Espace Etat Commande

Représentation d’état des systèmes linéaires continus
Commande par placement de pôles

Auteur : Najib Bennis bennisnajib@specialautom.net Site www.specialautom.net
---------------------------------------------------------------------------------------------------------------
REPRESENTATION D'ETAT
DES SYSTEMES LINEAIRES CONTINUS
ET
COMMANDE DANS L'ESPACE D'ETAT
PAR PLACEMENT DE PÔLES
-------------------------------------------------
1 Introduction à la représentation d’état
Lorsque l’on envisage la commande d’un système, la première étape consiste à le modéliser.
Modéliser un système consiste à élaborer une représentation mathématique qui permette de
décrire et prédire son comportement dynamique et permanent lorsqu’il est soumis à des
influences externes (entrées de commande, perturbations..)
Consignes Sorties
Commandes Système Effets
Perturbations Physique Mesures
1.1 Les différentes formes de modélisation

Tout système linéaire peut être représenté de plusieurs manières comme le montre le schéma
suivant :
Entrée u Système Sortie y

Physique
Représentation par Représentation par Représentation par

équation différentielle Fonction de transfert équation d’état
Parmi les différentes modélisations possibles d’un système, seule la représentation d'état
permet une approche interne. Elle peut être obtenue à partir de la connaissance de la structure
et des propriétés des éléments du système (Voir l’exemple ci-dessous). Elle peut être aussi
obtenue par transformation du modèle, c’est-à-dire à partir de l’équation différentielle ou de la
fonction de transfert.
Pour illustrer ce propos, on considère l’exemple simple suivant :
Exemple de modélisation
Le groupe Ward - Leonard de la figure ci-dessous est constitué d’une génératrice G à

courant continu qui tourne à vitesse constante et qui délivre un courant I proportionnel à son
courant d'excitation i : I = KG i. Le courant I alimente le moteur M à courant continu dont
l’excitation reste constante et qui produit un couple C = K C I.
1
---------------------------------------------------------------------------------------------------------------
On propose de modéliser ce système en le considérant comme un système mono-variable dont

l’entrée est la tension v appliquée au circuit inducteur de la génératrice G et la grandeur de
sortie est la position angulaire .
1. Mise en équation
Cette opération consiste à écrire l’ensemble des équations qui régissent le système :
 di( t )
v( t )  L dt  Ri( t )
  d ( t )
 d ( t ) ( t )  dt
C( t )  J  f ( t ) 
 dt  dI( t )
   L   RI( t )  K G v( t )
d ( t ) dt
( t )  
 dt  d ( t )
 J   f ( t )  K C I( t )
 I( t )  K G i( t )  dt

C( t )  K C I( t )
1.1.1 Equation d’état à partir des équations physiques

d ( t )
On choisit de prendre comme variables d’état : x1  ( t ), x2  I( t ) x3  et on note au
dt
passage que ces variables ont un sens physique puisqu’elles représentent respectivement la
position angulaire –grandeur de sortie-, le courant dans l’ensemble G-M et la vitesse de
d ( t )
rotation ( t )  .
dt
Les équations d’état s’écrivent :

 x( t )  Ax( t )  Bv( t )

 y( t )  Cx( t )  Dv( t )

  
 0 0 1   0 
    
  R   KG 
 A  0  0  B  C  1 0 0 D  0
  L   L 
    0 
 0 KC f  

  J J 
Remarque :
On aurait pu ajouter une 4° variable x4=i, ce qui conduit à quatre variables d’état. Une telle
initiative n’est pas intéressante car la variable x4 serait redondante. En effet, la connaissance
de la variable d’état x2 = I permet de déduire x4=i, puisqu’elles sont liées par la relation de
proportionnalité I = KG i.
2
---------------------------------------------------------------------------------------------------------------
1.1.2 Equation d’état à partir de la fonction de transfert

La fonction de transfert peut s’obtenir par l’application de la transformée de Laplace aux
équations du système puis éliminer toutes les variables intermédiaires pour aboutir à la
relation entre l’entrée v(p) et la sortie y(p)=(p).
 dI( t )
 KG v( t )  L  RI( t )
 dt  KG v( p )  ( Lp  R )I( p )
  y( p ) KC KG
 y( t )  ( t )   y( p )  ( p )  
  v( p ) p( Lp  R )( Jp  f )
 d 2 ( t ) d ( t )  KC I( p )  p( Jp  f )( p )
 KC I( t )  J f
 dt 2 dt
On part de la fonction de transfert et on propose une représentation d’état. La fonction de

transfert est d’ordre 3 – degré du dénominateur-, il faut par conséquent 3 variables d’état. Ce
passage n’est pas unique comment il est bien expliqué dans le document annexe. Dans ce qui
suit, on propose une représentation possible.
On écrit la fonction de transfert sous la forme suivante :

y( p ) KC KG   
   
v( p ) p( Lp  R )( Jp  f ) p Lp  R Jp  f
v( p ) v( p ) v( p ) KC KG KC KG L2 K K J2
 y( p )     avec     C G
p Lp  R Jp  f Rf f ( RJ  fL ) R( RJ  fL )
X1 ( p ) X2( p ) X3( p )
On a par conséquent :
 v( p )
 X1( p )  p  X1( t )  v( t )

 v( p ) R 1
 X 2( p )   X 2 ( t )   X 2  v( t )
 Lp  R L L
 v( p ) f 1
 X 3( p )   X 3 ( t )   X 3  v( t )
 Jp  f J J
 y( p )  X ( p )  X ( p )  X ( p )  y( t )  X ( t )  X ( t )  X ( t )
 1 2 3 1 2 3
D’où une autre représentation d’état possible:

X ( t )  AX ( t )  Bv( t )
y( t )  CX ( t )  Dv( t )
   
0 0 0  1
   
R 1
A  0  0  B    C      D  0
 L  L
  1
0 0  f   
 J J 
Remarque
 Bien que la variable X2 représente le courant i (Voir les équations physiques du
système) ait donc un sens physique, les autres variables d’état sont difficilement voire
impossible interprétables !!
 Bien que y s’exprime linéairement en fonction de X1, X2 et X3, elle représente toujours la
position angulaire .
3
---------------------------------------------------------------------------------------------------------------
1.1.3 Equation d’état à partir de l’équation différentielle

L’équation différentielle peut s’obtenir à partir des équations établies du système par
élimination des variables intermédiaires i, I, C, ou directement à partir de la fonction de la
fonction de transfert.
KC KG
y( p ) KC KG LJ
 
v( p ) p( Lp  R )( Jp  f ) p3  ( R  f ) p 2  Rf p
L J LJ
R f 2 Rf K K
 ( p 3  (  )p  p )y( p )  C G v( p )
L J LJ LJ
Par application de la transformée de Laplace inverse, on a :
d 3 y( t ) R f d 2 y( t ) Rf dy( t ) KC KG
3
(  )   v( t )
dt L J dt 2 LJ dt LJ
L’équation différentielle est d’ordre 3, il faut par conséquent 3 variables d’état. Plusieurs choix
dy( t ) d 2 y( t )
sont possibles, dont celui-ci : z1  y( t ) z2  z3 
dt dt 2
Il s’en suit les relations suivantes :
d 3 y( t ) R f Rf K K
z1  z2 z2  z3 z3  3
 (  )z3  z2  C G v( t )
dt L J LJ LJ
D’où une autre représentation d’état :

ˆ t )  Bv(
z( t )  Az( ˆ t)
ˆ t )  Dv(
y( t )  Cz( ˆ t)
   
0 1 0   0 
ˆA  0 0   
 1  Bˆ   0  Cˆ  1 0 0 D
ˆ 0
 Rf R f  K K 
0  (  )  C G
 LJ L J   LJ 
Remarque
Le choix fait pour les variables d’état est judicieux puisque z1, z2, z3 représentent
respectivement la position angulaire, la vitesse angulaire et l’accélération. Les deux dernières
constituent des informations supplémentaires sur l’état du système.
1.2 La représentation d’état

1.2.1 Définitions et terminologie
Définition : Etat d’un système
L'état d'un système est la plus petite quantité d'information caractérisée par un ensemble de
variables qu'il faut connaître à un instant tO pour pouvoir prédire de façon univoque le
comportement de ce système à tout instant t> tO et pour toute entrée entre t0 et t.
En effet, l'exemple du système ci-dessus a conduit à sa caractérisation du par trois variables
telle que la donnée à un instant t0 de ces variables : x1(0)=(0) –Position initiale-, x2(0)=(0) –
vitesse initiale , et x3(0)=(0), - accélération initiale-, jointe à la connaissance de l’équation
d'évolution et de la tension de commande v(t) qui agit sur lui, permettent de déterminer le
comportement ultérieur du système.
4
---------------------------------------------------------------------------------------------------------------
Définition : Vecteur d’état

Un vecteur d’état est un ensemble minimal de variables d’état, c’est-à-dire de grandeurs
temporelles, nécessaires et suffisantes pour déterminer l’évolution future d’un système quand
on connaît les équations qui décrivent le fonctionnement du système et les entrées de ce
système.
Dans ce qui suit, un vecteur d’état et son dérivée seront notés :
 x1( t )   x1( t ) 
   
 x2 ( t ) dx( t )  x2 ( t ) 
x( t )    x( t )   
  dt  
   
 x ( t )  x ( t )
 n   n 
Le nombre n de composantes correspond au degré de complexité du système. Il définit l’ordre
du système.
Définition : Equation d’état

D’une manière générale, à tout système linéaire continu peut lui être associé les équations
matricielles suivantes :
 x( t )  Ax( t )  Bu( t ) équation d ' état

 y( t )  Cx( t )  Du( t ) équation de sortie

 x( t0 )  xo condition initiale
Dans le cas d’un système stationnaire, les matrices A,B,C et D sont indépendantes du temps.
Ce cas seul sera examiné par la suite.
Terminologie
– A est appelée matrice d’état du système de dimension (n,n)
– x est appelé vecteur d’état du système de dimension n – n variables d’état-
– u est appelé vecteur d’entrée du système de dimension (m) – m entrées -
– y est appelé vecteur de sortie du système de dimension (p) – p sorties –
– B est appelée matrice de commande du système de dimension (n,m)
– C est appelée matrice de sortie ou d’observation du système de dimension (p,n)
– D est appelée matrice de transmission directe du système de dimension (p,m)
Remarque :
• Dans le cas particulier où p=m=l, c’est à dire une seule entrée et une seule sortie, le
système est dit monovariable ou unidimensionnel, sinon il est dit multivariable.
• Les variables d'état permettent une représentation interne des systèmes dans le domaine
temporel, alors que la fonction de transfert et l’équation différentielle correspondent à une
représentation externe (relation entrée/sortie). La figure suivante justifie cette appellation :
5
---------------------------------------------------------------------------------------------------------------
Les variables d'état peuvent ne pas correspondent à des grandeurs physiques réelles et
accessibles dans un système. Elles constitueront dans ce cas des variables mathématiques
intermédiaires commodes d'utilisation. Ce dernier point sera expliqué davantage dans la suite.
Comment faut-il choisir les variables d’état ?

Il recommandé de choisir les variables d’état ayant un sens physique et physiquement
accessibles à la mesure et ce pour une meilleure compréhension du comportement du système
étudié et la mise au point de la commande de celui-ci. Généralement c’est le cas lorsque la
représentation d’état a découlé des équations physiques. Par contre, lorsque les équations
d’état découlent d’une transformation de similitude ou à partir de l’équation différentielle ou de
la fonction de transfert, les variables d’état peuvent perdre le sens physique mais demeurent
néanmoins des variables internes.
Combien faut-il choisir de variables d’état ?

Pour répondre à cette question, il convient de distinguer deux cas :
 Si les équations d’état découlent de l’équation différentielle ou de la fonction de
transfert, le nombre de variables d’état est fixé par l’ordre de l’équation différentielle ou
de la fonction de transfert.
 Si les équations d’état découlent des équations physiques, il n’est pas toujours à
premier abord évident de choisir le nombre de variables nécessaires. Il convient de
rester particulièrement vigilent de ne pas surdimensionner la représentation en
définissant des variables qui peuvent s’avérer redondantes. Cette remarque est très
importante car la complexité du problème de l’analyse et de la synthèse est étroitement
liée à la dimension des équations d’état. L’idée est d’obtenir ce qu’on appelle une
représentation minimale et fort heureusement on peut être assisté à cet effet par des
logiciels spécialisés tel que Matlab.
Quel est l’intérêt de la représentation d’état ?

 D’abord, on souligne que c’est la seule représentation qui permet d’avoir une
description interne du système contrairement à la représentation par équation
différentielle ou par fonction de transfert. Ce point trouve son intérêt dans le fait qu’on
aura une meilleure maitrise et compréhension du système étudié. L’équation
différentielle ou la fonction de transfert permettent d’obtenir une relation entrée/sortie
qui n’apporte aucune connaissance sur la structure interne d’un système. Deux
systèmes différents peuvent très bien avoir la même fonction de transfert et la même
équation différentielle.
En effet, dans l’exemple précédent, le fait que l’on définisse le courant, la vitesse,
l’accélération comme variables d’état va permettre de s’informer sur son état global,
alors que la représentation par équation différentielle ou par fonction de fonction ne
permettent pas une telle information car seule l’information accessible est la sortie y –
Position angulaire -.
 La représentation d’état convient particulièrement aux systèmes multi-variables. Pour le

cas mono-variable, l’approche par fonction de transfert est largement suffisante.
Partant du fait que le cas multi-variable est plus délicat à appréhender, la
représentation d’état constitue le support le plus utilisé dans l’étude des systèmes
complexes.
6
---------------------------------------------------------------------------------------------------------------
1.2.2 Passage de la représentation d’état à la fonction de transfert

On considère un système représenté par les équations d’état suivantes :
 x( t )  Ax( t )  Bu( t )

 y( t )  Cx( t )  Du( t )

 x( t0 )  xo
En appliquant la transformée de Laplace aux équations ci-dessus, elles deviennent :
 px( p )  Ax( p )  Bu( p )

 ( pI  A )x( p )  Bu( p )
  x( p )  ( pI  A )1 Bu( p )

    
 y( p )  Cx( p )  Du( p )
  y( p )  Cx( p )  Du( p )
 
 y( p )  Cx( p )  Du( p )
 y( p )  C( pI  A )1 Bu( p )  Du( p )
La fonction de transfert est alors définie par :
H( p )  C( pI  A )1 B  D
1.2.3 La non unicité de la représentation d’état ?

Le concept d'état est un outil mathématique destiné à faciliter l'étude du comportement du
système et de faire la synthèse d’un régulateur –Asservissement/régulation-. Comme il a été
mentionné ci-dessus, les variables d’état peuvent ne pas avoir une signification physique
directe. Souvent, on est amené à mettre en évidence certaines propriétés du système
auxquelles on s'y intéresse. Pour cela, on cherche des représentations particulières répondant
au besoin recherché. En d'autres termes, on peut représenter un même système par une
infinité de représentations d'état. Le passage d'une représentation d'état à une autre n'est en
fait qu'une opération de changement de variables.
Soit à présent x( t ) et x( t ) deux vecteurs d'état susceptibles de définir l'état d'un système. On
peut passer de x( t ) à x( t ) et inversement par une transformation dite de similitude Pour cela,
on considère le changement de variable x( t )  Mx( t ) où M est une matrice quelconque de
dimension (n,n) : x( t )  Mx( t )  x( t )  M 1 x( t ) . Le lien univoque entre x( t ) et x( t ) signifie que
M-1 existe.
Avec ce changement de variables, on a:
 x( t )  Mx( t )  MAx( t )  MBu( t )  x( t )  MAM 1 x( t )  MBu( t )  x( t )  Ax( t )  Bu( t )

  
 1  
 y( t )  CM x( t )  Du( t )   y( t )  CM 1 x( t )  Du( t )   y( t )  Cx( t )  Du( t )
  
 x( t0 )  Mxo  x( t0 )  Mxo  x( t0 )  xo
  
On obtient par conséquent une nouvelle représentation d’état définie par les matrices
suivantes :
A  MAM 1 B  MB C  CM 1 DD
On vérifie par la suite que la fonction de transfert est indépendante de ce changement de

variables :
7
---------------------------------------------------------------------------------------------------------------
H( p )  C( pI  A )1 B  D  CM 1( pI  MAM 1 )1 MB  D Notes :

-(XYZ)-1=Z-1Y-1X-1
1  M ( pI  A )M 1  1
 CM   MB  D en admettant que toutes les
matrices inverses existent.
 CM 1M ( pI  A )1 M 1MB  D
-I désigne la matrice identité de
1
 C( pI  A ) B  D  H( p ) dimension (n,n).
1.3 Résolution de l’équation d’état

On cherche à résoudre l’équation d’état précédemment introduite qui s’écrit dans le cas
général :
x( t )  Ax( t )  Bu( t )
y( t )  Cx( t )  Du( t )
x( t0 )  x0
Le problème est le suivant : étant données des conditions initiales x0, calculer la réponse y(t)
suite à l’application de l’excitation u(t). Ce calcul passe d’abord par le calcul de x(t), qui à partir
duquel, on calcule la réponse y(t).
Le cas des équations différentielles matricielles se traite de manière similaire au cas scalaire.
L’équation homogène associée s’écrit :

x( t )  Ax( t )
x( t0 )  x0
Sa solution est exponentielle et vaut :
x( t )  e A( t t0 ) x0
La résolution avec second membre s’effectue comme dans le cas scalaire (attention, en
algèbre matricielle, la multiplication n’est pas commutative) :

t
A( t t0 )
x( t ) e x0  e A( t  ) Bu(  )d 
solution à l' instant solution libre t0
solution forcée
La matrice e At est appelée Matrice de transition.

Sans perdre de généralité, on suppose dans la suite : t0=0 et D=0.
Dans la littérature, Il existe une multitude de méthodes permettant de calculer la matrice de
transition comme il est montré dans le document annexe. On présente ici la méthode basée
sur la transformée de Laplace.
L’application de la Transformée de Laplace à l’équation homogène dont on connait sa solution,

permet d’écrire :
px( p )  x0  Ax( p )
 ( pI  A )x( p )  x0  e At  TL1 ( pI  A )1  où TL1 . désigne la Transformée de Laplace inverse
 x( p )  ( pI  A )1 x0
Exemple
 1 1 
 1 1   p  1 1  1 1  p  2 1   p  1 ( p  1 )( p  2 ) 

A   pI  A     ( pI  A )  
( p  1 )( p  2 )  0 p  1  
 0 2   0 p  2 1
 0  
 p 2 
8
---------------------------------------------------------------------------------------------------------------
D’après la table de la Transformée de Laplace, on a :

et et  e2t 
e At   
 0 e2t 
Remarque
 Cette méthode s’applique dans tous les cas, c’est-à-dire quelle que soit la structure de
la matrice A.
 On doit vérifier systématiquement que e At I
t 0
1.4 Analyse de la stabilité

La stabilité de l’état est conditionnée par celle de la matrice de transition e . En effet, d’après
At
la solution de l’équation homogène, x(t)= e x0 tend vers 0 quelle que la condition initiale si e
At At
tend vers 0 quand t tend vers l’infini. En examinant le lien entre les matrices [A,B,C,D] et la
fonction de transfert du système, on remarque que les pôles de cette dernière ne sont autres
que les valeurs propres de A. On retient donc que e converge si et seulement si les valeurs
At
propres de la matrice A sont à partie réelle strictement négative.
Dans l’exemple ci-dessus, la matrice d’état A possède deux valeurs propres strictement
négatives 1  1 2  2 . Le système dont cette matrice est lui associé, est un système
stable.
1.5 Analyse du régime transitoire et permanent.

La matrice d’état permet de renseigner non seulement sur la stabilité d’un système, mais aussi
sur sa dynamique et donc sur le régime transitoire.
1.5.1 Analyse transitoire

On peut prévoir la forme du régime transitoire et évaluer sa durée à partir de la connaissance
des valeurs propres. Par analogie avec les pôles de la fonction de transfert, on peut conclure
avec certitude que :
 Si les valeurs propres sont réelles et strictement négatives : réponse transitoire

apériodique.
 Si parmi les valeurs propres il y’en a qui sont complexes et à partie réelle strictement
négative : réponse transitoire oscillatoire amortie.
 Si la matrice d’état A possède à la fois des valeurs propres réelles strictement
négatives et des valeurs propres complexes à partie réelle strictement négative : la
forme du régime transitoire est caractérisé par les valeurs propres dominantes.
A défaut de pouvoir évaluer directement les caractéristiques du régime transitoire (Temps de

réponse, dépassement,..) par analyse des valeurs propres, on est souvent amené à intégrer
les équations d’état.
1.5.2 Analyse statique

Pour une entrée constante uo, c’est-à-dire de type échelon, il s’établit un comportement
statique où toutes les variables d’état et de sortie atteignent des valeurs finales constantes. -
Sous réserve de la stabilité du système -
L’état du système converge vers l’état final qui peut être déterminé à partir du gain statique.
Celui-ci s’obtient en mettant p = 0 dans la fonction de transfert, ce qui se traduit par la
relation suivante :
9
---------------------------------------------------------------------------------------------------------------
Ks  H( p ) p 0  C( pI  A )1 B  D p 0
  CA1B  D
L’état et la sortie en régime statique s’obtiennent par :
lim x( t )   A1Buo
t 
lim y( t )   CA1B  D  uo
t 
Exemple d’application
A titre d’exemple, on considère le système mécanique suivant :
k, coefficient de raideur = 6 (USI)

f, coefficient de frottement =5 (USI)
m, masse du mobile = 1 (USI)
Ce système est régi par l’équation différentielle suivante :
d 2 y( t ) f dy( t ) k 1
2
  y( t )  u( t )
dt m dt m m
Afin d’obtenir une représentation d’état possible, on fait le choix classique suivant:
 x1( t )  y( t )

 dy( t ) 
 x2 ( t ) 
 dt
 x1( t )  x2 ( t )

 k f 1
 x2 ( t )   m x1( t )  m x2 ( t )  m u( t )
  0 1  0
 x( t )      1  u( t )   x( t )   0 1  x( t )  0 u( t )
  k f x( t )
    6 5 1 
       
 
 m m 
 
 m 
  y( t )  1 0 x( t )
 y( t )  1 0 x( t )
 
La fonction de transfert est donnée par :

y( p )
 C( pI  A )1 B  D  C( pI  A )1 B
u( p )
1
 p 1  1  p 5 1
( pI  A )1     2  
 6 p  5 p  5 p  6  6 p 
 p5 1 
 ( p  2 )( p  3 ) ( p  2 )( p  3 ) 
 
 6 p 
 ( p  2 )( p  3 ) ( p  2 )( p  3 ) 
 
10
---------------------------------------------------------------------------------------------------------------
 p5 1 
 ( p  2 )( p  3 ) ( p  2 )( p  3 )  0 
 H( p )  1 0    
y( p ) 1
  ( p  2 )( p  3 )
6  1 
u( p ) p

 ( p  2 )( p  3 ) ( p  2 )( p  3 ) 
1
Le gain statique est Ks  H( 0 )  CA1B 
6
Analyse de la stabilité
Les valeurs propres de la matrices A, solutions de l’équation caractéristique
det( pI  A )  p  5 p  6  0 , sont données par 1  2 2  3 . Ces valeurs propres sont réelles et
2
négatives, il s’ensuit que le système est de nature stable. On note que les valeurs propres sont
aussi les pôles de la fonction de transfert.
Calcul de la réponse transitoire

Pour des conditions initiales nulles et pour une entrée de type échelon unité, la solution x(t)
s’écrit :
t
e
A( t  )
x( t )  Bu(  )d 
0
On commence par calculer la matrice de transition e par la méthode de la transformée de

At
Laplace :
 p5 1 
   * e2t  e3t 
( p  2 )( p  3 ) ( p  2 )( p  3 )
e At  TL1 ( pI  A )1   TL1      
 6 p   * 2e2t  3e3t 
 
  ( p  2 )( p  3 ) ( p  2 )( p  3 )  
Les éléments marqués (*) n’interviennent pas dans le calcul de la solution compte tenu du
zéro dans la matrice B.
 
t t
A( t  )
* e2( t  )  e3( t  )  0 
x( t )  e Bu(  )d      d 
2( t  )
0 0 * 2e  3e3( t  )  1 
 1 2t 1 3t 1 
 
t t
 e2( t  )  e3( t  )   e2  e3   2 e  3 e  6 
  d    d  
2( t  )
 3e3( t  )  t  2 3  2t 
0  2e 0  2e  3e  e  e3t 
On déduit le résultat final suivant :

 1 1 1
 y( t )  x1( t )   e 2t  e 3t 
 2 3 6

 dy( t )  x ( t )  e2t  e3t

 dt
2
Après une phase transitoire sans dépassement, le système atteint un comportement statique
tel que :
 1
tlim y( t )  lim x1( t ) 
 t  6

 lim dy( t )  lim x ( t )  0
t  dt t 
2
11
---------------------------------------------------------------------------------------------------------------
2. Commandabilité et commande par placement de pôles

Dans le paragraphe précédent, on a introduit les principaux concepts pour l’analyse des
systèmes dynamiques dans l’espace d’état. Ce deuxième paragraphe aborde la commande des
systèmes où le concept d’état est utilisé.
2.1 Définition
On dit qu’un système x( t )  Ax( t )  Bu( t ) y( t )  Cx( t )  Du( t ) x( t0 )  x0 est commandable à
l’instant tf > to, si quels que soient les états x( t0 ), x( t f ) , il existe une commande u( t0 ,t f )
transférant le système de l’état x( t0 ) à l’état x( t f ).

u?
Etat initial Etat final
Exemple
On considère le circuit suivant
R1 R2 R3 u(t)= tension de commande

u(t)
xi (t)= qi (t) charge du condensateur Ci
C1 q1 C2 q 2 C3 q3
Le problème de la commandabilité peut être posé de la manière suivante : Existe-t-il une

tension u(t) qui, à partir des conditions initiales, c’est-à-dire à partir des charges initiales
quelconques, peut amener la charge des condensateurs à des valeurs arbitraires et ce,
pendant un intervalle de temps fini [to, tf] ?
Si la réponse est oui  système est commandable ou gouvernable

Si la réponse est non  système est non commandable ou ingouvernable
Si la réponse est conditionnelle  préciser les conditions.
2.2 Notion intuitive de la commandabilité

On considère le système suivant :
  1 0  0  x1( t )   x1( t )  0.u( t )  px1( p )  x10   x1( p )  0.u( p )

 x( t )    x( t )    u( t )  x ( t )  2 x ( t )  1.u( t ) 
  0 2  1   2 2  px2 ( p )  x20  2 x2 ( p )  1.u( p )
   y( p )  x ( p )  x ( p )
 y( t )  1 1 x( t )  
y( t )  x1( t )  x2 ( t )
  1 2
 x( 0 )  x  x( 0 )  xo
 o
 1
 x1( p )  p  1 x10


 x ( p )  1 x  1 u( p )
 2 p2
20
p2


 y( p )  x1 ( p )  x 2 ( p )
Les dernières équations peuvent être traduites par le schéma fonctionnel suivant :
12
---------------------------------------------------------------------------------------------------------------
x10
S1
x1
x20 y(t)
S2
u(t)
x2
Système
Cette représentation symbolique montre que le système est composé de deux sous-systèmes
S1 et S2.
Le sous-système S1 n’est pas lié à l’entrée u, contrairement au sous-système S2. Cela veut
dire, on ne peut jamais agir sur l’état x1 et ce quelle que soit la commande u appliquée au
système. L’état x1 évoluera selon sa propre dynamique à partir de sa condition initiale.
On dit que l’état x1 est non commandable alors que l’état x2 est commandable.
Remarque
La commandabilité ne dépend que de A et de B et non de C et de D.
2.3 Critères de la commandabilité

Il est souvent intéressant de s’assurer de la commandabilité d’un système avant de chercher à
mettre en œuvre une commande proprement dite. En d’autres termes, on demande de
disposer d’une condition nécessaire et suffisante de commandabilité.
Afin de vérifier la commandabilité, on dispose d’une multitude de critères mathématiques dont

on donne ici le plus courant.
Soit le système S suivant :

 x( t )  Ax( t )  Bu( t )

S 

 A( n,n ) B( n,m )
Théorème 1
Le système S ou la paire (A,B) est commandable si et seulement si la matrice suivante dite
matrice de commandabilité est de rang égal à n :
Q   B AB A2 B.... An1B 
Exemple 1 Exemple 2
  1 2  1   1 2  1
A    B  1 A    B  1
  1 2     1 2  
n  2 m  1 n  2 m  1
 
13
---------------------------------------------------------------------------------------------------------------
La matrice de commandabilité : La matrice de commandabilité :

1 1  1 1
Q   B AB     Q   B AB    
1 1 1 1
 det( Q )  2  0  det( Q )  0
 rang( Q )  2 (  n ) rang( Q )  1 (  n )
 (A,B) est non commandable.
(A,B) est commandable.
Remarque
 Si rang (Q)=n’<n, on dit qu’il y’a n’ états commandables et ( n-n’) états non
commandables. n’ désigne le degré de commandabilité.
2.4 Commande par placement de pôles

La commandabilité est une notion importante puisqu’elle établit le fait que l’on puisse
commander le système afin de modifier son comportement (stabilisation d’un système
instable, modification des dynamiques propres). Cette notion joue donc un rôle très important
dans la théorie de la synthèse de systèmes de commande dans l’espace d’état.
2.4.1 Théorème de placement de pôles
Théorème 2 :
Le système S ou la paire (A,B) est commandable si et seulement si pour tout ensemble
symétrique  de n valeurs propres, il existe une matrice K(m,n) telle que :  (A-BK) =.
Notation :  (X) = l’ensemble des valeurs propres d’une matrice X.
En d’autres termes, si la paire (A,B) est commandable, il existe une matrice K telle que :
det( I  ( A  B.K )  (   *1 )(   *2 )..(   *n )


  *1 *2 *n 
2.4.2 Commande par retour d’état - placement de pôles-
On considère un système S monovariable (m=p=1) commandable représenté par les équations
suivantes :
 x( t )  Ax( t )  Bu( t )
Sboucle ouverte 
 y( t )  Cx( t )
La stabilité et la dynamique du système S sont fixées par ( A )  1  2  
 n . On souhaite
commander ce système dans le but d’améliorer les performances par une commande suivante
appelée commande par retour d’état :
u( t )  e( t )  Kx( t )
 e( t )  k1 x1( t )  k2 x2 ( t )....  kn xn ( t )
K=[k1 k2…kn] est appelé le gain du retour d’état.
Symboliquement, le système en boucle fermée peut être représenté par le schéma suivant :
14
---------------------------------------------------------------------------------------------------------------
u
Système
Consigne e Sortie y
Etat x
K
Avec cette commande, les équations en boucle fermée s’écrivent :

 x( t )  ( A  B.K )x( t )  Be( t )
Sboucle fermée 
 y( t )  Cx( t )
La matrice d’état du système en boucle fermée est A-B.K, la matrice de commande B et la

matrice de sortie C sont inchangées.
D’après le théorème de placement de pôles, si la paire ( A,B) est commandable, il existe un
gain du retour d’état K tel que (A - B.K) soit imposé arbitrairement.
Commentaires
 Lorsque l’approche par fonction de transfert est utilisée, le bouclage se fait par retour
de la sortie y, alors lorsque l’approche des équations d’état est utilisée, le bouclage se
fait par retour d’état. D’où l’appellation commande par retour d’état.
 L’entrée du système en boucle fermée est e(t). Elle représente l’entrée de consigne.
 La mise au point pratique de la commande par retour d’état suppose que toutes les
variables sont physiquement accessibles. Point particulièrement critique sur lequel on y
reviendra ultérieurement.
Applications
 Si le système en boucle ouverte est instable, on peut le stabiliser par cette technique el
lui assignant un ensemble de valeurs propres stables.
 Si la dynamique en boucle ouverte est jugée lente, on peut l’améliorer en choisissant

convenablement un ensemble de valeurs propres.
2.4.3 Mise en œuvre pratique

On donne ci-dessous les principales étapes à suivre pour mettre en œuvre la technique de la
commande par retour d’état :
1. On met les équations du système sous forme d’équations d’état

 x( t )  Ax( t )  Bu( t )
Sboucle ouverte 
 y( t )  Cx( t )
A ce propos, il est indispensable de choisir des variables d’état physiquement accessibles.
2. On teste la commandabilité du système
3. On fixe une dynamique appropriée pour le système en boucle fermée fixée par
l’ensemble .
4. On calcule le gain du retour d’état K
5. On fixe l’entrée e –Consignes-
6. On réalise la loi de commande.
15
---------------------------------------------------------------------------------------------------------------
Il reste à présent de donner les procédures pour le calcul du gain K. Dans toutes les méthodes
proposées ci-dessous, les données sont les suivantes :
 (A,B) une paire commandable
 L’ensemble des valeurs propres désirées en boucle fermée :   *1 *2  *n 
L’inconnue est le gain :
K=[k1 k2…kn]
a) Méthode directe
Cette première méthode consiste à calculer le gain K tel que :
det( I  ( A  B.K ))  (   *1 )(   *2 )..(   *n )


  *1 *2 *n 
Pour ce faire :
 Poser K =[k1 k2…kn]
 Calculer en fonction de K, la matrice A – B.K
 Calculer la matrice I – (A – B.K) et en déduire son déterminant pour obtenir le
polynôme caractéristique désiré en fonction de K
 Développer le polynôme caractéristique désiré (   *1 )(   *2 )..(   *n )
 En identifiant terme à terme les deux polynômes caractéristiques, on obtient un

système de n équations dont les inconnues sont les éléments ki , i=1,n.
Exemple
  2 4   1
On donne :  A    B   1  C  1 1
  2 5   

     1, 2 
n  2 m  p  1

det( I  A )  2  3  2  0  1   0.56  2  3.56
Système instable
 On pose K =[k1 k2]
 On calcule la matrice A – B.K :
 2 4  1  2 4  k1 k2   2  k1 4  k2 
A  BK        k1 k2      
2 5 1  2 5   k1 k2   2  k1 5  k2 
 On calcule la matrice I – (A – B.K ) et son déterminent :
  2  k1 4  k2 
I  ( A  BK )   
 2  k1   5  k2 
det( I  ( A  BK ))   2  ( 3  k1  k2 )  2  k1
 On développe le polynôme caractéristique désiré

(   *1 )(   *2 )  (   1 )(   2 )  2  3  2
3  k1  k2  3
 On résout le système algébrique suivant : 
2  k1  2
k1  4
D’où le résultat : k  10
 2
16
---------------------------------------------------------------------------------------------------------------
b) Calcul de K par utilisation de Matlab

 Q=ctrb(A,B) ; % permet de calculer la matrice de commandabilité
 R=rank(Q) ; % permet de calculer le rang de Q pour conclure sur la commandabilité
 K=place(A,B,p) ; permet de calculer le gain K, p est un vecteur colonne contenant les
valeurs propres désirées.
Exemple
>> A=[-2 -4;2 5];B=[-1 1]';
>> Q=ctrb(A,B)
  2 4   1 Q=
On donne :  A    B    C  1 1 -1 -2
 2 5 1 1 3

  1 >> R=rank(Q)
  1, 2 p   2  R=
  
2
n  2 m  p  1 >> K=place(A,B,[-1 -2]')
K=
4 10
2.4.4 Exemple d’application

On se propose d’étudier le problème de la commande d’un système composé de quatre cuves
en cascade représenté par la figure suivante :
Les relations entre les niveaux dans les réservoirs et les débits d’alimentation et d’évacuation
sont de nature non linéaires. Cependant au point nominal de fonctionnement (H0,Q0), les
équations du système sont linéaires et s’écrivent :
dh1
S  q1  m.h1
dt
dh 2
S  m.h1  m.h 2
dt
dh3
S  q 2  m.h 2  m.h3
dt
dh 4
S  m.h3  m.h 4
dt
Les variables h1, h2, h3, h4 et les variables q1, q2, représentent respectivement des
variations des niveaux et des débits d’alimentation autour du point de fonctionnement.
On donne : m/S = 0.25 (USI) , 1/S = 3 (USI).
17
---------------------------------------------------------------------------------------------------------------
On choisit :
 x1   h1 
   
 x 2  h2  q1 
x       , le vecteur d’état et u    , le vecteur de commande
 x 3   h3   q 2 
   
 x 4   h 4 
On s’intéresse plus particulièrement aux niveaux h1 et h4 (sorties), le système est de

multivariable : 2 entrées (p=2) et deux entrées (m=2).
1° Mise en équation
x( t )  Ax( t )  Bu( t )
y(( t )  Cx( t )  Du( t )
 0.25 0 0 0  3 0
 0.25 0.25 0 0  0 0  1 0 0 0  0 0 
A B C  D 
 0 0.25 0.25 0  0 3 0 0 0 1  0 0 
   
 0 0 0.25 0.25 0 0
2° Analyse de la stabilité
Les valeurs propres de A sont : 1  2  3  4   0.25 (Noter que la matrice A est triangulaire
et par conséquent les valeurs propres sont situées sur la diagonale principale). Toutes les
valeurs propres sont négatives et donc le système est stable.
3° Analyse de la commandabilité
 En admettant que le système est commandé par q1 seul :

x( t )  Ax( t )  Bu( t )
y(( t )  Cx( t )  Du( t )
 0.25 0 0 0  3
   
 0.25 0.25 0 0  0  1 0 0 0  0 
A  B  C  D 
 0 0.25 0.25 0  0  0 0 0 1  0 
   
 0 0 0.25 0.25 0 
Physiquement, on voit que le système est commandable car toute action sur le débit q1
affectera tous les niveaux. Cette interprétation est confirmée par le calcul du rang de la
matrice de commandabilité :
 3 -0.75 0.1875 -0.046875

0 0.75 -0.375 0.14063 
Q1    rang(Q1)=4
0 0 -0.1875 0.14063 
 
0 0 0 -0.046875
 En admettant que le système est commandé par q2 seul :
18
---------------------------------------------------------------------------------------------------------------
x( t )  Ax( t )  Bu( t )
y(( t )  Cx( t )  Du( t )
 0.25 0 0 0  0 
   
 0.25 0.25 0 0  0  1 0 0 0  0 
A  B  C  D 
 0 0.25 0.25 0  3 0 0 0 1  0 
   
 0 0 0.25 0.25 0 
Physiquement, on voit que le système n’est par commandable car toute action sur le débit q2
n’affectera pas les niveaux h1 et h2. Seuls les niveaux h3 et h4 seront affectés par la
commande. On peut déjà prévoir que le rang de la matrice de commandabilité est égal à 2 :
0 0 0 0 
0 0 0 0 
Q2    , rang(Q2)=2
 3 -0.75 0.1875 -0.046875
 
0 0.75 -0.375 0.14063 
 En admettant que le système est commandé par q1 et q2 : naturellement le système
est commandable. (A vérifier en calculant la matrice de commandabilité).
4° Analyse statique
On admet par la suite que le système sera commandé par q1 seul (q2=0). Pour une variation
constante de débit q10=0.1 (USI), les variations h10, h20, h30, et h40 des niveaux atteints en
régime statique sont données par :
 x10   1.2 
x   
 20    A1 .B.q   1.2   y   x   1.2 
,  10    10    
 x30  10
 1.2   y20   x40   1.2 
   
 x40   1.2 
5° Amélioration de la dynamique
 La commande par retour d’état :
u(t) = uc – kx(t) = uc –k1 x1(t) - k2 x2(t) - k3 x3(t) - k4 x4(t)
uc est le débit de consigne et k=[k1 k2 k3 k4]
 La dynamique choisie en boucle fermée: 1= -0.5, 2= -1, 3= -1.5, 4= -2
Ce qui suppose que les 4 niveaux sont physiquement accessibles à la mesure.
K   k1 k 2 k 3 k 4  1.3333 7.1667 14.667 8.75
6° Choix de la consigne uc
Le gain en boucle fermée :
 x10   0.03125 
x   
 20   ( A  B.K )1 .B.uc   0.03125  uc
 x30  -0.03125
   
 x40  -0.03125
 y10   x10  1  0.03125 
 y    x   C.( A  B.K ) .B.uc  -0.03125 uc
 20   40   
19
---------------------------------------------------------------------------------------------------------------
Si on souhaite avoir les mêmes variations qu’en boucle ouverte, il faut appliquer une consigne
uc telle que :
 y10   x10   0.03125   1.2 
 y    x   -0.03125 38.4 = -1.2
 20   40     
7° Schéma de principe pour la réalisation matérielle
3. Théorie de l’observateur et son application à la commande par retour d’état

Lors de la mise en œuvre de la commande par retour d’état, on a souligné la nécessité à ce
que toutes les variables d’état soient accessibles à la mesure.
Cette hypothèse est peu courante au moins pour les raisons suivantes :
 Le nombre de variables d’état peut être important et par conséquent l’installation des
capteurs peut s’avérer onéreuse
 Accès difficile voire impossibles aux variables d’état

 Les variables d’états peuvent être dépourvues de sens physique suite à une
transformation de similitude par exemple.
Dans ce cas, l’implémentation directe de la commande u = e - Kx est impossible. De plus, la

connaissance de la sortie y ne résout pas le problème puisque C n’est pas forcément inversible
et donc la connaissance de y = Cx ne permet pas de connaître x.
Pour surmonter cette difficulté, la théorie de l’observateur d’état a été introduite faisant appel
au concept de l’observabilité, concept dual de la commandabilité. Dans ce qui, on introduit
successivement :
 La notion de l’observabilité
 Les critères de l’observabilité
 L’observateur d’état
 Incorporation de l’observateur d’état dans la structure de la commande par retour
d’état.
20
---------------------------------------------------------------------------------------------------------------
3.1 Définition de l’observabilité

On considère un système dont on connaît une représentation d’état ( A,B,C,D). Ce système est
dit observable s’il est possible de déterminer son état à un instant t 0 donné à partir d’une
observation de sa sortie.
Une multitude de définitions équivalentes sont données dans la littérature. Au lieu de s’investir
dans toutes ces définitions, on considère un exemple qui permet d’illustrer le sens physique de
la notion de l’observabilité. En effet, on considère le système suivant :
  1 0  0  x1( t )   x1( t )  1.u( t )  px1( p )  x10   x1( p )  1.u( p )

 x( t )    x( t )    u( t )  x ( t )  2 x ( t )  1.u( t ) 
  0 2 1   2 2  px2 ( p )  x20  2 x2 ( p )  1.u( p )
   y( p )  x ( p )
 y( t )  1 0 x( t )   y( t )  x1 ( t )
  1
 x( 0 )  x  x( 0 )  xo
 o
 1 1
 x1( p )  p  1 x10  p  1 u( p )


 x ( p )  1 x  1 u( p )
 2 p2
20
p2

 y( p )  x1( p )

Les dernières équations peuvent être traduites par le schéma fonctionnel suivant :
x10
S1
x1
y(t)
x20
u(t)
S2
x2
Système
Cette représentation symbolique montre que le système est composé de deux sous-systèmes
S1 et S2.
Le sous-système S2 n’est pas lié à la sortie y, contrairement au sous-système S1. Cela veut
dire, que toutes les observations (mesures) que l’on peut faire sur un intervalle de temps, rien
ne peut refléter le caractère instable du système. En revanche, l’observation de la sortie
renseignera sur l’état x1.
On dit que l’état x1 est observable alors que l’état x2 est non observable.
Remarque
L’observabilité ne dépend que de C et de A . Elle est indépendante de B et D.
La notion de l’observabilité est une notion duale de la commandabilité. Aussi, on donnera par
la suite les principaux résultats.
21
---------------------------------------------------------------------------------------------------------------
Soit le système S suivant :

 x( t )  Ax( t )  Bu( t )

S  y( t )  Cx( t )
A
 ( n,n ) B( n,m ) C( p,n )
Théorème 1’ :
Le système S ou la paire (C,A) est observable si et seulement si la matrice suivante dite
matrice de l’observabilité est de rang égal à n :
C 
CA 
 
Q  CA2 
 
 
CAn 1 
 
Exemple 1

La matrice de l’observabilité :
0 1
A   C  1 0  C  1 0 
 0 0  Q  
n  2 p 1 CA 0 1 

 det( Q )  1  0
 rang( Q )  2 (  n )
 (C, A) est Observable
Exemple 2
 0 1 La matrice de l’observabilité :
A   C   0 1
 0 0 
n  2  C  0 1
 p 1 Q  
CA 0 1
 det( Q )  0
rang( Q )  1 (  n )
 (C, A) est non observable
Remarque
 Si rang (Q)=n’<n, on dit qu’il y’a n’ états observables et (n-n’) états non observables. n’
désigne le degré de l’observabilité.
 La notion de la commandabilité et l’observabilité sont à présent introduits. On peut

revenir sur la notion d’équivalence entre les différentes représentations d’un même
système. Le résultat est que la représentation par fonction de transfert ou par
l’équation différentielle est équivalente à la représentation d’état si le système est
commandable et observable.
3.3 Théorie de l’observateur d’état

3.3.1 Position du problème
Dans ce paragraphe, on cherche à commander le système :
 x( t )  Ax( t )  Bu( t )
Sboucle ouverte 
 y( t )  Cx( t )
Mais cette fois-ci, l’état x du système n’est plus supposé accessible à la mesure. Seules l’entrée
u et la sortie du système y sont accessibles. On cherche à estimer l’état courant afin de pouvoir
22
---------------------------------------------------------------------------------------------------------------
calculer la commande u. Pour cela, on intègre un simulateur du système à commander, appelé

observateur.
Son seul rôle dans la structure de la commande est de donner une bonne estimation du
vecteur d’état x(t) afin que l’on puisse appliquer une technique de commande par retour d’état.
3.3.2 Observateur d’état

Définition
Un observateur d’état est un système dynamique qui, excité par les signaux disponibles, à
savoir l’entrée et la sortie du système, est capable de reconstruire de manière asymptotique
l’état courant du système à observer.
Sa structure est basée sur le modèle d’état du système :
 z( t )  Az( t )  Bu( t )  G( y( t )  y* ( t ))

SObservateur  y* ( t )  Cz( t )
 z( 0 )  z
 0
u Système (A,B,C,D) y
Observateur
Terminologie : z
z état de l’observateur
y* sortie de l’observateur
G : Matrice de gain de l’observateur de dimension (n,p), à déterminer.
3.3.3 Etude de l’erreur d’observation

Les équations du système et de son observateur sont données par :
 z( t )  Az( t )  Bu( t )  G( y( t )  y* ( t ))
 x( t )  Ax( t )  Bu( t ) 
   ( A  G.C )z( t )  Bu( t )  Gy( t )
Sboucle ouverte  y( t )  Cx( t ) SObservateur 
 x( 0 )  x  y* ( t )  Cz( t )
 
 z( 0 )  z0
0
On définit l’erreur d’observation (t)=x(t) - z(t). Elle obéit à l’équation différentielle suivante :
( t )  x( t )  z( t )  ( A  G.C )( t )


( 0 )  x0  z0
dont la solution s’écrit : ( t )  e( AG.C )t 0
23
---------------------------------------------------------------------------------------------------------------
Il est évident que si les valeurs propres de la matrice A-G.C sont stables, l’erreur d’observation
(t) tend asymptotiquement vers zéro et ce, quelle que l’erreur initiale (0). Ce qui signifie que
l’état de l’observateur tend vers l’état du système. Cette convergence est d’autant rapide que
les valeurs propres sont ‘plus négatives’.
3.3.4 Calcul du gain de l’observateur

Une question se pose : Comment calculer la matrice G, qui constitue l’unique inconnue du
problème ?
La réponse à cette question passe par le théorème suivant :
Théorème 2’ :
Un système S ou la paire (C,A) est observable si et seulement si pour tout ensemble
symétrique  de n valeurs propres, il existe une matrice G(p,n) telle que :  (A-GC) =.
En d’autres termes, si la paire (C,A) est observable, il existe une matrice G telle que :
det( I  ( A  G.C )  (   *1 )(   *2 )..(   *n )


  *1 *2 *n 
En remarquant la similitude entre le problème de la commandabilité et de l’observabilité, on
peut utiliser les mêmes méthodes ayant servies pour le calcul du gain K du retour d’état pour
le calcul du gain G de l’observateur, à savoir :
Les données :
 (C,A) une paire observable
 L’ensemble des valeurs propres assignées à la matrice A  G.C :   *1 *2  *n 
L’inconnue est le gain G (cas monovariable) :
 g1 
g 
G   2
 
 
 gn 
a) Méthode directe
Cette première méthode consiste à calculer le gain G tel que :
det( I  ( A  G.C ))  (   *1 )(   *2 )..(   *n )


  *1 *2 *n 
Pour ce faire :
1. Poser G =[g1 g2…gn]T

2. Développer la matrice A – G.C
3. Calculer la matrice I – (A – G.C) et en déduire son déterminant pour obtenir le
polynôme caractéristique désiré en fonction des éléments de G.
4. Développer le polynôme caractéristique désiré (   *1 )(   *2 )..(   *n )

5. En identifiant terme à terme les deux polynômes caractéristiques, on obtient un
système de n équations dont les inconnues sont les éléments gi , i=1,..,n.
24
---------------------------------------------------------------------------------------------------------------
b) Calcul de G par utilisation de Matlab

En vertu de la dualité qu’il y’a entre la commandabilité et l’observabilité, tout programme
destiné à calculer le gain du retour K peut être utilisé pour calculer le gain G de l’observateur.
Pour ce faire, on introduit A au lieu de A et C au lieu de B :

T T
 Q=ctrb(A’,C’) ; % permet de calculer la matrice d’observabilité (transposée)

 Q=Q’ ; % permet de calculer la matrice transposée de Q
 R=rank(Q) ; % permet de calculer le rang de Q pour conclure sur l’observabilité
 K=place(A’,C’,p) ; permet de calculer le gain K, p est un vecteur colonne contenant
les valeurs propres désirées. On pose ensuite G=K .
T
3.3.5 Exemple de synthèse d’un observateur

x10
S1
x1
x20
u(t) y(t)
S2
x2
Système
Ce système est accessible par l’entrée u et la sortie y. Sa dynamique est fixée par les valeurs
propres : 1  1 2  2
Les équations de l’observateur :

 z( t )  ( A  GC )z( t )  Bu( t )  Gy( t )
 SObservateur
 z( 0 )  z0 arbitraire
On lui impose une dynamique telle que :
*1  2* 1  2 *2  22  4
Ce qui permet d’assigner une dynamique ‘’ deux fois plus rapide que celle du système à
observer’’.
En utilisant l’une des méthodes pour le calcul de G, on a : G =[3 0]T.
D’où es équations de l’observateur
  4 3 1 3  z1( t )  4 z1( t )  3z2 ( t )  u( t )  3 y( t )

 z( t )    z( t )  1 u( t )  0 y( t )   z ( t )  2 z ( t )  u( t )
SObservateur   0 2      2 2
 z( 0 )  z arbitraire  z( 0 )  z arbitraire
 0  0
Le schéma de principe de la réalisation de l’observateur est donné par la figure suivante :
25
---------------------------------------------------------------------------------------------------------------
Les résultats de la simulation sont illustrés par les figures suivantes dans lesquels, le système
est supposé dans l’état initial x0 = [-1 3]T alors que celui de l’observateur est z0=[0 0]T.
0.8
z1
0.6
0.4
0.2
x1
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
temps
2.5
x2
1.5
z2
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
temps
Remarque importante
L’observateur tel qu’il est introduit est appelé observateur d’ordre complet c’est-à-dire du
même ordre que celui du système à observer, à savoir n. Il permet de reconstruire tous les
états du système. Cependant, il arrive dans des cas, que certaine des variables d’états n’ont
pas besoin d’être reconstruites puisqu’elles sont accessibles. Dans ces cas, on réalise un
26
---------------------------------------------------------------------------------------------------------------
observateur d’ordre réduit, plus précisément d’ordre égal au nombre de variables d’états non
accessibles. Sa conception est un peu plus compliquée. On continue à utiliser par la suite,
l’observateur d’ordre complet pour des raisons de simplicité.
4. Commande par retour d’état d’un système commandable et observable

4.1 Structure de la commande en boucle fermée
La mise en œuvre d’une commande par retour d’état suppose l’hypothèse d’un système
commandable et observable lorsque toutes les variables d’état ne sont pas accessibles à la
mesure. Le problème de la commande se résout ensuite en trois grandes étapes :
1. Recherche de la commande en supposant x mesurable. La commande linéaire est de la

forme u = e – K x, K étant déterminée par exemple en imposant des pôles à la boucle fermée.
2. Reconstruction de l’état. Si seul y est mesurable, il faut synthétiser un observateur, ce qui
revient à déterminer un gain G assurant la stabilité et une bonne dynamique à l’observateur.
3. La commande du système est finalement réalisée à partir de l’état estimé.
La figure suivante illustre la structure de la commande en boucle fermée avec incorporation

d’un observateur d’état :
Consigne u
Système (A,B,C,D) y
Etat x
Observateur
Etat estimé z
Gain du retour d’état
4.2 Equations d’état en boucle fermée

Les équations du système et de son observateur sont données par :
 x( t )  Ax( t )  Bu( t )
  z( t )  ( A  GC )z( t )  Bu( t )  Gy( t )
Sboucle ouverte  y( t )  Cx( t ) SObservateur 
 x( 0 )  x  z( 0 )  z0
 0
La loi de commande : u( t )  e( t )  Kz( t ) .
( t )  x( t )  z( t )  ( A  G.C )( t )

L’erreur d’observation : 
( 0 )  x0  z0
Avec la a loi de commande : u( t )  e( t )  Kz( t )  e( t )  K( x( t )  ( t )), on a les équations

suivantes :
27
---------------------------------------------------------------------------------------------------------------
 x( t )  ( A  BK )x( t )  BK ( t )  Be( t )

( t )  ( A  GC )( t )
Sboucle fermée  y( t )  Cx( t )
( 0 )  x  z arbitraire
 0 0
 x( 0 )  x0 arbitraire
 x( t )
En définissant X    , comme vecteur d’état global (système + observateur), les équations
 ( t ) 
en boucle fermée s’écrivent :
  A  BK BK  B
X(t )    X ( t )    e( t )
  0 A  GC ) 0

Sboucle fermée Y( t )  C 0 X ( t )
X
 0 arbitraire

Commentaires :
 On note que l’état du système ainsi corrigé se trouve affecté par le terme
supplémentaire BK(t) en comparaison avec la commande classique (Sans observateur).
Toutefois ce terme tend vers 0 de manière asymptotique. On peut dire que la
contribution de l’observateur est présente jusqu’à ce que terme s’annule.
 La matrice d’état en boucle fermée est triangulaire par blocs, l’ensemble de ces valeurs
propres est tel que :
  A  BK BK  
      A  BK     A  GC 
 0 A  GC ) 
Ce qui veut dire que la dynamique du système en boucle fermée est fixée d’une part
par les valeurs propres assignées à (A-BK) d’une part et par les valeurs propres
assignées à (A-GC) d’autre part. Théoriquement ces valeurs propres se fixent de
manière indépendante. C’est le principe de la séparation.
 En régime statique (entrée constante = e0), l’observateur n’intervient pas comme le

montre les équations en boucle fermée écrites lorsque le régime statique étant atteint :
0  ( A  BK )x  Be0 1
  x  ( A  BK ) Be0
Sboucle fermée  y  Cx 
1
en régime statique   0  z  x  y  C( A  BK ) Be0

4.3 Exemple de synthèse

  3 2  2
 x( t )    x( t )    u( t ) Etas non accessibles
  4 5 0

 y( t )   2 1 x( t )

 x( 0 )  xo

n  2 p  m  1
Cahier des charges :
- Amélioration de la dynamique
- Valeur finale de la sortie y =1.
28
---------------------------------------------------------------------------------------------------------------
4.3.1 Analyse du système

Analyse de la stabilité
La matrice d’état A possède deux valeurs propres strictement négatives 1  1 2  7 . Le
système est par conséquent stable.
Analyse transitoire
La matrice d’état A possède deux valeurs propres réelles auxquelles on peut associer deux
1 1
constantes de temps 1   1 2   0.14 . En négligeant la plus petite constante de temps,
1 2
le temps de réponse peut être estimé à 31=3 (USI)
Analyse de la commandabilité et de l’observabilité
 2 6 
Qc   B AB    
0 8 
 det( Qc )  16  0
 rang( Qc )  2 (  n )
 Système commandable
 C   2 1
Qo      
CA  10 9 
 det( Qo )  8  0
 rang( Qo )  2 (  n )
 Système observable
4.3.2 Synthèse du régulateur d’état
Placement de pôles en boucle fermée
( A  BK )  21 , 2   2,7  K   k1 k2   0.5 0.25

 g  7.375
( A  GC )  41 , 2 2   4,14  G   1    
 g 2   4.75 
Equations de l’observateur
  17.75 9.375  2 7.375  z1( t )  17.75 z1( t )  9.375 z2 ( t )  2u( t )  7.375 y( t )
 z( t )    z( t )  0  u( t )   4.75  y( t )   z ( t )  5.5 z ( t )  0.25 z ( t )  4.75 y( t )
SObservateur   5.5 0 .25       2 1 2
 z( 0 )  z arbitraire  z( 0 )  z arbitraire
 0  0
La loi de commande
u( t )  e( t )  0.5z1( t )  0.25z2 ( t )
Choix de la consigne et l’état statique
1
yo  4 1.5  2
Le gain statique en boule fermée : Ks   C( A  BK )1 B    2 1      0.86
eo  4 5   0
1
eo   1.17
Ks
 0.83
x  ( A  BK )1 Beo   
0.67 
29
---------------------------------------------------------------------------------------------------------------
Schéma de principe de la réalisation
30
---------------------------------------------------------------------------------------------------------------
Simulation
Les résultats de la simulation sont illustrés ci-dessous. Le système est supposé dans l’état
initial x0 = [1 2]T alors que celui de l’observateur est z0=[0 0]T.
Evolution de x1 et de son estimation z1 Evolution de x2 et de son estimation z2
Evolution de la commande u Evolution de la sortie y
5. Commande par retour d’état avec action intégrale
La commande par retour d’état avec ou sans observateur d’état ne permet pas d’assurer une
bonne précision statique vis-à-vis des consignes constantes ou des perturbations lentement
variables. Il est possible de mettre en œuvre une correction dans l’espace d’état permettant
l’ajout d’une action intégrale dans la chaine de commande. L’idée est la suivante :
On considère un système représenté par :
 x( t )  Ax( t )  Bu( t )
Sboucle ouverte 
 y( t )  Cx( t )
On augmente ces équations en définissant une variable d’état supplémentaire xi ( t ) telle que :
xi ( t )  yd  y( t )
où yd désigne la valeur de la sortie à atteindre en régime statique. En effet, lorsque le régime

statique sera atteint, on aura bien 0  yd  y( t ) , soit y  yd
yd apparait donc comme la consigne à fixer.

 x( t ) 
On définit le vecteur augmenté X ( t )   
 xi ( t )
D’où les équations:
31
---------------------------------------------------------------------------------------------------------------
  A 0 B 0
X( t )    X ( t )    u( t )    yd

Sboucle ouverte   C 0 ) 0 1 
 Aa Ba
Y( t )  y( t )  C 0 X ( t )

La loi de commande est :
u( t )  KX( t )    K1 K2  X( t )  K1 x( t )  K2 xi ( t )
D’où le schéma de principe pour la réalisation de la loi de commande :
xi u
Consigne yd +
 K2 Système Sortie y
-
Etat
Régulateur x
d’état -K1
Les étapes à suivre sont les suivantes :
 Etablir les équations du système augmenté

 Tester la commandabilité de la paire (Aa,Ba)
 Calculer le gain de retour d’état K
 Décomposer le gain K en K1, K2
 Réaliser le régulateur d’état
6. Construction d’un observateur d’ordre réduit

Comme il a été souligné précédemment lors de la construction d’un observateur d’état,
certaines variables d’état n’ont besoin d’être reconstruites puisqu’elles sont disponibles par
mesure. Il est souvent intéressant de ne reconstruire que celles qui ne sont pas accessibles.
On suppose que l’état est partitionné en deux sous-ensemble x1(t) = y(t) -accessibles-, x2(t)–non
accessibles-, avec x1 de dimension n1 et x2 de dimension n2=n- n1.
Le système dynamique original peut alors s’écrire :
 x1( t )   A11 A12   x1( t )   B1 

 x ( t )   A A   x ( t )   B  u( t )
 2   21 22   2   2 
y( t )  x1( t )
Afin de mettre en valeur les dynamiques de l’état inconnu, on effectue provisoirement le

changement de variables suivant :
x2 ( t )  A22 x2 ( t )  A21 x1( t )  B2u( t )

u( t ) ,
et on pose : w( t )  x1( t )  A11 x1( t )  B1u( t )  A12 x2 ( t )
D’où :
 x2 ( t )  A22 x2 ( t )  u( t )

 w( t )  A12 x2 ( t ) ¨
32
---------------------------------------------------------------------------------------------------------------
Cette représentation fait apparaitre un système d’ordre réduit dont la matrice d’état est A22, et
la matrice de sortie est A12.
On propose alors de construire un observateur pour le système d’ordre réduit en s’inspirant de

la structure de l’observateur d’ordre complet, soit :
 z( t )  ( A22  GA12 )z( t )  Gw( t )  u( t )

SObservateur 
réduit  z( 0 )  z0
Afin d’écrire le système en fonction des signaux disponibles y(t) et u(t) du système original, on
transforme l’observateur minimal ainsi :
 z( t )  ( A22  GA12 )z( t )  G( x1( t )  A11 x1( t )  B1u( t ))  A21 x1( t )  B2u( t )
SObservateur 
réduit  z( 0 )  z0
Pour éviter la dérivée x1( t ) dans le second membre de la première équation, on introduit une
nouvelle variable notée s( t ) telle que:
s( t )  z( t )  Gx1( t )  z( t )  Gy( t )
D’où en développant : s( t )  z( t )  Gx1( t ) , on a :
 s( t )  ( A22  GA12 )s( t )  ( A22  GA12 )G  GA11  A21  y( t )  ( B2  GB1 )u( t )


SObservateur  z( t )  s( t )  Gy( t )
réduit  s( 0 )  s arbitraire
 0
Ces dernières équations représentent bien la structure d’un observateur excités par les signaux
disponibles, à savoir, d’entrée u(t) et la sortie y(t). La sortie z(t) est de dimension réduite par
rapport à l’observateur classique.
On montre par ailleurs que si la paire (C, A) est observable alors il en est de même pour la
paire (A12, A22), ce qui permet d’assurer l’existence de la matrice G. Celle-ci sera calculée en
fixant une dynamique appropriée à l’observateur d’ordre réduit.
Exemple :
On considère le système suivant qui est naturellement partitionné :
  1 1  1
 x( t )    x( t )    u( t )
  2 2  1

 y( t )  1 0 x( t )
 A  1, A12  1, A21  2, A22  2

Selon la notation adoptée, on a :  11
 B1  B2  1
On choisit de prendre A22  GA12 =2 - G.1=-5G=7.

Il s’en suit :
 ( A22  GA12 ) G  G A11  A21 =-26
 B2  GB1 = - 6
D’où les équations de l’observateur d’ordre 1 :
33
---------------------------------------------------------------------------------------------------------------
 s( t )  5s( t )  26 y( t )  6u( t )

SObservateur  z( t )  s( t )  7 y( t )
réduit  s( 0 )  s arbitraire
 0
Schéma de principe pour la réalisation de l’observateur
34
---------------------------------------------------------------------------------------------------------------
35

Espace Etat Commande

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Espace Etat Commande

Загружено:

Авторское право:

Доступные форматы

Représentation d’état des systèmes linéaires continus

Commande par placement de pôles

1.1 Les différentes formes de modélisation

Entrée u Système Sortie y

Représentation par Représentation par Représentation par

Pour illustrer ce propos, on considère l’exemple simple suivant :

Le groupe Ward - Leonard de la figure ci-dessous est constitué d’une génératrice G à

On propose de modéliser ce système en le considérant comme un système mono-variable dont

1.1.1 Equation d’état à partir des équations physiques

Les équations d’état s’écrivent :

1.1.2 Equation d’état à partir de la fonction de transfert

On part de la fonction de transfert et on propose une représentation d’état. La fonction de

On écrit la fonction de transfert sous la forme suivante :

D’où une autre représentation d’état possible:

1.1.3 Equation d’état à partir de l’équation différentielle

Par application de la transformée de Laplace inverse, on a :

D’où une autre représentation d’état :

1.2 La représentation d’état

Définition : Vecteur d’état

Définition : Equation d’état

Comment faut-il choisir les variables d’état ?

Combien faut-il choisir de variables d’état ?

Quel est l’intérêt de la représentation d’état ?

 La représentation d’état convient particulièrement aux systèmes multi-variables. Pour le

1.2.2 Passage de la représentation d’état à la fonction de transfert

En appliquant la transformée de Laplace aux équations ci-dessus, elles deviennent :

 px( p )  Ax( p )  Bu( p )

 y( p )  C( pI  A )1 Bu( p )  Du( p )

La fonction de transfert est alors définie par :

1.2.3 La non unicité de la représentation d’état ?

 x( t )  Mx( t )  MAx( t )  MBu( t )  x( t )  MAM 1 x( t )  MBu( t )  x( t )  Ax( t )  Bu( t )

On vérifie par la suite que la fonction de transfert est indépendante de ce changement de

H( p )  C( pI  A )1 B  D  CM 1( pI  MAM 1 )1 MB  D Notes :

1.3 Résolution de l’équation d’état

L’équation homogène associée s’écrit :

La matrice e At est appelée Matrice de transition.

L’application de la Transformée de Laplace à l’équation homogène dont on connait sa solution,

D’après la table de la Transformée de Laplace, on a :

1.4 Analyse de la stabilité

propres de la matrice A sont à partie réelle strictement négative.

1.5 Analyse du régime transitoire et permanent.

1.5.1 Analyse transitoire

 Si les valeurs propres sont réelles et strictement négatives : réponse transitoire

A défaut de pouvoir évaluer directement les caractéristiques du régime transitoire (Temps de

1.5.2 Analyse statique

L’état et la sortie en régime statique s’obtiennent par :

k, coefficient de raideur = 6 (USI)

La fonction de transfert est donnée par :

Calcul de la réponse transitoire

On commence par calculer la matrice de transition e par la méthode de la transformée de

On déduit le résultat final suivant :

2. Commandabilité et commande par placement de pôles

transférant le système de l’état x( t0 ) à l’état x( t f ).

On considère le circuit suivant

R1 R2 R3 u(t)= tension de commande

Le problème de la commandabilité peut être posé de la manière suivante : Existe-t-il une

Si la réponse est oui  système est commandable ou gouvernable

2.2 Notion intuitive de la commandabilité

  1 0  0  x1( t )   x1( t )  0.u( t )  px1( p )  x10   x1( p )  0.u( p )

2.3 Critères de la commandabilité

Afin de vérifier la commandabilité, on dispose d’une multitude de critères mathématiques dont

Soit le système S suivant :

La matrice de commandabilité : La matrice de commandabilité :

2.4 Commande par placement de pôles

det( I  ( A  B.K )  (   1 )(   2 )..(   *n )

det( I  ( A  B.K ))  (   1 )(   2 )..(   *n )

 Développer le polynôme caractéristique désiré (   1 )(   2 )..(   *n )

det( I  ( A  G.C )  (   1 )(   2 )..(   *n )

det( I  ( A  G.C ))  (   1 )(   2 )..(   *n )

4. Développer le polynôme caractéristique désiré (   1 )(   2 )..(   *n )