1-Cours - Commande Des Systèmes Complexes

UNIVERSITE DE CARTHAGE
Ecole Nationale d’Ingénieurs de Carthage

Départment Génie Electrique - Formation Mécatronique
Support de cours
COMMANDE DES SYSTEMES COMPLEXES
Salwa ELLOUMI
Maı̂tre de Conférences à l’ENICarthage
AU 2016 - 2017
Table des matières
1 Analyse et commande des systèmes multivariables 1

1.1 Introduction et formulation du problème . . . . . . . . . . . . . . . . . . . 1
1.2 Système multivariable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Système linéaire, continu, non stationnaire et multivariable . . . . . 4
1.2.2 Système linéaire, continu, stationnaire et multivariable . . . . . . . 4
1.3 Commandabilité et observabilité des systèmes complexes . . . . . . . . . . 6
1.3.1 Commandabilité des systèmes complexes . . . . . . . . . . . . . . . 6
1.3.1.1 Rappel - cas d’un système monovariable continu . . . . . . 6
1.3.1.2 Cas d’un système multivariable continu . . . . . . . . . . . 6
1.3.2 Observabilité des systèmes multivariables continus . . . . . . . . . . 7
1.4 Technique de placement de pôles . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.1 Cas du système monovariable . . . . . . . . . . . . . . . . . . . . . 9
1.4.2 Cas du système multivariable . . . . . . . . . . . . . . . . . . . . . 11
1.5 Observation d’état . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.2 Structure générale d’observateurs d’état . . . . . . . . . . . . . . . 17
1.5.3 Observateur d’état d’ordre complet . . . . . . . . . . . . . . . . . . 18
1.5.4 Principe de séparation . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.5 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.6 Exemple 2 : Commande d’un four électrique . . . . . . . . . . . . . 20
2 Analyse des systèmes non linéaires 23

2.1 Génaralités sur les systèmes non linéaires (SNL) . . . . . . . . . . . . . . . 23
2.1.1 Limitations des méthodes du linéaire . . . . . . . . . . . . . . . . . 23
2.1.2 Définition des systèmes non linéaires . . . . . . . . . . . . . . . . . 24
2.1.3 Les non linéarités usuelles . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.4 Système à non linéarité séparable . . . . . . . . . . . . . . . . . . . 25
2.2 Méthodes d’analyse des systèmes non linéaires . . . . . . . . . . . . . . . 26
2.2.1 Méthode de l’approximation du premier harmonique . . . . . . . . 26
2.2.1.1 Principe de cette méthode . . . . . . . . . . . . . . . . . . 26
2.2.1.2 Etude de la fonction de transfert généralisée FTG . . . . . 28
2.2.2 Méthode du plan de phase . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.2.2 Propriétés des trajectoires de phase . . . . . . . . . . . . 31
2.2.2.3 Applications aux systèmes linéaires du second ordre . . . . 32
ii
TABLE DES MATIÈRES
2.3 Analyse de la stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

2.3.1 Notion de point d’équilibre . . . . . . . . . . . . . . . . . . . . . . . 36
2.3.2 Stabilité au sens de Lyapunov . . . . . . . . . . . . . . . . . . . . . 36
2.3.3 Analyse de la stabilité par la méthode du premier harmonique- No-
tion de Cycles Limites . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3.3.1 Rappels sur le critère de Revers . . . . . . . . . . . . . . . 38
2.3.3.2 Extension au cas des asservissements non linéaires . . . . 39
2.3.3.3 Etude des auto-oscillations et de leur stabilité . . . . . . . 40
3 Commande des systèmes non linéaires 43

3.1 Position du problème de commande d’un processus non linéaire . . . . . . 43
3.2 Commande d’un système non linéaire par linéarisation approchée autour
d’un point de fonctionnement . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3 Commande d’un système non linéaire par linéarisation exacte entrée/sortie 45
3.4 Stabilisation des systèmes non linéaires par la méthode directe de Lyapunov 46
Elloumi S., Sept. 2016 iii

Chapitre 1
Analyse et commande des systèmes

multivariables
1.1 Introduction et formulation du problème

La complexité croissante des systèmes dynamiques a entraı̂né un développement considérable
des outils mathématiques pour l’analyse, l’optimisation et la commande de tels systèmes.
La notion de complexité a été définie différemment :
Définition 1 : Un système complexe est constitué d’un grand nombre de parties connectées
entre elles de manière compliquée (non simple)[simon, 1962].
Définition 2 : Un système complexe peut être :

– de grande dimension : on considère souvent que cet aspect est la source la plus im-
portante de complexité [Siljak, 1983],
– incertain : on suppose que la nature d’un système complexe ne peut être connue avec
précision ( que ce soit en environnement déterministe ou stochastique).
Les incertitudes peuvent affecter la connaissance de certains paramètres physiques
généralement bien localisés (masse, inertie, etc.) ; Elles peuvent être liées aussi aux
non linéarités, à l’idéalisation des éléments (circuit magnétique idéal, bobine idéale,
etc),
– un système présentant des contraintes de structure (exp : non linéarité) surtout au
niveau du flot d’information entre les sous-systèmes ce qui rend difficile l’application
des méthodes classiques de commande, même sur des systèmes de petites dimensions.
1
Chapitre 1. Analyse et commande des systèmes multivariables
Non linéarité
Structure des Grande

Niveau de complexité
interconnexions dimension
Incer!tudes
L’objectif principal de la commande d’un système complexe est sa stabilisation. Le se-

condaire est l’amélioration des performances comme la compensation des perturbations
(il s’agit du problème de régulation), l’amélioration de la qualité de réponse telle que la
rapidité, la précision, la minimisation des oscillations et aussi assurer une bonne poursuite
des consignes imposées à l’entrée du système.
En ce qui concerne la commande d’un système de grande dimension, on considère en

général une commande par retour d’état linéaire. Parmi les méthodes qui déterminent
cette commande, on peut citer :
* la technique de placement de pôles,
* l’optimisation quadratique (cas de la commande optimale quadratique).
1.2 Système multivariable

Les différents éléments d’interaction entre un système dynamique et son environnement
sont représentés dans la figure suivante.
Elloumi S., Sept. 2016 2

Les entrées d’un système, notées u(t), représentent des causes qui agissent sur lui de
l’extérieur, par exemple des perturbations, ou encore des excitations standard (impulsion,
saut, rampe et sinusoı̈de). Les sorties, notées y(t), regroupent les effets qui en découlent
et désignent le plus souvent des signaux mesurés. Les états, notés x(t), sont des variables
internes constituant la mémoire (historique), c’est-à-dire, il suffit de connaı̂tre l’état d’un
système à un instant initial quelconque pour prédire son comportement future sous l’ac-
tion d’entrées connues.
On cite quelques exemples de systèmes multivariables :

* un générateur de vapeur dans une centrale électrique,
* un réseau de transport d’énergie électrique connecté à plusieurs centrales de production,
* un robot manipulateur à plusieurs degrés de liberté,,
* etc.
Un système multivariable continu est modélisé par les équations d’état suivantes :

ẋ (t) = f (x (t) , u (t))
y (t) = h (x (t) , u (t))

     
x1 u1 y1
 x2   u2   y2 
avec x =  ..  ∈ Rn , u =  ..  ∈ Rm et y =  ..  ∈ Rp .
     
 .   .   . 
xn um yp
1.2.1 Système linéaire, continu, non stationnaire et multiva-

riable
La représentation d’état de cette classe de systèmes est donnée par :

ẋ (t) = A (t) x (t) + B (t) u (t)
y (t) = C (t) x (t) + D (t) u (t)
avec x (n × 1) vecteur d’état, u (m × 1) vecteur d’entrée (ou de commande), y (l × 1) vec-

teur de sortie (ou d’observation), A (n × n) matrice d’état (ou caractéristique), B (n × m)
matrice de commande, C (l × n) matrice de sortie et D (l × m) matrice de couplage (ou
de transmission directe).
1.2.2 Système linéaire, continu, stationnaire et multivariable

Les matrices caractéristiques de ce système ne dépendent pas du temps. Sa représentation
d’état est décrite par :

ẋ (t) = A x (t) + B u (t)
y (t) = C x (t) + D u (t)
Application 1
On considère le système à deux entrées u1 et u2 et à deux sorties y1 et y2 décrit par le
schéma bloc suivant :

Montrer que ce système peut se mettre sous la représentation d’état suivante :


u1 (t)
 ẋ (t) = A x (t) + B


u2 (t)
y 1 (t)
= C x (t)


y2 (t)

avec :     
x1 (t) −1 0 0 0 0 0 0 0 1 0
2 2

 x2 (t) 

 0
 −3 0 0 0 0 0 0 


 0 3



 x3 (t) 

 0
 0 0 1 0 0 0 0 


 0 0 

 x4 (t) , A =  1
  −1 −3 −2 0 0 0 0   0 0 
x (t) =  , B =  ,

 x5 (t) 

 0
 0 0 0 0 1 0 0 


 0 0 


 x6 (t) 

 0
 0 0 0 0 −2 0 0 


 1 0 

 x7 (t)   0 0 0 0 0 0 0 1   0 0 
x8 (t) 0 0 0 0 0 0 −2 −5 0 1
0 0 4 1 0 0 0 0
et C = .
0 0 0 0 −1 1 1 0
Application 2
On considère le système à deux entrées u1 et u2 et à deux sorties y1 et y2 représenté par
le schéma blocs suivant :

u1 1 p −3 y1
+
1+ 5 p - p2 + p + 1
2
3+ 4p
3 y2
u2 1− p +
+
2
(p + 1)
1+ 2 p
1. Donner la matrice de transfert de ce système

2. Mettre le système sous la forme d’une représentation d’état
1.3 Commandabilité et observabilité des systèmes com-

plexes
1.3.1 Commandabilité des systèmes complexes
1.3.1.1 Rappel - cas d’un système monovariable continu
Définition - un système linéaire est commandable à un instant t s’il est possible de
le conduire en lui appliquant un signal de commande u (t0 , t) pendant un intervalle de
temps fini [t0 , t] d’un état initial connu x (t0 ) à un état final x (t).
Théorème - une condition nécessaire et suffisante pour que le système défini par
l’équation d’état ẋ (t) = A x (t) + B u (t) soit commandable est que la matrice, dite de
commandabilité :
C = B, A B, A2 B, · · · , An−1 B

soit de rang plein.

Système commandable si rang (C) = n avec n l’ordre du système.
1.3.1.2 Cas d’un système multivariable continu

Définition - un système linéaire d’équation d’état ẋ (t) = A x (t) + B u (t) avec
x (n × 1) vecteur d’état, u (m × 1) vecteur d’entrée, A (n × n) matrice d’état et B (n × m)

matrice de commande, est complètement commandable si :

rang (pIn − A, B) = n
Définition - un système linéaire d’équation d’état ẋ (t) = A x (t) + B u (t) est non
complètement commandable s’il existe une matrice P (n, m) inversible telle que la trans-
z1 l n1
formation z = P x avec z = , conduit à une représentation d’état de la
z2 l n2
forme :

ż1 (t) A11 A12 z1 (t) B1
= + u (t)

ż2 (t) 0 A22 z2 (t) 0
y (t) = C1 C2 z (t)

ou encore :
ż1 (t) = A11 z1 (t) + A12 z2 (t) + B1 u (t)
ż2 (t) = A22 z2 (t)
La partie caractérisée par la matrice A22 est non commandable ; Si cette partie est stable,
on dit que le système est stabilisable.
Application 3
On considère le système d’entrée u et de sortie y décrit par la représentation d’état
suivante : 
 ẋ1 (t) = −x1 (t) + x2 (t) + 2 x3 (t) + 2 u (t)

ẋ2 (t) = x3


 ẋ3 (t) = −0.5 x2 (t) − 2 x3 (t) − u (t)
y (t) = x1 (t) + x2 (t)

1. Montrer que ce système n’est pas complètement commandable.

2. On considère la transformation d’état du système en utilisant le vecteur d’état :

 z1 (t) = x1 (t)
z2 (t) = x2 (t)
z3 (t) = x1 (t) + 2 x3 (t)

(a) Écrire la représentation d’état du système en utilisant le vecteur d’état z (t).

(b) Conclure alors sur la commandabilité et sur la stabilisabilité du système.
(c) Écrire la fonction de transfert du système et retrouver les résultats de la ques-
tion 2. (b).
1.3.2 Observabilité des systèmes multivariables continus

Considérons un système linéaire continu multivariable décrit par la représentation d’état
suivante :

 Ẋ = AX + BU
X(0) = x0 , X ∈ Rn , U ∈ Rm , Y ∈ Rp ; p ≤ n; A(n × n), B(n × m) et C(p × n)
Y (t) = C.X(t)


Définition - Un système dynamique est dit observable à l’instant t0 si on peut

déterminer d’une manière unique le vecteur d’état X(t0 ) (à l’instant t0 ) à partir de la
connaissance des vecteurs de sortie y(t) et de la commande u(t) sur l’intervalle [t0 , t1 ] quel
que soit t1 > t0 .
Le système est dit (complètement) observable s’il est observable à tout instant t0 (obser-
vable quel que soit t0 )
Critère (théorème) d’observabilité des systèmes linéaires-

Un système dynamique linéaire continu et multivariable

Ẋ = AX + BU
Y = CX
est observable si et seulement si la matrice d’observabilité O[A,C] telle que

 
C
 CA 
O[A,C] =  ..
 

 . 
n−1
CA
est de rang plein ( rang(O[A,C] = n))
Application 4
On considère le système défini par le schéma suivant :
u 1 1
+
p +1 - p−2
1 y
p+3
Analyser l’observabilité de ce système :

– En analysant le schéma bloc
– En utilisant la représentation d’état et le critère d’observabilité
Autres critères d’observabilité
Un système dynamique linéaire continu et multivariable

Ẋ = AX + BU
Y = CX

est non complètement observable si et seulement si il existe une matrice P (n×n) inversible
telle que la transformation X̄ = P X conduit à une représentation d’état de la forme
X̄˙ = ĀX̄ + B̄U

X1 l n1
avecX̄ =
Y = C̄ X̄ X2 l n2

A11 0
Ā = P AP −1 = ; C = CP −1 = C1 0
A21 A22
Les équations d’état du système se mettent alors sous la forme :


 Ẋ1 = A11 X1 + B1 U
Ẋ = A21 X1 + A22 X2 + B2 U
 2
Y = C 1 X1
C’est à dire que X2 n’a pas de trace dans la sortie Y ; donc on dit que X2 est non
observable.
Détectabilité :
un système est dit détectable si ses modes (en matrice A22 ) non observables sont stables.
1.4 Technique de placement de pôles

1.4.1 Cas du système monovariable
Un système continu est décrit par la représentation d’état :

ẋ (t) = A x (t) + B u (t)
y (t) = C x (t)
avec A de forme quelconque.
Pour une transformation x(t) = P z(t), il existe une matrice de passage P d’une forme
quelconque à la forme Compagnon :

ż (t) = Ā z (t) + B̄ u (t)
y (t) = C̄ z (t)
ou encore :
0 1 0 ... 0
  
 
0


 .. ..


  0

0 1 . .

  .. 
 z (t) +  .  u (t)
  . .. ..
ż (t) =  ..
   
 . . 0   0 
  0 ... 0 1 

 1
−a0 −a1 . . . −a −a



 n−2 n−1
y (t) = b0 b1 . . . bn−1 z (t)


avec : 
 Ā = P −1 A P
B̄ = P −1 B
C̄ = C P

La construction de la matrice de passage P est telle que :
P = (P1 , P2 , · · · , Pn )
avec : 

 Pn = B
 Pn−1 = (A + an−1 I) B



Pn−2 = (A2 + an−1 A + an−2 I) B
 ..


 .
 P = (An−1 + a An−2 + · · · + a A + a I) B

1 n−1 2 1
On applique une loi de commande u par retour d’état linéaire de la forme :
u (t) = −K x (t) = −K̄ z (t)
avec K̄ = K P .
L’équation d’état du système continu bouclé est donnée par :

ż (t) = Ā − B̄ K̄ x (t)

Pour K̄ = k̄1 , k̄2 , · · · , k̄n , la matrice d’état en boucle fermée s’écrit :
0 1 0 ... 0
 
.. ..

 0 0 1 . .


Ā − B̄ K̄ = 
 .
.. .. .. 
 . . 0 

 0 ... 0 1 
−a0 − k̄1 −a1 − k̄2 . . . −an−2 − k̄n−1 −an−1 − k̄n
Par identification du polynôme caractéristique χBF (λ) du système bouclé :
χBF (λ) = λn + an−1 + k̄n λn−1 + an−2 + k̄n−1 λn−2 + · · · + a1 + k̄2 λ + a0 + k̄1

et du polynôme caractéristique désiré χd (λ) de la forme :
χd (λ) = λn + αn−1 λn−1 + αn−2 λn−2 + · · · + α1 λ + α0
on a alors : 

 k̄1 = α0 − a0
 k̄2 = α1 − a1

..


 .
n−1 − an−1
 k̄ = α
n

Application 5
On considère le système linéaire continu décrit par la représentation d’état suivante :
    

 1 2 6 −2
ẋ (t) =  −2 −5 −2  x (t) +  1  u (t)


 0 2 −5 2
y (t) = 3 4 −1 x (t)

1. Calculer la fonction de transfert. Le système est-t-il stable ?

2. Calculer la matrice de gain par retour d’état K permettant de stabiliser le système
bouclé à −2, −4 et −6.
3. On pose x (t) = P z (t). Calculer P qui permet de passer de la première forme
(quelconque) à la forme canonique de commandabilité :

ż (t) = Ā z (t) + B̄ u (t)
y (t) = C̄ z (t)
4. Pour les mêmes performances, calculer la nouvelle matrice du gain K̄.
1.4.2 Cas du système multivariable

Une condition nécessaire et suffisante (CNS) pour que le système linéaire continu mul-
tivariable défini par l’équation d’état ẋ (t) = A x (t) + B u (t) soit commandable est que
la matrice, dite de commandabilité :
C = B, A B, A2 B, · · · , An−1 B

soit de rang
 plein.
    
x1 u1 y1
 x2   u2   y2 
n m
avec x =  ..  ∈ R , u =  ..  ∈ R et y =  ..  ∈ Rp .
     
 .   .   . 
xn um yp
Système commandable si rang (C) = n avec n l’ordre du système.
Il y a n colonnes de la matrice de commandabilité C linéairement indépendantes.
La matrice de commande B peut être décomposée comme suit :
B = (b1 , b2 , · · · , bm )
avec bi la i-ème colonne de la matrice B.
Ce qui permet d’écrire :
ẋ (t) = A x (t) + B u (t) = A x (t) + b1 u1 (t) + b2 u2 (t) + · · · + bm um (t)

et :
C = (b1 , b2 , · · · , bm , Ab1 , Ab2 , · · · , Abm ,

A2 b1 , A2 b2 , · · · , A2 bm , · · · , An−1 b1 , An−1 b2 , · · · , An−1 bm

On va ranger les différentes colonnes de la matrice de commandabilité C de la manière

suivante :
C = b1 , Ab1 , A2 b1 , · · · , Aµ1 −1 b1 , b2 , Ab2 , A2 b2 , · · · , Aµ2 −1 b2 ,
· · · , bm , Abm , A2 bm , · · · , Aµn −1 bm

avec n = µ1 + µ2 + · · · + µm et µi l’indice de commandabilité relatif à l’entrée ui .
Il existe alors une transformation x (t) = P z (t) qui permet d’avoir l’équation d’état
décrite sous forme canonique de commandabilité multivariable suivante :
ż (t) = Ā z (t) + B̄ u (t)
avec :
 
0 1 0 ··· 0
.. .. ..
. . .
 
 
 .. 

 . 0 1 0 


 0 ··· 0 1 


 × ··· × × ··· × × ··· × 


 0 1 0 ··· 0 

 .. .. .. 
 . . . 
.. ..
 
 
Ā = 
 . . 0 1 0 


 0 ··· 0 1 

 × ··· × ··· × × ··· × 
..
 
0 .
 
 
0 1 0 ··· 0
 
 
 .. .. .. .. 

 . . . . 

 .. 

 . 0 1 0 

 0 0 ··· 0 1 
× ··· × × ··· × ··· × ··· ×

et :  
0 ··· 0
 .. .. .. 
 . . . 
 0 0 ··· 0 
 
 1 × ··· × 
 
···
 
 0 0 
 . .. 
 .
 . . 

B̄ =  0 0 0 
 
 0 1 × ··· × 
 
 .. 

 . 

 0
 ··· 0  
 .. .. 
 . . 
 
 0 ··· 0 
× ··· × 1
Application 6
On considère un système multivariable d’ordre 8 ayant trois entrées u1 , u2 et u3 . Son
équation d’état est écrite sous forme canonique de commandabilité :
ż (t) = Ā z (t) + B̄ u (t)
avec :
   
0 1 0 0 0 0 0 0 0 0 0
 0 0 1 0 0 0 0 0   0 0 0 
   
 −1 2 1 1 −2 0 3 −1   1 −1 0.5 
   
 0 0 0 0 1 0 0 0   0 0 0 
Ā =   , B̄ =  
 2 1
 0 0.5 −1 3 −1 −2 

 0 1
 2 

 0 0 0 0 0 0 1 0   0 0 0 
 
 
 0 0 0 0 0 0 0 1   0 0 0 
0.4 2 −0.5 0 3 1 −1 3 0 0 1
 
u1 (t)
et u (t) =  u2 (t)  vecteur d’entrée.
u3 (t)
Pour simplifier d’avantage la matrice de commande B̄, on peut considérer le changement
de variable suivant sur la commande :
 
1 −1 0.5
v (t) = H u (t) =  0 1 2  u (t)
0 0 1
L’équation d’état du système devient alors :
ż (t) = Ā z (t) + B̃ v (t)

avec B̄ = B̃ H et :  
0 0 0

 0 0 0 


 1 0 0 

 0 0 0 
B̃ =  

 0 1 0 


 0 0 0 

 0 0 0 
0 0 1
D’après les équations d’état et de commande suivantes :

ż (t) = Ā z (t) + B̃ v (t)
v (t) = H u (t) = − K̃ z (t)
le système muni de la loi de commande par retour d’état linéaire s’écrit :

ż (t) = Ā − B̃ K̃ z (t)
On pose :
 
z1 (t)

 z2 (t) 

    z3 (t) 
v1 (t) k̃11 k̃12 k̃13 k̃14 k̃15 k̃16 k̃17 k̃18  
 z4 (t) 
v (t) =  v2 (t)  = − k̃21 k̃22 k̃23 k̃24 k̃25 k̃26 k̃27 k̃28
  
 z5 (t) 
v3 (t) k̃31 k̃32 k̃33 k̃34 k̃35 k̃36 k̃37 k̃38  

 z6 (t) 

 z7 (t) 
z8 (t)
La matrice d’état en boucle fermée ABF = Ā − B̃ K̃ est égale à :
0 1 0 0 0 0 0 0
 
 0 0 1 0 0 0 0 0 
 
 −1 − k̃11 2 − k̃12 1 − k̃13 1 − k̃14 −2 − k̃15 −k̃16 3 − k̃1+ −1 − k̃18 
 
 0 0 0 0 1 0 0 0 
ABF = 
 2 − k̃21 1 − k̃22

 −k̃23 0.5 − k̃24 −1 − k̃25 3 − k̃26 −1 − k̃27 −2 − k̃28 


 0 0 0 0 0 0 1 0 

 0 0 0 0 0 0 0 1 
0.4 − k̃31 2 − k̃32 −0.5 − k̃33 −k̃34 3 − k̃35 1 − k̃36 −1 − k̃37 3 − k̃38
On peut choisir certaines valeurs des gains k̃ij de manière que la matrice d’état en boucle
fermée ABF = Ā − B̃ K̃ soit triangulaire par blocs (inférieure ou supérieure).

Pour une forme triangulaire supérieure, on a :



 0.4 − k̃31 = 0
 
 2 − k̃21 = 0  2 − k̃32 = 0


1 − k̃22 = 0 et −0.5 − k̃33 = 0
−k̃23 = 0 −k̃34 = 0
 




 3 − k̃ = 0
35
Les autres matrices de gains se calculent par identification du polynôme caractéristique

du système bouclé χBF (λ) et celui désiré χd (λ) :

 χBF (λ) = χĀ1 (λ) χĀ2 (λ) χĀ3 (λ)
Q8
 χd (λ) = (λ − pi, d )
i=1
avec : 
 χĀ1 (λ) = λ3 + k̃13 − 1 λ2 + k̃12 − 2 λ + 1 + k̃11

Q3
 χd (λ) =
 (λ − pi, d )
i=1

 χĀ2 (λ) = λ2 + 1 + k̃25 λ + 0.5 + k̃24

Q5
 χd (λ) =
 (λ − pi, d )
i=4

3 2
 χĀ3 (λ) = λ + k̃38 − 3 λ + 1 + k̃37 λ − 1 + k̃36

Q8
 χd (λ) =
 (λ − pi, d )
i=6
Application 7
Soit le système mécanique de la figure suivante ayant deux entrées u1 (t) et u2 (t) et
deux sortie x1 (t) et x2 (t). Le système est initialement au repos.

1. Montrer que le système est régi par les équations suivantes :

m1 ẍ1 (t) + f (ẋ1 (t) − ẋ2 (t)) + K1 x1 (t) = u1 (t)
m2 ẍ2 (t) − f (ẋ1 (t) − ẋ2 (t)) + K2 x2 (t) = u2 (t)
2. Écrire le système sous forme matricielle.

3. Calculer le rang de la matrice de commandabilité.
4. Calculer la matrice de transfert.
5. Déterminer un retour d’état linéaire permettant de stabiliset le système bouclé à
−1 double et −2 double de la forme :
 
x1 (t)
u1 (t) k1 k2 0 0.1   ẋ1 (t) 

= −
u2 (t) 0 0.1 k3 k4  x2 (t) 
ẋ2 (t)
On donne : K1 = K2 = 0.2 N/m, f = 0.1 N s/m et m1 = m2 = 0.1 Kg.
1.5 Observation d’état

1.5.1 Position du problème
Soit un système dynamique défini par un modèle d’état linéaire :

Ẋ = AX + BU, X ∈ Rn , U ∈ Rm , Y ∈ Rp
Y = CX
et soit la loi de commande par retour d’état :
U = −KX + Ne,

e u1 y1
N + u2  X& = A X + BU
-  y2
um  Y = C X
yp
X(t)
K
Pour réaliser une telle loi de commande, il est alors nécessaire de connaı̂tre le vecteur d’état
X(t), ∀ t ∈ R+ . Or en pratique, le vecteur d’état X(t) n’est pas toujours complètement
mesurable. Le nombre de variables d’état mesurables peut être inférieur à n.
Exemple
La dynamique du système pendule simple est régi par l’équation différentielle suivante :
θ̈ + aθ̇ + bθ = cΓ

θ
Le vecteur d’état est X =
θ̇
La commande par retour d’état est exprimée par :
U = −KX = −K1 θ − K2 θ̇
Supposons que l’on peut mesurer uniquement x1 = θ. Pour mettre en oeuvre la loi de
commande de U, on doit reconstruire les variables non mesurables θ̇(t) à partir des mesures
disponibles entrées et sorties, et bien entendu à partir du modèle du système.
Lorsque le vecteur d’état X(t) n’est pas complètement mesurable, il est nécessaire de
l’estimer (l’observer, le reconstruire) par le biais d’un observateur d’état. Il s’agit alors de
l’Observation d’état.
1.5.2 Structure générale d’observateurs d’état

u(t) y(t)
Système
réel
Observateur
X(t) : observa!on (es!ma!on) de

Xt
L’estimateur X̂(t) est utilisé à X̂(0) qui peut être différente de X(0).
X̂(0) 6= X(0) (car on ne connaı̂t pas X(0)) et X̂(t) tend rapidement vers X(t).

1.5.3 Observateur d’état d’ordre complet

Un observateur d’état d’ordre complet reconstruit tout le vecteur d’état (mêmes les
variables mesurables).
Ẋ = AX + BU,
Étant donné un système (S)
( Y = CX
˙
et son observateur (Ŝ) X̂ = ÂX̂ + B̂U + LY
X̂(0) quelconque
Il s’agit de déterminer Â, B̂ et L tel que X̂(t) converge rapidement vers X(t).
On définit l’erreur d’observation :
ε(t) = X(t) − X̂(t)
On veut que ε(t) tend vers zero quelque soit ε(0).

L’équation dynamique de ε(t) s’écrit :
˙
ε̇ (t) = Ẋ (t) − X̂(t)

ε̇ (t) = AX + BU − ÂX̂ + B̂U + LY

= AX − ÂX̂ + B − B̂ U − LCX

= (A − LC) X − ÂX̂ + B − B̂ U
En posant Â = A − LC et B̂ = B, la dynamique de l’erreur d’observation est donnée par :
ε̇ = (A − LC)ε
Pour que ε(t) → 0, ∀ε(0), il faut que Réel (λi (A − LC)) < 0.
On détermine alors le gain d’observation d’état L(n × p), telles que les valeurs propres de
(A − LC) soient placées en des valeurs choisies (plus rapides que celles du système).
Pour déterminer les gains d’observation L(n × p), il suffit d’appliquer la technique de
commande par placement de pôles à la paire (AT ,C T ).
En effet, on a : {λi (A − LC)} = {λi AT − C T LT }.
En posant : Ã = AT , B̃ = C T et K̃ = LT .
Il vient :
AT − C T LT = Ã − B̃ K̃

Une condition nécessaire et suffisante d’existence de L = K̃ revient à déterminer une

condition nécessaire et suffisante d’existence de placement de pôles de Ã − B̃ K̃
1.5.4 Principe de séparation

Soit un système (S) défini par la représentation d’état :

Ẋ = AX + BU,
Y = CX

Et soit la loi de commande U = −KX qui stabilise asymptotiquement le système (S). Le

système en boucle fermée (A − BK) est alors stable.
Soit l’observateur :
˙
X̂ = (A − LC) X̂ + BU + LY
qui peut s’écrire sous la forme :
˙
X̂ = AX̂ + BU + L(Y − C X̂)
La question qui se pose est la suivante : Est-ce que le fait de remplacer dans la loi de
commande U = −KX, X par X̂ pour obtenir Û = −K X̂ n’altère pas la stabilité du
système ?
Pour répondre à cette question, on peut calculer le gain de commande K et le gain
d’observateur L séparément, et puis remplacer dans la loi de commande U = −KX, X(t)
par son observateur X̂(t) sans que la stabilité du système (S) ne soit altéré. C’est le
principe de séparation.
Démonstration :
Le gain de commande K est tel que le système (A−BK) soit stable et le gain d’observation
L est tel que le système (A − LC) soit stable.
Le système (S) étant défini par la représentation d’état Ẋ = AX + BU où U = −K X̂ et
˙
muni de l’observateur d’état donné par X̂ = (A − LC)X̂ + BU + LCX.
Nous nous intéressons au système augmenté de vecteur d’état :

X
X =
X̂
C’est un système d’ordre 2n. On peut aussi prendre le vecteur d’état :

X X
X̃ = =
X − X̂ ε
L’équation d’état régissant X̃ est donnée par :

˙ Ẋ A − BK BK X
X̃ = =
ε̇ 0 A − LC ε
Notons :
A − BK BK
A=
0 A − LC
D’où : [
{λi (A)} = {λi (A − BK)} {λi (A − LC)}
1.5.5 Exemple 1
On considère le système continu non linéaire d’ordre quatre suivant [Fang et al., 2006]
[Tanaka et al., 1998] :
ẋ (t) = f (x (t)) + g (x (t)) u (t)
y (t) = h (x (t))

avec :
1 + x21 (t)
   
x1 (t) + x2 (t) + sin (x3 (t)) − 0.1 x4 (t)
 x1 (t) − 2 x2 (t)   0 
f (x (t)) =  2
 , g (x (t)) =  ,
 x1 (t) + x1 (t) x2 (t) − 0.3 x3 (t)   0 
sin (x3 (t)) − x4 (t) 0
et h (x (t)) = x2 (t) + (1 + x21 (t)) x4 (t) .
Dans les figures suivantes, sont données les évolutions des quatre variables d’état du
système en boucle fermée sans et avec observation. Celles-ci convergent vers l’origine et
présentent de légers dépassements, justifiés par le temps mis en plus pour la reconstitution.
1.5.6 Exemple 2 : Commande d’un four électrique

Cet exemple consiste à asservir la température d’un four ventilé. La chaleur est pro-
duite par une résistance chauffante, commandée en tension Vc par un amplificateur de
puissance. La mesure de la température se fait à partir d’un thermocouple placé dans

une cavité de mesure et d’un amplificateur d’instrumentation produisant une tension Vm ,

image de la température θm . L’ensemble capteur + amplificateur d’instrumentation est
supposé linéaire dans la gamme de température du four.
On supposera que la température extérieure θe est constante.
Les différents paramètres intervenant dans ce processus sont :

Pu (t) = K1 Vc (t) : puissance fournie,
Ra : résistance thermique freinant la circulation de la chaleur du conduit jusqu’à l’enceinte
du four,
Rm : résistance thermique freinant la circulation de la chaleur du four vers l’intérieur du
la cavité de mesure,
Rf : résistance de fuite freinant la circulation de la chaleur vers l’extérieur du four,
Ca : capacité calorifique de l’enceinte du four,
Cm : capacité calorifique de la cavité de mesure,
Ce : capacité calorifique extérieure au four, considérée comme infinie,
θa , θm et θe : températures respectives de l’enceinte du four, de la cavité de mesure et de
l’extérieur du four,
Vm (t) = K2 θm (t) : tension et image de la température.
Les équations dynamiques décrivant le fonctionnement du four sont :


1 1
 Pu (t) = Ca θ̇a (t) + Cm θ̇m (t) + Rf θa (t) − Rf θe

1 1
θa (t) −

 C θ̇ (t) =
m m Rm Rm
θm (t)
1. Montrer que la représentation d’état de ce système est de la forme :

ẋ (t) = A x (t) + B u (t)
y (t) = C x (t)


θa (t) 1
On prend : x (t) = , u (t) = Vc (t) + θe et les valeurs suivantes :
θm (t) K1 Rf
Ra = 0.04 o C/W Ca = 100 J/oC K1 = 100 W/V Rf = 0.01 o C/W

Rm = 0.02 o C/W Cm = 10 J/o C K2 = 1 V / o C
2. Calculer la matrice du gain par retour d’état K de façon que le système bouclé se
comporte comme un second ordre avec un coefficient d’amortissement ξ = 0.6 et
une pulsation non amortie wn = 1 rad/s.
3. Déterminer un observateur de type Kalman-Luenberger telle que la dynamique de
l’observateur doit être trois fois plus rapide que celle du système.
4. Réaliser la simulation du système lorsqu’on applique comme consigne un échelon
d’amplitude 100 o C pendant 7000 secondes.

Chapitre 2
Analyse des systèmes non linéaires
2.1 Génaralités sur les systèmes non linéaires (SNL)

2.1.1 Limitations des méthodes du linéaire
Les méthodes du linéaire basées sur la fonction du transfert et la représentation d’état
constituent un outil très puissant pour l’analyse et la synthèse des systèmes linéaires.
Physiquement (ou réellement), les systèmes linéaires n’existent pas. Ces méthodes dépendent
d’un certain domaine de fonctionnement : c’est la première limitation.
Deuxième limitation : il existe certains systèmes qui sont impossibles à linéariser,

exemple : un relais (Tout Ou Rien).
Troisième limitation :
Le système présente une erreur statique de position nulle et ceci quelle que soit la valeur
du gain K du régulateur proportionnel. Ce résultat est prévisible, car d’après la théorie des
asservissements linéaires, un système de classe 1 possède une erreur statique de position
nulle.
23
Chapitre 2. Analyse des systèmes non linéaires
En pratique, le moteur possède un seuil de fonctionnement, il ne se met en rotation que

si la commande est supérieure à une valeur suffisante pour pouvoir vaincre les frottements
secs ; ceci correspond sur le schéma fonctionnel à un bloc non linéaire :
Pour un échelon unitaire, k = 0.3, Tm = 1 et un seuil ∆ = 0.1, les résultats de simulation

montrent que le système se stabilise à une valeur différente de la consigne.
2.1.2 Définition des systèmes non linéaires

Un système non linéaire est un système qui ne vérifie pas le théorème de superposition.
Les SNL :
– ne sont pas homogènes,
– n’ont pas de fonction de transfert (on ne peut pas appliquer la transformée de Laplace
par ce qu’elle est linéaire),
– etc.
2.1.3 Les non linéarités usuelles

Les quelques non linéarités qui existent dans la littérature sont les suivantes :

A partir des non linéarités de base précédentes, il est possible par association de blocs
d’en obtenir d’autres appelées non linéarités composites.
Application 8
Tracer les non linéarités composites correspondantes aux schémas blocs suivants :
2.1.4 Système à non linéarité séparable

La non linéarité est intrinsèque ; on ne peut pas la séparer.
Si on peut séparer la non linéarité, on dit que le système est à non linéarité séparable ;
ceci est valable pour tous les systèmes de commande.

F (p) contient toutes les performances du système non linéaire. Il s’agit donc d’étudier
l’effet de la non linéarité sur les performances du système.
Quelle que soit la position de la non linéarité (dans la chaı̂ne d’action), on peut ramener
le système initial à un schéma de ce type :
NB : la non linéarité ne peut pas être déplacée par rapport à un comparateur.
Application 9
Simplifier les schémas blocs suivants sous la forme du schéma de la figure précédente :
2.2 Méthodes d’analyse des systèmes non linéaires

2.2.1 Méthode de l’approximation du premier harmonique
2.2.1.1 Principe de cette méthode
L’idée consiste à généraliser la méthode d’analyse harmonique pour l’étude des systèmes
linéaires.
Pour un système linéaire :

Y (p) y1
la fonction de transfert F (p) = est caractérisée par son amplitude = f (ω) et
X(p) x1
y1
sa phase ϕ = g(ω) = arg ( ejϕ ).
x1
Pour un système non linéaire :
y(t) n’est plus sinusoı̈dale, mais périodique de même période que l’entrée x(t). (T = 2π
ω
);
On décompose donc y(t) en série de Fourier (en supposant que la moyenne y0 de y(t) est
nulle) :
y(t) = y1 sin (ωt + ϕ1 )+y2 sin (2ωt + ϕ2 )+ · · · + yk sin (kωt + ϕk )+ · · ·

L’approximation du premier harmonique consiste à conserver uniquement le premier
terme en ω :
y(t) ≈ y1 sin (ωt + ϕ1 )
Il s’agit d’une linéarisation dans le domaine fréquentiel ; les autres termes en 2ω, 3ω, . . .
étant supposés filtrés par le reste du système.
Par analogie au cas linéaire, on peut introduire une fonction de transfert généralisée
ou équivalente, notée N(x1 , ω) qui dépend en particulier de l’amplitude du signal d’entrée.
Le gain complexe équivalent s’écrit alors :
y1 exp [j(ωt + ϕ1 )]
N(x1 , ω) =
x1 exp [j(ωt)]
y1
donc |N(x1 , ω)| = et arg (N(x1 , ω)) = ϕ1 .
x1
Remarques
1. La définition de la fonction de transfert généralisée exige une approximation dont on
doit vérifier la validité (les harmoniques d’ordres supérieurs sont filtrés ; le système
lui même va filtrer ces harmoniques).
2. La fonction de transfert non linéaire dépend de ω et de l’entrée x1 (amplitude).
3. Il faut vérifier deux conditions pour pouvoir vérifier la méthode du premier harmo-
nique à un système asservi non linéaire :
– Condition de séparabilité : le système asservi possède un seul bloc NL qu’il est
possible d’isoler ; les autres éléments sont supposés linéaires au moins approxima-
tivement.
– Condition de filtrage : la partie linéaire du système asservi, L(p), est un filtre
passe-bas qui filtre les termes en 2ω, 3ω, . . .

2.2.1.2 Etude de la fonction de transfert généralisée FTG

La FTG N(x1 , ω) associée à un élément NL peut être représentée graphiquement par
une famille de lieux de transfert gradués selon ω, chacun des lieux étant associé à une
valeur de x1 .
Généralement, puisque N(x1 , ω) est complexe, on la représente dans le plan de Nyquist

(Re(N), Im(N)) ou dans le plan de Black (arg(N), |N|d B).
Cas particulier : On cherche un cas particulier pour que N ne dépend pas de ω :

N(x1 ) = |x1 | ejϕ(x1 ) ; ceci est valable lorsque l’élément NL est statique, ne dépend pas
de la pulsation ω. On l’appelle aussi non linéarité sans inertie ; c’est le cas de toutes les
non linéarités usuelles. Dans ce cas, N(x1 ) est appelée fonction d’amplitude ou gain
complexe équivalent. Il se représente par un lieu unique, gradué en x1 .
1
Généralement, on s’intéresse au lieu critique C(x1 ) = − .
N(x1 )
Calcul du gain complexe équivalent
Le calcul se base sur le développement en série de Fourier. On suppose que la non

linéarité est statique et symétrique (pas forcément impaire). On suppose aussi que la non
linéarité est excitée par un signal x(t) = x1 sin (ωt).
RT
Non linéarité symétrique ⇒ a0 = T1 y(t)dt = 0
0
Si la non linéarité est impaire ⇒ an = 0 ∀n (pas de termes pairs en cosinus)
Si la non linéarité est sans mémoire et symétrique ⇒ impair ⇒ an = 0 ∀n
On se limite aux termes d’harmonique 1, c’est à dire a2 = b2 = . . . = an = bn = 0 et :
ZT ZT
2 2
a1 = y(t) cos (ωt) dt et b1 = y(t) sin (ωt) dt
T T
0 0
En réponse à x(t) = x1 sin (ωt), on obtient une réponse y(t) dont l’approximation du
premier harmonique vaut :
y(t) = y1 (x1 ) sin [ωt + ϕ1 (x1 )]

On pose : y1 (x1 ) = y1 et ϕ(x1 ) = ϕ1 ; il vient alors :
y(t) = y1 (sin (ωt) cos (ϕ1 ) + cos (ωt) sin (ϕ1 ))

= a1 cos (ωt) + b1 sin (ωt)
avec a1 = y1 sin ϕ1 et b1 = y1 cos ϕ1 .

En notation complexe, on a :
x(t) = x1 exp [j(ωt)] et y(t) = y1 exp [j(ωt + ϕ1 )]

d’où le gain complexe équivalent :

y(t) y1 y1
N(x1 ) = = exp (jϕ1 ) = ( cos ϕ1 + j sin ϕ1 )
x(t) x1 x1
Application 10
Calculer et tracer le gain complexe équivalent de la saturation. En déduire le lieu critique
correspondant.
Application 11
Calculer et tracer le gain complexe équivalent de la non linéarité tout ou rien. En déduire
le lieu critique correspondant.
Application 12
Calculer et tracer le gain complexe équivalent de la non linéarité tout ou rien avec seuil.
En déduire le lieu critique correspondant.
2.2.2 Méthode du plan de phase

C’est une méthode de type graphique exploitant le tracé de plusieurs trajectoires pour
déduire le comportement du système. Elle ne s’applique que pour les systèmes du se-
cond ordre ; exemple : les systèmes mécaniques puisque la relation fondamentale de la
dynamique s’exprime sous la forme d’équations différentielles du deuxième ordre.
2.2.2.1 Définition
On considère un système du second ordre décrit par l’équation différentielle non linéaire
suivante :

 dx(t) = P (x(t), y(t))

dt
dy(t)
= Q (x(t), y(t))


dt
Cas particulier : pour le cas des systèmes linéaires :

P (x(t), y(t)) = ax + by
Q (x(t), y(t)) = cx + dy
Le vecteur de coordonnées (x, y) s’appelle vecteur d’état .
Si y = ẋ, nous avons un vecteur de phase, et le plan représentatif de l’évolution du
système, avec x en abscisse et y en ordonnés, s’appelle alors plan de phase.
On appelle trajectoire de phase toute représentation y(x) obtenue dans le plan de

phase en partant des conditions initiales quelconques.

Dans le cas d’un système du second ordre :
d2 x(t)

dx(t)
= f x(t),
dt dt
dx(t)
En posant : y(t) =
dt
Il vient : 
dx(t)
= y(t)


dt
 dy(t) = f (x, y)

dt
Application 13
Soit le système masse-ressort-amortisseur suivant :
La masse M est solidaire d’un ressort vertical fixé à un bâti. Ceci peut représenter dans
une première approximation la suspension d’un véhicule supposé à l’arrêt. P est la force
de pesenteur, T la tension du ressort et Ff représente les forces de frottement.
La relation fondamentale de la dynamique permet d’écrire :
d2 x
M = P + T + Ff
dt2

Dans le cas général, la tension T du ressort est une fonction non linéaire de l’élongation
x. Dans le cas particulier de faibles variations de x (hypothèse de Hooke), on peut écrire :
T = −kx
avec K la constante de raideur du ressort. Si on admet de plus que le frottement est de

type visqueux :
dx
Ff = −f
dt
on obtient l’équation :
d2 x dx
M 2 = −f − kx + Mg
dt dt
qui peut se mettre sous la forme standard d’équation d’état :

 dx(t) = y(t)

dt
dy(t)
= −kx − f y + Mg


dt
2.2.2.2 Propriétés des trajectoires de phase

Propriété 1 : Intersection avec l’axe des abscisses les trajectoires de phase coupent
l’axe des abscisses à angle droit dans le cas où P (x, y) = y.
En effet, au point M où y = 0, on a :

dx

dy dy/
=y=0⇒ = dt = ∞
dt dx dx/
M dt
Propriété 2 : Orientation des trajectoires de phase Les trajectoires de phase sont

orientées dans le sens des temps croissants, ceci correspond au sens des aiguilles d’une
montre dans le cas des trajectoires fermées pour P (x, y) = y.
y
M4 M1
M3 M2
dx
En effet, = y ⇒ dx = ydt
dt
comme dt > 0 ⇒ sig(dx) = sig(y)

On vérifie par exemple qu’au point M1 et M4 , y > 0 ⇒ dx > 0, par contre en M2 et M3 ,

y < 0 et par suite x décroı̂t.
Remarque : pour y > 0, les trajectoires sont orientées vers la droite pour y < 0, les
trajectoires sont orientées vers la gauche.
Propriété 3 : Graduation des trajectoires de phase Dans le cas particulier où

P (x, y) = y, le temps nécessaire pour parcourir un arc AB d’une trajectoire de phase est
donné par :
ZxB ZxB
dx dx
tAB = = dx
y dt
xA xA
Propriété 4 : Points singuliers les points tels que P = 0 et Q = 0 sont appelés

points singuliers.
P (x, y) = dx dt
= 0 ⇒ x = cte = x0
dy
Q(x, y) = dt = 0 ⇒ y = cte = y0
Donc le point (x0 , y0 ) est un point singulier, c’est-à-dire, lorsque le point M arrive à
(x0 , y0 ), sa vitesse s’annule et il s’arrête, donc le point singulier est un point d’équilibre.
Définition :
dy dy/
= dt = f (x, y)
dx dx/dt y
dy
Le lieu des points pour lesquels = cte est appelé ”isocline”. (isoclines : série de
dx
courbes ayant la même pente).
2.2.2.3 Applications aux systèmes linéaires du second ordre

On considère un système en régime autonome (abandonné à lui-même). L’équation du
mouvement d’un second ordre est la suivante :
d2 x dx
+ 2ξω n + ωn2 x = 0
dt2 dt
où ξ est le coefficient d’amortissement et ωn est la pulsation propre non amortie.
Les réponses d’un tel système différent suivant la valeur du coefficient d’amortissement
ξ:
1. si ξ < 1 : réponse oscillatoire amortie
2. si ξ = 1 : réponse critique
3. si ξ > 1 : réponse apériodique
4. si ξ = 0 : réponse oscillatoire non amortie

La détermination des trajectoires de phase correspondants se base sur le calcul des iso-
clines.
La représentation d’état d’un système linéaire du second ordre est la suivante :


 dx = y

dt
dy

 = −2ξωn y − ωn2 x
dt
L’isocline de pente q est :
dy x
= q = −2ξωn − ωn2
dx y
d’où :
y −ωn2
= (E)
x q + 2ξωn
Donc l’isocline de pente q est la trajectoire décrite par (E).
y −ωn
Pour q = 0 ⇒ =
x 2ξ
en y = 0, on a une tangente verticale
dy
en x = 0 ⇒ = −2ξωn
dx

Cas 1 : ξ < 1 ⇒ λ1 etλ2 ∈ C(complexes à parties réelles < 0)
Cas 2 : ξ > 1 ⇒ λ1 etλ2 ∈ ℜ− (réels ¡0)
Cas 3 : ξ = 1 ⇒ λ1 etλ2 ∈ ℜ−
Cas 4 : ξ = 0 ⇒ Re(λ1 ) = 0 et Re(λ2 ) = 0

Cas 5 : Rappel négatif ⇒ λ1 > 0etλ2 < 0
Application 14
On considère un système non linéaire décrit par le système d’équations suivant :

ẋ1 = x2
ẋ2 = x1 − x2 − x31 + x22
Déterminer les points d’équilibre et préciser leurs natures.
Application 15
On étudie dans le plan de phase le SNL suivant :
ẍ = −x + 4x3 + αx5
1. On prend α = 0
– Déterminer les points singuliers et préciser leurs natures.
– Proposer une simulation sous Simulink de Matlab.
– Donner les allures des trajectoires de phase.
2. Reprendre les questions pour α = 0.61

2.3 Analyse de la stabilité

La stabilité des systèmes non linéaires n’est pas une propriété intrinsèque du système,
mais elle dépend aussi des conditions initiales et de l’amplitude des signaux mis en jeu.
Le SNL réagit ainsi différemment aux petites et grandes perturbations.
2.3.1 Notion de point d’équilibre

On considère le cas d’une bille qui roule sans frottement sur une surface.
(a) La bille revient toujours à son point d’équilibre quel que soit la perturbation envi-
sagée : c’est la stabilité asymptotique globale.
(b) La bille peut accepter de petites perturbations mais une perturbation trop grande
lui fait quitter sa position d’équilibre : c’est la stabilité asymptotique locale.
(c) La bille s’écarte de son point d’équilibre et restera dans un voisinage de ce point :
c’est la stabilité non asymptotique.
(d) et (e) représentent deux situations d’équilibre instable.
Remarque : Dans le cas des systèmes linéaires stationnaires, toutes ces notions de
stabilité reviennent à tester l’état des pôles de l’équilibre caractéristique. Par contre dans
le cas non linéaire, on peut parler d’équation caractéristique, et ainsi d’autres méthodes
d’étude de stabilité peuvent être utilisées.
2.3.2 Stabilité au sens de Lyapunov

On considère le système défini par ẋ = f (x, t) telle que f (0, t) = 0 pour tout t, i.e.
l’origine x = 0 est un point d’équilibre.

On dit que ce système est stable au sens de Lyapunov si :
∀t0 , ∀R > 0, ∃r > 0 telle que kx(t0 )k < r ⇒ kx(t)k < R ∀t > 0
Rappel : kxk :Rn → R+

avec :
kxk = 0 → x = 0
kaxk = |a| kxk a ∈ R
kx + yk ≤ kxk + kyk
On dit qu’un système est asymptotiquement stable au sens de Lyapunov si :
1. Il est stable au sens de Lyapunov
2. ∃r tel que kx(t0 )k < r ⇒ kx(t)k → 0 pour t → +∞
x&
r x
On parle alors de notions d’attractivité : l’état du système reviendra nécessairement à

l’origine après un certain temps.
2.3.3 Analyse de la stabilité par la méthode du premier harmonique-

Notion de Cycles Limites
La méthode du premier harmonique peut être utilisée afin de prévoir l’existence de cycles
limites dans les asservissements comportant un élément non linéaire et d’en déterminer
approximativement l’amplitude et la fréquence. Le principe est fondé sur une utilisa-
tion généralisée du critère de Revers, lui-même version simplifiée du critère de Nyquist,
développé dans le cadre des asservissements linéaires.

2.3.3.1 Rappels sur le critère de Revers

Soit l’asservissement linéaire suivant :
e ε s
+- KG(p)
où G(p), la fonction de transfert en boucle ouverte, (B.O.), est donnée par :
N(p)
G(p) =
D(p)
La fonction de transfert en boucle fermée, (B.F.), s’écrit :
KG(p) KN(p)
HB.F. (p) = =
1 + KG(p) D(p) + KN(p)
Définition : Stabilité - L’asservissement ci-dessus est stable si le polynôme caractéristique

du système asservi, (dénominateur de la fonction de transfert en boucle fermée) a des ra-
cines, (pôles de la fonction de transfert), à partie réelle négative.
Théorème : Critères du revers - Le système est stable si le lieu de Nyquist, (resp.

Black) de G (jω), (fonction de transfert en boucle ouverte), parcouru dans le sens de ω
1
croissants, laisse à gauche (resp. à droite), le point critique −
K
Im[.]
Re[.]
−1 K
instable
oscillant stable
Remarques :
– Ce critère ne s’applique qu’aux systèmes stables et à minimum de phase en boucle
ouverte.
– Le polynôme caractéristique s’écrit 1 + KG(p) = 0

2.3.3.2 Extension au cas des asservissements non linéaires

Nous donnons tout d’abord la définition d’un cycle limite.
Définition : Cycle limite Les systèmes non linéaires peuvent être le siège d’oscilla-
tions d’amplitudes et de fréquences fixées, indépendantes des conditions initiales et sans
excitation extérieure, (auto-oscillations) dénommées cycles limites.
e ε w s
+- NL L(p)
Conditions d’existences : Supposons que le système non linéaire asservi précédent soit
le siège d’une oscillation d’amplitude ε1 et de pulsation ω0 avec e = 0, et ε = ε1 sin(ω0 t),
alors :

 ε(t) = −s(t)
W = N(ε1 )ε → s [1 + L(jω0 )N(ε1 )] = 0
s = L(jω0 )W

Comme s 6= 0 alors 1 + L(jω0 )N(ε1 ) = 0
Le cycle limite est alors caractérisé par son amplitude et sa pulsation ε1 qui doivent
1
vérifier la condition d’existence : L(jω0 ) = −
N(ε1 )
La relation précédente est équivalente à deux équations non linéaires, (une pour la partie
réelle et une pour la partie imaginaire), algébriques en les deux variables (ε1 , ω). Ces deux
équations sont généralement difficiles à résoudre analytiquement, ce qui a entraı̂né la
recherche de méthodes graphiques. L’asservissement considéré a une fonction de transfert
généralisée en boucle ouverte :
S
= N(ε1)L(jω)
ε
Pour ε1 fixé, N(ε1 ) est un nombre fixé, qui peut être complexe dans le cas d’un cycle
d’hystérésis. L’asservissement peut donc être considéré comme linéaire de fonction de
transfert en boucle ouverte N(ε1 )L(p), ( N(ε1 ) étant considéré comme un gain fixe),
1
auquel on peut appliquer le critère de Revers par rapport au point critique − .
N(ε1 )
1
Quand ε1 varie, − parcourt le lieu critique, donc à l’amplitude ε1 , la stabilité
N(ε1 )
du système va dépendre de la position de ce point par rapport au lieu L(jω). Le lieu
critique se trouve ainsi partagé en régions d’amplitude de stabilité et en régions d’ampli-
tude d’instabilité, (importance des points d’intersection entre le lieu critique et le lieu de
transfert).

Remarque : La différence avec les systèmes linéaires est qu’un asservissement non
linéaire est stable ou instable à l’amplitude ε1 .
Im[.]
L(jω)
Re[.]
stabilité
c'' Auto-oscillations
−1 N (ε)
ε' , ε''
stabilité c'
instabilité
Pour ε1 < ε′c stabilité, les auto-oscillations vont décroı̂tre.

Pour ε′c < ε1 < ε′′c instabilité, les oscillations vont croı̂tre, ε1 ր ε′′c .
Pour ε′′c < ε1 stabilité, les auto-oscillations vont décroı̂tre, ε1 ց ε′′c .
D’où l’on peut déduire :
– La notion d’auto-oscillations stables et instables
– La notion d’oscillations limites de stabilité.
Conclusions :
1. Une oscillation limite instable n’apparaı̂t pas physiquement en tant qu’oscillation
du système mais constitue une frontière de stabilité.
– Pour des amplitudes supérieures, le système diverge et tend vers une oscillation
limite stable de plus grande amplitude.
– Pour des amplitudes inférieures, il revient à l’état d’équilibre ou vers une oscilla-
tion limite stable de plus faible amplitude.
2. Une oscillation limite stable apparaı̂t physiquement
Il est important, afin de comprendre le fonctionnement du système de trouver ses solu-
tions périodiques et d’étudier leur stabilité. La méthode est donc la suivante :
1. Pour trouver les oscillations limites : Lieu Critique ∩ Lieu de transfert
2. Pour déterminer leur stabilité : Critères de Loeb
2.3.3.3 Etude des auto-oscillations et de leur stabilité

Cette étude se fait de manière systématique à l’aide d’un critère géométrique ayant sa
contrepartie algébrique.
Théorème : Critère de Loeb - géométrique Soit une oscillation limite obtenue

comme intersection du lieu de transfert L(jω) et du lieu critique N−1 (ε1 )
, possédant une
pulsation ω = ω0 rd/s et une amplitude ε1 = ε0 . Cette oscillation est stable si l’intersection
est telle que, en parcourant le lieu de Nyquist L(jω) dans le sens des fréquences croissantes,
on laisse à sa gauche la direction des ε1 croissants sur le lieu critique.

Théorème : critère de Loeb - algébrique Soit une oscillation limite obtenue comme
intersection du lieu de transfert L(jω) et du lieu critique N−1 (ε1 )
, possédant une pulsation
ω = ω0 rd/s une amplitude ε1 = ε0 , racines de l’équation complexe : L(jω)N(ε1 ) + 1 = 0
Séparant les parties réelles et imaginaires dans cette équation
X(ω, ε1) + jY (ω, ε1 ) = 0
L’oscillation sera stable si la condition suivante est vérifiée :

∂X ∂Y ∂Y ∂X
− >0
∂ε1 ∂ω ∂ε1 ∂ω (ε0 ,ω0 )
Résumé : La réponse fréquentielle du système en B.O. est :

Hc (jω, ε1) = N(ε1 ).H(jω)
La condition d’existence des oscillations entretenues et la suivante :
−1
H(jω) = C(ε1 ) avec C(ε1 ) =
N(ε1 )
On peut vérifier la stabilité du système en utilisant le procédé suivant (Critère de
LOEB) :
1. Tracer le lieu de Nyquist de la partie linéaire H(jω) gradué en ω
2. Tracer le lieu C(ε1 ) de la partie NL, nommé lieu critique gradué en ε1
– Si le lieu de Nyquist laisse le lieu critique sur sa gauche, lorsque ω varie de 0 à
l’infini, le système est stable.
– Si le lieu critique est laissé à droite, le système est instable.
Im[.]
L(jω)
Re[.]
−1 N (ε)
– Si les deux lieux se coupent, donc le système engendre des oscillations
Im[.] Im[.]
L(jω) L(jω)
Re[.] Re[.]
C (x1 ) C (x1 )
oscilla!ons stables oscilla!ons instables

– Les oscillations sont stables si la branche du lieu critique pour ε1 croissant est
laissée à gauche lorsque le lieu de Nyquist est parcouru de ω = 0 à ω = ∞.
– Si la branche du lieu critique pour ε1 croissant est laissée à droite, les oscillations
sont instables
Remarques :
1. Ne pas confondre les deux notions suivantes : stabilité d’un système et stabilité
d’une oscillation.
2. Le critère reste valable dans le plan de Black, il suffit de changer le mot gauche par
droite
3. En pratique, les oscillations instables n’ont pas d’existence physique, mais consti-
tuent des frontières de stabilité séparant convergence et divergence.
4. Cette méthode est une généralisation du critère de Revers pour le cas des systèmes
NL.
5. S’il n y a pas d’hystérésis, la FTG N(x1) est une fonction amplitude donc un
nombre réel pur. On peut appliquer le critère de Routh et calculer la valeur de
l’amplitude critique qui correspond à la limite de stabilité. En effet, de la relation
1+N(x1 ).H(p) = 0 , on tire l’équation caractéristique de la forme an pn +an−1 pn−1 +
... + a1 p + a0 = 0 où les coefficients ai dépendent de xi .
Application 16
Soit l’asservissement NL comportant une partie NL de type plus ou moins avec seuil et
une partie linéaire définie par
0.5K
G(p) =
p(1 + 0.9p)(1 + 0.1p)
M=2
e x y s
+- NL G(p) x
∆
=1
2
plus ou moins avec seuil
Pour quelles valeurs de K le système asservi reste-il toujours stable ?

Chapitre 3
Commande des systèmes non

linéaires
3.1 Position du problème de commande d’un proces-

sus non linéaire
Étant donné un processus décrit par un modèle d’état non linéaire :

ẋ (t) = f (x (t) , u (t))
y (t) = g (x (t) , u (t))
avec x ∈ Rn , u ∈ Rm et y ∈ Rp ,
et étant donné aussi un vecteur e d’entrée de consigne (sorties désirées), il s’agit de trouver
une loi de commande par retour d’état :
u = h(x, e)
ou bien une loi de commande par retour de sortie :
u = h(y, e)
qui confère au système non linéaire des performances dynamiques (stabilité, temps de
réponse, amortissement) et statiques (précision statique) désirées.
– Si e = 0, il s’agit d’un problème de régulation
– Si e 6= 0, il s’agit d’un problème de poursuite
Les méthodes de commande des SNL qui seront envisagées dans ce chapitre sont les
suivantes :
1. Méthode basée sur une linéarisation approchée autour d’un point de fonctionnement
(stabilisation d’un système autour d’un point d’équilibre)
2. Méthode basée sur une linéarisation exacte entrée/sortie
3. Stabilisation utilisant la méthode directe de Lyapunov
43
Chapitre 3. Commande des systèmes non linéaires
3.2 Commande d’un système non linéaire par linéarisation

approchée autour d’un point de fonctionnement
Soit un système non linéaire d’ordre n :

ẋ (t) = f (x (t) , u (t))
y (t) = g (x (t))
Soit (x0 , y0 , u0 ) un point de fonctionnement tel que :

ẋ0 = f (x0 , u0) = 0
y0 = g(x0 )
Pour déterminer le modèle linéarisé autour de ce point (x0 , y0, u0 ), on pose :

 X = x − x0
U = u − u0
Y = y − y0

Il vient la représentation d’état linéaire :

Ẋ = AX + BU
Y = CX
∂f ∂f ∂g
avec : A = ,B= ,C=
∂x (x0 ,u0 ) ∂u (x0 ,u0 ) ∂x (x0 )
On détermine une loi de commande par retour d’état qui permet d’assurer au modèle
linéarisé bouclé les performances désirées. Il s’agit alors de déterminer le gain de com-
mande K :
– par placement de pôles : λ(A−BK) = λdésirées
– par optimisation quadratique (commande optimale quadratique)
La condition nécessaire de l’existante et de la réalisation de la loi de commande U = −KX
est que le triplet (A, B, C) soit commandable-observable.
Application 17
On considère le système du second ordre décrit par les équations d’état suivantes :

ẋ1 = x1 − x2 + u
ẋ2 = −x1 − x2 + x32
1. Montrer qu’en régime libre (u = 0) l’équilibre x = 0 est instable
2. Déterminer une loi de commande u = −Kx qui permet d’assurer la stabilité lo-
cale de l’équilibre (x = 0) et de conférer au système des performances dynamiques
caractérisées par un coefficient d’amortissement ξ = 0.5 et une pulsation naturelle
ωn =1
3. En considérant une fonction de lyapunov convenablement choisie, déterminer un
domaine de stabilité asymptotique de l’équilibre xe = 0

3.3 Commande d’un système non linéaire par linéarisation

exacte entrée/sortie
Cette méthode sera développée sur la base d’un système du second ordre.
Considérons alors un système du second ordre de vecteur d’état X = (x1 x2 )T , d’entrée
u et de sortie y, décrit par un modèle non linéaire :

 ẋ1 = f1 (x1 , x2 )
ẋ2 = f2 (x1 , x2 ) + g2 (x1 , x2 )u
y = x1

où f1 (.), f2 (.) et g2 (.) sont des fonctions différentiables (R2 → R).
ẏ = ẋ1 = f1 (x1 , x2 )
Il vient alors :
∂f1 (x1 , x2 ) ∂f1 (x1 , x2 ) ∂f1 (x1 , x2 )
ÿ = f1 (.) + f2 (.) + g2 (.)u
∂x1 ∂x2 ∂x2
∂f1 (x1 , x2 )
Si g2 (.) 6= 0, on pose alors :
∂x2
∂f1 (x1 , x2 ) ∂f1 (x1 , x2 ) ∂f1 (x1 , x2 )
V = f1 (.) + f2 (.) + g2 (.)u
∂x1 ∂x2 ∂x2
Ce qui permet d’écrire :
V = ÿ
C’est le modèle linéaire exacte entrée/sortie. L’entrée u est exprimée comme suit :
∂f1 (x1 , x2 ) ∂f1 (x1 , x2 )

V − f1 (.) + f2 (.)
∂x1 ∂x2
u=
∂f1 (x1 , x2 )
g2 (.)
∂x2
On peut alors déterminer une loi de commande linéaire :
V = −k1 y − k2 ẏ + Ne
où e est une consigne pour que le système ait des performances voulues, par exemples on
veut que le système se comporte comme un second ordre :
Y (p) ωn2 N
= 2 2
= 2
e(p) p + 2ξωn p + ωn p + k2 p + k1
La loi de commande linéaire peut être exprimée comme suit :
V = −k1 y − k2 ẏ + k1 e = k1 (e − y) + k2 (ė − ẏ)

Il vient :
V = k1 ε + k2 ε̇
où ε = e − y. L’asservissement équivalent peut être alors représenté par le schéma bloc
suivant :
−1 SNL x1=y
e ε V +  ∂f1 
+- k1+k2p -  g 2 (.)   x&1 = f1 ( x1 , x2 ) x2
 ∂x2  
 x&2 = [ f 2 ( x1 , x2 ), g 2 ( x1 , x2 ), u )]
s
∂f1 ∂f
f1 (.) + 1 f 2 (.)
∂x1 ∂x2
Application 18
On considère le système du second ordre défini par les équations d’état suivantes :

 ẋ1 = x1 + 2x2 + sin x2
ẋ2 = −x1 + u
y = x1

Montrer que l’on peut définir un changement de variable de commande v = α(x) + β(x)u
où β(x) 6= 0, tel que le système soit régi par l’équation différentielle linéaire ÿ = v. En
déduire une loi de commande u en fonction de y, ẏ, x1 , x2 et e qui permet d’assurer au
système la poursuite d’une consigne en échelon e avec les performances d’un système du
second ordre :
Y (p) 1
F (p) = =
e(p) (p + 1)2
3.4 Stabilisation des systèmes non linéaires par la

méthode directe de Lyapunov
Soit un système défini par l’équation d’état ẋ = f (x, u), x ∈ Rn et u ∈ Rm . Il s’agit de
trouver une loi de commande u = h(x) qui stabilise asymptotiquement l’équation x = 0.
Le système avec commande s’écrit :
ẋ = f (x, h(x))
L’équation du système commandé est asymptotiquement stable s’il existe une fonction de
Lyapunov V (x) telle que V̇ (x) soit définie négative.
V (x) ∂V (x) T dx
V̇ (x) = =( ) .
dt ∂x dt

dans le cas où f (x, u) = F (x) + G(x).u,
∂V (x) T ∂V (x) T ∂V (x) T

V̇ (x) = ( ) .(F (x) + G(x).u) = ( ) F (x) + ( ) G(x).u = W (x)
∂x ∂x ∂x
∂V (x) T
Si ( ) G(x) 6= 0 et W (x) est une fonction définie négative, alors on peut déterminer
∂x
une loi de commande :
∂V (x) T
W (x) − ( ) F (x)
u = h(x) = ∂x
∂V (x) T
( ) G(x)
∂x
Application 19
On considère le système non linéaire défini par les équations d’état :
ẋ1 = x32 + u

x1
X= , u∈R
ẋ2 = x31 + u x2
On s’intéresse à la stabilisation de l’état d’équilibre X = 0

1. Peut-on stabiliser asymptotiquement l’équilibre X = 0 pour une loi de commande
linéaire u = −Kx ?
2. Montrer que l’équilibre X = 0 peut être stabilisé asymptotiquement et globalement
avec une loi de commande non linéaire :
u = −k1 x31 − k2 x22
k1 et k2 sont des gains à déterminer

1-Cours - Commande Des Systèmes Complexes

Transféré par

Droits d'auteur :

Formats disponibles

1-Cours - Commande Des Systèmes Complexes

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

1-Cours - Commande Des Systèmes Complexes

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITE DE CARTHAGE

Ecole Nationale d’Ingénieurs de Carthage

COMMANDE DES SYSTEMES COMPLEXES

1 Analyse et commande des systèmes multivariables 1

2 Analyse des systèmes non linéaires 23

2.3 Analyse de la stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3 Commande des systèmes non linéaires 43

Elloumi S., Sept. 2016 iii

Analyse et commande des systèmes

1.1 Introduction et formulation du problème

Définition 2 : Un système complexe peut être :

Structure des Grande

L’objectif principal de la commande d’un système complexe est sa stabilisation. Le se-

En ce qui concerne la commande d’un système de grande dimension, on considère en

1.2 Système multivariable

Elloumi S., Sept. 2016 2

On cite quelques exemples de systèmes multivariables :

Elloumi S., Sept. 2016 3

1.2.1 Système linéaire, continu, non stationnaire et multiva-

avec x (n × 1) vecteur d’état, u (m × 1) vecteur d’entrée (ou de commande), y (l × 1) vec-

1.2.2 Système linéaire, continu, stationnaire et multivariable

Elloumi S., Sept. 2016 4

Montrer que ce système peut se mettre sous la représentation d’état suivante :

Elloumi S., Sept. 2016 5

1. Donner la matrice de transfert de ce système

1.3 Commandabilité et observabilité des systèmes com-

soit de rang plein.

1.3.1.2 Cas d’un système multivariable continu

Elloumi S., Sept. 2016 6

matrice de commande, est complètement commandable si :

1. Montrer que ce système n’est pas complètement commandable.

(a) Écrire la représentation d’état du système en utilisant le vecteur d’état z (t).

1.3.2 Observabilité des systèmes multivariables continus

Elloumi S., Sept. 2016 7

Définition - Un système dynamique est dit observable à l’instant t0 si on peut

Critère (théorème) d’observabilité des systèmes linéaires-

est observable si et seulement si la matrice d’observabilité O[A,C] telle que

est de rang plein ( rang(O[A,C] = n))

Analyser l’observabilité de ce système :

Elloumi S., Sept. 2016 8

X̄˙ = ĀX̄ + B̄U

Les équations d’état du système se mettent alors sous la forme :

1.4 Technique de placement de pôles

avec A de forme quelconque.

Elloumi S., Sept. 2016 9

La construction de la matrice de passage P est telle que :

On applique une loi de commande u par retour d’état linéaire de la forme :

u (t) = −K x (t) = −K̄ z (t)

L’équation d’état du système continu bouclé est donnée par :

et du polynôme caractéristique désiré χd (λ) de la forme :

χd (λ) = λn + αn−1 λn−1 + αn−2 λn−2 + · · · + α1 λ + α0

Elloumi S., Sept. 2016 10

1. Calculer la fonction de transfert. Le système est-t-il stable ?

4. Pour les mêmes performances, calculer la nouvelle matrice du gain K̄.

1.4.2 Cas du système multivariable

Il y a n colonnes de la matrice de commandabilité C linéairement indépendantes.

La matrice de commande B peut être décomposée comme suit :

avec bi la i-ème colonne de la matrice B.

Ce qui permet d’écrire :