I NSTITUT S UPÉRIEUR DES S CIENCES A PPLIQUÉES

ET DE T ECHNOLOGIE DE S OUSSE

AUTOMATIQUE DES S YSTÈMES L INÉAIRES

Notes de cours et TD

Préparé par
ATEF KHEDHER

F ILIÈRE
Mastère de Recherches MRSEE
Niveau
P REMIÈRE ANNÉE

2022-2023
 Table des matières

Partie I Notes de cours

1 Systèmes linéaires continus 2

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Représentation d’état des systèmes linéaires 4

2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Equation d’état linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Obtention d’une représentation d’état . . . . . . . . . . . . . . . . . . . . . . 5
2.4 Passage du modèle d’état à la fonction de trasnfert . . . . . . . . . . . . . . . 8
2.5 Passage d’une représentation d’état à une autre . . . . . . . . . . . . . . . . . 8

3 Réponse d’un modèle d’état 9

3.1 Solution du modèle d’état . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Calcul de eAt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Réponses aux signaux canoniques . . . . . . . . . . . . . . . . . . . . . . . . 11

4 Stabilité des modèles d’état 12

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.3 Stabilité d’un état d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.4 Critères de stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
 Table des matières

5 Commandabilité et observabilité 16
5.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.2 Critère de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.3 Critères s’appliquant aux formes de Jordan . . . . . . . . . . . . . . . . . . . 17

6 Commande par retour d’état 18

6.1 Notion de retour d’état . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.2 Placement de pôles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.3 Performances statiques et retour d’état : la précommande . . . . . . . . . . . . 20

7 Commande par retour d’état estimé 22

7.1 Principe d’un observateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
7.2 Synthèse d’observateur pour un système linéaire certain . . . . . . . . . . . . 23
7.3 Observateurs à entrées inconnues . . . . . . . . . . . . . . . . . . . . . . . . 24
7.4 Conditions de convergence de l’observateur . . . . . . . . . . . . . . . . . . . 25
7.5 Synthèse de commande par retour d’état estimé . . . . . . . . . . . . . . . . . 26

Partie II Travaux dirigés

1 28

2 30

iii Atef KHEDHER

Première partie

Notes de cours
 Systèmes linéaires continus
1
1.1 Introduction
L’automatique est une discipline scientifique qui vise à conférer à un dispositif donné, appelé
système, des propriétés souhaitées sans aucune intervention humaine. En effet, l’automatique per-
met d’analyser le comportement statique ou dynamique d’un système (en étudiant ses grandeurs
de sortie), en modifiant de façon adaptée les grandeurs d’entrée. Cette analyse peut avoir plusieurs
objectifs tels que ; la commande, l’identification, le diagnostic ou la prise de décision
Un système automatique peut fonctionner normalement de façon autonome sans aucune inter-
vention humaine. En effet, la tache de l’opérateur se limitera à l’alimentation en matière première
et en énergie et à la surveillance des processus. Les système automatiques sont largement utilisés
quotidiennement tel que les ascenseurs, les climatiseurs, les machines à laver etc.

1.2 Définitions
Définition 1.1 : Système Un système est une combinaison de composants interconnectés pour
atteindre un objectif, rendre un service à un ou plusieurs opérateurs humains.

Définition 1.2 : Système automatique Tout système automatique est caractérisé par ses entrées
et ses sorties. Les entrées sont les grandeurs agissant sur le système lui même. Les grandeurs
d’entrées peuvent être maîtrisées (commandes) ou non maîtrisées (perturbations). L’analyse des
grandeurs de sortie permet d’étudier le comportement des systèmes.

Définition 1.3 : Système dynamique Un système dynamique est un système dont l’étude ne peut
être réalisée qu’en prenant en compte les valeurs passées du phénomène. Les grandeurs de sortie
dépendent des valeurs présentes et passées des grandeurs d’entrées.

Définition 1.4 : Système continu Un système est dit continu lorsque les variations des grandeurs
physiques le caractérisant sont des fonctions du type f (t) avec t une variable continue (en général
le temps).

Définition 1.5 : Système discret Un système est dit discret lorsque les variations des grandeurs
physiques le caractérisant ne peuvent avoir que des valeurs distinctes. La période entre ces valeurs
étant fixe.
 Chapitre 1. Systèmes linéaires continus

Définition 1.6 : Système à événements discrets Un système à événements discrets est un système
dont l’évolution est caractérisée par ls événements et non pas par le temps.

Définition 1.7 : Système linéaire Un système linéaire est un système pour lequel les relations
entre les grandeurs d’entrée et de sortie peuvent se mettre sous la forme d’un ensemble d’équations
différentielles linéaires à coefficients constants.

Remarque 1.1 Les systèmes linéaires se caractérisent principalement par le principe de superpo-
sition. Ce principe peut être illustré par la figure suivante :

e1(t) s1(t)
e2(t) s2(t)
Système linéaire
ae1(t)+b e2(t) as1(t)+b s2(t)

F IGURE 1.1 – Description du principe de superposition

3 Atef KHEDHER
 Représentation d’état des systèmes linéaires
2
2.1 Définitions
Définition 2.1 : Etat : L’état d’un système dynamique est le plus petit ensemble de variables
(grandeurs) tel que la connaissance de cet ensemble à l’instant t = t0 ainsi que celle du signal
d’entrée pour t ≥ 0 suffit pour déterminer complètement le comportement du système pour t ≥ 0.
L’évolution de l’état avant t0 n’influe pas sur son évolution après t0.
Définition 2.2 : Variable d’état : Ce sont les variables (grandeurs) qui constituent l’état dus sys-
tème. Le nombre n de ces variables est l’ordre du système. Ces variables sont notées x1 , ..., xn et
l’ensemble {x1 , ..., xn} représente l’état du système. Les variables d’état peuvent ne pas corres-
pondre à des grandeurs physiques accessibles dans le système. Elle représentent dans ce cas des
variables mathématiques.
Définition 2.3 : Vecteur d’état : Le vecteur d’état est un vecteur colonne regroupant tous les
variables d’état du système x = [x1 ...xn]T
Remarque 2.1 On confond généralement les mots état et vecteur d’état.
Définition 2.4 : Espace d’état : C’est l’espace vectoriel dans lequel le vecteur d’état peut évoluer,
chaque instance de x étant associée à un point de cet espace. Cet espace est donc Rn
Remarque 2.2 La représentation d’état est appelée aussi modélisation dans l’espace d’état.
Remarque 2.3 Le vecteur d’état n’est pas unique. Pour que x soit effectivement un vecteur d’état,
il faut que chaque variable d’état apparaîsse de manière explicite ou implicite sous forme dérivée
dans les équations décrivant le système. Dans le cas contraire, il sera difficile de se servir de cette
variable pour prévoir l’évolution du système.

2.2 Equation d’état linéaire

A tout système linéaire continu, sont associées les équations matricielles suivantes :
(
ẋ(t) = Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)
Dans le cas des systèmes stationnaires, les matrices A, B, C et D ne dépendent pas du temps.
 Chapitre 2. Représentation d’état des systèmes linéaires

2.2.1 Terminologies
– A ∈ Rn∗n est la matrice d’état
– B ∈ Rn∗m est la matrice de la commande ou d’entrée
– C ∈ R p∗n est la matrice de sortie
– D ∈ R p∗m est la matrice de transmission directe
– x ∈ Rn est le vecteur d’état
– u ∈ Rm est la commande ou l’entrée du système
– y ∈ R p est la sortie du système
Remarque : Dans le cas où m = p = 1, c’est à dire le système présente une seule entrée et une
seule sortie, le système est dit monovariables. Sinon, le système est dit multivariable.

2.2.2 Schéma bloc d’une représentation d’état

Une représentation d’état peut être décrite par le schéma bloc suivant :

F IGURE 2.1 – Schéma bloc de la représentation d’état

2.2.3 Choix des variables d’état

– Il est recommandé de choisir les variables d’état ayant un sens physique et accessibles aux
mesures pour une meilleure compréhension du comportement du système. Ceci n’est pas
évident dans certains cas et ces variables peuvet être purement théoriques.
– Si les équations d’état découlent de l’équation différentielle ou de la fonction de transfert, le
nombre des variables d’état est fixé par leurs ordres.
– Si les équations d’état découlent des équations physiques, il faut bien choisir les variables
d’état de sorte de ne pas avoir des variables rédondantes ou d’oublier certaines variables.

2.3 Obtention d’une représentation d’état

Il est toujours possible de passer d’une équation différentielle ou d’une fonction de transfert à
un modèle d’état.

5 Atef KHEDHER
 Chapitre 2. Représentation d’état des systèmes linéaires

2.3.1 A partir de l’équation différentielle

Une équation différentielle linéaire d’ordre n s’écrit d’une manière générale comme suit :
dy(t) d n y(t) du(t) d m u(t)
a0 y(t) + a1 + · · · + an = b 0 u(t) + b 1 + · · · + b m
dt dt n dt dt m

2.3.1.1 Premier cas m = 0

On suppose également que an = 1 (on peut toujours diviser par an si an 6= 1. On prend :
dy(t) d 2 y(t) d n−1 y(t)
x1 = y ; x2 = ; x3 = ; · · · xn =
dt dt 2 dt n−1
On obtient les matrices suivantes :
   
0 1 0 ··· 0 0
 0
 0 1 ··· 0 


 0 

 .. . . . ..   ..   
A= . .
. .
. . . . ; B= . ; C= 1 0 0 ··· 0 ; D=0
   
 0 0 0 ··· 1   0 
−a0 −a1 −a2 · · · −an−1 b0

2.3.1.2 Deuxième cas m 6= 0

On suppose que m = n. En effet, si m < n, on considère b j = 0 ∀ j | m < j < n et an = 1
On définit : 
 β n = bn ,

j−1
 βn− j = bn− j − ∑ an− j+k βn−k
 ∀ j ∈ {1, · · · , n}
k=0
Les variables d’état peuvent être choisies comme suit :
x1 = y − βn u



x = ẋ1 − βn−1 u



 2

x3 = ẋ2 − βn−2 u

 ..

 .



xn = ẋn−1 − β1 u
On obtient les matrices suivantes :
   
0 1 0 ··· 0 βn−1
 0
 0 1 ··· 0 


 βn−2 

 .. . . . .. ..  
D = βn
. . .   
A= . . . . . ; B= . ; C= 1 0 0 ··· 0 ;
   
 0 0 0 ··· 1   β1 
−a0 −a1 −a2 · · · −an−1 β0

2.3.2 A partir de la fonction de transfert

2.3.2.1 Réalisation digonale ou quasi diagonale de Jordan
On considère la fonction de transfert donnée sous la forme suivante où an = 1
N(p) N(p) N(p)
G(p) = = n = n
D(p) p + an−1 p n−1 + · · · + a1 p + a0 ∏i−1 (p − λi )

6 Atef KHEDHER
 Chapitre 2. Représentation d’état des systèmes linéaires

2.3.2.1.1 Cas des pôles distincts Dans le cas où tous les pôles λi , i = 1, ..., n sont distincts, on
réalise la décomposition en élément simple de Y (p) = G(p)U (p) et on obtient :
n
αi
Y (p) = ∑ ( U (p))
i=1 | p − λ{z
i
}
Xi (p)

Ceci permet d’écrire :

pXi (p) = αiU (p) + λi Xi (p)
En appliquant la transformée de Laplace inverse L −1 , on obtient :

ẋi = αi u + λi xi

En considérant le vecteur d’état x = [x, · · · , xn ] on obtient les matrices suivanttes :

   
λ1 0 · · · 0 α1
 0 λ2 · · · 0   α2   
   
A =  .. .. . . ..  ; B =  ..  ; C = 1 1 · · · 1 ; D = 0
 . . . .   . 
0 0 · · · λn αn

La matrice A étant diagonale, cette forme est dite diagonale.

2.3.2.1.2 Cas des pôles multiples Supposons que la fonction de transfert présente un seul pôle
λ de multiplicité égale à n, la décomposition en élément simple de Y (p) = G(p)U (p) s’écrit :
n
U (p)
Y (p) = G(p)U (p) = ∑ αi
i=1 (p − λ)i
| {z }
Xn+1−i (p)

le premier terme s’écrit donc :

U (p)
Xn (p) =
p−λ
En appliquant la transformée de Laplace inverse L −1 , on obtient :

ẋn = u + λxn

Les autres termes s’écrivent :

U (p) X j (p) L−1
X j−1 (p) = = −−→ ẋ j−1 = λx j−1 + x j , ∀ j ∈ {2, · · · , n}
(p − λ) j p−λ
En considérant le vecteur d’état x = [x, · · · , xn ] on obtient les matrices suivanttes :
 
λ 1 ··· ··· 0 
0

.
 0 λ .. ··· 0 
  
 0 

 . . . 
. . ..  ; B =  ..  
αn αn−1 · · · α2 α1 ;
. . . 
A=  . . . . .   .; C= D=0
 
 0 0 ··· ... 1 
   0 
0 0 ··· ··· λ 1

2.3.2.1.3 Formes compagnes

7 Atef KHEDHER
 Chapitre 2. Représentation d’état des systèmes linéaires

Forme compagne horizontale : Elle est décrite par les matrices suivantes
   
0 1 0 ··· 0 0
 0
 0 1 · · · 0 

 0 
 
 .. . . . .   .   
A= . .
. .
. . . .
.  ; B =  ..  ; C = b0 b1 · · · bm 0 · · · 0 ; D = 0
   
 0 0 0 ··· 1   0 
−a0 −a1 −a2 · · · −an−1 1

Forme compagne verticale Elle est décrite par les matrices suivantes
   
−an−1 1 · · · · · · 0 0
.  .. 
 −an−2 0 . . · · ·

0 
  . 
 
A=
 .. .. . . . . ..  ; B =  0  ; C =  1 0 · · · · · · 0  ;

D=0
. . . . .   
  bm 

 −a1 0 · · · . ..   . 
1   .. 
−a0 0 · · · · · · 0 b 0

Remarque 2.4 Dans le cas où m = n, la fonction de transfert G(p) peut s’écrire :

N(p) Q(p)
G(p) = = + R = G pr (p) + R
D(p) D(p)
Où G pr (p) est une fonction de transfert strictement propre et pour laquelle on peut utiliser les
méthodes présentées précédemment.

2.4 Passage du modèle d’état à la fonction de trasnfert

En applicant la trasformé de Laplace à l’équation d’état on obtient :
( (
ẋ(t) = Ax(t) + Bu(t) L pX (p) = AX (p) + BU (p)
−→ ⇐⇒ X (p) = (pI − A)−1 BU (p)
y(t) = Cx(t) + Du(t) Y (p) = CX (p) + DU (p)
En supposant que les conditions initiales sont nulles, on obtient :
G(p) = C(pI − A)−1 B + D
Le dénominateur de la fonction de transfert D(p) est donné par :
D(p) = det(pI − A)

2.5 Passage d’une représentation d’état à une autre

On peut passer d’une représentation d’état à une autre en effectuant un changement de base
dans l’espace d’état Rn . En effet, en considérant l’équation d’état suivante :
(
ẋ(t) = Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)
et en supposant que : x = Mz, on peut écrire :
(
ż(t) = M −1 AMz(t) + M −1Bu(t)
y(t) = CMz(t) + Du(t)
On note : Ã = M −1 AM, B̃ = M −1 B et C̃ = CM.

8 Atef KHEDHER
 Réponse d’un modèle d’état
3
3.1 Solution du modèle d’état
Un modèle d’état linéaire autonome s’écrit :
ẋ(t) = Ax(t), x(t0 ) = x0
.
La solution de cette équation s’écrit :
x(t) = eA(t−t0 ) x(t0 )
où t = t0 est l’instant initial. L’équation d’état s’écrit en général :
ẋ(t) = Ax(t) + Bu(t)
la solution de cette équation s’écrit :
t A(t−τ) R
x(t) = eA(t−t0 ) x(t0 )+ t0 e Bu(τ)dτ
Etat à l’instant t Solution du régime libre Contribution des entrées (convolution)

et par suite la sortie du système s’écrit :

Z t

A(t−t0 ) A(t−τ)
y(t) = Ce x(t0 ) +C e Bu(τ)dτ + Du(t)
t0

Remarque 3.1 – Le terme CeA(t−t0 ) x(t0 ) ne dépend que du modèle du système et du temps
initial, il correspond
R t A(t−τ)
au régime libre.
– Le terme C( t0 e Bu(τ)dτ) + Du(t) correspond à la réaction du système à l’entére u(t) :
c’est le régime forcé.

3.2 Calcul de eAt

3.2.1 Méthode des séries
Cette méthode utilise le développement en série suivant de la fonction expnentielle.
∞
(At)i
eAt = ∑
i=0 i!
 Chapitre 3. Réponse d’un modèle d’état

Le théorème de Cayley-Hamilton peut être utilisé pour calculer les puissances de A . En effet, ce
thérème stipule que la matrice A vérifie son propre polynôme caractéristique. Il vient donc :
n
P(A) = ∑ ai Ai = 0 avec an = 1
i=1

On obtient donc :
n−1
An = − ∑ a i Ai = 0
i=1

Remarque 3.2 Lorsque le calcul est effectué manuellement, cette méthode n’est envisageable que
pour des matrices nilpotentes c’est-à-dire des matrices pour lesquelles il existe un k fini tel que
Al = 0 quel que soit l > k.

3.2.2 Méthode de la Transformée de Laplace

Si x(t) = eAt x0 On obtient par application de la Transformée de Laplace :

pX (p) = AX (p) + x0 ⇐⇒ X (p) = (pI − A)−1 x0 ⇐⇒ x(t) = L −1 [(pI − A)−1 ]x0

L’exponentielle de la matrice s’écrit donc :

eAt = L −1 [(pI − A)−1 ]

3.2.3 Méthode des modes

Si la matrice A diagonalisable de la manière suivante A = MJM −1 où J est une matrice diago-
nale on obtient :
Ak = MJ k M −1
Si on pose :  
λ1 · · · 0
J =  ... . . . ... 
 
0 · · · λn
L’exponentielle de la matrice s’écit :
 
eλ1t · · · 0
eAt = M  ... . . . ..  M −1

. 
λ
0 · · · e nt

Si la matrice J n’est pas strictement diagonale et s’écrit sous la forme suivante :

 
λk 1 · · · · · · 0
.
 0 λk . . · · · 0 
 
 . .. . . . . .. 
J = blocdiag {J1 ; ...; Jn} avec : Jk = 
 .
. . . . . 

 0 0 ··· ... 1 
 

0 0 · · · · · · λk

10 Atef KHEDHER
 Chapitre 3. Réponse d’un modèle d’état

L’exponentielle de la matrice s’écrit :

 
t2 t nk −1 t nk
1 t 2! ··· (nk −1)! nk !
 
t nk −2 t nk −1

 0 1 t ··· (nk −2)! (nk −1)!


 
λk t  t nk −3 t nk −2 
eAt = MeJt M −1 = Mblocdiag eJk t M −1 avec eJk t = e  0 0 1 ··· (nk −3)! (nk −2)!


 .... .. .. .. .. 

 . . . . . . 

 0 0 0 ··· 1 t 
0 0 0 ··· 0 1

3.3 Réponses aux signaux canoniques

3.3.1 Réponse impulsionnelle
En prenant D = 0, la réponse d’un modèle d’état à une impulsion de Dirac δ(t) est donnée par :
y(t) = CeAt (x0 + B)

3.3.2 Réponse indicielle

En prenant D = 0, la réponse d’un modèle d’état à un échelon unitaire u(t) est donnée par :
y(t) = CeAt (x0 + A−1 B) −CA−1 B
Le régime permanent est donné par :−CA−1 B

3.3.3 Réponse harmonique

En prenant D = 0, la réponse d’un modèle d’état à une excitation sinusoidale u(t) = Umsin(wt) =
Im(Ume jwt ) est donnée par :
Z t 
At A(t−τ) jwt
y(t) = Ce x0 + Im Ce BUm e dτ
0
h it 
At At ( jwI−A)τ −1
y(t) = Ce x0 + Im Ce e ( jwI − A) BUm
0
 
y(t) = CeAt x0 + Im CeAt (e( jwI−A)t − I)( jwI − A)−1 BUm
   
y(t) = CeAt x0 − Im( jwI − A)−1 BUm + Im C( jwI − A)−1 BUm e jwt
Le régime permanant est donné par :
   
y∞ = Im C( jwI − A)−1 BUm e jwt = Im G( jw)Um e jwt
On définit donc :
– Le gain harmonique : ρ(w) = |G( jw)|
– Le déphasage harmonique : φ(w) = arg(G( jw)
Ceci permet d’écrire l’expression du régime permanent sous la forme suivante :
y∞ = Im(ρ(w)e jφ(w)Um e jwt )
y∞ = Im(ρ(w)Um e j(wt+φ(w)) )
On obtient finalement :
y∞ = ρ(w)Um sin(wt + φ(w))

11 Atef KHEDHER
 Stabilité des modèles d’état
4
4.1 Introduction
Un système linéaire est stable si, pour une entrée bornée sa sortie est aussi bornée. En effet,
un système stable tend à revenir à son état d’équilibre suite à chaque légère perturbation. En auto-
matique on a toujours intérêt à manipuler des systèmes stables car dans le cas contraire, la sortie
du système diverge et le système peut devenir incontrôlable. La figure 6.1 montre le différentes
allures des réponses indicielles possibles des systèmes linéraies selon qu’ils soient stables ou non.

F IGURE 4.1 – Exemples de réponses indicielles

4.2 Définition
Définition 4.1 satbilité BIBO : Un système est stable au sens BIBO (ou au sens entrée/sortie) ssi,
quel que soit l’état inital x0 = x(0), pour toute entrée u bornée, la sortie y l’est aussi.
Remarque 4.1 La stabilité BIBO est une manière d’envisager la stabilité d’un système au sens de
son comportement entrée/sortie c’est-à-dire dans ses interactions avec l’environnement extérieur.
C’est une stabilité externe. Dans ce qui suit, la stabilité est étudiée sur le modèle d’état qui est un
modèle interne. C’est une stabilité interne.

4.3 Stabilité d’un état d’équilibre

Pour étudier la stabilité d’un système, il faut d’abord définir la notion d’état d’équilibre et celle
de stabilité d’un état d’équilibre.
 Chapitre 4. Stabilité des modèles d’état

4.3.1 Définition et recherche d’un état d’équilibre

Un système se trouve dans un état d’équilibre si cet état n’est pas modifié lorsque le système
est abandonné à lui-même. Un tel état se détermine en posant u = 0 (« livré à lui-même ») et ẋ = 0
(« pas modifié »). La recherche des états d’équilibre possibles revient à résoudre l’équation :
Ax = 0
Il peut exister un ou plusieurs états d’équilibre selon le rang de A.
– Si rang(A) = n ⇔ det(A) 6= 0 (ceci signifie que A n’a pas de valeur propre nulle) et le seul
point d’équilibre est l’origine xe = 0.
– Si rang(A) < n ⇔ det(A) = 0 (ceci implique l’existence d’au moins une valeur propre nulle
de A) alors il existe une infinité d’états d’équilibre.
Remarque 4.2 Même s’il est plus rigoureux de parler de stabilité d’un état d’équilibre, cette
stabilité dépend de la matrice A. On parle donc toujours de la stabilité du système.

4.3.2 Stabilité
Définition 4.2 – Un état d’équilibre est dit asymptotiquement stable si, lorsque le système est
écarté de cet état sous l’effet d’une perturbation, il y revient (en un temps infini).
– L’état d’équilibre est dit instable, si après perturbation, le système s’en éloigne davantage.
– L’état d’équilibre est dit simplement stable si après perturbation, le système reste dans un
voisinage du point d’équilibre.
Pour illustrer ces trois cas, on décrit l’état d’équilibre d’une bille dans trois positions différentes
comme le montre la figure suivante.

F IGURE 4.2 – Etats d’équilibre possibles

4.4 Critères de stabilité

4.4.1 Critère des racines
La réponse du système autonome est x(t) = eAt x0 . Si on décompose la matrice de passage M
qui diagonalise ou Jordanise A et son inverse M −1 de la façon suivante :
 
ω1
M = ϑ1 · · · ϑn et M −1 =  ... 
   
ωn

alors on peut exprimer x(t) de deux façons, selon l’ordre de multiplicité des valeurs propres de A.

13 Atef KHEDHER
 Chapitre 4. Stabilité des modèles d’état

– Si les valeurs propres de A sont disctinctes alors :

!
n n
x(t) = ∑ ϑi ωi x0 eλit = ∑ Nieλit x0
i=1 i=1
– Si les valeurs propres de A sont multiples alors :
en supposant que J fait apparaître r valeurs propres différentes et p ≥ r blocs de Jordan :
 n −1

t2 t nk
1 t 2! · · · (nt k−1)! nk !
 k 
 0 1 t · · · t nk −2 t nk −1 
 (nk −2)! (nk −1)! 
 t nk −3 t nk −2 
eJt = blocdiag eJk t avec eJk t = eλk t  0 0 1 · · · (nk −3)! (nk −2)!  , ∀k
  
 .. .. .. . . .. .. 
 . . .
 . . . 

 0 0 0 ··· 1 t 
0 0 0 ··· 0 1
Ceci conduit à déduire que x(t) répond à la formulation suivante :
!
r
x(t) = MeJt M −1 = ∑ Nieλit x0
i=1

4.4.1.1 rang(A) = n
Dans ce cas, il n’existe qu’un point d’équilibre qui est l’origine de l’espace d’état. La stabilité
de l’origine est la même que la stabilité du système. Trois cas se présentent :
– Re(λ i ) < 0∀i : le système est asymptotiquement stable ;
– ∃ j Re(λ j ) > 0 le système est instable ;
– ∃ j Re(λ j ) = 0 et Re(λi ) < 0∀i
– λ j = 0impossible par hypothèse
– λ j,l = ± jw ⇒ comportement oscillatoire d’amplitude constane (système juste stable ou
juste instable)

4.4.1.2 rang(A) < n

Dans ce cas, il existe plusieurs états d’équilibre dont l’origine. Comme au moins une valeur
propre est nulle, la stabilité asymptotique est impossible. Deux cas se présentent.
– ∃ j Re(λ j ) > 0 le système est instable ;
– ∄ j Re(λ j ) > 0
– Les blocs de Jordan relatifs aux valeurs propres de partie réelle nulle sont tous scalaires
⇒ le système est simplement stable ;
– Il existe un bloc de Jordan non scalaire associé à une valeur propre à partie réelle nulle ⇒
le système est instable ;
Remarque 4.3
– Si A possède une valeur propre à partie réelle strictement positive et si l’on suppose que
l’entrée u(t) est nulle, tout état initial x0 conduit à un état non borné (une sortie non bornée).
– Si A ne possède que des valeurs propres négatives, dès lors que u(t) est un signal borné,
tous les termes de la réponse x(t), et ceux de y(t), convergent vers une valeur finie.
– Le système décrit par une représentation d’état d’ordre n et de fonction de transfert G(p)
d’ordre n est BIBO-stable s’ il est asymptotiquement stable. Il est BIBO instable s’il est
instable de mnière interne.

14 Atef KHEDHER
 Chapitre 4. Stabilité des modèles d’état

– A propos de la non-équivalence des instabilités interne et externe : un intégrateur 1/p est-il

instable ? On l’entend souvent dire mais est-ce exact ? La réponse est oui et non. Si l’on
applique le critère des racines, un intégrateur est un modèle d’ordre 1 ayant un pôle nul
unique donc le bloc de Jordan associé est scalaire. Le système est donc simplement stable
mais non asymptotiquement stable. En revanche il est BIBO-instable puisqu’il répond à un
échelon par une rampe ce qui est logique puisque la BIBO-stabilité est équivalente à la
stabilié asymptotique. En résumé : Un intégrateur est stable au sens de la stabilité interne
et instable au sens de la stabilité externe.
– On peut noter en revanche qu’un double intégrateur 1/p2 est instable de manière interne
comme de manière externe.

4.4.1.3 Marges de stabilité

Soit un système asymptotiquement stable. Les valeurs propres de A sont toutes à partie réelle
strictement négative. Les marges absolue et relative de stabilité sont définies ainsi :
– Marge de stabilité absolue : distance minimale, dans le plan complexe, entre un point dont
l’affixe est une valeur propre de A et l’axe imaginaire. Mathématiquement, elle s’exprime
comme suit :
σ = min |Re(λi )|
i
– Marge de stabilité relative : angle minimal, dans le plan complexe, formé par l’axe ima-
ginaire et par l’axe reliant l’origine et un point dont l’affixe est une valeur propre de A.
Mathématiquement, elle s’exprime comme suit :
  
Re(λi )
ψ = min A tan
i Im(λi )
La marge absolue quantifie la stabilité asymptotique alors que la marge relative est liée aux pôles
complexes donc permet de quantifier le caractère plus ou moins oscillatoire induit par les pôles et
est, à ce titre, reliée au coefficient d’amortissement. Ces marges sont illustrée sur la figure suivante :

F IGURE 4.3 – Marges de stabilité

4.4.2 Méthode de Lyapunov

Si on s’intéresse à la stabilité du système ẋ = Ax, la seconde méthode de Lyapunov montre
que ce système est stable s’il existe une fonction de Lyapunov quadratique V = xT Px > 0 tel quel
V̇ < 0∀x 6= 0 où P = PT > 0 On a :
V̇ < 0 ⇐⇒ xT (AT P + PA)x < 0∀x 6= 0 ⇐⇒ AT P + PA < 0
D’où : Un modèle d’état linéaire est asymptotiquement stable s’il existe une matrice symétrique
définie positive P tel que
AT P + PA < 0

15 Atef KHEDHER
 Commandabilité et observabilité
5
5.1 Définitions
Soit le modèle d’état linéaire suivant :
(
ẋ(t) = Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)
où l’état initial est à une valeur quelconque x0 = x(t0 ) et on prend (D = 0).

5.1.1 Commandabilité ou gouvernabilité

Définition 5.1 Le modèle est commandable ou gouvernable si pour toute instance x1 du vecteur
d’état, il existe un signal d’entrée u(t) d’énergie finie permettant au système de passer de l’état x0
à l’état x1 en un temps fini.
Remarque 5.1 Il est possible que, si la commandabilité n’est pas vérifiée sur tout le vecteur d’état,
elle puisse néanmoins l’être sur une partie de ses composantes. L’on dit alors des variables d’état
concernées que ce sont les états commandables du système.
Remarque 5.2 La commandabilité peut être vue comme la possibilité de modifier les dynamiques
d’un modèle en agissant sur ses entrées. Cette propriété ne se réfère qu’à l’état et à l’entrée du
système. Elle ne dépend donc que des matrices A et B.

5.1.2 Observabilité
Définition 5.2 Le modèle est observable si, quel que soit t0, il existe un intervalle de temps fini
[t0,t1 ] tel que la connaissance de l’entrée u(t) et de la sortie y(t) sur cet intervalle permet de
reconstituer x(t0).
Remarque 5.3 Il est possible que cette propriété ne se vérifie que pour une partie du vecteur
d’état que constituent alors les états observables du système.
Le système est dit détectable si ses pôles non observables appartiennent tous au demi-plan gauche
ouvert. Un système observable est donc détectable.
Remarque 5.4 La définition de l’observabilité ne fait pas d’hypothèse sur l’entrée. Elledécrit la
capacité d’un système à révéler l’historique de son vecteur d’état au travers de celui de ses sorties.
Elle ne dépend que des matrices A et C.
 Chapitre 5. Commandabilité et observabilité

5.2 Critère de Kalman

5.2.1 Commandabilité
Théorème 5.1 La paire de matrices (A, B) est commandable si et seulement si :
 
rang(C) = n où C = B AB · · · An−1 B

5.2.2 Observabilité
Théorème 5.2 La paire de matrices (A, C) est observable si et seulement si :
 
C
 CA 
 
rang(O) = n où O =  .. 
 . 
CA n−1

5.3 Critères s’appliquant aux formes de Jordan

5.3.1 A diagonalisable
Dans ce cas, il existe une matrice de passage M permettant d’obtenir le modèle d’état suivant :
    

 λ 1 0 · · · 0 b 1


  0 λ2 · · · 0   b2 
 ẋ =    
 .. .. . . ..  x +  ..  u
 . . . .   . 
0 0 · · · λn



 bn

  
y = c1 c2 · · · cn + Du
Dans ce cas, on peut assimiler la commandabilité d’un mode λi à celle de la composante xi du
vecteur d’état associé. Il en est de même pour l’observabilité. Clairement, sur cette forme diagonale
simple, on voit qu’on peut agir sur xi lorsque la composante bi est non nulle de même qu’on peut
constater une évolution de xi si la composante ci est non nulle. Le mode λi est commandable
(respectivement observable) si et seulement si bi 6= 0 (resp. ci 6= 0 par dualité).

5.3.2 A non diagonalisable

On considère le cas où le système est décrit par le modèle suivant :
  

 λ 1 ··· ··· 0 
b

 1
 .
 0 λ .. ··· 0 

    b2 

    
 ẋ =  .. .. . . . . . . ..  x + 
 .. 
 . . .   .


u
 . .
  b n−1 


  0 0 ··· . 1 


 0 0 ··· ··· λ bn


y =  c c ··· c
 
1 2 n−1 cn + Du

Le mode λ associée à un unique bloc de Jordan est commandable (respectivement observable) si

et seulement si bn 6= 0 (resp. c1 6= 0). Dans le cas où plusieurs blocs de Jordan lui sont associés, il
ne peut être ni commandable, ni observable.

17 Atef KHEDHER
 Commande par retour d’état
6
6.1 Notion de retour d’état
Le retour d’état est le moyen le plus classique d’envisager la commande d’fun système mo-
délisé par une repréesentation d’état. Il suppose que toutes les composantes xi du vecteur d’état x
sont accessibles à la mesure. Une loi de commande possible est la suivante

u(t) = Hyc (t) + Kx(t)

où K ∈ Rn est un vecteur ligne de n composantes appelé vecteur de retour d’état,H est un scalaire
dit de précommande et yc est la consigne, c’est-à-dire l’entrée du système en boucle fermée.

Remarque 6.1 Ce type de loi de commande ne correspond plus au schéma d’asservissement clas-
sique mais à un nouveau schéma de commande présenté à la figure suivante :

F IGURE 6.1 – Schéma d’asservissement

6.2 Placement de pôles

Le placement de pôles consiste à déterminer K de sorte que le système ait les pôles désirés
ou, plus rigoureusement, de sorte que la matrice d’état en boucle fermée ait les valeurs propres
spécifiées. Ceci permet d’agir de manière significative sur le comportement transitoire du système,
en termes de temps de réponse, d’oscillations, etc. En considérant la loi de commande par retour
 Chapitre 6. Commande par retour d’état

d’état définie précédemment, on obtient :

(
ẋ = (A + BK)x + BHyc
y = (C + DK)x + DHyc

En notant A f = A + BK, la matrice en boucle fermée, le problème de placement de pôles se résume

comme suit :
Placement de pôles : Soient une matrice A ∈ Rn×n et un vecteur B ∈ Rn×1 , déterminer le vecteur
B ∈ R1×n tel que le spectre de A + BK coincide avec un spectre donné.

6.2.1 Commandabilité et placement de pôles

Théorème 6.1 Le problème de placement de pôles par retour d’état admet une solution si et seule-
ment si la paire (A, B) est commandable.

6.2.2 Placement de pôles sur une réalisation canonique

On suppose que le modèle d’état considéré s’écrit sous la forme compagne horizontale. Dans
ce cas, la matrice d’état en boucle fermée à f s’écrit :
 
0 1 ··· ··· 0
 .. 
 0 0 . ··· 0 
 . .. .. .. .. 
à f = 
 .. . . . . 

 . .

 0 0 ··· . 1 
−α0 −α1 · · · · · · αn−1

où αi = ai − k̃i+1 , ∀i ∈ 0, ..., n − 1. Par ailleurs, les vecteurs de commande et d’observation B̃ et

C̃ ne changent pas. Les coefficients du polynôme caractéristique en boucle fermée Dd (p). Ainsi,
si l’on désire placer les pôles λi , i = 1, ..., n, il faut choisir les composantes k̃i du retour d’état
K̃ = [k̃1 ..., k̃n] de sorte que :
n−1 n
Dd (p) = p + ∑ (αi p ) = ∏ (p − λi )
n i
i=0 i=1

En développant le membre de droite de l’équation, on détermine, par identification, les coeffi-

cients αi et il reste à déduire les paramètres du retour :

k̃i = ai−1 − αi−1 ∀i ∈ 1, ..., n

Remarque 6.2 Une telle loi de commande change les pôles du système mais ne modifie pas ces
zéros puisque seuls les coefficients du dénominateur de la fonction de transfert, sont modifiés.

6.2.3 Placement de pôles sur une réalisation quelconque

6.2.3.1 Obtention de la forme canonique à partir de la fonction de transfert
Une première solution consiste à déterminer la fonction de transfert avec an = 1 et de déduire
la forme canonique de commande à partir des coefficients du numérateur et du dénominateur de
cette fonction de transfert.

19 Atef KHEDHER
 Chapitre 6. Commande par retour d’état

6.2.3.2 Obtention de la forme canonique à partir d’une autre réalisation

Le passage d’une forme quelconque à une forme compagne horizontale consiste en un change-
ment de base dans l’espace d’état. En prenant généralement mn = B, la matrice de passage s’écrit :


 mn = B




 mn−1 = (A + an−1 I)B
   2
M = m1 · · · mn avec mn−2 = (A + an−1 A + an−2 I)B

 ..

 .



m1 = (An−1 + an−1 An−2 + · · · + a1 I)B


Rappellons que la matrice M est telle que la réalisation canonique vérifie (Ã = M −1 AM, B̃ = M −1 B,
C̃ = CM et D̃ = D). Lorsque le système n’est pas commandable, la matrice M est singulière et le
changement de base est impossible. Ainsi, l’algorithme présenté ci-après n’est pas applicable pour
un système non commandable.

6.2.3.3 Algorithme de placement de pôles

Supposons que les valeurs propres désirées (spectre désiré) sont : λi , i = 1, ..., n.
– Etape 1 : Vérification de la commandabilité. Si la paire (A, B) n’est pas commandable, le
placement de pôles est génériquement impossible.
– Etape 2 : Détermination du polynôme caractéeristique désiré
n
Dd (p) = ∏ (p − λi ) = pn + αn−1 pn−1 + · · · α1 p + α0
i=1

– Etape 3 : Détermination du polyn/me caractéristique en boucle ouverte :

D(p) = det(pI − A) = pn + an−1 pn−1 + ... + a1 p + a0

– Etape 4 : Calcul du retour d’état K̃ dans la base canonique par l’équation : k̃i = ai−1 −
αi−1 ∀i ∈ 1, ..., n
– Etape 5 : Calcul de la matrice de passage M comme mentienné ci-dessus.
– Etape 6 : Calcul du retour d’état dans la base initiale :

K = K̃M −1

puisque la commande s’exprime

u = K̃ x̃ = K̃M −1 x = Kx.

6.3 Performances statiques et retour d’état : la précommande

On se contente ici de déterminer une loi de commande telle que le gain statique du modèle en
boucle fermée est unitaire. Pour obtenir ce gain statique, on utilise le scalaire de précommande H.
La fonction de transfert d’un système bouclé par retour d’état peut être déduite de sa représen-
tation d’état :
G f (p) = (C + DK)(pI − A − BK)−1 BH + DH

20 Atef KHEDHER
 Chapitre 6. Commande par retour d’état

Le gain statique d’une telle fonction de transfert est égal à :

G f (0) = [D − (C + DK)(A + BK)−1B]H

, ce qui signifie que si on souhaite obtenir G f (0) = 1, il suffit de calculer H ainsi :

H = [D − (C + DK)(A + BK) − 1B]−1

Le calcul de H est indépendant de la base considérée, aussi il est parfois plus facile, de déduire
l’ensemble de la réalisation compagne horizontale notée (Ã, B̃, C̃, D̃), puis de déduire H tel que :

(b̂0 + b̂1 p + · · · b̂n−1 pn−1 )H

G f (0) = 1 où G f (p) =
α0 + α1 p + · · · + αn−1 pn−1 + pn
avec : b̂1 = bi + Dk̃i+1 ∀i ∈ {1, · · · , n − 1}
Il convient de rappeler de noter que les coefficients bi correspondent à ceux de R(p), le nu-
mérateur de G pr (p). En faisant une réduction au même dénominateur du membre de droite de la
seconde équation ci-dessus, on obtient :

(β0 + β1 p + · · · βn−1 pn−1 + βn pn )H

G f (p) =
α0 + α1 p + · · · + αn−1 pn−1 + pn

où les coefficients βi sont ceux de N(p), le numérateur de G(p), la fonction de transfert globale
en boucle ouverte. Il est ainsi montré que la remarque 6.2 est vraie même en présence d’une
transmission directe. Il devient clair dans ces conditions que :
α0 α0
H= =
b̂0 + α0 D β0

21 Atef KHEDHER
 Commande par retour d’état estimé
7
7.1 Principe d’un observateur
Dans plusieurs cas, le vecteur d’état n’est pas totalement mesurables. Il peut être totalement ou
partiellement inconnu. Dans ce cas on utilise un système dynamique auxiliaire appelé observateur
permettant l’estimation de l’état. La commande par retour d’état sera ensuite générée en fonction
de l’état estimé.
Définition 7.1 : On appelle observateur (ou reconstructeur d’état) d’un système ′ S′ (7.1) ; un sys-
tème dynamique auxiliaire (7.2) dont les entrées sont constituées des vecteurs d’entrée et de sortie
du système à observer, et dont le vecteur de sortie x̂(t) est l’état estimé :

ẋ(t) = f (x(t), u(t))
S= (7.1)
y(t) = h(x(t))

ż(t) = fˆ(z(t), u(t), y(t))
O= (7.2)
x̂(t) = ĥ(z(t), u(t), y(t))
l’erreur entre le vecteur d’état x(t) et x̂(t) doit tendre asymptotiquement vers zéro.
ke(t)k = kx(t) − x̂(t)k → 0 quand t → ∞.
Le principe de fonctionnement d’un observateur est illustré par la figure (7.1) :

u (t ) y (t )
Système

Observateur
xˆ(t ) : état estimé
(Filtre)

Modèle du
Système

F IGURE 7.1 – Principe d’estimation d’état

 Chapitre 7. Commande par retour d’état estimé

7.2 Synthèse d’observateur pour un système linéaire certain

Un reconstructeur d’état ou estimateur est un système ayant comme entrées, les entrées et les
sorties du processus et dont la sortie est une estimation de l’état du processus.
La construction de l’observateur est possible en assurant une correction de l’erreur d’estimation
entre la sortie réelle et la sortie reconstruite. Un observateur proportionnel d’état synthétisé à partir
d’un système linéaire peut être défini par :
˙ = Ax̂(t) + Bu(t) + K(y(t) − ŷ(t))
x̂(t)
= (A − KC)x̂(t) + Bu(t) + Ky(t) (7.3a)
ŷ(t) = Cx̂(t) (7.3b)
où K ∈ Rn∗p est le gain de l’observateur (7.3) à calculer.
Pour assurer une bonne estimation d’état et de sortie, il faut s’assurer lors de la conception
d’observateur que la différence entre l’état du système et son estimé tende vers zéro quand t tend
vers l’infini, ceci est vrai si les valeurs propres de (A − KC) sont dans le demi-plan gauche du plan
complexe. Le gain K de l’observateur peut être déterminé par la méthode de placement des pôles
si le théorème suivant est vérifié :
Théorème 7.1 Les valeurs propres de (A − KC) peuvent être fixées arbitrairement si et seulement
si la paire (A, C) est observable.
Si la paire (A, C) est observable, alors l’utilisateur a une grande marge de liberté pour fixer le
gain K de l’observateur.
Le gain de l’observateur est choisi de sorte que les valeurs propres de la matrice (A − KC)
soient dans le demi-plan gauche du plan complexe et que la partie réelle des valeurs propres soit
plus grande, en valeur absolue, que la partie réelle des valeurs propres de la matrice d’état A. La
dynamique de l’erreur d’observation sera plus rapide que celle du processus. Cependant, il faut
tenir compte de deux considérations qui interviennent dans le choix de la matrice K.
– si les perturbations sur la paire (A, B) sont importantes, il faut choisir une valeur élevée de
la matrice K pour renforcer l’influence des mesures sur l’estimation d’état.
– le bruit entachant la mesure des grandeurs de sortie, amplifié par le gain, exige une petite
valeur de K.
Le diagramme structurel d’un observateur est présenté par la figure (7.2).

F IGURE 7.2 – Diagramme structurel d’un observateur

23 Atef KHEDHER
 Chapitre 7. Commande par retour d’état estimé

7.3 Observateurs à entrées inconnues

Dans la plupart des cas réels, les systèmes étudiés sont assujettis à des perturbations qui peuvent
être dues aux conditions de fonctionnement, défauts de matériels ou bien à l’opérateur. La concep-
tion d’observateurs en présence des perturbations demeure un sujet de recherche vaste et est le
thème de plusieurs recherches s’intéressant à la conception d’observateurs à entrées inconnues.
L’étude des observateurs à entrées inconnues reste un domaine important puisque ce type des
entrées peut avoir des effets néfastes sur le comportement du système.
Il existe deux approches qui traitent les observateurs à entrées inconnues. La première consiste
à faire l’estimation d’état malgré l’existence de ces entrées c’est à dire concevoir un observateur
qui réussit une bonne estimation d’état en présence des entrées inconnues. La deuxième concerne
l’estimation simultanée de l’état et des entrées inconnues pour établir une logique de décision pour
la détection et la localisation des défauts et peut aussi être utilisée pour établir une loi de commande
tolérante aux défauts.
Pour la conception d’observateurs à entrées inconnues on présente la méthode proposée par
Akhenak et al. [?]. Pour cela on considère le système dynamique linéaire soumis à l’influence des
entrées inconnues décrit par les équations suivantes :
ẋ(t) = Ax(t) + Bu(t) + Rū(t) (7.4a)
y(t) = Cx(t) (7.4b)
où x(t) ∈ Rn est le vecteur d’état, ū(t) ∈ Rq , q < n est le vecteur des entrées inconnues, u(t) ∈ Rm est
le vecteur des entrées connues et y(t) ∈ R p représente le vecteur des sorties mesurables. A ∈ Rn∗n
est la matrice d’état du système linéaire, B ∈ Rn∗m est la matrice d’entrée, R ∈ Rn∗q est la matrice
d’influence des entrées inconnues et C ∈ R p∗n est la matrice de sortie.
On suppose que la matrice R est de plein rang colonne et que la paire (A, C) est observable [?].
Pour estimer le vecteur d’état en dépit de la présence des entrées inconnues, on considère
l’observateur d’ordre plein [?] :
ż(t) = Nz(t) + Gu(t) + Ly(t) (7.5a)
x̂(t) = z(t) − Ey(t) (7.5b)
où z(t) ∈ Rn et x̂(t) ∈ Rn est l’estimé du vecteur d’état x(t). Pour que cette estimation soit
garantie, il faut que l’erreur d’estimation d’état e(t) = x(t) − x̂(t) : tende asymptotiquement vers
zéro.
La dynamique de l’erreur d’estimation s’écrit :

ė(t) = ẋ(t) − ż(t) + ECẋ(t)

= (I + EC)ẋ(t) − ż(t)
= (I + EC)(Ax(t) + Bu(t) + Rū(t)) − (Nz(t) + Gu(t) + Ly(t))
= (I + EC)(Ax(t) + Bu(t) + Rū(t)) − (N x̂(t) + Gu(t) + (L + NE)Cx(t))
Si on pose P = I + EC, on obtient :

ė(t) = Ne(t) + (PB − G)u(t) + PRū(t) + (PA − NP − LC)x(t)

Cette erreur converge asymptotiquement vers zéro si et seulement si :
LC = PA − NP (7.7a)
G = PB (7.7b)
PR = 0 (7.7c)

24 Atef KHEDHER
 Chapitre 7. Commande par retour d’état estimé

et N est stable, c’est-à-dire que ses valeurs propres sont à parties réelles négatives.
La résolution de ce système d’équations, sous réserve que la matrice CR soit de plein rang ligne
[?], donne :
E = −R(CR)T ((CR)(CR)T )−1 (7.8a)
P = I − R(CR)T ((CR)(CR)T )−1C (7.8b)
G = PB (7.8c)
N = PA − KC (7.8d)
L = K − NE (7.8e)
N est stable (7.8f)
Si ce système d’équations est satisfait, la dynamique de l’erreur d’estimation d’état devient :
ė(t) = Ne(t) (7.9)
Comme N est stable, l’erreur d’estimation d’état converge asymptotiquement vers zéro.

7.4 Conditions de convergence de l’observateur

La convergence asymptotique de l’erreur d’estimation d’état vers zéro est possible s’il existe
une matrice symétrique et définie positive X , telle que :
NT X + X N < 0 (7.10)
Compte tenue de l’expression de N, cette inégalité devient :
(PA − KC)T X + X (PA − KC) < 0 (7.11)
L’équation (7.11) est non linéaire par rapport aux variables K et X . Pour la résoudre, on consi-
dère le changement de variables suivant :
W = XK (7.12)
L’inégalité (7.11) s’écrit après ce changement de variables :
(PA)T X + X (PA) − (CT W T +W X ) < 0 (7.13)
Les outils classiques de résolution de LMI (sous MATLAB par exemple) permettent de ré-
soudre l’inégalité (7.13), ce qui mène à retrouver les deux inconnues X et W . La déduction de la
valeur de K est ensuite évidente en utilisant la formule :
K = X −1W (7.14)
Pour augmenter la vitesse de convergence, on peut choisir le gain de l’observateur de sorte que
les valeurs propres de l’observateur soient plus grandes en valeurs absolues que celles de la matrice
A.
On définit dans ce cas une région du plan complexe dans laquelle existent les valeurs propres
de l’observateur, par exemple la région S1 décrite par la figure (7.3).
Pour placer les pôles de l’observateur dans la région S1 l’inégalité (7.13) devient :
(PA)T X + X (PA) − (CT W T +W X ) + 2ξX < 0 (7.15)
Les deux problèmes de recherche du gain de l’observateur et de placement de pôles peuvent se
ramener à la résolution des inégalités matricielles linéaires (LMI).

25 Atef KHEDHER
 Chapitre 7. Commande par retour d’état estimé

F IGURE 7.3 – région LMI

7.5 Synthèse de commande par retour d’état estimé

Dans le cas où le vecteur d’état n’est pas totalement mesurable, on peut utiliser une commande
par retour d’état estimé. L’estimation d’état étant possible tant que la paire (A, C) est observable.
Cette commande peut s’écrire de la manière suivante :

u(t) = K x̂(t)

où x̂(t) est le vecteur d’état estimé.

La synthèse de la loi de commande se résume à la détermination du gain K permettant d’obtenir
les objectifs désirés (placement des pôles etc,...)
Le système commandé s’écrit :
( (
ẋ(t) = Ax(t) + BK x̂(t) ẋ(t) = Ax(t) + BK x̂(t) + BKx(t) − BKx(t)
⇐⇒
y(t) = Cx(t) + DK x̂(t) y(t) = Cx(t) + DK x̂(t)

Un observateur d’état de Luenberger permettant l’estimation d’état x(t) s’écrit :

(
˙ = Ax̂(t) + BK x̂(t) + LC(x(t) − x̂(t))
x̂(t)
ŷ(t) = Cx̂(t)

L’erreur d’estimation d’état s’écrit :

x̃(t) = x(t) − x̂(t)

Le système commandé ainsi que l’erreur d’estimation d’état peuvent être écrits dans la même
équation de la mnière suivante :
" #  " #
ẋ(t) A + BK −BK x(t)
=
˙x̃(t) 0 A − LC x̃(t)

On obtien t un modèle de la forme : ẋ(t) = A x(t) avec :

 
T T T A + BK −BK
x(t) = [x (t) x̃ (t)] et A =
0 A − LC
La détermination des gains K de la commande et L de l’observateur revient à placer les pôles de
la matrices A de façon à assurer la stabilité du système commandé et la vitesse convenable de
convergence de l’observateur. Or la matrice A est trinagulaire supérieure, donc ses pôles sont ceux
des matrices A + BK et A − LC. Ce principe est appelé principe de séparation. Les méthodes
présentées dans le chapitre précédent peuvent être appliquées à ce niveau.

26 Atef KHEDHER
Deuxième partie

Travaux dirigés
 1
Exercice 1
Soit le système décrit par la figure ci-dessous constitué d’une génératrice G à courant continu
qui tourne à vitesse constante et qui délivre un courant I proportionnel à sont corant d’excitation
i : I = KG i. Le courant I aliment ele moteur M à courant continu dont l’excitation reste constante
et qui produit un couple C = KC I.

On se 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 sortie est la
position angulaire θ. Les équations physiques du systèmes sont les suivantes :

 di(t)


 v(t) = L + Ri(t)

 dt

 dΩ(t)
 C(t) = J dt + f Ω(t)



dθ(t)


 Ω(t) =


 dt
 I(t) = K


 G i(t)

 C(t) = K I(t)
C

1. Proposer un modèle d’état pour ce système.

 Série 1.

Exercice 2
Soit le système représenté par la figure suivante :

Ce système est décrit par l’équation différentielle suivante :

mÿ(t) = −Ky(t) − F ẏ(t) + e(t)

1. En prenant e(t) comme entrée et y(t) comme sortie, proposer un modèle d’état à ce système.

Exercice 3
L’évolution de l’altitude d’une montgolfière est décrite, après linéarisation par les équations
différentielles suivantes : 
 θ̇(t) = αθ(t) + u

ϑ̇(t) = βϑ(t) + σθ(t)

ḣ(t) = ϑ(t)


où u(t) est une entrée de commande proportionnelle à la variation d’énergie de chauffage par
rapport à l’énergie au point defonctionnement, θ est l’écart de temperature de l’air dans le ballon
par rapport a la temperature d’équilibre au point de fonctionnement, ϑ est la vitesse ascensionnelle
et h est la variation d’altitude par rapport a l’altitude au point de fonctionnement. Les parametres
α, β et σ sont des constantes.
1. En considerant l’entrée u(t) et la sortie y(t) = h(t), determiner une représentation d’état du
système linéarisé.
2. Quelles sont les valeurs propres de la matrice d’état ?
3. En deduire les pôles du systeme (racines du denominateur de la fonction de transfert).

Exercice 4
1
Soit le système décrit par la fonction de transfert H(p) =
p3 + 6p2 + 11p + 6
1. Proposer un modèle d’état pour ce système.

29 Atef KHEDHER
 2
Exercice 1
Calculer eAt pour les deux cas suivants :
   
1 2 −1 0
A= et A=
0 3 0 −2

Exercice 2
   
0 1 1
Soit le système décrit par l’équation d’état : ẋ(t) = Ax(t) où : A = et x0 =
−2 −3 −1
1. Calculer la matrice de transition Φ(t) = eAt
2. Déterminer la réponse temprelle x(t) correspondant au régime libre.

Exercice 3
On considère un système régi par l’équation d’état suivante :
  " # " #
−1 −1 2 −1
ẋ(t) = Ax(t) + Bu(t) avec A = et B = et x0 =
1 1 −1 1
1. Vérifier que la matrice A est nilpotente d’ordre 2.
2. Ce système est soumis a une entrée en échelon unité, determiner à tout instant tl’expression
x(t) de son vecteur d’état.

Exercice 4
On considère un système régi par l’équation d’état suivante :

  " #
−4 −1 −1  
ẋ(t) = Ax(t) + Bu(t) avec A = , B= , C = −1 1 , D = 0 et x0 = 0
3 0 1
1. Ce système est soumis a une entrée en échelon unité, determiner à tout instant tl’expression
x(t) de son vecteur d’état.
2. Déterminer la réponse de ce système si un signal e−t s’ajoute en entrée à l’echelon initial