Академический Документы
Профессиональный Документы
Культура Документы
Partie 1 :
Dans cette partie on fera l’analyse temporelle et fréquentielle du système linéaire suivant :
𝑋 = 𝐴. 𝑋 + 𝐵. 𝑈
𝑌 = 𝐶. 𝑋
0 1 0 0 0
1 0 0
Avec : 𝐴= 0 0 1 ; 𝐵= 1 0 ; 𝐶= ;
𝑎1 𝑎2 𝑎3 0 1 0
−1 0
1.1. Analyse temporelle : l’analyse des systèmes dynamiques linéaires, par les réponses
temporelles permet la détermination des principales performances, à savoir : la stabilité,
chiffrée par la marge de gain ; la précision statique et la précision dynamique, chiffrés par les
valeurs des signaux d’erreurs permanents ; la rapidité chiffrée par la valeur de la duré de
réglage et la qualité chiffrée par les indices de performance.
a) La stabilité : la stabilité d’un système est caractérisée par ses pôles ou valeurs propres de la
manière suivante :
Si ∀ 𝑖 = 1 … 𝑛 ; 𝑅𝑒𝑎𝑙 ℷ𝑖 < 0 le système est exponentiellement stable.
Si ∀ 𝑖 = 1 … 𝑛 ; 𝑅𝑒𝑎𝑙 ℷ𝑖 ≤ 0 le système est stable au sens de LYAPUNOV.
Si ∃𝑖 ∈ [1, 𝑛] ; 𝑅𝑒𝑎𝑙 ℷ𝑖 > 0 le système est instable.
pour le système présent les valeurs propres dépendent des paramètres 𝑎𝑖 ,d’où à l’aide
d’un programme MATLAB on vas étudier comment ces valeurs propres varient quand les paramètres
𝑎𝑖 varient dans l’intervalle [−4, 4] , le graphe suivant montre les variations de ℷ1 , ℷ2 et ℷ3 en
fonction d’un paramètre 𝑘 (les paramètres 𝑎𝑖 peuvent êtres calculées à partir de 𝑘) :
Le script MATLAB pour le graphe au dessus :
On remarque que les variations des parties réelles des valeurs propres présentent une alternance et
peuvent prendre n’importe qu’elle valeurs dans une certaine bande (pour 𝑎𝑖 ∈ [−4,4]) ,ainsi on
remarque que les 3 cas de stabilité sont présents c'est-à-dire un tell system peut être
exponentiellement stable ,stable au sens de Lyapunov ou instable ,avec un simple algorithme sur
MATLAB on peut avoir les valeurs des 𝑎𝑖 dans l’intervalle choisi pour les 3 cas cités ,cet algorithme
consiste a faire un test sur les ℷ𝑖 et déterminer l’indice 𝑘 d’où les paramètres 𝑎𝑖 par les relations
suivantes :
𝑘
𝑎1 = 𝑟𝑒𝑠𝑡 −5; 𝑟𝑒𝑠𝑡 = le reste de la division.
9
𝑘1 𝑘
𝑎2 = 𝑟𝑒𝑠𝑡 −5; 𝑘1 = 𝐸 +1 ; 𝐸 : la partie entière.
9 9
𝑘2 𝑘1
𝑎2 = 𝑟𝑒𝑠𝑡 9
−5; 𝑘2 = 𝐸 9
+1 .
i. 1.La stabilité exponentielle : pour ce cas il faut que les trois valeurs propres du systèmes soit
a partie réelle strictement négative, on utilise l’algorithme suivant pour trouvé tous les
indices 𝑘 qui vérifient cette condition d’où tous les 𝑎𝑖 dans l’intervalle choisi :
i=0;
for k=1:9^3
if (real(MM{1}(k))<0)&(real(MM{2}(k))<0)&(real(MM{3}(k))<0)
i=i+1;
K(i)=k; % K est un vecteur qui contient tous les indices k
end % pour que système soit exponentiellement stable
end
𝐾 = [1 2 3 10 11 12 19 20 28 , … ,274]
>> C=[1 0 0; 0 1 0] ;
>> G=ss(A,B,C,0) ;
>> impulse(G)
Remarque : la figure suivante montre les sorties y1 et y2 (y1=x1,y2=x2) d’où on ne pas se référer à
la réponse du système pour en déduire de la stabilité il faudrait d’abord s’assuré que le système est
complètement observable car le paramètre x3 n’est pas visualisé dans ce graphe.
>> [com]=ctrb(A,B)
com =
0 0 1 0 -1 1
1 0 -1 1 0 -4
-1 1 0 -4 0 12
rang =
𝐶
𝐶𝐴
ob= ; 𝐴 ∈ 𝑅𝑛×𝑛 .
⋮
𝐶𝐴𝑛−1
Dans le cas ou 𝑎1,2,3 = −4 (le système exponentiellement stable) ;La matrice d’observabilité se
calcule à l’aide de Matlab par le commande obsv de la manière suivante :
>> ob=obsv(A,C)
ob =
1 0 0
0 1 0
0 1 0
0 0 1
0 0 1
-4 -4 -4
r=
>> step(G)
Le resultat est
Le gain statique du système s’obtient par un clique droit sur la figure ,on va sur « characterics »,enfin
« steady state » :
Dans notre cas :
De 𝑢1 vers 𝑦1 : 𝐺𝑠𝑡𝑎𝑡𝑖𝑞𝑢𝑒 = 0.75 𝐸𝑠𝑡𝑎𝑡𝑖𝑞𝑢𝑒 = 0.25
De 𝑢1 vers 𝑦2 : 𝐺𝑠𝑡𝑎𝑡𝑖𝑞𝑢 𝑒 = 0 𝐸𝑠𝑡𝑎𝑡𝑖𝑞𝑢𝑒 = 1
De 𝑢2 vers 𝑦1 : 𝐺𝑠𝑡𝑎𝑡𝑖𝑞𝑢𝑒 = 0.25 𝐸𝑠𝑡𝑎𝑡𝑖𝑞𝑢𝑒 = 0.75
De 𝑢2 vers 𝑦2 : 𝐺𝑠𝑡𝑎𝑡𝑖𝑞𝑢𝑒 = 0 𝐸𝑠𝑡𝑎𝑡𝑖𝑞𝑢𝑒 = 1
On peut aussi tirer : le temps de montée dans characteristics « rise time »,le temps de
reponses « settling time »,et l’amplitude max « peak response ».
La reponse à une rampe est obtenues en Matlab avec la fonction lsim comme suit :
>> t=0:0.1:10;
>> T=t;
>> U=[t;t];
>> lsim(G,U,T)
>> lsim(G,U,T)
Le resultat est :
On remarque que la premiere sortie suit le signal de reference avec une erreure d’acceleration
𝑑𝑦 1
alor que la deuxieme sortie ne suit pas (c’est une droite) ,car 𝑦2 = 𝑑𝑡 .
1.2 Analyse frequentielle :L’analyse des systemes dynamiques par l’etude de la reponse à
une excitation sinusoide , en regime permanent ,est tres utilisée.On trouve la justification
dans le fait que les courbes de reponse en fréquence peuvent souvent etre obtenues
experimentalement.L’etude de la stabilité et la synthhese des correcteurs peuvent etre
effectuées à partir des lieux de transfert en boucle ouverte tracée selon les cas dans les
plans de Nyquist,Bode, Black.On dispose ainsi pour l’analyse et la synthese, d’un ensemble
de methodes elaborées et experimentées.
La reponse à une sinosoide est :
Le signal de sortie suit la référence décalé d’un retard et amplifié par un gain.
Pour obtenir les differents lieux de transert on utilise le lti viewer
Le diagramme de Bode :
Le diagramme de Nyquist :
Le diagramme de Black :
Pour obtenir avec Matlab les caracteristique des lieux de transfer ts ,il faut passer en
monovariable car les caracteristiques ne sont pas definit en Matlab pour MIMO,ainsi il faut
determiner les composant de la matrice fonction de transfert « 𝑔11 , 𝑔12 , 𝑔21 , 𝑔22 »,la fonction
ss2tf permet de passer de la representation d’etat à la MFT comme suit :
>> [num,den]=ss2tf(A,B,C,D,1)
num =
den =
Transfer function:
s+3
---------------------
s^3 + 4 s^2 + 4 s + 4
>> g21=tf([1,3,0],den)
Transfer function:
s^2 + 3 s
---------------------
s^3 + 4 s^2 + 4 s + 4
>> [num,den]=ss2tf(A,B,C,D,2)
num =
den =
Transfer function:
1
---------------------
s^3 + 4 s^2 + 4 s + 4
>> g22=tf([1,0],den)
Transfer function:
s
---------------------
s^3 + 4 s^2 + 4 s + 4
On tracant les lieux de transfert de « 𝑔11 , 𝑔12 , 𝑔21 , 𝑔22 »,on obtient les memes figures de
ltiviewer mais l’avantages est qu’on peut tirer les caracteristiques
Pour g11 : 𝐴𝑚 = ∞ ,𝜑𝑚 = 94.1° à 𝑤 = 1.11 𝑟𝑎𝑑/𝑠𝑒𝑐.
Pour g12 : 𝐴𝑚 = 21.6 𝑑𝑏 à 𝑤 = 2 𝑟𝑎𝑑/𝑠𝑒𝑐. ,𝜑𝑚 = ∞ .
Pour g11 : 𝐴𝑚 = ∞ ,𝜑𝑚 = −154° à 𝑤 = 0.943 𝑟𝑎𝑑/𝑠𝑒𝑐.
Pour g11 : 𝐴𝑚 = ∞ ,𝜑𝑚 = ∞ .
Gain du sytème :Le gain du système en MIMO n’est pas definit de la meme manière qu’en SISO.IL est
definit entre deux valeurs :
𝑌 𝑗𝑤
𝜎𝑚𝑖𝑛 (𝑗𝑤) ≤ ≤ 𝜎𝑚𝑎𝑥 (𝑗𝑤)
𝑈 𝑗𝑤
>> sigma(G)
II.Partie 2 :Dans cette partie ,on va caractériser l’effet du retard ,les pôles instables, ainsi que les
zéros instables sur le performances du système :
𝐾
𝐻 𝑠 =
𝑠+𝑎
En boucle fermée avec un régulateur P,PI.
On va utiliser dans cette partie le SIMULINK pour visualiser l’effet des variations des paramètres.
1.avec régulateur P : on va construire dans simulink le schéma bloc suivant :
Scope
1
1
s+1
Step Gain Transport Transfer Fcn
Delay
1.1.Effet du retard : pour caractériser l’effet du retard on va agir uniquement sur le retard
,pour ce faire, on prendra un gain egale à 10 et un pole stable « -1 » puis on augmentera la valeur du
retard et on visualisera leurs influences sur les performances du système :
Pour Tm=0
On remarquera la bonne poursuite, on va à présent ajouter un retard pour pouvoir caractérisé sont
effet .
Pour 𝑇𝑚 = 0.1
Pour 𝑇𝑚 = 0.2
Pour 𝑇𝑚 = 0.3
On remarque que plus on augmente le retard plus les performances sont atténuées
jusqu'à déstabilisation du système,on peut visualiser ce resultat en traçant la fonction
de sensibilité du système ,on approxrimera le retard par la serie de Pade
𝑇
1− 2𝑆
−𝑇𝑆
𝑒 =
𝑇
1+ 2𝑆
On trouve :
𝑇
𝑆 + 1 (1 + 2 𝑆)
𝑆𝑦 𝑆 =
𝑇 𝑇
𝑆 + 1 1 + 2 𝑆 + 𝐾𝑝 (1 − 2 𝑆)
Le graphe donne :
On en conclut que le retard impose une limite superieure à la bande passante du système.
1.2 L’effet du zéro instable :Dans cette etude ,on ajoutera au système un zero instable sans modifier
le gain du système(Z=1) .
𝐾𝑝 (𝑆 − 1)
𝑆𝑦 𝑆 =
1 + 𝐾𝑝 𝑆 + 1 − 𝐾𝑝 𝑍
(1−𝐾𝑝 𝑍)
Le pole de la boucle fermée p=- ;
(1+𝑘 𝑝 )
Pour que le système bouclé soit stable ,il faut que 𝐾𝑝 𝑍 < 1.
Dans notre cas,𝐾𝑝 = 10,d’où le système est instable comme le montre la figure suivante :
En prendra 𝐾𝑝 = 0.5 pour avoir un système bouclé stable et on trace la fonction de sensibilité
On conclut que le zero instable impose une limite inferieure à la bande passante du système .
1.3 l’effet du pole instable : Pour visualiser l’effet du pole instable on prendra pour pole p=1.
(𝑆−1)
La fonction de sensiblité est 𝑆𝑦 𝑆 = ,deux cas se presentent :
𝑆+𝐾𝑝 −1
1.𝐾𝑝 − 1 > 1 ∶
Dans ce cas ,les performances sont realisées pour les frequences inferieures à 10 rad/sec.
2.𝐾𝑝 − 1 < 1:
Dans ce cas ,les performances ne sont jamais realisées.
2.Avec regulateur PI :Pour l’effet du retard et du zero instable,on aura le meme effet qu’avec un
regulateur P avec une annulation de l’erreur statique Tandis que pour le pole ,il n’aura aucun effet
car on pourra toujours le compenser avec le regulateur PI.
Partie 3 :
Soit le système ayant une MFT suivante :
1 𝑎
𝑠+1 𝑠+2
𝐺 𝑠 = −1 1
𝑠+2 𝑠+3
On va tracer le gain de ce système pour différente valeur du paramètre 𝑎 ,pour ce faire on prendra
deux valeurs positives ,deux valeurs négative ,et la valeur nulle .
1) 𝑎 = 0:
2) 𝑎 = 2:
3) 𝑎 = 15:
4) 𝑎 = −2:
5) 𝑎 = −15:
Analyse :
On remarque que plus la valeur absolue de 𝑎 augmente plus 𝜎𝑚𝑎𝑥 se déplace vers le haut ,
(elle est minimal pour 𝑎 = 0 ), alors que 𝜎𝑚𝑖𝑛 ne présente pas une grande variation . donc
on conclue que la variation de 𝑎 agit sur le gain du système de la manière suivante : plus 𝑎
augmente plus le système peut avoir un plus grand gain .
𝑤 𝑛2 1
0
𝑠 2 +2𝜉1 𝑤 𝑛 1 𝑠+𝑤 𝑛2 1
∆𝐺 = 𝑤 𝑛2 2
0
𝑠 2 +2𝜉2 𝑤 𝑛 2 𝑠+𝑤 𝑛2 2
ℷ 1−ℷ
𝛺 𝑠 =
1−ℷ ℷ
𝑔22
ℷ = ℷ11 = ℷ22 = 𝑔 𝑔12
𝑔22 − 21
𝑔11
𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒
𝑢1 𝑦1
Si ℷ ≈ 1 alors le bon choix est : 𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒 (1)
𝑢2 𝑦2
𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒
𝑢1 𝑦2
Si 1 − ℷ ≈ 1 alors le bon choix est : 𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒 (2)
𝑢2 𝑦1
On trouve :
s^4 + 8 s^3 + 23 s^2 + 28 s + 12
ℷ= −−−−−−−−−−−−−−−−−−−−−−−−−
2 s^4 + 16 s^3 + 45 s^2 + 52 s + 21
On trace le gain de ℷ :
Si la fréquence du point de fonctionnement est inferieure à 0.4 rad/sec , le bon choix
est le premier ( ℷ = 0.57),et pour les hautes fréquences on trouve que ℷ = 0.50,donc
pour les haute fréquences les deux choix donne le même résultat ,on remarque ainsi
que ce système est fortement couplé . dans notre cas on va supposé des fréquence
dans le régime statique d’où le premier choix.
Pour l’étude qui suit on utilise le schéma suivant :
1
8
s+1 Scope
Step Gain Transfer Fcn
8
s 1
Transfer Fcn 5 s+2
Transfer Fcn 1
-1
s+2
Transfer Fcn 2
1
8
s+3
Step 1 Gain 1 Transfer Fcn 3
Scope 1
24
s
Transfer Fcn 4
𝑢2 → 𝑦2 :
On remarque que les régulateurs choisi assure les performances des sorties.
Caractérisant maintenant le couplage du système, pour ce faire on injecte à la première
partie une référence de type échelon unitaire, et pour la deuxième une sinusoïde de
fréquence basse et autre de haute fréquence, on caractérisera ainsi l’effet de la
deuxième commande sur la première sortie et on refait la même chose pour la première
commande sur la deuxième sortie.
𝑟1 𝑡 = 1 pour 𝑡 ≥ 2 (0 ailleurs)
𝑟2 𝑡 = sin
(0.1𝑡)
𝑟1 𝑡 = 1 pour 𝑡 ≥ 2 (0 ailleurs)
𝑟2 𝑡 = sin
(10𝑡)
on aura 𝑦1 𝑡 comme suit :
De même on peut refaire cette étude pour l’influence de la première commande sur la deuxième
sortie.
𝑤 𝑛2 1
0
𝑠 2 +2𝜉1 𝑤 𝑛 1 𝑠+𝑤 𝑛2 1
∆𝐺 = 𝑤 𝑛2 2
0
𝑠 2 +2𝜉2 𝑤 𝑛 2 𝑠+𝑤 𝑛2 2
𝑦2 (𝑡)
En remarque qu’on absence de perturbations la poursuite est parfaite pour les deux
sorties du système (les performances sont réalisé).
100
0
𝑠 2 +20𝑠+100
∆𝐺 = 100 ;
0
𝑠 2 +20𝑠+100
𝑦1 (𝑡)
𝑦2 (𝑡)
On remarque que la poursuite reste toujours parfaite (les performances sont toujours
réalisées), pour des perturbations loin du point de fonctionnement.
0.0625
0
𝑠 2 +𝑠+0.0625
∆𝐺 = 0.0225
0
𝑠 2 +0.6𝑠+0.0225
0.0625
0
∆𝐺 = 𝑠2 + 0.2𝑠 + 0.0625
0.0225
0
𝑠2 + 0.09𝑠 + 0.0225
𝑦2 (𝑡)
On remarque que la poursuite reste toujours parfaite (les performances sont
toujours réalisées), pour des perturbations oscillatoire autour du point de
fonctionnement.
3- On voit que quelque soit les perturbations les performances sont toujours réalisées on
conclue donc que le régulateur utiliser est très robuste vis-à-vis d’erreur de modélisation
additive.