2

Chapitre 1
Introduction
Objectifs du cours
• Modélisation et analyse des systèmes non linéaires
• Introduction à la commande non linéaire

Commande Système non

(linéaire ou non linéaire
linéaire)

Chapitre 1 : introduction
Chapitre 2 : modélisation des systèmes non linéaires
Chapitre 3 : analyse des systèmes non linéaires
Chapitre 4 : introduction à la commande non linéaire
 3

Commande non linéaire (nombreuses recherches…) : pourquoi?

• La synthèse de commandes linéaires s’appuie des modèles linéaires. S’il
est possible de se ramener à des modèles linéaires par linéarisation locale,
la robustesse de la commande résulte d’une bonne connaissance des points
de fonctionnement.

• Les commandes linéaires se révèlent complètement inefficaces face à des

systèmes à forte non linéarité.

• La synthèse de commande linéaire présuppose une bonne connaissance du

modèle. Il est alors difficile de prendre en compte les incertitudes liées au
modèle :
o Incertitude liée aux paramètres (changement de valeur)
o Incertitude liée à la structure (changement de modèle)
 4

• La synthèse de commande linéaire n’est pas nécessairement plus simple à

mettre en œuvre. L’évolution des technologies constitue un facteur
supplémentaire au développement des techniques de commande non
linéaire.

Bibliographie
‰ SLOTINE J.J, LI W., « Applied non linear control », Prentice Hall

‰ ISIDORI A., « Non linear Control Systems », Springer

‰ CROSNIER A. et al. « Ingénierie de la commande des systèmes.

Techniques de base », Ellipses

‰ BORNE P. et al., «Analyse et régulation des processus industriels »,

Technip
 5

Chapitre 2
Modélisation des systèmes non
linéaires
Comportement non linéaire des systèmes
Typologie
Intrinsèquement, la plupart des systèmes physiques ont un comportement non
linéaire.
Les non linéarités peuvent être de nature différentes :
• Non linéarité naturelle (systèmes physiques) : ces non linéarités induisent
souvent des effets indésirables
• Non linéarité artificielle (systèmes de commande) : elles sont mises en
œuvre dans le but de compenser les effets induits par les non linéarités
naturelles
 6

Une autre classification des non linéarités repose sur les propriétés
mathématiques de la non linéarité : continue ou discontinue.

Exemple :

Tout Ou Hystérésis Amplificateur

Rien avec seuil
 7

Définition
Il est possible de donner comme définition d’un système non linéaire, tout
système ne vérifiant pas les propriétés mathématiques des systèmes
linéaires stationnaires (LTI : Linear Time Invariant).

Considérons le système linéaire défini par l’équation d’état :

x = Ax + Bu
Ce système se caractérise par les propriétés suivantes :
• Il possède un point d’équilibre unique solution de l’équation x = 0 ; la
solution générale de l’équation différentielle d’état s’écrit : x(t) = e At x(0)
(essai de lâcher)
• Le point d’équilibre est stable si toutes les valeurs propres de A sont à
partie réelle négative, et ceci de façon indépendante des conditions
initiales
 8

• Le système vérifie le principe de superposition par rapport à l’entrée de

commande u(t) .
• Enfin, si l’entrée est sinusoïdale, la sortie est aussi sinusoïdale à la même
fréquence, caractérisant ainsi la propriété de stationnarité du système.

Exemple : considérons le système (véhicule sous-marin) caractérisé par

l’équation différentielle suivante :

v + v v = u

où v est la vitesse du véhicule et u l’entrée de commande (poussée du système

de propulsion).
 9

Le système ne vérifie pas le principe de superposition (cf. courbe de

réponse pour différentes entrées).

(2)
5

4
u(t)
v(t)

(2)
2

(1) (1)
1

0
0 1 2 3 4 5 6 7 8 9 10
 10

Caractéristiques du comportement des SNL

Points d’équilibre multiple
Très souvent, les SNL se caractérisent par plusieurs points d’équilibre.

Exemple : système du 1er ordre défini par l’équation suivante :

y =− y + y2

Le système possède deux points

d’équilibre :
y = 0 et y =1.

Avec un état initial y(0) = y0 , on a :

y e−t
y(t) = 0 .
1− y + y e−t
0 0
 11

Cycles limites
Certains SNL présentent des oscillations d’amplitude et de période constante
avec entrée nulle. Ces oscillations sont appelées cycles limites (auto-
oscillation).

Exemple : le système décrit par l’équation de Van der Pol :

y + 2c( y2 −1) y + k y = u
m 
avec m, c et k des constantes positives. Ce système est équivalent par exemple
à un circuit RLC avec résistance non linéaire.
 12

Comparaison SL et SNL :
• L’amplitude des oscillations est indépendante des conditions initiales, ce
qui n’est pas le cas des systèmes linéaires
• Les cycles limites dans les SNL sont relativement peu sensibles aux
variations de paramètres.
 13

Bifurcations
Quand les paramètres d’un SNL sont modifiés, la stabilité des points
d’équilibre est susceptible d’être changée, et le nombre de points d’équilibre
peut évoluer. Les valeurs critiques des paramètres induisant ce genre de
phénomène sont appelées valeur critique de bifurcation.

Exercice : on considère le système décrit par l’équation de Duffing suivante :

y + cy + α y + y 3 = 0

où c et α sont 2 paramètres. Etablir la représentation d’état. Déterminer les
points d’équilibre du système pour c=1.

• Modification du nombre de points d’équilibre en fonction du paramètre α .

• Nombre de points d’équilibre : 1 point d’équilibre ye = 0 pour α > 0 , 3
points ye ={0, −α , − −α} pour α < 0 . La valeur α = 0 est une valeur
critique de bifurcation.
 14
ye Stable

Stable
α Instable

Stable
 15

Chaos
Le comportement des SNL est très sensible aux variations des conditions
initiales. La notion de chaos réside dans le coté non prédictible de la
réponse d’un SNL en fonction d’une variation des conditions initiales.

Exemple : y + 0,1y + y5 = 6sin t


 16

Représentation des SNL sous forme d’état

On considère un SNL d’entrée u(t) , d’état x(t) et de sortie y(t) .
Représentation d’état sous forme implicite
La représentation d’état sous forme implicite donne l’évolution de l’état du
SNL par une équation différentielle d’état de la forme :
⎡ ⎤
x = f ⎢⎢t, x(t),u(t)⎥⎥
⎣ ⎦

La sortie du système s’exprime en fonction de x(t) et de u(t) . On a :

y(t ) = h ⎡⎢t, x(t),u(t)⎤⎥

⎢⎣ ⎥⎦

où f et h sont des fonctions vectorielles.

 17

Systèmes NL affines
On appelle système non linéaire affine (en état ou en commande) un système
dont la représentation d’état prend l’une des formes suivantes :

• Affine en état :
x = A(u) x(t) + B(u)
y = C (u) x(t) + D(u)

• Affine en commande
x = A( x) + B( x)u(t)
y = C ( x) + D( x)u(t)
 18

Exercice : on considère le système de régulation de niveau constitué de trois

cuves connectées par un réseau de canalisations comprenant 3 vannes ε13 , ε32 ,
ε 20 (cf. figure).

En fonctionnement normal, le système est

q1 q2 caractérisé par les équations suivantes :
h1
h2
h3
ε13 ε 32 ε 20
α h1 = q1 − q13
α h2 = q2 + q32 − q20
q13 q20
α h3 = q13 − q32
q32

avec qij = β ε ij sign(hi − h j ) 2g hi − h j . Etablir la représentation d’état pour le

vecteur x = ( h1 h2 h3 ) . Montrer que le système est affine en commande.

T
 19

Exercice : on considère le système décrit par l’équation différentielle suivante

(équation de Van der Pol) :

y + 0,2( y2 −1) y + y = u

T
Etablir la représentation d’état avec x = y y ⎡
⎢
⎣
⎤
⎥
⎦
et déterminer les points
d’équilibre ( u = 0 ).
 20

Représentation d’état sous forme explicite

Pour certains SNL, il est possible d’établir l’expression de l’état du système en

fonction du temps, de l’état initial et de la commande.

L’expression de l’état met en évidence une fonction appelée fonction de

transition d’état définie par :
⎡ ⎤ ⎡ ⎤
x(t) =Φ ⎢⎢t,t , x(t ),u(τ )⎥⎥ avecτ ∈⎢⎢t ,t ⎥⎥
⎣ 0 0 ⎦ ⎣ 0 ⎦

La sortie du système s’exprime par une fonction de mesure de la forme

suivante :

y(t ) = Ψ ⎡⎢t, x(t),u(t)⎤⎥

⎢⎣ ⎥⎦
 21

Linéarisation autour d’un point de fonctionnement

La représentation d’état traduit à tout instant l’évolution de l’état et de la
mesure autour d’un point de fonctionnement ( x , u ), ou plus généralement
autour d’un point de consigne nominale.

La linéarisation a pour objectif de déterminer une description linéaire du

système autour d’un point ( x , u ) en utilisant un modèle du plan tangent.

Pour cela on pose : x = x +δ x , u = u + δ u et y = y +δ y avec :

x = f (t, x, u)
x = x + d ⎛⎜⎜δ x ⎞⎟⎟ = f (t, x +δ x, u +δ u)
dt ⎝ ⎠
 22

y = h(t, x, u)
y = y +δ y = h(t, x +δ x, u +δ u)

En réalisant un développement au premier ordre des fonctions f et h, lorsque

cela est possible, on en déduit :

f (t, x +δ x, u +δ u) = f (t, x, u) + Fx (t, x,u) δ x + Fu (t, x,u) δ u

h (t, x +δ x, u +δ u) = h (t, x, u) + H x (t, x,u) δ x + H u (t, x, u) δ u

⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
∂f ⎥
⎢ ∂f ⎥
⎢ ∂h ⎥
⎢ ∂h ⎥
⎢
Fx = i ⎥ ,
⎢ Fu = i ⎥ ,
⎢ Hx = i ⎥
⎢ et Hu = i ⎥
⎢ représentent les matrices
∂x j ⎥⎥
⎢
⎢
∂u j ⎥⎥
⎢
⎢
∂x j ⎥⎥
⎢
⎢
∂u j ⎥⎥
⎢
⎢
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
jacobiennes des dérivées partielles de f et h respectivement par rapport à x et
u.
 23

On obtient un système linéaire caractérisé par le vecteur d’état δ x , le vecteur

de commande δ u et le vecteur de sortie δ y .

Lorsque f et h ne dépendent pas explicitement du temps, le modèle linéarisé

est stationnaire et il est défini par les équations d’état suivantes :

d (δ x) = F (x, u) δ x + F (x, u) δ u
dt x u
δ y = H x (x, u) δ x + Hu (x, u) δ u
 24

Exercice :
u

x = α1 ⎛⎜⎝ u − y ⎞⎟⎠ = α1 ⎜⎜ u − β 2gx ⎟⎟ = f (x, u)

⎛ ⎞

⎝ ⎠
y = β 2gx = h (x, u) (Loi de Bernouilli)
x

où g désigne l’accélération de la pesanteur.

Etablir l’expression du modèle linéarisé pour le(s)

point(s) de fonctionnement défini(s) par x = 0 .
 25

Exercice : on considère le système décrit par les équations suivantes :

x = x = f ( x,u)
1 2 1
x = −0,2( x2 −1) x − x + u = f ( x,u)
2 1 2 1 2

Etablir l’expression du modèle linéarisé autour d’un point ( x , u ).

Exercice :
On considère le système décrit par l’équation suivante :

y + y +α y + y3 = 0

T
avec α ∈\ et x = y y . Déterminer les points d’équilibre du système. Etablir
⎡
⎢
⎣
⎤
⎥
⎦
l’expression du modèle linéarisé autour de ces points et discuter de la stabilité
locale.
 26

Simulation numérique (MATLAB/SIMULINK)

x = f ( x, u )
y = h ( x, u )

MATLAB 1 MATLAB
1
1 Function s Function
y
u f Integrator h

Ecrire dans deux fichiers M-file la description des fonctions f et h.

 27

Chapitre 3
Analyse des systèmes non linéaires
Objectifs
Analyse du comportement des systèmes non linéaires, en particulier au
voisinage des points d’équilibre.

Etude de la stabilité : locale ou globale

Outils :
• Plan de phase
• Théorie de Lyapunov
 28

Plan de phase
Introduction
• Outil graphique qui permet une analyse du comportement des systèmes du
second ordre en régime libre ( u = 0 )
• Représenter dans l’espace d’état du système du 2nd ordre, les trajectoires
obtenues pour différentes conditions initiales et analyser d’un point de vue
qualitatif les caractéristiques de ces trajectoires.

Propriétés de la méthode :
• La méthode de construction du plan ne nécessite pas nécessairement la
résolution analytique des équations différentielles d’état.
• La méthode s’applique à tous les types de non linéarités.
• Pour de nombreux systèmes non linéaires, il est possible d’établir un
modèle approximatif du second ordre, et la méthode du plan de phase
constitue une approche intéressante pour leur analyse.
 29

L’extension de l’approche à des systèmes d’ordre supérieure à 2 se révèle très

complexe à mettre en œuvre à la fois sur le plan du calcul et de la géométrie.

Concepts de base
Trajectoires
La méthode du plan de phase s’appuie sur un modèle implicite du second ordre
caractérisé par les équations suivantes :

x = f ( x , x )
1 1 1 2
x = f (x , x )
2 2 1 2

où x et x désignent les variables d’état du système, f et f sont des

1 2 1 2
fonctions scalaires non linéaires des variables d’état.
 30

x2 Pour un état initial x(0) = x , il est

0
possible de représenter graphiquement
dans le plan ( x , x ), la solution
1 2
⎛ ⎞
⎜
⎜x (t) ⎟
⎟ ⎡ ⎤
x1
x(t) = 1
⎜
⎜
⎟
⎟
pour t∈ 0 +∞ .
⎢
⎢
⎥
⎥ La
x (t)
⎜ ⎟ ⎢⎣ ⎥⎦

x0
⎜⎜
⎝
2 ⎟⎟
⎠

v(0) = x (0) courbe obtenue est appelée trajectoire

de phase. En chaque point de la
trajectoire, la vitesse est définie par :
⎛ ⎞
f (x , x )
⎜
⎜
⎟
⎟
v(t) = x(t) = 1 1 2 .
⎜
⎜
⎟
⎟
f (x , x )
⎜
⎜
⎟
⎟
2 1 2
⎜⎜
⎝
⎟⎟
⎠
 31

Exemple simple : considérons le système masse-ressort défini par l’équation

différentielle suivante :
y + y =0

Solution générale pour la condition initiale y : y (t ) = y cos t = x et
0 0 1

y (t ) = − y sin t = x
0 2

On obtient un cercle dans le plan de phase dont le rayon est fonction de la

condition initiale.
 32

Points singuliers
Un point singulier est un point d’équilibre dans le plan de phase. Il est donc
défini par le système d’équations suivant :
⎧
f (x , x ) = 0
⎪
⎪
x = 0 ⇔ 1 1 2
⎪
⎨
f (x , x ) = 0
⎪
⎪
⎪
⎩
2 1 2
Une autre interprétation des points singuliers peut être donnée en analysant la
tangente à la trajectoire de phase qui est définie au point ( x , x ) par le
1 2
rapport :

dx f (x , x )
2= 2 1 2
dx f (x , x )
1 1 1 2
 33

• Hors des points singuliers, lorsque les fonctions f et f sont définies par
1 2
une valeur unique pour chaque point ( x , x ), la tangente à la trajectoire
1 2
au point ( x , x ) est unique, ce qui signifie qu’il
1 2
n’y a pas d’intersection entre les trajectoires
obtenues pour différentes conditions initiales.

• En un point singulier, la tangente à la trajectoire

est indéterminée. Il est alors possible d’obtenir
plusieurs trajectoires se coupant en ce point.

Exercice : donner l’expression des équations d’état et déterminer les points

singuliers du système décrit par l’équation différentielle suivante :

y + 0,6 y +3 y + y2 = 0

 34

Construction du plan de phase

Dans ce cours, on se limite aux deux méthodes classiques :
• approche analytique
• méthode des isoclines
Méthode analytique
Une première technique consiste par intégration du système d’équations :
x = f (x , x )
1 1 1 2
x = f (x , x )
2 2 1 2

à trouver deux solutions fonction du temps x (t) = g (t) et x2(t) = g2(t) .

1 1
En éliminant ensuite le temps, il est possible d’établir une représentation
implicite des trajectoires sous la forme :
g ( x , x ,c) = 0
1 2
où c est une constante qui dépend des conditions initiales.
 35

Une deuxième approche consiste à éliminer la variable temps en calculant le

rapport :
dx f (x , x )
2= 2 1 2
dx f (x , x )
1 1 1 2

Puis par intégration, on établit une relation en x et x .

1 2

Exemple : considérons le système défini par le système d’équations suivant :

x = x
1 2 (Masse-ressort)
x =− x
2 1
 36

Exercice : considérons la commande d’un satellite par un propulseur

fournissant un couple constant +U et –U. Le modèle mathématique du satellite
s’écrit :
θ= u (moment d’inertie égal à 1)
avec
u(t) = −U si θ > 0
⎧
⎪⎪
⎨
U si θ < 0
⎪
⎪⎩

θd = 0
1 θ θ
u 1
p p
 37

Méthode des isoclines

La tangente aux trajectoires de phase est déterminée par l’expression :

dx f (x , x )
2 = 2 1 2 = λ ⇔ λ f (x , x ) − f (x , x ) = 0
dx f (x , x ) 1 1 2 2 1 2
1 1 1 2

On appelle isocline le lieu des points ( x , x ) caractérisé par une tangente

1 2
constante.

La construction du plan de phase en s’appuyant sur les isoclines est

décomposée en deux étapes :
• Construction des courbes isoclines
• Construction des trajectoires de phase pour des conditions initiales
données
 38

Exemple : considérons le système masse-ressort défini par :

λ = −1
λ =1
x = x
⎧ λ =0
⎪
⎪
⎪ 1 2
x =− x
⎨
⎪
⎪
⎪⎩ 2 1
λ =∞

Exercice : tracer l’allure des trajectoires de phase, pour différentes conditions

initiales, obtenues pour le système défini par :
y + 2 y + y = 0

 39

y + 0,2( y2 −1) y + y = 0 (Van

Exercice : on considère le système défini par : 
der Pol). Donner l’expression des courbes isoclines.
 40

Analyse du plan de phase

Classification des points singuliers
Cas des systèmes linéaires

L’analyse des systèmes linéaires constitue une aide importante dans l’analyse
des systèmes non linéaires qui ont un comportement linéaire au voisinage des
points d’équilibre.

Considérons un système linéaire du 2nd ordre qui a pour expression :

⎧
x = ax + bx
⎪

x = Ax ⇔ 1 1 2
⎪
⎪
⎨
x = cx + dx
⎪
⎪
⎪
⎩
2 1 2

Les valeurs propres sont les racines de l’équation caractéristique suivante :

 41

det( A− λ I ) = 0

ce qui conduit à l’équation suivante :

λ 2 +αλ + β = 0
avec α =−(a + d ) et β = ad −bc

On pose : ∆=α 2 − 4β
• ∆ > 0 et β >0 : λ et λ sont réelles et de même signe. On obtient un nœud
1 2
qui peut être stable si les 2 valeurs propres sont à partie réelle négative ou
instable si les 2 valeurs propres sont à partie réelle positive. Il y a deux
directions propres. La direction de la tangente aux trajectoires de phase est
celle qui correspond à la plus petite valeur de λ (en valeur absolue),
l’autre valeur correspond à direction asymptotique.
 42

NŒUD
 43

• ∆> 0 et β < 0 : λ et λ sont réelles et de signe opposé. Le point singulier

1 2
est appelé col et les deux directions propres sont orientées de façon
différente.

COL
 44

• ∆< 0 : λ et λ sont complexes conjuguées ayant une partie réelle non

1 2
nulle : on obtient un foyer stable si Re(λ ) < 0 et Re(λ ) < 0 ou instable si
1 2
Re(λ ) < 0 et Re(λ ) < 0 . Lorsque la partie réelle est nulle, on obtient un
1 2
sommet ou centre

FOYER
 45

Classification simplifiée

∆<0

∆=0
Foyer Foyer
instable stable

Nœud Nœud
instable stable

Col ∆>0 Col

 46

Cas des systèmes non linéaires

Dans le cas de systèmes non linéaires, l’étude du comportement au voisinage des
points singuliers est réalisée après linéarisation. Les points singuliers sont solutions de
l’équation :

⎧
⎪ f (x , x ) = 0
⎪⎪
⎨
1 10 20
⎪
⎪
f (x , x ) = 0
⎪⎩ 2 10 20

On obtient donc le modèle linéarisé suivant :

∂f ∂f
δ x = 1 (x , x )δ x + 1 ( x , x )δ x
1 ∂x 10 20 1 ∂x 10 20 2
1 2
∂f ∂f
δ x = (x , x )δ x + 2 ( x , x )δ x
2
2 ∂x 10 20 1 ∂x 10 20 2
1 2
 47

Exemple : considérons le système non linéaire défini par les équations suivantes :

x = x
1 2
x =− x + x3
2 1 1
 48

Exercice :
On considère le système non linéaire caractérisé par l’équation différentielle
suivante :

y + y 2 − 2 y = 0


⎛ ⎞
Dans le plan de phase ⎜⎜ x = y, x = y ⎟⎟ , donner les équations d’état du système.
⎝ 1 2 ⎠

Déterminer le(s) point(s) singulier(s).

Etablir le modèle linéarisé du système et déduire le comportement du système
au voisinage du(des) point(s) singulier(s).
 49

Etude des cycles limites

Lorsqu’une trajectoire de phase se termine sur une courbe fermée que le point
figuratif de l’état parcourt indéfiniment, le système devient en régime
permanent le siège d’un phénomène périodique. Il y a alors présence d’un
cycle limite. Il est intéressant d’un point de vue de la commande de chercher à
prévoir l’existence de ces cycles et d’évaluer leurs caractéristiques.

Théorème (Bendixson):
Pour un système non linéaire décrit par les équations x = f ( x , x ) et
1 1 1 2
x = f ( x , x ) , il n’existe pas de cycle limite dans la région Ω du plan de phase
2 2 1 2
∂f ∂f
si le terme 1 + 2 ne s’annule pas et ne change pas de signe.
∂x ∂x
1 2
 50

Exercice : considérons le système décrit par l’équation de Van de Pol

⎛ ⎞
y + 0,2
 ⎜
⎜
⎝
y −1⎟ y + y = 0
2
⎟
⎠

Ecrire le système sous forme d’état. Existe-t-il des cycles limites.

 51

Exercice : on considère le système décrit le schéma suivant :

x2

T o Workspace

1 1
0 x1
s+1 s
Constant Relay T ransfer Fcn Integrator T o Workspace1

Etablir les équations d’état du système en boucle fermé. Tracer l’allure des
trajectoires de phase. Etudier la présence éventuelle de cycle limites.
 52

1
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0
0
-0.2
-0.2
-0.4
-0.4
-0.6
-0.6

-0.8 -0.8

-1 -1
-1 -0.5 0 0.5 1 1.5 2 2.5 3 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8
 53

Stabilité des SNL (au sens de Lyapunov)

Introduction
L’approche proposée par Lyapunov permet de résoudre en partie ce problème
car elle propose une solution générale pour étudier la stabilité des systèmes
non linéaires en présence de variations des conditions initiales.

Point d’équilibre
 54

Deux méthodes sont proposées pour résoudre la stabilité au sens de

Lyapunov. :
• Méthode par linéarisation qui permet de conclure quant à la stabilité d’un
SNL autour d’un point d’équilibre
• Méthode directe qui permet d’étudier la stabilité (locale ou globale) d’un
SNL autour d’un point d’équilibre

Définitions
La théorie de Lyapunov s’intéresse aux systèmes libres, c’est-à-dire ceux
décrits par une équation différentielle ne faisant pas intervenir de vecteur de
commande et représentés par une équation d’état continue du type :

x = f (t, x)

Ces équations évoluent à partir de leur condition initiale x définie à l’instant

0
initial t0. La théorie de Lyapunov décrit la stabilité d’une solution donnée de
cette équation différentielle pour des fluctuations de la condition initiale.
 55

De manière informelle, cette stabilité prend la forme suivante :

• Soit x(t) une solution particulière de l’équation différentielle issue de la
condition initiale x . Cette solution est dite stable au sens de Lyapunov si
0
une « petite » modification de la condition initiale conduit à une solution
z(t) qui reste « proche » de x(t) . Elle est dite instable dans le cas
contraire.
• Elle est dite asymptotiquement stable si elle est stable et si, de plus, cette
nouvelle solution z(t) se rapproche indéfiniment de x(t) .
 56

Définition 1 : La solution x(t ) est stable si et seulement si pour tout ε > 0 , il

existe δ (t0,ε ) > 0 tel que pour toute autre solution z(t) de x = f (t, x) , satisfaisant
z(t0 ) − x0 < δ (t0 ,ε ) , alors z(t ) − x(t ) < ε pour tout t>t0.

x2
solution z (t )

x2

cercle de rayon δ

tube de rayon ε

solution x (t )

x1
 57

Définition 2 : La solution x(t ) est asymptotiquement stable si et seulement si

elle est stable et si de plus, il existe δ '(t0 ,ε ) > 0 tel que z(t0 ) − x0 < δ '(t0,ε ) implique
lim z(t ) − x(t ) = 0 .
t →+∞

solution x (t ) Lorsque les nombres δ (t0 , ε ) et δ '(t0 ,ε )

x2 ne dépendent pas explicitement de
solution z (t )
l’instant initial, on parle alors de
x2
stabilité uniforme.
cercle de rayon δ’
Lorsque δ '(t0 ,ε ) est infini, on parle
tube de rayon ε
de stabilité globale.

x1
 58

Stabilité locale avec linéarisation

On considère un SNL caractérisé par l’équation d’état x = f ( x,u) ayant pour
un point d’équilibre ( x,u) . Le modèle linéarisé autour du point d’équilibre en
régime libre s’écrit sous la forme :

δ x = Aδ x avec A = ∂f ( x,u) x= x,u=u

∂x

Théorème : Le système est stable au sens de Lyapunov si toutes les valeurs

propres de la matrice A sont à partie réelle strictement négative et si celles à
partie réelle nulle sont d’ordre de multiplicité au plus égal à 1.
 59

Exercice : considérons le pendule décrit par la figure suivante et caractérisé

par l’équation suivante :
MR2θ+ bθ + MgR sinθ = 0
Etudier la stabilité locale du système.

M
 60

Méthode globale

La méthode globale s’appuie sur le principe physique qui consiste à dire que si
l’énergie totale du système est continûment dissipée alors le système
(linéaire ou non linéaire) doit d’une façon ou d’une autre rejoindre un point
d’équilibre.

Exemple : système masse-ressort avec amortisseur caractérisé par l’équation :

my + by y + k y + k y3 = 0
0 1
L’énergie mécanique totale dans le système est la somme de l’énergie
cinétique et de l’énergie potentielle :
y
V ( x) = 1 my 2 + ∫ (k µ + k µ 3)d µ
2 0
0 1
T T
⎛ ⎞
avec x = x1 x
⎜
⎜
⎟
2 ⎟⎠
= y y .
⎛
⎜
⎞
⎟
⎝ ⎝ ⎠
 61

L’analyse de la stabilité et de l’énergie dans le système permet d’aboutir à

plusieurs conclusions :
• L’énergie nulle correspond à un point d’équilibre du système ( x = 0, x = 0 ),
• La stabilité asymptotique implique la convergence de l’énergie vers zéro,
• L’instabilité est liée à une augmentation de l’énergie.

Fonctions de Lyapunov
Définition : si dans un voisinage D du point d’équilibre x = 0 , il existe une
fonction V ( x) définie positive et différentiable et si sa dérivée par rapport
au temps le long d’une trajectoire est définie négative, alors la fonction
V ( x) est appelée fonction de Lyapunov candidate.
• V ( x) ≥ 0 ∀x∈ D x 2

• V ( x) ≤ 0 ∀x∈ D
V ( x)

x1

x(t )
 62

Théorème de Lyapunov (seconde méthode)

S’il existe une fonction de Lyapunov candidate Rn dans R+ telle que :
• V ( x) > 0 ∀x ≠ 0 et V (0) = 0
• V ( x) = Cte définies des courbes équipotentielles de Lyapunov
(définissent des domaines connexes emboîtés de l’espace d’état)
• V ( x) est définie négative dans tout l’espace d’état :
⎧
V ( x) < 0 ∀x ≠ 0
⎪⎪
⎨
⎪
⎪⎩
= 0 quand x = 0
• limV ( x) →∞ quand x →∞

alors le point d’équilibre x = 0 est globalement asymptotiquement stable.

 63

Exercice : considérons le système défini par les équations suivantes :

⎛ ⎞
x = x − x ⎜⎜ x2 + x2 ⎟⎟
1 2 1⎝ 1 2⎠
⎛ ⎞
2 2
x = − x − x x + x ⎟⎟
⎜
2 1 2 ⎜⎝
1 2⎠
et la fonction de Lyapunov candidate V ( x) = x2 + x2 . Montrer que le point x = 0
1 2
est un point d’équilibre. Ce point est-il globalement asymptotiquement stable ?
 64

Exercice : considérons le système défini par l’équation d’état suivante :

⎛ ⎞ ⎛ ⎞
⎜ 0 1⎟ ⎜ 0⎟
x = Ax + Bu avec A= ⎜ ⎟ B=⎜ ⎟
⎜⎜ 0 1⎟⎟ ⎜1⎟
⎝ ⎠ ⎝ ⎠

Le système est-il stable au sens de Lyapunov ?

Déterminer la loi de commande u =−Lx pour la fonction de Lyapunov
candidate :
V ( x) = 3x2 + 2x1x2 + 2x2 = xT Px
1 2
et afin d’obtenir
V ( x) =−2x2 − 2x2 =− xT Qx .
1 2
Donner les expressions des matrices P et Q.
 65

Chapitre 4
Commande des systèmes non linéaires
1) Introduction

Le but de ce chapitre est de présenter quelques techniques de base adaptées à la

commande des systèmes non linéaires :
• Linéarisation par retour d’état
• Commande avec linéarisé
• Commande adaptative
• Commande par régime glissant
 66

2) Linéarisation par retour d’état

Introduction
Objectifs :

1) Synthèse d’une loi de commande par retour d’état non linéaire de la

forme :

u = α ( x) + β ( x)v

2) Obtenir un système linéaire d’un point de vue entrées-sorties ou entrées-

état qui est très souvent découplé

Noms différents :

• Commande par découplage non linéaire (Non Linear Decoupling)

• Linéarisation par retour d’état (State Feedback Linearization)
 67

Hypothèses :
• l’état du système est connu à tout instant soit par l’instrumentation du
système commandé à l’aide de capteurs, soit en reconstruisant le vecteur
d’état (observateur d’état comme l’observateur de Kalman) quand cela est
possible.
• le modèle du système est connu.

Modèle
x = f ( x) + g ( x)u
y = h( x)

où x est l’état du système commandé, u l’entrée et y la sortie.

Le système considéré est affine en la commande.

 68

3) Linéarisation entrées-sorties
Cas d’un système SISO
On a : dim y = (1,1) , dimu = (1,1) et dim x = (n,1)

Principe : la démarche consiste à établir une relation (linéaire) liant la sortie du

système à l’entrée u et donc, à travers la loi de commande, à l’entrée v.

Pour cela, on dérive par rapport au temps la sortie y du système et en utilisant

l’équation d’état on fait apparaître les termes d’entrée. Si l’entrée n’apparaît
pas après dérivation, on réitère le processus jusqu’à obtenir la relation désirée.

y = ∂h x = ∂h ⎢⎢ f ( x) + g ( x) u ⎥⎥
⎡ ⎤

∂x ∂x ⎣ ⎦

y = ∂h f ( x) + ∂h g ( x)u
∂x ∂x
 69

Notations :
⎛ ⎞
• Le terme ∂h = ∂h " ∂h désigne le gradient de la fonction scalaire h( x) .
⎜ ⎟
⎜ ⎟
∂x ∂x⎜
⎜
∂x ⎟
n⎟
⎝1 ⎠

On note ∇h = ∂h
∂x
• Les termes ∂h f ou ∂h g , où f et g sont des fonctions vectorielles de \n
∂x ∂x
dans \n , sont notés respectivement ∂h f = L f h et ∂h g = Lg h . Ils sont
∂x ∂x
appelés dérivée de Lie de h respectivement par rapport à f et g et
correspondent à une fonction scalaire de \n dans \ . On a : L f h =∇h f et
Lg h =∇h g

En utilisant les notations précédentes, on obtient donc :

y = L h + Lg h u
f
En tenant compte de l’expression de la loi de commande, on obtient :
 70

y = L h + Lg h ⎢⎢α ( x) + β ( x)v⎥⎥
⎡ ⎤
f ⎣ ⎦
y = L h + Lg h α ( x) + Lg h β ( x)v
f
Pour obtenir une relation entrée-sortie linéaire, il suffit d’imposer les
contraintes suivantes :
L h + Lg h α ( x) = 0
f
Lg h β ( x) =1

• Lg h ≠ 0 : il existe une solution unique donnée par les équations suivantes :

L h
α ( x) =− f , β ( x) = 1 et y = v
Lg h Lg h

• Lg h = 0 : il n’existe pas de solution.

 71

Dans ce dernier cas, il est nécessaire de dériver à nouveau et on obtient alors :

⎡ ⎤
∂L h
⎢
⎢
⎥
⎥
f ⎡ ⎤⎡ ⎤
y=
 ⎢⎣ ⎥⎦
x =∇ L h f + gu ⎥⎥
⎢ ⎥
⎥ ⎢⎢
∂x ⎢
⎢⎣ f ⎥⎦ ⎣ ⎦
⎡ ⎤ ⎡ ⎤
y =∇ L h f +∇ L h g u = L2 h + Lg L h u
 ⎢
⎢
⎥
⎥
⎢
⎢
⎥
⎥
⎢⎣ f ⎥⎦ ⎢⎣ f ⎥⎦ f f
Le processus de dérivation est réitéré jusqu’à obtenir la première dérivée
d’ordre r pour laquelle le terme d’entrée n’est pas nul. On obtient dans ce cas :

y(r) = Lr h + Lg Lr −1h u
f f
La solution est donnée par :

Lr h
α ( x) =− f , β ( x) = 1 et y (r )
=v
r
Lg L h −1 r
Lg L h−1
f f
 72

Exemple : considérons le système défini par les équations suivantes :

⎡ x ⎤
⎤
⎡
x =
⎢
⎢ 2 0 ⎥
+ ⎥⎥ u et y = x
⎥ ⎢
2⎥ ⎢
⎢
⎢x +x 1 ⎥ ⎥ ⎢ 1
⎢⎣1 2 ⎥⎦
⎦ ⎣
 73

Cas d’un système MIMO carré

On a : dim y = (s,1) , dimu = (m,1) avec s = m

Pour chaque sortie, on détermine la première dérivée d’ordre rj s’exprimant en

fonction de l’entrée u. On définit alors le vecteur suivant :
⎡ (r1) ⎤
⎢y
⎢ 1
⎥
⎥
y* = ⎢
⎢ # ⎥
⎥
⎢ (rs) ⎥
⎢y
⎢ s
⎥
⎥
⎢⎣ ⎥⎦

En s’appuyant sur les résultats précédents, il est possible d’écrire ce vecteur

sous la forme générale suivante :

y* =∆ ( x) +∆( x) u
0
• ∆ ( x) est une fonction vectorielle de \n dans \n
0
 74

• ∆( x) est une matrice de dimension (s, s) fonction de x, appelée matrice de

découplage.

Pour la loi de commande : u =α ( x) + β ( x) v , on obtient l’équation suivante :

y* =∆ ( x) +∆( x) ⎢⎢α ( x) + β ( x) v⎥⎥

⎡ ⎤
0 ⎣ ⎦
y* =∆ ( x) +∆( x)α ( x) +∆( x) β ( x) v
0

Soit D⊂ \n le domaine de l’espace d’état pour lequel on a : det ∆( x) ≠ 0 . Sur

ce domaine, il existe une solution qui permet de linéariser le système. La loi de
commande est donnée par :

α ( x) =−∆−1( x)∆0( x)
β ( x) =∆−1( x)
y* = v
 75

Le système obtenu est linéaire et découplé. Il est constitué de s sous-

systèmes indépendants d’ordre rj.

Lorsque la matrice ∆( x) est singulière, le système ne peut pas être découplé.

Dans ce cas, une variante de la méthode consiste à introduire une ou plusieurs
intégrations sur certaines entrées. Si on introduit une intégration sur l’entrée ui ,
on obtient :
ui = ∫ u 'i dt

La grandeur ui devient une nouvelle variable d’état et u 'i est la nouvelle

commande.
 76

Exemple 1 : on considère le système défini par les fonctions suivantes :

⎡
⎢
x1x4 ⎤⎥ ⎡
⎢0 0 ⎤⎥
⎢ ⎥ ⎢ ⎡x ⎤
⎢x3 (1− x4 )⎥ ⎢0 0 ⎥⎥
f ( x) = ⎥ , g ( x) = ⎢ ⎥ et h( x) = ⎢ x ⎥
⎢ 1⎥
⎢
⎢ 0 ⎥ ⎢0 x1⎥ ⎢ 2⎥
⎢ ⎥ ⎢ ⎥ ⎣ ⎦
⎢ 0 ⎥ ⎢1 0 ⎦⎥
⎥
⎢⎣ ⎥⎦ ⎣⎢

Exemple 2 : on considère le robot décrit par le modèle dynamique suivant :

u = M (q)q+ H (q, q)

q⎤⎥
⎡
avec x = ⎥ et y = q .
⎢
q ⎥⎦
⎢
⎢
⎣
 77

Exemple 3 : on considère le système défini par les fonctions suivantes :

⎡ ⎤
⎢ ⎥ ⎡ ⎤
⎢ xx 1 2 ⎥⎥ ⎢1 0⎥ ⎡x ⎤
⎢ ⎢ ⎥
f ( x) = x , g ( x) = ⎢ x3 0⎥ et h( x) = ⎢⎢ x1 ⎥⎥
⎢
1 ⎥⎥
⎢ ⎢ ⎥ ⎢ 2⎥
⎢0 ⎣ ⎦
⎢
⎢ x 2 ⎥
⎢⎣ 1⎥⎦
⎥
⎣⎢ 1 ⎥⎦⎥
 78

Exemple 4 : on considère le processus multivariable (processus de régulation

⎛q ⎞
de niveau) ayant pour vecteur d’entrées : u = ⎜⎜ q1 ⎟⎟ , pour vecteur de sorties :
⎝ 2⎠
⎛x1 ⎞⎟
y = h( x) = x ⎟ et défini par les équations d’état suivantes :
⎜
⎜
⎜ 2⎟
⎝ ⎠

a x1 = u1 − q13
q1
a x2 = u2 + q32 − q20 q2

a x3 = q13 − q32 h1

h2

avec h3

• qij = b sign( xi − x j ) 2g xi − x j ε13 ε 32 ε 20

• a et b deux paramètres (sections)

du processus. q 13 q20
q
Déterminer la loi de commande 32

u = α ( x) + β ( x) v qui permet de
découpler le système. Donner l’expression de l’équation différentielle d’état.
 79

4) Linéarisation entrées-état : système SISO

Problématique
On cherche à faire la synthèse d’une loi de commande u =α ( x) + β ( x) v
permettant d’obtenir un système linéaire d’état z tel que :

• Il existe un changement de variable z =Φ( x) où Φ est un difféo-morphisme

(application Rn dans Rn admettant une application inverse x =Φ−1( z) )
• La nouvelle entrée v satisfait le système d’équations d’état linéaire
suivant :

z = Az + Bv
⎡0 1 0⎤⎥ ⎡ 0⎤
⎢ ⎢ ⎥
⎢# % ⎥⎥ ⎢ ⎥
avec A= ⎢ et B = ⎢# ⎥ (forme de commandabilité)
⎢ % 1⎥⎥ ⎢ 0⎥
⎢ ⎢ ⎥
⎢0 " 0⎥⎦ ⎢1 ⎥
⎣ ⎣ ⎦
 80

Schéma de commande :

v
M β ( x) Système

x
x
α ( x)

z
L Φ ( x)

Placement de pôles
 81

Résolution
⎡ ⎤
⎢ z ( x) ⎥⎥
⎢ 1
⎢ ⎥
On pose : z = ⎢
⎢
# ⎥⎥ . On obtient le système d’équations :
⎢
⎢
zn ( x)⎥⎥
⎢ ⎥
⎣ ⎦

∂z ∂z ⎛ ⎞
z = x = z ⇔ 1 ⎜⎜ f + gu ⎟⎟ = L z + Lg z u = z
1
1 ∂x 2 ∂x ⎝ ⎠ f 1 1 2
∂z ∂z ⎛ ⎞
z = 2 x = z ⇔ 2 ⎜⎜ f + gu ⎟⎟ = L z + Lg z u = z
2 ∂x 3 ∂x ⎝ ⎠ f 2 2 3
#
∂z ∂z ⎛ ⎞
z = n−1 x = zn ⇔ n−1 ⎜⎜ f + gu ⎟⎟ = L z + Lg z u = zn
n−1 ∂x ∂x ⎝ ⎠ f n−1 n−1
∂z ∂z ⎛ ⎞
zn = n x = v ⇔ n ⎜⎜ f + gu ⎟⎟ = L zn + Lg znu = v
∂x ∂x ⎝ ⎠ f
 82

Par définition de la forme de commandabilité, les variables d’état z ,", z

1 n−1
doivent être indépendantes de l’entrée v, et donc à travers la loi de commande,
de u. Ce qui implique :

Lg z = Lg z =" = Lg z =0
1 2 n−1

On en déduit le vecteur d’état suivant :

T ⎡ ⎤
T
⎡ ⎤
z = z ,", z
⎢ ⎥
n⎥ = z , L z ,", Ln−1z
⎢
⎢
⎥
⎢
⎣ 1 ⎦ ⎢⎣ 1 f 1 f 1⎥⎥
⎦

L’équation de contraintes s’écrit alors :

Lg z = Lg L z =" = Lg Ln−2 z = 0
1 f 1 f 1
 83

On en déduit alors l’équation caractérisant la loi de commande :

Ln z + Lg Ln−1z u = v ⇔ Ln z + Lg Ln−1z ⎛⎜⎜α + β v ⎞⎟⎟ = v

f 1 f 1 f 1 f 1⎝ ⎠

Ce qui conduit à la loi de commande suivante :

Ln z
α ( x) =− f 1
Lg Ln−1z
f 1
β ( x) = 1
Lg Ln−1z
f 1

On adopte en général une expression sous forme normalisée en imposant la

contrainte :

Lg Ln−1z =1
f 1
 84

Exercice 1 : considérons le système défini par les équations suivantes :

⎡ x ⎤
⎤
⎡
⎢
x =
⎢ 2 0 ⎥
+ ⎥⎥ u
⎥ ⎢
2⎥ ⎢
⎢
⎢ x +x 1 ⎥ ⎥ ⎢
⎢⎣ 1 2 ⎥⎦
⎦ ⎣
 85

Exercice 2 :
On considère le système non linéaire suivant :
⎛ ⎞
⎜ ⎟
x + x 2 + x2 + u
⎜ ⎟
2
⎜ 2 3 ⎟
x = f ( x) + g ( x)u = ⎜
⎜ x ⎟
⎟
⎜ 3 ⎟
⎜
⎜ x2 + u ⎟
⎟
⎜
⎝ 3 ⎟
⎠
Donner les expressions des fonctions vectorielles f ( x) et g ( x) . Déterminer la
loi de commande u =α ( x) + β ( x)v pour que le changement de variables :
z = x −x
1 3 1
z = x + x2
2 2 2
⎛ ⎞
z = ⎜⎜1+ 2x ⎟⎟ x
3 ⎝ 2⎠ 3

Conduise à la linéarisation entrée-état du système.