Académique Documents
Professionnel Documents
Culture Documents
ahmed.maidi@gmail.com
30 août 2020
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 1 / 29
Chapitre 1. Généralités sur les systèmes non linéaires
7 Points d’équilibre
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 2 / 29
Notion de système dynamique
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 3 / 29
Définition d’un système non linéaire
Rappel sur les équations différentielles ordinaires
ou
dx(t) d2 x(t) dx(n) (t)
F t, , , . . ., =0 (2)
dt dt2 dtn
L’ordre de l’équation différentielle ordinaire est l’ordre de la dérivée la plus
élevée contenue dans cette équation.
Deux classes des équations différentielles ordinaires : équations linéaires
et non linéaires.
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 4 / 29
Définition d’un système non linéaire
Rappel sur les équations différentielles ordinaires
degré : 5.
ordre : 3.
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 5 / 29
Définition d’un système non linéaire
Rappel sur les équations différentielles ordinaires
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 6 / 29
Définition d’un système non linéaire
Rappel sur les équations différentielles ordinaires
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 9 / 29
Notion de modèle mathématique
d2 y(t) dy(t)
2
+ 3 sin3 (t) + y(t) = 2 u(t) (6)
dt dt
Soit y1 (t) et y2 (t) les sorties obtenues en appliquant respectivement les
commandes u1 (t) et u2 (t), alors on a :
Les commande u(t) = u1 (t) + u2 (t) produit la sortie y(t) = y1 (t) + y2 (t). Le
principe de superposition est vérifié. Le système est linéaire.
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 11 / 29
Représentation d’un système non linéaire
Représentation d’état
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 12 / 29
Représentation d’un système non linéaire
Représentation d’état
f1 (x(t), u(t), t) h1 (x(t), u(t), t)
f2 (x(t), u(t), t) h2 (x(t), u(t), t)
f = .. , h= ..
(15)
. .
fn (x(t), u(t), t) hr (x(t), u(t), t)
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 13 / 29
Représentation d’un système non linéaire
Représentation d’état
Système libre (non forcé) : pas de u(t) dans la fonction f .
Système linéaire :
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 14 / 29
Sources des non linéarités
Phénomènes physiques non linéaires (réaction chimique, mouvement
d’un fluide),
Éléments dont la caractéristique entrée/sortie est non linéaire (relais,
diode, vanne).
u(t) u(t)
1)- Courbure avec hystérésis. 2)- Relais avec seuil. 3)- Seuil avec saturation.
y(t) y(t)
u(t) u(t)
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 16 / 29
Conditions d’existence de la solution
Existence de la solution
On suppose que la fonction f (x(t), t) est
1 continue par rapport à ses deux variables ;
2 lipschitzienne par rapport à sa première variable x(t), c’est-à-dire qu’il
existe une constante positive L (appelée constante de Lipschitz) telle que
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 17 / 29
Conditions d’existence de la solution
Constante de Lipschitz L = 4.
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 18 / 29
Points d’équilibre
Le concept le plus important en analyse des systèmes non linéaires est celui
du point d’équilibre.
Point d’équilibre
Un point x = xe dans l’espace d’état est un point d’équilibre pour le système
non linéaire autonome suivant :
D’après la définition, les points d’équilibres du système (26) sont les racines
réelles de l’équation f (xe ) = 0, c’est-à-dire xe ∈ <n . En effet, si
dx(t))
xÛ (t) = = f (xe ) = 0 (27)
dt
on déduit que le point xe est constant, par conséquent d’après la définition, xe
est un point d’équilibre.
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 19 / 29
Points d’équilibre
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 20 / 29
Linéarisation autour d’un point d’équilibre
Considérons un point d’équilibre xe , ue et ye et introduisons les variables
d’écarts suivantes :
∆x = x − xe (30)
∆u = u − ue (31)
∆y = y − ye (32)
Le modèle linéaire approximant le système non linéaire autonome
xÛ (t) = f (x(t), u(t)) (33)
y(t) = h(x(t), u(t)) (34)
pour des petites variations autour du point d’équilibre est donnée comme suit :
∆Ûx(t) = A ∆x(t) + B ∆u(t) (35)
∆y(t) = C ∆x(t) + D ∆u(t) (36)
où
A = ∇x f | x=xe, u=ue , B = ∇x f | x=xe, u=ue , C = ∇u h| x=xe, u=ue , D = ∇x h| x=xe, u=ue
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020
(37)
21 / 29
Linéarisation autour d’un point d’équilibre
xÛ 1 (t) = x1 (t) + x22 (t) + x1 (t)u(t) ⇒ f1 = x1 (t) + x22 (t) + x1 (t)u(t) (40)
xÛ 2 (t) = x1 (t) + x2 (t) ⇒ f2 = x1 (t) + x2 (t) (41)
y(t) = x1 (t) x2 (t) ⇒ h1 = h = x1 (t) x2 (t) (42)
∂f1 ∂f1
1 + u(t) 2 x2 (t) 1+2 2×3
∂x1 ∂x2
∇x f = = ⇒ A=
∂f2 ∂f2 1 1 1 1
∂x1 ∂x2
∂f1
∂u x1 (t) −3
∇u f = = ⇒ B=
∂f2
0 0
∂u
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 23 / 29
Linéarisation autour d’un point d’équilibre
∂h1 ∂h1
∇x h = = x2 (t) x1 (t) ⇒ C = 3 −3
(43)
∂x1 ∂x2
∂h1
∇u h = = [0] ⇒ D = [0] (44)
∂x1
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 24 / 29
Exercices
Exo. 1 Considérons le système hydraulique (bac de stockage) de la Figure 3.
Qe (t)
h(t)
θ Qs (t)
2r
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 25 / 29
Exercices
Le bac est alimenté par le débit Qe (t) pour avoir en sortie un débit Qs (t) qu’on
suppose proportionnel à la hauteur h(t) du fluide dans le bac, c’est-à-dire
Qs (t) = α h(t). En utilisant le bilan de matière, déterminer le modèle
mathématique du bac.
2r
π 2
V= r l
3
Figure 4 – Cône.
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 26 / 29
Exercices
Exo. 2 Considérons le circuit électronique de la Figure 6. Le circuit est
constitué d’une source d’alimentation en tension U , d’une résistance R, d’une
inductance L, d’un condensateur C et d’une diode. La caractéristique
ID = Φ(VD ) de la diode est donnée par la Figure 5. On demande de préciser le
type de la caractéristique de la diode et de déterminer le modèle
mathématique du circuit.
L
R
+
VC −+ C −
VD
+
U −
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 27 / 29
Exercices
1.0
0.8
0.6
ID [mA]
0.4
0.2
0.0
Inégalité de Young
Soit p ∈ [1, ∞) et 1/p + 1/q = 1, si a > 0 et b > 0 alors on a l’inégalité
suivante :
ap bq
ab ≤ + (48)
p q
Ahmed MAIDI (UMMTO) Chapitre 1. Généralités sur les systèmes 30 août 2020 29 / 29
Module : systèmes non linéaires
ahmed.maidi@gmail.com
2 mai 2020
1 Définitions générales
3 Cycles limites
5 Exercices
La méthode du plan de phase est une technique graphique utilisée pour l’étude
des systèmes non linéaires et la conception des correcteurs. Cette méthode
est limitée aux systèmes non linéaires dont la dynamique est décrite par une
équation différentielle ordinaire du second ordre. Notons que la plupart des
systèmes dynamiques peuvent être modélisés par des équations de second
ordre. La méthode du plan de phase permet d’examiner graphiquement
l’évolution de la solution de l’équation différentielle pour comprendre le
comportement du système et tirer une conclusion sur la stabilité.
Plan de phase
Le plan Ox1 x2 est appelé plan de phase.
Trajectoire de phase
La représentation de la solution x(t), quant t varie de 0 à +∞, par une courbe
paramétrée par t dans le plan de phase appelé trajectoire de phase.
La solution x(t) est donnée comme suit : x1 (t) = 2 e−t et x2 (t) = 4 e−2 t . Pour
tracer la trajectoire de phase dans le plan Ox1 x2 , on a :
2
2 ©1
x2 (t) = 4 e−t ⇒ x2 (t) = 4 2 e−t ® ⇒ x2 = x2
ª
2 |{z}® 1 (6)
« x1 (t) ¬
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du plan de phase 2 mai 2020 5 / 35
Définitions générales
x2
Portrait de phase
L’ensemble des trajectoires de phase pour différentes conditions initiales est
appelé portrait de phase.
x2
Le portrait de phase de 2
en considérant 4 conditions −3 −2 −1
O
1 2 3
x1
−1
initiales est donné par la
−2
Figure 2.
−3
Il existe deux techniques qu’on peut utiliser pour construire le portrait de phase
d’un système.
1 Élimination du temps explicitement : on résout analytiquement les
équations du modèle pour déterminer les solutions x1 (t) et x2 (t). Puis, on
élimine la variable temps pour déterminer l’équation de la trajectoire dans
le plan de phase sous la forme :
ψ(x1, x2 ) = 0 (7)
La méthode analytique peut être appliquée pour les systèmes dont les
équations du modèle sont faciles à résoudre analytiquement en utilisant les
deux techniques présentées. Cette méthode peut être appliquée par exemple
pour représenter le portrait d’un système linéaire.
Ce système admet un seul point d’équilibre qui est l’origine du plan de phase.
La solution analytique de cette équation est donnée comme suit :
Avec Φ(t) = L−1 (s I2×2 − A)−1 (s est la variable de Laplace, I2×2 est une
3
2
2
1
1
x2
x2
0 0
−1
−1
−2
−2
−3
−3 −2 −1 0 1 2 3 −1.5 −1.0 −0.5 0.0 0.5 1.0 1.5
x1 x1
3 3
2 2
1 1
x2
x2
0 0
−1 −1
−2 −2
−3 −3
−3 −2 −1 0 1 2 3 −3 −2 −1 0 1 2 3
x1 x1
6
4
4
2
2
x2
x2
0 0
−2
−2
−4
−4
−6
−20 −10 0 10 20 −3 −2 −1 0 1 2 3
x1 x1
L’équation suivante
dx2 f2 (x1, x2 )
= (13)
dx1 f1 (x1, x2 )
détermine pour tout point M du plan de phase, de coordonnées x1∗ et x2∗ , une
dx2
valeur de la dérivée , c’est-à-dire le coefficient angulaire de la tangente à la
dx1
trajectoire de phase passant par le point M (voir la Figure 9). Par conséquent
l’équation (13) définit un ensemble de directions ou, comme on dit, un champ
de directions dans le plan de phase Ox1 x2 .
x2
x∗2 M
x1
x∗1
Figure 9 – Tangente à la trajectoire de phase passant par le point M .
dx2 f2 (x1, x2 )
C= = (14)
dx1 f1 (x1, x2 )
Une fois la famille des isoclines, obtenues pour différentes valeurs de C, est
construite, nous pouvons représenter approximativement la famille des
trajectoires de phase. Les isoclines permettent de définir l’allure des
trajectoires de phase dans le plan de phase.
Remarques :
Les étape 1 et 2 sont à répéter pour plusieurs valeurs de C pour remplir
le plan de phase d’isoclines,
L’étape 3 est à répéter pour plusieurs conditions initiales pour représenter
le portrait de phase (remplir le plan de phase de trajectoires de phase).
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du plan de phase 2 mai 2020 20 / 35
Construction pratiques des trajectoires de phase
Méthode des isoclines
dx2 f1 (x1, x2 ) 2 x2 C
C= = = ⇒ x2 = x1 (16)
dx1 f1 (x1, x2 ) x1 2
On remarque que les isoclines sont des droites de pente C/2 passant par
l’origine.
O
−3 −2 −1 1 2 3
−1
x1
−2
−3
M
2
O
−3 −2 −1 1 2 3
−1
x1
−2
−3
O
−3 −2 −1 1 2 3
−1
x1
−2
−3
O
−3 −2 −1 1 2 3
x1
−1
−2
−3
O
−3 −2 −1 1 2 3
x1
−1
−2
−3
Définition
Un cycle limite, noté C , est une trajectoire fermée unique dans le plan de
phase.
Théorème de Bendixson
Aucun cycle limite ne peut exister dans une région Ω du plan de phase dans
laquelle
∂f1 (x1, x2 ) ∂f2 (x1, x2 )
+ (19)
∂x1 ∂x2
ne s’annule pas ni ne change de signe.
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du plan de phase 2 mai 2020 29 / 35
Cycles limites
Théorème de Poincaré-Bendixson
Si une trajectoire demeure dans une région finie Ω alors une des trois
propositions suivantes est vraie :
1 La trajectoire va vers un équilibre.
2 La trajectoire tend asymptotiquement vers un cycle limite.
3 La trajectoire est elle même un cycle limite.
x2
0
−1
−2
−3
−3 −2 −1 0 1 2 3
x1
Remarque
Un point d’équilibre stable est dit attractive par contre s’il est instable on dit
qu’il est répulsif.
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du plan de phase 2 mai 2020 31 / 35
Solution numérique d’un modèle mathématique
Parmi les logiciels, on peut citer Maple, Mathametica, Matlab, Sage et Maxima
pour le calcul formel, et Matlab, Scilab, Freemat et Octave pour le calcul
numérique. Ces logiciels disposent des programmes capables de résoudre
tous les types d’équations différentielles. A condition de choisir le solveur
(algorithme) adéquat et de bien le paramétriser.
e(t) u(t)
y d (t) +
−
f( . ) G(s) y(t)
ahmed.maidi@gmail.com
8 septembre 2020
1 Équivalent harmonique
5 Exercices
u(t) L y(t)
y(t) A ej ω t B ej ω t ej φ B
G(s) = = j (ω t+φ)
= j ω t
⇒ G(s) = ej φ (3)
u(t) B e A e A
Cette fonction de transfert est caractérisée par deux grandeurs :
le module (gain du système) : |G(s)| = |B/A| , et
la phase du système : G(s) = φ.
u(t) NL y(t)
+∞
P
u(t) = A sin(ω t) N(A, ω) y(t) = Bk sin(k ω t + φk )
k=0
Ainsi, par analogie avec le système linéaire, on peut définir pour le système
non linéaire la fonction de transfert généralisée suivante :
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du premier harmonique 8 septembre 2020 7 / 40
Équivalent harmonique
Remarque
Le signal y1 (t) est appelé signal fondamental. Les autres yk (t) pour k ≥ 2
sont appelés harmoniques supérieurs.
En général, le signal de sortie y(t) est périodique et de même période que
le signal d’excitation u(t).
Y(s) 1
G(s) = = (9)
U(s) s + 1
et le système non linéaire (commutateur tout-ou-rien) :
1 si u(t) ≥ 0
y(t) = (10)
−1 si u(t) < 0
Pour le système linéaire, la condition initiale y(0) = −0, 2. On excite les deux
systèmes par une entrée u(t) = 0, 5 sin(2 π t), les sorties obtenues sont
données par les Figures 5 et 6. On remarque clairement que la réponse du
système linéaire (Figure 5) est sinusoïdale. Par contre pour le système non
linéaire (Figure 6), la réponse n’est pas sinusoïdale mais elle est périodique.
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du premier harmonique 8 septembre 2020 9 / 40
Équivalent harmonique
0.6
u(t)
y(t)
0.4
0.2
y(t)
0.0
−0.2
−0.4
−0.6
0 1 2 3 4 5 6 7 8 9
t
1.5
u(t)
y(t)
1.0
0.5
y(t)
0.0
−0.5
−1.0
−1.5
0 1 2 3 4 5 6 7 8 9
t
avec
ω T
∫
a1 = y(t) sin(ω t) dt (12)
π 0
ω T
∫
b1 = y(t) cos(ω t) dt (13)
π 0
Cherchons maintenant la fonction de transfert (généralisée) d’un système non
linéaire en faisant apparaitre l’entée u(t) dans l’expression de la sortie y(t).
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du premier harmonique 8 septembre 2020 12 / 40
Gain complexe équivalent (fonction de transfert généralisée)
a1 b1 1 du(t)
y(t) = u(t) + (17)
A A ω dt
En appliquant la transformée de Laplace, on obtient :
a1 b1 1
Y(s) = U(s) + s U(s) (18)
A Aω
ou encore
Y(s) a1 b1 1
= + s (19)
U(s) A Aω
En posant s = j ω, on obtient l’expression du gain complexe équivalent
(fonction de transfert généralisée) suivante :
a1 b1
N(A) = +j (20)
A A
y(t)
+M
u(t)
0
−M
+M +M
T
u(t) ωt
0 T
2
−M −M
−A
+A
u(t)
T
2
T
ωt
ω T
∫
a1 = y(t) sin(ω t) dt (24)
π 0
ω T/2
∫
=2 y(t) sin(ω t) dt (25)
π 0
2 ω T/2
∫
= M sin(ω t) dt (26)
π 0
T/2
2ωM
1
= − cos(ω t) (27)
π ω 0
2M T
= − cos ω + cos(0) (28)
π 2
2M
= [− cos(π) + cos(0)] ⇒ a1 = 4 M/π (29)
π
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du premier harmonique 8 septembre 2020 18 / 40
Gain complexe équivalent (fonction de transfert généralisée)
ω T
∫
b1 = y(t) cos(ω t) dt (30)
π 0
ω T/2
∫
=2 y(t) cos(ω t) dt (31)
π 0
2 ω T/2
∫
= M cos(ω t) dt (32)
π 0
T/2
2ωM 1
= sin(ω t) (33)
π ω 0
2M T
= sin ω + sin(0) (34)
π 2
2M
= [sin(π) + sin(0)] ⇒ b1 = 0 (35)
π
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du premier harmonique 8 septembre 2020 19 / 40
Gain complexe équivalent (fonction de transfert généralisée)
a1 b1
N(A) = +j (36)
A A
4M 0 4M
= + j × ⇒ N(A) = (37)
πA A πA
Remarque
Pour un élément non linéaire dont la sortie y(t) est impaire, c’est-à-dire
y(t) = −y(−t), ∀t, le coefficient b1 = 0. Par contre si la sortie y(t) est paire, le
coefficient a1 = 0. Ainsi,
a1
y(t) est impaire : N(A) = .
A
b1
y(t) est paire : N(A) = j .
A
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du premier harmonique 8 septembre 2020 20 / 40
Gain complexe équivalent (fonction de transfert généralisée)
Méthode de Tsypkin
e(t) u(t)
y d(t) +
−
f( . ) G(s) y(t)
Y d (s) G(s)
H(s) = = (39)
U(s) 1 + G(s)
Le dénominateur de la fonction de transfert (39) représente le polynôme
caractéristique.
Y d (s) +
−
G(s) Y (s)
Stabilité
Si le polynôme caractéristique 1 + G(s) a des racines (pôles) à partie réelle
négative, l’asservissement en boucle fermée (Figure 10) est stable.
Critère du revers
Si le lieu de Nyquist de G(s) parcouru dans le sens des ω croissants laisse à
gauche le point critique (−1, 0) (voir la Figure 11), alors le système en boucle
fermée (Figure 10) est stable.
Im
Re
(−1, 0)
lant
e
abl
Stable
Oscil
Inst
Ainsi, les amplitudes et les pulsations des cycles limites peuvent être
déterminées en résolvant graphiquement l’équation (42). Les solutions sont les
intersections entre les courbes de lieu de transfert linéaire G(j, ω) et du lieu
critique C(A) (indiquées par des points verts dans la Figure 12).
(A1 , ω1 )
Re
C(A) ω croissant
(A0 , ω0 )
nt
ω croissa
G(j ω)
∂X ∂Y ∂X ∂Y
− >0 (45)
∂A ∂ω ∂ω ∂A A=A0, ω=ω0
En résumé, pour déterminer les cycles limites, on cherche les points (A, ω)
appartenant à l’ensemble suivant :
Remarque
Contrairement aux asservissements linéaires, la stabilité d’un asservissement
non linéaire dépend de l’amplitude A.
0, 2 (0, 5 s + 2, 1)
G(s) = (47)
s (5 s + 1) (5 s + 1)
L’élément non linéaire est un commutateur tout-ou-rien (relais parfait) avec
M = 2. Ainsi, en utilisant la formule (37), on obtient le gain complexe
équivalent comme suit :
8
N(A) = (48)
πA
On peut vérifier en utilisant le digramme de Bode que G(s) est filtre passe-bas,
donc l’hypothèse de filtrage est satisfaite. L’élément non linéaire est invariant
dans le temps et l’asservissement à étudier est sous la forme canonique
(condition de séparabilité est vérifiée), donc on peut utiliser la méthode du
premier harmonique pour étudier la stabilité du système et celle des cycles
limites.
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du premier harmonique 8 septembre 2020 33 / 40
Stabilité d’un asservissement non linéaire
0.2
G(j ω)
0.1 C(A)
0.0
−0.1
Im
−0.2
−0.3
−0.4
−0.5
−1.4 −1.2 −1.0 −0.8 −0.6 −0.4 −0.2 0.0
Re
0, 2 (0, 5 j ω + 2, 1)
8
N(A) G(j ω) + 1 = 0 ⇒ +1=0 (49)
π A j ω (5 j ω + 1) (5 j ω + 1)
33.6πAω2
X(A, ω) = − 2 (50)
100π 2 A2 ω4 + −25πAω3 + πAω
0.8ω −25πAω3 + πAω
+ 2 + 1 (51)
100π 2 A2 ω4 + −25πAω3 + πAω
8.0πAω3
Y(A, ω) = − 2 (52)
100π 2 A2 ω4 + −25πAω3 + πAω
3.36 −25πAω3 + πAω
− 2 (53)
100π 2 A2 ω4 + −25πAω3 + πAω
X(A, ω) = 0 (54)
Y(A, ω) = 0 (55)
∂X ∂Y ∂X ∂Y
18.41
− = (57)
∂A ∂ω ∂ω ∂A A=2.4192, ω=0.2103 π2
Y d (s) +
−
F (s) N(A) G(s) Y (s)
H(s)
3 b3 2
N(A) = A + b1 (58)
4
où A est l’amplitude de l’entrée sinusoïdale (u(t) = A sin(ω t)).
Ahmed MAIDI (UMMTO) Chapitre 1. Méthode du premier harmonique 8 septembre 2020 38 / 40
Exercices
Exo. 3 Soit le système asservi non linéaire donné par la Figure 15 avec
1
G(s) = , u(t) = f (e(t)) = e3 (t) (59)
s (s + 1) (s + 2)
1 Calculer la fonction de transfert généralisée (gain complexe équivalent)
associée à l’élément non linéaire,
2 Déterminer l’existence d’un ou plusieurs cycles limites pour ce système
asservi. Dans l’affirmative, déterminer la stabilité, la fréquence et
l’amplitude des cycles limites. On utilisera la méthode algébrique et la
méthode graphique.
e(t) u(t)
y d (t) +
−
f( . ) G(s) y(t)
+M
+k M
h
−
2 −M
u(t) u(t)
h +M
+
2
−k M
−M
+M
h h
u(t)
− +
2 2
−M
ahmed.maidi@gmail.com
2 Définition de la stabilité
6 Exercices
Définition :
Si en perturbant légèrement un système dynamique de son point d’équilibre, et
il reste proche de ce point d’équilibre, alors le système est stable au sens de
Lyapunov.
Espace vectoriel
Un espace vectoriel X sur l’ensemble des nombres réels < est dit normé si à
tout x ∈ X est associé un nombre positif kxk , appelé norme de x, tel que les
trois axiomes ci-après ont lieu :
1 kxk = 0 si et seulement si x = 0 ;
2 kλ xk = |λ| kxk pour tout x ∈ X et tout λ ∈ < ;
3 kx + yk ≤ kxk + kxk pour tous x, y ∈ X .
Boule ouverte
On appelle une boule ouverte de centre en x∗ ∈ X et de rayon r > 0,
l’ensemble Br (x∗ ) = {x ∈ X : kx − x∗ k < r}.
Boule fermée
On appelle une boule fermée de centre en x∗ ∈ X et de rayon r > 0,
l’ensemble B̄r (x∗ ) = {x ∈ X : kx − x∗ k ≤ r}.
Ensemble borné
Un ensemble Ω ⊂ X est dit borné s’il est contenu dans une boule (ouverte ou
fermée).
Ensemble fermé
Un point a ∈ X est appelé point d’accumulation de l’ensemble M ⊂ X si dans
toute boule Sr (a) il existe un point x ∈ M , x , a. L’ensemble de tous les points
d’accumulation de M est noté M 0. L’ensemble M ∪ M 0 est appelé fermeture de
M est noté M̄ . L’ensemble M ⊂ X est fermé si M̄ = M .
Ensemble compact
Un ensemble Ω ⊂ <n est dit compact s’il est fermé et borné.
Définition formelle
Le point d’équilibre xe d’un système initialement à l’état initial x(0) est dit stable
au sens de Lyapunov, si ∀ R > 0, ∃ r(R) > 0 tel que kx(0) − xe k < r implique
kx(t) − xe k < R, ∀t ≥ 0. Dans le cas contraire le système est dit instable.
Cette définition est illustrée par la Figure 2. Ainsi, quelle que soit la boule
BR (xe ), on peut toujours choisir une certaine sous-boule Br (xe ) telle que pour
n’importe quelle condition initiale x(t0 ) ∈ Br (xe ), la trajectoire résultante
x(t) ∈ BR (xe ).
ble
n sta
I
Stable
R x(0) xe
BR
r
Br
Convergence
Un point d’équilibre xe est dit convergent s’il existe δ > 0 tel que :
kx(0) − xe k ≤ δ ⇒ lim x(t) = xe
t→+∞
Stabilité exponentielle
Un point d’équilibre est exponentiellement stable s’il existe α > 0 et λ > 0 tels
que :
Stabilité globale
Si la propriété de stabilité asymptotique est vérifiée quelque soit x(0), le
point d’équilibre est globalement asymptotiquement stable.
Si la propriété de stabilité exponentielle est vérifiée quelque soit x(0), le
point d’équilibre est globalement exponentiellement stable.
Remarque
La stabilité exponentielle implique la stabilité asymptotique qui implique la
stabilité.
Ahmed MAIDI (UMMTO) Chapitre 4. Fondements de la théorie de stabilité de Lyapunov 12 / 60
Méthode directe de Lyapunov (seconde méthode)
La bille (Figure 1) possède une fonction d’énergie E qui comporte une part
d’énergie potentielle Ep et une part d’énergie cinétique Ec . On a E = Ec + Ep .
k
m
dE(x1 (t), x2 (t)) ∂E(x1 (t), x2 (t)) dx1 (t) ∂E(x1 (t), x2 (t)) dx2 (t)
= + (11)
dt ∂x1 (t) dt ∂x2 (t) dt
= k x1 (t) xÛ 1 (t) + m x2 (t) xÛ 2 (t) (12)
Û
En utilisant les équations du modèle, la dérivée de la fonction d’énergie E(t)
peut être réécrite sous la forme suivante :
dE(x1 (t), x2 (t)) k c
= k x1 (t) x2 (t) +m x2 (t) − x1 (t) − x2 (t) (13)
dt |{z} m m
xÛ 1 (t) | {z }
xÛ 2 (t)
Pour le système zÛ (t) = g(z), le point d’équilibre est ze = 0 qu’on peut aisément
vérifier comme suit :
g(0) = f (0 + xe ) = f (xe ) = 0 (17)
Voisinage de l’origine
Le voisinage de l’origine, noté Ω est un domaine fermé borné incluant l’origine.
1 0 ∈ Ω et V(0) = 0 ;
2 V(x) > 0, ∀x ∈ Ω − {0}.
1 0 ∈ D et V(0) = 0 ;
2 V(x) > 0, ∀x ∈ D − {0}.
Voisinage de l’origine
Le voisinage de l’origine, noté Ω est un domaine fermé borné incluant l’origine.
1 0 ∈ Ω et V(0) = 0 ;
2 V(x) > 0, ∀x ∈ Ω − {0}.
1 0 ∈ D et V(0) = 0 ;
2 V(x) > 0, ∀x ∈ D − {0}.
1 0 ∈ Ω et V(0) = 0 ;
2 V(x) ≥ 0, ∀x ∈ Ω − {0}.
1 0 ∈ D et V(0) = 0 ;
2 V(x) ≥ 0, ∀x ∈ D − {0}.
Remarque
La forme quadratique V(x) = xT P x (x ∈ D = <n ) et P = PT (symétrique). ona
a V(x) > 0 si P > 0 et V(x) ≥ 0 si P ≥ 0. Si les valeurs propres de la matrice
P sont toutes positives, alors P est définie positive.
Ahmed MAIDI (UMMTO) Chapitre 4. Fondements de la théorie de stabilité de Lyapunov 21 / 60
Méthode directe de Lyapunov (seconde méthode)
Exemples :
On considère D = <2 .
Fonction localement définie positive :
V(x) = x1 sin(x2 )
V(x) = (x1 + x2 )2
Ahmed MAIDI (UMMTO) Chapitre 4. Fondements de la théorie de stabilité de Lyapunov 22 / 60
Méthode directe de Lyapunov (seconde méthode)
T
∂V(x)
dx
Û
V(x) = (18)
∂x dt
= [∇x V(x)]T xÛ (t) = [∇x V(x)]T f (x) (19)
∂V(x)
∂x1
∂V(x)
∇x V(x) = ∂x2
(20)
..
.
∂V(x)
∂x
n
Fonction de Lyapunov
Une fonction de Lyapunov est une fonction candidate de de Lyapunov, à savoir
une fonction continue V(x) telle que
Û
V(x) = 0 pour x = 0 (23)
Û
V(x) ≤ 0, ∀x , 0 (24)
1 1
V(x) = m x22 (t) + k x12 (t)
2 2
On a :
V(0) = 0,
V(x) > 0, ∀x ∈ <2 ,
Û
V(x) = −c x22 (t) ≤ 0, ∀x ∈ <2 (c > 0).
La fonction V(x) vérifie les propriétés d’une fonction de Lyapunov, par
conséquent V(x) (fonction de l’énergie) est une fonction de Lyapunov.
1 V(0) = 0,
2 V(x) > 0, ∀x ∈ D − {0},
3 Û
V(x) ≤ 0, ∀x ∈ D − {0},
1 V(0) = 0,
2 V(x) > 0, ∀x ∈ D − {0},
3 Û
V(x) < 0, ∀x ∈ D − {0},
1 V(0) = 0,
2 V(x) > 0, ∀x ∈ D − {0},
3 Û
V(x) < 0, ∀x ∈ D − {0},
Stabilité globale
Dans les définitions précédentes, la stabilité est globale si D = <n et la
fonction de Lyapunov vérifie la condition de croissance à l’infinie, c’est-à-dire
lim kx k→+∞ V(x).
Û
Pour garantir la stabilité asymptotique, on considère V(x) = −xT Q x et on
impose la condition Q = Q > 0. Le problème revient à chercher deux
T
AT P + P + A = −Q (32)
AT P + P A + Q = 0 (33)
Û
V(x) = 2 x1 (t) xÛ ( t) + 2 x2 (t) xÛ 2 (t)
= 2 x1 (t) x13 (t) + x1 (t) x22 (t) − x1 (t) + 2 x2 (t) x23 (t) + x12 (t) x2 (t) − x2 (t)
= 2 x12 (t) + x22 (t) x12 (t) + x22 (t) − 1 (37)
1
V(x) = (1 − cos(x1 (t)) + x22 (t) (41)
2
Ahmed MAIDI (UMMTO) Chapitre 4. Fondements de la théorie de stabilité de Lyapunov 34 / 60
Méthode directe de Lyapunov (seconde méthode)
Û
On remarque bien que V(x) = 0, donc l’origine est stable.
Théorème
Soit le système autonome xÛ (t) = f (x) dont le point d’équilibre étudiée est
l’origine et soit la matrice jacobienne du système :
est définie négative dans un voisinage Ω de l’origine alors l’origine est un point
d’équilibre localement asymptotiquement stable. Une fonction de Lyapunov
pour ce système est V(x) = [f (x)]T f (x). Si de plus, Ω = <n et
lim kx k→+∞ V(x) = +∞ alors le point d’équilibre est globalement
asymptotiquement stable.
Théorème
Soit xÛ (t) = f (x) dont le point d’équilibre étudiée est l’origine et A(x) sa
jacobienne. S’il existe deux matrices P = PT > 0 ; Q = QT > 0 telles que :
Exemple :
Soit le système
Exemple
Les mineurs diagonaux principaux de F(x) sont :
Les deux mineurs sont négatives, la matrice F(x) est définie négative, alors
l’origine est localement asymptotiquement stable. La fonction de Lyapunov
d’après le premier théorème de Krasovskii est :
Exemple
2
V(x) = (−6x1 (t) + 2x2 (t))2 + 2x1 (t) − 6x2 (t) − 2x23 (t) (55)
On remarque aussi que lim V(x) = +∞, alors l’origine est globalement
kx k→+∞
asymptotiquement stable.
Remarque
Bine que l’application de la méthode de Krasovskii est simple, néanmoins son
usage est limité du fait de problèmes tels que :
par conséquent :
∫ xf ∫ xf
V(xf ) − V(x0 ) = ∇x V(x) dx = g(x) dx (58)
x0 x0
∫ x
V(x) = g(x) dx (59)
∫0 x1 ∫ x2
= g1 (s1, 0, · · · , 0) ds1 + g2 (x1, x2, · · · , 0) ds2 (60)
0 0
∫ xn
+···+ gn (x1, x2, · · · , xn ) dsn (61)
0
Comme le gradient g(x) d’une fonction scalaire V(x) est une fonction
vectorielle, par conséquent son Jacobien ∇x g(x) doit satisfaire la condition de
symétrique ∇x g(x) = [∇x g(x)]T , alors les paramètres inconnus de g(x) doivent
satisfaire cette condition de symétrie. Généralement, on considère :
n
Õ
gi (x) = aij xj (62)
j=1
Exemple :
Considérons le système suivant :
alors
a11 x1 + a12 x2
g(x) = (67)
a21 x1 + a22 x2
Exemple :
a11 a12
∇x g(x) = (68)
a21 a22
Étape 2. On impose la condition de la symétrie de ∇x g(x), c’est-à-dire
∇x g(x) = [∇x g(x)]T , il vient :
On prend
a12 = a21 = 0 (70)
Par conséquent :
a11 x1
g(x) = (71)
a22 x2
Exemple :
Û
Étape 3. Calcul de V(x) :
−2 x1 (t)
Û
V(x) = [g(x)]T f (x) = [a11 x1 (t) a22 x2 (t)] (72)
−2 x2 (t) + 2 x1 (t) x22 (t)
= −2 a11 x12 (t) − 2 a22 x22 (t) (1 − x1 (t) x2 (t)) (73)
Exemple :
Étape 5. Or remarque que V(0) = 0. Pour garantir V(x) > 0, on doit choisir
a11 > 0 et a22 > 0. Par exemple, en prenant a11 = a22 = 2, on obtient :
Û
V(x) = −2 x12 (t) − 2 x22 (t)(1 − x1 (t) x2 (t)) (77)
Pendule simple
O
θ
m
Pendule simple
En utilisant la définition intuitive de la
stabilité, il est clair le point d’équilibre m
Pendule simple
Appliquons maintenant la théorie de Lyapunov pour étudier la stabilité du point
d’équilibre (0, 0). On prend comme fonction de Lyapunov, la fonction d’énergie
définie comme suit :
1
V(x) = m l2 x22 (t) + m g l (1 − cos(x1 (t))) (80)
2
Û , on obtient : V(x)
En calculant la dérivée de V(x) Û = −k l2 x22 (t).
Définition
Un ensemble invariant M (Figure 6), pour un système dynamique xÛ (t) = f (x),
est défini comme l’ensemble de conditions initiales, tels que la solution x(t)
reste dans l’ensemble M ∀t > 0, c’est-à-dire
x(0)
x(0)
Ωl Ωl
M R0 M R0
x(0) x(0)
R 0 = {x | V(x)
Û = 0} ⇒ R 0 = {x | x2 = 0} (83)
xÛ 2 = 0 (84)
45.000
40.00
5.000 0
3
5 30.000 25.0
00
.0 00
15
20
.00
0 20.00 0
x2
0 5.
10 00
.00 0
0
00
−5 30.0 25.0
00
0
40.000 35.00
45.000
−10
−3 −2 −1 0 1 2 3
x1
xÛ 1 (t) = x1 (t) x12 (t) + x22 (t) − 1 − x2 (t) (86)
xÛ 2 (t) = x1 (t) + x2 (t) x12 (t) + x22 (t) − 1 (87)
xÛ 1 (t) = −4 x1 (t) + x2 (t) + 4 x12 (t), xÛ 2 (t) = x1 (t) − x12 (t) − 4 x2 (t) (90)
ahmed.maidi@gmail.com
15 juin 2020
1 Introduction
2 Systèmes passifs
5 Exercices
Ainsi,
si W(t) > 0, le système absorbe de l’énergie (cas de la résistance),
si W(t) < 0, le système fournit de l’énergie (cas de la batterie).
En général, les éléments qui ne génèrent pas leur propre énergie sont appelés
passifs, i.e. un système est passif si :
W(t) ≥ 0. (4)
Définition 1
Le système (5) est :
passif si uT y ≥ 0,
sans pertes si uT y = 0,
strictement passif en entrée si uT y ≥ uT ϕ(y) > 0, ∀u , 0,
strictement passif en sortie si uT y ≥ uT ρ(y) > 0, ∀y , 0.
Dans tous les cas, l’inégalité doit être vérifiée ∀ (t, u).
Taux d’approvisionnement
Le produit uT y représente le taux d’approvisionnement qui caractérise
l’interaction du système avec son environnement de manière positive lorsque
le système absorbe de l’énergie et négative lorsqu’il fournit de l’énergie.
i(t)
+
v(t) R
−
En posant
il vient
Définition 2
Le système (10)–(11) est passif s’il existe une fonction continument
différentiable semi-définie positive V(x), appelée fonction de stockage
interne,tel que :
dV ∂V
uT y ≥ = f (x, u), ∀ (x, u) (12)
dt ∂x
de plus, il est :
sans pertes si uT y = VÛ VÛ = dV/dt ,
Définition 2 (suite)
strictement passif en sortie si uT y ≥ VÛ + uT ρ(y) et uT ρ(y) > 0, ∀y , 0,
strictement passif si uT y ≥ VÛ + ψ(x) pour une fonction ψ(x) définie
positive.
Dans tous les cas, l’inégalité doit être vérifiée ∀ (x, u).
iL (t)
+
v(t) vC (t) C R2
−
dV
= V(t)
Û = L x1 (t) xÛ 1 (t) + C x2 (t) xÛ 2 (t) (19)
dt
1 2
Comme la fonction g(x) = R1 x12 (t) + x (t) est définie positive, on déduit que
R2 2
le système est strictement passif.
Définition 3
G(s) est réelle positive si,
et strictement réelle positive si, ∃ ε tel que G(s − ε) est réelle positive.
Théorème 1
Une fonction de transfert G(s) est strictement réelle positive implique que
1 G(s) est strictement stable (sans pôles sur l’axe imaginaire),
2 ∀ω ≥ 0, Re[G(j ω)] > 0.
Il existe certains critères simples pour détecter les systèmes positifs réels.
Supposons que la fonction de transfert G(s) peut être mise sous la forme :
Remarques
où g est le terme de dissipation.
Pour un système passif Ainsi, pour un système système
statique, la fonction de passif statique comme V = 0,
stockage V = 0, alors VÛ = 0 et g = uT y.
La caractéristique y(t)
(entrée-sortie) statique se
trouve dans le premier et le
troisième quadrant du plan u(t)
Ouy (Figure 3).
Le produit entrée-sortie
peut s’écrire de manière
générale comme suit : Figure 3 – Secteur pour la
caractéristique d’un système passif
uT y = VÛ + g (24) statique.
(s − sm )(s − sm−1 ) . . . (s − s0 )
G(s) = (25)
(s − pn )(s − pn−1 ) . . . (s − p0 )
avec si et pi sont respectivement les zéros et les pôles de la fonction de
transfert.
Degré relatif
Le degré relatif noté σ est défini comme la différence
σ =n−m (26)
Minimum de phase
Un système linéaire est dit à minimum de phase si tous ces zéros ont une
partie réelle strictement négative, i.e. Re(zi ) < 0, i = 1, . . . , m.
Ahmed MAIDI (UMMTO) Chapitre 5. Passivité 17 / 38
Passivité des systèmes linéaires
Système réel positif
Lemme de Kalman-Yakubovich-Popov
Soit G(s) = C (s I − A)−1 B la fonction de transfert d’un système qui est
commandable et observable. Sous ces hypothèses, la fonction de transfert
G(s) est strictement réelle positive si, et seulement si, il existe deux matrices
symétriques définies positives P et Q telles que
AT P + P A = −Q et P B = CT (27)
Lemme 1
Le système dynamique dont réalisation
est :
passif si G(s) est réelle positive
strictement passif si G(s) est strictement réelle positive
Exemple
Soit la fonction de transfert suivante :
(s + 2)
G(s) = (31)
(s + 1) (s + 1)
1 On a n = 2 et m = 1, le degré relative σ = 1,
2 Il y a un seul zéro s = −2 dont la partie réel est négative (le système est à
phase minimale),
3 les pôles sont stables.
Théorème 2
Le système G(s) est passif implique que Re [G(j ω)] > 0
R2 C s + 1
G(s) = (33)
R2 C L s2 + (R1 R2 C + L) s + R1 + R2
Les valeurs numériques sont : C = 2, 4, R1 = 1, R2 = 10 et L = 1, 2.
Ahmed MAIDI (UMMTO) Chapitre 5. Passivité 21 / 38
Systèmes passifs
Passivité des systèmes linéaires
0.6
0.4
0.2
Im
0.0
−0.2
−0.4
−0.6
−0.2 0.0 0.2 0.4 0.6 0.8 1.0
Re
Théorème 3
Si un système linéaire
Lemme 2
Si le système (37)–(38) est passif avec une fonction de stockage interne V
définie positive (V > 0), alors l’origine du système xÛ (t) = f (x(t), 0) est stable.
Lemme 3
Considérons le système (37)–(38). L’origine de xÛ (t) = f (x(t), 0) est
asymptotiquement stable si le système est
strictement passif ou
strictement passif en sortie et zéro-état observable.
Exemple
Soit le système suivant :
1 1
V = a x14 + x22 (44)
4 2
Û = a x3 xÛ 1 + x2 xÛ 2
V(t) (45)
1
= a x13 x2 + x2 −a x13 − k x2 + u (46)
Ahmed MAIDI (UMMTO) Chapitre 5. Passivité 27 / 38
Application à l’analyse de stabilité
Stabilité d’un système non forcé
Exemple
VÛ = u x2 − k x22 (47)
= u y − k y2 (48)
Par conséquent,
u y = VÛ + k y2 (49)
= VÛ + y ρ(y), ρ(y) = k y (50)
y = 0 ⇒ x2 = 0 ⇒ a x13 = 0 ⇒ x1 = 0 (51)
Théorème 4
Considérons la connexion par rétroaction négative des deux systèmes G1 et
G2 (Figure 5).
u1 y1
u + G1 y
−
y2 u2
G2
Théorème 4 (suite)
L’origine du système en boucle fermée (lorsque u = 0) est asymptotiquement
stable si
Exemple
Démontrer que l’origine de la connexion en rétroaction des deux systèmes
suivants :
Système G1 : Système G2 :
xÛ 1 = x2 (52) xÛ 3 = x4 (55)
xÛ 2 = −a x13 − k x2 + u1 (53) xÛ 4 = −b x3 − x43 + u2 (56)
y1 = x2 (54) y2 = x4 (57)
est globalement asymptotiquement stable. Les paramètres a, b et k sont
positifs.
a 1 b 1
V1 = x14 + x22, V2 = x32 + x42 (58)
4 2 2 2
Ahmed MAIDI (UMMTO) Chapitre 5. Passivité 31 / 38
Application à l’analyse de stabilité
Stabilité d’une connexion en rétroaction négative
Exemple
Pour le système G1 , on a :
VÛ 1 = a x13 xÛ 1 + x2 xÛ 2 (59)
= a x13 x2 + x2 −a x13 − k x2 + u1 (60)
= u1 x2 − k x22 (61)
= u1 y1 − k y21 (62)
= u1 y1 + y1 ρ(y1 ), ρ(y1 ) = −k y1 (63)
Exemple
Pour le système G2 , on a :
VÛ 2 = b x3 xÛ 3 + x4 xÛ 4 (65)
= b x3 x4 + x4 −b x3 − x43 + u2 (66)
= u2 x4 − x44 (67)
= u2 y2 − y42 (68)
= u2 y2 + y2 ρ(y1 ), ρ(y1 ) = −y31 (69)
Exemple
D’après le deuxième cas du Théorème 4, on conclut que l’origine est
asymptotiquement stable. On a aussi :
lim V1 = +∞ (71)
kx k→+∞
lim V2 = +∞ (72)
kx k→+∞
u1 y1
G1
u y
u2 G2 y2
Système G1 :
xÛ 1 = x2 (77)
xÛ 2 = −x1 − h1 (x2 ) + u1 (78)
y1 = x2 (79)
Système G2 :
xÛ 3 = −x3 + u2 (80)
y2 = h2 (x3 ) (81)