Les systèmes non linéaires sont plus difficiles à étudier que les systèmes linéaires. Néanmoins, en linéarisant (cas de systèmes linéarisable) un SNL, autour d'un point A de considération finie (situation ou état du système), on obtient un système linéaire qui correspond à une approximation grossière du système non linéaire d’origine.
Cette approche a atteint sa maturité dans le livre de H.W.Bode (1905-1982) à la fin de la IIème guerre mondiale. Les travaux de R.E.Bellman (1920-1984), L.S.Pontryagin et al (1908-1988) surtout de R.Kalman (1930) ont conduit nombre d'automaticiens à privilégier la représentation d‘espace d’état à partir des années 1960.
Un système est non linéaire s’il se comporte non linéairement par rapport à ses composantes intrinsèques.
Les systèmes non linéaires sont plus difficiles à étudier que les systèmes linéaires. Néanmoins, en linéarisant (cas de systèmes linéarisable) un SNL, autour d'un point A de considération finie (situation ou état du système), on obtient un système linéaire qui correspond à une approximation grossière du système non linéaire d’origine.
Cette approche a atteint sa maturité dans le livre de H.W.Bode (1905-1982) à la fin de la IIème guerre mondiale. Les travaux de R.E.Bellman (1920-1984), L.S.Pontryagin et al (1908-1988) surtout de R.Kalman (1930) ont conduit nombre d'automaticiens à privilégier la représentation d‘espace d’état à partir des années 1960.
Un système est non linéaire s’il se comporte non linéairement par rapport à ses composantes intrinsèques.
Le fait d'ajouter plus d'informations (description, mots-clés, catégorie) permet de rendre votre contenu plus facile à trouver. Plus vous ajoutez des informations, plus votre contenu est facile à trouver.
oscillateurs harmoniques libres et oscillateurs libres amortis.pptx.ppthermoussa
Principalement, on aborde les oscillations des syst`emes m ́ecaniques mais sans oublier
de mettre un accent sur le caract`ere plus g ́en ́eral des ph ́enom`enes oscillatoires en traitant
les oscillations dans certains syst`emes ́electriques. On tache de faire apparaˆıtre la place im-
portante de l’oscillateur harmonique dans les ph ́enom`enes vibratoire. Les probl`emes sont
trait ́es dans le formalisme Newtonien en utilisant les forces et le principe de conservation
de l’ ́energie totale dans les syst`emes conservatifs. L’usage du formalisme Lagrangien est
introduit en faisant remarquer la grande simplification qu’il apporte dans les syst`emes
compliqu ́es qu’il soient conservatifs ou non-conservatifs.
Similaire à Cours9 ch2 Réponse temporelle: solution de l'équation d'état (20)
Newsletter SPW Agriculture en province du Luxembourg du 03-06-24BenotGeorges3
Les informations et évènements agricoles en province du Luxembourg et en Wallonie susceptibles de vous intéresser et diffusés par le SPW Agriculture, Direction de la Recherche et du Développement, Service extérieur de Libramont.
https://agriculture.wallonie.be/home/recherche-developpement/acteurs-du-developpement-et-de-la-vulgarisation/les-services-exterieurs-de-la-direction-de-la-recherche-et-du-developpement/newsletters-des-services-exterieurs-de-la-vulgarisation/newsletters-du-se-de-libramont.html
Bonne lecture et bienvenue aux activités proposées.
#Agriculture #Wallonie #Newsletter #Recherche #Développement #Vulgarisation #Evènement #Information #Formation #Innovation #Législation #PAC #SPW #ServicepublicdeWallonie
M2i Webinar - « Participation Financière Obligatoire » et CPF : une opportuni...M2i Formation
Suite à l'entrée en vigueur de la « Participation Financière Obligatoire » le 2 mai dernier, les règles du jeu ont changé !
Pour les entreprises, cette révolution du dispositif est l'occasion de revoir sa stratégie de formation pour co-construire avec ses salariés un plan de formation alliant performance de l'organisation et engagement des équipes.
Au cours de ce webinar de 20 minutes, co-animé avec la Caisse des Dépôts et Consignations, découvrez tous les détails actualisés sur les dotations et les exonérations, les meilleures pratiques, et comment maximiser les avantages pour les entreprises et leurs salariés.
Au programme :
- Principe et détails de la « Participation Financière Obligatoire » entrée en vigueur
- La dotation : une opportunité à saisir pour co-construire sa stratégie de formation
- Mise en pratique : comment doter ?
- Quelles incidences pour les titulaires ?
Webinar exclusif animé à distance en coanimation avec la CDC
2. 2Automatique
Contenu
! Réponse temporelle à partir de la fonction de transfert
! Calcul de la réponse temporelle à partir du modèle d'état
" Résolution de l'équation d'état
# Cas scalaire
# Cas matriciel
# Mise en évidence de la matrice de transition
" Calcul de la matrice de transition
# Propriétés de la matrice de transition
# Utilisation de la transformée de Laplace inverse
# Développement en série de Taylor
# Théorème de Caley-Hamilton
# Diagonalisation de la matrice d'état
! Exemple récapitulatif
3. 3Automatique
Réponse temporelle à partir de la FT
! Cas de la fonction de transfert
Considérons un système mono-entrée, mono-sortie décrit par
une fonction de transfert H(s)
)(
)(
)(
sU
sY
sH = ( ) ( ))()()()( 11 sUsHsYty −− == LL
avec la transformée de Laplace inverse1−L
)()()( sUsHsY =
Ce calcul n'est valable que si les conditions initiales sont nulles
Exemple
)1)(1(
1
)(
21 sTsT
sH
++
=
s
sU
1
)( =
Réponse indicielle
ssTsT
sY
1
)1)(1(
1
)(
21 ++
=
21
21 21
1)(
TT
eTeT
ty
T
t
T
t
−
−
−=
−−
d'après les tables de TL
4. 4Automatique
Réponse temporelle à partir d'un modèle d'état
! Cas scalaire
" TL de l'équation d'état
" Evolution de l'état
Condition initiale :
(II))()()(
(I))()()(
tdutcxty
tbutaxtx
+=
+=& La connaissance de x(t)
permet celle de y(t)
x(0)
( ))()()( tbutaxtx +=&L )()()0()( sbUsaXxssX +=−
)(
)0(
)( sU
as
b
as
x
sX
−
+
−
=
$ Rappels
( ) as
eat
−
=
1
L
( ) )()()(*)( 2121 sFsFtftf =L
( )
∫ −+= t taat dbuexetx 0
)()0()( τττ
Régime libre
(u=0)
Régime forcé
(x(0)=0)
convolution
#
#
5. 5Automatique
Réponse temporelle à partir d'un modèle d'état
! Cas scalaire
" Réponse temporelle
" Remarque
! Généralisation au cas matriciel
)()()( tdutcxty += ( ) )()()0()( 0
tdudbuecxcety t taat ++= ∫ − τττ
Si l'origine des temps est t0≠0, les équations précédentes
ont la forme générale suivante
( ) )()()()(
0
0
0
)( tdudbuectxcety t
t
tatta ++= ∫ −− τττ
( )
∫ −− += t
t
tatta dbuetxetx
0
0 )()()( 0
)( τττ
+=
+=
)()()(
)()(
tDUtCXtY
tBUtAXX& nnA ×∈R
mnB ×∈R
npC ×∈R
mpD ×∈R
ntX R∈)(
mtU R∈)(
ptY R∈)(
0tt >
6. 6Automatique
Réponse temporelle à partir d'un modèle d'état
! Généralisation au cas matriciel
" TL de l'équation d'état
" Réponse temporelle : généralisation
Conditions initiales : X(t0)
( ))()()( tBUtAXtX +=&L )()()()( 0 sBUsAXtXssX +=−
( ) ( ) )()()( 1
0
1
sBUAsItXAsIsX nn
−−
−+−= In : matrice identité d'ordre n
( ) )()()()(
0
0
0
)( tDUdBUeCtXCetY t
t
tAttA ++= ∫ −− τττ
( )
∫ −− +=
t
t
tAttA dBUetXetX
0
0 )()()( 0
)( τττ
vecteur matrice matricevecteur vecteur
)()()( tDUtCXtY +=
( ) ( )( ))()()( 1
0
11 sBUAsItXAsItX nn
- −−
−+−= L
7. 7Automatique
Matrice de transition
" Remarques
# La réponse temporelle dépend de l'exponentielle de matrice
# Pour U=0, on a . D'où
! Propriétés de la matrice de transition
$ est une exponentielle de matrice.
$ avec In : matrice identité d'ordre n
$
$
$
)( 0ttAe −
)(),()()( 000
)( 0 tXtttXetX ttA Φ== −
)(
0
0),( ttAett −=Φ est la matrice de transition du vecteur d'état
initial X(t0) au vecteur d'état X(t) pour U=0
)(
0 0),( ttAett −=Φ nntt ×∈Φ R),( 0
n
A Iett ==Φ ×0
00 ),(
( ))(
0 0),( ttAe
dt
d
tt −=Φ& )(
0 0),( ttAAett −=Φ&
21),0(),0(),0( 2121
AtAt eetttt =ΦΦ=+Φ
)(
0
1
0 0),(),( ttAetttt −−− =Φ=Φ
( ) )()( 0
1
tXAsIsX n
−
−=
),(),( 00 ttAtt Φ=Φ&
8. 8Automatique
Calcul de la matrice de transition
! Utilisation de la transformée de Laplace inverse
" Procédure de calcul
# Former la matrice sIn−A
# Calculer l'inverse de sIn−A
# Prendre la transformée de Laplace inverse de chaque élément de (sIn−A)−1
La procédure est applicable à la main si l'ordre n de la matrice A n'est pas élevé
( ) 11 −− −= AsIe n
At L
Soit l'équation d'état
Exemple
)(
1
0
)(
02
13
tUtXX
+
−
−
=& Calculer la matrice
de transition
( )
)(det
)(comatrice
)( 1
AsI
AsI
AsI
n
T
n
n −
−
=− −
10. 10Automatique
Calcul de la matrice de transition
! Développement en série de Taylor
" Développement en série d'une fonction exponentielle scalaire
" Généralisation à une exponentielle de matrice
∑
∞+
=
=++++=
0
3322
!!3!2
1
i
i
i
at t
i
atata
ate L
∑
∞+
=
=++++=
0
3322
!!3!2 i
i
i
n
At t
i
AtAtA
AtIe L
nnAt Ae ×∈Ravec
nnAte ×∈R
La matrice de transition est une somme pondérée des termes de
puissance de la matrice A. On suppose que la somme est convergente
nn
i
i AAAA ×∈×××= R4434421 L
fois
Le calcul est simplifié si A est nilpotente
Définition : la matrice carré A est dite nilpotente d'ordre k s'il
existe un entier k≥1 tel que pour tout entier r>k, Ar=0n =[0]
12. 12Automatique
Calcul de la matrice de transition
! Théorème de Caley-Hamilton
Soit A une matrice carrée d'ordre n. Son équation caractéristique est
∑
∞+
=
=
0
!i
i
i
At t
i
A
e
Si la matrice A n'est pas nilpotente, le calcul est fastidieux. Le théorème de
Caley-Hamilton permet de limiter ce calcul à un nombre fini de termes
Développement de Taylor
$ Equation caractéristique d'une matrice carrée
0)det()( 01
1
1 =++++=−= −
− aaaAIP n
n
n
A λλλλλ L
Théorème de Caley-Hamilton
Toute matrice carrée A satisfait son équation caractéristique c'est-à-dire
0)( 01
1
1 =++++= −
− n
n
n
n
A IaAaAaAAP L
On déduit du théorème la relation suivante
n
n
n
n IaAaAaA 01
1
1 −−−−= −
− L ∑
−
=
−=
1
0
n
i
i
i
n AaA
13. 13Automatique
Calcul de la matrice de transition : th de Caley-Hamilton
! Interprétation du théorème
Cette relation peut alors se mettre sous la forme suivante
Toute puissance k de A c'est-à-dire Ak tel que k>n−1 peut s'écrire comme la
combinaison linéaire des n−1 premières puissances de A.
∑
−
=
−=
1
0
n
i
i
i
n AaA ∑
−
=
+ −=×=
1
0
1
n
i
i
i
nn AAaAAA ∑∑
=
−
−
=
++ −=−=
n
i
i
i
n
i
i
i
n AaAaA
1
1
1
0
11
n
n
n
i
i
i
n AaAaA 1
1
1
1
1
−
−
=
−
+ −−= ∑ ∑∑
−
=
−
−
=
−
+ +−=
1
0
1
1
1
1
1
n
i
i
in
n
i
i
i
n AaaAaA
∑∑
−
=
−−
−
=
−
+ ++−=
1
1
101
1
1
1
1
n
i
i
innn
n
i
i
i
n AaaIaaAaA 0
01
1
1
11
1 )( AaaAaaaA n
n
i
i
iin
n
−
−
=
−−
+ +−= ∑
0avec)( 1
1
0
11
1 =−= −
−
=
−−
+
∑ aAaaaA
n
i
i
iin
n
)(avec 11
1
0
1
−−
−
=
+ −== ∑ iini
n
i
i
i
n aaabAbA
On constate que An+1 est une combinaison linéaire de Ai (i=1, …, n−1)
De façon similaire, on peut calculer An+2, … en fonction des n−1 premières
puissances de A
14. 14Automatique
Calcul de la matrice de transition : th de Caley-Hamilton
! Corollaire du théorème
Formule de Sylvester
On peut trouver des fonctions αi(t) dépendant du temps telles que
∑∑
−
=
∞+
=
==
1
00
)(
!
n
i
i
i
i
i
i
At Att
i
A
e α
Cette formule permet de limiter le calcul du développement de Taylor à un
nombre fini de termes. Si on connaît les fonctions αi(t) , on obtient eAt
Justification du corollaire
D'après le théorème ∞== ∑
−
=
,,avec
1
0
LnkAbA
n
i
i
i
k
On en déduit ∞== ∑
−
=
,,avec
!!
1
0
Lnkt
k
A
bt
k
A k
n
i
i
i
k
k
D'où ∑
−
=
−−
=++
−
++++
1
0
1122
)(
!)!1(!2
n
i
i
i
nnnn
n At
n
tA
n
tAtA
AtI αLL
Ak tel que k>n−1 s'écrivant comme la combinaison linéaire des n−1 premières
puissances de A, eAt est aussi une combinaison linéaire des n−1 premières
puissances. Les coefficients sont dans ce cas des fonctions du temps
15. 15Automatique
Calcul de la matrice de transition : th de Caley-Hamilton
! Calcul des fonctions αi(t)
" Cas 1
On suppose que la matrice carrée A d'ordre n admet n valeurs
propres distinctes njj ,,1 L=λ
On montre que les fonctions sont solutions du
système de n équations
1,,0)( −= niti Lα
+++=
+++=
+++=
−
−
−
−
−
−
)()()(
)()()(
)()()(
1
1
10
1
1
120
1
1
110
2
2
1
1
ttte
ttte
ttte
n
n
n
t
n
nt
n
nt
n
n αλαλα
αλαλα
αλαλα
λ
λ
λ
L
M
L
L
La méthode nécessite la détermination préalable des valeurs propres
de la matrice A. On associe une équation à chaque valeur propre.
16. 16Automatique
Calcul de la matrice de transition : th de Caley-Hamilton
)(
1
0
)(
51
22
tUtXX
+
−
=&
Exemple
Calculer la matrice de transition
$ Valeurs propres de A : 4et3 21 == λλ
$ Détermination des fonctions αi(t)
+=
+=
)()(
)()(
120
110
2
1
tte
tte
t
t
αλα
αλα
λ
λ
+=
+=
)(4)(
)(3)(
10
4
10
3
tte
tte
t
t
αα
αα
=
)(
)(
41
31
1
0
4
3
t
t
e
e
t
t
α
α
=
−
t
t
e
e
t
t
4
31
1
0
41
31
)(
)(
α
α
−
−
=
t
t
e
e
t
t
4
3
1
0
11
34
)(
)(
α
α
+−=
−=
tt
tt
eet
eet
43
1
43
0
)(
34)(
α
α
AtIteAt )()( 120 αα +=
$ Matrice de transition
−
+
=
51
22
)(
10
01
)( 10 tteAt αα
+−−
+−−
=
tttt
tttt
At
eeee
eeee
e
4343
4343
2
222
17. 17Automatique
Calcul de la matrice de transition : th de Caley-Hamilton
! Calcul des fonctions αi(t)
" Cas 2 : la matrice A a des valeurs propres non distinctes
Soit λj une valeur propre simple. On lui associe l'équation
)()()( 1
1
10 ttte n
n
j
t
j
j
−
−+++= αλαλα
λ
L
Soit λk une valeur propre multiple, d'ordre de multiplicité r
On lui associe les équations suivantes
( )
( )
+++=
+++=
+++=
−
−
−
−
−
−
)()()(
)()(
)()()(
)()()(
1
1
10
1
1
10
1
1
10
ttt
d
d
d
ed
ttt
d
d
d
de
ttte
n
n
kr
k
r
r
k
tr
n
n
k
kk
t
n
n
k
t
k
k
k
k
k
k
αλαλα
λλ
αλαλα
λλ
αλαλα
λ
λ
λ
L
M
L
L
En procédant ainsi pour toutes les valeurs propres simples ou
multiples, on établit un système de n équations duquel on déduit les
fonctions αi(t)
18. 18Automatique
Calcul de la matrice de transition : th de Caley-Hamilton
)(
0
1
)(
21
10
tUtXX
+
−−
=&
Exemple
Calculer la matrice de transition
$ Valeurs propres de A : 11 −=λ
$ Détermination des fonctions αi(t)
( )
+=
+=
)()(
)()(
110
11
110
1
1
tt
d
d
d
de
tte
t
t
αλα
λλ
αλα
λ
λ
=
+=
)(
)()(
1
110
1
1
tte
tte
t
t
α
αλα
λ
λ
AtIteAt )()( 120 αα +=
$ Matrice de transition
−−
+
=
21
10
)(
10
01
)( 10 tteAt αα
−−
+
=
−−
−−
tt
tt
At
ette
teet
e
)1(
)1(
valeur propre double
=
+=
−
−
t
t
tet
ett
)(
)1()(
1
0
α
α
=
−=
−
−
)(
)()(
1
10
tte
tte
t
t
α
αα
19. 19Automatique
Calcul de la matrice de transition
! Matrice diagonale
! Matrice diagonalisable
Si la matrice carrée A d'ordre n admet n valeurs propres distinctes,
elle est diagonalisable c'est-à-dire
1−= TDTA avec
=
n
D
λ
λ
0
01
O
T : matrice des vecteurs propres de A
On montre que 1−= TTee DtAt
Si la matrice carrée A d'ordre n est diagonale on a
=
n
A
λ
λ
0
01
O
=
t
t
At
ne
e
e
λ
λ
0
01
O
20. 20Automatique
Réponse temporelle : exemple
Exemple
[ ]
=
+
−
−
=
)(10
)(
1
0
)(
02
13
tXy
tUtXX&
Calculer la réponse
indicielle du système
21. 21Automatique
Linéarisation du modèle d'état
! Linéarisation autour du point ),( UX
On réalise un développement de Taylor au 1er ordre de f et g
∂
∂
++
∂
∂
+
∂
∂
++
∂
∂
+≈++=
∂
∂
++
∂
∂
+
∂
∂
++
∂
∂
+≈++=
UXm
p
UX
p
UXn
p
UX
p
ppp
UXmUXUXnUX
U
g
U
g
X
g
X
g
UXgtuUtxXgY
U
g
U
g
X
g
X
g
UXgtuUtxXgY
,,1,,1
,
1
,1
1
,
1
,1
1
111
),())(),((
),())(),((
LL
M
LL
$ Equations d'état
$ Equations de sortie
∂
∂
++
∂
∂
+
∂
∂
++
∂
∂
+≈++=
∂
∂
++
∂
∂
+
∂
∂
++
∂
∂
+≈++=
UXm
n
UX
n
UXn
n
UX
n
nnn
UXmUXUXnUX
U
f
U
f
X
f
X
f
UXftuUtxXfX
U
f
U
f
X
f
X
f
UXftuUtxXfX
,,1,,1
,
1
,1
1
,
1
,1
1
111
),())(),((
),())(),((
LL&
M
LL&
22. 22Automatique
Linéarisation du modèle d'état
$ Forme matricielle
++≈+=
++≈+=
)()(),()()()(
)()(),()()()(
tuGtxGUXgtytYtY
tuFtxFUXftxtXtX
UX
UX
&
&&
+=
+=
)()()(
)()()(
tuGtxGty
tuFtxFtx
UX
UX
&
Modèle d'état linéarisé
UXn
nn
n
UX
X
X
f
X
f
X
f
X
f
X
f
F
,1
1
1
1
,
∂
∂
∂
∂
∂
∂
∂
∂
=
∂
∂
=
L
MM
L
UXn
nn
m
UX
U
U
f
U
f
U
f
U
f
U
f
F
,1
1
1
1
,
∂
∂
∂
∂
∂
∂
∂
∂
=
∂
∂
=
L
MM
L
UXn
pp
n
UX
X
X
g
X
g
X
g
X
g
X
g
G
,1
1
1
1
,
∂
∂
∂
∂
∂
∂
∂
∂
=
∂
∂
=
L
MM
L
UXm
pp
m
UX
U
U
g
U
g
U
g
U
g
U
g
G
,1
1
1
1
,
∂
∂
∂
∂
∂
∂
∂
∂
=
∂
∂
=
L
MM
L
FX, FU, GX et GU sont les matrices jacobiennes des dérivées partielles
de f et g respectivement par rapport à X et U et évaluées au point ),( UX
UXUX GDGCFBFA ==== ,,,Matrices du modèle :
23. 23Automatique
Linéarisation d'un modèle d'état
! Exemple : ressort à comportement non-linéaire
m
z
ressort F
Equation différentielle
3
21 zkzkFzm ++=&&
Modèle d'état
$ Modèle non-linéaire
$ Etats du système )()(1 tztx = )()(2 tztx &=
)()(1 tztx = )()()( 21 txtztx == &&
Fzkzkzm ++= 3
21
&&
m
F
x
m
k
x
m
k
tx ++= 3
1
2
1
1
2 )(&
( )
++
==
m
tu
tx
m
k
tx
m
k
tx
tutxtxf
tx
tx
)(
)()(
)(
)(),(),(
)(
)(
3
1
2
1
1
2
21
2
1
&
&
$ Entrée Ftu =)( $ Sortie )()( tzty =
)())(),(),(()( 121 txtutxtxhty ==
24. 24Automatique
Linéarisation d'un modèle d'état
! Exemple
$ Détermination du point de fonctionnement ),( UX
On choisit comme point de fonctionnement, un point
stationnaire c'est-à-dire tel que
( ) 0)(),(),( 21 =tutxtxf
0))(),(( == tUtXfX
&
=
++ 0
0
3
1
2
1
1
2
m
u
x
m
k
x
m
k
x
02 =x
03
1
2
1
1 =+ x
m
k
x
m
k
De plus, on prendra .0=u On a alors
01 =x 211 kkx −±=ou
Points de fonctionnement :
0,
0
0
ou
−±
0,
0
21 kk
),( UX
25. 25Automatique
Linéarisation d'un modèle d'état : exemple
$ Premier point :
0,
0
0
UX
UX
mxkk
x
f
x
f
x
f
x
f
A
,
2
121
,2
2
1
2
2
2
1
1
0)3(
10
+
=
∂
∂
∂
∂
∂
∂
∂
∂
=
=
∂
∂
∂
∂
=
m
u
f
u
f
B
UX
1
0
,
2
1
]01[
,21
=
∂
∂
∂
∂
=
UXx
h
x
h
C
=
0
10
1k
A
0
,
=
∂
∂
=
UXu
h
D
$ Matrices
$ Deuxième point :
−±
0,
0
21 kk
−
=
02
10
1k
A
Seule la matrice de commande A change
selon les points de fonctionnement