SlideShare une entreprise Scribd logo
Introduction à la représentation d’état
Lorsque l’on envisage la commande d’un système, la première étape consiste à le
modéliser. Modéliser un système consiste à élaborer une représentation mathématique
qui permette de décrire et prédire son comportement dynamique et permanent lorsqu’il
est soumis à des influences externes (entrées de commande, perturbations..)
1. Les différentes formes de modélisation
Tout système linéaire peut être représenté de plusieurs manières comme le montre le schéma
Système Physique
Représentation par
équation
différentielle
Représentation
par Fonction de
transfert
Représentation par
équation d’état
Entrée u Sortie y
Parmi les différentes modélisations possibles d’un système, seule la représentation
d'état permet une approche interne. Elle peut être obtenue à partir de la
connaissance de la structure et des propriétés des éléments du système . Elle peut
être aussi obtenue par transformation du modèle, c’est-à-dire à partir de l’équation
différentielle ou de la fonction de transfert.
Quel est l’intérêt de la représentation d’état ?
1- D’abord, on souligne que c’est la seule représentation qui permet d’avoir une description
interne du système contrairement à la représentation par équation différentielle ou par
fonction de transfert. Ce point trouve son intérêt dans le fait qu’on aura une meilleure
maitrise et compréhension du système étudié.L’équation différentielle ou la fonction de
transfert permettent d’obtenir une relation entrée/sortie qui n’apporte aucune connaissance
sur la structure interne d’un système. Deux systèmes différents peuvent très bien avoir la
même fonction de transfert et la même équation différentielle.
2-La représentation d’état convient particulièrement aux systèmes multi-variables. Pour le
cas mono-variable, l’approche par fonction de transfert est largement suffisante. Partant du
fait que le casmulti-variable est plus délicat à appréhender, la représentation d’état constitue
le support le plus utilisé dans l’étude des systèmes complexes.
Modélisation
On considère le système électrique ci-dessous : Peut être modélisé avec deux
équations différentielles
L’idée de base des représentations d’état est que le futur d’un système dépend de son
passé, de son présent et de ses entrées
le futur peut alors être décrit à partir d’un ensemble de variables bien choisies.
De l’équation différentielle à l’équation d’état
On rappelle les équation différentielles du modèle :
Les équations différentielles précédentes peuvent être réécrites comme suit :
On considère les variables x 1 ( t ) ; x 2 ( t ) ; e t u ( t ) définies par :
Sous forme matricielle donnent : x ( t ) = A x ( t ) + B u ( t ) équation d’état
Si on considère que la sortie du système est la tension aux bornes de la résistance :
Donc , la sortie s’écrit : équation de la sortie
avec :
Pour récapituler, les équations d’état s’écrivent :
Remarques :
La représentation d’état n’est pas unique pour un même système physique Le système
(A;B;C;D) est dit linéaire à temps invariant (LTI)
Définition
La représentation d’état d’un système dynamique linéaire continu est donnée par :
A : la matrice d’état
B: la matrice de commande (d’entrée)
C: la matrice de sortie
D: la matrice de transfert directe
X(t) : est le vecteur d’état
U(t): est le vecteur de commande (vecteur d’entrée)
Y(t): est le vecteur de sortie
équation d’état
équation de sortie (appelée aussi équation de
mesure)
Illustration sur un exemple:
On considère le système mécanique suivant (masse-ressort-amortisseur) :
L’entrée de commande :
Soit le vecteur d’état :
Par application de la loi de Newton, sa dynamique s’écrit :
La masse
la position de la masse
: Coefficient de raideur du ressort
: Coefficient d’amortissement
: Force appliquée sur la masse
On a :
D’après la dynamique du système :
Sous forme matricielle:
La sortie du système est la position de la masse mobile :
Qui s’écrit sous forme matricielle
La notion d’état d’un système et la variable d’état
On définit l’état d’un système à l’instant t0 comme l’information sur le passé nécessaire
et suffisante pour déterminer l’évolution ultérieure du système quand on connaît, pour ,
t > t0 les signaux d’entrée et les équations du système.
Dans l’exemple du circuit électrique, l’information nécessaire et suffisante pour
résoudre le système d’équations est liée aux conditions initiales Vc(t0) ; iL(t0)
Par conséquent, un ensemble possible de variable d’état est
Dimension des variables et des matrices dans un modèle d’état :
Cas mono variable (1 entrée, 1 sortie) Cas multi-variable (m entré p sorties)
[Vc(t) ; iL(t)]
Comment faut-il choisir les variables d’état ?
Il recommandé de choisir les variables d’état ayant un sens physique et physiquement accessible
à la mesure et ce pour une meilleure compréhension du comportement du système étudié
et la mise au point de la commande de celui-ci.
Généralement c’est le cas lorsque la représentation d’état a découlé des équations physiques.
Par contre, lorsque les équations d’état découlent d’une transformation de similitude ou
à partir de l’équation différentielle ou de la fonction de transfert, les variables d’état peuvent
perdre le sens physique mais demeurent néanmoins des variables internes.
Combien faut-il choisir de variables d’état ?
Pour répondre à cette question, il convient de distinguer deux cas :
•Si les équations d’état découlent de l’équation différentielle ou de la fonction de
transfert, le nombre de variables d’état est fixé par l’ordre de l’équation différentielle
ou de la fonction de transfert.
Si les équations d’état découlent des équations physiques, il n’est pas toujours à premier
abord évident de choisir le nombre de variables nécessaires. Il convient de rester
particulièrement vigilent de ne pas sur dimensionner la représentation en définissant des
variables qui peuvent s’avérer redondantes. Cette remarque est très importante car la
complexité du problème de l’analyse et de la synthèse est étroitement liée à la dimension des
équations d’état. L’idée est d’obtenir ;ce qu’on appelle une représentation minimale et fort.
Y a-t-il des restrictions quand au choix des variables d’´etat ?
! Oui. Aucune variable d’´etat ne peut être une combinaison linéaire des autres variables
d’´etat.
Représentation schématique du modèle d'état
Interprétation du schéma:
" Equation d'état = vue interne du système
" A représente les interactions dynamiques entre les différents éléments internes du
système.
" B représente l'action des entrées sur l'évolution dynamique du système.
" C indique les capteurs permettent d'obtenir les sorties.
" D indique le couplage direct entre les entrées et les sorties.
Vecteur d’état:
Un vecteur d’état est un ensemble minimal de variables d’état, c’est-à-dire de
grandeurs temporelles, nécessaires et suffisantes pour déterminer l’évolution future
d’un système quand on connaît les équations qui décrivent le fonctionnement du
système et les entrées de ce système.
L'état d'un système à un instant t représente la mémoire minimale du passé
nécessaire à la détermination du futur
Définition :
Unicité de la représentation d'état ?
La représentation d'état d'un système est-elle unique ? Non !!
Le modèle d'état obtenu dépend du choix des états. On peut associer à un même
système, plusieurs vecteurs d'état conduisant ainsi à différentes représentations
d'états équivalentes.
la dynamique du système est préservée
Représentation d’état des systèmes
à temps discret
PRINCIPE GÉNÉRAL
Tout comme les systèmes à temps continu, les systèmes à temps discret peuvent être
placés sous forme de représentation d’état.
Modélisation du fonctionnement du système
Dans une représentation en temps discret, la possibilité d’exprimer l’état du système à un
instant donné en fonction du signal d’entrée et en fonction de son « passé », autrement
dit, de son état précédent, prend tout son sens. La forme générale pour un système mono-
entrée et mono-sortie des équations d’état en temps discret correspond donc à :
La matrice de commande [A] est une matrice carrée, (B) est un vecteur colonne et (C)
est un vecteur ligne.
Remarque : pour un système d’ordre n, c’est-à-dire possédant n variables d’état, la
première équation, dite de commande, correspond à un système de n équations :
Signalons que les coefficients des différentes matrices peuvent aussi être variables
dans le temps (c’est-à-dire s’exprimer en fonction de k).
Passage représentation d'état " FT (MT)
Forme générale
TL de l'équation d'état
Conditions initiales supposées nulles : X(0)=0
In : matrice
identité d'ordre n
TL de l'équation de sortie
Fonction de transfert
ou matrice de transfert
Calcul de l'inverse de (sIn−A)
Les pôles du système sont les racines de l'équation det(sIn − A) = 0
Les valeurs propres de A sont solutions de l'équation caractéristique det(λIn − A) = 0
Les pôles du système sont les valeurs propres de A.
Toute l'information sur les modes du système est contenue dans la matrice A
Remarques:
1- Une représentation d'état d'un système est caractérisée par le quadruplet (A, B,
C, D)
2- Toute représentation d'état (A, B, C, D) d'un système qui vérifie
H(s) = C(sIn − A)−1B + D est appelée une réalisation de H(s)
3- Une réalisation (A, B, C, D) avec dim(A)=n est une réalisation minimale s'il
n'existe pas d'autres réalisations de H(s) de dimension inférieure à n
A partir d'une FT, est-il possible de déterminer une représentation d'état (une seule
ou la plus simple possible)? Ce problème est dénommé problème de réalisation
Passage FT " représentation d'état
On peut trouver autant de représentations d'état qu'on veut. Néanmoins il existent
quelques formes remarquable exposées ci-après
Forme canonique de commandabilité :
Cas simple : m=0 et b0=1
Posons Dérivation Equations d'état
Forme canonique de commandabilité
schéma de simulation
Soit v une variable
intermédiaire telle
que
Cas général : m<n et b0≠0
Equation (I)
Elle correspond au cas précédent
Equation (II)
Représentation d'état
Cette forme est dite compagne (de la FT) commandable. Les coefficients de la FT sont
éléments des matrices du modèle d'état
Schéma de simulation
Forme canonique d'observabilité:
Divisons cette équation par sn
Dessinons le schéma de simulation correspondant à cette équation
Modèle d'état
Connaissant y=xn, on peut
déduire les autres états par
dérivation et différence :
c'est l'observabilité.
Dualité des formes canoniques de commandabilité et d'observabilité
Soit (Ac ,Bc ,Cc ,Dc ) : la réalisation canonique de commandabilité
Soit (Ao,Bo,Co,Do ) : la réalisation canonique d'observabilité
On constate que:
Forme modale:
- Cas 1 : le système admet n pôles distincts réels λi i =1,………n
Décomposition en éléments simple
Choix des états
Remarques sur le cas 1:
1- La représentation fait apparaître les pôles (ou modes) du système
2- La matrice A est diagonale " calcul simplifié de eAt
3- Soit (A, B, C, D) une réalisation. Si A admet n valeurs propres distinctes λi,
A est diagonalisable et il existe une matrice de transformation T telle que
T : matrice des
vecteurs propres de A
Schéma de simulation:
Chaque état xi est
indépendant des
autres
Forme modale : cas des pôles multiples:
Soit λ1 un pôle réel d'ordre k et λk+1,…, λn des pôles réels simples
Décomposition en éléments simples
Bloc de Jordan
D'une façon générale, si le système admet r pôles d'ordre de multiplicité kr, tel que
k1+…+ kr=n, la forme modale de la matrice d'état est:
avec
Systèmes non linéaires, Linéarisation
Soit un système décrit par les ´équations d'état non linéaires:
avec X (t)∈Rn U(t)∈Rm Y(t)∈Rp
f et g sont des champs de fonctions non-linéaires
point de fonctionnement:
Soit , une entrée nominale et soit l'état correspondant càd
Au voisinage de
Au voisinage de
Linéarisation autour du point
On réalise un développement de Taylor au 1er ordre de f et g
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
Matrices du modèle : A = FX , B = FU , C = GX , D = GU
Cas scalaire
TL de l'équation d'état
Condition initiale :x(0)
Evolution de l'état
Rappels
Réponse temporelle
Si l'origine des temps est t0≠0, les équations précédentes ont la forme
générale suivante
Généralisation au cas matriciel
Réponse temporelle : généralisation
Remarques
La réponse temporelle dépend de l'exponentielle de matrice
Pour U=0, on a
est la matrice de transition du vecteur d'état initial X(t0) au
vecteur d'état X(t) pour U=0
Calcul de la matrice de transition
L’opération la plus délicate dans la résolution des équation d’état, consiste
à calculer la matrice de transition Pour cela de nombreuses méthodes
existent Les plus classiques sont les suivantes :
1- Méthode 1 : La méthode de la transformée de Laplace
2- Méthode 2 :La méthode de diagonalisation
3- Méthode 3 : La méthode de Cayley-Hamilton
4- Méthode 4 : La méthode de calcul direct (développement de Tylor)
Méthode 1 : La méthode de la transformée de Laplace :
Il apparaît clairement, en confrontant cette expression à la solution générale
déterminée précédemment, soit :
que la matrice de transition possède pour transformée de Laplace la
matrice
Il suffit alors d’inverser la matrice , ce qui conduit à une matrice
rationnelle en p dont on calcule la transformée de Laplace élément par
élément
Méthode 2 : La méthode de diagonalisation :
Il est facile de remarquer que le calcul de la matrice de transition est très
simple a effectuer si celle-ci est diagonale, en effet :
Cette constatation nous conduit naturellement à imaginer une méthode
relativement facile pour calculer : il suffit de diagonaliser la matrice A
On considère une matrice d’état quelconque A
Les vecteurs propres et valeurs propres de cette matrice sont définies par :
sont les vecteurs propres et sont les valeurs propres
Ces grandeurs sont très faciles à déterminer, étant donné que les valeurs
propres sont les racines de l’équation :
Soit la matrice modale, formée des vecteurs propres :
La matrice diagonale D formée des valeurs propres de A est obtenue :
La matrice de transition est alors calculée par :
Méthode 3 : La méthode de Cayley-Hamilton :
Cette méthode repose sur une des propriétés d’une matrice, à savoir :
Chaque matrice est toujours solution de son équation caractéristique
Elle présente l’avantage d’être relativement rapide pour des matrices d’ordres
peu élevés
- On considère une matrice A , son équation caractéristique s’écrit :
- Cette équation permet d’affirmer que pour toute matrice carrée d’ordre n
possédant n valeurs propres distinctes
- Toute puissance de A supérieure ou égale à n peut s’exprimer en fonction
d’une combinaison des puissances de A strictement inferieur à n
On peut donc écrire :
La recherche des fonctions ne pose aucune difficulté : les valeurs
propres de la matrice A vérifiant obligatoirement cette équation, on construit
un système de n équations à n inconnues (les fonctions )
La résolution de ce système permet de déterminer
Méthode 4 : La méthode de calcul direct (développement de Taylor) :
Cette méthode est basée sur l’expression du développement de Taylor à
condition que la matrice d’état soit nilpotente
- Une matrice carrée est dite nilpotente si :
- Bien évidemment plus k est petit, plus le calcul direct est simple et
rapide
- Le développement de Taylor de est donné par :
Pour répondre à cette question
on va analyser le cas d’une
matrice d’état à valeurs propres
distinctes (diagonalisable)
Sous quelle condition
Le système est instable autrement, et la solution diverge.
Ce système est stable si et seulement si la solution
On considère le système représenté par les équations
d’état :
Définition
Condition de stabilité
On considère la matrice T des vecteurs propres de la matrice A
Cette condition est satisfaite, si toutes les valeurs propres sont à partie
réelle négative
La condition : est satisfaite si les termes convergent,
c.à.d :
Valeurs propres et stabilité
Théorème :
Un système linéaire invariant est asymptotiquement stable si toutes les
valeurs propres de la matrice d’état A sont à partie réelle strictement
négative.
Peut-on trouver un critère mathématique permettant de déterminer la commandabilité ?
Un système d’équation d’état est dit commandable (ou complètement
commandable) si pour n’importe quel état initial , il existe une commande sans
contrainte permettant de conduire le système à n’importe quel état final
en un temps fini
Cette représentation symbolique montre que le système est composé de deux sous -
systèmes S1 et S2. Le sous -système S1 n’est pas lié à l’entrée u, contrairement au
sous - système S2. Cela veut dire, on ne peut jamais agir sur l’état x1 et ce quelle
que soit la commande u appliquée au système. L’état x1 évoluera selon sa
Propre dynamique à partir de sa condition initiale. On dit que l’état x1 est non
commandable alors que l’état x2 est commandable .
Un système linéaire invariant dans le temps décrit par l’équation d’état :
est commandable si et seulement si la matrice de commandabilité est de
rang plein :
Si le rang de la matrice de commandabilité est égale à m< n donc le système n’est
pas complètement commandable Uniquement m états sont commandables
n-m états sont non commandables
Un système d’équation d’état
Ce système est dit observable s’il est possible de déterminer son état à un instant t0
donné à partir d’une observation de sa sortie.
Remarque :
L’observabilité est aussi appelée
détectabilité
On dit système observable ou détectable
Une multitude de définitions équivalentes sont données dans la littérature. Au lieu de
s’investir dans toutes ces définitions , on considère un exemple qui permet d’illustrer
le sens physique de la notion de l’observabilitéT. En effet, on considère le système
suivant:
Les dernières équations peuvent être traduites par le schéma fonctionnel suivant
Cette représentation symbolique montre que le système est composé de deux sous
-systèmes S1 et S2.Le sous-système S2 n’est pas lié à la sortie Y , contrairement au
sous-système S1. Cela veut dire, que toutes les observations (mesures) que l’on peut
faire sur un intervalle de temps, rien ne peut refléter le caractère instable du
système. En revanche, l’observation de la sortie renseignera sur l’état x1
.On dit que l’état x1 est observable alors que l’état x2 est non observable.
Critère de Kalman
Un système linéaire invariant dans le temps décrit par l’équation d’état :
est observable si et seulement si la matrice d’observabilité O(A;C) est de rang plein
:
Si le rang de la matrice d’observabilité est égale à m< n donc le système n’est
pas complètement observable
Uniquement m états sont observables n-m états sont non observables
Supposons que tous les états du système sont mesurables
La loi de commande consiste à réaliser un retour d'état sous la forme :
Principe de base:
Modèle d'état d'un système linéaire invariant en boucle ouverte (BO):
Loi de commande:
r : signaux de référence
K matrice de retour d'état
Modèle d’état de la boucle fermée :
Les modes du système en BF sont les valeurs propres de la matrice A-BK
Le système en BF est commandable par r(t) ssi le système en BO est
commandable par u(t) c.à.d
La matrice de retour K offre des degrés de liberté pour :
1- Imposer un comportement dynamique au système
2- Stabiliser le système (s'il est instable en BO)
Fonction de transfert équivalente en boucle fermée (BF) :
Commande par retour d’état des systèmes commandables :
Théorème :
Si le système est complètement commandable, il est possible par le choix de
K de placer arbitrairement les valeurs propres du système en BF
- Dynamique désirée en BF : elle est caractérisée par les pôles désirés en BF
- Polynôme caractéristique en BF :
- Problématique : Trouver la matrice de gain de retour K tel que :
1- Vérifier la commandabilité de la paire (A, B)
2- Calcul de la matrice (𝐴𝐵𝐹=𝐴 − 𝐵𝐾)
3- Calcul du polynôme caractéristique de (𝐴𝐵𝐹). Il vaut det(𝑠𝐼 – 𝐴𝐵𝐹) .
4- Résolution de l’équation polynomiale : |P𝐼 – 𝐴𝐵𝐹|= (P –𝜆0)(P−𝜆1)...(P−𝜆𝑛−1)
où (𝜆0,𝜆1,⋯,𝜆𝑛−1)) sont les pôles que l’on veut imposer.
Procédure pratique de la mise en œuvre:
Remarques :
• Pour que la commande soit physiquement réalisable, les valeurs propres
choisies doivent être réelles ou complexes conjuguées deux à deux (ce qui
garantit une fonction de transfert à coefficients réels).
• La stabilité étant la première qualité à assurer pour la boucle fermée, les
valeurs propres doivent être à partie réelle strictement négative.
Formule d'Ackerman:
Elle donne directement l'expression de la matrice de retour
avec
Application de la formule d'Ackerman:
1. Vérifier la commandabilité de la paire (A, B)
2. Choisir les pôles correspondants au comportement désiré en BF
3. Calculer le polynôme caractéristique en BF à partir de ces pôles
4. En déduire PBF(A). Appliquer la formule d'Ackerman
Calcul de la commande dans le cas de représentation sous forme compagne
pour la commande:
Sous la forme compagne pour la commande, les matrices A et B ont des formes
très particulières
On cherche une matrice de retour d’état 𝐾=[𝑘1 𝑘2⋯𝑘𝑛−1], telle que
Ait comme valeurs propres (𝜆0,𝜆1,⋯,𝜆𝑛−1)).
La contrainte modale impose le dénominateur de la fonction de transfert du
système en boucle fermé :
Le placement de pôles de modifie pas le type de représentation (elle reste
une forme compagne pour la commande). Par conséquent, on obtient deux
écritures différentes pour la matrice d’état du système en boucle fermée
(𝐴 − 𝐵K) :
d’où le système de 𝑛
équations à 𝑛
inconnues suivant :
Ce qui permet de déduire très simplement le retour d’état K=[𝑘1 𝑘2⋯𝑘𝑛−1]
Cas des systèmes mono-entrée, mono-sortie commandables
Si le système est commandable, on peut le mettre sous la forme canonique de
commandabilité
Tc: matrice de passage d'une représentation quelconque commandable à sa forme
canonique de commandabilité
avec
1- Modèle d'état en BF dans l'espace d'état défini par les nouvelles variables Xc
2- Polynôme caractéristique de la matrice d'état en BF Ac-BcKc
3- Placement des pôles
Equation caractéristique
(pôles désirés)
On calcule ainsi la matrice Kc qui est la matrice de retour dans l'espace d'état
défini par Xc
On en déduit la matrice K, matrice de retour dans l'espace d'état initial (défini par X) .
espace etat.ppsx

Contenu connexe

Tendances

Cours capteur final
Cours capteur finalCours capteur final
Cours capteur final
Abdellah Zahidi
 
213 les capteurs tor
213 les capteurs tor213 les capteurs tor
213 les capteurs tor
AFAF ELFANIDI
 
Cours3 Réponse fréquentielle des systèmes dynamiques continus LTI
Cours3 Réponse fréquentielle des systèmes dynamiques continus LTICours3 Réponse fréquentielle des systèmes dynamiques continus LTI
Cours3 Réponse fréquentielle des systèmes dynamiques continus LTI
sarah Benmerzouk
 
Automatisme cours-1
Automatisme cours-1Automatisme cours-1
Automatisme cours-1
AymenKhalfaoui5
 
Cours8 Introduction à la représentation d'état
Cours8 Introduction à la représentation d'étatCours8 Introduction à la représentation d'état
Cours8 Introduction à la représentation d'état
sarah Benmerzouk
 
Variateur de vitesse electronique de puissance
Variateur de vitesse   electronique de puissanceVariateur de vitesse   electronique de puissance
Variateur de vitesse electronique de puissanceBoubakri Mohamed
 
Cours electricite : le moteur asynchrone triphase
Cours electricite : le moteur asynchrone triphaseCours electricite : le moteur asynchrone triphase
Cours electricite : le moteur asynchrone triphase
morin moli
 
Automates programmables industriels
Automates programmables industrielsAutomates programmables industriels
Automates programmables industriels
HafsaELMessaoudi
 
Cours6 Correction des systèmes linéaires continus asservis
Cours6 Correction des systèmes linéaires continus asservisCours6 Correction des systèmes linéaires continus asservis
Cours6 Correction des systèmes linéaires continus asservis
sarah Benmerzouk
 
Cours11 Commande dans l'espace d'état
Cours11 Commande dans l'espace d'étatCours11 Commande dans l'espace d'état
Cours11 Commande dans l'espace d'état
sarah Benmerzouk
 
Poly ep
Poly epPoly ep
Poly ep
mammarkh
 
Cours_Organes d'asservissement.pptx
Cours_Organes d'asservissement.pptxCours_Organes d'asservissement.pptx
Cours_Organes d'asservissement.pptx
MohammedJazouuli
 
Electronique de puissance cours complet www.cours-online.com
Electronique de puissance cours complet  www.cours-online.comElectronique de puissance cours complet  www.cours-online.com
Electronique de puissance cours complet www.cours-online.com
morin moli
 
Exercices corrigés sur le gradateur triphasé
 Exercices corrigés sur le gradateur triphasé Exercices corrigés sur le gradateur triphasé
Exercices corrigés sur le gradateur triphasé
morin moli
 
Polycopié Electronique de puissance avec Matlab Simulink.pdf
Polycopié Electronique de puissance avec Matlab Simulink.pdfPolycopié Electronique de puissance avec Matlab Simulink.pdf
Polycopié Electronique de puissance avec Matlab Simulink.pdf
YoussefOumhella
 
Machines électriques : Qcm chapitre v
Machines électriques : Qcm chapitre v Machines électriques : Qcm chapitre v
Machines électriques : Qcm chapitre v Mohamed Khalfaoui
 
Instrumentation et régulation
Instrumentation et régulationInstrumentation et régulation
Instrumentation et régulation
Pierre Maréchal
 
Electronique de puissance
Electronique de puissanceElectronique de puissance
Electronique de puissancebadr zaimi
 
Cours7 Correction des systèmes linéaires continus asservis (2)
Cours7 Correction des systèmes linéaires continus asservis (2)Cours7 Correction des systèmes linéaires continus asservis (2)
Cours7 Correction des systèmes linéaires continus asservis (2)
sarah Benmerzouk
 

Tendances (20)

Cours capteur final
Cours capteur finalCours capteur final
Cours capteur final
 
213 les capteurs tor
213 les capteurs tor213 les capteurs tor
213 les capteurs tor
 
Cours3 Réponse fréquentielle des systèmes dynamiques continus LTI
Cours3 Réponse fréquentielle des systèmes dynamiques continus LTICours3 Réponse fréquentielle des systèmes dynamiques continus LTI
Cours3 Réponse fréquentielle des systèmes dynamiques continus LTI
 
Automatisme cours-1
Automatisme cours-1Automatisme cours-1
Automatisme cours-1
 
Cours8 Introduction à la représentation d'état
Cours8 Introduction à la représentation d'étatCours8 Introduction à la représentation d'état
Cours8 Introduction à la représentation d'état
 
Variateur de vitesse electronique de puissance
Variateur de vitesse   electronique de puissanceVariateur de vitesse   electronique de puissance
Variateur de vitesse electronique de puissance
 
Cours electricite : le moteur asynchrone triphase
Cours electricite : le moteur asynchrone triphaseCours electricite : le moteur asynchrone triphase
Cours electricite : le moteur asynchrone triphase
 
Automates programmables industriels
Automates programmables industrielsAutomates programmables industriels
Automates programmables industriels
 
Cours6 Correction des systèmes linéaires continus asservis
Cours6 Correction des systèmes linéaires continus asservisCours6 Correction des systèmes linéaires continus asservis
Cours6 Correction des systèmes linéaires continus asservis
 
Cours11 Commande dans l'espace d'état
Cours11 Commande dans l'espace d'étatCours11 Commande dans l'espace d'état
Cours11 Commande dans l'espace d'état
 
Poly ep
Poly epPoly ep
Poly ep
 
Cours_Organes d'asservissement.pptx
Cours_Organes d'asservissement.pptxCours_Organes d'asservissement.pptx
Cours_Organes d'asservissement.pptx
 
Electronique de puissance cours complet www.cours-online.com
Electronique de puissance cours complet  www.cours-online.comElectronique de puissance cours complet  www.cours-online.com
Electronique de puissance cours complet www.cours-online.com
 
Exercices corrigés sur le gradateur triphasé
 Exercices corrigés sur le gradateur triphasé Exercices corrigés sur le gradateur triphasé
Exercices corrigés sur le gradateur triphasé
 
Polycopié Electronique de puissance avec Matlab Simulink.pdf
Polycopié Electronique de puissance avec Matlab Simulink.pdfPolycopié Electronique de puissance avec Matlab Simulink.pdf
Polycopié Electronique de puissance avec Matlab Simulink.pdf
 
Les systèmes automatisés
Les systèmes automatisésLes systèmes automatisés
Les systèmes automatisés
 
Machines électriques : Qcm chapitre v
Machines électriques : Qcm chapitre v Machines électriques : Qcm chapitre v
Machines électriques : Qcm chapitre v
 
Instrumentation et régulation
Instrumentation et régulationInstrumentation et régulation
Instrumentation et régulation
 
Electronique de puissance
Electronique de puissanceElectronique de puissance
Electronique de puissance
 
Cours7 Correction des systèmes linéaires continus asservis (2)
Cours7 Correction des systèmes linéaires continus asservis (2)Cours7 Correction des systèmes linéaires continus asservis (2)
Cours7 Correction des systèmes linéaires continus asservis (2)
 

Similaire à espace etat.ppsx

CA_RESMA_2022_01 Chap1.pdf
CA_RESMA_2022_01 Chap1.pdfCA_RESMA_2022_01 Chap1.pdf
CA_RESMA_2022_01 Chap1.pdf
YassineAmal2
 
INTRODUCTION A LA LOGIQUE SEQUENTIELLE
INTRODUCTION A LA LOGIQUE SEQUENTIELLEINTRODUCTION A LA LOGIQUE SEQUENTIELLE
INTRODUCTION A LA LOGIQUE SEQUENTIELLE
sarah Benmerzouk
 
Cours rep etat
Cours rep etatCours rep etat
Cours rep etatLin Pepin
 
CoursAutomatique_machi_d_ostade.pptx
CoursAutomatique_machi_d_ostade.pptxCoursAutomatique_machi_d_ostade.pptx
CoursAutomatique_machi_d_ostade.pptx
HassanMoufassih
 
Polycop synchrone
Polycop synchronePolycop synchrone
Polycop synchrone
omar971638
 
20894657 cours-genie-autom-isai
20894657 cours-genie-autom-isai20894657 cours-genie-autom-isai
20894657 cours-genie-autom-isai
Mayssa Rjaibia
 
20894657 cours-genie-autom-isai
20894657 cours-genie-autom-isai20894657 cours-genie-autom-isai
20894657 cours-genie-autom-isai
Mayssa Rjaibia
 
3ABSMODEL_www.cours-exercices.org.pdf
3ABSMODEL_www.cours-exercices.org.pdf3ABSMODEL_www.cours-exercices.org.pdf
3ABSMODEL_www.cours-exercices.org.pdf
ManalBoukrim
 
3ABSMODEL_www.cours-exercices.org.pdf
3ABSMODEL_www.cours-exercices.org.pdf3ABSMODEL_www.cours-exercices.org.pdf
3ABSMODEL_www.cours-exercices.org.pdf
ManalBoukrim
 
La chaîne d’information.pptx
La chaîne d’information.pptxLa chaîne d’information.pptx
La chaîne d’information.pptx
ssuser0aa3a9
 
Cours_Master_2011.pptx
Cours_Master_2011.pptxCours_Master_2011.pptx
Cours_Master_2011.pptx
Trophime
 
UML Part 6 diagramme etat transition mansouri
UML Part 6 diagramme etat transition mansouriUML Part 6 diagramme etat transition mansouri
UML Part 6 diagramme etat transition mansouri
Mansouri Khalifa
 
Cours mooremealy [autosaved]
Cours mooremealy [autosaved]Cours mooremealy [autosaved]
Cours mooremealy [autosaved]
Abdelilah GOULMANE
 
Le grafcet
Le grafcetLe grafcet
Le grafcet
sarah Benmerzouk
 
Bascules
BasculesBascules
Bascules
Soufiane Aggour
 
124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011
sunprass
 
Cours_3_0910.pdf
Cours_3_0910.pdfCours_3_0910.pdf
Cours_3_0910.pdf
LAHCIENEELHOUCINE
 
Cours_3_0910_2.pdf
Cours_3_0910_2.pdfCours_3_0910_2.pdf
Cours_3_0910_2.pdf
SongSonfack
 
Sadt1 Mainelec
Sadt1 MainelecSadt1 Mainelec
Sadt1 Mainelecyouri59490
 
154.pdf
154.pdf154.pdf
154.pdf
FaridAloua
 

Similaire à espace etat.ppsx (20)

CA_RESMA_2022_01 Chap1.pdf
CA_RESMA_2022_01 Chap1.pdfCA_RESMA_2022_01 Chap1.pdf
CA_RESMA_2022_01 Chap1.pdf
 
INTRODUCTION A LA LOGIQUE SEQUENTIELLE
INTRODUCTION A LA LOGIQUE SEQUENTIELLEINTRODUCTION A LA LOGIQUE SEQUENTIELLE
INTRODUCTION A LA LOGIQUE SEQUENTIELLE
 
Cours rep etat
Cours rep etatCours rep etat
Cours rep etat
 
CoursAutomatique_machi_d_ostade.pptx
CoursAutomatique_machi_d_ostade.pptxCoursAutomatique_machi_d_ostade.pptx
CoursAutomatique_machi_d_ostade.pptx
 
Polycop synchrone
Polycop synchronePolycop synchrone
Polycop synchrone
 
20894657 cours-genie-autom-isai
20894657 cours-genie-autom-isai20894657 cours-genie-autom-isai
20894657 cours-genie-autom-isai
 
20894657 cours-genie-autom-isai
20894657 cours-genie-autom-isai20894657 cours-genie-autom-isai
20894657 cours-genie-autom-isai
 
3ABSMODEL_www.cours-exercices.org.pdf
3ABSMODEL_www.cours-exercices.org.pdf3ABSMODEL_www.cours-exercices.org.pdf
3ABSMODEL_www.cours-exercices.org.pdf
 
3ABSMODEL_www.cours-exercices.org.pdf
3ABSMODEL_www.cours-exercices.org.pdf3ABSMODEL_www.cours-exercices.org.pdf
3ABSMODEL_www.cours-exercices.org.pdf
 
La chaîne d’information.pptx
La chaîne d’information.pptxLa chaîne d’information.pptx
La chaîne d’information.pptx
 
Cours_Master_2011.pptx
Cours_Master_2011.pptxCours_Master_2011.pptx
Cours_Master_2011.pptx
 
UML Part 6 diagramme etat transition mansouri
UML Part 6 diagramme etat transition mansouriUML Part 6 diagramme etat transition mansouri
UML Part 6 diagramme etat transition mansouri
 
Cours mooremealy [autosaved]
Cours mooremealy [autosaved]Cours mooremealy [autosaved]
Cours mooremealy [autosaved]
 
Le grafcet
Le grafcetLe grafcet
Le grafcet
 
Bascules
BasculesBascules
Bascules
 
124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011
 
Cours_3_0910.pdf
Cours_3_0910.pdfCours_3_0910.pdf
Cours_3_0910.pdf
 
Cours_3_0910_2.pdf
Cours_3_0910_2.pdfCours_3_0910_2.pdf
Cours_3_0910_2.pdf
 
Sadt1 Mainelec
Sadt1 MainelecSadt1 Mainelec
Sadt1 Mainelec
 
154.pdf
154.pdf154.pdf
154.pdf
 

Dernier

Comment aborder le changement climatique dans son métier, volet adaptation
Comment aborder le changement climatique dans son métier, volet adaptationComment aborder le changement climatique dans son métier, volet adaptation
Comment aborder le changement climatique dans son métier, volet adaptation
Institut de l'Elevage - Idele
 
Reconquête de l’engraissement du chevreau à la ferme
Reconquête de l’engraissement du chevreau à la fermeReconquête de l’engraissement du chevreau à la ferme
Reconquête de l’engraissement du chevreau à la ferme
Institut de l'Elevage - Idele
 
Presentation d'esquisse route juin 2023.pptx
Presentation d'esquisse route juin 2023.pptxPresentation d'esquisse route juin 2023.pptx
Presentation d'esquisse route juin 2023.pptx
imed53
 
COURS ANALYSE FINANCIERE-NOGLO Méthodes d’analyses financières.pdf
COURS ANALYSE FINANCIERE-NOGLO Méthodes d’analyses financières.pdfCOURS ANALYSE FINANCIERE-NOGLO Méthodes d’analyses financières.pdf
COURS ANALYSE FINANCIERE-NOGLO Méthodes d’analyses financières.pdf
sieousse95
 
Leviers d’adaptation au changement climatique, qualité du lait et des produit...
Leviers d’adaptation au changement climatique, qualité du lait et des produit...Leviers d’adaptation au changement climatique, qualité du lait et des produit...
Leviers d’adaptation au changement climatique, qualité du lait et des produit...
Institut de l'Elevage - Idele
 
Quelles rotations dans les systèmes caprins de Nouvelle-Aquitaine et Pays de ...
Quelles rotations dans les systèmes caprins de Nouvelle-Aquitaine et Pays de ...Quelles rotations dans les systèmes caprins de Nouvelle-Aquitaine et Pays de ...
Quelles rotations dans les systèmes caprins de Nouvelle-Aquitaine et Pays de ...
Institut de l'Elevage - Idele
 
1er webinaire INOSYS Réseaux d’élevage Ovins Viande
1er webinaire INOSYS Réseaux d’élevage Ovins Viande1er webinaire INOSYS Réseaux d’élevage Ovins Viande
1er webinaire INOSYS Réseaux d’élevage Ovins Viande
Institut de l'Elevage - Idele
 
Alternative - Complément au Tramway et 3ème lien de la ville de Québec
Alternative - Complément  au Tramway et 3ème lien de la ville de Québec  Alternative - Complément  au Tramway et 3ème lien de la ville de Québec
Alternative - Complément au Tramway et 3ème lien de la ville de Québec
Daniel Bedard
 
COUPROD Une méthode nationale commune à l’ensemble des filières herbivores
COUPROD Une méthode nationale commune à l’ensemble des filières herbivoresCOUPROD Une méthode nationale commune à l’ensemble des filières herbivores
COUPROD Une méthode nationale commune à l’ensemble des filières herbivores
Institut de l'Elevage - Idele
 
Accompagner les porteurs de projets en transformation fermière
Accompagner les porteurs de projets en transformation fermièreAccompagner les porteurs de projets en transformation fermière
Accompagner les porteurs de projets en transformation fermière
Institut de l'Elevage - Idele
 
Accompagner les éleveurs dans l'analyse de leurs coûts de production
Accompagner les éleveurs dans l'analyse de leurs coûts de productionAccompagner les éleveurs dans l'analyse de leurs coûts de production
Accompagner les éleveurs dans l'analyse de leurs coûts de production
Institut de l'Elevage - Idele
 

Dernier (11)

Comment aborder le changement climatique dans son métier, volet adaptation
Comment aborder le changement climatique dans son métier, volet adaptationComment aborder le changement climatique dans son métier, volet adaptation
Comment aborder le changement climatique dans son métier, volet adaptation
 
Reconquête de l’engraissement du chevreau à la ferme
Reconquête de l’engraissement du chevreau à la fermeReconquête de l’engraissement du chevreau à la ferme
Reconquête de l’engraissement du chevreau à la ferme
 
Presentation d'esquisse route juin 2023.pptx
Presentation d'esquisse route juin 2023.pptxPresentation d'esquisse route juin 2023.pptx
Presentation d'esquisse route juin 2023.pptx
 
COURS ANALYSE FINANCIERE-NOGLO Méthodes d’analyses financières.pdf
COURS ANALYSE FINANCIERE-NOGLO Méthodes d’analyses financières.pdfCOURS ANALYSE FINANCIERE-NOGLO Méthodes d’analyses financières.pdf
COURS ANALYSE FINANCIERE-NOGLO Méthodes d’analyses financières.pdf
 
Leviers d’adaptation au changement climatique, qualité du lait et des produit...
Leviers d’adaptation au changement climatique, qualité du lait et des produit...Leviers d’adaptation au changement climatique, qualité du lait et des produit...
Leviers d’adaptation au changement climatique, qualité du lait et des produit...
 
Quelles rotations dans les systèmes caprins de Nouvelle-Aquitaine et Pays de ...
Quelles rotations dans les systèmes caprins de Nouvelle-Aquitaine et Pays de ...Quelles rotations dans les systèmes caprins de Nouvelle-Aquitaine et Pays de ...
Quelles rotations dans les systèmes caprins de Nouvelle-Aquitaine et Pays de ...
 
1er webinaire INOSYS Réseaux d’élevage Ovins Viande
1er webinaire INOSYS Réseaux d’élevage Ovins Viande1er webinaire INOSYS Réseaux d’élevage Ovins Viande
1er webinaire INOSYS Réseaux d’élevage Ovins Viande
 
Alternative - Complément au Tramway et 3ème lien de la ville de Québec
Alternative - Complément  au Tramway et 3ème lien de la ville de Québec  Alternative - Complément  au Tramway et 3ème lien de la ville de Québec
Alternative - Complément au Tramway et 3ème lien de la ville de Québec
 
COUPROD Une méthode nationale commune à l’ensemble des filières herbivores
COUPROD Une méthode nationale commune à l’ensemble des filières herbivoresCOUPROD Une méthode nationale commune à l’ensemble des filières herbivores
COUPROD Une méthode nationale commune à l’ensemble des filières herbivores
 
Accompagner les porteurs de projets en transformation fermière
Accompagner les porteurs de projets en transformation fermièreAccompagner les porteurs de projets en transformation fermière
Accompagner les porteurs de projets en transformation fermière
 
Accompagner les éleveurs dans l'analyse de leurs coûts de production
Accompagner les éleveurs dans l'analyse de leurs coûts de productionAccompagner les éleveurs dans l'analyse de leurs coûts de production
Accompagner les éleveurs dans l'analyse de leurs coûts de production
 

espace etat.ppsx

  • 1.
  • 2. Introduction à la représentation d’état Lorsque l’on envisage la commande d’un système, la première étape consiste à le modéliser. Modéliser un système consiste à élaborer une représentation mathématique qui permette de décrire et prédire son comportement dynamique et permanent lorsqu’il est soumis à des influences externes (entrées de commande, perturbations..) 1. Les différentes formes de modélisation Tout système linéaire peut être représenté de plusieurs manières comme le montre le schéma Système Physique Représentation par équation différentielle Représentation par Fonction de transfert Représentation par équation d’état Entrée u Sortie y
  • 3. Parmi les différentes modélisations possibles d’un système, seule la représentation d'état permet une approche interne. Elle peut être obtenue à partir de la connaissance de la structure et des propriétés des éléments du système . Elle peut être aussi obtenue par transformation du modèle, c’est-à-dire à partir de l’équation différentielle ou de la fonction de transfert. Quel est l’intérêt de la représentation d’état ? 1- D’abord, on souligne que c’est la seule représentation qui permet d’avoir une description interne du système contrairement à la représentation par équation différentielle ou par fonction de transfert. Ce point trouve son intérêt dans le fait qu’on aura une meilleure maitrise et compréhension du système étudié.L’équation différentielle ou la fonction de transfert permettent d’obtenir une relation entrée/sortie qui n’apporte aucune connaissance sur la structure interne d’un système. Deux systèmes différents peuvent très bien avoir la même fonction de transfert et la même équation différentielle. 2-La représentation d’état convient particulièrement aux systèmes multi-variables. Pour le cas mono-variable, l’approche par fonction de transfert est largement suffisante. Partant du fait que le casmulti-variable est plus délicat à appréhender, la représentation d’état constitue le support le plus utilisé dans l’étude des systèmes complexes.
  • 4. Modélisation On considère le système électrique ci-dessous : Peut être modélisé avec deux équations différentielles L’idée de base des représentations d’état est que le futur d’un système dépend de son passé, de son présent et de ses entrées le futur peut alors être décrit à partir d’un ensemble de variables bien choisies.
  • 5. De l’équation différentielle à l’équation d’état On rappelle les équation différentielles du modèle : Les équations différentielles précédentes peuvent être réécrites comme suit : On considère les variables x 1 ( t ) ; x 2 ( t ) ; e t u ( t ) définies par : Sous forme matricielle donnent : x ( t ) = A x ( t ) + B u ( t ) équation d’état
  • 6. Si on considère que la sortie du système est la tension aux bornes de la résistance : Donc , la sortie s’écrit : équation de la sortie avec : Pour récapituler, les équations d’état s’écrivent : Remarques : La représentation d’état n’est pas unique pour un même système physique Le système (A;B;C;D) est dit linéaire à temps invariant (LTI)
  • 7. Définition La représentation d’état d’un système dynamique linéaire continu est donnée par : A : la matrice d’état B: la matrice de commande (d’entrée) C: la matrice de sortie D: la matrice de transfert directe X(t) : est le vecteur d’état U(t): est le vecteur de commande (vecteur d’entrée) Y(t): est le vecteur de sortie équation d’état équation de sortie (appelée aussi équation de mesure)
  • 8. Illustration sur un exemple: On considère le système mécanique suivant (masse-ressort-amortisseur) : L’entrée de commande : Soit le vecteur d’état : Par application de la loi de Newton, sa dynamique s’écrit : La masse la position de la masse : Coefficient de raideur du ressort : Coefficient d’amortissement : Force appliquée sur la masse
  • 9. On a : D’après la dynamique du système : Sous forme matricielle: La sortie du système est la position de la masse mobile : Qui s’écrit sous forme matricielle
  • 10. La notion d’état d’un système et la variable d’état On définit l’état d’un système à l’instant t0 comme l’information sur le passé nécessaire et suffisante pour déterminer l’évolution ultérieure du système quand on connaît, pour , t > t0 les signaux d’entrée et les équations du système. Dans l’exemple du circuit électrique, l’information nécessaire et suffisante pour résoudre le système d’équations est liée aux conditions initiales Vc(t0) ; iL(t0) Par conséquent, un ensemble possible de variable d’état est Dimension des variables et des matrices dans un modèle d’état : Cas mono variable (1 entrée, 1 sortie) Cas multi-variable (m entré p sorties) [Vc(t) ; iL(t)]
  • 11. Comment faut-il choisir les variables d’état ? Il recommandé de choisir les variables d’état ayant un sens physique et physiquement accessible à la mesure et ce pour une meilleure compréhension du comportement du système étudié et la mise au point de la commande de celui-ci. Généralement c’est le cas lorsque la représentation d’état a découlé des équations physiques. Par contre, lorsque les équations d’état découlent d’une transformation de similitude ou à partir de l’équation différentielle ou de la fonction de transfert, les variables d’état peuvent perdre le sens physique mais demeurent néanmoins des variables internes. Combien faut-il choisir de variables d’état ? Pour répondre à cette question, il convient de distinguer deux cas : •Si les équations d’état découlent de l’équation différentielle ou de la fonction de transfert, le nombre de variables d’état est fixé par l’ordre de l’équation différentielle ou de la fonction de transfert. Si les équations d’état découlent des équations physiques, il n’est pas toujours à premier abord évident de choisir le nombre de variables nécessaires. Il convient de rester particulièrement vigilent de ne pas sur dimensionner la représentation en définissant des variables qui peuvent s’avérer redondantes. Cette remarque est très importante car la complexité du problème de l’analyse et de la synthèse est étroitement liée à la dimension des équations d’état. L’idée est d’obtenir ;ce qu’on appelle une représentation minimale et fort. Y a-t-il des restrictions quand au choix des variables d’´etat ? ! Oui. Aucune variable d’´etat ne peut être une combinaison linéaire des autres variables d’´etat.
  • 12. Représentation schématique du modèle d'état Interprétation du schéma: " Equation d'état = vue interne du système " A représente les interactions dynamiques entre les différents éléments internes du système. " B représente l'action des entrées sur l'évolution dynamique du système. " C indique les capteurs permettent d'obtenir les sorties. " D indique le couplage direct entre les entrées et les sorties.
  • 13. Vecteur d’état: Un vecteur d’état est un ensemble minimal de variables d’état, c’est-à-dire de grandeurs temporelles, nécessaires et suffisantes pour déterminer l’évolution future d’un système quand on connaît les équations qui décrivent le fonctionnement du système et les entrées de ce système. L'état d'un système à un instant t représente la mémoire minimale du passé nécessaire à la détermination du futur Définition : Unicité de la représentation d'état ? La représentation d'état d'un système est-elle unique ? Non !! Le modèle d'état obtenu dépend du choix des états. On peut associer à un même système, plusieurs vecteurs d'état conduisant ainsi à différentes représentations d'états équivalentes. la dynamique du système est préservée
  • 14. Représentation d’état des systèmes à temps discret PRINCIPE GÉNÉRAL Tout comme les systèmes à temps continu, les systèmes à temps discret peuvent être placés sous forme de représentation d’état. Modélisation du fonctionnement du système Dans une représentation en temps discret, la possibilité d’exprimer l’état du système à un instant donné en fonction du signal d’entrée et en fonction de son « passé », autrement dit, de son état précédent, prend tout son sens. La forme générale pour un système mono- entrée et mono-sortie des équations d’état en temps discret correspond donc à : La matrice de commande [A] est une matrice carrée, (B) est un vecteur colonne et (C) est un vecteur ligne.
  • 15. Remarque : pour un système d’ordre n, c’est-à-dire possédant n variables d’état, la première équation, dite de commande, correspond à un système de n équations : Signalons que les coefficients des différentes matrices peuvent aussi être variables dans le temps (c’est-à-dire s’exprimer en fonction de k).
  • 16. Passage représentation d'état " FT (MT) Forme générale TL de l'équation d'état Conditions initiales supposées nulles : X(0)=0 In : matrice identité d'ordre n TL de l'équation de sortie Fonction de transfert ou matrice de transfert
  • 17. Calcul de l'inverse de (sIn−A) Les pôles du système sont les racines de l'équation det(sIn − A) = 0 Les valeurs propres de A sont solutions de l'équation caractéristique det(λIn − A) = 0 Les pôles du système sont les valeurs propres de A. Toute l'information sur les modes du système est contenue dans la matrice A Remarques: 1- Une représentation d'état d'un système est caractérisée par le quadruplet (A, B, C, D) 2- Toute représentation d'état (A, B, C, D) d'un système qui vérifie H(s) = C(sIn − A)−1B + D est appelée une réalisation de H(s) 3- Une réalisation (A, B, C, D) avec dim(A)=n est une réalisation minimale s'il n'existe pas d'autres réalisations de H(s) de dimension inférieure à n
  • 18. A partir d'une FT, est-il possible de déterminer une représentation d'état (une seule ou la plus simple possible)? Ce problème est dénommé problème de réalisation Passage FT " représentation d'état On peut trouver autant de représentations d'état qu'on veut. Néanmoins il existent quelques formes remarquable exposées ci-après Forme canonique de commandabilité : Cas simple : m=0 et b0=1
  • 19. Posons Dérivation Equations d'état Forme canonique de commandabilité
  • 21. Soit v une variable intermédiaire telle que Cas général : m<n et b0≠0 Equation (I) Elle correspond au cas précédent Equation (II)
  • 22. Représentation d'état Cette forme est dite compagne (de la FT) commandable. Les coefficients de la FT sont éléments des matrices du modèle d'état
  • 25. Dessinons le schéma de simulation correspondant à cette équation Modèle d'état Connaissant y=xn, on peut déduire les autres états par dérivation et différence : c'est l'observabilité.
  • 26. Dualité des formes canoniques de commandabilité et d'observabilité Soit (Ac ,Bc ,Cc ,Dc ) : la réalisation canonique de commandabilité Soit (Ao,Bo,Co,Do ) : la réalisation canonique d'observabilité On constate que:
  • 27. Forme modale: - Cas 1 : le système admet n pôles distincts réels λi i =1,………n Décomposition en éléments simple Choix des états
  • 28. Remarques sur le cas 1: 1- La représentation fait apparaître les pôles (ou modes) du système 2- La matrice A est diagonale " calcul simplifié de eAt 3- Soit (A, B, C, D) une réalisation. Si A admet n valeurs propres distinctes λi, A est diagonalisable et il existe une matrice de transformation T telle que T : matrice des vecteurs propres de A Schéma de simulation: Chaque état xi est indépendant des autres
  • 29. Forme modale : cas des pôles multiples: Soit λ1 un pôle réel d'ordre k et λk+1,…, λn des pôles réels simples Décomposition en éléments simples
  • 30. Bloc de Jordan D'une façon générale, si le système admet r pôles d'ordre de multiplicité kr, tel que k1+…+ kr=n, la forme modale de la matrice d'état est: avec
  • 31. Systèmes non linéaires, Linéarisation Soit un système décrit par les ´équations d'état non linéaires: avec X (t)∈Rn U(t)∈Rm Y(t)∈Rp f et g sont des champs de fonctions non-linéaires point de fonctionnement: Soit , une entrée nominale et soit l'état correspondant càd Au voisinage de Au voisinage de
  • 32. Linéarisation autour du point On réalise un développement de Taylor au 1er ordre de f et g
  • 33. 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 Matrices du modèle : A = FX , B = FU , C = GX , D = GU
  • 34. Cas scalaire TL de l'équation d'état Condition initiale :x(0) Evolution de l'état Rappels
  • 35. Réponse temporelle Si l'origine des temps est t0≠0, les équations précédentes ont la forme générale suivante Généralisation au cas matriciel
  • 36. Réponse temporelle : généralisation
  • 37. Remarques La réponse temporelle dépend de l'exponentielle de matrice Pour U=0, on a est la matrice de transition du vecteur d'état initial X(t0) au vecteur d'état X(t) pour U=0
  • 38. Calcul de la matrice de transition L’opération la plus délicate dans la résolution des équation d’état, consiste à calculer la matrice de transition Pour cela de nombreuses méthodes existent Les plus classiques sont les suivantes : 1- Méthode 1 : La méthode de la transformée de Laplace 2- Méthode 2 :La méthode de diagonalisation 3- Méthode 3 : La méthode de Cayley-Hamilton 4- Méthode 4 : La méthode de calcul direct (développement de Tylor)
  • 39. Méthode 1 : La méthode de la transformée de Laplace : Il apparaît clairement, en confrontant cette expression à la solution générale déterminée précédemment, soit : que la matrice de transition possède pour transformée de Laplace la matrice Il suffit alors d’inverser la matrice , ce qui conduit à une matrice rationnelle en p dont on calcule la transformée de Laplace élément par élément
  • 40. Méthode 2 : La méthode de diagonalisation : Il est facile de remarquer que le calcul de la matrice de transition est très simple a effectuer si celle-ci est diagonale, en effet : Cette constatation nous conduit naturellement à imaginer une méthode relativement facile pour calculer : il suffit de diagonaliser la matrice A On considère une matrice d’état quelconque A Les vecteurs propres et valeurs propres de cette matrice sont définies par : sont les vecteurs propres et sont les valeurs propres
  • 41. Ces grandeurs sont très faciles à déterminer, étant donné que les valeurs propres sont les racines de l’équation : Soit la matrice modale, formée des vecteurs propres : La matrice diagonale D formée des valeurs propres de A est obtenue : La matrice de transition est alors calculée par :
  • 42. Méthode 3 : La méthode de Cayley-Hamilton : Cette méthode repose sur une des propriétés d’une matrice, à savoir : Chaque matrice est toujours solution de son équation caractéristique Elle présente l’avantage d’être relativement rapide pour des matrices d’ordres peu élevés - On considère une matrice A , son équation caractéristique s’écrit : - Cette équation permet d’affirmer que pour toute matrice carrée d’ordre n possédant n valeurs propres distinctes - Toute puissance de A supérieure ou égale à n peut s’exprimer en fonction d’une combinaison des puissances de A strictement inferieur à n
  • 43. On peut donc écrire : La recherche des fonctions ne pose aucune difficulté : les valeurs propres de la matrice A vérifiant obligatoirement cette équation, on construit un système de n équations à n inconnues (les fonctions ) La résolution de ce système permet de déterminer
  • 44. Méthode 4 : La méthode de calcul direct (développement de Taylor) : Cette méthode est basée sur l’expression du développement de Taylor à condition que la matrice d’état soit nilpotente - Une matrice carrée est dite nilpotente si : - Bien évidemment plus k est petit, plus le calcul direct est simple et rapide - Le développement de Taylor de est donné par :
  • 45. Pour répondre à cette question on va analyser le cas d’une matrice d’état à valeurs propres distinctes (diagonalisable) Sous quelle condition Le système est instable autrement, et la solution diverge. Ce système est stable si et seulement si la solution On considère le système représenté par les équations d’état : Définition
  • 46. Condition de stabilité On considère la matrice T des vecteurs propres de la matrice A Cette condition est satisfaite, si toutes les valeurs propres sont à partie réelle négative La condition : est satisfaite si les termes convergent, c.à.d :
  • 47. Valeurs propres et stabilité Théorème : Un système linéaire invariant est asymptotiquement stable si toutes les valeurs propres de la matrice d’état A sont à partie réelle strictement négative.
  • 48. Peut-on trouver un critère mathématique permettant de déterminer la commandabilité ? Un système d’équation d’état est dit commandable (ou complètement commandable) si pour n’importe quel état initial , il existe une commande sans contrainte permettant de conduire le système à n’importe quel état final en un temps fini
  • 49.
  • 50. Cette représentation symbolique montre que le système est composé de deux sous - systèmes S1 et S2. Le sous -système S1 n’est pas lié à l’entrée u, contrairement au sous - système S2. Cela veut dire, on ne peut jamais agir sur l’état x1 et ce quelle que soit la commande u appliquée au système. L’état x1 évoluera selon sa Propre dynamique à partir de sa condition initiale. On dit que l’état x1 est non commandable alors que l’état x2 est commandable .
  • 51. Un système linéaire invariant dans le temps décrit par l’équation d’état : est commandable si et seulement si la matrice de commandabilité est de rang plein : Si le rang de la matrice de commandabilité est égale à m< n donc le système n’est pas complètement commandable Uniquement m états sont commandables n-m états sont non commandables
  • 52. Un système d’équation d’état Ce système est dit observable s’il est possible de déterminer son état à un instant t0 donné à partir d’une observation de sa sortie. Remarque : L’observabilité est aussi appelée détectabilité On dit système observable ou détectable
  • 53. Une multitude de définitions équivalentes sont données dans la littérature. Au lieu de s’investir dans toutes ces définitions , on considère un exemple qui permet d’illustrer le sens physique de la notion de l’observabilitéT. En effet, on considère le système suivant: Les dernières équations peuvent être traduites par le schéma fonctionnel suivant
  • 54. Cette représentation symbolique montre que le système est composé de deux sous -systèmes S1 et S2.Le sous-système S2 n’est pas lié à la sortie Y , contrairement au sous-système S1. Cela veut dire, que toutes les observations (mesures) que l’on peut faire sur un intervalle de temps, rien ne peut refléter le caractère instable du système. En revanche, l’observation de la sortie renseignera sur l’état x1 .On dit que l’état x1 est observable alors que l’état x2 est non observable.
  • 55. Critère de Kalman Un système linéaire invariant dans le temps décrit par l’équation d’état : est observable si et seulement si la matrice d’observabilité O(A;C) est de rang plein : Si le rang de la matrice d’observabilité est égale à m< n donc le système n’est pas complètement observable Uniquement m états sont observables n-m états sont non observables
  • 56. Supposons que tous les états du système sont mesurables La loi de commande consiste à réaliser un retour d'état sous la forme : Principe de base: Modèle d'état d'un système linéaire invariant en boucle ouverte (BO): Loi de commande: r : signaux de référence K matrice de retour d'état
  • 57. Modèle d’état de la boucle fermée : Les modes du système en BF sont les valeurs propres de la matrice A-BK Le système en BF est commandable par r(t) ssi le système en BO est commandable par u(t) c.à.d La matrice de retour K offre des degrés de liberté pour : 1- Imposer un comportement dynamique au système 2- Stabiliser le système (s'il est instable en BO)
  • 58. Fonction de transfert équivalente en boucle fermée (BF) : Commande par retour d’état des systèmes commandables : Théorème : Si le système est complètement commandable, il est possible par le choix de K de placer arbitrairement les valeurs propres du système en BF - Dynamique désirée en BF : elle est caractérisée par les pôles désirés en BF - Polynôme caractéristique en BF :
  • 59. - Problématique : Trouver la matrice de gain de retour K tel que : 1- Vérifier la commandabilité de la paire (A, B) 2- Calcul de la matrice (𝐴𝐵𝐹=𝐴 − 𝐵𝐾) 3- Calcul du polynôme caractéristique de (𝐴𝐵𝐹). Il vaut det(𝑠𝐼 – 𝐴𝐵𝐹) . 4- Résolution de l’équation polynomiale : |P𝐼 – 𝐴𝐵𝐹|= (P –𝜆0)(P−𝜆1)...(P−𝜆𝑛−1) où (𝜆0,𝜆1,⋯,𝜆𝑛−1)) sont les pôles que l’on veut imposer. Procédure pratique de la mise en œuvre:
  • 60. Remarques : • Pour que la commande soit physiquement réalisable, les valeurs propres choisies doivent être réelles ou complexes conjuguées deux à deux (ce qui garantit une fonction de transfert à coefficients réels). • La stabilité étant la première qualité à assurer pour la boucle fermée, les valeurs propres doivent être à partie réelle strictement négative.
  • 61. Formule d'Ackerman: Elle donne directement l'expression de la matrice de retour avec Application de la formule d'Ackerman: 1. Vérifier la commandabilité de la paire (A, B) 2. Choisir les pôles correspondants au comportement désiré en BF 3. Calculer le polynôme caractéristique en BF à partir de ces pôles 4. En déduire PBF(A). Appliquer la formule d'Ackerman
  • 62. Calcul de la commande dans le cas de représentation sous forme compagne pour la commande: Sous la forme compagne pour la commande, les matrices A et B ont des formes très particulières On cherche une matrice de retour d’état 𝐾=[𝑘1 𝑘2⋯𝑘𝑛−1], telle que
  • 63. Ait comme valeurs propres (𝜆0,𝜆1,⋯,𝜆𝑛−1)). La contrainte modale impose le dénominateur de la fonction de transfert du système en boucle fermé : Le placement de pôles de modifie pas le type de représentation (elle reste une forme compagne pour la commande). Par conséquent, on obtient deux écritures différentes pour la matrice d’état du système en boucle fermée (𝐴 − 𝐵K) : d’où le système de 𝑛 équations à 𝑛 inconnues suivant : Ce qui permet de déduire très simplement le retour d’état K=[𝑘1 𝑘2⋯𝑘𝑛−1]
  • 64. Cas des systèmes mono-entrée, mono-sortie commandables Si le système est commandable, on peut le mettre sous la forme canonique de commandabilité Tc: matrice de passage d'une représentation quelconque commandable à sa forme canonique de commandabilité avec
  • 65. 1- Modèle d'état en BF dans l'espace d'état défini par les nouvelles variables Xc 2- Polynôme caractéristique de la matrice d'état en BF Ac-BcKc
  • 66. 3- Placement des pôles Equation caractéristique (pôles désirés) On calcule ainsi la matrice Kc qui est la matrice de retour dans l'espace d'état défini par Xc On en déduit la matrice K, matrice de retour dans l'espace d'état initial (défini par X) .