Variables d’état des systèmes linéaires échantillonnés

I- Equations d’état :

L’élément de base pour les systèmes discrets est l’élément de retard qui pour l’entrée x ( k +1 ) T
restitue x ( kt )

x ( k +1 )= Ax ( k ) + Bu(k )

y ( k )=Cx ( k ) +du ( k )

Les conditions initiales apparaissent comme sorties des éléments de retard

Forme classique obtenue à partir de l’équation de récurrence

Forme modale obtenue à partir de la transmittance

1- Forme canonique commandable

Le système admettant une représentation d’état quelconque :

x ( k +1 )= Ax ( k ) + Bu(k )

y ( k )=Cx ( k )

Satisfaisant la condition de commandabilité : det C ≠ 0 , C=[B, AB, ….An-1B]

¿
On effectue un changement de variable x ( k )=P x ( k )

P=(P P … Pn )

Pn=B

Pn−1=( A+ an−1 A ) B
.
.
.

P1=( A n−1+ an−1 A n−2+ …+a 1 I ) B

Ce qui conduit à la représentation sous forme commandable.

x ¿ ( k +1 )= p−1 AP x ¿ ( k )+ P−1 Bu(k )

y ( k )=CP x ¿ (k )
Les nouvelles matrices sont donc : A¿ =P−1 AP ; B¿=P−1 B et C ¿ =CP

Exemple :

Soit à mettre sous forme commandable le système défini par :

[ ] [ ]
x ( k +1 )= −2 1 x ( k ) + 1 u ( k )
2 −3 −1

y ( k )= [ 1 2 ] x ( k )

La matrice de commandabilité s’écrit : C=[ B , AB ] = [−11 −35 ] detC ≠ 0

; ; le système peut se mettre

sous la forme commandable.

¿ ¿ ¿
On calcule alors les nouvelle matrice A ; B et C

Eq.caractéristique : det ( λI −A ) ;= λ ¿ ¿ ¿

Soit a 0=4 et a 1=5

La matrice de passage étant P=( P 1 P2 )

Avec : P2=B et P1= ( A +a1 I ) B

Soit : P2= [−11 ] ; P =[ 20] ; P=[ 20 −11 ] et P =[ 0,50 −1

1
−1 0,5
]
C ¿=CP=[ 2 −1 ] ; B¿ =P−1 B et A ¿ =P−1 AP

Eq.d ‘état sous forme commandable :

x ( k +1 )= [−40 −51 ] x ( k ) +[ 01] u ( k )

y ( k )= [ 2 −1 ] x (k )

Remarque :
¿
la dernière ligne de A représente les coefficients du polynôme caractéristique du système.

2- Forme canonique observable :

Partant d’une représentation quelconque, l’objectif est la représentation caractérisée par les
¿ ¿ ¿
matrices A , B et C sous forme observable.

Le système doit satisfaire la condition d’observabilité :

 rang ∅ (A ,c) =noù det ∅ AC ≠ 0(cas monovariable)
¿
On pose x=P x

Il vient P−1 AP=A ¿ ; P−1 B=B ¿ et CP=C ¿; dons ce cas :

T
Pn=C
T
Pn−1=( A + an−1 I ) C
T T

T
Pn−2=( A 2 T +a n−1 AT + nn−2 I ) C T
.
.
.
T
P1=( A (n−1 )T + an−1 A (n−2 )T + …+a1 I ) CT

Avec la même équation caractéristique det ⁡( λI − A) pour la détermination des coefficients

a 0 , a 1 , … , an−1.

Exemple :

x ( k +1 )=
[−22 −31 ] x ( k ) +[−11 ] u ( k ) x ( k+ 1)=[01 −4
−5 ] x ( k )+
[ −1 ]
2
u( k)

y ( k )= [ 1 2 ] x ( k ) y ( k )= [ 0 1 ] x ( k )

∅[ CAC ]=[ 12 −52 ] ⇒ det ∅ ≠ 0

P= [ P P ] P= 2 [ 75 12]⇒ p =[−519
219−1 119
719 ]
[]
P2=C T = 1 ; P1=¿
2

1
([ 1 −3] [ 0 5 ]) [2] [ 5]
P = −2 2 + 5 0 1 = 7 C =[ 0 ¿
[ ]
1] ; B A = 2
−1

Remarques :
1. La représentation d’état d’un système dynamique n’est pas unique.

1’. Passage de la forme commandable à celle observable par une simple transposition.
t T T
2. Ces modes de représentation concernent aussi le cas continu ( A0 =A c , B 0=C c ,C 0=Bc )

II- Système échantillonnés, passage du continu au discret  :

-1ère Approche : utilisation des tables de transformées :

Transmittance continue Passage

→
Transmittance échantillonnée et par suite l’équation d’état.

-2ème approche : intégrer l’évolution du système entre deux instants d’échantillonnage.

Continu❑
→
discret

AT
Matrice d’évolution A ❑
→
F=e

T
Matrice d’entrée B❑ g=∫ e
A ( T −r )
dr . B
→
0

Matrice de sortie C ❑
→
C=P

III- Observabilité et commandabilité :

- La commandabilité ou contrôlabilité implique l’existence d’une relation entrée l’entrée u( k) et

les différents modes dynamiques
n système est contrôlable si la matrice C est de rang n ou M −1 B n’a pas de lignes nulles (idem au
cas continu)
- L’observabilité qui traduit l’apparition de tous les modes à la sortie (k ) , exige que CM n’ait pas
de colonnes nulles, où Q de rang n

IV- Matrice de transition d’état et résolution des équations d’état  :

La matrice de transition d’état donne la solution de l’équation

x ( k +1 )= Ax( k ) : régime libre.

Si k 0 est l’instant initial, on peut écrire :

x ( k 0 +1 ) =Ax (k 0 )
 x ( k 0 +2 ) =Ax ( k 0 +1 ) =A ² x( k )

etc…

x ( k 0 +k )= A k−k x (k 0)
0

on définit la matrice de transition :

k
∅ ( k −k 0 ) =A
k−k 0
si k 0=0❑ ∅ ( k )= A
→

Calcule de la matrice de transition :

- Calcule discret

Se calcule directement en diagonalisant la matrice d’évolution A

k k −1
∅ ( k )= A =M ∧ M

Où∧ est la matrice diagonale des valeurs propres ; M la matrice modale de A

- à l’aide des transformées en z  :

x ( k +1 )= Ax ( k ) TZ zx ( z )−x ( 0 )= Ax(z )
→

−1
x ( z )= ( zI −A ) x( 0)

on voit que la matrice résolvante du système ∅ ( z )=( zI− A )−1

n’est autre que la transmittance en z de la matrice de transition :

−1
∅ ( k )=TZ ∅ (z)

- matrice de transition d’état et fonction de transfert :

Y ( z) −1
T ( z )= =C . ( zI −1 ) . B
U (z)
 Analyse et synthèse des asservissements échantillonnés dans l’espace d’état

I- Analyse de la stabilité :

Pour l’analyse de la stabilité on considère l’équation d’état

x ( k +1 )= Ax ( kT ) + BM ( kT )

Cette équation donne l’évolution du vecteur d’état x ( kT ) en fonction des instants d’échantillonnages
(kT ) et par conséquent l’évolution du vecteur de sortie y (kT ) dépend de celle du vecteur x (kT ).

La stabilité dépend de la valeur que prend le vecteur d’état en régime établit ie kT → ∞

 x ( kT )t →∞ → 0 : le système est stable.

 x ( kT ) → fini  : le système est à la limite de la stabilité.
 x ( kT ) → ∞ : le système est à la limite instable.

I.1-condition de stabilité d’un système échantillonné en boucle ouverte  :

- Dans le domaine temporelle un système échantillonné ouvert est stable si la matrice de

transition d’état ∅ ( kT ) → 0 ꝗ d t → ∞

k
Théorème : lim ∅ ( kT )=lim A =0 ⟺ système stable .
k→∞ k→∞

C’est la condition nécessaire de stabilité.

- Dans le domaine en z un I échan. Ouvert est stable que si les valeurs propres du système sont
situés à l’intérieur du cercle unité |λ i|<1=¿ condition nécessaire de stabilité dans le domaine
fréquentiel
Stabilité :
det ( xI −A )=0⇒ λ; il faut que les λ soient à partie réelle négative.

I.2- condition de stabilité d’un système échantillonné en boucle fermé  :

En B.O

x ( k +1 ) T = Ax ( kT ) + Bu(kT )

y ( kT )=Cx ( kT ) + Du(kT )

Les matrices A,B,C et D décrivent le système en B.O

Dans le cas où D=0⇒ y ( k )=Cx ( k )

u ( k ) =e ( k )− y ( k )

⇒¿ e ( k )−cx ( k )

x ( k +1 )= Ax ( k ) + B [ e ( k )−cx ( k ) ]

x ( k +1 )=( A−Bc ) x ( k ) + B . e ( k )

Soit : F= A−BC et H=B

x ( k +1 )=F . x ( k ) + H .e (k )

y ( k )=C . x ( k )

Qd à la stabilité l’analyse s’effectue d’une manière identique en remplaçant les nouvelles matrices
définissant le système en boucle fermé : F et H

I.3 - Autre méthode d’analyse de la stabilité :

Les méthodes d’analyse de la stabilité (condition nécessaire suffisante) dans l’espace d’état se
baseessentiellement sur l’éq. Caractéristique du système : Det ( zI− A ) =0 → B .O

Det ( zI−F )=0 → B . F

Cette éq. Caractéristique est un système polynôme en z sur laquelle en applique les méthodes
d’analyse de la stabilité (Routh et Jury)
 Analyse de la stabilité par la dorme canonique de Jordan.
 Méthode Lyaponov.

Stabilité au sens de Lyaponiv : Cas continu

Pour les systèmes linéaires dont la représentation interne est

ẋ ( t )= Ax ( t ) +Bu(t ) ; x ( 0 )=x 0

y ( t ) =cx (t ) + Du(t)

On utilise, en général, la loi de commande u(t ) donnée par u ( t )=−kx (t )

L’équation d’état se ramène à :

ẋ ( t )=( A−Bk ) x (t )=F ¿(t) avec x ( 0 )=x 0

Dont la résolution est :

x ( t )=φ ( t−t 0 ) x 0

Lorsque le système ẋ ( t )=fx(t ) évolue sous l’effet des conditions initiales et que sa réponse ne
s’éloigne pas de sa position d’équilibre lorsque le temps tend vers l’infini, on dis que le système est
stable

Définition de la stabilité au sens le Lyaponov

Le système ẋ ( t )=Fx (t ) est stabilisé si :

∀ t 0 , ∀ ε >0 ; ∃ δ , tel que ¿ ¿

˙ (t) est stable au sens de Lyaponov si, et seulement si, une faible
Physiquement, le système ẋ ( t )=Fx
perturbation dans les conditions initiale entraine une faible perturbation dans la trajectoire décrit par
x (t).

Si, en plus d’être stable, la réponse x (t) retourne de manièreasymptotique vert le point d’équilibre,
le système est dit asymptotiquement stable.
Méthode de Lyapunov : Cas continu

Théorème : si deux matrices symétriques définies positives p et Q vérifient l’équation de Lyaponov

stationnaire AT P+ PA=Q , alors le système ẋ ( t )= Ax (t) est asymptotiquement stable au sens de
Lyaponov, et inversement…

1. (Remarque) prendre une matrice Q quelconque symétrique et définie positive ; on prend

généralement Q=I pour simplifier les calculs.
2. Résoudre l’équation de Lyapunov :
T
A P+ PA=−Q
3. Tester si P obtenue est symétrique définie positive.
4. Conclure sur la stabilité.

Cas Discret

x ( k +1 )= Ax( k )∀ Q>o , ∃ P>0 (Symétrique)

Est asymptotiquement ⟺ Solution de l’équation de Lyaponov

Stable AT PA−P=−Q

Exemple :

Considérons le système dont la représentation est donnée par :

ẋ ( t )=
[−20 −31 ] x (t)
Méthode classique :

det ( pI − A )= p ²+3 p+2=0 Routh ❑

→ système stable.

( P+1 ) ( P+ 2 ) ⇒ λ 1=−1 et λ 2=−2 Système stable

Méthode de Lyaponov :

[ ]
Q= 1 0 matrice symétrique et définie positive
0 1
 T
A P+ PA=−Q

[ 01 −3 ][ P P ]+[ PP PP ][−20 −31 ]=[−10 −10 ]

−2 P P 1

3
2

4
1

3
2

Ce qui donne :

1
−2 P3−2 P2=−1 P 3+ P 2=
2

1 −3
P1−3 P2−2 P4 =0⇒ −6 P4=−1⇒−6 P 4=
2 2

3 1
P2−3 P4 + P 3−3 P4=−1⇒ P4 = =
2×6 4

1 1
−2 P4 + P1−3 P3=0− + P1 −3 P 2=0⇒ P1=3 P2 +
2 2

D’où :

[ ]
5 1
P= 4 4
1 1
4 4

P trouvée est symétrique définie positive ; le système est donc asymptotiquement stable.