Professional Documents
Culture Documents
Karim Yadi 2
Université de Tlemcen
1
Notes de la première partie du cours de post-graduation et de master M1 Au-
tomatique 2010-2011, largement inspirées du cours de post-graduation, Université de
Tlemcen, 2003 et 2005 donnés par le professeur Tew…k Sari de l’Université de Mul-
house, France.
2
Laboratoire Systèmes Dynamiques et Applications. E-mail :
k_yadi@mail.univ-tlemcen.dz
Table des matières
2 Théorie de la stabilité 10
2.1 Stabilité des équilibres . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.1 Concepts de stabilité . . . . . . . . . . . . . . . . . . . . . 10
2.1.2 Stabilité de l’origine pour un système linéaire . . . . . . . 11
2.1.3 Approximation linéaire d’un système . . . . . . . . . . . . 12
2.2 Fonctions de Lyapounov . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1 Stabilité des équilibres . . . . . . . . . . . . . . . . . . . . 13
2.2.2 Principe d’invariance de LaSalle . . . . . . . . . . . . . . 14
2.2.3 Fonctions de Lyapounov pour les systèmes linéaires . . . . 16
2.2.4 La méthode de Krasowskii . . . . . . . . . . . . . . . . . . 17
2.3 Stabilité des systèmes non autonomes . . . . . . . . . . . . . . . 19
2.3.1 Uniformité des concepts de stabilité . . . . . . . . . . . . 19
2.3.2 Approximation linéaire d’un système . . . . . . . . . . . . 20
2.3.3 Fonctions de Lyapounov . . . . . . . . . . . . . . . . . . . 21
2.3.4 Lemme de Barbalat . . . . . . . . . . . . . . . . . . . . . 22
3 Théorie de la commande 24
3.1 Stabilisation et suivi de trajectoires . . . . . . . . . . . . . . . . . 24
3.2 Stabilisation locale . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3 Dérivées et crochets de Lie . . . . . . . . . . . . . . . . . . . . . . 27
3.4 Linéarisation par bouclage . . . . . . . . . . . . . . . . . . . . . . 28
1
Chapitre 1
x_ = Ax; x 2 Rn ; (1.1)
PA ( ) = det(A I):
m( 1) + + m( s) = n:
Par conséquent
m( 1) m( s)
PA ( ) = ( 1) ( s) :
L’indice ( ) d’une valeur propre est le premier entier tel que la suite croissante
des noyaux
Ker(A I) Ker(A I) +1
soit stationnaire pour ( ). Pour toute valeur propre de A on a
1 ( ) m( ):
2
CHAPITRE 1. THÉORIE DES SYSTÈMES 3
Le domaine D est appelé l’espace des phases étendu. L’équation (1.4) dé…nit
un champ de vecteurs dans D dé…ni de la manière suivante : à tout (t; x) 2 D
est attaché le vecteur
X(t; x) = (1; f (t; x)):
Le graphe d’une solution (x(t)) est tangent à ce champ de vecteurs, en chacun
de ses points (t; x(t)). Le graphe d’une solution est appelé une courbe intégrale
ou trajectoire. L’image d’une solution est appelée une orbite.
x(t0 ) = x0 : (1.6)
x_ = f (t; x);
(1.7)
x(t0 ) = x0 ;
où t0 est la valeur initiale du temps, x0 est la valeur initiale donnée de la solution
inconnue x(t) et (t0 ; x0 ) 2 D.
Soit s et r des constantes strictement positives telles que le cylindre
est inclus dans le domaine D. Soit M = max(t;x)2R kf (t; x)k et = min(s; r=M ).
Ce problème admet une in…nité de solutions dé…nies sur R. En e¤et pour tous
0 et 0, la fonction x ; dé…nie par
8
< (t )3 si t < ;
x ; (t) = 0 si t ;
:
(t )3 si t > ;
R = f(t; x) 2 Rn+1 : jt t0 j s; kx x0 k r; k 0k lg
est inclus dans le domaine D. Soit M = max(t;x; )2R kf (t; x; )k. Soitt =
min(s; r=M ).
CHAPITRE 1. THÉORIE DES SYSTÈMES 6
dans le cylindre. Alors la solution x(t; ) de (1.10), qui est dé…nie dans [t0 ; t0 +
] B( 0 ; l), est continue par rapport à .
x_ = Ax + Bu
correspondant à l’entrée (ou terme forçant) u1 (t) et x2 (t) est une solution
correspondant à l’entrée u2 (t) alors 1 x1 (t) + 2 x2 (t) est une solution
correspondant à l’entrée 1 u1 (t) + 2 u2 (t).
Aucune de ses propriétés n’est vraie dans le cas non linéaire, comme on le
voit avec les exemples suivants.
Exemple 1 Considérons le système scalaire
x_ = x2 + u; x(0) = 0:
Alors on a
u1 (t) = 1 ) x1 (t) = th(t);
u2 (t) = 4 = 4u1 (t) ) x2 (t) = 2th(2t) 6= 4x1 (t):
Par conséquent le principe de superposition n’est pas vrai pour les systèmes non
linéaires.
Exemple 2 Considérons le système scalaire
x_ = x + x2 :
• + (x2
x 1)x_ + x = 0:
Lorsque jxj > 1 le terme (x2 1)x_ représente un frottement, alors qu’il représente
un apport d’énérgie lorsque jxj < 1. Ainsi les solutions ne peuvent ni tendre
vers 0 ni s’éloigner à l’in…ni. En vertu du théorème de Poincaré Bendixson, elles
tendent vers un cycle limite (voir [6], chapitre 2 pour les détails).
Exercice 1 Ecrire le système
x_ 1 = x2 x1 (x21 + x22 );
x_ 2 = x1 x2 (x21 + x22 );
Théorie de la stabilité
10
CHAPITRE 2. THÉORIE DE LA STABILITÉ 11
x_ = Ax (2.2)
@f
A= (x )
@x
la matrice jacobienne de f évaluée au point x . Le système linéaire
x_ = Ax (2.4)
et étudier sa stabilité.
CHAPITRE 2. THÉORIE DE LA STABILITÉ 13
V_ ( ; _ ) = _ 2;
donc l’origine est stable. On ne peut pas conclure en ce qui concerne la stabilité
asymptotique. Que peut-on conclure avec la fonction
1 _2 1 _
V ( ; _ ) = 2(1 cos ) + + ( + )2 :
2 2
2
Exercice 8 Montrer que la fonction V ( ; _ ) = 21 2 + 12 _ est une fonction de
Lyapounov pour le pendule avec frottement non linéaire considéré dans l’exercice
6. Conclusion ?
Exercice 9 Montrer que
x21
V (x1 ; x2 ) = + x22
1 + x21
CHAPITRE 2. THÉORIE DE LA STABILITÉ 14
On a
2
V_ (x1 ; x2 ) = 4 x21 + x22 x21 + x22 :
2
Soit l = . Alors l est la couronne
Comme le cercle M = fx21 + x22 = g est le seul ensemble invariant inclus dans
R = fx 2 l : V_ (x) = 0g, on en déduit que toutes les trajectoires issues de la
couronne l tendent vers M quand t ! 1.
CHAPITRE 2. THÉORIE DE LA STABILITÉ 15
x
• + b(x)
_ + c(x) = 0;
xb(
_ x)_ < 0 pour x_ 6= 0 et xc(x) < 0 pour x 6= 0:
V_ (x) = xb(
_ x):
_
x
•= c(x);
x 6= 0 ) xT P x > 0:
Si P est une matrice symétrique alors ses valeurs propres sont réelles et on
a
min
kxk xT P x max
kxk:
Pour véri…er qu’une matrice symétrique P est dé…nie positive, on peut utiliser
le critère de Sylvester (P est dé…nie positive si et seulement si tous ses mineurs
principaux sont positifs).
Considérons un système linéaire
x_ = Ax: (2.6)
Cette intégrale est bien convergente car toutes les valeurs propres de la matrice
A et donc aussi de sa transposée AT sont de partie réelle strictement négative.
La matrice P est dé…nie positive car
T
x 6= 0 ) 8s 0 esA x QesA x > 0 ) xT P x > 0:
Par ailleurs on a
Z +1 h i
T T
AT P + P A = AT esA QesA + esA QesA A ds:
0
Comme
d sA
e = AesA = esA A;
ds
CHAPITRE 2. THÉORIE DE LA STABILITÉ 17
on en déduit que
T T d sAT sA
AT esA QesA + esA QesA A = e Qe :
ds
Par conséquent
T s=+1
AT P + P A = esA QesA = Q:
s=0
Montrer que cette fonction V est aussi une fonction de Lyapounov, dans un
voisinage de l’origine que l’on précisera, pour le système non linéaire
x_ 1 = 4x2 + x22 ;
x_ 2 = 8x1 12x2 :
@f
A(x) = (x)
@x
la matrice Jacobienne de f . On suppose que la matrice
Pour la preuve il faut d’abord remarquer que A(x) est inversible pour tout
x 2 . En e¤et s’il existe x 2 et y 6= 0 tel que A(x)y = 0 alors y T A(x)T = 0
et
y T F (x)y = y T A(x)y + y T A(x)T y = 0;
donc F (x) n’est pas dé…nie positive, ce qui contredit l’hypothèse.
Comme A(x) est inversible pour tout x 2 on en déduit que f (x) est
inversible sur . Par conséquent pour tout x 2 on a
x 6= 0 ) f (x) 6= 0:
Par conséquent x = 0 est le seul équilibre dans . De plus
T
V (x) = f (x) f (x) > 0 sauf pour x = 0:
Par ailleurs, comme f_(x) = A(x)f (x), on a
V_ (x) = f_(x)T f (x) + f (x)T f_(x) = f (x)T F (x)f (x) 0;
et de plus
x 6= 0 ) V_ (x) < 0:
Donc le théorème de Lyapounov s’applique et permet de conclure que x = 0 est
asymptotiquement stable.
Exercice 13 Montrer que l’origine du système suivant est GAS.
x_ 1 = 6x1 + 2x2 ;
x_ 2 = 2x1 6x2 2x32 :
y_ = g(t; y);
il su¢ t de faire le changement de variable x(t) = y(t) p(t), alors x(t) est
solution (montrer le) de l’équation (2.9) avec
8" > 0 9 > 0 8t0 > a 8x(t) (kx(t0 )k < ) 8t t0 kx(t)k < "):
CHAPITRE 2. THÉORIE DE LA STABILITÉ 20
9r > 0 8" > 0 9T > 0 8t0 > a 8x(t) (kx(t0 )k < r ) 8t t0 +T kx(t)k < "):
On note par
Bt0 = fx(t0 ) : lim x(t) = 0g
t!1
le bassin d’attraction de l’équilibre à l’instant t0 .
– Dire que x = 0 est attractif équivaut à dire que pour tout t0 > a, le bassin
d’attraction est un voisinage de l’origine.
– Dire que x = 0 est globalement attractif équivaut à dire que pour tout
t0 > a le bassin d’attraction est Rn .
– Dire que x = 0 est uniformément attractif implique qu’il existe r > 0 tel
que pour tout t0 > a, B(0; r) Bt0 .
Exemple 6 Considérons l’équation scalaire
x_ = (t)x; t > a:
L’origine est stable mais pas attractive (montrer le). La stabilité est-elle
uniforme ?
– Si (t) = 1=(t + 1) et a = 1 alors
t0 + 1
x(t) = x(t0 ) :
t+1
L’origine est asymptotiquement stable mais pas exponentiellement stable.
Montrer que l’attractivé n’est pas uniforme. La stabilité est-elle uniforme ?
Ce théorème n’est pas d’une utilité pratique aussi grande que son analogue
dans le cas autonome, car on ne dispose pas de critère général pour étudier la
stabilité de l’origine du système linéaire non autonome (2.11). En particulier,
on ne peut rien conclure si les valeurs propres de la matrice A(t) restent dans
le demi plan négatif comme on le voit dans l’exemple suivant.
Exercice 14 Calculer les valeurs propres du système linéaire
1 e2t
x_ = :
0 1
2. Si de plus
V (t; x) V1 (x); (2.14)
alors la stabilité est uniforme.
3. Si de plus
V_ (t; x) W (x) < 0; sauf en x = 0; (2.15)
alors x = 0 est uniformément asymptotiquement stable.
4. Si de plus = Rn et V (t; x) ! 1 quand kxk ! 1, alors x = 0 est
globalement uniformément asymptotiquement stable.
Exercice 16 Soit x_ = A(t; x)x un système non linéaire dé…ni pour t > a et
x 2 , où est un voisinage de l’origine, tel que la matrice A dépend aussi de
la variable d’état x. On suppose qu’il existe > 0 tel que pour tout t > a, et
tout x 2 , les valeurs propres (t; x) de la matrice
Noter que cette propriété n’est pas vraie en génréral si la dérivée n’est pas
uniformément continue. Par exemple la fonction
t
g(t) = e sin e2t
a une limite quand t ! 1 (elle tend vers 0), mais sa dérivée ne tend pas vers 0
quand t ! 1.
Rappelons qu’une fonction h(t) est dite uniformément continue sur ]a; +1[
si et seulement si
8" > 0 9 > 0 8t1 > a 8t2 > a (jt1 t2 j < ) jh(t1 ) h(t2 )j < ")
Une condition su¢ sante pour qu’une fonction dérivable h soit uniformément
continue est que sa dérivée h_ soit bornée puisque d’après le théorème des ac-
croissement …nis on a alors
h(t1 ) _
h(t2 ) = h(c)(t 1 t2 ); avec t1 < c < t2 :
e_ = e + w(t);
_= ew(t):
est bornée dès que w(t) l’est. Donc V_ est uniformément continue et du Théorème
15 on déduit que V_ ! 0 quand t ! 1, c’est à dire que
lim e(t) = 0:
t!1
On ne sait pas si (t) tend vers 0. On sait seulement qu’elle reste bornée.
Chapitre 3
Théorie de la commande
x_ = f (x; u); x 2 Rn ; u 2 Rm ;
(3.1)
y = h(x); y 2 Rk :
où le vecteur x est le vecteur des états du système, le vecteur u celui des contrôles
(entrées) et le vecteur y celui des variables observées. Ce système est dit en
boucle ouverte et est représenté par le diagramme suivant.
u - x_ = f (x; u) -y
y = h(x)
24
CHAPITRE 3. THÉORIE DE LA COMMANDE 25
- x_ = f (x; u)
y = h(x)
u '$y
u = R(y)
&%
x_ = f (x; R(h(x))):
z_ = g(y; z);
u = R(z):
- x_ = f (x; u)
y = h(x)
u y
z_ = g(y; z)
u = R(z)
x_ = f (x; R(z));
z_ = g(h(x); z):
yd (t) = y ; t 0:
On a
@F @f @f
(0) = (0; 0) + (0; 0)K = A + BK:
@x @x @u
Donc x = 0 est asymptotiquement stable pour le linéarisé. Le Théorème 6 de
Lyapounov permet alors d’a¢ rmer que x = 0 est asymptotiquement stable pour
le système non linéaire x_ = F (x).
On ne sait rien sur la taille du bassin d’attraction. Cependant on peut mon-
trer qu’une fonction de Lyapounov du linéarisé x_ = (A + BK)x est aussi une
fonction de Lyapounov pour le système non linéaire dans un voisinage approprié
de l’origine et utiliser cette fonction de Lyapounov pour construire un bassin
d’attraction (voir exercice 12).
[f; g] = Lf g Lg f:
adf g = [f; g]
adkf g = [f; adkf 1
g]; k = 2; 3;
= fx 2 : h(x) = cg
T
alors, dans les variables d’état x = ; _; ; (n 1)
on a le système
2 3
x1
6 .. 7
6 7
x_ = 6 . 7
4 xn 5
f (x) + b(x)u
Cette forme rappelle la forme compagnon de Brunowski, ou forme canonique de
contrôlabilité, des systèmes linéaires. Si b(x) 6= 0, alors le contrôle
v f (x)
u= ; v= k0 x1 k1 x2 kn 1 xn ;
b(x)
permet de stabiliser l’origine du système en boucle fermée, à condition de choisir
les gains kj tels que les racines de l’équation caractéristique
n n 1
+ kn 1 + + k1 + k0 = 0
soient situées dans le demi plan Re < 0. Le problème est donc ramené à
l’écriture d’un système non linéaire sous la forme canonique de contrôlabilité.
CHAPITRE 3. THÉORIE DE LA COMMANDE 29
est dit linéarisable par bouclage (ou input-state linearizable) dans un domaine
de Rn s’il existe un changement de variable (di¤ éomorphisme dé…ni dans )
z = z(x) et un contrôle v = (x) + (x)u, (x) 6= 0 tels que dans les variables
z et v le système (3.5) s’écrit
On peut donc lui construire des lois de commande pour obtenir les comporte-
ments désirés.
Exemple 9 Considérons le système
x_ 1 = x3 x2 u
x_ 2 = x2 + u
x_ 3 = x2 x1 2x22 + 2x2 u
Considérons le changement de variables
z1 = x1 + x22 =2
z2 = x3 x22
z3 = x2 x1
On a alors
z_1 = z2 ; z_2 = z3 ; z_3 = x2 x3 + u(1 + x2 ):
Véri…er à titre d’exercice que le changement de variable est bien dé…ni si et
seulement si on a x2 6= 1. Montrer que l’ouvert = fx2 > 1g, est envoyé sur
l’ouvert 0 = fz1 + z3 > 1=2g et que la transformation inverse est dé…nie par
p
x1 = 1 p z3 + 1 + 2(z1 + z3 );
x2 = 1 + 1 + 2(z1 + z3 );
p 2
x3 = z2 + 1 + 1 + 2(z1 + z3 ) :
z2 = Lf z1 ; z3 = Lf z2 = L2f z1 ; ; zn = Lf zn 1 = Lnf 1
z1 ;
On a 2 3
x2
adf g(x) = [f; g](x) = 4 1 5;
x2 1
2 3
1
ad2f g(x) = [f; adf g](x) = 4 1 5:
2x2 1
CHAPITRE 3. THÉORIE DE LA COMMANDE 31
Comme on a
detM (x) = (1 + x2 )2 ;
on en déduit que le rang de M (x) est égal à 3 si et seulement si x2 6= 1.
Véri…ons la condition d’involution du système fg; adf gg. On a
0 1 0 1 2 3
0 1 0 0 1 0 0
[g; adf g](x) = @ 0 0 0 A g(x) @ 0 0 0 A adf g(x) = 4 0 5 :
0 1 0 0 2 0 1
(x) + (x) = 0;
x2 (x) (x) = 1:
On en déduit que
1 1
(x) = ; (x) = ;
1 + x2 1 + x2
qui sont bien dé…nies dans l’ouvert x2 6= 1. D’après le Théorème de Jacubczyk
et Respondek le système considéré est bien linéarisable. Pour trouver z1 il faut
résoudre le système d’EDP
@z1 @z1 @z1
x2 + + 2x2 =0
@x1 @x2 @x3
@z1 @z1 @z1
x2 + + (x2 1) =0
@x1 @x2 @x3
En soustrayant la deuxième équation de la première on obtient
@z1 @z1
(x2 + 1) =0) = 0:
@x3 @x3
Par conséquent z1 ne dépend pas de x3 et le système des deux EDP se réduit à
l’EDP
@z1 @z1
x2 + = 0:
@x1 @x2
CHAPITRE 3. THÉORIE DE LA COMMANDE 32
z1 = x1 + h(x2 ):
On obtient l’équation
x22
x2 + h0 (x2 ) = 0 ) h(x2 ) = + Constante:
2
Par conséquent on peut prendre
x22
z1 = x1 + :
2
Les composantes z2 et z3 ainsi que le contrôle v s’obtiennet alors par dérivations
successives.
Exercice 17 Linéariser, si cela est possible, les systèmes suivants. On précisera
dans chaque cas l’ouvert dans lequel le changement de variables est dé…ni.
1: x_ 1 = x1 + x2 ; x_ 2 = x22 + u:
2: x_ 1 = x2 + x3 ; x_ 2 = x3 ; x_ 3 = x21 + sin x2 + u:
x2
3: x_ 1 = e u; x_ 2 = x1 + x2 + ex2 u;
2
x_ 3 = x1 x2 :
4: I q•1 + M gL sin q1 + k(q1 q2 ) = 0; J q•2 k(q1 q2 ) = u:
2
5: r• + G sin r _ = 0; • = u:
33