é c rit
IV
m e nt
Résolution de l’équation d’état
u et Observabilité
V
Do c
Commandabilté

Représentation d’état ⇒ FT I
Les systèmes linéaires invariants sont généralement décrits par :
❉ Fonction de transfert ou matrice de transfert (description externe)
❉ Représentation d’état (description interne)
L’objectif est d’établir le passage d’une représentation d’état à la FT
ed »
i g h
afin de transposer les propriétés du domaine de Laplace au cas des
représentations d’état. Men
ar «
Exemple 3 : Soit un système décrit par la représentation d’état sui-
vante : t p
ri = Ax(t) + Bu(t)
cẋ(t)
t Sé: y(t) = Cx(t) + Du(t)

e n
Do cum Y (p)
Q) Calculer sa fonction de transfert notée G(p) = en fonction des ma-
U (p)
trices A, B, C, D. Les CI sont supposées nulles.
Solution :
*=0 AX(p) + BU (p)

(
pX(p) −
x(0)

(pI − A)X(p) = BU (p)
⇐⇒
Y (p) = CX(p) + DU (p) Y (p) = CX(p) + DU (p)

Représentation d’état ⇒ FT II
X(p) = (pI − A)−1 BU (p)

Y (p) = CX(p) + DU (p)

h i
Y (p) = CX(p) + DU (p) = C(pI − A)−1 BU (p) + DU (p) = C(pI − A)−1 B + D U (p)
ed »
Y (p)
h
i g h i
G(p) =
U (p)
= C(pI − A)−1 B + D
Men
ar «
p
En substituant la matrice inverse par son expression, on obtient :
t
té cri
e n
cum
adj(pI − A)

(pI − A)−1 =
Do

QA (p)




QA (p) = det(pI − A)




adj(pI − A) = [Com(pI − A)]T = [M ]T

C[adj(pI − A)]B + DQA (p)

G(p) = avec
QA (p)  M = [mij ] avec mij = (−1)i+j det(Mij )




 Mij : matrice extraite de (pI − A)

en supprimant la ième ligne et




la jème colonne
Représentation d’état ⇒ FT III
Remarques :
☞ Les pôles de la fonction de transfert sont les valeurs propres de la matrice
ed »
d’état A.
i g h
ment les pôles de la fonction de transfert. Men
☞ En revanche, les valeurs propres de la matrice d’état A ne sont pas forcé-
ar «
t p
té cri
Ceci résulte de la perte de commandabilité ou d’observabilité qui conduit à
la compensation (annulation, cancellation) pôles/zéros dans la fonction de
e n
cum
transfert.
Do
Il faut donc distinguer les pôles de la fonction de transfert et les valeurs
propres de la matrice d’état. De même, il faut faire la nuance entre le déno-
minateur de la fonction de transfert et le polynôme caractéristique associé à
la matrice dynamique A.

Plan
I Généralités

ed »
n i g h
III Passage de la représentation d’état à la FTMe
p a r«
IV
é c r it
Résolution de l’équation d’état
1
Matricemde e
nt
Equation de transition
transition
cu de la transformée de Laplace
2
3
DLaométhode

Equation de transition
Résoudre l’équation d’état consiste à déterminer l’expression du vecteur d’état
x(t) en fonction du temps. Autrement dit, déterminer l’expression temporelle
des n variables d’état en connaissant le système (c.à.d A, B, C, D) et l’entrée
u(t) qui lui est appliquée.
La solution obtenue est appelée équation de transition.
h e d»
Problème :
e n ig
On considère le système représenté par l’équation d’état suivante :
ẋ(t) = Ax(t) + Bu(t) r

a « )M
et x(t =x
i t p 0 0
é créquation
Q) Trouver la solution de cette
t
d’état.
Solution :
mtellen
e équation différentielle est connue, et a pour expression :
u
La solution d’une
c
Do Z t
x(t) = eA(t−t0 ) x0 + eA(t−τ ) Bu(τ ) dτ
t0
Solution libre (u(t)=0)
Solution f orcée (x(t0 )=0)
• La première partie représente la réponse libre (régime autonome) : xl (t)

• La seconde partie représente la réponse forcée (régime forcé) : xf (t)
Démonstration.
Z
On sait que : x(t) = ẋ(t)dt = f (t, u(t), x0 )
D’abord on pose : x(t) = eAt z(t) . . . éq(∗)

Il vient alors : ẋ = AeAt z + eAt ż avec ẋ(t) = Ax(t) + Bu(t)
At
z + eAt ż = z + Bu ⇒ eAt ż = Bu ⇒ ż(t) = e−At Bu(t)
At
Ae

Puis, on intègre
Ae
ed »
Z t Z t Z t
i g h
ż(t) = e−Aτ Bu(τ ) dτ ⇒ z(t) − z(t0 ) = en
e−Aτ Bu(τ ) dτ
M
t0 t0
ar
t0
«
t p Z t
té
⇒ z(t) = z(t0 ) +
cri e−Aτ Bu(τ ) dτ . . . éq(∗∗)
e n t0
c um
x(t) = eAt z(t) ⇒ z(t) = e−At x(t) ⇒ z(t0 ) = e−At0 x(t0 ) ⇒ z(t0 ) = e−At0 x0
o
D
D’après les éq(*) et éq(**)
Z t
h i
x(t) = eAt z(t) = eAt z(t0 ) + e−Aτ Bu(τ ) dτ
t0
Z t Z t
At −At0 At −Aτ
=e e x0 + e e Bu(τ ) dτ = eA(t−t0 ) x0 + eA(t−τ ) Bu(τ ) dτ
t0 t0

Matrice de transition
Z t
x(t) = eA(t−t0 ) x0 + eA(t−τ ) Bu(τ ) dτ
t0
ed »
Dans cette équation de transition, le terme eA(t−t0 ) représente une
i g h
en
matrice exponentielle que l’on note en général Φ(t, t0 ) et que l’on appelle
M
fonction ou matrice de transition du système entre t0 et t.
ar «
Φ(t, tc)r=t
ie p ∈R A(t−t0 ) n×n
t é 0
Pour calculer m
u en de transition, nombreuses méthodes existent :
la matrice
D oc
Méthode 1 : La méthode de la transformée de Laplace ;
Méthode 2 : La méthode de diagonalisation ;
Méthode 3 : La méthode de Cayley-Hamilton ;
Méthode 4 : La méthode de calcul direct (développement de Taylor).

Calcul de la matrice de transition

D’abord, on pose t0 = 0 puis on calcule Φ(t) = eAt
D’après la table de la TL : h 1 i
• Si a est un scalaire : eat = L −1 = L −1 [p − a]−1
p−a n o
• Par analogie, pour A∈ Rn×n : eAt = L −1 [pI − A]−1 = Φ(t) ed »
i g h
en
| {z }
ϕ(p)
−1
n o
« M
avec Φ(t)=L ϕ(p)
t p ar
té cri
Il suffit donc d’inverser la matrice [pI − A], ce qui conduit à une matrice
de transfert rationnelle en p dont on calcule la transformée de Laplace
e n
cum
de chacun de ses éléments.
Do
Exemple 4 : Soit le système suivant :
1 Donner la représentation d’état.
U (p) + υ(p) 1 Y (p) = X1 (p) 2 Calculer Φ(t) (matrice de transi-
p+5
−
tion).
X2 (p)
6 3 Déduire sa réponse libre et sa ré-
p ponse forcée.
Solution :
Plan
I Généralités

ed »
i g h
III Passage de la représentation d’état à la FT
Men
Résolution de l’équation d’état pa
r«
rit
IV
é c
V Commandabilté
m e nettObservabilité
1
2
ocu
Introduction
DCommandabilté
3 Critère de commandabilité : CNS
5 Observabilié
6 Critère d’observabilité : CNS

Introduction
Parmi les propriétés (concepts) d’un système décrit par la représen-

ed »
tation d’état, on trouve la commandabilité et l’observabilité. De ces
i g h
en
propriétés structurelles découlent les notions de stabilisabilté et dé-
M
«
tectabilité qui sont utiles dans les analyses théoriques du systèmes à
ar
p
réguler. Il faut savoir que ces propriétés structurelles du système n’ap-
t
cri
paraissent pas dans la représentation par fonction de transfert.
té
En fait, les u
e n
m de commandabilité et d’observabilité sont asso-
ciéesDào c propriétés
une représentation d’état donnée et non au système physique
représenté par différents modèles d’état.

Commandabilté
Un des problèmes fondamentaux qui se pose l’automaticien lors de la

conception d’une loi de commande (synthèse du correcteur) pour la
commande du système est celui de la commandabilité (ou gouvernabi-
lité) du système.
ed »
Problème : Est-il possible de déterminer une loi de commande sans
i g h
en
contrainte permettant de faire évoluer le système depuis un état initial
M
ar «
x(t0 ) quelconque jusqu’à un état final désiré (spécifique) x(tf ) quel-
conque en un temps fini.
t p
té cri
Définition
e n
Do cum
Un système SLIT est dit complètement commandable sur l’intervalle de
temps [t0 , tf ], tf < ∞ s’il existe une commande u(t) définie sur [t0 , tf ]
qui peut amener (transférer) le système d’un état initial x(t0 ) à un autre
état désiré quelconque x(tf ) dans un intervalle de temps fini t ∈ [t0 , tf ]
Intuitivement : chaque état xi (t) du vecteur d’état x(t) doit pouvoir être
affecté par l’action de la commande u(t) directement ou indirectement.

Critère de Kalman pour la commandabilité I

Soit un système linéaire invariant dans le temps décrit par l’équation
d’état :
ẋ(t) = Ax(t) + Bu(t)
S:
y(t) = Cx(t) + Du(t)
ed »
Le système SLIT est commandable (ou complètement commandable)
i g h
selon Kalman ssi la matrice de commandabilité :
Men
h
C= B AB
i
A2 B ar
. . . An−1 B
«
t p est de rang plein
té cri
n
Mathématiquement :
e rang (C) = n = dim(x(t))
Do
Remarques :

cum
où n : ordre du système.
dim C = n × n.m (matrice non carrée)

la propriété de la commandabilité dépend uniquement de l’équation d’état. Donc,
elle dépend de la paire (A, B) =⇒ Problème lié à la matrice de commande B.
☞ Si rang (C) = r < n, donc le système n’est pas complètement commandable
les états commandables : nc = r
les états non-commandables : nc̄ = n − r

Critère de Kalman pour la commandabilité II
Rang
Le rang d’une matrice non carrée A ∈ Rm×n noté rang(A) est :
d»
Déf 1 : le plus grand ordre (la taille) du sous-matrice carrée extraite de
:::::::::::::::
h e
la matrice initiale A dont son déterminant est différent de 0.
ig linéairement
n
Déf 2 : le nombre maximal de vecteurs lignes ouecolonnes
indépendantes.
a r «M
D’une manière générale : rang(A) ≤p
c r i t min(m, n)
n t é
Stabilisabilté m e
u dit stabilisable ssi les états (modes) non commandables sont
D ocest
un système
stables.
(Cette notion est utile pour toute synthèse de correcteur)
Si le mode non commandable existe donc il est figé et aucune commande

ne peut le déplacer, alors le mieux est que ce dernier soit stabilisable.

Illustration sur un exemple
Exemple 5 : Soit le systèmes SLIT représenté par l’équation d’état

suivante :
»

−2 −2 1
ẋ(t) = Ax(t) + Bu(t) avec : A =
−1 −3
et B =
−2
.
i g h ed
Q) Déterminer si ce système est commandable ?
Men
Solution :
ar «
Ordre du système est : n = 2
t p
cri
Selon le critère de Kalman, on doit calculer la matrice de commanda-
té
bilité :
e n
Dho
cum
i1 2
C= B AB = =⇒ det(C) = 9 ̸= 0 =⇒ rang (C) = n = 2
−2 5
Donc ce système est est commandable.

Observabilité
Lorsque l’état x(t) du système n’est pas accessible, les techniques de

commande ne sont plus directement applicables, et il faut faire appel à
un état reconstruit x̂(t). Cette opération n’est possible que si le système
ed »
possède la propriété d’observabilité définie ci dessous.
i g h
en
Problème : Est-il possible de reconstruire l’état initial si l’on dispose
M
«
de mesures de la sortie et du signal de commande sur un intervalle de
ar
temps fini ?
t p
té cri
C’est un problème lié à la reconstruction des variables d’état qui ne
e n
sont pas accessibles à la mesure à l’aide d’un observateur ou filtre.
o
Définitionc um
D
Un système SLIT est dit observable (ou complètement observable) si
connaissant les entrées u(t) et sorties y(t) du système sur un intervalle
de temps fini, on peut déterminer l’état initial du système.

Critère de Kalman pour l’observabilité I
Le système SLIT est complètement Observable selon Kalman ssi la

matrice d’observabilité :

C

ed »
 CA 
i g h

 2 

O =  CA  est de rang plein Men
 .. 
a r «
 . 
CA ri t pn−1
c
me n é
t
u
Mathématiquement :
c rang (O) = n = dim(x(t))
Do
Remarques :

dim O = n.p × n (matrice non carrée)
la propriété de l’observabilité dépend uniquement de l’équation de
sortie. Donc, elle dépend de la paire (A, C) =⇒ Problème lié à la
matrice d’observation ou de mesure C.

Critère de Kalman pour l’observabilité II
☞ Si rang (O) = q < n donc le système n’est pas complètement ob-

servable
ed »
les états observables : no = q
i g h
les états non-observables : nō = n−q
Men
«
Détectabilité
rit par
é c
un système est dit détectable ssi les états (modes) non observables sont
stables.
m e nt
ocu
(Cette notion est utile pour toute synthèse d’un obervateur)
D
Un mode non observable instable pose des problèmes évidents, sa di-
vergence ne pouvant pas être contrée car elle n’a pas d’effet observable
sur la sortie.

Illustration sur deux exemples

Exemple 6 : Soient les deux systèmes
SLIT suivants :
−2 −2
1 Système 1 : A = et C = 1 0 .
−1 −3
−1 0
2 Système 2 : A =
0 −2

et C = 0 1 .

ed »
i g h
Q) Déterminer si ces deux systèmes sont observables ?
Solution : Men
I) Ordre du système 1 est : n = 2 ar «
t p
cri
Selon le critère de Kalman, on doit calculer la matrice d’observabilité :
té
n

O=
C
e 1 0
=⇒ det(O) = −2 ̸= 0 =⇒ rang (O) = n = 2
cum
=
CA −2 −2
Do
Donc ce système est observable.
II) Ordre du système 2 est : n = 2
Selon le critère de Kalman, on doit calculer la matrice d’observabilité :

C 0 1
O= = =⇒ det(O) = 0 =⇒ rang (O) = 1 < n = 2
CA 0 −2
Donc ce système est non observable.
Plan
I Généralités
Valeurs propres & stabilité ed »

II
i g h
Passage de la représentation d’état à la FTM
en
r«
III
p a
IV
é rit
Résolution de l’équationcd’état
m e nt
u et Observabilité
Do c
V Commandabilté

1 Forme canonique
2 Réalisation & réalisation minimale

Décomposition structurelle
Un système SLIT représenté dans l’espace d’état par le quadruplet
(A, B, C, D) peut être schématisé par le diagramme suivant appelé :
« Décomposition structurelle de Kalman »
xcō Selon Kalman, un SLIT peut être dé-
ed »
composé en 4 sous-systèmes.
i g h
u(t) xco y(t)
vables ; en
• xco : les états commandables et obser-
M
ar «
• xc̄o : les états non commandables et obser-
t p vables ;
t é cri
xc̄o • xcō : les états commandables et non obser-
en
vables ;
u m • xc̄ō : les états non commandables et non
D oc xc̄ō
observables.
Remarques :
Si la réalisation (A, B, C, D) n’est pas minimale, la fonction (matrice) de transfert
obtenue du système global correspond uniquement à sa partie commandable et
observable du système.
La caractéristique principale des états (modes) NC et NO est le fait qu’ils n’appa-

raissent pas dans la fonction (matrice) de transfert (ils sont cachés, invisibles).

Réalisation
Toute représentation
h d’état i(A, B, C, D) d’un système qui vérifie :
−1
G(p) = C(pI − A) B + D est appelée une réalisation.
Remarque : plusieurs réalisations (A, B, C, D) peuvent donner lieu à

ed »
une fonction (ou matrice) de transfert identique.
i g h
Men
Réalisation minimale : Théorème
ar «
p
Une réalisation d’état (A, B, C, D) de G(p) est minimale (irréductible)
t
té cri
si et seulement si elle est commandable et observable.
e n
cum
Remarques :
Do
1 une réalisation est minimale s’il n’existe pas d’autres réalisations de G(p) d’ordre
inférieur à n avec dim(x) = n où n le nombre d’états minimal.
2 Dans le cas d’un système mono-entrée, mono-sortie, la réalisation minimale cor-
respond à une fraction rationnelle irréductible (pas de simplification des pôles et
zéros)
3 si la réalisation est minimale :
la stabilité interne ⇐
⇒ stabilité externe.

Exemple 7: Soit un SLIT  décrit par

 la représentation d’état suivante :
−2 0 0 1
avec : A = −1 2 0 , B = 1, C = − 1 1 − 1 , D = [1]
−3 3 −1 3
1 Calculer ses valeurs propres. Le système est-il stable ?
Déduire la FT notée G(p) lorsque les CI=0.
2
Solution : ed »
i g h
VP positive Re(λ2 ) > 0 Men
• VP :λ ∈ {−2, 2, −1}, le système est instable parce qu’il possède une
Y (p) (p − 1) (p+1)

(p−2) p − 1ar «
• G(p) = = =
t p ,
U (p) (p + 1)
cri
(p − 2)(p + 2) p + 2

té

n
pôle : p1 = −2 : système stable Re(p1 ) < 0
e
Remarques :
o c um
1
2
D
A retenir : la stabilité interne =⇒ la stabilité externe.
avant toutes simplifications pôle(s)/zéro(s), les pôles de G(p) sont les
valeurs propres de A.
3 compte tenu de simplifications éventuelles, des termes de G(p) peuvent
ne pas faire apparaître des parties du système. Dans le cadre d’un pro-
blème de commande, ces simplifications peuvent engendrer des perfor-
mances totalement différentes de celles prévues.

State Space M2 PDF

Transféré par

Informations du document

Titre original

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

State Space M2 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Généralités Valeurs propres & stabilité Passage de la représentation d’état à la FT Résolution de l’équation d’état

Do Théorie des variables d’état

Appliquée à la commande des systèmes

2èmeAnnée Master - Automatisation

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 1/40

II Valeurs propres & stabilité

3 Critère de commandabilité : CNS

6 Critère d’observabilité : CNS

VI Décomposition structurelle de Kalman

VI Décomposition structurelle de Kalman

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 3/40

n t écr(CI) pour obtenir H(p) sont supposées

➯ Théorie des variables d’état ➯ Représentation d’état

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 4/40

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 5/40

Equation d’état du système I

dn y(t) dn−1 y(t) dy(t)

où xi (t) i = 1, 2, . . . , n sont les nouvelles variables internes obtenues à

Equation d’état du système II

Ces variables xi (t)sont appelées

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 7/40

Equation d’état du système III

Equation d’état du système IV

Exemple 1 : Soit un système SISO décrit par l’éq.diff suivante :

Si on pose y(t) = x1 (t)

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 9/40

Equation d’état du système V

ẋ1 (t) = x2 (t) ẋ1 (t) = 0x1 (t) + x2 (t) + 0u(t)

Sous forme " matricielle : # i g h

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 10/40

II Valeurs propres & stabilité ed »

2 Stabilité d’un SLIT

VI Décomposition structurelle de Kalman

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 11/40

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 12/40

Stabilité d’un système dynamique I

oc propres de sa matrice d’état A sont à partie réelle néga-

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 13/40

Stabilité d’un système dynamique II

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 14/40

VI Décomposition structurelle de Kalman

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 15/40

*=0 AX(p) + BU (p)

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 16/40

Y (p) = CX(p) + DU (p)

Représentation d’état ⇒ FT III

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 18/40

II Valeurs propres & stabilité

VI Décomposition structurelle de Kalman

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 19/40

ẋ(t) = Ax(t) + Bu(t) r

• La première partie représente la réponse libre (régime autonome) : xl (t)

D’abord on pose : x(t) = eAt z(t) . . . éq(∗)

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 21/40

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 22/40

Calcul de la matrice de transition

II Valeurs propres & stabilité

VI Décomposition structurelle de Kalman

Parmi les propriétés (concepts) d’un système décrit par la représen-

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 25/40

Un des problèmes fondamentaux qui se pose l’automaticien lors de la

K. MENIGHED Cours : Commandes multi-variables -2021/2022 Slide 26/40

Critère de Kalman pour la commandabilité I

Y (p) (p − 1) (p+1)