Académique Documents
Professionnel Documents
Culture Documents
N. Goléa
Université d'Oum el Bouaghi, 04000 Algérie.
Version 2019
1
Chapitre 1
1. Introduction
La modélisation est un aspect très important de la commande des systèmes. Avant toute
analyse ou synthèse, le concepteur doit être capable d’obtenir le modèle du système
considéré et capable d’adapter le modèle obtenu aux besoins de l’utilisation.
Les objectifs de ce chapitre sont:
1) Définir les trois représentations possibles pour les modèles des systèmes linéaires
dynamiques, à savoir, les équations différentielles, les fonctions de transfert et les
équations d'état. L’accent sera mis beaucoup plus sur la représentation d’état.
2) Établir les modèles d'état de systèmes physiques types: électriques, mécaniques,
électromécaniques, hydrauliques et thermiques.
3) Obtenir des modèles d'état linéarisés pour des systèmes non linéaires au voisinage de
points de fonctionnement spécifiés.
4) Produire des exemples Simulink/Matlab pour appréhender l’aspect simulation des
systèmes dynamiques.
2. Définitions d (t )
et si on obtient en sortie:
y(t ) = ay1 (t ) + by2 (t ) (1.2)
Alors le système est dit linéaire. Cette propriété des systèmes linéaires est aussi appelée
Cette propriété des systèmes invariants est aussi appelée principe de permanence. Un
système peut être linéaire et/ou invariant dans le temps: les deux propriétés sont
indépendantes. Un système LTI est aussi appelé système à paramètres constants localisés ou
à constantes localisées (p. ex. équation différentielle ordinaire avec coefficients constants).
Exemple 1. Système LTV.
La masse de la fusée (figure 1.3) diminue au cours de
son ascension, pour une même propulsion,
l'accélération augmente avec le temps: m(t )g
P
x = -g (1.3) P
m(t )
3. Modèles mathématiques
Un modèle mathématique est un ensemble d'équations décrivant complètement les relations
entre les variables d'un système. Il est utilisé comme un outil d'analyse et de conception des
algorithmes de commande. La tâche pour laquelle il doit être utilisé a des implications
fondamentales sur le choix d'une forme particulière du modèle du système. En d'autres
termes, si un modèle peut être considéré comme un outil, c’est un outil spécialisé, développé
spécifiquement pour une application particulière. Construire des modèles mathématiques
universelles, même pour des systèmes de complexité modérée, est peu pratique et peu
économique.
La richesse de la représentation des systèmes dynamiques par le modèle mathématique,
conditionne naturellement la synthèse des lois de commande. Trois types de modélisations
sont couramment employés.
3.1 Modélisation par équations différentielles
Les équations différentielles constituent un outil fondamental dans la description des lois
physiques. Cette représentation est apparue comme la première approche pour la
modélisation et la compréhension des systèmes. Cependant, il lui est attaché tout de même
les inconvénients suivants:
1) Représentation minimale du système (seulement la partie observable).
2) Difficulté de résolution des équations différentielles d'ordres élevés.
3) Ne fournit pas la structure entière du système.
La représentation par équation différentielle d'un système LTI d'ordre n est:
. .
y (n) + a1 y (n-1) + a2 y (n-2) + ... + an-1 y+ an y = b0u(m) + b1u(m-1) + ... + bm-1 u+ bmu (1.4)
avec m £ n .
La transformée de Laplace directe et inverse permettent le passage de la représentation par
équation différentielle vers la représentation par fonction de transfert est inversement. Dans
la suite, on ne traitera que de la représentation par fonction de transfert vue sa large
utilisation dans ce domaine.
3.3 Modélisation par équations d'état
La représentation par les équations d'état permet d'unifier le cadre de l'étude des systèmes
dynamiques continus ou discrets. Le concept d'état est utilisé chaque fois que des
informations sur des variables internes sont nécessaires pour prendre une décision
concernant un système. La théorie de contrôle moderne, développée à partir des années 1960
et basée sur la notion d'état, diffère de la théorie classique dans la mesure où la première est
applicable aux systèmes multi-variables, qui peuvent être linéaires ou non linéaires,
invariants ou variants dans le temps, tandis que la second est valable uniquement pour les
systèmes linéaire invariant dans le temps mono-variable. Aussi, la théorie moderne de
contrôle est essentiellement une approche dans le domaine temporel, alors que la théorie
classique est une approche dans le domaine fréquentiel. Avant de poursuivre, nous
donnerons les définitions de l'état.
Variables d'état
Les variables d'état d'un système dynamique sont l'ensemble des variables qui déterminent
l'état du système dynamique. Si n variables x1 , x2 ,..., xn sont nécessaires pour décrire
complètement le comportement d'un système dynamique (de sorte que, lorsque une entrée
est donnée pour t ³ t0 et l'état initial est spécifié à t = t0 , l'état futur du système est
complètement déterminé), alors ces n variables sont l'ensemble de variables d'état.
Vecteur d'état
Les n variables d'état x1 , x2 ,..., xn nécessaires pour décrire complètement le comportement
d'un système donné, peuvent être considéré comme n composantes d'un vecteur
xT = [ x1 x2 ... xn ] Î Â n . Ce vecteur x est appelé "vecteur d'état". Le vecteur d'état est un
vecteur qui détermine l'état du système x(t ) pour tout t ³ t0 , quand l'état est donné à t = t0
et l'entrée u(t ) est spécifiée pour t ³ t0 .
Espace d'état
L'espace de dimension n dont les coordonnés sont les axes x1 , x2 , ... , xn est appelé un
Où x(t ) est le vecteur d'état, u(t ) est le vecteur d'entrée (vecteur de commande), y(t ) est
vecteur de sortie. Les matrices intervenant dans la représentation d’état sont: A (n ´ n) dite
matrice d'état ou matrice d'évolution, B (n ´ r ) dite matrice d'entrée ou de commande, C
(m ´ n) dite matrice de sortie ou d'observation, et D dite matrice de transmission ou
d'anticipation.
L'équation (1.6) est l'équation d'état et l'équation (1.7) est l'équation de sortie.
La représentation par un schéma bloc des équations (1.6)-(1.7) est montrée dans la figure 1.4.
2. Les variables d’effort, tels que la force F ou le couple T pour les systèmes mécaniques, la
tension v pour les systèmes électriques, la pression P pour les systèmes hydrauliques et
la température T pour les systèmes thermiques.
On notera que l’application d’effort produit un flux (circulation) et la présence d’un flux
produit un effort. Aussi, le produit effort×flux est une puissance, comme indiqué dans le
tableau 1.1
Les éléments qui constituent les systèmes physiques sont de deux types:
1. Les éléments qui dissipent de l'énergie, tels que le frottement ou l’amortissement pour les
systèmes mécaniques, la résistance pour les systèmes électriques, hydrauliques et
thermiques.
Élément à stockage d’effort ressort, k Ressort de torsion, k Capacité, C Capacité hydraulique, C Capacité thermique, C
Élément dissipateur amortisseur, frottement b Amortisseur rotationnel, b Résistance, R Résistance hydraulique, R Résistance thermique, R
Pour les systèmes mécaniques, les variables d'état, généralement utilisées, sont les positions
et les vitesses. Ainsi pour: x1 = y1 , x2 = y 1 , x3 = y2 , x4 = y 2 , on obtient les équations des
variables d'état:
x 1 = x2
k b k b 1
x 2 = - x1 - x2 + x3 + x4 - d
m m m m m
x 3 = x4
k b k b 1
x 4 = x1 + x2 - x 3 - x4 + u
M M M M M
Sous forme matricielle, nous avons l'équation d'état:
é 0 1 0 0 ù
é x 1 ù ê ú é x1 ù é 0 ù é 0 ù
ê ú ê k b k b úê ú ê ú ê ú
ê x 2 ú ê- m - m m m úú êê x2 úú + êê 0 úú u + êê- m úú d
1
ê ú= ê
ê x ú ê 0 0 0 1 úú êê x3 úú êê 0 úú ê 0 ú
ê 3ú ê ê ú
ê x ú ê k ú êx ú ê 1 ú ê 0 ú
êë 4 úû ê b -k - b ú ê ú
ë û ë û
4 ê M ú ê
ë úû
ëê M M M M ûú
= Ax + Bu + Bd d
y = [0 0 1 0 ] x + [0 ]u = Cx + Du
u 1/s 1/s
1/s 1/s
%Exemple 2
M=100;m=10;b=0.2;k=4
A=[0 1 0 0;
-k/m -b/m k/m b/m;
0 0 0 1;
k/M b/M -k/M -b/M];
B=[0 0 0 1/M]';
Bd=[0 -1/m 0 0]';
C=[0 0 1 0];
a) b)
1/s
u
c)
Figure 1.6. Simulation: a) fichier script, b) schéma Simulink détaillé, c) forme matricielle.
Exemple 3. Suspension mécanique.
La figure 1.7 montre le schéma du système de suspension d'une voiture. Comme la voiture se
déplace, le mouvement vertical agit comme une excitation du système de suspension. Le
déplacement u au point de contact est l'entrée du système et le déplacement vertical y est
sa sortie.
L'équation de mouvement est donnée par:
y m
my = -b( y - u ) - k( y - u)
b b k k
y = - y + u - y + u u
m m m m
Le choix des variables d'état n'est pas direct, puisqu'il faut éliminer u de l'équation d'état.
On va procéder autrement. Comme le système est d'ordre 2, nous avons besoin de deux
intégrations pour récupérer la sortie y , d'où
æ b b k k ö æ b b æ k k öö
y = òò ççç- y + u - y + u÷÷÷ = ò çç- y + u + ò ççç- y + u÷÷÷÷÷÷
è m m m m ø çè m m è m m øø
Les variables d'état sont les sorties des deux intégrateurs, soit:
æ k k ö
x1 = ò ççç- y + u÷÷÷
è m m ø %Exemple 2
m=10;b=0.1;k=2
æ b b ö
x2 = ò ççç- y + u + x1 ÷÷÷ A=[0 -k/m;
è m m ø l -b/m];
B=[k/m b/m]';
Après dérivation des états, on obtient: C=[0 1];D=0;
Sys=ss(A,B,C,D)
k k k k x0=[1 -1]';
x 1 = - y + u = - x2 + u T=10; t=0:0.01:T
m m m m
u=1;
b b b b
x 2 = - y + u + x1 = - x2 + u + x1 [y,t,x]=lsim(Sys,u,t,x0)
m m m m Plot(t,y,t,x(1,t),t,x(2,t))
Ainsi, les équations d'état sont données par: Figure 1.7. Simulation de l'exemple 3.
é x 1 ù é0 - mk ù é mk ù
ê ú=ê ú + ê úu
ê x 2 ú ê1 - mb ú êê b úú
ë û ë û ëmû
é x1 ù
y = [ 0 1 ] ê ú + [ 0 ]u
ê x2 ú
ë û
Nous verrons dans le chapitre 2 des méthodes systématiques pour obtenir la représentation
d'état à partir des deux autres représentations.
4.2 Systèmes mécaniques en rotation
Exemple 4. Un système mécanique en rotation est montré sur la figure 1.8. L'entrée est le
couple appliqué T et la sortie est le déplacement angulaire q . Les paramètres du système
sont le moment d'inertie J , le coefficient de frottement visqueux b , et k le coefficient du
couple de torsion (fourni par l'arbre flexible).
L'équation de mouvement du système est donnée par: k
b
J q = -kq - bq + T J
Soit encore: q
T
k b T
q = - q - q + Figure 1.8. Rotation avec axe flexible.
J J J
Pour obtenir la représentation d'état du système, on prendra les variables d'état
x1 = q, x2 = q et u = T , y = q , d'où:
x 1 = x2
k b 1
x 2 = - x1 - x2 + u
J J J
Soit sous forme matricielle:
é 0 1 ù é0ù
ê ú ê ú b2
x = ê k b ú x + ê1 úu
ê- - ú ê ú
ëê J J ûú ëê J ûú b1
y = [1 0 ] x q2
J1
k
Exemple 5. Un système mécanique de deux corps en q1
rotation, sous l'effet de la vitesse angulaire f f
aplasique sur l'arbre, est montré sur la figure 1.9. Les a)
paramètres du système sont les moments d'inertie
J1 , J 2 , les coefficients de frottement visqueux b1 , b2
et le coefficient de flexibilité de l'arbre k . b1(q1 - q2 ) J2
b2q2
Les équations de mouvement sont données par: b1(q1 - q2 )
J1
J1q1 = k (f - q1 ) - b1 (q1 - q2 )
k ( f - q1 )
J 2q2 = b1 (q1 - q2 ) - b2q2
Le système est représenté par deux équations différentielles d'ordre 2, donc il est clair que
c'est un système d'ordre 4.
Si on considère comme entrée du %code Matlab
système u = f , et les positions et les J1=0.1;J2=0.01;b1=0.1;
vitesses comme variables d'état, b2=0.3;k=2
A=[0 1 0 0;
x1 = q1 , x2 = q1 , x3 = q2 , x4 = q2 , on -k/J1 -b1/J1 0 b1/J1;
obtient la représentation d'état, 0 0 0 1;
0 b1/J2 0 -(b1+b2)/J2];
x 1 = x2 B=[0 k/J1 0 0]';
C=[1 0 0 0;
k b b k 0 0 1 0];
x 2 = - x1 - 1 x2 + 1 x4 + u
J1 J1 J1 J1 a)
x 3 = x4
b1 b + b2 u 1 1
x 4 = x2 - 1 x4 1 1 s s
J2 J2 s s
y1 = x1
y2 = x 3
Sous forme matricielle, avec le
vecteur d'état x = [ x1 x2 x3 x4 ] ,
nous avons l'équation d'état: b)
Figure 1.10. Simulation: a) fichier script, b) schéma Simulink.
é x 1 ù éê 0 1 0 0 ù éx ù é0 ù
úê 1ú ê ú
ê ú ê k ú êx ú ê k ú
ê x 2 ú ê- J - b1
0 b1
ú ê 2 ú ê J1 ú
ê ú=ê 1 J1 J1
ú + u
ê x ú ê 0 0 0 1 ú ê x3 ú ê 0 ú
ê 3ú ê ê
úê ú ê úú ê ú
ê ú
êë x 4 úû ëê 0 0 - b1J+2b2 ú êë x4 úû êë 0 úû
b1
J2 û
é x1 ù
ê ú
é y1 ù é1 0 0 0ù ê x2 ú
ê ú=ê úê ú
ê y 2 ú ê0 0 1 0ú ê x 3 ú
ë û ë ûê ú
êx ú
êë 4 úû
ve - x1 C2 i
= C1 x 1 + x3 R i
2
R
C2 x 2 = x3 i1 v2
Lx 3 = x1 - x2 ve C1 v1 L vL
et
%code Matlab
y = Lx 3 = x1 - x2 close all
C1=1e-5;C2=1e-4;R1=50;L=1e-3,
Dans la forme matricielle, les équations A=[-1/(R*C1) 0 -1/C1;
précédentes peuvent être écrites comme: 0 0 -1/C2;
1/L -1/L 0];
é x 1 ù éê- RC1 1 0 - C11 ù é x1 ù é RC1 1 ù
úê ú ê ú
B=[1/(R*C1) 0 0]';
ê ú ê ú ê ú C=[1 -1 0];
ê ú ê ú
ê x2 ú = êê 0 C2 ú ê x 2 ú + ê 0 ú u
1
0 D=0;
ê x ú ê 1 úê ú ê ú Sys=ss(A,B,C,D)
ë û ë L
3 - 1
L 0 ú x
ûë û ë û
3 ê 0 ú
x0=[0 1]';
T=5; t=0:0.01:T
Simulation
u=10;
Pour simuler les systèmes LTI en utilisant [y,t,x]=lsim(Sys,u,t,x0)
un fichier Matlab script, on procède Plot(t,y,t,x(1,t),t,x(2,t) ),t,x(3,t))
comme suite (figure 1.12): Figure 1.12: simulation du circuit de la figure 1.11.
D'où
R2 + R3 1 a)
x 2 = - x2 - y
R2 R3C2 R2C2 x2
R3
À partir de la maille externe, nous avons: R2
C 2x 2
y = u - x1 - x2 - ( R1 + R2 )C1 x 1 C2
C 1x1
-
u
En remplaçant avec l'expression de x 1 , on obtient: R1 C1 + y
x1
R2 R
y= x1 - x2 - 2 u
R1 R1 b)
À partir de la maille de sortie, nous avons: Figure 1.13: Circuit actif: a) grandeurs
électriques, b) variables d'état.
æx ö R + R3
y = -x2 - R2 çç 2 + C2 x 2 ÷÷÷ = - 2 x2 - R2C2 x 2 %code Matlab exemple 7
çè R3 ÷ø R3 C1=1e-5;C2=1e-4;R1=1e5;
R2=1e5,R3=1e4;
D'où: A=[-1/(R1*C1) 0;
-1/(R1*C2) 1/(R3*C2)];
R2 + R3 1
x 2 = - x2 - y B=[1/(R1*C1) 1/(R1*C2)]';
R2 R3C2 R2C2 C=[R2/R1 -1];
D=-R2/R1;
En remplaçant avec l'expression de y , on obtient: Sys=ss(A,B,C,D)
x0=[0 1]';
1 1 1 T=5; t=0:0.01:T
x 2 = - x1 - x2 + u u=2*sin(t);
C2 R1 C2 R3 C2 R1
[y,t,x]=lsim(Sys,u,t,x0)
Plot(t,y,t,x(1,t),t,x(2,t))
Sous forme matricielle, les équations d'état sont:
Figure 1.14: simulation du circuit de la
é x 1 ù êé- R11C1 0 ù é x1 ù é R11C1 ù
ú ê ú + ê úu figure 1.13.
ê ú=ê
ê x 2 ú ê- C 1R
ë û ë 21 - C21R3 úú êë x2 úû êê R11C2 úú
û ë û
é x1 ù é R2 ù
y = éê RR12 -1ùú ê ú + ê- ú u
ë û ê x2 ú ê R ú
ë û ë 1û
Pour la partie mécanique, Il est clair que les variables d'état sont le déplacement et la vitesse
de la vanne, x1 = y, x2 = y . Pour la partie électrique, la variable d'état est le courant dans la
bobine x3 = i . ainsi,
x 1 = x2
b k
x 2 = - x2 + x 3
m m
R 1
x 3 = - x3 + v
L L
y = x1
Dans la forme matricielle, les équations précédentes peuvent être écrites comme:
é x 1 ù é 0 10 ù é x1 ù é 0 ù Roulement
ê ú ê úê ú ê ú Stator (aimants)
ê x 2 ú = ê 0 kúê ú ê ú
m ú ê x2 ú + ê 0 ú u
-b
ê ú ê m Enroulement
ê x ú ê -R0 0 û ë x3 úû êë L1 úû
ú ê d'armature
ë 3û ë L
é x1 ù
ê ú Alimentation
y = [1 0 0 ] ê x2 ú
ê ú
êx ú
ë 3û
Exemple 9. Machine à courant continu
Une machine à courant continu (CC) à Commutateur Balais
Rotor
aimants permanents est schématisée sur
la figure 1.16. Le rotor alimenté en
Figure 1.16. Machine CC à aimants permanents.
courant continu est en rotation, à la
vitesse angulaire wm , sous l'effet d'un couple proportionnel au flux, produit par les aimants
installés sur le stator, et le courant qui le parcourt Cm = kmi . Cette rotation produit une force
contre-électromotrice proportionnelle à la vitesse de rotation eb = kb wm .
Le schéma équivalent du moteur avec la charge entraînée est montré sur la figure 1.17. La
soit
wm = rw (1.9)
De plus, si le réducteur est sans pertes, alors nous avons C1wm = C2 w , d'où C2 = rC1 .
J c w = C2 - bc w - Cr (1.11)
Avec J = J c + r 2 J m , b = bc + r 2bm .
é R rkb ù
é x 1 ù êê- L - L úú é x1 ù éê 1 ùú é 0 ù
ê ú=ê ê ú + L u + ê ú
ê x 2 ú ê rkm ú êx ú ê ú ê 1úd
-
ê Jú (1.15)
ë û
êë J - b úú ë 2 û êë 0 úû ë û
J û
y = [ 0 1] x
%Modèle de la machine CC
R=1; L=0.05; bm=0;
Jm=0.001; Jc=0.1;
bc=0.0001; kb=0.05;
km=0.05; r=10;
J=Jc+r^2*Jm;
b=bc+r^2*bm; k1= r*kb;
k2=r*km;
A=[0 -R/L –k1/L;
0 –b/J k2/J;
0 1 0]
B=[0 0 1/L]'
C=[0 0 1]; D=0;
a) b)
Figure 1.18. Simulation de la machine CC: a) script, b) schéma Simulink.
La pression est définie comme étant la force par unité de surface exercée par le fluide,
F
P= (1.17)
A
Au niveau de la mer pour une température ambiante, la pression atmosphérique,
habituellement abrégée en Pa , est de 1.0133´105
Pascal. Pa
Pression hydrostatique
La pression hydrostatique est la pression qui existe
h
dans un fluide au repos (figure 1.19). Elle est causée
par le poids du fluide. Par exemple, la pression A
hydrostatique au fond d'une colonne de fluide de
hauteur h est égale à F / A = mg / A = rVg / A = r gh , Figure 1.19. Pression hydrostatique.
où g est l'accélération de la gravité.
La conservation différentielle de la masse peut être énoncée comme suite. Pour un réservoir
contenant un fluide de masse m , la variation de masse dans le réservoir doit être égale au
débit de masse total d'entrée moins le débit de masse total de sortie. Soit,
= rV , alors,
Pour un fluide incompressible, r est constant, et donc m
V = å qe - å qs (1.21)
i j
Donc (1.21) est une conservation du volume du fluide, et cela équivaut à la conservation de la
masse de l’équation (1.19), lorsque le fluide est incompressible.
Capacitance
La capacitance d'un fluide est la relation entre la masse de fluide stockée et la pression
résultante. À un point de référence particulier ( P0 , m0 ), la pente est C , où
dm
C= (1.22)
dP ( P0 , m0 )
Dans un nombre limité de cas, tels que le débit dans les canalisations dans certaines
conditions, la relation est linéaire de sorte que P = Rq .
A1h1 = -qs1
A2h2 = qs1 + qe - qs 2 h1 A1 h2 A2
R1 R2 qs 2
Le débit à la sortie du réservoir 1 est
donnée par: qs 1
1 1 a)
q s1 = ( P1 - P2 ) = (r gh1 - r gh2 )
R1 R1 q1
Le débit à la sortie du réservoir 1 est q2
R1
donnée par:
C1 R2 C2 qe
P rg
qs 2 = 2 = h2
R2 R2
b)
Ainsi, on obtient:
Figure 1.21. a) Système hydraulique à 2 réservoirs, b)
schéma électrique équivalent.
rg rg
A1h1 = - h1 + h2 %système hydraulique figure 1.22
R1 R1 A1=2; A2=5; rho=1.94; g=9.81;
rg æ1 1ö R1=20; R2=50; qe=0.3; h01=1;
A2h2 = h1 - r g çç + ÷÷÷ h2 + qe h02=10;
R1 è R1 R2 ÷ø
ç C1=A1/(rho*g); C2=A2/(rho*g);
a1=1/(C1*R1); a2=1/(C2*R1);
Ou encore: a3=1/C2*(1/R1+1/R2); b=1/A2;
A=[-a1 a1;
1 1
h1 = - h1 + h2 a2 -a3]
C1 R1 C1 R1 B=[0 b]';
C=[1 0];D=0;
1 1æ1 1ö 1
h2 = h1 - ççç + ÷÷÷ h2 + qe
C2 R1 C2 è R1 R2 ø÷ A2
Avec C1 = A1 / r g ,C2 = A2 / r g .
Les actionneurs hydrauliques sont largement utilisés avec des pressions élevées pour obtenir
des forces élevées lors du déplacement de grandes charges ou pour obtenir des accélérations
élevées. Le fluide de travail peut être un liquide, comme on le trouve couramment dans les
machines de construction, ou de l'air, comme dans les unités cylindre-piston à air
fréquemment utilisées dans les équipements de fabrication et de traitement des pièces.
La figure 1.23 montre un piston et un cylindre à double effet. L'appareil déplace la masse de
charge m en réponse aux sources de pression P1 et P2 . Pour modéliser le système, on
supposera que le fluide est incompressible, que les résistances sont linéaires et que la masse
du piston est comprise dans m .
%système hydraulique figur 1.23
Les pressions débits sont:
A =2;m =20;R1 =12;R2=5;x01=1;
P1 + Pa - P3 = R1q1 x02=0; a=A^2/m*(R1+R2); b=A/m;
A=[0 1;
P4 - P2 - Pa = R2q2 0 -a]
B=[0 b]';
Comme le débit est conservé, nous avons: C=[1 0];D=0;
q1 = q2 = Ax
D'où:
P1 + Pa - P3 = R1 Ax
P4 - P2 - Pa = R2 Ax
D'où:
P1 + P4 - P2 - P3 = ( R1 + R2 ) Ax
Nous avons
A( P3 - P4 ) = A( P1 - P2 ) - ( R1 + R2 ) A2 x
Soit
mx = A( P1 - P2 ) - ( R1 + R2 ) A2 x
x 1 = x2
A2 A
x 2 = - ( R1 + R2 ) x2 + u
m m
D’où
é0 1 ù é0ù
é x 1 ù ê ú é x1 ù ê ú
ê ú=ê ú ê ú + ê úu
ê x 2 ú ê0 - A ( R1 + R2 ) ú ê x2 ú ê A ú
2
ë û ê ú ë û êë m úû
ë m û
T V , m, c p
é x1 ù
y = [1 0 ] ê ú
ê x2 ú
ë û Figure 1.25. Capacité thermique.
4.6 Systèmes thermiques
Dans un système thermique l'énergie est stockée et transférée sous forme de chaleur. Des
exemples de systèmes thermiques comprennent les systèmes de chauffage et de
refroidissement et les procédés de mélange dans lesquels de la chaleur doit être ajoutée ou
retirée pour maintenir une température de réaction optimale.
Les systèmes thermiques fonctionnent en raison des différences de température, car l'énergie
thermique circule d'un objet ayant la température la plus élevée vers un objet ayant la
température la plus basse. La conservation de l'énergie thermique constitue la base des
modèles de systèmes thermiques, ainsi que les concepts de résistance thermique et de
capacité thermique.
Les lois régissant les systèmes thermiques sont typiquement exprimées comme relations
entre les quantités: Température T (Kelvin) et débit de chaleur q (watt) définie comme la
variation de l'énergie thermique E stockée:
q = E (1.29)
Capacité thermique
Pour un corps (figure 1.25) de masse m et de chaleur spécifique c p , l'énergie thermique E
stockée dans l'objet à une température T est:
E = mc p (T - T0 ) (1.30)
E = mc p (T - T0 ) = rVc p (T - T0 )
q q
T = - e T + e Te
V V
Modes de transfert de chaleur
Le transfert de chaleur peut se produire selon un ou plusieurs modes, comme illustré par la
figure 1.27.
Conduction: Le transfert de chaleur par conduction se produit par diffusion de chaleur à
travers une substance. Cette diffusion se produit lorsque des molécules transfèrent une
partie de leur énergie cinétique à des molécules adjacentes plus lentes.
Convection: Le mécanisme de convection est dû au transport de fluide, (exemples, dans l'eau
bouillante et dans les courants d'air thermiques). La convection se produit également dans
un fluide situé sur une surface solide dont la température est différente de celle du fluide.
Rayonnement: Le transfert de chaleur par rayonnement s'opère en infrarouge. Les lampes
chauffantes sont des exemples courants de ce type de transfert. Le chauffage par
rayonnement solaire en est un autre exemple.
Résistance thermique
Le transfert de chaleur entre deux objets est causé par une différence de température. Ainsi,
la différence de température dans les systèmes thermiques joue le même rôle que la
différence de tension dans les systèmes électriques et nous utilisons donc le concept de
résistance thermique de manière similaire à la résistance électrique.
Loi de refroidissement de Newton
La loi de Newton sur le refroidissement est un modèle linéaire du débit thermique en
fonction de la différence de température. La loi, utilisée à la fois pour les modèles de
convection et de conduction, est exprimée comme suit:
DT
qc = (1.32)
R
où qc est le débit de chaleur, R la résistance thermique et DT la différence de température.
En SI, qc a les unités de J/sec, qui est un watt (W).
Les températures corporelles absolues sont T1 et T2 , et b est un facteur intégrant les autres
effets. La détermination de b , comme le coefficient de convection, est trop complexe pour
être prise en compte ici, mais de nombreux résultats sont disponibles dans la littérature.
Le modèle de rayonnement est non linéaire et nous ne pouvons donc pas définir de
résistance thermique spécifique. Cependant, nous pouvons utiliser un modèle linéarisé si le
changement de température n'est pas trop important. Notez que la résistance thermique
linéaire est un cas particulier de la définition plus générale de la résistance thermique:
1
R= (1.36)
dqc / dT
1 1
R= = (1.37)
dqc / dT1 4bT13
Lorsque (1.38) est évaluée à une température T1 donnée, on obtient une valeur pour la
résistance linéarisée.
Transfert de chaleur par une paroi
Considérons une paroi d'épaisseur l , comme indiqué sur la figure 1.28.a. Les températures
des objets (solides ou liquides) de chaque côté de la paroi sont T1 et T2 . Si T1 > T2 , la chaleur
circule de gauche à droite. Les températures T1 et T2 des objets adjacents resteront
constantes si les objets sont suffisamment grands (On peut facilement visualiser cela avec un
bâtiment; la température de l'air extérieur n'est pas affectée de manière significative par le
transfert de chaleur à travers les murs du bâtiment car la masse de l'atmosphère est très
grande).
Si le matériau de la paroi est homogène, la répartition de la température, à l'état d'équilibre,
dans la paroi ressemblera éventuellement à celle indiquée dans la figure 1.28.b. La loi de
Fourier sur la conduction thermique stipule que le taux de transfert de chaleur par unité de
surface dans une substance homogène est directement proportionnel au gradient négatif de
dT 1 1
C = qc1 - qc 2 = (T1 - T ) - (T - T2 ) (1.39)
dt R1 R2
Ce système est analogue au circuit illustré à la figure 1.28.c, où les tensions v , v1 et v2 sont
analogues aux températures T , T1 et T2 . Notons que le courant i1 est analogue au débit de
chaleur dans la masse m par le chemin conducteur gauche et que le courant i2 est analogue
au débit de chaleur hors de la masse m par le chemin conducteur droit. Le courant i3 est le
courant net dans la capacité (i3 = i1 - i2 ) et augmente la tension v . Le courant i3 est analogue
au débit thermique net dans la masse m , ce qui augmente la température T de masse.
Résistances thermiques série et parallèle
Si la masse m de la paroi est très petite ou si la valeur de c p est si petite que le produit mc p
est négligeable, alors l a capacité thermique C est également très petite. En régime établi, on
peut avoir dT / dt = 0 . Dans ces deux cas, la masse absorbe une quantité négligeable
d'énergie calorifique. Par conséquent, le débit calorifique qc1 dans le chemin gauche doit être
1 1
qc1 = (T1 - T ) = qc 2 = (T - T2 ) (1.40)
R1 R2
T1 - T2 T - T2
qc1 = qc 2 = = 1 (1.42)
R1 + R2 R
Cette dernière solution montre que les résistances R1 et R2 sont équivalentes à la résistance
simple R = R1 + R2 .
Ainsi, les résistances thermiques sont en série si elles transmettent le même débit thermique;
dans ce cas, elles sont équivalentes à une résistance unique égale à la somme des résistances
individuelles.
On peut également montrer que les résistances thermiques sont en parallèle si elles
présentent la différence de température. Si tel est le cas, elles sont équivalentes à une seule
résistance donnée par,
1 1 1
= + + ... (1.43)
R R1 R2
En pratique, pour obtenir un modèle plus simple, la formule de résistance en série est parfois
utilisée même dans les applications où la capacité thermique n'est pas petite ou dans des
conditions transitoires.
Exemple 13. Bain de refroidissement
La dureté et d'autres propriétés d'un métal peuvent Tb
être améliorées par le refroidissement rapide qui se
produit lors de la trempe, un procédé dans lequel un To T
objet chauffé est placé dans un bain liquide (figure
1.29). Si la capacité thermique du bain liquide n'est pas
grande, l'énergie calorifique transférée du métal
modifiera la température du bain et nous aurons Figure 1.29. Bain de refroidissement.
besoin d'un modèle pour décrire sa dynamique.
La température To à l'extérieur du bain est supposée constante, et le débit de chaleur se
propage du métal vers le bain, T > Tb . La résistance de convection entre le métal et le bain
est R1 . La résistance de convection/conduction combinée de la paroi du bain et de la surface
du liquide est R2 . Les capacités du cube et du bain liquide sont respectivement C et Cb .
et pour le bain:
dTb 1
Cb = (T - Tb )
dt R1
Notons le signe opposé du débit de chaleur dans les deux équations, car le flux de chaleur
sortant du métal doit être identique à celui dans le bain.
Pour obtenir la représentation d'état, on prendra x1 = T et x2 = Tb , d’où:
1 1
x 1 = - x1 + x2
CR1 CR1
1 1
x 2 = x1 - x2
Cb R1 Cb R1
D’où
é 1 1 ù
ê- ú
é x 1 ù ê CR1 CR1 ú é x1 ù
ê ú=ê úê ú
ê x 2 ú ê 1 1 ú êë x2 úû
ë û ê - ú
ê Cb R1 C1 Rb úû
ë
2. bain avec perte de chaleur par rapport à l'environnement (c'est-à-dire, R2 est finie). Alors,
nous devons maintenant prendre en compte le débit de chaleur entrant ou sortant du bain.
Supposons que T > Tb > To , ainsi, la chaleur circule du métal dans le bain puis dans
l’environnement. De la conservation de l'énergie,
dT 1
C = - (T - Tb )
dt R1
dTb 1 1
Cb = (T - Tb ) - (Tb - To )
dt R1 R2
1 1
x 1 = - x1 + x2
CR1 CR1
1 1 æ1 1ö 1
x 2 = x1 - ççç + ÷÷÷ x2 + d
Cb R1 Cb è R1 R2 ø÷ Cb R2
D’où
é-1 / CR1 1 / CR1 ù
é x 1 ù ê ú é x1 ù é0 ù
ê ú=ê 1 / R1 + 1 / R2 ú ê ú + ê úd
ê x 2 ú ê 1 / Cb R1 - ú ê x2 ú ê1 / Cb R2 ú
ë û ê Cb ú ë û ë û
ë û
avec
é x1 ù éu1 ù é f1 ( x , u) ù é y1 ù éh1 ( x , u) ù
ê ú ê ú ê ú ê ú ê ú
ê x2 ú êu2 ú ê f2 ( x , u)ú ê y2 ú êh2 ( x , u) ú
x = êê úú Î R , u = êê úú Î R , f ( x , u) = êê ú ê ú ê ú
ú Î R , y = ê ú Î R , h( x , u) = ê úÎR
n m n p p
ê ú ê ú ê ú ê ú ê ú
êx ú êu ú ê f ( x , u)ú êy ú êh ( x , u)ú
êë n úû êë m úû ëê n ûú ëê p ûú êë p úû
df
f ( x) f ( x )+ ( x )( x - x ) (1.45)
dx
avec
é df1 df1
df1 ù
ê dx1 dx2 dxn ú
ê ú
ê df2 df2
df2 ú
df
( x ) = êê dx1 dx2 dxn ú
ú (1.46)
dx ê ú
ê ú
ê dfn dfn dfn ú
dx
êë dx1 dx2 ú
n û x=x
é dh1 dh1
dh1 ù é dh1 dh1
dh1 ù
ê dx1 dx2 dxn ú ê du1 du2 dum ú
ê ú ê ú
ê dh2
dx2n úú ê dh2
dh2 dh dh2 dh2 ú
dh ê dh ê dum ú
( x , u ) = ê dx1 dx2
ú , ( x , u ) = ê du1 du2
ú (1.48)
dx ê ú ú du ê úú
ê ê
ê dhp dhp dhp ú ê dhp dhp dhp ú
ê dx dxn ú ú ê du ú
ëê 1 dx2 û ( x ,u ) ëê 1 du2 dum ûú ( x ,u )
Le modèle ainsi formé est appelé modèle linéarisé du système (1.44) autour du point de
fonctionnement ( x , u ) .
x 1 = x12 + x1 x2
x 2 = x22 + x1 x2 - u
0 = x12 + x1 x2
0 = x22 + x1 x2 - 1
é ¶x1 ¶x1 ù
é ¶x1 ù
ê ¶x1 ¶ x2 ú é2x1 + x2 x1 ù é0ù
A= ê ú = ê ú , B = êê ¶u úú = ê ú
ê ¶x2 ¶x 2 ú ê x2 2x2 + x1 úû êë ¶u2 ûú( x ,u ) êë-1úû
¶x
êë ¶x1 ¶x2 úû x ,u ë
( )
. é1 0ù é0ù
x = ê ú x + ê ú u
ê1 2ú ê-1ú
ë û ë û
Pour le point ( x1 , x2 , u ) = (0,- 1,1) , la linéarisation est:
. é-1 0 ù é0ù
x = ê ú x + ê ú u
ê-1 -2ú ê-1ú
ë û ë û
%linéarisation du système de l'exemple 14
% variables d'état
syms x1 x2 u real;
% vecteur d'état
x= [x1; x2];
% eqs d'état du system non linéaire, dx/dt=f(x,u)
f1 = x1^2+x1*x2;
f2 = x2^2+x1*x2-u;
f=[f1; f2];
% calcul des jacobiennes
A.symbolic = jacobian(f, x)
B.symbolic = jacobian(f, u)
% points de fonctionnement.
% xbar = sym([0;1]);
xbar = sym([0;-1]);
ubar = sym(1);
% calcul des matrices A, B
A.algebraic = simplify(subs(A.symbolic,{x1 x2 u},[xbar(1) xbar(2) ubar]));
B.algebraic = simplify(subs(B.symbolic,{x1 x2 u},[xbar(1) xbar(2) ubar]));
% calcul des valeurs numeriques
A.eval = eval(A.algebraic);
B.eval = eval(B.algebraic);
y = l sin x1 = h( x )
é x 1 ù é f1 ( x , u) ù éê x2 ù
ê ú=ê ú = ê -bx - lmg sin x + u úú
ê ú ê ú
ë x 2 û ë f2 ( x , u)û êêë ú
2 1
J úû
y = h( x ) = l sin x1
ê 1 ú êJ ú
êë J J úû ë û
y = [l cos x1 0 ] x
Avec
é x1 ù é x1 - x1 ù
x = ê ú = ê ú , u = u - u = u, y = y - y = y - l sin x1
ê x2 ú ê x2 - x2 ú
ë û ë û
%linéarisation du pendule de l'exemple 15
% parametres
syms g l m b J real;
% variables d'état
syms x1 x2 u real;
% vecteur d'état
x= [x1; x2];
% eqs d'état du pendule, dx/dt = f(x,u)
f1 = x2;
f2 = (-m*l*g*sin(x1)-b*x2+u)/J;
f=[f1; f2];
% eqs de sortie du pendule, y = h(x,u)
h= l*sin(x1);
% calcul des jacobiennes
A.symbolic = jacobian(f, x)
B.symbolic = jacobian(f, u)
C.symbolic = jacobian(h, x)
D.symbolic = jacobian(h, u)
% points de fonctionnement.
% xbar = sym([0;0]);
xbar = sym([pi;0]);
% compute matrices A, B, C, D
A.algebraic = simplify(subs(A.symbolic,{x1 x2},[xbar(1) xbar(2)]));
B.algebraic = simplify(subs(B.symbolic,{x1 x2},[xbar(1) xbar(2)]));
C.algebraic = simplify(subs(C.symbolic,{x1 x2},[xbar(1) xbar(2)]));
D.algebraic = simplify(subs(D.symbolic,{x1 x2},[xbar(1) xbar(2)]));
Au point ( x , u ) = (0,0,0) , le modèle linéarisé est donné par les équations d'état:
é 0 1 ù é0ù
. ê ú ê ú
x = ê -gml -b ú x + ê 1 ú u
ê ú ê ú
ëê J J ûú ëJû
y = [l 0 ] x
é 0 1 ù é0ù
ê ú
x = ê gml -b ú x + êê 1 úú u
.
ê ú êJú
êë J J úû ë û
y = [-l 0 ] x
Lx 2 = E - Rx2 - x1 E
L
x1 C D
Cx1
x2 = Cx 1 + i = Cx 1 + h ( x1 )
a)
D'où i = h(x1 )
1 1
x 1 = - h ( x1 ) + x2 -1
R2
C C
1 R 1 x1
x 2 = - x1 - x2 + E a b c d
L L L
1
Si le point de fonctionnement est situé dans l'intervalle R1
0 = x2
k
0= g- ( x3 / x1 )2
m
R 1
0 = - x3 + u
L L
mg
D'où x2 = 0 , x3 = x1 = 0.97 A et u = Rx3 = 24.25V .
k
Le modèle linéaire autour du point ( x1 , x2 , x3 , u ) = (0.004,0,0.97,24.25)
x = Ax + Bu
y = Cx
Avec
é x1 ù é x1 - x1 ù é x1 - 0.004 ù
ê ú ê ú ê ú
x = êê x2 úú = êê x2 - x2 úú = êê x2 ú , u = u - u = u - 24.25, y = y - y = y - 0.004
ú
ê x ú ê x - x ú ê x - 0.97 ú
ë 3û ë 3 3û ë 3 û
é 0 1 0 ù
ê ú é 0 1 0 ù é 0 ù é 0ù
ê kx 2 ú
kx3 ú êê ú ê ú ê ú
A = êê2 33 0 -2 2ú
ú
= ê4873 0 -20ú , B = 0 ú = ê0ú ,C = [1 0 0 ]
ê
ê ú ê ú
ê mx1 mx1 ú ê
0 0 -50úû ê1 / L ú ê 2ú
ê 0 ú
0 -R / L ûú ë ë û ë û
ëê
d çæ ¶L ÷ö ¶L
ç ÷- = ui , i = 1..n (1.52)
dt çè ¶q i ø÷÷ ¶qi
Les énergies cinétique et potentielle du système pendule - chariot sont données par
1 1 1
EC = mV 2 + J q 2 + Mx 2
2 2 2 (1.53)
E p = mgl cos q
D'où
1 1
Ec = (m + M ) x 2 + (ml 2 + J )q 2 + mlq x cos q (1.55)
2 2
On procède aux calculs nécessaires,
¶L
= (m + M ) x + mlq cos q
¶x
(1.56)
¶ ¶L
= (m + M ) x + mlq cos q - mlq 2 sin q
¶t ¶x
¶L
Puisque = 0 , nous avons
¶x
¶ ¶L ¶L
- = F - Fc (1.57)
¶t ¶x ¶x
Donc
De même
¶L
= (ml 2 + J )q + mlx cos q
¶q (1.60)
¶ ¶L
= (ml 2 + J )q + mlx cos q - mlq x sin q
¶t ¶q
et
¶L
= -mlq x sin q + m lg sin q (1.61)
¶q
Avec,
¶ ¶L ¶L
- =0 (1.62)
¶t ¶q ¶q
On obtient:
ê ú=ê ( ) ( ) ê
ú+ê ú ( F - Fc ) (1.67)
ê qú ê ú ê2 2 -lm cos q ú
êë úû ( M +m) glm sin q l 2m2q 2 cos q sin q
ê l 2m2 (1-cos2 q)+mMl 2 + J (m+M ) - l 2m2 (1-cos2 q)+mMl 2 + J (m+M ) ú ë l m (1-cos q)+mMl + J (m+M ) úû
2 2
ë û
Si on considère le voisinage du point (0, 0, 0, 0) , q très petite, alors les approximations
cos q » 1 et sin q » q sont valides, d’où on obtient, en première approximation:
é ml 2 + J lm q. 2 q ù é ml 2 + J ù
é x ù ê ( 2 ) - gl 2m2q ú
ê ú = ê mMl + J (m+M ) mMl + J (m+M ) ú + êê mMl + J (m+M ) úú ( F - Fc )
2 2
Enfin, si on opère un développement de Taylor du premier ordre des termes non linéaires
autour du point d'équilibre (0,0,0,0) , nous aurons les équations d'état linéaires du système
pendule - chariot données par:
é0 0ù
ú é x1 ù éê ù é ù
1 0 0 0
é x 1 ù ê ú ê ú
ê ú ê gl 2m2 ú ê ú ê ml 2 + J ú ê ml + J ú
0 -
2
ê x 2 ú ê0 0ú ê x ú ê 2
ê ú=ê mMl 2 + J (m+ M )
ú ê 2 ú + ê mMl + J (m+M ) úú u - êê mMl + J (m+M ) úú Fc
2
ê x ú ê0 (1.70)
ê 3ú ê 0 0 1 úú êê x3 úú ê 0 ú ê 0 ú
ê x ú ê ú ê x ú êê ú ê ú
0ú êë 4 úû ëê mMl 2 + J (m+M ) ûúú ê 2 ú
( M +m) glm -lm -
êë 4 úû ê0 0 ê
lm
úû
ë mMl 2 + J (m+ M ) û ë mMl + J ( m+ M )
Pour les valeurs des paramètres physiques M = 2Kg , m = 0.1Kg , l = 0.5m, g = 9.81m / sec2 et
Chapitre 2
Changement de représentation
1. Introduction
A l'issu du premier chapitre, nous vu que les systèmes LTI peuvent être représentés par des
équations différentielles, par des fonctions de transfert et par les équations d'état. Dans
beaucoup de situations il est utile de changer de représentation, c-à-d passer de l'une de ces
représentations vers une autre, et ceci pour les besoins du calcul ou pour révéler des
propriétés qui n'apparaissent que dans la représentation en question.
L'objectif de ce chapitre est de détailler et de mettre en œuvre les méthodes de calcul qui
permettent le passage:
1. de l'équations différentielle vers la représentation d'état
2. de la fonction de transfert vers la représentation d'état
3. de la représentation d'état vers la fonction de transfert
4. d'une représentation d'état quelconque vers une représentation d'état canonique.
2. Définitions
Soit le système défini par les équations d'état:
x = Ax + Bu
(2.1)
y = Cx + Du
avec
li I - A = 0, i = 1,2,..., n (2.4)
Les racines li , i = 1,.., n sont appelées valeurs propres de la matrice A (ou valeurs propres du
système (2.1)). On notera les propriétés suivantes:
N. Goléa © 2019 1
35
- tr ( A) = l1 + l2 + ... + ln .
- A = l1l2 ...ln-1ln
Définition 3. Zéros
zi est un zéro du système (2.1), ssi, il est solution du déterminant:
zi I - A -B
=0 (2.5)
C D
N. Goléa © 2019 2
36
Matlab offre plusieurs commandes pour le calcul des valeurs propres et des zéros d'un
système comme indiquer sur la figure 2.1. On peut calculer les valeurs propres de A avec la
commande eig. On peut aussi passer par le calcul du polynôme caractéristique de A avec la
commande poly, puis calculer les racines du polynôme caractéristique avec la commande
roots. Une autre façon de faire est de définir un objet système sys, puis calculer ses zéros
avec la commande zero et calculer ses valeurs propres avec la commande pole. Il est
possible aussi de calculer les valeurs propres et les zéros du système avec la commande
pzmap.
y (n) + a1 y (n-1) + a2 y (n-2) + ... + an-1 y + an y = b0u( n) + b1u(n-1) + ... + bn-1u + bnu (2.6)
Notons que, que si u(t ) est causal, alors la connaissance de y(0), y (0),, y (n-1) (0) et de
l'entrée u(t ) pour t ³ 0 détermine complètement le comportement futur du système.
Nous commencerons par un cas plus simple, celui d'un système sans zéros, avant d'attaquer
le cas général.
3.1 Système d'ordre n sans zéros
Considérons le système LTI représenté par une équation différentielle d'ordre n :
N. Goléa © 2019 3
37
Avec les n variables d'état sélectionnées comme: x1 = y , x2 = y ,..., xn-1 = y ( n-2) , xn = y (n-1) ,
l'équation (2.7) peut être écrite comme:
x 1 = x2
x 2 = x3
(2.8)
xn-1 = xn
x n = -an x1 - ... - a1 xn + bu
y = x1
é x1 ù
ê ú
ê x2 ú
ê ú
y = [1 0 0 0 ] êê úú
êx ú
ê n-1 ú
êx ú
êë n úû
Notons que la matrice D dans l'équation (2.9) est égale à zéro.
Exemple 3. Soit le système décrit par:
% Code Matlab
y ( 4) + 2 y(3) - y (2) + 3 y - 12 y = -3u %eq diff
a1=2;a2=-1;a3=3;a4=-12;b=-3;
Avec les variables d'état: x1 = y , x2 = y , A=[0 1 0 0;
0 0 1 0;
x3 = y, x4 = y (3) , on peut écrire: 0 0 0 1;
-a4 –a3 –a2 –a1];
x 1 = x2 B=[0 0 0 b]';
x 2 = x3 C=[1 0 0 0]; D=0;
Syst=ss(A,B,C,D)
x 3 = x4
x 4 = y (4) = -2 y (3) + y (2) - 3 y + 12 y - 3u
= 12x1 - 3x2 + x3 - 2x4 - 3u
y = x1
Soit sous la forme matricielle:
é x 1 ù é 0 1 0 0 ù é x1 ù é 0 ù
ê ú ê úê ú ê ú
ê x 2 ú ê 0 0 1 0 ú ê x2 ú ê 0 ú
ê ú ê ú ê ú + ê úu
ê ú=ê 0 1 úú êê x3 úú êê 0 úú
ê x3 ú ê 0 0
ê x ú ê12 -3 1 -2úûú êëê x4 úûú êëê-3úûú
ëê 4 ûú ëê
y = [1 0 0 0 ] x Figure 2.2. Exemple 3: a) script Matlab, b) Simulink.
avec la matrice D = 0 .
N. Goléa © 2019 4
38
3.2 Système d'ordre n avec zéros
Pour simplifier la démonstration, on considère un système LTI d'ordre 4 représenté par une
équation différentielle:
Le problème principal dans la définition des variables d'état dans ce cas est la présence des
termes dérivées de l'entrée du côté droit de l'équation (2.10). Le choix des variables d'état
doit éliminer les dérivées de u des équations d'état.
a. Forme contrôlable
On définit la variable auxiliaire v tel que:
et
x 1 = x2
x 2 = x3
(2.13)
x 3 = x4
x 4 = v(4) = -a4v - a3v - a2v(2) - a1v(3) + u = -a4 x1 - a3 x2 - a2 x3 - a1 x4 + u
Les équations (2.13) et (2.14) peuvent être mises sous la forme matricielle:
é x 1 ù é 0 1 0 0 ù é x1 ù é0ù
ê ú ê úê ú ê ú
ê x 2 ú ê 0 0 1 0 ú ê x 2 ú ê0 ú
ê ú=ê úê ú ê ú
ê x ú ê 0 0 0 1 ú ê x ú + ê0 ú u
ê ú ê 3 ú ê 3ú ê ú
ê x ú ê-a -a -a -a ú ê x ú ê1 ú
êë 4 úû êë 4 3 2 1 ûú êë 4 úû ëê úû (2.16)
é x1 ù
ê ú
ê x2 ú
y = éë(b4 - b0a4 ) (b3 - b0a3 ) (b2 - b0a2 ) (b1 - b0a1 )ùû êê úú + b0u
ê x3 ú
êx ú
êë 4 úû
Remarque 1. La représentation (2.14) est appelée forme canonique contrôlable ou forme
compagne ligne (puisque la dernière ligne de la matrice A est composée des cœfficients du
polynôme caractéristique). Si on inverse la numérotation des variables d'état, on abouti à une
deuxième forme compagne ligne avec les coefficients du polynôme caractéristique sur la
première ligne de A .
Remarque 2. Si b0 = 0 , alors (2.16) se réduit à:
N. Goléa © 2019 5
39
é x 1 ù é 0 1 0 0 ù é x1 ù é0ù
ê ú ê úê ú ê ú
ê x 2 ú ê 0 0 1 0 ú ê x 2 ú ê0 ú
ê ú=ê ú ê ú + ê úu (2.17)
ê x ú ê 0 0 0 1 úú êê x3 úú êê0úú
ê 3ú ê
ê x ú ê-a -a -a -a ú ê x ú ê1 ú
êë 4 úû êë 4 3 2 1 úû êë 4 úû êë úû
x1 = ò (b4u - a4 y )
x2 = ò ((b3u - a3 y ) + x1 )
(2.20)
x3 = ò ((b2u - a2 y ) + x2 )
x4 = ò ((b1u - a1 y ) + x3 )
N. Goléa © 2019 6
40
x 1 = -a4 y + b4u
x 2 = -a3 y + b3u + x1
(2.22)
x 3 = -a2 y + b2u + x2
x 4 = -a1 y + b1u + x3
é x 1 ù é0 0 0 -a4 ù é x1 ù é b4 ù
ê ú ê úê ú ê ú % eq diff vers forme observable
ê x 2 ú ê1 0 0 -a3 ú ê x2 ú ê b3 ú
ê ú=ê ú ê ú + ê úu a1=2;a2=-1;a3=3;a4=-12;
ê x ú ê0
ê 3ú ê 1 0 -a2 úú êê x3 úú êê b2 úú (2.23) b0=2;b1=-2;b2=4;b3=-5;b4=-3;
ê ú ê 0 1 -a1 ûúú ëêê x4 ûúú ëêê b1 ûúú
A=[0 0 0 -a4;
ëê x 4 ûú ëê0 1 0 0 –a3 ;
y = [0 0 0 1] x 0 1 0 -a2 ;
0 0 1 –a1];
Exemple 5. Soit le système de C=[0 0 0 1]; D=b0;
B=[b4-b0*a4 b3-b0*a3 b2-b0*a2 b1-b0*a1]';
l'exemple 4. Après calcul nous avons:
Syst=ss(A,B,C,D)
x 1 = 12x4 + 21u
x 2 = -3x4 + x1 - 11u
x 3 = x4 + x2 + 6u
x 4 = -2x4 + x3 - 6u
N. Goléa © 2019 7
41
é x 1 ù é0 0 0 12 ù é x1 ù é 21 ù
ê ú ê úê ú ê ú
ê x 2 ú ê1 0 0 -3ú ê x2 ú ê-11ú
ê ú=ê úê ú+ê úu
ê x ú ê0 1 0 1 úú êê x3 úú êê 6 úú
ê 3ú ê
ê x ú ê0 0 1 -2úûú êêë x4 úúû êëê -6 úûú
êë 4 úû êë
y = [0 0 0 1] x + [ 2 ]u
Dans ce qui suit, nous donnerons la représentation d'état de (2.25) dans les formes
canoniques suivantes : contrôlable, observable et modale.
4.1 Forme contrôlable
Pour le système (2.25), nous introduisons la variable auxiliaire (état partiel) V ( s) tel que:
D( s)V ( s) = U ( s) (2.26)
N ( s)V ( s) = Y ( s) (2.27)
U (s ) 1 V (s ) Y (s )
4 3 2 b0s 4 + b1s 3 + b2s 2 + b3s + b4
s + a1s + a 2s + a 3s + a 4
s 4V ( s) + a1 s 3V ( s) + a2 s 2V ( s) + a3 sV ( s) + a4V ( s) = U ( s) (2.28)
= -a1 X4 ( s) - a2 X3 ( s) - a3 X2 ( s) - a4 X1 ( s) + U ( s)
N. Goléa © 2019 8
42
Y ( s) = b0 s 4V ( s) + b1 s 3V ( s) + b2 s 2V ( s) + b3 sV ( s) + b4V (s)
= b0 (-a1 X4 ( s) - a2 X3 ( s) - a3 X2 (s) - a4 X1 ( s) + U (s)) (2.30)
+b1 X4 ( s) + b2 X3 ( s) + b3 X2 (s) + b4 X1 (s)
N. Goléa © 2019 9
43
et
y = x4 + b0u (2.42)
N. Goléa © 2019 10
44
é x 1 ù é0 0 0 12 ù é x1 ù é21 ù
ê ú ê úê ú ê ú
ê x ú ê1 0 0 -3ú ê x2 ú ê-11ú
ê 2ú = ê úê ú+ê úu
ê x 3 ú ê0 1 0 1 úú êê x3 úú êê6 úú
ê ú ê
ê ú ê 0 1 -2úûú ëêê x4 ûúú êëê-6 úûú
êë x 4 úû êë0
y = [0 0 0 1] x + [ 2 ]u
c1 = lim ( s + 2)G( s) = 2
s-2
c 3 = lim ( s + 3)G( s) = 6
s-2
c 4 = lim ( s - 4)G( s)
s-2
N. Goléa © 2019 11
45
1
X1 ( s) = U ( s)
( s + 2)
1
X2 ( s) = U ( s)
( s - 2)
(2.48)
1
X3 ( s) = U ( s)
( s + 3)
1
X4 ( s) = U ( s)
( s - 4)
Ce qui donne pour la sortie:
Y ( s) = 2U ( s) + 2X1 ( s) - 4 X2 ( s) + 6 X3 ( s) + 3X4 ( s) (2.49)
Les pôles du système sont: un pôle triple p1 = -2 et deux pôles simples p2 = -3, p3 = -1 .
N. Goléa © 2019 12
46
avec
c0 = lim G( s) = 2
s¥
c1 = lim ( s + 2) G( s) = -3
3
s-2
d ( s + 2) G( s)
3
c 2 = lim = -2
s-2 ds (2.54)
d 2 ( s + 2) G( s)
3
c 3 = lim = -2
s-2 ds2
c 4 = lim ( s + 3)G( s) = 3
s-3
c 5 = lim ( s + 1)G( s) = 2
s-1
D'où:
Y ( s) 3 2 1 3 2
= 2+ 3 + 2 + - - (2.55)
U( s) ( s + 2 ) ( s + 2) s + 2 s + 3 s + 1
Soit encore:
3 2 1 3 2
Y ( s) = 2U( s) + 3 U ( s) + 2 U ( s) + U( s) - U( s) - U( s) (2.56)
( s + 2 ) ( s + 2 ) ( s + 2 ) ( s + 3) ( s + 1)
N. Goléa © 2019 13
47
Ce qui produit les équations d'état:
é x ù é-2 1 0 0 0ù é x1 ù é0ù
ê 1ú ê úê ú ê ú
ê x 2 ú ê 0 -2 1 0 0 ú ê x 2 ú ê0 ú
ê ú ê úê ú ê ú
ê x ú = ê 0 0 -2 0 0úú êê x3 úú + êê1 úú u
ê 3ú ê (2.61)
ê x ú ê 0 0 0 -3 0úú êê x4 úú êê1 úú
ê 4ú ê
ê x ú ê 0 1 úûú êëê x5 úûú êëê1 úûú
ëê 5 ûú ëê 0 0 0
y = [ 3 2 1 -3 -2] x + 2u
N. Goléa © 2019 14
48
fonction de transfert:
2s + 4
Y1 ( s) = U ( s) (2.68)
s 2 + 2s + 2
Ce qui donne pour la sortie:
Y ( s) = 2U ( s) + 2X1 ( s) - 6 X2 ( s) + Y1 ( s) (2.69)
La sous-fonction de transfert des pôles complexes peut facilement se mettre sous la forme
observable:
é x 3 ù é0 -2ù é x3 ù é4 ù
ê ú=ê ú ê ú + ê úu
ê x 4 ú ê1 -2ú ê x4 ú ê 2ú
ë û ë ûë û ë û (2.70)
é x3 ù
y1 = [0 1] ê ú = x4
ê x4 ú
ë û
et
y = 2x1 - 6 x2 + x4 + 2u (2.71)
Pour obtenir la fonction de transfert de (2.73), nous supposons que x(0) = 0 . Ainsi, nous
avons
( sI - A) X ( s) = BU ( s) (2.74)
Comme ( sI - A) est toujours inversible, la multiplication des deux côtés (2.74) par ( sI - A)-1
donne:
X ( s) = ( sI - A)-1 BU ( s) (2.75)
N. Goléa © 2019 15
49
Notons que (2.77) peut être réécrite comme : % des eqs d'état vers G(s)
n=2
adj[ sI - A] A=[4 2; 2 1];B=[1 1]';C=[0 2];D=1;
G( s) = C B+ D (2.78) % calcul numérique
sI - A [num,den]=ss2tf(A,B,C,D)
G=tf(num,den)
Exemple 11. Fonction de transfert à partir des % calcul symbolique
équations d'état syms s
Soit le système donné par: G=C*inv(s*eye(n)-A)*B+D
simplify(G)
é4 2ù é1ù >>
A= ê ú , B = ê ú , C = [ 0 2 ], D = 1 G=(s^2-3*s-4)/(s*(s-5))
ê 2 1ú ê1ú
ë û ë û
Figure 2.8. Exemple 11: fonction de transfert.
Les calculs sont comme suite:
és - 4 -2 ù
[ sI - A] = êê ú
ë -2 s - 1úû
s-4 -2
sI - A = = s ( s - 5)
-2 s -1
é s -1 2 ù
adj [ sI - A] = ê ú
ê 2 s - 4 úû
ë
Enfin,
és -1 2 ù é1ù
[0 2] êê úê ú
adj [ sI - A] ë 2 s - 4 úû êë1úû 2( s - 2) ( s + 1)( s - 4)
G ( s) = C B+ D = +1 = +1 =
sI - A s ( s - 5) s ( s - 5) s ( s - 5)
é x ù é- 1 - C11 ù é x1 ù é RC1 1 ù
0
ê 1 ú êê RC1 úê ú ê ú
ê ú 1 úê ú ê ú
ê x2 ú = ê 0 0 C2 ú ê x 2 ú + ê 0 ú u
ê x ú êê 1 - L1
ú ê ú
0 ûú ëê x3 ûú ëê 0 ûú
ë 3û ë L
é x1 ù
ê ú
y = [1 -1 0 ] êê x2 úú
êx ú
ë 3û
Sa fonction de transfert se calcule comme suit:
N. Goléa © 2019 16
50
é s + RC1 0 ù 1
ê 1 ú C1
[ sI - A ] = êê 0 s - úú 1
C2
ê -1 1
s úû
ë L L
% G(s) exemple 12
1 2 1 æç 1 1ö 1
sI - A = s3 + s + çç + ÷÷÷ s + n=3
RC1 L è C1 C2 ø÷ LRC1C2 syms s R C1 C2 L real
A=[-1/(R*C1) 0 -1/C1;
é s2 + 1 1
- Cs1 ù
ê LC2 LC1 ú 0 0 1/C2;
ê ú 1/L -1/L 0];
C2 ( s + RC1 )
ê
adj[ sI - A ] = LC2 1
s2 + RC1 1 s + LC1 1 1 1 ú
ê ú B=[1/(R*C1) 0 0]';C=[1 -1 0];D=0;
ê 1 ú G=C*inv(s*eye(n)-A)*B+D
ê Ls - L1 ( s + RC1 1 ) s + RC1 s ú
2 1
ë û expand(G)
>>
D'où: G=(C2*L*s^2)/(C1*C2*L*R*s^3
+C2*L*s^2 +(C1+C2)*R*s+1)
é s2 + 1 ù
ê LC2 ú
Figure 2.9. Exemple 12: fonction de transfert.
1 ê 1 ú
adj[ sI - A] B = RC1 ê LC2 ú,
ê ú
ê s1 ú
ëê L ûú
é s2 + 1 ù
ê LC2 ú
ê 1 ú
Cadj[ sI - A] B = RC1 [1 -1 0 ] ê LC2
1
ú= s2
RC1
ê ú
ê1 s ú
ëê L ûú
Enfin:
1
RC1 s2
G( s) =
s 3 + RC1 1 s 2 + L1 ( C11 + C12 ) s + LRC11C2
N. Goléa © 2019 17
51
é s 2 + 1 bs - rkb s 0 ù
ê J L ú
ê rkm ú
adj [ sI - A] = ê J s s +Ls
2 R
0 ú
ê ú
ê rkm s+ L R
s + ( L + J ) s + JL ( Rb + r kb km )úú
2 R b 1 2
êë J û
C.adj [ sI - A] = éê Jm
ë
rk
s + RL s 2 + ( LR + Jb ) s + JL
1
( Rb + r 2kbkm )ùúû
La fonction de transfert entrée-sortie:
Y ( s ) C .adj [ sI - A] B rkm
Gyu ( s ) = = = JL
U ( s) sI - A (
s s 2 + ( RL + Jb ) s + Rb+JL
r 2kb km
)
La fonction de transfert perturbation-sortie:
Y ( s ) C.adj [ sI - A] Bd - 1J ( s + RL )
Gyd ( s ) = = =
D ( s) sI - A (
s s 2 + ( RL + Jb ) s + Rb+JL
r 2kb km
)
Ainsi, la sortie est définie comme:
Y ( s ) = Gyu ( s )U ( s ) + Gyd ( s ) D ( s )
rkm
- 1J ( s + RL )
= JL
U ( s) + D( s)
(
s s 2 + ( RL + Jb ) s + Rb+JL ) (
s s 2 + ( RL + Jb ) s + Rb+JL )
2 2
r kb km r kb km
N. Goléa © 2019 18
52
Le système (2.81) s'écrit alors comme:
z = Az + Bu
(2.83)
y = Cz + Du
qui est bien une représentation d'état.
Ainsi, un système linéaire possède autant de représentations d'état qu'il existe de matrices de
passage T . Bien sûr certaines représentations sont préférables suivant l'application visée.
Remarque 5. Si nous disposons de deux représentations d'état données par (2.79) et (2.83),
sensées représenter un même système, la matrice de passage qui relie ces deux
représentations peut être obtenue en résolvant le système d'équations algébriques:
T A = AT
TB = B (2.84)
C = CT
où les n2 inconnues sont les coefficients tij de la matrice de passage T . Puisque ce système
d'équations est linéaire en les coefficients tij , sa résolution est aisée.
z = Az + Bu (2.86)
avec
é 0 1 0 0 ù é0 ù
ê ú ê ú
ê 0 0 1 0 ú ê0 ú
A = êê ú ,B = ê ú (2.87)
ê 0 0 0 1 úú ê0 ú
ê ú
ê-a -a -a -a ú ê1ú
êë 4 3 2 1 ûú êë ûú
N. Goléa © 2019 19
53
-a4t4 = At1
t1 - a3t4 = At2
(2.89)
t2 - a2t4 = At3
t3 - a1t4 = At4
et
t4 = B (2.90)
= a3 B + a2 AB + a1 A2 B + A3 B
ê a1 ú ê1ú
ê1ú ê0ú
ëê ûú ëê ûú
(2.92)
é a1 ù é 1ù
ê ú ê ú
3 ùê ú
ê1ú ê0ú
3 ùê ú
é é
t3 = ë B AB A B A Bû ê ú , t4 = ë B AB A B A Bû ê ú
2 2
ê0ú ê0ú
ê0ú ê0ú
ëê ûú êë úû
En utilisant le résultat (2.92), la matrice T peut être écrite comme:
é a3 a2 a1 1ù
ê ú
ê a2 a1 1 0ú
T = éë B AB A B A Bùû êê
2 3 ú (2.93)
ê a1 1 0 0úú
ê1 0úúû
êë 0 0
N. Goléa © 2019 20
% calcul numérique 54
n=3
é 1ù
ê ú A=[1 0 2; 1 -1 1; 0 -1 0];
t3 = B = êê 0úú B=[1 0 1]';C=[0 1 0];D=0;
ê 1ú % formules (2.82) et (2.93)
ë û M=[B A*B A^2*B]; M=ctrb(A,B); det(M)
a=poly(A); a(1)=[];
Donc: W=[a(2) a(1) 1; a(1) 1 0;1 0 0]
é 3ù T=M*W
ê ú Ab=T\A*T;Bb=T\B;Cb=C*T;
t2 = a1 B + AB = êê 2úú % commande ss2ss
ê 0ú Sys = ss(A,B,C,D);
ë û Sysb=ss2ss(Sys,inv(T))
é 3ù % calcul symbolique
ê ú A=sym([1 0 2; 1 -1 1; 0 -1 0]);
t1 = a2 B + A ( a1 B + AB) = êê 1 úú B=sym([1 0 1]'); C=sym([0 1 0]);
ê-2ú D=sym(0);
ë û
M=[B A*B A^2*B]; det(M)
Ainsi nous avons a=sym(charpoly(A)); a(1)=[];
W=[a(2) a(1) 1; a(1) 1 0; 1 0 0]
é 3 3 1ù T=M*W
ê ú
T = êê 1 2 0úú
Ab=T\A*T;Bb=T\B;Cb=C*T;
ê-2 0 1ú Figure 2.11. Exemple 14: forme contrôlable.
ë û
D'une manière directe, on peut montrer que:
é a2 a1 1ù é 1 3 3 ù é 0 0 1 ù é 3 3 1ù
ê ú ê úê ú ê ú
T = éë B AB A Bùû êê a1
2
1 0úú = êê 0 2 1 úú êê 0 1 0úú = êê 1 2 0úú
ê1 0 0úû êë 1 0 -2úû êë 1 0 0úû êë-2 0 1úû
ë
On vérifie que:
é 2 -3 -2ù é 1 0 2ù é 3 3 1ù é 0 1 0ù
1 êê úê úê ú ê ú
-1
A = T AT = ê-1 5 1 úú êê 1 -1 1úú êê 1 2 0úú = êê 0 0 1úú
7ê úê úê ú ê ú
ë 4 -6 3 û ë 0 -1 0û ë-2 0 1û ë-1 0 0û
é 2 -3 -2ù é 1ù é 0ù
1 êê úê ú ê ú
-1
B = T B = ê-1 5 1 úú êê 0úú = êê 0úú
7ê úê ú ê ú
ë 4 -6 3 û ë 1û ë 1û
é 3 3 1ù
ê ú
C = CT = [ 0 1 0 ] êê 1 2 0úú = [1 2 0 ]
ê-2 0 1ú
ë û
Sous Matlab, on peut programmer les formules de transformation ou utiliser la commande
ss2ss. Il faut remarquer que Matlab utilise la relation z = Tx , soit x = T -1 z , aussi pour un
résultat correct, on doit fournir la matrice inverse T -1 . Noter que la matrice peut être
calculée directement avec la commande M=ctrb(A,B). Le calcul numérique produit un
résultat avec les erreurs d'arrondi, alors que le calcul symbolique produit exactement le
résultat obtenu manuellement.
Exemple 15. Soit le système:
é0 1 0ù é0ù
ê ú ê ú
A = êê 0 0 1úú , B = êê 0úú , C = [1 1 0 ]
ê-2 -1 5ú ê 1ú
ë û ë û
N. Goléa © 2019 21
55
La matrice de contrôlabilité est donnée par:
é0 0 1 ù
ê ú
é 2 ù
M = ëê B AB A B ûú = êê0 1 5 úú
ê1 5 24 ú
ë û
Comme M = -1 ¹ 0 , on peut opérer le passage vers la forme contrôlable.
Ce résultat était prévisible puisque le système est déjà sous la forme contrôlable.
Généralisation. Pour généraliser le résultat précédent, on considère le système (2.79)
d'ordre n . Le polynôme caractéristique de la matrice A est donné par:
l I - A = l n + a1l n-1 + a2l n-2 + ... + an-1l + an (2.94)
M = éë B AB A n-1 Bùû ,
é an-1 an-2 a1 1ù
ê ú
ê an-2 a1 1 0ú
ê ú (2.96)
W = êê 0 úú
ê a 1 ú
ê 1 ú
ê 1 0 0 0úûú
ëê
Remarque 6. Pour que T soit inversible, il faut que M (appelée matrice de contrôlabilité)
soit inversible, car W est, d'après sa structure, toujours inversible.
6.2 Forme observable
Pour commencer, considérons le système (2.79) d'ordre 4. La forme observable
N. Goléa © 2019 22
56
correspondante est donnée par:
z = Az + Bu
(2.97)
y = Cz
avec
é0 0 0 -a4 ù
ê ú
ê1 0 0 -a3 ú
A = êê ú , C = [ 0 0 0 1] (2.98)
ê0 1 0 -a2 úú
ê0 0 1 -a1 úûú
ëê
D'un autre côté, nous pouvons écrie (2.82) comme:
AT -1 = T -1 A
(2.99)
CT -1 = C
N. Goléa © 2019 23
57
é C ù é C ù
ê ú ê ú
ê CA ú ê CA ú
t1 = [ a3 a2 a1 1] êê 2 úú , t2 = [ a2 a1 1 0 ] êê 2 úú
êCA ú êCA ú
ê 3ú ê 3ú
êëCA úû êëCA úû
(2.104)
é C ù é C ù
ê ú ê ú
ê CA ú ê CA ú
t3 = [ a1 1 0 0 ] ê 2 ú , t4 = [1 0 0 0 ] ê 2 úú
ê ú ê
êCA ú êCA ú
ê 3ú ê 3ú
ëêCA ûú ëêCA ûú
En utilisant le résultat (2.104), la matrice T -1 peut être écrite comme:
éa3 a2 a1 1 ù êé C úù
ê ú
êa2 a1 1 0ú êê CA úú
T -1 = êê ú = WN T (2.106)
ê a1 1 0 0úú êêCA2 úú
ê1 ê ú
ëê 0 0 0úûú êCA3 ú
ë û
-1 -1
Remarque 7. Pour que la matrice T = (WN T ) = ( N T ) W -1 existe, il faut que N T (matrice
d'observabilité transposé) soit inversible, car W est, d'après sa structure, toujours inversible.
Exemple 16. Soit le système:
é0 1 0ù é0ù
ê ú ê ú
ê
A=ê 0 0 1ú , B = êê 0úú , C = [1 1 0 ]
ú
ê-2 -1 5ú ê 1ú
ë û ë û
La matrice NT est donnée par:
é C ù é 0 1 0ù
ê ú ê ú
N = êê CA úú = êê 1 -1 1úú
T
êCA 2 ú ê 0 0 1ú
ë û ë û
avec le déterminant NT = -1 .
ê 1 0 0 ú ê 0 0 1ú ê 0 1 0 ú
ë ûë û ë û
é-1 1 1ù
ê ú
T = êê 0 0 1úú
ê 1 0 0ú
ë û
N. Goléa © 2019 24
58
On peut facilement vérifier que: % calcul numérique
n=3
é0 0 -1ù A=[0 1 0; 0 0 1; -2 -1 5];
ê ú B=[0 0 1]';C=[1 1 0]; D=0;
A = T AT = êê 1
-1
0 0 úú % formules (2.82) et (2.106)
ê0 1 0 úû NT=[C; C*A; C*A^2]; NT=obsv(A,C);
ë
det(NT)
C = CT = [ 0 0 1] a=poly(A); a(1)=[];
W=[a(2) a(1) 1; a(1) 1 0; 1 0 0]
Exemple 17. Soit le système: Tinv=W*NT; T=inv(Tinv)
Ab=Tinv*A*T;Bb=Tinv*B;Cb=C*T;
é0 1 0ù é0ù % commande ss2ss
ê ú ê ú
A = êê 0 0 1úú , B = êê 0úú , C = [1 1 0 ] Sys = ss(A,B,C,D);
Sysb=ss2ss(Sys,Tinv)
ê-2 -1 5ú ê 1ú
ë û ë û % calcul symbolique
A=sym([0 1 0;0 0 1;-2 -1 5]);
Après calcul, nous avons: B=sym([0 0 1]'); C=sym([1 1 0]);
D=sym(0);
é C ù
ê ú é1 1 0ù NT=[C; C*A; C*A^2]; det(NT)
ê CA ú ê ú a=sym(charpoly(A)); a(1)=[];
N = êê 2 úú = êê 0
T
1 1úú , W=[a(2) a(1) 1; a(1) 1 0; 1 0 0]
êCA ú ê-2 -1 6 ú Tinv=W*NT; T=inv(Tinv)
êCA 3 ú ë û
ëê ûú Ab=Tinv*A*T;Bb=Tinv*B;Cb=C*T;
é a2 a1 1ù é 1 -5 1ù Figure 2.12. Exemple 17: forme observable.
ê ú ê ú
W = êê a1 1 0úú = êê-5 1 0úú
ê 1 0 0ú ê 1 0 0úû
ë û ë
La matrice de transformation inverse est :
é 1 -5 1ù é 1 1 0ù é-1 -5 1ù é-1 -5 1ù é-1 1 -1 ù
ê úê ú ê ú ê ú 1 êê ú
T -1 ê ú
= ê-5 1 0ú ê 0ê 1 1ú = ê-5 -4 1ú , T = ê-5 -4 1ú = - ê 1 -1 -4 úú
ú ê ú ê ú
ê1 5ê
ë 0 0úû êë-2 -1 6 úû êë 1 1 0úû ê1
ë 1 0úû ú
ë-1 -4 -21û
On peut vérifier que:
é-1 -5 1ù é 0 1 0ù é-1 1 -1 ù é 0 0 -2ù
ê úê ú -1 ê ú ê ú
A = T AT = êê-5 -4 1úú êê 0
-1
0 1úú ê 1 -1 -4 ú = ê 1 0 -1ú
ê ú ê ú
ê1 1 0 ú ê-2 -1 5ú 5 ê-1 -4 -21ú ê 0 1 5 ú
ë ûë û ë û ë û
é-1 -5 1ù é 0ù é 1ù
ê úê ú ê ú
B = T -1 B = êê-5 -4 1úú êê 0úú = êê 1úú
ê1 1 0úû êë 1úû êë 0úû
ë
é-1 1 -1 ù
-1 êê ú
C = CT = [1 1 0 ] ê 1 -1 -4 úú = [ 0 0 1]
5 ê ú
ë-1 -4 -21û
Généralisation
Pour généraliser le résultat précédent, on considère le système d'ordre n donné par:
x = Ax + Bu
(2.107)
y = Cx + Du
N. Goléa © 2019 25
59
Sa transformation sous la forme observable (ou forme compagne colonne) via la matrice T
donne la forme suivante:
z = Az + Bu
(2.109)
y = Cz + Du
avec
é0 0 0 -an ù
ê ú
ê1 0 0 -an-1 ú
ê ú
A = êê 0 1 -an-2 úú , C = [ 0 ... 0 1] (2.110)
ê 0 úú
ê
ê0 -a1 úûú
ëê 0. 1
-1
La matrice de transformation est donnée par la formule: T = (WNT ) , avec W déjà définie
dans (2.96), et:
é C ù
ê ú
ê CA ú
ê ú
N T = êê CA2 úú
ê ú
ê ú
ê n-1 ú
êëCA úû
(2.111)
Remarque 8. Pour que T soit inversible, il faut que N T (appelée matrice d'observabilité
transposée) soit inversible.
6.3 Forme modale
La forme modale est intéressante du fait qu'elle met en évidence les valeurs propres (modes)
du système et facilite ainsi l'étude de la stabilité. Elle facilite aussi l'étude des propriétés de
contrôlabilité et d'observabilité du système (comme on le verra par la suite).
a. Valeurs propres simples
Considérons le système linéaire d'ordre n donné par:
.
x = Ax + Bu (2.112)
Si ce système possède n valeurs propres distinctes l1 , l2 ,.., ln , données par la solution de:
Alors, les vecteurs propres associés à ces valeurs propres vérifiés les équations suivantes:
Avi = li vi , i = 1..n (2.114)
Remarque 10. Le rang de la matrice [ A - li I ] est égal à (n- 1) , donc il y a (n- 1) solutions
N. Goléa © 2019 26
60
possibles, et comme les valeurs propres l1 , l2 ,.., ln sont distinctes, alors les vecteurs propres
v1 , v2 ,.., vn sont linéairement indépendants.
Cette forme est appelée aussi forme diagonale, puisque, comme A a n valeurs propres
distinctes, elle peut être transformée sous forme diagonale.
Plusieurs méthodes analytiques et numériques sont disponibles pour calculer les vecteurs
propres. Dans ce qui suit, on développera la méthode analytique directe et la méthode basée
sur la matrice adjointe.
Exemple 18. Soit le système donné par:
é-1 1ù é 1ù
A=ê ú , B = ê ú , C = [1 1] ,
ê-8 5ú ê 2ú
ë û ë û
Le polynôme caractéristique est donné par:
l +1 -1
lI - A = = l 2 - 4l + 3
8 l-5
Les vecteurs propres associés à ces valeurs propres sont donnés par les solutions de:
[ A - l1 I ]v1 = 0
[ A - l2 I ]v2 = 0
Soit:
é-2 1 ù é v11 ù é 0ù é 1ù
ê ú ê ú = ê ú v1 = ê ú
ê-8 4 úû êë v12 úû êë 0 úû ê 2ú
ë ë û
é-4 1ù é v21 ù é 0ù é 1ù
ê ú ê ú = ê ú v2 = ê ú
ê-8 ú ê ú ê ú
2û ë v22 û ë 0 û ê 4ú
ë ë û
Ce qui donne:
é 1 1 ù -1 1 é 4 -1ù
T = [ v1 v2 ] = ê ú ,T = ê ú
ê 2 4ú 2 êë-2 1 úû
ë û
On peut montrer que
é 3 0ù
A = T -1 AT = ê ú
ê 0 1ú
ë û
N. Goléa © 2019 27
61
1 é 4 -1ù é 1ù é 1ù
B = T -1 B = ê úê ú=ê ú
2 êë-2 1 úû êë 2úû êë 0úû
é1 1ù
C = CT = [1 1] ê ú = [3 5]
ê2 4ú
ë û
Exemple 19. Soit le système donné par:
é-2 1 -1ù é1ù
ê ú ê ú
A = êê-1 0 1 úú , B = êê-1úú , C = [ 2 -1 1]
ê-2 2 -1ú ê0ú
ë û ë û
Le polynôme caractéristique est:
-2 - l 1 -1
A - l I = -1 -l 1 = -( s + 1)(s + 3)( s - 1)
-2 2 -1 - l
Les valeurs propres sont : l1 = -1, l2 = -3, l3 = 1 . Les vecteurs propres associés à ces valeurs
propres sont donnés par :
é-1 1 -1ù é v11 ù é 0ù
ê úê ú ê ú
1. [ A - l1 I ] v1 = êê-1 1 1 úú êê v12 úú = êê 0úú
ê-2 2 0 ú ê v ú ê 0ú
ë û ë 13 û ë û
Ou encore:
-v11 + v12 - v13 = 0
-v11 + v12 + v13 = 0
-2v11 + 2v12 = 0
é 1ù
ê ú
v1 = êê 1úú
ê 0ú
ë û
é 1 1 -1ù é v21 ù é 0ù
ê úê ú ê ú
2. [ A - l2 I ] v2 = êê-1 3 1 úú êê v22 úú = êê 0úú
ê-2 2 2 ú ê v ú ê 0ú
ë û ë 23 û ë û
Soit:
v21 + v22 - v23 = 0
-v21 + 3v22 + v23 = 0
-2v21 + 2v22 + 2v23 = 0
N. Goléa © 2019 28
62
% forme modale
é 1ù n=3
ê ú
v2 = êê 0úú
A=[-2 1 -1; -1 0 1;-2 2 -1];
B=[1 -1 0]'; C=[2 -1 1];D=0;
ê 1ú
ë û % calcul numérique
lambda=roots(poly(A))
é-3 1 -1ù é v31 ù é 0ù v1=null(A-lambda(1)*eye(n))
ê úê ú ê ú v2=null(A-lambda(2)*eye(n))
3. [ A - l3 I ] v3 = êê-1 -1 1 úú êê v32 úú = êê 0úú v3=null(A-lambda(3)*eye(n))
ê-2 2 -2ú ê v ú ê 0ú T=[v1 v2 v3]
ë û ë 33 û ë û Ab=T\A*T;Bb=T\B;Cb=C*T;
Soit: % commande ss2ss
Sys=ss(A,B,C,D);
-3v31 + v32 - v33 = 0 Sysb=ss2ss(Sys,inv(T))
% commande canon
-v31 - v32 + v33 = 0 Sys=ss(A,B,C,D);
-2v31 + 2v32 - 2v33 = 0 Sysb=canon(Sys,'modal')
% commande eig
Si on fixe v31 = 0 d’où v32 - v33 = 0 . J=eig(A)
[T,J]=eig(A)
Une solution possible est: [T,J]=eig(vpa(A))
% commande jordan
é0ù Ab=jordan(A)
ê ú
v3 = êê 1úú [T,Ab]=jordan(A)
Bb=T\B;Cb=C*T;
ê 1ú
ë û Figure 2.13. Exemple 19: forme modale.
La matrice modale est :
é1 1 0ù é-1 -1 1 ù
ê ú -1 1 ê ú
T = êê1 0 1 úú ,T = - êê-1 1 -1úú
ê0 1 1 ú 2ê ú
ë û ë 1 -1 -1û
Ce qui donne:
é-1 -1 1 ù é-2 1 -1ù é1 1 0ù é-1 0 0ù
1 êê úê úê ú ê ú
A = T AT = - ê-1 1 -1úú êê-1 0 1 úú êê1 0 1 úú = êê 0 -3 0úú
-1
2ê úê úê ú ê
ë 1 -1 -1û ë-2 2 -1û ë0 1 1 û ë 0 0 1úû
é-1 -1 1 ù é1 ù é0 ù
1 êê úê ú ê ú
B = T B = - ê-1 1 -1úú êê-1úú = êê1 úú
-1
2ê úê ú ê ú
ë 1 -1 -1û ë0 û ë-1û
é1 1 0ù
ê ú
C = CT =[ 2 -1 1] êê1 0 1 úú =[1 3 0 ]
ê ú
ë0 1 1 û
Matlab propose plusieurs commandes pour le calcul de la forme modale. On peut
programmer le calcul des valeurs et vecteurs propres, ou on peut utiliser la commande eig
ou canon. La commande jordan fournit un résultat plus précis.
Pour la méthode de la matrice adjointe, on commence par calculer la matrice adjointe:
N. Goléa © 2019 29
63
él 2 - l - 2 -l - 1 l + 1 ùú
ê
ê ú
adj [ A - l I ] = ê l - 3 l - 3l
2
3-l ú
ê ú
ê 2l - 2 2 - 2l l 2 - 2l + 1úû
ë
En remplaçant avec la valeur propre li , i = 1,2,3 dans l'une des colonnes de adj[ A - l I ] on
obtient le vecteur propre associé vi , i = 1,2,3 . Ainsi:
é 2 ù é ù é0 ù
êl1 - l1 - 2ú ê 0 ú ê ú
ê l - 3 ú = ê-4 ú v = ê1 ú
ê 1 ú ê ú 1 ê ú
ê 2l - 2 ú ê-4 ú ê1 ú
êë 1 úû ë û ë û
é 2 ù é ù é1ù
êl2 - l2 - 2ú ê-2ú ê ú
ê l - 3 ú = ê-2ú v = ê1ú
ê 2 ú ê ú 2 ê ú
ê 2l - 2 ú ê 0 ú ê0ú
êë 2 úû ë û ë û
é 2 ù é ù é1 ù
êl3 - l3 - 2ú ê4 ú ê ú
ê l - 3 ú = ê 0 ú v = ê0 ú
ê 3 ú ê ú 3 ê ú
ê 2l - 2 ú ê4 ú ê1 ú
ëê 3 ûú ë û ë û
D'où, on obtient:
é 1 1 1ù
ê ú
T = êê 1 0 1úú
ê-1 1 2ú
ë û
b. Valeurs propres multiples (Forme de Jordan)
Si le polynôme caractéristique (2.113) admet n solutions (valeurs propres) non distinctes,
alors la matrice A n'est pas forcément diagonalisable.
Si la matrice A admit k valeurs propres li , i = 1, 2,.., k , ayant un ordre de multiplicité ni tel
que n1 + n2 + .. + nk = n , la matrice de Jordan quasi-diagonale associée à A est de la forme:
é J1 (l1 ) 0 ... 0 ù
ê ú
ê 0 ú
ê ú
ê J (l ) ú
ê q1 1 ú
A = T AT = êê
-1
ú
ú (2.117)
ê J (l ) ú
ê 1 k ú
ê ú
ê 0 ú
ê ú
êë 0 0 J qk (lk )úû
où chaque J qi (li ) est un block de Jordan associé à la valeur propre li . Le nombre de blocks
de Jordan noté qi associés à la valeur propre li est égal à la dimension l'espace propre E(li )
engendré par cette valeur propre, et qui est donnée par:
dim [ E(li ) ] = n - ri (2.118)
N. Goléa © 2019 30
64
D'autre par la somme des dimensions des blocks de Jordan associés à une valeur propre li
est égale à sa multiplicité ni .
Le rang de la matrice
é-1 1 0ù
ê ú
[ A - l1 I ] = êê-1 1 1úú
ê 0 0 0ú
ë û
est r1 = 2. Ce qui implique que le nombre de blocks de Jordan associés à l1 est
q1 = n - r1 = 1. Donc, on est dans le cas de la dégénérescence simple et avec un seul block de
dimension 3. La matrice de Jordan est alors:
él1 1 0 ù é-1 1 0ù
ê ú ê ú
A = êê 0 l1 1 úú = êê 0 -1 1 úú
ê0 0 l ú ê 0 0 -1úû
ë 1û ë
N. Goléa © 2019 31
65
él1 1 0 ù
ê ú
A [ v1 v2 v3 ] = [ v1 v2 v3 ] êê 0 l1 1 úú
ê0 0 l ú
ë 1û
é-1 1 0ù
ê ú
ê-1 1 1ú v1 = 0
ê ú
ê 0 0 0ú
ë û
Soit v1 = [1 1 0 ] .
T
Soit v2 = [ 0 1 0 ] .
T
Soit v3 = [ 0 0 1] .
T
N. Goléa © 2019 32
66
é 1 0 0ù é-2 1 0 ù é 1 0 0ù é-1 1 0ù
ê úê úê ú ê ú
A = T AT = ê-1 1 0ú ê-1 0 1 ú ê 1 1 0ú = ê 0 -1 1 úú
-1 ê ú ê ú ê ú ê
ê 0 0 1ú ê 0 0 -1ú ê 0 0 1ú ê 0 0 -1úû
ë ûë ûë û ë
é 1 -1ù
ê ú
B = T B = êê-1 2 úú
-1
ê0 2 úû
ë
C = CT = [ 2 1 0 ]
é 1 ù é1 ù
ê ú ê ú
ê
v1 = ê l + 2 ú ú = êê1 úú
ê 2 ú ê 0ú
ëêl + 2l + 1úû l=-1 ë û
é 1 ù é 0 ù é0ù
d êê ú
ú
ê ú ê ú
v2 = ê l+2 ú = êê 2 úú = êê2úú
dl ê 2 ú ê ú ê ú
êël + 2l + 1úû l=-1 ë2l + 2û l=-1 ë0û
Et
é 0 ù é0 ù
d êê ú ê ú
v3 = ê 2 úú = êê0úú
dl ê ú ê ú
ë2l + 2û l=-1 ë2û
Après simplification, nous avons:
é1 0 0ù
ê ú
T = êê1 1 0úú
ê0 0 1 ú
ë û
Exemple 21. Dégénérescence partielle
Soit la matrice d'évolution:
é-2 -1 -1ù
ê ú
A = êê 1 0 1 úú
ê0 0 -1úû
ë
Son équation caractéristique est
N. Goléa © 2019 33
67
-2 - l -1 -1
A - lI = 1 -l 1 = -(l + 1)3
0 0 -1 - l
é-1 -1 -1ù
ê ú
[ A - l1 I ] = êê 1 1 1 úú
ê0 0 0 úû
ë
est r1 = 1 . Ce qui implique que le nombre de blocks de Jordan associés à l1 est
q1 = n - r1 = 2. Donc, on est dans le cas de la dégénérescence partielle, avec deux blocks de
Jordan de dimensions ( 2 ´ 2) et (1´1) . La matrice de Jordan est alors
é-1 1 0ù
ê ú
A = êê 0 -1 0 úú
ê0 0 -1úû
ë
où
é-1 0 0ù
ê ú
A = ê 0 -1 1 úú
ê
ê0 0 -1úû
ë
é-2 - l -1 -1 ù
ê ú
ê
[ A - lI ] = ê 1 -l 1 úú
ê 0 0 -1 - l úû
ë
é-1 -1 -1ù év11 ù é0ù
ê úê ú ê ú
[ A - l1 I ]v1 = êê 1 1 1 úú êêv12 úú = êê0úú
ê 0 ûú ëêv13 ûú ëê0ûú
ë0 0
Ou encore:
v11 + v12 + v13 = 0
Ou encore:
v21 + v22 + v23 = 0
N. Goléa © 2019 34
68
é1ù
ê ú
v2 = êê-1úú
ê0ú
ë û
[ A - l1 I ]v3 = v2
é-1 -1 -1ù év31 ù é 1 ù
ê úê ú ê ú
ê1 1 1 úú êêv32 úú = êê-1úú
ê
ê0 0 0 úû êëv33 úû êë 0 úû
ë
Ou encore:
-v31 - v32 - v33 = 1
Ce qui donne une valeur propre simple l1 = 1 et une valeur propre l2 = 3 de multiplicité
n2 = 2 . Le rang de la matrice
é-2 2 2ù
ê ú
[ A - 3I ] = êê 1 -1 -1úú
ê-1 1 1 úû
ë
N. Goléa © 2019 35
69
0 2 2
1 1 -1 v1 = 0
-1 1 3
Soit v1 = [ 2 -1 1] .
T
Soit v2 = [1 1 0 ] .
T
Soit v3 = [1 0 1] .
T
Remarque 11. Pour le cas des valeurs propres multiples, les commandes eig et canon ne
N. Goléa © 2019 36
70
donnent pas le résultat escompté. Sous Matlab, il est nécessaire d'utiliser la commande
jordan pour obtenir la forme de Jordan.
N. Goléa © 2019 37
71
Chapitre 3
1. Introduction
Quelle que soit la forme adoptée pour la représentation d'état, un système linéaire
invariant est décrit par un ensemble de n équations différentielles du premier ordre.
Pour évaluer le comportement d'un système, il faut donc résoudre ces équations d'état et
simuler le résultat pour une entrée u(t ) donnée.
Un autre aspect très important de l'étude des systèmes est la stabilité. La stabilité d'un
système peut être détecté à travers l'inspection de l'expression de sa réponse. Cependant,
il existe des méthodes qui permettent de cerner la stabilité d'un système sans recourir au
calcul de sa réponse.
L'objectif de ce chapitre est axé sur les trois points suivants:
1. calcul de l'expression analytique de la réponse d'un système LTI, et ceci en utilisant
des méthodes temporelles et de Laplace. Dans ce point, il sera mis en évidence les
propriétés et les méthodes de calcul de la matrice de transition.
2. calcul des réponses d'un système LTI pour différentes signaux tests à l'entrée: libre,
impulsionnelle, échelon, rampe.
3. déterminer le type de stabilité du système par inspection de ses valeurs propres et par
la méthode Lyapunov.
x(t ) .
L'équation (3.5) exprime la réponse d'état x(t ) comme une somme de deux termes, le
premier terme est dû à l'état initial x(t0 ) , et le second terme est dû au signal d'entrée
u(t ) . D'où le premier terme est appelé réponse d'état pour une entrée nulle ou réponse
libre; de même, le deuxième terme est appelé réponse d'état un état initiale nul ou
réponse forcée.
La réponse en sortie peut être calculée à partir de l'équation de sortie et de (3.6), ce qui
donne :
t
Le premier terme représente la réponse libre du système qui est due aux conditions
initiales x(t0 ). Le deuxième terme représente la réponse forcée due à l'action de l'entrée
de commande u(t ) .
1) f(0) = e A0 = I n
f (t ) = Af(t ) (3.8)
Ce qui donne:
-1
F ( s ) = [ sI n - A] (3.11)
-1 adj[ sI n - A]
F ( s ) = [ sI n - A] = (3.12)
sI n - A
és + 2 0 ù
[ sI - A] = êê ú
ë -1 s + 1úû
s+2 0
sI - A = = ( s + 1)( s + 2)
-1 s + 1
és + 1 0 ù
adj [ sI - A] = ê ú
ê 1 s + 2úû
ë
Ainsi
-1 1 és + 1 0 ù éê s+1 2 0ù
ú
F ( s ) = [ sI - A] = ê ú=
( s + 1)( s + 2) êë 1 s + 2úû êê ( s+1)(1 s+2) 1 ú
s+1 ú
ë û
Pour déterminer f (t ) , on commence par la décomposition de F ( s ) en fractions simples:
é 1
0ù
F ( s ) == êê 1 s+2 1 1 ú
ú
ë s+1 - s+2 s+1 û
és + 2 -1 1 ù
ê ú
[ sI - A] = êê 1 s -1 úú
ê 2 -2 s + 1úû
ë
s+2 -1 1
sI - A = 1 s -1 = ( s + 1)( s + 3)( s - 1)
2 -2 s + 1
é( s + 2)( s - 1) s -1 -( s - 1)ùú
ê
ê ú
adj [ sI - A] = ê -( s + 3) s ( s + 3) s+3 ú
ê ú
ê -2( s + 1) 2( s + 1) ( s + 1) úû
2
ë
Ainsi
é s+2
ù
ê 1 - (s+3)1 s+1 ú
ê (s+3)( s+1) (s+3)( s+1) ( )ú
-1 adj[ sI - A] ê ú
F ( s ) = [ sI - A] = = ê- s-1 1 s+1 s 1 ú
sI - A ê ( )( ) ( s-1)( s+1) ( s-1)( s+1) ú
ê ú
ê- 2 2 s+1 ú
êë (s+3)( s-1) ( s+3)( s-1) ( s+3)( s-1) úû
é 1 + 1 1
- 2(s1+3) 1
- 2( s1+1) ùú
ê 2( s+1) 2(s+3) 2( s+1) 2( s+3) % Calcul de e^(At)
ê ú
F ( s ) = ê 2( s1+1) - 2( s1-1) 1
+ 2(s1+1) 1
- 2(s1+1) ú syms s t;
ê 2( s-1) 2( s-1) ú n=3;
ê 1 - 1 1
- s+1 3 1
+ 1 ú A = [-2 1 -1;-1 0 1;-2 2 -1];
êë s+3 s+1 s +1 2( s-1) 2( s + 3) úû
% définir Phi(s)=(sI-A)^-1.
Phi=inv(s*eye(n)-A)
L'utilisation de la TL inverse donne: % matrice de transition.
ée-t + e-3t e-t - e-3t e-3t - e-t ùú
phi=ilaplace(Phi,s,t)
ê
1 ê -t
f (t ) = ê e - e t e t + e-t e t - e-t úú Figure 3.1. Calcul de f(t ) par la TL
2 ê -3t ú inverse: méthode analytique.
ê e - et
ë e t - e-3t e t + e-3t úû
Méthode de Leverrier
Dans les deux exemples précédents, nous avons calculé analytiquement la matrice
-1
[ sI - A] ; ce qui est très laborieux pour des matrices de grandes dimensions.
L'algorithme de Leverrier permet de calculer systématiquement la matrice inverse, et peut
même être programmé.
On commence par noter que pour une matrice A Î Â n´n , le polynôme caractéristique
sI - A est donné par:
où:
H1 = A + a1 I
H 2 = AH1 + a2 I
(3.15)
H n-1 = AH n-2 + an-1 I
H n = AH n-1 + an I = 0
Notons que a1 , a2 ,... , an sont les coefficients du polynôme caractéristique donnés par
l'équation (3.13). Les ai peuvent être également déterminés par l'utilisation de la trace (La
trace d'une matrice n ´ n est la somme de ses éléments diagonaux) comme suite:
a1 = -tr ( A)
1
a2 = - tr ( AH1 )
2
1
a3 = - tr ( AH 2 ) (3.16)
3
1
an = - tr ( AH n-1 )
n
Par la substitution de l'équation (3.51) dans l'équation (3.50) et substituant l'équation
résultante dans l'équation (3.48), on obtient l'inverse de [ sI - A] . La méthode actuelle est
commode pour la solution par ordinateur.
Exemple 3. Reprenons le système de l'exmple 1:
é-2 0 ù
A= ê ú
ê 1 -1ú
ë û
Le polynôme caractéristique sI - A est donné par:
sI - A = s 2 + a1 s + a2
é-2 0 ù é1 0ù é1 0ù
H1 = A + a1 I = ê ú + 3ê ú=ê ú
ê 1 -1ú ê0 1 ú ê1 2ú
ë û ë û ë û
1 1 æ é-2 0 ú÷ù ö÷
a2 = - tr ( AH1 ) = - tr ççç ê ÷= 2
2 2 èç êë 0 -2ú÷
û ÷ø
D'où nous avons:
sI - A = s 2 + a1 s + a2 = s 2 + 3s + 2 = ( s + 1)( s + 2) ,
é1 0ù é1 0ù
adj [ sI - A] = Is + H1 = ê ús+ê ú,
ê0 1 ú ê1 2ú
ë û ë û
et
-1 é1 0ù s é1 0ù 1
[ sI - A] = êê ú
ú
+ê
ê
ú
ú
ë0 1 û ( s + 1)( s + 2) ë1 2û ( s + 1)( s + 2)
La décomposition produit:
s 1 2
=- +
( s + 1)( s + 2) s +1 s + 2
1 1 1
= -
( s + 1)( s + 2) s +1 s + 2
sI - A = s 3 + a1 s 2 + a2 s + a3 = s 3 + 3s 2 - s - 3 = ( s + 1)( s + 3)( s - 1)
é1 0 0ù é 1 1 -1ù é-2 -1 1ù
ê ú 2 ê ú ê ú
adj [ sI - A] = Is + H1 s + H 2 = êê0 1 0úú s + êê-1 3 1 úú s + êê-3 0 3úú
2
ê0 0 1 ú ê-2 2 2 ú ê-2 2 1ú
ë û ë û ë û
et
é1 0 0ù é 1 1 -1ù é-2 -1 1ù
ê ú s2 ê ú s ê ú 1
-1
[ sI - A] ê ú
= ê0 1 0ú ê ú
+ ê-1 3 1 ú + êê-3 0 3úú
ê0 0 1ú ( s 1)( s 3)( s 1) ê-2 2 2 ú ( s 1)( s 3)( s 1) ê-2 2 1ú ( s 1)( s 3)( s - 1)
+ + - + + - + +
ë û ë û ë û
La décomposition produit:
s2 1 1 9
= - +
( s + 1)( s + 3)( s - 1) 8( s - 1) 4 ( s + 1) 8( s + 3)
s 1 1 3
= + -
( s + 1)( s + 3)( s - 1) 8( s - 1) 4 ( s + 1) 8( s + 3)
1 1 1 1
= - +
( s + 1)( s + 3)( s - 1) 8( s - 1) 4 ( s + 1) 8( s + 3)
-1 1 1 1 1 1 1
[ sI - A] = [ I + H1 + H 2 ] + [-I + H1 - H 2 ] + [ 9 I - 3H1 + H 2 ]
8 ( s - 1) 4 ( s + 1) 8 ( s + 3)
é 0 0 0ù é1 1 -1ù é1 -1 1 ù
1 êê ú 1 1 ê ú 1 1 ê ú 1
= ê-1 1 1 úú + êê1 1 -1úú + êê0 0 0úú
2ê ú ( s - 1) 2 ê0 0 0 ú ( s + 1) 2 ê1 -1 1 ú ( s + 3)
ë-1 1 1 û ë û ë û
b. Méthodes temporelles
Méthode de Cayley-Hamilton
Théorème 1. (Cayley-Hamilton) Toute matrice carrée est solution de son polynôme
caractéristique.
En d'autres termes, si sI n - A est le polynôme caractéristique de la matrice A Î Rn´n
c'est-à-dire,
Alors :
Il est donc clair que toute puissance de la matrice supérieure ou égale à n pourra s'écrire
de façon unique en fonction de An-1 ,.., A, I n :
An+k = Fk ( An-1 ,.., A, I n ) = fk(1) An-1 + fk(2) An-2 + + fk(n-1) A + fk(n) I n (3.20)
sI - A = s 3 + 3s 2 - s - 3
A3 + 3A2 - A - 3I = 0
Ainsi
é-14 13 -13ù
ê ú
A = -3A + A + 3I = êê -1 0
3 2
1 úú
ê-14 14 -13ú
ë û
On peut aussi voir que:
é 41 -40 40ù
ê ú
A = -3A + A + 3 A = -3(-3 A + A + 3I ) + A + 3A = 10 A - 9 I = êê 0
4 3 2 2 2 2
1 0 úú
ê40 -40 41ú
ë û
et:
On obtient ainsi n équations algébriques linéaires qui déterminent de façon unique les
coefficients ai :
é-2 1 -1ù
ê ú
A = êê-1 0 1 úú
ê-2 2 -1ú
ë û
Dont les valeurs propres sont : l1 = -1,l2 = -3 et l3 = 1 .
% Méthode de Cayley-Hamilton
syms t real
n=3;
A = [-2 1 -1;-1 0 1;-2 2 -1];
%algorithme
Valp=eig(A)
VanderM=[1 Valp(1) Valp(1)^2;
1 Valp(2) Valp(2)^2;
1 Valp(3) Valp(3)^2];
Modes=[exp(Valp(1)*t) exp(Valp(2)*t) exp(Valp(3)*t)]';
alfa=inv(VanderM)*Modes
phi=alfa(1)*A^2+alfa(2)*A+alfa(3)*eye(n)
simplify(phi)
Figure 3.3. Calcul de f(t ) par la méthode de Cayley-Hamilton.
Si les valeurs propres ne sont pas toutes simples, il faut obtenir des équations
supplémentaires linéairement indépendantes de (3. ). Pour ce faire, il faut dériver
l’équation (3.1) par rapport à la valeur propre multiple li :
delkt
= telkt = an (t ) 0 + an-1 (t ) + 2an-2 (t )lk + ... + (n - 1) a1 (t )lkn-2 (3.26)
dlk
Alors par exemple pour une matrice ayant l1 comme valeur propre simple et l2 comme
valeur propre double:
é e l1t ù é1 l1 l12 ùú éa3 (t )ù
ê ú ê
ê e l2t ú = ê1 l úê ú
ê ú ê 2 l22 ú êêa2 (t )úú (3.27)
ê l2t ú ê ú
ête ú ê0 1 2l2 ú êêë a1 (t )úúû
ë û ë û
Son équation caractéristique est l I - A = (l + 2)(l - 2)2 , ce qui donne une valeur propre
simple l1 = -2 et une valeur propre l2 = 2 de multiplicité 2.
1 êê ú ê 2t ú ê ú
= -4 4 0 úú ê e ú = ê 4e -4e
1 2t 1 -2t
ú
16 êê ê ú
ú ê te 2t ú ê 1 e-2t - 1 e 2t + 1 te 2t úú
ê
ë 1 - 1 4 ûë û ë 16 16 4 û
À partir de (3.21):
f (t ) = a3 (t ) I + a2 (t ) A + a1 (t ) A2
é1 0 0ù é-2 1 1ù
ê ú æ 1 -2t 3 2t ö êê
2t ÷
úæ1 1 ö
= êê0 1 ú ç
0ú çç e + e - te ÷÷ + ê 0 3 1úú ççç e 2t - e-2t ÷÷÷
ê è4 4 ø ê úè4 4 ø
ë0 0 1úû ë 0 -1 1û
é-2 1 1ù
ê ú æ 1 -2t 1 2t 1 2t ö
+ê 0ê 3 1úç ÷
ú çèç16 e - 16 e + 4 te ÷ø÷
ê0 -1 1úû
ë
ée-2t 1 -2t 1 -2t ù
4e -4e 4e -4e
1 2t 1 2t
ê ú
ê ú
=ê 0 e 2t + te 2t te 2t ú
ê ú
ê 0 -te 2t e 2t - te 2t úû
ë
Méthode de la forme modale
Une autre méthode pour déterminer la matrice de transition est d'exploiter la forme
modale.
L'utilisation de la transformation x = Tz , avec T la matrice des vecteurs propres associés
aux valeurs propres de A , pemet de passer à la forme modale:
z = Az + Bu
(3.28)
y = Cz
avec
A = T -1 AT
B = T -1 B (3.29)
C = CT
él1 0 0 ù
ê ú
ê 0 l2 ú
ê
A= ê ú (3.30)
0 ú
ê ú
ê0 0 l ú
ëê n úû
et
ée l1t 0 0 ùú
ê
ê 0 el2t úú
e At = êê ú (3.31)
ê 0 ú
ê ú
ê 0 0 elnt úû
ë
La solution de (3.28.a) est donnée par:
t
z(t ) = e At z(0) + ò e A(t-t ) Bu(t )dt (3.32)
0
e At = Te AtT -1 (3.36)
Exemple 8. Soit le système donné par:
é-3 1ù é0 ù
A= ê ú , B = ê ú ,C = [1 1],
ê-2 0 ú ê1 ú
ë û ë û
Les valeurs propres sont l1 = -1,l2 = -2 . En utilisant la transformation x = Tz avec:
é 1 1ù é-2 2 ù
T = ê 2 ú ,T -1 = ê ú
ê1 1ú ê 2 -1ú
ë û ë û
On peut transformer le système sous la forme modale:
é-1 0 ù
A = T -1 AT = ê ú
ê 0 -2ú
ë û
é2ù
B = T -1 B = ê ú
ê-1ú
ë û
C = CT = éë 2 2ùû
3
avec
é z (0)ù é x (0)ù é-2 2 ù é 1 ù é-4 ù
ê 1 ú = T -1 ê 1 ú = ê úê ú ê ú
ê z (0)ú ê x (0)ú ê 2 -1ú ê-1ú = ê 3 ú
ë 2 û ë 2 û ë ûë û ë û
et :
ée-t 0 ùú
e At = êê -2tú
ëê 0 e ûú
D'où
ée-t 0 úù é-4 ù êée-t 0 úù t êée t 0 úù é 2 ù é-4e-t ù ée-t 0 úù t êé 2e t úù
z(t ) = êê ú
ê ú+
ê úò ê ú
ê ú dt = ê ú+ê
ê -2t ú ê -2t ú ò ê 2t ú
dt
êë 0 e-2t úû êë 3 úû êë 0 e-2t úû 0 êë 0 e 2t úû êë-1úû êë 3e úû êë 0 e úû 0 êë-e úû
0 ùú éê 2e t - 2 ùú éê-4e-t ùú ê 2(1 - e ) ú éê 2 - 6e-t ùú
é-4e-t ù ée-t é -t ù
= êê -2t úú + êê úê =
ú ê ú + ê ú=ê ú
ëê 3e ûú ëê 0 e-2t ûú êë 12 - 12 e 2t úû ëê 3e-2t ûú êê 12 (e-2t - 1)úú êë 72 e-2t - 12 úû
ë û
D'un autre coté, x(t ) est donné par:
et :
é 2 - 6e-t ù
y(t ) = Cz(t ) = éë 32 2ùû êê -2t ú = 7e-2t - 9e-t + 2
1ú
7
ëê 2 e - 2 ûú
A= J +L (3.37)
avec la matrice diagonale:
él1 0 0 ù
ê ú
ê 0 l2 ú
J = êê ú
ú (3.38)
ê 0ú
ê0 0 l ú
êë n úû
e At = e( J +L)t = e Jt e Lt (3.39)
L'utilisation du développement en série de Taylor, permet d'écrire:
L2t 2 Lk-1t k-1 Lkt k
e Lt = I n + Lt + + ... + + + (3.40)
2! (k - 1)! k!
Le spectre d'une matrice A est l'ensemble de ses valeurs propres. Lorsque la matrice A
admit n valeurs propres distinctes, l'exponentiel de la matrice A s'exprime sous la forme
suivante:
n n A - lj I
e At = å e lit (3.42)
i =1 j =1 li - l j
j ¹i
A - l2 I l1t A - l1 I l2t
e At = e + e
l1 - l2 l2 - l1
Soit:
é0 -1ù é1 0ù é0 -1ù é1 0ù
ê ú+ jê ú ê ú- j ê ú
ê1 0 ú ê0 1 ú jt ê1 0 ú ê0 1 ú - jt
e At = ë û ë û e + ë û ë ûe
2j -2 j
é 12 - j12 ù é 1 1 ù é 1 e jt + 1 e- jt 1
e- jt - 21j e jt ùú écos t - sin t ù
= êê 1 ú e jt + ê 2 ú e- jt = ê 2 2 2j
ú = êê ú
2j
1 ú ê- 1 1 ú ê 1 jt 1 - jt
ëê j 2 2 úû ëê 2 j 2 ûú ê e - 2j e 2e + 2e
1 jt 1 - jt
ú ë sin t cost úû
ë 2j û
Exemple 11. Soit la matrice d'évolution:
é-2 1 -1ù
ê ú
A = êê-1 0 1 úú
ê-2 2 -1ú
ë û
Dont les valeurs propres ne sont : l1 = -1,l2 = -3 et l3 = 1 . Alors e At est donnée par
D'où
é-2 -2 2ù é4 -4 4 ù é 0 0 0ù
1 êê ú -t 1 ê ú -3t 1 ê ú
e At
= - ê-2 -2 2úú e + êê0 0 0úú e + êê-4 4 4 úú e t
4ê 8ê 8ê
ë0 0 0úû ú
ë4 -4 4 û
ú
ë-4 4 4 û
et
ée-t + e-3t e-t - e-3t e-3t - e-t ùú
ê
1 ê -t
e At = ê e - et e t + e-t e t - e-t úú
2 ê -3t ú
ê e - et
ë e t - e-3t e t + e-3t úû
a. Réponse libre
La réponse libre est calculée à partir des conditions initiales x(0) et une entrée nulle
u(t ) = 0 , soit:
b. Réponse forcée
La réponse forcée est calculée à partir des conditions initiales x(0) = 0 et une entrée non
nulle:
t
x(t ) = ò e A(t-t ) Bu(t )dt (3.45)
0
Réponse indicielle
La réponse indicielle pour une entrée constante ( u(t ) = r0 ) est donnée par :
t t
x(t ) = ò e A(t-t ) Br0 dt = r0e At ò e- At dt B (3.48)
0 0
òe
- At
dt = -A-1 éêëe- At - I ùúû = - éêëe- At - I ùúû A-1 (3.49)
0
òe
- At
t dt = A-2 éêëe- At - I - At ùúû = éêëe- At - I - At ùúû A-2 (3.52)
0
ú dt = ê 2 (
t t é 2t ù é 1 e 2t - 1) ù
ê e ú
ò ò ê2e t - e 2t ú
- At
e Bd t = ê t 1 2t 3 ú
0 0 êë úû ê
ë2e - 2 e - 2 úû
D'où:
é e-2t 0 úù êé 12 (e - 1) úù éê 1 -2t ù
2t
2-2e
t 1
ê ú
òe
- At
x(t ) = e At
Bdt = ê -t ú ê ú = ê ú
êëe - e
-2t
e-t úû ê2e t - 12 e 2t - 23 ú êë 12 e-2t - 2e-t + 32 úû
0 ë û
La réponse à une rampe unité ( u(t ) = t et x(0) = 0 ) est donnée par :
t é 2t ù é t e 2t ù é ù
2 te - 4 e + 4
t t 1 2t 1 2t 1
ê e ú t dt = ê ú dt = ê ú
ò ò ê2e t - e 2t ú ò
- At
e Bt d t = ê
ê t 2t ú 7ú
êë2t e - t e úû êë2te - 2 te - 2e + 4 e + 4 úû
t 1 2t t 1 2t
0 0 êë úû 0
D'où:
t é e-2t 0 ùú éê 2 te - 4 e + 4
1 2t 1 2t 1 ù é
ú=ê
1 1 -2t
2t + 4e - 14 ù
ú
x(t ) = e At ò e- At Bt dt = êê -t -t ú ê
-2t 7ú ê3 -t 1 -2t 7ú
0 ëêe - e e ûú ëê2te - 2 te - 2e + 4 e + 4 úû êë 2 t + 2e - 4 e - 4 úû
t 1 2t t 1 2t
é e t + e 3t e t - e 3t e 3t - e t ùú
ê
e- At = êê e t - e-t e-t - e t úú
1
e -t + e t
2 ê 3t ú
ê e - e -t e -t - e 3 t e-t + e 3t úû
ë
é e t + e 3t e t - e 3t e 3t - e t ùú é 1 ù éê e 3t úù
ê ê ú
e- At B = êê e t - e-t e-t - e t úú êê-1úú = êê -e-t úú
1
e -t + e t
2 ê 3t ú ê ú
ê
ëe - e
-t
e -t - e 3 t e-t + e 3t ûú ëê 0 ûú ëêe 3t - e-t úû
é e 3t ù é 1 e 3t - 1 ù
t t ê ú ê 3 3 ú
ê -e-t ú dt = ê e - 1 úú
òe Bdt = ò
- At -t
ê ú ê
ê 3t ú ê -t 1 3t 4 ú
0 0
ê e - e -t ú êe + 3 e - 3 ú
ë û ë û
D'où
ée-t + e-3t e-t - e-3t e-3t - e-t ùú éê 13 e 3t - 13 ùú éê 13 - 13 e-3t ùú
t ê
x(t ) = e At ò e- At Bdt = êê e-t - e t e t - e-t úú êê e-t - 1 úú = êê ú
1
e t + e-t 1 - et ú
2 ê -3t ú ê -t 1 3t 4 ú ê 4 1 -3t ú
0
ê e - et
ë e t - e-3t t -3t
e + e úû êëe + 3 e - 3 úû êë 3 - 3 e - e úû t
é e 3t ù é t e 3t ù é ù
3 te - 9 e + 9
1 3t 1 3t 1
t t ê ú t ê ú ê ú
ê -e-t ú t dt = ê -t e-t ú dt = ê ú
òe Bt dt = ò ò
- At
ê ú ê ú ê e-t + te-t - 1 ú
ê 3t ú ê 3t ú ê 1 3t 1 3t ú
0 0
ê e - e -t ú 0
ête - te ú -t -t -t
ê- 9 e + 3 te + e + te - 9 ú 8
ë û ë û ë û
Notons que :
-1
F( s) = [ sI n - A] = TL[e At ] = L[f (t )] (3.57)
Remarque 2. On peut toujours décaler l'instant initial de 0 vers t0 pour avoir le cas
général.
Remarque 3.
1) La réponse libre est obtenue pour un état initial x(0) et une entrée nulle:
X ( s) = F( s) x(0) (3.61)
2) La réponse impulsionnelle est obtenue pour un état initial nul et une entrée
u(t ) = d (t ) (soit U ( s) = 1 ):
X ( s) = F( s)B (3.62)
3) La réponse indicielle est obtenue pour un état initial nul et une entrée u(t ) = 1, t ³ 0
(soit U ( s) = 1 / s ):
1
X ( s) = F( s)B (3.64)
s
La réponse indicielle en sortie est alors:
1
Y ( s) = [CF( s)B + D ] (3.65)
s
4) La réponse à une rampe est obtenue pour un état initial nul et une entrée
u(t ) = t , t ³ 0 (soit U ( s) = 1 / s 2 ):
1
X ( s) = F( s) x(0) + F( s)B (3.66)
s2
La réponse à une rampe en sortie est alors:
1
Y ( s) = [CF(s)B + D ] (3.67)
s2
Exemple 12. Soit le système suivant:
é x 1 ù é-2 0 ù é x1 ù é1ù é x1 (0)ù é 1 ù
ê ú=ê ú ê ú + ê ú u, ê ú=ê ú
ê x 2 ú ê 1 -1ú ê x2 ú ê1ú ê x2 (0)ú ê-1ú
ë û ë ûë û ë û ë û ë û
y = [ 0 1] x
Nous avons,
és + 2 0 ù
[ sI - A] = êê ú
ë -1 s + 1úû
sI - A = ( s + 2)( s + 1)
-1 1 és + 1 0 ù
[ sI - A] = ê ú
( s + 2)( s + 1) êë 1 s + 2úû
1 és + 1 0 ùé 1 ù
X ( s ) = F ( s ) x (0) = ê úê ú
( s + 2)( s + 1) êë 1 s + 2úû êë-1úû
1 é s + 1 ù é s+1 2 ù
= ê ú=ê ú
( s + 2)( s + 1) ëê-( s + 1)ûú ëê- s+1 2 ûú
Soit, après TL inverse:
é x1 (t )ù é e-2t ù
ê ú=ê ú
ê x2 (t )ú ê-e-2t ú
ë û êë úû
La réponse impulsionnelle est donnée par:
-1 1 és +1 0 ù é1ù
X ( s ) = F ( s ) B = [ sI - A] B = ê úê ú
( s + 2)( s + 1) ë 1 ê s + 2úû êë1úû
1 é s + 1ù é s+1 2 ù é s+1 2 ù
= ê ú = ê s +3 ú = ê ú
( s + 2)( s + 1) êë s + 3úû êëê (s+2)(s+1) úúû êë s+2 1 - s+1 2 úû
D'où:
é x1 (t )ù é e-2t ù
ê ú=ê ú
ê x2 (t )ú ê2e-t - e-2t ú
ë ê
û ë úû
La réponse indicielle est:
1 -1 1 és + 1 0 ù é1ù
X ( s ) = F ( s ) B = [ sI - A] B = ê úê ú
s ê
s ( s + 2)( s + 1) ë 1 s + 2úû êë1úû
é s + 1ù éê s( s+2) ùú êé 2 s - 2(s+2) úù
1 1 1
1 ê ú=ê
= ú = ê ú
s ( s + 2)( s + 1) êë s + 3úû ê s s+(s1+3s)+2 ú ê 23s - s+2 1 + 2( s1+2) ú
êë ( )( ) úû ë û
D'où:
é x (t )ù é 1 -2t
2-2e
1 ù
ê 1 ú=ê ú
ê x2 (t )ú ê 1 -2t -t ú
û êë 2 e - 2e + 2 úû
3
ë
La réponse à une rampe est:
1 -1 1 és + 1 0 ù é1ù
X ( s) = F ( s ) B = [ sI - A] B = 2 ê úê ú
s 2
s ( s + 2)( s + 1) êë 1 s + 2úû êë1úû
é ù
é s + 1ù ê s2 ( s+2) ú éê - 4 s + 2 s2 + 4( s+2) ùú
1 1 1 1
1 ê ú
= = ê ú ê= ú
s 2 ( s + 2)( s + 1) êë s + 3úû ê 2 (s+3) ú ê- 47s + 23s2 + s+2 1 - 4( s1+2) ú
êë s ( s+1)( s+2) úû ë û
D'où:
é x1 (t )ù é 2t-4 + 4e
1 1 1 -2t ù
ê ú=ê ú
ê x2 (t )ú ê 3 t - 7 + 2e-t - 1 e-2t ú
ë û ëê 2 4 4 ûú
Exemple 13. Soit le système suivant:
é-2 1 -1ù é1ù é1ù
ê ú ê ú ê ú
x = êê-1 0 1 úú x + êê-1úú u, x (0) = êê1úú
ê-2 2 -1úû ê0ú ê2ú
ë ë û ë û
y = [ 2 -1 1] x
On commence par le calcul de F ( s) .
é s + 2 -1 1 ù
ê ú
ê
[ sI - A] = ê 1 s -1 úú
ê 2 -2 s + 1úû
ë
sI - A = ( s + 1)( s + 3)( s - 1)
= êê - s-1 1 úú = êê - s-1 1 úú
ê ú
ê- 4 ú ê 1 - 1 ú
ë (s+3)(s-1) û ëê s+3 s-1 ûú
D'où:
é e-3t ù
ê ú
x (t ) = êê -e t úú
ê -3t ú
êe - e t ú
ë û
La réponse impulsionnelle en sortie est donnée par:
é -3t ù
ê e ú
y(t ) = Cx(t ) = [ 2 -1 1] êê -e t úú = 3e-3t
ê -3t ú
êe - e t ú
ë û
La réponse indicielle est:
é 1 - 1 e-3t ù
ê 3 3 ú
x (t ) = êê 1 - et ú
ú
ê 4 1 -3t ú
ê3 - 3 e -e út
ë û
La réponse indicielle en sortie est donnée par:
0.5
0
0.5
-0.5
-1
-1.5 0
0 2 4 6 8 10 0 1 2 3 4 5
1.5
1
1
0.5
0.5
0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6
c) Réponse indicielle.
15 20
15
10
10
5 5
0
0
-5
0 2 4 6 8 10 0 2 4 6 8 10
Chapitre 4
Contrôlabilité et Observabilité
1. Introduction
L'objectif de ce chapitre est de discuter certains concepts fondamentaux en relation avec
la commande des systèmes, à savoir, la contrôlabilité (appelée aussi commandabilité ou
gouvernabilité) et l'observabilité. Par la suite, on va voir que ces concepts sont
fondamentaux pour l'existence de la commande par retour d'état.
Considérons le système décrit par:
x = Ax + Bu
(4.1)
y = Cx
1) Peut-on déterminer une commande admissible transférant le système d'un état donné
à un autre état? La notion sous-jacente à cette question est la notion de contrôlabilité
(gouvernabilité). Ceci concerne la matrice A et l'action par B sur l'espace d'état.
2) Peut-on déterminer l'état initial à partir de l'observation des sorties y ? La notion
sous-jacente à cette question est la notion d'observabilité. Cette propriété concerne
les matrices A et C .
Dans un problème de commande, le but est de faire suivre aux états ou aux sorties du
système une loi prédéfinie (un comportement désiré). Il faut donc s'assurer que cela est
possible, c'est la notion de contrôlabilité.
D'autre part, il est souvent nécessaire de reconstruire l'état d'un système à partir des
mesures disponibles pour les sorties. La notion d'observabilité est alors nécessaire pour
s'assurer que la reconstruction de l'état est possible.
2. Contrôlabilité
Définition 1. Le système (4.1) est dit contrôlable, ssi pour tout état initial x(0) = x0 et
tout état final x(t f ) = x f , il existe un temps fini t f > 0 et une commande u(t ) continue
par morceau définie sur éëê0, t f ùûú , tel que:
tf A(t f -t )
x0 + ò e
At f
xf = e Bu(t )dt (4.2)
0
Alors le système est dit complètement contrôlable. Si non, le système est dit non
contrôlable.
Exemple 1. Circuit électrique
Figure 4.1
On prend les variables d’état x1 = vC , x2 = iL .
-t 1 t - ( t -v )
R2t 2 ò 0
x2 (t ) = e t2 x2 (0) + e t2 u(v)dv
1 t -( tt-1v )
t1 ò 0
x1 (t ) = e u(v)dv
1 t - ( t -v )
x2 (t ) = ò
R2t 2 0
e t2 u(v)dv
1 t -( t -t v )
tò0
x1 (t ) = e u(v)dv
1 t ( t -v ) x (t )
x2 (t ) = ò
R2t 0
e- t u(v)dv = 1
R2
Cette équation est la contrainte de base que chaque signal de commande doit satisfaire.
n-1
Comme nous l’avons montré au chapitre 3 (formule de Sylvester e At = åak (t ) Ak ), on
k=0
peut écrire:
n-1
= åak (t f - t ) Ak
A(t f -t )
e (4.4)
k=0
Prenons la notation:
tf
ò 0 ak (t f - t )u(t )dt = bk (4.6)
é b0 ù é b0 ù
ê ú ê ú (4.7)
ê b1 ú ê b1 ú
é n-1 ù ê
= êë B AB A B úû ê ú ê ú
ú=Mê ú
ê ú ê ú
ê ú ê ú
ëê bn-1 ûú ëê bn-1 ûú
Si le système est complètement contrôlable, alors, l'équation (4. ) doit être satisfaite
quelque soit h . La solution existe si les matrices Ak B sont linéairement indépendantes,
ce qui implique que le rang de la matrice M doit être égale à n .
A partir de cette analyse, nous pouvons énoncer la condition de la contrôlabilité complète
comme suit.
Théorème. Le système donné par l'équation (4. ) est complètement contrôlable si et
seulement si les vecteurs B, AB,..., An-1 B sont linéairement indépendants, ou la matrice
M est de rang n .
Remarques
1. La notion de contrôlabilité ne porte que sur l'équation d'état et donc sur les matrices
( A, B) . Dire que le système est contrôlable équivaut à dire que la paire ( A, B) est
contrôlable.
2. Dans le cas d'un système mono-entrée, la matrice de contrôlabilité est carrée. D’où, le
système mono-entrée (4.1) est complètement contrôlable ssi M ¹ 0 .
Exemple 2. Étudier la contrôlabilité du circuit de l’exemple 1.
On met les équations (4.) sous forme matricielle :
. é- CR1 0 ù é 1 ù
x = êê 1 ú x + ê CR1 ú u
ú ê 1 ú
ëê 0 - RL2 ûú ëê L ûú
La matrice de contrôlabilité est:
é CR1 - C 21R2 ù
ê 1 1 ú
M = [ B AB ] = ê R2 ú
ê L1 - L2 ú
ë û
D’où: M =
R2
( LCR1 )
2 ( RL - CR1 ) .
2
Comme son déterminant n’est pas nul, le rang M = 3 = n , alors le système est
complètement contrôlable.
Exemple 6. Étudier la contrôlabilité du système:
é 0 1 0 ù é 0ù
ê ú ê ú
x = êê 0 0 1 úú x + êê0úú u
ê-a -a -a ú ê1 ú
ë 3 2 1û ë û
y = [1 0 0 ] x
Notez qu’on pouvait obtenir ce résultat, sans faire de calcul, en remarquant que le
système est sous la forme canonique contrôlable.
2.2 Critère modal de contrôlabilité (Chen-Desoer)
Considérons le système décrit par :
.
x = Ax + Bu (4.8)
y = Cx
avec A = T -1 AT , B = T -1 B,C = CT .
1) Dans la matrice A, chaque block de Jordan est associé à une valeur propre différente.
2) Les éléments d'une ligne de B qui correspond à la dernière ligne d'un block de
Jordan ne sont pas tous nuls.
3) Les éléments d'une ligne de B qui correspond à une valeur propre simple ne sont pas
tous nuls.
Exemple 7. Soit le système:
é7 2 6ù é0 1 ù
. ê ú ê ú
x = ê-2 3 2 ú x + êê1 -1úú u
ê ú
ê 2 2 -1ú ê1 0 ú
ë û ë û
y = [ 0 0 1] x
Les modes -3 et 7 sont contrôlés par l’entrée u1 , et le mode 5 est contrôlé à la fois par
l’entrée u1 et l’entrée u2 . Suivant la condition 3, ce système est complètement contrôlable.
é-4 -1 0ù é0 1 0ù
ê ú -1 1 ê ú
ê
T=ê 9 0 0ú ,T = ê-9 -4 0úú
ú ê
ê 10 1 1 ú 9ê ú
ë û ë 9 -6 9 û
La forme modale est alors:
é-1 0 0ù é0ù
. ê ú ê ú
z = êê 0 2 1 úú z + êê-1úú u
ê 0 0 2ú ê2ú
ë û ë û
Suivant la condition 3 le mode -1 n’est pas contrôlable. Suivant les conditions 1 et 2, le
block de Jordan associé au mode 2 est contrôlable. Donc le système n’est pas
complètement contrôlable.
Exemple 9. Soit le système:
é-1 1 0ù é1 1 ù
ê ú ê ú
x = ê 0 -1 0 ú x + êê0 0úú u
ê ú
ê0 0 -2úû ê1 0ú
ë ë û
Suivant les conditions 2 et 3, ce système n'est pas contrôlable.
2.3 Condition de contrôlabilité dans le plan s
La condition de contrôlabilité complète peut être déterminée en terme de fonction de
transfert ou matrice de transfert.
Définition. Une condition nécessaire et suffisante pour la contrôlabilité complète est
qu'aucune simplification pôle/zéro ne se présente dans la fonction de transfert ou la
matrice de transfert du système. S'il y a une simplification, alors le système ne peut pas
être commandé dans ce mode simplifié.
Exemple 11. Soit le système:
é-1 1 0 ù é1 ù
. ê ú ê ú
x = ê 2 0 0 ú x + êê0úú u
ê ú
ê 0 1 -1ú ê1 ú
ë û ë û
y = [0 1 -1] x
æ é1 0 0ù é-1 1 0 ù ö÷-1 é1 ù é s + 1 -1 -1
0 ù é1 ù
çç ê ú ê ú ÷÷ ê ú ê ú ê ú
G ( s ) = [0 1 -1]ççç s êê0 1 0úú - êê 2 0 0 úú ÷÷ êê0úú = [0 1 -1] êê -2 s 0 úú êê0úú
çç ê ÷÷
ú ê
è ë0 0 1 û ë 0 1 -1û ø÷ ë1 ûú ÷ ê ú ê -1 s + 1úû êë1 úû
ë 0
Soit
é s ( s + 1) s + 1 0 ù é1ù
ê úê ú
ê úê ú
[ ]ê ( ) ( )
2
0 1 - 1 2 s + 1 s + 1 0 ú ê 0ú
ê ú
ê 2 s + 1 ( s + 2)( s - 1)ú êë1úû
G ( s) = ë û = -( s + 1)( s - 2) = -( s - 2)
( s - 1)( s + 2)( s + 1) ( s - 1)( s + 2)( s + 1) ( s - 1)( s + 2)
Une simplification du facteur ( s + 1) se produit entre le numérateur et le dénominateur
de cette fonction de transfert. Alors ce système n'est pas complètement contrôlable. Donc,
nous arrivons à la même conclusion obtenue avec la matrice M.
2.4 Contrôlabilité avec Matlab:
Les commandes suivantes de Matlab permettent de vérifier la contrôlabilité :
% Étude de la contrôlabilité
A=[-1 0 0; 0 -2 0; 0 0 -3]
B=[1; 1; 1]
C=[1 1 1]
M=ctrb(A,B)
rank(M)
3. Observabilité
Le concept de l'observabilité est très important parce que, dans la pratique, la difficulté
rencontrée dans la commande avec retour d'état est que certaines des variables d'état ne
sont pas accessibles pour la mesure directe, alors il est devenu nécessaire d'estimer les
variables d'état mesurables afin de construire les signaux de commande. Cette estimation
des variables d'état est possible si et seulement si le système est complètement
observable.
Pour développer la condition d'observabilité, nous considérons le système autonome
(u = 0) donné par les équations
.
x = Ax (4.10)
y = Cx
Le raisonnement n’altère en rien le résultat obtenu, puisque l’entrée du système n’a aucun
effet sur son observabilité.
Définition. Le système (4.10) est dit complètement observable si chaque état x(t0 ) peut
être déterminé à partir de l'observation de y(t ) pendant un intervalle de temps fini,
t0 £ t £ t1 . Le système est, donc, complètement observable si chaque transition de l'état
affecte éventuellement chaque élément du vecteur de sortie y .
Considérant le système décrit par les équations ( ). Le vecteur de sortie y(t ) est:
ou
é C ù éa0 0 0 ù
ê úê ú
ê CA ú ê 0 a1 ú
ê
y(t ) = ê úê ú x(0) (4.13)
úê 0 úú
ê úê
ê n-1 ú ê 0 0 an-1 úúû
êëCA úû êë
Si le système est complètement observable, alors, étant donnée l'observation de la sortie
y(t ) pendant un intervalle de temps 0 £ t £ t1 , x(0) est uniquement déterminé à partir
de l'équation (4.13):
-1 -1
éa0 0 0 ù é C ù
ê ú ê ú
ê0 a1 ú ê CA ú
x(0) = êê ú ê ú y(t ) (4.14)
ê 0 úú êê úú
ê0
ëê 0 an-1 úûú êëêCAn-1 úûú
La condition précédente est équivalente à: le système décrit par les équations (4.10) est
complètement observable ssi la matrice N T (nm ´ n) (dite matrice d'observabilité)
é C ù
ê ú
ê CA ú
N = êê
T ú
ú (4.15)
ê ú
ê n-1 ú
ëêCA ûú
est de rang n , ou elle a n vecteurs colonne linéairement indépendants.
Exemple 12. Soit le système:
é x 1 ù é 2 1 0ù é x1 ù é0ù
ê ú ê úê ú ê ú
ê x 2 ú = ê0 2 1 ú ê x2 ú + ê1 ú u
ê ú ê úê ú ê ú
ê x ú ê0 0 2ú ê x ú ê2ú
ë 3û ë û ë 3û ë û
éx ù
é y1 ù é 3 0 0ù ê 1 ú
ê ú=ê ú êx ú
ê y2 ú ê 4 0 0ú ê 2 ú
ë û ë û êx ú
ë 3û
Observabilité:
é 3 0 0ù
ê ú
ê 4 0 0ú
é C ù ê ú
ê ú ê 6 3 0ú
ê ú ê
N = ê CA ú = ê
T ú
8 4 0 ú
ê 2ú ê ú
êëCA úû ê ú
ê12 12 3ú
ê ú
ëê16 16 4 úû
rang N T = 3 = n , le système est donc complètement observable.
ê0 4 0úú
ê3 0 9úú
ê
ê ú
êë0 8 0úû
é0 d ù
N=ê ú
ê1 -3ú
ë û
N = -d le système est complètement observable si d ¹ 0 .
é1 0 0ù
ê ú
N = êê0 1 0úú
T
ê0 0 1 ú
ë û
é1 1ù
NT = ê ú
ê1 1ú
ë û
avec A = T -1 AT , B = T -1 B,C = CT .
1) Dans la matrice A, chaque block de Jordan est associé à une valeur propre différente.
2) Les éléments d'une colonne de C qui correspond à la première ligne d'un block de
Jordan ne sont pas tous nuls.
3) Les éléments d'une colonne de B qui correspond à une valeur propre simple ne sont
pas tous nuls.
Exemple 17. Soit le système:
é1 0ù é1ù
x = ê ú x + ê úu
ê0 2ú ê2ú
ë û ë û
y = [1 2] x
é-1 1 0ù é 0ù
ê ú ê ú
x = ê 0 -1 1 ú x + ê 2ú u
ê ú ê ú
ê 0 -1úû ê1ú
ë0 ë û
é-1 0 0ù
y=ê úx
ê 1 0 0ú
ë û
Suivant la condition 2, ce système est observable.
Exemple 19. Soit le système:
é-1 1 0 0 0ù é0 1ù
ê ú ê ú
ê 0 -1 1 0 0 ú ê0 0ú
ê ú ê ú
x = êê 0 0 -1 0 0 úú x + êê1 0úú u
ê0 0 0 -3 1 úú ê0 0úú
ê ê
ê0 0 -3úúû ê2 1 úúû
êë 0 0 êë
é-1 1 0 0 0ù
y=ê úx
ê 0 -1 1 1 0ú
ë û
Suivant les conditions 1 et 2, ce système est observable.
Exemple 20. Soit le système:
é1 0ù é1ù
x = ê ú x + ê úu
ê0 2ú ê2ú
ë û ë û
y = [ 0 2] x
4. Principe de dualité
Considérons le système S1 décrit par :
x = Ax + Bu
(4.17)
y = Cx
x = AT x + C T u
(4.18)
y = BT x
Le principe de dualité indique que si le système S1 est contrôlable (resp. observable) alors
le système dual S2 est observable (resp. contrôlable).
Ceci peut être facilement vérifié, en remarquant que la matrice de contrôlabilité de S1 est
la matrice d'observabilité de S2 , et que la matrice d'observabilité de S1 est la matrice de
contrôlabilité de S2 .
5. Décomposition de Kalman
La décomposition de Kalman va nous permettre de mieux comprendre comment
interviennent les problèmes de contrôlabilité et d'observabilité dans les systèmes
linéaires.
Un système linéaire peut toujours se décomposer en 4 sous-systèmes S1, S2, S3, S4 où S1
est contrôlable et observable, S2 est non contrôlable et observable, S3 est contrôlable et
non observable et S4 n'est ni contrôlable ni observable. Les dépendances entre les sous-
systèmes peuvent être résumées par la figure ci-dessous.
y
O-C
O-NC
u
NO-C
NO-NC
avec A = T -1 AT , B = T -1 B,C = CT .
6. Réalisation minimale
Définition. Une représentation d'état ( A, B,C , D) est une réalisation de G ( s ) si
-1
G( s) = C [ sI - A] B + D (4.23)
- contrôlable et observable :
. é0 1 ù é0 ù
x=ê ú x + ê úu
ê2 -1ú ê1 ú
ë û ë û
y = [ 2 -1] x
Cet exemple montre que ces représentations d’état ne sont pas équivalentes et que la
simplification entre un pôle et un zéro est directement liée aux propriétés d’observabilité
et de contrôlabilité de la réalisation. Aussi, la réalisation (4.) est minimale alors que les
trois autres ne le sont pas.
-1
Définition. Une réalisation d'une fonction de transfert G( s) = C [ sI - A] B + D est dite
minimale s'il n'existe aucune réalisation d'ordre inférieur dont la fonction de transfert est
G( s) .
et
é x 1 ù é 0 1 ù é x1 ù é0ù
ê ú=ê ú ê ú + ê úu
ê x 2 ú ê-2 -3ú ê x2 ú ê1 ú
ë û ë ûë û ë û
y = [ 3 1] x
é 3 0 -6 ù
é ù êê ú
N = êC T
ë
T
AC T
(A )
T 2
C ú = ê1 3 -11úú
T
û ê ú
ë 0 1 -3 û
N =0.
é 3 1ù
N = éêëC T AT C T ùûú = ê ú
ê-2 0ú
ë û
N = 2.
Chapitre 5
1. Introduction
Dans ce chapitre, nous présenterons une méthode de commande appelée la technique du
placement de pôles. Nous supposerons que toutes les variables d'état sont mesurables et
sont disponibles pour la rétroaction. Si le système considéré est complètement
contrôlable, alors les pôles du système en boucle fermée peuvent être placés à n'importe
quel endroit désiré au moyen d'un retour d'état à travers une matrice de gain approprié.
Cette technique de conception commence par une détermination des pôles désirés en
boucle fermée basés sur les conditions de la réponse transitoire et/ou de la réponse
fréquentielle, telles que la vitesse, l'amortissement, ou la bande passante, aussi bien que
des conditions d'état d'équilibre.
Placement
de pôles
Re
Pôles en BO
Pôles en BF
A -K
Figure 5.2. (a) Système en boucle ouverte, (b) Système en boucle fermée avec u = -Kx .
La substitution de l'équation (5.2) dans l'équation (5.1) donne:
.
x = ( A - BK ) x (5.3)
où x(0) est l'état initial. Les caractéristiques de stabilité et de la réponse transitoire sont
déterminées par les valeurs propres de la matrice [ A - BK ] . Si la matrice de gain K est
choisie correctement, la matrice [ A - BK ] peut être une matrice stable, et pour chaque
x(0) ¹ 0 , il est possible que le vecteur x(t ) tend vers 0 quand t tend vers l'infini. Les
valeurs propres de la matrice [ A - BK ] sont appelées les pôles de régulation. Si ces pôles
de régulation sont placés dans le côté gauche du plan s , alors x(t ) tend vers 0 lorsque t
tend vers l'infini.
Si le comportement désiré est spécifié à travers la sélection de n valeurs propres désirées,
alors le polynôme caractéristique désiré en boucle fermée est donné par:
Comme le système en boucle fermée doit avoir comme pôles ceux du polynôme désiré
a( s) , l'égalité suivante doit être vérifiée:
Mais avons tout ça, le système doit vérifier une condition nécessaire et suffisante pour
pouvoir placer ses pôles via un retour d'état.
3. Condition nécessaire et suffisante pour le placement de pôles
On démontre maintenant que la condition nécessaire et suffisante, pour le placement
arbitraire des pôles, est que le système soit complètement contrôlable. On commence
d'abord par prouver que si le système n'est pas complètement contrôlable, alors il y'a des
valeurs propres de la matrice [ A - BK ] qui ne peuvent être déplacées par retour d'état.
On suppose que le système (5.1) n'est pas complètement contrôlable. Alors le rang de la
matrice de contrôlabilité est inférieur à n , soit rang M = q < n . Ce qui signifie qu'il y a q
vecteurs linéairement indépendants dans la matrice de contrôlabilité. Désignons les q
vecteurs linéairement indépendants par f1 , f2 ,..., fq , et choisissons les n - q vecteurs
additionnels hq+1 , hq+2 ,..., hn , tel que la matrice
est de rang n .
Alors, on peut transformer le système (5.1) sous la forme:
z = Az + Bu (5.7)
avec
é A11 A12 ù
A = P -1 AP = ê ú
ê 0 A22 úû
ë
(5.8)
é B11 ù
B = P -1 B = ê ú
ê 0 ú
ë û
Maintenant, on définit:
K = KP = [ K1 K2 ] (5.9)
sI - [ A - BK ] = P -1 ( sI - A + BK ) P = sI - P -1 AP + P -1 BKP = sI - A + BK
é A11 A12 ù é B11 ù sI q - A11 + B11 K1 -A12 + B11 K 2
= sI - ê ú + ê ú[K K2 ] = (5.10)
ê 0 A22 úû êë 0 úû 1 0 sI n-q - A22
ë
= sI q - [ A11 - B11 K1 ] . sI n-q - A22
Notons que les valeurs propres de A22 ne dépendent pas de K . Ainsi, si le système n'est
pas complètement contrôlable, alors il y a des valeurs propres de la matrice A qui ne
peuvent être arbitrairement placées. Donc, pour placer arbitrairement les valeurs propres
de la matrice [ A - BK ] , le système doit être complètement contrôlable (condition
nécessaire).
Exemple 1. Soient les systèmes:
é-1 1 0ù é0 ù
ê ú ê ú
1) x = êê 0 -1 0úú x + êê1 úú u
ê0 0 1úû ê1 ú
ë ë û
é-1 1 0ù é1 ù
ê ú ê ú
2) x = êê 0 -1 0úú x + êê0úú u
ê0 0 1úû ê1 ú
ë ë û
é-1 1 0ù é1 ù
ê ú ê ú
3) x = ê 0 -1 0ú x + êê1 úú u
ê ú
ê0 0 1úû ê0ú
ë ë û
Les trois systèmes possèdent les mêmes valeurs propres -1,-1 et 1 . Il est clair que le
premier système est totalement contrôlable, tandis que pour le système 2, les modes
-1,-1 ne sont pas contrôlables, alors que pour le système 3 le mode 1 n'est pas
contrôlable.
Le polynôme caractéristique désiré est donné par:
a( s) = ( s + 2)( s + 3)( s + 4) = s 3 + 9s 2 + 26 s + 24
é-1 1 0ù é0ù é -1 1 0 ù
ê ú ê ú ê ú
[ A - BK ] = êê 0 -1 0úú - êê1 úú [ k1 k2 k3 ] = êê-k1 -k2 - 1 -k3 úú
ê0 0 1úû êë1 úû ê-k -k2 1 - k3 úû
ë ë 1
é s 0 0ù é -1 1 0 ù és + 1 -1 0 ù
ê ú ê ú ê ú
é sI - ( A - BK )ù = ê0 s 0ú - ê-k1 -k2 - 1 -k3 ú = ê k1 s + k2 + 1 k3 ú
ë û ê ú ê ú ê ú
ê0 0 s ú ê-k -k 1 - k ú ê k k s + k - 1ú
ë û ë 1 2 3û ë 1 2 3 û
dont le polynôme caractéristique est:
u = 3x1 + 7 x2 - 15 x3
é s 0 0ù é-k1 - 1 1 - k2 -k3 ù é s + k1 + 1 k2 - 1 k3 ù
ê ú ê ú ê ú
é sI - ( A - BK )ù = ê0 s 0ú - ê 0 - 1 0 ú=ê 0 s +1 0 ú
ë û ê ú ê ú ê ú
ê0 0 s ú ê -k ú
-k2 1 - k3 û ë ê k1 k2 s + k3 - 1úû
ë û ë 1
sI - [ A - BK ] = s 3 + (k1 + k3 + 1) s 2 + (2k3 - 1) s + k3 - k1 - 1
k1 + k3 + 1 = 9
2k3 - 1 = 26
k3 - k1 - 1 = 24
Ces trois équations algébriques n'ont pas de solution. Donc, on ne peut déplacer les
valeurs propres du système vers -2,-3,-4 .
La solution consiste à garder les pôles non contrôlables dans le polynôme caractéristique
désiré. Comme alternative, on choisit les pôles désirés comme: -1,-1,-4 . Alors, le
polynôme caractéristique désiré est donné par:
a( s) = ( s + 1)( s + 1)( s + 4) = s 3 + 6 s 2 + 9s + 4
u = -5 x3
où il est souhaité que la sortie y suit la consigne r(t ) . La loi de commande qui assure la
stabilisation du système et le suivi de la consigne r(t ) est définie par:
u = -Kx + kr r (5.12)
-K
r0 -1
Y ( s) = C ( sI - [ A - BK ]) Bkr (5.14)
s
La valeur de y en régime permanant est donnée par:
-1 -1
lim y(t ) = lim sY ( s) = lim r0C ( sI - [ A - BK ]) Bkr = -r0C [ A - BK ] Bkr = r0 (5.15)
t ¥ s0 s0
D’où, on obtient:
1
kr = - -1
(5.16)
C [ A - BK ] B
On calcule:
et la fonction de transfert en boucle fermée , avec le retour d’état (5.2) est donnée par :
Y ( s) -1
= C ( sI - [ A - BK ]) Bkr
R( s)
-1
æ é1 0 0ù é-1 1 0 ù ö÷ é0ù
çç ê ú ê ú ÷÷ ê ú -24 ( s - 1)
= [1 0 0 ]ççç s êê0 1 0úú - êê 3 6 -15úú ÷÷ êê1 úú (-24) =
çç ê ÷
÷ ( s + 3)( s + 2)( s + 4)
è ë0 0 1 úû êë 3 7 -14 úû ÷÷ø êë1 úû
Il est clair que les pôles en boucle fermée sont placés aux positions désirées, alors que le
zéro et resté le même. Ainsi, nous avons le théorème suivant.
Théorème. Les zéros du système en boucle fermée sont identiques à ceux du système en
boucle ouverte. Ce qui revient à dire que le placement de pôles n’affecte pas les zéros du
système.
où d est une perturbation externe qui agit sur les états du système à travers la matrice
B0 .
La commande conçue auparavant ne peut annuler l'effet de cette perturbation sur le suivi
de la référence.
Pour résoudre ce problème, on introduit une action intégrale:
xi = ò (r - y ) = ò (r - Cx ) (5.18)
Ce qui donne:
x = Ax + Bu + B0 d
x i = -Cx + r (5.19)
y = Cx
Si on définit le vecteur d'état augmenté xaT = [ x xi ] , alors on peut écrire le système sous
la forme augmentée:
x a = Aa xa + Bau + Br r + B0a d
(5.20)
y = Ca x a
v
B0
r x x y
+ ò ki + B + ò C
-
A
-K
xi = ò (r - y ) = ò (r - x1 ) x i = r - x1
Aussi:
és + 1 -1 0 0ù
ê ú
ê k1 s + k2 + 1 k3 ki ú
é sI - ( Aa - Ba K a )ù = ê ú
ë û ê k k2 s + k3 - 1 ki úú
ê 1
ê 1 s úúû
êë 0 0
u = 180 x1 + 77 x2 - 90 x3 - 120ò (r - x1 )
u = -Kz (5.28)
a1 + kn = a1
a2 + kn-1 = a2
(5.31)
an-1 + k2 = an-1
an + k1 = an
Ce qui produit:
sI - A = s 3 + s 2 - s - 1
éa2 a1 1ù é-1 1 1 ù
ê ú ê ú
W = êê a1 1 0úú = êê 1 1 0úú
ê1 0 0úû êë 1 0 0úû
ë
La matrice de contrôlabilité est donnée par:
é0 1 -2ù
ê ú
M = êê1 -1 1 úú
ê1 1 1 úû
ë
La matrice de transformation est :
é0 1 -2ù é-1 1 1ù é-1 1 0ù
ê úê ú ê ú
T = MW = êê1 -1 1 úú êê 1 1 0úú = êê-1 0 1 úú
ê1 1 1 úû êë 1 0 0úû êë 1 2 1 úû
ë
é-2 -1 1ù
1 êê ú
T -1
= ê 2 -1 1úú
4ê ú
ë-2 3 1û
Le polynôme caractéristique désiré est donné par:
a( s) = s 3 + 9s 2 + 26 s + 24
d'où a1 = 9, a2 = 26, a3 = 24 .
où
Preuve:
avec
éi1 ù é1 0 ... 0ù
ê ú ê ú
êi2 ú ê0 1 0 0ú
ê ú ê ú
I = êê...úú = êê0 0 .. ..úú (5.39)
ê ú ê.. 0 1 0úú
ê ú ê
êi ú ê0 0 1 úúû
êë n úû êë ..
alors:
n-1 n-2
i1F( A) = k1i1 A + k2i1 A + ... + kn-1i1 A + kni1 I (5.40)
En remarquant que :
Ce qui donne :
et
i1T -1T F( A) = K
(5.43)
i1T -1 (T F( A)T -1 ) = KT -1
T F( A)T -1 = F( A)
(5.44)
K = KT -1
Soit
T F( A)T -1 = F( A)
(5.45)
K = KT -1
Et
-1
K = i1T -1F( A) = i1 ( MW ) F( A) = i1W -1 M -1F( A) = in M -1F( A) (5.46)
a( s) = s 3 + 9s 2 + 26 s + 24
F( A) = A3 + 9 A2 + 26 A + 24 I
é-1 1 0ù 3 é-1 1 0ù 2 é-1 1 0ù é1 0 0ù
ê ú ê ú ê ú ê ú
= êê 0 -1 0úú + 9 êê 0 -1 0úú + 26 êê 0 -1 0úú + 24 êê0 1 0úú
ê0 0 1 úû ê0 0 1 úû ê0 0 1 úû ê0 0 1 ú
ë ë ë ë û
é6 11 0 ù
ê ú
= êê0 6 0 úú
ê0 0 60ú
ë û
Enfin le gain du retour d'état est donné par:
K = [0 0 1] M -1F( A)
é-2 -3 -1ù é6 11 0 ù
1 ê úê ú
= - [0 0 1] êê 0 2 -2úú êê0 6 0 úú
4 ê2
ë 1 -1úû êë0 0 60úû
= [-3 -7 15]
Figure 5.9. Machine CC en boucle fermée avec retour d'état et action intégrale.
Figure 5.10. Réponse en boucle fermée avec retour d'état et action intégrale avec d=0.4.
Chapitre 6
1. Introduction
Dans le chapitre précédent, nous avons présenté la conception des systèmes de
commande par des lois de type retour d’état. Nous avons supposé que toutes les variables
d'état sont disponibles pour le retour d'état. Cependant, en pratique, certaines variables
d'état présentent des difficultés techniques ou économiques du point de vue mesure.
L'estimation des variables d'état non mesurables est donc nécessaire pour mettre en
œuvre les lois de commande conçues. L'algorithme qui estime les variables d'état est
appelé un observateur (appelé aussi estimateur ou reconstructeur) d'état. Un observateur
d'état ou estimateur est un système dynamique qui utilise l’information disponible sur le
système réel, à savoir les entrées et les sorties du processus réel, afin de produire une
estimation
u(t ) y(t )
Système
2. Observateur en boucle ouverte
Considérons le système d’ordre n défini par:
x = Ax + Bu
(6.1) yˆ(t )
y = Cx Observateur
xˆ = Axˆ + Bu
(6.2)
yˆ = Cxˆ
lim x(t ) = 0
t ¥
% observateur en boucle ouverte
(6.5) % modèle du système
A=[-2 1 0;0 -1 1; 0 1 -3];
et l'estimation x̂ converge vers x . B =[2 0 -1]'; C=[1 0 -1]; D=0;
x0 = [-1 1 1]; xobs0 = [0 0 0];
Exemple 1. Considérons le système
é-2 1 0ù é2 ù
. ê ú ê ú
x = ê 0 -1 1 ú x + êê0 úú u
ê ú
ê0 1 -3úû ê-1ú
ë ë û
y = [1 0 -1] x
avec xˆ(0) = [0 0 0 ] .
T
D'après les résultats de simulation, il est clair que les états estimés convergent vers ceux
du système réel.
1
x1
-1
0 5 10 15 20
1
0.5
x2
-0.5
0 5 10 15 20
1
0.5
x3
-0.5
0 5 10 15 20
t (sec)
De l'équation (6.8), nous voyons que la dynamique du vecteur d'erreur x est déterminée
par les valeurs propres de la matrice [ A - LC ] . Si la matrice [ A - LC ] est stable, le vecteur
d'erreur convergera vers zéro pour n'importe quelle erreur initiale x (0) . Si le système est
complètement observable, alors il est possible de choisir une matrice L tel que [ A - LC ]
prend des valeurs propres bien spécifiées.
Système
u
x̂ x̂ ŷ
B + + ò C -
+
Figure 6.4. Schéma bloc du système avec l'observateur d'état d'ordre complet.
soit égal à n .
Exemple 2. Considérons les systèmes:
é-1 1 0ù é0 ù
. ê ú ê ú
x = êê 0 -1 0úú x + êê1 úú u
1. ê0
ë 0 1úû ê1 ú
ë û
y = [1 0 1] x
é-1 1 0ù é0 ù
. ê ú ê ú
x = ê 0 -1 0ú x + êê1 úú u
ê ú
2. ê0
ë 0 1úû ê1 ú
ë û
y = [ 0 1 1] x
é-1 1 0ù é0 ù
. ê ú ê ú
x = ê 0 -1 0ú x + êê1 úú u
ê ú
3. ê0
ë 0 1úû ê1 ú
ë û
y = [1 1 0 ] x
Les trois systèmes possèdent les mêmes valeurs propres -1,-1 et 1 . Il est clair que le
premier système est totalement observable, tandis que pour le système 2, les modes
-1,-1 ne sont pas observables, alors que pour le système 3 le mode 1 n'est pas
observable.
On veut concevoir des observateurs d'ordre complet pour les trois systèmes de la forme
(6.9), avec:
él1 ù
ê ú
L = êêl2 úú
êl ú
ë 3û
Le polynôme caractéristique désiré de l'observateur est donné par:
o( s) = ( s + 2)( s + 2)( s + 3) = s 3 + 7s 2 + 16 s + 12
é s 0 0ù é-l1 - 1 1 -l1 ù é s + l1 + 1 -1 l1 ù
ê ú ê ú ê ú
ê ú ê
é sI - [ A - LC ]ù = 0 s 0 - -l2 ú
-1 -l2 ú = ê ê l2 s +1 l2 ú
ë û ê ú ê ú
ê0 0 s ú ê -l 0 1 - l3 úû êë l3 0 s + l3 - 1úû
ë û ë 3
sI - [ A - LC ] = s 3 + (l2 + l3 + 1) s 2 + (2l3 - 1) s + l3 - l2 - 1
l2 + l3 + 1 = 7
2l3 - 1 = 16
l3 - l2 - 1 = 12
qui n'a pas de solution.
Donc, on ne peut placer les valeurs propres de l'observateur à -2,-2,-3 .
Comme alternative, on choisit les pôles désirés comme: -1,-1,-3 . Alors, le polynôme
désiré est donné par:
o( s) = ( s + 1)( s + 1)( s + 3) = s 3 + 5s 2 + 7 s + 3
é-1 1 0ù é0 ù é0ù
. ê ú ê ú ê ú
xˆ = ê 0 -1 0 ú xˆ + ê1 ú u + êê0 úú y
ê ú ê ú
ê 0 -4 -3ú ê1 ú ê4 ú
ë û ë û ë û
dont les valeurs propres sont: -1,-1,-3 .
Donc, nous avons gardé les modes (-1,-1) qui sont non observables mais stables, et
placer le mode 1 instable mais observable. Le système 2 est dit détectable.
2.2 Méthodes de calcul du gain de l'observateur
a. Matrice de transformation
Supposons que le système défini par (6.1) est complètement observable, c-à-d que la
matrice d'observabilité N T est de plein rang, et W est définie par:
é an-1 an-2 a1 1 ù
ê ú
êan-2 a1 1 0ú
ê ú
W = êê . úú (6.11)
ê a 1 . 0 ú
ê 1 ú
ê 1 0 0 0úúû
êë
Puisque nous avons supposé que le système est complètement observable, la matrice de
-1
transformation T = (WN T ) existe.
Les équations (6.13) sont dans la forme canonique observable. Notons que si la matrice A
est déjà sous la forme canonique observable alors: T = I .
Comme indiqué plutôt, nous choisissons la dynamique de l'observateur d'état comme:
.
xˆ = Axˆ + Bu + L( y - yˆ ) = Axˆ + Bu + L(Cx - Cxˆ ) (6.15)
yˆ = Cxˆ
Définissons maintenant
x̂ = Tzˆ (6.16)
Par la substitution de l'équation (6.16) dans l'équation (6.15), nous avons:
.
zˆ = T -1 ATzˆ + T -1 Bu + T -1 LCT ( z - zˆ) (6.17)
Soit encore:
.
zˆ = Azˆ + Bu + LC ( z - zˆ) (6.18)
avec
L = T -1 L (6.19)
Soustrayons l'équation (6.18) de l'équation (6.13), nous obtenons:
. .
z- zˆ = éê A - LC ùú ( z - zˆ) (6.20)
ë û
Définissons: z = z - zˆ , alors l'équation (6.20) devient:
.
z = éê A - LC ùú z (6.21)
ë û
Notons que
é A - LC ù = T -1 [ A - LC ]T (6.22)
ëê ûú
d'où
sI - ( A - LC ) = T -1 sI - ( A - LC ) T = sI - ( A - LC ) (6.23)
L =TL (6.24)
Prenons la notation:
él1 ù
ê ú
êl2 ú
L = êê úú (6.25)
ê ú
êl ú
ëê n ûú
a1 + l n = a1
a2 + l n-1 = a2
(6.30)
an + l1 = an
Ce qui donne :
l n = a1 - a1
l n-1 = a2 - a2
(6.31)
l1 = an - an
On veut concevoir un observateur d'ordre complet pour estimer les états de ce système.
La condition d'observabilité est donnée par:
é C ù é1 0 0ù
ê ú ê ú
ê ú
N = ê CA ú = ê-2 1 0úú
T ê
ê 2 ú ê 4 -3 1ú
ëêCA ûú ë û
avec
él1 ù
ê ú
L = êêl2 úú
êl ú
ë 3û
Le polynôme caractéristique du système est:
sI - A = s 3 + 6 s 2 + 10 s + 4
D'où a1 = 6, a2 = 10 et a3 = 4 ,
é10 6 1 ù
ê ú
W = êê 6 1 0úú
ê 1 0 0ú
ë û
et
é0 0 1 ù
T -1
ê ú
T = (WN ) = êê0 1 -4 úú
ê1 -3 10 ú
ë û
Les valeurs propres du système sont -0.5858,-2, -3.4142 . L'observateur doit avoir une
dynamique plus rapide que celle du système; d'où on choisit comme valeurs propres
désirées pour l'observateur -4,-4,-4 . Ainsi, le polynôme désiré est donné par:
o ( s ) = ( s + 4) = s 3 + 12s 2 + 48s + 64
3
0.5
-0.5
-1
0.5
-0.5
-1
1
0.5
0
-0.5
0 1 2 3 4 5
Time (seconds)
Ready Sample based T=5.000
avec
é ù é ù
ê C ú ê 1 0 -1ú
ê ú
N = ê CA ú = êê-2 0 3 úú
T
ê 2 ú ê 4 1 -9ú
êëCA úû ë û
et le polynôme désiré est donné par:
o ( s ) = s 3 + 11s 2 + 38s + 40
Alors:
é8 20 6 ù
ê ú
o ( A) = A + 12A + 48 A + 64 I = êê0 34 14 úú
3 2
ê0 14 6 ú
ë û
Enfin:
é8 20 6 ù é 1 0 -1ù-1 é0ù é 6 ù
ê úê ú ê ú ê ú
L = êê0 34 14 úú êê-2 0 3 úú êê0úú = êê14 úú
ê0 14 6 ú ê 4 1 -9ú ê1 ú ê 6 ú
ë ûë û ë û ë û
Il va de soit, que nous obtenons le même gain L indépendamment de la méthode utilisée.
% Observateur d'ordre complet
% modèle du système
A=[-2 1 0;0 -1 1; 0 1 -3];B =[2 0 -1]'; C=[1 0 0]; D=0;
NT=obsv(A,C); rank(NT)
% calcul du gain L (Ackermann)
Polyn_obs=conv([1 4],conv([1 4],[1 4]))
Polyn_obs(1)=[]
Alfa_A=A^3+Polyn_obs(1)*A^2+Polyn_obs(2)*A+Polyn_obs(3)*eye(3)
L= Alfa_A*inv(NT)*[0 0 1]'
Ao=A-L*C
% simulation
x0 = [-1 1 1]';x0est = [0 0 0]';
A - LC
-K
Il est à noter que l'équation de l'erreur d'observation est donnée par l'équation (6.5):
.
x = ( A - LC ) x (6.39)
Remarque 1. Les pôles en boucle fermée sont la somme des pôles du système
commandé par retour d'état et ceux de l'observateur. Les pôles désirés en boucle fermée
qui seront générés par retour d'état (placement de pôles) sont choisis de sorte que le
système satisfait les exigences de performance.
Remarque 2. Les pôles de l'observateur sont généralement choisis de sorte que la
réponse de l'observateur est beaucoup plus rapide que la réaction du système. Une règle
de base consiste à choisir une réponse de l'observateur au moins deux à cinq fois plus
rapide que la réaction du système.
La transformée de Laplace de l'équation (6.52) produit:
U ( s) = -KXˆ ( s) + kr R( s) (6.42)
sXˆ ( s) = [ A - LC ] Xˆ ( s) + BU ( s) + LY ( s) (6.43)
où nous avons supposé que l'état initial de l'observateur xˆ(0) = 0 , ce qui est la règle en
pratique.
En substituant l'équation (6.42) dans l'équation (6.43), on obtient:
-1 -1
Xˆ ( s) = éë sI - [ A - LC - BK ]ùû Bkr R( s) + éë sI - [ A - LC - BK ]ùû LY ( s) (6.44)
( -1
) -1
U ( s) = kr 1 - K éë sI - [ A - LC - BK ]ùû B R( s) - K éë sI - [ A - LC - BK ]ùû LY ( s) (6.45)
-1
K éêsI - éê A - LC - BK ùú ùú L
ë ë ûû
Par le calcul de
é0 1 0 ù é0 0 1ù
ê ú ê ú
M = ê1 1 1 ú et N = ê-1 0 1úú
ê ú T ê
ê1 1 0ú ê 0 -1 1ú
ë û ë û
on vérifie que le système est contrôlable et observable.
Le placement des pôles du système en boucle fermée à -1 , -1 , -1 , avec consigne r(t )
donne la loi de commande:
u = -Kx + kr r
sI - A = s 3 - s 2 - s + 1
D'où a1 = -1 , a2 = -1 , a3 = 1 .
a ( s ) = ( s + 1) = s 3 + 3s 2 + 3s + 1
3
d'où a1 = 3 , a2 = 3 , a3 = 1 .
æ ö-1
çç êé0 1 0ùú éê-1 -1 1 ùú÷÷
÷
K = [1 - 1 3 + 1 3 + 1]çç ê1 1 1 ú ê-1 1 0ú÷÷ = [ 4 12 -8]
çê
çê ú ê ú÷÷
çè ë1 1 0úû êë 1 0 0ú÷û ÷ø
Le gain kr est donné par:
1 1
kr = - -1
=-
C [ A - BK ] B 2
o ( s ) = ( s + 4) = s 3 + 12s 2 + 48s + 64
3
y,r
108 (-4s 2 - s + 3)
sI - [ A - BK ] sI - [ A - LC ] = a ( s ) o ( s ) = ( s 3 + 3s 2 + 3s + 1)( s 3 + 6 s 2 + 12s + 8)
= s 6 + 9s 5 + 33s 4 + 63s 3 + 66 s 2 + 36 s + 8
L'équation caractéristique n'est pas la même pour la représentation dans l'espace d'état et
la représentation par fonction de transfert.
5. Observateur d'ordre réduit
Les observateurs qui ont été examinés sont conçus pour estimer toutes les variables
d'état. Dans la pratique, certaines des variables d'état peuvent être accessible à la mesure.
Ces variables d'état ne doivent pas être estimés.
Supposons que le vecteur d'état x(t ) est un vecteur de dimension n et le vecteur de sortie
y est un vecteur de dimension m qui peut être mesuré. Puisque les m variables d'état
sont mesurables, alors on a besoin d'estimer uniquement (n - m) variables d'état. Alors
l'observateur devient un observateur d'ordre (n - m) . Cet observateur d'ordre (n - m) est
un observateur d'ordre réduit. Il est important de noter que si la mesure des variables de
sortie contient du bruit, alors l'utilisation de l'observateur d'ordre complet donne des
résultats plus performants.
considérons le système d'ordre n :
x = Ax + Bu
(6.46)
y = Cx
où le vecteur y Î Rm représente les états mesurables. Le vecteur d'état x peut être divisé
en deux parties: z1 Î Rm vecteur des états mesurables, et z2 Î Rn-m vecteur des états non
mesurable. Alors les équations d'état et de sortie peuvent être partitionnées:
é z1 ù é A11 A12 ù é z1 ù é B1 ù
ê ú=ê ú ê ú + ê úu
ê z 2 ú ê A21 A22 úû êë z2 úû êë B2 úû (6.47)
ë û ë
y = z1
Avec les sous-matrices: A11 Î Rm´m , A12 Î Rm´(n-m) , A21 Î R(n-m)´m , A22 Î R(n-m)´(n-m) et
m´1 ( n-m)´1
B1 Î R , B2 Î R .
Ou encore:
z 2 = A22 z2 + A21 y + B2u
(6.49)
y - A11 y - B1u = A12 z2
La première équation de (6.49) joue le rôle d'une équation d'état avec la matrice
d'évolution A22 , et la deuxième équation de (6.49) joue le rôle de l'équation de sortie avec
la matrice d'observation A12 . Avec cette notation, on peut énoncer la condition nécessaire
à l'existence de l'observateur d'ordre réduit.
Définition. Le système définit par les équations (6.37) est complètement observable si le
rang de la matrice d'observabilité réduite:
é A12 ù
ê ú
ê A12 A22 ú
N rT = êê ú Î R(n-m)´(n-m)
ú (6.50)
ê ú
ê ( n-m-1) ú
ëê 12 22
A A ûú
est égal à (n - m) .
A partir de là, les techniques utilisées pour concevoir les observateurs d'ordre réduit sont
les mêmes que celles utilisées pour la conception des observateurs d'ordre complet.
La conception d'un observateur d'ordre réduit peut être effectuée comme suit.
A partir des équations (6.37), l'observateur peut être écrit comme:
.
zˆ 2 = A22 zˆ2 + A21 y + B2u + L ( y - A11 y - B1u - A12 zˆ2 ) (6.51)
Soit encore:
.
zˆ 2 = ( A22 - LA12 ) zˆ2 + ( B2 - LB1 ) u + ( A21 - LA11 ) y + Ly (6.52)
Enfin, l'observateur d'ordre réduit est donné par les équations suivantes:
h = ( A22 - LA12 ) h + ( B2 - LB1 ) u + ( A21 - LA11 + ( A22 - LA12 ) L) y
(6.56)
zˆ2 = h + Ly
L'équation caractéristique pour l'observateur d'ordre réduit est obtenue à partir de
l'équation (6.56) comme suit:
é an-m-1 an-m-2 a1 1 ù
ê ú
êan-m-2 an-m-3 1 0ú
ê ú
Wr = êê úú Î Â(n-m)´(n-m) (6.59)
ê a 1 0 0 0úú
ê 1
ê 1 0 0 0úúû
êë 0
De plus, si la formule d'Ackermann est utilisée, alors elle devra être réécrite comme:
é0 ù
ê ú
êú
T -1 ê ú
L = f( A22 )( N r ) ê ú (6.61)
ê0 ú
ê1 ú
ëê ûú
où
n-m n-m-1
f( A22 ) = A22 + a1 A22 + + an-m-1 A22 + an-m I (6.62)
é. ù
ê x 2 ú é-1 1 ù é x2 ù é 0 ù
ê. ú=ê ú ê ú + ê úu
ê ú êë 1 -3úû êë x3 úû êë-1úû
ëê x 3 ûú
. é x2 ù
y+ 2 y - 2u = [1 0 ] ê ú
ê x3 ú
ë û
L'observabilité du système est donnée par le rang de:
é 1 0ù
N rT = ê ú
ê-1 1 ú
ë û
qui est égal à 2, donc le système est observable.
L'observateur prend la forme:
é. ù
ê xˆ 2 ú é-1 1 ù é xˆ2 ù é 0 ù æ é xˆ ù ö
ê ú=ê ú ê ú + ê ú u + L çç y + 2 y - 2u - [1 0 ] ê 2 ú÷÷÷
ê . ú êë 1 -3úû ê xˆ3 ú êë-1úû çç ê xˆ3 ú÷ø÷
êë xˆ 3 úû ë û è ë û
avec
é l1 ù
L=ê ú
êl2 ú
ë û
Ce qui peut être arrangé comme:
é. ù
ê xˆ 1 ú é-1 - l1 1 ù é xˆ1 ù é -2l1 ù .
ê ú=ê úê ú+ê ú u + 2Ly + L y
ê . ú êë 1 - l2 -3úû ê xˆ2 ú êë-1 - 2l2 úû
êë xˆ 2 úû ë û
o ( s ) = ( s + 4) = s 2 + 8s + 16
2
ainsi
é. ù
ê xˆ 1 ú é-5 1 ù é xˆ1 ù é8ù é8ù .
ê ú=ê ú ê ú-ê úu+ ê ú y + L y
ê . ú ê-1 -3ú ê xˆ2 ú êë5úû ê4 ú
ë û
êë xˆ 2 úû ë ûë û
é xˆ ù é h ù é4 ù
ê 1ú = ê 1ú + ê ú y
ê xˆ2 ú ê h2 ú ê 2ú
ë û ë û ë û
Soit
é. ù é. ù
ê xˆ 1 ú ê h1 ú é4 ù .
ê ú = ê ú+ê úy
ê . ú ê . ú êë 2úû
êë xˆ 2 úû êë h 2 úû
s +1 -1
sI - A22 = = s2 + 4s + 2
-1 s+3
D'où
é4 1 ù
Wr = ê ú
ê1 0ú
ë û
-1
La matrice de transformation: Tr = (Wr N rT ) avec
æ é4 1 ù é 1 0ù ö÷-1 é0 1 ù
Tr = (Wr N T -1
) = ççç ê úê ú÷ = ê ú
r
çè êë1 0úû êë-1 1 úû ÷÷ø ê1 -3ú
ë û
Le polynôme caractéristique désiré pour l'observateur est donné par:
o ( s ) = s 2 + 8s + 16
é. ù
ê xˆ 1 ú é-1 1ù é xˆ1 ù é0ù æ é xˆ ù ö
ê ú=ê ú ê ú + ê ú u + L çç y - y - u - [-1 0 ] ê 1 ú÷÷÷
ê . ú ê 0 1úû ê xˆ2 ú êë1 úû ç ê ú÷
êë xˆ 2 úû ë ë û çè ë xˆ2 û ÷ø
avec
é l1 ù
L=ê ú
êl2 ú
ë û
Soit encore
é. ù
ê xˆ 1 ú él1 - 1 1ù é xˆ1 ù é -l1 ù
ê ú=ê úê ú+ê ú u - Ly + Ly
ê . ú êë l2 1úû êë xˆ2 úû êë1 - l2 úû
êë xˆ 2 úû
o (s) = s2 + 4 s + 4
é. ù
ê xˆ 1 ú é-5 1ù é xˆ1 ù é 4 ù é-4 ù é-4 ù
ê ú=ê ú ê ú + ê ú u - ê ú y + ê ú y
ê . ú ê-9 1ú ê xˆ2 ú êë10úû ê-9ú
ë û
ê-9ú
ë û
êë xˆ 2 úû ë ûë û
é ù é ù
.
ê xˆ1 ú = êê h1 úú + êé-4 úù y.
ê ú ê . ú ê-9ú
êë xˆ2 úû ê h ú ë û
ë 2û
L'observateur prend la forme:
é h1 ù é-5 1ù é h1 ù é15 ù é2ù é h (0)ù
ê ú=ê ú ê ú + ê ú y + ê ú u, ê 1 ú
ê h 2 ú ê-9 1ú ê h2 ú ê36ú ê8ú ê h2 (0)ú
ë û ë ûë û ë û ë û ë û
é xˆ1 ù é h1 ù é-4 ù
ê ú = ê ú+ê úy
ê xˆ2 ú ê h2 ú ê-9ú
ë û ë û ë û
Le gain L peut aussi être calculé avec les autres méthodes.
s +1 -1
sI - A22 = = s2 -1
0 s -1
D'où
éa1 1 ù é0 1 ù
Wr = ê ú=ê ú
ê 1 0ú ê1 0ú
ë û ë û
-1
La matrice de transformation: Tr = (Wr N rT ) avec
o (s) = s2 + 4 s + 4