Académique Documents
Professionnel Documents
Culture Documents
Pr A. EL ASSOUDI
Avant-propos 4
Introduction 6
2
3
Références Bibliographique 48
Avant-propos
4
5
Ce polycopié, conçu pour servir de support au cours de la commande multivariable des SNL
continus et discrets, traite dans un premier temps, la commande des SNL à savoir la commande
au premier ordre, la commande par linéarisation et découplage entrée-sortie, la commande par
linéarisation entrée-état, la commande stabilisante utilisant les techniques de Lyapunov. En-
suite, il présente quelques résultats concernant l’observation des SNL. Plus particulièrement,
l’accent est mis sur les définitions et concepts de base de l’observabilité et expose certains
résultats concernant la synthèse d’observateurs à grand gain pour les systèmes non linéaires.
Enfin, la dernière partie est consacrée au principe de séparation pour une classe de SNL.
Mots clés : Modélisation dynamique, Systèmes Non linéaires, Modèle d’état à temps conti-
nus, Modèle d’état à temps discrets, Stabilité au sens de Lyapunov, Commande non linéaire,
Observateur à grand gain, Principe de séparation.
Introduction
Etant donné un procédé industriel caractérisé par ses entrées (commandes) et ses sorties (me-
sures) comme l’indique la figure 1 et dont il s’agit de réaliser un système de régulation :
Intérêt de la commande
Les ingénieurs qui ont en charge des procédés industriels doivent satisfaire :
• Les exigences de spécification en quantité et qualité des produits.
• La sécurité du fonctionnement (personnes & installations).
• Le respect des normes environnementales.
• La performance économique.
6
7
- Bénéfice : maximal.
- Qualité : maximale.
But de la commande
Maintenir certaines variables (T, P, C, position, vitesse, qualité, ph, . . .) au voisinage de leur
valeurs désirées : consigne constante : régulation, consigne variable avec le temps : poursuite
de consigne ou suivi de trajectoire).
9
Chapitre 1
ẋ = Ax + Bu x ∈ Rn , u ∈ Rm
(1.1)
y = Cx y ∈ Rp
Z t
At
x(t) = e x(0) + eA(t−τ ) Bu(τ )dτ
0
Z t
At
y(t) = Ce x(0) + C eA(t−τ ) Bu(τ )dτ
0
10
11
rang[B AB . . . An−1 B] = n
L’observabilité du système (1.1) est alors équivalente à : pour toutes conditions initiales x(0)
et x̄(0), ∃t ≥ 0 tel que CeAt (x(0) − x̄(0)) ̸= 0.
Notons que l’observabilité des systèmes linéaires est indépendante de l’entrée appliquée au
système (1.1).
C
CA
rang =n
..
.
CAn−1
u = −Kx + uc
ẋ = (A − BK)x + Buc
Par conséquent, la dynamique du système (1.2) en BF est donc fixée par les valeurs propres de
sa matrice d’évolution : (A − BK).
13
ẋ = Ax + Bu x ∈ Rn , u ∈ Rm
(1.3)
y = Cx y ∈ Rm
Le but d’un système de commande est de fournir des sorties désirées par la manipulation des
entrées. On conçoit donc la nécessite de définir une notion de commandabilité vis-à-vis des
sorties.
Définition 3 On dit que le système (1.3) est à sortie commandable s’il est possible en agissant
sur les commandes d’amener en un temps fini t1 − t0 n’importe quelle valeur de la sortie y(t0 )
à n’importe quelle autre valeur y(t1 ).
C1 Aρ1 −1 B1 . . . C1 Aρ1 −1 Bm
.. ..
B∗ =
. .
ρm −1 ρm −1
Cm A B1 . . . Cm A Bm
Si B ∗ est inversible, alors le système (1.3) est découplable par la loi de commande :
u(x) = −B ∗ −1 A∗ x + B ∗ −1 V
En effet :
y j = Cj x
ẏj = Cj ẋ = Cj Ax + Cj Bu. Si Cj B = 0 −→ ẏj = Cj Ax
ÿj = Cj A2 x + Cj ABu. Si Cj AB = 0 −→ ÿj = Cj A2 x
on continu à dériver jusqu’à l’ordre ρj
(ρj )
yj = Cj Aρj x + Cj Aρj −1 Bu
(ρ )
y1 1 C1 Aρ1 C1 Aρ1 −1 B
. .. ..
.. =
. x + . u = A∗ x + B ∗ u = (A∗ + B ∗ α)x + B ∗ βV
(ρ ) ρm −1
ym m Cm Aρm Cm A B
(ρ )
α = −B ∗ −1 A∗ y1 1
. (ρj )
=⇒ . −→ yj
β = B ∗ −1 . =V = Vj : m sous systèmes découplés.
(ρ )
ym m
m
X
La dimension du système (1.3) en boucle fermée est : ρj .
j=1
m
X m
X
Deux cas sont alors à envisager : ρj = n & ρj < n
j=1 j=1
m
X
Cas 1 : ρj = n : stabilité assurée
j=1
Changement de coordonnées :
yj Cj
z1 z1j
. j . ẏj Cj A
z= . .
. ; z = . = = x
.. ..
. .
zm zρj 1
(ρj −1)
yj Cj Aρj −1
0 1 0 0
.. .. .
..
. .
avec Aj = , Bj = , Cj = (1 0 . . . 0) .
.. 0
. 1
0 ... ... 0 1
ż = Az + BV
(1.4)
y = Cz
A1 B1 C1
avec A = ...
; B = ...
; C = ...
Am Bm Cm
m
X
Cas 2 : ρj < n −→ Problème de stabilité ?
j=1
m
X
Une partie du système de dimension n − ρj devient inobservable par bouclage.
j=1
m
∂ξ −1
X
• η de dim n − ρj : η = σx / σB = 0 : infinité de solutions avec ∂x
existe.
j=1
ż = Az + BV
η̇ = M z + N η (1.5)
y = Cz
système (1.5).
Ainsi le découplage par retour d’état statique peut être appliqué au système initial (1.3).
ρ (ρ −1) (ρ )
Vj = −Kj1 (z1j − yjref (t)) − Kj2 (z2j − ẏjref (t)) − . . . − Kj j (zρj j − yjref
j j
(t)) + yjref (t)
j
En effet : ξ j = z j − zref −→ ξ˙j = (Aj − Bj Kj )ξ j
ρ
Kj = [Kj1 . . . Kj j ] / (Aj − Bj Kj ) stable.
ẋ = Ax + Bu x ∈ Rn , u ∈ Rm
(1.6)
y = Cx y ∈ Rp
Position du problème : la mise en oeuvre de la commande par retour d’état u(x) a besoin de
capteurs permettant de donner à chaque instant t une valeur approximative de l’état x(t). Deux
types de capteurs de natures différentes mais équivalentes sont utilisées. Des capteurs physiques
18
provenant de l’instrumentation. Ces capteurs sont parfois trop coûteux ou difficiles à réaliser
pour des raisons techniques. Pour cette raison, nous nous orientons vers les capteurs logiciels dits
aussi observateurs. Ces derniers sont des algorithmes basés sur un modèle du système et utilise
une information pertinente donnée par des capteurs physiques. Ces capteurs logiciels délivrent
à chaque instant t une estimation en ligne des variables d’état non mesurées du système.
u(x̂) = −K x̂ + uc (1.10)
On entend par principe de séparation l’utilisation séparée d’un observateur d’état (1.8) et d’une
loi de commande stabilisante (1.9). Il consiste à stabiliser le système (1.7) à l’aide de la loi de
commande (1.10) utilisant l’état estimé donné par l’observateur (1.8) (voir figure 4.1).
x x x̂
Etat du système global : ou ou
x̂ ε ε
x̂˙ A − BK −BK B
= + uc (1.12)
ε̇ 0 A − HC 0
20
Ainsi le système glabal (1.12) (ou encore le système (1.11)) est asymptotiquement stable. Les
pôles du système global (1.12) sont formés d’une part par les pôles de l’observateur (Vp(A-HC))
et d’autre part par les pôles du système commandé directement par retour d’état (Vp(A-BK)).
Chapitre 2
ẋ = A(t)x + B(t)u
(2.2)
y = C(t)x
• Systèmes bilinéaires
ẋ = Ax + Dux + Bu
(2.3)
y = Cx
21
22
∂ f¯ ∂ f¯ ∂h
avec z = x − xc , v = u − uc , A = ∂x
(xc , uc ), B= ∂u
(xc , uc ) = g(xc ), C = ∂x
(xc )
où f¯(x, u) = f (x) + g(x)u.
Les matrices A, B et C représentent les matrices jacobiennes de f¯ et h par rapport à x et u.
¯
∂ f¯1
∂ f1
(x c , uc ) . . . (x c , uc )
∂ f¯
∂x1 . ∂xn
..
.
A = ∂x (xc , uc ) =
. . ,
∂ f¯n ∂ f¯n
∂x1
(xc , uc ) . . . ∂xn (xc , uc )
∂ f¯ ∂(f (x)+g(x)u)
B= ∂u
(xc , uc )
= ∂u
(xc , uc )
= g(xc ),
∂h1 ∂h1
(x c ) . . . (x c )
∂x1 . ∂xn
..
.
∂h
C = ∂x (xc ) =
. . .
∂hn ∂hn
∂x1
(xc ) . . . ∂xn (xc )
xc
En effet, au voisinage d’un point de fonctionnement , on considère l’approximation
uc
u = v + uc = −Kz + uc
La loi de commande au premier ordre implantée pour le système non linéaire (2.7) est :
u(x̂) = −K ẑ + uc
où ẑ est l’état estimé de z donné par l’observateur : ẑ˙ = Aẑ + Bv − H(C ẑ − y) .
avec H telle que : ℜe{Vp (A − HC)} < 0.
24
ẋ = f (x) + g(x)u
(2.9)
y = h(x)
où x ∈ Rn , u ∈ Rm et y ∈ Rm .
n
∂λ X ∂λ
LX λ(x) = X(x) = Xj (x) (2.10)
∂x j=1
∂x j
∂Y ∂X
[X(x), Y (x)] = adX Y = X(x) − Y (x) (2.11)
∂x ∂x
LX Y1 − LY X1
..
[X(x), Y (x)] = adX Y = ∂Y
∂x
X(x) − ∂X
∂x
Y (x) =
.
L X Yn − L Y Xn
Lg1 Lfρ1 −1 h1 (x) . . . Lgm Lρf1 −1 h1 (x)
.. ..
∆(x) =
. .
ρm −1 ρm −1
Lg1 Lf hm (x) . . . Lgm Lf hm (x)
Si ∆(x) est inversible (voir [8], [9]), alors le système (2.9) est découplable par la loi de com-
mande :
u(x) = −∆−1 (x)∆0 (x) + ∆−1 (x)V
T
avec ∆0 (x) = Lρf1 h1 (x) . . . Lρfm hm (x)
En effet :
yj = hj (x)
∂hj ∂hj ∂hj
ẏj = ∂x
ẋ = ∂x
f (x) + ∂x
g(x)u = Lf hj (x) + Lg hj (x)u
Si Lg hj (x) = 0 −→ ẏj = Lf hj (x)
(ρj ) ρ ρ −1
yj = Lfj hj (x) + Lg Lfj hj (x)u
ρ −1
pour lequel Lg Lfj hj (x) ̸= 0. ρj nombre caractéristique de la sortie yj .
(ρ )
ρ
y1 1 Lf1 h1 (x) Lg Lρf1 −1 h1 (x)
. .. ..
.. =
. + . u = ∆0 (x) + ∆(x)u
(ρ ) ρm −1
ym m Lρfm hm (x) Lg Lf hm (x)
27
m
X m
X
Deux cas sont alors à envisager : ρj = n & ρj < n
j=1 j=1
m
X
Cas 1 : ρj = n
j=1
Dans ce cas, le système (2.9) est complètement linéarisable et découplé ainsi que la stabilité est
assurée.
Changement de coordonnées :
yj hj (x)
z1 z1j
. j ..
ẏj Lf hj (x)
.. ; z = ϕj (x) =
z = ϕ(x) = = =
. .. ..
. .
m j
z zρ1
(ρj −1) ρ −1
yj Lfj hj (x)
28
Dans ce cas, après transformation, le système (2.9) est complètement linéarisable et découplé,
peut être récrit sous la forme suivante :
ż = Az + Φ(z) + Ψ(z)u
(2.13)
y = Cz
0 1 0
.. ..
. .
A = diag (A1 . . . Am ) avec Aj =
..
. 1
0 ... ... 0
0
Ψ1 (z) ..
.. j
.
Ψ(z) = avec Ψ (z) =
.
0
Ψm (z)
ρ −1
Lg Lfj hj (ϕ−1 (z))
Ainsi, le système (2.13) est globalement asymptotiquement stable autour de la consigne désirée
zc par la loi de commande :
m
X
Cas 2 : ρj < n : Dans ce cas, le système (2.9) est partiellement linéarisable et découplé.
j=1
m
X
? Problème de stabilité de la partie de dim n − ρj qui devient inobservable par bouclage.
j=1
m
X
• η = ϕ2 (x) de dimension n − ρj
j=1
∂ϕ2 ∂ϕ −1
η = ϕ2 (x) / ∂x
g(x) = 0 : infinité de solutions avec ∂x
existe.
La représentation d’état du système (1.3), après transformation & bouclage s’écrit :
ż = Az + BV
η̇ = ψ(z, η) (2.15)
y = Cz
Théorème 6 Si le système (S) admet une fonction de Lyapunov au sens large relative au point
d’équilibre xc , alors xc est stable au sens de Lyapunov.
(S) ẋ = f (x) x ∈ Rn
Supposons que le système ẋ = f (x) admet une fonction de Lyapunov V au sens large et propre.
Théorème 7 LaSalle
• Ω est positivement invariant.
∂V
• Ω ⊂ {x ∈ Rn / ∂x
f (x) = 0}
• Ω attracte toute trajectoire du système.
Remarque 3 Pour montrer qu’un point d’équilibre xc d’un système est GAS, ceci revient à
montrer que Ω = {xc }.
∂f
(L) : ż = Az avec z = x − xc et A = ∂x
(xc ).
Le système (2.16) est dit conservatif s’il existe une fonction de Lyapunov V au sens large pour
∂V
la dérive du système : Lf V = ∂x
f (x) = 0.
Le système (2.16) est dit dissipatif s’il existe une fonction de Lyapunov V au sens large pour
∂V
la dérive du système : Lf V = ∂x
f (x) ≤ 0.
Théorème 9 Supposons que l’on a trouvé une fonction réelle V (x) vérifiant :
• Lf V = 0.
• Les domaines V (x) ≤ c (c est une constante) sont compacts.
• L’espace vectoriel engendré par Q(x) = {f (x), adkf g(x), k = 0, 1, . . . , n, . . .} est de rang
n en tout point x.
f (x) = 0 ssi x = x
c
•
dV (x) = 0 ssi x = xc
34
Dans ces conditions, le système (2.16) est stabilisable en xc et u(x) = −r(x)Lg V (x) est une loi
de commande stabilisante en xc .
r(x) est une matrice diagonale avec ri (x) des fonctions strictement positives (en particulier
pour ri (x) = ri constantes strictement positives).
Remarque 5 Ce théorème, basé sur le théorème de LaSalle et démontré dans le cas des
systèmes conservatifs Lf V = 0, a été étendu aux systèmes dissipatifs Lf V ≤ 0.
Idée de la preuve
d ∂V ∂V ∂V
V (x) = ẋ = f (x) + g(x)u(x) = Lf V (x) + Lg V (x)u(x)
dt ∂x ∂x ∂x
Utilisant le fait que Lf V (x) = 0 et u(x) = −r(x)Lg V (x), on trouve :
d
V (x) = −r(x)(Lg V (x))2 ≤ 0
dt
Donc V (x(t)) décroı̂t et par un argument du principe d’invariance de LaSalle, on montre que
V (x(t)) tend vers zéro, et donc x(t) tend vers xc .
Chapitre 3
où x ∈ IRn représente l’état du système, y(t) ∈ IRp sont les sorties mesurées à l’instant t et
l’entrée est u ∈ U où U est un ensemble mesurable de IRm . La variable t représente le temps.
Les fonctions f et h sont suffisamment différentiables par rapport à (x, u).
L’ensemble des entrées u(.) sont des fonctions telles que pour toute condition initiale x, il existe
une solution unique xu (t) de (3.1) définie sur un intervalle [0, T ]. Ces entrées seront appelées
entrées admissibles.
Etant donné le système (3.1), notons que la notion d’observabilité est liée à celle de la sensibilité
35
36
de la sortie aux conditions initiales du système. Notons que cette notion permet d’analyser la
possibilité de reconstituer l’état du système (3.1) à partir d’informations partielles mesurées au
cours du temps.
On notera y(t, x, u) la sortie du système (3.1) à l’instant t associé à la trajectoire x(t) issue de
la condition initiale x à l’instant t = 0.
Définition 17 : Indistinguabilité
On dit que deux états initiaux distincts x0 , x1 sont indistinguables si pour toute entrée admissible
u(.) ∈ U , les trajectoires des sorties issues respectivement de x0 et x1 sont identiquement égales
∀t ≥ 0.
Définition 18 : Distinguabilité
On dit que deux états initiaux distincts x0 , x1 sont distinguables si ∃t ≥ 0, ∃ u : [0, t] → U
une entrée admissible telle que les trajectoires des sorties issues respectivement de x0 et x1 ne
sont pas identiquement égales sur [0, t].
Dans ce cas, on dit que u distingue x0 et x1 .
Définition 19 : Observabilité
Le système (3.1) est dit observable en x0 si tout autre état x1 ̸= x0 est distinguable de x0 . Le
système (3.1) est dit observable sur IRn s’il est observable en tout point de IRn .
Remarque 6 Pour les systèmes linéaires (3.2), l’indistinguabilé des points est indépendante
de l’entrée appliquée au système, par contre pour les systèmes non linéaires généraux, l’obser-
vabilité du système (3.1) n’implique pas que chaque entrée admissible u(.) appliquée au système
(3.1) distingue tous les points de son espace d’état. Ceci nous conduit au concept des entrées
universelles et des systèmes qui sont observables au sens du rang pour toutes les entrées ap-
pliquées.
Notons que cette définition donne l’observabilité dans le cas linéaire. En effet pour les systèmes
linéaires du type :
ẋ = Ax + Bu
(3.2)
y = Cx
m
X
ẋ = f (x) +
ui gi (x)
i=1 (3.3)
y = h(x)
ż = Az + ψ(z) + φ(z, u)
(3.4)
y = Cz = z1
où
0 1 0
.. ...
.
A= , C = 1 0 ... 0 (3.5)
..
. 1
0 ... ... 0
h iT m
X
ψ(z) = 0 . . . 0 ψn (z) , φi (z, u) = uj φij (z1 , · · · , zi ), 1 ≤ i ≤ n.
j=1
où x(t) ∈ IRn , u(t) ∈ U ⊂ IRm , y(t) ∈ IRp sont respectivement l’état, l’entrée et la sortie du
système dynamique (3.6).
Notons que la méthode de synthèse d’observateur pour les systèmes non linéaires consiste à
transformer le système, à l’aide d’un changement de variable, en un système pour lequel on sait
construire un observateur.
40
où Sθ est une matrice symétrique définie positive (SDP) solution de l’équation algébrique de
Lyapunov :
θSθ + AT Sθ + Sθ A = C T C (3.8)
Plus précisément, les auteurs montrent que si ψ(z) et φ(z, u) sont globalement Lipschit-
ziennes par rapport à z, localement uniformément par rapport à u, alors ∥ε(t)∥ = ∥ẑ(t) − z(t)∥
tend exponentiellement vers zéro.
d T
(ε Sθ ε) ≤ −θεT Sθ ε + 2εT Sθ δΓ
dt
d T
(ε Sθ ε) ≤ −µθ εT Sθ ε pour µθ > 0
dt
Pour le système initial (3.6) avec y(t) ∈ IR, un observateur est donné par :
m −1
X ∂Ψ
x̂˙ = f (x̂) + ui gi (x̂) − (x̂) Sθ−1 C T (h(x̂) − y) (3.9)
i=1
∂x
41
Notons que cet observateur connu dans la littérature comme observateur à grand gain ne
nécessite pas la connaissance explicite de Ψ−1 qui en général formellement non calculable.
−1
∂Ψ(x)
Seul est nécessaire, ce qui réalisable numériquement. Signalons aussi que l’une des
∂x
principales caractéristiques de cet observateur réside dans la simplicité de la mise en oeuvre et
du réglage. En effet, le réglage de cet observateur se limite au réglage du seul paramètre θ.
j
z1 z1 p
.
..
X
. n
j ∈ IRnj ;
. ∈ IR ; avec z = .
z= nj = n
j=1
zp znj j
0 1 0
.. ..
. .
A = diag (A1 . . . Ap ) avec Aj = est une matrice nj × nj .
..
. 1
0 ... ... 0
• Classe 1 : Supposons que les termes non linéaires ψ j satisfont la propriété structurelle sui-
vante :
ψ1j (z 1 , z 2 , . . . , z j−1 , z1j , u)
ψ2j (z 1 , z 2 , . . . , z j−1 , z1j , z2j , u)
..
ψ j (z 1 , . . . , z j , u) =
.
(3.11)
j
j−1 j j j
ψ 1 2
nj −1 (z , z , . . . , z , z1 , z2 . . . , znj −1 , u)
ψnj j (z 1 , z 2 , . . . , z j−1 , z j , u)
Comme dans le cas des systèmes mono-sortie, sous la condition que les termes non linéaires ψ j
sont globalement lipschitziens, alors le système :
est un observateur exponentiel pour le système (3.10)-(3.11) où SΘ est une matrice définie par
bloc et ne dépendant que des paramètres de réglage θk : SΘ = diag Sθ1 , . . . , Sθp .
Sθk sont des matrices SDP solutions de l’équation :
Dans ces conditions, pour le système initial (3.6), un observateur est donné par :
m −1
X ∂Ψ
x̂˙ = f (x̂) + ui gi (x̂) − (x̂) SΘ−1 C T (h(x̂) − y) (3.14)
i=1
∂x
Remarque 8 La même synthèse d’observateur reste valable pour la classe 1 avec une injection
de sortie, c’est-à-dire concernant le cas où les termes ψ j satisfont la structure triangulaire
suivante :
ψ1j (z̃ 1 , z̃ 2 , . . . , z̃ j−1 , y, u)
ψ2j (z̃ 1 , z̃ 2 , . . . , z̃ j−1 , y, z2j , u)
..
ψ j (z̃ 1 , . . . , z̃ j , y, u) =
.
(3.15)
j j j
ψ 1 2 j−1
nj −1 (z̃ , z̃ , . . . , z̃ , y, z2 . . . , znj −1 , u)
ψnj j (z̃ 1 , z̃ 2 , . . . , z̃ j−1 , z̃ j , y, u)
43
• Classe 2 : Supposons que les termes ψ j (z, u) satisfont la propriété structurelle suivante :
ψ1j (z1j , u)
ψ2j (z1j , z2j , u)
..
ψ j (z, u) =
.
(3.16)
j j j j
ψ
nj −1 (z1 , z2 . . . , znj −1 , u)
ψnj j (z, u)
Sous la condition que les termes non linéaires ψ j (z, u) sont globalement lipschitziens, un obser-
vateur exponentiel pour le système (3.10)-(3.16) est de la forme :
−n δ + n δ < δ
j j i i j
(3.18)
1 ≤ i, j ≤ p
m −1
X ∂Ψ
x̂˙ = f (x̂) + ui gi (x̂) − (x̂) ∆Θ K(h(x̂) − y) (3.19)
i=1
∂x
Pour plus de détails concernant la synthèses d’observateur à grand gain pour les systèmes non
linéaires nous conseillons [2] et [5].
Chapitre 4
44
45
ẋ = f (x) + g(x)u
(4.1)
y = h(x)
Lg1 Lρf1 −1 h1 . . . Lgm Lρf1 −1 h1
.. ..
∆(x) =
. .
ρm −1 ρm −1
Lg1 Lf hm . . . Lgm Lf hm
46
Rappelons (voir [8], [9]) que le système (4.1) est complètement linéarisable et découplé si et
m
X
n
seulement si : ∆(x) est inversible ∀x ∈ R et ρi = n.
i=1
ż = Az + Φ(z) + Ψ(z)u
(4.2)
y = Cz
où
0 1 0
.. ...
.
A = diag (A1 . . . Am ) avec Aj = est une matrice ρj × ρj .
..
. 1
0 ... ... 0
0
Φ1 (z) ..
.. j
.
Φ(z) = avec Φ (z) = est une matrice ρj × 1.
.
0
m
Φ (z)
ρ
Lfj hj (ϕ−1 (z))
0
Ψ1 (z) ..
.
.
..
Ψ(z) = avec Ψj (z) =
est une matrice ρj × m.
0
Ψm (z)
ρ −1
Lg Lfj hj (ϕ−1 (z))
47
Sous les hypothèses précédentes, le système (4.2) est globalement asymptotiquement stablili-
sable en zc (consigne constante) par le feedback statique :
Un observateur pour cette classe de systèmes non linéaire (4.2) est de la forme :
j
où ∆θ = diag(∆1θ , . . . , ∆m ρj
θ ), avec ∆θ = diag(θ, . . . , θ ) est une matrice diagonale de type ρj ×ρj
ż = Az + Φ(z) + Ψ(z)u(ẑ)
ẑ˙ = Aẑ + Φ(ẑ) + Ψ(ẑ)u(ẑ) − ∆θ H̃(C ẑ − y) (4.5)
u(ẑ) = ∆−1 (ϕ−1 (ẑ))[−∆0 (ϕ−1 (ẑ)) − K(ẑ − zc )]
Notons que l’étude de la stabilité du système (4.5) est équivalente à celle du système suivant :
ẑ˙ = Aẑ + Φ(ẑ) + Ψ(ẑ)u(ẑ) − ∆ H̃Cϵ
θ
(4.6)
ϵ̇ = (A − ∆θ H̃C)ϵ + (Φ(ẑ) − Φ(ẑ − ϵ)) + (Ψ(ẑ) − Φ(ẑ − ϵ))u(ẑ)
Théorème 11 Sous les hypothèses précédentes, le systèmes (4.6) est globalement asymptoti-
quement stable.
Bibliographie
[3] J. P.Corriot
— Commande des Procédés.
— Automatique et procédés chimiques. Modélisation, estimation, cristallisoirs.
— Commande de procédés chimiques. Réacteurs et colonnes de distillation.
[5] F. Lamnabhi-Lagarrigue & P. Rouchon : Systèmes non linéaires. Paris, Hermès Science
Publications, 2002.
[9] H. Nijmeijer, A. Van der Schaft : Nonlinear dynamical control systems, Springer-Verlag,
Berlin, 1990.
48
49