2014EVRY0023

THÈSE
En vue de l’obtention du grade de

Doctorat de l’UEVE & l’ENIT
Présentée le 26 Mai 2014 par :

Naim Zoghlami
Stabilité et stabilisation en temps fini des systèmes dynamiques

interconnectés et problème de consensus en temps fini
JURY
Rapporteurs : Lionel Rosier Pr., Université de Lorraine
Mohamed Djemai Pr., Université de Valenciennes
Mohamed Ali Hammami Pr., Université de Sfax
Examinateurs : Jean Michel Coron Pr., Université Pierre-et-Marie-Curie
Wilfrid Peruquetti Pr., Ecole Centrale de Lille
Directeurs : Azgal Abichou Pr., Ecole Polytechnique de Tunisie
Lotfi Beji MCF, HDR, Université d’Evry
Co-encadrant Rhouma Mlayeh MA., INSAT Tunis
Thèse préparée aux Laboratoires, IBISC, Université d’Evry val d’Essonne &
LIM, École polytechnique de Tunisie.
2
Remerciements
J’exprime mes profonds remerciements à mes encadreurs, M. Azgal Abichou, M. Lotfi
Beji et M. Rhouma Mlayeh pour les aides compétentes qu’ils m’ont apporté. M. Abichou,
votre oeil critique m’a été très précieux pour structurer le travail et pour améliorer la
qualité des différentes sections.
Je tiens à remercier Le Professeur Lionel Rosier, le professeur Mohamed Djemai et

Le Professeur Mohamed Ali Hammami d’avoir consacré du temps à la lecture minutieuse
de ce mémoire et de m’avoir fait part de leurs remarques et suggestions, toujours d’une
grande pertinence.
Je remercie également le Professeur Jean-Michel Coron et le professeur Wilfrid

Perruquetti d’avoir pris du temps pour examiner ma thèse.
A mon directeur de thèse Monsieur Lotfi Beji
Monsieur Beji, je vous remercie pour votre patience et votre encouragement pour
finir ce travail. Je tiens à vous témoigner toute ma reconnaissance pour la confiance que
vous m’avez accordée. Sans vous tout ceci n’aurait pas été possible.
A mon cher ami Rhouma Mlayeh
J’aimerais spécialement remercier Rhouma Mlayeh. Merci pour ton temps et ta

patience envers mes questions. Tu ne seras jamais oublié.
Je souhaite aussi remercier mes parents mes frères et soeurs, pour leur soutien in-
défectible, mes amis, pour tous les moments de détente passés ensemble. C’est grâce à
vous que j’ai pu trouvé la force de ramener quand l’objectif semblait si lointain.
j’exprime ma gratitude à mes amis au sein du Laboratoire IBISC.
ii
Table des matières
Table des figures 5
Notations et abréviations 9
1 Introduction générale 11
1.1 Motivations et contributions . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Publications associées aux résultats . . . . . . . . . . . . . . . . . . . . . . 17
2 Stabilité des systèmes autonomes et non autonomes et théorie des

graphes 19
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Théorèmes d’existence et d’unicité . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Stabilité au sens de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 Préliminaires et définitions . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.2 Systèmes autonomes . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3.3 Systèmes non autonomes . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Stabilité en temps fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4.1 Cas des systèmes autonomes . . . . . . . . . . . . . . . . . . . . . . 30
2.4.2 Cas des systèmes non autonomes . . . . . . . . . . . . . . . . . . . 33
2.5 Systèmes homogènes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.6 Stabilisation en temps fini . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.7 Théorie de graphe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.8 Propriétés du produit de Kronecker . . . . . . . . . . . . . . . . . . . . . . 42
2.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Première Partie : Stabilité et stabilisation en temps fini des systèmes per-

turbés 45
1
2 Table des matières
3 Stabilité en temps fini des systèmes perturbés 47

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2 Système non autonome perturbé . . . . . . . . . . . . . . . . . . . . . . . . 48
3.2.1 Perturbation qui s’annule à l’origine . . . . . . . . . . . . . . . . . . 48
3.3 Système autonome perturbé . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.3.1 Cas scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.3.2 Cas homogène dans Rn . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.4 Système homogène et T-périodique . . . . . . . . . . . . . . . . . . . . . . 57
3.5 Application au modèle d’un drone type XSF . . . . . . . . . . . . . . . . . 61
3.5.1 Modèle de l’XSF . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.5.2 Stabilisation en temps fini . . . . . . . . . . . . . . . . . . . . . . . 62
3.5.3 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4 Stabilité et stabilisation en temps fini des systèmes interconnectés 69

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2 Stabilisation en temps fini des systèmes dynamiques interconnectés . . . . 70
4.2.1 Systèmes dynamiques avec terme de dérive . . . . . . . . . . . . . . 71
4.2.2 Systèmes dynamiques sans terme de dérive . . . . . . . . . . . . . . 77
4.3 Stabilité en temps fini des systèmes interconnectés . . . . . . . . . . . . . . 79
4.3.1 Généralités sur les modèles interconnectés . . . . . . . . . . . . . . 80
4.3.2 Exemple d’un couplage structurel . . . . . . . . . . . . . . . . . . . 83
4.3.3 De la stabilité à la stabilisation des systèmes interconnectés . . . . 83
4.4 Poursuite de trajectoire en temps fini d’un système multi-unicycles . . . . . 86
4.4.1 Stratégie de poursuite pour un unicycle . . . . . . . . . . . . . . . . 87
4.4.2 Résultats de simulation d’un unicycle . . . . . . . . . . . . . . . . . 89
4.4.3 Stratégie de poursuite d’un système multi-unicycles . . . . . . . . . 90
4.4.4 Résultats de simulation d’un multi-unicycles . . . . . . . . . . . . . 92
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Deuxième partie : Problèmes de consensus en temps fini 99
5 Consensus en temps fini des systèmes dynamiques contrôlés 101

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.2 Préliminaires et outils . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3
5.3 Formulation du problème et objectifs . . . . . . . . . . . . . . . . . . . . . 104

5.4 Consensus associé au système dynamique multi-Σ1 . . . . . . . . . . . . . . 106
5.5 Consensus associé au système dynamique multi-Σ2 . . . . . . . . . . . . . . 113
5.6 Exemples d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
5.6.1 Consensus d’un système multi-unicycles . . . . . . . . . . . . . . . 118
5.6.2 Système multi-unicycles sous un graphe orienté . . . . . . . . . . . 120
5.6.3 Système multi-unicycles sous un graphe non orienté . . . . . . . . . 122
5.6.4 Consensus d’un système multi-agents (double intégrateur) . . . . . 124
5.6.5 Systèmes double intégrateur sous un graphe orienté . . . . . . . . . 125
5.6.6 Systèmes double intégrateur sous un graphe non orienté . . . . . . . 127
5.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6 Consensus moyen et stabilisation d’une formation en temps fini 131

6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
6.2 Préliminaires et outils . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
6.3 Formulation du problème et objectifs . . . . . . . . . . . . . . . . . . . . . 133
6.4 Consensus moyen du système multi-Σ1 . . . . . . . . . . . . . . . . . . . . 136
6.5 Consensus moyen du système multi-Σ2 . . . . . . . . . . . . . . . . . . . . 139
6.5.1 Multi-Σ2 : cas d’un terme de dérive linéaire . . . . . . . . . . . . . 140
6.5.2 Multi-Σ2 : cas d’un terme de dérive non linéaire . . . . . . . . . . . 142
6.6 Stabilisation du système multi-Σ1 en formation . . . . . . . . . . . . . . . 144
6.7 Stabilisation du système multi-Σ2 en formation . . . . . . . . . . . . . . . 146
6.8 Exemples d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
6.8.1 Consensus moyen d’un système multi-unicycles . . . . . . . . . . . . 150
6.8.2 Consensus moyen d’un multi-systèmes basé sur un second ordre . . 152
6.8.3 Consensus moyen d’un système multi-pendules . . . . . . . . . . . . 154
6.8.4 Résultats sur la stabilisation en temps fini d’une formation . . . . . 155
6.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
7 Conclusion générale 159
Bibliographie 163
4 Table des matières
Table des figures
2.1 Comportement de la solution en x(.)(stabilité) . . . . . . . . . . . . . . . . 25

2.2 Comportement de la solution en x(.) (stabilité en temps fini). . . . . . . . 31
2.3 Exemple d’un graphe de connexion entre 4 agents. . . . . . . . . . . . . . . 40
2.4 Exemples de graphe : graphe orienté (à gauche), graphe non orienté (à droite). 40
3.1 stabilité en temps fini du système (3.10) . . . . . . . . . . . . . . . . . . . 52

3.2 système non perturbé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.3 système perturbé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.4 Solution du système non perturbé ẋ = −ϕ 1 (x) . . . . . . . . . . . . . . . . 55
3
3.5 Solution du système perturbé (3.14) . . . . . . . . . . . . . . . . . . . . . . 55
3.6 Model de l’XSF à quatre rotors dont deux sont orientables. . . . . . . . . . 61
3.7 Stabilisation de l’origine pour deux états initials différents et à une altitude
en z atteinte. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.1 Diagramme de plusieurs systèmes interconnectés . . . . . . . . . . . . . . . 72

4.2 Graphe G associé aux 4 unicycles. . . . . . . . . . . . . . . . . . . . . . . . 76
4.3 Dynamique yi avec ui . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.4 Dynamique yi sans ui . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.5 Dynamique zi avec ui . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.6 Dynamique zi sans ui . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.7 Stabilité en temps fini du système interconnecté (4.23) . . . . . . . . . . . 84
4.8 Les erreurs en zi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.9 Plan de phase en (x, y) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.10 Graphe G associé aux 4 unicycles. . . . . . . . . . . . . . . . . . . . . . . . 92
4.11 Erreurs en z1,i = (xi − xr ) avec uinter . . . . . . . . . . . . . . . . . . . . . . 94
4.12 Erreurs en z1,i = (xi − xr ) sans uinter . . . . . . . . . . . . . . . . . . . . . . 94
4.13 Erreurs en z2,i = (yi − yr ) avec uinter . . . . . . . . . . . . . . . . . . . . . . 95
4.14 Erreurs en z2,i = (yi − yr ) sans uinter . . . . . . . . . . . . . . . . . . . . . . 95
4.15 Erreurs en z3,i = tan(θi − θr ) avec uinter . . . . . . . . . . . . . . . . . . . . 95
4.16 Erreurs en z3,i = tan(θi − θr ) sans uinter . . . . . . . . . . . . . . . . . . . . 95
4.17 Commandes u1,i (m/s) avec uinter . . . . . . . . . . . . . . . . . . . . . . . . 95
4.18 Commandes u1,i (m/s) sans uinter . . . . . . . . . . . . . . . . . . . . . . . . 95
4.19 Commandes u2,i (rad/s) avec uinter . . . . . . . . . . . . . . . . . . . . . . . 96
4.20 Commandes u2,i (rad/s) sans uinter . . . . . . . . . . . . . . . . . . . . . . . 96
4.21 Plan de phase en (x, y) avec uinter . . . . . . . . . . . . . . . . . . . . . . . 96
5
6 Table des figures
4.22 Plan de phase en (x, y) sans uinter . . . . . . . . . . . . . . . . . . . . . . . 96
5.1 G Graphe orienté de 3 agents (a), et non orienté de 4 agents (b). . . . . . . 118
5.2 Consentement d’un point commun par les 3 unicycles sous la matrice de
commande C1 (graphe G orienté). . . . . . . . . . . . . . . . . . . . . . . . 121
commande C2 (graphe G orienté). . . . . . . . . . . . . . . . . . . . . . . . 121
5.4 Comportement des protocoles ui avec la matrice de commande C1 (graphe
G orienté) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
G orienté) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.6 Comportement des protocoles wi avec la matrice de commande C1 (graphe
G orienté) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
G orienté) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
commande C1 (graphe G non orienté). . . . . . . . . . . . . . . . . . . . . 123
commande C2 (graphe G non orienté). . . . . . . . . . . . . . . . . . . . . 123
G non orienté) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
G non orienté) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
G non orienté) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
G non orienté) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
5.14 Positions de 3 agents réalisant un consensus avec vi (0) = 0 sous un graphe
orienté. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
5.15 Vitesses de 3 agents réalisant un consensus avec vi (0) = 0 sous un graphe
orienté. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
5.16 Positions de 3 agents réalisant un consensus avec vi (0) 6= 0 sous un graphe
orienté. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.17 Vitesses de 3 agents réalisant un consensus avec vi (0) 6= 0 sous un graphe
orienté. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.18 Protocoles en accélérations avec vi (0) = 0 sous un graphe orienté. . . . . . 127
5.19 Protocoles en accélérations avec vi (0) 6= 0 sous un graphe orienté. . . . . . 127
5.20 Positions de 4 agents réalisant un consensus avec vi (0) = 0 sous un graphe
non orienté. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.21 Vitesses de 4 agents réalisant un consensus avec vi (0) = 0 sous un graphe
non orienté. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.22 Positions de 4 agents réalisant un consensus avec vi (0) 6= 0 sous un graphe
non orienté. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.23 Vitesses de 4 agents réalisant un consensus avec vi (0) 6= 0 sous un graphe
non orienté. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
7
5.24 Protocoles en accélérations avec vi (0) = 0 sous un graphe non orienté. . . . 130
5.25 Protocoles en accélérations avec vi (0) 6= 0 sous un graphe non orienté. . . . 130
6.1 G pour un système avec 4 agents. . . . . . . . . . . . . . . . . . . . . . . . 149

6.2 Positions xi réalisant un consensus moyen instationnaire. . . . . . . . . . . 151
6.3 Positions yi réalisant un consensus moyen instationnaire. . . . . . . . . . . 151
6.4 Rotations θi réalisant un consensus moyen instationnaire. . . . . . . . . . . 151
6.5 Objectif du consensus moyen en kxi (t) − χ(t)k . . . . . . . . . . . . . . . . 151
6.6 Trajectoire moyenne en position atteinte par 4 agents. . . . . . . . . . . . . 153
6.7 Trajectoire moyenne en vitesse atteinte par 4 agents. . . . . . . . . . . . . 153
6.8 Energie cinétique moyenne consentie par 4 agents. . . . . . . . . . . . . . . 153
6.9 Positions angulaires θi réalisant un consensus moyen instationnaire. . . . . 155
6.10 Vitesses angulaires θ̇i réalisant un consensus moyen instationnaire. . . . . . 155
6.11 Stabilisation de la position en xi . . . . . . . . . . . . . . . . . . . . . . . . 156
6.12 Stabilisation de la position en yi . . . . . . . . . . . . . . . . . . . . . . . . 156
6.13 Entrée de commande en vitesse linéaire ui . . . . . . . . . . . . . . . . . . . 156
6.14 Stabilisation de la rotation en θi . . . . . . . . . . . . . . . . . . . . . . . . 157
6.15 Entrée de commande en vitesse angulaire wi . . . . . . . . . . . . . . . . . . 157
8 Table des figures
Notations et abréviations
9
10 Notations et abréviations
R Corps des réels

R+ Ensemble des nombres réels positifs
Rn R−espace vectoriel de dimension n
Rn×n l’ensemble des matrices de dimension n × n
diag{m1 , m2 , ..., mn } matrice diagonale
In ∈ Rn×n est la matrice identité
⊗ produit de Kronecker
k.k Norme euclidienne sur Rn
C 0 (E, F ) Ensemble des fonctions continues de E dans F
C k (E, F ) Ensemble des fonctions de classe k de E dans F
CL0 (E, F ) Ensemble des fonctions de E dans F localement Lipschit-
ziennes sur E\{0}
CLk (E, F ) = C 0 (E, F ) ∩ C k (E\{0}, F )
sgn(.) la fonction signe
ϕa (x) : ϕa (x) = sgn(x)|x|a , x ∈ R
xi : xi = (xi1 , ..., xin )T ∈ Rn
x: x = (x1 , ..., xN )T est le vecteur d’états dans RnN
1n : 1n = (1, ..., 1)T
φα (xi ) : φα (xi ) = (ϕα (xi1 ), ..., ϕα (xin ))T
EDO Equation différentielle ordinaire
STF Stable en temps fini
Chapitre 1
Introduction générale
Le but de cette thèse est d’apporter une contribution dans les domaines suivants :
stabilité en temps fini des systèmes perturbés, stabilité et stabilisation en temps fini
des systèmes dynamiques interconnectés, problèmes de consensus et consensus moyen en
temps fini et la stabilisation en temps fini d’une formation. On s’intéresse particulièrement
au couplage structurel dans un modèle et à l’interconnexion entre plusieurs systèmes
en formation. La dynamique de chaque système est régie par une équation différentielle
ordinaire du premier ordre fortement non linéaire.
1.1 Motivations et contributions

Dans un premier temps, nous considérons un schéma de couplage structurel dans le
modèle d’un système, traduisant une connexion interne. Par rapport au modèle nominal,
nous spécifions la perturbation. Par conséquent, nous analysons la stabilité en temps
fini d’un système bouclé perturbé de type autonome et non autonome. Pour assurer la
stabilité en temps fini d’un groupe formé par plusieurs systèmes dynamiques évoluant
dans un voisinage et afin de distinguer la perturbation, la deuxième démarche consiste
à designer la commande et la topologie de la formation. On montre que la perturbation
est dépendante de l’interconnexion. Comme démarche, il s’agit d’analyser la stabilité et
la stabilisation en temps fini des systèmes dynamiques interconnectés.
Afin de répondre à des objectifs liés aux systèmes en formation, nous allons énoncer et
11
12 Chapitre 1. Introduction générale
analyser les problèmes de consensus et le consensus moyen auxquels on cherche à associer

les protocoles ou les commandes appropriés. Nos schémas d’étude se baseront sur des
modèles dynamiques affines à la commande. Par conséquent, nous allons étudier le cas
où les modèles sont identiques traduisant un multi-systèmes homogène et le cas où les
modèles sont différents impliquant un multi-systèmes hétérogène.
Les outils et les méthodes qui vont être développés s’appuient sur le contrôle des
systèmes autonomes et non autonomes et les systèmes dynamiques affines à la commande
évoluant sous une topologie d’interconnection donnée. Ils se distinguent par les deux
parties suivantes :
– Partie I : Stabilité et stabilisation en temps fini des systèmes perturbés

– (a) : Systèmes autonomes et non autonomes perturbés.
– (b) : Systèmes dynamiques interconnectés.
– Partie II : Problèmes de consensus et stabilisation en temps fini d’une formation
– (c) : Consensus en temps fini.
– (d) : Consensus moyen et stabilisation d’une formation en temps fini.
Par la suite, nous situons les parties I et II par rapport aux résultats de la littérature
et pour répondre aux problèmes sous-jacents, nous décrivons les résultats obtenus sous
forme de contributions.
En vue de l’élaboration d’outils spécifiques à la stabilité et à la stabilisation en temps
fini des systèmes perturbés (partie I), dans le cas autonome et non autonome, rappelons
qu’en 1986 Haimo [16] était le premier auteur qui s’est intéressé à la notion de stabi-
lité en temps fini. L’auteur s’est intéressé aux systèmes scalaires autonomes de la forme
ẋ = f (x) en donnant une condition nécessaire et suffisante pour la stabilité en temps
fini. A partir de 1995, plusieurs contributions théoriques ont été apportées par Bhat et
Bernstein en donnant une condition nécessaire et suffisante de stabilité en temps fini pour
les systèmes homogènes et autonomes avec unicité à droite des solutions [17] [18] [20] [19]
[21]. En s’inspirant des travaux de Bhat, Moulay [22] a développé la notion de stabilité
en temps fini des systèmes non autonomes : ẋ = f (t, x). Plus tard, Haddad [24] a abordé
cette même notion de stabilité en proposant le théorème inverse de Lyapunov pour les
1.1. Motivations et contributions 13
systèmes non autonomes. Cependant, de point de vue pratique, la résolution de problèmes

de stabilité/stabilisation en temps fini en utilisant les résultats énoncés ci-dessus n’est pas
triviale. Car, il est difficile de distinguer explicitement la bonne fonction de Lyapunov par
rapport aux complexités du modèle. Afin de s’affranchir des difficultés rencontrées lors
de la construction d’une fonction de Lyapunov pour le cas d’un système non autonome,
nous utilisons la technique de moyennisation. Cette technique est couramment utilisée
pour répondre aux problèmes de stabilité exponentielle [30] et asymptotique [29]. Notre
objectif consiste à étendre ces résultats aux problèmes de stabilité en temps fini dans le
cas d’un système homogène et T-périodique.
Contribution (chapitre 3). Nous reprenons le problème posé en (a). Dans le cas
d’un système autonome/non autonome, nous proposons des techniques qui garantissent la
stabilité en temps fini pour certaines classes de systèmes perturbés. Nous introduisons le
cas d’une perturbation qui s’annule et celle qui ne s’annule pas à l’origine. Pour un système
non autonome homogène et T-périodique, par le biais d’une transformation adéquate
et la technique de moyennisation, l’analyse conduit à un système autonome perturbé
auquel on associe des conditions suffisantes conduisant à la stabilité en temps fini. Comme
application en simulation, nous procéderons à la stabilisation de l’équilibre du modèle non
linéaire et sous-actionné d’un drone XSF du laboratoire.
Par rapport à la première partie de ce mémoire, nous allons nous intéresser aux sys-
tèmes perturbés suite à une interaction par rapport au voisinage. Au delà d’une simple
commande décentralisée, nous associons une topologie comme plate-forme d’échange d’in-
formations sur l’état de chaque système. Ainsi, nous posons le problème lié à la stabilité
et à la stabilisation en temps fini des systèmes dynamiques interconnectés (b). Rappelons
que la stabilité asymptotique des systèmes dynamiques interconnectés a été abordée par
Khalil [30] et Fax [77]. Sans évoquer la notion d’interconnexion qui parvient généralement
d’une commande, Khalil a présenté la dynamique de la ime variable d’état d’un système
sous la forme ẋi = fi (t, xi ) + gi (t, x). Par rapport au système nominal, il est clair que ce
système présente un terme d’interconnexion lié à gi (t, x) qui est aussi considéré comme
une perturbation. Le résultat de stabilité asymptotique a été établi en se basant sur les
techniques de Lyapunov. Ces résultats parviennent à maîtriser une perturbation liée au

couplage structurel et restent généraux, surtout lorsqu’on veut s’attaquer aux systèmes
en réseau.
Plus tard, pour l’étude de systèmes dynamiques interconnectés, Fax et Murray [77]
ont posé clairement le ime modèle dynamique d’un système affine en la commande, soit
ẋi = fi (xi ) + Bui , avec B une matrice constante. Une commande décentralisée en ui qui
assure l’interconnexion entre plusieurs systèmes a été proposée et le résultat est de type
asymptotique.
Dans l’optique où la commande réalisera l’interconnexion entre plusieurs systèmes évo-
luant dans un voisinage, nous proposons de résoudre la problématique posée en (b), soit :
la stabilité et la stabilisation en temps fini des systèmes dynamiques interconnectés. Nous
allons reprendre les résultats de Fax et Murray [77] dans le cas où la matrice de commande
B est dépendante de l’état. Nous étudions la stabilisation des systèmes dynamiques inter-
connectés avec et sans termes de dérive. En outre, nous étendrons les résultats présentés
par Khalil [30] vers une stabilité en temps fini en mettant en évidence la dépendance entre
la perturbation et un graphe de connexion, adopté dans le cas d’un multi-systèmes.
Contribution (chapitre 4). Il s’agit de concevoir une commande qui résout le pro-
blème posé en (b). Pour les systèmes dynamiques affines à la commande présentés par
Fax [77], nous présentons un résultat de stabilisation en temps fini avec une matrice de
commande B dépendante de l’état. On montre que la réalisation des résultats de sta-
bilité nécessite une fonction de Lyapunov de type quadratique. Etant donnée la forme
de la commande ui , pour prouver nos résultats, l’existence d’une fonction de Lyapunov
quadratique peut ne pas être triviale. Comme alternative, nous ramenons l’étude à celle
présentée par Khalil [30] en proposant des conditions suffisantes qui assurent la stabilité
en temps fini des systèmes dynamiques interconnectés.
Afin de répondre aux besoins d’une connexion complexe introduisant un nombre im-
portant de systèmes dynamiques contrôlés, on va s’intéresser aux cas multi-agents en
formation. Comme cela est décrit dans la partie II de ce mémoire, nous analysons une
formation particulière à l’aide des protocoles conçus afin de répondre aux problèmes de
1.1. Motivations et contributions 15
consensus et consensus moyen en temps fini (c). Ces protocoles seront adaptés pour ache-
ver la stabilisation de l’équilibre en temps fini d’une formation. D’où la problématique
qu’on pose en (d).
Rappelons que l’évolution d’une flotte de systèmes autonomes dans un environnement
complexe devra préserver à la fois une cohésion au sein du groupe, un échange permanent
de données, une stabilité locale de chaque agent et une stabilité globale du système multi-
agents. L’entente sur une valeur commune, un lieu de rendez-vous ou une répartition de
la tache, se traduit par la résolution d’un problème de consensus et où la commande à
concevoir s’appelle protocole. On évoquera le consensus moyen dans le cas où la valeur
commune est la moyenne, définie à partir des conditions initiales ou l’état instantané.
Dans la littérature, les problèmes de consensus sont étudiés à travers des modèles
simples où la dynamique d’un agent i est considérée comme celle d’un point matériel de
la forme ẋi = ui ou ẍi = ui (plus de détails sont dans [87][61][64][94][68]). Les résultats
asymptotiques ont été étendus aux problèmes de consensus et consensus moyen en temps
fini en se référant à [88] [89] [91] [92] [95].
Cependant, les principaux défis dans le contrôle des systèmes dynamiques en réseau
sont l’hétérogénéité des composants, la non linéarité du modèle et la grande dimension
du vecteur d’état. Par rapport à la littérature, il existe deux type de modèles décrivant la
dynamique du ime système en réseau de la forme ẋi = fi (xi ) + B(xi )ui et ẋi = B(xi )ui où
ui est le protocole que l’on cherche à élaborer et répondant aux problèmes de consensus
en temps fini. Il est important de noter que les structures de fi et B peuvent varier
d’un système à l’autre. Selon la problématique posée, on distinguera un multi-systèmes
homogène et hétérogène.
Contribution (chapitre 5). On cherche à résoudre le problème posé en (c) dans

le cas d’un modèle dynamique affine à la commande. Etant donnés N systèmes dyna-
miques avec et sans termes de dérive et un graphe de connexion orienté et non orienté,
définissant une topologie stationnaire d’évolution, nous proposons des protocoles solvant
les problèmes de consensus en temps fini. Pour prouver nos approches, nous utilisons la
théorie de stabilité en temps fini et la méthode de Lyapunov.
Dans la littérature, le consensus moyen statique a été étudié dans ([64], [97], [101]) où
les auteurs proposent des protocoles linéaires, alors que dans ([91], [99],[100]) les protocoles
sont de forme non linéaires. Pour le consensus moyen dynamique sous un protocole non
linéaire, on peut se référer à ([100]). D’une manière générale, la dynamique de l’agent
reste simple ce qui permet de répondre aux problèmes de consensus et consensus moyen
en positions et en vitesses d’un nombre important d’agents. Cependant, si la dynamique
de l’agent est non linéaire et le vecteur de son état est de dimension élevée, l’analyse du
protocole n’est pas triviale. On cherche à analyser deux formes de protocoles attendus pour
les problèmes de consensus moyen et la stabilisation d’un groupe en formation. Afin de
répondre aux problèmes de consensus moyen et la stabilisation d’une formation, l’objectif
est de reconduire nos investigations pour les deux types de systèmes dynamiques dont le
premier est de la forme ẋi = fi (xi ) + B(xi )ui et le second est décrit par ẋi = B(xi )ui où
ui est le protocole.
Contribution (chapitre 6). Le problème du consensus moyen tel qu’il a été posé
dans ce manuscrit s’est avéré différent de celui étudié dans la littérature. Au delà d’un
comportement moyen du groupe qui présente une valeur moyenne fixe (moyenne des condi-
tions initiales des agents), nos résultats achèvent un consentement instantané (trajectoire
moyenne instantanée). De plus, par rapport aux objectifs d’un groupe en terme d’un com-
portement collectif et stable, nos deux modèles d’étude ne sont pas explicités et couvrent
les modèles cinématiques/dynamiques de plusieurs agents autonomes. On note également
que le fait de s’attaquer à la stabilité d’un groupe d’agents, permet de conclure sur la
stabilité de chaque agent alors que la forme de l’entrée de commande n’a pas un objectif
directement compensatoire des termes de dérive.
Ce mémoire se distingue par les deux parties I et II citées ci-dessus auxquelles on

associera quatre chapitres (deux chapitres par partie). En outre, sous forme de chapitre,
l’introduction générale, les outils mathématiques et la conclusion générale compléteront
le manuscrit de cette thèse.
1.2. Publications associées aux résultats 17
1.2 Publications associées aux résultats

Les résultats qui vont être détaillés dans ce mémoire ont donné lieu aux publications
suivantes.
1. N.Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Finite time stability of perturbed

systems , IEEE Multi-conference on Systems and Control (MSC 12), Dubrovnick,
Croatia, 2012.
2. N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Local finite time stability and
stabilization of interconnected systems, 9th IFAC Symposium on Nonlinear Control
Systems (NOLCOS 13), Toulouse, France, 2013.
3. N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Finite time stabilization of inter-

connected nonlinear systems, IEEE Multi-conference on Systems and Control (MSC
13), Hyderabad, India, 2013.
4. N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Finite time consensus and sta-
bilization of networked nonlinear systems 52nd IEEE Conference on Decision and
Control (CDC 13), Florence, Italy, 2013.
5. N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Finite time consensus of net-

worked nonlinear systems under directed graph Accepted to the European Control
Conference (ECC 14), Strasbourg, France, 2014.
6. N. Zoghlami, L. Beji, R. Mlyah, and A. Abichou, Finite-time average consensus in

networked nonlinear dynamic systems, Submitted to the 53nd IEEE Conference on
Decision and Control (CDC), Los Angeles, USA, 2014.
7. N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Finite-time consensus in networ-

ked dynamic systems, IEEE Transactions on Automatic Control, en révision, janvier
2014.
8. N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Average consensus and stability

analysis in networked dynamic systems, Automatica, en révision, janvier 2014.
Chapitre 2
Stabilité des systèmes autonomes et

non autonomes et théorie des graphes
2.1 Introduction
Aujourd’hui, la stabilité asymptotique et exponentielle des équations différentielles
ordinaire (EDO) est bien maîtrisée. Au 19ème siècle, le célèbre Alexander Mikhailovïch
Lyapunov a été le premier qui a avoir formulé mathématiquement cette idée. Lyapunov a
montré que l’existence de certaines fonctions, définie positive, prouvait la stabilité pour
les EDO continues. Pour permettre d’étudier analytiquement le problème de stabilité d’un
point d’équilibre, Lyapunov [46] a généralisé la notion d’énergie en regardant l’évolution
de cette dernière. La méthode de Lyapunov, consiste à étudier la stabilité du système sans
connaître la solution explicite du système étudié. En effet, le procédure de base est de géné-
rer une fonction "de type énergie" dite fonction de Lyapunov pour le système dynamique
et d’en examiner sa dérivée temporelle le long de ces trajectoire. Ce qui traduit physi-
quement l’idée que si l’énergie totale du système est dissipée de manière continue alors le
système devra rejoindre un point d’équilibre dans un temps infini (stabilité asymptotique)
ou dans un temps fini (stabilité en temps fini). En d’autre termes, le système est stable
si son énergie diminue et elle est minimale à l’équilibre. Plus tard en 1963 J. Kurzweil a
démontré dans [45] l’équivalence entre l’existence de ces fonctions, appelées fonctions de
Lyapunov, et la stabilité pour les EDO continues.
19
20 Chapitre 2. Stabilité des systèmes autonomes et non autonomes et théorie des graphes
Ce chapitre exhibe les notions générales et les outils mathématiques qui permettent
de distinguer la stabilité au sens de Lyapunov dans le cas asymptotique et dans le cas
temps fini. Nous décrivons entre autre les résultats théoriques de stabilité associés aux sys-
tèmes autonomes et non autonomes. Nous introduisons des exemples simples pour clarifier
quelques résultats. Comme le montre le sujet de cette thèse, nous mettons d’avantage l’ac-
cent sur l’importance de la stabilité en temps fini et les techniques conduisant à une telle
conclusion. On ne peut pas parler des systèmes interconnectés, des systèmes en consensus
et des systèmes en formation sans faire appel à des topologies d’interconnexion, appelées
aussi graphes. Ce chapitre, dans sa dernière partie, détaille la notion d’interconnexion
et les systèmes en réseau. Nous introduisons la notion du graphe orienté et non-orienté
et le graphe stationnaire. Enfin nous faisons appel à quelques exemples simples avant
d’attaquer les objectifs d’une interconnexion par rapport aux systèmes dynamiques qu’on
traite.
Dans un premier temps nous introduisons les théorèmes d’existence et d’unicité liés
aux systèmes autonomes et non autonomes.
2.2 Théorèmes d’existence et d’unicité
On désigne par Ω un ouvert non vide de Rn (n ∈ N∗ ) et par I un intervalle non vide

de R, non borné à droite.
Soit f : Ω → Rn une application continue, on lui associe le système autonome :
ẋ = f (x) (2.1)
Soit f : I × Ω → Rn une application continue, on lui associe le système non-autonome :
ẋ = f (t, x) (2.2)
x(t, t0 , x0 ) désigne une solution x(t) du système (2.1) ou du système (2.2) telle que x(t0 ) =
x0
2.2. Théorèmes d’existence et d’unicité 21
Théorème 2.1 (Arzela Péano)[30] On considère le système (2.2). Alors, pour tout
point (t0 , x0 ) ∈ I × Ω passe au moins une solution maximale x(t, t0 , x0 ) définie sur J ⊂ I.
Théorème 2.2 (Carathéodory)[30] Soit f : I × Ω → Rn telle que :
(i) pour tout x ∈ Ω, ϕy : t ∈ I 7→ f (t, x) est mesurable.
(ii) pour presque tout t, φt : x ∈ Ω 7→ f (t, x) est continue.
(iii) pour tout compact K de Ω, il existe mk : I 7→ R+ intégrable sur I telle que :
∀(t, x) ∈ I × K, |f (t, x)| ≤ mk (t)
On considère le système :
ẋ = f (t, x), t∈I
dit système de Carthéodory. Alors, pour tout (t0 , x0 ) ∈ I̊ × Ω passe au moins une solution
x(t, t0 , x0 ) définie pour tout t.
Définition 2.3 [30] Soit f : I × Ω → Rn , on dit que
1. f est localement lipschitzienne par rapport à la première variable, si pour tout

(t0 , x0 ) ∈ I × Ω, il existe un voisinage V de (t0 , x0 ) dans I × Ω et une constante
c > 0 telle que :
∀((t1 , y), (t2 , y)) ∈ V 2 , kf (t1 , y) − f (t2 , y)k ≤ ckt1 − t2 k
2. f est localement lipschitzienne en la deuxième variable, si pour tout (t0 , x0 ) ∈ I × Ω,

il existe un voisinage V de (t0 , x0 ) dans I × Ω et une constante c > 0 telle que :
∀((t, y1 ), (t, y2 )) ∈ V 2 , kf (t, y1 ) − f (t, y2 )k ≤ cky1 − y2 k
Théorème 2.4 (Cauchy-Lipshitz)[30] Soit f : I × Ω → Rn continue, f est localement

lipschitzienne en la deuxième variable, on considère le système (2.2), alors pour tout point
(t0 , x0 ) ∈ I × Ω passe une seule solution maximale x(t, t0 , x0 ) définie sur J ⊂ I
2.3 Stabilité au sens de Lyapunov
Par définition, la stabilité signifie que si un système est en équilibre, il restera dans
cet état quand le temps varie. L’analyse de la stabilité au sens de Lyapunov consiste en
l’étude des trajectoires du système quand l’état initial est proche d’un état d’équilibre.
L’objectif de la stabilité est de tirer des conclusions quant au comportement du système
sans calculer explicitement ses trajectoires. Afin d’étudier les résultats classiques sur la
notion de stabilité au sens de Lyapunov, nous devons rappeler les définitions suivantes.
2.3.1 Préliminaires et définitions
Définition 2.5 Un point x̄ ∈ Ω est un point d’équilibre, ou point singulier du système

(2.1) (resp. de (2.2)) si f (x̄) = 0 (resp. ∀t ∈ I, f (t, x̄) = 0).
On considère toujours l’équilibre en 0. Pour le cas général, il suffit de faire une trans-
lation.
Définition 2.6 On considère le système (2.1), et V : Ω → Rn ayant des dérivées par-

tielles sur Ω. On définit la dérivée totale V̇ pour le système (2.1) par :
n
X ∂V
V̇ (y) = (y)fi (y)
i=1
∂xi
Définition 2.7 On considère le système (2.2), et V : I × Ω → Rn ayant des dérivées

partielles sur I × Ω. On définit la dérivée totale V̇ pour le système (2.2) par :
n
∂V X ∂V
V̇ (y) = (t, y) + (t, y)fi (t, y)
∂t i=1
∂xi
Définition 2.8 Soient a ∈ R+ \ {0} et g : [0, a] → R+ une application continue, on dit

que g appartient à la classe K si :
(i) g est strictement croissante,
(ii) g(0) = 0.
2.3. Stabilité au sens de Lyapunov 23
On dit que g appartient à la classe K∞ si g vérifie (i), (ii) avec a > 0 arbitraire et
lim g(r) = +∞
r7→+∞
Définition 2.9 Une fonction v : Ω → R est dite semi-définie positive (resp. semi-définie
négative) s’il existe un voisinage V de 0 tel que :
1. v(0) = 0
2. ∀y ∈ V, v(y) ≥ 0 (resp. v(y) ≤ 0).
Elle est dite définie positive (resp. définie négative) s’il existe un voisinage V de 0 tel que :
1. v(0) = 0
2. ∀y ∈ V \ {0}, v(y) > 0 (resp. v(y) < 0).
Définition 2.10 Une fonction v : I × Ω → R est dite semi-définie positive (resp. semi-
définie négative) s’il existe un voisinage V de 0 tel que :
1. ∀t ∈ I v(t, 0) = 0
2. ∀t ∈ I, ∀y ∈ V, v(t, y) ≥ 0 (resp. v(t, y) ≤ 0).
Elle est dite définie positive (resp. définie négative) s’il existe un voisinage V de 0 tel que :
1. ∀t ∈ I, v(t, 0) = 0
2. il existe v0 : V → R définie positive telle que :
∀t ∈ I, ∀y ∈ V, v(t, y) ≥ v0 (y)
(resp. v(t, y) ≤ v0 (y))
Définition 2.11 Une fonction v : Rn → R est radialement non bornée si :
lim v(y) = +∞
kyk→+∞
Une fonction v : I × Rn → R est radialement non bornée si
lim v(t, y) = +∞
kyk→+∞
uniformément en t, c’est à dire
∀ǫ > 0, ∃δ > 0; ∀y ∈ Rn , (kyk > δ) ⇒ (∀t ∈ I, v(t, y) > ǫ)
Définition 2.12 Une fonction v : I × Ω → R est décrescente si
lim v(t, y) = 0
kyk→0
uniformément en t, c’est à dire
∀ǫ > 0, ∃δ > 0; ∀y ∈ Ω, (kyk < δ) ⇒ (∀t ∈ I, v(t, y) < ǫ)
2.3.2 Systèmes autonomes
Nous considérons le cas des systèmes autonomes donnés par l’équation (2.1).
Définition 2.13 [30] L’origine est stable pour le système (2.1) si pour tout ε > 0, il
existe δ(ε) > 0 tel que si ||x(0)|| < δ alors chaque solution x(t) satisfait ||x(t)|| < ε pour
tout t ≥ 0.
Définition 2.14 [30] L’origine du système (2.1) est asymptotiquement stable si l’ori-
gine du système (2.1) est stable et si ∃ δ0 > 0 tel que ||x(0)|| < δ0 alors lim ||x(t)|| = 0.
t→+∞
Cette définition est illustrée sur la figure 2.1.

Par la suite, on introduit le théorème de Lyapunov associé aux systèmes autonomes.
Théorème 2.15 [30] Supposons que l’origine est un point d’équilibre du système auto-
nome (2.1). S’il existe un voisinage V ⊂ Rn de 0 et une fonction
V : V → R+
continue, ayant des dérivées partielles continues telles que :

i) V soit définie positive
Figure 2.1 – Comportement de la solution en x(.)(stabilité)
ii) la dérivée totale V̇ pour (2.1) soit semi définie négative, alors 0 est stable, V
s’appelle une fonction de Lyapunov. De plus si la dérivée totale V̇ pour (2.1)
est définie négative alors 0 est asymptotiquement stable, V s’appelle une fonction
stricte de Lyapunov.
Exemple 2.16 On considère le système :


ẋ1 = −x31 − x22

(2.3)
ẋ2 = x1 x2 − x3

2
Pour déterminer la stabilité de l’équilibre 0, posons
1 1
V (y1 , y2 ) = y12 + y22
2 2
On a V (0) = 0 et V est définie positive. La dérivée de V pour le système (2.3) vaut
V̇ (y1 , y2 ) = y1 (−y13 − y22 ) + y2 (y1 y2 − y23 ) = −(y14 + y24 )

V̇ est clairement définie négative. D’après le théorème 2.15, on en déduit que 0 est
asymptotiquement stable.
2.3.3 Systèmes non autonomes
Les notions de stabilité et de stabilité asymptotique d’un point d’équilibre sont essen-
tiellement les mêmes que celles mises en place dans la définition précédente des systèmes
autonomes. L’élément nouveau ici est que la solution de système non autonome peut dé-
pendre à la fois de t et de t0 . Par conséquent, le comportement de la stabilité du point
d’équilibre dépend, en général, de t0 .
Définition 2.17 [30] L’origine du système (2.2) est dit

i) stable si pour tout ε > 0, et pour tout t0 ≥ 0, il existe δ(ε, t0 ) > 0 tel que si
||x(0)|| < δ(ε, t0 )
alors chaque solution x(t) satisfait ||x(t)|| < ε pour tout t ≥ t0 .
ii) asymptotiquement stable si il est stable et pour tout t0 ≥ 0, il existe une

constante positive c(t0 ) telle que si ||x(t0 )|| < c(t0 ), lim ||x(t)|| = 0.
t→+∞
Définition 2.18 [30] L’origine du système (2.2) est uniformément asymptotiquement

stable si :
i) l’origine est uniformément stable i.e pour tout ε > 0, il existe δ(ε) > 0 tel que si
kx(t0 )k < δ(ε) alors kx(t)k < ε pour tout t ≥ t0 .
ii) il existe δ > 0 tel que si kx(t0 )k < δ alors lim kx(t)k = 0.
t→+∞
Par la suite, on introduit le théorème de Lyapunov associé aux systèmes non autonomes.
Théorème 2.19 [30] Soit l’origine un point d’équilibre du système non autonome (2.2),
s’il existe un voisinage Vt0 ⊂ Rn de 0 et une fonction
V : Vt0 → R+
continue, ayant des dérivées partielles continues telle que :

i) V soit définie positive

ii) la dérivée totale V̇ pour (2.2) est négative (respectivement définie négative)
alors 0 est uniformement stable. De plus si on a :
iii) V est décrescente (Définition 2.12). Alors 0 est uniformément stable (respective-
ment uniformément asymptotiquement stable).
Si de plus :
iv) Ω = Rn et si V est radialement non bornée, alors 0 est globalement uniformément

stable (respectivement globalement uniformément asymptotiquement stable).
Exemple 2.20 On considère le système :


ẋ1 = −x1 − e−2t x2

(2.4)
ẋ2 = x1 − x2

Pour déterminer la stabilité de l’équilibre 0, posons
V (t, y) = y12 + (1 + e−2t )y22
Cette fonction est définie positive, car elle domine la fonction positive
V (y) = y12 + y22
indépendante de t. Elle est aussi décrescente car elle est dominée par une fonction définie
positive
V (y) = y12 + 2y22
indépendante de t. De plus, la dérivée de V pour le système vaut
V̇ (t, y) = −2(y12 − y1 y2 + y22 (1 + 2e−2t ))

ce qui montre que
V̇ (t, y) ≤ −2(y12 − y1 y2 + y22 )
≤ −(y1 − y2 )2 − y12 − y22
On en déduit alors que V̇ est définie négative, et que 0 est uniformément asymptotiquement
stable.
Maintenant, on présente le théorème inverse de Lypaunov. (pour plus de détails voir [48])
Théorème 2.21 On considère le système (2.2) avec Ω = Rn , f ∈ C 0 (I × Rn ) et f

est localement lipschitzienne en la deuxième variable où 0 est un équilibre globalement
uniformément asymptotiquement stable. Alors, il existe une fonction de Lyapunov
V : I × Rn → R+
associée au système telles que :
1. V est décrescente (Définition 2.12),
2. V est localement lipshitzienne en la première et la deuxième variable,
3. V̇ est définie négative,
4. V est radialement non bornée.
On rappelle le théorème de Hahn
Théorème 2.22 [47] Si l’équilibre 0 d’un système différentiel autonome (2.1) ou non
autonome (2.2) périodique en t est asymptotiquement stable 1 , alors il est uniformément
asymptotiquement stable.
Dans un second temps, nous rappelons la notion de stabilité en temps fini. Cette stabi-
lité, qui n’est qu’une extension de la stabilité asymptotique, est cependant très importante
du point de vue pratique et industriel, car elle permet d’estimer au bout de combien de
temps le système atteint la stabilité.
1. on a le même résultat si l’origine est stable en temps fini [47]
2.4. Stabilité en temps fini 29
2.4 Stabilité en temps fini
La notion de stabilité en temps fini est assez intuitive : l’idée consiste à certifier que le
système, au bout d’un temps bien déterminé, atteint le point d’équilibre et en y restant
par la suite. La connaissance de l’instant où la trajectoire réelle rejoindra celle désirée est
notamment un aspect important dans les applications pratiques qui cherchent à garantir
une bonne performance.
Historiquement, Haimo fut le premier dans [16], à publier un article traitant de la stabilité
en temps fini. Il faudra attendre la fin des années 90 pour que cette théorie se développe
sous l’impulsion de Bhat et Bernstein [17] [18] en montrant qu’avec certaines proprié-
tés d’homogénéité du système, la stabilité asymptotique est équivalente à la stabilité en
temps fini. Dans [20], les auteurs présentent une application à la robotique. Et dans [19],
ils démontrent le premier théorème réciproque ajoutant une nouvelle page à la théorie.
Moulay et Perruquetti ont repris ces travaux et ils ont étendu les résultats à différentes
classes de systèmes (non autonome) [22]. Signalons qu’il ne faut pas confondre les termes
"temps fini" et "stabilité" avec les notions de stabilité pratique et où les auteurs défi-
nissent la stabilité sur un intervalle de temps fini où l’état ne dépasse pas une certaine
limite pendant un temps fini, citons par exemple les travaux de Amato dans [49] et les
travaux de Lazarevic dans [50].
A présent, introduisons un exemple élémentaire d’un système stable en temps fini dont
on connaît explicitement les solutions. Soit la dynamique suivante :
ẋ = −sgn(x)|x|α (2.5)
avec x ∈ R et α ∈]0, 1[.
dont les solutions du système sont données par


1 |x0 |1−α
sgn(x0 )[|x0 |1−α − t(1 − α)] 1−α

si 0≤t≤ 1−α
x(t, t0 , x0 ) =
0 sinon

Ces solutions décroissent et finissent par être nulles à partir d’un certain temps.
L’origine du système (2.5) est dit stable en temps fini. Notons que l’équation (2.5)
n’est pas lipschitzienne à l’origine. Dans ce cas, la stabilité en temps fini ne peut être
obtenue du fait de l’unicité des solutions. Et pour cela la condition de non-lipschitzienne
à l’origine est une condition nécessaire pour la stabilité en temps fini.
2.4.1 Cas des systèmes autonomes
Rappelons à présent la dynamique d’un système autonome, soit f : Ω → Rn telle que
ẋ = f (x) (2.6)
Définition 2.23 [19] L’origine du système (2.6) est dit stable en temps fini s’il existe
un voisinage V de l’origine et une fonction T : V\{0} → [0, +∞[ appelée fonction temps
d’établissement, telles que
(i) l’origine est stable au sens de Lyapunov.
(ii) les solutions convergent en temps fini : lim x(t, t0 , x0 ) = 0
t→T (x)
Si de plus, V = Rn alors l’origine est globalement stable en temps fini.
Cette définition est illustrée sur la figure 2.2.
Rappelons un résultat élémentaire donné par Haimo [16] sur la stabilité en temps
fini des systèmes autonomes scalaires de la forme
ẋ = f (x), x ∈ R, (2.7)
où f : R → R. Dans ce cas particulier, il existe une condition nécessaire et suffisante

pour la stabilité en temps fini.
Théorème 2.24 Supposons que l’origine soit un point d’équilibre du système (2.7) où f
est continue. Alors, l’origine est stable en temps fini pour le système (2.7) si et seulement
Figure 2.2 – Comportement de la solution en x(.) (stabilité en temps fini).
s’il existe un voisinage Ω de l’origine tel que pour tout x ∈ Ω\{0},
1. xf (x) < 0 et
R0
2. x fdz
(z)
< +∞
Exemple 2.25 On reprend l’exemple élémentaire (2.5)

Soit α ∈]0, 1[, considérons le système
ẋ = −ϕα (x)
(on rappelle ϕα (x) = sgn(x)|x|α , voir Notation).

On a −xϕα (x) < 0 pour x 6= 0 et si x ∈ R alors
0
dz |x|1−α
Z
= < +∞
x −|z|α sgn(z) 1−α
Les hypothèses du Théorème 2.24 sont satisfaites. Donc, l’origine est stable en temps fini
|x|1−α
et les solutions φx (τ ) tendent vers l’origine avec le temps d’établissement T (x) = 1−α
.
Théorème 2.26 [19] S’il existe une fonction de Lyapunov V (x) : Ω ⊂ Rn → R telle que
i) V est définie positive.

ii) il existe un voisinage de l’origine V ⊂ Ω tel que V̇ + c(V (x))β ≤ 0, x ∈ V\{0} avec
c > 0 et β ∈]0, 1[.
Alors l’origine du système (2.6) est stable en temps fini et la fonction temps d’établisse-
ment T (x) est continue et satisfait l’inégalité suivante
V (x(0))1−β
T (x) ≤ (2.8)
c(1 − β)
De plus, si Ω = Rn et V̇ est définie négative sur Rn \{0}, alors l’origine du système (2.1)
est globalement stable en temps fini.
Exemple 2.27 considérons le système


x˙1 = −ϕα (x1 ) − x31 + x2

x˙2 = −ϕα (x2 ) − x3 − x1


2
où α ∈]0, 1[.
2
||x||22
X
En prenant V (x) = 2
, on obtient V̇ (x1 , x2 ) = − (x4i + |xi |α+1 ) ≤ 0. V est une
i=1
fonction de Lyapunov pour le système vérifiant
α+1 α+1
V̇ ≤ −2 2 V 2
Donc l’origine est stable en temps fini avec un temps d’établissement continu vérifiant
2||x||1−α
T (x) ≤ 1−α
2
Le théorème 2.26 implique que pour un système stable en temps fini et une fonction
temps d’établissement discontinue, il n’existe pas une fonction de Lyapunov satisfaisant
les hypothèses du théorème 2.26. Dans le cas où la fonction temps d’établissement est
continue, le théorème suivant fournit un inverse au théorème précédent.
Théorème 2.28 [19] Supposons que l’origine du système (2.6) est stable en temps fini
et la fonction temps d’établissement T est continue en 0. Soit V un voisinage de 0 et
β ∈]0, 1[. Alors il existe une fonction V (x) : V → R continue et vérifie :
i) V est définie positive.

ii) V̇ est continue sur V et il existe c > 0 telle que
V̇ + c(V (x))β ≤ 0 x∈V
2.4.2 Cas des systèmes non autonomes
Nous présentons la notion de stabilité en temps fini pour les systèmes non autonomes.
Par conséquent, la définition suivante généralise celle 2.23 de Bhat [19].
Définition 2.29 [34] L’origine du système (2.2) est dite stable en temps fini s’il existe
un voisinage V de l’origine et une fonction T : [0, +∞[×V\{0} → [0, +∞[, appelée fonc-
tion temps d’établissement tels que :
(i) l’origine est stable 2 pour le système (2.2)
(ii) pour tout t0 ≥ 0 et x0 ∈ V\{0} , x(t, t0 , x0 ) est définie sur [t0 , T (t0 , x0 )[, pour tout
t ∈ [t0 , T (t0 , x0 )[ on a x(t, t0 , x0 ) ∈ V\{0} et lim x(t, t0 , x0 ) = 0
t→T (t0 ,x0 )
T0 (t0 , x0 ) = inf{T (t0 , x0 ) ≥ 0 : x(t, t0 , x0 ) = 0 ∀t ≥ T (t0 , x0 )}
s’appelle le temps d’établissement de la solution x(t, t0 , x0 )
Si de plus V = Ω = Rn alors l’origine du système (2.2) est globalement stable en temps

fini.
Pour les systèmes plus généraux décrits par (2.2), Moulay et Perequetti ont montré que
les fonctions de Lyapunov permettent d’obtenir des conditions suffisantes sur la stabilité
en temps fini.
L’idée est basée sur l’existence d’une fonction de Lyapunov V et d’une fonction continue
définie positive r : R≥0 → R≥0 vérifiant l’inégalité différentielle suivante
V̇ (t, x) ≤ −r(V (t, x)) (2.9)
2. stable au sens de Lyapunov définition 2.17

pour tout (t, x) ∈ I × Ω.

Une condition suffisante pour la stabilité en temps fini est donnée par le théorème suivant.
Théorème 2.30 S’il existe une fonction de Lyapunov continûment differentiable V (t, x)
vérifiant la condition (2.9) telle qu’il existe ε > 0 pour lequel
ε
dz
Z
< +∞
0 r(z)
alors l’origine du système (2.2) est stable en temps fini. La fonction temps d’établissement
pour ce système satisfait l’inégalité suivante
V (t,x)
dz
Z
T0 (t, x) ≤
0 r(z)
Exemple 2.31 Considérons le système scalaire non autonome suivant
ẋ = −(1 + t2 )ϕα (x)
t ≥ 0, x ∈ R, avec α ∈]0, 1[, soit la fonction de Lyapunov V (x) = x2
V̇ (t, x) = −2(1 + t2 )xϕα (x) ≤ −r(V (x))
α+1
Rε dz
avec r(V ) = 2ϕβ (V ) et β = 2
, puisque 0 r(z)
< +∞, le théorème 2.30 assure
que l’origine est stable en temps fini avec la fonction temps d’établissement du système
4|x|1−α
T0 (t, x) ≤ 1−α
Dans le cas où la fonction temps d’établissement est continue, on a le théorème inverse

suivant.
Théorème 2.32 [24] Soit λ ∈ (0, 1) et V un voisinage ouvert de l’origine. On suppose

qu’il existe une fonction ν : [0, r] → R+ de classe K, avec r > 0, telle que pour t ≥ 0 et
x ∈ Br (0) ⊆ V, on a
kf (t, x)k ≤ ν(kxk). (2.10)
Si l’origine est stable en temps fini et le temps d’établissement T (.) est continu en (t, 0)
2.5. Systèmes homogènes 35
pour t ≥ 0, alors il existe une fonction α(.) de classe K, une constante k > 0, une fonction
continue V : [0, ∞) × V → R et un voisinage de l’origine M tels que V̇ (t, x) est définie
et pour (t, x) ∈ [0, ∞) × R, on a :
1. V (t, 0) = 0 ; t ∈ [0, ∞).
2. α(kxk) ≤ V (t, x), t ∈ [0, ∞), x ∈ M.
3. V̇ (t, x) ≤ −k(V (t, x))λ , t ∈ [0, ∞), x ∈ M et λ ∈]0, 1[.
2.5 Systèmes homogènes

L’étude des systèmes homogènes a attiré l’attention de plusieurs chercheurs au cours
des dernières années surtout dans l’étude de la stabilité ou de la stabilisation des systèmes
non linéaires. Cependant, l’homogénéité de degré négatif dans l’étude de la stabilité en
temps fini a été bien développée par S. Bhat dans [18].
Sans perte de généralité, les définitions suivantes sont aussi utiles dans le cas d’un système
homogène non autonome (pour plus de détails on peut se référer à [21], [29] et [28]).
Considérons le système
ẋ = f (x) (2.11)
où f est continue, et x = (x1 , ..., xn ) ∈ Rn . La dilatation souvent considérée dans la

littérature est de la forme (2.12) (voir [51], [52], [53], [55] et [56]).
Définition 2.33 Soient r1 ≤, ..., ≤ rn n nombres réels. On définit la dilatation ∆λ : Rn →

R pour λ > 0 et x = (x1 , ..., xn ) ∈ Rn par
∆λ x = (λr1 x1 , ..., λrn xn ) (2.12)
Définition 2.34 Le système (2.11) est homogène de degré d par rapport à la dilatation
∆λ s’il existe (r1 , ..., rn ) ∈ ((0, ∞))n telle que
fi (λr1 x1 , ..., λr1 xn ) = λri +d fi (x1 , ..., xn )
pour tout λ > 0 et tout x = (x1 , ..., xn ) ∈ Rn .

Notons qu’il y a une autre forme de dilatation qui s’appelle dilatation d’Euler. Pour plus
de détails, on peut se référer aux ouvrages [32] [54], [27] et [57]. Dans cette thèse on se
limitera à la dilatation donnée par la relation (2.12).
Exemple 2.35 On considère le système de dimension deux suivant :


x˙1 = x2

(2.13)
x˙2 = −2(ϕ 1 (x1 ) + ϕ 1 (x2 ))

3 2
 
x2
La fonction f (x1 , x2 ) =   définie dans le système (2.13) est
−2(ϕ 1 (x1 ) + ϕ 1 (x2 ))
3 2
homogène de degré −1 par rapport à la dilatation ∆λ (x1 , x2 ) = (λ3 x1 , λ2 x2 ).
Dans le théorème suivant on présente le lien entre l’homogénéité de degré négative et la

stabilité en temps fini. Cet important résultat a été prouvé par Bhat [21].
Théorème 2.36 [21] Supposons que le système (2.11) est homogène de degré d < 0, alors
l’origine du système (2.11) est stable en temps fini si et seulement si il est asymptotique-
ment stable.
Exemple 2.37 Il est intéressant d’étudier la stabilité en temps fini d’un système homo-
gène scalaire, d’où l’exemple suivant, (α > 0) :
ẋ = −k.sgn(x)|x|α (2.14)
le système scalaire (2.14) est continu sur R et homogène de degré α − 1 respectant la dila-
tation standard 3 ∆λ (x) = 1. L’équation (2.14)peut être facilement intégrée et on obtient

1 1
− α−1
sgn(x0 )( + k(α − 1)t) , α>1


|x α−1
0|






e−kt x ,

α=1
0
x(t, t0 , x0 ) = (2.15)
1 |x0 |1−α
sign(x0 )[|x0 |1−α − kt(1 − α)] 1−α ,




 0≤t≤ k(1−α)
α<1


|x0 |1−α

0 t≥ α<1

k(1−α)
3. La dilatation standard est définie comme dans (2.12) pour r1 = ... = rn = 1.

2.5. Systèmes homogènes 37
A partir de (2.15), il est clair que l’origine du système (2.14) est asymptotiquement stable
ssi k > 0 et stable en temps fini ssi k > 0 et α < 1. En d’autre terme, l’origine du système
(2.14) est stable en temps fini ssi l’origine du système (2.14) est asymptotiquement stable
et le degré d’homogénéité du système (2.14) est négatif. En outre, dans le cas où k > 0 et
α < 1, la fonction temps d’établissement est donnée par
|x|1−α
T (x) = .
k(1 − α)
Maintenant, on présente deux importants théorèmes utiles à l’étude des propriétés d’ho-
mogénéité des systèmes, et utilisés dans les deux premiers chapitres de cette thèse.
Théorème 2.38 [21] Si V est homogène de degré l > 0 par rapport à une dilatation
donnée dans (2.12) et V est de classe C 1 , alors on a :
∂V ∂V
x1 + ... + xn = lV
∂x1 ∂xn
Théorème 2.39 [21][58] On suppose que f est homogène de degré m par rapport à une di-
latation (2.12) et l’origine est asymptotiquement stable. Alors pour tout l > max{0, −m},
il existe une fonction V : Rn → R continue, définie positive, de classe C 1 dans Rn \{0},
homogène de degré l par rapport à la dilatation (2.12) et V̇ est continue, définie negative
et homogène de degré l + m.
Théorème 2.40 [19][21] On suppose que V1 et V2 sont deux fonctions continues dans
Rn , homogènes par rapport à la dilatation ∆λ de degrés respectifs l1 > 0 et l2 > 0 avec V1
définie positive. Alors, pour tout x ∈ Rn on a
l2 l2
[ min V2 (z)][V1 (x)] l1 ≤ V2 (x) ≤ [ max V2 (z)][V1 (x)] l1
{z:V1 (z)=1} {z:V1 (z)=1}
2.6 Stabilisation en temps fini

Jusqu’à maintenant, nous n’avons parlé que de stabilité. Dans la théorie du contrôle,
l’objectif est de trouver une commande qui garantit la stabilisation de l’origine. Nous
allons exposer la définition de la stabilisation en temps fini pour les systèmes contrôlés de
la forme :
ẋ = f (x, u(x)) (2.16)
où f est continue sur x ∈ Rn×m , u ∈ Rm est la commande.
Définition 2.41 Le système (2.16) est stabilisable en temps fini s’il existe une com-
mande u ∈ C 0 (Ω, Rm ) telle que
1. u(0) = 0
2. l’origine du système bouclé ẋ = f (x, u(x)) soit stable en temps fini.
2.7 Théorie de graphe

Dans ce paragraphe, nous introduisons quelques concepts de base sur la théorie des
graphes. Nous commençons par rappeler quelques notions et définitions de base de la
théorie des graphes qui seront utilisées par la suite. Pour plus de détails on peut se référer
à [85], [59], [60], [62] et [66]. Un graphe de configuration des liens qu’on note G(ν, ǫ) est
défini par deux ensembles : le premier est l’ensemble des indices des N nœuds, noté par :
ν = {1, ..., N }
et le deuxième est l’ensemble des arrêtes qui relient deux noeuds :
ǫ = {(i, j) ∈ ν × ν, j ∈ Ni }
où Ni est l’ensemble des indices des noeuds en liaison avec le ime nœud. La notation
(i, j) veut dire une arrête ou connexion entre i et j, et que j ∈ Ni et i n’appartient pas
nécessairement à Nj . Ce qui implique que (i, j) et (j, i) ne présentent pas nécessairement
2.7. Théorie de graphe 39
la même arrête. Ces connexions établies entre les noeuds sont regroupées dans une matrice
A = [aij ], qu’on appelle matrice de liaison ou matrice adjacente. Dans ce manuscrit, on
se limite à une matrice adjacente binaire (stationnaire), tel que si le ième nœud prend une
information du j ème noeud, alors

1 si j ∈ Ni

aij =
0 sinon

On note par D la matrice diagonale tel que son ième terme diagonal correspond au
nombre de liaisons que peut établir le ième agent avec les autres. On définit la matrice
laplacienne (ou le Laplacien) L = [lij ] comme suite :
L=D−A
les éléments de cette matrice sont tels que


 N
X
a si j = i


 ik
lij = k=1

si j 6= i

−aij

Prenons l’exemple de la figure 2.3 où, par exemple, l’agent 1 reçoit une information de
l’agent 2 et donne une information à l’agent 3 et l’agent 4. Ce graphe présente 4 nœuds et
5 arrêtes, les matrices A (adjacente), D (diagonale) et L (laplacienne) associées au graphe
2.3 sont :
     
0 1 0 0 1 0 0 0 1 −1 0 0
     
 0 0 1 0   0 1 0 0   0 1 −1 0 
     
A=
 , D=
  et L =  
 1 0 0 1   0 0 2 0   −1 0 2 −1 
   
     
1 0 0 0 0 0 0 1 −1 0 0 1
Selon les deux définitions suivantes, il existe deux types de graphes.

1 3
2 4
Figure 2.3 – Exemple d’un graphe de connexion entre 4 agents.
Définition 2.42 (graphe non-orienté 4 ). Un graphe non-orienté est tel que la connexion
entre deux noeuds est réciproque, c’est-à-dire simultanément j ∈ Ni et i ∈ Nj . La matrice
adjacente associée à un graphe non-orienté est symétrique (aij = aji ).
Définition 2.43 (graphe orienté 5 ). Un graphe orienté est tel que les connexions ne sont
pas nécessairement réciproques. La matrice adjacente associée n’est pas nécessairement
symétrique.
Comme on peut le remarquer à partir de la définition de ces deux graphes, tout graphe
non-orienté est orienté mais la réciproque est fausse.
Exemples. Les matrices adjacentes suivantes sont respectivement, A1 celle du graphe
1 3 1 3
2 4 2 4
Figure 2.4 – Exemples de graphe : graphe orienté (à gauche), graphe non orienté (à
droite).
4. Dans la littérature on l’appelle aussi graphe indirecte, graphe non dirigé où graphe symétrique
5. Dans la littérature on l’appelle aussi graphe direct où graphe dirigé
2.7. Théorie de graphe 41
orienté de la figure 2.4 (gauche) et A2 celle du graphe non orienté de la figure 2.4 (droite).
   
0 1 0 1 0 1 1 1
   
 0 0 0 0   1 0 0 0 
   
A1 =   et A2 = 
   
 1 1 0 0   1 0 0 1 

   
0 0 1 0 1 0 1 0
Définition 2.44 (arbre couvrant). Un "arbre couvrant" est un graphe orienté qui com-
porte un noeud qui ne reçoit aucune information des nœuds du groupe.
Ainsi, s’il s’agit du k ème nœud, alors la k ème ligne de la matrice adjacente est nulle. On
peut voir la deuxième ligne de la matrice A1 ci-dessus, associée au graphe à gauche de le
figure 2.4.
Définition 2.45 Un graphe est dit fortement connexe lorsque pour tout couple (i, j), il
existe un chemin de i à j dans le graphe. Si le graphe est non orienté, on dit simplement
qu’il est connexe.
On note que les graphes ci-dessus ne sont pas fortement connexes car il n y a pas de
connexion entre (2,4) (graphe à gauche) et ((2,3) et (2,4)) (graphe à droite).
Définition 2.46 Un graphe pondéré G est celui dont les éléments de la matrice adjacente
sont positifs.
Dans un graphe pondéré, si le ième nœud prend une information du j ème nœud (j ∈ Ni ),
alors aij > 0. Autrement, aij = 0.
Le théorème suivant introduit les propriétés de la matrice laplacienne associée à un
graphe donné.
Théorème 2.47 [64]-[61]-[70] Soit L = [lij ] ∈ Rn×n la matrice Laplacienne d’un graphe
G 
 N
X
aik si j = i



lij = k=1


−aij
 si j 6= i
alors on a :
(i) 0 est une valeur propre de L et 1 est son vecteur propre associé.
(ii) Si G est un arbre couvrant, alors 0 est une valeur propre simple et toutes les autres
valeurs propres sont strictement positives.
(iii) Si G est fortement connexe, alors il existe un vecteur colonne strictement positif 6
tel que W T L = 0.
(iv) Supposons que G est fortement connexe et soit w > 0 tel que wT L = 0, alors
diag(w)L + LT diag(w) est la matrice Laplacienne du graph pondéré non orienté
G(diag(w)L + LT diag(w)).
Si G est non orienté, alors on a :

n
X
T T
(v) Pour x = (x1 , ..., xn ) , on a x Lx = 1
2
aij (xi −xj )2 et de plus L est une matrice
i,j=1
semi définie positive ce qui implique que toutes les valeurs propres sont positives.
(vi) On note les valeurs propres de la matrice Laplacienne dans l’ordre croissant
0 = λ1 (L) ≤ λ2 (L)... ≤ λn (L)
alors λ2 > 0.
xT Lx
(vii) De plus on a λ2 = min T
et xT Lx ≥ λ2 xT x.
x6=0,1T x=0 x x
2.8 Propriétés du produit de Kronecker
La collecte des informations provenant de plusieurs systèmes et de plusieurs com-

mandes nécessite de faire appel au produit de Kronecker. Pour la manipulation de ce
produit, on se réfère aux résultats suivants.
Definition 2.8.1 [77][26] : Soient les matrices A ∈ Rn×m (A = [ai,j ]) et B ∈ Rp×q , le
6. W = (w1 , ..., wn )T , le vecteur W est dit positif (resp. strictement positif) si wi ≥ 0 (resp. wi > 0)
2.9. Conclusion 43
produit de Kronecker de A et B, noté A ⊗ B, est une matrice dans Rnp×mq

 
a B . . . a1,m B
 1,1
 . ... ..

A ⊗ B =  .. .


 
an,1 B . . . an,m B
Théorème 2.48 [77][26] : Le produit de Kronecker a les propriétés suivantes :
1. (A + B) ⊗ C = (A ⊗ C) + (B ⊗ C)
2. (A ⊗ B)T = AT ⊗ B T
3. (A ⊗ B)(C ⊗ D) = (AC ⊗ BD)
2.9 Conclusion
Dans ce chapitre, on a introduit les outils mathématiques liés essentiellement à la
stabilité asymptotique et à la stabilité en temps fin des systèmes autonomes et non auto-
nomes. Nous avons présenté brièvement la théorie de Lyapunov ainsi que les principaux
résultats concernant la stabilité à l’aide des fonctions de Lyapunov. En complément, pour
l’étude de la stabilité et du problème de stabilisation en temps fini des systèmes dyna-
miques interconnectés et des systèmes multi-agents, on a introduit la notion de graphes
et les propriétés des matrices associées. Tout au long de cette thèse, nous ferons usage de
ces résultats pour démontrer nos propositions et valider nos simulations.
Première Partie : Stabilité et
stabilisation en temps fini des systèmes
perturbés
45
46 Première Partie : Stabilité et stabilisation en temps fini des systèmes perturbés
Chapitre 3
Stabilité en temps fini des systèmes

perturbés
3.1 Introduction
L’analyse de la stabilité des modèles mathématiques utilisés en physique à travers les
comportements des solutions s’avère parfois difficile car la forme explicite de la solution
est difficile à obtenir. Particulièrement, quand des petits paramètres sont présents dans le
modèle. Lorsque l’on annule un petit paramètre, noté de façon symbolique ε, il se peut que
la solution du problème initial ne tende pas uniformément vers la solution du problème
réduit. On est alors confronté à un problème dit de perturbation singulière pour lequel de
grandes difficultés pour l’analyse de la stabilité peuvent se poser. Sans se confronter aux
problèmes de calcul de solutions pour l’analyse de stabilité, on suppose que cette solution
existe et qu’il est judicieux de distinguer un tel système par sa forme nominale et celle
de la perturbation. D’une façon générale, l’analyse de la stabilité d’un système perturbé
passe par l’analyse de stabilité de la forme nominale à laquelle est associée les conditions
sur le terme de perturbation. Autrement dit, l’étude de systèmes perturbés se ramène
généralement à une étude de robustesse de la stabilité de l’origine du système nominal.
L’analyse asymptotique et exponentielle est traitée dans [30] pour le cas d’un système
non autonome perturbé. Le résultat de stabilité en temps fini a été développé par Bhat
[19],[21] pour le cas d’un système autonome perturbé.
47
48 Chapitre 3. Stabilité en temps fini des systèmes perturbés
Dans ce chapitre on étudie les systèmes autonomes et non autonomes perturbés dont
on cherche à définir les conditions de stabilité en temps fini de l’origine. Ainsi, nous allons
étendre les résultats de stabilité asymptotique présentés par Khalil [30] et ceux obtenus
par Bhat [19], dans le cas autonome, afin de résoudre le cas temps fini. Après avoir isolé la
fonction de perturbation, nous étudions le cas où la perturbation s’annule à l’origine, pré-
servant l’équilibre du système. Suite aux modèles physiques bouclés qu’on a pu rencontrer,
l’écriture qui se prète à la résolution du problème de stabilisation consiste à gérer la fonc-
tion de perturbation comme étant une fonction à variables séparables. Finalement, nous
introduisons des exemples d’application au fur et à mesure de l’exposition des résultats.
3.2 Système non autonome perturbé
Etant donné un système non autonome de la forme :
ẋ = f (t, x) (3.1)
où f : [0, +∞[×Ω → Rn est une fonction continue en (t, x) et Ω un ouvert de Rn contenant

l’origine, le système perturbé est défini par :
ẋ = f (t, x) + g(t, x) (3.2)
avec g : [0, +∞[×Ω → Rn . La fonction g(t, x), continue en (t, x), est une perturbation qui
apparaît comme un terme additif et qui pourrait résulter des erreurs de modélisation ou
des systèmes exogènes. Dans la réalité, on peut ne pas avoir la forme explicite de g(t, x),
néanmoins, pour l’analyse de stabilité du système perturbé, g(t, x) doit être bornée. Pour
la suite de l’étude, nous considérons une perturbation qui s’annule à l’origine.
3.2.1 Perturbation qui s’annule à l’origine
L’étude de systèmes perturbés se ramène généralement à une étude de robustesse de

la stabilité de l’origine du système nominal. Pour assurer cette propriété de robustesse,
3.2. Système non autonome perturbé 49
on montre que la connaissance de la forme explicite de la fonction de Lyapunov n’est pas

nécessaire. On suppose que l’origine est un point d’équilibre pour le système non perturbé
(3.1). Une perturbation qui s’annule à l’origine se traduit par g(t, 0) = 0. L’objectif est
d’étendre le résultat de stabilité en temps fini dans le cas autonome [19],[21] au cas d’un
système non autonome. Nous énonçons la stabilité en temps fini de l’origine d’un système
non autonome perturbé dans la proposition suivante.
Proposition 3.2.1 Sous les hypothèses,
1. x = 0 est stable en temps fini pour (3.1),
2. f (t, .) est homogène de degré m < 0 par rapport à une dilatation ∆λ ,
3. g(t, x) = O(xβ ) avec β > 1,
alors l’origine du système (3.2) est stable en temps fini.
Preuve. Par hypothèse x = 0 est stable en temps fini pour le système non perturbé (3.1).
En se basant sur le Théorème 2.32, il existe une fonction de Lyapunov V : [0, ∞[×Ω → R+
telle que ∀(t, x) ∈ [0, ∞[×Ω, on a :
i) V (t, 0) = 0 ; t ∈ [0, ∞[.

ii) Il existe une fonction α de classe K telle que
α(kxk) ≤ V (t, x)
iii) ∃k > 0 tel que V̇ (t, x) ≤ −k[V (t, x)]λ avec λ ∈]0, 1[.
En dérivant cette même fonction de Lyapunov le long des trajectoires du système perturbé
(3.2), on obtient :
∂V ∂V ∂V
V̇ (t, x) = + f (t, x) + g(t, x). (3.3)
∂t ∂x ∂x
Par rapport aux deux premiers termes de l’égalité ci-dessus, d’après iii), on a :
∂V ∂V
+ f (t, x) ≤ −k[V (t, x)]λ (3.4)
∂t ∂x
Maintenant, par rapport à l’hypothèse 2, selon le Théorème 2.39 (Chapitre 2), V (t, .) est
homogène de degré l = max{0, −m} par rapport à la dilatation ∆λ . De plus, en utilisant
les propriétés des fonctions homogènes, on a :
∂V ∂V
x1 + ... + xn = lV (3.5)
∂x1 ∂xn
Or, d’après l’hypothèse 3, ∃c1 > 0 tel que ∀x ∈ Ω et ∀t ∈ R+ , on a :
kg(t, x)k ≤ c1 kxkβ (3.6)
En utilisant (5.19), (3.4), (3.5) et (3.6), on se ramène à l’inégalité suivante :
∂V
V̇ (t, x) ≤ − k[V (t, x)]λ + c1 k kkxkβ
∂x
≤ − k[V (t, x)]λ + c1 lV kxkβ−1 (3.7)
Les propriétés des fonctions homogènes permettent d’écrire (Théorème 2.40) :
β−1
kxkβ−1 ≤ c2 V l (3.8)
Par conséquent,
β−1+l
V̇ (t, x) ≤ − k[V (t, x)]λ + c1 c2 lV l (3.9)
β−1+l
≤ − [V (t, x)]λ (k − c1 c2 lM V l
−λ
)
β−1+l
le fait que la fonction V est continue et s’annule à l’origine (V (t, 0) = 0) et l
− λ > 0,
k
alors ∃δ > 0 tel que ∀x ∈ Bδ (0), on a V (t, x) ≤ 2c1 c2 lM
, ce qui permet d’écrire
k
V̇ (t, x) ≤ − [V (t, x)]λ
2
3.2. Système non autonome perturbé 51
Comme conclusion, l’origine du système perturbé (3.2) est stable en temps fini. Le temps
d’établissement est estimé par
2
T(3.2) (t, x) ≤ [V (t, x)]1−λ
1−λ
Notons que la majoration de la norme du gradient de V par rapport à l’état a été

substituée dans la preuve par les propriétés d’homogénéité de la fonction V . Ceci concer-
nera les systèmes non autonomes homogènes perturbés. Ainsi, de point de vue pratique,
pour une perturbation qui s’annule à l’origine et qui vérifie certaines conditions, on peut
se limiter aux résultats de stabilité en temps fini du système non perturbé. La condition
évoquée sur g peut être substituée par le fait que g soit β−Holdérienne. Nous illustrons
nos résultats théoriques sur deux exemples.
Exemple 1. On considère le système scalaire ( t ≥ 0, x ∈ R)
ẋ = −(1 + t)sgn(x)|x|1/2 + sin(t)|x|2 (3.10)
En conservant les mêmes notations précédentes on a, f (t, x) = −(1 + t)sgn(x)|x|1/2 et

g(t, x) = sin(t)|x|2 . Il est clair que le système non perturbé ẋ = f (t, x) présente x = 0
comme point d’équilibre. Sous la fonction de Lyapunov V (t, x) = 12 x2 , sa dérivée donne
V̇ (t, x) = −(t + 1)|x|3/2 ≤ −|x|3/2 = −|x2 |3/4 = −24/3 r(V )
1
où pour z 7→ r(z) = |z|3/4 , fonction définie positive et la fonction r(z)
integrable au
voisinage de 0 (au sens de Riemann). Ce qui achève la stabilité en temps fini de l’origine
du système non perturbé.
Afin de vérifier l’homogénéité de f (t, .). Soit ∆λ (x) = λ2 x, il est facile de vérifier que
f (t, ∆λ (x)) = λf (t, x). Ainsi f (t, .) est homogène de degré −1 par rapport à la dilatation
∆λ .
Il est trivial de montrer que |g(t, x)| ≤ |x|2 , par conséquent, |g(t, x)| = O(|x|2 ) avec β = 2.
Les hypothèses de la proposition sont atteintes et l’origine du système perturbé (3.10) est
stable en temps.
La figure 3.1 illustre la solution du système non perturbé et celle du système perturbé.
0.5
solution du sytème non perturbé
0.45 solution du système perturbé
0.4
0.35
0.3
position
0.25
0.2
0.15
0.1
0.05
0
0 10 20 30 40 50
time[sec]
Figure 3.1 – stabilité en temps fini du système (3.10)
Exemple 2. On considère un système de dimension deux (cas d’un double intégrateur

perturbé), et soit k > 0.
ẋ = x1
q
1/2 1/3 −t/k
ẋ1 = −sgn(x1 )|x1 | − sgn(x)|x| +e x21 + x2 (3.11)
On note alors,
   
x1 0
f (t, x) =   et g(t, x) =  p .
−sgn(x1 )|x1 |1/2 − sgn(x)|x|1/3 e −t/k 2
x1 + x 2
Vérifions les hypothèses de la proposition précédente. Pour 1) et 2), on a f (t, .) est homo-
gène de degré −1 respectant la dilatation ∆λ (λ3 x, λ2 x1 ). D’autre part, x = 0 est stable
en temps fini pour le système non perturbé ẋ = f (t, x).
Concernant le terme de perturbation, on a kg(t, x)k ≤ kxk. Par conséquent, on conclut
que x = 0 reste stable en temps fini pour le système perturbé. Le résultat de simulation
du système (3.11) est illustré par les figures 3.2-3.3 (k = 0.25).
3.3. Système autonome perturbé 53
7 8
la dynamique x la dynamique x
6 la dynamique x1 la dynamique x1
6
5
4
4
3
positions
position
2 2
1
0
0
−1
−2
−2
−3 −4
0 10 20 30 40 50 0 10 20 30 40 50
time[sec] temps
Figure 3.2 – système non perturbé Figure 3.3 – système perturbé
3.3 Système autonome perturbé

Nous analysons la stabilité d’un système perturbé ou la partie nominale dépend uni-
quement de l’état du système (autonome). Ainsi toute perturbation qui s’ajoute résulte
d’une entrée de commande ou d’un système exogène. Par conséquent, cette perturbation
peut avoir une forme instationnaire à partir de laquelle on distingue l’état et la forme
explicite du temps. Nous nous intéressons à cette forme particulière de perturbation qui
apparaît comme le produit d’une fonction dépendante de l’état et un terme dépendant
du temps d’où la notion : perturbation à variables séparables. Nous présentons une étude
dans le cas scalaire et le cas général.
3.3.1 Cas scalaire
Par rapport au système autonome suivant,
ẋ = f (x) (3.12)
on définit le système perturbé par :
ẋ = f (x) + R(t)g(x) (3.13)
où t ∈ [0, ∞[, x ∈ R et f , R et g sont des fonctions continues. On suppose que l’origine

est un point d’équilibre pour le système (3.13)
Proposition 3.3.1 Si les conditions suivantes sont vérifiées :

α α
1. xf (x) ≤ −r(V ) où r(s) = 2 2 s 2 , α ∈]0, 2[
2. la fonction R(t) est bornée pour tout t ∈ R+
3. g(x) = O(|x|α ) pour tout x dans un voisinage de l’origine
alors l’origine du système perturbé (3.13) est stable en temps fini.
Preuve. Soit V (x) = 21 x2 associée au système perturbé (3.13). Le long du système (3.13),
la dérivée de V est donnée par
V̇ = xf (x) + xR(t)g(x)
Sous les hypothèses 1. et 2., il existe M > 0 telle que
V̇ ≤ −|x|α + M |x|α+1 ≤ −|x|α (1 − M |x|)
Finalement, comme la fonction z 7→ |z| est continue et nulle à l’origine alors il existe
C > 0 telle que,
V̇ ≤ −C|x|α = −C1 r(V )
α
avec C1 = C2− 2 .
Ce qui achève la stabilité en temps fini de l’origine du système scalaire (3.13).
Exemple. soit le système donné par
1 1
ẋ = −ϕ 1 (x) + |x| 2 (3.14)
3 1+t
1 1
Si on prend β(t) = 1+t
et g(x) = |x| 2 qui vérifient bien 2. et 3., sous ces conditions ce
système est stable en temps fini. Les solutions du système perturbé et non perturbé sont
illustrées respectivement par les figures 3.3.1 et 3.3.1.
Les résultats de simulation impliquent que l’origine du système perturbé reste stable.
Cependant, le temps de convergence du système perturbé est nettement supérieur par
3.3. Système autonome perturbé 55
1.2 1.2
1 1
0.8 0.8
0.6 0.6
x(t)
x(t)
0.4 0.4
0.2 0.2
0 0
−0.2 −0.2
0 1 2 3 4 5 0 1 2 3 4 5
Time (sec) Time (sec)
Figure 3.4 – Solution du système non Figure 3.5 – Solution du système per-
perturbé ẋ = −ϕ 1 (x) turbé (3.14)
3
rapport au système non perturbé. D’où le temps requis par le système pour rejeter la
perturbation.
3.3.2 Cas homogène dans Rn
On définit l’homogénéité par rapport au système nominal pour une dilatation donnée.
On traite par la suite, pour x dans Rn , le système autonome perturbé à variables séparables
de la forme :
k
X
ẋ = f (x) + Ri (t)gi (x) (3.15)
i=1
avec x ∈ Rn , t ≥ 0, f et gi (i = 1, ..., k) sont des fonctions continues dans Rn . Les

termes de perturbation Ri (t) (i = 1, ..., k) apparaissent comme une somme qui pondère
les fonction gi (x) et sont considérés comme fonctions continues dans R+ . Notons que les
termes Ri peuvent être non identiques.
L’objectif est d’aboutir à des conditions sur les perturbations qui préservent la stabilité
en temps fini de l’origine du système autonome non perturbé. Pour cela, nous avons la
proposition suivante.
Proposition 3.3.2 Etant donné le système (3.15), la stabilité en temps fini de son ori-
gine est garantie sous les hypothèses suivantes :
1. f est homogène de degré m < 0 par rapport à une dilatation ∆λ et l’origine du

système non perturbé ẋ = f (x) est asymptotiquement stable.
2. la fonction Ri (t) est bornée pour tout t ∈ R+ .
3. la fonction gi (x) = O(||x||αi ) au voisinage de l’origine, avec αi ∈]1, l[, l > {0, −m}
et α1 ≤ α2 ≤ ... ≤ αk .
Preuve . D’après 1. il existe une fonction de Lyapunov V de classe C 1 dans Rn , homogène

de degré l > max{0, m} pour la dilatation ∆λ . D’autre part, en se basant sur le Théorème
2.39, V̇ est homogène de degré l + m par rapport à ∆λ . Il existe c = min |V̇ (z)| > 0,
{z:V (z)=1}
telle que :
l+m
V̇ ≤ −cV l
En utilisant 2., il existe M1 > 0 avec
M1 = sup sup Ri (t)

t∈R+ 1≤i≤k
et d’après 3., il existe M2 > 0 telle que
||gi (x)|| ≤ M2 ||x||αi
Pour la suite, soit M = max(M1 , M2 ).

∂V
Le fait que V est une fonction continue et homogène de degré l > 0, alors x1 ∂x 1
+ ... +
∂V
xn ∂x n
= lV .
A présent, la dérivé de V sera exprimée tout au long de la trajectoire du système (3.15).
D’où le résultat suivant :
l+m
V̇ ≤ − cV l + M1 k∇V kkgi (x)k
l+m
≤ − cV l + lM2 M1 V kxkαi −1
l+m
≤ − cV l + lM V kxkα1 −1
3.4. Système homogène et T-périodique 57
Selon les propriétés liées aux fonctions homogènes (Théorème 2.40), on a :
α1 −1
kxkα1 −1 ≤ c2 V l
avec c2 = max kzkα1 .

{z:V (z)=1}
Ce qui permet d’écrire
l+m α1 −1+l
V̇ ≤ − cV l + c2 lM V l
l+m α1 −1−m
≤−V l [c − c2 lM V l ]
α1 −m
Comme V est continue et nulle à l’origine et l
> 0, alors
∃δ > 0 tel que ∀x ∈ Bδ (0), on a :
c l+m
V̇ (t, x) ≤ − [V (t, x)] l
2
Ce qui achève le résultat de la proposition.
En terme d’application, nous allons présenter dans la section 1.5 le modèle d’un drone où
on cherche à élaborer une commande qui stabilise en temps fini l’état d’équilibre.
3.4 Système homogène et T-périodique

Dans cette section, on s’intéresse à la stabilité en temps fini d’une dynamique perturbée
de la forme (3.16) où ε présente une valeur faible non nulle. Ce système, supposé homogène
et T-périodique, décrit une large variété de modèles en boucle fermée sous une commande
instationnaire. En utilisant la technique de moyennisation, il s’agit d’identifier la partie
moyenne (non autonome) comme étant le système non perturbé, à la quelle s’additionne un
terme de perturbation. Pour s’affranchir de la forme explicite de la fonction de Lyapunov,
la technique de moyennisation a été utilisée dans le cas d’un système non autonome,
homogène et T-périodique et les résultats de stabilité sont de type exponentiel [30] et
asymptotique [29]. Dans cette section, on cherche à décrire les conditions suffisantes à
travers le comportement du système moyennisé et qui conduisent à la stabilité en temps

fini du système initial.
On s’intéresse à une classe de systèmes de la forme :
ẋ = εf (t, x, ε) (3.16)
où x ∈ Rn , ε > 0 et f : R+ × Rn × R∗+ telle que f est continue en (t, x, ε), T-périodique

en t et f (., x, .) est homogène de degré m < 0 selon une dilatation ∆λ .
On définit le système moyennisé à partir de (3.16) par :
ẋ = εfmoy (x) (3.17)
avec
T
1
Z
fmoy (x) = f (τ, x, 0)dτ
T 0
Notons aussi que fmoy est homogène de degré m < 0 par rapport à ∆λ . Le problème
fondamental de la méthode de moyennisation consiste à déterminer dans quel sens le
comportement du système autonome (3.17) se rapproche du comportement du système
non autonome (3.16). Nous énonçons nos résultats dans la proposition suivante.
Proposition 3.4.1 Supposons que l’origine du système moyennisé (3.17) est stable en
temps fini alors, pour ε > 0 suffisamment petit, l’origine du système initial (3.16) est
stable en temps fini.
Preuve. Soit le changement de variable suivant :
x = z + εu(t, z)
Rt
où u(t, x) = 0
[f (τ, x, 0) − fmoy (x)]dτ .
On a la fonction f (t, x, 0)−fmoy (x) est T-périodique en t et de moyenne nulle et la fonction
u(t, x) est T-périodique en t, alors u(t, x) est bornée en (t, x).
3.4. Système homogène et T-périodique 59
De plus, on a :
∂u
= f (t, x, 0) − fmoy (x)
∂t
et
t
∂u ∂
Z
= [f (τ, x, 0) − fmoy (x)]dτ
∂x 0 ∂x
La dérivée de x par rapport au temps conduit à
∂u ∂u
ẋ = ż + ε (t, z) + ε (t, z)ż
∂t ∂z
En utilisant (3.16), la nouvelle équation en z est décrite par :
∂u ∂u
[I + ε ]ż =εf (t, z + εu, ε) − ε
∂z ∂t
=εf (t, z + εu, ε) − εf (t, x, 0) + εfmoy (z)
=εfmoy (z) + εp(t, z, ε)
avec p(t, z, ε) = p1 (t, z, ε) + p2 (t, z, ε) où p1 (t, z, ε) = [f (t, z + εu, ε) − f (t, z, ε)] et

p2 (t, z, ε) = [f (t, z, ε) − f (t, x, 0], I est la matrice identité dans Rn .
en utilisant le théorème d’accroissement fini pour les fonctions p1 (t, z, ε) et p2 (t, z, ε), on
obtient
p1 (t, z, ε) = F1 (t, z, εu, ε)εu
p2 (t, z, ε) = F2 (t, z, ε)ε
∂u
D’autre part, on a ∂z
est bornée en (t, z), donc la matrice I + ε ∂u
∂z
est inversible. Pour ε
suffisamment petit on a :
∂u −1
[I + ε ] = I + O(ε)
∂z
Par conséquent, l’équation d’état en z est donnée par
ż = εfmoy (z) + ε2 q(t, z, ε) (3.18)
La fonction q est bornée en t, z et ε. Un changement d’échelle en temps s = εt permet de

transformer (3.18) en :
dz
= fmoy (z) + εq(s/ε, z, ε) (3.19)
ds
L’écriture (3.19) représente un système autonome (moyen) perturbé.
Partant du fait que fmoy est une fonction homogène de degré m < 0 par rapport à ∆λ
et que l’origine du système moyennisé (3.17) est stable en temps fini, alors il existe une
fonction de Lyapunov V de classe C 1 sur Rn homogène de degré l > max{0, −m} par
rapport à ∆λ . Le long du système moyennisé (3.17), il existe c > 0 tel que la dérivée de
l+m
V vérifie V̇ ≤ −cV l .
∂V
Comme ni=1 xi = lV et que q est bornée en (t, z, ε) pour M = sup q(s, z, ε), la
P
∂xi (s,z,ε)
dérivée de V le long du système (3.19) s’écrit
l+m
V̇ ≤ − cV l + εk∇V kkq(s/ε, z, ε)k
l+m −m
≤V l [c − lM V l ] (3.20)
−m
Le fait que l
> 0 et que V est une fonction continue et nulle à l’origine assure qu’il
existe un voisinage V de l’origine tel que
c l+m
V̇ ≤ − V l
2
On déduit que l’origine du système (3.19) est stable en temps fini.

Il reste à prouver que l’origine du système (3.16) est stable en temps fini. En utilisant
x = z + εu(t, z) avec u bornée en (t, x), on a voisinage de ε = 0
x(t) − z(s) = O(ε)
Comme conclusion, l’origine du système (3.16) est stable en temps fini. Ce qui achève la
démonstration.
Les résultats théoriques de stabilité en temps fini d’un système homogène et T-périodique
sont importants dans le sens où on ramène l’étude à un système moyennisé autonome
3.5. Application au modèle d’un drone type XSF 61
dont la stabilité en temps fini de son origine ne nécessite pas la connaissance de la forme
explicite de la fonction de Lyapunov.
3.5 Application au modèle d’un drone type XSF
3.5.1 Modèle de l’XSF
L’XSF est un mini-hélicoptère à quatre rotors disposés d’une manière croisée. Ce

drone a été élaboré par le laboratoire IBISC et présente une particularité de deux rotors
orientables. On peut se référer à [10] et [11] pour plus de détails sur les caractéristiques
géométriques, inertielles et la dynamique de cet engin. Par rapport à la figure 3.6, on se
limite dans cet exemple à un modèle plan dont l’altitude z peut varier. Il est bien connu
qu’avec le modèle conventionnel du drone X4, pour changer de direction selon x et y,
l’inclinaison de l’appareil en tangage et roulis est nécessaire. On cherche à travers cet
exemple à contrôler les deux directions par la variation du lacet du moment que l’XSF
dispose de deux rotors inclinables. Par conséquent, on va se limiter à un modèle à quatre
degrés de liberté contrôlés par trois entrées (sous-actionné).
Figure 3.6 – Model de l’XSF à quatre rotors dont deux sont orientables.
3.5.2 Stabilisation en temps fini
Dans un référentiel cartésien, la dynamique issue de la figure 3.6 est donnée par :
mẍ =u sin(ψ)
mÿ =u cos(ψ)
mz̈ =mg − v
ψ̈ =τψ
où (x, y, z) définit la position, ψ définit l’orientation autour de z (lacet), m la masse et g

la gravité. (u, v, τψ ) qui s’exprime en fonction de quatre forces de poussée (f~i ) [11], désigne
le vecteur d’entrée. Un modèle équivalent est donné par :
ẋ =x1
1
ẋ1 = u sin(ψ)
m
ẏ =y1
1
ẏ1 = u cos(ψ)
m
ż =z1
1
ż1 =g − v
m
ψ̇ =ω
ω̇ =τψ
En ajoutant les intégrateurs suivants :
ẋ =x1
1
x˙1 = α sin(β)
m
ẏ =y1
1
y˙1 = α cos(β)
m
ż =z1
1
z˙1 =g − v
m
α̇ = u
β̇ =ψ
ψ̇ =ω
ω̇ =τψ
Il est clair qu’on peut désigner les bonnes commandes qui stabilisent en temps fini la
dynamique de (z, ψ) ce qui signifie la stabilisation du drone à une altitude en z et une
attitude en ψ données. Il reste à stabiliser en temps fini la position (x, y) dont la dynamique
reste toujours dépendant de ψ et qui s’exprime par :
ẋ =x1
1
ẋ1 = α sin(β)
m
ẏ =y1 (3.21)
1
ẏ1 = α cos(β)
m
α̇ =u
β̇ =ψ
Rappelons que le système (3.21) ne vérifie pas Brockett [11] (réf Brockett).
Proposition 3.5.1 : Etant données les entrées auxiliaires suivantes :
t
αd = 2mρ(x̄) sin( ) − 2m(ϕ 1 (y) + ϕ 1 (y1 ))
ε 3 2
t
sin( ε )
βd = −2 (ϕ 1 (x) + ϕ 1 (x1 )) (3.22)
ρ(x̄) 3 2
et les commandes stabilisantes
u = −k1 ϕ 1 (α − αd ) + α˙d
3
ψ = −k2 ϕ 1 (β − βd ) + β˙d (3.23)

3
1
avec x̄ = (x, x1 , y, y1 ) et ρ(x̄) = |x2 + x31 + y 2 + y13 | 6 , k1 , k2 > 0. Pour tout ε > 0
suffisamment petit, le retour d’état instationnaire en u et ψ stabilise localement en temps
fini l’origine du système (3.21).
Preuve. Pour tout X = (x, x1 , y, y1 , α, β)t ∈ R6 , le système (3.21) s’écrit :
Ẋ = f (X, t)
avec
1 1
f (X, t) = (x1 , α sin(β), y1 , α cos(β), u, ψ)T
m m
A partir duquel on obtient le modèle linéarisé suivant :
ẋ =x1
1
x˙1 = αβ
m
ẏ =y1 (3.24)
1
y˙1 = α
m
α̇ =u
β̇ =ψ
En appliquant les commandes en u et ψ, en boucle fermée, on a :
ẋ =x1
1
x˙1 = αd βd (3.25)
m
ẏ =y1
1
y˙1 = αd
m
Afin d’appliquer les résultats de stabilité en temps fini obtenus dans le cas d’un système
homogène et T-périodique et dont le terme de perturbation est à variables séparables, la
forme compacte du modèle bouclé est donnée par :
t t
Ẋ = f (X) + R1 ( )g1 (X) + R2 ( )g2 (X) (3.26)
ε ε
où  
x1
 
 −2(ϕ1/3 (x) + ϕ1/2 (x1 ))
 

f (X) =  
y1
 
 
 
−2(ϕ1/3 (y) + ϕ1/2 (y1 ))
 
0
 
4
(ϕ1/3 (x) + ϕ1/2 (x1 ))(ϕ1/3 (y) + ϕ1/2 (y1 )) 
 
ρχ

g1 (X) =  
0
 
 
 
2ρχ
 
0
 
 −4(ϕ1/3 (x) + ϕ1/2 (x1 ))
 

g2 (X) =  
0
 
 
 
0
R1 (t) = sin(t)
et
1
R2 (t) = sin2 (t) −
2
Le système (3.26) présente une partie nominale f (X) et une perturbation à variables
séparables, c’est la partie restante de cette écriture. De même, ce système est homogène
et 2π-périodique. Par conséquent, on peut appliquer les résultats des propositions 3.4.1
et 3.3.2. Par rapport à la dilatation ∆λ (X, t) = (λ3 x, λ2 x1 , λ3 y, λ2 y1 ), on peut facilement
vérifier que f (X) est homogène de degré (−1).
Si on se réfère à la proposition 3.3.2, le système nominal s’exprimant par,
Ẋ = f (X) (3.27)
présente une origine stable en temps fini avec Ri (t) et gi (X) vérifient les hypothèses de
la Proposition 3.3.2. A présent, on peut conclure que l’origine du système perturbé (3.26)
est stable en temps fini.
Une seconde preuve de la stabilité en temps fini, en appliquant la technique de moyenni-
sation au système (3.26), sachant que
2π 2π
1 1
Z Z
R1 (t)dt = R2 (t)dt = 0
2π 0 2π 0
par conséquent, la moyenne du système (3.26) est à présent aussi le système nominal
(3.27). Après avoir appliqué les résultats de la proposition 3.4.1 et partant du fait que
l’origine du système moyennisé est stable en temps fini, nous pouvons conclure que l’origine
du système (3.26) reste stable en temps fini. Ce qui achève la démonstration.
3.5.3 Résultats de simulation
Dans cette section, on présente les résultats de simulation associés au modèle de l’XSF
(3.21) auquel on associe les entrées de commande (3.22)-(3.23). Les constantes sont telles
que m = 1, ε = 0.034, k1 = 0.25 et k2 = 0.25. Dans le plan, pour une altitude en z
atteinte, deux positions initiales ont été figées de la forme (x0 , y0 , ψ0 ) = (0.1m, 0.5m, − π2 )
3.6. Conclusion 67
1.2
0.8
0.7
1
0.6
0.8
0.5
0.6
0.4
y(m)
y(m)
0.3 0.4
0.2
0.2
0.1
0
0
−0.1 −0.2
−0.05 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 −2.5 −2 −1.5 −1 −0.5 0 0.5 1
x(m) x(m)
Figure 3.7 – Stabilisation de l’origine pour deux états initials différents et à une altitude
en z atteinte.
et (x0 , y0 , ψ0 ) = (−2m, 0.5m, 0rd). La figure 3.7 illustre la stabilité de l’origine pour les
deux états initiaux. De point de vue robustesse de la commande par rapport à un système
exogène (perturbation externe), non compensé par la commande, on se ramène au cas où
la perturbation ne s’annule pas à l’origine. On peut toujours appliquer les résultats de la
section 1.2.2 où le terme de perturbation devrait être borné (voir proposition ??). Cette
même analyse de robustesse peut concerner le cas où une erreur de modélisation affecte le
modèle qui a servi pour l’élaboration de la commande. Ainsi, cette perturbation dépend
forcement de l’état et on peut toujours la traiter sous la forme d’une perturbation qui
s’annule à l’origine. Ce cas de figure est associé aux résultats de la proposition 3.2.1.
3.6 Conclusion
Dans ce chapitre nous nous sommes intéressés à la stabilité en temps fini des systèmes
perturbés. Pour un système nominal autonome et non autonome, dont l’origine est supposé
stable en temps fini, auquel est ajouté un terme de perturbation qui s’annule à l’origine,
nous avons établi les conditions de stabilité en temps fini de l’origine du système initial.
Comme constat, la connaissance de la forme explicite de la fonction de Lyapunov n’est pas
nécessaire alors que l’homogénéité de la fonction qui représente le système nominal par
rapport à une dilatation donnée est requise. Par rapport aux problèmes de stabilisation
des systèmes contrôlés dont le vecteur de commande est instationnaire (systèmes qui
ne vérifient pas Brockett, tels que l’unicycle, dirigeable, véhicule terrestre, drone, ect.),
nous avons présenté des résultats théoriques généraux pour les systèmes bouclés dans le
cas où la perturbation est à variables séparables et le cas d’un système singulièrement
perturbé. La technique de moyennisation s’avère efficace pour l’étude de stabilité des
systèmes homogènes et T-périodiques. La complexité du modèle a été surmontée par
l’étude de propriétés du système moyennisé qui est rendu autonome. Afin de distinguer
les différentes propositions de ce chapitre, outre les exemples simples présentés comme
application directe de chaque résultat, on a présenté un exemple détaillé concernant la
stabilisation en temps fini de l’origine de la dynamique plan du drone XSF du laboratoire.
A travers ce dernier exemple, on s’est aperçu que la commande stabilisante est robuste vis-
à-vis d’une perturbation qui peut être liée à une erreur de modélisation ou à un système
exogène.
Chapitre 4
Stabilité et stabilisation en temps fini

des systèmes interconnectés
4.1 Introduction
Le but de ce chapitre est de mieux comprendre et de bien formaliser les effets induits
par les termes d’interconnexion dans la stabilité et la stabilisation des systèmes dyna-
miques éventuellement non linéaires et complexes. Il s’agit de développer des méthodes et
des outils pour l’analyse et la commande de tels systèmes. La question fondamentale est :
connaissant la forme nominale associée à un système dynamique et dont l’analyse de la
stabilité peut être rendue triviale avec les outils classiques, comment peut-on étendre ces
outils pour l’étude du système de départ ? Plusieurs auteurs se sont attaqués à l’analyse de
propriétés de stabilité des systèmes interconnectés [81]-[82] dont l’idée fondamentale est de
subdiviser le système en des sous-systèmes liés entre eux par des termes d’interconnexion
induisant des états croisés. Cette forme d’interconnexion est toujours existante dans la dy-
namique d’un système suite au couplage interne entre les variables d’état et à la présence
de non linéarités. Du point de vue des résultats, l’analyse des systèmes interconnectés a
conduit à des stabilités de type exponentielles et asymptotiques [30]. Partant du fait que
l’interconnexion résulte d’un couplage interne tel que les systèmes chainés, des résultats
sur la stabilité de ce type de systèmes sont détaillés dans [71]. Des conditions nécessaires
et suffisantes pour la stabilisation d’une formation de véhicules (vu comme des systèmes
69
70 Chapitre 4. Stabilité et stabilisation en temps fini des systèmes interconnectés
interconnectés) ont été présentées dans [72], dans le cas linéaire et en utilisant la théorie
du graphe. L’étude de la stabilité a été conduite dans le cas d’un système non linéaire
interconnecté dans [73] et [30]. Les auteurs parviennent à un résultat de stabilité de type
asymptotique. Pour l’étude des systèmes dynamiques, la notion de stabilité en temps fini
est un concept plus pratique [16], [21] et [22] auxquelles nous allons faire référence pour
analyser la stabilité et la stabilisation en temps fini des systèmes interconnectés.
Etant donné que la plupart de systèmes dynamiques contrôlés présentent un modèle
non linéaire affine à la commande avec ou sans terme de dérive, nous présentons les outils
qui réalisent la stabilisation en temps fini de l’origine de ce type de système après avoir
formé les dynamiques interconnectées (section 2). Partant du fait qu’on peut souvent
séparer la forme nominale et la perturbation à partir de la dynamique d’un système, nous
allons présenter une démarche qui permet de dégager les conditions sur la perturbation
pour lesquelles le système global reste stable en temps fini (section 3). Dans la section
3, nous faisons aussi la différence entre le couplage structurel et le couplage qui résulte
d’une commande d’interconnexion. Dans la section 4, une large partie de ce chapitre est
réservée à l’étude de la poursuite de trajectoire en temps fini d’un système multi-unicycles.
A travers les résultats de simulation, nous engageons une discussion sur la robustesse de
la commande vis-à-vis de l’ajout de l’entrée d’interconnexion comme une perturbation.
Pour chaque unicycle nous proposons une commande qui réalise la poursuite en temps
fini. Pour le groupe nous proposons , pour une topologie fixe donnée, une commande
d’interconnexion qui preserve la stabilité en temps fini du groupe.
4.2 Stabilisation en temps fini des systèmes dyna-

miques interconnectés
La stabilisation de l’équilibre d’un système dynamique isolé où le modèle apparaît

affine à la commande, a été largement traitée dans la littérature [81],[82],[71],[72],[73]. On
distingue plusieurs variétés de commandes telles que, la commande par retour d’état, la
commande instationnaire, la commande discontinue, etc. L’objectif de cette section n’est
4.2. Stabilisation en temps fini des systèmes dynamiques interconnectés 71
pas de dériver la commande d’un système isolé, mais d’introduire la notion de stabilité
dans le cas où le système isolé se met en réseau réalisant ainsi un système interconnecté.
Généralement, le couplage interne entre les variables d’états introduit un couplage struc-
turel. Cependant, le système ne peut être considéré comme interconnecté. Dans l’étude
que nous menons, la source d’interconnexion est associée à la commande. Par conséquent,
chaque système isolé présente les commandes appropriées qui lui assurent son autonomie,
et sa stabilisation par rapport à son origine. Par rapport aux systèmes dynamiques contrô-
lés, nous allons formaliser sous forme d’un groupe les systèmes avec ou sans termes de
dérive, affines à la commande. Indépendamment de la nature physique du modèle d’étude,
hormis les exemples qu’on donne, les formes explicites des fonctions qui composent chaque
modèle ne sont pas nécessaires, ce qui conduit à des résultats de stabilité et de stabili-
sation généraux. Les applications qui peuvent tirer profit de l’originalité de la démarche
sont multiples et où la stabilité en temps fini des systèmes dynamiques interconnectés est
requise. Particulièrement, les études, qui se basent sur le système multi-agents dont les
dynamiques sont généralement simplifiées, sont conduites ici pour des modèles complexes
et non linéaires. Un tel exemple de systèmes en interaction est décrit dans la figure 4.1.
4.2.1 Systèmes dynamiques avec terme de dérive
Un système dynamique avec dérive, affine à la commande, est représenté par une équa-
tion différentielle ordinaire du premier ordre par rapport au vecteur d’état. Ce modèle est
représentatif de la plupart des systèmes dynamiques contrôlés. Dans le cas d’un modèle
sous actionné, où la dimension du vecteur de commande est inférieure au nombre de de-
grés de liberté du système, la matrice qui apparaît comme coefficient du vecteur d’entrée,
appelée aussi matrice de commande, n’est pas carrée. Par conséquent, même dans le cas
de l’étude de la stabilité d’un système dynamique isolé, suite aux non linéarités dans le
modèle, le problème s’avère difficile à résoudre. Nous avons présenté les outils mathé-
matiques dans le chapitre précèdent qui permettent d’analyser la stabilité d’un système
bouclé sous forme perturbé. Ainsi, nous allons supposer le fait que chaque système isolé
satisfait les conditions de stabilité d’une manière décentralisée et nous cherchons à établir
les conditions de stabilité par rapport à plusieurs systèmes en réseau.
Figure 4.1 – Diagramme de plusieurs systèmes interconnectés
Par rapport aux systèmes physiques, en terme d’application et vu la présence d’un

nombre croissant de systèmes autonomes en robotique et véhicules en formation, la stabi-
lité de l’ensemble et l’échange d’informations entre les membres (agents) du groupe sont
utiles. A titre d’exemple, nous citons la surveillance d’une zone commune par plusieurs
véhicules aériens autonomes, la réalisation d’une tache commune par plusieurs robots
manipulateurs ou robots mobiles, etc.
Etant donné un ensemble de systèmes I = {1, ..., N } tel que ∀i ∈ I, la dynamique du

iième système est donnée par la forme algébrique :
m
X
ẋi = fi (xi ) + gi,j (xi )ui (4.1)
j=1
où xi ∈ Rn , fi : Rn → Rn est une fonction continue et ∀1 ≤ j ≤ m, gi,j : Rn → Rn est

une fonction continue. Sous une forme matricielle, le ime système (4.1) conduit à,
ẋi = fi (xi ) + B(xi )ui (4.2)
avec B(xi ) = [bij ] ∈ Rn×m est la matrice de commande dépendante de l’état du système
et l’entrée de commande est ui ∈ Rm .
Notons que dans le cas d’une matrice B constante, l’étude des dynamiques intercon-
nectées étant formalisée à partir de (4.2), Cremean et Murray [77] ont établi un résultat de
stabilité asymptotique. L’ensemble du système auquel nous allons associer des conditions
de stabilité en temps fini est défini par :
ẋ = f (x) + (IN ⊗ B(xi ))u (4.3)
où IN est la matrice identité, le vecteur d’état est x ∈ RN n , le vecteur de commande est u ∈

RN m et les termes de dérive sont regroupés dans le vecteur f (x) = (f1 (x1 ), ..., fN (xN ))T
et ⊗ est le symbole de Kronecker. L’objectif est de concevoir la commande u qui assure
la stabilisation en temps fini de l’origine du système (4.3) sous une topologie fixe dont L
est la matrice laplacienne.
Proposition 4.2.1 Considérons la commande suivante
u(x) = −[L ⊗ Im ][IN ⊗ C]x (4.4)
où la matrice C ∈ Rm×n est une matrice constante et L est la matrice laplacienne associée
à une topologie fixe donnée. Sous l’entrée (4.4), l’origine du système interconnecté (4.3)
est stable en temps fini si les hypothèses suivantes sont vérifiées :
1. ∃ k ≥ 0 tel que ∀x 6= 0, xT f (x) ≤ −k(xT x)β avec β ∈]0, 1[.
2. xT [L ⊗ B(xi )C]x ≥ 0.
⊗ est le symbole de Kronecker.
Preuve. En injectant la commande (4.4) dans le système (4.3) et en utilisant les propriétés
du produit de Kronecker (voir chapitre 2), la dynamique du système interconnecté en
boucle fermée est donnée par
ẋ = f (x) + (IN ⊗ B(xi ))u
= f (x) − (IN ⊗ B(xi ))[L ⊗ Im ](IN ⊗ C)x
= f (x) − [L ⊗ B(xi )C]x (4.5)
Utilisons la fonction de Lyapunov quadratique V (x) = 12 xT x, l’évaluation de la dérivée de

V le long de (4.5) donne
V̇ = xT f (x) − xT [L ⊗ B(xi )C]x
suite à l’hypothèse 1.,
V̇ ≤ −k(xT x)β − xT [L ⊗ B(xi )C]x
L’hypothèse 2. dans la proposition 4.2.1 implique que le deuxième terme de V̇ est semi-
défini négatif, ce qui permet d’écrire
V̇ ≤ −k(xT x)β
≤ −2β k[V ]β
Ceci achève la preuve de la stabilité en temps fini de l’origine du système interconnecté

(4.3).
Remarque 4.1 L’hypothèse 1. implique que l’origine de chaque système est stable en
temps fini pour une fonction appropriée de Lyapunov de type quadratique.
Remarque 4.2 L’hypothèse 2. équivaut à dire que la matrice L⊗B(xi )C est semi-définie
positive. Par conséquent, en utilisant les propriétés du produit de Kronecker , B(xi )C et
L sont deux matrices semi-définies positives ou semi-définies négatives, simultanément.
Ainsi, l’efficacité de l’entrée (4.4) dépend du choix du graphe G et de la conception de C.
Pour l’étude de la stabilité d’un multi-système avec dérive, le terme de derive est souvent
compensé par la commande, ainsi, il n’apparaît pas dans l’écriture de la dérivée de la
fonction V . Or, dans notre cas d’étude, ce terme n’est pas compensé par la commande
(4.4) ce qui impose la condition 1. qui figure dans la proposition 4.2.1. D’un point de
vue pratique, cette condition est difficile à remplir car elle dépend fortement des carac-
téristiques physiques du système d’étude. Afin de prendre en compte le terme de dérive
par une commande auxiliaire, nous proposons de dissocier la commande en deux parties :
une partie qui se charge d’assurer la stabilité de chaque système isolé et la deuxième qui
préserve la stabilité du système global tout en assurant l’échange d’informations sur l’état
de chaque système. Nous allons introduire cette technique dans le cas d’un multi-systèmes
sans dérive et l’étendre au cas d’un multi-systèmes avec dérive. Les détails sont donnés
dans la section suivante.
Exemple. On considère le système contrôlé suivant, ∀i ∈ I,
ẏi =zi
żi = − ϕα (yi ) − ϕα (zi ) + ui (4.6)
avec ϕα (yi ) = sgn(yi )|yi |α (de même pour ϕα (zi )) α ∈]0, 1[ et xi = (yi zi )T . Ce système
se met sous la forme (4.3) avec
   
zi 0
fi (xi ) =   et B =  
−ϕα (yi ) − ϕα (zi ) 1
Soit x = (x1 , ..., xN )T et f (x) = (f1 (x1 ), ..., fN (xN ))T . On vérifie facilement que ∀x 6= 0,
xT f (x) ≤ −k(xT x)α . En se basant sur la Proposition 4.2.1, on propose une matrice
d’interconnexion de la forme C = (0 1)T et la commande d’interconnexion est donnée
par :
N
X
ui = − aij (zi − zj ) (4.7)
i=1
où aij sont les éléments de la matrice adjacente du graphe fixe (figure 4.2).
Déduite du graphe G, la matrice adjacente A s’écrit
1 2
4 3
Figure 4.2 – Graphe G associé aux 4 unicycles.
 
0 0 1 0
 
 1 0 0 0 
 
A= 
 1 1 0 1 
 
 
1 0 0 0
2
Un test de simulation a été effectué pour α = 3
et N = 4. Indépendamment de l’action
de ui qui est appliquée pour former le système interconnecté, les dynamiques en yi et zi
sont données respectivement par les figures 4.4 et 4.6. En présence de ui , le résultats sont
donnés par les figures 4.3 et 4.5. Clairement, l’origine du système interconnecté est stable
en temps fini.
2 1
0.5
1
0
−0.5
0
−1
yi
yi
−1 −1.5
−2
−2
−2.5
−3
−3
−3.5
−4 −4
0 5 10 15 20 25 30 0 5 10 15 20 25 30
temps[sec] temps[sec]
Figure 4.3 – Dynamique yi avec ui Figure 4.4 – Dynamique yi sans ui

2 2
1.5 1.5
1 1
zi
zi
0.5 0.5
0 0
−0.5 −0.5
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Figure 4.5 – Dynamique zi avec ui Figure 4.6 – Dynamique zi sans ui
4.2.2 Systèmes dynamiques sans terme de dérive
Par rapport à la section précédente, un système dynamique sans terme de dérive est
tel que fi (xi ) = 0. Plusieurs systèmes physiques se décrivent sous cette forme, nous citons
par exemple, la cinématique d’un satellite, la cinématique d’un unicycle et la dynamique
d’une simple particule. On cherche à stabiliser un multi-système dont le modèle du ième
système est de la forme (∀i ∈ I = {1, ..., N }) :
ẋi = B(xi )ui (4.8)
où B(xi ) ∈ Rn×m et ui ∈ Rm . Soit le vecteur d’état x = (x1 , ..., xN )T , sous forme matri-
cielle, la dynamique d’un multi-système est donnée par :
ẋ = (IN ⊗ B(xi ))u (4.9)
avec u ∈ RN m . La stabilité de l’origine des systèmes interconnectés issus de (4.9) est

donnée par la proposition suivante.
Proposition 4.2.2 Soit u de la forme
u(x) = ustf (x) + uinter (x) (4.10)

avec ustf telle que
xT (IN ⊗ B(xi ))ustf (x) ≤ −k(xT x)β (4.11)
et
uinter (x) = −[L ⊗ Im ][IN ⊗ C]x (4.12)
avec k > 0, β ∈]0, 1[ et la matrice C ∈ Rm×n . Sous les commandes (4.10), (4.11), (4.12)
et l’hypothèse
xT [L ⊗ B(xi )C]x ≥ 0
l’origine du système interconnecté (4.9) est stable en temps fini.
Preuve. Après avoir appliqué la commande (4.10) au système (4.9), on obtient
ẋ = (IN ⊗ B)ustf (x) + (IN ⊗ B)uinter (x)
En substituant l’expression de uinter (x), on a
ẋ = (IN ⊗ B)ustf (x) − (IN ⊗ B)[L ⊗ Im ](IN ⊗ C)x (4.13)
D’après les propriétés du produit de Kronecker,
ẋ = (IN ⊗ B)ustf (x) − [L ⊗ BC]x (4.14)
La fonction de Lyapunov candidate est V = 21 xT x dont la dérivée le long de (4.14) s’écrit
V̇ = xT (IN ⊗ B)ustf (x) − xT [L ⊗ BC]x (4.15)

4.3. Stabilité en temps fini des systèmes interconnectés 79
En utilisant (4.11) et (4.13), on déduit l’inégalité suivante
V̇ ≤ −2β k[V ]β (4.16)
Ce qui achève la démonstration.
Remarque 4.3 La forme quadratique de la fonction de Lyapunov V associée à la com-

mande (4.4) permet de prouver, par rapport à une topologie fixe donnée, une interconnec-
tion de type asymptotique. Si l’on veut aboutir à une interconnection de type temps fini,
on peut prendre comme entrée uinter = −[L ⊗ Im ][IN ⊗ C]φα (x). Cependant, pour la forme
quadratique de V , l’hypothèse xT [L ⊗ B(xi )C]φα (x) ≥ 0 n’est pas vérifiée. Dans l’étude
d’un multi-système, où l’interconnexion peut être considérée comme une perturbation et
sans avoir recours à la forme explicite de V , des résultats généraux seront présentés dans
la section suivante.
Notons aussi qu’on n’a pas donné de forme explicite à une partie de la commande u, à
savoir ustf . Cette dernière dépend de la fonction de Lyapunov associée à chaque système
isolé ainsi que de sa dynamique. L’élaboration de la forme explicite de ustf revient à étudier
la stabilité en temps fini de chaque système seul, alors que l’inégalité (4.11) favorise une
forme quadratique de la fonction V . A noter aussi que, en se référant aux résultats de
l’étude de stabilité d’un multi-système avec dérive, la commande ustf peut être désignée
en fonction du terme de dérive ce qui affaiblit l’hypothèse 1. de la proposition 4.2.1.
4.3 Stabilité en temps fini des systèmes interconnectés

Dans cette section, nous complétons l’analyse théorique présentée au chapitre 3 où
nous avons étudié la stabilité des systèmes dynamiques perturbés. Par rapport au système
nominal, le terme de perturbation provient de la nécessité de mettre plusieurs systèmes
dynamiques en réseau à travers leurs entrées de commande. L’étude que nous menons
n’exclut pas les perturbations liées à un couplage structurel. Nous proposons également
des exemples pour clarifier les résultats théoriques.
4.3.1 Généralités sur les modèles interconnectés
A présent, le modèle d’un ième système dynamique bouclé s’écrit sous la forme (i ∈
I = {1, ..., N }) :
ẋi = fi (t, xi ) + gi (t, x) (4.17)
avec xi ∈ Rn et x = [x1 , ..., xN ]T . Supposons que fi et gi soient continues en (t, x).

Le terme gi (t, x) peut être interprété comme une perturbation par rapport au système
nominal suivant,
ẋi = fi (t, xi ) (4.18)
avec ∀i ∈ I, fi (t, 0) = 0 et gi (t, 0) = 0.

Supposons que l’origine de chaque système (4.18) est stable en temps fini et que Vi (x, t)
est la fonction de Lyapunov associée, vérifiant l’inégalité suivante
V̇i (t, x) ≤ −ki [Vi (t, x)]λi (4.19)
avec λi ∈ (0, 1) et ki > 0.

Notons que l’existence d’une telle fonction de Lyapunov pour la forme nominale de
chaque système peut être réalisée grâce au théorème inverse de Lyapunov, présenté par
Haddad [24] lors de l’étude de la stabilité en temps fini des systèmes non autonomes.
Proposition 4.4 Supposons que le terme d’interconnection gi (t, x) satisfait l’inégalité

suivante
N
X
kgi (t, x)k ≤ θij ψj (xj ) (4.20)
j=1
où les θij sont des constantes strictement positives et ψj : Rn → R est une fonction
continue et définie positive et telle que ψj (xj ) = O(xβj ) avec β > 0. L’équilibre du système
interconnecté (4.17) est localement stable en temps fini si les hypothèses suivantes sont
satisfaites :
1. fi (t, .) est homogène de degré m < 0 par rapport à une dilatation ∆λ ,
2. l’origine de chaque système nominal (4.18) est stable en temps fini.

Preuve. Nous introduisons une fonction de Lyapunov V (t, x) globale qui combine l’in-
teraction entre les N systèmes issus de (4.18), soit
N
X
V (t, x) = ci Vi (t, x), ci > 0 (4.21)
i=1
Maintenant, par rapport aux systèmes perturbés, la dérivée de V (t, x) est donnée par
N N
X ∂Vi ∂Vi X ∂Vi
V̇ (t, x) = ci [ + fi (t, xi )] + ci gi (t, x) (4.22)
i=1
∂t ∂xi i=1
∂x i
Or, à partir de l’hypothèse 2., il existe une fonction de Lyapunov Vi (t, x) vérifiant l’inéga-
lité (4.19). Par conséquent, on obtient
N N
X ∂Vi ∂Vi X
ci [ + fi (t, xi )] ≤ − ci ki [Vi (t, x)]λ
i=1
∂t ∂xi i=1
D’autre part, comme la fonction fi (t, .) est homogène de degré m ce qui implique que la
fonction de Lyapunov Vi est aussi homogène de degré l = max{0, −m}. On a alors,
n
X ∂Vi
rk x i k = lVi
k=1
∂xik
avec xik est un élément de xi = (xi1 , ..., xin ). A partir de l’écriture (4.22) et la condition
(4.20),
N
X N
X N
X
V̇ (t, x) ≤ − ci ki [Vi (t, x)]λ + ci lVi θij ψj (xj )
i=1 i=1 j=1
N
X N
X
≤− ci [Vi (t, x)]λ [ki − lVi1−λ θij ψj (xj )]
i=1 j=1
Comme 1 − λ > 0, Vi (t, .) et ψj (.) sont des fonctions continues qui prennent la valeur 0 à
l’origine, il existe δ > 0 tel que ∀x ∈ Bδ (0), on a
N
1X
V̇ ≤ − ci ki [Vi (t, x)]λ
2 i=1
N
MX
≤− [ci Vi (t, x)]λ
2 i=1
avec M = max(ki ci1−λ ). Rappelons que pour toute variable ξ1 , ..., ξN ≥ 0 et λ ∈ (0, 1),
i∈I
N
X N
X N
X
λ λ 1−λ
( ξ) ≤ ξ ≤N ( ξ)λ
i=1 i=1 i=1
N
M X
V̇ ≤ − ( ci Vi (t, x))λ
2 i=1
M
=− [V (t, x)]λ
2
Ainsi, l’origine du système perturbé (4.17) reste stable en temps fini.
Les résultats de cette section, en terme de stabilité en temps fini sur les systèmes
interconnectés, vont être appliqués sur deux exemples. La première application concerne
un seul système où le couplage apparaît entre les variables d’état (couplage interne ou
structurel). Dans le deuxième exemple, le terme de perturbation est dû à un couplage
externe, conçu à partir d’une topologie fixe et la commande d’interconnexion. On résout,
par conséquent, le problème de stabilisation en temps fini d’un multi-système dynamique
et d’une interconnexion en temps fini.
4.3.2 Exemple d’un couplage structurel
On considère la dynamique d’un système interconnecté dans R2 où l’interconnexion

résulte d’un couplage interne
x˙1 = −sign(x1 )|x1 |a + νx2
x˙2 = −sign(x2 )|x2 |a − νx1 (4.23)
avec ν > 0 et a ∈]0, 1[. Ce système peut se représenter sous la forme (4.17)
   
f1 (x1 ) g1 (x)
ẋ =  + 
f2 (x2 ) g2 (x)
avec x = (x1 x2 )T et
f1 (x1 ) = −sign(x1 )|x1 |a ; f2 (x2 ) = −sign(x2 )|x2 |a
g1 (x) = νx2 ; g2 (x) = −νx1
. On vérifie bien les hypothèses de la Proposition 4.4, soit :

1
1
– fi (xi ) est homogène de degré 1 − a
par rapport à la dilatation ∆λ (xi ) = λ a xi .
– xi = 0 est stable en temps fini pour le système nominal ẋi = fi (xi ).
– |g1 (x)| = ν|x2 | et |g2 (x)| = ν|x1 |, les termes d’interconnexion vérifient l’inégalité
(4.20).
1
Un test de simulation a été effectué pour a = 2
et ν = 0.25. La figure 4.7 montre la
stabilité en temps fini de l’origine du système ci-dessus.
4.3.3 De la stabilité à la stabilisation des systèmes interconnectés
Afin de s’affranchir de la forme quadratique de la fonction de Lyapunov qui s’adapte

sans doute à la résolution du problème de stabilisation dans le cas d’une interconnexion
asymptotique, nous conduisons nos investigations de la stabilité générale de la section
précédente à la stabilisation dans le cas des systèmes contrôlés. En outre, on introduit le
5
la dynamique x1
la dynamique x2
4
3
position
−1
0 10 20 30 40 50
time[sec]
Figure 4.7 – Stabilité en temps fini du système interconnecté (4.23)
problème d’une interconnexion temps fini.
Soient N systèmes de la forme
ẋi = fi (xi ) + B(xi )ui (4.24)
avec xi ∈ Rn , B(xi ) ∈ Rn×m et ui ∈ Rm . Rappelons aussi la forme matricielle des systèmes

interconnectés qui se prête à la commande,
ẋ = f (x) + (IN ⊗ B(xi ))u (4.25)
où IN est la matrice identité, x ∈ RN n , u ∈ RN m et f (x) = (f1 (x1 ), ..., fN (xN ))T .
A présent, décomposons la commande u en deux termes
u(t, x) = ustf (t, x) + uinter (t, x) (4.26)
uinter (t, x) = uinter (x) car on traite le cas où la topologie est stationnaire. Si on applique
cette commande au système (4.24), on obtient,
ẋ = f (x) + (IN ⊗ B(xi ))ustf + (IN ⊗ B(xi ))uinter (4.27)
Etant donnée une topologie stationnaire à laquelle est associée la matrice laplacienne L,
on propose de résoudre le problème d’interconnexion en temps fini à l’aide de uinter de la
forme :
uinter = −[L ⊗ Im ][IN ⊗ C]φα (x) (4.28)
A ce stade, après avoir appliqué cette commande au système (4.27), on obtient
ẋ = f (x) + (IN ⊗ B(xi ))ustf − (IN ⊗ B(xi ))[L ⊗ Im ][IN ⊗ C]φα (x) (4.29)
Si on extrait la dynamique du ième système, on peut écrire
N
X
ẋi = fi (xi ) + B(xi )ustf
i − aij B(xi )C[φα (xi ) − φα (xj )]
j=1
Après réarrangement,
N
X N
X
ẋi = fi (xi ) − aij B(xi )Cφα (xi ) + B(xi )ustf
i + aij B(xi )Cφα (xj )
j=1 j=1
qui se met sous la forme

ẋi = hi (t, xi ) + gi (t, x)
avec
N
X
hi (t, xi ) = fi (xi ) − aij B(xi )Cφα (xi ) + B(xi )ustf
i
j=1
et
N
X
gi (t, x) = aij B(xi )Cφα (xj )
j=1
Il est clair que le système nominal s’écrit ẋi = hi (t, xi ) où il apparaît que la dynamique du
ième système est perturbée par gi (t, x). La stabilité de l’origine du système interconnecté
est formulée dans la proposition suivante.
Proposition 4.5 S’il existe une commande ustf qui stabilise en temps fini l’origine du
système nominal ẋi = hi (t, xi ) et sous la condition (4.20), donnée par la Proposition 4.4,
alors l’origine du système (4.27) est stable en temps fini.
Preuve. Par rapport à l’étude de stabilité des systèmes interconnectés (section précé-
dente) où on a présenté une démonstration détaillée sur ce qui résulte de l’existence de
ustf , il reste à vérifier la condition sur gi (t, x). Ce terme vérifie bien l’inégalité suivante
N
X
kgi (t, x)k ≤ aij ψj (xj )
j=1
avec ψj (xj ) = kBCφα (xj )k qui est une application continue et définie positive. Ce qui
achève la preuve.
Remarque 4.6 Même si on prétend que la commande d’interconnexion réalise un cou-

plage en temps fini, l’absence de la forme explicite de la fonction de Lyapunov ne permet
pas de prouver cette propriété. On va rencontrer cette problématique lors de l’achèvement
de la stabilisation d’une formation en temps fini.
4.4 Poursuite de trajectoire en temps fini d’un système

multi-unicycles
Dans la littérature, le problème de poursuite de trajectoire des robots mobiles (uni-
cycles) a reçu une grande attention. Différentes méthodes ont été proposées pour résoudre
ce problème (citons les travaux de Samson [78] où l’auteur propose une approche globale).
La stabilité de type exponentielle des erreurs de poursuite a été obtenue dans [79]. Sans
faire appel à la technique de Lyapunov, en se basant sur la théorie des systèmes pertur-
bés, Li dans [76] a proposé un résultat résolvant le problème de poursuite de trajectoire
4.4. Poursuite de trajectoire en temps fini d’un système multi-unicycles 87
en temps fini. Nous procéderons différemment ici la forme quadratique d’une fonction de
Lyapunov sera candidate pour résoudre le problème de poursuite de trajectoire en temps
fini d’un système multi-unicycles. Nous nous inspirons d’un résultat asymptotique proposé
par Morin [80] qui va servir dans l’analyse du problème de poursuite d’un unicycle.
4.4.1 Stratégie de poursuite pour un unicycle
Le modèle de l’unicycle est cinématiquement non holonome pourvu que la relation

cinématique de contrainte ne soit pas integrable. Pour le problème de poursuite de trajec-
toire, cette cinématique a été largement étudiée dans littérature, conduisant à des résultats
de stabilité de type exponentiels et asymptotiques. Par la suite, et afin de résoudre le pro-
blème de poursuite de trajectoire dans le cas d’un système interconnecté qui se basera sur
plusieurs unicycles, on étudie le modèle cinématique suivant :
ẋ = u1 cos(θ)
ẏ = u1 sin(θ) (4.30)
θ̇ = u2
où (x, y) désignent les coordonnées du centre de masse, θ est l’angle d’orientation et u1 , u2

sont respectivement, l’entrée en vitesse linéaire et l’entrée en vitesse angulaire. A l’image
du modèle (4.30), le modèle de référence est donné par
ẋr = u1,r cos(θr )
ẏr = u1,r sin(θr ) (4.31)
θ̇r = u2,r
où u1,r est la vitesse linéaire de référence, considérée constante, et u2,r est la vitesse angu-
laire de référence qui peut varier avec le temps. Nous allons définir un système d’erreurs
de poursuite tel que e = (x − xr , y − yr , θ − θr ) , (e1,r , e2,r , e3,r ) dont la dynamique est
décrite par :
ė1,r = u2,r e2,r + u1 cos(e3,r ) − u1,r
ė2,r = −u2,r e1,r + u1 sin(e3,r ) (4.32)
ė3,r = u2 − u2,r
où e3,r ∈] − π/2, π/2[. En terme d’erreurs, en introduisant les changements de variable

suivants [80],
z1 = e1,r
z2 = e2,r
z3 = tan e3,r (4.33)
w1 = u1 cos(e3,r ) − u1,r
u2 − u2,r
w2 =
cos2 (e3,r )
π
Ceci impose donc e3,r 6= 2
[π]. Dont la dynamique est déduite de (4.33) avec w1 et w2
comme nouvelles entrées,
ż1 = u2,r z2 + w1
ż2 = −u2,r z1 + u1,r z3 + w1 z3 (4.34)
ż3 = w2
Proposition 4.4.1 Avec les commandes suivantes
w1 = −|u1,r |(sign(z1 )|z1 |α + z2 z3 ) (4.35)
w2 = −|u1,r |[z2 − sign(z1 )|z1 |α + (z1 z2 + sign(z1 )|z1 |α z2

1
+ z22 z3 − sign(z3 )|z2 |α+1 )] (4.36)
arctan(ε)
l’origine du système (4.33) est stable en temps fini, par conséquent, le système (4.29)
suit la référence (4.30) en temps fini, avec ε > 0, e3,r > ε et α ∈]0, 1[.
Preuve. Prenons la fonction de Lyapunov quadratique suivante
1
V (z1 , z2 , z3 ) = (z12 + z22 + z32 )
2
la dérivée de V le long du système (4.33) est donnée par
V̇ = z1 z˙1 + z2 z˙2 + z3 z˙3
= z1 w1 + z2 z3 w1 + z3 w2 + u1,r z2 z3
= −|u1,r |(|z1 |α+1 + |z2 |α+1 + |z2 |α+1 ) (4.37)

3
X
= −|u1,r | |zi |α+1
i=1
Partant du fait que la fonction zi 7→ ziα+1 est convexe, on a,
3 3
X zi α+1 1 X α+1
( ) ≤ z
i=1
3 3 i=1 i
De plus,
3 3
α+1
X X
α+1
( zi ) ≥( zi2 ) 2
i=1 i=1
Alors, on prouve que

|u1,r | α+1 α+1
V̇ ≤ − 2 2 V 2
3α
On peut conclure que l’origine du système (4.33) est stable en temps fini.
4.4.2 Résultats de simulation d’un unicycle
Les références en vitesses sont telles que
u1,r = 1m/s
1
u2,r = cos(t) − rad/s
4
Les conditions suivantes sont adoptées : α = 0.5, (x, y)(t = 0) = (−2, 0)m, (xr , yr )(t =
0) = (0, 0)m et (θ, θr )(t = 0) = (3π/4, 0)rad/s. La trajectoire de référence est obtenue
numériquement à partir de (4.32).
Nous avons simulé l’unicycle avec les commandes de poursuite (4.35) et (4.36). Le
résultats de simulation présenté dans la figure 4.8 montre la stabilisation des erreurs z1 ,
z2 et z3 . Par conséquent, on achève la poursuite en temps fini de trajectoire de référence,
comme le montre la figure 4.9 (plan de phase en (x, y)).
0.5 2
z1 unicycle in pursuit
z2 unicycle reference
1
z3
0
−0.5
Tracking error[m]
−1
−1 −2
x
−3
−1.5
−4
−2
−5
−2.5 −6
0 5 10 15 20 −4 −3 −2 −1 0 1 2 3 4
time[sec] y
Figure 4.8 – Les erreurs en zi Figure 4.9 – Plan de phase en (x, y)
4.4.3 Stratégie de poursuite d’un système multi-unicycles
Le modèle d’un unicycle est sans terme de dérive, nous allons appliquer directement
les résultats de la Proposition 4.2.2 pour un ensemble de N unicycles. Rappelons la forme
compacte du ième modèle
q̇i = B(qi )ui (4.38)
avec ∀i ∈ {1, ..., N }, qi = (xi , yi , θi )T , ui = (u1,i , u2,i )T et

 
cos(θi ) 0
 
B(qi ) =  sin(θi ) 0 
 
 
0 1
Le modèle de référence de chaque unicycle est défini par (4.32) et le ième système d’erreurs
est donné par (à partir de l’écriture (4.33))
ż1,i = u2,r z2,i + w1,i
ż2,i = u2,r z1,i + u1,r z3,i + w1,i z3,i (4.39)
ż3,i = w2,i
Etant donné un graphe fixe G dont la matrice laplacienne est L qui décrit la connexion
entre tous les unicycles, et C est une matrice dans R2×3 qui vérifie l’hypothèse 2. dans la
proposition 4.2.1, nous avons la proposition suivante.
Proposition 4.4.2 Soit wistf = (w1,i

stf stf T
, w2,i ) , si on considère les commandes suivantes
stf
w1,i = −|u1,r |(sign(z1,i )|z1,i |α + z2,i z3,i ) (4.40)
stf
w2,i = −|u1,r |[z2,i − sign(z1,i )|z1,i |α
+ (z1,i z2,i + sign(z1,i )|z1,i |α z2,i

2 1
+ z2,i z3,i − sign(z3,i )|z2,i |α+1 )] (4.41)
arctan(ε)
alors chaque unicycle poursuit la trajectoire de référence en temps fini. Si de plus pour
zi = (z1,i , z2,i , z3,i )T , l’entrée d’interconnexion est de la forme
N
X
wiinter =− aij C(zi − zj ) (4.42)
j=1
où aij sont les éléments de la matrice adjacente de G, alors la commande wi = wistf +wiinter
stabilise en temps fini l’origine du système (4.39), ce qui achève la poursuite de trajectoire
en temps fini du système multi-unicycles.
Preuve. On introduit la commande wi dans le système (4.39) :
zi = fi (zi ) + B(zi )wiinter

avec zi = (z1,i , z2,i , z3,i )T ,  

1 0
 
B(zi ) =  z3,i 0 
 
 
0 1
et  
u2,r z2,i
 
stf
fi (zi ) =  u2,r z1,i + u1,r z3,i  + B(zi )wi
 
 
0
En se basant sur la preuve de la proposition 4.4.1, alors l’hypothèse 1. de la Proposition

|u1,r | α+1 α+1
4.2.1 est vérifiée avec k = 3α
2 2 et β = 2
. Ainsi, on conclut que l’origine du système
bouclé (4.39) est stable en temps fini.
4.4.4 Résultats de simulation d’un multi-unicycles
1 2
4 3
Figure 4.10 – Graphe G associé aux 4 unicycles.
Nous allons simuler le comportement de quatre unicycles (N = 4) avec le graphe de

connexion donné par la figure 4.10. Déduite du graphe G, la matrice adjacente A et la
matrice laplacienne L s’écrivent
   
0 0 1 0 1 0 −1 0
   
 1 0 0 0   −1 1 0 0 
   
A=  et L= 
 1 1 0 1   −1 −1 3 −1 
   
   
1 0 0 0 −1 0 0 1
On propose de prendre pour la commande (4.41), la matrice C

 
1 1 0
C= 
0 0 1
Nos résultats de simulation sont tels que α = 0, 5, les conditions initiales sur chaque
unicycles sont
(x1 , x2 , x3 , x4 )(t = 0) = (−3, −2, −1, −4)(m)
(y1 , y2 , y3 , y4 )(t = 0) = (0.5, 2, −2, −4)(m)

3π 3π 3π 3π
(θ1 , θ2 , θ3 , θ4 )(t = 0) = ( , , , )(rad)
4 4 4 4
Nous adoptons une seule référence pour tous les unicycles, qui est définie par :
(xr , yr , θr )(t = 0) = (0, 0, 0). Les vitesses de référence sont telles que
1
u1,r = 1m.s−1 , u2,r = cos(t) − rad.s−1
4
L’étude théorique menée implique que la stabilité et la stabilisation des systèmes inter-
connectés nécessitent, dans un premier temps, une commande stabilisante pour chaque
système isolé. La poursuite de trajectoire d’un système multi-unicycles, d’après la Pro-
position 4.4.2, est transformée en un problème de stabilisation du système d’erreurs de
chaque unicycle à travers la commande wistf pour tout i = 1, ..., 4. Cette commande est
augmentée par une commande d’interconnexion wiinter afin de réaliser une poursuite de
trajectoire respectant la topologie stationnaire G de la figure 4.10. Pour pouvoir compa-
rer l’effet de la commande suggérée, nous avons réalisé des simulations où chaque uni-
cycle évolue individuellement sous l’effet uniquement de la commande wistf , cherchant à
atteindre la trajectoire de référence indépendamment des comportements des autres uni-
cycles. Pour cela, les figures 4.12-4.14-4.16-4.18-4.20-4.22 illustrent le comportement de
chaque unicycle en l’absence de toute perturbation liée à la commande d’interconnexion.
Ces résultats vont être comparés aux cas où on ajoutera une stratégie de communication
qui imposera l’échange de données sur l’état de chaque unicycle avant d’atteindre l’objec-
tif. Cet échange restera tout au long de la poursuite, assuré par le terme d’interconnexion
wiinter (figures 4.11-4.13-4.15-4.17-4.19-4.21).

On remarque qu’avec (figure 4.21) et sans (figure 4.22) le terme d’interconnexion, la
poursuite de trajectoire est réalisée par les quatre unicycles. Ceci permet de conclure
que les commandes sont robustes vis-à-vis des perturbations. On constate aussi que les
comportements des unicycles sont apparus sous forme hiérarchique dans le plan de phase
(figure 4.21) quand l’échange d’informations sur l’état de chaque unicycle est présent. Par-
ticulièrement, un tel comportement est ordonné dans l’intervalle de temps qui sépare les
états initiaux et le moment qui a permis d’atteindre la trajectoire de référence. En suivant
la figure 4.20 (sans perturbation), l’entrée qui contrôle la vitesse de rotation de chaque
unicycle s’annule quand la trajectoire de référence est atteinte. Dans le cas d’unicycles en
réseau, la figure 4.19 montre que cette commande en vitesse de rotation change d’allure
(oscillations) et tend vers zéro. Ce qui permet de conclure sur sa robustesse.
2 1
z1,1 z1,1
1.5 z1,2 z1,2
z1,3 z1,3
0
1 z1,4 z1,4
0.5
−1
erreurs en z1,i[m]
erreurs en z1,i[m]
−0.5 −2
−1
−3
−1.5
−2
−4
−2.5
−3 −5
0 5 10 15 20 0 5 10 15 20 25 30
Figure 4.11 – Erreurs en z1,i = (xi − Figure 4.12 – Erreurs en z1,i = (xi −
xr ) avec uinter . xr ) sans uinter .
4.5. Conclusion 95
2 2.5
z2,1 z2,1
1.5 z2,2 2 z2,2
z2,3 z2,3
z2,4 1.5 z2,4
1
1
0.5
erreurs en z2,i[m]
erreurs en z2,i[m]
0.5
0
0
−0.5
−0.5
−1
−1
−1.5
−1.5
−2 −2
−2.5 −2.5
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Figure 4.13 – Erreurs en z2,i = (yi − Figure 4.14 – Erreurs en z2,i = (yi −
yr ) avec uinter . yr ) sans uinter .
4 4
z3,1 z3,1
z3,2 z3,2
3 2
z3,3 z3,3
z3,4 z3,4
0
2
−2
erreurs en z3,i
erreurs en z3,i
1
−4
0
−6
−1
−8
−2 −10
−3 −12
0 5 10 15 20 25 30 0 1 2 3 4 5 6 7 8
Figure 4.15 – Erreurs en z3,i = Figure 4.16 – Erreurs en z3,i =

tan(θi − θr ) avec uinter . tan(θi − θr ) sans uinter .
20 10
u1,1 u1,1
u1,2 8 u1,2
15
u1,3 u1,3
u1,4 6 u1,4
10
4
commandes u1,i
commandes u1,i
5
2
0 0
−2
−5
−4
−10
−6
−15
−8
−20 −10
0 2 4 6 8 10 0 5 10 15 20
Figure 4.17 – Commandes u1,i (m/s) Figure 4.18 – Commandes u1,i (m/s)
avec uinter . sans uinter .
4.5 Conclusion
La stabilité et la stabilisation en temps fini des systèmes interconnectés ont pu être
formalisées par une équation différentielle ordinaire du premier ordre où le terme d’in-
150 150
u2,1 u2,1
u2,2 u2,2
u2,3 u2,3
100 100
u2,4 u2,4
50 50
commandes u2,i
commandes u2,i
0 0
−50 −50
−100 −100
−150 −150
0 2 4 6 8 10 0 5 10 15 20 25
Figure 4.19 – Commandes u2,i (rad/s) Figure 4.20 – Commandes u2,i (rad/s)
4 4
2 2
0 0
−2 −2
y[m]
y[m]
−4 −4
référence référence
−6 −6
−8 −8
−10 −10
−4 −2 0 2 4 6 8 10 12 −4 −2 0 2 4 6 8 10 12
x[m] x[m]
Figure 4.21 – Plan de phase en (x, y) Figure 4.22 – Plan de phase en (x, y)
terconnexion apparaît comme une perturbation par rapport au système nominal. Lors de
l’étude des systèmes interconnectés, nous avons fait l’hypothèse que le système nominal
était stable en temps fini et nous avons suggéré des conditions sur les perturbations pour
que le système global reste stable en temps fini. Comme technique, sans avoir recours à
la forme explicite de la fonction de Lyapunov, dont l’existence découle de la stabilité en
temps fini du système nominal, on calcule la dérivée de cette fonction le long des tra-
jectoires d’un multi-systèmes pour prouver sa stabilité. Hormis l’exemple d’un système
formalisé par un couplage structurel entre les variables d’état, qui est considéré comme
un système interconnecté, nous nous sommes intéressés à la dynamique contrôlée de plu-
sieurs systèmes en réseau. Une commande d’interconnexion a été élaborée dans le cas
des systèmes contrôlés avec ou sans terme de dérive. L’idée fondamentale est de couvrir
4.5. Conclusion 97
une large variété des systèmes autonomes dont la dynamique est affine en la commande.
On a fourni un exemple de système multi-unicycle qui est stable en temps fini lors de la
poursuite d’une trajectoire de référence et pour lequel l’entrée de commande est robuste
vis-à-vis d’une perturbation provenant des interconnexions.
Deuxième partie : Problèmes de
consensus en temps fini
99
100 Deuxième partie : Problèmes de consensus en temps fini
Chapitre 5
Consensus en temps fini des systèmes

dynamiques contrôlés
5.1 Introduction
L’étude des systèmes dynamiques en réseau est un domaine scientifique émergent dans
l’industrie automobile, en biologie, en écologie, en communication, en science sociale, etc.
Les systèmes dynamiques contrôlés en réseau peuvent être considérés comme un système
multi-agents formant ainsi un groupe collectif homogène ou hétérogène. Le groupe est
dit homogène si l’écriture de la dynamique de chaque agent est identique. Dans le cas
contraire, le groupe est dit hétérogène. L’interconnexion entre plusieurs systèmes dyna-
miques facilite la réalisation de la tâche, permet une répartition de la charge de travail,
assure un comportement global cohérent et permet de faire face aux différentes pertur-
bations extérieures. Chacun des objectifs cités, alors que d’autres objectifs peuvent être
intégrés, nécessite l’identification d’un modèle mathématique approprié, sa prise en compte
par une commande collective et sa répartition vers les commandes décentralisées. La co-
ordination entre chaque agent consiste à élaborer des protocoles distribués sur la base
d’une information locale qui permet à tous les agents de parvenir à un accord par rap-
port à l’objectif. Ce type de coordination est un mouvement collectif et cohérent, appelé
aussi consensus. Une fois que ce problème est résolu, le groupe d’agent va adopter une
direction commune de déplacement tout en restant assez proche. L’évitement de collision
101
102 Chapitre 5. Consensus en temps fini des systèmes dynamiques contrôlés
entre les membres du groupe et la coordination une fois l’objectif atteint est un problème
de formation.
Le problème du consensus a été initié en informatique. Au cours des dernières années,

ce problème a été introduit dans l’étude des systèmes multi-agents déployant une stratégie
distribuée qui permet d’atteindre un objectif. Dans [86], Viscek propose un modèle discret
en temps pour lequel un protocole est conçu pour diriger les déplacements des agents dans
un plan. Ce résultat a été adopté par la suite en réseau informatique comme solution aux
problèmes d’animation. Dans ce sens, le mouvement de chaque agent est mis à jour par
une règle locale qui dépend de son état et des états voisins. Par la suite, Jadbabaie et al.
[87] ont fait le lien théorique entre le modèle de Vicsek et les propriétés d’un consensus en
utilisant la théorie des graphes. Saber et Murray [64] ont étendu les résultats de Jadbabaie
et Vicsek en un modèle continu. Les auteurs ont utilisé un graphe orienté qui modélise la
topologie de communication entre les agents et qui a donné naissance à trois formes de
graphe. A savoir, les graphes orientés auxquels sont associés une topologie fixe, les graphes
orientés avec permutation de la topologie et les graphes non orientés fixes qui intègrent
les problèmes à retard.
Pour favoriser les applications pratiques liées aux systèmes dynamiques contrôlés, l’as-
pect temps fini associé au problème de consensus exprime notamment un besoin industriel
et une nécessité dans la prise de décisions. Le problème du consensus en temps fini d’un
système multi-agents a été abordé par Cortes [88] où le protocole de consensus est non
régulier. Pour le même objectif, dans [89] et [92], les auteurs sont parvenus à un protocole
non linéaire et continu qui assure un consensus en temps fini pour un graphe fixe non
orienté. Dans [95], les auteurs ont traité le problème du consensus en temps fini dans le
cas du double intégrateur sous un graphe fixe non orienté.
Notons que les problèmes de consensus ont été étudiés à travers des dynamiques simples
où un agent i est considéré comme étant un point matériel, c’est-à-dire avec une dynamique
de la forme ẋi = ui et ẍi = ui visant un nombre important d’agents (cas de "flocking",
"schooling", essaims). Pour cela, on peut se référer à [87], [61], [64] et [94] dans le cas
d’un consensus asymptotique et aux résultats dans [88], [89], [91], [92], [94] et [95], dans
le cas d’un consensus en temps fini. Dans l’ensemble, ces travaux se sont limités dans
5.2. Préliminaires et outils 103
le choix du modèle d’étude d’un agent et dans la stratégie de communication qui se

focalise, dans la plupart du temps, sur les graphes non orientés. Il a été montré qu’un
graphe non orienté facilite l’analyse de stabilité d’un groupe d’agents car les matrices
adjacente et laplacienne sont symétriques. Néanmoins, les modèles dynamiques contrôlés
sont non linéaires et complexes, la dimension de leur vecteur d’état est assez importante
et l’hétérogénéité des termes dans le modèle est forte. Dans cette optique, afin que notre
étude couvre la plupart des modèles présents dans les domaines, incluant, la robotique, les
véhicules terrestres, les véhicules aériens et les véhicules sous-marins, nous proposons deux
modèles d’étude généraux sans décrire leurs formes explicites. La description de chaque
modèle sera décrite dans ce chapitre. Sur la base de cette description, on va mener une
démarche théorique qui permet d’aboutir aux protocoles adéquats qui vont servir à la
résolution du problème de consensus en temps fini. Comme stratégie de communication
entre le vecteur d’état de chaque système (agent) qui occupe un noeud d’un graphe, on
fera appel à une topologie fixe de type orienté et non orienté. En termes d’applications en
simulation, on étudie le problème de consensus en temps fini d’un système multi-unicycles
et d’un système multi-agents qui se base sur le modèle d’un double intégrateur.
5.2 Préliminaires et outils

Dans cette section, nous rappelons les principaux résultats théoriques de la littérature
à travers les lemmes ci-dessous. Nous introduisons, dans un premier temps, le résultat de
Bhat sur la stabilité en temps fini des systèmes autonomes. Ensuite, nous rappelons les
lemmes qui font les liens entre les propriétés d’un graphe orienté et non orienté, la matrice
laplacienne et l’état de chaque noeud. La solution issue de la dynamique d’un agent donne
une information sur le comportement du noeud qui lui est associé. Plus de détails sont
fournis dans la référence associée à chaque lemme.
Lemme 5.1 [19] On considère le système ẋ = f (x), f (0) = 0, x ∈ Rn . S’il existe une
fonction de Lyapunov V (x) : U ⊂ Rn → R et un voisinage de l’origine U0 ⊂ U tel que
V̇ + c(V (x))β ≤ 0, x ∈ U0 \{0} avec c > 0 et β ∈]0, 1[, alors V (x) converge vers zéro en
V (x(0))1−β
temps fini. De plus, le temps d’établissement T∗ satisfait T∗ ≤ .
c(1 − β)
Lemme 5.2 [64] Soit G est arbre couvrant. Nous avons les propriétés suivantes :
1. La valeur propre 0 est simple et les autres valeurs propres sont strictement positives.
2. Si de plus G est fortement connexe, alors il existe un vecteur colonne strictement

positif w ∈ Rn tel que wT L = 0.
Lemme 5.3 [91] Supposons que G est fortement connexe et soit w > 0 tel que wT L = 0,
alors diag(w)L + LT diag(w) est la matrice Laplacienne du graphe pondéré non orienté
G(diag(w)L + LT diag(w)).
Lemme 5.4 [64] Pour un graphe non orienté G, la matrice laplacienne L de G a les
propriétés suivantes :
n
T 1X
x Lx = aij (xi − xj )2
2 i,j=1
ce qui implique que L est semi définie positive. 0 est une valeur propre simple de L
et 1 est le vecteur propre associé. Soient 0, λ2 , ..., λn les valeurs propres de L vérifiant
0 ≤ λ2 ≤ ... ≤ λn , alors λ2 > 0. Si de plus 1T x = 0, alors
xT Lx ≥ λ2 xT x.
Lemme 5.5 [102]. Soit x1 , x2 , ..., xn ≥ 0 et 0 < p ≤ 1, alors
n
X n
X n
X
( p
xi ) ≤ xpi ≤n 1−p
( xi ) p
i=1 i=1 i=1
5.3 Formulation du problème et objectifs

Par rapport aux systèmes dynamiques contrôlés tels que les systèmes autonomes, nous
nous sommes confrontés à deux types de modèles qui sont décrits par une équation diffé-
rentielle du premier ordre affine à la commande. Hormis le cas d’une simple particule, cette
dynamique est fortement non linéaire suite à l’interdépendance entre les variables d’états.
Nous rencontrons également le cas où la dimension du vecteur de commande est inférieure
au nombre de degrés de liberté du système, c’est le cas d’une dynamique sous actionnée.
Dans l’étude que nous menons, l’appellation "multi-agents" est utilisée quand plusieurs
5.3. Formulation du problème et objectifs 105
systèmes dynamiques contrôlés sont en réseau. Nous présentons le premier modèle Σ1 de

la forme (5.1) et le second Σ2 décrit par (5.2). Nous faisons usage de la notation multi-Σ1
quand le système multi-agents se base sur l’interconnexion de plusieurs noeuds dont la
dynamique de chaque noeud est décrite par le système Σ1 . De même, un système multi-Σ2
se traduit par l’association de plusieurs noeuds dont la dynamique est donnée par Σ2 . Les
résultats de la littérature sont largement consacrés au cas d’une simple particule (ẋi = ui ,
ẍi = ui ) ([87] [61] [64] [94] [88] [89] [91] [92] [94] [95]) et aux modèles interconnectés de
la forme ẋi = f i (xi ) + Bui avec B une matrice constante. D’une manière générale, les
études d’un système multi-agents ciblent directement les applications. Du point de vue
théorique, le problème n’a jamais été formalisé et généralisé. Nous apportons, par la suite,
des résultats théoriques associés à des modèles généraux.
On considère un système multi-agents pour lequel la dynamique de chaque agent est
décrite par (∀i ∈ I = {1, ..., N })
Σ1 : ẋi = B(xi )ui (5.1)
Σ2 : ẋi = f i (xi ) + B(xi )ui (5.2)
avec xi ∈ Rn , et pour 1 ≤ i ≤ N , xi = [xi1 , xi2 , ..., xin ]T , B(xi ) ∈ Rn×m , f i : Rn → Rn

est une fonction continue et ui ∈ Rm représente l’entrée de commande (protocole). Soit
B(xi ) = [bkl ] pour 1 ≤ k ≤ n et 1 ≤ l ≤ m.
Definition 5.3.1 On dit que le protocole ui résout le problème de consensus en temps

fini du système multi-Σ1 , respectivement multi-Σ2 , si pour toute condition initiale de Σ1 ,
respectivement Σ2 , il existe un temps d’établissement T∗ tel que
lim kxi (t) − xj (t)k = 0 (5.3)

t→T∗
pour tout i, j ∈ I.
Nous sommes maintenant en mesure de présenter le protocole ui , candidat pour le

problème de consensus en temps fini de multi-Σ1 et multi-Σ2 .
N
X
i i
u = −C(x )φα ( aij (xi − xj )) (5.4)
j=1
où C(xi ) ∈ Rm×n , α ∈]0, 1[, aij sont les éléments de la matrice adjacente associée au
graphe fixe G et φα (xi ) = (ϕα (xi1 ), ..., ϕα (xin ))T . A présent, pour prouver nos résultats,
nous introduisons les hypothèses suivantes.
Hypothèse 5.6 Soit B̃(xi ) = B(xi )C(xi ) avec B̃(xi ) = [b̃mk ]m,k pour 1 ≤ m, k ≤ n. On
suppose qu’il existe une matrice C(xi ) ∈ Rm×n telle que B̃(xi ) est une matrice semi-définie
positive.
Hypothèse 5.7 Pour tout xi ∈ Rn (respectivement xj ∈ Rn ), le terme de dérive f i (xi )

(respectivement f j (xj )) dans le modèle Σ2 , vérifie l’inégalité suivante (∀i ∈ I)
N
X N
X
k aij (f i (xi ) − f j (xj ))k ≤ µk aij (xi − xj )k (5.5)
j=1 j=1
avec µ est une constante positive.
5.4 Consensus associé au système dynamique multi-Σ1

En se basant sur la dynamique d’un agent décrite par la relation (5.1) et le protocole
(5.4), on va construire le système multi-agents qui permet d’étudier le comportement
d’un modèle décrit par multi-Σ1 . L’objectif est de résoudre le problème de consensus en
temps fini pour le système dynamique multi-Σ1 dans le cas d’un graphe fixe orienté et
non orienté. Nos résultats sont formalisés dans la Proposition 5.4.1 (graphe orienté) et la
Proposition 6.11 (graphe non orienté).
Proposition 5.4.1 Pour un graphe fixe G donné, si G est orienté et fortement connexe,
le protocole (5.4), appliqué au système multi-Σ1 , résout le problème de consensus en temps
fini.

5.4. Consensus associé au système dynamique multi-Σ1 107
Preuve. Soit x = (x1 , ..., xN )T et u = (u1 , ..., uN )T , le système dynamique multi-Σ1 est
défini par
ẋ = IN ⊗ B(xi )u (5.6)
A l’aide d’un changement de variable approprié le problème de consensus en temps fini

défini par (5.3) est aussi ramené à un problème de stabilité en temps fini. Pour cela, soit
N
X
i
y = aij (xi − xj ) (5.7)
j=1
Soit y = (y 1 , ..., y N )T écrit sous forme matricelle,
y = (L ⊗ In )x (5.8)
Après avoir appliqué le protocole ui et le changement de variable (5.7), la dynamique

bouclée de chaque système s’écrit
ẋi = B̃(xi )φα (y i ) (5.9)
avec B̃(xi ) = B(xi )C(xi ). En utilisant le fait que u peut se mettre sous la forme
u = −(IN ⊗ C(xi ))φα (y) (5.10)
alors, le système multi-Σ1 en boucle fermée est donné par
ẋ = −(IN ⊗ B(xi ))(IN ⊗ C(xi ))φα (y) (5.11)

En utilisant les propriétés du produit de Kronecker et en dérivant (5.8), après avoir utilisé
(5.11), on obtient
ẏ = (L ⊗ In )ẋ
= −(L ⊗ In )(IN ⊗ B(xi ))(IN ⊗ C(xi ))φα (y)
= −(L ⊗ B̃(xi ))φα (y) (5.12)
Ceci montre bien que le problème de consensus en temps fini est réduit à un problème de
stabilité en temps fini. Ainsi, l’objectif est de prouver que y converge vers zéro en temps
fini.
D’après le Lemme 5.2, comme G est fortement connexe, alors il existe un vecteur stric-
tement positif w = [w1 , w2 , ..., wN ]T ∈ RnN tel que wT L = 0 avec pour 1 ≤ i ≤ N ,
wi = [w1i , w2i , ..., wni ]T .
Prenons comme fonction de Lyapunov candidate
N
1 X
V (y) = < wi , δ 1+α (y i ) >, (5.13)
1 + α i=1
où < ., . > désigne le produit scalaire et δ 1+α (y i ) = [|y1i |1+α , ..., |yni |1+α ]T . La forme détaillée
de V est donnée par
N n
1 X X i i 1+α
V (y) = w |y | .
1 + α i=1 k=1 k k
Calculons la dérivée de V le long du système bouclé (5.12). Utilisant (5.7) et (5.9), on

obtient
N X
n i
i dyk
X
i
V̇ (y) = wk ϕα (yk )
i=1 k=1
dt
N X n N
!
X X
= wki ϕα (yki ) aij (ẋik − ẋjk ) (5.14)
i=1 k=1 j=1
N X
n N X
n
!
X X
= wki ϕα (yki ) i
aij [b̃km ϕα (ym j
) − b̃km ϕα (ym )]
i=1 k=1 j=1 m=1
Sous forme matricielle, la dernière égalité permet d’écrire
V̇ (y) = −φTα (y)(IN ⊗ diag(w))(L ⊗ B̃)φα (y)
1
Soit E , ((diag(w)L ⊗ B̃) + (L ⊗ B̃diag(w))T . Alors
2
V̇ = −φTα (y)Eφα (y). (5.15)
Introduisons l’ensemble
Ω = {z ∈ RnN : zT z = 1 et z = φα (ϑ) pour ϑ ⊥ w tel que w > 0}.
Il est bien clair que l’ensemble Ω est compact et que la fonction z T Ez est continue dans
Ω, donc il existe un minimum min z T Ez 6= 0. De plus, E peut être interprétée comme la
z∈Ω
matrice laplacienne du graphe pondéré non orienté G(E) qui, d’après le Lemme 5.3, est
semi-définie positive. Ceci permet de conclure que min z T Ez > 0.
z∈Ω
φα (y)
Soit K1 = min z T Ez > 0. Comme √ ∈ Ω, on a
z∈Ω φT
α (y)φα (y)
φTα (y)Eφα (y) φTα (y) φα (y)

T
= p Ep ≥ K1
φα (y)φα (y) T
φα (y)φα (y) T
φα (y)φα (y)
Montrons à présent qu’il existe un c > 0 et β ∈]0, 1[ tels que la dérivée de V satisfait
V̇ ≤ −cV β . Par (5.15), on a
φTα (y)Eφα (y) φTα (y)φα (y) β

V̇ = V
φTα (y)φα (y) Vβ
φT (y)φα (y) β
≤ −K1 α V
Vβ
Or
N X
X n
|yki |2α
φTα (y)φα (y) i=1 k=1
= !β
Vβ N X
n
X wki
|y i |1+α
i=1 k=1
α+1 k
XN Xn
|yki |2α
i=1 k=1
≥ N X
n
(Lemma 5.5)
X wi
( k )β |yki |(1+α)β
i=1 k=1
α+1
2α wki β
En choisissant β = 1+α
et pour k2 = max max( ) , il est clair que k2 > 0. En fixant
i k α+1
K1
c= K2
> 0,
2α
V̇ (y) ≤ −c(V (y)) 1+α (5.16)
Donc V converge vers zéro en temps fini T∗ , d’après le Lemme 5.1, et
(α + 1) 1−α
T∗ (y(0)) = V (y(0)) α+1 .
(1 − α)c
En conclusion, le protocole (5.4) appliqué au système dynamique multi-Σ1 résout le pro-

blème de consensus en temps fini dans le sens de (5.3).
On cherche toujours à définir les conditions qui permettent au système dynamique de

type multi-Σ1 de réaliser un consensus en temps fini entre les vecteurs d’états, où chaque
vecteur d’état est associé au système dynamique Σ1 . On se positionne dans le cas où
l’échange des données n’est pas hiérarchique, c’est-à-dire dans le cas où le graphe G est
non orienté. Dans la proposition suivante, nous analysons le protocole (5.4).
Proposition 5.4.2 Pour un graphe fixe G non orienté, le protocole (5.4) associé au sys-
tème dynamique multi-Σ1 résout le problème de consensus en temps fini.

Preuve. Rappelons que le système dynamique multi-Σ1 est défini par
ẋ = IN ⊗ B(xi )u (5.17)
avec x = (x1 , ...xN )T et le protocole u = (u1 , ..., uN )T .
Effectuons le changement de variable en y i donné par (5.7), le vecteur y ∈ RN n ,

exprimé dans (5.8) a une dérivée ẏ comme dans (5.12). L’objectif reste toujours de prouver
que y tend vers zéro en temps fini.
Pour ce faire, prenons la fonction de Lyapunov V : RN n → R+ telle que ∀ y ∈ RN n
1
V (y) = yT φα (y). (5.18)
1+α
Il est trivial de vérifier que V est définie positive. Le calcul de la dérivée de V par rapport
au temps le long de (5.12), donne
dy
V̇ (y) = φTα (y)
dt
= −φTα (y)(L ⊗ B̃)φα (y). (5.19)
Soit la matrice  
0n
 
i
γ2 (x )
 
i
 
D(x ) = 
 ...


 
 
γN (xi )
où 0n = diag{0, ..., 0} ∈ Rn×n , et ∀j = 2, ..., N γj (xi ) = λj (L)̺n (xi ) avec ̺n (xi ) =

diag{0, µ2 (xi ), ..., µn (xi )} ∈ Rn×n . Notons que µ2 (xi ), ..., µn (xi ) sont les valeurs propres
de la matrice B̃(xi ), données dans un ordre croissant. λj (L) est la j ème valeur propre de
L. Soient λ2 (L), ..., λN (L) données dans l’ordre croissant. On a, d’après le Lemme 5.2,
λ2 (L) > 0. Ce qui implique que ∀xi , on a λ2 µ2 (xi ) > 0.
De plus, L ⊗ B̃(xi ) ∈ RN n×N n est une matrice symétrique. Par conséquent, il existe une
matrice orthogonale P ∈ RN n×N n telle que L ⊗ B̃(xi ) = P T D(xi )P . Soit zα = P φα (y), à
partir de (5.19) on peut écrire,
V̇ = −zTα Dzα
≤ −λ2 µ1 (xi )kzα k2
≤ −λ2 µ1 (xi )kφα (y)k2 (5.20)
zTα Dzα
avec λ2 µ1 (xi ) = min .
zα ⊥1N n zTα zα
Prenons k = min λ2 µ1 (xi ) > 0 et y = 1N ⊗ y i = (ỹ1 , ..., ỹN n )T . On a
xi ∈RN
Nn
X
V̇ ≤ −k |ϕα (ỹi )|2
i=1
Nn
X
≤ −k |ỹi |2α
i=1
Nn
X 2α
≤ −k( |ỹi |α+1 ) α+1 (par le Lemme 5.5) (5.21)
i=1
Ceci permet de conclure que
2α 2α
V̇ ≤ −k(α + 1) α+1 V α+1 (5.22)
2α
2α
Or 0 < α+1
< 1 et k(α + 1) α+1 > 0. En se basant sur le résultat du Lemme 5.1, la fonction
de Lyapunov tend vers zéro en temps fini T∗ donné par :
1−α
(α + 1)V (y(0)) α+1
T∗ (y(0)) = 2α .
(1 − α)k(α + 1) α+1
En associant le protocole (5.4) au multi-Σ1 , l’ensemble étant traité comme un système

multi-agents auquel les propriétés d’un graphe fixe non orienté sont appliquées, les diffé-
rents états parviennent à un consensus en temps fini.
Remarque 5.8 Pour un graphe G fixe orienté et non orienté, si on prend α = 1 dans
les inégalités (5.22) et (5.22), alors le problème de consensus en temps fini du système
dynamique multi-Σ1 devient un consensus asymptotique.
5.5 Consensus associé au système dynamique multi-Σ2
En se basant sur la dynamique d’un agent décrite par la relation (5.2) et le protocole
(5.4), on va construire le système multi-agents qui permet d’étudier le comportement
d’un modèle décrit par multi-Σ2 . L’objectif est de résoudre le problème de consensus en
temps fini pour le système dynamique multi-Σ2 dans le cas d’un graphe fixe orienté et
non orienté. Nos résultats sont formalisés dans la Proposition 5.5.1 (graphe orienté) et la
Proposition 5.5.2 (graphe non orienté).
Proposition 5.5.1 Si le graphe G est fortement connexe, s’il possède un sous arbre cou-
vrant et si le terme de dérive satisfait l’inégalité (5.5), alors le protocole (5.4) associé au
système dynamique multi-Σ2 résout un problème de consensus en temps fini.
Preuve. En utilisant le changement de variable donné par (5.7), on obtient
N
X N
X
i i i j j
ẏ = aij (f (x ) − f (x )) + aij [B(xi )ui − B(xj )uj ] (5.23)
j=1 j=1
soit y = (y 1 , ..., y N )T et f (x) = (f 1 (x1 ), ..., f N (xN ))T et à partir de (5.8), la dynamique
du système multi-Σ2 est donnée par
ẏ = (L ⊗ In )f (x) − (L ⊗ B̃)φα (y) (5.24)
A partir de inégalité (5.5), on a
k(L ⊗ In )f (x)k ≤ ck(L ⊗ In )xk = ckyk (5.25)

En conservant la fonction de Lyapunov (5.13), la dérivée de V le long du système bouclé

(5.24) vaut
N X
n
X dyki
V̇ (y) = wki ϕα (yki )
i=1 k=1
dt
XN X n N
X
= wki ϕα (yki )( aij (ẋik − ẋjk ))
i=1 k=1 j=1
N X
X n N
X
= wki ϕα (yki )( aij (fki (xi ) − fkj (xj ))) + V̇/(1)
i=1 k=1 j=1
où V̇/(1) est la dérivée de la fonction de Lyapunov rencontrée lors de l’étude du système

multi-Σ1 (5.1) et qui satisfait l’inégalité (5.22). Maintenant, en utilisant l’Hypothèse 5.7
et l’inégalité (5.14), on obtient
2α
! 1+α
N X
X n N
X
V̇ (y) ≤ µ wki sgn(yki )|yki |α aij (xi − xj )) − c(V (y)
i=1 k=1 j=1
N X
n
X 2α
≤µ wki |yki |α+1 − c(V (y)) 1+α
i=1 k=1
2α
≤ µ(1 + α)V (y) − c(V (y)) 1+α
2α
1−α

≤ −V α+1 c − µ(1 + α)V 1+α . (5.26)
1−α
Or 1+α
> 0 et V est une fonction continue avec V (0) = 0, donc il existe un voisinage
ouvert Ω de l’origine tel que ∀y ∈ Ω
c 2α
V̇ (y) ≤ − [V (y)] α+1 (5.27)
2
En utilisant le Lemme 5.2, V converge vers zéro en temps fini et le temps d’établissement
est donné par
2(α + 1) 1−α
T∗ (y(0)) = V (y(0)) α+1
c(1 − α)
En associant le protocole (5.4) au multi-Σ2 , l’ensemble est traité aussi comme un système
multi-agents auquel les propriétés d’un graphe fixe orienté sont appliquées. Ceci prouve
le consensus en temps fini entre les états.
Le cas d’un consensus en temps fini pour la dynamique d’un système basé sur multi-Σ2
est aussi traité dans le cas où la topologie est fixe et non orientée. Dans ce cas de figure,
l’échange d’information sur l’état de chaque agent (noeud) est jugé utile dans un sens
comme dans l’autre.
Proposition 5.5.2 Pour un graphe fixe non orienté G, supposons que l’inégalité (5.5) est
vérifiée, alors le protocole (5.4) résout le problème de consensus en temps fini du système
dynamique multi-Σ2 .
Preuve. En préservant le changement de variable donné par (5.7), en introduisant les

dynamiques du ième et j ème systèmes à partir de (5.2), on peut écrire
N
X N
X
i i i j j
ẏ = aij (f (x ) − f (x )) + aij [B(xi )ui − B(xj )uj ] (5.28)
j=1 j=1
Soient y = (y 1 , ..., y N )T et f (x) = (f 1 (x1 ), ..., f N (xN ))T . A partir de (5.8), la dynamique
du système multi-Σ2 s’exprime par :
ẏ = (L ⊗ In )f (x) − (L ⊗ B̃)φα (y) (5.29)
Par l’inégalité (5.5), on a
k(L ⊗ In )f (x)k ≤ µk(L ⊗ In )xk = µkyk (5.30)

En utilisant la fonction de Lyapunov (6.21), la dérivée de V (y) le long (5.29) s’écrit
V̇ (y) = φTα (y)(L ⊗ In )f (x) − φTα (y)(L ⊗ B̃)φα (y)
≤ µkφTα (y)yk − φTα (y)(L ⊗ B̃)φα (y)
Soit y = 1N ⊗ y i = (ỹ1 , ..., ỹN n )T . On déduit de (5.21) que
2α
! α+1
Nn
X Nn
X
V̇ (y) ≤ µ |ỹi |α+1 − k |ỹi |α+1
i=1 i=1
2α
h 2α 1−α
i
≤ −V α+1 k(α + 1) α+1 − µV 1+α (5.31)
avec k = min
i n
λ2 µ1 (xi ) définie dans la preuve da la Proposition 5.4.1. Comme 1−α
1+α
>0
x ∈R
et que V est une fonction continue avec V (0) = 0, alors il existe un voisinage ouvert de
l’origine Ω tel que ∀y ∈ Ω
2α
k(α + 1) α+1 2α
V̇ (y) ≤ − [V (y)] α+1 (5.32)
2
En se basant sur le Lemme 5.1, on a que V tend vers zéro en temps fini et que le temps
d’établissement est défini par
1−α
(α + 1)V (y(0)) α+1
T∗ (y(0)) = 2α .
2(1 − α)k(α + 1) α+1
Le consensus en temps fini entre les états a bien été prouvé en associant le protocole (5.4)
au multi-Σ2 . L’ensemble est considéré comme étant un système multi-agents pour lequel
on a fait appel aux propriétés d’un graphe fixe non orienté.
Remarque 5.9 Il est trivial de prouver que si on prend α = 1 dans le protocole (5.4),
par l’inégalité (5.32) issue de la dynamique de multi-Σ2 en boucle fermée, le consensus en
temps fini se transforme en un consensus asymptotique .
5.6. Exemples d’application 117
Dans l’étude d’un système de type multi-Σ1 et multi-Σ2 , nous avons proposé un pro-
tocole adéquat pour résoudre le problème de consensus en temps fini. Ces résultats théo-
riques ont été prouvés moyennant les propriétés des graphes orientés et non orientés. Nous
remarquons que dans le cas d’un graphe non orienté la matrice laplacienne est symétrique
ce qui a facilité l’analyse théorique. De point de vue pratique, un graphe non orienté
entraîne un échange important des données, ainsi l’application du protocole requis est
plus de temps d’exécution, voire plus de capteurs. Par conséquent, on favorise l’utilisation
d’un graphe orienté auquel on a apporté une analyse complète pour un système de type
multi-Σ1 et multi-Σ2 .
Pour terminer cette analyse théorique, nous allons introduire dans le cas d’un système
multi-agents la notion d’un multi-systèmes homogène et hétérogène. En se basant sur
l’écriture (5.1) associée au système Σ1 , la structure de la matrice B(xi ) est supposée
identique, ainsi l’étude concerne un multi-Σ1 homogène. Si on se réfère à l’écriture (5.2)
pour décrire le système multi-Σ2 , si f i (xi ) présente une forme identique, alors le système
multi-Σ2 est dit homogène. Dans le cas contraire, c’est-à-dire si la structure de f i (xi ) est
différente d’un système à l’autre, le système d’étude multi-Σ2 est hétérogène. Si, de plus,
le système multi-agents intègre les deux dynamiques Σ1 et Σ2 , on est face à un multi-
systèmes hétérogène. Sur la base des modèles généraux ci-dessus, cette dernière analyse
n’a pas été traitée. Par rapport à la littérature, le modèle hétérogène formant un problème
de consensus en temps fini a été décrit par les deux dynamiques de type ẋi = ui et ẍi = ui .
5.6 Exemples d’application
A travers les résultats théoriques ci-dessus, on s’est attaqué aux systèmes avec et sans
terme de dérive, avec l’objectif d’aboutir à un consensus en temps fini entre les variables
d’états décrivant le comportement des noeuds d’un graphe. L’exemple type d’un système
sans le terme de dérive est celui de la cinématique d’un unicycle. Le système multi-
unicycles fera appel ainsi à l’étude menée dans le cas du système multi-Σ1 . Afin de décrire
les systèmes avec terme de dérive, nous nous sommes limités au cas d’un système multi-
agents décrit par plusieurs doubles intégrateurs. Sous forme d’états, au premier ordre,
cette dynamique est avec un terme de dérive. Par conséquent, ceci permet d’appliquer
nos résultats dans le cas d’un système multi-Σ2 . Nous allons définir par la suite les deux
graphes fixes (figure 5.1) dans le cas de trois agents (graphe orienté (a)) et le cas de quatre
agents (graphe non orienté (b)).
1 3
1
2 3 2 4
Figure 5.1 – G Graphe orienté de 3 agents (a), et non orienté de 4 agents (b).
5.6.1 Consensus d’un système multi-unicycles
On considère N unicycles où le ième modèle cinématique est donné par :

   
ẋ cos θi 0  
 i    ui
 ẏi  =  sin θi 0    i = 1, ..., N (5.33)
   
    wi
θ̇i 0 1
avec (xi , yi ) représente la position du centre de masse et θi l’orientation de l’unicycle par

rapport à un repère cartésien. Les deux entrées de commande ui et wi sont respectivement,
la vitesse linéaire et la vitesse angulaire, exprimées dans un repère local. Ces entrées vont
servir comme des protocoles pour l’achèvement du consensus du système multi-unicycles.
Le modèle (5.33) se met sous la forme
ẋi = B(xi )ui (5.34)

avec xi = (xi , yi , θi )T , ui = (ui , wi )T et

 
cos θi 0
 
i
B(x ) =  sin θi 0 
 
 
0 1
Rappelons aussi l’écriture du protocole (Proposition 5.4.1),
N
!
X
ui = −C(xi )φα aij (xi − xj ) (5.35)
j=1
qui dépend du choix de la matrice C(xi ) vérifiant que le produit B(xi )C(xi ) est semi
définie positive (Hypothèse.6.4). Pour l’étude en simulation, deux formes de la matrice
C(xi ) sont proposées :
   
cos θi sin θi 0 cos θi sin θi 0
C1 (xi ) =   et C2 (xi ) =  
− sin θi cos θi 0 − sin θi cos θi 1
Signalons qu’il est facile de vérifier que BC1 et BC2 sont semi-définies positives
(Hypothèse.6.4) dont les valeurs propres sont respectivement {0, 0, 1} et {0, 1, 1}.
En se basant sur la Proposition 5.4.1, le problème de consensus en temps fini est résolu à
partir des commandes suivantes : ((ui )C1 , (wi )C1 ) et ((ui )C2 , (wi )C2 ) avec (ui )C1 = (ui )C2 =
ui . La notation liée au protocole (ui )C1 implique que ce protocole est calculé à partir de
la matrice C1 , de même pour le protocole (ui )C2 qui dépend de la matrice C2 . Pour les
deux matrices C1 et C2 ci-dessus, tous calculs faits, on obtient :
(ui )C1 = (ui )C2 = ui

N
! N
!
X X
ui = −ϕα aij (xi − xj ) cos θi − ϕα aij (yi − yj ) sin θi (5.36)
j=1 j=1
N
! N
!
X X
(wi )C1 = ϕα aij (xi − xj ) sin θi − ϕα aij (yi − yj ) cos θi (5.37)
j=1 j=1
N
! N
!
X X
(wi )C2 = ϕα aij (xi − xj ) sin θi − ϕα aij (yi − yj ) cos θi
j=1 j=1
N
!
X
− ϕα aij (θi − θj ) (5.38)
j=1
5.6.2 Système multi-unicycles sous un graphe orienté
Chaque noeud du graphe orienté de la figure 5.1-a représente la dynamique (5.34)

et l’élément d’échange entre les unicycles sera le vecteur d’état xi pondéré par les aij .
Rappelons que aij = 1 si l’unicycle i reçoit l’information de celui de j, autrement aij = 0.
Les états initiaux des 3 unicycles sont donnés par :
π
x1 = (x1 , y1 , θ1 )(t = 0) = (4, 2, )
4
π
x2 = (x2 , y2 , θ2 )(t = 0) = (2, −1, − )
2
π
x3 = (x3 , y3 , θ3 )(t = 0) = (−6, 10, )
2
Les figures 5.2, 5.4 et 5.6 sont obtenues avec les protocoles (5.36) et (5.37) qui dé-
pendent du choix de la matrice de commande C1 . Pour les figures 5.3, 5.5 et 5.7, ce sont
les résultats des protocoles (5.36) et (5.38). Par rapport aux plans de phase (x, y), donnés
par la figure 5.6 (avec C1 ) et pour la figure 5.7 (avec C2 ), on constate que le choix de
C2 donne un résultat de consentement nettement meilleur que C1 . De même, sur chaque
plan de phase, le trois unicycles se rencontrent en un seul point qui est aussi un point de
rendez-vous. Le problème de consensus est transformé en un problème de rendezvous. Le
consentement présumé en matière d’une position commune dépend des conditions initiales,
10 10
8 8
6 6
position y
position y
4 4
2 2
0 0
−2 −2
−8 −6 −4 −2 0 2 4 −8 −6 −4 −2 0 2 4
position x position x
Figure 5.2 – Consentement d’un point Figure 5.3 – Consentement d’un point
commun par les 3 unicycles sous la ma- commun par les 3 unicycles sous la ma-
trice de commande C1 (graphe G orienté). trice de commande C2 (graphe G orienté).
4 4
u1 u1
u2 u2
3 3
u3 u3
2 2
1 1
control input ui
control input ui
0 0
−1 −1
−2 −2
−3 −3
−4 −4
0 20 40 60 80 100 0 10 20 30 40 50
time[sec] time[sec]
Figure 5.4 – Comportement des proto- Figure 5.5 – Comportement des proto-
coles ui avec la matrice de commande C1 coles ui avec la matrice de commande C2
(graphe G orienté) (graphe G orienté)
toutefois, on peut toujours modifier les protocoles pour atteindre la position prédéfinie
d’une cible. Ce cas d’étude est communément appelé problème de formation qui sort du
cadre de cette thèse. Nous comparons aussi le comportement de chaque protocole pour les
deux choix de la matrice de commande C. Ainsi, par rapport au protocole ui , la figure 5.4
est associée à C1 et la figure 5.5 à C2 . On remarque que le choix de cette matrice impacte
les amplitudes des vitesses linéaires, et la matrice C1 conduit à des oscillations en régime
permanent. Par rapport aux protocoles wi , cette même constatation peut être dégagée de
2 1
w1 w1
w2 w2
1 w3 w3
0
0
−1
control input w,i

control input wi
−1
−2
−2
−3
−3
−4
−4
−5 −5
0 20 40 60 80 100 0 10 20 30 40 50
time[sec] time[sec]
coles wi avec la matrice de commande C1 coles wi avec la matrice de commande C2
(graphe G orienté) (graphe G orienté)
la figure 5.6 (choix de C1 ) et de celle de la figure 5.7 (choix de C2 ).
5.6.3 Système multi-unicycles sous un graphe non orienté
Rappelons qu’un graphe non orienté est un graphe dans lequel chaque agent (unicycle)
à la fois donne et reçoit l’information, de sorte que les matrices adjacente et laplacienne
sont symétriques. On procède à la simulation du comportement de quatre unicycles par
des matrices de commande C1 et C2 . Les états initiaux sont tels que :
π
x1 = (x1 , y1 , θ1 )(t = 0) = (4, 2, )
4
π
x2 = (x2 , y2 , θ2 )(t = 0) = (2, −1, − )
2
2π
x3 = (x3 , y3 , θ3 )(t = 0) = (1, 8, )
3
x4 = (x4 , y4 , θ4 )(t = 0) = (−1, −4, π)
Les protocoles dépendant du choix de C1 et C2 sont donnés par (5.36)-(5.38). Le

consentement d’un point de rendez-vous est donné par la figure 5.8 (cas C1 ) et la figure
5.9 (cas C2 ). La performance réalisée sous la matrice de commande C2 est significative,
entraînant la convergence rapide des protocoles vers zéro. Celle-ci est apparente sur la
figure 5.11, comparée à la figure 5.10. Nous tirons le même constat des deux figures 5.12
et 5.13. L’achèvement du problème de consensus par les quatre unicycles qui est aussi un
problème de rendez-vous a fait appel à des protocoles bornés en amplitudes, comparé aux
résultats de stabilisation de type instationnaires (discontinues) dans le cas d’un unicycle
(condition de Brockett non vérifiée).
8 8
6 6
4 4
position y
position y
2 2
0 0
−2 −2
−4 −4
−6 −6
−2 −1 0 1 2 3 4 5 −4 −3 −2 −1 0 1 2 3 4 5
position x position x
Figure 5.8 – Consentement d’un point Figure 5.9 – Consentement d’un point
commun par les 4 unicycles sous la ma- commun par les 4 unicycles sous la ma-
trice de commande C1 (graphe G non trice de commande C2 (graphe G non
orienté). orienté).
4 4
u1 u1
3 u2 3 u2
u3 u3
u4 u4
2 2
1 1
control input ui
control input ui
0 0
−1 −1
−2 −2
−3 −3
−4 −4
−5 −5
0 10 20 30 40 50 0 10 20 30 40 50
time[sec] time[sec]
coles ui avec la matrice de commande C1 coles ui avec la matrice de commande C2
(graphe G non orienté) (graphe G non orienté)
5 4
w1 w1
4 w2 3 w2
w3 w3
w4 w4
3 2
2 1
control input wi
control input wi
1 0
0 −1
−1 −2
−2 −3
−3 −4
−4 −5
0 10 20 30 40 50 0 10 20 30 40 50
time[sec] time[sec]
coles wi avec la matrice de commande C1 coles wi avec la matrice de commande C2
(graphe G non orienté) (graphe G non orienté)
5.6.4 Consensus d’un système multi-agents (double intégrateur)
Comme application aux résultats des propositions 5.5.1 et 5.5.2 liées aux systèmes
avec dérive, on considère que chaque agent obéit à la dynamique d’une simple particule
qui est aussi un double intégrateur. Soit pour l’agent i :
ẋi = vi
v̇i = ui (5.39)
où xi ∈ Rn est la position, vi ∈ Rn désigne la vitesse et ui ∈ Rn représente la commande.

La dynamique (6.35) peut être mise sous la forme (5.2), c’est-à-dire
ẋi = f i (xi ) + B(xi )ui (5.40)
     
xi vi 0
avec xi =  , f i (xi ) =  , B =   et ui = ui
vi 0 1
i
Il est évident de vérifier la condition sur f (5.5) conformément à l’Hypothèse 5.7. Pour
parvenir à compléter l’expression du protocole en ui suivant,
N
!
X
ui = −C(xi )φα aij (xi − xj ) (5.41)
j=1
on propose de prendre une matrice C = (1 1). Sous forme explicite, on obtient :
N
! N
!
X X
ui = −ϕα aij (xi − xj ) − ϕα aij (vi − vj ) (5.42)
j=1 j=1
Tel que le montre le protocole ci-dessus, dans le cas d’un double intégrateur, on résout un
consensus en temps fini en position et en vitesse. Signalons que le problème de consensus
en temps fini d’un système multi-agents de type double intégrateur a été étudié par Wang
[94] dans le cas d’un graphe non orienté (matrices adjacente et laplacienne symétriques).
Cependant, du point de vue de son écriture, le protocole qu’on propose est différent de
celui de Wang [94], car, sous les hypothèses des propositions 5.5.2 et 5.5.1, il résout le
consensus en temps fini sous un graphe orienté et non orienté.
5.6.5 Systèmes double intégrateur sous un graphe orienté
Chaque agent du graphe orienté de la figure 5.1-a est représenté par un double
intégrateur dont la dynamique est donnée par (5.40). L’échange des données se fera sur
l’état xi = (xi , vi ) pondéré par les éléments de la matrice adjacente déduite du graphe
orienté. Les simulations numériques se basent sur les données suivantes (α = 0.5) :
• Cas où les vitesses initiales sont nulles
x1 = (x1 , v1 )(t = 0) = (5(m), 0(m/s))
x2 = (x2 , v2 )(t = 0) = (10(m), 0(m/s)) (5.43)
x3 = (x3 , v3 )(t = 0) = (1(m), 0(m/s))

• Cas où les vitesses initiales sont non nulles
x1 = (x1 , v1 )(t = 0) = (5(m), 2(m/s))
x2 = (x2 , v2 )(t = 0) = (10(m), 1(m/s)) (5.44)
x3 = (x3 , v3 )(t = 0) = (1(m), 2.5(m/s))
Sous un graphe orienté, nous avons simulé les comportement de trois agents dans le cas où
les vitesses initiales sont nulles (5.43) et non nulles (5.44). Du point de vue des résultats,
le consentement en vitesse est de 1.8m/s dans le cas (5.44) alors que ceci est réduit à
0.2m/s dans le cas (5.43). Le consensus en position est amené vers la droite de pente
1.8m/s selon la condition (5.44). Cette pente est dégressive quand les vitesses initiales se
rapprochent de zéro. Par rapport aux résultats de la figure 5.18 (condition (5.43)) et la
figure 5.19 (condition (5.44)), on remarque que l’amplitude de chaque protocole ne subit
pas beaucoup de variations et reste bornée.
10 2.5
9 2
8 1.5
7 1
vitesses(m/s)
positions(m)
6 0.5
5 0
4 −0.5
3 −1
2 −1.5
1 −2
0 5 10 15 20 0 5 10 15 20
temps(s) temps(s)
Figure 5.14 – Positions de 3 agents réa- Figure 5.15 – Vitesses de 3 agents réali-
lisant un consensus avec vi (0) = 0 sous sant un consensus avec vi (0) = 0 sous un
un graphe orienté. graphe orienté.
45 4.5
40 4
3.5
35
3
30
vitesses(m/s)
2.5
positions(m)
25
2
20
1.5
15
1
10
0.5
5 0
0 −0.5
0 5 10 15 20 0 5 10 15 20
temps(s) temps(s)
lisant un consensus avec vi (0) 6= 0 sous sant un consensus avec vi (0) 6= 0 sous un
un graphe orienté. graphe orienté.
3 2.5
2
2
1.5
1
1
Protocoles ui (m/s2)
0.5
0 0
−0.5
−1
−1
−1.5
−2
−2
−3 −2.5
0 5 10 15 20 0 5 10 15 20
temps(s) temps(s)
Figure 5.18 – Protocoles en accéléra- Figure 5.19 – Protocoles en accéléra-

tions avec vi (0) = 0 sous un graphe tions avec vi (0) 6= 0 sous un graphe
orienté. orienté.
5.6.6 Systèmes double intégrateur sous un graphe non orienté
Pour le cas de quatre agents évoluant sous un graphe non orienté (figure 5.1-b), on a
pris α = 0.5 et les conditions initiales suivantes :
• Cas où les vitesses initiales sont nulles
x1 = (x1 , v1 )(t = 0) = (5(m), 0(m/s))
x2 = (x2 , v2 )(t = 0) = (10(m), 0(m/s))
x3 = (x3 , v3 )(t = 0) = (1(m), 0(m/s)) (5.45)
x4 = (x4 , v4 )(t = 0) = (−5(m), 0(m/s))
• Cas où les vitesses initiales sont non nulles
x1 = (x1 , v1 )(t = 0) = (5(m), 1(m/s))
x2 = (x2 , v2 )(t = 0) = (10(m), 2(m/s))
x3 = (x3 , v3 )(t = 0) = (1(m), 1.5(m/s)) (5.46)
x4 = (x4 , v4 )(t = 0) = (−5(m), 2.5(m/s))
Par rapport aux conditions (5.45) et (5.46), le système multi-agents réalise un consensus
en temps fini répondant aux résultats théoriques de ce chapitre (figures 5.20 et 5.21 pour le
cas (5.45) et figures 5.22 et 5.23 selon les conditions (5.46)). Le fait d’adopter un graphe
non orienté a conduit à un consentement en vitesses et positions proche de zéro si les
conditions initiales sur les vitesses sont nulles (conditions (5.45)). Indépendamment des
conditions initiales, les protocoles donnés par la figure 5.24 (conditions (5.45)) et la figure
5.25 (5.46)), restent inchangés et les agents subissent des accélérations bornées.
5.7. Conclusion 129
10 3
5 1
Vitesses(m/s)
Positions(m)
0 −1
−2
−5 −3
0 5 10 15 20 0 5 10 15 20
temps(s) temps(s)
lisant un consensus avec vi (0) = 0 sous sant un consensus avec vi (0) = 0 sous un
un graphe non orienté. graphe non orienté.
40 5
35
4
30
25 3
Vitesses(m/s)
Positions(m)
20
2
15
10 1
5
0
0
−5 −1
0 5 10 15 20 0 5 10 15 20
temps(s) temps(s)
lisant un consensus avec vi (0) 6= 0 sous sant un consensus avec vi (0) 6= 0 sous un
un graphe non orienté. graphe non orienté.
5.7 Conclusion
Même si le problème de consensus en temps fini des systèmes multi-agents a fait

l’objet de plusieurs résultats dans la littérature, dans ce chapitre, nous avons abordé
cette notion en ciblant les systèmes dynamiques contrôlés non linéaires et complexes. Les
deux modèles décrits, avec et sans terme de dérive affine en la commande, sont toutefois
largement étudiés en terme de stabilité moyennant les théories de commande linéaires et
non linéaires, mais non analysés sous la problématique de consensus telle qu’elle a été
2.5 3
u21 u21
2 u22 u22
u23 2 u23
1.5 u24 u24
1 1
0.5
0
0
−1
−0.5
−1 −2
−1.5
−3
−2
−2.5 −4
0 5 10 15 20 0 5 10 15 20
temps(s) temps(s)
Figure 5.24 – Protocoles en accéléra- Figure 5.25 – Protocoles en accéléra-

tions avec vi (0) = 0 sous un graphe non tions avec vi (0) 6= 0 sous un graphe non
orienté. orienté.
posée dans ce chapitre. Nous avons mis en exergue un protocole résolvant le problème
de consensus en temps fini entre les états de tels systèmes. En terme de stratégie de
communication entre les agents, nous avons déployé deux graphes fixes de type orientés et
non orientés. Il s’est avéré que, dans la validation de nos protocoles, le graphe non orienté
a facilité nos preuves pourvu que la matrice laplacienne est symétrique mais au détriment
d’un échange important de données. D’un point de vue pratique, nous avons appliqué
nos résultats dans le cas d’un système multi-unicycles (système sans terme de dérive) et
un système multi-agents basé sur un double intégrateur (système avec terme de dérive).
Comme constat, le système multi-unicycles répond au problème de rendez-vous à travers
ses états sous un protocole qui dépend uniquement de l’état de chaque unicycle et de son
voisinage. Un tel protocole est un retour d’état pour le système interconnecté pondéré
par les éléments de la matrice adjacente alors qu’il est connu qu’un unicycle ne peut
être stabilisé par un retour d’état stationnaire. Enfin, les résultats énoncés peuvent être
étendus aux problèmes de consensus en temps fini des systèmes hétérogènes mélangeant
des dynamiques contrôlées avec ou sans terme de dérive. On peut citer l’exemple d’un
consensus hétérogène entre les engins volants et les véhicules terrestres.
Chapitre 6
Consensus moyen et stabilisation d’une

formation en temps fini
6.1 Introduction
En système multi-agents ou pour les systèmes dynamiques en réseau, rappelons que le
problème du consensus se traduit par l’achèvement d’un comportement en masse cohérent
envers un objectif commun qui dépend des états initiaux de tous les agents. L’algorithme
d’un consensus est un protocole qui définit les règles d’interaction en spécifiant les in-
formations à échanger entre l’agent et son voisinages dans le graphe de connexion. Sans
s’attarder trop sur la notion de consensus, pour plus de détails le lecteur peut se référer
au chapitre précédent et sur la manière dont on a pu poser le problème et la solution.
Ainsi, par rapport au problème du consensus ordinaire, le consensus moyen se distingue
par deux problématiques : le consensus moyen statique et le consensus moyen dynamique.
Un consensus moyen statique est un problème de cohérence et de convergence de tous les
agents vers une valeur fixe bien définie. Celle-ci peut être calculée, par exemple, à partir
des conditions initiales connues de tous les agents. Ainsi, la dynamique de la moyenne
est nulle, par conséquent, elle n’affecte pas la dynamique de l’agent ni du groupe. Le
problème du consensus moyen dynamique c’est une convergence vers une moyenne qui
est définie en fonction des états instantanés des agents. Cette moyenne dynamique peut
être définie aussi comme la moyenne des signaux de référence. Dans ce chapitre, hormis
131
132 Chapitre 6. Consensus moyen et stabilisation d’une formation en temps fini
les complexités de nos modèles d’étude, à partir de l’évaluation de l’état de chaque agent
traduisant l’état de chaque noeud, nous proposons le protocole qui résout le problème
de consensus moyen dynamique. Ainsi, la difficulté réside dans le fait que le consensus
moyen qu’on traite n’est pas défini par rapport aux conditions initiales ni par rapport à
la moyenne des signaux de référence.
Dans la littérature, le consensus moyen statique a été étudié dans ([64], [97], [101]) où
les auteurs proposent des protocoles linéaires, alors que dans ([91], [99],[100]) les protocoles
sont de forme non linéaire. Pour le consensus moyen dynamique sous un protocole non
linéaire, on peut se référer à ([100]). D’une manière générale, la dynamique de l’agent
reste simple ce qui permet de répondre aux problèmes de consensus et consensus moyen
en positions et en vitesses d’un nombre important d’agents. Cependant, si la dynamique
de l’agent est non linéaire et le vecteur de son état est de dimension élevée, l’analyse du
protocole n’est pas triviale.
Dans la deuxième partie de ce chapitre, on fera la différence entre deux protocoles dont
les expressions sont très semblables. Cependant le premier est dévolu à la résolution du
problème de consensus moyen et le deuxième s’attaque à la stabilité de l’équilibre d’une
formation. Les agents en formation étudiés dans la littérature présentent une dynamique
linéaire assez simple, inspirée de celle d’une particule. La formation multi-agents qu’on
pose se base sur des modèles non linéaires pour lesquels la dimension du vecteur d’état du
groupe est assez consistante. De plus, on n’a pas la forme explicite du modèle de chaque
agent et les modèles sont généraux et largement présents pour l’étude des systèmes au-
tonomes (véhicules, drones, sous-marin, etc.). Les modèles sont affines en la commande
(avec ou sans terme de dérive non linéaire) et la matrice de commande est non constante
mais dépendante de l’état. D’où la complexité de l’étude de stabilisation qu’on mène.
A noter que la réussite de la stabilisation du groupe par le protocole permet d’orienter
la formation vers d’autres objectifs tels que l’alignement, le contournement d’une cible
et l’évitement de collision (on peut se référer à la thèse de ElKamel [13] pour tous ces
objectifs, traitant le cas d’un simple agent sous forme d’un simple intégrateur en forma-
tion). Toujours dans le cas de la dynamique d’un simple et double intégrateur, le système
multi-agents répondant aux problèmes dites ’flocking’ et ’schooling’ a été étudié par Saber
6.2. Préliminaires et outils 133
[65].
6.2 Préliminaires et outils

Dans cette section, nous rappelons un résultat de Hong sur la stabilité en temps fini
via la notion d’homogénéité.
Lemme 6.1 [83] Etant donné un système de la forme
ẋ = g(x) + ĝ(x) (6.1)
avec g(0) = 0, x ∈ Rn , g(x) est continue et homogène de degré k < 0 par rapport à une
dilatation ∆λ (x) = (λr1 x1 , ..., λrn x1 ) et ĝ(x) ∈ Rn satisfaisant ĝ(0) = 0. Supposons que :
1. l’origine du système (6.1) est asymptotiquement stable,

ĝi (λr1 x1 , ..., λrn x1 )
2. lim = 0 (localement homogène).
λ→0 λk+ri
Alors, l’origine du système (6.1) est stable en temps fini.
6.3 Formulation du problème et objectifs

Les systèmes dynamiques contrôlés qu’on étudie dans ce chapitre sont identiques à
ceux présentés au chapitre précédent. Les motivations envers les choix des modèles ont
déjà été clarifiées dans le chapitre précédent. Nous nous intéressons ainsi aux systèmes
dynamiques contrôlés décrits par une équation différentielle du premier ordre affine en la
commande avec ou sans terme de dérive. L’appellation "multi-agents" est utilisée quand
plusieurs systèmes dynamiques contrôlés sont en réseau. Rappelons que le premier modèle
Σ1 est de la forme (6.2) et le second modèle Σ2 est décrit par la relation (6.3) ci-dessous.
Nous faisons usage de la notation multi-Σ1 (multi-agents) quand la dynamique de chaque
noeud (agent) est décrite par Σ1 . De même, un système multi-Σ2 est tel que la dynamique
d’un noeud est régie par Σ2 . Par rapport aux objectifs d’un consensus, la résolution
d’un problème de consensus moyen consiste à faire converger tous les agents vers un
consentement moyen.
A présent, rappelons les deux systèmes d’étude, ∀i ∈ I = {1, ..., N }
Σ1 : ẋi = B(xi )ui (6.2)
Σ2 : ẋi = f i (xi ) + B(xi )ui (6.3)
avec xi ∈ Rn , et pour 1 ≤ i ≤ N , xi = [xi1 , xi2 , ..., xin ]T , B(xi ) ∈ Rn×m , f i : Rn → Rn est

une fonction continue et ui ∈ Rm représente l’entrée de commande (protocole).
Définition 6.2 (Stabilisation) Etant donnée une commande d’interconnexion ui (xi , xj )

pour tout j ∈ Ni , l’origine du ième système issu de (6.2) ou (6.3) est dit stable en temps
fini si (pour tout i ∈ I) :
1. l’origine du ième système bouclé est stable.
2. il existe un temps d’établissement T∗ tel que lim kxi (t)k = 0.

t→T∗
Définition 6.3 (Consensus moyen) Etant donné un protocole ui (xi , xj ) pour tout j ∈ Ni ,
on dit que le ième système répond à un consensus moyen en temps fini si, pour toutes
données initiales, il existe un temps d’établissement T∗ tel que :
lim kxi (t) − χ(t)k = 0 (6.4)

t→T∗
N
1 X j
pour tout i ∈ I avec χ(t) = x (t).
N j=1
La moyenne χ(t) peut être interprétée comme le consentement moyen instantané qui
sert les objectifs du groupe. χ(t) peut être également considéré comme le vecteur d’état
moyen du groupe. Nous montrons par la suite que la dynamique de χ(t) dépend fortement
de la topologie adoptée.
Pour les systèmes multi-Σ1 et multi-Σ2 on procédera à l’analyse des propriétés de
convergence à la fois du protocole non linéaire (6.5) pour le problème de consensus moyen
et de l’entrée de commande non linéaire (6.6) pour le problème de stabilisation d’une
formation.
N
X
ui = −C(xi ) aij φα (xi − xj ) (6.5)
j=1
6.3. Formulation du problème et objectifs 135
N
X
i i
u = −C(x ) aij (φα (xi ) − φα (xj )) (6.6)
j=1
où les coefficients aij sont les éléments de la matrice adjacente de G, α ∈]0, 1[ et φα (xi ) =
(ϕα (xi1 ), ..., ϕα (xin ))T . La matrice de commande C(xi ) ∈ Rm×n est fonction de l’état, elle
sera fixée par la suite.
Comme nous pouvons le constater dans les protocoles (6.5) et (6.6), la notion de
consensus moyen en temps fini est étroitement liée à la stabilité en temps fini. La dif-
férence principale est que le consensus moyen implique que l’état de chaque système
converge vers la trajectoire moyenne. Cependant, le problème de stabilité d’un groupe
d’agents en formation implique que chaque agent converge vers son état d’équilibre qui
forme par conséquent l’état d’équilibre du groupe. L’hypothèse suivante donne une forme
conceptuelle de C(xi ) par rapport aux systèmes dynamiques étudiés.
Hypothèse 6.4 La matrice non nulle C(xi ) est telle que le produit matriciel B(xi )C(xi )
est semi-défini positif.
Par la suite, on désigne par B̃(xi ) = B(xi )C(xi ) où B̃ = [b̃lk (xi )]l,k pour 1 ≤ l, k ≤ n et
B̃(xi ) ≥ 0 pour tout i ∈ I.
Hypothèse 6.5 La matrice C(xi ) est fixée par l’hypothèse 6.4. Pour tout (z1 , z2 ) ∈ Rn×n ,
on suppose que
(φα (z1 ) − φα (z2 ))T B̃(xi )φα (z1 − z2 ) ≥ (φα (z1 ) − φα (z1 ))T B̃(xi ) (φα (z1 ) − φα (z2 )) (6.7)
Hypothèse 6.6 On suppose que le champs de vecteur
N
X
i
g(x ) , − aij B̃(xi )φα (xi − xj ) (6.8)
j=1
est localement homogène de degré d par rapport à une dilatation [σ1 , ..., σn ].
Pour chaque système dynamique multi-Σ1 et multi-Σ2 , nous allons aborder le problème
de consensus moyen en temps fini et le problème de stabilisation d’une formation.
6.4 Consensus moyen du système multi-Σ1
La problématique du consensus moyen en temps fini du système multi-Σ1 se base sur

une topologie d’interaction stationnaire non orientée entre les agents. Chaque dynamique
associée à Σ1 va occuper un noeud appartenant au graphe G et l’échange d’informations
sur son état, pondéré par les éléments aij de la matrice laplacienne de G, se fera à travers
le protocole (6.5). Comme la structure de la matrice B(xi ) est prise identique pour chaque
Σ1 , alors, on peut voir le système comme un système multi-agents homogène. Rappelons
que pour un groupe d’agents où chaque dynamique est de la forme ẋi = ui [63], [91], si la
topologie d’interconnexion se base sur un graphe non orienté, le consensus moyen est tel
que tous les agents convergent vers la moyenne des états initiaux [63], [91], c’est-à-dire
N
X
χ(t) = xi (0).
i=1
Proposition 6.7 Soit G un graphe stationnaire non orienté, sous le protocole (6.5) et les
hypothèses 6.4, 6.5 et 6.6, le système multi-Σ1 réalise un consensus moyen en temps fini
dans le sens de (6.4).
Preuve. Par rapport aux objectifs fixés dans la relation (6.4), nous introduisons le chan-
gement de variable suivant ξ i (t) = xi (t) − χ(t) et soit ξ(t) = [ξ 1 , ..., ξ N ]T . Le fait que
aij = aji pour tout 1 ≤ i, j ≤ N (graphe non orienté) et que ϕα soit une fonction impaire,
entraîne que la dynamique de la moyenne sous le protocole (6.5) est donnée par :
N
1 X i
χ̇(t) = ẋ (t)
N i=1
N N
1 XX
=− aij B̃(xi )φα (xi − xj ) (6.9)
N i=1 j=1
N N
1 XX
=− aij B̃(xi ) − B̃(xj ) φα (xi − xj )
2N i=1 j=1
6.4. Consensus moyen du système multi-Σ1 137
En introduisant le protocole (6.5) dans la dynamique de ξ i (t) et en incorporant le résultat

(6.9), on obtient
ξ˙i (t) = ẋi (t) − χ̇(t)

N N N
X
i i 1 XX
j

=− aij B̃(x )φα (x − x ) + aij B̃(x ) − B̃(x ) φα (xi − xj ) (6.10)
i j
j=1
2N i=1 j=1
N N N
X
i i 1 XX
j

=− aij B̃(x )φα (ξ − ξ ) + aij B̃(xi ) − B̃(xj ) φα (ξ i − ξ j )
j=1
2N i=1 j=1
Pour ξ(t) = (ξ 1 , ..., ξ N ), on peut réécrire la dernière égalité sous la forme suivante :
ξ˙i (t) = g(ξ i ) + g̃(ξ) (6.11)
où
N
X
i
g(ξ ) = − aij B̃(xi )φα (ξ i − ξ j )
j=1
et
N N
1 XX
g̃(ξ) = aij B̃(x ) − B̃(x ) φα (ξ i − ξ j )
i j
2N i=1 j=1
Il est important de noter que le problème de consensus moyen est amené à un problème
de stabilité en temps fini. Ainsi, l’objectif est de prouver que l’équilibre du système (6.11)
est stable en temps fini et ceci sera atteint en deux étapes, répondant aux conditions du
Lemme 6.1. Partant du fait que la dynamique (6.11) est identique à celle donnée par (6.1),
nos étapes se résument par :
Étape 1. On s’intéresse à la stabilité en temps fini de l’équilibre du système
ξ˙i (t) = g(ξ i ) (6.12)
La fonction de Lyapunov candidate est la suivante :
N
1 X i T
V (ξ(t)) = (ξ ) φα (ξ i ) (6.13)
α + 1 i=1
Calculons la dérivée de V le long du système bouclé (6.12)
N
T
ξ˙i
X
V̇ (ξ(t)) = φα (ξ i )
i=1
N
X T
=− aij φα (ξ i ) B̃(xi )φα (ξ i − ξ j )
i,j=1
N
X T
= 1
−2 aij φα (ξ i ) − φα (ξ j ) B̃(xi )φα (ξ i − ξ j )
i,j=1
En utilisant l’Hypothèse 6.5, on obtient
N
X T
≤ − 21 aij φα (ξ i ) − φα (ξ j ) B̃(xi ) φα (ξ i ) − φα (ξ j )

V̇
i,j=1

= − 21 φTα (ξ) L ⊗ B̃(xi ) φα (ξ)
= − 14 φTα (ξ)Θφα (ξ)

1
avec Θ = 2
L ⊗ B̃(xi ) + L ⊗ B̃ T (xi ) .
Soit
D(xi ) = diag{0n , γ2 (xi ), ..., γN (xi )}
où 0n = diag{0, ..., 0} ∈ Rn×n et ∀j = 2, ..., N γj (xi ) = λj (L)̺n (xi ) avec

̺n (xi ) = diag{0, µ2 (xi ), ..., µn (xi )} ∈ Rn×n . Notons que µ2 (xi ), ..., µn (xi ) sont les valeurs
propres de la matrice B̃(xi ), données dans un ordre croissant. λj (L) est la j ème valeur
propre de L. Soient λ2 (L), ..., λN (L) données dans l’ordre croissant. On a, à partir du
Lemme 5.4 (chapitre5), λ2 (L) > 0. Ce qui implique que ∀xi , on a λ2 µ2 (xi ) > 0.
De plus, on a Θ ∈ RN n×N n est une matrice symétrique. Par conséquent, il existe une
matrice orthogonale P ∈ RN n×N n telle que Θ = P T D(xi )P . Soit zα = P φα (ξ), alors à
partir de (6.14) on peut écrire,
V̇ ≤ − 14 zαT Dzα
≤ − 14 λ2 µ1 (xi )kzα k2
= − 14 λ2 µ1 (ξ i )kφα (ξ)k2
zαT Dzα
où λ2 µ1 (xi ) = min Tz
.
zα ⊥1N n zα α
Soit k = min λ2 µ1 (xi ) > 0 et ξ = 1N ⊗ ξ i = (ξ˜1 , ..., ξ˜N n )T , par conséquent,
xi ∈RN
Nn
|ϕα (ξ˜i )|2
X
V̇ ≤ − k4
i=1
Nn
|ξ˜i |2α
X
≤ − k4
i=1
2α
! α+1
Nn
|ξ˜i |α+1
X
≤ − k4
i=1

k 2α 2α
V̇ ≤ − (α + 1) α+1 V α+1 (6.14)
4
2α
2α
Or 0 < α+1
< 1 et k4 (α +1) α+1 > 0, en se basant sur le Lemme 5.1 (chapitre 5), la fonction
de Lyapunov tend vers zéro en temps fini et par conséquent l’équilibre du système (6.12)
est stable en temps fini.
Étape 2. En utilisant l’Hypothèse 6.6, le vecteur g(ξ i ) est homogène de degré d. Le fait
que l’équilibre de ξ˙i = g(ξ i ) est stable en temps fini implique que d est négative. De plus
à partir de l’écriture g̃(ξ), pour k = 1, ..., n, il est simple de vérifier que
g̃k (εσ1 ξ1i , ..., εσn ξni )

lim =0
ε→0 εd+σi
Par conséquent, en utilisant le Lemme 6.1, l’équilibre du système (6.11) est stable en
temps fini.
En conclusion, le protocole (6.5) appliqué au système dynamique multi-Σ1 résout le pro-
blème de consensus moyen en temps fini dans le sens (6.4).
6.5 Consensus moyen du système multi-Σ2

En se référant à la dynamique d’un agent décrite par la relation (6.3) et le protocole
(6.5), on construira le système multi-agents qui permet d’étudier le comportement d’un
modèle décrit par multi-Σ2 . En se basant sur le développement théorique présenté dans le
paragraphe précédent, l’objectif est de résoudre le problème de consensus moyen en temps
fini pour le système dynamique multi-Σ2 dans le cas d’un graphe stationnaire non orienté.
En présence du terme de dérive, vu la complexité du changement de variable, deux cas
de figure seront analysés, le cas de l’application linéaire f i (xi ) , Ãxi avec Ã une matrice
constante, et celui d’une application non linéaire. Nos résultats sont formalisés dans les
propositions 6.8 (cas linéaire) et 6.9 (cas non linéaire).
6.5.1 Multi-Σ2 : cas d’un terme de dérive linéaire
A présent, le système Σ2 est tel que l’agent i est modélisé par :
ẋi = Ãxi + B(xi )ui (6.15)
où Ã ∈ Rn×n et Ã = [ãp,q ]1≤p,q≤n .
Proposition 6.8 Etant donné un graphe stationnaire non orienté G, sous le protocole
(6.5), le système multi-agents basé sur le modèle (6.15) réalise un consensus moyen en
temps fini dans le sens de (6.4).
Preuve. Nous introduisons le changement de variable ξ i (t) = xi (t)−χ(t). L’objectif est de

réécrire l’équation (6.15) en boucle fermée en fonction de ξ i et de prouver que ξ converge
vers zéro en un temps fini. Le fait que aij = aji et que φα (.) soit une fonction impaire,
entraîne
N
1 X
χ̇(t) = (Ãxi + B(xi )ui )
N i=1
N N
1 X i 1 X
= Ãx + B(xi )ui
N i=1 N i=1
N N N
1 X i 1 XX
= Ãx − aij B̃(xi ) − B̃(xj ) φα (xi − xj )
N i=1 2N i=1 j=1
Par conséquent,
N N N
1 XX
ξ˙i = Ãξ i −
X
i i j
aij B̃(x )φα (ξ − ξ ) + aij B̃(xi ) − B̃(xj ) φα (ξ i − ξ j )
j=1
2N i=1 j=1
En suivant les mêmes étapes de la preuve précédente, nous obtenons une dynamique de
la forme
ξ˙i = h(ξ i ) + h̃(ξ)
avec
N
X
i i
h(ξ ) = Ãξ − aij B̃(xi )φα (ξ i − ξ j )
j=1
et
N N
1 XX
h̃(ξ) = aij B̃(xi ) − B̃(xj ) φα (ξ i − ξ j )
2N i=1 j=1
On remarque que h̃(ξ) , g̃(ξ) alors pour prouver nos résultats, il sera suffisant de montrer
que l’origine du système suivant est stable en temps fini.
ξ˙i = h(ξ i ) (6.16)
En utilisant la fonction de Lyapunov (6.13), la dérivée de V (ξ) le long du système (6.16)

est donnée par
N
φTα (ξ i )ξ˙i
X
V̇ (ξ(t)) =
i=1
N
X N
X
= φTα (ξ i )Ãξ i − aij φTα (ξ i )B̃(xi )φα (ξ i − ξ j )
i=1 i,j=1
N
X k 2α 2α
≤ kÃk∞ φTα (ξ i )ξ i − (α + 1) α+1 V α+1
i=1
4
2α 2α
≤ kÃk∞ V (ξ(t)) − k4 (α + 1) α+1 V α+1
2α 2α 1−α
≤ −V (ξ(t)) α+1 [ k4 (α + 1) α+1 − kÃk∞ (V (ξ(t))) α+1 ]
n
X
1−α
où kÃk∞ = max |ãpq | > 0. Le fait que α+1
> 0 et que V soit une fonction continue
1≤p≤n
q=1
et nulle à l’origine (V (ξ) = 0) entraîne qu’il existe un voisinage Ω de l’origine tel que
k 2α 2α
V̇ (ξ(t)) ≤ − (α + 1) α+1 V (ξ(t)) α+1 (6.17)
8
en utilisant le résultat de Bhat [21], on a V tend vers zéro en temps fini. Par conséquent,
l’origine du système (6.16) est stable en temps fini. Pour finir la démonstration, nous
pouvons suivre l’étape 2 de la proposition 6.7.
6.5.2 Multi-Σ2 : cas d’un terme de dérive non linéaire
On considère que le terme de dérive dans (6.3) est non linéaire, un cas qui est cou-
ramment rencontré dans les systèmes dynamiques contrôlés. Rajoutons que si la structure
f i dans les systèmes dynamiques est identique alors le multi-système est dit homogène.
Autrement, le multi-système est appelé hétérogène.
Proposition 6.9 Soit G un graphe non orienté stationnaire et supposons que f i (xi ) est
convexe. Sous le protocole (6.5), pour une condition initiale donnée, la solution du sys-
tème multi-Σ2 (hétérogène ou non hétérogène) basée sur le modèle (6.3) converge vers la
trajectoire moyenne en temps fini dans le sens de (6.4).
Preuve. On introduit ξ i (t) = xi (t) − χ(t). L’objectif est de montrer que ξ i converge vers
zéro en un temps fini. Comme f i est supposée convexe, alors elle vérifie (inégalité de
Jensen)
N N
1 X i i 1 X i
f i (xi ) − f (x ) ≤ f i (xi ) − f i ( x)
N i=1 N i=1
De plus, la fonction f i est localement lipschitzienne, alors il existe un voisinage Ω ⊂ Rn

ouvert contenant ξ tel que
N
X
f i (xi ) − 1
N
f i (xi ) ≤ kf i (xi ) − f i (χ)k
i=1
≤ ckξ i k
où c > 0 est la constante de Lipschitz. Maintenant, on considère la fonction de Lyapunov

(6.13), on montre que :
N
(φα (ξ i ))T ξ˙i
X
V̇ (ξ(t)) =
i=1
N
X k 2α 2α
≤c φTα (ξ i )ξ i − (α + 1) α+1 V α+1
i=1
4
2α
h 2α 1−α
i
≤ −V (ξ(t)) α+1 k4 (α + 1) α+1 − c(V (ξ(t))) α+1
1−α
Or α+1
> 0 et V est une fonction continue avec V (0) = 0 donc il existe un voisinage
ouvert Ω de l’origine tel que pour ξ(t) ∈ Ω
k 2α 2α
V̇ (ξ(t)) ≤ − (α + 1) α+1 V (ξ(t)) α+1 (6.18)
8
Par conséquent, on conclut que sous le protocole (6.5), le système dynamique multi-Σ2
issue de (6.3) réalise un consensus moyen en temps fini.
Remarque 6.10 Notons que dans le cas où le terme de dérive est non linéaire et la
propriété de convexité de la fonction f i n’est pas satisfaite, l’alternative est de linéariser
ce terme dans chaque système Σ2 et d’utiliser le résultat obtenu dans le cas d’un multi-
système basé sur (6.15).
En se basant sur des modèles dynamiques contrôlés et non explicites, dans la première
partie de ce chapitre, nous avons étendu les résultats de la littérature qui consistent à
résoudre le problème de consensus moyen décrit par une valeur moyenne constante à
atteindre. Cette valeur est calculée à partir des positions initiales connues des agents.
Les résultats qu’on apporte sont différents de la littérature, car le consensus moyen qu’on
résout est celui de la trajectoire moyenne décrite par le vecteur d’état instantané de tous
les agents.
Afin de distinguer les formes des deux protocoles (6.5) et (6.6), dans la deuxième
partie de ce chapitre, on traite le problème de la stabilisation en temps fini de systèmes
dynamiques en formation. Pour une topologie stationnaire donnée, après avoir formé le
modèle de la formation, on cherche à rendre l’équilibre stable moyennant l’entrée de
commande (6.6). Nous allons traiter une formation décrite par le système multi-Σ1 et
celle associée au système multi-Σ2 .
6.6 Stabilisation du système multi-Σ1 en formation
Rappelons qu’un multi-Σ1 décrit le comportement de plusieurs systèmes en formation

et qui ne présentent pas un terme de dérive dans le modèle. Nous citons l’exemple de
la cinématique d’un système multi-unicycles et le modèle en attitude de multi-satellites.
Par conséquent, nous allons donner par la suite des résultats généraux qui peuvent être
appliqués à une large variété de systèmes dynamiques en formation.
Proposition 6.11 Soit G une topologie stationnaire non-orientée. L’entrée de commande

(6.6), appliquée au multi-Σ1 , résout le problème de stabilisation de l’origine de la formation
en temps fini.
Preuve. Soient x = (x1 , ..., xN )T ∈ RN n et u = (u1 , ..., uN )T ∈ RN m avec xi ∈ Rn et

ui ∈ Rm . Pour le système en formation, étant donnée l’expression de la commande (6.6),
on formalise l’entrée stabilisante sous la forme :
u = −(L ⊗ In )(IN ⊗ C(xi ))φα (x) (6.19)
En utilisant les propriétés du produit de Kronecker [77], en introduisant la commande

(6.19), le système dynamique multi-Σ1 en formation est décrit par (en se référant à l’écri-
ture (6.2)) :
ẋ = (IN ⊗ B(xi ))u
= −(IN ⊗ B(xi ))(L ⊗ In )(IN ⊗ C(xi ))φα (x)
= −(L ⊗ B̃(xi ))φα (x) (6.20)

6.6. Stabilisation du système multi-Σ1 en formation 145
On propose la fonction de Lyapunov candidate suivante V : RN n → R+ telle que ∀ x ∈

RN n
1
V (x) = xT φα (x) (6.21)
1+α
La fonction V est définie positive, sa dérivée le long des solutions du système bouclé (6.20)
est donnée par
dx
V̇ (x) = φTα (x)
dt
= −φTα (x)(L ⊗ B̃)φα (x)
Soit la matrice diagonale

 
0n
 
γ2 (xi )
 
D(xi ) = 
 
...

 
 
 
γN (xi )
où 0n = diag{0, ..., 0} ∈ Rn×n et ∀j = 2, ..., N , γj (xi ) = λj (L)̺n (xi ) avec ̺n (xi ) =

diag{0, µ2 (xi ), ..., µn (xi )} ∈ Rn×n . Notons que µ2 (xi ), ..., µn (xi ) sont les valeurs propres
de la matrice B̃(xi ), données dans un ordre croissant. λj (L) est la j ème valeur propre de
L. λ2 (L), ..., λN (L) sont données dans un ordre croissant. On a, à partir du Lemme 5.4
(chapitre 5) λ2 (L) > 0. Ce qui implique que ∀xi , λ2 µ2 (xi ) > 0.
En outre, puisque L ⊗ B̃ ∈ RN n×N n est une matrice symétrique, alors il existe une matrice
orthogonale P ∈ RN n×N n telle que L ⊗ B̃ = P T D(xi )P . Soit zα = P φα (x). Alors
V̇ = −zTα Dzα
≤ −λ2 µ1 (xi )kzα k2
≤ −λ2 µ1 (xi )kφα (x)k2 (6.22)
avec
zTα Dzα
λ2 µ1 (xi ) = min
zα ⊥1N n zTα zα
.
Soit k = min λ2 µ1 (xi ) > 0 et x = 1N ⊗ xi = (x̃1 , ..., x̃N n )T , ainsi on obtient
xi ∈RN
Nn
X
V̇ ≤ −k |ϕα (x̃i )|2
i=1
Nn
X
≤ −k |x̃i |2α
i=1
2α
! α+1
Nn
X
≤ −k |x̃i |α+1 (6.23)
i=1
ce qui permet d’écrire

2α 2α
V̇ ≤ −k(α + 1) α+1 V α+1 (6.24)
2α
2α
Or 0 < α+1
< 1 et k(α + 1) α+1 > 0, en se basant sur le lemme 5.1 (chapitre 5) l’équilibre
du système (6.2) est stable en temps fini. Le temps d’établissement est donné par
1−α
(α + 1)V (x(0)) α+1
T∗ (x(0)) = 2α
(1 − α)k(α + 1) α+1
6.7 Stabilisation du système multi-Σ2 en formation
Rappelons que le système dynamique multi-Σ2 est basé sur l’équation différentielle
ordinaire, affine en la commande avec un terme de dérive non linéaire, de la forme
Σ2 : ẋi = f i (xi ) + B(xi )ui (6.25)
où la structure de f i peut être différente dans chaque système d’étude. Dans ce cas, la
formation est dite hétérogène. Dans un premier temps, nous supposons que
φTα (xi )f i (xi ) ≤ 0 (6.26)

6.7. Stabilisation du système multi-Σ2 en formation 147
La stabilisation de la formation type multi-Σ2 est obtenue dans la proposition suivante.
Proposition 6.12 Supposons que l’inégalité (6.26) est satisfaite. Pour un graphe G sta-
tionnaire non orienté donné, la commande (6.6) associée au système dynamique multi-Σ2
résout le problème de stabilisation de la formation en temps fini.
Preuve. Soit x ∈ RN n et f (x) = (f 1 (x1 ), ..., f N (xN ))T . En utilisant la commande stabi-
lisante (6.19), le système dynamique multi-Σ2 en boucle fermée s’écrit :
ẋ = f (x) − (L ⊗ B̃)φα (x) (6.27)
Analysons la fonction de Lyapunov (6.21), sa dérivée le long du système (6.27) est donnée
par
V̇ (x) = φTα (x)f (x) − φTα (x)(L ⊗ B̃)φα (x) (6.28)
En introduisant l’inégalité (6.26), le premier terme dans (6.28) est négatif. D’autre part, le
terme restant dans (6.28) vérifie l’inégalité donnée par (6.24). Par conséquent, on conclut
que l’origine du système dynamique multi-Σ2 en formation (6.27) est stable en temps fini.
Remarque 6.13 La condition (6.26) sur le terme de dérive peut s’avérer difficile à vé-
rifier car elle dépend fortement du système étudié. Dans le cas d’un pendule simple, le
terme de dérive qui résulte de la dynamique, sous certaines simplifications, vérifie l’in-
égalité (6.26). On ramène nos résultats de stabilisation à une condition sur f i (xi ) moins
sévère dans la proposition suivante.
Proposition 6.14 Supposons que f i (xi ) est une fonction localement lipschitzienne avec
f i (0) = 0. Etant donnés la commande (6.6) et un graphe G non orienté, alors l’origine
du système dynamique multi-Σ2 (6.25) est stable en temps fini.
Preuve. En utilisant la propriété de Lipschitz et le fait que le terme de dérive est nul à
l’origine, la dérivée de la fonction de Lyapunov (6.21) s’écrit
V̇ (x) = φTα (x)f (x) − φTα (x)(L ⊗ B̃(xi ))φα (x)
≤ ckφTα (x)xk − φTα (x)(L ⊗ B̃)φα (x) (6.29)
où c > 0 est la constante de Lipschitz. Soit x = 1N ⊗ xi = (x̃1 , ..., x̃N n )T , par conséquent,
en utilisant les inégalités (6.23) et (6.29), on obtient
Nn Nn
X X 2α
α+1
V̇ (x) ≤ c |x̃i | − k( |x̃i |α+1 ) α+1
i=1 i=1
2α 2α 1−α
≤ −V α+1 [k(α + 1) α+1 − cV 1+α ] (6.30)
où k = min λ2 µ1 (xi ) est définie dans la preuve de la Proposition 6.11. Si 1−α

1+α
> 0 et V est
xi ∈RN
une fonction continue qui s’annule à l’origine, alors il existe un voisinage ouvert Ω ⊂ RN n
de l’origine tel que ∀x ∈ Ω
2α
k(α + 1) α+1 2α
V̇ (x) ≤ − [V (x)] α+1 (6.31)
2
En se basant sur le Lemme 5.1 (chapitre5), V atteint zéro en un temps fini estimé par
1−α
(α + 1)V (x(0)) α+1
T∗ (x(0)) = 2α
2(1 − α)k(α + 1) α+1
Par conséquent, l’origine du système dynamique multi-Σ2 en formation est stable en temps
fini.
Afin de conclure les analyses théoriques de ce chapitre, rappelons qu’on a proposé deux
formes de protocole résolvant dans un premier temps le problème de consensus moyen et
en second lieu le problème de stabilisation d’un groupe en formation. L’étude et les ré-
sultats sur les systèmes sans terme de dérive ont été étendus aux systèmes avec un terme
de dérive. Le problème du consensus moyen tel qu’il a été posé dans ce chapitre s’est
avéré différent de celui étudié dans la littérature. Au delà d’un comportement moyen
du groupe qui consente une valeur moyenne fixe (moyenne des conditions initiales des
agents), nos résultats réalisent un consentement instantané (trajectoire moyenne instan-
tanée). Ainsi, par rapport aux objectifs d’un groupe en terme d’un comportement collectif
et stable, nos deux modèles d’étude ne sont pas explicités et couvrent les modèles ciné-
matiques/dynamiques de plusieurs agents autonomes. On note également que le fait de
s’attaquer à la stabilité d’un groupe d’agents, permet de conclure sur la stabilité de chaque
agent alors que la forme de l’entrée de commande n’a pas un objectif directement com-
pensatoire des termes de dérive. Cependant, sous certaines conditions sur ces termes on
peut toujours se ramener à la stabilité du groupe. Les exemples de simulation, présentés
dans la section suivante, vont éclaircir d’avantage toutes les démarches théoriques de ce
chapitre.
6.8 Exemples d’application
Afin de valider les résultats théoriques de ce chapitre, les exemples en simulation

concernent : le comportement cinématique d’un système multi-unicycles et qui se traduit
par les analyses menées sur le système multi-Σ1 et le comportement dynamique à la fois
de plusieurs double intégrateur et pendules, qui illustre les résultats obtenus dans le cas
de multi-Σ2 . Nous analysons les objectifs liés à un consensus moyen et à la stabilité du
groupe en formation. Tous les résultats de simulation se basent sur le graphe de connexion
de quatre agents donné par la figure (Fig.6.1). Cette topologie est considérée stationnaire
et non orientée (undirected graph).
1 3
2 4
Figure 6.1 – G pour un système avec 4 agents.

6.8.1 Consensus moyen d’un système multi-unicycles
Considérons N unicycles où le ime modèle cinématique nonholonome est donné par :

posant xi = (xi , yi , θi ) et ui = (ui , wi )
   
ẋ cos θi 0  
 i    ui
ẋi =  ẏi  =  sin θi 0   (6.32)
    
    wi
θ̇i 0 1
où, pour i = 1, ..., N , (xi , yi ) désigne la position du centre de masse et θi représente

l’orientation de l’unicycle par rapport à un repère cartésien. Les entrées de commande ui
et wi sont respectivement, la vitesse linéaire et la vitesse angulaire, exprimées dans un
repère local. Soient
 
cos θi 0  
  cos θi sin θi 0
B(xi ) =  sin θi 0  et C(xi ) = 
  
  − sin θi cos θi 1
0 1
En se basant sur la Proposition 6.7, le problème de consensus moyen en temps fini peut
être réalisé en appliquant les protocoles suivant :
N
X N
X
ui = − aij ϕα (xi − xj ) cos θi − aij ϕα (yi − yj ) sin θi (6.33)
j=1 j=1
N
X N
X N
X
wi = aij ϕα (xi − xj ) sin θi − aij ϕα (yi − yj ) cos θi − aij ϕα (θi − θj ) (6.34)
j=1 j=1 j=1
où aij sont les termes de la matrice adjacente associée au graphe de la figure Fig 6.1. Les
résultats de simulation sont limités à N = 4 agents et intègrent les conditions initiales
suivantes :
π
x1 = (x1 , y1 , θ1 )(t = 0) = (4, 2, )(m, m, rad)
4
π
x2 = (x2 , y2 , θ2 )(t = 0) = (2, −1, − )
2
2π
x3 = (x3 , y3 , θ3 )(t = 0) = (1, 8, )
3
x4 = (x4 , y4 , θ4 )(t = 0) = (−1, −4, π)
12 8
10 6
8 4
Trajectoire moyenne
6 2
xi
4 0
yi
Trajectoire moyenne
2 −2
0 −4
−2 −6
−4 −8
0 20 40 60 80 100 0 20 40 60 80 100
Figure 6.2 – Positions xi réalisant un Figure 6.3 – Positions yi réalisant un

consensus moyen instationnaire. consensus moyen instationnaire.
5 12
4
10
3
8
kxi (t) − χ(t)k
2
θi
6
1
4
0 Trajectoire moyenne
2
−1
−2 0
0 20 40 60 80 100 0 20 40 60 80 100
Figure 6.4 – Rotations θi réalisant un Figure 6.5 – Objectif du consensus

consensus moyen instationnaire. moyen en kxi (t) − χ(t)k
Les simulations numériques sont obtenues moyennant les protocoles (6.33)-(6.34), ap-
pliqués au modèle (6.32). Les figures 6.2, 6.3 et 6.4 montrent le consentement par les
agents de la moyenne en position et en orientation. Cette moyenne est instationnaire et
se montre oscillante au départ des agents mais elle prend une allure linéaire quand les
positions des agents deviennent assez proches. La figure 6.5 montre aussi l’objectif du
consensus moyen tel qu’il a été défini dans (6.4), soit kxi (t) − χ(t)k qui tend vers zéro en
un temps fini.
6.8.2 Consensus moyen d’un multi-systèmes basé sur un second

ordre
On traite un exemple couramment utilisé dans la littérature qui est un système multi-
agents dont la dynamique de chaque agent est représentée par un second ordre (dynamique
d’une simple particule). Soit,
ẋi = vi
v̇i = ui (6.35)
où pour i = 1, ..., N , xi = (xi , vi ) ∈ R2 est l’état et ui ∈ R est l’entrée de commande. La

dynamique (6.35) prend la forme donnée par (6.15) avec
     
xi 0 1 0
xi =   , f i (xi ) =   xi et B =  
vi 0 0 1
Pour le protocole (6.5) nous prenons une matrice de commande de la forme C = (1 1)

qui vérifie les Hypothèses 6.4-6.5. En utilisant le résultat théorique de la proposition 6.8,
chaque protocole ui pour la dynamique (6.35) est de la forme
N
X
ui = − aij (ϕα (xi − xj ) + ϕα (vi − vj )) (6.36)
j=1
Pour le cas de quatre agents (N = 4) évoluant sous un graphe non orienté, on a pris
α = 0, 5 et les conditions initiales suivantes :
x1 = (x1 (0), v1 (0)) = (5(m), 2(m/s))
x2 = (x2 (0), v2 (0)) = (10(m), −1(m/s)) (6.37)
x3 = (x3 (0), v3 (0)) = (1(m), 8(m/s))
x4 = (x4 (0), v4 (0)) = (−5(m), −4(m/s))
Pour i = 1, ..., 4, la position xi (Fig. 6.6) et la vitesse vi (Fig. 6.7) montrent la conver-
gence des trajectoires vers une valeur commune.
Remarque 6.15 D’autres procédés peuvent être étudiés où la moyenne est une valeur
d’un accord entre les états comme par exemple, une donnée commune issue de plusieurs
capteurs et où les fluctuations peuvent être importantes. La consommation d’énergie est
également un facteur important pour la stabilité des générateurs électriques en réseau.
La figure 6.8 montre que l’énergie cinétique d’un système multi-particules (dynamique du
second ordre) converge vers la moyenne.
30 8
moy(xi ) moy(vi )
25
6
20
4
15
xi
10 2
vi
5
0
−2
−5
−10 −4
0 5 10 15 20 0 5 10 15 20
Figure 6.6 – Trajectoire moyenne en Figure 6.7 – Trajectoire moyenne en

position atteinte par 4 agents. vitesse atteinte par 4 agents.
30
moy(Ec)
25
20
Ec
15
10
0
0 5 10 15 20 25 30
temps[sec]
Figure 6.8 – Energie cinétique moyenne consentie par 4 agents.

6.8.3 Consensus moyen d’un système multi-pendules
Considérons un pendule simple soumis à la force de gravité g, à une force de frottement

visqueux (proportionnelle à la vitesse de rotation) et à un couple ui comme entrée de
commande. Cette dynamique est décrite par :
g ψi
θ̈i = − sin(θi ) − θ̇i + ui (6.38)
li m i li
où mi , g, li et ψi sont des constantes positives. En posant xi = (θi , θ̇i )T , le modèle est du

premier ordre avec terme de dérive donné par :
 
θ̇i
f i (xi ) =  .
− lgi sin(θi ) − ψi
θ̇
m i li i
En prenant C = (1 1), le protocole associé au système multi-pendules s’exprime par

(suite à l’écriture (6.5))
N
X
ui = − aij (ϕα (θi − θj ) + ϕα (θ̇i − θ̇j )). (6.39)
j=1
Un ensemble de quatre pendules a été analysé en simulations. Le système multi-pendules

est hétérogène par rapport aux paramètres suivants m1 = 1, m2 = 2, m3 = 3 et m4 = 4kg,
la gravité g = 9.8ms−2 , chaque longueur li = 1m et le coefficient ψi = 0, 1kg.m2 .s−1 . Les
conditions initiales sont telles que θi (0) = (−0.8, 0.4, 1, 2, 1.6) (rad) et θ̇i (0) = (0, 0, 0, 0)
(rad.s−1 ).
Il est clair qu’à partir des figures 6.9 et 6.10, les pendules se synchronisent vers la tra-
jectoire moyenne en positions et en vitesses angulaires. Il est important de noter que la
moyenne est instationnaire et que le système multi-pendules est hétérogène par rapport
aux masses qui ne sont pas identiques. Ces résultats sont encourageants pour d’autres
types d’applications dont la dynamique est complexe tels que les robots manipulateurs,
les véhicules terrestres et aériens, etc.
2 5
moy(θi ) moy(θ̇i )
4
1.5
3
1 2
1
0.5
0
θi
θ̇i
0
−1
−0.5 −2
−3
−1
−4
−1.5 −5
0 2 4 6 8 10 0 2 4 6 8 10
Figure 6.9 – Positions angulaires θi Figure 6.10 – Vitesses angulaires θ̇i

réalisant un consensus moyen instation- réalisant un consensus moyen instation-
naire. naire.
6.8.4 Résultats sur la stabilisation en temps fini d’une formation
Pour l’analyse de stabilisation d’une formation, on considère le système dynamique

multi-unicycles qui représente la forme en réseau (6.2) (sans dérive). Le protocole associé
est déduit de (6.6) et du graphe donné par Fig. 6.1. En utilisant la Proposition 6.11, la
stabilisation en temps fini est atteinte en fixant la matrice
 
cos θi sin θi 0
C= 
− sin θi cos θi 1
et les entrées stabilisantes
N
X N
X
ui = − aij (ϕα (xi ) − ϕα (xj )) cos θi − aij (ϕα (yi ) − ϕα (yj )) sin θi (6.40)
j=1 j=1
N
X N
X
wi = aij (ϕα (xi ) − ϕα (xj )) sin θi − aij (ϕα (yi ) − ϕα (yj )) cos θi
j=1 j=1
N
X
− aij (ϕα (θi ) − ϕα (θj )) (6.41)
j=1
Prenant N = 4 agents, les conditions initiales sont telles que :
π
x1 = (x1 , y1 , θ1 )(t = 0) = (4, 2, )(m, m, rad)
4
π
x2 = (x2 , y2 , θ2 )(t = 0) = (12, −10, − )
2
2π
x3 = (x3 , y3 , θ3 )(t = 0) = (10, −8, )
3
x4 = (x4 , y4 , θ4 )(t = 0) = (−10, −14, π)
15 2
x1 y1
x2 y2
x3 y3
x4 0 y4
10
−2
−4
5
−6
xi
yi
−8
0
−10
−12
−5
−14
−10 −16
0 5 10 15 0 5 10 15
Figure 6.11 – Stabilisation de la posi- Figure 6.12 – Stabilisation de la posi-

tion en xi . tion en yi .
25
u1
u2
u3
20 u4
15
10
commande ui
−5
−10
−15
0 5 10 15
temps[sec]
Figure 6.13 – Entrée de commande en vitesse linéaire ui .
Les résultats de stabilisation sont représentés par les figures 6.11, 6.12 et 6.14 et les
commandes sont données par les figures 6.13 et 6.15.Les entrées de commande (figures
6.13 et 6.15) ne présentent pas de pics et sont régulières, ces phénomènes sont présents
dans la plupart de résultats de commande instationnaire ou discontinue. D’où l’avantage
6.9. Conclusion 157
4 2
θ1 w1
w2
θ2 w3
θ3 1 w4
3 θ4
0
2 −1
commande wi
−2
1
θi
−3
0 −4
−5
−1
−6
−2 −7
0 5 10 15 0 5 10 15
Figure 6.14 – Stabilisation de la rota- Figure 6.15 – Entrée de commande en

tion en θi . vitesse angulaire wi .
de l’analyse menée sur le groupe d’agents en formation.
6.9 Conclusion
Dans ce chapitre, l’étude d’un système multi-agents est formulée par deux modèles non
linéaires traduisant les comportements des systèmes autonomes dynamiquement et/ou ci-
nématiquement contrôlés. Pour obtenir un mouvement en masse et un comportement
cohérent d’un tel multi-systèmes, nous avons proposé un protocole qui définit la règle
d’interaction tout en amenant l’agent à interagir avec son voisinage et à répondre à un
consensus moyen. Puisque on s’attaque à des modèles complexes et non linéaires, le pro-
blème de consensus moyen qu’on a pu résoudre dans ce travail est complètement différent
de celui posé dans la littérature. En effet, la moyenne atteinte par le groupe est rendue
non constante par le protocole (moyenne constante dans le cas du simple intégrateur), par
conséquent, son calcul n’est plus fonction uniquement des conditions initiales. Dans ce cas
de figure, la dynamique de la moyenne affecte la dynamique du groupe. Dans la deuxième
partie de ce chapitre, nous nous sommes intéressés au problème de convergence de l’état
du groupe vers l’équilibre. Une deuxième forme de protocole est proposée et analysée et
les résultats assurent la stabilité en temps fini de chaque agent, ceci étant pour les deux
modèles d’étude (avec et sans terme de dérive). Rappelons que nos résultats se limitent à
des topologies instationnaires et non orientées. Plusieurs modèles (multi-unicycles, multi-
pendules, multi-systèmes double intégrateur) ont été étudiés en simulation et les résultats
sont encourageants pour d’autres applications (systèmes véhicules terrestres et aériens,
multi-robots, etc.). L’analyse reste ouverte pour l’intégration d’une topologie dynamique
et orientée.
Chapitre 7
Conclusion générale
Le manuscrit de cette thèse est fondé autour de deux grandes parties. Deux piliers,
sous formes de deux chapitres, sont les porteurs de chaque partie, une introduction géné-
rale et les outils mathématiques qui représentent la fondation et une conclusion générale
matérialisant la toiture de cette contribution scientifique. Pour la réussite de l’œuvre,
l’analyse de l’interconnexion, l’identification de la perturbation et l’étude de stabilité en
un temps fini sont requises. Par le biais d’une bonne cohésion vers un objectif bien défini,
on peut toujours se ramener à un consensus, voir à un consensus moyen sous l’action d’un
protocole adéquat.
Dans première partie de ce manuscrit, nous avons posé le problème de stabilité et
stabilisation en temps fini des systèmes perturbés. Dans le premier chapitre, nous nous
sommes intéressés à la stabilité en temps fini des systèmes perturbés. Pour un système
nominal autonome ou non autonome, dont l’origine est supposée stable en temps fini,
auquel est ajouté un terme de perturbation qui s’annule et ou s’annule pas à l’origine,
nous avons établit les conditions de stabilité en temps fini de l’origine du système initial.
Nous observons que la connaissance de la forme explicite de la fonction de Lyapunov n’est
pas nécessaire alors que l’homogénéité de la fonction qui représente le système nominal par
rapport à une dilatation donnée est requise. Par rapport aux problèmes de stabilisation
des systèmes contrôlés dont le vecteur de commande est instationnaire (systèmes qui
ne vérifient pas Brockett, tels que l’unicycle, dirigeable, véhicule terrestre, drone, etc.),
nous avons présenté des résultats théoriques généraux pour les systèmes bouclés dans le
159
160 Chapitre 7. Conclusion générale
cas où la perturbation est à variables séparables et le cas d’un système singulièrement

perturbé. La technique de moyennisation se révèle efficace pour l’étude de la stabilité des
systèmes homogènes et T-périodiques. La complexité du modèle est surmontée par l’étude
des propriétés du système moyennisé qui est rendu autonome. Un exemple a été détaillé
concernant la stabilisation en temps fini de l’origine de la dynamique plan du drone XSF
du laboratoire.
Dans le deuxième chapitre de cette thèse, les problèmes de stabilité et de stabilisation

en temps fini des systèmes dynamiques interconnectés ont été formalisés par une équation
différentielle ordinaire du premier ordre où le terme d’interconnexion apparaît comme une
perturbation. Lors de l’étude des systèmes interconnectés, nous avons fait l’hypothèse que
le système nominal était stable en temps fini et nous avons suggéré des conditions sur les
perturbations pour que le système global reste stable en temps fini. Comme technique, sans
avoir recours à la forme explicite de la fonction de Lyapunov, dont l’existence découle de
la stabilité en temps fini du système nominal, nous évaluons la dérivée de cette fonction
tout au long des trajectoires d’un multi-systèmes pour prouver sa stabilité. A coté de
l’exemple d’un système présentant un couplage structurel entre les variables d’état, qui est
considéré comme un système interconnecté, nous nous sommes intéressés à la dynamique
contrôlée de plusieurs systèmes en réseau. Une commande d’interconnexion a été élaborée
dans le cas des systèmes contrôlés avec ou sans terme de dérive. L’idée fondamentale est
de couvrir une large variété de systèmes autonomes dont la dynamique est affine en la
commande. L’exemple d’un système multi-unicycles se révèle être stable en temps fini
lors de la poursuite d’une trajectoire de référence et l’entrée de commande est robuste
vis-à-vis d’une perturbation provenant des interconnexions.
Dans la deuxième partie de cette thèse, nous avons abordé le problème du consensus en
temps fini et de la stabilisation en temps fini d’un groupe d’agents. Même si le problème de
consensus en temps fini des systèmes multi-agents a fait l’objet de plusieurs résultats dans
la littérature, dans le troisième chapitre de cette thèse, nous avons abordé cette notion en
ciblant les systèmes dynamiques contrôlés non linéaires et complexes. Les deux modèles
décrits, avec et sans terme de dérive et affine en la commande, sont toutefois largement
étudiés en terme de stabilité à l’aide des théories de commande linéaires et non linéaires,
161
mais n’ont pas analysés sous la problématique d’un consensus telle qu’elle a été posée dans
ce chapitre. Nous avons mis en exergue un protocole résolvant le problème du consensus
en temps fini entre les états de tels systèmes. En terme de stratégie de communication
entre les agents, nous avons considéré deux graphes fixes de type orientés ou non orientés.
Il s’est avéré que dans la validation de nos protocoles, le graphe non orienté a facilité nos
preuves parce que la matrice laplacienne est symétrique, mais cela s’est sent au détriment
d’un échange important de données. D’un point de vue pratique, nous avons appliqué
nos résultats au cas d’un système multi-unicycles (système sans terme de dérive) et à un
système multi-agents, basé sur un double intégrateur (système avec terme de dérive). Nous
observons que le système multi-unicycles répond au problème de rendez-vous à travers ses
états sous un protocole qui dépend uniquement de l’état de chaque unicycle et de son
voisinage. Un tel protocole est un retour d’état pour le système interconnecté pondéré
par les éléments de la matrice adjacente alors qu’il est connu qu’un unicycle ne peut
être stabilisé par un retour d’état stationnaire. Finalement, les résultats énoncés peuvent
être étendus aux problèmes de consensus en temps fini des systèmes hétérogènes croisant
les dynamiques contrôlées avec et sans terme de dérive. On peut citer l’exemple d’un
consensus hétérogène entre les engins volants et les véhicules terrestres.
Dans le dernier chapitre de cette thèse, l’étude d’un système multi-agents est formulée
pour deux modèles non linéaires traduisant les comportements des systèmes autonomes
dynamiquement et/ou cinématiquement contrôlés. Dans la perspective, un mouvement
de masse et un comportement cohérent d’un tel multi-systèmes, nous avons proposé un
protocole qui défini la règle d’interaction tout en amenant l’agent à interagir avec son
voisinage et de répondre à un consensus moyen. Si l’on considère des modèles complexes
et non linéaires, le problème de consensus moyen qu’on a pu résoudre dans ce travail est
complètement différent de celui traité dans la littérature. En effet, la moyenne atteinte
par le groupe est rendue non constante par le protocole (moyenne constante dans le cas du
simple intégrateur). Par conséquent, son calcul n’est plus fonction uniquement du condi-
tions initiales. Dans ce cas de figure, la dynamique de la moyenne affecte la dynamique du
groupe. Dans la deuxième partie de ce chapitre, nous nous sommes intéressés au problème
de convergence de l’état du groupe vers l’équilibre. Une deuxième forme d’un protocole
162 Chapitre 7. Conclusion générale
est proposée et analysée et les résultats assurent la stabilité en temps fini de chaque agent,
ceci étant pour les deux modèles d’étude (avec ou sans terme de dérive). Rappelons que
nos résultats se limitent à des topologies instationnaires et non orientées. Plusieurs mo-
dèles (multi-unicycles, multi-pendules, multi-systèmes double intégrateur) ont été étudiés
en simulation et les résultats sont encourageants pour d’autres applications (systèmes vé-
hicules terrestres et aériens, multi-robots, etc.). L’analyse reste ouverte pour l’intégration
d’une topologie dynamique et orientée.
Enfin, en terme de résultats, le travail effectué tout au long de ces années de recherche
a pu favoriser notre présence et celle du laboratoire dans des conférences internationales
de renommée et dans deux revues scientifiques de grande qualité en cours d’évaluation
(voir bibliographie).
Bibliographie
[1] N.Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, "Finite time stability of perturbed
systems, IEEE Multi-conference on systems and control, Dubrovnick, Croatia, 2012.
[2] N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, "Local finite time stability and
stabilization of interconnected systems", 9th IFAC Symposium on Nonlinear Control
Systems (NOLCOS 13), Toulouse, France, 2013.
[3] N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, "Finite time stabilization of inter-
connected nonlinear systems", IEEE Multi-conference on systems and control, Hyde-
rabad, India, 2013.
[4] N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, "Finite time consensus and sta-
bilization of networked nonlinear systems", 52nd IEEE Conference on Decision and
Control, Florence, Italy, 2013.
[5] N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, "Finite time consensus of networked
nonlinear systems under directed graph", To be presented to the European Control
Conference, ECC 2014.
[6] N. Zoghlami, L. Beji, R. Mlyah, and A. Abichou, "Finite-time average consensus in

networked nonlinear dynamic systems", Submitted to the 53nd IEEE Conference on
Decision and Control, Los Angeles, USA, 2014.
[7] N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, "Finite-time consensus in net-

worked dynamic systems", IEEE Transactions on Automatic Control, en révision,
janvier 2014.
[8] N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, "Average consensus and stability
analysis in networked dynamic systems", Automatica, en révision, janvier 2014.
163
164 Bibliographie
[9] L. Beji, M. ElKamel, A. Abichou, "A strategy for multi-robot navigation", in Proc.
of CDC-ECC, Orlando, FL, USA, Decembre 2011.
[10] L.Beji and A.Abichou, "Streamlind rotors mini rotocraft : Trajectory generation and
traking". Int. J. of Control, Automation, and Systems, 87-99, 2005.
[11] R. Mlayeh, L. Beji and A. Abichou, "B-UAV tracking control integrating planned
yaw and longitudinal/lateral inputs," 3rd US-European Workshop and Competition
about Micro-Aerial Vehicules, MAV07, Toulouse, France, 2007.
[12] R.Mlayeh, L.Beji and A.Abichou, "Yaw-based Control of X4-bidirectional Flyer Pla-
nar Motion", International Journal of Factory Automation, Robotics and Soft Com-
puting, 166-172 April 2007.
[13] M. A. El Kamel "Stabilisation et régulation de robots mobiles opérant en groupe",

Thèse de doctorat, université d’Evry Val d’Essonne & Ecole polytechnique de Tunisie,
2012.
[14] Jean-Michel Coron. "On the stabilization in finite time of locally controllable systems
by means of continuous time-varying feedback law," SIAM J. Control Optim, 33(3) :
pp 804-833, 1995.
[15] Jean-Michel Coron. "Control and nonlinearity," Mathematical Surveys and Mono-
graphs, American Mathematical Society, Providence, RI, 2008.
[16] V. T. Haimo, "Finite Time Controllers," SIAM, J. Control Optim, 1986, pp. 760–770.
[17] S. P. Bhat and D. S. Bernstein, "Lyapunov Analysis of Finite Time Differential

Equations," Proc. of the ACC 1995 Conference, Seattle, WA, USA, 1995.
[18] S. P. Bhat and D. S. Bernstein, "Finite-time stability of homogeneous systems," Proc.

of the ACC 1997 Conference, Albuquerque, NM , USA, 1997.
[19] S. P. Bhat and D. S. Bernstein, "Finite Time Stability of Continuous Autonomous

Systems," SIAM J. Control Optim, vol.38, 2000, pp 751–766.
[20] S. P. Bhat and D. S. Bernstein, "Continuous Finite-Time Stabilization of the Trans-

lational and Rotational Double Integrator," IEEE Trans. Automat. Control, vol.43,
1998, pp 678–682.
165
[21] S. P. Bhat and D. S. Bernstein, "Geometric homogeneity with applications to finite-

time stability," Math. Control Signals Systems, vol.17, 2005, pp 101–127.
[22] E. Moulay and W. Perruquetti, "Finite Time Stability of Non Linear Systems", In
IEEE Conference on Decision and Control, Hawaii, USA, 2003.
[23] Y. Orlov, "Finite time stability of homogeneous switched systems," Proc. of the CDC
2003 Conference, Maui, Hawaii, USA, 2003.
[24] W. M. Haddad, S. G. Nersesov and D. Liang, "Finite-time stability for time-varying
nonlinear dynamical systems," Proc. of the ACC 2008 Conference, Seattle, WA, USA,
2008.
[25] R. W. Brokett,"Asymptotic stability and feedback stabilization," in Differential Geo-
metric Control Theory, vol.27, 1983, pp.181–191.
[26] Louis L. Whitcombe, "Notes on Kronecker products". URL : http ://robo-
tics.me.jhu.edu/ llw/courses/me530647/kron 1.pdf. 14
[27] M.Kawski, "Homogeneous stabilizing feedback laws," Control-Theory and Advanced
Technology, vol.6, 1990, pp.497–516.
[28] R. T. M’Closkey and R. M. Murray, "Exponential stabilization of driftless nonli-
near control systems using homogeneous feedback," IEEE Transactions on automatic
control, vol.42, 1997, pp.614–628.
[29] R. T. M’Closkey, "An averaging theorem for time-periodic degree zero homogeneous
differential equations," Systems & Control Letters, vol.32, 1997, pp.179–183.
[30] H.K.Khalil, Nonlinear systems (third edition), Prentice Hall, 2002.
[31] Y.Hong, "Finite time stabilization and stabilizability of class of controllable systems,"
Systems Control Lett, vol.46, 2002, pp 231–236.
[32] Bacciotti, Andrea, Rosier, "Lionel LIapunov functions and stability in control
theory", Springer, London, 2001
[33] R. T M’Closkey, "An averaging theorem for time-periodic degree zero homogeneous
differntial equatios", Systems Control Letters, 32 pages 179-183, 1997.
[34] E. Moulay, "Une contribution à l’étude de la stabilité en temps fini et de la stabili-
sation" Thèse de doctorat, université des sciences et technologie de Lille, 2005.
166 Bibliographie
[35] E. Bernuau, A. Polyakov, D. Emov, and W. Perruquetti, "Verication of ISS, iISS

and IOSS properties applying weighted homogeneity". Systems & Control Letters,
62(12) :1159 1167, 2013.
[36] Menard T., Moulay E., Perruquetti W., "A Global High-Gain Finite-Time Observer",
IEEE Transactions on Automatic Control (IF : 2.11), Vol. 55, No. 6, pp. 1500-1506,
2010.
[37] Perruquetti W., Floquet T., Moulay E., "Finite time observers : application to secure
communication", IEEE Transactions on Automatic Control (IF : 2.11), Vol. 53, No.
2, 2008.
[38] E.Moulay, M.Dambrine, N.Yeganefar, W.Perruquetti, "Finite-time stability and sta-

bilization of time-delay systems", Systems & Control Letters (IF : 1.718), Vol. 57,
No. 7, pp. 561-566, 2008.
[39] E.Moulay, W.Perruquetti, "Finite-time stability for non-autonomous continuous sys-

tems ", International Journal of control (IF : 0.977), Vol. 81, No. 5, pp. 797-803,
May 2008.
[40] E.Moulay, W.Perruquetti, "Finite time stability and stabilization of a class of conti-
nuous systems", Journal of Mathematival Analysis and Applications (IF : 1.001),
Vol. 323, pp. 1430-1443, Elsevier, 2006.
[41] E.Moulay, W.Perruquetti, "Finite-time stability of differential inclusions", IMA J.

Math. Control Inform. (IF : 0.382), Vol. 22, No. 4, pp. 465-475, 2005.
[42] Polyakov A., Efimov D., Perruquetti W. "Finite-time Stabilization Using Implicit
Lyapunov Function Technique", IFAC Nolcos 2013, France (2013).
[43] Bernuau E., Polyakov A., Efimov D., Perruquetti W., "Robustness of finite-time
stability property for sliding modes", Joint SSSC, TDS, FDA 2013, France (2013).
[44] Bernuau E., Perruquetti W., Efimov D., Moulay E. "Finite-Time Output Stabili-
zation of the Double Integrator", In proc. 51st IEEE Conference on Decision and
Control (CDC 12), Maui, Hawaii, USA, December 10-13, 2012.
[45] J. Kurzweil "On the Inversion of Liapunov’s Second Theorem on Stability of Motion"
Amer. Math. Soc. Transl, vol. 24, pages 19-77, 1963.
167
[46] A. M. Lyapunov, "Stability of Motion : General Problem" Internat. J. Control, Lya-

punov Centenary issue. vol. 55, no. 3, pages 520-790, march 1992.
[47] W. Hahn, "Theory and Application of Liapunov’s Direct Method" Prentice Hall inc.,
N.J. 1963.
[48] T. Yoshizawa, "Stability Theory by Liapunov’s Second Method", The Mathematical

Society of Japon, 1966.
[49] F. Amato M. Ariola, C. Cosentino C.T. Abdallah, P. Dorato, "Necessary and Suf-
ficient Conditions for Finite-Time Stability of Linear Systems", American Control
Conference, 4-6 June 2003.
[50] Lazarevic, M., Debeljkovic, D., Nenadic, Z., et Milinkovic, S, "Finite-time stability
of delayed systems" J. Math. Control Inform, vol. 17 :101-109.
[51] Dayawansa WP, Martin CF, "Some sufficient conditions for the asymptotic stabiliza-
bility of three dimensional homogeneous polynomial systems", Proceedings of confe-
rence on decision and control. Tampa, pp 1366-1369, 1989.
[52] Hermes. H, "Homogeneous coordinates and continuous asymptotically stabilizing

feedback controls" In : Elaydi S (ed) Differential equations, stability and control.
Lecture Notes in Pure and Applied Mathematics, vol 127. Marcel Dekker, NewYork,
pp 249-260, 1991.
[53] Hermes. H, "Nilpotent and high-order approximations of vector field systems" SIAM
Rev, 33 : 238-264, 1991.
[54] Hermes. H, "Vector field approximations ; flow homogeneity", In :Wiener J, Hale JK

(eds) Ordinary and delay differential equations, Longman Sci Tech, pp 80-89, 1992.
[55] Hermes. H, "Homogeneous feedback controls for homogeneous systems", Syst Control
Lett, 24 :7-11, 1995.
[56] Kawski M, "Stabilizability and nilpotent approximations" Proceedings of conference

on decision and control, Austin, pp 1244-1248, 1988.
[57] Kawski M, "Geometric homogeneity and stabilization", Krener A, Mayne D (eds)

IFAC postprint volumes series. Elsevier. Amsterdam 1999.
168 Bibliographie
[58] Rosier L, "Homogeneous Lyapunov function for homogeneous continuous vector

field", Syst Control Lett, 19 :467-473, 1992.
[59] C. Godsil and G. Royal, "Algebraic Graph Theory", New York : Springer-Verlag,
2001.
[60] Wei Ren, "Multi-vehicle consensus with time varying reference state", Systems &
Control letters, Vol. 56 , Pp. 474-483, 2007.
[61] W. Ren and R. W. Beard, "Consensus seeking in multiagent systems under dynami-
cally changing interaction topologies", IEEE Trans. Automat. Contr., vol. 50, no. 5,
pp. 655-661, 2005.
[62] R. Olfati-Saber and R. M. Murray, "Consensus Problems in Networks of Agents With

Switching Topology and Time-Delays", IEEE Transactions On Automatic Control,
VOL. 49, NO. 9, September 2004.
[63] R. Olfati-Saber, R. Fax, J.A . Murray. R. M, "Consensus and cooperationin networed

multi-agent systems", Proceedings of the IEEE, 95(1), pp. 215-133, 2007.
[64] R. Olfati-Saber and R. M. Murray, "Consensus problems in networks of agents with

switching topology and time-delays", IEEE Trans. Automat. Contr., vol. 49, no. 9,
pp. 1520-1533, 2004.
[65] R. Olfati-Saber, "Flocking for Multi-Agent Dynamic Systems : Algorithms and

Theory", IEEE Transactions on Automatic Control, 51(3), pp. 401-420, 2006.
[66] Chunkai Gao, Jorge Cortés, Francesco Bullo, "Notes on averaging over acyclic di-
graphs and discrete coverage control", Automatica, Vol. 44, No. 9, Pp. 2120-2127,
2008.
[67] W. Perruquetti and J. P. Barbot, "Sliding mode control in engineering", Marcel

Dekker Hardcover, 2002.
[68] M. Defoort, S. Di Gennaro, and M. Djemai, "Self-Triggered Control For Multi-Agent

Systems under a Directed Switching Graph", 52nd IEEE Conference on Decision
and Control, Florence, Italy, 2013.
[69] Yuanshi Zheng and Long Wang, "Finite-time consensus of heterogeneous multi-agent
169
systems with and without velocity measurements", Systems & control Letters, 61 pp.
871-878, 2012.
[70] F. Xiao and L. Wang, "Consensus behavior of agents in networked systems under
general communication topologies", Proc. the 2006 IEEE International Symposium
on Intelligent Control, 862-867, 2006.
[71] D. Swaroop and J. K. Hedrick, "String stability of interconnected systems", IEEE

Transactions on Automatic Control, 41(3), pp. 349-357, 1996.
[72] J. Alex Fax and Richard M. Murray, "Graph Laplacians and vehicle formation sta-
bilization", In Proc. of the 15th IFAC World Congress, pp. 23-53, 2002.
[73] J. Alex Fax and Richard M. Murray, "Stability Analysis of Interconnected Nonlinear
Systems Under Matrix Feedback", In Proc. of the 42nd Conference on Decision and
Control, vol. 3, pp. 3078-3083, Dec 2003.
[74] Feng. Xiao, Long Wang, Jie Chen, and Yanping Gao, "Finite-time formation control
for multi-agent systems", Automatica, 45, pp. 2605-2611, 2009.
[75] Xiaoli. Wang, and Yiguang. Hong, "Finite-Time Consensus for Multi-Agent Networks
with Secend-Order Agent Dynamic", Proceedings of the 17th World Congress IFAC,
pp. 15185-15190, July. 2008.
[76] S. Li, and Y.P. Tian, "Finite-time stability of cascaded time-varying systems", In-
ternational Journal of Control, vol. 80, No.4, pp. 646-657, April 2007.
[77] Lars B. Cremean, Richard M. Murray, "Stability Analysis of Interconnected Non-

linear Systems Under Matrix Feedback", Proc. of the Conference on Decisiob and
Control, Maui, Hawaii, USA, 2003.
[78] C. Samson, "Velocity and torque feedback control a nonholonomic cart", Int. Work-
shop on Adaptive and Nonlinear Control, Grenoble, pp. 125-151, 1990.
[79] E. Panteley, and A. Loria, "On global uniform asymptotic stability of nonlinear time-
varying systems in cascade", Syst. Cont. Lett, 33, pp. 131-138, 1998.
[80] P. Morin and C. Samson, "Commande", chapter in La robotique mobile, Hermes,

2001.
170 Bibliographie
[81] Siljak. D. D, "Large scale dynamic systems : stability and structure", North Holland,
New York, 1978.
[82] Michel A. N et Miller R.K, "Qualititative analysis of large scale dynamical systems",
Mathematic science and Engineering, vol 134, Academic Press, 1977.
[83] Hong.Y, Xu. Y and Huang. J, "Finite-time control for robot manipulators", Systems
and Control Letters, 46(4), pp. 243-253, 2002.
[84] Y. Hong and Z. P. Jiang, "Finite-time stabilization of nonlinear systems with para-
metric and dynamic uncertainties", IEEE Trans. on Automatic Control, Vol. 49, pp.
1950-1956, 2006.
[85] Bollobas, B., "Modern graph theory," Graduate texts in Mathematics, Springer-
Verlag, 1998.
[86] T. Vicsek, A. Czzirok, E, Ben-Jacob, I. Cohen and O. Schochet, "Novel type of

phase-transition in a system of self-driven particles", Phys. Rev. Lett, vol. 75, no 6,
pp. 1226-1229, 1995.
[87] A. Jadbabaie, J. Lin and A. S. Morse, "Coordination of groups of mobile auronomous

agents using nearest neighbor rules", IEEE Trans. on Automatic Control, vol 48, no
9, pp. 988-1001, 2003.
[88] J. Cortes "Finite-time convergent gradient flows with applications to network consen-
sus" Automatica, vol . 42, pp. 1993-2000, 2006.
[89] Q. Hui, W. M. Hadddad and S.P. Bhat "Finite-time semistability and consensus for
nonlinear dynamical networks", IEEE Trans. on Automatic Control, vol 53, no 8, pp.
1887-1890, septembre 2008.
[90] F. Xiao and L. Wang, "State consensus for multi-agent systems with switching to-
pologies and time-varying delays", International Journal of Control, vol. 79, no. 10,
pp. 1277-1284, 2006.
[91] L. Wang and F. Xiao, "Finite-time consensus problems for networks of dynamic
agents", IEEE Transactions Automatic Control, vol. 55, no. 4, pp. 950-955, 2010.
[92] F. Xiao, L. Wang, J. Chen, and Y. Gao, "Finite-time formation control for multi-
agent systems", Automatica, vol. 45, no. 11, pp. 2605-2611, 2009.
171
[93] X. Wang and Y. Hong, Distributed finite-time χ-consensus algorithms for multi-
agent systems with variable coupling topology", Journal of Systems Science and
Complexity, vol. 23, no. 2, pp. 209-218, 2010.
[94] Xiaoli Wang and Yiguang Hong, "Finite-time consensus for multi-agent networks
with second-order agent dynamics", in IFAC World Congress, Soeul, Korea, pp.
15185-15190, July 2008.
[95] Yongcan and Wei Ren, "Finite-time Consensus for Second-order Multi-agent Net-
works with Inherent Nonlinear Dynamics Under Fixed Graph", in Proc. of IEEE
CDC, Orlando, FL, USA, Decembre 2011.
[96] Hong.Y, Xu. Y and Huang. J. "Finite-time control for robot manipulators", Systems
and Control Letters, 46(4), pp. 243-253, 2002.
[97] Zhu. M and Martínez. S, "Discrete-time dynamic average consensus", Automatica ,

pages 322–329, 2010.
[98] Fangcui Jiang and Long Wang. "Finite-time information consensus for multi-agent
systems with fixed switching topologies", Physica D, pages 1550–1560, 2009.
[99] Fangcui Jiang and Long Wang. "Finite-time weighted average consensus with respect
to a monotonic function and its application", Systmes&Control Letters, pages 718–
725, 2011.
[100] Shahram Nosrati, Masoud Shafiee, Mohammad Bagher Menhaj, "Dynamic average
consensus via nonlinear protocols" Automatica , pages 2262–2270, 2012.
[101] Shuai Liu, Tao Li, Lihua Xie, Minyue Fud, Ji-Feng Zhangc. "Continuous-time and
sampled-data-based average consensus with logarithmic quantizers", Automatica ,
pages 3329–3336, 2013.
[102] Hardy, G.,Littlewood, J., and Polya, G, "Inequalities", Cambridge University Press,
1952.

2014EVRY0023

Transféré par

Droits d'auteur :

Formats disponibles

2014EVRY0023

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2014EVRY0023

Transféré par

Droits d'auteur :

Formats disponibles

THÈSE

En vue de l’obtention du grade de

Présentée le 26 Mai 2014 par :

Stabilité et stabilisation en temps fini des systèmes dynamiques

Je tiens à remercier Le Professeur Lionel Rosier, le professeur Mohamed Djemai et

Je remercie également le Professeur Jean-Michel Coron et le professeur Wilfrid

A mon directeur de thèse Monsieur Lotfi Beji

A mon cher ami Rhouma Mlayeh

J’aimerais spécialement remercier Rhouma Mlayeh. Merci pour ton temps et ta

Table des figures 5

2 Stabilité des systèmes autonomes et non autonomes et théorie des

Première Partie : Stabilité et stabilisation en temps fini des systèmes per-

3 Stabilité en temps fini des systèmes perturbés 47

4 Stabilité et stabilisation en temps fini des systèmes interconnectés 69

Deuxième partie : Problèmes de consensus en temps fini 99

5 Consensus en temps fini des systèmes dynamiques contrôlés 101

5.3 Formulation du problème et objectifs . . . . . . . . . . . . . . . . . . . . . 104

6 Consensus moyen et stabilisation d’une formation en temps fini 131

7 Conclusion générale 159

2.1 Comportement de la solution en x(.)(stabilité) . . . . . . . . . . . . . . . . 25

3.1 stabilité en temps fini du système (3.10) . . . . . . . . . . . . . . . . . . . 52

4.1 Diagramme de plusieurs systèmes interconnectés . . . . . . . . . . . . . . . 72

4.22 Plan de phase en (x, y) sans uinter . . . . . . . . . . . . . . . . . . . . . . . 96

6.1 G pour un système avec 4 agents. . . . . . . . . . . . . . . . . . . . . . . . 149

R Corps des réels

1.1 Motivations et contributions

analyser les problèmes de consensus et le consensus moyen auxquels on cherche à associer

– Partie I : Stabilité et stabilisation en temps fini des systèmes perturbés

systèmes non autonomes. Cependant, de point de vue pratique, la résolution de problèmes

techniques de Lyapunov. Ces résultats parviennent à maîtriser une perturbation liée au

Contribution (chapitre 5). On cherche à résoudre le problème posé en (c) dans

Ce mémoire se distingue par les deux parties I et II citées ci-dessus auxquelles on

1.2 Publications associées aux résultats

1. N.Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Finite time stability of perturbed

3. N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Finite time stabilization of inter-

5. N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Finite time consensus of net-

6. N. Zoghlami, L. Beji, R. Mlyah, and A. Abichou, Finite-time average consensus in

7. N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Finite-time consensus in networ-

8. N. Zoghlami, L. Beji, R. Mlayeh, and A. Abichou, Average consensus and stability

Stabilité des systèmes autonomes et

2.2 Théorèmes d’existence et d’unicité

On désigne par Ω un ouvert non vide de Rn (n ∈ N∗ ) et par I un intervalle non vide

Soit f : I × Ω → Rn une application continue, on lui associe le système non-autonome :

Théorème 2.2 (Carathéodory)[30] Soit f : I × Ω → Rn telle que :

(i) pour tout x ∈ Ω, ϕy : t ∈ I 7→ f (t, x) est mesurable.

(ii) pour presque tout t, φt : x ∈ Ω 7→ f (t, x) est continue.

(iii) pour tout compact K de Ω, il existe mk : I 7→ R+ intégrable sur I telle que :

∀(t, x) ∈ I × K, |f (t, x)| ≤ mk (t)

Définition 2.3 [30] Soit f : I × Ω → Rn , on dit que

1. f est localement lipschitzienne par rapport à la première variable, si pour tout

∀((t1 , y), (t2 , y)) ∈ V 2 , kf (t1 , y) − f (t2 , y)k ≤ ckt1 − t2 k

2. f est localement lipschitzienne en la deuxième variable, si pour tout (t0 , x0 ) ∈ I × Ω,

∀((t, y1 ), (t, y2 )) ∈ V 2 , kf (t, y1 ) − f (t, y2 )k ≤ cky1 − y2 k

Théorème 2.4 (Cauchy-Lipshitz)[30] Soit f : I × Ω → Rn continue, f est localement

2.3 Stabilité au sens de Lyapunov

2.3.1 Préliminaires et définitions

Définition 2.5 Un point x̄ ∈ Ω est un point d’équilibre, ou point singulier du système

Définition 2.6 On considère le système (2.1), et V : Ω → Rn ayant des dérivées par-

Définition 2.7 On considère le système (2.2), et V : I × Ω → Rn ayant des dérivées

Définition 2.8 Soient a ∈ R+ \ {0} et g : [0, a] → R+ une application continue, on dit