Exemple Doctorat Habrache Nouara

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
UNIVERSITÉ MOULOUD MAMMERI DE TIZI-OUZOU
FACULTÉ DE GENIE ELECTRIQUE ET D’ INFORMATIQUE

DÉPARTEMENT D’AUTOMATIQUE
Thèse de Doctorat
Présentée pour l’obtention du diplôme de
Doctorat 3ème Cycle LMD

Spécialité : Automatique
Par :
Nouara HABRACHE
THEME
Extension de l’approche semi-groupe à

l’analyse et à la commande des
systèmes à paramètres distribués
bilinéaires.
M. DJENNOUNE Said Professeur UMMTO Président
M. MAIDI Ahmed Professeur UMMTO Rapporteur
M. KARA Redouane Professeur UMMTO Examinateur
M. MOULAHOUM Samir Professeur École supérieure navale d’Alger Examinateur
M. GUERMAH Said MCA UMMTO Examinateur
M. KOUADRI Abdelmalek MCA UMB Boumedes Examinateur
Année : 2018
Remerciements
Le travail présenté dans cette thèse a été réalisé au sein du Laboratoire de Conception
et de Conduite des Systèmes de Production (L2CSP) à l’université Mouloud Mammeri de
Tizi-Ouzou.
Je tiens en tout premier lieu à remercier profondément mon directeur de thèse le

Professeur Ahmed MAIDI, qui tout au long de ces années de thèse, m’a guidée dans
mes recherches et m’a introduite et initiée à ce monde privilégié de la recherche. Je le
remercie pour sa disponibilité, sa patience et sa persévérance. Ses conseils avisés, son
soutien permanent et ses remarques pertinentes ont été déterminants dans l’avancée de
ma thèse. Qu’il trouve dans ces lignes l’expression de ma profonde gratitude.
Je tiens également à exprimer ma profonde gratitude à Monsieur Jean-Pierre COR-

RIOU, Professeur émérite à l’université de Lorraine pour sa précieuse collaboration. Je
le remercie vivement pour sa patience, ses conseils précieux, ses encouragements et son
accueil chaleureux durant mon stage scientifique au laboratoire LRGP.
Je voudrais également exprimer toute ma reconnaissance à Monsieur Saïd DJEN-

NOUNE, Professeur à l’université Mouloud Mammeri de Tizi-Ouzou, pour m’avoir fait
l’honneur d’accepter de présider le jury de thèse et le temps consacré pour la lecture de
cette thèse. Ses remarques précieuses vont surement améliorer la qualité de cette thèse.
Mes vifs remerciements s’adressent à Monsieur Redouane KARA, Professeur à l’uni-

versité Mouloud Mammeri de Tizi-Ouzou ainsi qu’à Monsieur Samir MOULAHOUM, Pro-
fesseur à l’école supérieure navale d’Alger, Monsieur GUERMAH Saïd, Maître de Confé-
rences Classe A à l’université Mouloud Mammeri de Tizi-Ouzou, et Monsieur KOUADRI
Abdelmalek, Maître de Conférences Classe A à l’université de Boumerdes d’avoir accepté
ii
de faire partie de ce jury de soutenance et pour l’honneur qu’ils me font par leur présence.
Je remercie également tous les enseignants et chercheurs du laboratoire (L2CSP) que
j’ai eu la chance de côtoyer durant mes années de thèse pour leur sympathie et leurs
qualités humaines.
Je ne pourrais finir ces remerciements sans penser à ma famille , en particulier mes
parents, dont le soutien et l’encouragement constants m’ont été d’un grand réconfort et
ont contribué à l’aboutissement de ce travail.
Enfin, je remercie tous ceux que je n’ai pas cités et qui m’ont soutenu ou qui ont
contribué à la finalité de cette thèse.
Table des matières
Introduction générale 1
1 Généralités sur les systèmes à paramètres distribués 7

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Exemple d’un système à paramètres distribués . . . . . . . . . . . . . . . . 8
1.3 Classification des systèmes à paramètres distribués . . . . . . . . . . . . . 10
1.3.1 Classification basée sur le type de linéarité . . . . . . . . . . . . . . 10
1.3.2 Classification basée sur le discriminant . . . . . . . . . . . . . . . . 11
1.4 Description mathématique des systèmes à paramètres distribués . . . . . . 13
1.5 Conditions aux limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5.1 Condition de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.2 Condition de Neumann . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.3 Condition de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6 Types de commande et d’observation d’un système à paramètres distribués 16
1.6.1 Types de commande d’un système à paramètres distribués . . . . . 17
1.6.2 Types d’observation d’un système à paramètres distribués . . . . . 18
1.7 Système à paramètres distribués bilinéaire . . . . . . . . . . . . . . . . . . 20
1.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Analyse spectrale des opérateurs linéaires 25

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Espace de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Opérateurs sur des espaces de dimension infinie . . . . . . . . . . . . . . . 28
iv TABLE DES MATIÈRES
2.3.1 Opérateur linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2.3.2 Opérateur borné . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.3 Opérateur fermé . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.4 Opérateur compact . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3.5 Opérateur adjoint . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Théorie spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.1 Théorie spectrale des opérateurs fermés . . . . . . . . . . . . . . . . 31
2.4.2 Cas des opérateurs compacts . . . . . . . . . . . . . . . . . . . . . . 34
2.5 Valeurs propres et fonctions propres en dimension infinie . . . . . . . . . . 35
2.5.1 Exemple d’application . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6 Lien avec la stabilité exponentielle . . . . . . . . . . . . . . . . . . . . . . . 41
2.7 Décomposition spectrale d’un opérateur linéaire . . . . . . . . . . . . . . . 42
2.8 Cas d’un Système à paramètres distribués hyperbolique couplé . . . . . . . 45
2.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3 Commande et analyse de stabilité des systèmes à paramètres distribués 49

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2 Commande des systèmes à paramètres distribués . . . . . . . . . . . . . . . 50
3.2.1 Approche de pré-approximation . . . . . . . . . . . . . . . . . . . . 50
3.2.2 Approche de post-approximation . . . . . . . . . . . . . . . . . . . 53
3.3 Différents types de stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.4 Méthodes d’analyse de stabilité d’un système à paramètres distribués . . . 58
3.4.1 Méthode directe de Lyapunov . . . . . . . . . . . . . . . . . . . . . 58
3.4.2 Théorie des semi-groupes . . . . . . . . . . . . . . . . . . . . . . . . 61
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4 Analyse de la dynamique d’un échangeur de chaleur 71

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.2 Principe de fonctionnement d’un échangeur de chaleur . . . . . . . . . . . 72
4.3 Architecture générale d’un échangeur de chaleur . . . . . . . . . . . . . . . 74
TABLE DES MATIÈRES v
4.3.1 Classification basée sur la construction de l’échangeur . . . . . . . . 74

4.3.2 Classification basée sur le sens d’écoulement des fluides . . . . . . . 75
4.4 Modélisation d’un échangeur de chaleur . . . . . . . . . . . . . . . . . . . 77
4.4.1 Description d’un échangeur de chaleur à courants parallèles . . . . 77
4.4.2 Modélisation d’un échangeur de chaleur à courants parallèles . . . . 77
4.5 Commandabilité des échangeurs de chaleur . . . . . . . . . . . . . . . . . . 83
4.6 Comportement dynamique d’un échangeur de chaleur à courants parallèles 86
4.7 Commande d’un échangeur de chaleur à courants parallèles . . . . . . . . . 92
4.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5 Commande d’un système à paramètres distribués bilinéaire 95

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.2 Formulation du problème de commande . . . . . . . . . . . . . . . . . . . . 96
5.3 Analyse de stabilité en boucle ouverte . . . . . . . . . . . . . . . . . . . . . 98
5.4 Conception de la loi de commande géométrique . . . . . . . . . . . . . . . 100
5.5 Stabilité du système en boucle fermée . . . . . . . . . . . . . . . . . . . . . 102
5.6 Exemple d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
5.6.1 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
Conclusion générale 112

Liste des tableaux
4.1 Paramètres de l’échangeur de chaleur pour une simulation en boucle ouvert. 88
5.1 Paramètres de l’échangeur de chaleur pour une simulation en boucle fermée.106

5.2 Vitesses et conditions aux frontières. . . . . . . . . . . . . . . . . . . . . . 106
Table des figures
1.1 Barre métallique chauffée à l’extrémité z = 0. . . . . . . . . . . . . . . . . 9

1.2 Commande distribuée. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3 Commande ponctuelle. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4 Commande aux frontières . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5 Observation distribuée. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6 Observation aux frontières . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.7 Observation par moyennage spatial. . . . . . . . . . . . . . . . . . . . . . . 20
1.8 Distribution des pièces sur un convoyeur. . . . . . . . . . . . . . . . . . . . 22
2.1 Décomposition spectrale des valeurs propres d’un opérateur linéaire. . . . . 43
3.1 Approche de pré-approximation. . . . . . . . . . . . . . . . . . . . . . . . 52

3.2 Approche de post-approximation. . . . . . . . . . . . . . . . . . . . . . . . 54
4.1 Modes de transfert de chaleur dans un échangeur de chaleur. . . . . . . . . 74

4.2 Échangeur de chaleur tubulaire à double tubes. . . . . . . . . . . . . . . . 75
4.3 Échangeur de chaleur à plaques. . . . . . . . . . . . . . . . . . . . . . . . 75
4.4 Écoulement de fluides à contre courant. . . . . . . . . . . . . . . . . . . . 76
4.5 Écoulement de fluides à courants parallèles. . . . . . . . . . . . . . . . . . 76
4.6 Échangeur de chaleur tubulaire à courants parallèles. . . . . . . . . . . . . 78
4.7 Élément d’un échangeur de chaleur tubulaire à courants parallèles. . . . . . 79
4.8 Bilan énergétique du fluide froid. . . . . . . . . . . . . . . . . . . . . . . . 80
4.9 Bilan énergétique du fluide chaud. . . . . . . . . . . . . . . . . . . . . . . . 81
4.10 Échange élémentaire entre deux fluides séparés par une paroi. . . . . . . . 84
x Notations
4.11 Profils des températures des deux fluides en régime stationnaire. . . . . . . 88

4.12 Profils des températures pour vf = 1m/s. . . . . . . . . . . . . . . . . . . 89
4.13 Profils des températures pour vf = 10m/s. . . . . . . . . . . . . . . . . . . 89
4.14 Influence de vf sur Tf (L, t). . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.15 Profils des températures pour vc = 1m/s. . . . . . . . . . . . . . . . . . . . 90
4.16 Profils de température pour vc = 10m/s. . . . . . . . . . . . . . . . . . . . 90
4.17 Influence de vc sur Tf (L, t). . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.18 Profils des températures pour Tc,0 = 50[˚C]. . . . . . . . . . . . . . . . . . 91
4.19 Profils des températures pour Tc,0 = 90[˚C]. . . . . . . . . . . . . . . . . . 91
4.20 Influence de Tc,0 sur Tf (L, t). . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.21 Profils des températures pour Tf,0 = 20[˚C]. . . . . . . . . . . . . . . . . . 91
4.22 Profils des températures pour Tf,0 = 70[˚C]. . . . . . . . . . . . . . . . . . 91
4.23 Influence de Tf,0 sur Tf (L, t). . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.1 Échangeur de chaleur à courants parallèles. . . . . . . . . . . . . . . . . . . 104

5.2 Poursuite de consigne : Évolution de la température du fluide froid Tf,L (t). 108
5.3 Poursuite de consigne : Évolution de la vitesse du fluide froid vf (t). . . . . 108
5.4 Poursuite de consigne : Profils des températures en 3D. . . . . . . . . . . . 109
5.5 Rejet de perturbation : Effet de la perturbation vc (t) sur Tf (z, t) . . . . . . 110
5.6 Rejet de perturbation : Évolution de la vitesse du fluide froid vf (t). . . . . 111
Notations
a Constante de diffusion de chaleur.

ac Coefficient de conduction thermique.
acv Coefficient de transfert de chaleur.
as , ǎ, aon Constante positive.
A, B, C, Matrices d’opérateurs différentiels spatiales.
A Matrice d’état.
Ac Surface de transfert de chaleur.
Ad , Ed Matrice approximée.
As Surface de transfert de chaleur par unité de longueur.
b(z) Fonction qui caractérise la structure géométrique du système d’ac-
tionneur.
B Espace de Banach.
B: Espace des opérateurs linéaires bornés.
c(z) Fonction qui caractérise la structure géométrique de l’ensemble des
capteurs.
c1 , c2 Constantes quelconques.
C Constante réelle.
C Ensemble des nombres complexes.
CP Capacité calorifique d’un fluide.
D Domaine de définition d’un opérateur.
e Vecteur d’éléments.
E Espace vectoriel.
E⊥ Sous-espace orthogonal.
f Fonction non linéaire continue de dimension finie.
F Opérateur non linéaire continue.
F Opérateur borné.
gz Fonction continue.
G Sous-graphe d’un opérateur.
H Espace de Hilbert.
h Forme linéaire bornée.
H Opérateur différentiel.
hf , hc Coefficient d’échange global.
xii Notations
I Matrice identité.
Im Image d’un opérateur.
=m Partie imaginaire d’une valeur propre.
kc Coefficient de transfert thermique.
K Opérateur de projection.
k Nombre entier.
` Espace des applications linéaires dans H.
L Longueur [m].
L2 : Espace des fonctions carrées intégrables.
L, M Matrices d’opérateurs différentiels spatiales.
m Dimension du vecteur de sortie.
M Constantes positives.
n Dimension vecteur d’état.
N Nombre entier positif.
N Ensemble des entiers positifs.
p Nombre entier positif.
P Opérateur différentiel.
P∗ Opérateur adjoint de P
q1 , q2 Constantes quelconques.
Q Flux thermique.
r Dimension du vecteur de commande.
R Ensemble des nombres réels.
R Opérateur différentiel.
<e Partie réelle d’une valeur propre.
S Opérateur différentiel spatial.
Sc Section du tube externe.
Sf Section du tube interne.
t Variable du temps.
t0 Instant initial.
T Domaine temporel.
T Semi-groupe.
Tb Température de la barre.
Tb0 Température de la barre à z = 0.
TbL Température de la barre à z = L.
Tc Température du fluide chaud.
Tc,0 Température d’entrée du fluide chaud.
Tfdf Température désirée et filtrée du fluide froid.
Tf Température du fluide froid.
Tf,0 Température d’entrée du fluide froid.
Tm Température du milieu.
Tref 1 , Tref 2 Températures de référence.
Tf0 , Tc0 Profils de température initiaux.
u Vecteur de commande.
u1 , u2 Constantes positives.
ud Signal d’entrée.
xiii
v1 Vitesse du convoyeur.
v2 Alimentation du convoyeur.
vc Vitesse du fluide chaud.
vf Vitesse du fluide froid.
V Fonction de Lyapunov.
x Vecteur d’état.
xe Point d’équilibre.
y Vecteur de sortie.
yd Sortie désirée.
z Variable de l’espace.
Z Ensemble des entiers.
Symboles et lettres grecques
α, β, γ Coefficients constants.
α1 , α2 Constantes positives.
αc , αf Coefficient de transfert de chaleur.
λ Vecteur des valeurs propres.
δ Distribution de Dirac.
φ Vecteur des fonctions propres.
ε, η Constantes positives.
κ Constante dans R.
µ Valeur propre.
Γ Arc continu fermé.
ϑ Fonction continue.
νn Multiplicité des valeurs propres.
θ Base de Vecteurs.
ϕ Constante de Stefan-Boltzmann.
ρ Ensemble résolvant.
ρf Densité du fluide froid.
ρc Densité du fluide chaud.
σ Spectre d’un opérateur.
σp Spectre ponctuel d’un opérateur.
σc Spectre continu d’un opérateur.
σr Spectre résiduel d’un opérateur.
ς Constante positive.
τ , τf Constantes du temps.
ω Constantes positives.
ψ Fonction qui dépend uniquement du temps.
∆t : Période d’échantillonnage.
∆z : Pas de discrétisation pou la variable de l’espace.
Ω Domaine spatial
∂Ω Frontières du domaine spatial.
∂ΩD Partition de la Frontière avec des conditions aux frontières de type
Dirichlet.
∂ΩN Partition de la Frontière avec des conditions aux frontières de type
Neumann.
∂ΩF Partition de la Frontière avec des conditions aux frontières de type
Neumann.
xiv Notations
Indices
i Unité imaginaire.
j Indice (nombre entier).
(.)T Transposée.
(.)−1 Opérateur inverse.
Abréviations
EDP Équation aux dérivées partielles.

EDO Équation aux dérivées ordinaires.
SP D Système à paramètres distribués.
SP L Système à paramètres localisés.
Introduction générale
La plupart des systèmes physiques sont caractérisés par des phénomènes de transport
et de réaction de nature non linéaire [1] [2]. La modélisation de ces systèmes en utilisant
des lois de la physique (bilans de matière et de l’énergie) conduit à des équations aux
dérivées partielles (EDPs) faisant intervenir des variables dépendantes non homogènes [3].
Bien que sous certaines hypothèses, généralement, un modèle linéaire peut être toujours
accepté, néanmoins, pour la quasi-totalité des systèmes, les non linéarités sont souvent
fortes et ne peuvent pas être négligées ou approximées [4].
Parmi les systèmes à paramètres distribués (SPDs) non linéaires, on distingue deux
classes particulières : les systèmes quasi-linéaires et les systèmes bilinéaires. Les systèmes
quasi-linéaires sont caractérisés par des phénomènes de transport (diffusion et convection)
linéaires et des phénomènes de réactions non linéaires [5]. Les systèmes bilinéaires sont
caractérisés par une structure linéaire par rapport à l’état ou à la commande mais pas
par rapport aux deux simultanément [6]. Cette dernière classe regroupe aussi les systèmes
de convection-réaction linéaire lorsque la vitesse de convection est prise comme variable
à manipuler [7–9].
Pour la commande des SPDs, on distingue deux approches principales : l’approche de

pré-approximation et l’approche de post-approximation [10,11]. Le principe de la première
approche consiste à approximer le SPD par un système à paramètres localisés (SPL). Cette
approche représente réellement une réduction d’ordre du modèle car elle permet d’approxi-
mer les EDPs, de dimension infinie, par un ensemble d’équations aux dérivées ordinaires
(EDOs), c’est-à-dire à un système de dimension finie [12, 13]. L’approximation est réa-
lisée en utilisant des méthodes d’approximation d’équations (par exemple les différences
2 Introduction générale
finies) [14–16] ou par des méthodes d’approximation des solutions des EDPs (méthode des
fonctions propres) [10, 17]. Par conséquent, cette approche de pré-approximation permet
d’exploiter la théorie de commande des systèmes de dimension finie, c’est-à-dire à para-
mètres localisés. Néanmoins, cette approche présente certains inconvénients qui limitent
son utilisation [5, 9]. Ainsi, souvent le processus d’approximation ou de réduction détruit
généralement les propriétés fondamentales (commandabilité, observabilité et stabilité) du
système original [4]. Sur le plan pratique, le correcteur obtenu est souvent de dimension
importante contraignant ainsi son implémentation pratique et les performances attendues
sont limitées [5]. Notons que l’approche de pré-approximation est recommandée pour les
systèmes paraboliques pour lesquels la séparation du spectre est possible [4,18], par contre
elle est déconseillée pour les systèmes hyperboliques.
Le principe de la deuxième approche consiste à utiliser le modèle aux EDPs directement

pour l’analyse et la synthèse du correcteur [10, 11]. Cette approche permet d’améliorer
davantage les performances puisque les propriétés fondamentales du SPD sont préservées
[5, 19]. Néanmoins, la manipulation des EDPs constitue une tâche ardue et nécessite des
outils mathématiques poussés relevant de l’analyse fonctionnelle [20].
Pour le cas des systèmes linéaires, le développement de la théorie des semi-groupes

des opérateurs fortement continus a permis de généraliser la théorie, très développée, des
systèmes linéaires de dimension finie aux SPDs linéaires [21]. Le semi-groupe est l’équi-
valent de la matrice de transition d’un système linéaire de dimension finie [5]. La théorie
des semi-groupes permet d’écrire une équation différentielle sous forme d’une représenta-
tion d’état abstraite avec des opérateurs différentiels [20]. Cette représentation abstraite
est utilisée pour l’analyse des propriétés fondamentales du système et la synthèse des
commandes par retour d’état dans le cadre de l’approche de post-approximation [22, 23].
Pour les SPDs non linéaires, il est très difficile d’établir une théorie générale et l’étude
se fait généralement cas par cas. Sur le plan commande, les SPDs non linéaires sont peu
abordés dans la littérature vu leur complexité. Une synthèse sur les différentes contribu-
tions et les problèmes ouverts peut être trouvée dans [4].
Une attention particulière a été portée, ces dernières années, à la commande des sys-
3
tèmes de dimension infinie non linéaires. La complexité de cette classe de systèmes a

poussé la majorité des chercheurs à adopter l’approche de pré-approximation pour conce-
voir des lois de commande [18, 24–26]. L’objectif consiste à tirer profit de la théorie de
commande des systèmes non linéaires à paramètres localisés qui est assez développée.
Les SPDs quasi-linéaires, considérés comme une classe particulière des systèmes non li-
néaires de dimension infinie, ont attiré l’attention de plusieurs chercheurs. Pour cette
classe, proche des systèmes linéaires, plusieurs résultats existent. Ainsi, dans [27] la mé-
thode des fonctions propres est adoptée pour la commande d’un système parabolique
quasi-linéaire. Une approche de commande d’un système quasi-linéaire hyperbolique de
premier ordre, en combinant la méthode des caractéristiques et la commande par modes
glissants, a été proposée par [28,29]. Pour les systèmes bilinéaires peu de résultats existent
et la quasi-totalité sont développés dans le cadre de la commande optimale [30–32].
L’approche de post-approximation est peu utilisée dans la littérature pour développer

des techniques de commande pour les systèmes de dimension infinie non linaires. La
majorité des contributions considèrent la commande géométrique. Cette dernière permet
de concevoir aisément des lois de commande de nature distribuée en utilisant directement
le modèle aux EDPs. La première contribution intéressante a été faite par Christofides
et Daoutidis [5]. Ces auteurs ont généralisé la notion du degré relatif aux systèmes de
dimension infinie et ont proposé une loi géométrique pour la commande des systèmes
hyperboliques avec une application à un réacteur chimique. Ces résultats sont par la suite
étendus dans [33] à la commande à la frontière d’un système non linéaire en se basant
sur la notion de l’opérateur étendu. Une autre approche de commande géométrique d’un
système de diffusion non linéaire est proposée dans [34] basée sur une linéarisation globale
du système obtenue par l’utilisation d’une transformation tangente. Ces résultats ont été
ensuite étendus au problème de Stefan dans [35], c’est-à-dire un système de diffusion
linéaire avec une frontière mobile.
Une des classes les plus rencontrées des SPDs, c’est les systèmes bilinéaires. Pour ces
derniers l’opérateur spatial possède une structure particulière qui peut être facilement
exploitée pour développer des lois de commande, et analyser leurs propriétés fondamen-
4 Introduction générale
tales [6]. Parmi les systèmes bilinéaires, on peut citer les échangeurs de chaleur, les ré-
acteurs chimiques (lorsque les réactions pouvant être assumées linéaires), les lignes de
transmission électrique et les systèmes de transport.
Dans cette thèse, on s’intéresse à la commande géométrique des systèmes bilinéaires.

L’objectif est d’étendre la théorie des semi-groupes pour l’analyse de la stabilité du sys-
tème corrigé. L’idée principale consiste à exploiter les propriétés spectrales de l’opérateur
spatial pour l’analyse de la stabilité du système en boucle fermée.
L’utilisation de la commande géométrique permet de concevoir aisément des lois de

commande en utilisant la notion de l’indice caractéristique. Néanmoins, la démonstration
de la stabilité d’une commande géométrique représente un vrai challenge. Si la stabilité
externe peut être garantie en fixant les positions d’un nombre fini de pôles en boucle
fermée, la stabilité interne, liée à la stabilité de la dynamique des zéros, est difficile à
démontrer en utilisant les méthodes usuelles (théorème de perturbation, méthode de Lya-
punov, analyse spectrale). Pour surmonter cette difficulté, on montrera que dans le cas
des systèmes bilinéaires, l’utilisation de la commande géométrique permet de préserver
la même structure en boucle fermée, c’est-à-dire le système en boucle fermée résultant
est bilinéaire mais avec des paramètres variables dans le temps. Ainsi, en exploitant les
résultats de l’analyse spectrale de l’opérateur spatial en boucle fermée, on peut conclure
sur la stabilité du système corrigé. Le cas de l’échangeur de chaleur à courant parallèle
est pris comme exemple d’application dont l’objectif est de contrôler la température du
fluide froid en manipulant sa vitesse d’écoulement.
La thèse est structurée comme suit :
Le chapitre 1 introduit les SPDs. Ainsi, après avoir présenté un exemple physique
d’un SPDs, nous avons axé l’exposé sur les différentes classes des SPDs, les différentes
conditions aux limites et les différentes commandes et observations. A la fin du chapitre,
on s’intéresse à la classe des systèmes bilinéaires traités dans la thèse.
Dans le chapitre 2, on aborde l’analyse spectrale des opérateurs différentiels. On

commence par un ensemble de définitions mathématiques de certaines notions de l’analyse
fonctionnelle relative aux opérateurs. Puis, on présente la théorie de l’analyse spectrale des
5
opérateurs bornés exploitée par la suite pour l’analyse de la stabilité d’un SPD linéaire. A
la fin du chapitre, on s’intéresse à l’analyse spectrale de l’opérateur différentiel d’un SPD
décrit par deux EDPs hyperboliques linéaires couplées.
Le chapitre 3 est consacré à la commande des SPDs et les différentes approches uti-
lisées pour l’analyse de leur stabilité. On commence par introduire les deux approches
principales de commande des SPDs en l’occurrence la pré-approximation et la post-
approximation, puis on reprend quelques définitions relatives à la stabilité des systèmes
dynamiques. Après, on s’intéresse à l’analyse de la stabilité des SPDs en présentant les
différentes méthodes utilisées. La suite du chapitre est réservée à la théorie des semi-
groupes.
Dans le chapitre 4, on s’intéresse à la modélisation d’un échangeur de chaleur, à
courants parallèles, pris comme exemple d’application des systèmes bilinéaires dans le
cadre de cette thèse. On débute le chapitre par un rappel de certaines notions de transfert
de chaleur, puis on présente les différentes étapes de la modélisation de l’échangeur. A la
fin on s’intéresse à l’analyse, par simulation numérique, du comportement dynamique de
l’échangeur.
Le chapitre 5 présente la commande géométrique d’un l’échangeur de chaleur. L’ob-
jectif est d’imposer au fluide froid à la sortie de l’échangeur une température désirée en
manipulant sa vitesse d’écoulement. On commence par la synthèse de la loi de commande
en utilisant le concept de l’indice caractéristique, puis on démontre la stabilité du système
en boucle fermée. La fin du chapitre est consacrée à l’évaluation, par simulation, des per-
formances de la loi de commande développée en considérant les problèmes de poursuite
de consigne et de rejet de perturbation.
La thèse se termine par une conclusion générale qui résume les différents résultats
obtenus tout en précisant certaines pistes qui méritent d’être explorées.
Chapitre 1
Généralités sur les systèmes à

paramètres distribués
1.1 Introduction
Un système à paramètres distribués (SPD), appelé encore un système à paramètres ré-

partis, est un système dynamique dont les variables caractéristiques (entrée, sortie et état)
dépendent non seulement de la variable de temps mais aussi de la variable de l’espace.
Au cours de ces dernières années, les SPDs ont occupé une place importante dans la
commande et la théorie des systèmes. Cette position a pris de l’importance en raison du
nombre des classes de systèmes d’ingénieur qui sont naturellement de natures distribuées.
L’objectif du présent chapitre est de présenter les notions de base sur les SPDs. Le
chapitre est structuré comme suit : dans la Section 2, une barre métallique chauffée à
l’extrémité est prise comme exemple d’un SPD. La classification des SPDs basée sur les
équations aux dérivées partielles (EDPs) fait l’objet de la Section 3. La Section 4 aborde
la description mathématique d’un SPD en considérant le cas linéaire et non linéaire.
Différentes conditions aux limites sont présentées à la Section 5. La Section 6 est consacrée
aux différents types de commandes et d’observations dans le cas des SPDs et illustrées
dans le cas de l’exemple de la barre métallique. Dans la Section 7, on s’intéresse au cas
des SPDs bilinéaires qui représentent une classe particulière des SPDs non linéaires. Le
8 Généralités sur les systèmes à paramètres distribués
chapitre se termine par une conclusion.
1.2 Exemple d’un système à paramètres distribués
Théoriquement, tous les processus naturels et industriels sont des SPDs [36]. Des do-
maines d’un grand intérêt technologique dans toutes les sciences de l’ingénieur se modé-
lisent naturellement par des SPDs [37], à savoir les processus thermiques (four à chauffer,
les échangeurs de chaleur), chimiques (les réacteurs chimiques) et les systèmes électriques
(les lignes de transmission d’énergie).
Certains type d’hypothèses simplificatrices, telle que l’hypothèse d’un mélange par-
fait dans une cuve agitée d’un réacteur chimique, permet d’approximer la dynamique des
phénomènes physiques par un système à paramètres localisés (SPLs) modélisé par des
équations aux dérivées ordinaires (EDOs) [38]. Cela est possible en supposant que les
variables caractéristiques (les entrées, les sorties et les états) sont suffisamment homo-
gènes par rapport à l’espace géométrique pour qu’elles puissent être considérées comme
indépendantes de la variable de l’espace [10]. Cependant, les systèmes dynamiques pour
lesquels les variables caractéristiques et les paramètres ont une variation spatiale signi-
ficative nécessitent des modèles à paramètres distribués afin d’avoir une représentation
suffisamment précise du comportement dynamique du système. Ce type de système est
de dimension infinie vu que la dimension des variables caractérisant le système est infinie.
Mathématiquement, ces processus peuvent être décrits par des équations aux dérivées
partielles (EDPs) ou des équations intégrales ou intégro-différentielles, linéaires ou non
linéaires, à coefficients constants ou variables [10]. La description d’un SPD, basée sur les
lois de conservation d’énergie et de la matière, prennent souvent la forme des EDPs [36].
Avant de faire une description mathématique des SPDs, il est intéressant de commencer
l’exposé par un exemple physique d’un SPD. C’est pourquoi nous nous intéressons à la
description physique d’un SPD classique. Ce système est une barre métallique, de longueur
L, représentée par la Figure 1.1 constituée d’un métal conducteur de chaleur. La barre
est chauffée à son extrémité z = 0 par une source de chaleur et plongée dans un milieu de
1.2 Exemple d’un système à paramètres distribués 9
température donnée.
La température de chaque point de la barre diffère d’un point à un autre, elle diminue
au fur et à mesure qu’on s’éloigne de la source. Par conséquent, la température de la
barre est non homogène, elle dépend non seulement de la variable du temps t ∈ ]0, ∞[
mais aussi de la variable de l’espace z ∈ ]0, L[. Le bilan énergétique qui en résulte doit
nécessairement prendre en considération la nature distribuée de la température qui est de
dimension infinie.
La modélisation du phénomène de diffusion de chaleur dans une seule direction, en

négligeant les variations de la température dans les autres directions (monodirectionnel),
permet d’obtenir l’EDP suivante appelée aussi équation de chaleur [39].
∂Tb (t, z) ∂ 2 Tb (t, z)

=a (1.1)
∂t ∂z 2
où Tb (t, z) est la température de la barre et a est une constante qui dépend de la nature
du matériau, elle caractérise la diffusion de chaleur.
Source
de Barre
chaleur
0 L z
Figure 1.1: Barre métallique chauffée à l’extrémité z = 0.
Pour avoir une description complète, on doit spécifier des conditions aux limites et des
conditions initiales.
1.3 Classification des systèmes à paramètres distribués
Une EDP est une équation impliquant une fonction inconnue de plusieurs variables
indépendantes et de ses dérivées partielles [40]. Il s’avère important d’établir un schéma
de classification qui identifie des classes d’équations ayant des propriétés communes. Les
EDPs sont classées en différents types. Soit selon les types des phénomènes physiques d’où
elles proviennent ou selon les propriétés mathématiques [41].
1.3.1 Classification basée sur le type de linéarité
Le critère de classification le plus important consiste à distinguer les EDPs entre li-
néaires et non linéaires. La répartition des EDPs dans ces deux catégories est très significa-
tive vu que les méthodes mathématiques conçues pour traiter ces deux classes d’équations
sont souvent entièrement différentes et leur comportement est sensiblement différent [41].
Une EDP est linéaire lorsque toutes les dérivées partielles apparaissent sous forme
linéaire et aucun de ses coefficients ne dépend des variables dépendantes (les coefficients
peuvent être en fonction des variables indépendantes) [42]. Les EDPs linéaires apparaissent
dans de nombreux domaines d’applications scientifiques (équation de chaleur, équation
linéaire de Schrödinger,...)
D’autre part, une EDP non linéaire peut être décrite en impliquant des termes non
linéaires usuels ou bien les coefficients des dérivées partielles sont en fonction des variables
dépendantes [43].
La quasi totalité des SPDs sont décrits par des EDPs non linéaires. Ces EDPs peuvent
être aussi divisées selon le type de non-linéarité. Une EDP semi linéaire représente une
classe des EDPs dont les coefficients des dérivées d’ordre supérieur dépendent uniquement
des variables indépendantes [42]. Tandis que si les coefficients de ces dérivées dépendent
aussi des dérivées d’ordre inférieure, l’EDP est quasi-linéaire. Parmi les classes des EDPs
non linéaires les plus rencontrées dans la pratique, on distingue aussi les EDPs bilinéaires,
elles sont linéaires par apport aux variables dépendantes est linéaires par rapport aux
entrées mais elles sont non linéaires entre les deux (voir l’exemple de la section 1.7).
1.3 Classification des systèmes à paramètres distribués 11
L’étude des EDPs non linéaires est très difficile vu qu’il n’existe pas de théorie générale
comme dans le cas des SPDs linéaires pour cela une linéarisation au tour d’un profil
d’équilibre est souvent réalisée pour déterminer un modèle linéaire.
1.3.2 Classification basée sur le discriminant
La classification des EDPs suivant le discriminant est principalement basée sur une
EDP linéaire de deuxième ordre, l’ordre d’une EDP est l’ordre le plus élevé de la dérivée
partielle. Une EDP linéaire de deuxième ordre peut s’écrire sous la forme suivante [43] :
∂ 2 x(z, t) ∂ 2 x(z, t)

∂x(z, t) ∂x(z, t) ∂x(z, t)
α +β +γ = ϑ z, t, x(z, t), + (1.2)
∂t2 ∂t∂z ∂z 2 ∂t ∂z
La solution x(z, t) de l’EDP (1.2) est fonction de deux variables indépendantes t et

z. α, β et γ sont des constantes ou des fonction de t et z dans Ω et ϑ est une fonction
continue sur Ω qui inclut tous les autres termes sans dérivées secondes de l’équation (1.2).
Par analogie avec le plan des coniques, on distingue trois types d’EDP selon le signe
de discriminant β 2 − 4αγ définies comme suit [41] :
1. Hyperbolique : on dit que l’EDP (1.2) est hyperbolique si
β 2 − 4αγ > 0 (1.3)
L’équation d’onde est une equation hyperbolique donnée comme suit
∂2x 2
2 ∂ x
= aon (1.4)
∂t2 ∂z 2
où aon est une constante positive.
2. Elliptique : on dit que l’EDP (1.2) est elliptique si
β 2 − 4αγ < 0 (1.5)
Les équations de Schrödinger et de Laplace sont des équations elliptiques. L’équation

de Laplace à deux dimensions est donnée comme suit
∂2x ∂2x
+ 2 =0 (1.6)
∂y 2 ∂z
3. Parabolique : on dit que l’EDP (1.2) est parabolique si
β 2 − 4αγ = 0 (1.7)
Les équations de flux de chaleur et de processus de diffusion sont considérées comme

exemple d’une équation parabolique. Par exemple, l’équation de transfert de chaleur
qui prend la forme suivante
∂x ∂2x
=a 2 (1.8)
∂t ∂z
En automatique, on s’intéresse à l’analyse et la commande des systèmes dynamiques

modélisés par des équations hyperboliques et paraboliques tandis que les équations ellip-
tiques modélisent des problèmes stationnaires [41].
Si β et γ sont nuls le type de l’équation (1.2) dépend de la valeur de α. Ainsi,
– Si α 6= 0 l’équation (1.2) est parabolique,

– Si α = 0 l’équation (1.2) est hyperbolique (c’est une équation de premier ordre, elle
dépend uniquement des dérivées premières de x).
Avec un changement de variable, toute équation d’ordre supérieur peut se ramener à

une équation de deuxième ordre. Ce changement de variable ne modifie pas le caractère
hyperbolique, parabolique et elliptique de l’équation [39].
Il existe également une relation étroite entre la classification et les types de conditions
initiales et les conditions aux limites qui doivent être imposées à une EDP pour obtenir
un problème mathématique bien posé [40].
Dans le cas des EDPs non linéaires, la classification précédente est plus difficile à
établir. Le type de l’équation peut dépendre non seulement d’un point dans l’espace mais
aussi de la solution elle-même. Pour cela, il est recommandé de linéariser l’équation autour
1.4 Description mathématique des systèmes à paramètres distribués 13
d’un profil d’équilibre et de définir le type comme étant celui de l’équation linéarisée, vu
que les surfaces caractéristiques de l’équation non linéaire sont définies de la même manière
que les surfaces caractéristiques de l’équation linéarisée [40]. Notons qu’une classification
des équations quasi-linéaires a été proposée par Renaldy [40].
1.4 Description mathématique des systèmes à paramètres
distribués
La modélisation d’un SPD conduit souvent à des EDPs qui peuvent être linéaires ou
non linéaires. Pour une description mathématique complète d’un SPD linéaire à deux
variables indépendantes, une variable d’espace (cas monodimensionnel) et une variable
temporelle, désignées respectivement par z et t, les données suivantes sont nécessaires [21] :
• une équation d’évolution à l’intérieur du domaine Ω × T :
∂x(z, t)
= Ax(z, t) + Bu(z, t), t ∈ T et z ∈ Ω (1.9)
∂t
• un domaine spatial Ω, borné, tel que Ω = [0, L], et de frontière ∂Ω = {0, L}.
• un domaine temporel T tel que T = [0, ∞[
• une équation de sortie sur Ω × T
y(z, t) = C(x(z, t)) (1.10)
• des conditions initiales à t = 0
M(x(z, t)) = 0 (1.11)
• des conditions sur la frontière ∂Ω appelées conditions aux limites.
L(x(z, t)) = 0 z ∈ ∂Ω (1.12)

La différence d’une description mathématique d’un SPD non linéaire avec celle d’un
SPD linéaire réside dans l’équation d’évolution qui peut s’écrire d’une manière générale
comme suit :
∂x(z, t)
= F (z, t, x(z, t), u(z, t)) (1.13)
∂t
avec F un opérateur non linéaire continue dans Ω
L’état x(z, t) , la sortie y(z, t) et la commande u(z, t) représentent des fonctions vec-
torielles de dimension (1 × n), (1 × m) et (1 × r) respectivement.
Les matrices A, B, C, L et M sont des matrices d’opérateurs différentiels spatiales

bornés ne comportant que des dérivées par rapport à la variable de l’espace z.
A, B et C sont appelés respectivement opérateur d’état, opérateur de commande et

opérateur de sortie. L’état x(z, t) appartient à un espace de Hilbert H qui sera défini dans
le prochain chapitre.
1.5 Conditions aux limites
Un système dynamique est généralement délimité physiquement dans l’espace. La des-

cription mathématique d’un SPD n’est donc pas complète sans des conditions aux limites,
une information supplémentaire sur la frontière ∂Ω de Ω, ou sur une partie de la fron-
tière ∂Ω est nécessaire [44]. Les conditions aux limites doivent être en nombre suffisant
dépendant de l’ordre des EDPs.
Il existe plusieurs types de conditions aux limites. Dans ce qui suit, on s’intéresse aux
conditions de Dirichlet, Neumann et Fourier [45]. Ces dernières seront illustrées dans le
cas de l’exemple de la barre métallique présentée à la Section 1.2.
1.5 Conditions aux limites 15
1.5.1 Condition de Dirichlet
La variable dépendante de l’EDP est connue aux frontières du système. Elle est définie
comme suit
x(z, t) = gz (t), z ∈ ∂Ω, et t ∈ T (1.14)
où gz est une fonction continue.

Si les extrémités de la barre, z = 0 et z = L, sont maintenues respectivement à des
températures données Tb0 (t) à TbL (t), on aura
Tb (0, t) = Tb0 (t) (1.15)
Tb (L, t) = TbL (t) (1.16)
1.5.2 Condition de Neumann
Le gradient de la variable dépendante est spécifié aux frontières comme suit,
∂x(z, t)
= gz (t), z ∈ ∂Ω, et t ∈ T (1.17)
∂z
Si la barre métallique est chauffée à ses extrémités, de l’énergie est ajoutée sous forme d’un
flux de chaleur, la température réelle ne serait pas connue. Des conditions aux frontières
de type Neumann seront données comme suit
∂Tb (z, t)
−a = Tb0 (t) (1.18)
∂z z=0
∂Tb (z, t)
a = TbL (t) (1.19)
∂z z=L
1.5.3 Condition de Fourier
C’est la combinaison linéaire de la condition de Dirichlet et la condition de Neumann,

elle est donnée comme suit
∂x(z, t)
c1 + c2 x(z, t) = gz (t) avec z ∈ ∂Ω (1.20)
∂z
c1 et c2 sont deux constantes.
Si la barre est plongée dans un milieu de température Tm (t), le gradient de température

aux limites sera proportionnel à la différence Tb − Tm .
∂Tb (z, t)
a = −kc (Tb0 (t) − Tm (t)) (1.21)
∂z z=0
∂Tb (z, t)
a = kc (TbL (t) − Tm (t)) (1.22)
∂z z=L
où kc est un coefficient de transfert thermique
Les conditions aux limites qu’on vient de présenter interviennent sur la totalité de la
frontière ∂Ω, mais des situations particulières peuvent être rencontrées où les conditions
aux limites sont mélangées sur la frontière, Dirichlet sur ∂ΩD , Neumann sur ∂ΩN et Fourier
sur ∂ΩF avec ∂ΩD , ∂ΩN et ∂ΩF forment une partition de la frontière [39].
Autrement, les conditions aux limites sont homogènes si la variable dépendante x

est nulle à chaque point de la frontière ∂Ω, sinon les conditions aux limites sont non
homogènes [42].
1.6 Types de commande et d’observation d’un système
à paramètres distribués
Dans la théorie des systèmes dynamiques, pour une description interne complète d’un
SPD, on doit spécifier le type d’entrée (commande) u et de sortie (observation) y.
1.6.1 Types de commande d’un système à paramètres distribués
La commande d’un SPD dépend de l’objectif de commande souhaité. En général, on

distingue [10, 17, 46] :
• Commande distribuée :
La commande u(z, t) est définie sur Ω × T (Figure 1.2) donnée par l’équation suivante :
u(z, t) = b(z)ud (t) (1.23)
où b(z) caractérise la structure géométrique du système d’actionneurs et ud (t) est le signal

d’entrée.
ud(t) ud(t) ud(t)
z=0 z=L
Figure 1.2: Commande distribuée.
• Commande ponctuelle
Dans ce cas, la commande agit sur un ou plusieurs points de Ω (Figure 1.3). Elle est
donnée par l’équation suivante :
m
X
u(z, t) = ud (t)δ(z − zi ) (1.24)
i=1
avec δ est le pic de Dirac concentré en zi . m est le nombre de points considérés qui repré-
sente la dimension de l’opérateur de commande.
u1(t) u2(t) ... ud(t)
z=0 z=L
Figure 1.3: Commande ponctuelle.
• Commande aux frontières

Cette commande, définie sur ∂Ω × T, est un cas particulier de la commande ponctuelle
(Figure 1.4). Elle est donnée par l’équation suivante :
u(0, t) = ud0 (t)δ(z) (1.25)
u(L, t) = udL (t)δ(z − L) (1.26)
u(t) u(t)
z=0 z = Lz = 0 z=L
Figure 1.4: Commande aux frontières
1.6.2 Types d’observation d’un système à paramètres distribués
Généralement, la sortie est considérée comme une fonction linéaire du vecteur d’état et
coïncide avec le vecteur d’observation. On distingue plusieurs types d’observations [45,46] :
• Observation distribuée
Le vecteur de sortie y(z, t) défini sur Ω × T est écrit sous la forme suivante (Figure 1.5) :
y(z, t) = c(z)x(z, t) (1.27)
où c(z) caractérise la structure géométrique de l’ensemble des capteurs, et x(z, t) repré-

sente le vecteur d’état du système.
z=0 z=L
y0 (t) yd(t) yL(t)
Figure 1.5: Observation distribuée.
• Observation aux frontières

L’observation est effectuée sur un ou plusieurs points zi de la frontière ∂Ω (Figure 1.6).
Elle est donnée par l’équation suivante :
Z
yi (t) = y(zi , t) = y(z, t)δ(z − zi )dz, zi ∈ Ω (1.28)
Ω
• Observation par moyennage spatial

C’est la moyenne d’un nombre fini d’observations (Figure 1.7). Elle est définie par l’inté-
grale suivante
Z
y(t) = c(z)x(z, t)dz (1.29)
Ω
Lorsque la commande ou bien la sortie est de nature distribuée, le modèle devient non
z=0 z =Lz =0 z=L
y0(t) yL(t)
Figure 1.6: Observation aux frontières
z=0 z=L
y0 (t) yd (t) yL (t)
y(m)
Figure 1.7: Observation par moyennage spatial.
réaliste du fait qu’il est impossible de mesurer un état donné en tout point du domaine
Ω. Pour cela, il est recommandé de prendre un nombre fini de points de sorte à avoir une
commande et une sortie ponctuelle ou à la frontière. Dans ce cas, la commande et la sortie
sont de dimension finies [21].
1.7 Système à paramètres distribués bilinéaire
Ces dernières années, un intérêt particulier a été porté à une classe particulière de
systèmes dynamiques non linéaires appelée système bilinéaire [47–51]. Les modèles de cette
classe sont caractérisés par le produit de l’état et de la variable de commande, c’est-à-dire
ils sont linéaires par rapport à l’état et linéaires par rapport à la commande lorsque ils sont
considérés indépendamment, mais pas conjointement linéaires par rapport aux deux [6].
Les systèmes bilinéaires sont considérés comme une classe intermédiaire entre les systèmes
1.7 Système à paramètres distribués bilinéaire 21
linéaires et les systèmes non linéaires [52]. Des techniques linéaires peuvent être étendues
aux systèmes bilinéaire grâce au type spécial de la non linéarités [6]. L’adoption d’un
modèle bilinéaire conserve un cadre bien structuré qui regroupe les concepts bien connus
tels que les constantes de temps et le comportement dynamique en régime permanent [51].
Dans le cas des systèmes bilinéaires, les variables de commande utilisées pour mainte-
nir une sortie à une consigne désirée ne sont pas des entrées aux frontières, mais elles sont
des paramètres du modèle. Pour cela, les systèmes bilinéaires sont aussi appelés système
à structure variable [6]. De nombreux processus industriels ont une structure intrinsèque-
ment bilinéaire lorsque la vitesse du fluide est choisie comme variable de commande pour
contrôler une sortie désirée [53] (par exemple la température dans un échangeur de cha-
leur [8] ou dans un collecteur d’énergie solaire [54], ou la température et la concentration
dans un réacteur chimique [55]).
En général, un SPD bilinéaire est décrit par l’équation d’évolution suivante [6] :
∂x(z, t)
= Ax(z, t) + Bu(z, t) + x(z, t)Su(z, t) (1.30)
∂t
où S est un opérateur différentiel spatial. Le troisième terme à droite de l’équation (1.30)

représente la bilinéarité.
Comme exemple d’un SPD bilinéaire, on peut citer le système de transport de pièces
sur un convoyeur (Figure 1.8). La distribution des pièces sur le convoyeur x(z, t) est décrite
par l’équation suivante [6]
∂x(z, t) ∂x(z, t)
= −v1 (t) + v2 (z, t) (1.31)
∂t ∂z
avec la condition à la limite z = 0
x(0, t) = 0 (1.32)
et la condition initiale
x(z, 0) = x0 (z) (1.33)
où x0 est le profil initial caractérisant la distribution des pièces.
v2(t, z)
v1(t)
z=L
z=0
z
Figure 1.8: Distribution des pièces sur un convoyeur.
v2 (z, t) peut être considérée comme une source d’alimentation en pièces du convoyeur
ou comme une perturbation sur le système. Lorsque la vitesse v1 (t), indépendante de
la variable de l’espace z, est considérée comme variable de commande pour contrôler le
nombre de pièces à z = L donné par l’équation suivante
y(t) = x(L, t) (1.34)
le système est un SPD bilinéaire.
1.8 Conclusion
Ce chapitre a été consacré à des généralités sur les SPDs. Cette classe de système est
largement rencontrée en pratique dans différents domaines. Les SPDs sont décrits par des
EDPs complétées par des conditions initiales et des conditions aux limites.
Les systèmes bilinéaires représentent une classe particulière de systèmes non linéaires
avec une structure non linéaire simple qui apparait sous forme d’un produit de l’état et
de la commande du système.
1.8 Conclusion 23
Le chapitre suivant sera consacré à l’analyse spectrale des opérateurs linéaires, avec
des outils de l’analyse fonctionnelle, utilisée pour l’étude de la stabilité des SDPs.
Chapitre 2
Analyse spectrale des opérateurs

linéaires
2.1 Introduction
Dans ce chapitre, nous nous intéressons à l’étude des évolutions des solutions d’un
SPD représentées par des semi-groupes. Notre outil principal pour étudier la nature des
solutions est la théorie spectrale des opérateurs. Cette théorie permet de tirer des conclu-
sions sur la stabilité des solutions et la nature de leurs régimes transitoires en examinant
le spectre de l’opérateur.
Nous commençons par une section introductive, dans laquelle nous expliquons les
notions théoriques de base de l’analyse fonctionnelle relative aux espaces de dimension
infinie, aux opérateurs linéaires et leurs propriétés essentielles. Puis, on présente la théorie
spectrale des opérateurs linéaires. L’objectif principal de ce chapitre est d’utiliser l’analyse
spectrale des opérateurs linéaires pour étudier la stabilité des systèmes de dimension
infinie.
26 Analyse spectrale des opérateurs linéaires
2.2 Espace de Hilbert
Les espaces de Hilbert apparaissent fréquemment en mathématiques et en physique,

essentiellement en tant qu’espaces fonctionnels de dimension infinie. L’intérêt des espaces
de Hilbert réside dans la notion d’orthogonalité basée sur l’existence d’un produit scalaire
[56].
Introduisons au premier lieu la définition d’un espace de Banach [57].
Définition 1 (Espace de Banach)

Un espace de Banach B est un espace vectoriel normé complet. Un espace vectoriel
complet est un espace dans lequel toute suite de Cauchy converge.
Une suite {en } d’éléments d’un espace vectoriel E normé est dite de Cauchy si :
lim ken − ep kE = 0 (2.1)

n→∞
p→∞
L’espace de Hilbert est un cas particulier d’un espace de Banach, il est défini comme suit
Définition 2 (Espace de Hilbert)

Un espace de Hilbert H est un espace de Banach qui est muni d’un produit scalaire
< ., . >H et de la norme induite par ce produit scalaire donnée comme suit
√
k e kH = < e, e >H (2.2)
L’espace L2 (Ω), l’espace des fonctions carrées intégrables sur Ω, représente l’un des
principaux espaces de Hilbert qui est muni de la norme k . kL2(Ω) et du produit scalaire
< , >L2 (Ω) défini comme suit
Z
< e1 , e2 >L2 (Ω) = e1 e2 dΩ (2.3)
Ω
(2.4)
p
k e1 kL2 (Ω) = < e1 , e1 >L2 (Ω)
2.2 Espace de Hilbert 27
La notion du produit scalaire permet de définir :

• la propriété d’orthogonalité : deux vecteurs e1 , e2 ∈ H sont orthogonaux (e1 ⊥ e2 )
si < e1 , e2 >= 0.
• le sous-espace orthogonal E ⊥ d’un espace de Hilbert E :
E ⊥ = {e1 ∈ H, < e1 , e2 >= 0 ∀e2 ∈ E} (2.5)
• la base orthonormée d’un espace de Hilbert H séparable est définie comme l’ensemble
des vecteurs mutuellement orthogonaux et de norme unité soit :

 1 si n = p
< θn , θp >= (2.6)
 0 si n 6= p
La décomposition en série de Fourier des éléments de H sur la base {θn , n > 1} de H

est donnée par :
∞
X
∀ e ∈ H, e = < e, θn > θn (2.7)
n=1
où < e, θn > sont les coefficients de Fourier de e sur la base {θn }. Dans ce cas, le produit
scalaire et la norme sont données comme suit :
∞
X
< e1 , e2 >= < e1 , θn > < e2 , θn > (2.8)
n=1
∞
!1
X
2
2
k e1 kH = |< e1 , θn >| (2.9)
n=1
La décomposition en série de Fourier justifie l’approximation en dimension finie. En

effet si {θn , n > 1} est une base orthonormée de H, la projection orthogonale N
P
n=1 <
e, θn > θn de e sur un sous-espace vectoriel dont la dimension finie N est engendré par
les fonctions propres {θn , 1 6 n 6 N} représente la meilleure estimation d’ordre N
de e. Par conséquent, l’augmentation de l’ordre N permet d’améliorer davantage cette

approximation.
2.3 Opérateurs sur des espaces de dimension infinie
Dans cette section, on présente les principaux résultats de la théorie des opérateurs
linéaires [58].
2.3.1 Opérateur linéaire
Définition 3 (Opérateur linéaire)

Soient E1 et E2 deux espaces vectoriels réels. Un opérateur linéaire P de E1 dans E2
est une application de D(P ) ⊂ E1 −→ E2 telle que :
P (e1 + e2 ) = P (e1 ) + P (e2 ) (2.10)
P (κe1 ) = κP (e1 ), ∀ e1 , e2 ∈ D(P ), ∀κ ∈ R (2.11)
D(P ) représente le domaine de définition de P .
L’image Im(P ) = P (D(P )) de D(P ) par P est un sous-espace de E2 . Le graphe de

l’opérateur P est le sous-graphe G(P ) = {(e, P e), e ∈ D(P )} de E1 × E2 .
Définition 4 (Opérateur inverse)

L’opérateur P est inversible s’il existe une bijection entre son domaine de définition
D(P ) et son image P (D(P )). L’inverse P −1 est un opérateur de D(P −1 ) = P (D(P )) ⊂
E2 dans E1 , tel que
P −1P e1 = e1 , ∀ e1 ∈ D(P ) (2.12)
P P −1e2 = e2 , ∀ e2 ∈ P (D(P )) (2.13)
Théorème 1
L’inverse d’un opérateur linéaire est un opérateur linéaire.
2.3 Opérateurs sur des espaces de dimension infinie 29
2.3.2 Opérateur borné
Dans cette partie, on présente quelques notions sur les opérateurs bornés.
Définition 5 (Opérateur borné)

Un opérateur linéaire P de D(P ) ⊂ E1 −→ E2 est dit borné s’il existe une constante
C ∈ R tel que
k P e kE 2 6 C k e kE 1 , ∀ e ∈ D(P ) (2.14)
et sa norme k P k est définie comme suit :
k P e kE 2
k P k= sup = sup k P e kE2 (2.15)
e∈D(P ) k e kE1 e∈D(P ) ,
e6=0 kekE =1
1
Pour les opérateurs bornés, nous avons les propriétés suivantes :
1. Lorsque le domaine D(P ) est borné, l’image P (D(P )) est un sous ensemble borné
de E2 .
2. Un opérateur borné vérifie
k P e kE2 6k P kk e kE1 (2.16)
2.3.3 Opérateur fermé
Dans ce qui suit, on présente les définitions d’un opérateur fermé et du graphe fermé.
Définition 6 (Opérateur fermé)

Un opérateur linéaire P de E1 −→ E2 est fermé si son graphe G(P ) = {(e, P e), e ∈
D(P )} est un sous-espace fermé de E1 × E2 , c’est-à-dire si :
lim en = e1
n→∞
(2.17)
lim P en = e2 , ∀en ∈ D(P ), n ∈ N
n→∞
alors,
e1 ∈ D(P ), et P e1 = e2 (2.18)
Théorème 2 (graphe fermé)
Si P est un opérateur fermé de E1 dans E2 défini sur tout E1 , c’est-à-dire D(P ) = E1 ,

alors P est un opérateur borné.
Ainsi, un bon choix pour le domaine de définition P (D) de l’opérateur P permet d’avoir
un opérateur fermé.
2.3.4 Opérateur compact
Définition 7 (Opérateur compact)
Un opérateur borné P de B(E1 , E2 ) est compact si l’image de P de tout sous-ensemble

borné de E1 est un sous ensemble relativement compact de E2 . Un sous ensemble rela-
tivement compact est un sous ensemble E2 de E1 inclus dans une partie compacte de
E1 .
2.3.5 Opérateur adjoint
Théorème 3 (Représentation de Riesz)
Tout vecteur e dans un espace de Hilbert H induit une forme linéaire bornée h définie
par h(e2 ) =< e2 , e1 >H . Réciproquement, pour toute forme linéaire bornée h sur H, il
existe un vecteur e1 ∈ H unique tel que :
h(e2 ) =< e2 , e1 >H , ∀e2 ∈ H et k h k=k e1 k (2.19)
Définition 8 (Opérateur auto-adjoint d’un opérateur borné)
Pour tout opérateur borné P , le théorème 3 assure l’existence d’un opérateur unique
2.4 Théorie spectrale 31
P ∗ dit opérateur adjoint de P et défini par :
< P e1 , e2 >H2 =< e1 , P ∗e2 >H1 ∀e1 ∈ H1 , ∀e2 ∈ H2 (2.20)
avec H1 et H2 sont deux sous espaces de Hilbert.
L’opérateur P est auto-adjoint s’il est symétrique et si
D(P ∗) = D(P ) (2.21)
P est symétrique si
< P e1 , e2 >=< e1 , P e2 > ∀ e1 , e2 ∈ D(P ) (2.22)
2.4 Théorie spectrale
La théorie spectrale d’un opérateur linéaire P s’intéresse à l’analyse des valeurs propres
λ de l’opérateur λI −P pour lesquelles ce dernier est inversible dans B. Lorsque le système
est de dimension finie, il est bien connu que cela dépend de λ si elle est valeur propre de
P . La notion des valeurs propres sera généralisée dans le cas des systèmes de dimension
infinie. Les définitions et les résultats principaux sont présentés dans le cas des opérateurs
fermés et opérateurs compacts.
2.4.1 Théorie spectrale des opérateurs fermés
Dans cette section, on s’intéresse à l’opérateur linéaire fermé suivant
P : D(P ) ⊂ B → B (2.23)
D(P ) est le domaine de définition de l’opérateur P ∈ B.
Les définitions suivantes permettent d’introduire les notions de base de l’analyse spec-
trale des opérateurs linéaires [59, 60]
Définition 9 (Opérateur résolvant)

On appelle opérateur résolvant (ou résolvante ) de P l’opérateur (λI − P )−1 si λI − P
est inversible et d’inverse borné sur un domaine dense de B. Cet opérateur est fermé et
borné de domaine fermé et dense.
Définition 10 (Ensemble résolvant)

L’ensemble résolvant de P noté ρ(P ) est l’ensemble des valeurs de λ ∈ C telles que
(λI − P )−1 est inversible et borné.
L’opérateur résolvant possède la propriété suivante :
(λI − P )−1 − (µI − P )−1 = (λ − µ)(λI − P )−1 (µI − P )−1 ∀ λ, µ ∈ ρ(P ) (2.24)
Par conséquent
−1
(λI − P )−1 = I − (λ − µ)(µI − P )−1 (µI − P )−1

(2.25)
et on peut démontré que :
∞
X
(λI − P )−1 = (λ − µ)n (µI − P )−n−1, ∀λ, µ ∈ ρ(P ) (2.26)
n=0
Cette série est uniformément convergente si :
k (λ − µ)(µI − P )−1 k−1 < 1 (2.27)
Le spectre d’un opérateur linéaire dans un espace de dimension finie a une structure
simple, mais pour un opérateur général dans un espace de dimension infinie, le spectre
peut être différent et plus complexe [56]. En dimension finie, le spectre d’un opérateur est
constitué d’un nombre fini de valeurs propres. Par contre, en dimension infinie, le spectre
peut être vide, infini, ou même couvrir tout le plan complexe.
Définition 11 (Spectre)
2.4 Théorie spectrale 33
Le complément de l’ensemble résolvant de l’opérateur P définie comme suit
σ(P ) = C \ ρ(P ) (2.28)
est appelé le spectre de l’opérateur P .
Le spectre de l’opérateur P peut être décomposé en trois parties [20, 59], σp (P ),σc (P )
et σr (P ), c’est-à-dire :
σ(P ) = σp (P ) ∪ σc (P ) ∪ σr (P ) (2.29)
Les trois spectre sont définis comme suit
1. Spectre ponctuel σp (P ) défini comme suit :
σp (T ) = {λ ∈ C, (λI − P ) n0 est pas injectif } . (2.30)
2. Spectre continu σc (P ) défini comme suit :
n o
σc (P ) = λ ∈ C, (λI − P ) est injectif, Im(λI − P ) = B, Im(λI − P ) 6= B
(2.31)
avec P est le conjugué de l’opérateur P .
3. Le spectre résiduel σr (P ) défini comme suit :
σr (P ) = {λ ∈ C, λI − P est injectif et Im(λI − P ) n0 est pas dense dans B}

(2.32)
Dans le cas des systèmes de dimension finie, le spectre continu σc (P ) et le spectre

résiduel σr (P ) sont toujours vides, mais ce n’est pas le cas si le système est de
dimension infinie [20].
2.4.2 Cas des opérateurs compacts
Pour un opérateur, en dimension infinie, les propriétés spectrales sont plus complexes.
Néanmoins, pour un opérateur compact le spectre à une structure simple proche de celle
d’un opérateur de dimension finie. Pour un opérateur compact, la décomposition spectrale
est possible.
Pour un opérateur compact, les théorèmes suivants sont définis [20, 56, 59].
Théorème 4 (Propriétés spectrales)

Si P est un opérateur compact défini sur un espace de Banach B :
• λ 6= 0 est soit dans le spectre ponctuel σp (P ), soit dans l’ensemble résolvant ρ(P ),
• σp (P ) est dénombrable et sans point d’accumulation non nul,
• l’ordre de toutes les valeurs propres non nulles est fini, donc leur multiplicité aussi.
L’opérateur à résolvante compacte fréquent dans la modélisation des systèmes dyna-

miques, possède un spectre analogue à celui de l’opérateur en dimension finie.
Théorème 5 (Opérateur à résolvante compacte)

Soit P un opérateur fermé, tel que sa résolvante (λI − P )−1 existe et soit compacte
pour un certain λ. Alors, le spectre de P est discret, c’est-à-dire constitué uniquement de
valeurs propres isolées de multiplicité finie. De plus, la résolvante (λI −P )−1 est compacte
pour tout λ ∈ ρ(P ).
Un opérateur normal compact sur un espace de Hilbert H possède une propriété intéres-
sante illustrée dans le théorème suivant [20].
Théorème 6 (Opérateur normal compact)

Si P ∈ B(H) est un opérateur normal compact sur un espace de Hilbert H, alors il
existe une base orthonormée de vecteurs propres (θi , i > 1), correspondant aux valeurs
propres {λi , i > 1}, telle que
∞
X
Pe = λi < e, θi > θi . ∀e ∈ H. (2.33)
i=1
2.5 Valeurs propres et fonctions propres en dimension infinie 35
Cela signifie que tout opérateur normal compact sur un Hilbert induit une base orthonor-
mée sur cet espace.
2.5 Valeurs propres et fonctions propres en dimension
infinie
Dans cette section, on s’intéresse au calcul des valeurs propres et fonctions propres basé
sur la méthode de séparation des variables. La méthode de séparation des variables permet
d’approximer le système par un ensemble d’EDOs, cela en supposant que la solution peut
s’écrire comme un produit de deux fonctions dont chaque fonction dépend d’une seule
variable indépendante [11]. Considérons le SPD linéaire défini sur un domaine spatial Ω
et un domaine temporel T, par l’équation d’état suivante
∂x(z, t)
= Ax(z, t) + Bu(t), t ∈ T et z ∈ Ω (2.34)
∂t
les conditions aux limites
L(x(z, t)) = 0 z ∈ ∂Ω (2.35)
et la condition initiale
x(z, 0) = x0 (z) (2.36)
où x ∈ L2 (Ω)
La solution du système (2.34) - (2.36) peut être obtenue s’il est possible de déterminer
analytiquement les valeurs propres et les fonctions propres de l’opérateur A. Le problème
aux valeurs propres associé au système (2.34)- (2.36) consiste à résoudre l’équation diffé-
rentielle ordinaire suivante [10]
Aφ(z) = λT φ(z)
(2.37)
Lφ(z 0 ) = 0 z 0 ∈ ∂Ω
S’il existe une solution non nulle du système (2.37), alors λ et φ(z) représentent, respec-
tivement, les vecteurs des valeurs propres et des fonctions propres du système (2.34) -
(2.36).
La solution du système (2.34)- (2.36) peut s’écrire sous la forme séparable suivante :
∞
X
x(z, t) = ψn (t)φn (z) (2.38)
n=1
Lorsque A est un opérateur auto-adjoint à résolvante compacte et admet le spectre discret

suivant
σ(A) = {λ1 , λ2 , λ3 , ...} (2.39)
avec : λ1 > λ2 > λ3 , ... et λn → −∞ quand n → ∞.
Si λn est de multiplicité νn et (φnj ) désigne la base de fonctions propres associées, alors

∀ x ∈ L2 (Ω) :
X νn
X
λn t
T (t)x = e < x, φnj > φnj (2.40)
n j=1
avec T (t) est le semi-groupe généré par l’opérateur A.
2.5.1 Exemple d’application
Comme exemple d’application, on considère l’équation de chaleur définie par :
∂x(z, t) ∂ 2 x(z, t)
=a t ∈ [0, ∞[ et z ∈ [0, 1] (2.41)
∂t ∂z 2
la condition initiale est donnée comme suit
x(z, 0) = x0 (z) (2.42)
et les conditions aux limites de type Neumann sont
∂x(0, t)
=0 (2.43)
∂z
∂x(1, t)
=0 (2.44)
∂z
En utilisant l’approximation de la solution donnée par l’équation (2.38), le système (2.41)

avec les conditions aux limites (2.43)- (2.44) s’écrivent :
dψn (t) d2 φn (z)

φn (z) = a ψn (t) (2.45)
dt dz 2
dφn (0)
=0 (2.46)
dz
dφn (1)
=0 (2.47)
dz
En divisant l’équation (2.45) par ψn (t)φn (z), on aura
1 dψn (t) a d2 φn (z)

= (2.48)
ψn (t) dt φn (z) dz 2
Cette équation peut être séparée comme suit :
a d2 φn (z)
= λn (2.49)
φn (z) dz 2
1 dψn (t)
= λn (2.50)
ψn (t) dt
c’est-à-dire,
d2 φn (z) λn
2
= φn (z) (2.51)
dz a
dψn (t)
= λn ψn (t) (2.52)
dt
Cherchons la solution non nulle de l’équation (2.51) avec les conditions aux limites (2.46)-
(2.47).
La solution dépend du signe de λn pour cela on distingue trois cas :
• Si λn > 0 la solution prend la forme suivante :
√ λn √
z − λan z
φn (z) = q1 e a + q2 e (2.53)
En tenant compte de la conditions aux limites, on aura :

r
dφn (0) λn
= (q1 − q2 ) = 0 (2.54)
dz a
ce qui implique que
q1 = q2 (2.55)
à z = 1 on a
λn √ λ n √ λn
r
dφn (1)
= q1 (e a − e− a ) = 0 (2.56)
dz a
ce qui implique que
q1 = q2 = 0 (2.57)
Dans ce cas, on ne possède pas de solution non nulle, ce cas est donc exclu.
• Si λn = 0 la solution est de la forme :
φn (z) = q1 z + q2 (2.58)
Prenons en considération les conditions aux limites, on aura
q1 = 0 (2.59)
par contre q1 ∈ R. La solution n’évolue pas donc ce cas est à éliminer.
• Si λn < 0 la solution est de la forme suivante

r r
−λn −λn
φn (z) = q1 sin( z) + q2 cos( z) (2.60)
a a
Prenons en considération la conditions à limite z = 0, on aura

r
dφn (0) −λn
= q1 cos(0) = 0 (2.61)
dz a
alors
q1 = 0 (2.62)
à z = 1 on aura
r r
dφn (1) −λn −λn
= −q2 sin =0 (2.63)
dz a a
q
−λn
soit q2 = 0 ou bien a
= nπ avec n ∈ N.
Dans ce cas le système (2.41) possède des solutions non nulles données comme suit
φn (z) = q2 cos(nπz) (2.64)
où les valeurs propres du système sont :
λn = −an2 π 2 (2.65)
L’équation (2.51), avec les conditions aux limites(2.46)-(2.47), est une équation diffé-
rentielle homogène auto-adjointe, par conséquent les fonctions propres sont orthogonales,
c’est-à-dire, elles vérifient la condition suivante
Z 1
φn (z)φp (z)dz = 0, pour n 6= p (2.66)
0
La constante q2 dans l’équation (2.64) est choisie pour que les fonctions propres soient
orthonormées, c’est-à-dire :
Z 1
φn (z)2 dz = 1 (2.67)
0
En substituant l’équation (2.64) dans l’équation (2.67), on aura
Z 1 −1
2
q22 = (cos nπz) dz (2.68)
0
comme
(1 + cos(2x))
cos2 (x) = (2.69)
2
En tenant compte de l’équation (2.69), l’équation (2.68) devient
−1
R 1 (1 + cos(2nπz))
q22 = 0
dz
2 −1
R1 1 1 R1
= 0
dz + cos(2nπz))dz
2 2 0 −1 (2.70)
1 1 1 1
= [x] + [sin(2nπz)]0
2 0 4nπ
−1
= 21
ce qui donne
√
q2 = 2 (2.71)
alors les fonctions propres sont
√
φn (z) = 2 cos(nπz) (2.72)
Ainsi, en remplaçant les valeurs propres et les fonctions propres par leurs expressions dans
2.6 Lien avec la stabilité exponentielle 41
l’équation (2.40), on aura
∞
X Z 1
−an2 π 2 t
T (t)x = 2 e cos(nπz) cos(nπx)x(ξ)dξ (2.73)
n=1 0
2.6 Lien avec la stabilité exponentielle
L’analyse de la stabilité des SPDs est une étape essentielle comme dans le cas des
SPLs. Pour les SPDs à spectre discret σ = (λ1 , ..., λn , ...) avec λn → −∞, nous pouvons
décomposer le système en une partie stable correspondant à [21] :
{λn |<e(λn ) < 0} (2.74)
et une partie instable correspondant à :
{λn |<e(λn ) > 0} (2.75)
L’opérateur A dans le système (2.34) engendre un semi-groupe fortement continu T (t)

et B ∈ `(R, H). La solution du système (2.34) est donnée comme suit :
Z t
x(t) = T (t)x0 + T (t − ξ)B(ξ)dξ (2.76)
0
L’étude de la stabilité du système (2.34) consiste a étudié le comportement asymptotique

de cette solution (semi-groupe).
Comme dans le cas des systèmes de dimension finie, la propriété suivante permet de
définir la caractérisation de la stabilité exponentielle.
2.6.0.1 Propriété : Caractérisation de la stabilité exponentielle
Soit σ(A) = {λ1 , ..., λn , ...} le spectre de A, et T (t) le semi-groupe engendré par A.
• s’il existe ω > 0 tel que :
<e(λn ) < −ω, ∀n > 1 (2.77)
alors T (t) est exponentiellement stable.
• si pour un certain i0
<e(λi0 ) > 0 (2.78)
alors T (t) n’est pas exponentiellement stable.
En d’autres termes, toutes les valeurs propres du spectre de l’opérateur A doivent être
à parties réelles négatives pour que le système (2.34) soit stable.
2.7 Décomposition spectrale d’un opérateur linéaire
La théorie spectrale est un outil puissant pour la compréhension des opérateurs li-
néaires en décomposant l’espace d’état en sous-espaces invariants sur lesquels les modes
de l’opérateur présentent un comportement similaire [61]. Cette décomposition peut se
faire selon la dynamique des modes (rapide ou lente) et leur stabilité.
Supposant qu’il existe un certain ς > 0 tel que le spectre de A peut se décomposer
en un spectre σ1 , qui comporte les valeurs propres stables de l’opérateur A, et un spectre
σ2 , qui comporte les valeurs propres instables, telles qu’une courbe Γ, fermée, puisse
être tracée comme illustré par la Figure 2.1. Le spectre de A s’écrit alors sous la forme
suivante [20, 21]
σ(A) = σ1 (A) ∪ σ2 (A) (2.79)

2.7 Décomposition spectrale d’un opérateur linéaire 43
où
σ1 (A) = { λ ∈ σ(A) | <e(λ) > −ς } (2.80)
σ2 (A) = { λ ∈ σ(A) | <e(λ) < −ς } (2.81)
=m Γ
−ς
0
<e
Figure 2.1: Décomposition spectrale des valeurs propres d’un opérateur linéaire.
Si σ1 (A) est borné et peut être contenu à l’intérieur d’un arc simple Γ continu fermé,
nous avons [62]
1. L’espace H peut être décomposé sous la forme :
H = H1 ⊕ H2 (2.82)
où ⊕ est la somme directe entre les sous ensembles H1 et H2
et H1 = K(H) et H2 = (I − K)(H)
avec K l’opérateur de projection défini par
1
Z
K= (λI − A)−1 dλ (2.83)
2iπ Γ
et K ∈ `(H), avec ` est l’espace des applications linéaires continues de H dans H.
2. Si A1 est la restriction de A à H1 ( A|H1 ) et A2 est la restriction de A à H2 (A|H2 )

alors :
σ(A1) = σ1 (A) et σ(A2) = σ2 (A) (2.84)
3. A est borné sur H1 .
4. K et (I − K) commutent avec A et T (t)
Cette décomposition spectrale permet d’obtenir deux sous systèmes à partir du système
(2.34) définis comme suit :
∂x1 (z, t)
= A1 x1 (z, t) + KBu(t)
∂t (2.85)
x1 (z, 0) = x10
∂x2 (z, t)
= A2 x2 (z, t) + (I − K)Bu(t)
∂t (2.86)
x2 (z, 0) = x20
correspondant respectivement aux parties instables et stables du système (2.34). Pour

étudier la stabilité du système (2.34), on s’intéresse uniquement au sous-système corres-
pondant à la partie instable
Si T1 (t) est le semi-groupe engendré par A1 et comme A1 est borné sur H1 , nous
avons :
T1 (t) = eA1 t (2.87)
la solution est
Z t
x1 (t) = eA1 t x10 + et−ξ KBu(ξ)dξ (2.88)
0
le semi-groupe engendré par A2 est le suivant
T2 (t) = eA2 t (2.89)

2.8 Cas d’un Système à paramètres distribués hyperbolique couplé 45
et la solution est
Z t
x2 (t) = eA2 t x20 + et−ξ (I − K)Bu(ξ)Bdξ (2.90)
0
Remarque 7 La décomposition spectrale peut se faire selon la dynamique des valeurs

propres en modes rapides et modes lents. L’objectif est d’approximer le système de dimen-
sion infinie décrit par des EDPs par un système de dimension finie décrit par des EDOs
en négligeant la dynamique des modes rapides. Cette approximation peut être adoptée dans
le cas des EDPs paraboliques, à valeurs propres stables, pour lesquelles la séparation des
modes est possible [5, 18].
2.8 Cas d’un Système à paramètres distribués hyper-
bolique couplé
Considérons le système décrit par deux EDPs hyperboliques linéaires couplées sui-
vantes :
∂x1 (z, t) ∂x1 (z, t)

= −u1 + α1 (x2 (z, t) − x1 (z, t)) (2.91)
∂t ∂z
∂x2 (z, t) ∂x2 (z, t)
= −u2 + α2 (x1 (z, t) − x2 (z, t)) (2.92)
∂t ∂z
avec les conditions aux limites suivantes
x1 (0, t) = x10 (2.93)
x2 (0, t) = x20 (2.94)
et les conditions initiales
x1 (z, 0) = x01 (z) (2.95)
x2 (z, 0) = x02 (z) (2.96)

avec u1 , u2 , α1 et α2 sont des constantes positives.
Le modèle (2.91)-(2.96) peut s’écrire sous la forme abstraite suivante
∂x(z, t)
= H x(z, t) (2.97)
∂t
Avec
 
x1 (z, t)
x(z, t) =  (2.98)
 

x2 (z, t)
où x(z, t) est le vecteur des variables d’état. L’opérateur H est défini comme suit
∂
H=A +B (2.99)
∂z
où
 
−u1 0
A=  (2.100)
0 −u2
et
 
−α1 α1
B=  (2.101)
α2 −α2
En tenant compte des condition aux limites, les valeurs propre de l’opérateur H sont
complexe et égales à [5, 63] :
λk = −∞ + i k π (2.102)
avec k ∈ Z (Z étant l’ensemble des entiers) et i est l’unité imaginaire.
Ce résultat a été vérifié, par simulation numérique, en considérant un schéma de diffé-

rence finie pour discrétiser les EDPs, en considérons un pas de discrétisation très proche
de zero.
2.9 Conclusion 47
2.9 Conclusion
L’analyse spectrale des opérateurs linéaires bornés représente une théorie fondamentale
pour l’étude des EDPs linéaires. Grâce à cette théorie, certains concepts en dimension finie
peuvent être étendus en dimension infinie. La théorie spectrale des opérateurs est basée
sur le calcul des valeurs propres et des fonctions propres de l’opérateur différentiel spatial
en envisageant une approximation des EDPs par un ensemble d’EDOs. Cette méthode
permet de séparer les pôles rapides et lents de l’opérateur par conséquent de réduire
le modèle EDP à un ensembles d’EDOs. Cet ensemble représente l’approximation en
dimension finie du SPD dont l’ordre dépend du nombre des pôles lents considérés dans la
séparation spectrale. Pour que les modes d’un spectre soient exponentiellement stables,
les valeurs propres de l’opérateur doivent être à parties réelles négatives. Cette propriété
permet de tirer des conclusions sur la stabilité des systèmes dynamiques basée sur la
notion de semi-groupe.
Les différentes approches utilisées pour la commande et la stabilité des SPDs feront
l’objet du prochaine chapitre.
Chapitre 3
Commande et analyse de stabilité des

systèmes à paramètres distribués
3.1 Introduction
La commande d’un système consiste à déterminer une loi de commande garantissant la

réalisation des objectifs pour lesquels le système est conçu. L’analyse et la commande d’un
SPD décrit par des EDPs aboutissent souvent à des problèmes difficiles à résoudre. Cette
difficulté est liée au fait qu’il n’existe pas de théorie générale pour l’étude des EDPs et
que leurs propriétés diffèrent d’une classe à une autre (hyperbolique et parabolique) [10].
L’approximation des EDPs par des EDOs est la solution la plus adoptée dont l’ob-
jectif est de pouvoir utiliser la théorie des SPLs. Une autre solution consiste à utiliser
directement les EDPs et nécessite des connaissances mathématiques poussées de l’analyse
fonctionnelle [21].
La théorie des semi-groupes constitue un outil majeur dans l’étude des SPDs. Elle per-
met de représenter plusieurs classes de systèmes sous forme d’une représentation d’état
abstraite (représentation d’état dans les SPDs) ce qui permet de généraliser la matrice
de transition aux SPDs. Cette représentation permet de conclure sur les propriétés fon-
damentales du système à savoir la stabilité, la commandabilité et l’observabilité.
L’objectif du chapitre est de présenter les différentes approches considérées dans la

50 Commande et analyse de stabilité des systèmes à paramètres distribués
commande des SPDs, et les différentes méthodes utilisées pour analyser la stabilité d’un
système de dimension infinie telles que la théorie de Lyapunov et la théorie des semi-
groupes.
Le chapitre commence par une présentation des approches utilisées dans la commande
des SPDs en citant les avantages et les inconvénients de chaque approche. Par la suite,
on s’intéresse à la stabilité des SPDs au sens de Lyapunov illustrée par un exemple d’ap-
plication. La fin du chapitre est consacrée à l’analyse de la stabilité en utilisant la théorie
des semi-groupes illustrée dans le cas de l’équation de chaleur.
3.2 Commande des systèmes à paramètres distribués
La commande des systèmes est engagée avec de nombreux objectifs différents tels que
l’orientation du processus vers un état désiré, en minimisant les effets de diverses per-
turbations et bruits tendant à le déplacer dans une direction indésirable, et stabiliser les
systèmes qui sont intrinsèquement instables ou améliorer la stabilité des systèmes présen-
tant de faibles caractéristiques de stabilité [64]. Ces objectifs sont plus difficiles à atteindre
lorsqu’il s’agit des SPDs vu la nature distribuée de ces variables caractéristiques. Pour cela,
l’étude généralement se limite au cas unidimensionnel en négligeant les phénomènes de
transports et de propagations dans les autres directions. De plus, la commande des SPDs,
avec les nouvelles technologies, exige des performances plus élevées (une réponse rapide
avec une grande précision) en tenant compte de la nature distribuée du système [65].
L’examen des différents travaux effectués pour la commande des SPDs (linéaires/non
linéaires) permet de distinguer deux approches de commande : l’approche de pré-approximation
et l’approche de post-approximation [11].
3.2.1 Approche de pré-approximation
La difficulté du traitement des EDPs qui décrivent le comportement dynamique des

SPDs a incité l’ensemble des chercheurs à simplifier le problème de commande d’un SPD en
l’approximant par un problème de commande d’un SPL [11,13]. L’obtention d’un système
3.2 Commande des systèmes à paramètres distribués 51
de dimension finie permet de développer des stratégies de commande en se servant de la

théorie, très développée, des SPLs [5]. La capacité du SPL à traduire convenablement le
comportement dynamique du SPD dépend de la dimension du vecteur d’état considéré et
de la technique d’approximation utilisée [4].
L’approximation est généralement basée sur la discrétisation spatiale directe des EDPs,
appelée méthode d’approximation d’équation, en utilisant des méthodes d’approximation
numériques telles que la méthode des différences finies, la méthode des éléments finis et la
méthode des volumes finis [9, 15, 16, 66–69]. Ainsi, un SPL décrit par des EDOs (linéaires
non linéaires) est obtenu.
L’approximation de la solution d’une EDP est aussi utilisée pour approcher le SPD
par un SPL [10,11,17]. Cette approximation est basée sur des méthodes analytiques telles
que la méthode des caractéristiques [29, 70], la méthode de Galerkin [18, 26], la méthode
de collocation par points [71, 72] et la méthode des fonctions propres [73].
L’utilisation de l’approche de pré-approximation pour la conception d’une stratégie

de commande conduit souvent à un modèle différentiel de dimension élevé. Pour cela,
l’étape de la réduction est inévitable avant l’implémentation du correcteur [29] soit pour
réduire le nombre des EDOs puis concevoir le correcteur [74] ou bien pour réduire l’ordre
du correcteur conçu à partir des EDOs de dimension élevées [75].
Le choix de l’approche de commande peut dépendre du type des EDPs (hyperboliques,

paraboliques) en fonction des propriétés spectrales de l’opérateur différentiel spatial [5].
Le spectre d’un opérateur différentiel spatial d’une EDP parabolique peut être divisé
en une partie finie de modes d’une dynamique lente (modes dominants) et une autre
partie infinie complémentaire d’une dynamique rapide [18]. Ainsi, la dynamique de ce
type de systèmes peut être déterminée par un nombre fini de modes, modes dominants,
ce qui permets d’utiliser l’approche de pré-approximation [4]. En revanche, dans le cas
des EDPs hyperboliques, le spectre de l’opérateur différentiel spatial est difficile à séparer
car ces modes ont la même quantité d’énergie [76]. Par conséquent un nombre infini de
modes est exigé pour décrire convenablement le comportent dynamique du SPD. Pour
cela, l’approche de pré-approximation est déconseillée dans le cas de la commande des
SPDs décrits par des EDPs hyperboliques [5].

La commande des SPDs (linéaires/non linéaires) en suivant l’approche de pré-approximation
a atteint un niveau très avancé. Beaucoup de travaux ont été développés en utilisant diffé-
rentes techniques de commande. Parmi ces commande, on peut citer la commande prédic-
tive [18, 77–80], la commande optimale [81–83], la commande par mode glissant [28, 29],
la commande robuste [9] et la commande floue [84, 85].
L’approche de pré-approximation est illustrée par la Figure 3.1.
Système à paramètres distribués
Approximation d0équation Approximation de solution
M odèle dif f érentiel
Conception du correcteur Réduction du modèle
Réduction du correcteur Conception du correcteur
2
.
Implémentation du correcteur
Figure 3.1: Approche de pré-approximation.
Cette approche présente certains inconvénients comme [5, 7, 11] :

3.2 Commande des systèmes à paramètres distribués 53
• L’approximation de la solution d’une EDP nécessite des calculs préalables souvent

compliqués et de grande dimension ,
• Négliger la nature distribuée du système peut conduire à des conclusions erronées
sur la stabilité du système en boucle ouverte ou en boucle fermée.
• Le nombre de points de discrétisation doit être important pour que le SPL tra-
duise convenablement le comportement dynamique du SPD. Ce qui conduit souvent à un
correcteur de dimension élevée difficile à implémenter,
• Les propriétés fondamentales telles que la commandabilité et l’observabilité du SPL
sont souvent influencées par l’emplacement des capteurs et des actionneurs qui peuvent
dépendre de la méthode de discrétisation et du nombre de points de discrétisation consi-
déré,
• Dans le cas où la nature distribuée du système est très forte en raison des phénomènes
de convection et de diffusion, une telle approche réduit les performances du correcteur.
3.2.2 Approche de post-approximation
Pour surmonter les inconvénients de l’approche de pré-approximation, cités précé-

demment, des efforts considérables ont été consacrés au développement d’une nouvelle
approche de commande, appelée approche de post-approximation, permettant de tenir
compte de la nature distribuée du SPD. Dans cette approche, illustrée par la Figure 3.2,
le correcteur est conçu directement en utilisant les EDPs sans aucune approximation préa-
lable, le modèle EDPs est alors préservé le plus longtemps possible [11]. L’approximation
se fait seulement lors de l’implémentation pratique du correcteur [5]. Cela permet davan-
tage d’améliorer les performances du correcteur en boucle fermée. De plus, les propriétés
fondamentales de commande (commandabilité, observabilité, stabilité) sont préservées.
La commande et l’analyse des propriétés fondamentales du système corrigé, lorsque
l’approche de post-approximation est adoptée, nécessite des connaissances mathématiques
de l’analyse fonctionnelle vu que les EDPs sont définies dans des espaces fonctionnels
(Hilbert, Banach ou Sobolev) [20].
Cette approche constitue une solution adéquate pour l’étude des EDPs hyperboliques
Système à paramètres distribués
C onception du correcteur.
Approximation du correcteur
I mpl émentation du correcteur
Figure 3.2: Approche de post-approximation.
pour lesquelles une séparation de modes est impossible [86].
Dans le cas des SPDs linéaires, l’approche de post-approximation est largement utilisée
pour résoudre des problèmes de commande, de commandabilité, d’observabilité et de
stabilité avec des applications à des systèmes physiques [20, 21]. La théorie de commande
des SPDs linéaires a atteint un certain niveau de maturité grâce à la théorie des semi-
groupes [4, 5].
Parmi les techniques de commande développées, on peut citer la commande géomé-

trique [19, 87] et la commande floue [88].
Dans le cas des SPDs non linéaires, l’exploitation de l’approche de post-approximation

est très difficile vu l’indisponibilité d’une théorie générale. Généralement, l’étude se fait
en linéarisant le système autour d’un profil ou en considérant des classes particulières de
systèmes non linéaires (quasi-linéaire ou bilinéaire) [5]. Des transformations peuvent être
utilisées pour déterminer un modèle linéaire équivalent. A titre d’exemple, la transfor-
mation de Cole-Hopf a été utilisée dans [22] pour linéariser un système de diffusion non
linéaire.
3.3 Différents types de stabilité 55
3.3 Différents types de stabilité
L’analyse de la stabilité joue un rôle central en théorie des systèmes. La théorie fonda-
mentale de la stabilité a été établie en 1892 par le scientifique russe Lyapunov et introduite
dans son célèbre mémoire "Le problème général de la stabilité du mouvement" [89].
Différents types de problèmes de stabilité peuvent être rencontrés dans l’étude des
systèmes dynamiques tels que la stabilité d’un point d’équilibre, la stabilité entrée-sortie
et la stabilité des orbites périodiques [90].
Le concept de la stabilité d’un point d’équilibre formulé par Lyapunov est le plus
considéré dans la littérature [90]. Par définition, un système est stable s’il restera dans
son état d’équilibre dans le temps quel que soient les conditions initiales. En effet, l’étude
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.
Diverses notions de stabilité au sens de Lyapunov ont été étendues à des systèmes
dynamiques à paramètres distribués [91]. Au cours des dernières années, la stabilité des
SPDs a été largement étudiée et de nombreux résultats intéressants ont été obtenus [20,92].
Considérant le système de dimension finie non autonome, qui admet xe comme un
point d’équilibre, décrit par l’équation suivante [21]
ẋ = f (t, x) (3.1)
avec f une fonction non linéaire continue dans R.

La notion du point d’équilibre est donnée par la définition suivante
Définition 12 (point d’équilibre)

xe est un point d’équilibre du système (3.1) si
f (xe , t) = 0, ∀t > 0 (3.2)
Tout point d’équilibre xe peut être ramener à l’origine 0 en considérant un nouvel état x̌
tel que x̌ = x − xe [93].
Définition 13 (Stabilité)
Le point d’équilibre xe est stable au sens de Lyapunov si :
∀ t > t0 , ε > 0 il existe η > 0 tel que kx(t0 ) − xe k < η alors
kx(t) − xe k < ε, avec t0 est l0 instant initial. (3.3)
sinon le système est instable.
Cette définition signifie que pour toute condition initiale comprise dans une boule de
rayon η, la trajectoire de la solution sera comprise dans la boule de rayon ε. En d’autres
termes, pour une petite perturbation de la condition initiale, la solution de l’équation
(3.1) reste au voisinage du point d’équilibre.
Il existe plusieurs notions de stabilité :
• la stabilité asymptotique.
• la stabilité exponentielle.
La stabilité asymptotique exige l’existence d’un voisinage de l’équilibre tel que toute
trajectoire ayant pour condition initiale un point de ce voisinage converge vers le point
d’équilibre.
Définition 14 (Stabilité asymptotique)

Le système est asymptotiquement stable au sens du Lyapunov si :
– il est stable, et
– ∃ as > 0 tel que
kx(t0 ) − xe k < as =⇒ kx(t) − xe k −→ 0 quand t −→ ∞ (3.4)
Lorsque la trajectoire temporelle du système converge exponentiellement vers l’état

d’équilibre à partir d’une condition initiale arbitraire, on parle alors d’une stabilité expo-
nentielle.
3.3 Différents types de stabilité 57
Définition 15 (Stabilité exponentielle)
Le point d’équilibre xe = 0 est un point d’équilibre exponentiellement stable si il existe

deux constantes m et as > 0 tel que,
k x(t) k= me−αs (t−t0 ) k x(t0 ), k ∀t > 0 (3.5)
avec as est le taux de convergence.
La stabilité définie précédemment est une stabilité locale puisque elle est liée à la notion
du voisinage. Par conséquent, il n’est pas possible de prédire le comportement du système
pour une condition initiale prise loin du point d’équilibre.
Dans le cas où le système de dimension finie est représenté par l’équation d’état donnée
comme suit :
ẋ(t) = Ax(t) (3.6)
x(0) = x0 (3.7)
La solution x(t) de l’équation (3.6) est
x(t) = eAt x0 = T (t)x0 (3.8)
où A et x0 sont respectivement la matrice d’état et la condition initiale. T (t) est la matrice

de transition (semi-groupe).
Ce système est stable si et seulement si :
∀t > t0 , ∃ η > 0 tel que kT (t − t0 )k < η (3.9)
asymptotiquement stable si :
kT (t − t0 )k −→ 0 lorsque t −→ ∞ (3.10)
exponentiellement stable s’il existe deux constantes M et ω > 0 telles que
k T (t) k= Me−ωt , t > 0 (3.11)
Ceci revient à dire que les valeurs propres de A sont à partie réelle négative.
La stabilité définie ci-dessus nécessite le calcul d’une manière explicite des solutions du
système qui correspond à chaque condition initiale, ce qui est difficile voire impossible [90].
Par conséquent, il est intéressant de développer des techniques permettant de vérifier
la stabilité sans résoudre ces équations. Ces méthodes seront discutées dans la section
suivante.
3.4 Méthodes d’analyse de stabilité d’un système à pa-
ramètres distribués
La manipulation des EDPs, qui modélisent le comportement dynamique des SPDs, afin
d’étudier la stabilité du système conduit généralement à des calculs complexes. Pour cela
certaines études de stabilité s’appuient sur des EDOs déterminées en suivant l’approche de
pré-approximation [91,94]. Comme il a été déjà annoncé dans la Section 3.2, cette méthode
peut conduire à des résultats erronés. Par conséquent, la nature distribuée du système
doit être prise en considération, cela en formulant les problèmes de stabilité directement
avec les EDPs [91, 95].
Parmi les méthodes bien connues pour l’analyse de la stabilité des SPDs on peut
citer, la méthode directe de Lyapunov et la méthode des semi-groupes qui sont les plus
utilisées [96].
3.4.1 Méthode directe de Lyapunov
La méthode directe de Lyapunov est un outil puissant pour l’étude de la stabilité des
SPDs [91, 97]. Elle permet de déterminer les conditions de stabilité d’un système sans
intégration explicite des équations différentielles.
3.4 Méthodes d’analyse de stabilité d’un système à paramètres distribués 59
La méthode directe de Lyapunov est très utilisée soit pour déterminer les conditions
de stabilité des SPDs linéaires [91, 98] ou non linéaires [95–97] ou pour des objectifs de
stabilisation [99, 100].
Cette méthode est une généralisation de la notion de la dissipation d’énergie dans un

système qui nous permet de conclure sur la stabilité d’un point d’équilibre par rapport aux
conditions initiales choisies [90]. Ainsi, en examinant la dérivée de l’énergie, il est possible
de définir la stabilité du point d’équilibre pour que cette énergie soit décroissante [90].
Cette énergie est appelée fonction de Lyapunov.
Le théorème suivant illustre les conditions que la fonction de Lyapunov doit satisfaire
pour garantir la stabilité d’un point d’équilibre [90].
Théorème 8 :(méthode directe de Lyapunov)
Soit xe = 0 un point d’équilibre du système (3.1) et D ⊂ Rn est un domaine qui

contient le point d’équilibre. Soit V : D −→ R une fonction continue différentiable tel que
V (0) = 0 et V (x) > 0 dans D − {0} (3.12)
V̇ 6 0 dans D (3.13)
alors xe = 0 est stable. De plus, si
V̇ (x) < 0 dans D − {0} (3.14)
alors xe = 0 est asymptotiquement stable.
• Exemple d’application
Comme exemple d’application, on considère le système de transport de pièces sur un

convoyeur introduit dans le chapitre (1) représenté par le modèle suivant :
∂x(z, t) ∂x(z, t)
= −v1 (t) + v2 (z, t)
∂t ∂z
x(0, t) = 0 (3.15)
x(z, 0) = x0 (z)
Considérons la fonction de Lyapunov suivante :
L
1
Z
V = x2 (z, t)dz (3.16)
2 0
avec v2 (z, t) = 0
Le calcul de la dérivée de la fonction de Lyapunov donne :
1 R L ∂x2 (z, t)
V̇ = dz
2 0 ∂t
RL ∂x(z, t)
= 0 x(z, t) dz (3.17)
∂t
RL ∂x(z, t)
= −v1 (t) 0
x(z, t) dz
∂z
En utilisant l’intégration par partie, on aura :
L
∂x(z, t) 1
Z
x(z, t) dz = x(z, t)2 |L0 (3.18)
0 ∂z 2
alors l’équation (3.17) devient
−v1 (t) 2
V̇ = 2
x (z, t)|L0
(3.19)
−v1 (t) 2
= 2
x (L, t)
• Si v1 (t) = 0 ceci implique que V̇ = 0,

• Si v1 (t) 6= 0 alors V̇ < 0
Comme v1 est la vitesse de rotation du convoyeur qui est toujours positive (le convoyeur
circule dans un seul sens), alors la fonction V̇ est négative. Par conséquent le système est
asymptotiquement stable.
Le théorème de stabilité basé sur la méthode directe de Lyapunov est facile à com-
prendre, la difficulté réside dans le fait qu’il n’existe pas de méthodes systématiques
permettant de trouver la fonction de Lyapunov candidate [97].
3.4.2 Théorie des semi-groupes
Depuis 1948, la théorie des semi-groupes et ses applications ont fait un énorme progrès
dans l’analyse fonctionnelle des opérateurs [101]. Les résultats fondamentaux de la théorie
des semi-groupes ont été obtenus par le mathématicien américain E. HILLE [102,103]. Par
la suite, cette théorie a été largement étudiée par plusieurs mathématiciens (K. YOSIDA,
W. FELLER et P. S. PHILLIPS) dans le but de la généraliser et de la développer pour
des objectifs plus élargis [104–109].
La théorie des semi -groupes est devenue un outil indispensable dans un grand nombre
de domaines de l’analyse moderne car elle joue un rôle très important dans les problèmes
d’évolution [59].
La motivation essentielle de la théorie des semi-groupes réside dans le fait qu’elle

permet de généraliser le concept de la matrice de transition, connu dans le cas des systèmes
de dimension finie, à des opérateurs défini sur des espaces de dimension infinie [21]. En
effet, la représentation mathématique par semi-groupe peut s’étendre à une large classe de
SPDs linéaires. Cette représentation généralise naturellement le vecteur d’état classique
d’un système en dimension finie [21]. De plus, elle permet de développer une théorie
abstraite présentée sous une forme plus simple et uniforme [110].
La théorie des semi-groupes a été très utilisée en automatique notamment pour ré-
soudre les problèmes de stabilité [5, 33] et de commandabilité [111] des SPDs linéaires
etc.
Dans ce chapitre, on s’intéresse au cas particulier des semi-groupes fortement continus

sur un espace de Hilbert.
Considérons le système linéaire de dimension infinie représenté par l’équation d’état

suivante
ẋ(t) = Ax(t) + Bu(t)

(3.20)
x(0) = x0
L’état x défini dans un espace de Hilbert séparable H. x0 est la condition initiale à t = 0.

A et B sont des opérateurs bornés dans H et u ∈ U est la commande avec U est l’espace
de commande.
La solution de l’équation (3.20) est donnée comme suit :
Z t
x(t) = T (t)x0 + T (t − ξ)Bu(ξ)dξ (3.21)
0
avec T (t) est le semi-groupe généré par l’opérateur A.
L’étude de la stabilité du système (3.20) consiste à étudier le comportement de la

solution, c’est-à-dire le comportement du semi-groupe engendré par l’opérateur A.
Définition 16 : (Semi-groupe) [112]
On appelle un semi-groupe d’un opérateur linéaire borné sur H toute famille d’opéra-
teur T (t) satisfaisant
– T (0) = I (I est l’opérateur identité dans H)

– T (t + s) = T (t)T (s), ∀ t, s ≥ 0
Définition 17 : (Semi-groupe fortement continu)
On dit qu’un semi-groupe T (t) est fortement continu si et seulement si
k T (t)x − x k−→ 0 quand t −→ 0+ , ∀ x ∈ H (3.22)
On dit aussi que T (t) est un C0 semi-groupe.
Définition 18 : (Générateur infinitésimal) [21]
Soit T (t) un semi-groupe fortement continu sur H. Considérons l’opérateur A défini

par
T (t)x − x
Ax = lim (3.23)
t−→0 t
L’opérateur A est un générateur infinitésimal du semi-groupe T (t) quand la limite (3.23)

existe.
A est alors défini sur le domaine :

T (t)x − x
D(A) = x ∈ H/ lim existe (3.24)
t−→0 t
Soit T (t) un semi-groupe fortement continu sur H de générateur infinitésimal A. Pour

tout x0 ∈ D(A) , on a les propriétés suivantes [20, 59] :
• T (t) x0 ∈ D(A), ∀ t ≥ 0
d
• (T (t) x0 ) = A T (t) x0 = T (t) A x0, ∀ t > 0
dt
dn
• (T (t) x0 ) = An T (t) x0 = T (t) An x0 , ∀n ≥ 1, x0 ∈ D(An ) et t > 0
dtn
• A est un opérateur linéaire fermé.

Rt
• T (t)x0 − x0 = 0
T (s)Ax0 ds
Rt Rt
• 0
T (s)xds ∈ D(A) et A 0
T (s)xds = T (t)x − x, ∀ x ∈ H, avec D(A) est dense dans
H.
Le théorème de Hille-Yosida permet de définir une caractérisation très importante des

générateurs infinitésimaux. Il permet de garantir que le spectre du générateur d’un semi-
groupe fortement continu se trouve toujours dans le demi-plan gauche du plan complexe
[59].
Théorème 9 : Hille-Yosida [20]
Une condition nécessaire et suffisante pour qu’un opérateur linéaire A, fermé et de

domaine dense sur un espace de Hilbert soit le générateur infinitésimal d’un semi-groupe
fortement continu est qu’il existe deux nombres réels M et ω tels que
M
k (ǎI − A)−n k6 , ∀ n > 1, et ∀ǎ > ω, tel que ǎ ∈ ρ(A) (3.25)
(ǎ − ω)n
Dans ce cas,
k T (t) k ≤ M ewt (3.26)
Cette propriété joue un rôle crucial dans l’étude de la stabilité. Le théorème suivant
définit les conditions pour lesquelles le semi-groupe fortement continu T (t) est stable.
Théorème 10 [21]
L’opérateur A génère un semi groupe T (t) exponentiellement stable s’il existe deux
constantes positives ω et M tel que, pour tout t > 0, on a
k T (t) k ≤ M e−ωt (3.27)
avec ω est appelé le taux de décroissance.
3.4.2.1 Stabilisabilité (Théorème de perturbation)
Pour des objectifs de commande, la loi de commande u(t) dans (3.20) est souvent
déterminée, en vue de la stabilisation du système, par une entrée de commande de type
retour d’état donnée comme suit [20] :
u(t) = F x(t) (3.28)

où l’opérateur F ∈ B et B est l’espace des opérateurs bornés.

Le système de l’équation (3.20) devient
ẋ(t) = Ax(t) + BF x(t)

(3.29)
= (A + R)x(t)
avec R = BF .
Les conditions de stabilité du système (3.29) sont précisées par la définition suivante.
Définition 19 : (Stabilisabilité) [20]
Soit A un générateur infinitésimal d’un semi-groupe fortement continu T (t) dans H

qui satisfait
k T (t) k ≤ M e−ωt (3.30)
Si F est un opérateur borné dans H, alors l’opérateur A + R est un générateur infi-

nitésimal d’un semi-groupe fortement continu TR dans H, défini comme suit :
k TR (t) k ≤ M e(−ω+M kRk)t (3.31)
Le système en boucle fermée est stable si le semi-groupe TR (t) est exponentiellement

stable soit :
k R k< ω/M (3.32)
La solution de l’équation (3.29) est donnée comme suit
Z t
x(t) = TR (t)x0 + TR (t − ξ)Bu(ξ)dξ (3.33)
0
• Exemple d’application
On considère l’équation de chaleur représentée par l’EDP parabolique suivante :
∂x(z, t) ∂ 2 x(z, t)
=a (3.34)
∂t ∂z 2
avec la condition initiale et les conditions aux limites suivantes :
x(z, 0) = x0 (3.35)
∂x(0, t) ∂x(1, t)
= =0 (3.36)
∂t ∂t
Le système (3.34)-(3.36) peut être réécrit sous la forme abstraite :
ẋ(t) = Ax(t)
(3.37)
x(0) = x0
∂2
où l’opérateur A = a est défini dans le domaine D(A) tel que
∂z 2

∂x(0, t) ∂x(1, t)
D(A) = x ∈ L2 (Ω) tel que = =0 (3.38)
∂t ∂t
L’opérateur A génère un semi-groupe fortement continu T (t) dans H = L2 (0, 1) défini

comme suit
X νn
X
T (t)x = eλn t < x, φnj > φnj (3.39)
n j=1
où
• les fonctions propres :
√
φn (z) = 2cos(nπz) (3.40)
• les valeurs propres :
λn = −an2 π 2 (3.41)
• la multiplicité de λn est νn = 1 ∀n > 0.

Ainsi la relation (3.39) devient :
X Z 1
−an2 π 2 t
T (t)x = 2 e cos(nπz) cos(nπξ)x(ξ)dξ (3.42)
n 0
La norme de T (t)x est donnée comme suit
X Z 1
−an2 π 2 t
k T (t)x kL2 (Ω) = 2 e k cos(nπz) kL2 (Ω) k cos(nπξ)x(ξ)dξ kL2 (Ω) (3.43)
n 0
L’inégalité de Cauchy-Schwarz [58] permets d’écrire
Z 1
k cos(nπξ)x(ξ)dξ kL2 (Ω) 6k cos(nπξ) kL2 (Ω) k x(ξ) kL2 (Ω) (3.44)
0
En utilisant l’inégalité de Cauchy-Schwarz , on aura
X 2 π2 t
k T (t)x kL2 (Ω) 6 2 e−an k cos(nπz) k2L2 (Ω) k x(z) kL2 (Ω) (3.45)
n
On a aussi,
1 + cos(2nπz)
(cos(nπz))2 = (3.46)
2
En utilisant l’équation (3.46)et en négligeant les termes pour lesquels n>1, on aura
2
k T (t)x kL2 (Ω) 6 e−aπ t k x kL2 (Ω) (3.47)
Ce qui implique que
2t
k T (t) kL2 (Ω) 6 e−aπ (3.48)
Le semi-groupe T (t) est exponentiellement stable avec M = 1 et ω = aπ 2 .
Supposons maintenant qu’une commande par retour d’état (équation (3.28)) est appli-
quée à ce système. Le semi-groupe engendré par l’opérateur A + R donné par l’équation
(3.33) est exponentiellement stable si
k R k< aπ 2 , (M = 1) (3.49)
3.5 Conclusion
Deux approches sont possibles pour la commande et l’analyse d’un SPD : approche de
pré-approximation et l’approche de post-approximation. L’approche de pré-approximation
est mieux adaptée dans le cas des EDPS paraboliques vu que la séparation des modes
(lents et rapides) est possible, tandis que l’approche de post-approximation est adaptée
pour la commande des SPDs de type quelconque.
La commande des SPDs en adoptant l’approche de post-approximation permet de se

rapprocher plus de la dynamique du système physique. Pour cette raison cette approche
constitue un axe de recherche très actif, particulièrement dans le cas des SPDs non li-
néaires.
La théorie des semi-groupes a fait un bond en avant dans la commande des SPDs
linéaires. Cette théorie a permis de généraliser les concepts bien connus et maitrisés en
dimension finie à la dimension infinie. Cette généralisation a permis de tirer profit des
outils d’analyse et de synthèse des SPLs. Pour le cas des SPDs non linéaires, peu de
résultats sont disponibles, et le développement d’une théorie générale s’avère impossible.
Pour cette classe de systèmes, plus rencontrée en pratique, l’investigation se fait cas par
cas.
Le chapitre suivant sera consacré à la modélisation et l’étude du comportement dy-

3.5 Conclusion 69
namique d’un échangeur de chaleur à courants parallèles considéré comme exemple d’un
SPD bilinéaire.
Chapitre 4
Analyse de la dynamique d’un

échangeur de chaleur
4.1 Introduction
Face aux défis énergétiques et économiques, la diminution des énergies fossiles et la

hausse des prix, les sociétés industrielles s’engagent de plus en plus à assurer des stra-
tégies permettant une bonne gestion de l’énergie [113]. L’échangeur de chaleur est un
élément clef pour toute politique de maîtrise de l’énergie. Une grande part de l’énergie
thermique utilisée dans les procédés industriels transite au moins une fois dans un échan-
geur de chaleur. Ce dernier est largement utilisé dans les procédés industriels tels que les
centrales électriques, les turbines à gaz, l’industrie chimique, la climatisation ou le chauf-
fage (domestique, urbain ou central) parmi beaucoup d’autres [114] [115]. Du fait que
les fonctionnalités des échangeurs de chaleur sont extrêmement diverses et variées, il est
indispensable de faire un bon choix pour un gain de rendement et d’énergie consommée.
Ce choix dépend de l’application en question, des propriétés physiques et du domaine de
pression et de température des fluides [116] [117].
Dans ce chapitre, on s’intéresse à l’analyse du comportement dynamique de l’échangeur

de chaleur. Le chapitre commence par la définition des modes de transfert de chaleur
intervenant lors du fonctionnement, ensuite on établit une classification des échangeurs
72 Analyse de la dynamique d’un échangeur de chaleur
de chaleur suivant leur construction et le sens d’écoulement des fluides. On s’intéresse

par la suite à la modélisation d’un échangeur de chaleur tubulaire à courants parallèles
basée sur le principe de la conservation d’énergie. Ce modèle sera utilisé pour analyser le
comportement dynamique de l’échangeur de chaleur en boucle ouverte en tenant compte
du problème de commandabilité. Pour terminer, un état de l’art sur la commande des
échangeurs de chaleur sera présenté.
4.2 Principe de fonctionnement d’un échangeur de cha-
leur
Un échangeur de chaleur est un dispositif dans lequel le transfert de chaleur est réa-
lisé entre deux fluides (liquide ou gaz), à différentes températures, séparés par une paroi
permettant le transfert du flux thermique [2] [117]. Selon la deuxième loi de la thermody-
namique, le transfert d’énergie sous forme de chaleur se fait toujours de la température
la plus élevée à la température la plus basse, il s’arrête lorsque les deux fluides atteignent
la même température [118].
La chaleur peut être transférée selon trois modes différents [119] : la conduction, la
convection et le rayonnement.
La conduction est le transfert d’énergie thermique dans un milieu, sans transport de

matière, des particules les plus énergétiques aux moins énergétiques [120]. La conduction
est plus significative dans les solides mais elle peut avoir lieu dans des liquides et des gaz à
condition qu’il n’y ait pas de mouvement de ces derniers [121]. La conductivité thermique
à travers la paroi dépend de sa géométrie, de son épaisseur et des propriétés physiques du
matériau qui la constitue [118].
Le flux thermique par conduction Qconduction par unité de surface Ac est déterminé par
la loi de Fourier suivante :
Qconduction dT
= ac (4.1)
Ac dz
4.2 Principe de fonctionnement d’un échangeur de chaleur 73
dT
où ac est le coefficient de conduction thermique, est le gradient de température et z
dz
est l’axe correspondant à la direction de la variation de la température.
Dans le cas où le transfert de chaleur est accompagné d’un déplacement de matière, on

parle alors d’un transfert de chaleur par convection. Le transfert de chaleur par convection
se produit lorsqu’un fluide en mouvement est en contact avec une surface solide dont la
température est différente de celle du fluide [122]. Le mouvement de fluide permet d’amé-
liorer le transfert de chaleur en déplaçant les fluides d’une partie chaude vers une autre
partie moins chaude [118]. La convection est forcée si le mouvement du fluide est imposé
par des moyens externes tels qu’un ventilateur, une pompe ou le vent. En revanche, la
convection est libre (ou naturelle) si le mouvement du fluide est causé par des forces de
flottabilité qui sont induites par des différences de densité dues à la variation de tempé-
rature dans le fluide [120]. La convection dépend de plusieurs paramètres tels que le type
de fluide, de sa vitesse et son régime hydrodynamique (laminaire ou turbulent) [122].
Le flux de chaleur par convection Qconvection par unité de surface Ac peut s’exprimer
comme suit
Qconvection
= αcv ∆T (4.2)
Ac
où ∆T est la différence de température et αcv est un coefficient de transfert de chaleur.
Contrairement au transfert de chaleur par conduction et par convection, le transfert de

chaleur par rayonnement ne nécessite pas la présence d’un milieu intermédiaire [121]. Le
rayonnement est l’énergie émise par un corps sous forme d’ondes électromagnétiques [123].
Considérons un corps noir, qui absorbe ou émet parfaitement les rayonnements, d’une
température T1 contenu dans un milieu de température T2 < T1 . Le flux de chaleur par
rayonnement Qrayonnement , par unité de surface Ac , qui quitte le corps s’exprime par la loi
de Stefan :
Qrayonnement
= ϕ(T14 − T24 ) (4.3)
Ac
avec ϕ est la constante de Stefan-Boltzmann.

Le transfert de chaleur dans un échangeur de chaleur s’effectue principalement par

convection et par conduction, le rayonnement n’intervient de manière significative que s’il
existe une différence de température très importantes entre les fluides et la paroi [121].
La chaleur est d’abord transférée du fluide chaud à la paroi par convection et à travers la
paroi par conduction, et enfin de la paroi au fluide froid par convection [118]. Ce transfert
de chaleur est illustré par la Figure 4.1
paroi
f luide f roid
convection
convection
conduction
f luide chaud
Figure 4.1: Modes de transfert de chaleur dans un échangeur de chaleur.
4.3 Architecture générale d’un échangeur de chaleur
Étant donné la grande variété d’applications et de configurations des échangeurs de

chaleur, il est important de faire une classification pour faciliter le processus de sélection.
En fonction des critères considérés, les échangeurs de chaleurs peuvent être classés en
plusieurs types [124]. Le plus souvent, les échangeurs de chaleur sont classés selon leur
type de construction et selon la configuration d’écoulement des fluides [116].
4.3.1 Classification basée sur la construction de l’échangeur
Selon la géométrie des canaux d’écoulement des fluides, on distingue plusieurs types
d’échangeurs. Néanmoins, les échangeurs de chaleur tubulaires et les échangeurs de chaleur
à plaques représentent les catégories les plus rencontrées en pratique [125].
Les échangeurs de chaleur à plaques sont constitués d’un nombre variable de plaques
minces disposées les unes à côté des autres et séparées par un espace formant des canaux
4.3 Architecture générale d’un échangeur de chaleur 75
d’écoulement des fluides. Dans ce type d’échangeur, le taux de transfert de chaleur est
extrêmement élevé grâce à la surface d’échange de chaleur [126]. Les échangeurs de chaleur
à plaques sont utilisés pour transférer de la chaleur quel que soit l’état physique des fluides.
Généralement, ces échangeurs ne peuvent pas fonctionner à de très hautes pressions,
températures ou différences de pression et de température [116]. Les échangeurs de chaleur
à plaques peuvent en outre être classés comme à plaques et joints, à plaques en spirale ou
à lamelles. Un exemple d’échangeur de chaleur à plaques est donné par la Figure 4.3.
D’autre part, les échangeurs de chaleur tubulaires sont construits en tubes circulaires,
elliptiques ou rectangulaires selon l’application considérée. La conception est très flexible
car la géométrie du noyau peut être facilement modifiée en changeant le diamètre, la
longueur, le nombre et l’arrangement des tubes [116]. Le fonctionnement de l’échangeur
tubulaire est possible avec des fluides très différents (pression, phase, caractéristique) [127],
et peuvent être conçus pour des pressions élevées par rapport à l’environnement [116]. Les
échangeurs de chaleur tubulaires peuvent être divisés en trois catégories, les échangeurs de
chaleur à tube et enveloppe, à double tubes et à tube en spirale. La Figure 4.2 représente
un échangeur de chaleur à double tubes.
Tube externe
Tude interne
Figure 4.2: Échangeur de chaleur tubulaire à double Figure 4.3: Échangeur de

tubes. chaleur à plaques.
4.3.2 Classification basée sur le sens d’écoulement des fluides
Selon la direction d’écoulement des fluides, les échangeurs de chaleur peuvent être
scindés en trois catégories, écoulement à contre-courant, à courants parallèles (co-courant)
et à courants croisés [125]. Cependant, les échangeurs à contre courant et à courants

parallèles sont les plus utilisés.
Dans un écoulement à contre-courant, donné par la Figure 4.4, les deux fluides s’écoulent
parallèlement mais en sens opposé. Dans ce type d’échangeur, la température du fluide
froid peut dépasser celle du fluide chaud [128]. Pour des débits et températures d’entrées
des fluides données, ce type d’écoulement est le plus efficace en produisant le changement
de température le plus élevé de chaque fluide [116].
Dans un écoulement à courants parallèles, voir la Figure 4.5, les deux fluides s’écoulent
parallèlement et dans le même sens. L’évolution de la température de la paroi en fonction
de la variable d’espace est plus faible dans le cas de l’échangeur de chaleur à courants pa-
rallèles ce qui implique que les pertes de flux de chaleur sont minimales [128]. L’écoulement
de fluides à courants parallèles convient également à certaines situations particulières, par
exemple, s’il est nécessaire de limiter la température maximale du fluide froid ou s’il est
important de changer rapidement sa température [129].
Fluide 1 Fluide 1
Paroi Paroi
Fluide 2 Fluide 2
Figure 4.4: Écoulement de fluides à Figure 4.5: Écoulement de fluides à

contre courant. courants parallèles.
Remarque 11 Les échangeurs de chaleur peuvent également être classés en fonction du

nombre de fluides considérés, de leurs états physiques (liquide-liquide, liquide-gaz et gaz-
gaz). Aussi, selon le processus de transfert de chaleur, les échangeurs de chaleur peuvent
être classés comme à contact direct ou indirect. Un échangeur de chaleur à contact direct
se caractérise par un contact direct du fluide chaud et du fluide froid, et lorsque ces
derniers sont séparés par une paroi alors l’échangeur de chaleur est à contact indirect. De
plus, la manière dont le fluide récupère la chaleur peut être considérée comme un critère
de classification (récupérateur ou régénérateur). Un échangeur de chaleur est récupérateur
lorsque la chaleur est transférée instantanément au fluide froid et il est régénérateur quand
la température est stockée avant qu’elle soit transmise au fluide froid [116, 124, 125].
4.4 Modélisation d’un échangeur de chaleur 77
Bien qu’il existe plusieurs types d’échangeurs de chaleur, les échangeurs de chaleur
tubulaires sont les plus répondus [130, 131]. Pour cela, la suite du chapitre est consacrée
à l’étude d’un échangeur de chaleur tubulaire à courants parallèles.
4.4 Modélisation d’un échangeur de chaleur
Un échangeur de chaleur n’est que rarement constitué d’un tube unique, il est généra-
lement constitué d’un grand nombre de tubes. Néanmoins, l’étude de ces cas élémentaires
est nécessaire.
4.4.1 Description d’un échangeur de chaleur à courants parallèles
Considérons un échangeur de chaleur tubulaire à courants parallèles, de longueur L,

représenté par la Figures 4.6. Il est constitué de deux tubes concentriques traversés par
deux fluides. Un fluide froid de densité constante ρf et de capacité calorifique Cpf entre
à la température Tf,0 et s’écoule à travers le tube interne avec une vitesse vf . Ce fluide
froid échange de la chaleur, à travers la paroi d’échange, avec le fluide chaud de densité
constante ρc et de capacité calorifique Cpc , qui circule dans le tube externe, avec une
vitesse vc dans la même direction que le fluide froid. Dans la présente étude, les sections
des tubes interne et externe respectivement Sf et Sc sont supposées uniformes et la surface
utilisée pour le transfert de chaleur par unité de longueur est As .
4.4.2 Modélisation d’un échangeur de chaleur à courants paral-

lèles
Bien qu’il soit rarement possible, dans un modèle mathématique, de prendre en compte
tous les facteurs affectant les performances d’un système réel, la modélisation mathéma-
tique du système est néanmoins essentielle pour concevoir et mettre en œuvre de manière
efficace des stratégies de commande.
La modélisation d’un échangeur de chaleur revient à déterminer une description ma-
thématique pouvant décrire le plus fidèlement possible sa dynamique représentée par les
Tc,0(t)
Tc (z, t) fluide chaud
Tf,0 (t) Tf (z, t) Tf,L(t)

fluide froid
Tc (z, t)
Tc,L(t)
z
L
0
Figure 4.6: Échangeur de chaleur tubulaire à courants parallèles.
variations de la température des fluides. Plusieurs modèles ont été développés dans la
littérature. Certains auteurs supposent que la température des fluides est uniforme, par
rapport à la variable de l’espace, le long de l’échangeur ce qui permet d’obtenir un sys-
tèmes de dimension finie [81, 127, 132–134]. Cette hypothèse conduit à des modèles non
fiables vu que les températures des fluides sont de natures distribuées. De ce fait, les
échangeurs de chaleur sont souvent modélisés par des EDPs.
Le modèle d’un échangeur de chaleur peut être du type diffusion- convection- réaction
[135–137] , diffusion-réaction [138] ou de diffusion [139]. Cependant, le phénomène de
diffusion est souvent négligé devant celui de convection ce qui conduit à un modèle de
type convection-réaction [22, 97, 140, 141].
Le nombre de variables caractéristiques dans un échangeur de chaleur est déterminé

par le nombre de dynamiques considérées. Généralement, le modèle à deux EDPs régit
convenablement le comportement dynamique d’un échangeur de chaleur [142], une EDP
décrit les variations de la température du fluide froid et l’autre celles du fluide chaud en
négligeant la dynamique de la paroi.
La modélisation d’un échangeur de chaleur est basée sur la quantité de chaleur trans-
férée d’un fluide à un autre, dans une section élémentaire de limites [z, z + ∆z] (Figure
4.4.2), pendant une durée [t, t + ∆t]. Pour un modèle théorique simple à l’analyse, il
est indispensable de considérer un ensemble d’hypothèses concernant les conditions de
fonctionnement de l’échangeur de chaleur. Elles sont données comme suit [2, 3, 143] :
Écoulement du f luide
chaud
Écoulement du f luide
f roid
z z + ∆z
Figure 4.7: Élément d’un échangeur de chaleur tubulaire à courants parallèles.
– L’échangeur de chaleur est parfaitement isolé de l’environnement (pas de transfert

de chaleur vers l’extérieur),
– Durant le fonctionnement de l’échangeur de chaleur, les deux fluides restent dans
le même état physique, c’est-à-dire pas de changements de phase (condensation ou
vaporisation),
– Le phénomène de diffusion est négligé ce qui conduit à un modèle de type convection-
réaction,
– Les propriétés physiques des fluides (la densité et la capacité thermique) sont sup-
posées constantes,
– Les pertes de pression des fluides le long de l’échangeur sont négligeables,
– La vitesse du fluide est constante dans chaque tube,
– Les coefficients de transfert de chaleur par convection sont constants et uniformes
sur chaque surface.
Le fluide froid reçoit une quantité d’énergie convectée Ez à l’entrée z et reçoit de l’énergie
par conduction du fluide chaud Ep transférée à travers la paroi dans l’intervalle de temps
[t, t + ∆t], et perd de l’énergie par convection Ez+∆z à la sortie z + ∆z comme le montre
Ep
Ez Ez+∆z
z z + ∆z
Figure 4.8: Bilan énergétique du fluide froid.
la Figure 4.8. Ces énergies sont données respectivement comme suit
Ez (z , t) = ρf Sf vf Cpf ∆t (Tf (z , t) − Tref 1 ) (4.4)
Ep (z , t) = hf As ∆z ∆t (Tc (z , t) − Tf (z , t)) (4.5)
Ez+∆z (z + ∆z , t) = ρf Sf vf Cpf ∆t (Tf (z + ∆z , t) − Tref 1 ) (4.6)
L’énergie accumulée dans l’intervalle [t, t + ∆t] est
Ea = ρf Sf Cpf ∆z (Tf (z , t + ∆t) − Tf (z , t)) (4.7)
Suivant la première loi de la thermodynamique (conservation d’énergie), l’énergie accu-

mulée dans un élément, durant un intervalle de temps [t, t + ∆t], est égale à l’énergie
reçue moins l’énergie perdue durant le même intervalle de temps, ce qui permet d’écrire
l’équation suivante
ρf Sf Cpf ∆z (Tf (z, t + ∆t) − Tf (z, t)) = ρf Sf vf Cpf ∆t (Tf (z , t) − Tref 1 )

+ hf As ∆z ∆t (Tc (z , t) − Tf (z , t))
− ρf Sf vf Cpf ∆t (Tf (z + ∆z , t) − Tref 1 )
= ρf Sf vf Cpf ∆t (Tf (z, t) − Tf (z + ∆z , t)
+ hf As ∆z ∆t (Tc (z , t) − Tf (z , t))
(4.8)
En divisant l’équation (4.8) par ρf Sf Cpf ∆z ∆t, on obtient
Tf (z, t + ∆t) − Tf (z, t) Tf (z, t) − Tf (z + ∆z, t) hf As

= vf + (Tc (z, t) − Tf (z, t) (4.9)
∆t ∆z ρf Sf Cpf
Lorsque ∆z et ∆t tendent vers zéro, l’équation (4.9) s’écrit sous forme de l’EDP suivant :
∂Tf (z , t) ∂Tf (z , t) hf As
= −vf + (Tc (z , t) − Tf (z , t)) (4.10)
∂t ∂z ρf Sf Cpf
Selon le même principe, le transfert d’énergie dans le fluide chaud est schématisé sur
la Figure 4.9. Dans ce cas, le fluide chaud cède de l’énergie convectée Ep à travers la paroi
au fluide froid. Le bilan énergétique s’écrit comme suit :
Ez Ez+∆z
z z + ∆z
Ep
Figure 4.9: Bilan énergétique du fluide chaud.
ρc Sc Cpc ∆z (Tc (z , t + ∆t) − Tc (z , t) = ρc Sc vc Cpc ∆t (Tc (z , t) − Tref 2 )

− hc As ∆z ∆t (Tc (z , t) − Tf (z , t))
− ρc Sc vc Cpc ∆t (Tc (z + ∆z , t) − Tref 2 )
= ρc Sc vc Cpc ∆t (Tc (z , t) − Tc (z + ∆z , t))
+ hc As ∆z ∆t (Tf (z, t) − Tc (z, t))
(4.11)
Ainsi, la division de l’équation (4.11) par ρc Sc Cpc ∆z ∆t, et pour les limites ∆z −→ 0 et
∆t −→ 0, on déduit l’EDP suivante
∂Tc (z , t) ∂Tc (z , t) hc As
= −vc + (Tf (z , t) − Tc (z , t)) (4.12)
∂t ∂z ρc Sc Cpc
Le comportement dynamique de l’échangeur de chaleur est décrit par les deux équa-
tions aux dérivées partielles linéaires couplées suivantes :
∂Tf (z , t) ∂Tf (z , t)
= −vf + αf (Tc (z , t) − Tf (z , t)) (4.13)
∂t ∂z
∂Tc (z , t) ∂Tc (z , t)
= −vc + αc (Tf (z , t) − Tc (z , t)) (4.14)
∂t ∂z
avec
hf As hc As
αf = et αc =
ρf Sf Cpf ρc Sc Cpc
Pour ce type d’échangeur, les températures d’entrée des deux fluides sont connues à
z = 0, elles représentent les conditions aux frontières définies comme suit :
Tf (0, t) = Tf,0 (4.15)
Tc (0, t) = Tc,0 (4.16)
Les conditions initiales à t = 0 sont :
Tf (z, 0) = Tf0 (z) (4.17)
Tc (z, 0) = Tc0 (z) (4.18)
Tf0 (z) et Tc0 (z) sont, respectivement, les profils de température initiaux de fluide froid et
de fluide chaud. αf et αc sont, respectivement, les coefficients de transfert de chaleur du
fluide froid et du fluide chaud. hf et hc sont, respectivement, les coefficients d’échange
global du fluide froid et du fluide chaud.
4.5 Commandabilité des échangeurs de chaleur 83
4.5 Commandabilité des échangeurs de chaleur
L’analyse de la commandalibitè d’un système dynamique est essentielle avant toute

conception d’une technique de commande. La commandabilitè d’un système dynamique
consiste à montrer l’existence d’une commande permettant de transférer le système d’un
état initial vers un état final en un temps fini [144].
La commandabilitè d’un échangeur de chaleur se traduit par sa capacité à porter la
température initiale d’un fluide à une autre température désirée en un temps fini, en
manipulant une commande appropriée qui peut être le débit d’écoulement de l’un des
fluides ou la température d’entrée de l’un des fluides [80]. Le choix de la variable de
commande permet de définir la nature du problème de commande à traiter [138].
Dans le cas où la température d’entrée d’un fluide est considérée comme la variable
à manipuler, le problème de commande est linéaire. Dans ce cas, l’étude de la comman-
dabilité d’un échangeur de chaleur à courants croisés a été investie dans [145], suivant
l’approche de près-approximation, en discrétisant le modèle par la méthode des diffé-
rences finies. Les auteurs dans [146] se sont intéressés à la commandablité d’un réseau
d’échangeurs en utilisant un modèle de dimension finie. L’étude a été faite en adoptant
la théorie connue dans le cas des SPLs. Néanmoins, négliger la nature distribuée du sys-
tème peut conduire à des résultats erronés [5]. Suivant l’approche de post-approximation,
la commandabilité d’un échangeur de chaleur à courants parallèles de type convection -
réaction en utilisant la théorie des semi-groupes a été étudié dans [111]. Dans [147] la
démonstration de commandabilié du système lorsque le phénomène de diffusion est pris
en compte a été faite, le modèle est alors du type diffusion- convection- réaction.
D’autre part, considérer le débit d’entrée ou la vitesse d’un fluide comme variable
de commande, cas très fréquent en pratique, conduit à un problème de commande non
linéaire (le produit de la variable de commande et l’état du système apparait). L’étude de
la commandabilité dans le cas des SPDs non linéaires est très complexe vu que la théorie
linéaire ne peut pas être utilisée. De plus la commandabilité d’un système linéarisé ne
signifie pas la commandabilité du système original [11]. En outre, d’un point de vue
pratique, la variation du débit est réalisée par une vanne qui se caractérise par une plage
limitée de fonctionnement. Cela signifie que certaines températures souhaitées ne peuvent

pas être atteintes si elles nécessitent des variations qui dépassent cette plage [148].
Les températures maximales atteignables dans un échangeur de chaleur peuvent être

définies en utilisant les Différences des Températures de mélange Moyenne Logarithmique
(DTML) [128].
Considérons un élément ∆z d’un échangeur de chaleur à courants parallèles représenté

sur la Figure 4.10.
∆T|0
Tc,0 Tc,L
fluide chaud dφ
Tf,0 fluide froid dz Tf,0
∆T|L
Figure 4.10: Échange élémentaire entre deux fluides séparés par une paroi.
Le flux de chaleur échangé à travers la paroi d’échange entre le fluide froid et le fluide
chaud s’écrit sous la forme suivante
dQ = Cf dTf (4.19)
dQ = −Cc dTc (4.20)

4.5 Commandabilité des échangeurs de chaleur 85
avec
Cf = Sf ρf vf Cpf (4.21)
Cc = Sc ρc vc Cpc (4.22)
Calculons dTc − dTf , on aura

1 1
dTc − dTf = −dQ + = d[∆T (z)] (4.23)
Cc Cf
on a encore
dQ = hf As ∆T (z)dz (4.24)
en combinant les équations (4.23) et (4.24), on aura

1 1
d∆T (z) = −hf As ∆T (z)dz +
Cc Cf (4.25)
d∆T (z) 1 1
= −hf As + dz
∆T (z) Cc Cf
En intégrant l’équation (4.25) de 0 à z, on aboutit à :

(∆T )z=0 1 1
ln = −hf As + z (4.26)
∆T (z) Cc Cf
soit
1 1
 
−hf As  − z
∆T (z) = ∆T |0 e C c C f (4.27)
L’écart des températures des deux fluides évolue de façon exponentielle. On peut en
déduire les évolutions des températures de chaque fluide comme suit :
– Fluide froid
1 1 
  
−hf As  + z
Tc,0 − Tf,0 Cc Cf 
Tf (z) = Tf,0 − 1 − e (4.28)

Cf  
1+
Cc
– Fluide chaud
1 1 
  
−hc As  + z
Tc,0 − Tf,0  Cc Cf 
Tc (z) = Tc,0 − 1−e (4.29)
Cc  
1+
Cf
Dans le cas d’un échangeur à courants parallèles infini on aura
Cf Cc
Tc,0 + Tf,0 Tf,0 + Tc,0
Cc Cf
Tf,∞ = Tc,∞ = T∞ = = (4.30)
Cf Cc
1+ 1+
Cc Cf
T∞ est la température du mélange des deux fluides.
4.6 Comportement dynamique d’un échangeur de cha-
leur à courants parallèles
La dynamique de l’échangeur de chaleur est extrêmement complexe, une analyse dy-

namique en boucle ouverte basée sur le modèle décrit par les équations (4.13)-(4.18) est
très intéressante pour comprendre les difficultés liées à la commande.
Dans cette section, on va étudier, par simulation, le comportement dynamique d’un

échangeur de chaleur à courants parallèles en boucle ouverte. La méthode des lignes basée
sur les différences finies sera utilisée.
Il s’agit d’une méthode flexible et polyvalente dans la simulation des EDPs qui peut
être appliquée à toute classe d’EDP (elliptique, hyperbolique, parabolique), linéaire et
non-linéaire à une, deux ou trois dimensions (variable d’espace) [149]. Le succès de cette
méthode provient de sa simplicité de mise en oeuvre [66], contrairement aux méthodes
déjà utilisées pour l’approximation des EDPs telle que la méthode des fonctions propres,
la méthode des résidus pondérés et les méthodes variationnelles.
La méthode des lignes consiste à transformer les EDPs en des EDOs en les discrétisant
par rapport à la variable d’espace z. Son principe repose sur la division du domaine
spatial Ω en N points, en utilisant un pas de discrétisation ∆z. Le nombre de points de
discrétisations N doit être suffisamment grand pour traduire convenablement le modèle
original représenté par des EDPs .
Par la suite, un schéma de différences finies sera choisi afin de discrétiser la dérivée partielle
par rapport à z conduisant à un SPL de dimension N. Souvent, le schéma de différence
choisi nécessite une adaptation pour tenir compte des conditions aux frontières à z = 0
et à z = L.
Le schéma de différence finie arrière est utilisé pour approximer l’opérateur spatial de
l’échangeur de chaleur à courants parallèles, représenté par les équations (4.13)-(4.18), est
donné comme suit :
∂X(zj , t) X(zj , t) − X(zj−1, t)

= j = 1, ...N (4.31)
∂z ∆z
Le modèle représenté par les équations (4.13)-(4.14) sera réécrit comme suit :
∂Tf (zj , t) vf
=− (Tf (zj , t) − Tf (zj−1 , t)) + αf (Tc (zj , t) − Tf (zj , t)) (4.32)
∂t ∆z
∂Tc (zj , t) vc
=− (Tc (zj , t) − Tc (zj−1 , t)) + αc (Tf (zj , t) − Tc (zj , t)) (4.33)
∂t ∆z
Après réarrangement, le modèle discrétisé sera réécrit par l’EDO suivante :
Ṫ (t) = Ad T (t) + Ed T0 (t) (4.34)
avec
T = [Tf 1 (t), . . . , Tf N (t), Tc1 (t), . . . , TcN (t)]T
et
T0 (t) = [Tf,0 , Tc,0 ]T
avec la matrice Ad ∈ RN ×N et le vecteur Ed ∈ RN ×2 .

L’effet des vitesses des deux fluides et leur température d’entrée sur le comportement
dynamique de l’échangeur de chaleur à courants parallèles sera analysé. Les paramètres
de l’échangeur de chaleur utilisés sont donnés dans le Tableau (4.1).
paramètre L Tf,0 Tc,0 αf αc vf vc

valeur 1.0 [m] 25[˚C] 80[˚C] 1.5[s−1 ] −1
3[s ] 5[m/s] 7[m/s]
Table 4.1: Paramètres de l’échangeur de chaleur pour une simulation en boucle ouvert.
Les profils des températures du fluide chaud et du fluide froid d’un échangeur de
chaleur à courants parallèles sont donnés par la Figure 4.11.
80
T (L,t)
f
Tc(L,t)
70
T emperature [◦ C]
60
50
40
30
20
0 0.2 0.4 0.6 0.8 1
z [m]
Figure 4.11: Profils des températures des deux fluides en régime stationnaire.
La différence de température à l’entrée de l’échangeur est importante. Elle diminue

asymptotiquement au fur et à mesure que les fluides s’écoulent le long de l’échangeur. La
température du fluide chaud est plus élevée que celle du fluide froid quelque soit z.
Les profils des températures du fluide froid et du fluide chaud pour vf = 1m/s et
vf = 10m/s sont donnés respectivement par les Figures 4.12 et 4.13. La température du
fluide froid à la sortie de l’échangeur Tf (L, t) décroît lorsque sa vitesse d’écoulement vf
augmente comme le montre la Figure 4.14.
80 80
T (L,t)
f
Tc(L,t)
70 70
60 60
50 50
40 40
Tf(L,t)
30 Tc(L,t) 30
20 20
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
z [m] z [m]
Figure 4.12: Profils des températures Figure 4.13: Profils des températures
pour vf = 1m/s. pour vf = 10m/s.
65
60
55
Tf (L, t) [◦ C]
50
45
40
35
30
25
0 5 10 15 20
vf [m/s]
Figure 4.14: Influence de vf sur Tf (L, t).
Les profils des températures du fluide froid et du fluide chaud pour vc = 1m/s et
vc = 10m/s sont donnés respectivement par les Figures 4.15 et 4.16. La température du
fluide froid à z = L augmente lorsque la vitesse du fluide chaud augmente, mais son
influence n’est pas très significative, comme le montre la Figures 4.17. Par conséquent,
l’intervalle de température du fluide froid, à la sortie de l’échangeur, atteignable est plus
important lorsque sa vitesse sera prise comment variable de commande, par rapport à
l’intervalle de température atteignable lorsque la vitesse du fluide chaud est choisie comme
variable de commande. La température que le fluide froid peut atteindre à la sortie de
l’échangeur de chaleur quand la vitesse vf est proche de zero dépasse 60˚C alors qu’elle
ne dépasse pas 40˚C pour des différentes valeurs de vc .
80 80
T (L,t)
f
Tc(L,t)
70 70
60 60
50 50
40 40
30 30 T (L,t)
f
Tc(L,t)
20 20
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
z [m] z [m]
Figure 4.15: Profils des températures Figure 4.16: Profils de température

pour vc = 1m/s. pour vc = 10m/s.
39
38
37
36
Tf (L, t) [◦ C]
35
34
33
32
31
30
29
0 5 10 15 20
vc [m/s]
Figure 4.17: Influence de vc sur Tf (L, t).
Les profils des températures des deux fluides sont représentés respectivement par les
Figures 4.18-4.19 et les Figures 4.21-4.22 pour Tc,0 = 50˚C, Tc,0 = 90˚C, Tf,0 = 20˚C et
Tf,0 = 70˚C. Le transfert de chaleur est plus intéressant lorsque la différence de tempé-
rature est plus importante entre la température d’entrée du fluide froid Tf,0 et celle du
fluide chaud Tc,0 . La Figure 4.20 et la Figure 4.23 représentent l’influence des tempéra-
tures d’entrée des deux fluides sur la température du fluide froid à la sortie de l’échangeur.
L’augmentation de la température du fluide froid à l’entrée de l’échangeur entraine une
hausse significative de la température de ce fluide à la sortie de l’échangeur, tandis que
l’effet de la variation de la température du fluide chaud, à l’entrée de l’échangeur, sur la
température de fluide froid à la sortie de l’échangeur est insignifiant.
50 90
T (L,t) T (L,t)
f f
Tc(L,t) Tc(L,t)
80
45
70
40
60
35 50
40
30
30
25
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
z [m] z [m]
pour Tc,0 = 50[˚C]. pour Tc,0 = 90[˚C].
39
38
37
Tf (L, t) [◦ C]
36
35
34
33
32
31
30
50 55 60 65 70 75 80 85 90
Tc,0 [◦ C]
Figure 4.20: Influence de Tc,0 sur Tf (L, t).
80 80
T (L,t) T (L,t)
f f
Tc(L,t) 79 Tc(L,t)
70
78
77
60
76
50 75
74
40
73
72
30
71
20 70
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
z [m] z [m]
pour Tf,0 = 20[˚C]. pour Tf,0 = 70[˚C].
75
70
65
Tf (L, t) [◦ C]
60
55
50
45
40
35
30
20 30 40 50 60 70
Tf,0 [◦ C]
Figure 4.23: Influence de Tf,0 sur Tf (L, t).
4.7 Commande d’un échangeur de chaleur à courants
parallèles
L’objectif principal de la commande d’un échangeur de chaleur est de maintenir la

température de sortie d’un fluide à une température désirée [150]. Cette température
peut être contrôlée en manipulant une température d’entrée ou le débit (la vitesse) d’un
fluide [115]. Dans la pratique, la température de sortie d’un fluide dans un échangeur de
chaleur est contrôlée en manipulant le débit(vitesse) et non pas les températures d’entrée
des fluides [78].
Auparavant, un échangeur de chaleur est conçu pour un fonctionnement en boucle

ouverte [115], cependant les performances souhaitées se dégradent rapidement vu que
l’échangeur de chaleur est souvent lié à d’autres systèmes pouvant affecter son fonction-
nement [151]. La première solution proposée, plus adoptée en pratique, consiste à utili-
ser des régulateurs classiques par exemple un PI (proportionnel- intégral) ou bien PID
(proportionnel- intégral - dérivé) [133,152]. Néanmoins, le délai nécessaire pour changer la
température d’un fluide est important quand la longueur de l’échangeur est suffisamment
importante ce qui correspond à un système à retard [80]. Par conséquent, il est indis-
pensable de concevoir des lois de commande modernes et efficaces pouvant améliorer le
fonctionnement du système en boucle fermée. Plusieurs approches de commande ont été
proposées dans la littérature. Elles diffèrent selon le modèle et la technique de commande
4.8 Conclusion 93
utilisée.
Comme le comportement dynamique de l’échangeur de chaleur est décrit par un modèle

de dimension infinie, plusieurs auteurs ont adopté l’approche de prè-approximation [81,
153]. La théorie des modes glissants a été appliquée dans [29] pour la commande d’un
échangeur de chaleur à courants parallèles en utilisant la méthode des caractéristiques
pour approximer le modèle EDP. Cette méthode a été utilisée dans [7] et [9] respectivement
pour concevoir une commande géométrique et une commande robuste non linéaire. Dans
[36], un retour d’état a été proposé en utilisant toujours la méthode des caractéristiques.
Des modèles de dimension finie ont été considérés dans [148] pour la régulation de la
température de sortie dans un échangeur de chaleur à courants parallèles et à contre-
courant.
L’approche de post-approximation est rarement utilisée pour la commande des échan-

geurs de chaleur. Un algorithme de commande optimale a été proposé dans [139] pour un
échangeur de chaleur à courants parallèles , en utilisant la méthode du gradient conjugué.
Dans [22], la commande géométrique a été utilisée, introduite par [5], pour la commande à
la frontière d’un échangeur de chaleur à courants parallèles. La commande Backstepping a
été utilisée dans [136] pour la commande d’un échangeur de chaleur à courants parallèles .
Ces techniques de commande proposées sont toutes basées sur le choix de la température
d’entrée des fluides comme variable de commande tant dit qu’il n’existe pas de stratégie
de commande lorsque le débit (vitesse) de l’un des fluides est pris comme variable de
commande.
4.8 Conclusion
Des généralités sur les échangeurs de chaleur ont été présentées dans ce chapitre. Leur
principe de fonctionnement a été illustré selon les différents modes de transfert de cha-
leur. Les échangeurs de chaleur sont largement utilisés dans la maitrîse d’énergie et leur
conception dépend de l’application considérée. Néanmoins, les échangeurs de chaleurs tu-
bulaires sont les plus utilisés dans la pratique car ils présentent un large domaine de fonc-
tionnement de température et de pression. Le comportement dynamique de l’échangeur

de chaleur tubulaire est convenablement décrit par deux EDPs décrivant la distribution
spatio-temporelle des températures des fluides en négligeant la dynamique de la paroi.
La commande des échangeurs de chaleur constitue un domaine de recherche actif. En
utilisant l’approche de post-approximation, une technique de commande géométrique sera
développée dans le prochain chapitre. La stratégie de commande consiste à manipuler la
vitesse d’un fluide comme variable de commande dans le but d’améliorer l’efficacité de
l’échangeur de chaleur.
Chapitre 5
Commande d’un système à paramètres

distribués bilinéaire
5.1 Introduction
Bien que plusieurs stratégies de commande intéressantes ont été développées dans le
cas des SPDs non linéaires [1, 4, 18, 33, 34, 154, 155], la conception de commandes pour
cette classe reste toujours un défi [4]. Une théorie générale a été développée dans le cas
des SPDs linéaires en utilisant la théorie des semi-groupes [20]. Cela n’est pas possible
dans le cas des SPDs non linéaires car ils présentent des non linéarités très différentes dans
leurs formes. L’investigation est souvent faite en considérant certaines classes particulières.
Parmi ces classes, on peut citer les EDPs hyperboliques de premier ordre [5, 7, 9, 29], les
EDPs paraboliques quasi-linéaires [18] et les EDPs paraboliques non linéaires [34].
Les SPDs bilinéaires représentent une autre classe intéressante des systèmes non li-
néaires [6]. Pour cette classe compte tenu de certaines considérations pratiques, certains
paramètres du système sont pris comme variables de commande. A titre d’exemple, la
manipulation d’une vitesse du fluide dans un échangeur de chaleur.
La commande géométrique est une approche intéressante et appropriée pour concevoir

des lois de commande pour les SPDs suivant l’approche de post-approximation. Cette
stratégie permet de concevoir des lois de commande directement en utilisant les modèles
96 Commande d’un système à paramètres distribués bilinéaire
EDPs, ce qui conduit à une commande de nature distribuée qui améliore davantage les
performances du système en boucle fermée [1]. Néanmoins, l’extension de cette tech-
nique de commande aux SPDs non linéaires bute à certaines contraintes. Par exemple,
la stabilité en boucle fermée est difficile à démontrer et nécessite généralement des outils
mathématiques sophistiqués de l’analyse fonctionnelle.
L’objectif du chapitre est de développer une technique de commande pour un SPD

bilinéaire dans le cadre de la commande géométrique en suivant l’approche de post-
approximation. Par la suite, on abordera la stabilité du système basée sur les propriétés
mathématiques de l’opérateur spatial résultant en boucle fermée. Les performances de
la loi de commande développée sont évaluées dans le cas d’un échangeur de chaleur à
courants parallèles. Le problème est de contrôler la température du fluide froid à la sortie
de l’échangeur de chaleur en manipulant sa vitesse d’entrée.
Le chapitre est structuré comme suit : le problème de commande d’un SPD bilinéaire
modélisé par deux EDPs hyperboliques linéaires couplées est présenté à la section 2.
La stabilité du système en boucle ouverte fera l’objet de la section 3. La section 4 est
consacrée à la conception de la loi de commande géométrique en suivant l’approche de
post-approximation. La condition de stabilité du système en boucle fermée est démontrée
à la section 5. A la section 6, l’approche de commande développée est illustrée dans le cas
d’un échangeur de chaleur à courants parallèles. Les performances de la loi de commande
développée sont évaluées, par simulation, pour un changement de consigne et rejet de
perturbation.
5.2 Formulation du problème de commande
Une classe importante des SPDs rencontrée dans une grande variété d’applications
pratiques est décrite par des EDPs hyperboliques linéaires couplées issues des lois de la
conservation d’énergie [2]. Dans ce cas, deux types de SPDs peuvent être distingués :
fortement et faiblement couplés [2].
Lorsque les dérivées temporelles et spatiales des différentes variables d’état inter-
5.2 Formulation du problème de commande 97
viennent dans chaque équation du modèle, le système est dit fortement couplé. Dans
le deuxième cas, lorsque chaque équation du modèle ne contient que les dérivées tempo-
relles et spatiales de la même variable d’état, le système est faiblement couplé. Notons
que, sous certaines hypothèses, un système fortement couplé peut être transformé en un
système faiblement couplé par une procédure de découplage. Les échangeurs de chaleur,
les lignes de transmission électrique, les canaux d’irrigation et les pipelines de transport
sont quelques exemples des SPDs dont le comportement dynamique est décrit par les
EDPs hyperboliques couplées [2, 141]
Dans ce chapitre, une classe de système linéaire faiblement couplé représenté par deux
EDPs hyperbolique est considérée. Son modèle mathématique est donné comme suit [2],
∂x1 (z, t) ∂x1 (z, t)

= −u1 + α1 (x2 (z, t) − x1 (z, t)) (5.1)
∂t ∂z
∂x2 (z, t) ∂x2 (z, t)
= −u2 + α2 (x1 (z, t) − x2 (z, t)) (5.2)
∂t ∂z
avec les conditions aux frontières suivantes
x1 (0, t) = x10 (5.3)
x2 (0, t) = x20 (5.4)
et les conditions initiales
x1 (z, 0) = x01 (z) (5.5)
x2 (z, 0) = x02 (z) (5.6)
x1 et x2 sont les variables d’état tel que x1 , x2 ∈ L2 (Ω) tandis que x01 et x02 représentent
les profils spatiaux initiaux. t ∈ [0 , ∞[ et z ∈ Ω représentent respectivement la variable
du temps et la variable de l’espace avec Ω ∈ [0; L]. x10 , x20 , α1 et α2 sont des constantes
positives.
Les variables u1 et u2 peuvent être considérées respectivement comme la variable à

manipuler et une perturbation et vice versa selon la configuration de commande considé-
rée.
Sans perte de généralité, on suppose que l’objectif est de contrôler la sortie suivante
y(t) = x1 (L, t) (5.7)
en manipulant la variable u1 alors que u2 est considérée comme une perturbation.

Dans ce cas, le système (5.1)-(5.6) est bilinéaire [6, 156]. Cette classe particulière
de DPSs est appelée systèmes faiblement couplés ou découplés puisque les termes qui
contiennent les dérivées ne sont pas couplés [2]
Pour résoudre ce problème de commande, on considère les hypothèses suivantes [157] :
Hypothèse 1 Le profil spatial x1 (z, t) est une fonction monotone croissante par rapport
à z [158].
Hypothèse 2 A z = 0, les conditions aux frontières verifient la condition : x2 (0, t) −

x1 (0, t) > 0, c’est-à-dire x20 − x10 > 0.
Remarque 12 Pour le SPD (5.1)-(5.2), puisque u1 , u2 , α1 et α2 sont des paramètres

positifs, l’hypothèse (2) implique que x2 (z, t) − x1 (z, t) > 0 pour tout z ∈ [0; l].
Avant d’aborder la conception de la loi de commande, le problème de stabilité du système

(5.1)-(5.6) est étudié dans la section suivante.
5.3 Analyse de stabilité en boucle ouverte
Comme nous l’avons déjà introduit dans le chapitre 2 et 3, la stabilité du semi-groupe

ou de son générateur (opérateur), c’est-à-dire la stabilité du SPD, peut être étudiée à
l’aide de certains outils de la théorie spectrale [59]. Ainsi, si toutes les valeurs propres de
l’opérateur, réelles ou complexes, sont à parties réelles négatives le semi-groupe généré
par cet opérateur est stable c’est-à-dire que le SPD est stable.
5.3 Analyse de stabilité en boucle ouverte 99
Le modèle (5.1)-(5.6) peut s’écrire sous la forme d’opérateur suivante
∂x(z, t)
= H x(z, t) (5.8)
∂t
Avec
 
x1 (z, t)
x(z, t) =  (5.9)
 

x2 (z, t)
où x(z, t) est le vecteur des variables d’état. L’opérateur H est défini comme suit
∂
H=A +B (5.10)
∂z
où
 
−u1 0
A=  (5.11)
0 −u2
et
 
−α1 α1
B=  (5.12)
α2 −α2
La stabilité des systèmes hyperboliques linéaires issus des lois de la conservation d’éner-
gie a été étudiée dans la littérature [63,98]. Le but de cette section est de donner la condi-
tion qui assure la stabilité exponentielle établie en se basant sur la théorie spectrale du
système (5.1)-(5.6) [59]. Cette théorie fournit le comportement qualitatif du semi-groupe
généré par l’opérateur spatial H [59].
Pour les conditions aux limites (5.3) -(5.4), puisque les valeurs propres de la matrice A
sont négatives, alors les valeurs propres de l’opérateur spatial H sont complexes données
comme suit [5, 63]
λk = −∞ + i k π (5.13)
avec k ∈ Z (Z étant l’ensemble des entiers) et i est l’unité imaginaire. Comme la partie
réelle de λk est négative, le système (5.8) est exponentiellement stable, c’est-à-dire que
l’opérateur spatial H génère un semi-groupe stable. Par conséquent, le modèle (5.1) -(5.6)
est exponentiellement stable si les paramètres u1 et u2 sont positifs.
5.4 Conception de la loi de commande géométrique
Les SPDs faiblement couplés sont caractérisés par un indice caractéristique fini lors-
qu’un paramètre est pris comme variable à manipuler pour contrôler une sortie à la fron-
tière [5]. De plus, l’analyse de stabilité d’un SPD faiblement couplé peut être étudiée
facilement en examinant les valeurs propres de l’opérateur spatial. Ces propriétés intéres-
santes motivent l’utilisation de la commande géométrique pour les SPDs bilinéaires afin
de concevoir une loi de commande suivant l’approche de post-approximation.
Ainsi, le problème de commande formulé est résolu dans le cadre de la commande

géométrique basée sur la notion de l’indice caractéristique introduit dans [5]. Cet indice
représente une généralisation de la notion de degré relatif dans les SPLs [159]. Il est
défini comme le nombre de fois à dériver la sortie y(t) pour que l’entrée u1 apparaisse
explicitement.
Pour le système (5.1)-(5.6), la première dérivée de y(t) par rapport au temps est
calculée comme suit
dy(t) ∂x1 (z, t)

=
dt dt z=L
(5.14)
∂x1 (z, t)
= −u1 + α1 (x2 (L, t) − x1 (L, t))
∂z z=L
A partir de l’équation (5.14), il est remarquable que la variable de commande u1 apparaît

explicitement dans la première dérivée temporelle de la sortie y(t) ce qui implique que
5.4 Conception de la loi de commande géométrique 101
l’indice caractéristique est égal à 1. Cela suggère d’imposer, en boucle fermée, un com-
portement dynamique d’un système du premier ordre, d’une constante de temps τ , entre
une variable externe y d(t) et la sortie y(t), c’est-à-dire
y(t)
τ + y(t) = y d(t) (5.15)
dt
L’hypothèse (1) permet de garantir que
∂x1 (z, t)
6= 0 (5.16)
∂z z=L
La substitution de la première dérivée temporelle de la sortie commandée y(t) par son

expression donnée par l’équation (5.14) dans l’équation (5.15) et en résolvant l’équation
résultante par rapport à la variable manipulée u1 , on déduit l’expression de la loi de
commande donnée comme suit
 
 y(t) − y d (t) + τ α1 (x2 (L, t) − x1 (L, t)) 
u1 (t) =   (5.17)
 ∂x1 (z, t) 
τ
∂z z=L
avec y(t) = x1 (L, t)
Remarque 13 La première dérivée spatiale de l’état x1 , qui apparait dans la loi de com-
mande (5.17), peut être approximée par un schéma de différence finie, en utilisant trois
points comme suit
∂x1 (z, t) x1 (L, t) − 4x1 (L − dz, t) + 3x1 (L − 2dz, t)

= (5.18)
∂z z=L 2∆z
Par conséquent, pour la mise en œuvre pratique de la loi de commande, il est nécessaire
de connaitre les mesures aux deux positions z = L − ∆z et z = L − 2∆z. Ces mesures
peuvent être fournies à partir de la mesure de la sortie commandée y(t) = x1 (L, t) à l’aide
d’un observateur.
5.5 Stabilité du système en boucle fermée
La loi de commande donnée par l’équation (5.17) fournit, en boucle fermée, un système
de dimension finie donné par l’équation (5.15), qui est stable pour une constante du temps
τ positive. Dans cette section, la stabilité interne du système en boucle fermée représentée
par l’équation (5.15) est analysée.
La représentation interne de la boucle fermée résultante est obtenue en remplaçant

la variable manipulée u1 par son expression (5.17) dans le système à commander (5.1)-
(5.6). Dans ce cas, la boucle fermée peut être écrite sous forme d’opérateur donnée par
l’équation (5.8) avec
   
  y(t) − y d (t) + τ α1 (x2 (L, t) − x1 (L, t)) 
 −  0 

A=
  ∂x 1 (z, t)  
(5.19)
τ 

 ∂z z=L


0 −u2
et B reste inchangé.
Le système en boucle fermée peut être considérée comme un système à paramètres

variants [160]. Ainsi, selon le développement donné dans la Section 5.3, la stabilité interne
de la boucle fermée (5.15) est assurée si les valeurs propres de la matrice (5.19) sont stables
(à partie réelle négative).
La condition qui garantit la stabilité de la matrice (5.19) est fournie par la proposition
suivante :
1
Proposition 1 [157] Si τ > α1
les valeurs propres de l’opérateur (5.19) sont stables.
Démonstration 1 Puisque u2 > 0, il reste à démontrer que
y(t) − y d (t) + τ α1 (x2 (L, t) − x1 (L, t))

(5.20)
∂x1 (z, t)
τ
∂z z=L
est positive.
5.5 Stabilité du système en boucle fermée 103
L’hypothèse (1) implique que
∂x1 (z, t)
>0 (5.21)
∂z z=L
et comme la constante de temps τ > 0, par conséquent le dénominateur de (5.20) est

positif.
Pour que la condition (5.20) soit satisfaite, il reste à démontrer que le numérateur de
(5.20) est aussi positif, c’est-à-dire,
τ α1 (x2 (L, t) − x1 (L, t)) > y d (t) − y(t) (5.22)
• Si y d(t) − y(t) > 0, la remarque (12) implique que la condition (5.22) est satisfaite
si τ et α1 sont positifs, par conséquent le numérateur de (5.20) est positif.
• Si y d(t) − y(t) < 0 cela signifie que y d (t) − x1 (t) < 0, le numérateur (12) est positif
si la condition suivante est satisfaite
τ α1 (x2 (L, t) − x1 (L, t)) >| y d (t) − y(t) | (5.23)
De la remarque (12), on déduit que
x2 (L, t) > x1 (L, t) (5.24)
et comme
x1 (L, t) > y d(t) (5.25)
alors
(x2 (L, t) − x1 (L, t)) >| y d (t) − y(t) | (5.26)

1
Maintenant, si on prend τ tel que τ α1 > 1 c’est-à-dire τ > α1
, alors
τ α1 (x2 (L, t) − x1 (L, t)) > x2 (L, t) − x1 (L, t) (5.27)
en tenant compte de la relation (5.26), on déduit que
τ α1 (x2 (L, t) − x1 (L, t)) >| y d (t) − y(t) | (5.28)
ce qui implique que le numérateur de (5.20) est positif.
Remarque 14 La proposition (1), signifie que la condition de stabilité interne est liée au
choix du paramètre de réglage τ de la loi de commande (5.17).
5.6 Exemple d’application
Dans cette section, les performances de la loi de commande développée (5.17) sont
évaluées dans le cas d’un échangeur de chaleur à courants parallèles (Figure 5.1) étudié
dans le chapitre précédent.
Tc,0(t)
Tc(z, t) fluide chaud
Tf,0 (t) Tf (z, t) Tf,L(t)

fluide froid
Tc(z, t)
Tc,L(t)
z
L
0
Figure 5.1: Échangeur de chaleur à courants parallèles.

5.6 Exemple d’application 105
Le comportement dynamique de l’échangeur de chaleur à courant parallèle est décrit

par les équations suivantes :
∂Tf (z , t) ∂Tf (z , t)
= −vf + αf (Tc (z , t) − Tf (z , t)) (5.29)
∂t ∂z
∂Tc (z , t) ∂Tc (z , t)
= −vc + αc (Tf (z , t) − Tc (z , t)) (5.30)
∂t ∂z
Tf (0, t) = Tf,0 (5.31)
Tc (0, t) = Tc,0 (5.32)
Tf (z, 0) = Tf0 (z) (5.33)
Tc (z, 0) = Tc0 (z) (5.34)
L’objectif est de commander la température du fluide froid à la sortie de l’échangeur

de chaleur définie comme suit
y(t) = Tf (z, t)|z=L

(5.35)
= Tf,L (t)
Comme il a été déjà mentionné, la température de l’échangeur de chaleur peut être

contrôlée en manipulant deux grandeurs physiques, la température du fluide à la frontière
ou le débit (vitesse) d’un fluide. En manipulant la vitesse vf , les températures Tf,0 , Tc,0
et la vitesse vc représentent des perturbations qui affectent l’échangeur de chaleur.
Notons que, les deux hypothèses (1) et (2) sont satisfaites pour un échangeur de chaleur
à courants parallèles puisque Tf (z, t) est une fonction monotone et croissante par rapport
à la variable de l’espace z. De plus, ∀t ∈ [0, ∞), Tc (z, t) − Tf (z, t) > 0. Par conséquent,
la méthodologie de commande proposée peut être appliquée.
En suivant le développement de la Section 5.4, le retour d’état qui réalise l’objectif de

commande est :
d
Tf,L (t) − Tf,L (t) + τ αf (Tc (L, t) − Tf (L, t))
vf (t) = (5.36)
∂Tf (z, t)
τ
∂z z=L
où Tf,L
d
est la température désirée du fluide froid à la sortie de l’échangeur.
Les performances du système en boucle fermée sont évaluées par simulation en utilisant
la méthode des lignes [14] en supposant un nombre de points de discrétisation égal à 100.
Les dérivées spatiales sont approximées en utilisant les différences finies. Les paramètres
de l’échangeur de chaleur sont résumés dans le Tableau 5.1
paramètre valeur
αc 0.3 [s−1 ]
αf 0.2 [s−1 ]
L 1.0 [m]
Table 5.1: Paramètres de l’échangeur de chaleur pour une simulation en boucle fermée.
Les température initiales Tc0 (z) et Tf0 (z) sont les profils spatiaux à l’état stationnaire
obtenus en considérant les conditions aux limites et les vitesses indiquées dans le Tableau
5.2.
variable valeur
vc 10 [m.s−1 ]
vf 5 [m.s−1 ]
Tc,0 80 [˚C]
Tf,0 25 [˚C]
Table 5.2: Vitesses et conditions aux frontières.
Le paramètre de réglage du régulateur τ qui satisfait la condition de la proposition 1

est pris égale à 6 s.
Dans les tests de simulation effectués, pour éviter des variations brusques de la sortie
commandée Tf,L (t), la consigne désirée Tf,L
d
(t) est lissée à l’aide d’un filtre du premier
df
ordre qui fournit la consigne filtrée c’est-à-dire la trajectoire de référence Tf,L (t) définie
par l’équation différentielle suivante :
df
dTf,L (t) df d
τf + Tf,L (t) = Tf,L (t) (5.37)
dt
où τf est la constante de temps du filtre prise égale à 5 s. Ainsi, en considérant la consigne

df
filtrée Tf,L (t) au lieu de la consigne Tf,L
d
(t), la loi de commande (5.36) prend la forme
suivante
df
Tf,L (t) − Tf,L (t) + τ αf (Tc (L, t) − Tf (L, t))
vf (t) = (5.38)
∂Tf (z, t)
τ
∂z z=L
Remarque 15 Selon la proposition 1, le choix de la constante du temps τ assure que

les deux vitesses vf et vc ont le même signe (positif ). Cela signifie physiquement que les
fluides froid et chaud circulent dans le même sens, ce qui représente la caractéristique
d’un échangeur de chaleur à courants parallèles.
5.6.1 Résultats de simulation
Pour évaluer les performances de la loi de commande (5.38), deux tests de simulation
sont considérés .
5.6.1.1 Poursuite de consigne
Pour le premier test de simulation, on considère le problème de poursuite de trajectoire.

Afin d’évaluer les performances de la loi de commande (5.38) en poursuite de consigne,
deux échelons Tfd (t) = 50C˚ et Tfd (t) = 35C˚ ont été imposés respectivement à t = 5 s
et t = 60 s. La Figure 5.2 montre clairement que la température du fluide froid Tf,L (t)
suit parfaitement la consigne désirée imposée. On remarque que le suivi de trajectoire est
réalisé avec une évolution douce de la vitesse vf (Figure 5.3). Les profils de température
sont également ceux d’un échangeur de chaleur à courants parallèles (Figure 5.4).
55
Consigne
Consigne filtrée
50 Sortie
y(t) = Tf (L, t) [◦ C]
45
40
35
30
25
0 20 40 60 80 100 120
Temps [s]
Figure 5.2: Poursuite de consigne : Évolution de la température du fluide froid Tf,L (t).
4
vf (t) [m · s−1 ]
0
0 20 40 60 80 100 120
Temps [s]
Figure 5.3: Poursuite de consigne : Évolution de la vitesse du fluide froid vf (t).
5.6.1.2 Rejet de perturbation
Le deuxième test considéré est le rejet de perturbation. Pour ce test, un changement

de −60% de la vitesse du fluide chaud vc est appliqué à t = 10s. La Figure 5.5 représente
des variations de la température du fluide froid à certaines positions le long de l’échangeur
de chaleur. On remarque clairement que l’effet de la perturbation observé à z = 0m est
Figure 5.4: Poursuite de consigne : Profils des températures en 3D.
atténué et devient invisible à la sortie z = 1m de l’échangeur de chaleur, c’est-à-dire sur la

variable commandée. Cette atténuation est obtenue par une légère variation de la vitesse
du fluide froid vf comme le montre la Figure 5.6.
Position z = 0.25 [m] Position z = 0.5 [m]

33.5 40
Tf (z, t) [◦ C] 39.8
Tf (z, t) [◦ C]
39.6
33
39.4
39.2
32.5 39
0 10 20 30 40 50 0 10 20 30 40 50
Temps [s] Temps [s]
Position z = 0.75 [m] Position z = 1 [m]
46 52
51.5
45.8
51
y(t) = Tf (z, t) [ C]
◦
Tf (z, t) [◦ C]
45.6 50.5
50
45.4 49.5
49
45.2
48.5
45 48
0 10 20 30 40 50 0 10 20 30 40 50
Temps [s] Temps [s]
Figure 5.5: Rejet de perturbation : Effet de la perturbation vc (t) sur Tf (z, t)
5.7 Conclusion
Dans ce chapitre, nous avons développé une loi de commande géométrique pour la
commande d’un SPD hyperboliques modélisé par deux EDPs. La vitesse de convection
est prise comme variable de commande pour contrôler une sortie à la frontière. Cette
configuration de commande conduit à un SPD bilinéaire. Puis, en utilisant la notion
d’indice caractéristique qui est une généralisation du concept de degré relatif aux systèmes
de dimension infinie, une loi de commande de dimension infinie, qui assure à la fois le suivi
de trajectoire et le rejet de perturbation est développée. Cette loi de commande transforme
le système en boucle fermée en un système linéaire (2 × 2) à temps variant .
La condition de stabilité de la boucle fermée est déterminée en fonction de la stabilité
des valeurs propres de l’opérateur spatial en boucle fermée.
5.7 Conclusion 111
0.35
0.34
vf (t) [m · s−1 ]
0.33
0.32
0.31
0.3
0 10 20 30 40 50
Temps [s]
Figure 5.6: Rejet de perturbation : Évolution de la vitesse du fluide froid vf (t).
Les capacités de poursuite et de rejet de perturbations de la loi de commande déve-

loppée sont évaluées par simulation numérique dans le cas d’un échangeur de chaleur à
courants parallèles. Les résultats obtenus montrent que le retour d’état développé per-
met d’obtenir de bonnes performances en termes de suivi de trajectoire et de rejet de
perturbations.
Conclusion générale
Un système bilinéaire de dimension infinie est caractérisé par un opérateur différentiel

ayant une forme particulière. Ainsi, en utilisant la théorie des semi-groupes et particulière-
ment l’analyse spectrale, on peut conclure aisément sur la stabilité du système. L’objectif
de la thèse consiste à exploiter cette propriété intéressante pour la conception d’une loi
de commande géométrique permettant d’assurer la poursuite de consigne, le rejet de per-
turbation et la stabilité exponentielle en boucle fermée.
Ainsi, après avoir présenté des généralités sur les systèmes de dimension infinie et par-
ticulièrement les systèmes bilinéaires considérés dans le cadre de cette thèse, nous avons
rappelé certaines notions de l’analyse fonctionnelle utilisées dans l’étude des propriétés
fondamentales des SPDs. Puis, nous avons introduit les principaux résultats de l’analyse
spectrale des opérateurs bornés. Ensuite, nous avons présenté les deux approches princi-
pales utilisées pour la conception d’une commande pour un SPD. La première approche
est la pré-approximation qui consiste à déterminer un système de dimension finie qui
approxime le comportement dynamique du SPD. La deuxième approche consiste à utili-
ser directement le modèle sous forme d’EDPs sans aucune approximation. Pour chaque
approche, nous avons précisé ses avantages et ses inconvénients. Après, nous avons axé l’ex-
posé sur le concept de stabilité d’un système dynamique en général. Nous avons commencé
par un rappel des différents types de stabilité. Puis, nous avons présenté les techniques
utilisées pour l’analyse de la stabilité d’un système de dimension infinie en l’occurrence
la théorie des semi-groupes fortement continus, basée sur l’analyse spectrale, et la mé-
thode directe de Lyapunov. Par la suite, nous avons montré que l’opérateur différentiel
spatial d’un SPD décrit par deux EDPs hyperboliques linéaires couplées est caractérisé
114 Conclusion générale
par un spectre dont les valeurs propres sont à parties réelles négatives. Ensuite, on s’est
intéressé à la modélisation et l’étude par simulation du comportement dynamique d’un
échangeur de chaleur à courants parallèles. Nous avons aussi étudié le problème de com-
mandabilité de l’échangeur de chaleur, c’est-à-dire les températures atteignables. Puis, en
utilisant le concept de l’indice caractéristique, nous avons développé une loi de commande
de nature distribuée assurant une stabilité exponentielle en boucle fermée. La commande
obtenue permet de contrôler la température du fluide froid, à la sortie de l’échangeur, en
manipulant la vitesse d’écoulement du même fluide tout en rejetant les perturbations.
Les contributions principales de la thèse sont :
• Extension de la commande géométrique aux systèmes bilinéaires de dimension infinie,
• Utilisation de l’analyse spectrale pour l’analyse de la stabilité d’un système bilinéaire

corrigé par une commande géométrique de nature distribuée,
• Application pour un échangeur de chaleur à courants parallèles.
L’étude menée dans le cadre de cette thèse, nous permet de tirer les conclusions sui-
vantes :
• La commande géométrique permet de concevoir facilement, en utilisant le concept

de l’indice caractéristique, des lois de commande de nature distribuée permettant d’amé-
liorer davantage les performances d’un système,
• Pour un système bilinéaire de dimension infinie, le choix de la vitesse de la matière

transportée comme variable à manipuler permet de préserver la bilinéarité du système en
boucle fermée,
• Le système en boucle fermée est bilinéaire mais à paramètres variables dans le temps,
ainsi l’utilisation de l’analyse spectrale permet de déduire facilement les conditions de sta-
bilité en boucle fermée,
115
• La stabilité en boucle fermée peut être garantie par un réglage judicieux de la loi de
commande distribuée,
• L’étude de la commandabilité est très importante pour définir l’espace des profiles
atteignables.
Aussi, les résultats de simulation obtenus dans le cas de l’échangeur de chaleur dé-
montrent clairement l’apport de la commande géométrique développée.
La commande des systèmes non linéaires à paramètres distribués, en utilisant l’ap-
proche de post-approximation, reste un domaine de recherche peu investi dans la littéra-
ture. En effet, pour les EDPs non linéaires, il est difficile d’établir une théorie générale
comme dans le cas linéaire (théorie des semi-groupes). Néanmoins, les résultats de la thèse
motivent d’investir la commande des systèmes non linéaires à paramètres distribués. On
peut, par exemple, envisager les pistes suivantes :
• Exploitation de la théorie des semi-groupes, développée pour le cas linéaire, au cas
non linéaire en utilisant des transformations tangentes. Ces dernières permettent une li-
néarisation globale du système à paramètres distribués,
• Extension de la description multi modèles aux systèmes non linéaires de dimension

infinie en considérant des modèles linéaires valables au voisinage des profiles spatiaux,
• Utilisation de la description par modèles flous des systèmes non linéaires de dimen-
sion infinie,
• Ces dernières années, la théorie des semi-groupes non linéaires commence à émerger,
alors il est intéressant d’exploiter les résultats disponibles pour résoudre des problèmes
d’automatique des systèmes non linéaires de dimension infinie.
Bibliographie
[1] P. D. CHRISTOFIDES : Nonlinear and robust control of PDE systems : methods

and applications to transport-reaction processes, Birkhauser, Boston, 2001.
[2] K. BARTECKI : Modeling and analysis of Linear Hyperbolic Systems of Balance

Laws, Springer, Switzerland, 2016.
[3] B.A. OGUNMAIKE et W.H. RAY : Process Dynamics, Modeling and Control, Oxford
University Press, New York, 1994.
[4] P. D. CHRISTOFIDES : Control of nonlinear distributed process systems : Recent

developments and challenges, AIChE Journal, 47(3) : 514-518, 2001.
[5] P. D. CHRISTOFIDES et P. DAOUTIDIS : Feedback control of hyperbolic PDE

systems, AIChE Journal, 42(11) : 3063-3308, 1996.
[6] E. BÜHLER et D. FRANKE : Topics in identification and distributed parameter

systems, Springer Fachmedien Wiesbaden, Germany, 1980.
[7] P. K. GUNDEPUDI et J. C. FREIDLY : Velocity control of hyperbolic partial dif-

fierential equation systems with single characterstic variable, Chemical Engineering
Science, 53(24) : 4055-4072, 1998.
[8] C-Z XU et G. SALLET : Exponential Stability and Transfer Functions of Processes

Governed by Symmetric Hyperbolic Systems, Optimisation and Calculus of Varia-
tions, 7 : 421-442, 2002.
[9] J. P. GARCIA-SANDOVAL, V. GONZALEZ-ALVAREZ et C. PELAYO-ORTIZ :

Robust continuous velocity control of convective spatially distributed systems, Che-
mical Engineering Science, 63(17) : 4373-4385, 2008.
118 BIBLIOGRAPHIE
[10] J. P. BABARY et W. PELCZEWSKY : Commande optimale des systèmes continus

déterministes, Masson, Paris, 1985.
[11] W. H. RAY : Advanced Process Control, Butterworths, Boston, 1989.
[12] M. J. BALAS : Reduced-Order Feedback Control of Distributed Parameter Systems

via Singular Perturbation Methods, Journal of Mathematical Analyse and Applica-
tions, 87(1) : 28l-294, 1982.
[13] D. DOCHAIN, J. P. BABARY et N. TALI-MAAMAR : Modelling and Adaptive

Control of Nonlinear Distributed Parameter Bioreactors via Orthogonal Collocation,
Automatica, 28(5) : 873-883, 1992.
[14] A. VANDE WOUWER, Ph. SAUCEZ et W. E. SCHIESSER : Adaptive method of

lines, Chapman and Hall/CRC, New York, 2001.
[15] W. WU et S-Y. DING : Model predictive control of nonlinear distributed parameter

systems using spatial neural-network architectures, Industrial & Engineering Che-
mistry Research, 47(19) : 7264-7273, 2008.
[16] K. ALHUMAIZI,R. HENDA et M. SOLIMAN : Numerical analysis of a reaction-

diffusion-convection system, Computers & chemical engineering, 27(4) : 579-594,
2003.
[17] A. RACHID : Systèmes de Régulation, Masson, Paris, 1997.
[18] S. DUBLJEVIC, P. D. CHRISTOFIDES et I. G. KEVREKIDIS : Distributed non-

linear control of diffusion-reaction processes, International Journal of Robust and
Nonlinear Control, 14(2) : 133-156, 2004.
[19] A. MAIDI, M. DIAF et J.-P. CORRIOU : Distributed Geometric Control of Wave

Equation, IFAC Proceedings Volumes, 41(2) : 218-223, 2008.
[20] R. F. CURTAIN et H. ZWART : An Introduction to Infinite-Dimensional Linear

Systems Theory, Springer-Verlag, New York, 1995.
[21] A. EL JAI et M. AMOUROUX : Automatique des Systèmes Distribués, Hermès,

Paris, 1990.
BIBLIOGRAPHIE 119
[22] A. MAIDI, M. DIAF et J.-P. CORRIOU : Boundary control of a parallel-flow heat

exchanger by input-output linearization, Journal of Process Control, 20(10) : 1161-
1174, 2010.
[23] A. MAIDI et J.-P. CORRIOU : Distributed feedback design for systems governed by
the wave equation, International Journal of Control, 84(8) : 1417-1429, 2011.
[24] J. BAKER et P. D. CHRISTOFIDES : Finite-dimensional approximation and control

of nonlinear parabolic PDE systems, International Journal of Control, 73(5) : 439-
456, 2000.
[25] M. A. DEMETRIOU et N. KAZANTZIS : Compensation of spatiotemporally varying

disturbances in nonlinear transport processes via actuator scheduling, International
Journal of Robust and Nonlinear Control, 14(2) : 181-197, 2004.
[26] A. ARMAOU et P. D. CHRISTOFIDES : Wave suppression by nonlinear finite-

dimensional control, Chemical Engineering Science, 55(14) : 2627-2640, 2000.
[27] C. C. CHEN et H. C. CHANG : Accelerated Disturbance Damping of an Unknown

Distributed System by Nonlinear Feedback, AIChE Journal, 38(9) : 1461-1476, 1992.
[28] H. SIRA-RAMIREZ : Distributed Sliding Mode Control in Systems Described by

Quasi-linear Partial Differential Equations, Systems & Control Letters 13 : 177-181,
1989.
[29] E. M. HANCZYC et A. PALAZOGLU : Sliding mode control of nonlinear distributed

parameter chemical processes, Industrial et Engineering Chemistry Research, 34(2) :
557-566, 1995.
[30] D. L. BRIGGS et C. N. SHEN : Switching Analysis for Constrained Bilinear Distri-

buted Parameter System With Applications, Journal of Basic Engineering, 91(2) :
277-283, 1969.
[31] Y. OU, C. XU, E. SCHUTER, T. C. LUCE, J. R. FERRON, M. L. WALKER et D.

A. HUMPHREYS : Optimal Tracking Control of Current Profile in Tokamaks, IEEE
Transactions on Control Systems Technology, 19(2) : 432-441, 2011.
120 BIBLIOGRAPHIE
[32] C. XU et Y. OU, E. SCHUSTER : Sequential linear quadratic control of bilinear

parabolic PDEs based on POD, Automatica, 47(2) : 418-426, 2011.
[33] A. MAIDI et J. -P. CORRIOU : Boundary control of nonlinear distributed parameter

systems by input-output linearization, 18th IFAC World Congress 2011, Milan, Italy,
28 August - 02 September , 10910-10915, 2011.
[34] A. MAIDI et J. -P. CORRIOU : Distributed control of nonlinear diffusion systems by

input-output linearization, International Journal of Robust and Nonlinear Control,
24(3) : 389-405, 2014.
[35] A. MAIDI et J. -P. CORRIOU : Boundary Geometric Control of a Nonlinear Diffusion

System with Time-Dependent Spatial Domain, Asian Journal of Control, 18(4) :
1259-1268, 2016.
[36] H. SHANG, J. F. FORBES et M. GUAY : Feedback control of hyperbolic distributed

parameter systems, Chemical Engineering Science, 60(4) : 969-980, 2005.
[37] E. AGGETOGIANNAKI et H. SARIMVEIS : Nonlinear model predictive control

for distributed parameter systems using data driven artificial neural network models,
Computer and Chemical Engineering, 32(6) : 1225-1237, 2008.
[38] D.H. GAY et W. H. RAY : Identification and Control of Distributed Parameter Sys-
tems by Means of the Singular Value Decomposition, Chemical Engineering Science,
50(10) : 1519-1539, 1995.
[39] G. ALLAIRE : Analyse Numérique et optimisation, Éditions de l’École Polytech-

nique, 2005.
[40] M. RENARDY et R. C. ROGERS : An Introduction to Partial Differential Equations,

Springer, 1993.
[41] J. D. LOGAN : An Introduction to Nonlinear Partial Differential Equations, John

Wiley & Sons, New Jersey, 2008.
[42] A. M. WAZWAZ : Partial Differential Equations and Solitary Waves Theory, Sprin-
ger, Berlin, 2009.
BIBLIOGRAPHIE 121
[43] M. KUMAR et G. MISHRA : An Introduction to Numerical Methods for the So-

lutions of Partial Differential Equations, Applied Mathematics, 2(11) : 1327-1338,
2011.
[44] B. LUCQUIN : Équations aux Dérivées partielles et Leurs Approximations, Édition

Ellipses, Paris, 2004.
[45] P. FAURRE et M. ROBIN : Éléments d’automatique, Dunod, Paris, 1990.
[46] A. EL JAI et A, J. PRITCHARD : Capteurs et Actionneurs dans l’analyse des

systèmes Distribués, Masson, Pris, 1986.
[47] M.LIANG : Bilinear optimal control for a wave equation, Mathematical Models and
Methods in Applied Sciences, 9(1) : 45-68, 1999.
[48] A. ADDOU et A. BENBRIK : Existence and uniqueness of optimal control for a

distributed-parameter bilinear system, Journal of dynamical and control systems,
8(2) : 141-152, 2002.
[49] P. LIN, Z. ZHOUB et H. GAO : Exact controllability of the parabolic system with
bilinear control, Applied Mathematics Letters, 19(6) : 568-575, 2006.
[50] A. TSOULI, A. BOUTOULOUT et A. EL ALAMI : Constrained Feedback Stabi-

lization for Bilinear Parabolic Systems, Intelligent Control and Automation, 6(3) :
103-115, 2015.
[51] E. H. ZERRIK et M. O. SIDI : Constrained regional control problem for distributed

bilinear systems, IET Control Theory & Applications, 7(15) : 1914-1921, 2013.
[52] M. OUZAHRA : Stabilization with Decay Estimate for a Class of Distributed Bilinear
Systems, European Journal of Control, 5(10) : 509-515, 2007.
[53] M. BOULERHCHA : Optimality Conditions of Distributed Bilinear Control Pro-

blem, International Journal of Math Analysis, 6(10) : 471-479, 2012.
[54] S. ELMETENNANI et T.M. LALEQ-KIRATI : Bilinear reduced order approximate

model of parabolic distributed solar collectors, Solar Energy, 131 : 71-80, 2016.
122 BIBLIOGRAPHIE
[55] Y. KURODA, A. MAKINO et T. ISHIBASHI : Problem of Bilinear Control in Non-

linear Coupled Distributed Parameter Reactor Systems, System Modeling and Op-
timization, 285-292, 1982.
[56] J.P. RICHARD : Mathématique pour les systèmes dynamiques, Lavoisier, Paris, 2002.
[57] R. ADAMS : Sobolev Spaces, Academic Press, NY, USA, 1978.
[58] K. ATKINSON et W. HAN : Theoretical Numerical Analysis. A Functional Analysis

Framework Texts in Applied Mathematics, Springer-Verlag, New York, USA, 2001.
[59] K. J. ENGEL et R. NAGEL. A Short Course on Operator Semigroups, Springer, New

York, 2006.
[60] A. A. BALINSKY et W. D. EVANS : Spectral analysis of relativistic operators, World

Scientific, 2011.
[61] E. BRIAN DAVIES : Linear Operators and Their Spectra, Cambridge University
Press, New York, USA, 2007.
[62] T.KATO : Perturbation Theory for Linear Operators, Springer, 1980.
[63] D. L. RUSSELL : Controllability and stabilizability theory for linear partial differen-
tial equations : Recent progress and open questions. SIAM Review, 20(4) : 639-739,
1978.
[64] D. L. RUSSELL : Distributed parameter systems : An overview, in Encyclopedia

of Life Support Systems (EOLSS) : Control Systems, Robotics And Automation,
London : EOLSS Publishers, 2003.
[65] I. LASIECKA : Control of systems governed by partial differential equations : A histo-

rical perspective, Proceedings of the 34th IEEE Conference on Decision and Control,
3 : 2792-2796, 1995.
[66] A VANDE WOUWER, P. SAUCEZ et W. E. SCHIESSER : Simulation of Distribu-

ted Parameter Systems Using a Matlab-Based Method of Lines Toolbox : Chemical
Engineering Applications, Industrial & Chemistry Research, 43(14) : 3469-3477, 2004.
[67] W.F. AMES : Numerical Methods for Partial Differential Equations, Academic Press,
San Diego, 1992.
BIBLIOGRAPHIE 123
[68] M. LI et P. D. CHRISTOFIDES : An input/output approach to the optimal transition

control of a classe of distributed chemical reactors, Chemical Engineering Science,
62(11) : 2979-2988, 2007.
[69] B. L. JONES et E. C. KERRIGAN : When is the discretization of a spatially distri-

buted system good enough for control ?, Automatica, 46(9) : 1462-1468, 2010.
[70] M. N. CONTOU-CARRERE et P. DAOUTIDIS : Model reduction and control

of multi-scale reaction-convection processes, Chemical engineering science, 63(15) :
4012-4025, 2008.
[71] J. P. SORENSEN, S. B. JORGENSEN et K. CLEMENT : Fixed-bed reactor kalman

filtering and optimal control-I Computational comparison of discrete vs continuous
time formulation, Chemical Engineering Science, 35(5) : 1223-1230, 1980.
[72] A. ADROVER, G. CONTINILLO, S. CRESCITELLI, M. GIONA et L. RUSSO :

Wavelet-like collocation method for finite-dimensional reduction of distributed sys-
tems, Computers & Chemical Engineering, 24(12), 2687-2703, 2000.
[73] A. ARMAOU et P. D. CHRISTOFIES : Dynamic optimization of dissipative PDE

systems using empirical eigenfunctions, Proceedings of the American Control Confe-
rence, 2 : 1040-1048, 2002.
[74] G. M. KEPLER, H. T. TRAN et H. T. BANKS : Compensator control for chemical

vapor deposition film growth using reduced-order design models, IEEE transactions
on semiconductor manufacturing, 14(3) : 231-241, 2001.
[75] J. A. ATWELL et B. B. KING : Reduced order controllers for spatially distributed

systems via proper orthogonal decomposition, SIAM Journal on Scientific Compu-
ting, 26(1) : 128-151, 2004.
[76] A. A. MOGHADAM, I. AKSIKAS, S. DUBLJEVIC et J. FRASER FORBES :

Infinite-dimentional LQ optimal control of a dimethyl ether (DME) catalytic dis-
tillation column, Journal of Process Control, 22(9) : 1655-1669, 2012.
124 BIBLIOGRAPHIE
[77] A. A. PATWARDHAN, G. T. WRIGHT et T. F. EDGAR : Nonlinear model-

predictive control of distributed-parameter systems, Chemical Engineering Science,
47(4) : 721-735, 1992.
[78] M.A. ARBAOUI, L. VERNIERES-HASSIMI, D. SEGUIN et M.A. ABDELGHANI-

IDRISSI : Counter-current tubular heat exchanger : modeling and adaptive predictive
functional control, Applied Thermal Engineering, 27(13) : 2332-2338, 2007.
[79] Y. LOU, G, HU et P. D. CHRISTOFIDES : Model predictive control nonlinear

stochastic partial diffirential equation with application to sputtering process, AIChE
Journal, 54(8) : 2065-2081, 2008.
[80] M.A. ABDELGHANI-IDRISSI, M.A. ARBAOUI, L. ESTEL et J. RICHALET : Pre-

dictive functional control of a counter current heat exchanger using convexity pro-
perty, Chemical Engineering and Processing, 40(5) : 449-457, 2001.
[81] D. DUGDALE et P. WEN : Controller Optimisation of a Tube Heat Exchanger,

Proceedings of the 4th World Congress on Intelligent Contra1 and Automation, 7803-
7268, Shanghai, China, 2002.
[82] L. MINGHENG et P.D. CHRISTOFIDES : An input/output approach to the optimal

transition control of a class of distributed chemical reactors, Chemical Engineering
Science, 62(11) : 2979 - 2988, 2007.
[83] M. J. BALAS : Finite-Dimensional Control of Distributed Parameter Systems by

Galerkin Approximation of Infinite Dimensional Controllers, Journal of Mathematical
Analysis and Applications, 114(1) : 17-36, 1986.
[84] P. SOORAKSA et G. CHEN : Mathematical Modeling and Fuzzy Control of a

Flexible-Link Robot Arm, Mathematical and Computing Modeling, 27(6) : 73-93,
1998.
[85] H-N. WU, J-W WANG et H-X LI : Fuzzy Boundary Control Design for a Class
of Nonlinear Parabolic Distributed Parameter Systems, IEEE Transactions. Fuzzy
Systems, 22(3) : 642-652, 2014.
BIBLIOGRAPHIE 125
[86] P. D. CHRISTOFIDES et P. DAOUTIDIS : Distributed output feedback control of

two-time-scale hyperbolic PDE system, Applied Mathematics and Computer Science,
8(4) : 713-732, 1998.
[87] A. MAIDI, M. DIAF et J.-P. CORRIOU : Boundary geometric control of a counter-

current heat exchanger, Journal of Process Control, 19(2) : 297-313, 2009.
[88] A. MAIDI, M. DIAF et J.-P. CORRIOU : Optimal linear PI fuzzy controller design
of a heat exchanger,Chemical Engineering and Processing, 47(5) : 938-945, 2008.
[89] A. M. LYAPUNOV : The general problem of the stability of motion, Thèse de doc-
torat, 1892.
[90] H. K. KHALIL : Nonlinear systems, Prentic Hall, New Jersey, 1996.
[91] P. K. C. WANG : Asymptotic Stability of Distributed Parameter Systems with Feed-

back Controls, IEEE Transaction on Automatic Control, 1(1) : 46-54, 1966.
[92] J. ZABCZYK : Mathematical control theory : an introduction, Springer Science &

Business Media, USA, 2009.
[93] S. SASTRY : Nonlinear Systems Analysis, Stability, and Control, Springer-Verlag,

New York, 1999.
[94] M. J. BALAS : Stability of Distributed Parameter Systems with Finite-Dimensional

Controller-Compensators Using Singular Perturbations, Journal of Mathematical
Analysis and Applications, 99(1) : 80-108, 1984.
[95] R. E. BLODGETT : Stability Conditions for a Class of Distributed-Parameter Sys-

tems, Journal of Basic Engineering, 88(2) : 475-479, 1966.
[96] A. F. D’SOUZA : Lyapunov Stability of a Class of Distributed Parameter Systems,

Journal of Dynamic Systems, Measurement, and Control, 93(2) : 79-85, 1971.
[97] A. TCHOUSSO, T. BESSON et C.XU : Exponential Stability of Distributed Pa-

rameter Systems Governed by Symmetric Hyperbolic Partial Differential Equations
Using Lyapunov’s Second Method, ESAIM : Control, Optimisation and Calculus of
Variations, 15(2) : 403 - 425, 2009. .
126 BIBLIOGRAPHIE
[98] A. DIAGNE, G. BASTIN et J. M. CORON : Lyapunov exponential stability of 1-d

linear hyperbolic systems of balance laws, Automatica, 48(1) : 109-114, 2012.
[99] J.M. CORON, B. D’ANDREA-NOVEL et G. BASTIN : Strict Lyapunov Function for

Boundary Control of Hyperbolic Systems of Conservation Laws, IEEE Transactions
on Automatic control, 52(1) : 2-11 ,2007.
[100] V. DOS SANTOS, G. BASTIND, J.M. CORON et B. D’ANDREA-NOVEL : Boun-

dary control with integral action for hyperbolic systems of conservation laws : Stabi-
lity and experiments, Automatica, 44(5) : 1310-1318, 2008.
[101] E. HILLE et R. S. PHILLIPS : Functional Analysis and Semi-Groups, American

Mathematical Society, USA, 1957.
[102] E. HILLE : On Semi-Groups of Transformations in Hilbert Space, National Academy

of Sciences Stable, 24(3) : 159-161, 1938.
[103] E. HILLE : Functional Analysis and Semi-Groups, American Mathematical Society,

New York, 1948.
[104] K. YOSIDA : On the differentiability and the representation of one-parameter semi-

groups of linear operators, Journal of the Mathematical Society of Japan, 1(1) : 15-21,
1948.
[105] R. S. PHILLIPS : The Adjoint Semi-group, Pacific Journal of Mathematics, 5(2) :

269-283, 1955.
[106] K. YOSIDA : Lectures on Semi-group Theory and its application to Cauchy problem
in Partial Differential Equations, Tata Institute of Fundamental Research, Bombay,
1957.
[107] W. FELLER : The parabolic differential equations and the associated semigroups
of transformations, Annals of Mathematics, 55(3) : 468-519, 1952.
[108] W. FELLER : Semi-goups of transformations in general weak topologies, Annals of

Mathematics, 57(2) : 286-308, 1953.
[109] R. S. PHILLIPS : On the generation of semi-groups of linear operators, Pacific

Journal of Mathematics, 2(3) : 393-415, 1952.
BIBLIOGRAPHIE 127
[110] R. F. CURTAIN A. J. PRITCHARD : Infinite Dimensional Linear Systems Theory,

Springer-Verlag, New York, USA, 1978.
[111] H. SANO : Observability and reachability for parallel-flow heat exchanger equations,
IMA Journal of Mathematical Control and Information, 24(1) : 137-147, 2007.
[112] A. PAZY : Semigroups of linear operators et applications to partial differential equa-

tions, Springer Verlag, New York, 1983.
[113] K. NAKASO, H. MITANI et J. FUKAI : Convection heat transfer in a shell-and-

tube heat exchanger using sheet fins for effective utilization of energy , International
Journal of Heat and Mass Transfer, 82 : 403 - 425, 2015.
[114] S. A. CHEEN et K. MAN-HOE : Thermo-hydraulic analysis of multi-row cross-flow

heat exchangers, International Journal of Heat and Mass Transfer, 120 (1) : 534 -
539, 2018.
[115] L. XIA, J.A. De ABREU-GARCIA et T.T. Hartley : Modelling and simulation of

a heat exchanger, IEEE International Conference on Systems Engineering, Dayton,
USA, 1-3 August : 453-456, 1991.
[116] R. K. SHAH et D. P. SEKULIC : Fundamentals of heat exchanger design, John

Wiley et Sons, New Jersey, 2003.
[117] P. WILDI-TREMBLAY et L. GOSSELIN : Minimizing shell-and-tube heat exchan-

ger cost with genetic algorithms and considering maintenance, International Journal
of Enery Research, 31(9) : 867 - 885, 2007.
[118] Y. A. CENGEL : Heat Transfer, a Practical Approach, McGraw-Hill, 2008.
[119] D. Q. KERN : Process Heat Transfer, McGRAW-HILL, New-York 1967.
[120] B. ROFFEL et B. BETLEM : Process Dynamics and Control : Modeling for Control
and Prediction, John Wiley and Sons Ltd, Paris, 2006.
[121] J. LIETO : Le génie chimique à l’usage des chimistes, Lavoisier, Paris, 2004.
[122] R. W. SERTH et T. G. LESTINA : Process Heat Transfer Principes, Applications

and Rules of Thumb, Academic Press, USA, 2007.
128 BIBLIOGRAPHIE
[123] E. CAO : Heat Transfer in Process Engineering, McGRAW-HILL, New-York 2009.
[124] T. KUPPAN : Heat Exchanger Design Handbook, CRC Press, Taylor and Francis
group, Boca Raton, USA, 2000.
[125] T. KAKAC et H. LIU : Heat exchangers selection, rating and thermal design. CRC
Press, USA, 2002.
[126] M. K. BASSIOUNY et H. MARTIN : Flow Distribution and Pressure Drop in Plate

Heat Exchangers-I, Chemical Engineering Science, 39(4) : 693-700, 1984.
[127] M.A. AHMED, A.A. ISHAK et N.K. ISMAIL : New Hybrid Model Reference Adap-
tive Supervisory Fuzzy Logic Controller for Shell-and-Tube Heat Exchanger Tempe-
rature System, IEEE Control and System Graduate Research Colloquium , 2012.
[128] A. BONTEMPS : Échangeurs de chaleur - Définitions et principes généraux , Tech-

niques de l’ingénieur, BE 9515 : 1-22, Paris, 2014.
[129] H. K. S. TAN : Continuous Cocurrent Processes in the Nonsteady State, AIChE

Journal, 40(2) : 369-372, 1994.
[130] A. KARNO et S. AJIB : Effect of tube pitch on heat transfer in shell-and-tube heat
exchangers : new simulation software, Heat Mass Transfer, 42(4) : 263 - 270, 2006.
[131] U. C. KAPALE et S. CHAND : Modeling for shell-side pressure drop for liquid flow
in shell-and-tube heat exchanger, International Journal of Heat and Mass Transfer,
49(3-4) : 601 - 610, 2006.
[132] X.H. MA et H.A. PREISIG : On The Modelling ff Heat Exchangers for Process
Control, American Control Conference ,24-26 Jun, Chicago„ USA, 1992.
[133] Y. S. N. MALLESWARARAO et M. CHIDAMBARAM : Non-linear controllers for

a heat exchanger, Journal of Process Control, 2(1) : 17-21, 1992.
[134] G.M. SARABEEVI et L.M. BEEBI : Temperature control of shell and tube heat
exchanger system using internal model controllers, International Conference on Next
Generation Intelligent Systems (ICNGIS),1-3 Sept, Kottayam, India, 2016.
[135] S. POHJOLAINEN et I. LATTI : Robust controller for boundary control systems,

International Journal of Control, 38(6) : 1189-1197, 1983.
BIBLIOGRAPHIE 129
[136] H. SANO : Output tracking control of a parallel-flow heat exchange process, Systems
and Control Letters, 60(11) : 917-921, 2011.
[137] J. A. BURNS et B. KARAMER : Full Flux Models For Optimization and Control
of Heat Exchangers, American Control Conference, July 1-3, Chicago, USA, 2015.
[138] S. ALOTAIBI et A. ALEBRAHIM : Geometric optimization of cross-flow heat ex-

changer based on dynamic contollability, Thermal Science, 12(3) : 75-84, 2008.
[139] C. H HUANG et C. Y YEH : An optimal control algorithm for entrance concurrent

flow problems, International Journal of Heat and Mass Transfer, 46(6) : 1013-1027,
2003.
[140] L. ESTEL, F. BAGUI, M.A. ABDELGHANI-IDRISSI et C. THENARD : Distri-

buted state estimation of a counter current heat exchanger under varying flow rate,
Computers and Chemical Engineering, 24(1) : 53-60, 2000.
[141] X. XU et S. DUBLJEVICA : The state feedback servo-regulator for countercurrent

heat-exchanger system modelled by system of hyperbolic PDEs , European Journal
of Control, 29 : 51-61 2016.
[142] J.M. DOUGLAS : Process Dynamics and Control, Volume1, Prence-Hall, 1972.
[143] C.C. DELNERO, D. DREISIGMEYER, D.C. HITTLE, P.M. YOUNG, C.W. AN-
DERSON et M.L. ANDERSON : Exact solution to the governing PDE of a hot
water-to-air finned tube cross-flow heat exchanger, HVAC-R Research ,10(1) : 21-31,
2004.
[144] J. -P. CORRIOU : Commande des procédés, Lavoisier, Paris, 2012.
[145] S. ALOTAIBI, M. SEN,B. GOODWINE et K. T. YANG : Controllability of cross-

flow heat exchanger, International Journal of Heat and Mass Transfer, 47(5) : 913-
924, 2004.
[146] E.I. VARGA, K.M. HANGOS et F. SZIGETI : Controllability and Observability of

Heat Exchanger Networks in the Time-Varying Parameter Case, Control Engineering
Practice, 3(10) : 1409-1419, 1995.
130 BIBLIOGRAPHIE
[147] S. NAKAGIRI et H. SANO : Boundary Reachability of a Parallel-Flow Three-Fluid

Diffusive Heat Exchange Process , Advances in Dynamical Systems and control, 82 :
581-587, 2010.
[148] A. ZAVALA-RIO, C.M. ASTORGA-ZARAGOZA et O. HERNANDEZ-

GONZALEZ : Bounded positive control for double-pipe heat exchangers, Control
Engineering Practice, 17(1) : 136 - 145,
[149] W. E. SCHIESSER : Numerical Method of Lines, Integration of Partial Differentiel

equations, Academic Press, Inc, California, 1991.
[150] J.D. ALVAREZ, L.J. YEBRA et M. BERENGUEL : Repetitive control of tubular

heat exchangers, Journal of Process Control, 17(9) : 689-701, 2007.
[151] M.A. ABDELGHANI-IDRISSI, F. BAGUI et L. ESTEL : Analytical and experimen-

tal response time to flow rate step along a counter flow double pipe heat exchanger,
International Journal of Heat and Mass Transfer, 44(19) : 3721-3730, 2001.
[152] T. KATAYAMAT, T.ITOHF, M.OGAWA et H. YAMAMOTOF : Optimal Tracking

Control of a Heat Exchanger with Change in Load Condition, Proceedings of the 29th
Conference on Decision and Control, Honululu, Hawaï 1990.
[153] E. J. DAVISON, P. A. TAYLOR et J. D. WRIGHT : On the Application of Tu-

ning Regulators to Control a Commercial Heat Exchanger, IEEE Transactions on
Automatic Control, 25(3) : 361-375, 1980.
[154] R. PADHI et S. FARUQUE ALI : An account of chronological developments in

control of distributed parameter systems, Annual Reviews in Control, 33(1) : 59-68,
2009.
[155] G. CHEN, I. LASCIEKA et J. ZHOU : Control of Nonlinear Distributed Parameter

System, CRC Press, New York, 2001.
[156] M. OUZAHRA : Approximate and exact controllability of a reaction-diffusion equa-

tion governed by bilinear control, European Journal of Control, 32(11) : 32-38, 2016.
BIBLIOGRAPHIE 131
[157] N. HABRACHE, A. MAIDI et J.-P. CORRIOU : Feedback control of bilinear dis-

tributed parameter system by input-output linearization, International Journal of
Modeling, Identification and Control, In press, 2018.
[158] F. Jr. AYRES : Theory and Problems of Differential Equations, Schaum’s Outline,
McGraw-Hill, New York, 1952.
[159] A. ISIDORI : Nonlinear control systems, Springer-Verlag, NewYork, 1995.
[160] C. BRIAT : Linear Parameter-Varying and Time-Delay Systems : Analysis, Obser-

vation, Filtering and Control, Springer-Verlag, Berlin, 2015.

Exemple Doctorat Habrache Nouara

Transféré par

Droits d'auteur :

Formats disponibles

Exemple Doctorat Habrache Nouara

Transféré par

Informations du document

Titre original

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

Exemple Doctorat Habrache Nouara

Transféré par

Droits d'auteur :

Formats disponibles

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

UNIVERSITÉ MOULOUD MAMMERI DE TIZI-OUZOU

FACULTÉ DE GENIE ELECTRIQUE ET D’ INFORMATIQUE

Doctorat 3ème Cycle LMD

Extension de l’approche semi-groupe à

Je tiens en tout premier lieu à remercier profondément mon directeur de thèse le

Je tiens également à exprimer ma profonde gratitude à Monsieur Jean-Pierre COR-

Je voudrais également exprimer toute ma reconnaissance à Monsieur Saïd DJEN-

Mes vifs remerciements s’adressent à Monsieur Redouane KARA, Professeur à l’uni-

1 Généralités sur les systèmes à paramètres distribués 7

2 Analyse spectrale des opérateurs linéaires 25

2.3.1 Opérateur linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3 Commande et analyse de stabilité des systèmes à paramètres distribués 49

4 Analyse de la dynamique d’un échangeur de chaleur 71

4.3.1 Classification basée sur la construction de l’échangeur . . . . . . . . 74

5 Commande d’un système à paramètres distribués bilinéaire 95

Conclusion générale 112

4.1 Paramètres de l’échangeur de chaleur pour une simulation en boucle ouvert. 88

5.1 Paramètres de l’échangeur de chaleur pour une simulation en boucle fermée.106

1.1 Barre métallique chauffée à l’extrémité z = 0. . . . . . . . . . . . . . . . . 9

2.1 Décomposition spectrale des valeurs propres d’un opérateur linéaire. . . . . 43

3.1 Approche de pré-approximation. . . . . . . . . . . . . . . . . . . . . . . . 52

4.1 Modes de transfert de chaleur dans un échangeur de chaleur. . . . . . . . . 74

4.11 Profils des températures des deux fluides en régime stationnaire. . . . . . . 88

5.1 Échangeur de chaleur à courants parallèles. . . . . . . . . . . . . . . . . . . 104

a Constante de diffusion de chaleur.

Symboles et lettres grecques

EDP Équation aux dérivées partielles.

Pour la commande des SPDs, on distingue deux approches principales : l’approche de

Le principe de la deuxième approche consiste à utiliser le modèle aux EDPs directement

Pour le cas des systèmes linéaires, le développement de la théorie des semi-groupes

tèmes de dimension infinie non linéaires. La complexité de cette classe de systèmes a

L’approche de post-approximation est peu utilisée dans la littérature pour développer

Dans cette thèse, on s’intéresse à la commande géométrique des systèmes bilinéaires.

L’utilisation de la commande géométrique permet de concevoir aisément des lois de

La thèse est structurée comme suit :

Dans le chapitre 2, on aborde l’analyse spectrale des opérateurs différentiels. On

Généralités sur les systèmes à

Un système à paramètres distribués (SPD), appelé encore un système à paramètres ré-

chapitre se termine par une conclusion.

1.2 Exemple d’un système à paramètres distribués

La modélisation du phénomène de diffusion de chaleur dans une seule direction, en

∂Tb (t, z) ∂ 2 Tb (t, z)

1.3 Classification des systèmes à paramètres distribués

1.3.1 Classification basée sur le type de linéarité

1.3.2 Classification basée sur le discriminant

La solution x(z, t) de l’EDP (1.2) est fonction de deux variables indépendantes t et

1. Hyperbolique : on dit que l’EDP (1.2) est hyperbolique si

β 2 − 4αγ > 0 (1.3)

L’équation d’onde est une equation hyperbolique donnée comme suit

où aon est une constante positive.

2. Elliptique : on dit que l’EDP (1.2) est elliptique si

β 2 − 4αγ < 0 (1.5)

Les équations de Schrödinger et de Laplace sont des équations elliptiques. L’équation

de Laplace à deux dimensions est donnée comme suit

3. Parabolique : on dit que l’EDP (1.2) est parabolique si

Les équations de flux de chaleur et de processus de diffusion sont considérées comme

En automatique, on s’intéresse à l’analyse et la commande des systèmes dynamiques