Chapitre I Introduction aux systèmes dans l’espace d’état
Introduction aux systèmes
dans l’espace d’état
1. Introduction
La théorie moderne des systèmes fait appel à la notion de variables d'état.
Ces variables décrivent entièrement le comportement dynamique du système auquel
elles correspondent.
Les équations d'état permettent de représenter les systèmes linéaires
continus, échantillonnés et discrets. Cette représentation est particulièrement bien
adaptée à la description des systèmes mono-variables et multi-variables. De plus, le
formalisme d'état permet de traiter les systèmes dont les paramètres varient dans le
temps (systèmes non stationnaires).
Les chercheurs d'engineering se sont les premiers intéressés à ce formalisme
pour traiter les problèmes rencontrés dans le domaine de la physique, de la
mécanique, de l’électronique, de l’aérodynamique, de la thermodynamique, etc.
2. Rappel sur le calcul matriciel
2.1. Opérations sur les matrices
Etant donnée une matrice Am×n à m lignes et n colonnes et à coefficients réels,
est notée par :
⎡a11 K a1 j K a1n ⎤
⎢ ⎥
⎢M M ⎥
Am×n = ( aij ) = ⎢ai1 K aij K ain ⎥
⎢ ⎥
⎢M M ⎥
⎢a ⎥
⎣ m1 K a mj K a mn ⎦
2.1.1. Addition de deux matrices
Soient deux matrices A = ( aij ) et B = (bij ) de M m×n ( R ) . La somme de A et B est
défini, par : A + B = ( aij ) + (bij ) .
2.1.2. Multiplication de deux matrices
Soit A = ( aij ) une matrice de M m×n (R ) et soit B = (b jk ) une matrice de M n× p (R ) .
On appelle le produit matriciel de A par B la matrice C ∈ M m× p (R ) dont le terme
n
général ci ,k est défini, par : ci ,k = ∑ ai , j b j ,k
j =1
2.1.3. Transposée d’une matrice
Étant donnée une matrice A = (aij ) de M m×n (R ) , sa transposée est la matrice de
M n×m (R ) dont le coefficient d’ordre ( j, i ) est ai , j . Pour écrire la transposée d’une
matrice, il suffit de transformer ses lignes en colonnes.
Systèmes Linéaires Multi-variables Réalisé par : Dr. MADDI AEK. 1
Chapitre I Introduction aux systèmes dans l’espace d’état
2.1.4. Inverse d’une matrice
Soit A = (aij ) une matrice carrée de taille n × n . S’il existe une matrice
carrée B = (bij ) de taille n × n telle que A × B = I n×n et B × A = I n×n , on dit que A est
inversible. On appelle B l’inverse de A et on la note A−1 .
Soient A et B deux matrices inversibles de même taille. Alors A× B est
inversible et on écrit : ( A × B) −1 = ( B) −1 × ( A−1 )
2.1.5. Déterminant d’une matrice
À toute matrice carrée A correspond une valeur appelée le déterminant de A ,
que l'on dénote par : det(A) ou encore A . Par exemple :
⎡a b ⎤
Considérons la matrice carrée : A = ⎢ ⎥.
⎣c d ⎦
a b
Le déterminant est défini par la relation : det( A) = = a d − bc .
c d
2.1.6. Trace d’une matrice
La trace d’une matrice carrée A est la somme de ses coefficients diagonaux :
n
Trace( A) = ∑ ai ,i
i =1
2.2. Valeurs propres et vecteurs propres
Le scalaire λ est une valeur propre de A si et seulement si : (λI − A) n’est pas
inversible. Autrement dit si et seulement si : det(λI − A) = 0.
Un vecteur x est un vecteur propre de la matrice carrée A si : A x = λ x, pour un
certain réel λ .
2.3. Calcul matriciel avec MATLAB
Dans cette partie, quelques opérations matricielles sous MATLAB sont
résumées dans le tableau suivant :
Opérations Fonctions en MATLAB
Addition de deux matrices A+ B
Multiplication de deux matrices A* B
Transposée d’une matrice A'
Inverse d’une matrice inv( A)
Déterminant d’une matrice det( A)
Taille d’une matrice size( A)
Trace d’une matrice trace( A)
Rang d’une matrice rank( A)
Valeurs propres et vecteurs propres eig( A)
Systèmes Linéaires Multi-variables Réalisé par : Dr. MADDI AEK. 2
Chapitre I Introduction aux systèmes dans l’espace d’état
3. Equation d’état d’un système continu
Afin de comprendre la représentation des systèmes dans l’espace d'état, nous
traiterons quelques exemples :
Exemple 1 : Système mécanique
Mettons en équation le système mécanique classique de la Figure 1,
comprenant une masse m , un ressort k et un amortisseur α . La sortie y (t ) représente
le déplacement de la masse par rapport au boîtier lorsque cette masse est sollicitée
par la force u(t ) .
Figure 1 : Système mécanique.
Par application de la première loi de Newton, on obtient,
d2y dy
m 2
+α + ky = u(t ) (1)
dt dt
Posons,
⎧ x1 = y
⎨ (2)
⎩ x 2 = y&
Il vient,
⎧ x&1 = y& = x2
⎪
⎨ k α 1 (3)
⎪⎩ x& 2 = − m x1 − m x2 + m u
La représentation d'état est donnée par,
⎡0 1 ⎤ ⎡0 ⎤
⎡ x&1 ⎤ ⎢ ⎥ ⎡ x1 ⎤ ⎢ ⎥
⎢ x& ⎥ = ⎢ − k α + 1 u (t )
− ⎥ ⎢⎣ x 2 ⎥⎦ ⎢ ⎥
(4)
⎣ 2⎦
⎣ m m⎦ ⎣m⎦
⎡ x1 ⎤
y = [1 0]⎢ ⎥ (5)
⎣ x2 ⎦
Les équations (4) et (5) s’appellent l’équation d’état et l’équation de sortie
respectivement.
Systèmes Linéaires Multi-variables Réalisé par : Dr. MADDI AEK. 3
Chapitre I Introduction aux systèmes dans l’espace d’état
Exemple 2 : Circuit électrique RC
Le circuit à étudier dans la Figure 2, comporte deux condensateurs C1 , C2 et
deux résistances R1 et R2 . Il est donc d'ordre deux et sera complètement représenté
avec deux variables d'état. La tension aux bornes d'une capacité est donnée par :
dv i
= (6)
dt C
On choisit les tensions aux bornes de C1 et de C 2 comme variables d'état :
⎧ x1 = v1
⎨ (7)
⎩ x2 = v2
Figure 2 : Circuit électrique RC.
Pour trouver la représentation d'état du circuit, on applique le théorème d’électricité
(lois des mailles et lois des nœuds), on obtient,
v −v
i1 = 2 1 (8)
R1
et
u − v2
i = i1 + i2 = (9)
R2
or,
⎧ i1
⎪ x&1 = v&1 = C
⎪ 1
⎨ (10)
i
⎪ x& 2 = v&2 = 2
⎪⎩ C2
L'équation d'état est donnée par :
⎡ 1 1 ⎤
⎢ − ⎡ 0 ⎤
⎡ x&1 ⎤ R1C1 R1C1 ⎥ ⎡ x1 ⎤ ⎢
⎢ x& ⎥ = ⎢ ⎥ ⎢ ⎥ + 1 ⎥ u (t ) (11)
⎣ 2⎦ ⎢ 1 R + R2 ⎥ ⎣ x 2 ⎦ ⎢ ⎥
⎢R C − 1 ⎣ 2 2 ⎥⎦
⎢ R C
⎣ 1 2 R1 R2C2 ⎥⎦
A.N : R1 = 1 / 4 ; R 2 = 1 / 8 ; C1 = 1 ; C 2 = 2
⎡ x&1 ⎤ ⎡ − 4 + 4⎤ ⎡ x1 ⎤ ⎡0 ⎤
⎢ x& ⎥ = ⎢ + 2 − 6 ⎥ ⎢ x ⎥ + ⎢4⎥ u (t ) (12)
⎣ 2⎦ ⎣ ⎦⎣ 2⎦ ⎣ ⎦
Systèmes Linéaires Multi-variables Réalisé par : Dr. MADDI AEK. 4
Chapitre I Introduction aux systèmes dans l’espace d’état
Exemple 3 : Circuit électrique LC
Le circuit à étudier comporte deux bobines L1 , L2 et un condensateur C . Il y a
trois éléments dynamiques qui stockent et restituent de l'énergie donc trois variables
d'état.
Figure 3 : Circuit électrique LC.
On adopte le vecteur d'état:
x T = [x1 x 2 x3 ] = [i1 v c i2 ] (13)
et la variable de sortie y désigne la tension de sortie prélevée aux bornes de la
capacité C . Sachant que pour une capacité :
dv i
= (14)
dt C
et que pour une inductance :
di
v=L (15)
dt
On établit le modèle d'état du circuit :
⎡ 1 ⎤
⎢ 0 − 0⎥ ⎡1 ⎤
L1 ⎢ 0 ⎥
⎡ x1 ⎤
& ⎢ ⎥ ⎡ x1 ⎤ L1
⎢ x& ⎥ = ⎢ 1 1 ⎥⎢ ⎥ ⎢ ⎥ ⎡e1 ⎤
0 − x + ⎢ 0 0 ⎥⎢ ⎥ (16)
⎢ 2 ⎥ ⎢C C⎥⎢ ⎥ ⎢
2
1 ⎥⎣ 2⎦
e
⎣⎢ x& 3 ⎦⎥ ⎢ ⎥ ⎣⎢ x3 ⎦⎥
⎢0 − ⎥
⎢0 1
0⎥
⎢ L2 ⎥ ⎢⎣ L2 ⎥⎦
⎣ ⎦
y (t ) = [0 1 0] x (t ) (17)
Systèmes Linéaires Multi-variables Réalisé par : Dr. MADDI AEK. 5
Chapitre I Introduction aux systèmes dans l’espace d’état
4. Choix des variables d'état
On choisit souvent comme variables d'états, des éléments du système
susceptibles d'être des réservoirs d'énergie.
Elément Symbole Energie Etat
Inductance L 1 2 i
Li
2
Condensateur C 1 2 uc
Cuc
2
Masse M 1 x
Mv 2
2
Ressort K 1 2 x
Kx
2
En résumé,
x T (t ) = [x1 x 2 ... xn ] est appelé vecteur d'état du système d’ordre n .
Le système d'ordre n (Exemples 1, 2 et 3) est converti dans la représentation
d'état en une équation différentielle matricielle d'ordre 1 et une équation de
sortie.
Le nombre minimal d'état correspond à l'ordre du système.
Le modèle d'état obtenu dépend du choix des états.
Par une transformation linéaire, il est possible de passer d'une représentation
d'état à une autre équivalente.
Le modèle d'état donne des informations sur la représentation interne du
système qui n'apparaissent pas explicitement dans la fonction de transfert.
La dynamique du système est résumée dans la matrice d’état A . En effet, les
valeurs propres de A sont les pôles du système.
4. Généralisation à un système multi-entrée, multi-sortie (MIMO)
Le modèle d’état d’un système multi-entrées et multi-sorties, peut s’écrire sous
la forme d’un système d’équations matricielles différentielles du premier ordre:
⎧ x& = Ax + Bu → équation d ' état
⎨ (18)
⎩ y = Cx + Du → équation de sortie
avec, A ∈ ℜn ×n , B ∈ ℜ n×m , C ∈ ℜ p ×n et D ∈ ℜ p×m sont appelées: matrice d’état, matrice de
commande, matrice de sortie, et matrice de couplage respectivement. x (t ) ∈ ℜn ,
u(t ) ∈ ℜm et y (t ) ∈ ℜ p : vecteur d’état, vecteur de commandes, et vecteur de sorties
respectivement.
Systèmes Linéaires Multi-variables Réalisé par : Dr. MADDI AEK. 6
Chapitre I Introduction aux systèmes dans l’espace d’état
5. Représentation graphique du modèle d'état
Equation d’état
u (t ) + x& x + y (t )
B ∫ C
+ +
D
Equation de sortie
Figure 4 : Diagramme fonctionnel du modèle d’état.
6. Méthode de linéarisation
Soit un système physique décrit par les équations d'état non-linéaires :
x& = f ( x, u ) → équation d ' état
(19)
y = h( x, u ) → équation de sortie
où f et h sont suffisamment dérivables par rapport à leurs arguments.
Supposons qu'il existe une trajectoire nominale (ou d'équilibre) c'est-à-dire un
triplet xe (t ) , y e (t ) et u e (t ) qui vérifie :
x& e = f ( xe , ue )
(20)
y e = h ( xe , ue )
Si on suppose que x(t ), y (t ) et u (t ) restent voisins de xe (t ) , y e (t ) et u e (t ) , alors, on
peut lineairiser ces équations autour d’un point de fonctionnement, c'est-à-dire, de
trouver une représentation d'état linéaire, valable pour des petites variations au
voisinage de la trajectoire nominale.
On introduit les écarts :
ζ = x − xe , w = u − u e , z = y − y e (21)
Et un développement en série de Taylor au premier ordre donne :
ζ& ≈ Aζ + B w → équation d ' état
(22)
z ≈ Cζ + D w → équation de sortie
avec,
⎛ ∂f ⎞ ⎛ ∂f ⎞ ⎛ ∂h ⎞ ⎛ ∂h ⎞
A=⎜ i ⎟ ; B=⎜ i ⎟ ; C =⎜ i ⎟ ; D=⎜ i ⎟ (23)
⎜ ∂x ⎟ ⎜ ∂u ⎟ ⎜ ∂x ⎟ ⎜ ∂u ⎟
⎝ j⎠ équilibre ⎝ j⎠ équilibre ⎝ j⎠ équilibre ⎝ j⎠ équilibre
Systèmes Linéaires Multi-variables Réalisé par : Dr. MADDI AEK. 7
Chapitre I Introduction aux systèmes dans l’espace d’état
Exemple
Une masse m mise en mouvement au moyen d’un couple u (t ) comme indiqué
sur la Figure 5. On néglige la masse de la tige ainsi que les frottements de
l’articulation. La position de la masse est repérée par l’angle α que fait la tige avec la
verticale.
α (t )
m
Figure 5 : Pendule simple.
L’équation du mouvement s’écrit :
mα&&(t ) + mg sin(α (t )) = u(t )
Si on choisit comme vecteur d’état x T = [x1 x 2 ] = [α α& ] alors, le modèle d’état s’écrira :
⎧ x&1 = f1 ( x, u ) = x2
⎪
⎪ u
⎨ x& 2 = f 2 ( x, u ) = − g sin( x1 ) +
⎪ m
⎪⎩ y = h( x, u ) = x1
Le point d’équilibre est donné par :
⎧ x2 = 0 ⎧ x2 = 0
⎧ x&1 = 0 ⎪ ⎪
x& = 0 ⇒ ⎨ ⇒⎨ u ⇒ ⎨ x1 = 0
⎩ x& 2 = 0 ⎪⎩− g sin( x1 ) + m = 0 ⎪u = 0
⎩
Et, pour de petites variations au voisinage de cet équilibre, on écrit :
⎧ x&1 = x2
⎪
⎪ 1
⎨ x& 2 = − g x1 + u
⎪ m
⎪⎩ y = x1
Le modèle d’état représenté sous la forme matricielle est donné par :
⎧ ⎡0 ⎤
⎪ x& = ⎡0 1⎤
x + ⎢ 1 ⎥u
⎪ ⎢− g
⎨ ⎣ 0⎥⎦ ⎢ ⎥
⎪ ⎣m⎦
⎪⎩ y = x1
6. Conclusion
Les équations du modèle d’état d’un système linéaire invariant seront toujours
des équations différentielles linéaires à coefficient constant, mais il faut savoir que
pour tout système non-linéaire, il est possible de le linéariser autour d’un point de
fonctionnement (ou un point d’équilibre), et donc se retrouver avec un problème
linéaire.
Systèmes Linéaires Multi-variables Réalisé par : Dr. MADDI AEK. 8
