Académique Documents
Professionnel Documents
Culture Documents
Définition : Science et technique qui permet de maîtriser le comportement d’un système (traduit par l’évolution des
grandeurs de sortie) en agissant sur les grandeurs d’entrée.
Système ?
Subies : Grandeur
Entrées : de perturbation
agissent sur le système
Maîtrisables :
Sorties observées
Grandeur d’action ou de Système
(mesurées)
commande
2
Automatique : l’Art de fermer la boucle
Département AUTOMATIQUE
perturbation
GRANDEURS DE:
commande action réaction
Système
Actionneur Système
réglant
bruits de mesure
référence +
mesure
Capteur
Cornelis Jacobszoon Drebbel (1572, Alkmaar – 1633, Londres) physicien et mécanicien hollandais :
asservissement de température d'un four → « Athanor » alchimiste …
5/80
Un peu d’histoire : XXème siècle
Alter Robot
Exosquelette
humanoïde
6/80
Çà sert à qui ?
Industries de pointe :
espace (EADS, fusée, satellite …),
avionique (AIRBUS, BOEING …),
transports terrestres
automobile (Constructeurs + équipementiers)
ferroviaire (ALSTHOM, BOMBARDIER …)
7/80
Réseaux de grande taille
Industries de pointe :
8/80
Ecosystème local / régional
Département AUTOMATIQUE
9
LAMIH UMR CNRS 8201
Département AUTOMATIQUE
Reykjavik
Vancouver
Laval
Montréal
Chicago
Penn State
Princeton Trondheim
U Maryland
Irvine Virginia
Texas A&M
Florida
Sonora Taliin
Edinburg
Trollhättan
Newcastle Lyngby
TU Denmark
Mexico
Leeds
Cranfield Rostock
Delft
London Kent Eindhoven Varsovie
Berlin Daegu
Bruxelles Louvain
Mons Kaiserslautern Prague Tsukuba
Luxembour Nanjing Fukuo
g Yichang ka Tokyo
Bogota
Tongjii
Lausanne Cluj-Napoca
Genève Ljubljana
Bragance Milan
Bilbao Padoue Belgrade Bucharest
Pavie
Saragosse
L’Aquila Sofia
Minas Gerais Faro Singapore
Valencia Cagliari
COPPE Rio de
Janeiro
Marrakech Oran Bejaia
Alger Jijel Tunis Regio
Fès
Constantine de Doha Qatar
Tlemcen
Monastir Calabra Texas A&M
Sfax
Tel-Aviv
Le Caire
11
Industrial cooperations
Département AUTOMATIQUE
12
Innovation: Brevets, start-ups
Département AUTOMATIQUE
12 brevets
Auto
dont 3 licenciés
AutoNomad Mobility
Info 2 brevets
SHV 2 brevets
4 start-ups : kits pour véhicules hybrides, kit pour fauteuils roulants Auto
SHV Auto
AutoNomad Mobility
Exemple : suivi de véhicule Département
(2006 !) AUTOMATIQUE
➢ Régulation d’inter distance :
dist
Dx
yF
OF xF
Exemple : suivi de véhicule Département
(2006 !) AUTOMATIQUE
➢ Régulation d’inter distance :
yF perturbation
référence +
mesure bruits de mesure
Capteur
perturbation
référence +
mesure bruits de mesure
Capteurs
Centrale inertielle
Radars, caméras…
Exemple : suivi de véhicule
Département AUTOMATIQUE
Principaux résultats :
Suivi de véhicule, P.F. Toulotte, 29/09/2006 (EM Douai) (S. Delprat, T.M. Guerra, J. Boonaert)
Véhicule Autonome (2018)
Démonstrateurs LAMIH UMR CNRS 8201
Département AUTOMATIQUE
© Alexis Chezières
Démonstrateur Véhicule Hybride
Convertisseur
multicellulaire
6 People
2nd fund raising
2 docs
Travaux sur l’Humain Département
(2018) AUTOMATIQUE
• Current models are inapplicable to study sitting stability when complete SCI above certain spinal level
=> Need to take the upper segments activity into account
Problem 1:
1414
LMI constraints: 262 144 of size
n° variables: 3 193 344
( ( ) ) ( ( )
M T = q0 I q 0 − 2 m1l0lG + m2l0l1 cos ( q1 ) − 2m2l0lG cos ( q2 + q1 ) + 2m2l1lG cos ( q2 ) + q1 I q1 − m1l0lG + m2l0l1 cos ( q1 ) − m2l0lG cos ( q2 + q1 )
1 2 2 1 2
)
( ) (( )
+ q2 I q 2 − m2l0lG2 cos ( q2 + q1 ) + m2l1lG2 cos ( q2 ) + q12 m1l0lG1 + m2l0l1 sin ( q1 ) + m2l0lG2 sin ( q2 + q1 ) )
( ) (( )
+ q2 2 m2l0lG2 sin ( q2 + q1 ) − m2l1lG2 sin ( q2 ) + 2q0 q1 m1l0lG1 + m2l0l1 sin ( q1 ) + m2l0lG2 sin ( q2 + q1 ))
( ) ( ) ( )
+2q0 q2 m2l0lG2 sin ( q2 + q1 ) − m2l1lG2 sin ( q2 ) + 2q1q2 m2l0lG2 sin ( q2 + q1 ) − m2l1lG2 sin ( q2 ) − m0 glG0 + m1 gl0 + m2 gl0 sin ( q0 )
( )
+ m1 glG1 + m2 gl1 sin ( q1 + q0 ) + m2 glG2 sin ( q2 + q1 + q0 )
( ( ) ) ( ) ( )
M E = q0 I q1 + 2m2l1lG2 cos ( q2 ) − m1l0lG1 + m2l0l1 cos ( q1 ) − m2l0lG2 cos ( q2 + q1 ) + q1 I q1 + 2m2l1lG2 cos ( q2 ) + q2 I q 2 + m2l1lG2 cos ( q2 )
(( ) )
−q0 2 m1l0lG1 + m2l0l1 sin ( q1 ) + m2l0lG2 sin ( q2 + q1 ) − q2 2 m2l1lG2 sin ( q2 )
( )
−2q0 q2 m2l1lG2 sin ( q2 ) − 2q1q2 m2l1lG2 sin ( q2 ) + m1 glG1 + m2 gl1 sin ( q1 + q0 ) + m2 glG2 sin ( q2 + q1 + q0 )
( ) ( )
M C = q0 I q 2 − m2l0lG2 cos ( q2 + q1 ) + m2l1lG2 cos ( q2 ) + q1 I q 2 + m2l1lG2 cos ( q2 ) + q2 I q 2
( )
+ q0 2 m2l1lG2 sin ( q2 ) − m2l0lG2 sin ( q2 + q1 ) + q12 m2l1lG2 sin ( q2 ) + 2q0 q1m2l1lG2 sin ( q2 ) + m2 glG2 sin ( q2 + q1 + q0 )
Expérimentations
Département AUTOMATIQUE
Da Vinci Surgery https://youtu.be/KNHgeykDXFw
Département AUTOMATIQUE
Robotique humanoïde
Département AUTOMATIQUE
QRIO (Sony)
http://www.sony.net/SonyInfo/QRIO/top_nf.html
Objectifs du module
Département AUTOMATIQUE
Donner les notions de base essentielles à la compréhension d’une boucle de commande élémentaire dont le système est
représenté par un modèle linéaire.
C’est le préalable aux techniques utilisées pour déterminer des lois de commande.
IV. Les modèles de base (1er ordre, 2ème ordre, intégrateur, retard)
Nombres complexes : z , z = x + jy = r e
j
= r ( cos ( ) + j sin ( ) )
Im
x : partie réelle, y : partie imaginaire
y z = x + jy
r
r= x +y 2 2
module Re
x y
argument cos ( ) = , sin ( ) =
x
= arg ( z ) 0
x2 + y 2 x2 + y 2
y −y z = x − jy
= arctan ATTENTION x 0 sinon à près
x
Nombre complexe conjugué : z , z = x − jy , z = z , = − → symétrique / axe réel
z1 z1
Propriétés usuelles : z1 , z2 , z1 z2 = z1 z2 , =
z2 z2
z
arg ( z1 z2 ) = arg ( z1 ) + arg ( z2 ) , arg 1 = arg ( z1 ) − arg ( z2 )
z2
28/80
Notations, Préliminaires
dx ( t ) d 2 x (t ) d k x (t )
x (t ) = , x (t ) = , , x( k ) ( t ) =
dt dt 2 dt k
Polynômes dans : a0 , , an , an 0, x
tel que : Pn ( x ) = ( x − x0 ) Pn − m ( x )
m
Ordre de multiplicité : plus grand m
1
Propriété : les racines d’un polynôme à coefficients réels sont soit réelles soit complexes conjuguées
Capital !!!
Im
Re
n n
Notation : sommes A = A +
i =1
i 1 + An → par exemple : Pn ( x ) = ai x i
i =0
30/80
Définitions générales
•
•
Etudier un système réel : nécessité d’un modèle Lois fondamentales de la physique, chimie, biologie …
Modèle : soit « faux » soit « inutilisable » (Einstein) et/ou étape d’identification
•
•
Linéaire / Non linéaire
Théorème de superposition d 2 ( t )
J = Cm ( t ) − MgL sin ( ( t ) )
yi ( t ) correspond à ui ( t )
2
dt
k k dy ( t )
i , i yi ( t ) correspond à u (t ) i i
= −u ( t ) y ( t ) + t 2 u ( t )
i =1 i =1 dt
= + ui ( t )
Modèle
yi ( t ) + =
linéaire
Définitions générales
•
•
Stationnaire / Non stationnaire
Mouvement brownien, ou
processus de Wiener
Déterministe / Stochastique
•
•
Système masse-ressort F ( t ) = ma ( t )
x
d 2 x (t ) dx ( t )
m 2
= F (t ) − b − kx ( t )
dt dt
Notation : dérivées
temporelles
mx ( t ) = F ( t ) − bx ( t ) − kx ( t )
d 2 ( t )
Système pendule M (t ) = J dt 2
d 2 ( t )
J 2
= Cm ( t ) − MgL sin ( ( t ) )
dt
( t ) −0,7;0,7
J ( t ) Cm ( t ) − MgL ( t ) 34/80
Modélisation : Lotka-Volterra (1925)
•
•
Alfred James Lotka (1880-1959, USA), Vito Volterra (1860-1940, Italie) : modèle proie-prédateur
→ évolutions temporelles de 2 populations animales (prédateur-proie)
x1 ( t ) = x1 ( t ) ( a − b x2 ( t ) )
x2 ( t ) = − x2 ( t ) ( c − d x1 ( t ) )
proie
Lynx / Lièvre
prédateur
35/80
Modélisation : virus HIV
•
•
Modèle 3 dimensions de base :
HIV
T ( t ) : population de cellules saines, T * ( t ) : population de cellules infectées
Efficacité du processus
d’infection Vitesse d’infection
•
•
LA VIE : systèmes non linéaires et non stationnaires !!!
•
•
1 - Stabilité (Ariane …) : c’est le minimum …
•
•
Donner les notions de base essentielles à la compréhension d’une boucle de commande élémentaire dont le système est
représenté par un modèle linéaire.
C’est le préalable aux techniques utilisées pour déterminer des lois de commande.
IV. Les modèles de base (1er ordre, 2ème ordre, intégrateur, retard)
•
•
1 - Signal de Heaviside (échelon unité à t0 )
( t − t0 ) ( t − t0 )
1 Signal générateur : 1
0 0
t0 t0 t0 +
0 si t t0 0 si t t0
( t − t0 ) =
1 si t t0 1
( t − t0 ) = ( t − t0 ) t0 t t0 +
1 si t t0
Et : lim ( t − t0 ) = ( t − t0 )
→0
Les signaux continus
•
•
2 - Signaux impulsionnels
Durée d’action « courte » / à la vitesse d’évolution du système et son intégrale admet une valeur finie non nulle
( t − t0 ) 1
+ t0 t t0 +
1 ( t − t0 ) dt = 1 ( t − t0 ) =
−
0 sinon
( t − t0 )
0
t0 t0 +
Signal générateur de l’impulsion de Dirac :
0
t0
Par passage à la limite (au sens de la théorie des distributions) : ( t − t0 ) = lim ( t − t0 )
→0
( t − t0 ) = 0 si t t0
( t − t0 ) non définie en t0 d ( t − t0 )
( t − t0 )
+ dt
( t − t0 ) dt = 1
−
Signaux exponentiels (EDO)
•
•
Interviennent dans la résolution des équations différentielles ordinaires linéaires à coefficients constants.
d i y (t )
y (i )
(t ) = i
, y ( n) ( t ) + an −1 y ( n −1) ( t ) + + a0 y ( t ) = 0
d
dt
=
dt
Polynôme caractéristique associé : Pn ( ) = + an −1 + + a1 + a0
n n −1
Propriété : les racines d’un polynôme à coefficients réels sont soit réelles soit complexes conjuguées
i = i + ji
2 cas : i et :
i = i − ji
Signaux exponentiels (EDO)
•
•
n
y ( n)
( t ) + an −1 y ( n −1)
(t ) + + a0 y ( t ) = 0 yg ( t ) = i fi ( t ), i
i =1
Solution générale = combinaison linéaire de n fonctions élémentaires dépendant des solutions du polynôme
caractéristique associé. Résolution EDO → recherche des racines d’un polynôme
Avec : i
Cas 1 : Ordre de multiplicité 1, fonction élémentaire : f1 ( t ) = ei t
ni fonctions élémentaires
Exemple : Cas 1 y ( t ) + 3 y ( t ) = 0, P1 ( ) = + 3 = 0 1 = −3
•
•
n
y ( n)
( t ) + an −1 y ( n −1)
(t ) + + a0 y ( t ) = 0 yg ( t ) = i fi ( t ), i
i =1
Solution générale = combinaison linéaire de n fonctions élémentaires dépendant des solutions du polynôme
caractéristique associé. Résolution EDO → recherche des racines d’un polynôme
Avec : i
Cas 1 : Ordre de multiplicité 1, fonction élémentaire : f1 ( t ) = ei t
ni fonctions élémentaires
y ( t ) + 4 y ( t ) + 4 y ( t ) = 0, P2 ( ) = 2 + 4 + 4 = ( + 2 ) = 0 1 = −2, n1 = 2
2
Exemple : Cas 2
•
•
n
yg ( t ) = i fi ( t ), i
i = i + ji i =1
Avec :
i = i − ji
Cas 1 : Ordre de multiplicité 1, 2 fonctions élémentaires : f1 ( t ) = ei t , f 2 ( t ) = ei t
f1 ( t ) = e( = ei t ( cos (i t ) + j sin (i t ) ) , f 2 ( t ) = e( = ei t ( cos (i t ) − j sin (i t ) )
i + ji ) t i − ji )t
1 1
z , z = x + jy, z = x − jy x = ( z + z ) , y = (z − z )
2 2j
On remplace les fonctions par leur combinaison : f1 ( t ) = ei t cos (i t ) , f 2 ( t ) = ei t sin (i t )
2 ni fonctions élémentaires
Signaux exponentiels (EDO)
•
•
n
yg ( t ) = i fi ( t ), i
i = i + ji i =1
Avec :
i = i − ji
1 = 1 + 3 j
Cas 1 : exemple y ( t ) − 2 y ( t ) + 10 y ( t ) = 0, P2 ( ) = − 2 + 10 = 0
2
1 = 1 − 3 j
→ f1 ( t ) = et cos ( 3t ) , f 2 ( t ) = et sin ( 3t )
→ yg ( t ) = et ( 1 cos ( 3t ) + 2 sin ( 3t ) ) , 1 , 2
Remarque : Fonctions sinusoïdales dans la solution générale il existe des solutions complexes au polynôme associé
Objectifs du module
•
•
Donner les notions de base essentielles à la compréhension d’une boucle de commande élémentaire dont le système est
représenté par un modèle linéaire.
C’est le préalable aux techniques utilisées pour déterminer des lois de commande.
IV. Les modèles de base (1er ordre, 2ème ordre, intégrateur, retard)
•
•
Produit de convolution entre deux signaux : généralise la moyenne glissante,
représentation mathématique de la notion de filtre linéaire.
+
( x y )( t ) = − x ( ) y ( t − ) d
+
Commutatif : ( x y )( t ) = ( y x )( t ) = − x ( t − ) y ( t ) d
Associatif : ( x y) z = x ( y z) Source : Lautaro Carmona (Convolution of two Square
Signals, created with Mathematica 5.0)
x = x ( t − ) x 0 = x ( t )
•
•
Représentation fréquentielle des signaux continus
Pierre-Simon de Laplace, marquis de
Laplace, (1749-1827) mathématicien,
Signaux supposés causaux : x ( t ) = 0, t 0 et vérifiant : astronome, physicien et homme
politique (ministre de l’intérieur 1799)
+
, x ( t ) e − t dt
−
L ( x (t )) = X ( p ) =
+
x ( t ) e − pt dt
0
x (t ) = L ( X ( p )) =
1 + j
−1
X ( p ) e tp
dp
2 j − j
Transformée de Laplace : propriétés
•
•
Linéarité : L ( ax ( t ) + by ( t ) ) = aL ( x ( t ) ) + bL ( y ( t ) ) a, b
Dérivation : L ( x ( t ) ) = pX ( p ) − x ( 0+ ) L ( x ( t ) ) = pL ( x ( t ) ) − x ( 0+ ) = p 2 X ( p ) − px ( 0+ ) − x ( 0+ )
( )
L x(i ) ( t ) = p i X ( p ) − p i −1 x ( 0+ ) − p i − 2 x (1) ( 0+ ) − − x (i −1) ( 0+ )
d
p= Opérateur de dérivation
dt ( x ( 0 ) , x( ) ( 0 ) ,
+ 1 +
, x(i −1) ( 0+ ) ) Vecteur des conditions initiales
Intégration :
L ( x ( ) d ) =
t
0
X ( p)
p
Retard : L ( x ( t − ) ) = e − p X ( p )
•
•
Représentation fréquentielle des signaux continus
Pierre-Simon de Laplace, marquis de
Signaux supposés causaux : x ( t ) = 0, t 0 et vérifiant : Laplace, (1749-1827) mathématicien,
astronome, physicien et homme
+
, x ( t ) e − t dt politique (ministre de l’intérieur 1799)
−
L ( x (t )) = X ( p ) =
+
Transformée de Laplace avec p = + j x ( t ) e − pt dt
0
X ( p) = L (e )=
+
( a − p )t 1 ( a − p )t + 1
Exemples : at
e dt = e =
0 a− p 0 p−a
p + j
X ( p) = L (e )=
j t
+
( j − p )t 1 ( j − p )t + 1
e dt = e = =
0 j − p 0 p − j p 2 + 2
L ( cos (t ) + j sin (t ) ) = L ( cos (t ) ) + jL ( sin (t ) ) =
p
Linéarité : + j
p2 + 2 p2 + 2
L ( cos (t ) ) = ( ( )) p2 + 2
p
, L sin t =
p2 + 2
Fonction de transfert
•
•
y ( n) ( t ) + an −1 y ( n −1) ( t ) + + a0 y ( t ) = bm u ( m ) ( t ) + + b0u ( t )
Modèle
u (t ) y (t )
linéaire
+
Vision « impulsionnelle » du signal : u ( t ) = ( u )( t ) = u ( ) ( t − ) d
−
y (t ) = F (u (t )) = F ( −
+
u ( ) ( t − ) d )
y ( t ) = u ( ) F ( ( t − ) ) d = u ( ) f ( t − ) d
+ +
Modèle linéaire, donc théorème de superposition :
− −
L ( ( x y )( t ) ) = X ( p ) Y ( p ) Y ( p ) = U ( p ) L ( f ( t ) )
(
En notant : F ( p ) = L f ( t ) ) Y ( p ) = F ( p ) U ( p )
•
•
Application aux EDO équations différentielles linéaires à coefficients constants :
nm y ( n) ( t ) + an −1 y ( n −1) ( t ) + + a0 y ( t ) = bm u ( m ) ( t ) + + b0u ( t )
Entrée de commande Sortie
u (t ) y (t )
Modèle
( )
L y (i ) ( t ) = piY ( p ) − p i −1 y ( 0+ ) − p i − 2 y (1) ( 0+ ) − − y (i −1) ( 0+ )
linéaire
(p n
+ an −1 p n −1 + + a0 ) Y ( p ) = ( bm p m + bm −1 p m −1 + b0 )U ( p )
Y ( p)
bm p m + bm −1 p m −1 + b0
Fonction de transfert : F ( p ) = = n
U ( p ) p + an −1 p n −1 + + a0
d
p= Opérateur de dérivation
dt
Fonctions de transfert EDO linéaires à coefficients constants
Fonction de Transfert
•
•
Exemple : y ( t ) + 4 y ( t ) + 4 y ( t ) = 3u ( t )
d
p= Entrée de commande Sortie
(p 2
+ 4 p + 4 ) Y ( p ) = 3U ( p )
dt
u (t ) F(p) y (t )
3 Commande
F ( p) = 2
p + 4p + 4 Sortie
3p − 6 y ( t ) − 4 y ( t ) + 2 y ( t ) = 3u ( t ) − 6u ( t )
Exemple : F ( p) =
p3 − 4 p 2 + 2
y (t )
nm? Le plus élémentaire (0 < 1) : y (t ) = u (t )
•
•
Exemple : y ( t ) + 4 y ( t ) + 4 y ( t ) = 3u ( t )
d
p= Entrée de commande Sortie
(p 2
+ 4 p + 4 ) Y ( p ) = 3U ( p )
dt
u (t ) F(p) y (t )
3 Commande
F ( p) = 2
p + 4p + 4 Sortie
3p − 6 y ( t ) − 4 y ( t ) + 2 y ( t ) = 3u ( t ) − 6u ( t )
Exemple : F ( p) =
p3 − 4 p 2 + 2
y (t )
nm? Le plus élémentaire (0 < 1) : y (t ) = u (t )
•
•
Y ( p) bm p m + bm −1 p m −1 + b0 N ( p )
F ( p) = = n = p = + j
U ( p ) p + an −1 p + + a0 D ( p )
n −1
Zéros ( ): solutions de : N ( p ) = 0
Pôles ( ) : solutions de : D ( p ) = 0
•
•
Y ( p)
bm p m + bm −1 p m −1 + b0 N ( p )
F ( p) = = n = p = + j
U ( p ) p + an −1 p + + a0 D ( p )
n −1
Exemples :
2 − 3p
F ( p) =
Im
f1 ( t ) = et
p3 − 3 p + 2 Re
−2
23
f 2 ( t ) = tet
Ordre 3, degré relatif 2
Strictement propre 1
y ( t ) − 3 y ( t ) + 2 y ( t ) = 2u ( t ) − 3u ( t ) f 3 ( t ) = e −2t
p2 + 1
F ( p) = 2 Im
p + 2p + 2 Ordre 2, degré relatif 0
j Re f1 ( t ) = e − t sin ( t )
Exactement propre −1
f 2 ( t ) = e − t cos ( t )
y (t ) + 2 y (t ) + 2 y (t ) = u (t ) + u (t )
−j
Schémas fonctionnels
•
•
u (t ) s (t ) y (t )
Y ( p) Y ( p) S ( p)
F1 ( p ) F2 ( p ) =
U ( p) S ( p) U ( p)
Y ( p ) = ( F1 ( p ) F2 ( p ) ) U ( p )
u (t ) F ( p) y (t )
F ( p ) = F1 ( p ) F2 ( p )
S ( p) Y ( p)
Intérêt ??? → exemple F1 ( p ) = : s ( t ) + 2s ( t ) = 3u ( t ) F2 ( p ) = : y ( t ) − y ( t ) = 2s ( t ) + s ( t )
U ( p) S ( p)
•
•
u (t ) s (t ) y (t )
Y ( p) Y ( p) S ( p)
F1 ( p ) F2 ( p ) =
U ( p) S ( p) U ( p)
Y ( p ) = ( F1 ( p ) F2 ( p ) ) U ( p )
u (t ) F ( p) y (t )
F ( p ) = F1 ( p ) F2 ( p )
S ( p) Y ( p)
Intérêt ??? → exemple F1 ( p ) = : s ( t ) + 2s ( t ) = 3u ( t ) F2 ( p ) = : y ( t ) − y ( t ) = 2s ( t ) + s ( t )
U ( p) S ( p)
→ y ( t ) − y ( t ) = −3s ( t ) + 6u ( t ) → y ( t ) − y (t ) = −3 ( −2s (t ) + 3u (t ) ) + 6u (t ) = 6s (t ) − 9u (t ) + 6u (t )
d
dt
y ( t ) − y ( t ) = 2 ( − y ( t ) + y ( t ) + 6u ( t ) ) + 6u ( t ) − 9u (t ) → y ( t ) + 2 y ( t ) − y ( t ) − 2 y ( t ) = 6u ( t ) + 3u ( t ) OUF !!!
Schémas fonctionnels
•
•
u (t ) s (t ) y (t )
Y ( p) Y ( p) S ( p)
F1 ( p ) F2 ( p ) =
U ( p) S ( p) U ( p)
Y ( p ) = ( F1 ( p ) F2 ( p ) ) U ( p )
u (t ) F ( p) y (t )
F ( p ) = F1 ( p ) F2 ( p )
S ( p) Y ( p)
Intérêt ??? → exemple F1 ( p ) = : s ( t ) + 2s ( t ) = 3u ( t ) F2 ( p ) = : y ( t ) − y ( t ) = 2s ( t ) + s ( t )
U ( p) S ( p)
S ( p) 3 Y ( p) 2 p +1 Y ( p) 3 ( 2 p + 1)
F1 ( p ) = = , F2 ( p ) = = 2 → F ( p) = =
U ( p) p + 2 S ( p ) p −1 U ( p ) ( p + 2 ) ( p 2 − 1)
6p +3
F ( p) = y ( t ) + 2 y ( t ) − y ( t ) − 2 y ( t ) = 6u ( t ) + 3u ( t )
p3 + 2 p 2 − p − 2
Schémas fonctionnels
•
•
y1 ( t )
u (t ) F ( p) y (t )
F1 ( p )
y (t )
u (t )
Y ( p) Y1 ( p ) + Y2 ( p )
F2 ( p ) = F ( p ) = F1 ( p ) + F2 ( p )
y2 ( t ) U ( p) U ( p)
Y1 ( p ) Y2 ( p )
Intérêt ??? → exemple F1 ( p ) = : y1 ( t ) + 2 y1 ( t ) = 3u ( t ) F2 ( p ) = : y2 ( t ) − y2 ( t ) = 2u ( t ) + u ( t )
U ( p) U ( p)
Y1 ( p ) 3 Y2 ( p ) 2 p + 1 3 2 p +1
F1 ( p ) = = , F2 ( p ) = = → F ( p) = +
U ( p) p + 2 U ( p ) p2 −1 p + 2 p2 −1
5 p2 + 5 p −1
F ( p) = y ( t ) + 2 y ( t ) − y ( t ) − 2 y ( t ) = 5u ( t ) + 5u ( t ) − u ( t )
( p + 2) ( p 2
− 1)
Solutions Particulières EDO
•
•
Rappel EDO y ( n) ( t ) + an −1 y ( n −1) ( t ) + + a0 y ( t ) = bm u ( m ) ( t ) + + b0u ( t )
n
solution générale : yg ( t ) = i fi ( t ), i y ( n ) ( t ) + an −1 y ( n −1) ( t ) + + a0 y ( t ) = 0
i =1
b0
Par exemple si u p ( t ) = 1 → y p ( t ) =
a0
Propriété sur la solution particulière de l’EDO y p ( t ) quand l’entrée est sinusoïdale.
u (t ) y (t )
u p ( t ) = sin (t )
EDO y p ( t ) = F ( ) sin (t + )
(LSD)
sans distorsion
Propriété fréquentielle
•
•
u (t ) y (t )
u ( t ) = sin (t )
EDO y p ( t ) = F ( ) sin (t + )
(LSD)
sans distorsion
u ( t ) = e jt = cos (t ) + j sin (t ) y ( t ) = F ( ) e j (t + ) = F ( ) cos (t + ) + j sin (t + )
u ( t ) = ( j ) e jt y ( t ) = ( j ) F ( ) e j (t + )
u ( t ) = ( j ) e jt y ( t ) = ( j ) F ( ) e j (t + )
2 2
u ( m) ( t ) = ( j ) e jt y ( n ) ( t ) = ( j ) F ( ) e j (t + )
m n
y ( n ) ( t ) + an −1 y ( n −1) ( t ) + + a0 y ( t ) = bm u ( m ) ( t ) + + b0u ( t )
F ( ) e j ( t + ) ( ( j ) + an −1 ( j )
n n −1
+ ) (
+ a0 = e jt bm ( j ) + bm −1 ( j )
m m −1
+ b0 )
Propriété fréquentielle
•
•
Cas particulier entrée de type sinusoïdale : Fonction de transfert
bm ( j ) + bm −1 ( j )
m m −1
+ b0 bm p m + bm −1 p m −1 + b0
F ( ) e =
j F ( p) = n
p + an −1 p n −1 + + a0
( j ) + an −1 ( j )
n −1
+ + a0
n
F ( ) = F ( j )
F ( ) e = F ( j )
j
( ) = arg ( F ( j ) )
Résultat qui relie fonction de transfert et solution particulière pour une entrée sinusoïdale de l’EDO !!!
(
Dans ce cas, si : u p ( t ) = sin (t ) Alors : y p ( t ) = F ( j ) sin t + arg F ( j ) ( ))
Et la solution de l’EDO s’écrit : y ( n) ( t ) + an −1 y ( n −1) ( t ) + + a0 y ( t ) = bm u ( m ) ( t ) + + b0u ( t )
( )
n
y ( t ) = y g ( t ) + y p ( t ) = i f i ( t ) + F ( j ) sin t + arg ( F ( j ) )
i =1
Caractérisation fréquentielle
•
•
Caractérisation d’une fonction de transfert :
Par son EDO associée, par ses pôles et ses zéros, par ses réponses temporelles, mais aussi en étudiant le nombre
complexe : F ( j )
bm ( j ) + bm −1 ( j )
m −1
+ b0
m
= F ( j ) e (
arg F ( j ) )
F ( j ) =
( j ) + an −1 ( j )
n −1
+ + a0
n
F ( j ) dB = 20 log F ( j )
F ( j ) dB = 20 log F ( j )
( rad s )
Bode (1905-1982)
BODE
arg ( F ( j ) )
arg ( F ( j ) ) BLACK-NICHOLS
( rad s )
Diagramme de Nyquist
•
•
Caractérisation d’une fonction de transfert :
Par son EDO associée, par ses pôles et ses zéros, par ses réponses temporelles, mais aussi en étudiant le nombre
complexe : F ( j )
bm ( j ) + bm −1 ( j )
m −1 Nyquist (1889-1976) Laboratoires Bell
+ b0
m
F ( j ) = = Re ( F ( j ) ) + j Im ( F ( j ) )
( j ) + an −1 ( j )
n −1
+ + a0
n
Im ( F ( j ) )
Re ( F ( j ) )
NYQUIST
→ croissant
=0 1
F ( p) =
(1 + p ) (1 + p + p 2 )
Méthode générale solution EDO
•
•
u (t ) y (t )
Système
Linéaire
L L−1
U ( p) Y ( p ) = F ( p ) U ( p )
Réponse impulsionnelle :
u (t ) = (t ) U ( p ) = L ( ( t ) ) = 1, Y ( p ) = F ( p ) yimpulse ( t ) = L−1 ( F ( p ) )
Réponse indicielle :
1 F ( p) F ( p)
u ( t ) = 1 ( t ) U ( p ) = L (1) = , Y ( p ) = yindicielle ( t ) = L
−1
p p p
•
•
u (t ) y (t )
Système
Linéaire
L L−1
U ( p) Y ( p ) = F ( p ) U ( p )
Réponse à une rampe :
1 F ( p) F ( p)
u (t ) = t U ( p ) = L (t ) = , Y ( )
p = yrampe ( t ) = L−1 2
p2 p2 p
bj p j
j
b p j
F ( p) =
j =0 j =0
n
= r
, n m, an = 1
ai pi ( p + pi )
ni
i =0 i =1
r ni
cik 1 d ni − k
F ( p ) = bn + cik = ni − k (
+ i ) F ( p )
ni
, p p
i =1 k =1 ( p + pi )
k
( ni − k )! dp p =− p
i
ci1 , i = 1, , r , résidus de : F ( p ) en : − pi